CN108599142B - 一种基于权重的混合整数二次规划多目标调度方法 - Google Patents
一种基于权重的混合整数二次规划多目标调度方法 Download PDFInfo
- Publication number
- CN108599142B CN108599142B CN201810233177.4A CN201810233177A CN108599142B CN 108599142 B CN108599142 B CN 108599142B CN 201810233177 A CN201810233177 A CN 201810233177A CN 108599142 B CN108599142 B CN 108599142B
- Authority
- CN
- China
- Prior art keywords
- function
- constraint
- line
- objective
- term
- 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 87
- 239000003245 coal Substances 0.000 claims abstract description 59
- 238000005457 optimization Methods 0.000 claims abstract description 43
- 230000005611 electricity Effects 0.000 claims abstract description 27
- 230000006870 function Effects 0.000 claims description 89
- 238000012545 processing Methods 0.000 claims description 31
- 238000010248 power generation Methods 0.000 claims description 25
- 238000012887 quadratic function Methods 0.000 claims description 24
- 238000005516 engineering process Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 11
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 8
- 150000001875 compounds Chemical class 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 4
- 239000001569 carbon dioxide Substances 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 15
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
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
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (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权重的混合整数二次规划多目标调度方法,通过将煤耗、网损、排放以及购电成本作为调度的多个参考目标,从折算的角度出发,根据不同目标的权重,将多目标问题化为单目标问题后进行求解,从而降低原多目标优化模型的求解复杂度,并且能够较大程度利用单目标求解算法的稳定性和鲁棒性。
Description
技术领域
本发明涉及电力系统技术领域,尤其涉及一种基于权重的混合整数二次规划多目标调度方法。
背景技术
随着热电联产机组在电网所占比重不断上升,机组参与调峰是必然趋势。厂网分开的电力市场化改革使得热电联产机组在完成电网调峰任务的基础上,也需要兼顾机组本身降低综合经济成本和环保运行的要求,优化负荷分配,达到规定热电比,以提高全厂负荷竞争能力,这就涉及到热电联产机组参与调峰时多目标、多约束的优化问题。目前,关于火电厂厂级负荷优化调度分配的问题已经展开了广泛研究,并在工程实际上得到了运用。在热电联产机组间,也存在如何在满足电网调度时间要求的同时,机组运行维持在低煤耗、低污染物排放水平,综合经济成本最优的问题。
国内外在机组间负荷优化分配问题上的研究已经有半个多世纪的时间,从传统的优化算法,诸如等微增法、动态规划等,逐渐发展到现在基于计算机技术和人工智能技术的模拟退火算法、人工神经网络法、蚁群算法等现代算法。各算法在解决不同领域内的问题时,有其独特的优势,针对具体系统提出的算法都有较好的优化效果,当然也存在一定的局限性。
当前国内热电联产负荷优化分配研究多关注基于煤耗特性曲线的优化算法的改进上,没有随着当前我国电力市场形势的发展赋予热电联产负荷优化分配数学模型新的内容,将购电成本、环保要求约束等要求考虑到其中,这在一定的程度上限制了热电联产负荷优化分配的进一步发展,不利于负荷优化理论研究的实际应用。
发明内容
本发明提供了一种基于权重的混合整数二次规划多目标调度方法,解决了现有技术中的针对机组负荷优化调度的算法优化目标单一,无法达到最佳经济效益的技术问题。
本发明提供的一种基于权重的混合整数二次规划多目标调度方法,包括:
获取电力系统的发电数据,所述发电数据包括煤耗数据、网损数据、二氧化碳的排放数据和购电成本数据;
根据所述发电数据生成煤耗目标函数、网损目标函数、排放目标函数和购电成本目标函数;
对所述煤耗目标函数进行线性化处理并进行线路损耗约束的线性化松弛处理;
分别为所述网损目标函数、所述排放目标函数、所述购电成本目标函数以及处理后的煤耗目标函数设定对应的比例因子和权重后进行叠加,将四个目标函数转换为单目标函数,得到混合整数二次规划模型;
调用基于混合整数二次规划的电力系统调度优化方法,求解所述混合整数二次规划模型,获得多目标的调度方案。
可选地,所述混合整数二次规划模型具体为:
min f=ω1p1fcost+ω2p2floss+ω3p3femi+ω4p4fbuy;
其中,f为对四个目标加权后的单目标函数值;ω1,ω2,ω3和ω4分别表示煤耗、网损、排放和购电成本的权重,设置范围为0≤ωi≤1(i=1,2,3,4)且ω1+ω2+ω3+ω4=1;p1,p2,p3和p4分别表示煤耗、网损、排放和购电成本的比例因子;fcost,floss,femi和fbuy分别表示煤耗、网损、排放和购电成本的目标函数;
其中,p1,p2,p3和p4的设定具体为:
可选地,所述对所述煤耗目标函数进行线性化处理具体为:
其中,上标qua和上标vpe分别表示二次函数项和正弦函数项;和为机组i的第j个线性分段的斜率,和为机组i的第j个线性分段的截距;Ni为机组i的总线性分段数量;Pi,j为机组i中对应第j个线性分段的出力子变量;Zi,j为对应于Pi,j的二进制变量。
可选地,线性化后的二次函数项和整数函数项中的Ni具体为:
其中,两个不可微分点之间的出力平均分为M段,不可微分点由阀电效应引起。
可选地,所述对所述煤耗目标函数进行线性化处理之后还包括:
对线性化后的煤耗目标函数增加约束,其中,约束具体为:
对增加约束后的煤耗目标函数进行线路损耗约束的线性化松弛处理。
可选地,所述对增加约束后的煤耗目标函数进行线路损耗约束的线性化松弛处理具体为:
可选地,所述调用基于混合整数二次规划的电力系统调度优化方法,求解所述混合整数二次规划模型具体为:
将发电机、负荷以及电网的数据输入所述混合整数二次规划模型;
采用模型变量和约束的删减技术简化所述混合整数二次规划模型;
判断所述混合整数二次规划模型中的线路损耗约束是否满足等式或小于预设的阈值,若是,则输出机组的有功优化调度方案,否则,通过混合整数规划技术处理不满足等式约束或预设的阈值的线路损耗约束并重新执行判断过程。
可选地,所述通过混合整数规划技术处理不满足等式约束或预设的阈值的线路损耗约束具体为:
对线路损耗约束进行静态线性近似处理,获得线性化后的线路损耗约束:
可选地,所述对线路损耗约束进行静态线性近似处理,获得线性化后的线路损耗约束之后还包括:
增加二进制变量约束,所述二进制变量约束具体为:
当线路两端的电压相位差位于某个线性分段时,将与其它线性分段对应的连续子变量强制设为零,具体为:
其中,线路两端的电压相位差应为各个连续子变量θij,r之和:
从以上技术方案可以看出,本发明具有以下优点:
本发明中将煤耗、网损、排放以及购电成本作为调度的多个参考目标,从折算的角度出发,根据不同目标的权重,将多目标问题化为单目标问题进行求解,从而降低原多目标优化模型的求解复杂度,并且能够较大程度利用单目标求解算法的稳定性和鲁棒性;此外,本发明中通过对所述煤耗目标函数进行线性化处理并进行线路损耗约束的线性化松弛处理,能够有效处理电网中存在负节点边际成本的问题。
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一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种基于权重的混合整数二次规划多目标调度方法的流程示意图;
图2为本发明实施例提供的线路损耗的线性松弛化处理示意图;
图3为本发明实施例提供的线性化线路损耗约束示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
经本申请发明人研究发现,在实际运行调度中,火电机组的发电煤耗容易受到锅炉阀门的打开状态的影响。在锅炉阀门打开时,锅炉气压的变化会引起火电机组的发电煤耗率增加,且使得发电煤耗曲线呈现出不可微分的特性,即火电机组的发电阀点效应。火电机组的发电阀点效应的引入,有助于提高节能发电调度模型的精度,但使得该模型成为一个非凸的优化模型。传统的基于梯度的数学规划式方法要求目标函数满足可微分的条件,火电机组的发电阀点效应导致目标函数存在不可微分点,从而使得大多数的数学规划式方法无法直接求解该模型。值得注意的是,非光滑出力-煤耗曲线中的不可微分点,往往导致优化模型中出现大量的局部最优点,且局部最优点的数量随着不可微分点的增加呈指数型增长。因此,在设计算法求解该模型时,需要合理分析该模型的目标函数的非光滑特性,采用有效的应对措施。
在本发明所提出的模型中,除了线路损耗约束,其它约束都为线性约束。在忽略火电机组的发电阀点效应的前提下,将二次的线路损耗约束看作非线性约束,使得本发明中提出的模型为一个含二次等式约束的非线性模型,可通过内点法等非线性规划算法进行求解。但是,这种处理方式的节能效果较差。基于动态分段线性模型和基于松弛技术的二次规划二次约束模型能够较好处理二次的线路损耗约束,但在同时考虑火电机组的发电阀点效应时,两者都无法直接适用。
此外,在本项发明所述的多目标优化模型中,除了线路损耗约束外,其他所有约束都为线性约束。若能将线路损耗约束转化为线性约束或其他具有凸特性的约束,则原问题可以化为一个凸优化问题,从而得到唯一的最优解。因此,该模型的另一个难点在于如何有效处理由于线路损耗约束。
由于线路损耗约束为一个二次等式约束,因此常用的方法是将线路损耗约束线性化,使该约束化为一个混合整数形式的线性等式约束,从而将原问题转化为混合整数线性或二次规划问题。但是,该分段线性化方法(SPWL)的效率和计算精度往往受到线性分段数量的影响。针对基于直流潮流的线路损耗约束,动态分段线性化模型通过动态迭代的方式修正二次线路损耗,从而有效提高了计算精度。但是,该动态模型在优化的过程中,为了保证在负节点边际成本出现时,能够有效限制线路损耗约束的违反量,该模型需要增加额外的线性约束。为了应对动态分段线性化模型中的问题,二次约束二次规划方法将线路损耗约束化为凸二次不等式约束,在优化过程中,对于不满足等式的线路损耗约束,通过惩罚的方式将相应的线路损耗添加到目标函数中。该方法能够大大提高对线路损耗的求解精度,但该方法在迭代的过程中,无法预知需要迭代的次数,而且在出现负节点边际成本的情况下,惩罚的方式可能使得部分线路损耗约束的违反量较大。
因此,本发明中借鉴二次约束二次规划方法的惩罚技术,提出带惩罚因子的混合整数二次约束二次规划电力系统动态调度方法,首先求解不含惩罚因子的考虑直流网络损耗的电力系统动态经济调度模型,当存在部分线路损耗约束的违反量超出预先设定的数值时,才应用惩罚技术。而且,在应用惩罚因子时,对所有线路损耗变量都进行惩罚处理,因此本发明提出的方法能够很好解决上述的电力系统多目标优化模型。
需要说明的是,在电力系统调度中,往往存在不同的目标,在相关性比较密切的目标之间,比如调度的经济性与排放,常见的处理方式是对其中一个目标进行折算,此种方式操作简单,且符合实际应用,因此广泛用于实际工程中。加权法将多目标优化问题转化成为一个单目标优化问题,即将每个目标乘以一个权值系数然后加和得到一个总的目标函数,从而将多目标优化模型化为单目标优化模型,然后采用单目标优化方法进行求解,基于不同的权值系数可以得到不同的解,这些解可组成帕累托最优解集。
本发明从折算的角度出发,根据不同目标的权重,将多目标问题化为单目标问题,从而降低原多目标优化模型的求解复杂度。值得注意的是,本发明提出的多目标优化算法将多目标优化问题化为单目标优化问题后,能够较大程度利用单目标求解算法的稳定性和鲁棒性。本发明中主要从煤耗、网损、排放和购电成本四个方面考虑,建立电力系统多目标优化模型。
请参阅图1,图1为本发明实施例提供的一种基于权重的混合整数二次规划多目标调度方法的流程示意图。
本发明提供的一种基于权重的混合整数二次规划多目标调度方法,包括:
S101、获取电力系统的发电数据,发电数据包括煤耗数据、网损数据、二氧化碳的排放数据和购电成本数据。
为了建立煤耗、网损、排放和购电成本的多目标优化模型,可以先获取到电力系统中的煤耗数据、网损数据、二氧化碳的排放数据和购电成本数据。
S102、根据发电数据生成煤耗目标函数、网损目标函数、排放目标函数和购电成本目标函数。
S103、对煤耗目标函数进行线性化处理并进行线路损耗约束的线性化松弛处理。
由于发电阀点效应的影响,机组的煤耗曲线变得不光滑,使得要求目标函数可微分的常规方法无法直接处理此类问题,因此,本发明中采用混合整数规划的方法,先对每台机组的发电成本曲线进行线性化处理,然后通过混合整数编码技术将原曲线表示为混合整数的数学公式。
其中,对煤耗目标函数进行线性化处理具体可以为:
其中,上标qua和上标vpe分别表示二次函数项和正弦函数项;和为机组i的第j个线性分段的斜率,和为机组i的第j个线性分段的截距;Ni为机组i的总线性分段数量;Pi,j为机组i中对应第j个线性分段的出力子变量;Zi,j为对应于Pi,j的二进制变量。
线性化后的二次函数项和整数函数项中的Ni具体为:
其中,两个不可微分点之间的出力平均分为M段,不可微分点由阀电效应引起。
当同时将二次函数项和正弦函数项线性化时,非光滑的机组煤耗曲线可以化为以下混合整数线性公式:
在对二次函数项和正弦函数项线性化后,机组出力必须位于其中一个线性分段对应的出力范围内。如果机组i运行在第j个线性分段的出力范围内,那么机组i的出力为Pi,j,且对应的二进制变量Zi,j设为1。否则,Pi,j和Zi,j都应该设为0。由此可见,对非光滑的机组煤耗曲线线性化后,还包括:
对线性化后的煤耗目标函数增加约束,其中,约束具体为:
通过以上各式可以整理得:
相应地,可以简化为如下公式:
通过上述简化,可以大大较少目标函数中的总变量数量,从而有效提高算法的求解速度。值得注意的是,上述处理方法同样适用于本项目多目标调度优化模型中的其他目标函数的处理。
在本发明的有功优化调度问题中,难点主要在于有效地处理线路损耗约束。从数学角度看,每条线路的损耗约束为二次等式约束,若将该约束处理为常规的非线性约束,则可以通过非线性规划方法进行求解,但这类方法的求解效率不高,且往往难以选择合适的初始点。
基于分离迭代的方法可以将线路损耗约束从原问题中分离出来,通过迭代的方式修正每条线路的损耗,从而得到原问题的稳定收敛点,但仿真表明该方法只能求得一个局部解。另一种方法将二次等式形式的线路损耗约束松弛为二次不等式约束,在求解过程中把不满足等式约束的线路损耗约束对应的线路损耗变量以惩罚的方式添加到目标函数,该方法具有较高的效率,但由于以惩罚的方式处理线损,在一定程度上偏向优化线路损耗。
与上述处理方式不同,本发明实施例中首先对二次等式形式的线路损耗约束进行线性松弛处理,如图2所示,图2为本发明实施例提供的线路损耗的线性松弛化处理示意图。
其中,线性化松弛处理的具体过程为:
S104、分别为网损目标函数、排放目标函数、购电成本目标函数以及处理后的煤耗目标函数设定对应的比例因子和权重后进行叠加,将四个目标函数转换为单目标函数,得到混合整数二次规划模型。
可选地,混合整数二次规划模型具体为:
min f=ω1p1fcost+ω2p2floss+ω3p3femi+ω4p4fbuy;
其中,f为对四个目标加权后的单目标函数值;ω1,ω2,ω3和ω4分别表示煤耗、网损、排放和购电成本的权重,设置范围为0≤ωi≤1(i=1,2,3,4)且ω1+ω2+ω3+ω4=1;p1,p2,p3和p4分别表示煤耗、网损、排放和购电成本的比例因子;fcost,floss,femi和fbuy分别表示煤耗、网损、排放和购电成本的目标函数;
其中,p1,p2,p3和p4的设定具体为:
S105、调用基于混合整数二次规划的电力系统调度优化方法,求解混合整数二次规划模型,获得多目标的调度方案。
求解混合整数二次规划模型的过程具体为:将发电机、负荷以及电网的数据输入混合整数二次规划模型;采用模型变量和约束的删减技术简化混合整数二次规划模型;判断混合整数二次规划模型中的线路损耗约束是否满足等式或小于预设的阈值,若是,则输出机组的有功优化调度方案,否则,通过混合整数规划技术处理不满足等式约束或预设的阈值的线路损耗约束并重新执行判断过程。
如图3所示,图3为本发明实施例提供的线性化线路损耗约束示意图。通过混合整数规划技术处理不满足等式约束或预设的阈值的线路损耗约束具体为:
对线路损耗约束进行静态线性近似处理,获得线性化后的线路损耗约束:
可选地,对线路损耗约束进行静态线性近似处理,获得线性化后的线路损耗约束之后还包括:
增加二进制变量约束,二进制变量约束具体为:
当线路两端的电压相位差位于某个线性分段时,将与其它线性分段对应的连续子变量强制设为零,具体为:
其中,线路两端的电压相位差应为各个连续子变量θij,r之和:
针对考虑煤耗和排放的电力系统多目标调度模型,本发明实施例中通过40机组测试系统来验证基于权重的混合整数二次规划多目标调度优化方法的有效性。在本发明实施例采用的40机组测试系统中,每台机组都考虑非光滑的发电煤耗曲线,且机组的排放曲线都考虑指数项,负荷设置为10500MW。为了方便与其它方法进行比较,本发明实施例的发电煤耗已通过一定比例折算为发电成本,并只考虑单时段的调度优化问题。
为了得到在不同权重因子情况下的多目标调度方案,本发明实施例将权重因子从1减少到0,然后运用基于权重的混合整数二次规划多目标调度优化方法进行求解,得到的结果如下表所示。值得注意的是,在权重因子为1和0时,原多目标优化问题分别对应最小化总发电成本问题和最小化总排放量问题,在这两种情况下,本发明实施例提出的方法与其他方法的对比结果如下表所示。随着权重因子的增大,机组的总发电成本逐渐增加,但总排放量越来越少。由表格结果可知,在权重因子为1时,本发明实施例方法得到的总发电成本和总排放量都优于DE和MODE的结果,且与NSGA-II和ABCDP-LS相比,三者的解互不支配;在权重因子为0时,本发明实施例方法得到的调度解与其他方法得到的解互不支配。
表1在不同权重因子情况下的机组总发电成本和总排放量
表2不同方法在权重因子为1和0时的对比结果
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种基于权重的混合整数二次规划多目标调度方法,其特征在于,包括:
获取电力系统的发电数据,所述发电数据包括煤耗数据、网损数据、二氧化碳的排放数据和购电成本数据;
根据所述发电数据生成煤耗目标函数、网损目标函数、排放目标函数和购电成本目标函数;
对所述煤耗目标函数进行线性化处理并进行线路损耗约束的线性化松弛处理;
分别为所述网损目标函数、所述排放目标函数、所述购电成本目标函数以及处理后的煤耗目标函数设定对应的比例因子和权重后进行叠加,将四个目标函数转换为单目标函数,得到混合整数二次规划模型;
调用基于混合整数二次规划的电力系统调度优化方法,求解所述混合整数二次规划模型,获得多目标的调度方案;
所述混合整数二次规划模型具体为:
min f=ω1p1fcost+ω2p2floss+ω3p3femi+ω4p4fbuy;
其中,f为对四个目标加权后的单目标函数值;ω1,ω2,ω3和ω4分别表示煤耗、网损、排放和购电成本的权重,设置范围为0≤ωi≤1且ω1+ω2+ω3+ω4=1;p1,p2,p3和p4分别表示煤耗、网损、排放和购电成本的比例因子;fcost,floss,femi和fbuy分别表示煤耗、网损、排放和购电成本的目标函数,其中,i=1,2,3,4;
其中,p1,p2,p3和p4的设定具体为:
2.根据权利要求1所述的基于权重的混合整数二次规划多目标调度方法,其特征在于,所述对所述煤耗目标函数进行线性化处理具体为:
6.根据权利要求5所述的基于权重的混合整数二次规划多目标调度方法,其特征在于,所述对增加约束后的煤耗目标函数进行线路损耗约束的线性化松弛处理具体为:
7.根据权利要求6所述的基于权重的混合整数二次规划多目标调度方法,其特征在于,所述调用基于混合整数二次规划的电力系统调度优化方法,求解所述混合整数二次规划模型具体为:
将发电机、负荷以及电网的数据输入所述混合整数二次规划模型;
采用模型变量和约束的删减技术简化所述混合整数二次规划模型;
判断所述混合整数二次规划模型中的线路损耗约束是否满足等式或小于预设的阈值,若是,则输出机组的有功优化调度方案,否则,通过混合整数规划技术处理不满足等式约束或预设的阈值的线路损耗约束并重新执行判断过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810233177.4A CN108599142B (zh) | 2018-03-21 | 2018-03-21 | 一种基于权重的混合整数二次规划多目标调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810233177.4A CN108599142B (zh) | 2018-03-21 | 2018-03-21 | 一种基于权重的混合整数二次规划多目标调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108599142A CN108599142A (zh) | 2018-09-28 |
CN108599142B true CN108599142B (zh) | 2021-03-12 |
Family
ID=63626891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810233177.4A Active CN108599142B (zh) | 2018-03-21 | 2018-03-21 | 一种基于权重的混合整数二次规划多目标调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108599142B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109256772B (zh) * | 2018-10-16 | 2020-09-01 | 清华大学 | 一种电力系统输电网最优开断的凸优化求解方法 |
CN110829506B (zh) * | 2019-11-22 | 2021-04-06 | 国网四川省电力公司经济技术研究院 | 线性松弛和比例权重的多目标有功优化调度方法和系统 |
CN111369814B (zh) * | 2020-05-07 | 2020-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种车路协同公交车控制方法、装置及终端设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103337039B (zh) * | 2013-04-28 | 2016-05-25 | 国家电网公司 | 一种多目标多约束的中长期购电决策方法 |
CN106208162A (zh) * | 2016-08-29 | 2016-12-07 | 广东电网有限责任公司电力科学研究院 | 一种混合整数二次规划电力系统动态调度方法 |
CN106921164B (zh) * | 2017-04-05 | 2019-10-22 | 广东电网有限责任公司东莞供电局 | 配网电压无功协同优化的混合整数二阶锥规划方法与系统 |
-
2018
- 2018-03-21 CN CN201810233177.4A patent/CN108599142B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108599142A (zh) | 2018-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Two-stage multi-objective OPF for AC/DC grids with VSC-HVDC: Incorporating decisions analysis into optimization process | |
Arya et al. | BFOA-scaled fractional order fuzzy PID controller applied to AGC of multi-area multi-source electric power generating systems | |
CN109768573B (zh) | 基于多目标差分灰狼算法的配电网无功优化方法 | |
Mohanty et al. | Differential evolution algorithm based automatic generation control for interconnected power systems with non-linearity | |
Mohammadian et al. | Optimization of single and multi-areas economic dispatch problems based on evolutionary particle swarm optimization algorithm | |
Sahu et al. | A novel hybrid DEPS optimized fuzzy PI/PID controller for load frequency control of multi-area interconnected power systems | |
Khorsandi et al. | Hybrid shuffled frog leaping algorithm and Nelder–Mead simplex search for optimal reactive power dispatch | |
Gjorgiev et al. | A multi-objective optimization based solution for the combined economic-environmental power dispatch problem | |
CN108599142B (zh) | 一种基于权重的混合整数二次规划多目标调度方法 | |
CN110247438B (zh) | 基于天牛须算法的主动配电网资源优化配置 | |
CN110829506B (zh) | 线性松弛和比例权重的多目标有功优化调度方法和系统 | |
CN105186499A (zh) | 一种配电网多目标概率最优潮流模糊建模与求解方法 | |
Júnior et al. | Solution to economic emission load dispatch by simulated annealing: case study | |
CN116488183A (zh) | 一种含分布式电源的配电网优化调度方法 | |
CN108448649A (zh) | 一种基于自主学习群搜索算法的联合调度方法及系统 | |
CN108565857B (zh) | 基于信息交流策略连续域蚁群算法的电力系统调度方法 | |
Branch et al. | Optimum network reconfiguration to improve power quality and reliability in distribution system | |
CN116169723A (zh) | 一种平抑光伏发电不确定性的电压控制方法及相关装置 | |
Ogita et al. | Parallel dual tabu search for capacitor placement in smart grids | |
Younis et al. | Weights aggregated multi-objective particle swarm optimizer for optimal power flow considering the generation cost, emission, transmission loss and bus-voltage profile | |
CN113705911A (zh) | 一种基于灰狼算法的热电负荷经济性优化分配方法 | |
CN114021851A (zh) | 一种多级关联断面限额适应性评估及优化计算方法 | |
CN114493143A (zh) | 面向并网型微电网的虚拟电厂多目标优化调度系统及方法 | |
Kim et al. | Integrated optimization of generation and transmission expansion planning using decomposition method | |
Zhang et al. | Intelligent reconfiguration for distributed power network with multivariable renewable generation |
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 |