CN106253351B - 一种基于简化失负荷概率约束式的电力系统旋转备用优化方法 - Google Patents
一种基于简化失负荷概率约束式的电力系统旋转备用优化方法 Download PDFInfo
- Publication number
- CN106253351B CN106253351B CN201610657192.2A CN201610657192A CN106253351B CN 106253351 B CN106253351 B CN 106253351B CN 201610657192 A CN201610657192 A CN 201610657192A CN 106253351 B CN106253351 B CN 106253351B
- Authority
- CN
- China
- Prior art keywords
- unit
- lolp
- constraint
- marginal
- spare
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005457 optimization Methods 0.000 title claims abstract description 22
- 238000009987 spinning Methods 0.000 title claims abstract description 22
- 230000014509 gene expression Effects 0.000 claims abstract description 14
- 238000010977 unit operation Methods 0.000 claims abstract description 7
- 230000007257 malfunction Effects 0.000 claims description 20
- 238000012790 confirmation Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000009194 climbing Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于简化失负荷概率约束式的电力系统旋转备用优化方法,以机组旋转备用为优化变量,以机组运行成本和备用成本之和为目标函数,对在线机组按容量大小排序,找出边际机组,只考虑边际机组的形式对将LOLP简化,在设定的约束条件下用混合整数线性规划法求解带有简化LOLP表达式的机组组合问题。只考虑边际机组的LOLP简化可以同时保留LOLP原约束式蕴含的两种在经济性和可靠性之间的主次折中,使得优化结果更好,提高了计算效率。
Description
技术领域
本发明涉及一种基于简化失负荷概率约束式的电力系统旋转备用优化方法。
背景技术
旋转备用是应对电力系统故障可能导致的甩负荷的有效措施,可以增加电力系统的可靠性。但配置备用会使增加额外的费用,经济性变差。备用配置的多少需要在可靠性和经济性之间取得平衡。
旋转备用配置采用确定性的方法没有考虑系统的随机特性,目前国内外很多关于旋转备用优化方法采用概率性的方法,如在约束条件中加入失负荷概率(Loss of loadprobability,LOLP)指标约束。LOLP与机组的状态、出力、备用及这一时间段的总备用都有关,是高度非线性和组合性的,计算起来非常困难。LOLP表达式中蕴含了两种折中,一是备用越大可靠性越高经济性越差,二是备用不变时备用配置越分散可靠性越高经济性越差。许多方法在计算带有LOLP约束的机组组合模型过程中,忽略了次要折中,导致计算准确度差,结果往往是备用配置过多,经济性差,可靠性还不一定好。
发明内容
本发明为了解决上述问题,提出了一种基于简化失负荷概率约束式的电力系统旋转备用优化方法,本发明只考虑边际机组的LOLP简化,可以同时保留LOLP原约束式蕴含的两种主次折中,使得优化结果更好,提高了计算效率。
为了实现上述目的,本发明采用如下技术方案:
一种基于简化失负荷概率约束式的电力系统旋转备用优化方法,以机组旋转备用为优化变量,以机组运行成本和备用成本之和为目标函数,对在线机组按容量大小排序,找出边际机组,只考虑边际机组的形式对将LOLP简化,在设定的约束条件下用混合整数线性规划法求解带有简化LOLP表达式的机组组合问题。
一种基于简化失负荷概率约束式的电力系统旋转备用优化方法,包括以下步骤:
(1)构建机组组合,确定各机组的状态,设定机组组合的约束条件;
(2)基于各机组的状态和预定计划,构建LOLP约束,确定边际机组;
(3)只考虑边际机组,对构建的LOLP约束进行简化,将LOLP约束式中给定的约束阈值减少为0;
(4)利用混合整数线性规划法计算带有简化LOLP约束式的机组组合模型,根据计算结果设置最小备用值,使备用满足预定的设置;
(5)将确定的带有简化LOLP约束的最小备用限制的机组组合投入运行。
机组组合的约束条件包括功率平衡约束、备用约束和机组运行约束。
LOLP约束为所有各阶故障概率与二进制变量的乘积之和小于等于设定的约束阈值。
寻找边际机组的过程包括:
如果给定的约束阈值LOLPmax大于约束中二阶和更高阶故障对应的LOLP值LOLP1,按照以下步骤寻找边际机组:
(1-1)从LOLPmax减去LOLP1;
(1-2)基于基本机组组合得到的机组状态,在线机组按容量从大到小的顺序逐个从LOLPmax减去机组的故障概率,直到余数小于下台机组的故障概率,那么边际机组就是下台机组。
如果给定的约束阈值LOLPmax小于约束中设置备用为在线最大机组容量时,进行备用限制的机组组合所得的二阶和更高阶故障对应的LOLP值LOLP2,按照以下步骤寻找边际机组:
按两台机组容量之和从大到小顺序,从LOLPmax减去不同类型两台机组或同类型的两台机组的二阶故障概率之和,直到余数小于下面不同类型两台机组或同类型两台机组的二阶故障概率之和,那么边际机组就在不同类型两台机组或同类型两台机组中产生。
如果LOLP1>LOLPmax>LOLP2,那么最大容量的机组就是边际机组,备用就是最大容量机组的容量。
简化LOLP约束式的方法是:找到边际机组后,LOLP约束表达式中就只保留与边际机组有关的变量,即简化LOLP约束式中的保留的边际机组的LOLP要等于0。
设置最小备用限制的方法是:根据机组计划,设置备用大于容量小于边界机组的机组的最大装机容量。
对于LOLPmax>LOLP1时寻找边际机组的情况,基于简化LOLP约束式的旋转备用优化方法还包括步骤(6):判断二阶故障是否造成LOLP是否变化,如果不变,输出确认的机组组合,否则返回步骤(2)。
本发明的工作原理为:以机组旋转备用为优化变量,以机组运行成本和备用成本之和为目标函数,在不考虑备用的机组组合计划基础上,对在线机组按容量大小排序,选出边际机组,将LOLP简化为只考虑边际机组的形式,然后用混合整数线性规划法(MILP)求解带有简化LOLP表达式的机组组合问题。
本发明的有益效果为:
(1)本发明只考虑边际机组的LOLP简化可以同时保留LOLP原约束式蕴含的两种在经济性和可靠性之间的主次折中,使得优化结果更好;
(2)本发明有效提高了难以求解的带有复杂LOLP约束的备用优化问题的计算效率;
(3)本发明根据给定的LOLPmax确定寻找边际机组方法,更加具有针对性,方便应用。
附图说明
图1为本发明的流程示意图。
具体实施方式:
下面结合附图与实施例对本发明作进一步说明。
如图1所示,一种基于LOLP简化约束式的旋转备用优化算法,具体包括:
步骤1,运行不考虑备用的基本的机组组合,得到各机组的状态;
步骤2,根据机组计划,寻找边际机组;
步骤3,简化LOLP表达式,在LOLP表达式只考虑边际机组,简化后,LOLP约束式中给定的LOLPmax减少为0;
步骤4,用MILP计算带有简化LOLP约束式的机组组合模型;
步骤5,基于(4)的结果,设置最小备用,使备用满足预定的设置,即得到备用要满足使容量小于边际机组的机组不会造成LOLP;
步骤6,运行带有简化LOLP约束的最小备用限制的机组组合;
步骤7,二阶故障造成的LOLP是否变化,如果不变,结束程序,如果变化,返回(2)。
步骤1中,基本的机组组合的约束条件包括:
功率平衡约束:
其中,Pt D为t时段的负荷需求,Pi,t为t时段机组i的出力,NG为机组数。
备用约束:
其中,Ui,t是机组的状态,Pi max为机组i的最大出力,为机组i的的爬坡率,τ为允许的爬坡时间,这里τ为0.5h。
机组运行约束:
包括:发电机最低和最高出力限制,最小运行和停机时间限制,初始条件限制,爬坡约束。
步骤2中,LOLP约束为:
LOLP≤LOLPmax(4)
LOLP表达式为:
其中
Ui,t,Pi,t,Ri,t和SSRt分别为t时段内机组i启停状态,出力,备用以及总备用;为二进制变量;是一阶二阶故障概率;ui是故障替换率,在ΔT内等于riΔT,其中ri是机组i的故障率,这里ΔT为1h。
步骤2中,寻找边际机组可分为三种情况,首先可以定义两个阈值LOLP1和LOLP2。LOLP1是步骤(1)所得结果中二阶和更高阶故障对应的LOLP。LOLP2是设置备用为在线最大机组容量时,进行备用限制的机组组合所得的二阶和更高阶故障对应的LOLP。
如果给定的LOLPmax>LOLP1,按照以下步骤寻找边际机组:
(1)从LOLPmax减去LOLP1;
(2)基于基本机组组合得到的机组状态,在线机组按容量从大到小的顺序逐个从LOLPmax减去机组的故障概率,直到余数小于下台机组的故障概率,那么边际机组就是下台机组(包括没减到的同类型的机组)。
那么LOLP简化表达式为:
其中S为边际机组集合。
如果LOLPmax<LOLP2,一阶故障不再考虑,寻找边际机组的方法如下
(1)按两台机组容量之和从大到小顺序,从LOLPmax减去不同类型两台机组(或同类型的两台机组)的二阶故障概率之和,直到余数小于下面不同类型两台机组(或同类型两台机组)的二阶故障概率之和,那么边际机组就在下面不同类型两台机组(或同类型两台机组)中产生;
(2)在上步得到的不同类型两台机组(或同类型两台机组)中寻找边际机组。
其中为机组i*和j*的二阶故障概率。机组i*和j*是上步得到的不同类型两台机组(或同类型两台机组);a是上步得到的不同类型两台机组(或同类型两台机组)的组合数。除a种组合外,其他组合不会造成LOLP,那么边际机组就是构成其他组合的机组。
则LOLP表达式可以简化为:
如果LOLP1>LOLPmax>LOLP2,那么最大容量的机组就是边际机组,备用就是最大容量机组的容量。则不再进行步骤(2)以后的步骤。
步骤3中,简化LOLP约束式的方法是:找到边际机组后,LOLP表达式中就可以只保留与边际机组有关的变量。从寻找边际机组的过程中可以看出,那些一定会造成LOLP的机组故障概率,都在寻找边际机组过程中从LOLPmax减去了,预定设置容量小于边际机组的机组也不会造成LOLP,这一预定设置由步骤(5)实现,保留的边际机组不会造成LOLP,所以简化LOLP约束式中的保留的边际机组的LOLP要等于0。
步骤4中,设置最小备用限制的方法是:由步骤(4)得到机组计划,设置备用大于容量小于边界机组的机组的最大装机容量(出力加备用)。进行步骤(5)后,备用就一定满足简化过程中预定的设置,即得到备用要满足使容量小于边际机组的机组不会造成LOLP。一般情况下,在计算24时段备用优化时,由步骤(4)所得的备用已经满足预定的设置,步骤(5)可省略,程序得到简化。
步骤6中,对于LOLPmax<LOLP2时寻找边际机组的情况,进行步骤(6)后可直接结束程序。
步骤7中,只适用于LOLPmax>LOLP1时寻找边际机组的情况。因为开始是没考虑有备用的二阶故障对应的LOLP,第一次计算出的二阶故障对应的LOLP一定变小,那么基于这个变小的LOLP寻找出的边际机组可能向容量更小的机组中产生,一般重复一次二阶故障对应的LOLP就不再改变。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (6)
1.一种基于简化失负荷概率约束式的电力系统旋转备用优化方法,其特征是:以机组旋转备用为优化变量,以机组运行成本和备用成本之和为目标函数,对在线机组按容量大小排序,找出边际机组,只考虑边际机组的形式对LOLP简化,在设定的约束条件下用混合整数线性规划法求解带有简化LOLP表达式的机组组合问题;
如果给定的约束阈值LOLPmax大于约束中二阶和更高阶故障对应的LOLP值LOLP1,按照以下步骤寻找边际机组:
(1-1)从LOLPmax减去LOLP1;
(1-2)基于基本机组组合得到的机组状态,在线机组按容量从大到小的顺序逐个从LOLPmax减去机组的故障概率,直到余数小于下台机组的故障概率,那么边际机组就是下台机组;
给定的约束阈值LOLPmax小于约束中设置备用为在线最大机组容量时,进行备用限制的机组组合所得的二阶和更高阶故障对应的LOLP值LOLP2,按照以下步骤寻找边际机组:
按两台机组容量之和从大到小顺序,从LOLPmax减去不同类型两台机组或同类型的两台机组的二阶故障概率之和,直到余数小于下面不同类型两台机组或同类型两台机组的二阶故障概率之和,那么边际机组就在不同类型两台机组或同类型两台机组中产生;
如果约束中二阶和更高阶故障对应的LOLP值LOLP1大于给定的约束阈值LOLPmax且给定的约束阈值LOLPmax大于约束中设置备用为在线最大机组容量时,进行备用限制的机组组合所得的二阶和更高阶故障对应的LOLP值LOLP2,那么最大容量的机组就是边际机组,备用就是最大容量机组的容量;
简化LOLP约束式的方法是:找到边际机组后,LOLP约束表达式中就只保留与边际机组有关的变量,即简化LOLP约束式中的保留的边际机组的LOLP要等于0。
2.一种基于简化失负荷概率约束式的电力系统旋转备用优化方法,其特征是:包括以下步骤:
(1)构建机组组合,确定各机组的状态,设定机组组合的约束条件;
(2)基于各机组的状态和预定计划,构建LOLP约束,确定边际机组;
(3)只考虑边际机组,对构建的LOLP约束进行简化,将LOLP约束式中给定的约束阈值减少为0;
(4)利用混合整数线性规划法计算带有简化LOLP约束式的机组组合模型,根据计算结果设置最小备用值,使备用满足预定的设置;
(5)将确定的带有简化LOLP约束的最小备用限制的机组组合投入运行;
如果给定的约束阈值LOLPmax大于约束中二阶和更高阶故障对应的LOLP值LOLP1,按照以下步骤寻找边际机组:
(1-1)从LOLPmax减去LOLP1;
(1-2)基于基本机组组合得到的机组状态,在线机组按容量从大到小的顺序逐个从LOLPmax减去机组的故障概率,直到余数小于下台机组的故障概率,那么边际机组就是下台机组;
给定的约束阈值LOLPmax小于约束中设置备用为在线最大机组容量时,进行备用限制的机组组合所得的二阶和更高阶故障对应的LOLP值LOLP2,按照以下步骤寻找边际机组:
按两台机组容量之和从大到小顺序,从LOLPmax减去不同类型两台机组或同类型的两台机组的二阶故障概率之和,直到余数小于下面不同类型两台机组或同类型两台机组的二阶故障概率之和,那么边际机组就在不同类型两台机组或同类型两台机组中产生;
如果约束中二阶和更高阶故障对应的LOLP值LOLP1大于给定的约束阈值LOLPmax且给定的约束阈值LOLPmax大于约束中设置备用为在线最大机组容量时,进行备用限制的机组组合所得的二阶和更高阶故障对应的LOLP值LOLP2,那么最大容量的机组就是边际机组,备用就是最大容量机组的容量;
简化LOLP约束式的方法是:找到边际机组后,LOLP约束表达式中就只保留与边际机组有关的变量,即简化LOLP约束式中的保留的边际机组的LOLP要等于0。
3.如权利要求1或2所述的旋转备用优化方法,其特征是:机组组合的约束条件包括功率平衡约束、备用约束和机组运行约束。
4.如权利要求1或2所述的旋转备用优化方法,其特征是:LOLP约束为所有各阶故障概率与二进制变量的乘积之和小于等于设定的约束阈值。
5.如权利要求1或2所述的旋转备用优化方法,其特征是:设置最小备用限制的方法是:根据机组计划,设置备用容量小于边界机组的最大装机容量。
6.如权利要求1或2所述的旋转备用优化方法,其特征是:对于LOLPmax>LOLP1时寻找边际机组的情况,基于简化LOLP约束式的旋转备用优化方法还包括步骤(6):判断二阶故障是否造成LOLP的变化,如果不变,输出确认的机组组合,否则返回步骤(2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610657192.2A CN106253351B (zh) | 2016-08-11 | 2016-08-11 | 一种基于简化失负荷概率约束式的电力系统旋转备用优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610657192.2A CN106253351B (zh) | 2016-08-11 | 2016-08-11 | 一种基于简化失负荷概率约束式的电力系统旋转备用优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106253351A CN106253351A (zh) | 2016-12-21 |
CN106253351B true CN106253351B (zh) | 2018-08-31 |
Family
ID=58078363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610657192.2A Active CN106253351B (zh) | 2016-08-11 | 2016-08-11 | 一种基于简化失负荷概率约束式的电力系统旋转备用优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106253351B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633350B (zh) * | 2017-08-29 | 2021-07-09 | 东南大学 | 一种能源互联系统短期运行充裕性评估方法 |
CN108334997B (zh) * | 2018-04-11 | 2020-12-29 | 山东大学 | 基于支撑故障事件约束机组组合的备用优化方法和装置 |
IT201900006735A1 (it) * | 2019-05-10 | 2020-11-10 | Sacertis S R L | Metodo di indagine di una struttura e procedimento per definire una modalità ottimale d’indagine della struttura stessa |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104701890A (zh) * | 2015-03-21 | 2015-06-10 | 南京理工大学 | 考虑风电功率溢出的含风电场电力系统旋转备用优化方法 |
CN105322566A (zh) * | 2015-11-06 | 2016-02-10 | 山东大学 | 考虑预测误差时序分布的含风电机组组合模型建立方法 |
-
2016
- 2016-08-11 CN CN201610657192.2A patent/CN106253351B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104701890A (zh) * | 2015-03-21 | 2015-06-10 | 南京理工大学 | 考虑风电功率溢出的含风电场电力系统旋转备用优化方法 |
CN105322566A (zh) * | 2015-11-06 | 2016-02-10 | 山东大学 | 考虑预测误差时序分布的含风电机组组合模型建立方法 |
Non-Patent Citations (1)
Title |
---|
《计及风险备用约束的含风电场电力系统动态经济调度》;周玮 等;《中国电机工程学报》;20120105;第32卷(第1期);第47至55页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106253351A (zh) | 2016-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luna et al. | Online energy management systems for microgrids: Experimental validation and assessment framework | |
Wu et al. | Energy-efficient virtual machine placement in data centers by genetic algorithm | |
CN105046395B (zh) | 一种含多类型新能源的电力系统日内滚动计划编制方法 | |
Ye et al. | Multi-objective optimal power flow considering transient stability based on parallel NSGA-II | |
CN106253351B (zh) | 一种基于简化失负荷概率约束式的电力系统旋转备用优化方法 | |
CN108334997B (zh) | 基于支撑故障事件约束机组组合的备用优化方法和装置 | |
CN112104005B (zh) | 一种考虑新能源预测不确定性的电网调度方法和系统 | |
CN108281989B (zh) | 一种风电电力系统经济调度方法及装置 | |
CN111967986B (zh) | 包含梯级水电的电力市场出清方法、系统、装置及介质 | |
CN112183855A (zh) | 区域电力现货市场出清方法、装置和电子设备 | |
CN106779444B (zh) | 基于电网模型外扩的有功计划潮流调整方法和装置 | |
Xu et al. | Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation | |
CN108009672B (zh) | 基于双层优化模型的水光互补电站日发电计划编制方法 | |
CN109193802A (zh) | 一种考虑新能源预测误差的需求侧资源调度方法和系统 | |
CN105305501B (zh) | 实时负荷变化下水电站多模式时空嵌套出力动态调整方法 | |
CN112953007A (zh) | 配电网调度方法、装置及系统、处理器、电子设备 | |
Rudnik et al. | Real-time control of an electric vehicle charging station while tracking an aggregated power setpoint | |
CN111193293A (zh) | 配电网协调多主体调度处理方法及装置 | |
CN116739187B (zh) | 水库优化调度决策方法、装置、计算机设备及存储介质 | |
CN110768305B (zh) | 备用资源的协调方法、装置、设备及存储介质 | |
CN115907163A (zh) | 电力系统运行状态预测方法、装置和计算机设备 | |
CN115549204A (zh) | 一种微电网群双层分布式集群调峰方法及装置 | |
CN115238992A (zh) | 一种电力系统源荷储的协调优化方法、装置及电子设备 | |
CN115603308A (zh) | 一种考虑需求响应替代效益的源网协调规划方法及系统 | |
CN115271454A (zh) | 灵活资源聚合可行域精确建模与近似方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |