CN110135094A - 一种基于收缩空间和声算法的虚拟电厂优化调度方法 - Google Patents
一种基于收缩空间和声算法的虚拟电厂优化调度方法 Download PDFInfo
- Publication number
- CN110135094A CN110135094A CN201910428456.0A CN201910428456A CN110135094A CN 110135094 A CN110135094 A CN 110135094A CN 201910428456 A CN201910428456 A CN 201910428456A CN 110135094 A CN110135094 A CN 110135094A
- Authority
- CN
- China
- Prior art keywords
- harmony
- plant
- virtual plant
- algorithm
- variable
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 13
- 230000008901 benefit Effects 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 57
- 230000005611 electricity Effects 0.000 claims description 36
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 15
- 229910052799 carbon Inorganic materials 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 description 9
- 238000010248 power generation Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005286 illumination Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000005338 heat storage Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005619 thermoelectricity Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000010415 tropism Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于收缩空间和声算法的虚拟电厂优化调度方法,步骤包括:S1.构建以光热电站、火电厂和清洁能源电厂聚合的虚拟电厂,以所述虚拟电厂净收益最大化确定所述虚拟电厂的调度优化目标函数和约束条件;S2.以所述调度优化目标函数作为收缩空间和声算法的评价函数,以所述约束条件作为收缩空间和声算法的和声变量约束区间;S3.根据所述评价函数和所述和声变量约束区间,利用收缩空间和声算法,获取所述评价函数的最大值以及使所述评价函数取最大值的和声变量。本发明具有实现方法简单、应用灵活等优点,可以有效提高电力调度方案的求解效率,能够获得更合理、经济效益更好的电力调度方案。
Description
技术领域
本发明涉及发电厂控制技术领域,尤其涉及一种基于收缩空间和声算法的虚拟电厂优化调度方法。
背景技术
迅速发展的光伏、风力发电技术在一定程度上缓解了能源危机,但因其强波动性和强间歇性的特点,光伏、风电难以像火电一样被直接调度。虚拟电厂可将风电机组、光伏发电机组、火电机组、可控负荷等各种分布式资源在电气特性方面聚合,利用先进的信息技术和多层次控制手段,协调优化内部各单元运行,以打捆外送的方式向电网申报出力,因此能够有效平抑光伏、风电并网带来的波动,实现对光伏发电和风电资源的直接调度。但是虚拟电厂在日前申报出力的过程中,因其内部随机单元出力的不确定性,造成虚拟电厂实际出力偏离日前申报值。火电机组配合调节能力较弱且频繁调整成本大的特点,很大程度地限制了虚拟电厂实时调节的能力,使得实际出力难以跟踪日前申报计划,如何有效地降低实时出力与日前申报的偏差是目前有待解决的问题。
增加储电装置能够有效的降低虚拟电厂实时出力与日前申报电量的偏差,但是储电设备投资高昂且安装后利用率较低,不利于虚拟电厂的经济运行。随着光热发电技术的逐步成熟及成本降低,光热电站正呈现良好的发展势头。因此,光热电站的出力灵活可控、可调度性强的特性,可被利用于解决虚拟电厂实际出力偏离其申报值的难题。
为了获得最佳的调度方案,近年来,和声算法因其全局搜索能力强的特点而被广泛应用到电力系统优化问题研究中,但同时也存在搜索方向性差、寻优后期收敛速度慢、容易陷入局部最优的问题,其求解效率和求解精度已经无法满足现代电力系统调度的需求。因此,有必要进一步对电力系统的优化问题的求解方法进一步研究,提高其求解效率和求解精度,以得到更合理、经济效益更好的电力调度方案。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种能够有效提高电力调度方案的求解效率,有助于获得更合理、经济效益更好的电力调度方案,且实现方法简单、应用灵活的基于收缩空间和声算法的虚拟电厂优化调度方法。
为解决上述技术问题,本发明提出的技术方案为:
一种基于收缩空间和声算法的虚拟电厂优化调度方法,步骤包括:
S1.构建以光热电站、火电厂和清洁能源电厂聚合的虚拟电厂,以所述虚拟电厂净收益最大化确定所述虚拟电厂的调度优化目标函数和约束条件;
S2.以所述调度优化目标函数作为收缩空间和声算法的评价函数,以所述约束条件作为收缩空间和声算法的和声变量约束区间;
S3.根据所述评价函数和所述和声变量约束区间,利用收缩空间和声算法,获取所述评价函数的最大值以及使所述评价函数取最大值的和声变量。
作为本发明的进一步改进,所述步骤S1中将光热电站、火电厂和清洁能源电厂聚合为虚拟电厂,具体根据售电收益、火电厂的运行成本、碳排放惩罚成本和光热电站的运行成本等因素构建虚拟电厂优化调度模型,并以所述虚拟电厂净收益最大化确定所述虚拟电厂优化调度模型的目标函数和约束条件。
作为本发明的进一步改进,所述虚拟电厂优化调度模型的目标函数具体按下式计算得到:
其中,fda为虚拟电厂调度方案下的净收益;fe、fgen、fcsp分别为售电收益、火电厂的运行成本、碳排放惩罚成本和光热电站的运行成本,且满足
其中,ke,t为售电电价;Pg,t、PCSP,t、Pw,t分别为火电厂的输出功率、光热电站的输出功率和清洁能源电厂的输出功率;a、b、c为耗能函数拟合为二次函数后的火电厂单位耗能系数;e、分别为火电厂的碳排放强度系数和碳排放惩罚系数;分别为火电厂和光热电站的单位产能运行维护成本系数。
作为本发明的进一步改进,所述虚拟电厂优化调度模型的约束条件用于表征电网调度中心对虚拟电厂输出功率的限制,具体按下式计算得到:
Pgrid,t=Pg,t+Pw,t+Pcsp,t
其中,Pgrid,t为虚拟电厂的输出总功率限值;Pg,t、PCSP,t、Pw,t分别为火电厂的输出功率、光热电站的输出功率和清洁能源电厂的输出功率。
作为本发明的进一步改进,所述步骤S2中以所述虚拟电厂优化调度模型的目标函数作为收缩空间和声算法的评价函数,构建收缩空间和声算法模型;以所述虚拟电厂优化调度模型的约束条件作为和声变量约束区间,根据所述和声变量约束区间随机生成N组虚拟电厂调度方案作为收缩空间和声算法模型的初代和声变量。
作为本发明的进一步改进,所述步骤S3中利用收缩空间和声算法,计算得到所述评价函数的最大值以及使所述评价函数取最大值的和声变量,具体计算步骤为:
S31.设置收缩空间和声算法的计算参数,根据所述和声变量约束区间随机生成N个初代和声变量,构成和声记忆库;
S32.利用所述收缩空间和声算法的评价函数计算和声记忆库中各个和声变量的评价值,筛选出和声记忆库中的最小评价值flow以及最小评价值对应的和声变量xlow;
S33.产生随机数r,按照修正公式更新和声记忆库取值概率,修正公式可表示为:
其中,r为服从0~1均匀分布的独立随机数;HMCRmax、HMCRmin、HMCRk分别为和声记忆库取值概率的最大值、最小值和第k次迭代下的取值;kmax为最大迭代次数;fi k为第i个和声变量在第k次迭代时的评价值。
S34.判断随机数r是否小于和声记忆库取值概率;若满足,则按照欧氏距离公式筛选将要进行局部扰动的和声变量xg,然后利用局部扰动公式生成新的和声变量xnew;若不满足,则根据所述和声变量约束区间随机生成一个新的和声变量xnew。
所述欧氏距离公式可表示为:
式中,i=1,2,…,N(N为和声记忆库的大小);j=1,2,…,M(M为变量的维数);d(xi)为和声记忆库中第i个和声变量与其他和声变量的欧式距离之和;xg为和声记忆库中被选取的欧式距离之和最小的和声变量。
所述局部扰动公式可表示为:
式中,PAR、LBW分别为局部调谐概率与和声搜索的调整步长。
S35.利用所述收缩空间和声算法的评价函数计算新产生的和声变量xnew的评价值,判断其评价值是否大于和声记忆库中的最小评价值flow;若满足,则更新和声记忆库,即将新产生的和声变量xnew替代和声记忆库中最小评价值对应的和声变量xlow;若不满足,则执行步骤S36;
S36.判断修正次数k是否达到最大迭代次数kmax,若不满足,则返回步骤S32;若满足,则执行步骤S37。
作为本发明的进一步改进,所述步骤S3中利用收缩空间和声算法计算得到的使所述评价函数取最大值的和声变量就是虚拟电厂优化调度模型的最优电力调度方案;计算得到的所述评价函数的最大值就是虚拟电厂优化调度模型的目标函数最大值,即虚拟电厂在所述最优电力调度方案下的最优净收益。
作为本发明的进一步改进,所述虚拟电厂优化调度模型的最优电力调度方案指的是虚拟电厂内部各个单元的出力状况,即光热电站的输出电功率、火电厂的输出电功率和清洁能源电厂的输出电功率。
作为本发明的进一步改进,所述清洁能源电厂指的是风电场、光伏电站等新型清洁能源电厂中的一种或者多种。
与现有技术相比,本发明的优点在于:
1)本发明提供的收缩空间和声算法采用欧式距离的方法减小搜索空间,选取和声记忆库中欧式距离之和最小的和声分量进行局部扰动,得到新的和声变量,相较于从和声库中随机选取,有利于加强算法搜索的方向性,使得在解决电力系统优化调度问题时,能够更快速获得电力调度方案。
2)本发明提供的收缩空间和声算法对和声记忆库取值概率采用按迭代次数指数衰减的改进策略,通过比较相邻两次迭代的和声变量对应的评价值来进行调整,有利于在算法搜索后期增加和声变量的多样性,可以有效改善算法搜索后期易于陷入局部最优的缺陷,使得在解决电力系统优化调度问题时,能够获得更加合理、经济效益更好的电力调度方案。
3)本发明将光热电站、火电厂和清洁能源电厂聚合成虚拟电厂,利用收缩空间和声算法计算得到虚拟电厂的优化调度方案,即光热电站的输出功率、火电厂的输出功率和清洁能源电厂的输出功率,按照优化调度方案协调控制虚拟电厂内部各个设备,能够增强虚拟电厂调度的灵活性,使得虚拟电厂能够获得更好的经济效益。
4)本发明通过收缩空间和声算法能够快速的计算得到虚拟电厂优化调度方案,求解效果好、速度快,不但能够提供虚拟电厂内部各个设备的控制方案,还能够提供该调度方案下虚拟电厂的净收益,能够为虚拟电厂的运行提供良好的决策支持。
附图说明
图1是本发明实施例基于收缩空间和声算法的虚拟电厂优化调度方法的实现流程示意图。
图2是本发明实施例虚拟电厂的优化调度原理示意图。。
图3是本发明实施例基于收缩空间和声算法的模型求解过程示意图。
图4是本发明具体实施例中风电出力和光照强度曲线示意图。
图5是本发明具体实施例中虚拟电厂的售电电价曲线示意图。
图6是本发明具体实施例中两种算法的虚拟电厂运行净收益收敛曲线对比示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述,但并不因此而限制本发明的保护范围。
如图1所示,本发明实施例基于收缩空间和声算法的虚拟电厂优化调度方法,步骤包括:
S1.构建以光热电站、火电厂和清洁能源电厂聚合的虚拟电厂,以所述虚拟电厂净收益最大化确定所述虚拟电厂的调度优化目标函数和约束条件;
S2.以所述调度优化目标函数作为收缩空间和声算法的评价函数,以所述约束条件作为收缩空间和声算法的和声变量约束区间;
S3.根据所述评价函数和所述和声变量约束区间,利用收缩空间和声算法,获取所述评价函数的最大值以及使所述评价函数取最大值的和声变量。
如图2所示,考虑到含储热装置的光热电站出力灵活可控、可调度性强的特点,在独自申报出力过程中能够解决自身实际出力偏离申报值的问题。将光热电站作为可调度资源,聚合到风-火虚拟电厂中一同参与电力市场竞价,相较于光热电站和风-火虚拟电厂各自申报,含光热电站的光-风-火虚拟电厂能够充分挖掘光热电站的调节潜力,通过其内部协同优化,降低虚拟电厂的申报偏差电量和火电机组的运行成本,增加虚拟电厂收益,可以更好地解决因日前预测误差造成虚拟电厂实际出力偏离其申报值的问题。本实施例的虚拟电厂的优化调度原理如图2所示。
本实施例中,步骤S1将光热电站、火电厂和清洁能源电厂聚合为虚拟电厂,具体根据售电收益、火电厂的运行成本、碳排放惩罚成本和光热电站的运行成本等因素构建虚拟电厂优化调度模型,并以所述虚拟电厂净收益最大化确定所述虚拟电厂优化调度模型的目标函数和约束条件。
本具体实施例中,光热电站的运行流程包括集热环节、储热环节和发电环节。在集热环节中,集热塔将太阳能镜场反射的光能收集转化为热能,光热电站在集热环节中吸收的热功率可表示为:
在式(1)中,Dt为光热电站在t时刻吸收的热功率和光照强度;ηp-h、Sp分别为光热转换效率和太阳能镜场面积。
在储热环节中,光热电站收集的热能可以通过热力循环装置中的热力流体储存到储热装置中,也可以直接供应给发电系统发电,同时发电系统用于发电的热能也可以来自储热系统;由于受储热装置容量和运行经济性的限制,收集的热能也可能被舍弃,则光热电站热功率守恒约束可表示为:
在式(2)中,为发电系统在t时刻消耗的热能;为光热电站在t时刻舍弃的热能;为储热装置在t时刻的吸、放热功率;为热能损失系数;为储热装置的放热效率。
储热装置的运行特性可用吸放热能力、热传输效率以及容量等指标来刻画,其数学模型可表示为:
在式(3)中,分别为储热装置在t和t-1时刻的储热量;分别为热损失率、吸热效率。
在发电环节中,光热电站将收集的热能和储存的热能用于发电,其发电功率可表示为:
在式(4)中,Pcsp,t、ηh-e为光热电站的发电功率和热电转换效率。
本具体实施例中,所构建的虚拟电厂优化调度模型的目标函数以虚拟电厂净收益最大化为目标,可以表示为:
在式(5)中,fda为日前优化调度策略的预计净收益;fe、fgen、fcsp分别为售电收益、火电厂的运行成本、碳排放惩罚成本和光热电站的运行成本。
在式(6)中,ke,t为售电电价;Pg,t、Pw,t分别为火电机组的日前计划出力和风电的日前预测出力;a、b、c为耗能函数拟合为二次函数后的火电机组单位耗能系数;e、分别为火电机组的碳排放强度系数和碳排放惩罚系数;分别为火电机组和光热电站的单位产能运行维护成本系数。
本具体实施例中,所构建的虚拟电厂优化调度模型的约束条件用于表征电网调度中心对虚拟电厂输出功率的限制,可以表示为:
Pgrid,t=Pg,t+Pw,t+Pcsp,t (7)
在式(7)中,Pgrid,t为虚拟电厂的日前申报出力;Pg,t、PCSP,t、Pw,t分别为火电厂的输出功率、光热电站的输出功率和清洁能源电厂的输出功率。
本具体实施例中,步骤S2中以所述虚拟电厂优化调度模型的目标函数作为收缩空间和声算法的评价函数,构建收缩空间和声算法模型;以所述虚拟电厂优化调度模型的约束条件作为和声变量约束区间,根据所述和声变量约束区间随机生成100组虚拟电厂调度方案作为收缩空间和声算法模型的初代和声变量。
本具体实施例中,步骤S3中利用收缩空间和声算法,计算得到所述评价函数的最大值以及使所述评价函数取最大值的和声变量,基于收缩空间和声算法的模型求解过程如图3所示,具体计算步骤为:
S31.设置收缩空间和声算法的计算参数,根据所述和声变量约束区间随机生成100个初代和声变量,构成和声记忆库;
S32.利用所述收缩空间和声算法的评价函数计算和声记忆库中各个和声变量的评价值,筛选出和声记忆库中的最小评价值flow以及最小评价值对应的和声变量xlow;
S33.产生随机数r,按照修正公式更新和声记忆库取值概率,修正公式可表示为:
在式(8)中,r为服从0~1均匀分布的独立随机数;HMCRmax、HMCRmin、HMCRk分别为和声记忆库取值概率的最大值、最小值和第k次迭代下的取值;fi k为第i个和声变量在第k次迭代时的评价值;kmax为最大迭代次数,优选取值为200。
S34.判断随机数r是否小于和声记忆库取值概率;若满足,则按照欧氏距离公式筛选将要进行局部扰动的和声变量xg,然后利用局部扰动公式生成新的和声变量xnew;若不满足,则根据所述和声变量约束区间随机生成一个新的和声变量xnew。
所述欧氏距离公式可表示为:
在式(9)中,i=1,2,…,N(N为和声记忆库的大小);j=1,2,…,M(M为变量的维数);d(xi)为和声记忆库中第i个和声变量与其他和声变量的欧式距离之和;xg为和声记忆库中被选取的欧式距离之和最小的和声变量。其中,N的优选取值为100,M的优选取值为144。
所述局部扰动公式可表示为:
在式(10)中,PAR、LBW分别为局部调谐概率与和声搜索的调整步长,分别优选取值为0.8和50。
S35.利用所述收缩空间和声算法的评价函数计算新产生的和声变量xnew的评价值,判断其评价值是否大于和声记忆库中的最小评价值flow;若满足,则更新和声记忆库,即将新产生的和声变量xnew替代和声记忆库中最小评价值对应的和声变量xlow;若不满足,则执行步骤S36;
S36.判断修正次数k是否达到最大迭代次数kmax,若不满足,则返回步骤S32;若满足,则执行步骤S37。
S37.输出评价函数的最大值以及使评价函数取最大值的和声变量。
本具体实施例中,利用收缩空间和声算法计算得到的使评价函数取最大值的和声变量就是虚拟电厂优化调度模型的最优电力调度方案;计算得到的评价函数的最大值就是虚拟电厂优化调度模型的目标函数最大值,即虚拟电厂在最优电力调度方案下的最优净收益。
本具体实施例中,虚拟电厂优化调度模型的最优电力调度方案指的是虚拟电厂内部各个单元的出力状况,即光热电站的输出电功率、火电厂的输出电功率和清洁能源电厂的输出电功率。
本具体实施例中,以中国西北某地区为例,选取装机容量为900MW的火电厂、400MW的风电场、100MW的光热电站为研究对象。实施例中碳排放惩罚系数单位产能碳排放系数e=0.76;光热电站的满负荷小时数λ=6;风电出力和光照强度如图4所示,售电电价如图5所示。
为了说明本实施例中虚拟电厂联合申报出力方式的优势,设置了两种模式进行对比分析,分别为:
1)独立申报模式:光热电站与风-火虚拟电厂单独申报出力;
2)联合申报模式:将光热电站、风电场、火电厂聚合为风-光-火虚拟电厂联合申报出力。
在优化调度过程中,虚拟电厂上层调度中心综合考虑风电、光照预测数据及日前市场电价、燃料成本、设备运维成本、碳排放成本等各种信息,向电网调度中心申报各时刻的最优出力。火电机组出力、风电预测出力和光热电站出力不受申报模式的影响。火电机组考虑日前电价和燃料成本来安排出力,在两个电价峰值阶段机组均处于满发状态;在无光照时段,光热电站受其储热容量的限制和低电价的影响,按照较低的功率运行,而在白天由于光照充足和电价逐渐升高,大部分时刻按照满额功率出力;风电不受电价的影响,全部申报并网。
为了说明收缩空间和声算法在处理本实施例所提模型的有效性,与传统的和声算法的收敛曲线对比结果如图6所示。从图中收敛曲线可以看出,2种算法在经过200次迭代后都能有效的求解出模型;传统的和声算法大约在60多次的迭代后开始收敛,而收缩空间和声算法虽然经过大约90次的迭代后开始收敛,但是其收敛曲线出现了阶段性的平稳后又上升的现象,表明随着迭代的进行不断寻得更优解,体现了改进算法提高跳出局部最优解的能力,且求得结果优于传统的和声算法,由此验证了改进算法的有效性。
通过上述实验可以确定,本实施例利用收缩空间和声算法能够有效的求解虚拟电厂优化调度模型,所得虚拟电厂优化调度能够综合利用光热电站、风电场和火电厂的可调度资源,在满足虚拟电厂稳定运行的情况下,能够增强虚拟电厂调度的灵活性,提高能源利用效率,使得虚拟电厂能够获得更佳的经济效益。
上述只是本发明的较佳实施例,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。因此,凡是未脱离本发明技术方案的内容,依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应落在本发明技术方案保护的范围内。
Claims (8)
1.一种基于收缩空间和声算法的虚拟电厂优化调度方法,其特征在于,步骤包括:
S1.构建以光热电站、火电厂和清洁能源电厂聚合的虚拟电厂,以所述虚拟电厂净收益最大化确定所述虚拟电厂的调度优化目标函数和约束条件;
S2.以所述调度优化目标函数作为收缩空间和声算法的评价函数,以所述约束条件作为收缩空间和声算法的和声变量约束区间;
S3.根据所述评价函数和所述和声变量约束区间,利用收缩空间和声算法,获取所述评价函数的最大值以及使所述评价函数取最大值的和声变量。
2.根据权利要求1所述的基于收缩空间和声算法的虚拟电厂优化调度方法,其特征在于,所述步骤S1中将光热电站、火电厂和清洁能源电厂聚合为虚拟电厂,具体根据售电收益、火电厂的运行成本、碳排放惩罚成本和光热电站的运行成本等因素构建虚拟电厂优化调度模型,并以所述虚拟电厂净收益最大化确定所述虚拟电厂优化调度模型的目标函数和约束条件。
3.根据权利要求2中所述的基于收缩空间和声算法的虚拟电厂优化调度方法,其特征在于,所述虚拟电厂优化调度模型的目标函数具体按下式计算得到:
其中,fda为虚拟电厂调度方案下的净收益;fe、fgen、fcsp分别为售电收益、火电厂的运行成本、碳排放惩罚成本和光热电站的运行成本,且满足
其中,ke,t为售电电价;Pg,t、PCSP,t、Pw,t分别为火电厂的输出功率、光热电站的输出功率和清洁能源电厂的输出功率;a、b、c为耗能函数拟合为二次函数后的火电厂单位耗能系数;e、分别为火电厂的碳排放强度系数和碳排放惩罚系数;分别为火电厂和光热电站的单位产能运行维护成本系数。
4.根据权利要求1~3中任意一项所述的基于收缩空间和声算法的虚拟电厂优化调度方法,其特征在于:所述虚拟电厂优化调度模型的约束条件用于表征电网调度中心对虚拟电厂输出功率的限制,具体按下式计算得到:
Pgrid,t=Pg,t+Pw,t+Pcsp,t
其中,Pgrid,t为虚拟电厂的输出总功率限值;Pg,t、PCSP,t、Pw,t分别为火电厂的输出功率、光热电站的输出功率和清洁能源电厂的输出功率。
5.根据权利要求4中所述的基于收缩空间和声算法的虚拟电厂优化调度方法,其特征在于,所述步骤S2中以所述虚拟电厂优化调度模型的目标函数作为收缩空间和声算法的评价函数,构建收缩空间和声算法模型;以所述虚拟电厂优化调度模型的约束条件作为和声变量约束区间,根据所述和声变量约束区间随机生成N组虚拟电厂调度方案作为收缩空间和声算法模型的初代和声变量。
6.根据权利要求5中所述的基于收缩空间和声算法的虚拟电厂优化调度方法,其特征在于,所述步骤S3中利用收缩空间和声算法,计算得到所述评价函数的最大值以及使所述评价函数取最大值的和声变量,具体计算步骤为:
S31.设置收缩空间和声算法的计算参数,根据所述和声变量约束区间随机生成N个初代和声变量,构成和声记忆库;
S32.利用所述收缩空间和声算法的评价函数计算和声记忆库中各个和声变量的评价值,筛选出和声记忆库中的最小评价值flow以及最小评价值对应的和声变量xlow;
S33.产生随机数r,按照修正公式更新和声记忆库取值概率,修正公式可表示为:
其中,r为服从0~1均匀分布的独立随机数;HMCRmax、HMCRmin、HMCRk分别为和声记忆库取值概率的最大值、最小值和第k次迭代下的取值;kmax为最大迭代次数;fi k为第i个和声变量在第k次迭代时的评价值。
S34.判断随机数r是否小于和声记忆库取值概率;若满足,则按照欧氏距离公式筛选将要进行局部扰动的和声变量xg,然后利用局部扰动公式生成新的和声变量xnew;若不满足,则根据所述和声变量约束区间随机生成一个新的和声变量xnew。
所述欧氏距离公式可表示为:
式中,i=1,2,…,N(N为和声记忆库的大小);j=1,2,…,M(M为变量的维数);d(xi)为和声记忆库中第i个和声变量与其他和声变量的欧式距离之和;xg为和声记忆库中被选取的欧式距离之和最小的和声变量。
所述局部扰动公式可表示为:
式中,PAR、LBW分别为局部调谐概率与和声搜索的调整步长。
S35.利用所述收缩空间和声算法的评价函数计算新产生的和声变量xnew的评价值,判断其评价值是否大于和声记忆库中的最小评价值flow;若满足,则更新和声记忆库,即将新产生的和声变量xnew替代和声记忆库中最小评价值对应的和声变量xlow;若不满足,则执行步骤S36;
S36.判断修正次数k是否达到最大迭代次数kmax,若不满足,则返回步骤S32;若满足,则执行步骤S37。
S37.输出所述评价函数的最大值以及使所述评价函数取最大值的和声变量。
7.根据权利要求6中所述的基于收缩空间和声算法的虚拟电厂优化调度方法,其特征在于,所述步骤S3中利用收缩空间和声算法计算得到的使所述评价函数取最大值的和声变量就是虚拟电厂优化调度模型的最优电力调度方案;计算得到的所述评价函数的最大值就是虚拟电厂优化调度模型的目标函数最大值,即虚拟电厂在所述最优电力调度方案下的最优净收益。
8.根据权利要求7中所述的基于收缩空间和声算法的虚拟电厂优化调度方法,其特征在于,所述虚拟电厂优化调度模型的最优电力调度方案指的是虚拟电厂内部各个单元的出力状况,即光热电站的输出电功率、火电厂的输出电功率和清洁能源电厂的输出电功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910428456.0A CN110135094B (zh) | 2019-05-22 | 2019-05-22 | 一种基于收缩空间和声算法的虚拟电厂优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910428456.0A CN110135094B (zh) | 2019-05-22 | 2019-05-22 | 一种基于收缩空间和声算法的虚拟电厂优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110135094A true CN110135094A (zh) | 2019-08-16 |
CN110135094B CN110135094B (zh) | 2023-05-23 |
Family
ID=67572318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910428456.0A Active CN110135094B (zh) | 2019-05-22 | 2019-05-22 | 一种基于收缩空间和声算法的虚拟电厂优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110135094B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111443989A (zh) * | 2020-03-23 | 2020-07-24 | 武汉轻工大学 | 基于和声搜索的虚拟机放置方法、装置、设备及存储介质 |
CN113676954A (zh) * | 2021-07-12 | 2021-11-19 | 中山大学 | 大规模用户任务卸载方法、装置、计算机设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107482688A (zh) * | 2017-07-26 | 2017-12-15 | 长沙理工大学 | 一种碳捕集虚拟电厂调度优化方法 |
CN107947170A (zh) * | 2017-12-11 | 2018-04-20 | 国家电网公司 | 一种计及风电与电价区间响应不确定性的配电网运行优化方法 |
CN108037667A (zh) * | 2017-12-15 | 2018-05-15 | 江苏欣云昌电气科技有限公司 | 基于虚拟电厂的基站电能优化调度方法 |
CN108062606A (zh) * | 2018-01-11 | 2018-05-22 | 河海大学 | 一种基于黎曼积分的虚拟电厂调度优化方法 |
CN108388973A (zh) * | 2018-01-11 | 2018-08-10 | 河海大学 | 一种虚拟电厂自适应鲁棒调度优化方法 |
CN108960510A (zh) * | 2018-07-04 | 2018-12-07 | 四川大学 | 一种基于两阶段随机规划的虚拟电厂优化交易策略模型 |
CN109033520A (zh) * | 2018-06-25 | 2018-12-18 | 北京交通大学 | 一种基于随机增强和声算法的系统多目标优化方法 |
CN109347151A (zh) * | 2018-11-30 | 2019-02-15 | 国家电网公司西南分部 | 一种新能源参与调峰的送端电网电源结构优化方法 |
-
2019
- 2019-05-22 CN CN201910428456.0A patent/CN110135094B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107482688A (zh) * | 2017-07-26 | 2017-12-15 | 长沙理工大学 | 一种碳捕集虚拟电厂调度优化方法 |
CN107947170A (zh) * | 2017-12-11 | 2018-04-20 | 国家电网公司 | 一种计及风电与电价区间响应不确定性的配电网运行优化方法 |
CN108037667A (zh) * | 2017-12-15 | 2018-05-15 | 江苏欣云昌电气科技有限公司 | 基于虚拟电厂的基站电能优化调度方法 |
CN108062606A (zh) * | 2018-01-11 | 2018-05-22 | 河海大学 | 一种基于黎曼积分的虚拟电厂调度优化方法 |
CN108388973A (zh) * | 2018-01-11 | 2018-08-10 | 河海大学 | 一种虚拟电厂自适应鲁棒调度优化方法 |
CN109033520A (zh) * | 2018-06-25 | 2018-12-18 | 北京交通大学 | 一种基于随机增强和声算法的系统多目标优化方法 |
CN108960510A (zh) * | 2018-07-04 | 2018-12-07 | 四川大学 | 一种基于两阶段随机规划的虚拟电厂优化交易策略模型 |
CN109347151A (zh) * | 2018-11-30 | 2019-02-15 | 国家电网公司西南分部 | 一种新能源参与调峰的送端电网电源结构优化方法 |
Non-Patent Citations (3)
Title |
---|
XIAOHONG HAO: "Multi-index Economical Peak Load Regulation Model Based on Improved Particle Swarm Optimization" * |
周任军: "考虑双重市场的含风电电力系统双层随机优化调度" * |
王冠;李鹏;焦扬;何楠;张玮;谭忠富;: "计及风光不确定性的虚拟电厂多目标随机调度优化模型" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111443989A (zh) * | 2020-03-23 | 2020-07-24 | 武汉轻工大学 | 基于和声搜索的虚拟机放置方法、装置、设备及存储介质 |
CN111443989B (zh) * | 2020-03-23 | 2023-06-23 | 武汉轻工大学 | 基于和声搜索的虚拟机放置方法、装置、设备及存储介质 |
CN113676954A (zh) * | 2021-07-12 | 2021-11-19 | 中山大学 | 大规模用户任务卸载方法、装置、计算机设备和存储介质 |
CN113676954B (zh) * | 2021-07-12 | 2023-07-18 | 中山大学 | 大规模用户任务卸载方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110135094B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105048516B (zh) | 一种风光水火多源互补优化调度方法 | |
CN113344736B (zh) | 一种园区级综合能源系统及其控制方法 | |
CN106022503A (zh) | 面向具有耦合型电冷热需求的微电网容量规划方法 | |
CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
CN107958300A (zh) | 一种考虑互动响应的多微网互联运行协调调度优化方法 | |
CN109634119B (zh) | 一种基于日内滚动优化的能源互联网优化控制方法 | |
CN108039736A (zh) | 一种提高风电接纳能力的大容量储热储电协调调度方法 | |
CN107482638A (zh) | 冷热电联供型微电网多目标动态优化调度方法 | |
CN108009693A (zh) | 基于两级需求响应的并网微电网双层优化方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN108206543A (zh) | 一种基于能源梯级利用的能源路由器及其运行优化方法 | |
CN112508391B (zh) | 一种产业园区群与地区电网相协同的综合能源系统规划方法 | |
CN109861302B (zh) | 一种基于主从博弈的能源互联网日前优化控制方法 | |
CN105225022A (zh) | 一种热电联产型微电网的经济性优化运行方法 | |
CN109523065A (zh) | 一种基于改进量子粒子群算法的微能源网优化调度方法 | |
CN108233430A (zh) | 一种计及系统能源波动性的交直流混合微网优化方法 | |
CN109412158A (zh) | 一种考虑弃能成本约束的送端电网机组组合运行控制方法 | |
CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
CN110796373A (zh) | 面向风电消纳的多阶段场景生成电热系统优化调度方法 | |
CN109993345A (zh) | 一种面向园区的孤岛运行多能互补系统动态经济调度方法 | |
CN111682531B (zh) | 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置 | |
CN110135094A (zh) | 一种基于收缩空间和声算法的虚拟电厂优化调度方法 | |
CN111160636A (zh) | 一种cchp型微电网调度优化方法 | |
CN110992206B (zh) | 一种多源电场的优化调度方法及系统 | |
CN108494014A (zh) | 一种混合能源热电联产经济性优化管理方法 |
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 |