CN107276065B - 基于负荷特征时段的月度发电计划优化与安全校核方法 - Google Patents

基于负荷特征时段的月度发电计划优化与安全校核方法 Download PDF

Info

Publication number
CN107276065B
CN107276065B CN201610213561.9A CN201610213561A CN107276065B CN 107276065 B CN107276065 B CN 107276065B CN 201610213561 A CN201610213561 A CN 201610213561A CN 107276065 B CN107276065 B CN 107276065B
Authority
CN
China
Prior art keywords
unit
point
power
monthly
curve
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
Application number
CN201610213561.9A
Other languages
English (en)
Other versions
CN107276065A (zh
Inventor
张传成
丁强
戴赛
崔辉
朱泽磊
董炜
蔡帜
许丹
李晓磊
韩彬
黄国栋
李博
闫翠会
门德月
刘芳
曾莉丽
胡晨旭
刘鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Fujian Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, State Grid Fujian Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201610213561.9A priority Critical patent/CN107276065B/zh
Publication of CN107276065A publication Critical patent/CN107276065A/zh
Application granted granted Critical
Publication of CN107276065B publication Critical patent/CN107276065B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/12—Simultaneous equations, e.g. systems of linear equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/36—Circuit design at the analogue level
    • G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Geometry (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)

Abstract

本发明提供基于负荷特征时段的月度发电计划优化与安全校核方法，所述方法包括：I、收集基础数据；II、提取负荷曲线的特征时段；III、月度机组组合的建模；IV、电量安全校核建模；V、月度机组组合及安全校核的求解；VI、结果的展示和输出。本发明针对月度计划编制的高维度、大规模优化问题，提出基于负荷曲线特征提取的时段缩减方法，在保证计算精度的前提下提高计算效率；直接由电量层面考虑电网的交易(计划)执行和安全约束，无需潮流的电力电量转换，实现电力电量解耦的安全校核；实现了输电通道输送需求和能力的评估，实现了月度机组组合与电力电量安全校核的一体化建模和求解。

Description

基于负荷特征时段的月度发电计划优化与安全校核方法
技术领域
本发明属于电力系统经济运行调度技术领域，具体讲涉及一种基于负荷特征时段的月度发电计划优化与安全校核方法。
背景技术
近年来，随着风电等新能源的大规模接入和智能电网调度的推进，电网运行安全性日益受到人们的重视，优化电网资源的配置，提升电网调度的精细化、智能化水平，对电网调度运行和调度计划提出了更高要求。调度计划首先要解决的问题是机组组合。作为中长期资源优化的月度机组组合，可在更长的时间跨度内统筹考虑电网运行效益，并为日前发电计划的制定提供重要参考依据。
月度机组组合是根据系统负荷预测优化机组启停，生成机组的月度发电计划，其包括机组开停方式和机组各时段的发电出力，并满足系统负荷需求和机组的运行约束。月度发电计划需要进行安全校核，满足安全约束要求，这直接关系到月度发电计划的可执行性。鉴于中长期计划编制的特点，月度机组组合可仅考虑关键输电通道的传输容量限制，保证机组开机方案具有一定的时空均衡性，在日前可依据更为准确的短期负荷预测结果以及网络拓扑信息，精准确定机组的日前出力曲线。若出现网络阻塞无法消除的情况，则适当调整机组的启停状态，确保发电计划的安全性。
传统的月度发电计划安全校核方法是基于直流潮流模型校验线路潮流，作为网络约束添加到优化模型中。这种方法一般称为电力安全校核。随着直接交易电量的增加，发电企业年度发电量的不均衡性将显著增大，发电计划规模有序缩减，使得电网运行方式的不确定性增加，加重或形成新的电网安全约束，影响电能交易合同的执行。目前对于电网通道输电能力的分析，以及开机方式、发输电量的安排是否满足交易执行和电网安全的要求，即电量校核，在传统的月度发电计划中并未涉及。
基于现有技术的不足，本发明提供了基于负荷特征时段的月度发电计划优化与安全校核方法。该方法根据负荷变化趋势特征提取优化时段，建立发电计划优化模型，既缩减了计算规模，又保证了计划的精细度；量化输电通道的输送需求，考虑电量和电力安全校核约束，保证了计划(交易)电量的可执行性。该方法在传统月度机组组合模型中增加少量的决策变量和约束条件，建模方便，求解简单。
发明内容
针对上述问题，本发明提出了基于负荷特征时段的月度发电计划优化与安全校核方法。
基于负荷特征时段的月度发电计划优化与安全校核方法，其特征在于，所述方法包括：
I、收集基础数据；
II、提取负荷曲线的特征时段；
III、月度机组组合的建模；
IV、电量安全校核建模；
V、月度机组组合及安全校核的求解；
VI、结果的展示和输出。
进一步的，所述步骤I包括电网模型、机组运行参数、月度电量计划和月度负荷预测。
进一步的，所述步骤II包括：以局部最小偏差分段线性化方法选择的关键点作为月度机组组合的优化时段。
进一步的，所述局部最小偏差分段线性化方法包括：针对曲线上的任一点Pi
(1)所述曲线上的点Pi-2、Pi-1、Pi作为一个局部区域，按式(1)计算点Pi-1到点Pi-2与Pi连接成的直线段Li-2,i的距离D0；
Figure BDA0000960013420000021
其中：Pi-2的坐标为(x1,y1)，Pi-1的坐标为(x2,y2)，Pi的坐标为(x3,y3)；
(2)所述曲线上的点Pi-2、Pi-1、Pi、Pi+1作为局部区域，分别计算其点Pi-1和Pi分别到其点Pi-2与Pi+1两点连接成的直线段Li-2,i+1的距离，取两者中最大值作为D1；
(3)所述曲线上的点Pi-1、Pi、Pi+1作为局部区域，计算其点Pi到点Pi-1与Pi+1连接成的直线段Li-1,i+1的距离D2；
(4)所述曲线上的点Pi-1、Pi、Pi+1、Pi+2作为局部区域，分别计算其点Pi和Pi+1分别到其点Pi-1与Pi+2两点连接成的直线段Li-1,i+2的距离，取两者中最大值作为D3；
(5)所述曲线上的点Pi、Pi+1、Pi+2作为局部区域，计算其点Pi+1到点Pi与Pi+2连接成的直线段Li,i+2的距离D4：
(6)所述曲线上的点Pi、Pi+1、Pi+2、Pi+3作为局部区域，分别计算其点Pi+1和Pi+2分别到其点Pi与Pi+3两点连接成的值线段Li,i+3的距离，取两者中最大值作为D5；
(7)所述曲线上的点Pi+1、Pi+2、Pi+3作为局部区域，计算点Pi+2到点Pi+1与Pi+3连接成的直线段Li+1,i+3的距离D6；
(8)所述曲线上的点Pi+1、Pi+2、Pi+3、Pi+4作为局部区域，分别计算其点Pi+2和Pi+3分别到其点Pi+1与Pi+4两点连接成的直线段Li+1,i+4的距离，取两者中最大值作为D7；
(9)所述曲线上的点Pi+2、Pi+3、Pi+4作为局部区域，计算点Pi+3到点Pi+2与Pi+4连接成的直线段Li+2,i+4的距离D8；
(10)所述曲线上的点Pi+2、Pi+3、Pi+4、Pi+5作为局部区域，分别计算其点Pi+3和Pi+4分别到其点Pi+2与Pi+5两点连接成的直线段Li+2,i+5的距离，取两者中最大值作为D9；
(11)取D0、D1、…、D9中的最小值Dmin，若Dmin小于阈值ε，并且Dmin对应的直线段的起始点为i，则将Dmin对应的局部曲线进行标记；对标记区间进行线性化处理，即忽略该曲线段除起止点外的其它点。
循环步骤(1)-(11)，直到保留的曲线关键点数等于预留的点数，或者各局部Dmin均大于阈值ε，则曲线关键点的提取过程结束；
其中，i＝1,2,3……n；n为曲线总点数；Dmin为局部最小偏差；ε为局部平均偏差的5％-20％。
进一步的，所述步骤III包括：
III-1、目标函数如下式所示：
Figure BDA0000960013420000031
其中，NG为发电机组数，NT为考虑负荷特征所提取的总时段数，i为机组序号，t为时段序号；Cui(t)为t时段机组i的启机费用；
决策变量：t时段机组i的有功出力Pi(t)如下式所示，
Figure BDA0000960013420000032
第i台发电机第t时段的发电费用Bi(Pi(t),t)如下式所示：
Figure BDA0000960013420000033
其中，ui,j(t)为t时段分段费用微增率曲线j段的标志位，
Figure BDA0000960013420000034
为机组i分段费用微增率曲线j段的初始出力值，Pi,j(t)为机组i在分段费用微增率曲线j段的出力与
Figure BDA0000960013420000048
的差值，Ki,j(t)为机组i多段费用微增率曲线j段的斜率，NL为机组多段费用微增率曲线的段数，P i(t)为机组i在时段t的出力下限；若
Figure BDA0000960013420000049
则机组i为开机，若
Figure BDA00009600134200000410
则机组i为停机；
Figure BDA0000960013420000041
其中，
Figure BDA00009600134200000411
为机组i的最小运行时间，Ti warm为机组i经最小停机时间后到温启动所需要的时间，Ti cold为机组i经最小停机时间后到冷启动所需要的时间，Cui,c,Cui,w,Cui,h分别为机组i开机费用函数的常数；决策变量：
Figure BDA00009600134200000412
为机组i在时段t的运行时间；
III-2、约束条件如下式所示：
(1)功率平衡约束：
Figure BDA0000960013420000042
(2)备用约束：
Figure BDA0000960013420000043
Figure BDA0000960013420000044
(3)机组出力约束：
Figure BDA0000960013420000045
(4)机组加减负荷速率约束：
Figure BDA0000960013420000046
Figure BDA0000960013420000047
(5)机组最小运行时间和最小停运时间约束：
Figure BDA0000960013420000051
Figure BDA0000960013420000052
(6)输电通道潮流约束：
Figure BDA0000960013420000053
Figure BDA0000960013420000054
其中，NG为机组数，Pload(t)为时段t的系统负荷预测；
Figure BDA0000960013420000058
和
Figure BDA0000960013420000059
分别为正负备用需求，P i(t)为机组i在时段t的出力下限，
Figure BDA00009600134200000510
为机组i在时段t的出力上限，NT为时段数；Pi up(t)和Pi down(t)分别是机组i在时段t内上调和下调的最大出力；
Figure BDA00009600134200000511
和
Figure BDA00009600134200000512
分别为机组i在时段t的最小运行时间和最小停运时间；
Figure BDA00009600134200000513
和
Figure BDA00009600134200000514
分别为输电通道i的潮流最小限值和最大限值,l为属于输电通道i的线路；Gli为机组i所在节点对线路l的功率转移分布系数；NK是系统节点数；Glk为节点k对线路l的功率转移分布系数；Dk,t为节点k在时段t的母线负荷。
进一步的，所述步骤IV包括：
IV-1、将输电通道的月度输电量作为新的决策变量，目标函数如下式所示：
Figure BDA0000960013420000055
其中NL为输电通道数，ELi为输电通道i的月度输电量；
IV-2、约束条件如下式所示：
(1)月度发输用电总量平衡约束
Figure BDA0000960013420000056
(2)机组发电量约束
Figure BDA0000960013420000057
(3)输电通道月度输送电量约束
ELi,min≤ELi≤ELi,max (19)
(4)输电通道与机组、负荷的电气约束
Figure BDA0000960013420000061
其中，k为电网分区序号，NA为电网分区个数；BG为分区与机组间的关联矩阵，BGk,i表示分区k与机组i的关联关系，若机组i属于分区k，则BGk,i＝1，否则BGk,i＝0；EGi为机组i的月度发电量；BL为电网分区与输电通道间的关联矩阵，BLk,j表示分区k与通道j的关联关系，若分区k是通道j的受电端，则BLk,j＝1，若分区k是通道j的送电端，则BLk,j＝-1，若分区k与通道j不相关，则BLk,j＝0；ELj为输电通道j的月度传输电量；ED,k为电网分区k的月度用电量；EGi,min为机组i的月度发电量(合约电量)下限；EGi,max为机组i月度发电量(合约电量)上限；H(t,t+1)为月度发电计划周期内t时段到t+1时段的长度，单位为小时；ELi,min为输电通道i月度传输电量下限；ELi,max为输电通道i月度传输电量上限；其中，ELi为输电通道i的月度传输电量,l为属于输电通道i的线路；Gli为机组i所在节点对线路l的功率转移分布系数；NK是系统节点数；Glk为节点k对线路l的功率转移分布系数；EGi为机组i的月度发电量；Edk为母线负荷k的月度用电量；实际应用中，母线负荷的月度用电量需要由分区负荷用电量进行分解：
DkED,K＝Edk (21)
其中，Dk是母线负荷k的分配系数。
进一步的，所述步骤V包括：采用混合整数规划法进行机组组合优化计算，得到满足目标函数、各类运行约束和电力电量安全约束的机组的开停状态和出力计划。
进一步的，所述步骤VI包括：机组开停状态、机组出力计划、输电通道潮流曲线和输电通道的月度传输电量。
与最接近的现有技术比，本发明提供的技术方案具有以下优异效果：
1、本发明针对月度发电计划编制的高维度、大规模优化问题，提出基于负荷曲线特征提取的时段缩减方法，在保证计算精度的前提下提高计算效率。
2、基于负荷曲线的特征时段，模型中能够考虑电力网络约束、机组运行约束等传统机组组合模型中所考虑的各类约束。
3、针对月度电量计划的特点，直接由电量层面考虑电网的交易(计划)执行和安全约束，无需潮流的电力电量转换，实现电力电量解耦的安全校核。
4、引入输电通道的传输电量做为决策变量，考虑电网发输用电量平衡、输电通道的电量约束，特别是考虑了输电通道与机组负荷的电气关系，使模型能够适应环形等复杂的网络连接方式，实现了输电通道输送需求和能力的评估，实现了月度机组组合与电力电量安全校核的一体化建模和求解。
5、本发明充分考虑了电网输电通道的电力电量安全约束，完善了月度机组组合在省级及以上调控中心的使用效果，在中长期时间跨度内统筹考虑了电网运行安全和运行效益，提高了月度发电计划的可执行性。
附图说明
图1为电网输电通道示意图；
图2为基于负荷特征时段的月度发电计划优化与安全校核计算流程示意图。
具体实施方式
下面将结合本发明技术流程图以及实施案例示意图，对本发明实施例中的技术方案进行清楚、完整地描述。
参照附图2：基于负荷特征时段的月度发电计划优化与安全校核的主要计算步骤流程图。图中，各个模块的工作功能如下：
1、基础数据准备，包括电网模型、机组运行参数、月度电量计划、月度负荷预测等。
2、基于负荷曲线特征提取的关键时段选择
根据负荷的变化趋势，自动选择有限的关键点，做为月度机组组合的优化时段。
数字曲线多边形逼近是提取曲线特征点、简化数据并加快运算的一个重要方法。特征点选取方法按照约束条件总体上可分为距离控制和角度控制，一般称为显著点、关键点、拐点或角点检测，它是从形状理论的观点出发，认为曲线形状的主要信息集中在方向变化最快的地方。
但是多边形逼近式是追求一种全局下的最优，直接检测曲线上曲率或距离的极值点难以形成一个全局下的最优多边形。另外，初始点的选择等常导致截然不同的逼近结果，不利于曲线特征的提取。
借鉴多边形逼近的思想，本专利提出一种局部最小偏差分段线性化方法，提取负荷曲线的特征时段。
对于曲线上的第i点Pi，依次选择相邻的曲线局部，计算其线性化偏差，对偏差最小的局部曲线做线性化处理：
(1)将曲线上的点Pi-2、Pi-1、Pi作为一个局部区域，按式(1)计算点Pi-1到点Pi-2与Pi连接成的直线段Li-2,i的距离D0；
Figure BDA0000960013420000081
其中：Pi-2的坐标为(x1,y1)，Pi-1的坐标为(x2,y2)，Pi的坐标为(x3,y3)；
(2)将曲线上的点Pi-2、Pi-1、Pi、Pi+1作为局部区域，分别计算点Pi-1和Pi到点Pi-2与Pi+1两点连接成的直线段Li-2,i+1的距离，取两者中最大值作为D1；
(3)将曲线上的点Pi-1、Pi、Pi+1作为局部区域，计算点Pi到点Pi-1与Pi+1连接成的直线段Li-1,i+1的距离D2；
(4)将曲线上的点Pi-1、Pi、Pi+1、Pi+2作为局部区域，分别计算点Pi和Pi+1到点Pi-1与Pi+2两点连接成的直线段Li-1,i+2的距离，取两者中最大值作为D3；
(5)将曲线上的点Pi、Pi+1、Pi+2作为局部区域，计算点Pi+1到点Pi与Pi+2连接成的直线段Li,i+2的距离D4：
(6)将曲线上的点Pi、Pi+1、Pi+2、Pi+3作为局部区域，分别计算点Pi+1和Pi+2到其点Pi与Pi+3两点连接成的值线段Li,i+3的距离，取两者中最大值作为D5；
(7)将曲线上的点Pi+1、Pi+2、Pi+3作为局部区域，计算点Pi+2到点Pi+1与Pi+3连接成的直线段Li+1,i+3的距离D6；
(8)将曲线上的点Pi+1、Pi+2、Pi+3、Pi+4作为局部区域，分别计算点Pi+2和Pi+3到点Pi+1与Pi+4两点连接成的直线段Li+1,i+4的距离，取两者中最大值作为D7；
(9)将曲线上的点Pi+2、Pi+3、Pi+4作为局部区域，计算点Pi+3到点Pi+2与Pi+4连接成的直线段Li+2,i+4的距离D8；
(10)将曲线上的点Pi+2、Pi+3、Pi+4、Pi+5作为局部区域，分别计算点Pi+3和Pi+4到点Pi+2与Pi+5两点连接成的直线段Li+2,i+5的距离，取两者中最大值作为D9；
(11)取D0、D1、…、D9中的最小值Dmin，若Dmin小于阈值ε，并且Dmin对应的直线段的起始点为i，则将Dmin对应的局部曲线进行标记。
曲线完成一遍扫描后，各标记区间的曲线以直线替代，即该曲线段除起止点外的其它点不作为反映曲线趋势和特征的关键点。对新的曲线进行再次扫描，直到保留的曲线关键点数等于预留的点数，或者各局部Dmin均大于阈值ε，则曲线关键点的提取过程结束。
另外，火电机组的启停费用高昂且启停过程复杂，理论上和实际中，一日之内机组不宜2次启停，否则得到的组合方案是不经济的，因此，设置火电机组每日一个开停状态，为了明确机组每日的区间间隔，将每日的24:00添加到优化时段中。
基于选取的优化时段进行发电计划的优化编制，可以考虑机组的运行约束(机组的最小开停机时间约束、增减速率约束是在变化的时间维度内考虑)，电网的安全约束，同时可以兼顾负荷峰谷差的影响。基于实际数据的统计分析表明，时段的缩减对于电力电量的转换不会带来大的偏差，满足工程应用需求。
3、月度机组组合建模。
(1)目标函数：
以发电费用最小为目标函数，包括机组的启机费用和运行费用，如式(2)所示。Minimize:
Figure BDA0000960013420000091
其中，NG为发电机组数，NT为时段数(月度的首日到末日每1小时为一个时段，考虑负荷特征所提取的关键时段数)，i为机组序号，t为时段序号。
决策变量：Pi(t)为t时段机组i的有功出力，Cui(t)为t时段机组i的启机费用。
Bi(Pi(t),t)为第i台发电机第t时段的发电费用，相关函数描述如式(3)和式(4)：
Figure BDA0000960013420000092
Figure BDA0000960013420000093
其中，ui,j(t)为t时段分段费用微增率曲线j段的标志位，
Figure BDA0000960013420000094
为机组i分段费用微增率曲线j段的初始出力值,Pi,j(t)为机组i在分段费用微增率曲线j段的出力与
Figure BDA0000960013420000095
的差值，Ki,j(t)为机组i多段费用微增率曲线j段的斜率，NL为机组多段费用微增率曲线的段数，P i(t)为机组i在时段t的出力下限。若
Figure BDA0000960013420000096
则机组i为开机，若
Figure BDA0000960013420000097
则机组i为停机。
Figure BDA0000960013420000101
其中，
Figure BDA0000960013420000108
为机组i的最小运行时间，Ti warm为机组i经最小停机时间后到温启动所需要的时间，Ti cold为机组i经最小停机时间后到冷启动所需要的时间，Cui,c,Cui,w,Cui,h为机组i开机费用函数的常数。决策变量：
Figure BDA0000960013420000109
为机组i在时段t的运行时间。
(2)约束条件：
1)功率平衡约束：
Figure BDA0000960013420000102
其中，NG为机组数，Pload(t)为时段t的系统负荷预测。
2)备用约束：
Figure BDA0000960013420000103
Figure BDA0000960013420000104
其中，
Figure BDA00009600134200001010
和
Figure BDA00009600134200001011
分别为正负备用需求，P i(t)为机组i在时段t的出力下限，
Figure BDA00009600134200001012
为机组i在时段t的出力上限，NT为时段数。
3)机组出力约束：
Figure BDA0000960013420000105
4)机组加减负荷速率约束：
Figure BDA0000960013420000106
Figure BDA0000960013420000107
其中，Pi up(t)和Pi down(t)分别是机组i在时段t内上调和下调的最大出力。
5)机组最小运行时间和最小停运时间约束：
Figure BDA0000960013420000111
Figure BDA0000960013420000112
其中，
Figure BDA0000960013420000117
和
Figure BDA0000960013420000118
分别为机组i在时段t的最小运行时间和最小停运时间。
6)输电通道潮流约束：
Figure BDA0000960013420000113
Figure BDA0000960013420000114
其中，
Figure BDA0000960013420000119
和
Figure BDA00009600134200001110
分别为输电通道i的潮流最小限值和最大限值,l为属于输电通道i的线路；Gli为机组i所在节点对线路l的功率转移分布系数；NK是系统节点数；Glk为节点k对线路l的功率转移分布系数；Dk,t为节点k在时段t的母线负荷。
4、电量安全校核建模。
(1)目标函数
Minimize:
Figure BDA0000960013420000115
将输电通道的月度输电量做为新的决策变量，目标函数可以写为式(16)的形式。其中NL为输电通道数，ELi为输电通道i的月度输电量。因为ELi不直接影响发电费用，因此其系数设为0。
(2)月度发输用电总量平衡约束
根据电网的运行特点，确定输电通道，将电网分为若干分区。如附图1所示。分区与分区之间为一组联络线，该组联络线即构成一个输电通道。
各个电网分区的发电量、用电量以及送受电量是平衡的，可以用如下的等式约束表达：
Figure BDA0000960013420000116
其中，k为电网分区序号，NA为电网分区个数；BG为分区与机组间的关联矩阵，BGk,i表示分区k与机组i的关联关系，若机组i属于分区k，则BGk,i＝1，否则BGk,i＝0；EGi为机组i的月度发电量；BL为电网分区与输电通道间的关联矩阵，BLk,j表示分区k与通道j的关联关系，若分区k是通道j的受电端，则BLk,j＝1，若分区k是通道j的送电端，则BLk,j＝-1，若分区k与通道j不相关，则BLk,j＝0；ELj为输电通道j的月度传输电量；ED,k为电网分区k的月度用电量。
(3)机组发电量约束
Figure BDA0000960013420000121
EGi,min为机组i的月度发电量(合约电量)下限；EGi,max为机组i月度发电量(合约电量)上限；H(t,t+1)为月度发电计划周期内t时段到t+1时段的长度，单位为小时。
(4)输电通道月度输送电量约束
ELi,min≤ELi≤ELi,max (19)
ELi,min为输电通道i月度传输电量下限；ELi,max为输电通道i月度传输电量上限。
(5)输电通道与机组、负荷的电气约束
对于环形输电网络，仅考虑电量平衡是不够的，输电通道的输电量会有多个解，或者得到解不符合实际情况。这就需要考虑输电通道与机组、负荷间的电气约束。
Figure BDA0000960013420000122
其中，ELi为输电通道i的月度传输电量,l为属于输电通道i的线路；Gli为机组i所在节点对线路l的功率转移分布系数；NK是系统节点数；Glk为节点k对线路l的功率转移分布系数；EGi为机组i的月度发电量；Edk为母线负荷k的月度用电量。
实际应用中，母线负荷的月度用电量需要由分区负荷用电量进行分解：
DkED,k＝Edk (21)
其中，Dk是母线负荷k的分配系数。
5、月度机组组合求解。
采用混合整数规划法进行机组组合优化计算，得到满足目标函数、各类运行约束以及电力电量安全约束的机组的开停状态和出力计划。
6、结果展示和输出，包括机组开停状态、机组出力计划、输电通道潮流曲线以及输电通道的月度传输电量等。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.基于负荷特征时段的月度发电计划优化与安全校核方法，其特征在于，所述方法包括：
I、收集基础数据；
II、提取负荷曲线的特征时段；
III、月度机组组合的建模；
IV、电量安全校核建模；
V、月度机组组合及安全校核的求解；
VI、结果的展示和输出；
所述步骤II包括：以局部最小偏差分段线性化方法选择的关键点作为月度机组组合的优化时段；
所述局部最小偏差分段线性化方法包括：针对曲线上的任一点Pi，
(1)所述曲线上的点Pi-2、Pi-1、Pi作为一个局部区域，按式(1)计算点Pi-1到点Pi-2与Pi连接成的直线段Li-2,i的距离D0；
Figure FDA0002385160340000011
其中：Pi-2的坐标为(x1,y1)，Pi-1的坐标为(x2,y2)，Pi的坐标为(x3,y3)；
(2)所述曲线上的点Pi-2、Pi-1、Pi、Pi+1作为局部区域，分别计算其点Pi-1和Pi分别到其点Pi-2与Pi+1两点连接成的直线段Li-2,i+1的距离，取两者中最大值作为D1；
(3)所述曲线上的点Pi-1、Pi、Pi+1作为局部区域，计算点Pi到点Pi-1与Pi+1连接成的直线段Li-1,i+1的距离D2；
(4)所述曲线上的点Pi-1、Pi、Pi+1、Pi+2作为局部区域，分别计算其点Pi和Pi+1分别到其点Pi-1与Pi+2两点连接成的直线段Li-1,i+2的距离，取两者中最大值作为D3；
(5)所述曲线上的点Pi、Pi+1、Pi+2作为局部区域，计算其点Pi+1到点Pi与Pi+2连接成的直线段Li,i+2的距离D4：
(6)所述曲线上的点Pi、Pi+1、Pi+2、Pi+3作为局部区域，分别计算其点Pi+1和Pi+2分别到其点Pi与Pi+3两点连接成的值线段Li,i+3的距离，取两者中最大值作为D5；
(7)所述曲线上的点Pi+1、Pi+2、Pi+3作为局部区域，计算点Pi+2到点Pi+1与Pi+3连接成的直线段Li+1,i+3的距离D6；
(8)所述曲线上的点Pi+1、Pi+2、Pi+3、Pi+4作为局部区域，分别计算其点Pi+2和Pi+3分别到其点Pi+1与Pi+4两点连接成的直线段Li+1,i+4的距离，取两者中最大值作为D7；
(9)所述曲线上的点Pi+2、Pi+3、Pi+4作为局部区域，计算点Pi+3到点Pi+2与Pi+4连接成的直线段Li+2,i+4的距离D8；
(10)所述曲线上的点Pi+2、Pi+3、Pi+4、Pi+5作为局部区域，分别计算其点Pi+3和Pi+4分别到其点Pi+2与Pi+5两点连接成的直线段Li+2,i+5的距离，取两者中最大值作为D9；
(11)取D0、D1、…、D9中的最小值Dmin，若Dmin小于阈值ε，并且Dmin对应的直线段的起始点为i，则将Dmin对应的局部曲线进行标记；对标记区间进行线性化处理，即忽略该曲线段除起止点外的其它点；
循环步骤(1)-(11)，直到保留的曲线关键点数等于预留的点数，或者各局部Dmin均大于阈值ε，则曲线关键点的提取过程结束；
其中，i＝1,2,3……n；n为曲线总点数；Dmin为局部最小偏差；ε为局部平均偏差的5％-20％。
2.如权利要求1所述基于负荷特征时段的月度发电计划优化与安全校核方法，其特征在于，所述步骤I包括电网模型、机组运行参数、月度电量计划和月度负荷预测。
3.如权利要求1所述基于负荷特征时段的月度发电计划优化与安全校核方法，其特征在于，所述步骤III包括：
III-1、目标函数如下式所示：
Figure FDA0002385160340000021
其中，NG为发电机组数，NT为考虑负荷特征所提取的总时段数，i为机组序号，t为时段序号；Cui(t)为t时段机组i的启机费用；
决策变量：t时段机组i的有功出力Pi(t)如下式所示，
Figure FDA0002385160340000031
第i台发电机第t时段的发电费用Bi(Pi(t),t)如下式所示：
Figure FDA0002385160340000032
(4)其中，ui,j(t)为t时段分段费用微增率曲线j段的标志位，
Figure FDA0002385160340000033
为机组i分段费用微增率曲线j段的初始出力值，Pi,j(t)为机组i在分段费用微增率曲线j段的出力与
Figure FDA0002385160340000034
的差值，Ki,j(t)为机组i多段费用微增率曲线j段的斜率，NL为机组多段费用微增率曲线的段数，Pi(t)为机组i在时段t的出力下限；若
Figure FDA0002385160340000035
则机组i为开机，若
Figure FDA0002385160340000036
则机组i为停机；
Figure FDA0002385160340000037
其中，
Figure FDA0002385160340000038
为机组i的最小运行时间，Ti warm为机组i经最小停机时间后到温启动所需要的时间，Ti cold为机组i经最小停机时间后到冷启动所需要的时间，Cui,c,Cui,w,Cui,h分别为机组i开机费用函数的常数；决策变量：
Figure FDA0002385160340000039
为机组i在时段t的运行时间；
III-2、约束条件如下式所示：
(1)功率平衡约束：
Figure FDA00023851603400000310
(2)备用约束：
Figure FDA0002385160340000041
Figure FDA0002385160340000042
(3)机组出力约束：
Figure FDA0002385160340000043
(4)机组加减负荷速率约束：
Figure FDA0002385160340000044
Figure FDA0002385160340000045
(5)机组最小运行时间和最小停运时间约束：
Figure FDA0002385160340000046
Figure FDA0002385160340000047
(6)输电通道潮流约束：
Figure FDA0002385160340000048
Figure FDA0002385160340000049
其中，NG为机组数，Pload(t)为时段t的系统负荷预测；
Figure FDA00023851603400000410
和
Figure FDA00023851603400000411
分别为正负备用需求，P i(t)为机组i在时段t的出力下限，
Figure FDA00023851603400000412
为机组i在时段t的出力上限，NT为时段数；Pi up(t)和Pi down(t)分别是机组i在时段t内上调和下调的最大出力；
Figure FDA00023851603400000413
和
Figure FDA00023851603400000414
分别为机组i在时段t的最小运行时间和最小停运时间；
Figure FDA00023851603400000415
和
Figure FDA00023851603400000416
分别为输电通道i的潮流最小限值和最大限值,l为属于输电通道i的线路；Gli为机组i所在节点对线路l的功率转移分布系数；NK是系统节点数；Glk为节点k对线路l的功率转移分布系数；Dk,t为节点k在时段t的母线负荷。
4.如权利要求1所述基于负荷特征时段的月度发电计划优化与安全校核方法，其特征在于，所述步骤IV包括：
IV-1、将输电通道的月度输电量作为新的决策变量，目标函数如下式所示：
Figure FDA0002385160340000051
其中NL为输电通道数，ELi为输电通道i的月度输电量；
IV-2、约束条件如下式所示：
(1)月度发输用电总量平衡约束
Figure FDA0002385160340000052
(2)机组发电量约束
Figure FDA0002385160340000053
(3)输电通道月度输送电量约束
ELi,min≤ELi≤ELi,max (19)
(4)输电通道与机组、负荷的电气约束
Figure FDA0002385160340000054
其中，k为电网分区序号，NA为电网分区个数；BG为分区与机组间的关联矩阵，BGk,i表示分区k与机组i的关联关系，若机组i属于分区k，则BGk,i＝1，否则BGk,i＝0；EGi为机组i的月度发电量；BL为电网分区与输电通道间的关联矩阵，BLk,j表示分区k与通道j的关联关系，若分区k是通道j的受电端，则BLk,j＝1，若分区k是通道j的送电端，则BLk,j＝-1，若分区k与通道j不相关，则BLk,j＝0；ELj为输电通道j的月度传输电量；ED,k为电网分区k的月度用电量；EGi,min为机组i的月度发电量下限；EGi,max为机组i月度发电量上限；H(t,t+1)为月度发电计划周期内t时段到t+1时段的长度，单位为小时；ELi,min为输电通道i月度传输电量下限；ELi,max为输电通道i月度传输电量上限；其中，ELi为输电通道i的月度传输电量,l为属于输电通道i的线路；Gli为机组i所在节点对线路l的功率转移分布系数；NK是系统节点数；Glk为节点k对线路l的功率转移分布系数；EGi为机组i的月度发电量；Edk为母线负荷k的月度用电量；实际应用中，母线负荷的月度用电量需要由分区负荷用电量进行分解：
DkED,k＝Edk (21)
其中，Dk是母线负荷k的分配系数。
5.如权利要求1所述基于负荷特征时段的月度发电计划优化与安全校核方法，其特征在于，所述步骤V包括：采用混合整数规划法进行机组组合优化计算，得到满足目标函数、各类运行约束和电力电量安全约束的机组的开停状态和出力计划。
6.如权利要求1所述基于负荷特征时段的月度发电计划优化与安全校核方法，其特征在于，所述步骤VI包括：机组开停状态、机组出力计划、输电通道潮流曲线和输电通道的月度传输电量。
CN201610213561.9A 2016-04-07 2016-04-07 基于负荷特征时段的月度发电计划优化与安全校核方法 Active CN107276065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610213561.9A CN107276065B (zh) 2016-04-07 2016-04-07 基于负荷特征时段的月度发电计划优化与安全校核方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610213561.9A CN107276065B (zh) 2016-04-07 2016-04-07 基于负荷特征时段的月度发电计划优化与安全校核方法

Publications (2)

Publication Number Publication Date
CN107276065A CN107276065A (zh) 2017-10-20
CN107276065B true CN107276065B (zh) 2020-07-07

Family

ID=60052034

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610213561.9A Active CN107276065B (zh) 2016-04-07 2016-04-07 基于负荷特征时段的月度发电计划优化与安全校核方法

Country Status (1)

Country Link
CN (1) CN107276065B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108039720B (zh) * 2017-11-10 2021-09-03 中国电力科学研究院有限公司 一种交直流混联系统最大输电能力的确定方法和装置
CN109978289B (zh) * 2017-12-27 2022-11-29 广东电网有限责任公司电力调度控制中心 一种月度市场交易前安全校核的电力转换电量方法
CN110570020B (zh) * 2019-08-15 2023-04-07 中国南方电网有限责任公司 适应区域交直流混联电网的中长期交易电量安全校核方法
CN111064187B (zh) * 2019-12-10 2023-03-14 国网安徽省电力有限公司 一种发用电的电量极限分配方法
CN111553572B (zh) * 2020-04-16 2022-04-22 贵州电网有限责任公司 考虑电量计划执行风险的月度机组组合优化方法
CN111784100B (zh) * 2020-05-18 2022-08-19 国电南瑞科技股份有限公司 一种月度计划方式生成方法
CN112766535B (zh) * 2020-12-16 2023-04-07 国网山东省电力公司日照供电公司 一种考虑负荷曲线特征的建筑负荷预测方法及系统
CN113496086B (zh) * 2021-07-09 2024-05-28 北京清能互联科技有限公司 一种机组组合优化问题的快速计算方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103324848A (zh) * 2013-06-17 2013-09-25 清华大学 基于诱导目标函数的含电量约束月度机组组合优化方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103324848A (zh) * 2013-06-17 2013-09-25 清华大学 基于诱导目标函数的含电量约束月度机组组合优化方法

Also Published As

Publication number Publication date
CN107276065A (zh) 2017-10-20

Similar Documents

Publication Publication Date Title
CN107276065B (zh) 基于负荷特征时段的月度发电计划优化与安全校核方法
Li et al. Optimal energy management for industrial microgrids with high-penetration renewables
WO2018059096A1 (zh) 一种多类电源发电计划组合决策方法及存储介质
CN109447510B (zh) 基于scuc的中长期电量安全校核方法、装置及系统
CN106099993B (zh) 一种适应新能源大规模接入的电源规划方法
Oskouei et al. Scenario-based stochastic optimal operation of wind, photovoltaic, pump-storage hybrid system in frequency-based pricing
CN115018230B (zh) 考虑减排成本的综合能源系统低碳鲁棒经济优化运行方法
Fang et al. Two-layer game theoretic microgrid capacity optimization considering uncertainty of renewable energy
Yu et al. Optimal bidding strategy of prosumers in distribution-level energy markets
Yang et al. Research on heat and electricity coordinated dispatch model for better integration of wind power based on electric boiler with thermal storage
CN103699941A (zh) 一种电力系统调度运行年方案的制定方法
Xie et al. Sizing renewable generation and energy storage in stand-alone microgrids considering distributionally robust shortfall risk
Jia et al. A retroactive approach to microgrid real-time scheduling in quest of perfect dispatch solution
Li et al. A stochastic programming strategy in microgrid cyber physical energy system for energy optimal operation
TW202030688A (zh) 智慧電力分配系統與方法
CN111525628A (zh) 考虑多时间尺度灵活性约束的含风电并网机组组合方法
Tan et al. Bidding strategy of virtual power plant with energy storage power station and photovoltaic and wind power
CN115864376A (zh) 一种多时间尺度电力保供分析方法及系统
CN110322079B (zh) 一种电力流规划优化方法
Wang et al. A time-scale adaptive dispatching strategy considering the matching of time characteristics and dispatching periods of the integrated energy system
Zhang et al. Decentralized optimization of multiarea interconnected traffic-power systems with wind power uncertainty
Lopes et al. Metaheuristic methods applied to the pumps and turbines configuration design of water pumped storage systems
CN109687531A (zh) 一种大规模风电接入下的火电机组灵活性改造方法
CN109409609A (zh) 综合能源系统多能流供需平衡的概率约束建模方法和装置
CN115496378B (zh) 一种计入风能减排效益的电力系统经济调度方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant