CN111222711A - 一种基于指标联动分析的电力系统调峰调度多目标优化方法 - Google Patents

Abstract

本发明属于水电调度运行技术领域，提供了一种基于指标联动分析的电力系统调峰调度多目标优化方法。本发明综合考虑五种调峰指标，并引入经济学中联动分析理论对指标的数据序列进行平稳性检验和因果关系检验，以有效明晰指标间的联动变化规律，采用回归分析方法量化相互影响关系，进而构建多指标耦合的调峰调度优化模型，最后采用遗传算法进行模型求解。本发明能更客观地描述电网的综合调峰要求，有利于调度人员减少决策中的主观臆断性，与常规的不同单一调峰指标模型相比，调峰效果得到明显改善，为电力系统短期运行中调峰调度决策提供新的技术途径。

Description

一种基于指标联动分析的电力系统调峰调度多目标优化方法

技术领域

本发明涉及水电调度运行领域，特别涉及一种基于指标联动分析的电力系统调峰调度多目标优化方法。

技术背景

调峰是电力系统短期调度运行的一项核心任务，也是国内外重点关注的课题之一。由于巨大的负荷峰谷差和不断增加的间歇性能源并网，使得我国大多数以火电为主的省级电网面临非常严峻的调峰压力，因而调峰已成为这些电网日常发电调度中的主要目标之一。从电网侧来讲，调峰的主要目的是合理优化可调节电站的发电运行计划以削减余留负荷峰谷差、平滑调节性能较差火电机组面临的净负荷曲线，为达到此目的，如何准确描述调峰需求就成为发电调度的关键环节。

目前应对电力系统调峰压力的措施和技术手段主要包含两个方面：一是聚焦储能系统建设及其调峰潜力，例如在能量成本函数中引入峰值费用、光伏发电场和电池储能混合系统的联合运行优化、风光间歇性电源与抽水蓄能电站的互补运行等。二是常规电源如水电站和火电站的调峰优化调度，这类调峰方法普遍以余留负荷为变量构建优化模型，即采用余留负荷的某种形式函数来描述电网的调峰需求，例如余留负荷最大峰谷差最小、余留负荷序列的均方差或者标准差最小、调峰电量最大等。总的来说，这些建模方法在适当的条件下能够有效地降低最大负荷峰值谷差或平滑余留负荷曲线的波动，但对于电网面临的调峰压力或需求，仅通过单一的调峰指标如峰谷差、余荷均方差等进行描述，缺少对负荷需求的综合分析，尤其当不同日期不同电网的负荷需求发生变化时，每种调峰目标的适用性如何，以及应该采用何种调峰目标优化发电计划才能保证获得较好的调峰结果，一直没有得到足够的重视，但确实是调峰调度研究中非常关键的问题。

针对以上问题，本发明依托国家自然科学基金(51579029)，提出基于指标联动分析的电力系统调峰调度多目标优化方法，并以溪洛渡水电站群送电至浙江省电网为工程背景对其进行应用测试，结果显示本发明成果可有效避免单一指标优化引起调峰结果偏差和主观因素带来的结果不确定性与不合理性，从而使优化得到的发电运行计划更加有效和实用。

发明内容

本发明要解决的技术问题是提供一种基于指标联动分析的电力系统调峰调度多目标优化方法，以减小多目标处理策略中权重系数选取带来的不确定性与不合理性，获得更为均衡的调峰优化结果。

本发明技术方案：

一种基于指标联动分析的电力系统调峰调度多目标优化方法，其特征包括如下步骤：

(1)初始化计算条件，包括水电站运行条件和约束条件，以及电力和水力调度需求条件；

(2)引入五种调峰指标，分别为负荷方差

负荷峰谷差F₂＝P_r,max-P_r,min、负荷最大变化率F₃＝|P_r,i-P_r,i-1|_max、负荷最大值F₄＝P_r,max、负荷最小值F₅＝P_r,min，式中P_r为余留负荷序列，P_r,i为i个时段的余留负荷，P_r,max为余留负荷最大值，P_r,min为余留负荷最小值，n为时段的总个数，由此得到多目标函数：

(3)根据历史日负荷数据，计算上述五种指标每日的指标值，得到五个时间序列l₁、l₂、l₃、l₄、l₅；

(4)计算五个时间序列两两之间的相关系数，见下式

式中r为相关系数，l_x,i和l_y,i分别为序列l_x和l_y第i个时段的数值，

和

分别为序列l_x和l_y的平均值，据此判断五种指标之间的相关性强弱，当0.8<|r|<1时，两个指标高度相关，0.3<|r|<0.8时为中度相关，|r|<0.3时为低度相关；

(5)基于指标间的相关性，对中度相关以上的指标进行联动性分析，对低度相关的指标采用权系数法，将多目标调峰目标转化为单目标调峰模型，具体步骤如下：

Step1.检验时间序列的平稳性。采用ADF检验法，序列l的生成过程为如下三种形式之一：

式中αt为时间趋势项，μ为位移项，

为滞后项，k为滞后项个数，Δl_t为序列l中第t项的增量，即Δl_t＝l_t-l_t-1，原假设与备择假设分别为

检验原则为

对上述三种形式依次进行假设检验，只要其中一种的检验结果为拒绝原假设H₀，则该序列平稳；

Step2.对中度相关以上且平稳的序列两两进行Granger因果关系检验。两个序列之间的回归模型如下：

式中α_i、β_i、γ_i、δ_i为回归系数，ε_1t、ε_2t为随机误差项，p为滞后阶数，对两个模型分别进行假设检验，原假设与备择假设为

根据检验结果即可得到序列之间的Granger因果关系，若l_x对l_y存在Granger因果关系，则相应的指标X对指标Y存在影响；

Step3.对非平稳序列进行协整。若一个非平稳序列l_y，经过D次差分后得到的序列平稳，则l_y为D阶单整序列，对于两个非平稳且单整阶数相同的序列l_x和l_y，利用对OLS协整回归方程l_x,t＝T+Ul_y,t+X_t，式中T、U为回归系数，X_t为残差，若X_t平稳时，则相应的指标X对指标Y存在影响；

Step4.根据平稳序列的Granger因果关系和非平稳序列的数量变动关系进行回归分析：选择五种指标中受最多指标影响的一项作为θ₀，对其产生影响的指标分别记为θ₁，θ₂，…，θ_m，其中m为对指标θ₀产生影响的指标个数，通过回归分析拟合得到关系式θ₀＝f(θ₁,θ₂,...,θ_m)；

Step5.构建调峰目标函数：在式θ₀＝f(θ₁,θ₂,...,θ_m)的基础上，对剩余指标θ_n+1，θ_n+2，…，θ₄采用权系数法即可将前述多目标函数转化为单一调峰目标函数，函数表达式如下

(5)采用遗传算法求解步骤(4)得到的目标函数，获得电站的发电出力过程。

本发明成果有如下有益效果：与常规单一指标调峰模型相比，多指标耦合调峰模型能够量化描述负荷波动程度、波动幅度、峰值、谷值以及最大变化率五项指标的合理关系，均衡电网调峰结果，有效避免单一指标优化引起调峰结果偏差；不同指标实质是反映电网不同的调峰需求，通过指标间的关联分析，能够明晰不同电网、不同日期的负荷调节需求，得到更合理的调峰模型，从而使优化得到的发电运行计划更加有效和实用；本发明是采用经济学的理论方法描述电力系统的复杂调峰需求，这种研究思路有助于拓展电力系统发电调度实际问题的描述方法，可以给出相对客观的优化结果，有效避免主观因素带来的结果不确定性和不合理性。

附图说明

图1是本发明方法总体求解框架图；

图2是指标因果关系图；

图3是拟合效果分析图。

具体实施方式

下面结合附图和技术方案，进一步说明本发明的具体实施方式。

为更加准确的描述调峰效果，本发明综合考虑余留负荷的方差、峰谷差、最大值、最小值和最大变化率。其中，方差σ²主要反映负荷升降方向变化的频次，是对机组灵活调节能力的要求：

P_r,i＝P_i-N_i (10)

式中：P_r,i为i时刻的余留负荷，P_i为受电电网负荷，N_i为优化目标电站的出力。

峰谷差Δ即负荷的变化范围，范围越小，对机组的调峰容量需求越小：

Δ＝P_r,max-P_r,min (11)

式中：P_r,max为余留负荷最大值，P_r,min为余留负荷最小值。

负荷最大值N_r,max反应负荷高峰时段的调峰压力，负荷高峰时段通常是机组负荷响应压力最大的时段，为保证电网的安全稳定运行，期望余留负荷在高峰时段的负荷值较低，以避免出现机组顶峰困难。

N_max＝P_r,max (12)

负荷最小值N_r,min反应负荷低谷时段的调峰压力，受不可调机组的强迫出力所限，在负荷低谷时段机组出力很难随负荷有效降低，迫使火电机组深度调峰，导致能耗大大增加。为此，期望余留负荷在低谷时段的负荷值较高。

N_min＝P_r,min (13)

负荷最大变化率ΔP_r,max即相邻时段负荷变化的最大值，反映负荷对机组爬坡能力的需求。负荷最大变化率越小，对机组爬坡能力的要求越低。

ΔP_r,max＝|P_r,i-P_r,i-1|_max (14)

由此构建目标函数，使余留负荷的方差最小、峰谷差最小、最大值最小、最小值最大和最大变化率最小，以保证满足不同负荷的调峰需求。

上述目标函数需要满足以下约束条件：

水量平衡方程：

V_t+1＝V_t+3600(Q_t-S_t)Δt (16)

其中：S_t＝q_t+d_t

式中：V_t为电站在t时刻的库容，m³；Q_t为电站t时段的入库流量，m³/s；S_t为电站t时段的出库流量，m³/s；q_t为电站t时段的发电流量，m³/s；d_t为m电站t时段的弃水流量，m³/s。

水位库容关系：

Z_t＝f_ZV(V_t) (17)

式中：Z_t为电站在t时刻的水位，m；f_ZV(·)为电站水位库容关系曲线。

尾水位泄量关系：

式中：

为电站在t时刻的尾水位，m；

为电站尾水位泄量关系曲线。

水头关系：

式中：h_t为电站在t时刻的水头，m。

电站出力关系：

N_t＝f_qh(q_t,h_t) (20)

式中：N_t为电站在t时刻的出力，MW；f_qh(·)为电站NQH曲线。

发电量控制：

式中：E_total为电站给定的总发电量，MWh。

库水位约束：

式中：

分别为水库在t时段的水位上下限，m。

电站出力上下限约束：

式中：

分别为电站在t时段的平均出力上下限，MW；

发电流量约束：

式中：

分别为电站t时段的发电流量上下限，m³/s；

出库流量约束：

式中：

分别为m电站t时段的出库流量上下限，m³/s。

以上述多目标优化模型为问题背景，对本发明成果进行一次的完整应用，按照下述步骤(1)-(5)予以实现：

(1)初始化计算条件，包括水电站运行条件和约束条件，以及电力和水力调度需求条件；

(2)引入五种调峰指标分别为负荷方差

负荷峰谷差F₂＝P_r,max-P_r,min、负荷最大变化率F₃＝|P_r,i-P_r,i-1|_max、负荷最大值F₄＝P_r,max、负荷最小值F₅＝P_r,min，令指标总数量n＝5，式中P_r为余留负荷序列，P_r,i为i时段的余留负荷，P_r,max为余留负荷最大值，P_r,min为余留负荷最小值，由此得到目标函数如下：

(3)根据历史日负荷数据，计算上述五种指标每日的指标值，得到五个时间序列l₁、l₂、l₃、l₄、l₅；

(4)计算五个时间序列两两之间的相关系数，计算公式如下

式中r为相关系数，l_x,i和l_y,i分别为序列l_x和l_y第i个时段的数值，

和

分别为序列l_x和l_y的平均值，据此判断五种指标之间的相关性强弱，当0.8<|r|<1时，两个指标高度相关，0.3<|r|<0.8时为中度相关，|r|<0.3时为低度相关；

(5)基于指标间的相关性，对中度相关以上的指标进行联动性分析，对低度相关的指标采用权系数法，将多目标调峰模型转化为单目标调峰模型，详细步骤如下：

Step1.检验时间序列的平稳性。采用ADF检验法，序列l的生成过程为如下三种形式之一：

式中αt为时间趋势项，μ为位移项，

为滞后项，k为滞后项个数，Δl_t为序列l中第t项的增量，即Δl_t＝l_t-l_t-1，原假设与备择假设分别为

检验原则为

对上述三种形式依次进行假设检验，只要其中一种的检验结果为拒绝原假设H₀，则该序列平稳；

Step2.对中度相关以上且平稳的序列两两进行Granger因果关系检验。两个序列之间的回归模型如下：

式中α_i、β_i、γ_i、δ_i为回归系数，ε_1t、ε_2t为随机误差项，p为滞后阶数，对两个模型分别进行假设检验，原假设与备择假设为

根据检验结果即可得到序列之间的Granger因果关系，若l_x对l_y存在Granger因果关系，则相应的指标X对指标Y存在影响；

Step3.对非平稳序列进行协整。若一个非平稳序列l_y，经过D次差分后得到的序列平稳，则l_y为D阶单整序列，对于两个非平稳且单整阶数相同的序列l_x和l_y，利用对OLS协整回归方程l_x,t＝T+Ul_y,t+X_t，式中T、U为回归系数，X_t为残差，若X_t平稳时，则相应的指标X对指标Y存在影响；

Step4.根据平稳序列的Granger因果关系和非平稳序列的数量变动关系进行回归分析：选择五种指标中受最多指标影响的一项作为θ₀，对其产生影响的指标分别记为θ₁，θ₂，…，θ_m，其中m为对指标θ₀产生影响的指标个数，通过回归分析拟合得到关系式θ₀＝f(θ₁,θ₂,...,θ_m)；

Step5.构建调峰目标函数：在θ₀＝f(θ₁,θ₂,...,θ_m)基础上，对剩余指标θ_n+1，θ_n+2，…，θ₄采用权系数法即可将前述多目标函数转化为单一调峰目标函数，表达式如下

(5)采用遗传算法求解步骤(4)得到的目标函数，获得电站的发电出力过程。

现以溪洛渡水电站为实际工程背景，对本发明模型和方法进行检验。溪洛渡水电站是金沙江"西电东送"距离最近的骨干电源之一，也是金沙江上最大的一座水电站，左右岸各有9台机组，每台机组装机容量为770MW，其中左岸通过宾金直流送电至浙江省电网。浙江省内火电比重高达95％，系统调节能力均相对较弱，而且日内负荷峰谷差较大，面临较大的调峰压力，因此需要利用水电调节灵活的特性进行调峰。选取浙江省夏季和冬季典型日负荷曲线进行计算。表2为各指标之间的相关系数计算结果，其中最大变化率与其他指标之间为低度相关，故只需对方差、峰谷差、最大值、最小值四项指标进行联动性分析。表3为稳定性检验结果，可以得到四项指标均稳定，无需进行协整。表4为Granger因果关系检验结果，由此可画出指标间的因果引导关系图，见图2。根据该因果关系进行回归分析，拟合得到如下关系式，拟合效果见图3：

式中：θ₀为方差，θ₁为峰谷差，θ₂为最小值，θ₃为最大值。

对最大变化率指标采用权系数法处理，得到目标函数如下：

式中：θ₄为最大变化率，β为权重系数。

采用该目标函数进行优化计算，得到各项指标值见表5，计算得到相应指标降幅见表6。其中方差、峰谷差、最大值、最大变化率四项指标降幅较大，最小值指标降幅较小，可见在夏季和冬季典型日都有显著的调峰效果，有效缓解了电网调峰压力。

表1电站基础资料

表2相关系数计算结果

表3稳定性检验

表4Granger因果检验结果

表5指标计算结果

表6指标降幅(％)

Claims (1)

1.一种基于指标联动分析的电力系统调峰调度多目标优化方法，其特征在于，步骤如下：

(1)初始化计算条件，包括水电站运行条件和约束条件，以及电力和水力调度需求条件；

(2)引入五种调峰指标，分别为负荷方差

负荷峰谷差F₂＝P_r,max-P_r,min、负荷最大变化率F₃＝|P_r,i-P_r,i-1|_max、负荷最大值F₄＝P_r,max、负荷最小值F₅＝P_r,min，式中P_r为余留负荷序列，P_r,i为i个时段的余留负荷，P_r,max为余留负荷最大值，P_r,min为余留负荷最小值，n为时段的总个数，由此得到多目标函数：

(3)根据历史日负荷数据，计算上述五种指标每日的指标值，得到五个时间序列l₁、l₂、l₃、l₄、l₅；

(4)计算五个时间序列两两之间的相关系数，见下式

式中，r为相关系数，l_x,i和l_y,i分别为序列l_x和l_y第i个时段的数值，

和

分别为序列l_x和l_y的平均值，据此判断五种指标之间的相关性强弱，当0.8＜|r|＜1时，两个指标高度相关，0.3＜|r|＜0.8时为中度相关，|r|＜0.3时为低度相关；

(5)基于指标间的相关性，对中度相关以上的指标进行联动性分析，对低度相关的指标采用权系数法，将多目标调峰目标转化为单目标调峰模型，具体步骤如下：

Step1.检验时间序列的平稳性：采用ADF检验法，序列l的生成过程为如下三种形式之一：

式中，αt为时间趋势项，μ为位移项，

为滞后项，k为滞后项个数，Δl_t为序列l中第t项的增量，即Δl_t＝l_t-l_t-1，原假设与备择假设分别为

检验原则为

对上述三种形式依次进行假设检验，只要其中一种的检验结果为拒绝原假设H₀，则该序列平稳；

Step2.对中度相关以上且平稳的序列两两进行Granger因果关系检验，两个序列之间的回归模型如下：

式中，α_i、β_i、γ_i、δ_i为回归系数，ε_1t、ε_2t为随机误差项，p为滞后阶数，对两个模型分别进行假设检验，原假设与备择假设为

根据检验结果即得到序列之间的Granger因果关系，若l_x对l_y存在Granger因果关系，则相应的指标X对指标Y存在影响；

Step3.对非平稳序列进行协整：若一个非平稳序列l_y，经过D次差分后得到的序列平稳，则l_y为D阶单整序列，对于两个非平稳且单整阶数相同的序列l_x和l_y，利用对OLS协整回归方程l_x,t＝T+Ul_y,t+X_t，式中T、U为回归系数，X_t为残差，若X_t平稳时，则相应的指标X对指标Y存在影响；

Step4.根据平稳序列的Granger因果关系和非平稳序列的数量变动关系进行回归分析：选择五种指标中受最多指标影响的一项作为θ₀，对其产生影响的指标分别记为θ₁，θ₂，…，θ_m，其中m为对指标θ₀产生影响的指标个数，通过回归分析拟合得到关系式θ₀＝f(θ₁,θ₂,...,θ_m)；

Step5.构建调峰目标函数：在式θ₀＝f(θ₁,θ₂,...,θ_m)的基础上，对剩余指标θ_m+1，θ_m+2，…，θ₄采用权系数法即可将前述多目标函数转化为单一调峰目标函数，函数表达式如下：

(5)采用遗传算法求解步骤(4)得到的目标函数，获得电站的发电出力过程。

Images