CN111932003A - 一种虚拟电厂优化调度方法 - Google Patents
一种虚拟电厂优化调度方法 Download PDFInfo
- Publication number
- CN111932003A CN111932003A CN202010752136.3A CN202010752136A CN111932003A CN 111932003 A CN111932003 A CN 111932003A CN 202010752136 A CN202010752136 A CN 202010752136A CN 111932003 A CN111932003 A CN 111932003A
- Authority
- CN
- China
- Prior art keywords
- objective function
- comprehensive
- power plant
- transmission line
- scheduling method
- 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
- 238000000034 method Methods 0.000 title claims abstract description 13
- 230000005540 biological transmission Effects 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005266 casting Methods 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/04—Manufacturing
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Feedback Control In General (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种虚拟电厂优化调度方法,包括以下步骤:建立最小功率偏差、最小线损和最小运行成本的目标函数;B、将步骤A中建立的目标函数进行扁平化处理,得到综合目标函数;C、对综合目标函数的最优解进行计算。本发明能够改进现有技术的不足,提高虚拟电厂的调度控制时效性。
Description
技术领域
本发明涉及虚拟电厂技术领域,尤其是一种虚拟电厂优化调度方法。
背景技术
虚拟电厂是近些年快速发展的一种电力系统控制方式。其通过将控制范围内的各个供电单元和用电单元等元素组合为一个完整的控制系统进行统一调度,实现提高电力系统调度水平的目的。现有的虚拟电厂调度方式通常是建立若干个目标函数和约束条件,然后通过优化算法对其进行运算,得到最优解。由于实际情况中目标函数和约束条件纷繁复杂,导致优化过程运算量大,虚拟电厂的调度控制时效性较差。
发明内容
本发明要解决的技术问题是提供一种虚拟电厂优化调度方法,能够解决现有技术的不足,提高虚拟电厂的调度控制时效性。
为解决上述技术问题,本发明所采取的技术方案如下。
一种虚拟电厂优化调度方法,包括以下步骤:
A、建立如下的目标函数,
最小功率偏差
其中,ΔP为功率偏差,Pi为第i个供电设备的输出功率,Pj为第j个用电设备的消耗功率,n1为供电设备数量,n2为用电设备数量;
最小线损
其中,L为线损,n3为输电线路数量,Cij是连接输电线路i和输电线路j的电导,Ui是输电线路i的电压,Uj是输电线路j的电压,θij为输电线路i和输电线路j的电压相角差;
最小运行成本
F=F1+F2+F3,
其中F为总成本,F1为供电设备正常运行成本,F2为可中断负荷的投切成本,F3为火电厂运行的污染成本;
B、将步骤A中建立的目标函数进行扁平化处理,得到综合目标函数;
C、对综合目标函数的最优解进行计算。
作为优选,步骤B中,根据实际运行需要,选定一个目标函数作为主目标函数,其余目标函数为从目标函数;分别建立主目标函数与不同从目标函数之间的关联矩阵,对非线性相关的关联矩阵进行拼接,对线性相关的关联矩阵进行合并,得到组合关联矩阵;使用组合关联矩阵将从目标函数转化为与主目标函数相关的从目标函数,然后将转化后的从目标函数与主目标函数进行合并,得到综合目标函数。
作为优选,步骤C中,对综合目标函数的最优解进行计算包括以下步骤,
C1、选定综合目标函数中权重最大的参数变量;
C2、以步骤C1选定的参数变量为基础对综合目标函数进行正则化;
C3、将正则化后的综合目标函数处于稳定状态的解作为最优解。
作为优选,步骤C2中,进行正则化包括以下步骤,
C21、使用综合目标函数的极值点作为截断点,依次对综合目标函数进行截断;
C22、每次截断使用选定的参数变量求取综合目标函数的稀疏解;
C23、将非相关的稀疏解组成解集,作为综合目标函数的约束条件。
作为优选,步骤C3中,计算综合目标函数的稳定状态包括以下步骤,C31、随机选择综合目标函数上若干个局部最优解;
C32、将局部最优解进行算术运算,得到测试数据集;
C33、使用测试数据集对综合目标函数进行连续测试,确定使综合目标函数属于稳态的测试数据范围,将上述范围内的测试数据进行步骤C32的逆运算,得到局部最优解,将得到的局部最优解进行线性合并,得到最优解。
采用上述技术方案所带来的有益效果在于:本发明通过优化对目标函数的处理过程,降低了参数变量的维度,减少了优化运算量,从而提高了虚拟电厂的调度控制时效性。
附图说明
图1是本发明一个具体实施方式的流程图。
具体实施方式
参照图1,本实施例包括以下步骤,
建立如下的目标函数,
最小功率偏差
其中,ΔP为功率偏差,Pi为第i个供电设备的输出功率,Pj为第j个用电设备的消耗功率,n1为供电设备数量,n2为用电设备数量;
最小线损
其中,L为线损,n3为输电线路数量,Cij是连接输电线路i和输电线路j的电导,Ui是输电线路i的电压,Uj是输电线路j的电压,θij为输电线路i和输电线路j的电压相角差;
最小运行成本
F=F1+F2+F3,
其中F为总成本,F1为供电设备正常运行成本,F2为可中断负荷的投切成本,F3为火电厂运行的污染成本;
B、将步骤A中建立的目标函数进行扁平化处理,得到综合目标函数;
C、对综合目标函数的最优解进行计算。
步骤B中,根据实际运行需要,选定一个目标函数作为主目标函数,其余目标函数为从目标函数;分别建立主目标函数与不同从目标函数之间的关联矩阵,对非线性相关的关联矩阵进行拼接,对线性相关的关联矩阵进行合并,得到组合关联矩阵;使用组合关联矩阵将从目标函数转化为与主目标函数相关的从目标函数,然后将转化后的从目标函数与主目标函数进行合并,得到综合目标函数。
步骤C中,对综合目标函数的最优解进行计算包括以下步骤,
C1、选定综合目标函数中权重最大的参数变量;
C2、以步骤C1选定的参数变量为基础对综合目标函数进行正则化;
C3、将正则化后的综合目标函数处于稳定状态的解作为最优解。
步骤C2中,进行正则化包括以下步骤,
C21、使用综合目标函数的极值点作为截断点,依次对综合目标函数进行截断;
C22、每次截断使用选定的参数变量求取综合目标函数的稀疏解;
C23、将非相关的稀疏解组成解集,作为综合目标函数的约束条件。
步骤C3中,计算综合目标函数的稳定状态包括以下步骤,
C31、随机选择综合目标函数上若干个局部最优解;
C32、将局部最优解进行算术运算,得到测试数据集;
C33、使用测试数据集对综合目标函数进行连续测试,确定使综合目标函数属于稳态的测试数据范围,将上述范围内的测试数据进行步骤C32的逆运算,得到局部最优解,将得到的局部最优解进行线性合并,得到最优解。
以上显示和描述了本发明的基本原理和主要特征以及本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种虚拟电厂优化调度方法,其特征在于包括以下步骤:
A、建立如下的目标函数,
最小功率偏差
其中,ΔP为功率偏差,Pi为第i个供电设备的输出功率,Pj为第j个用电设备的消耗功率,n1为供电设备数量,n2为用电设备数量;
最小线损
其中,L为线损,n3为输电线路数量,Cij是连接输电线路i和输电线路j的电导,Ui是输电线路i的电压,Uj是输电线路j的电压,θij为输电线路i和输电线路j的电压相角差;
最小运行成本
F=F1+F2+F3,
其中F为总成本,F1为供电设备正常运行成本,F2为可中断负荷的投切成本,F3为火电厂运行的污染成本;
B、将步骤A中建立的目标函数进行扁平化处理,得到综合目标函数;
C、对综合目标函数的最优解进行计算。
2.根据权利要求1所述的虚拟电厂优化调度方法,其特征在于:步骤B中,根据实际运行需要,选定一个目标函数作为主目标函数,其余目标函数为从目标函数;分别建立主目标函数与不同从目标函数之间的关联矩阵,对非线性相关的关联矩阵进行拼接,对线性相关的关联矩阵进行合并,得到组合关联矩阵;使用组合关联矩阵将从目标函数转化为与主目标函数相关的从目标函数,然后将转化后的从目标函数与主目标函数进行合并,得到综合目标函数。
3.根据权利要求2所述的虚拟电厂优化调度方法,其特征在于:步骤C中,对综合目标函数的最优解进行计算包括以下步骤,
C1、选定综合目标函数中权重最大的参数变量;
C2、以步骤C1选定的参数变量为基础对综合目标函数进行正则化;
C3、将正则化后的综合目标函数处于稳定状态的解作为最优解。
4.根据权利要求3所述的虚拟电厂优化调度方法,其特征在于:步骤C2中,进行正则化包括以下步骤,
C21、使用综合目标函数的极值点作为截断点,依次对综合目标函数进行截断;
C22、每次截断使用选定的参数变量求取综合目标函数的稀疏解;
C23、将非相关的稀疏解组成解集,作为综合目标函数的约束条件。
5.根据权利要求4所述的虚拟电厂优化调度方法,其特征在于:步骤C3中,计算综合目标函数的稳定状态包括以下步骤,
C31、随机选择综合目标函数上若干个局部最优解;
C32、将局部最优解进行算术运算,得到测试数据集;
C33、使用测试数据集对综合目标函数进行连续测试,确定使综合目标函数属于稳态的测试数据范围,将上述范围内的测试数据进行步骤C32的逆运算,得到局部最优解,将得到的局部最优解进行线性合并,得到最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010752136.3A CN111932003B (zh) | 2020-07-30 | 2020-07-30 | 一种虚拟电厂优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010752136.3A CN111932003B (zh) | 2020-07-30 | 2020-07-30 | 一种虚拟电厂优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111932003A true CN111932003A (zh) | 2020-11-13 |
CN111932003B CN111932003B (zh) | 2022-07-08 |
Family
ID=73314815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010752136.3A Active CN111932003B (zh) | 2020-07-30 | 2020-07-30 | 一种虚拟电厂优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111932003B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488851A (zh) * | 2013-10-15 | 2014-01-01 | 浙江大学 | 基于几何结构信息的多目标优化方法 |
CN103904646A (zh) * | 2014-03-28 | 2014-07-02 | 华中科技大学 | 一种考虑三相潮流的微电网多目标能量优化方法 |
CN103985120A (zh) * | 2014-05-13 | 2014-08-13 | 西北工业大学 | 一种遥感图像多目标关联的方法 |
CN105678261A (zh) * | 2016-01-07 | 2016-06-15 | 西安电子科技大学 | 基于有监督图的直推式数据降维方法 |
CN109388854A (zh) * | 2018-09-11 | 2019-02-26 | 华南理工大学 | 基于主元分析的综合能源系统众多目标优化方法 |
-
2020
- 2020-07-30 CN CN202010752136.3A patent/CN111932003B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488851A (zh) * | 2013-10-15 | 2014-01-01 | 浙江大学 | 基于几何结构信息的多目标优化方法 |
CN103904646A (zh) * | 2014-03-28 | 2014-07-02 | 华中科技大学 | 一种考虑三相潮流的微电网多目标能量优化方法 |
CN103985120A (zh) * | 2014-05-13 | 2014-08-13 | 西北工业大学 | 一种遥感图像多目标关联的方法 |
CN105678261A (zh) * | 2016-01-07 | 2016-06-15 | 西安电子科技大学 | 基于有监督图的直推式数据降维方法 |
CN109388854A (zh) * | 2018-09-11 | 2019-02-26 | 华南理工大学 | 基于主元分析的综合能源系统众多目标优化方法 |
Non-Patent Citations (3)
Title |
---|
DRUGAN, MM ET AL: "Random walk"s correlation function for multi-objective NK landscapes and quadratic assignment problem", 《JOURNAL OF COMBINATORIAL OPTIMIZATION》 * |
LI, SJ ET AL: "Multi-objective Planning for Siting and Sizing of Distributed Generators Considering Correlations", 《2018 INTERNATIONAL CONFERENCE ON POWER SYSTEM TECHNOLOGY (POWERCON)》 * |
郑建炜等: "融合关联矩阵自学习和显式秩约束的数据表示分簇算法", 《计算机学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111932003B (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9964980B2 (en) | Method and apparatus for optimal power flow with voltage stability for large-scale electric power systems | |
Kamarposhti et al. | Effect of wind penetration and transmission line development in order to reliability and economic cost on the transmission system connected to the wind power plant | |
CN111181201B (zh) | 基于双层强化学习的多能园区调度方法及系统 | |
CN110212551B (zh) | 基于卷积神经网络的微网无功自动控制方法 | |
Kamisan et al. | Forecasting Wind Speed Data by Using a Combination of ARIMA Model with Single Exponential Smoothing. | |
CN111932003B (zh) | 一种虚拟电厂优化调度方法 | |
CN117853269A (zh) | 基于机器学习的供热数据优化方法、装置及设备 | |
CN116739404B (zh) | 一种综合能源系统熵态模型中网络化特征模块的构建方法 | |
CN115659098A (zh) | 一种分布式新能源消纳能力计算方法、装置、设备及介质 | |
CN110768294B (zh) | 一种分布式电源随机调度方法和装置 | |
CN106684854B (zh) | 一种基于节点等效的有源配电网电压越限风险分析方法 | |
CN109038640B (zh) | 一种基于相量图解法的upfc串联侧换流器定容方法 | |
CN113507124A (zh) | 一种基于序列凸优化的能源互联网快速调度方法及装置 | |
CN113131486A (zh) | 一种配电网分布式电压协调控制方法和系统 | |
He et al. | Research on model and method of maturity evaluation of smart grid industry | |
CN106408130B (zh) | 一种用于电力系统经济调度的分布式拍卖方法 | |
CN117498467B (zh) | 一种基于多层级虚拟电厂的能量协调控制分配方法及系统 | |
CN110417020A (zh) | 一种处理非光滑约束的综合能源系统潮流计算方法及系统 | |
CN118364976B (zh) | 基于同源维护的电网图供电路径智能优化方法及系统 | |
CN108390407A (zh) | 分布式光伏接入量计算方法、装置及计算机设备 | |
Yan et al. | Research and Application of Genetic Algorithm Based Optimization of BP Neural Network Combinatorial Model | |
CN113569366B (zh) | 基于大数据的供热管网优化设计方法及终端设备 | |
CN116632829B (zh) | 碳排放因子预测方法、系统、计算机设备和存储介质 | |
CN106547621A (zh) | 一种大尺度条件下的网格资源优化调度方法 | |
Liu et al. | Predicting Active Constraints Set in Security-Constrained Optimal Power Flow via Deep Neural Network |
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 |