CN109840367B - 一种火电机组发电燃料费用的拟合方法与系统 - Google Patents

一种火电机组发电燃料费用的拟合方法与系统 Download PDF

Info

Publication number
CN109840367B
CN109840367B CN201910043671.9A CN201910043671A CN109840367B CN 109840367 B CN109840367 B CN 109840367B CN 201910043671 A CN201910043671 A CN 201910043671A CN 109840367 B CN109840367 B CN 109840367B
Authority
CN
China
Prior art keywords
generating unit
thermal power
fuel cost
fitting
power generating
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
CN201910043671.9A
Other languages
English (en)
Other versions
CN109840367A (zh
Inventor
刘纯
李湃
黄越辉
王伟胜
王跃峰
礼晓飞
张琳
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
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
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 filed Critical State Grid Corp of China SGCC
Priority to CN201910043671.9A priority Critical patent/CN109840367B/zh
Publication of CN109840367A publication Critical patent/CN109840367A/zh
Application granted granted Critical
Publication of CN109840367B publication Critical patent/CN109840367B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种火电机组发电燃料费用的拟合方法与系统，包括：获取火电机组数据和燃料费用拟合的分段区间数量；基于获取的数据和燃料费用拟合的分段区间数量，将预先建立的分段线性最优拟合优化模型抽象为数学形式；采用信赖域算法对所述抽象后的数学形式进行优化，得到火电机组发电功率分段区间端点及端点处的燃料费用。本发明为一种火电机组发电燃料费用的拟合方法与系统，获取火电机组数据和燃料费用拟合的分段区间数量；采用信赖域算法对所述抽象后的数学形式进行优化，得到火电机组发电功率分段区间端点及端点处的燃料费用，能够大大降低分段线性拟合的误差，减少燃料费用函数需要分段的数量，从而降低时序仿真优化模型的复杂度和求解难度。

Description

一种火电机组发电燃料费用的拟合方法与系统
技术领域
本发明涉及一种火电机组发电燃料费用的拟合方法与系统，用于准确核算火电机组的发电运行成本。
背景技术
通过长时间尺度时序仿真来模拟常规电源及新能源在电力市场环境下的运行情况，对量化评估不同类型电源在电力市场环境下的运行经济性和收益情况有着重要的意义。开展市场环境下电力系统的经济性运行模拟需要准确核算火电机组等常规电源的发电运行成本。
火电机组的发电运行成本主要为燃料费用，即火电机组消耗燃煤等燃料所需的费用。当火电机组发电时，燃料费用取决于机组的热效率特性曲线，在进行长时间尺度进行性运行模拟时，成本误差的积累会对经济性运行结果产生较大的影响，目前一般将燃料费用近似为机组发电功率的二次函数。在实际应用中，为简化计算通常采用分段线性函数拟合的方式将二次的燃料费用进行线性化处理。
目前已有的分段线性化拟合方法通常将机组的发电功率区间进行等分，通过连接等分点的燃料费用来实现燃料费用函数的分段线性化。该分段方式较为简单，不足之处是无法保证整体的拟合误差最小，尤其当火电机组的发电功率处于分段区间中间时的误差最大。在进行长时间尺度经济性运行模拟时，成本误差的累积会对经济性运行结果产生较大影响。
发明内容
为解决上述分段方式无法保证整体的拟合误差最小，尤其当火电机组的发电功率处于分段区间中间时的误差最大，本发明提供一种火电机组发电燃料费用的拟合方法，所述方法包括：
获取火电机组发电功率、燃料费用；
将所述火电机组发电功率、燃料费用和设定的分段区间数量带入预先构建的二次目标优化模型；
对二次目标优化模型计算求解，得到火电机组发电功率分段区间端点及端点处的燃料费用；
其中所述二次目标优化模型包括：以分段线性拟合误差平方和最小为优化目标。
优选的，所述二次目标优化模型的建立包括：
以设定的分段区间数量对火电机组发电功率范围进行划分，得到火电机组燃料费用的分段线性函数拟合；
设定以拟合误差的平方和最小的分段线性函数为目标函数；
为所述目标函数设定约束条件；
所述约束条件包括：最优分段线性函数约束、分段区间发电功率上下限约束、分段区间状态约束、火电机组发电功率约束、燃料费用线性拟合函数斜率约束和机组最小和最大发电功率约束。
优选的，所述目标函数如下所示：
Figure BDA0001948430070000021
式中，K为火电机组发电功率的分段区间数量；
Figure BDA0001948430070000022
表示最优K段线性拟合函数；C(p)为目标函数，表示燃料费用二次函数与线性拟合函数之间绝对偏差的平方；h(p)表示燃料费用的二次函数。
优选的，所述最优分段线性函数约束如下所示：
Figure BDA0001948430070000023
式中，zk表示火电机组在第k个分段区间上的状态；
Figure BDA0001948430070000024
表示火电机组第k-1个分段区间上最大发电功率
Figure BDA0001948430070000025
对应的燃料费用拟合值；pk表示火电机组在第k个分段区间上的发电功率；ρk表示第k个分段区间上燃料费用线性拟合函数的斜率；
所述分段区间发电功率上下限约束如下所示：
Figure BDA0001948430070000026
式中，
Figure BDA0001948430070000027
表示火电机组第k-1个分段区间上最大发电功率；pk表示火电机组第k个分段区间上的发电功率；
Figure BDA0001948430070000028
表示火电机组第k个分段区间上最大发电功率；
所述分段区间状态约束如下所示：
Figure BDA0001948430070000031
所述火电机组发电功率约束如下所示：
Figure BDA0001948430070000032
式中，p表示火电机组的发电功率；
所述燃料费用线性拟合函数斜率约束如下所示：
Figure BDA0001948430070000033
优选的，所述燃料费用的二次函数h(p)如下所示：
Figure BDA0001948430070000034
式中，a,b,c为二次燃料费用函数的系数，均为常数；p表示火电机组的发电功率；p表示火电机组的最小发电功率；
Figure BDA0001948430070000035
表示火电机组的最大发电功率。
优选的，所述对二次目标优化模型计算求解包括：
对二次目标优化模型进行抽象；
对所述抽象后的二次优化模型进行求解。
优选的，所述对所述二次目标优化模型进行抽象包括：
将以火电机组发电功率分段区间端点和分段端点处的燃料费用为待优化变量和分段线性拟合误差平方和最小为优化目标的优化模型抽象为数学模型。
优选的，所述数学模型如下所示：
min C＝f(x)
s.t.x∈Θ
式中，x表示待优化变量组成的向量；f(x)为目标函数；Θ为待优化变量x的可行域；s.t.表示受约束。
优选的，采用信赖域算法对所述抽象后的数学形式进行优化包括：
S301：对待优化变量x进行初始化，并进行迭代化计算；
S302：当进行迭代到第k步时，设定待优化变量为xk，计算函数f(x)在xk处的梯度和海森矩阵；
S303：基于获取的函数f(x)在xk处的梯度和海森矩阵，预先设定信赖域模型的最优解为sk；
S304：基于预先设定的信赖域模型的最优解sk，计算比值rk；
S305：通过所述比值确定信赖域模型中目标函数与抽象数学模型中目标函数的接近程度，从而确定最终的信赖域模型的最优解；
其中，所述K为正整数。
优选的，所述信赖域模型如下所示：
Figure BDA0001948430070000041
s.t.||s||≤Δk
式中，q(k)(s)表示迭代到第k步时，信赖域模型关于自变量s的目标函数值；
Figure BDA0001948430070000042
表示抽象数学模型中目标函数f(x)在当前迭代点xk处的梯度向量得转置；sT表示s的转置；
Figure BDA0001948430070000043
表示f(x)在xk处的海森矩阵；||s||表示s的范数；Δk为第k步时的信赖域半径。
优选的，所述比值的计算公式如下所示：
Figure BDA0001948430070000044
式中，rk表示比值；sk表示设定的第k步时的信赖域模型的最优解；f(xk)表示抽象数学模型中目标函数f(x)在xk处的目标值；f(xk+sk)表示抽象数学模型中目标函数f(x)在xk+sk处的目标值；q(k)(0)表示迭代到第k步时信赖域模型在s＝0处的目标函数值；q(k)(sk)表示迭代到第k步时，信赖域模型在s＝sk处的目标函数值。
优选的，所述通过所述比值确定信赖域模型中目标函数与抽象数学模型中目标函数的接近程度，从而确定最终的信赖域模型的最优解包括：
当所述比值越接近1时，将信赖域半径对应的优化模型的解作为最优解。
优选的，所述获取的火电机组发电功率包括：火电机组的最大发电功率和火电机组的最小发电功率。
一种火电机组发电燃料费用的拟合系统，包括：
获取模块：用于获取火电机组发电功率范围、燃料费用函数；
带入模块：用于将所述火电机组发电功率、燃料费用和设定的分线段区间数量带入预先构建的二次目标优化模型，并进行抽象；
计算模块：用于对抽象后的二次目标优化模型计算求解，得到火电机组发电功率区间端点及分段处的燃料费用。
优选的，还包括二次目标优化模型构建模块；
所述二次目标优化模型构建模块用于：设定以拟合误差的平方和最小的分段线性函数为目标函数和约束条件；
所述约束条件包括：最优分段线性函数约束、分段区间发电功率上下限约束、分段区间状态约束、火电机组发电功率约束、燃料费用线性拟合函数斜率约束和机组最小和最大发电功率约束。
优选的，所述带入模块包括：抽象单元；
所述抽象单元用于将以火电机组发电功率分段区间端点和分段端点处的燃料费用为待优化变量和分段线性拟合误差平方和最小为优化目标的优化模型抽象为数学模型。
优选的，所述计算模块包括确定单元；
所述确定单元用于当比值越接近1时，将信赖域半径对应的优化模型的解作为最优解。
与最接近的现有技术相比，本申请具有如下有益效果：
1、本发明为一种火电机组发电燃料费用的拟合方法与系统，获取火电机组发电功率、燃料费用；将所述火电机组发电功率、燃料费用和设定的分线段区间数量带入预先构建的二次目标优化模型；对二次目标优化模型计算求解，得到火电机组发电功率区间端点及分段处的燃料费用，能够大大降低分段线性拟合的误差，减少燃料费用函数需要分段的数量，从而降低时序仿真优化模型的复杂度和求解难度。
附图说明
图1为本发明的方法流程示意图；
图2为本发明的K段线性函数拟合示意图。
具体实施例
下面结合具体的实施例，对本发明的内容做进一步的解释说明
实施例1
如图1所示：
步骤1：获取火电机组发电功率、燃料费用；
步骤2：将所述火电机组发电功率、燃料费用和设定的分线段区间数量带入预先构建的二次目标优化模型；
步骤3：对二次目标优化模型计算求解，得到火电机组发电功率区间端点及分段处的燃料费用。
下面结合具体的实施例对上述步骤做进一步的解释说明：
对步骤1的解释如下：
本发明提出了一种火电机组发电燃料费用的分段线性拟合方法，建立以分段线性拟合误差平方和最小为优化目标的二次目标优化模型，通过求解该二次规划模型，能够得到在给定分段数量的情况下，整体拟合误差最小时，分段线性拟合函数的间断点及对应的燃料费用。
假设火电机组发电功率为p，p和
Figure BDA0001948430070000061
分别为火电机组的最小和最大发电功率。h(p)为火电机组的燃料费用二次函数，数学形式如下：
Figure BDA0001948430070000062
上式中，a,b,c为二次燃料费用函数的系数，均为常数。式(1)表示当机组出力为0时，燃料费用为0；当机组出力在p和
Figure BDA0001948430070000063
之间时，燃料费用由二次函数决定。
设燃料费用函数拟合的分段区间数量为K，
Figure BDA0001948430070000064
表示K个发电功率分段区间的端点，其对应的燃料费用为
Figure BDA0001948430070000065
如图2为K段线性拟合函数示意图。
本专利所提出的方法可以在给定机组最小发电功率p、最大发电功率
Figure BDA0001948430070000066
燃料费用函数h(p)和分段数量K的情况下，得到使整体拟合误差平方和最小情况下的K段线性拟合函数端点坐标值
Figure BDA0001948430070000071
对步骤2的解释如下：
首先，建立如下的分段线性函数最优拟合优化模型：
1.目标函数
模型的优化目标为分段线性函数拟合误差的平方和最小，数学表达式如下：
Figure BDA0001948430070000072
上式中，K为火电机组发电功率的分段区间数量，
Figure BDA0001948430070000073
表示最优K段线性拟合函数，火电机组燃料费用的二次函数h(p)的表达式如式(1)所示。
2.约束条件
(1)最优分段线性函数约束
最优分段线性函数
Figure BDA0001948430070000074
的数学表达式为：
Figure BDA0001948430070000075
上式中，zk为0-1变量，表示火电机组在第k个分段区间上的状态；
Figure BDA0001948430070000076
表示火电机组第k个分段区间上最小发电功率
Figure BDA0001948430070000077
对应的燃料费用拟合值；pk表示火电机组在第k个分段区间上的发电功率；ρk表示第k个分段区间上燃料费用线性拟合函数的斜率。
(2)分段区间发电功率上下限约束
对所有的K个分段区间，火电机组在各分段区间上的发电功率应满足如下的上下限约束：
Figure BDA0001948430070000078
上式中，zk＝1表示火电机组发电功率在第k个分段区间内，zk＝0表示火电机组发电功率未在第k个分段区间
Figure BDA0001948430070000079
内
(3)分段区间状态约束
Figure BDA00019484300700000710
上式表示，K个分段区间上的状态变量中最多只能有一个取值为1，即火电机组实际的发电功率最多只能处于1个分段区间内。
(4)火电机组发电功率约束
Figure BDA0001948430070000081
该约束描述了火电机组实际的发电功率p与K个分段区间上发电功率的关系。
(5)燃料费用线性拟合函数斜率约束
Figure BDA0001948430070000082
上式表示ρk为通过拟合端点
Figure BDA0001948430070000083
和
Figure BDA0001948430070000084
的直线斜率。
(6)机组最小和最大发电功率约束
Figure BDA0001948430070000085
上式表示机组发电功率的第1个分段区间的最小发电功率为机组最小发电功率，第K个分段区间的最大发电功率为机组最大发电功率。
综上所述，式(1)至式(8)即组成了以分段线性拟合误差平方和最小为优化目标的优化模型，其中待优化变量为火电机组发电功率分段区间的端点
Figure BDA0001948430070000086
及分段点处的燃料费用
Figure BDA0001948430070000087
通过求解该优化模型，即可得到在给定机组最小发电功率p、最大发电功率
Figure BDA0001948430070000088
燃料费用函数h(p)和分段数量K情况下，使整体拟合误差平方和最小的K段线性拟合函数。
对步骤3的解释如下：
由于目标函数为非线性的二次函数，因此该优化模型为二次目标优化模型。该优化模型可抽象为如下的数学形式：
Figure BDA0001948430070000089
上式中，x表示待优化变量组成的向量，f(x)为目标函数，Θ为待优化变量x的可行域。
采用信赖域算法求解所提出的二次规划模型，具体的算法流程如下：
(1)：给出待优化变量的初始值x0，初始信赖域半径Δ0，初始信赖域可表示为Ω0＝{x∈Rn|||x-x0||≤Δ0}，其中Rn表示n维的实数集合。开始迭代计算。
(2)：在第k步，假设当前待优化变量为xk，计算目标函数f(x)在xk处的梯度
Figure BDA0001948430070000091
和Hesse(海森)矩阵
Figure BDA0001948430070000092
(3)：求解如下的信赖域模型：
Figure BDA0001948430070000093
上式中，s＝x-xk，Δk为第k步时的信赖域半径。设上述优化模型得到的最优解为sk，进一步计算如下的比值：
Figure BDA0001948430070000094
该比值衡量了优化模型(10)的目标函数与优化模型(9)的目标函数f(x)的逼近程度，rk越接近于1，表明接近程度越好。
(4)：若rk≤0.25，说明迭代步长太大，应缩小信赖域半径，令第k+1步时的信赖域半径
Figure BDA0001948430070000095
计算第k+1步的优化变量值xk+1＝xk+sk，返回执行步骤2开始第k+1步的迭代计算。
(5)：若rk≥0.75且||sk||＝Δk，说明迭代步长已经达到信赖域半径的边缘，可以尝试扩大信赖域半径，令第k+1步时的信赖域半径Δk+1＝2Δk，计算第k+1步的优化变量值xk+1＝xk+sk，返回执行步骤2开始第k+1步的迭代计算。
(6)：若0.25＜rk＜0.75，说明步长处于信赖域之内，可以维持当前的信赖域，令第k+1步时的信赖域半径Δk+1＝Δk，计算第k+1步的优化变量值xk+1＝xk+sk，返回执行步骤2开始第k+1步的迭代计算。
(7)：若rk＜0，说明函数值未下降，此时应维持待当前的优化变量不变，即xk+1＝xk，并且和步骤4一样缩小第k+1步时的信赖域半径，然后返回步骤2开始第k+1步的迭代计算。
实施例2
本发明还涉及一种火电机组发电燃料费用的拟合系统，包括：
获取模块：用于获取火电机组发电功率、燃料费用；
带入模块：用于将所述火电机组发电功率、燃料费用和设定的分线段区间数量带入预先构建的二次目标优化模型，并进行抽象；
计算模块：用于对抽象后的二次目标优化模型计算求解，得到火电机组发电功率区间端点及分段处的燃料费用。
还包括二次目标优化模型构建模块；
所述二次目标优化模型构建模块用于：设定以拟合误差的平方和最小的分段线性函数为目标函数和约束条件；
所述约束条件包括：最优分段线性函数约束、分段区间发电功率上下限约束、分段区间状态约束、火电机组发电功率约束、燃料费用线性拟合函数斜率约束和机组最小和最大发电功率约束。
所述带入模块包括：抽象单元；
所述抽象单元用于将以火电机组发电功率分段区间端点和分段点处的燃料费用为待优化变量和分段线性拟合误差平方和最小为优化目标的优化模型抽象为数学模型。
所述计算模块包括确定单元；
所述确定单元用于当比值越接近1时，将信赖域半径对应的优化模型的解作为最优解。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (15)

1.一种火电机组发电燃料费用的拟合方法，其特征在于，所述方法包括：
获取火电机组发电功率、燃料费用；
将所述火电机组发电功率、燃料费用和设定的分段区间数量带入预先构建的二次目标优化模型；
对二次目标优化模型计算求解，得到火电机组发电功率分段区间端点及端点处的燃料费用；
其中，所述二次目标优化模型包括：以分段线性函数拟合误差的平方和最小为优化目标的目标函数和约束条件；
所述目标函数如下所示：
Figure FDA0004007209600000011
式中，K为火电机组发电功率的分段区间数量；
Figure FDA0004007209600000012
表示最优K段线性拟合函数；C(p)为目标函数，表示燃料费用二次函数与线性拟合函数之间绝对偏差的平方；h(p)表示燃料费用的二次函数；
所述约束条件包括：最优分段线性函数约束、分段区间发电功率上下限约束、分段区间状态约束、火电机组发电功率约束、燃料费用线性拟合函数斜率约束和机组最小和最大发电功率约束。
2.如权利要求1所述的一种火电机组发电燃料费用的拟合方法，其特征在于，所述分段线性函数拟合包括：
以设定的分段区间数量对火电机组发电功率范围进行划分，得到火电机组燃料费用的分段线性函数拟合。
3.如权利要求1所述的一种火电机组发电燃料费用的拟合方法，其特征在于，所述最优分段线性函数约束如下所示：
Figure FDA0004007209600000013
式中，zk表示火电机组在第k个分段区间上的状态；
Figure FDA0004007209600000014
表示火电机组第k-1个分段区间上最大发电功率
Figure FDA0004007209600000015
对应的燃料费用拟合值；pk表示火电机组在第k个分段区间上的发电功率；ρk表示第k个分段区间上燃料费用线性拟合函数的斜率；
所述分段区间发电功率上下限约束如下所示：
Figure FDA0004007209600000021
式中，
Figure FDA0004007209600000022
表示火电机组第k-1个分段区间上最大发电功率；pk表示火电机组第k个分段区间上的发电功率；
Figure FDA0004007209600000023
表示火电机组第k个分段区间上最大发电功率；
所述分段区间状态约束如下所示：
Figure FDA0004007209600000024
所述火电机组发电功率约束如下所示：
Figure FDA0004007209600000025
式中，p表示火电机组的发电功率；
所述燃料费用线性拟合函数斜率约束如下所示：
Figure FDA0004007209600000026
4.如权利要求3所述的一种火电机组发电燃料费用的拟合方法，其特征在于，所述燃料费用的二次函数h(p)如下所示：
Figure FDA0004007209600000027
式中，a,b,c为二次燃料费用函数的系数，均为常数；p表示火电机组的发电功率；p表示火电机组的最小发电功率；
Figure FDA0004007209600000028
表示火电机组的最大发电功率。
5.如权利要求1所述的一种火电机组发电燃料费用的拟合方法，其特征在于，所述对二次目标优化模型计算求解包括：
对二次目标优化模型进行抽象；
对所述抽象后的二次目标优化模型进行求解。
6.如权利要求5所述的一种火电机组发电燃料费用的拟合方法，其特征在于，所述对所述二次目标优化模型进行抽象包括：
将以火电机组发电功率分段区间端点和分段端点处的燃料费用为待优化变量和分段线性拟合误差平方和最小为优化目标的优化模型抽象为数学模型。
7.如权利要求6所述的一种火电机组发电燃料费用的拟合方法，其特征在于，所述数学模型如下所示：
min C＝f(x)
s.t.x∈Θ
式中，x表示待优化变量组成的向量；f(x)为目标函数；Θ为待优化变量x的可行域；s.t.表示受约束。
8.如权利要求7所述的一种火电机组发电燃料费用的拟合方法，其特征在于，采用信赖域算法对所述抽象后的数学模型进行优化包括：
S301：对待优化变量x进行初始化，并进行迭代化计算；
S302：当进行迭代到第k步时，设定待优化变量为xk计算函数f(x)在xk处的梯度和海森矩阵；
S303：基于获取的函数f(x)在xk处的梯度和海森矩阵，预先设定信赖域模型的最优解为sk；
S304：基于预先设定的信赖域模型的最优解sk，计算比值rk；
S305：通过所述比值确定信赖域模型中目标函数与抽象数学模型中目标函数的接近程度，从而确定最终的信赖域模型的最优解；
其中，所述K为正整数。
9.如权利要求8所述的一种火电机组发电燃料费用的拟合方法，其特征在于，所述信赖域模型如下所示：
min q(k)(s)＝f(xk)+▽f(xk)T·s+(sT·▽2f(xk)·s)/2
s.t.||s||≤Δk
式中，q(k)(s)表示迭代到第k步时，信赖域模型关于自变量s的目标函数值；▽f(xk)T表示抽象数学模型中目标函数f(x)在当前迭代点xk处的梯度向量的转置；sT表示s的转置；▽2f(xk)表示f(x)在xk处的海森矩阵；||s||表示s的范数；Δk为第k步时的信赖域半径。
10.如权利要求9所述的一种火电机组发电燃料费用的拟合方法，其特征在于，所述比值的计算公式如下所示：
Figure FDA0004007209600000041
式中，rk表示比值；sk表示设定的第k步时的信赖域模型的最优解；f(xk)表示抽象数学模型中目标函数f(x)在xk处的目标值；f(xk+sk)表示抽象数学模型中目标函数f(x)在xk+sk处的目标值；q(k)(0)表示迭代到第k步时信赖域模型在s＝0处的目标函数值；q(k)(sk)表示迭代到第k步时，信赖域模型在s＝sk处的目标函数值。
11.如权利要求10所述的一种火电机组发电燃料费用的拟合方法，其特征在于，所述通过所述比值确定信赖域模型中目标函数与抽象数学模型中目标函数的接近程度，从而确定最终的信赖域模型的最优解包括：
当所述比值越接近1时，将信赖域半径对应的优化模型的解作为最优解。
12.如权利要求1所述的一种火电机组发电燃料费用的拟合方法，其特征在于，所述获取的火电机组发电功率包括：火电机组的最大发电功率和火电机组的最小发电功率。
13.一种火电机组发电燃料费用的拟合系统，其特征在于，包括：
获取模块：用于获取火电机组发电功率范围、燃料费用二次函数；
带入模块：用于将所述火电机组发电功率、燃料费用和设定的分段区间数量带入预先构建的二次目标优化模型；
计算模块：用于二次目标优化模型计算求解，得到火电机组发电功率分段区间端点及端点处的燃料费用；
二次目标优化模型构建模块：用于设定以分段线性函数拟合误差的平方和最小为优化目标的目标函数和约束条件；
所述目标函数如下所示：
Figure FDA0004007209600000042
式中，K为火电机组发电功率的分段区间数量；
Figure FDA0004007209600000043
表示最优K段线性拟合函数；C(p)为目标函数，表示燃料费用二次函数与线性拟合函数之间绝对偏差的平方；h(p)表示燃料费用的二次函数；
所述约束条件包括：最优分段线性函数约束、分段区间发电功率上下限约束、分段区间状态约束、火电机组发电功率约束、燃料费用线性拟合函数斜率约束和机组最小和最大发电功率约束。
14.如权利要求13所述的一种火电机组发电燃料费用的拟合系统，其特征在于，所述带入模块包括：抽象单元；
所述抽象单元用于将以火电机组发电功率分段区间端点和分段端点处的燃料费用为待优化变量和分段线性拟合误差平方和最小为优化目标的优化模型抽象为数学模型。
15.如权利要求13所述的一种火电机组发电燃料费用的拟合系统，其特征在于，所述计算模块包括确定单元；
所述确定单元用于当比值越接近1时，将信赖域半径对应的优化模型的解作为最优解。
CN201910043671.9A 2019-01-17 2019-01-17 一种火电机组发电燃料费用的拟合方法与系统 Active CN109840367B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910043671.9A CN109840367B (zh) 2019-01-17 2019-01-17 一种火电机组发电燃料费用的拟合方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910043671.9A CN109840367B (zh) 2019-01-17 2019-01-17 一种火电机组发电燃料费用的拟合方法与系统

Publications (2)

Publication Number Publication Date
CN109840367A CN109840367A (zh) 2019-06-04
CN109840367B true CN109840367B (zh) 2023-04-18

Family

ID=66883827

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910043671.9A Active CN109840367B (zh) 2019-01-17 2019-01-17 一种火电机组发电燃料费用的拟合方法与系统

Country Status (1)

Country Link
CN (1) CN109840367B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111523707B (zh) * 2020-04-08 2022-06-07 江苏方天电力技术有限公司 基于分段数据拟合的综合能源系统设备变工况特性建模方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106257502A (zh) * 2016-07-20 2016-12-28 广东工业大学 一种用于含风电场的经济调度的数据处理方法及装置
CN107463604A (zh) * 2017-06-19 2017-12-12 天津科技大学 一种基于重要点的时间序列固定分段算法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9576259B2 (en) * 2013-08-13 2017-02-21 Siemens Industry, Inc. Systems, methods and apparatus for optimizing fuel mix, fuel allocation and scheduling of generator resources

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106257502A (zh) * 2016-07-20 2016-12-28 广东工业大学 一种用于含风电场的经济调度的数据处理方法及装置
CN107463604A (zh) * 2017-06-19 2017-12-12 天津科技大学 一种基于重要点的时间序列固定分段算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
燃料电池复杂非线性静态特性模型简化方法;王成山等;《电力系统自动化》;20110410(第07期);第64-69页 *

Also Published As

Publication number Publication date
CN109840367A (zh) 2019-06-04

Similar Documents

Publication Publication Date Title
CN110851929B (zh) 基于自适应网格的二维叶型优化设计方法及装置
Tanasa et al. Backstepping control under multi-rate sampling
Sauer-Budge et al. Computing bounds for linear functionals of exact weak solutions to Poisson's equation
CN114648181B (zh) 一种基于机器学习的降水预报修正方法及系统
CN109840367B (zh) 一种火电机组发电燃料费用的拟合方法与系统
Liu et al. An improved spatial branch-and-bound algorithm for non-convex optimal electricity-gas flow
Schwerdtner et al. Adaptive sampling for structure-preserving model order reduction of port-Hamiltonian systems
CN117117921A (zh) 考虑负荷不确定性的农村地区储能系统控制方法及系统
Liu et al. Parallel-in-Time power system simulation using a differential transformation based adaptive parareal method
Bobiti et al. A delta-sampling verification theorem for discrete-time, possibly discontinuous systems
Auzinger et al. A numerical continuation method for parameter-dependent boundary value problems using bvpsuite 2.0.
Weiss et al. A posteriori error estimator for obstacle problems
CN115898852A (zh) 一种压缩机仿真控制方法、装置、设备及可读存储介质
CN113359450B (zh) 一种阀门流量特性曲线拟合方法及系统
US7013248B1 (en) Automatic parameter estimation extension for variable speed pumps
Wiegand et al. Robust Design Optimization of a Compressor Rotor Using Recursive Cokriging Based Multi-Fidelity Uncertainty Quantification and Multi-Fidelity Optimization
Volkov Multigrid techniques as applied to gasdynamic simulation on unstructured meshes
Schöll et al. Applying efficient fault tolerance to enable the preconditioned conjugate gradient solver on approximate computing hardware
Sokolov Estimating performance of the robust control system under unknown upper disturbance boundaries and measurement noise
Heemink et al. Data assimilation into a numerical shallow water flow model: a stochastic optimal control approach
Akella et al. Learning performance bounds for safety-critical systems
Zhao et al. Weak Galerkin coupled with conforming finite element method for hybrid-dimensional fracture model
Benoit et al. On the geometric conservation law for the non linear frequency domain and time-spectral methods
WO2021128708A1 (zh) 同期算法实时评估方法、系统及存储介质
Gu et al. Application of pattern search in worst-case flutter solution

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