CN110210756B - 一种计及污染物扩散里程的电力系统经济调度方法 - Google Patents

一种计及污染物扩散里程的电力系统经济调度方法 Download PDF

Info

Publication number
CN110210756B
CN110210756B CN201910466620.7A CN201910466620A CN110210756B CN 110210756 B CN110210756 B CN 110210756B CN 201910466620 A CN201910466620 A CN 201910466620A CN 110210756 B CN110210756 B CN 110210756B
Authority
CN
China
Prior art keywords
pollutant
model
mileage
diffusion
mass
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
CN201910466620.7A
Other languages
English (en)
Other versions
CN110210756A (zh
Inventor
余涛
李卓环
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201910466620.7A priority Critical patent/CN110210756B/zh
Publication of CN110210756A publication Critical patent/CN110210756A/zh
Application granted granted Critical
Publication of CN110210756B publication Critical patent/CN110210756B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种计及污染物扩散里程的电力系统经济调度方法,包括如下步骤:确定待调度电力系统的运行参数和环境参数;确定电力系统中火电厂污染物扩散的基本模型;基于污染物扩散模型建立污染物里程的模型;结合污染物里程模型,搭建涉及环境的经济调度模型;采用多目标优化算法对模型进行求解,得到环境经济调度策略。本发明建立了污染物里程的宏观概念,并由具体指标来衡量污染物扩散给环境带来的影响。

Description

一种计及污染物扩散里程的电力系统经济调度方法
技术领域
本发明涉及电力系统优化运行与控制领域,具体涉及一种计及污染物扩散里程的电力系统经济调度方法。
背景技术
近年来,中国的环境污染问题日益受到大众的关注和重视,由大气污染带来的恶劣影响也得到了广泛的关注。电力工业是大气污染的主要源头之一,据相关调查研究显示,火力发电贡献了中国每年SO2排放量的31%,NOx排放量的30%。
在当前的研究中,学者专注于进行源头控制,但学者多采用排放量限制和污染排放权管理等形式进行“一刀切”式的管理,不仅没有因地制宜具体评估工业排放的大气污染,尤其并没有考虑到污染物的复杂的扩散过程给整个社会带来的影响。
同时,污染物扩散的过程也是极其复杂的,若能通过建立模型,追踪污染物的扩散轨迹,同时宏观评价污染物的扩散影响,这无疑是能有效降低火电厂排放污染物给环境给社会带来的危害的。
发明内容
为了克服现有技术存在的缺点与不足,本发明提供一种计及污染物扩散里程的电力系统经济调度方法。
本发明建立污染物扩散里程的概念,追踪污染物扩散的轨迹,综合评估污染物扩散造成的影响,同时,建立计及污染物里程和发电经济成本的两目标调度模型,最后针对模型采用NSGA-II算法进行求解,确定调度方案,使系统调度方案充分考虑其环境成本和经济成本。
电力系统经济调度是指在满足安全和电能质量的前提下,合理利用能源和设备,以最低的发电成本或燃料费用保证对用户可靠地供电的一种调度方法。
本发明采用如下技术方案:
一种计及污染物扩散里程的电力系统经济调度方法,包括如下步骤:
确定待调度电力系统的运行参数和环境参数;
确定电力系统中火电厂污染物扩散的基本模型;
基于污染物扩散模型建立污染物里程的模型;
结合污染物里程模型,搭建涉及环境的经济调度模型;
采用多目标优化算法对模型进行求解,得到环境经济调度策略。
所述运行参数包括各机组的发电功率上下限,爬坡速率,系统调度日的24h负荷及线路传输功率限制;环境参数包括温度,湿度,气压,风速及大气稳定等级。
所述确定火电厂污染物扩散的基本模型,具体是采用高斯烟团模型作为扩散基本模型,模型如下:
Figure BDA0002079607920000021
其中,τ,t′分别表示污染烟团的排放时刻和监测时刻;σx(τ,t′),σy(τ,t′),σz(τ,t′)分别为污染物烟团在x,y,z三个方向上的扩散参量;xc(τ,t′),yc(τ,t′),zc(τ,t′)为扩散过程中的烟团中心位置坐标;
烟团位置追踪模型为:
Figure BDA0002079607920000022
式中,(xs,ys,zs)为火电厂烟囱口的位置坐标,u(t),v(t),w(t)为在Δt内风速向量分别在三个方向上的分解值通过上式获取每个监测时刻每个烟团的位置,得到监测烟团从排放到消亡整个过程中的扩散轨迹。
所述污染物里程作为评价污染物烟团的环境影响指标,污染物里程定义为污染物烟团扩散过程中经过的距离与烟团质量以及烟团高斯扩散函数的乘积,污染物里程概念建立基础是高斯烟团模型和烟团的位置追踪。
所述污染物里程模型,具体为:
Figure BDA0002079607920000023
式中,Li为第i个烟团的污染物里程;Q(τ)为τ时刻排放的烟团的质量;T为调度的断面数。
所述搭建涉及环境的经济调度模型,调度模型以经济成本和污染物里程总和最低为优化目标,其约束有等式约束和不等式约束,具体为:
Figure BDA0002079607920000031
Figure BDA0002079607920000032
式中,N表示发电机组个数。
所述等式约束包括发电与负荷平衡约束,不等式约束包括机组出力上下限约束,爬坡约束,备用约束及线路潮流约束。
所述采用多目标优化算法对模型进行求解,得到环境经济调度策略中,将优化求解的终止条件设为迭代100次或优化计算时间达到设定的阈值。
本发明的有益效果:
(1)本发明通过追踪污染物扩散的轨迹来估计污染物扩散的影响范围;
(2)本发明建立了污染物里程的宏观概念,并由具体指标来衡量污染物扩散给环境带来的影响;
(3)本发明建立了计及污染物扩散里程的两目标优化调度模型,考虑电力系统的调度问题。
附图说明
图1是本发明的工作流程图;
图2是本发明提出的污染物里程概念示意图。
具体实施方式
下面结合实施例及附图,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
如图1及图2所示,一种计及污染物扩散里程的电力系统经济调度方法,包括:
步骤A1确定电力调度系统的运行参数和环境参数。系统的运行参数主要包括各机组的发电功率上下限,爬坡速率,系统调度日的24h负荷,线路传输功率限制等;环境参数主要包括温度,湿度,气压,风速,大气稳定等级等。
步骤A2确定电力调度系统中火电厂污染物扩散的基本模型。本发明采用经典的高斯烟团模型作为扩散的基础模型,其扩散函数可表示为:
Figure BDA0002079607920000041
式中,τ,t′分别表示污染烟团的排放时刻和监测时刻;σx(τ,t′),σy(τ,t′),σz(τ,t′)与大气条件息息相关,分别为污染物烟团在x,y,z三个方向上的扩散参量;[xc(τ,t′),yc(τ,t′),zc(τ,t′)]为扩散过程中的烟团中心位置,本发明追踪烟团扩散的轨迹,其实质在于追踪烟团中心的位置。烟团中心位置由于大气湍流的影响会不断更替,具体为:
Figure BDA0002079607920000042
式中,(xs,ys,zs)为火电厂烟囱口的位置坐标,u(t),v(t),w(t)为在Δt时间内风速向量分别在三个方向上的分解值。通过上式则可以获取每个监测时刻每个烟团的位置,以此可以监测烟团从排放到消亡整个过程中的扩散轨迹。
步骤A3基于污染物扩散模型建立污染物里程的模型,具体为:
Figure BDA0002079607920000043
式中,Li为第i个烟团的污染物里程;Q(τ)为τ时刻排放的烟团的质量;T为调度的断面数。
由此建立了污染物里程的概念,污染物里程为污染物烟团扩散过程中经过的距离与烟团质量以及烟团高斯扩散函数的乘积。由污染物里程可以评估污染物影响的范围和影响程度。
步骤A4结合污染物里程模型,搭建环境经济调度模型。具体如下:
Figure BDA0002079607920000044
Figure BDA0002079607920000045
式中,N表示发电机组个数。调度模型以经济成本和污染物里程总和最低为优化目标,其约束有等式约束和不等式约束,其中,等式约束主要是发电与负荷平衡约束,不等式约束主要包括机组出力上下限约束,爬坡约束,备用约束,线路潮流约束等。
步骤A5采用多目标优化算法对模型进行求解,得到环境经济调度策略。本发明采用经典的NSGA-II算法作为求解算法,其求解步骤如下:
Step1:搭建调度模型,完成目标函数和约束条件的输入,同时对变量进行初始化,本发明中变量为各火电机组各断面的出力。初始化后,即得到算法的第一代种群;
Step2:对第一代种群进行评价,即计算其经济成本,污染物里程两个目标的值;
Step3:对种群个体进行非支配排序;
Step4:根据排序的结果选择排序靠前的个体作为新的父代,交叉变异得到新的子代;
Step5:对子代进行评价,并判断是否满足算法终止条件,若满足则输出最新子代种群,若不满足,则用新的子代种群替代上一代的种群,并返回Step3。本发明中设置的终止条件为种群迭代次数超过100次或模型计算时间超过设定时间阈值。
Step6:在子代种群中,选取折中个体作为调度模型的折中解,其解中各变量的值即为调度计划中各机组的出力值,由此确定调度计划。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。

Claims (4)

1.一种计及污染物扩散里程的电力系统经济调度方法,其特征在于,包括如下步骤:
确定待调度电力系统的运行参数和环境参数;
确定电力系统中火电厂污染物扩散的基本模型;
基于污染物扩散模型建立污染物里程的模型;
结合污染物里程模型,搭建涉及环境的经济调度模型;
采用多目标优化算法对模型进行求解,得到环境经济调度策略;
所述确定火电厂污染物扩散的基本模型,具体是采用高斯烟团模型作为扩散基本模型,模型如下:
Figure FDA0003781436190000011
其中,τ,t′分别表示污染烟团的排放时刻和监测时刻;σx(τ,t′),σy(τ,t′),σz(τ,t′)分别为污染物烟团在x,y,z三个方向上的扩散参量;xc(τ,t′),yc(τ,t′),zc(τ,t′)为扩散过程中的烟团中心位置坐标;
烟团位置追踪模型为:
Figure FDA0003781436190000012
式中,(xs,ys,zs)为火电厂烟囱口的位置坐标,u(t),v(t),w(t)为在Δt内风速向量分别在三个方向上的分解值通过上式获取每个监测时刻每个烟团的位置,得到监测烟团从排放到消亡整个过程中的扩散轨迹;
污染物里程作为评价污染物烟团的环境影响指标,污染物里程定义为污染物烟团扩散过程中经过的距离与烟团质量以及烟团高斯扩散函数的乘积,污染物里程概念建立基础是高斯烟团模型和烟团的位置追踪;
所述污染物里程模型,具体为:
Figure FDA0003781436190000013
式中,Li为第i个烟团的污染物里程;Q(τ)为τ时刻排放的烟团的质量;T为调度的断面数;
所述搭建涉及环境的经济调度模型,调度模型以经济成本和污染物里程总和最低为优化目标,其约束有等式约束和不等式约束,具体为:
Figure FDA0003781436190000021
Figure FDA0003781436190000022
式中,N表示发电机组个数。
2.根据权利要求1所述的电力系统经济调度方法,其特征在于,所述运行参数包括各机组的发电功率上下限,爬坡速率,系统调度日的24h负荷及线路传输功率限制;环境参数包括温度,湿度,气压,风速及大气稳定等级。
3.根据权利要求1所述的电力系统经济调度方法,其特征在于,所述等式约束包括发电与负荷平衡约束,不等式约束包括机组出力上下限约束,爬坡约束,备用约束及线路潮流约束。
4.根据权利要求1所述的电力系统经济调度方法,其特征在于,所述采用多目标优化算法对模型进行求解,得到环境经济调度策略中,将优化求解的终止条件设为迭代100次或优化计算时间达到设定的阈值。
CN201910466620.7A 2019-05-31 2019-05-31 一种计及污染物扩散里程的电力系统经济调度方法 Active CN110210756B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910466620.7A CN110210756B (zh) 2019-05-31 2019-05-31 一种计及污染物扩散里程的电力系统经济调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910466620.7A CN110210756B (zh) 2019-05-31 2019-05-31 一种计及污染物扩散里程的电力系统经济调度方法

Publications (2)

Publication Number Publication Date
CN110210756A CN110210756A (zh) 2019-09-06
CN110210756B true CN110210756B (zh) 2022-10-25

Family

ID=67789813

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910466620.7A Active CN110210756B (zh) 2019-05-31 2019-05-31 一种计及污染物扩散里程的电力系统经济调度方法

Country Status (1)

Country Link
CN (1) CN110210756B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113159402B (zh) * 2021-04-06 2022-09-13 国家电网公司华中分部 一种计及大气污染的区域环境-电力系统协同优化方法
CN113705890B (zh) * 2021-08-27 2023-06-20 太原理工大学 一种基于近似模型的柴油机排放污染物控制方法
CN115099467A (zh) * 2022-06-01 2022-09-23 中国矿业大学 一种针对大气污染物扩散不确定性的电力系统分布鲁棒调度方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110178833A1 (en) * 2010-01-20 2011-07-21 International Business Machines Corporation Developing an optimal long term electricity generation capacity resource plan under a carbon dioxide regulatory regime
CN104680021A (zh) * 2015-03-11 2015-06-03 广州旭诚信息科技有限公司 求解污染物后向轨迹的方法及其系统
CN104751373B (zh) * 2015-03-23 2018-01-09 国网重庆市电力公司电力科学研究院 计及污染气体排放风险的环境经济调度方法
CN106446401B (zh) * 2016-09-22 2019-05-07 天津大学 一种基于gis的pm2.5可视化动态扩散仿真系统
CN107958424A (zh) * 2016-10-14 2018-04-24 华北电力大学(保定) 一种基于改进引力搜索算法的电力系统经济调度策略
CN106779165B (zh) * 2016-11-21 2020-11-13 山东大学 基于城市空气质量预测技术的电力系统环境调度方法
CN108767849B (zh) * 2018-06-06 2020-11-17 华中科技大学 考虑大气环境质量约束的电力系统运行调度方法
CN109117549B (zh) * 2018-08-08 2023-09-05 浙江航天恒嘉数据科技有限公司 一种污染物扩散预测方法及系统

Also Published As

Publication number Publication date
CN110210756A (zh) 2019-09-06

Similar Documents

Publication Publication Date Title
CN110210756B (zh) 一种计及污染物扩散里程的电力系统经济调度方法
Hu et al. A new clustering approach for scenario reduction in multi-stochastic variable programming
Song et al. Hourly heat load prediction model based on temporal convolutional neural network
CN110531030B (zh) 一种基于物联网大数据大气污染物分析的方法及装置
CN103049798B (zh) 一种应用于光伏发电系统的短期发电功率预测方法
CN111555355B (zh) 水光蓄联合发电的调度策略及其优化方法
CN106779165B (zh) 基于城市空气质量预测技术的电力系统环境调度方法
CN111681130B (zh) 一种考虑条件风险价值的综合能源系统优化调度方法
Kassa et al. A GA-BP hybrid algorithm based ANN model for wind power prediction
CN104037757A (zh) 一种基于头脑风暴的火电厂经济环境调度方法
CN106779361B (zh) 并网混合可再生能源系统的多目标优化设计方法
CN111210079A (zh) 一种分布式能源虚拟电厂运行优化方法及系统
Zhenghua et al. Prediction of air quality index based on improved neural network
CN108038568A (zh) 一种基于粒子群算法的变权组合电力负荷短期预测方法
CN112132379A (zh) 考虑经济性的新能源跨区域消纳评估方法和存储介质
CN111404204A (zh) 一种利用改进狼群算法的含风电场电力系统优化调度方法
CN116316636A (zh) 一种基于麻雀搜索算法的微电网优化调度方法
Chen et al. Research on wind power prediction method based on convolutional neural network and genetic algorithm
CN106208136B (zh) 计及效益和风险的含不确定风电的日前调度方法
CN109146131A (zh) 一种日前风力发电预测方法
CN116187165A (zh) 基于改进粒子群算法的电网弹性提升方法
Zhou et al. Carbon Emissions Scenario Prediction of the Thermal Power Industry in the Beijing-Tianjin-Hebei Region Based on a Back Propagation Neural Network Optimized by an Improved Particle Swarm Optimization Algorithm.
Adhinarayanan et al. Particle swarm optimisation for economic dispatch with cubic fuel cost function
Hatamian et al. Location-aware green energy availability forecasting for multiple time frames in smart buildings: The case of Estonia
CN115438932A (zh) 一种综合能源配电网优化调度及免疫粒子群求解方法

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