CN111553570A - 基于预测时段划分的月内滚动调度计划优化调整方法 - Google Patents

基于预测时段划分的月内滚动调度计划优化调整方法 Download PDF

Info

Publication number
CN111553570A
CN111553570A CN202010297947.9A CN202010297947A CN111553570A CN 111553570 A CN111553570 A CN 111553570A CN 202010297947 A CN202010297947 A CN 202010297947A CN 111553570 A CN111553570 A CN 111553570A
Authority
CN
China
Prior art keywords
time period
electric quantity
period
predictable
power
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
Application number
CN202010297947.9A
Other languages
English (en)
Other versions
CN111553570B (zh
Inventor
代江
王永刚
赵翔宇
田年杰
刘明顺
汪明清
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.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou Power Grid Co Ltd
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 Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202010297947.9A priority Critical patent/CN111553570B/zh
Publication of CN111553570A publication Critical patent/CN111553570A/zh
Application granted granted Critical
Publication of CN111553570B publication Critical patent/CN111553570B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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

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

Abstract

本发明公开了一种基于预测时段划分的月内滚动调度计划优化调整方法，该方法基于当前新能源、负荷预测技术，将后续运行日划分为可预测时段和不可预测时段，按照优先调整可预测时段的电量计划，接着调整不可预测时段的电量计划，最后调整不可预测时段的机组组合方式的顺序对后续运行日的调度计划做优化调整，在保障发电厂电量计划均衡完成的同时，避免机组频繁启停，提升运行效率。

Description

基于预测时段划分的月内滚动调度计划优化调整方法
技术领域
本发明涉及电力系统调度运行技术领域。特别涉及一种基于预测时段划分的月内滚动调度计划优化调整方法。
背景技术
月内滚动调度计划是指为保障各发电厂月度电量计划均衡完成，根据已完成运行日各发电厂发电计划执行情况，动态调整后续运行日的机组组合方式及电量计划安排。近年来，随着电力市场化改革不断深入，市场成员对电量计划完成情况的关注度不断提高。月内滚动调度计划作为消除预测偏差的重要方式，其重要性越发突出。
传统模式下，往往以后续运行日直接采用机组组合模型，对其滚动优化，求解得到发电厂机组组合及电量计划的调整方式。采用上述方法的优势在于能够最大限度的保证前期执行偏差能够根据后续预测情况得到及时的调整与修正。
但是由于对后续运行日边界数据预测情况的考虑不够全面，容易出现后期机组组合方式及电量计划安排频繁的大幅度调整，不宜于发电厂安排生产计划，可能会造成机组频繁启停，降低运行效益，增大运行成本。
为此，本发明将提出一种基于预测时段划分的月内滚动调度计划优化调整方法，其创新点在于基于当前新能源、负荷预测技术，将后续运行日划分为可预测时段和不可预测时段，按照优先调整可预测时段的电量计划，接着调整不可预测时段的电量计划，最后调整不可预测时段的机组组合方式的顺序对后续运行日的调度计划做优化调整，在保障发电厂电量计划均衡完成的同时，避免机组频繁启停，提升运行效率。
发明内容
有鉴于此，本发明的第一方面的目的是提供一种基于预测时段划分的月内滚动调度计划优化调整方法。在保障发电厂电量计划均衡完成的同时，避免机组频繁启停，提升运行效率。
本发明的第一方面的目的是通过以下技术方案实现的：
该种基于预测时段划分的月内滚动调度计划优化调整方法，包括以下步骤：
步骤S1：进行后续运行日时段划分：将后续运行日划分为可预测时段、不可预测时段。其中可预测时段即为新能源预测、负荷预测等采用确定性预测方法可信的预测时段范围，超出该时段范围即为不可预测时段；
步骤S2：对可预测时段滚动调度计划进行优化：可预测时段滚动调度计划的优化目标为可预测时段执行偏差，可表述为在可预测时段范围内，根据前期执行偏差，最大限度的调整电量计划，使其贴近月度电量计划进度；
步骤S3：进行可预测时段收敛性判定：若可预测时段执行偏差为0，说明基于可预测时段的预测数据，前期执行偏差及可预测时段的原电量计划均可以在可预测时段内通过调整各发电厂的电量计划完成，而不需要对不可预测时段发电厂机组组合方式及电量计划作调整，则滚动调度计划执行结束；若可预测时段执行偏差不为0，则转入步骤S4；
步骤S4：对不可预测时段滚动电量进行调整：可预测时段执行偏差优先通过在可预测时段内在不改变机组开停计划的方式下调整各发电厂逐日电量计划消除；
步骤S5：对不可预测时段电量调整收敛性进行判定：若不可预测时段电量调整下偏差电量为0，说明基于不可预测时段的多场景预测数据，前期执行偏差及不可预测时段的原电量计划均可以在不可预测时段内通过调整各发电厂的电量计划完成，而不需要对不可预测时段发电厂机组组合方式做调整，则滚动调度计划执行结束；若不可预测时段电量调整下偏差电量不为0，则转入步骤S6；
步骤S6：进行不可预测时段机组组合调整：当电量调整不能消除可预测时段执行偏差，仍存在不可预测时段电量调整下偏差电量时，调整不可预测时段机组组合方式。
特别地，所述步骤S1中，根据不同地区采用确定性预测方法可信的预测时段范围，将后续运行日划分为可预测时段、不可预测时段，其中可预测时段即为新能源预测、负荷预测等采用确定性预测方法可信的预测时段范围，超出该时段范围即为不可预测时段。
特别地，可预测时段滚动调度计划的优化目标为可预测时段执行偏差，采用下式表达：
Figure BDA0002452920550000021
式(1)中，Min表示最小化优化问题，FDDE为优化目标，即可预测时段执行偏差，FDEp,d、PESp,d分别为发电厂p在可预测时段内第d天的滚动电量计划和原月度电量计划，DEp为发电厂p前期运行日的执行偏差，NFD为可预测时段的天数，NP为全网发电厂数，所有电厂的累计预期执行偏差之和即为全网发电厂累计预期执行偏差。
特别地，所述公式(1)中，所考虑的约束条件包括：电力电量平衡约束、运行备用约束、运行断面传输能力约束、机组出力能力约束、机组爬坡能力约束、电厂电量关系约束。可表示为：
Figure BDA0002452920550000031
Figure BDA0002452920550000032
Figure BDA0002452920550000033
sg,dCDg≤Pg,d,t≤sg,dCUg (5)
sg,dCADg≤Pg,d,t-Pg,d,t-1≤sg,dCAUg (6)
Figure BDA0002452920550000034
式(2)-(7)中，Pg,d,t、Pne,d,t、Pb,d,t分别为发电机组g、新能源电站ne、负荷节点b在可预测时段第d天时段t的发电功率、预测功率和预测用电负荷，NG、NNE、NB分别为全网发电机组台数、新能源电站数、负荷节点数，sg,d为发电机组g在第d天的运行状态变量，CUg、CDg分别为发电机组g的最大、最小技术出力，Rd为第d日的运行备用，GSDFg,os、GSDFne,os、GSDFb,os分别为发电机组g、新能源电站ne和负荷节点b与运行断面os的潮流功率转移分布因子，PFUos、PFDos为运行断面os的潮流上、下限，CAUg、CADg分别为发电机组g爬坡能力上、下限，NT为一天中优化时段数，ΔT为优化时段的时间间隔，g∈p表示所有属于发电厂p的机组g；
以式(1)为优化目标，式(2)至(7)为约束条件，即可构建可预测时段的滚动调度计划模型。
特别地，所述步骤S3中，可预测时段电量调整收敛性判定标准可表示为：
FDDE＝0 (8)
特别地，所述步骤S4中，将该滚动调整过程称为不可预测时段滚动电量调整，其优化目标为不可预测时段电量调整下偏差电量最小化，采用下式表示：
Figure BDA0002452920550000035
式(9)中，NFDEADE为不可预测时段电量调整下偏差电量，NFDEAEsc,p,d为边界数据预测场景sc下发电厂p在第d天的电量计划，ρsc为该场景的发生概率，NSC为总场景数，FDDEp为经过可预测时段电量调整下发电厂p的可预测时段执行偏差。
需要考虑的约束条件包括：电力电量平衡约束、运行备用约束、运行断面传输能力约束、机组出力能力约束、机组爬坡能力约束、电厂电量关系约束。可表示为：
Figure BDA0002452920550000041
Figure BDA0002452920550000042
Figure BDA0002452920550000043
sg,dCDg≤Psc,g,d,t≤sg,dCUg (13)
sg,dCADg≤Psc,g,d,t-Psc,g,d,t-1≤sg,dCAUg (14)
Figure BDA0002452920550000044
式(10)-(15)中，Psc,g,d,t、Pne,d,t、Psc,b,d,t分别为发电机组g、新能源电站ne、负荷节点b在不可预测时段预测场景sc下第d天时段t的发电功率、预测功率和预测用电负荷。
以式(9)为优化目标，式(10)至(15)为约束条件，即可构建不可预测时段的滚动电量调整模型。
特别地，所述步骤S5中，不可预测时段电量调整收敛性判定标准可表示为：
NFDEADE＝0 (16)
特别地，所述步骤S6中，不可预测时段机组组合调整，其优化目标为不可预测时段机组组合调整下偏差电量最小化，可表示为：
Figure BDA0002452920550000045
式(17)中，NFDUCDE为不可预测时段机组组合调整下偏差电量，NFDUCEsc,p,d为边界数据预测场景sc下发电厂p在第d天的电量计划；
需要考虑的约束条件包括：电力电量平衡约束、运行备用约束、运行断面传输能力约束、机组出力能力约束、机组爬坡能力约束、电厂电量关系约束、启停状态变量约束、最小启停时间约束，通过以下各式表示为：
Figure BDA0002452920550000051
Figure BDA0002452920550000052
Figure BDA0002452920550000053
sg,dCDg≤Psc,g,d,t≤sg,dCUg (21)
sg,dCADg≤Psc,g,d,t-Psc,g,d,t-1≤sg,dCAUg (22)
Figure BDA0002452920550000054
ssg,d-csg,d＝sg,d-sg,d-1 (24)
Figure BDA0002452920550000055
式(18)-(25)中，ssg,d、csg,d分别为发电机组g在第d天的启动状态变量、停机状态变量，DT为机组最小持续开机和停机时间；
以式(17)为优化目标，式(18)至(25)为约束条件，即可构建不可预测时段的机组组合调整模型。
本发明的第二方面的目的是通过以下技术方案实现的：
一种计算机装置，包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前所述的方法。
本发明的第三方面的目的是通过以下技术方案实现的：
一种计算机可读存储介质，其上储存有计算机程序，所述计算机程序被处理器执行时实现如前所述的方法。
本发明的有益效果是：本发明基于当前新能源及负荷预测技术，将后续运行日划分为可预测时段和不可预测时段，按照优先调整可预测时段的电量计划，接着调整不可预测时段的电量计划，最后调整不可预测时段的机组组合方式的顺序对后续运行日的调度计划做优化调整，在保障发电厂电量计划均衡完成的同时，避免机组频繁启停，提升运行效率。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1为本发明的方法实施流程图。
具体实施方式
以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
如图1所示，本发明的基于预测时段划分的月内滚动调度计划优化调整方法，包括以下步骤：
步骤S1：进行后续运行日时段划分：将后续运行日划分为可预测时段、不可预测时段。其中可预测时段即为新能源预测、负荷预测等采用确定性预测方法可信的预测时段范围，超出该时段范围即为不可预测时段；本发明考虑到电力系统调度计划编制所必须的新能源预测、负荷预测等受气象等基础信息影响，存在显著的时段预测性差异。按照当前气象预测技术水平，目前能够给出较为可靠的气象预测数据的时间周期约为7天，超过7天则气象数据的预测精度将显著下降。受此影响，目前新能源预测、负荷预测等采用确定性预测方法时可信的时段范围一般也是7天，超出7天则往往基于历史数据采用多场景预测、概率预测等不确定性预测方法。本实施例根据不同地区采用确定性预测方法可信的预测时段范围，将后续运行日划分为可预测时段、不可预测时段，其中可预测时段即为新能源预测、负荷预测等采用确定性预测方法可信的预测时段范围，超出该时段范围即为不可预测时段。
步骤S2：对可预测时段滚动调度计划进行优化：可预测时段滚动调度计划的优化目标为可预测时段执行偏差，可表述为在可预测时段范围内，根据前期执行偏差，最大限度的调整电量计划，使其贴近月度电量计划进度；
本实施例中，可预测时段滚动调度计划的优化目标为可预测时段执行偏差，采用下式表达：
Figure BDA0002452920550000061
式(1)中，Min表示最小化优化问题，FDDE为优化目标，即可预测时段执行偏差，FDEp,d、PESp,d分别为发电厂p在可预测时段内第d天的滚动电量计划和原月度电量计划，DEp为发电厂p前期运行日的执行偏差，NFD为可预测时段的天数，NP为全网发电厂数，所有电厂的累计预期执行偏差之和即为全网发电厂累计预期执行偏差。其中，FDDE为可预测时段偏差电量英文forecasting day deviation electricity的首字母组合，FDE为预测时段电量英文forecasting day electricity的首字母组合，PES为原电量计划英文primaryelectricity schedule的首字母组合，p为发电厂英文plant的首字母，d为日英文day的首字母，DE为偏差电量英文deviation electricity的首字母组合，NP为发电厂数量英文number of plant的首字母组合，NFD为可预测时段天数英文Forecasting day number的首字母组合；
公式(1)中，所考虑的约束条件包括：电力电量平衡约束、运行备用约束、运行断面传输能力约束、机组出力能力约束、机组爬坡能力约束、电厂电量关系约束。可表示为：
Figure BDA0002452920550000071
Figure BDA0002452920550000072
Figure BDA0002452920550000073
sg,dCDg≤Pg,d,t≤sg,dCUg (5)
sg,dCADg≤Pg,d,t-Pg,d,t-1≤sg,dCAUg (6)
Figure BDA0002452920550000074
式(2)-(7)中，Pg,d,t、Pne,d,t、Pb,d,t分别为发电机组g、新能源电站ne、负荷节点b在可预测时段第d天时段t的发电功率、预测功率和预测用电负荷，NG、NNE、NB分别为全网发电机组台数、新能源电站数、负荷节点数，sg,d为发电机组g在第d天的运行状态变量，CUg、CDg分别为发电机组g的最大、最小技术出力，Rd为第d日的运行备用，GSDFg,os、GSDFne,os、GSDFb,os分别为发电机组g、新能源电站ne和负荷节点b与运行断面os的潮流功率转移分布因子，PFUos、PFDos为运行断面os的潮流上、下限，CAUg、CADg分别为发电机组g爬坡能力上、下限，NT为一天中优化时段数，ΔT为优化时段的时间间隔，g∈p表示所有属于发电厂p的机组g；其中，P为发电功率英文power的首字母，g为发电机组英文generator的首字母，ne为新能源英文new energy的首字母组合，t为时段英文time的首字母，NG、NNE、NB、NT中首个字母N为数量英文number的首字母，G、NE、B、T分别为发电机组、新能源、负荷节点、时段英文的首字母或首字母组合，s为状态英文state的首字母，CU、CD、PFU、PFD、CAU、CAD中U、D分别为上、下英文up、down的首字母，C为装机容量英文capacity的首字母，PF为潮流英文power flow的首字母组合，CA为爬坡能力英文climbing ability的首字母组合，GSDF为转移分布因子英文Generation shift distribution factor首字母组合。
以式(1)为优化目标，式(2)至(7)为约束条件，即可构建可预测时段的滚动调度计划模型。该模型为线性规划问题，采用单纯型法等求解算法可直接计算得到。本发明中不赘述其实施流程。求解该模型，可以得到在满足电网运行要求的条件下，最大限度贴近月度电量计划执行进度的可预测时段各电厂电量计划。
步骤S3：进行可预测时段收敛性判定：若可预测时段执行偏差为0，说明基于可预测时段的预测数据，前期执行偏差及可预测时段的原电量计划均可以在可预测时段内通过调整各发电厂的电量计划完成，而不需要对不可预测时段发电厂机组组合方式及电量计划作调整，则滚动调度计划执行结束；若可预测时段执行偏差不为0，则转入步骤S4；
所述步骤S3中，可预测时段电量调整收敛性判定标准可表示为：
FDDE＝0 (8)
步骤S4：对不可预测时段滚动电量进行调整：可预测时段执行偏差优先通过在可预测时段内在不改变机组开停计划的方式下调整各发电厂逐日电量计划消除；
本实施例中，将该滚动调整过程称为不可预测时段滚动电量调整，其优化目标为不可预测时段电量调整下偏差电量最小化，采用下式表示：
Figure BDA0002452920550000081
式(9)中，NFDEADE为不可预测时段电量调整下偏差电量，NFDEAEsc,p,d为边界数据预测场景sc下发电厂p在第d天的电量计划，ρsc为该场景的发生概率，NSC为总场景数，FDDEp为经过可预测时段电量调整下发电厂p的可预测时段执行偏差。其中，NFDEADE中NFD为不可预测时段英文non-forecasting day首字母组合，EA为电量调整英文electricity adjust首字母组合，DE为偏差电量(前文已述)的英文首字母，NSC及SC中SC为场景英文scene前两个字母，N为数量英文number首字母。
需要考虑的约束条件包括：电力电量平衡约束、运行备用约束、运行断面传输能力约束、机组出力能力约束、机组爬坡能力约束、电厂电量关系约束。可表示为：
Figure BDA0002452920550000091
Figure BDA0002452920550000092
Figure BDA0002452920550000093
sg,dCDg≤Psc,g,d,t≤sg,dCUg (13)
sg,dCADg≤Psc,g,d,t-Psc,g,d,t-1≤sg,dCAUg (14)
Figure BDA0002452920550000094
式(10)-(15)中，Psc,g,d,t、Pne,d,t、Psc,b,d,t分别为发电机组g、新能源电站ne、负荷节点b在不可预测时段预测场景sc下第d天时段t的发电功率、预测功率和预测用电负荷。
以式(9)为优化目标，式(10)至(15)为约束条件，即可构建不可预测时段的滚动电量调整模型。该模型为线性规划问题，采用单纯型法等求解算法可直接计算得到。本发明中不赘述其实施流程。求解该模型可以得到在满足电网运行要求的条件下，最大限度贴近月度电量计划执行进度的不可预测时段各电厂电量调整方案。
步骤S5：对不可预测时段电量调整收敛性进行判定：若不可预测时段电量调整下偏差电量为0，说明基于不可预测时段的多场景预测数据，前期执行偏差及不可预测时段的原电量计划均可以在不可预测时段内通过调整各发电厂的电量计划完成，而不需要对不可预测时段发电厂机组组合方式做调整，则滚动调度计划执行结束；若不可预测时段电量调整下偏差电量不为0，则转入步骤S6；
所述步骤S5中，不可预测时段电量调整收敛性判定标准可表示为：
NFDEADE＝0 (16)
步骤S6：进行不可预测时段机组组合调整：当电量调整不能消除可预测时段执行偏差，仍存在不可预测时段电量调整下偏差电量时，调整不可预测时段机组组合方式。
本实施例中，不可预测时段机组组合调整，其优化目标为不可预测时段机组组合调整下偏差电量最小化，可表示为：
Figure BDA0002452920550000101
式(17)中，NFDUCDE为不可预测时段机组组合调整下偏差电量，NFDUCEsc,p,d为边界数据预测场景sc下发电厂p在第d天的电量计划；其中，UC为机组组合英文unit commitment首字母组合。
需要考虑的约束条件包括：电力电量平衡约束、运行备用约束、运行断面传输能力约束、机组出力能力约束、机组爬坡能力约束、电厂电量关系约束、启停状态变量约束、最小启停时间约束，通过以下各式表示为：
Figure BDA0002452920550000102
Figure BDA0002452920550000103
Figure BDA0002452920550000104
sg,dCDg≤Psc,g,d,t≤sg,dCUg (21)
sg,dCADg≤Psc,g,d,t-Psc,g,d,t-1≤sg,dCAUg (22)
Figure BDA0002452920550000105
ssg,d-csg,d＝sg,d-sg,d-1 (24)
Figure BDA0002452920550000106
式(18)-(25)中，ssg,d、csg,d分别为发电机组g在第d天的启动状态变量、停机状态变量，DT为机组最小持续开机和停机时间；其中，ss为启动状态英文start state的首字母组合，cs为停机状态英文close state的首字母组合，dt为持续时间英文duration time首字母组合。
以式(17)为优化目标，式(18)至(25)为约束条件，即可构建不可预测时段的机组组合调整模型。该模型为线性规划问题，采用单纯型法等求解算法可直接计算得到。
需要说明的是，该模型为线性规划问题，采用单纯型法等求解算法可直接计算得到。还需要说明的是，不可预测时段电量调整模型与不可预测时段机组组合模型相比，最大的区别在于电量调整模型中机组运行状态沿用原计划运行状态，即sg,d是给定值；而机组组合模型中机组运行状态sg,d是优化变量，会做调整。
本发明在流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.基于预测时段划分的月内滚动调度计划优化调整方法，其特征在于：所述方法包括以下步骤：
步骤S1：进行后续运行日时段划分：将后续运行日划分为可预测时段、不可预测时段。其中可预测时段即为新能源预测、负荷预测等采用确定性预测方法可信的预测时段范围，超出该时段范围即为不可预测时段；
步骤S2：对可预测时段滚动调度计划进行优化：可预测时段滚动调度计划的优化目标为可预测时段执行偏差，可表述为在可预测时段范围内，根据前期执行偏差，最大限度的调整电量计划，使其贴近月度电量计划进度；
步骤S3：进行可预测时段收敛性判定：若可预测时段执行偏差为0，说明基于可预测时段的预测数据，前期执行偏差及可预测时段的原电量计划均可以在可预测时段内通过调整各发电厂的电量计划完成，而不需要对不可预测时段发电厂机组组合方式及电量计划作调整，则滚动调度计划执行结束；若可预测时段执行偏差不为0，则转入步骤S4；
步骤S4：对不可预测时段滚动电量进行调整：可预测时段执行偏差优先通过在可预测时段内在不改变机组开停计划的方式下调整各发电厂逐日电量计划消除；
步骤S5：对不可预测时段电量调整收敛性进行判定：若不可预测时段电量调整下偏差电量为0，说明基于不可预测时段的多场景预测数据，前期执行偏差及不可预测时段的原电量计划均可以在不可预测时段内通过调整各发电厂的电量计划完成，而不需要对不可预测时段发电厂机组组合方式做调整，则滚动调度计划执行结束；若不可预测时段电量调整下偏差电量不为0，则转入步骤S6；
步骤S6：进行不可预测时段机组组合调整：当电量调整不能消除可预测时段执行偏差，仍存在不可预测时段电量调整下偏差电量时，调整不可预测时段机组组合方式。
2.根据权利要求1所述的基于预测时段划分的月内滚动调度计划优化调整方法，其特征在于：所述步骤S1中，根据不同地区采用确定性预测方法可信的预测时段范围，将后续运行日划分为可预测时段、不可预测时段，其中可预测时段即为新能源预测、负荷预测等采用确定性预测方法可信的预测时段范围，超出该时段范围即为不可预测时段。
3.根据权利要求1所述的基于预测时段划分的月内滚动调度计划优化调整方法，其特征在于：可预测时段滚动调度计划的优化目标为可预测时段执行偏差，采用下式表达：
Figure FDA0002452920540000011
式(1)中，Min表示最小化优化问题，FDDE为优化目标，即可预测时段执行偏差，FDEp,d、PESp,d分别为发电厂p在可预测时段内第d天的滚动电量计划和原月度电量计划，DEp为发电厂p前期运行日的执行偏差，NFD为可预测时段的天数，NP为全网发电厂数，所有电厂的累计预期执行偏差之和即为全网发电厂累计预期执行偏差。
4.根据权利要求3所述的基于预测时段划分的月内滚动调度计划优化调整方法，其特征在于：所述公式(1)中，所考虑的约束条件包括：电力电量平衡约束、运行备用约束、运行断面传输能力约束、机组出力能力约束、机组爬坡能力约束、电厂电量关系约束。可表示为：
Figure FDA0002452920540000021
Figure FDA0002452920540000022
Figure FDA0002452920540000023
sg,dCDg≤Pg,d,t≤sg,dCUg (5)
sg,dCADg≤Pg,d,t-Pg,d,t-1≤sg,dCAUg (6)
Figure FDA0002452920540000024
式(2)-(7)中，Pg,d,t、Pne,d,t、Pb,d,t分别为发电机组g、新能源电站ne、负荷节点b在可预测时段第d天时段t的发电功率、预测功率和预测用电负荷，NG、NNE、NB分别为全网发电机组台数、新能源电站数、负荷节点数，sg,d为发电机组g在第d天的运行状态变量，CUg、CDg分别为发电机组g的最大、最小技术出力，Rd为第d日的运行备用，GSDFg,os、GSDFne,os、GSDFb,os分别为发电机组g、新能源电站ne和负荷节点b与运行断面os的潮流功率转移分布因子，PFUos、PFDos为运行断面os的潮流上、下限，CAUg、CADg分别为发电机组g爬坡能力上、下限，NT为一天中优化时段数，ΔT为优化时段的时间间隔，g∈p表示所有属于发电厂p的机组g；
以式(1)为优化目标，式(2)至(7)为约束条件，即可构建可预测时段的滚动调度计划模型。
5.根据权利要求1所述的基于预测时段划分的月内滚动调度计划优化调整方法，其特征在于：所述步骤S3中，可预测时段电量调整收敛性判定标准可表示为：
FDDE＝0 (8) 。
6.根据权利要求1所述的基于预测时段划分的月内滚动调度计划优化调整方法，其特征在于：所述步骤S4中，将该滚动调整过程称为不可预测时段滚动电量调整，其优化目标为不可预测时段电量调整下偏差电量最小化，采用下式表示：
Figure FDA0002452920540000031
式(9)中，NFDEADE为不可预测时段电量调整下偏差电量，NFDEAEsc,p,d为边界数据预测场景sc下发电厂p在第d天的电量计划，ρsc为该场景的发生概率，NSC为总场景数，FDDEp为经过可预测时段电量调整下发电厂p的可预测时段执行偏差；
需要考虑的约束条件包括：电力电量平衡约束、运行备用约束、运行断面传输能力约束、机组出力能力约束、机组爬坡能力约束、电厂电量关系约束,通过下列各式表示为：
Figure FDA0002452920540000032
Figure FDA0002452920540000033
Figure FDA0002452920540000034
sg,dCDg≤Psc,g,d,t≤sg,dCUg (13)
sg,dCADg≤Psc,g,d,t-Psc,g,d,t-1≤sg,dCAUg (14)
Figure FDA0002452920540000035
式(10)-(15)中，Psc,g,d,t、Pne,d,t、Psc,b,d,t分别为发电机组g、新能源电站ne、负荷节点b在不可预测时段预测场景sc下第d天时段t的发电功率、预测功率和预测用电负荷；
以式(9)为优化目标，式(10)至(15)为约束条件，即可构建不可预测时段的滚动电量调整模型。
7.根据权利要求6所述的基于预测时段划分的月内滚动调度计划优化调整方法，其特征在于：所述步骤S5中，不可预测时段电量调整收敛性判定标准可表示为：
NFDEADE＝0 (16) 。
8.根据权利要求1所述的基于预测时段划分的月内滚动调度计划优化调整方法，其特征在于：所述步骤S6中，不可预测时段机组组合调整，其优化目标为不可预测时段机组组合调整下偏差电量最小化，可表示为：
Figure FDA0002452920540000041
式(17)中，NFDUCDE为不可预测时段机组组合调整下偏差电量，NFDUCEsc,p,d为边界数据预测场景sc下发电厂p在第d天的电量计划；
需要考虑的约束条件包括：电力电量平衡约束、运行备用约束、运行断面传输能力约束、机组出力能力约束、机组爬坡能力约束、电厂电量关系约束、启停状态变量约束、最小启停时间约束，通过以下各式表示为：
Figure FDA0002452920540000042
Figure FDA0002452920540000043
Figure FDA0002452920540000044
sg,dCDg≤Psc,g,d,t≤sg,dCUg (21)
sg,dCADg≤Psc,g,d,t-Psc,g,d,t-1≤sg,dCAUg (22)
Figure FDA0002452920540000045
ssg,d-csg,d＝sg,d-sg,d-1 (24)
Figure FDA0002452920540000046
式(18)-(25)中，ssg,d、csg,d分别为发电机组g在第d天的启动状态变量、停机状态变量，DT为机组最小持续开机和停机时间；
以式(17)为优化目标，式(18)至(25)为约束条件，即可构建不可预测时段的机组组合调整模型。
9.一种计算机装置，包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1-8任一项所述的方法。
10.一种计算机可读存储介质，其上储存有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的方法。
CN202010297947.9A 2020-04-16 2020-04-16 基于预测时段划分的月内滚动调度计划优化调整方法 Active CN111553570B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010297947.9A CN111553570B (zh) 2020-04-16 2020-04-16 基于预测时段划分的月内滚动调度计划优化调整方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010297947.9A CN111553570B (zh) 2020-04-16 2020-04-16 基于预测时段划分的月内滚动调度计划优化调整方法

Publications (2)

Publication Number Publication Date
CN111553570A true CN111553570A (zh) 2020-08-18
CN111553570B CN111553570B (zh) 2022-09-23

Family

ID=71999939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010297947.9A Active CN111553570B (zh) 2020-04-16 2020-04-16 基于预测时段划分的月内滚动调度计划优化调整方法

Country Status (1)

Country Link
CN (1) CN111553570B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113991638A (zh) * 2021-08-31 2022-01-28 华能(福建)能源开发有限公司 一种针对不同地点的新能源场站发电功率的预测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110055287A1 (en) * 2010-07-02 2011-03-03 David Sun System tools for evaluating operational and financial performance from dispatchers using after the fact analysis
CN104616069A (zh) * 2015-01-13 2015-05-13 国电南瑞科技股份有限公司 一种考虑计划完成率和负荷率均衡的年度发电计划滚动分解优化方法
CN105046395A (zh) * 2015-05-15 2015-11-11 华南理工大学 一种含多类型新能源的电力系统日内滚动计划编制方法
CN106682808A (zh) * 2016-09-20 2017-05-17 北京恒泰实达科技股份有限公司 在线滚动优化调度模型
US20170323229A1 (en) * 2010-07-02 2017-11-09 Alstom Technology Ltd. Method for evaluating operational and financial performance for dispatchers using after the fact analysis
CN108388968A (zh) * 2018-03-20 2018-08-10 云南电网有限责任公司玉溪供电局 基于预招标偏差电量平衡机制的发电计划滚动调整方法
CN109634119A (zh) * 2018-12-24 2019-04-16 浙江工业大学 一种基于日内滚动优化的能源互联网优化控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110055287A1 (en) * 2010-07-02 2011-03-03 David Sun System tools for evaluating operational and financial performance from dispatchers using after the fact analysis
US20170323229A1 (en) * 2010-07-02 2017-11-09 Alstom Technology Ltd. Method for evaluating operational and financial performance for dispatchers using after the fact analysis
CN104616069A (zh) * 2015-01-13 2015-05-13 国电南瑞科技股份有限公司 一种考虑计划完成率和负荷率均衡的年度发电计划滚动分解优化方法
CN105046395A (zh) * 2015-05-15 2015-11-11 华南理工大学 一种含多类型新能源的电力系统日内滚动计划编制方法
CN106682808A (zh) * 2016-09-20 2017-05-17 北京恒泰实达科技股份有限公司 在线滚动优化调度模型
CN108388968A (zh) * 2018-03-20 2018-08-10 云南电网有限责任公司玉溪供电局 基于预招标偏差电量平衡机制的发电计划滚动调整方法
CN109634119A (zh) * 2018-12-24 2019-04-16 浙江工业大学 一种基于日内滚动优化的能源互联网优化控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙亮 等: "基于基尼系数电量进度公平性的日内滚动发电计划", 《电网技术》 *
赵倩 等: "考虑多场景新能源预测的月度机组组合研究", 《电力大数据》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113991638A (zh) * 2021-08-31 2022-01-28 华能(福建)能源开发有限公司 一种针对不同地点的新能源场站发电功率的预测方法

Also Published As

Publication number Publication date
CN111553570B (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
US11757404B2 (en) Coordinated control of renewable electric generation resource and charge storage device
CN107171367B (zh) 风电与储能系统互补下的火电机组组合优化决策方法
CN111900729B (zh) 一种区域电网源网荷互动日内计划优化调整方法及装置
CN113193547A (zh) 计及新能源及负荷区间不确定性的电力系统日前-日内协同调度方法与系统
KR20210100699A (ko) 하이브리드 발전소
WO2023167631A1 (en) An electrical power system and a multi-timescale coordinated optimization scheduling method therefor
CN111541279B (zh) 考虑机组出力状态的风电场功率自动控制系统及方法
CN113078643A (zh) 一种考虑电网经济运行风电计划优化及偏差补偿用储能容量配置方法
CN111553572B (zh) 考虑电量计划执行风险的月度机组组合优化方法
CN111553570B (zh) 基于预测时段划分的月内滚动调度计划优化调整方法
CN115528748A (zh) 一种电力紧平衡状态配置方法、装置、设备及介质
CN112039093B (zh) 储能资源电力系统功率频率控制方法、系统、设备及介质
CN114336730A (zh) 一种考虑辅助服务优选的电力系统低碳优化调度方法
CN111786421A (zh) 电网调度方法及装置
CN115566680B (zh) 一种新能源电力系统时序生产模拟运行优化方法及装置
CN109193811B (zh) 一种新能源发电有功功率平滑控制方法、系统及存储介质
CN116683486A (zh) 用于集群储能系统功率调度控制的方法及装置
CN115796501A (zh) 一种梯级水电站群多层级多目标协同调度方法及系统
CN115065075A (zh) 风储集群中储能站优化调度方法、系统及存储介质
CN114884135A (zh) 适用于地区级源网荷储日前协调控制方法
CN112949924A (zh) 考虑电量执行与调峰匹配的机组组合优化方法和控制器
CN116308301B (zh) 协调多区域的输电检修方法、装置、计算机设备及介质
CN115566709B (zh) 一种储能变流器单机能量就地控制方法及装置
CN112132320B (zh) 一种区域电网电力资源感知方法、存储介质和设备
CN117096945A (zh) 一种海上风电调度方法、装置、终端设备及存储介质

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