CN107633367A - 一种热电联产动态经济调度方法及装置 - Google Patents
一种热电联产动态经济调度方法及装置 Download PDFInfo
- Publication number
- CN107633367A CN107633367A CN201710874157.0A CN201710874157A CN107633367A CN 107633367 A CN107633367 A CN 107633367A CN 201710874157 A CN201710874157 A CN 201710874157A CN 107633367 A CN107633367 A CN 107633367A
- Authority
- CN
- China
- Prior art keywords
- parent population
- population
- parent
- period
- lateral cross
- 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.)
- Pending
Links
Abstract
本发明公开了一种热电联产动态经济调度方法及装置,该方法包括:根据预设约束条件创建纵横交叉算法的初始化种群;计算适应度函数,并将初始化种群作为父代种群;对父代种群进行横向交叉操作;对横向交叉后的父代种群进行纵向操作;对纵横交叉更新后的父代种群计算适应度函数;若父代种群对应的迭代次数达到预设迭代次数,则输出父代种群对应的最优适应度函数和最优适应度函数对应的调度方案;本发明将纵横交叉算法应用在热电联产动态经济调度中,通过纵横交叉算法解决强约束优化问题,可获得经济性较好的调度结果,提高求解效率和精确度,并利用预设约束条件中的旋转备用需求,补偿了最大发电输出中的误差和意外的电负载偏差。
Description
技术领域
本发明涉及热电联产技术领域,特别涉及一种热电联产动态经济调度方法及装置。
背景技术
随着环境污染的加剧以及人们环保意识的提高,热电联产(Combined Heat andPower,CHP)机组由于其良好的经济和环境效益而得到大力发展。CHP机组可以从单一燃料源中同时产生热量以及电能,因此,它可以同时提供客户所需的热和电功率。在CHP系统中,通过对能量进行梯级利用,使得燃料效率能显著提高到90%,进而在同等发电量下,发电成本将有效降低10%-40%,同时环境污染物排放量也降低了13%-18%。
现有技术中,由于常规经济调度(Economic Dispatch,ED)往往并未考虑CHP机组的实际约束,并不能满足包含CHP机组的系统的需求。因此,如何在经济调度中以最小的总运行成本找到功率和热量的最佳调度,同时满足热和电负载需求以及在短时间跨度内的其他各种实际约束,是现今急需解决的问题。
发明内容
本发明的目的是提供一种热电联产动态经济调度方法及装置,在考虑旋转备用需求的约束基础上,通过纵横交叉算法来高效地解决强约束优化问题,可获得经济性更好的调度结果,提高了求解效率和精确度。
为解决上述技术问题,本发明提供一种热电联产动态经济调度方法,包括:
根据预设约束条件创建纵横交叉算法的初始化种群;其中,所述预设约束条件包括旋转备用需求,所述旋转备用需求为NG为发电机组数,SRt为预设时间响应备用容量,Pii,max为发电机组ii的最大功率输出,Pii,t为发电机组ii在时段t的功率输出,URii为电机组ii的向上爬坡速率;
利用生产成本数学模型,计算适应度函数,并将所述初始化种群作为父代种群;其中,所述生产成本数学模型为NT为调度周期,G为总成本,为纯发电机组在时段t的成本,为CHP机组在时段t的成本,为纯发热机组在时段t的成本;
对所述父代种群进行横向交叉操作;
对横向交叉后的所述父代种群进行纵向操作;
利用所述生产成本数学模型,对纵横交叉更新后的所述父代种群计算适应度函数;
判断所述父代种群对应的迭代次数是否达到预设迭代次数;
若是,则输出所述父代种群对应的最优适应度函数和所述最优适应度函数对应的所述父代种群中的调度方案;
若否,则更新所述父代种群及对应的迭代次数,并执行所述对所述父代种群进行横向交叉操作的步骤。
可选的,所述预设约束条件,还包括:机组爬坡率限制、热电平衡约束、机组发电限制、和发热机组约束;
其中,所述机组爬坡率限制为 和 为纯发电机组m在时段t的功率输出,为纯发电机组m在时段t-1的功率输出,NTU为纯发电机组数,和分别为纯发电机组m的向上和向下爬坡速率,为CHP机组n在时段t的功率输出,NCHP为CHP机组数,和分别为CHP机组n的向上和向下爬坡速率;
所述热电平衡约束为和PLoss,t和PD,t分别为时段t的传输网损和负荷需求,NCHP为CHP机组数,为CHP机组n在时段t的发热量,NH为纯发热机组数,为纯发热机组h在时段t的发热量,HD,t为时段t的热负荷需求,HLoss,t为时段t的热网损;
所述机组发电限制为 和 和分别为纯发电机组m在时段t的功率输出下限和上限,和分别为纯发电机组m的最大和最小功率输出,和分别CHP机组n在时段t的功率输出下限和上限,和分别为CHP机组n的最大和最小功率输出;
所述发热机组约束为和 和分别为CHP机组n在时段t的发热量下限和上限;和分别为纯发热机组h的发热量下限和上限。
可选的,所述对所述父代种群进行横向交叉操作,包括:
利用对所述父代种群中每个调度方案中的两个不同父代粒子进行所有维度层面的算术交叉;
其中,MShc(i,d)和MShc(j,d)分别为父代粒子X(i,d)和X(j,d)经横向交叉产生的第d维子代;r1和r2均为分布于[0,1]的随机数;c1和c2均为分布于[-1,1]的扩展系数。
可选的,所述对横向交叉后的所述父代种群进行纵向操作,包括:
利用MSvc(i,d1)=r×X(i,d1)+(1-r)×X(i,d2),i∈N(1,M),d1,d2∈N(1,D),对横向交叉后的所述父代种群中每个调度方案中的每个父代粒子进行不同维度层面的算术交叉;
其中,M为种群规模,D为粒子维度总数,MSvc(i,d1)为X(i,d1)和X(i,d2)通过纵向交叉产生的子代;r为分布于[0,1]的随机数。
可选的,所述利用所述生产成本数学模型,对纵横交叉更新后的所述父代种群计算适应度函数,包括:
利用F(x)=f(x)+sV(x),计算纵横交叉更新后的所述父代种群中每个调度方案对应的适应度函数;
其中,f(x)为所述生产成本数学模型,s为预设的罚系数,
此外,本发明还提供了一种热电联产动态经济调度装置,包括:
初始化模块,用于根据预设约束条件创建纵横交叉算法的初始化种群;其中,所述预设约束条件包括旋转备用需求,所述旋转备用需求为NG为发电机组数,SRt为预设时间响应备用容量,Pii,max为发电机组ii的最大功率输出,Pii,t为发电机组ii在时段t的功率输出,URii为电机组ii的向上爬坡速率;
第一计算模块,用于利用生产成本数学模型,计算适应度函数,并将所述初始化种群作为父代种群;其中,所述生产成本数学模型为NT为调度周期,G为总成本,为纯发电机组在时段t的成本,为CHP机组在时段t的成本,为纯发热机组在时段t的成本;
横向交叉模块,用于对所述父代种群进行横向交叉操作;
纵向交叉模块,用于对横向交叉后的所述父代种群进行纵向操作;
第二计算模块,用于利用所述生产成本数学模型,对纵横交叉更新后的所述父代种群计算适应度函数;
判断模块,用于判断所述父代种群对应的迭代次数是否达到预设迭代次数;
输出模块,用于若所述父代种群对应的迭代次数达到预设迭代次数,则输出所述父代种群对应的最优适应度函数和所述最优适应度函数对应的所述父代种群中的调度方案;
更新模块,用于若所述父代种群对应的迭代次数未达到预设迭代次数,则更新所述父代种群及对应的迭代次数,并向所述横向交叉模块发送启动信号。
可选的,所述横向交叉模块,包括:
横向交叉模块子模块,用于利用对所述父代种群中每个调度方案中的两个不同父代粒子进行所有维度层面的算术交叉;
其中,MShc(i,d)和MShc(j,d)分别为父代粒子X(i,d)和X(j,d)经横向交叉产生的第d维子代;r1和r2均为分布于[0,1]的随机数;c1和c2均为分布于[-1,1]的扩展系数。
可选的,所述纵向交叉模块,包括:
纵向交叉模块子模块,用于利用MSvc(i,d1)=r×X(i,d1)+(1-r)×X(i,d2),i∈N(1,M),d1,d2∈N(1,D),对横向交叉后的所述父代种群中每个调度方案中的每个父代粒子进行不同维度层面的算术交叉;
其中,M为种群规模,D为粒子维度总数,MSvc(i,d1)为X(i,d1)和X(i,d2)通过纵向交叉产生的子代;r为分布于[0,1]的随机数。
可选的,所述第二计算模块,包括:
第二计算子模块,用于利用F(x)=f(x)+sV(x),计算纵横交叉更新后的所述父代种群中每个调度方案对应的适应度函数;
其中,f(x)为所述生产成本数学模型,s为预设的罚系数,
本发明所提供的一种热电联产动态经济调度方法,包括:根据预设约束条件创建纵横交叉算法的初始化种群;其中,预设约束条件包括旋转备用需求,旋转备用需求为NG为发电机组数,SRt为预设时间响应备用容量,Pii,max为发电机组ii的最大功率输出,Pii,t为发电机组ii在时段t的功率输出,URii为电机组ii的向上爬坡速率;利用生产成本数学模型,计算适应度函数,并将初始化种群作为父代种群;其中,生产成本数学模型为NT为调度周期,G为总成本,为纯发电机组在时段t的成本,为CHP机组在时段t的成本,为纯发热机组在时段t的成本;对父代种群进行横向交叉操作;对横向交叉后的父代种群进行纵向操作;利用生产成本数学模型,对纵横交叉更新后的父代种群计算适应度函数;判断父代种群对应的迭代次数是否达到预设迭代次数;若是,则输出父代种群对应的最优适应度函数和最优适应度函数对应的父代种群中的调度方案;若否,则更新父代种群及对应的迭代次数,并执行对父代种群进行横向交叉操作的步骤;
可见,本发明将纵横交叉算法应用在含有旋转备用需求的预设约束条件的热电联产动态经济调度中,通过纵横交叉算法来高效地解决强约束优化问题,可获得经济性较好的调度结果,提高了求解效率和精确度,并且利用预设约束条件中的旋转备用需求,补偿了最大发电输出中的误差和意外的电负载偏差。此外,本发明还提供了一种热电联产动态经济调度装置,同样具有上述有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例所提供的一种热电联产动态经济调度方法的流程图;
图2为本发明实施例所提供的一种热电联产动态经济调度装置的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1,图1为本发明实施例所提供的一种热电联产动态经济调度方法的流程图。该方法可以包括:
步骤101:根据预设约束条件创建纵横交叉算法的初始化种群。
其中,预设约束条件包括旋转备用需求,旋转备用需求为NG为发电机组数,SRt为预设时间响应备用容量,Pii,max为发电机组ii的最大功率输出,Pii,t为发电机组ii在时段t的功率输出,URii为电机组ii的向上爬坡速率。
可以理解的是,本步骤中的预设约束条件可以仅包括旋转备用需求,还可以包括如机组爬坡率限制、热电平衡约束、机组发电限制、和发热机组约束的其他约束条件。只要可以确保预设约束条件中包括补偿最大发电输出中的误差和意外的电负载偏差的旋转备用需求,对于预设约束条件的具体设置,本实施例不做任何限制。
具体的,机组爬坡率限制可以为 和 为纯发电机组m在时段t的功率输出,为纯发电机组m在时段t-1的功率输出,NTU为纯发电机组数,和分别为纯发电机组m的向上和向下爬坡速率,为CHP机组n在时段t的功率输出,NCHP为CHP机组数,和分别为CHP机组n的向上和向下爬坡速率。
热电平衡约束可以为和PLoss,t和PD,t分别为时段t的传输网损和负荷需求,NCHP为CHP机组数,为CHP机组n在时段t的发热量,NH为纯发热机组数,为纯发热机组h在时段t的发热量,HD,t为时段t的热负荷需求,HLoss,t为时段t的热网损。
其中,时段t的传输网损可以通过Bii,jj,t为发电机ii和发电机jj在时段t的网损系数;B0,ii,t为发电机ii在时段t的网损系数;B00,t为时段t的网损系数。另外,由于热负荷需求通过CHP机组在短距离内传输,因此热网损在此可忽略不计。
机组发电限制可以为 和 和分别为纯发电机组m在时段t的功率输出下限和上限,和分别为纯发电机组m的最大和最小功率输出,和分别CHP机组n在时段t的功率输出下限和上限,和分别为CHP机组n的最大和最小功率输出。
发热机组约束可以为和 和分别为CHP机组n在时段t的发热量下限和上限;和分别为纯发热机组h的发热量下限和上限。
需要说明的是,本步骤具体可以为设各时段的纯发电机组的功率输出、CHP机组的功率输出、CHP机组的发热量和纯发热机组的发热量为决策变量,则算法的初始种群为U0=[U1,U2,…UN]。
个体Uk为初始种群U0中的一个调度方案:
其中,只要可以保证初始种群中每个调度方案中的粒子均在预设约束条件内,且包括各时段的纯发电机组的功率输出、CHP机组的功率输出、CHP机组的发热量和纯发热机组的发热量,对于初始种群中调度方案的具体数量和每个调度方案中粒子的排布方式,可以由设计人员自行设置,本实施例对此不做任何限制。
步骤102:利用生产成本数学模型,计算适应度函数,并将初始化种群作为父代种群。
其中,生产成本数学模型为G为总成本,为纯发电机组在时段t的成本,为CHP机组在时段t的成本,为纯发热机组在时段t的成本。
具体的,纯发电机组在时段t的成本可以表示为:
其中,NTU为纯发电机组数;am、bm、cm、dm、em为纯发电机组m的成本系数;分别为纯发电机组m的最小功率输出以及在时t的功率输出,MW;且
由于CHP机组使用单一能源同时产生热和电,CHP机组在时段t的成本可以表示为:
其中,NCHP为CHP机组数;αn、βn、γn、δn、εn和ξn为CHP机组的成本系数;和分别为CHP机组n在时间n的功率输出和发热量;且
纯发热机组在时段t的成本可以表示为:
其中,NH为纯发热机组数;σh、μh、ρh为纯发热机组h的成本系数;为纯发热机组h在时间t的发热量,MWth;且
步骤103:对父代种群进行横向交叉操作。
可以理解的是,本步骤具体可以为利用对父代种群中每个调度方案中的两个不同父代粒子进行所有维度层面的算术交叉。
其中,MShc(i,d)和MShc(j,d)分别为父代粒子X(i,d)和X(j,d)经横向交叉产生的第d维子代;r1和r2均为分布于[0,1]的随机数;c1和c2均为分布于[-1,1]的扩展系数。
步骤104:对横向交叉后的父代种群进行纵向操作。
可以理解的是,纵向交叉是基于种群中粒子不同维度层面的算术交叉,假定粒子X(i)的第d1维和第d2维执行交叉操作产生子代,本步骤具体可以为利用MSvc(i,d1)=r×X(i,d1)+(1-r)×X(i,d2),i∈N(1,M),d1,d2∈N(1,D),对横向交叉后的父代种群中每个调度方案中的每个父代粒子进行不同维度层面的算术交叉。
其中,M为种群规模,D为粒子维度总数,MSvc(i,d1)为X(i,d1)和X(i,d2)通过纵向交叉产生的子代;r为分布于[0,1]的随机数。
可以理解的是,本实施例所提供的方法在每次更新迭代中,先对种群中所有粒子进行一次横向交叉和纵向交叉,交叉操作产生的子代称为中庸解(MShc和MSvc);中庸解与父代通过精英竞争策略进行竞争,并择优保留,称为占优解(DShc和DSvc)。然后再进行一次横向交叉操作,把新产生的中庸解MShc与占优解DSvc进行竞争;接着再进行纵向交叉操作,把新产生的中庸解MSvc与占优解DShc以优胜劣汰的方式竞争。如此反复循环,在新产生的个体中,适应度更优的粒子得以保留,而其他则被淘汰。
步骤105:利用生产成本数学模型,对纵横交叉更新后的父代种群计算适应度函数。
其中,本步骤具体可以为利用F(x)=f(x)+sV(x),计算纵横交叉更新后的父代种群中每个调度方案对应的适应度函数。
其中,f(x)为生产成本数学模型,s为预设的罚系数,
可以理解的是,本步骤和步骤102中可以如上所示,利用计及罚函数的增广目标函数F(x)作为适应度函数,可以引入总约束违反量罚函数sV(x),提高计算精确度。直接使用生产成本数学模型计算适应度函数,也可以达到本实施例的目的,本实施例对此不受任何限制。
步骤106:判断父代种群对应的迭代次数是否达到预设迭代次数;若是,则进入步骤107;若否,则进入步骤108。
其中,预设迭代次数可以由用户根据实用场景或自身需求自行设置,本实施例对此不做任何限制。
步骤107:输出父代种群对应的最优适应度函数和最优适应度函数对应的父代种群中的调度方案。
其中,最优适应度函数可以为预设迭代次数对应的父代种群中的适应度函数中数值最小的适应度函数。
步骤108:更新父代种群及对应的迭代次数,并进入步骤103。
其中,更新父代种群及对应的迭代次数可以为将本次迭代从父代种群中产生子代种群,更新为下一次迭代的父代种群。
本实施例中,本发明实施例将纵横交叉算法应用在含有旋转备用需求的预设约束条件的热电联产动态经济调度中,通过纵横交叉算法来高效地解决强约束优化问题,可获得经济性较好的调度结果,提高了求解效率和精确度,并且利用预设约束条件中的旋转备用需求,补偿了最大发电输出中的误差和意外的电负载偏差。
请参考图2,图2为本发明实施例所提供的一种热电联产动态经济调度装置的结构图。该装置可以包括:
初始化模块100,用于根据预设约束条件创建纵横交叉算法的初始化种群;其中,预设约束条件包括旋转备用需求,旋转备用需求为NG为发电机组数,SRt为预设时间响应备用容量,Pii,max为发电机组ii的最大功率输出,Pii,t为发电机组ii在时段t的功率输出,URii为电机组ii的向上爬坡速率;
第一计算模块200,用于利用生产成本数学模型,计算适应度函数,并将初始化种群作为父代种群;其中,生产成本数学模型为NT为调度周期,G为总成本,为纯发电机组在时段t的成本,为CHP机组在时段t的成本,为纯发热机组在时段t的成本;
横向交叉模块300,用于对父代种群进行横向交叉操作;
纵向交叉模块400,用于对横向交叉后的父代种群进行纵向操作;
第二计算模块500,用于利用生产成本数学模型,对纵横交叉更新后的父代种群计算适应度函数;
判断模块600,用于判断父代种群对应的迭代次数是否达到预设迭代次数;
输出模块700,用于若父代种群对应的迭代次数达到预设迭代次数,则输出父代种群对应的最优适应度函数和最优适应度函数对应的父代种群中的调度方案;
更新模块800,用于若父代种群对应的迭代次数未达到预设迭代次数,则更新父代种群及对应的迭代次数,并向横向交叉模块300发送启动信号。
可选的,横向交叉模块300,可以包括:
横向交叉模块子模块,用于利用对父代种群中每个调度方案中的两个不同父代粒子进行所有维度层面的算术交叉;
其中,MShc(i,d)和MShc(j,d)分别为父代粒子X(i,d)和X(j,d)经横向交叉产生的第d维子代;r1和r2均为分布于[0,1]的随机数;c1和c2均为分布于[-1,1]的扩展系数。
可选的,纵向交叉模块400,可以包括:
纵向交叉模块子模块,用于利用MSvc(i,d1)=r×X(i,d1)+(1-r)×X(i,d2),i∈N(1,M),d1,d2∈N(1,D),对横向交叉后的父代种群中每个调度方案中的每个父代粒子进行不同维度层面的算术交叉;
其中,M为种群规模,D为粒子维度总数,MSvc(i,d1)为X(i,d1)和X(i,d2)通过纵向交叉产生的子代;r为分布于[0,1]的随机数。
可选的,第二计算模块500,可以包括:
第二计算子模块,用于利用F(x)=f(x)+sV(x),计算纵横交叉更新后的父代种群中每个调度方案对应的适应度函数;
其中,f(x)为生产成本数学模型,s为预设的罚系数,
本市实施例中,本发明实施例将纵横交叉算法应用在含有旋转备用需求的预设约束条件的热电联产动态经济调度中,通过纵横交叉算法来高效地解决强约束优化问题,可获得经济性较好的调度结果,提高了求解效率和精确度,并且利用预设约束条件中的旋转备用需求,补偿了最大发电输出中的误差和意外的电负载偏差。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的热电联产动态经济调度方法及装置进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (9)
1.一种热电联产动态经济调度方法,其特征在于,包括:
根据预设约束条件创建纵横交叉算法的初始化种群;其中,所述预设约束条件包括旋转备用需求,所述旋转备用需求为NG为发电机组数,SRt为预设时间响应备用容量,Pii,max为发电机组ii的最大功率输出,Pii,t为发电机组ii在时段t的功率输出,URii为电机组ii的向上爬坡速率;
利用生产成本数学模型,计算适应度函数,并将所述初始化种群作为父代种群;其中,所述生产成本数学模型为NT为调度周期,G为总成本,为纯发电机组在时段t的成本,为CHP机组在时段t的成本,为纯发热机组在时段t的成本;
对所述父代种群进行横向交叉操作;
对横向交叉后的所述父代种群进行纵向操作;
利用所述生产成本数学模型,对纵横交叉更新后的所述父代种群计算适应度函数;
判断所述父代种群对应的迭代次数是否达到预设迭代次数;
若是,则输出所述父代种群对应的最优适应度函数和所述最优适应度函数对应的所述父代种群中的调度方案;
若否,则更新所述父代种群及对应的迭代次数,并执行所述对所述父代种群进行横向交叉操作的步骤。
2.根据权利要求1所述的热电联产动态经济调度方法,其特征在于,所述预设约束条件,还包括:机组爬坡率限制、热电平衡约束、机组发电限制、和发热机组约束;
其中,所述机组爬坡率限制为 和 为纯发电机组m在时段t的功率输出,为纯发电机组m在时段t-1的功率输出,NTU为纯发电机组数,和分别为纯发电机组m的向上和向下爬坡速率,为CHP机组n在时段t的功率输出,NCHP为CHP机组数,和分别为CHP机组n的向上和向下爬坡速率;
所述热电平衡约束为和PLoss,t和PD,t分别为时段t的传输网损和负荷需求,NCHP为CHP机组数,为CHP机组n在时段t的发热量,NH为纯发热机组数,为纯发热机组h在时段t的发热量,HD,t为时段t的热负荷需求,HLoss,t为时段t的热网损;
所述机组发电限制为 和 和分别为纯发电机组m在时段t的功率输出下限和上限,和分别为纯发电机组m的最大和最小功率输出,和分别CHP机组n在时段t的功率输出下限和上限,和分别为CHP机组n的最大和最小功率输出;
所述发热机组约束为和 和分别为CHP机组n在时段t的发热量下限和上限;和分别为纯发热机组h的发热量下限和上限。
3.根据权利要求2所述的热电联产动态经济调度方法,其特征在于,所述对所述父代种群进行横向交叉操作,包括:
利用对所述父代种群中每个调度方案中的两个不同父代粒子进行所有维度层面的算术交叉;
其中,MShc(i,d)和MShc(j,d)分别为父代粒子X(i,d)和X(j,d)经横向交叉产生的第d维子代;r1和r2均为分布于[0,1]的随机数;c1和c2均为分布于[-1,1]的扩展系数。
4.根据权利要求3所述的热电联产动态经济调度方法,其特征在于,所述对横向交叉后的所述父代种群进行纵向操作,包括:
利用MSvc(i,d1)=r×X(i,d1)+(1-r)×X(i,d2),i∈N(1,M),d1,d2∈N(1,D),对横向交叉后的所述父代种群中每个调度方案中的每个父代粒子进行不同维度层面的算术交叉;
其中,M为种群规模,D为粒子维度总数,MSvc(i,d1)为X(i,d1)和X(i,d2)通过纵向交叉产生的子代;r为分布于[0,1]的随机数。
5.根据权利要求1至4任一项所述的热电联产动态经济调度方法,其特征在于,所述利用所述生产成本数学模型,对纵横交叉更新后的所述父代种群计算适应度函数,包括:
利用F(x)=f(x)+sV(x),计算纵横交叉更新后的所述父代种群中每个调度方案对应的适应度函数;
其中,f(x)为所述生产成本数学模型,s为预设的罚系数,
6.一种热电联产动态经济调度装置,其特征在于,包括:
初始化模块,用于根据预设约束条件创建纵横交叉算法的初始化种群;其中,所述预设约束条件包括旋转备用需求,所述旋转备用需求为NG为发电机组数,SRt为预设时间响应备用容量,Pii,max为发电机组ii的最大功率输出,Pii,t为发电机组ii在时段t的功率输出,URii为电机组ii的向上爬坡速率;
第一计算模块,用于利用生产成本数学模型,计算适应度函数,并将所述初始化种群作为父代种群;其中,所述生产成本数学模型为NT为调度周期,G为总成本,为纯发电机组在时段t的成本,为CHP机组在时段t的成本,为纯发热机组在时段t的成本;
横向交叉模块,用于对所述父代种群进行横向交叉操作;
纵向交叉模块,用于对横向交叉后的所述父代种群进行纵向操作;
第二计算模块,用于利用所述生产成本数学模型,对纵横交叉更新后的所述父代种群计算适应度函数;
判断模块,用于判断所述父代种群对应的迭代次数是否达到预设迭代次数;
输出模块,用于若所述父代种群对应的迭代次数达到预设迭代次数,则输出所述父代种群对应的最优适应度函数和所述最优适应度函数对应的所述父代种群中的调度方案;
更新模块,用于若所述父代种群对应的迭代次数未达到预设迭代次数,则更新所述父代种群及对应的迭代次数,并向所述横向交叉模块发送启动信号。
7.根据权利要求6所述的热电联产动态经济调度装置,其特征在于,所述横向交叉模块,包括:
横向交叉模块子模块,用于利用对所述父代种群中每个调度方案中的两个不同父代粒子进行所有维度层面的算术交叉;
其中,MShc(i,d)和MShc(j,d)分别为父代粒子X(i,d)和X(j,d)经横向交叉产生的第d维子代;r1和r2均为分布于[0,1]的随机数;c1和c2均为分布于[-1,1]的扩展系数。
8.根据权利要求7所述的热电联产动态经济调度装置,其特征在于,所述纵向交叉模块,包括:
纵向交叉模块子模块,用于利用MSvc(i,d1)=r×X(i,d1)+(1-r)×X(i,d2),i∈N(1,M),d1,d2∈N(1,D),对横向交叉后的所述父代种群中每个调度方案中的每个父代粒子进行不同维度层面的算术交叉;
其中,M为种群规模,D为粒子维度总数,MSvc(i,d1)为X(i,d1)和X(i,d2)通过纵向交叉产生的子代;r为分布于[0,1]的随机数。
9.根据权利要求6至8任一项所述的热电联产动态经济调度装置,其特征在于,所述第二计算模块,包括:
第二计算子模块,用于利用F(x)=f(x)+sV(x),计算纵横交叉更新后的所述父代种群中每个调度方案对应的适应度函数;
其中,f(x)为所述生产成本数学模型,s为预设的罚系数,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710874157.0A CN107633367A (zh) | 2017-09-25 | 2017-09-25 | 一种热电联产动态经济调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710874157.0A CN107633367A (zh) | 2017-09-25 | 2017-09-25 | 一种热电联产动态经济调度方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107633367A true CN107633367A (zh) | 2018-01-26 |
Family
ID=61102498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710874157.0A Pending CN107633367A (zh) | 2017-09-25 | 2017-09-25 | 一种热电联产动态经济调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107633367A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108459652A (zh) * | 2018-05-11 | 2018-08-28 | 深圳供电局有限公司 | 一种局部遮阴下光伏系统最大功率跟踪控制方法 |
CN108876066A (zh) * | 2018-09-04 | 2018-11-23 | 常州英集动力科技有限公司 | 热网解列运行方案实时优化方法及其系统 |
CN109948903A (zh) * | 2019-02-21 | 2019-06-28 | 江苏师范大学 | 基于分步约束修复技术的热电联产经济调度方法 |
CN110348605A (zh) * | 2019-06-12 | 2019-10-18 | 广东工业大学 | 基于改进遗传算法的微电网经济运行优化方法 |
CN110797863A (zh) * | 2019-10-22 | 2020-02-14 | 广东工业大学 | 一种考虑电网n-1及n-2安全约束的经济调度方法 |
CN114331111A (zh) * | 2021-12-27 | 2022-04-12 | 广东工业大学 | 一种多区域静态经济调度解耦降维求解方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103426032A (zh) * | 2013-07-25 | 2013-12-04 | 广东电网公司电力科学研究院 | 一种热电联产机组的经济优化调度方法 |
CN104239961A (zh) * | 2014-07-16 | 2014-12-24 | 广东工业大学 | 一种基于纵横交叉算法的电力系统经济调度优化方法 |
CN107145982A (zh) * | 2017-05-05 | 2017-09-08 | 广东工业大学 | 一种基于纵横交叉算法的机组组合优化方法及装置 |
-
2017
- 2017-09-25 CN CN201710874157.0A patent/CN107633367A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103426032A (zh) * | 2013-07-25 | 2013-12-04 | 广东电网公司电力科学研究院 | 一种热电联产机组的经济优化调度方法 |
CN104239961A (zh) * | 2014-07-16 | 2014-12-24 | 广东工业大学 | 一种基于纵横交叉算法的电力系统经济调度优化方法 |
CN107145982A (zh) * | 2017-05-05 | 2017-09-08 | 广东工业大学 | 一种基于纵横交叉算法的机组组合优化方法及装置 |
Non-Patent Citations (4)
Title |
---|
林艺城: "热电联产经济环保调度优化", 《电 力 建 设》 * |
梅鹏: "基于纵横交叉算法的热电联产经济调度研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
胡函武: "含风电场的电力系统动态经济调度研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
黄强: "基于改进纵横交叉算法的电力系统", 《电网与清洁能源》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108459652A (zh) * | 2018-05-11 | 2018-08-28 | 深圳供电局有限公司 | 一种局部遮阴下光伏系统最大功率跟踪控制方法 |
CN108876066A (zh) * | 2018-09-04 | 2018-11-23 | 常州英集动力科技有限公司 | 热网解列运行方案实时优化方法及其系统 |
CN109948903A (zh) * | 2019-02-21 | 2019-06-28 | 江苏师范大学 | 基于分步约束修复技术的热电联产经济调度方法 |
CN110348605A (zh) * | 2019-06-12 | 2019-10-18 | 广东工业大学 | 基于改进遗传算法的微电网经济运行优化方法 |
CN110348605B (zh) * | 2019-06-12 | 2022-06-14 | 广东工业大学 | 基于改进遗传算法的微电网经济运行优化方法 |
CN110797863A (zh) * | 2019-10-22 | 2020-02-14 | 广东工业大学 | 一种考虑电网n-1及n-2安全约束的经济调度方法 |
CN114331111A (zh) * | 2021-12-27 | 2022-04-12 | 广东工业大学 | 一种多区域静态经济调度解耦降维求解方法 |
CN114331111B (zh) * | 2021-12-27 | 2022-10-18 | 广东工业大学 | 一种多区域静态经济调度解耦降维求解方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107633367A (zh) | 一种热电联产动态经济调度方法及装置 | |
Xu et al. | Distributed multienergy coordination of multimicrogrids with biogas-solar-wind renewables | |
Xu et al. | Blockchain-based trustworthy energy dispatching approach for high renewable energy penetrated power systems | |
CN105449713B (zh) | 考虑分布式电源特性的有源配电网智能软开关规划方法 | |
CN109508499A (zh) | 多时段多场景分布式电源最优接入位置与容量研究方法 | |
JP2022550225A (ja) | 電気ヒートポンプ-熱電併給システムを最適化する調整方法及びシステム | |
Zhang et al. | A hybrid particle swarm optimization with small population size to solve the optimal short-term hydro-thermal unit commitment problem | |
CN109636056B (zh) | 一种基于多智能体技术的多能源微网去中心化优化调度方法 | |
CN107392395A (zh) | 一种基于价格激励机制的配电网和微电网协调优化方法 | |
CN103178552A (zh) | 一种动态机组组合与等微增率法相结合的火电机组节能负荷分配方法 | |
CN107767086A (zh) | 基于发电功率预测的新能源场站出力下限滚动修正方法 | |
CN106203710A (zh) | 一种考虑能效电厂的单阶段输电网二层规划方法 | |
CN113988714A (zh) | 计及多重不确定性的园区综合能源系统动态规划方法、设备及介质 | |
CN107221965A (zh) | 一种基于分布式设计的日前计划计算方法 | |
CN106845626A (zh) | 一种基于混合蛙跳粒子群的dg优化配置应用方法 | |
CN105119279B (zh) | 一种分布式电源规划方法及其系统 | |
CN111753431A (zh) | 综合能源系统中最优配置的计算方法和计算设备 | |
CN106505575A (zh) | 一种基于粒计算的线路潮流经济调度方法 | |
Singhal et al. | An integrated transmission and distribution systems model with distribution-based LMP (DLMP) pricing | |
CN108667077A (zh) | 一种风蓄联合系统优化调度方法 | |
CN110119855A (zh) | 一种气电耦合系统运行优化方法 | |
Luo et al. | Load management for multiple datacenters towards demand response in the smart grid integrating renewable energy | |
CN110323779B (zh) | 一种分布式发电与储能装置的功率动态聚合的方法和系统 | |
CN111178733A (zh) | 一种基于等效电量函数法的弃风电量评估模型 | |
CN110135640A (zh) | 一种基于模糊聚类改进和声算法的风电配网优化调度方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180126 |
|
RJ01 | Rejection of invention patent application after publication |