CN110266058A - 一种基于区间优化的机组组合模型的建模及求解方法 - Google Patents

Abstract

本发明提供了一种基于区间优化的机组组合模型的建模及求解方法，包括：S1、给定风功率的波动区间，构建区间优化的机组组合模型；S2、针对区间优化的机组组合模型采用隔代映射遗传算法进行模型求解，获得最优开停机计划与负荷分配。本发明无需提前假设风功率的分布，在给定风功率的波动区间即可得到机组组合的最优成本区间，通过区间数理论及隔代映射遗传算法进行区间机组组合的求解，与传统的用概率分布进行不确定性处理的方法相比，该方法处理不确定性时较为简单，且有计算结果的鲁棒性较好，也可为电力调度等提供更优质的服务，使风电更好的精确预测以及有效控制，对促进电力系统安全、可靠及经济运行水平的提高具有非常重要的意义。

Description

一种基于区间优化的机组组合模型的建模及求解方法

技术领域

本发明涉及机组优化调度领域，特别是一种基于区间优化的机组组合模型的建模及求解方法。

背景技术

随着能源供给的日益短缺和生态环境的不断恶化，最大限度的合理利用风、光等可再生能源成为解决能源环境问题最富有成效的措施之一。风电出力不可避免的随机波动性，使风电难以精确预测及有效控制，从而导致大规模风电并网情形下的运行调度面临巨大压力。特别的，含大规模风电下的电力系统日前机组优化调度是当前迫切需要解决的重点与难点问题之一。

随着风电渗透率的增大，传统的机组组合模型已经很难用于求解考虑风电波动性的机组优化调度问题，有必要在现有的优化调度模型的基础上采取改进措施，尽管风电场功率预测困难的现状已经被国内外专家学者进行广泛而深入的研究，一定的优化算法和优化模型也被总结出来，但都存在着一定的不足之处，所以考虑风电波动性的机组优化调度问题需要更深一步的去研究。

发明内容

本发明的目的是提供一种基于区间优化的机组组合模型的建模及求解方法，旨在解决现有技术中由于风电的随机波动性使风电难以精确预测的问题，实现给定风功率的波动区间即可得到机组组合的最优成本区间，使风电更好的精确预测以及有效控制，促进电力系统安全。

为达到上述技术目的，本发明提供了一种基于区间优化的机组组合模型的建模及求解方法，所述方法包括以下步骤：

S1、给定风功率的波动区间，构建区间优化的机组组合模型；

S2、针对区间优化的机组组合模型采用隔代映射遗传算法进行模型求解，获得最优开停机计划与负荷分配。

优选地，所述步骤S1具体包括：

S101、构建目标函数，所述目标函数为系统运行的总成本最小；

S102、针对目标函数，构建约束条件。

优选地，所述系统运行的总成本包括启停成本以及运行成本，其表达式如下：

式中，z_g,t为机组启动标志变量，S_g为机组的启动成本，F_g(p_g,t,u_gt)为燃料成本函数，p_g,t、u_g,t分别为机组i在t时刻的出力及机组开停机状态。

优选地，所述约束条件包括系统的功率平衡约束、线路传输容量极限约束、最小开停机约束、备用容量约束、机组爬坡约束以及发电机出力上下限约束。

优选地，所述功率平衡约束为：

分别为风功率区间的下限与上限，p_d,t为负荷预测功率；

所述线路传输容量极限约束为：

G_l-g、G_l-d和G_l-w分别为节点g、l和w到线路l的发电转移因子，为线路l的最大极限传输容量；

所述最小开停机约束为：

分别为机组的允许的最小开、停机时间；

所述备用容量约束为：

所述机组爬坡约束为：

所述发电机出力上下限约束为：

优选地，所述步骤S2具体包括以下步骤：

S201、确定常开机组，设定各机组的启停优先权；

S202、读取原始数据，综合机组优先权与负荷优先权初始化各子种群；

S203、对约束条件进行检验，求得各个体适应度值；

S204、根据适应度值选择再生个体，适应度高的个体被选中的概率高；

S205、通过交叉、变异生成新的个体；

S206、重复步骤S203-S205，直到满足停止条件；

S207、得到最优开停机计划与负荷分配。

优选地，所述步骤S203具体操作如下：

利用随机模拟算法进行备用约束校验，若不满足备用约束，按启停优先权从小到大进行开机，直至满足约束；

若满足约束，进行冗余机组停机，按启停优先权从大到小进行停机，直到再停机无法满足约束；

查看是否满足最小开停机条件，不满足则按照开始变化的时刻开始，使其必须满足最小开停机时间限制，在0-1变化的后面几个小时开停机不再随机，直到满足最小开停机时间约束；

重新计算是否满足备用约束，若不满足，则适应值设为足够大，若满足约束则进行经济调度，求各个体适应度值。

发明内容中提供的效果仅仅是实施例的效果，而不是发明所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：

与现有技术相比，本发明实施例提出了一种基于区间优化的机组组合模型建立方法，无需提前假设风功率的分布，只需要输入波动的风功率预测区间，实现了对预测误差的精细化模拟。在给定风功率的波动区间即可得到机组组合的最优成本区间，通过区间数理论及隔代映射遗传算法进行区间机组组合的求解，与传统的用概率分布进行不确定性处理的方法相比，该方法处理不确定性时较为简单，且有计算结果的鲁棒性较好，也可为电力调度等提供更优质的服务，使风电更好的精确预测以及有效控制，对促进电力系统安全、可靠及经济运行水平的提高具有非常重要的意义。

附图说明

图1为本发明实施例中所提供的一种基于区间优化的机组组合模型的建模及求解方法流程图；

图2为本发明实施例中所提供的一种求解区间优化机组组合的遗传算法流程图；

图3为本发明实施例中所提供的风功率的预测值及预测区间图；

图4为本发明实施例中所提供的机组组合仿真结果图。

具体实施方式

为了能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。

下面结合附图对本发明实施例所提供的一种基于区间优化的机组组合模型的建模及求解方法进行详细说明。

如图1所示，本发明实施例公开了一种基于区间优化的机组组合模型的建模及求解方法，所述方法包括以下步骤：

S1、给定风功率的波动区间，构建区间优化的机组组合模型；

S2、针对区间优化的机组组合模型采用隔代映射遗传算法进行模型求解，获得最优开停机计划与负荷分配。

本发明实施例首先对确定性的区间机组组合模型进行分析，随后将风电功率的不确定性以波动区间的形式考虑进去，提出了一种基于区间优化的两阶段多目标优化模型，最后实例仿真证明了本发明方法的有效性。

目标函数为系统运行的总成本最小，包括机组启停成本及运行成本，其表达如下：

式中，z_g,t为机组启动标志变量，S_g为机组的启动成本，F_g(p_g,t,u_gt)为燃料成本函数，p_g,t、u_g,t分别为机组i在t时刻的出力及机组开停机状态。

针对目标函数，构建约束条件，包括系统的功率平衡约束、线路传输容量极限约束、最小开停机约束、备用容量约束、机组爬坡约束以及发电机出力上下限约束。

所述功率平衡约束为：

分别为风功率区间的下限与上限，p_d,t为负荷预测功率。

所述线路传输容量极限约束为：

G_l-g、G_l-d和G_l-w分别为节点g、l和w到线路l的发电转移因子，F_l ^max为线路l的最大极限传输容量。

所述最小开停机约束为：

分别为机组的允许的最小开、停机时间。

所述备用容量约束为：

所述机组爬坡约束为：

所述发电机出力上下限约束为：

如图2所示，在构建约束条件后，对于此区间优化的机组组合模型，采用隔代映射遗传算法进行求解，具体求解过程如下：

确定常开机组，系统中20％的机组作为常开机组，24小时连续运行不停机。假设采用10机系统，则有两台机组在调度时段内始终保持为“1”，可以减小搜索范围。设定各机组的启停优先权，成本低的机组优先开机。

读取原始数据，综合机组优先权与负荷优先权初始化各子种群。

对约束条件进行检验：

利用随机模拟算法进行备用约束校验，若不满足备用约束，按启停优先权从小到大进行开机，直至满足约束；

若满足约束，进行冗余机组停机，按启停优先权从大到小进行停机，直到再停机无法满足约束；

查看是否满足最小开停机条件，不满足则按照开始变化的时刻开始，使其必须满足最小开停机时间限制，在0-1变化的后面几个小时开停机不再随机，直到满足最小开停机时间约束；

重新计算是否满足备用约束，若不满足，则适应值设为足够大，若满足约束则进行经济调度，求各个体适应度值。

根据适应值选择再生个体，适应度高的个体被选中的概率高。

按照一定的交叉概率和交叉方法，生成新的个体；按照一定的变异概率和变异方法，生成新的个体。

重复步骤3-5，直至满足停止条件为止。

最后得到最优开停机计划与负荷分配。

对于前述机组组合模型，采用标准IEEE39节点系统进行仿真验证其有效性。其中风电场数据来源于河北省某风电基地，装机容量为400MW，选取风电出力区间为预测功率的±10％进行仿真，预测功率及风功率区间如图3所示。

采用区间优化的机组组合模型及求解方法对所述IEEE39节点系统进行计算，得到最优的成本区间值为[448580,456342]美元。为了进行对比分析，在同样的系统下采用机会约束的方法进行计算，得到最优成本为448702美元，在优化区间内。

在预测功率区间内，采用蒙特卡洛模拟方法进行随机抽样20次，分别计算确定下的最优成本，其结果如图4所示。从图中可以看出，所有的确定性下的机组组合结果均在采用区间优化所得结果的区间[448580,456342]美元内，即只要风功率在设定的功率区间内波动，区间优化就可以包含所有可能性的场景及结果，在减少计算的同时，可以保证结果的鲁棒性，对于系统的经济安全运行有重大意义。

本发明实施例提出了一种基于区间优化的机组组合模型建立方法，无需提前假设风功率的分布，只需要输入波动的风功率预测区间，实现了对预测误差的精细化模拟。在给定风功率的波动区间即可得到机组组合的最优成本区间，通过区间数理论及隔代映射遗传算法进行区间机组组合的求解，与传统的用概率分布进行不确定性处理的方法相比，该方法处理不确定性时较为简单，且有计算结果的鲁棒性较好，也可为电力调度等提供更优质的服务，使风电更好的精确预测以及有效控制，对促进电力系统安全、可靠及经济运行水平的提高具有非常重要的意义。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于区间优化的机组组合模型的建模及求解方法，其特征在于，所述方法包括以下步骤：

S1、给定风功率的波动区间，构建区间优化的机组组合模型；

S2、针对区间优化的机组组合模型采用隔代映射遗传算法进行模型求解，获得最优开停机计划与负荷分配。

2.根据权利要求1所述的一种基于区间优化的机组组合模型的建模及求解方法，其特征在于，所述步骤S1具体包括：

S101、构建目标函数，所述目标函数为系统运行的总成本最小；

S102、针对目标函数，构建约束条件。

3.根据权利要求2所述的一种基于区间优化的机组组合模型的建模及求解方法，其特征在于，所述系统运行的总成本包括启停成本以及运行成本，其表达式如下：

式中，z_g,t为机组启动标志变量，S_g为机组的启动成本，F_g(p_g,t,u_gt)为燃料成本函数，p_g,t、u_g,t分别为机组i在t时刻的出力及机组开停机状态。

4.根据权利要求2所述的一种基于区间优化的机组组合模型的建模及求解方法，其特征在于，所述约束条件包括系统的功率平衡约束、线路传输容量极限约束、最小开停机约束、备用容量约束、机组爬坡约束以及发电机出力上下限约束。

5.根据权利要求4所述的一种基于区间优化的机组组合模型的建模及求解方法，其特征在于，所述功率平衡约束为：

分别为风功率区间的下限与上限，p_d,t为负荷预测功率；

所述线路传输容量极限约束为：

G_l-g、G_l-d和G_l-w分别为节点g、l和w到线路l的发电转移因子，F_l ^max为线路l的最大极限传输容量；

所述最小开停机约束为：

分别为机组的允许的最小开、停机时间；

所述备用容量约束为：

所述机组爬坡约束为：

所述发电机出力上下限约束为：

6.根据权利要求1所述的一种基于区间优化的机组组合模型的建模及求解方法，其特征在于，所述步骤S2具体包括以下步骤：

S201、确定常开机组，设定各机组的启停优先权；

S202、读取原始数据，综合机组优先权与负荷优先权初始化各子种群；

S203、对约束条件进行检验，求得各个体适应度值；

S204、根据适应度值选择再生个体，适应度高的个体被选中的概率高；

S205、通过交叉、变异生成新的个体；

S206、重复步骤S203-S205，直到满足停止条件；

S207、得到最优开停机计划与负荷分配。

7.根据权利要求6所述的一种基于区间优化的机组组合模型的建模及求解方法，其特征在于，所述步骤S203具体操作如下：

利用随机模拟算法进行备用约束校验，若不满足备用约束，按启停优先权从小到大进行开机，直至满足约束；

若满足约束，进行冗余机组停机，按启停优先权从大到小进行停机，直到再停机无法满足约束；

查看是否满足最小开停机条件，不满足则按照开始变化的时刻开始，使其必须满足最小开停机时间限制，在0-1变化的后面几个小时开停机不再随机，直到满足最小开停机时间约束；

重新计算是否满足备用约束，若不满足，则适应值设为足够大，若满足约束则进行经济调度，求各个体适应度值。