CN112163304B - 一种输电网冗余约束识别方法、存储介质及计算设备 - Google Patents

一种输电网冗余约束识别方法、存储介质及计算设备 Download PDF

Info

Publication number
CN112163304B
CN112163304B CN202010845625.3A CN202010845625A CN112163304B CN 112163304 B CN112163304 B CN 112163304B CN 202010845625 A CN202010845625 A CN 202010845625A CN 112163304 B CN112163304 B CN 112163304B
Authority
CN
China
Prior art keywords
power
constraint
model
redundancy
linear programming
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
CN202010845625.3A
Other languages
English (en)
Other versions
CN112163304A (zh
Inventor
王建学
杨钤
尹鸿睿
梁金冰
丛立章
刘子拓
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202010845625.3A priority Critical patent/CN112163304B/zh
Publication of CN112163304A publication Critical patent/CN112163304A/zh
Application granted granted Critical
Publication of CN112163304B publication Critical patent/CN112163304B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Pure & Applied Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种输电网冗余约束识别方法、存储介质及计算设备，构建混合整数线性规划模型，根据线性规划模型最优解形式，形成输电网冗余约束识别判据，设计含多类电源的SCUC输电网冗余约束识别判据；针对大规模电力系统中长期运行模拟的实际需求，设计冗余约束加速识别算法，先进行预识别，给出整个时间尺度下的冗余约束识别判据；对未被筛选出的线路进行各时刻逐一识别，最大化筛选出模型中的输电网冗余约束，利用冗余约束加速识别方法对输电网冗余约束进行识别；将冗余约束识别方法应用于大规模电力系统的规划方案评估中，有效降低求解SCUC模型所需要的内存开销和时间开销，提高长期SCUC模型在大规模电力系统的规划方案评估中的实用价值。

Description

一种输电网冗余约束识别方法、存储介质及计算设备
技术领域
本发明属于电力系统规划评估技术领域，具体涉及一种大规模电力系统规划评估用输电网冗余约束识别方法。
背景技术
随着新能源的高速发展，电力系统电源结构发生重大改变，电力系统也将进行电网规划和储能投建，用于缓解电力系统调峰压力并保证新能源消纳。对于规模庞大的含多类电源的省级电力系统，有必要对拟定的规划方案进行评估，验证规划方案的合理性。
电力系统中长期运行模拟是电力系统规划评估中一个重要的分析工具，其核心技术是考虑网络安全约束的机组组合(SCUC)，其应用到省级电力系统评估中会存在技术难题，一方面由于省级电力系统规模庞大，包含了大量的电源、输电线路、负荷等元件，另一方面是中长期运行模拟需要很长的时间尺度，这两方面导致SCUC问题变得十分复杂，需要添加的约束也随着元件数目和时间尺度成倍增加。
为了提高中长期SCUC问题的计算效率，需要将问题中的冗余约束进行剔除，从而降低问题规模。对于我国省级电力系统，输电网架十分坚强，大多数输电线路不会出现过载风险，因此可以筛选出对应的网络安全约束并从模型中剔除，从而达到提高计算效率的目的。在已有冗余约束识别研究中，有一种广受关注的方法可以在不计算额外的数学优化问题就可判断出模型中绝大多数的冗余约束，然而已有的冗余约束识别方法并未针对多类电源进行分析，尤其是未涉及如何处理储能的问题，同时冗余约束识别方法大多用于较短尺度的SCUC问题，并未考虑其对中长期SCUC问题的适应性。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种大规模电力系统规划评估用输电网冗余约束识别方法、存储介质及计算设备，降低中长期SCUC问题的规模，提高规划评估的计算效率，使电力系统中长期运行模拟可以高效评估大规模电力系统的规划方案，提高电力系统中长期运行模拟技术的实用价值。
本发明采用以下技术方案：
一种大规模电力系统规划评估用输电网冗余约束识别方法，包括以下步骤：
S1、获取电力系统规划方案、基本技术数据、系统运行模拟数据；
S2、构建混合整数线性规划模型，将混合整数线性规划模型线性化生成线性规划模型，对线性规划模型进行简化处理，根据线性规划模型最优解形式，形成输电网冗余约束识别判据，设计含多类电源的SCUC输电网冗余约束识别判据；
S3、针对大规模电力系统中长期运行模拟的实际需求，设计冗余约束加速识别算法，先进行预识别，给出整个时间尺度下的冗余约束识别判据；对未被筛选出的线路进行各时刻逐一识别，最大化筛选出模型中的输电网冗余约束，利用冗余约束加速识别方法对输电网冗余约束进行识别；
S4、将冗余约束识别方法应用于大规模电力系统的规划方案评估中，求解长期SCUC模型，通过冗余约束识别方法剔除SCUC模型中不起实质性作用的网络安全约束。
具体的，步骤S1中，系统规划方案包括电力系统网架拓扑结构；系统基本技术数据包括常规发电机参数、储能设备参数和输电设备参数；电源装机容量包括火电机组i的装机容量水电机组i的装机容量/>储能设备的充电装机容量-P i S，储能设备i的发电装机容量/>输电线路l的传输容量上限/>系统运行模拟数据包括中长期尺度下负荷模拟曲线，新能源出力模拟曲线，省级联络线的外送功率模拟曲线。
具体的，步骤S2具体为：
S201、给出输电线路传输容量约束的具体形式，并将其处理为矩阵形式；
S202、针对每个时刻构建混合整数线性规划模型，建立最大化输电线路单方向运行功率的目标函数，添加相应约束条件；
S203、针对步骤S202中完整的混合整数线性规划模型，将混合整数线性规划模型线性化生成线性规划模型；
S204、针对步骤S203中完整的线性规划模型，删减输电线路单向运行功率上限约束，生成简化版线性规划模型；
S205、给出步骤S204中简化版线性规划模型有可行解的充要条件，将等效发电电源与储能设备的运行约束合并，通过排序方式得到线性规划模型的一个可行解，作为线性规划模型的最优解；
S206、根据步骤S205得到的线性规划模型最优解形式，形成输电网冗余约束识别判据。
进一步的，步骤S201中，矩阵形式如下：
其中，t＝1,2,…T，Γt中的第j行元素可以表示为γj,t。
进一步的，步骤S202中，建立最大化输电线路单方向运行功率的目标函数，具体为：
约束条件具体如下：
系统功率平衡约束：
其中，D’t为等效负荷在t时刻的总功率；
火电机组出力约束：
其中，i＝1,2,…NG，为火电机组i在t时刻的开机状态变量，1表示开机，0表示停机；
水电机组出力约束：
其中，i＝1,2,…NH；
新能源机组出力约束：
其中，i＝1,2,…NE；
储能设备出力约束：
其中，i＝1,2,…NS；
输电线路单向运行功率上限约束：
其中，矩阵加上标{-j}代表将矩阵中的第j行删掉；
如果模型目标函数最优值不大于γj,t，即等效的传输容量上限，则FG(j)Pt G+FH(j)Pt H+FE(j)Pt E+FS(j)Pt S≤γj,t为冗余约束，矩阵上标加(j)代表矩阵中仅含有第j行元素。
进一步的，步骤S204中，简化版线性规划模型如下：
模型中仅包含机组出力上下限约束和系统功率平衡约束，若模型目标函数最优值不大于γj,t，则FG{j}Pt G+FH{j}Pt H+FE{j}Pt E+FS{j}Pt S≤γj,t为冗余约束。
具体的，步骤S205中，简化版线性规划模型的最优解为：
通过排序方式得到线性规划模型的一个可行解具体为：首先将FG”(j)中的元素fl,i进行排序，用索引gm替换索引i，使得：如果模型存在可行解，确定一台系统等效电源，使得在系统等效电源之前的机组运行功率最大，而在系统等效电源之后的机组运行功率最小，调节系统等效电源的功率实现系统功率平衡。
具体的，步骤S3中，给出整个时间尺度下的冗余约束识别判据具体为：
首先得到整个时间尺度下各类电源的出力上下限，以及负荷功率的上下限，将负荷功率处理为一个变量，基于鲁棒优化思想，将全时段每个时刻的冗余约束判据整合为一个判据，筛选出模型中大部分的输电网冗余约束；对于新能源和负荷，修正新能源运行功率上限为整个时段内资源功率的最大值，下限为0，允许新能源弃电；对于负荷，直接处理为负的发电机，运行功率上限为整个时段最小负荷功率取负值，运行功率下限为整个时段最大负荷功率取负值，系统等效发电机数设为NG”'，负荷数为0，则此时Γ中第j行元素直接化简为
本发明的另一个技术方案是，一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述的方法中的任一方法。
本发明的另一个技术方案是，一种计算设备，包括：
一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。
与现有技术相比，本发明至少具有以下有益效果：
本发明一种输电网冗余约束识别方法，相比之前仅针对含常规电源电力系统的短期SCUC输电网冗余约束识别方法，本发明可以考虑常规机组、新能源机组以及储能等多类型电源，生成能适用含多类型电源电力系统的冗余约束判据，并且中长期SCUC的实际需求，设计冗余约束识别的加速算法，能在电力系统规模十分庞大的情况下，快速有效得识别出网络安全约束中的冗余约束，大幅改善中长期SCUC的求解效率，增加电力系统中长期运行模拟的实用价值。
进一步的，步骤S1设置电源和网架的基础参数，是执行冗余约束识别方法所必需的数据，用以保证冗余约束识别判据的正确性。
进一步的，步骤S2为含多类电源的SCUC输电网冗余约束识别判据设计过程，包括输电线路传输容量约束的具体形式，各时刻最大化输电线路单方向运行功率的完整MILP模型、完整LP模型以及简化LP模型，这些步骤均是推导输电网冗余约束识别判据的必要步骤，且均涉及了对多类型电源的处理方法，尤其是涉及了对储能设备出力约束，相比已有的仅针对常规机组的冗余约束识别判据设计过程，本发明中冗余约束识别判据的设计过程能够处理多类电源，更具有通用性。
进一步的，步骤S201设置输电线路传输容量约束的具体形式，该约束是执行冗余约束识别方法的对象，后续步骤均针对该约束形式进行冗余判据设计；
进一步的，步骤S202建立最大化输电线路单方向运行功率的目标函数，求解该函数即可得到线路在已有网架分布中可以运行的最大单向功率，可以提供基础的冗余约束判据，若求解结果没有超出步骤S201给出的范围，则可判断该输电线路单方向约束冗余，步骤S202为后续推导冗余约束判据简化形式做基础。
进一步的，步骤S204设置简化版线性规划模型，通过简化模型形式，可以依据对偶理论进行简单推导得到模型最优解，省去了求解优化模型的繁杂过程，为推导冗余约束判据最终形式做基础。
进一步的，步骤S205设置的冗余约束判据最终形式，相比已有的仅针对常规机组的冗余约束识别判据，能够有效处理含多类型电源电力系统中的冗余约束识别问题，更具有通用性和实用性。
进一步的，步骤S3将全时段每个时刻的冗余约束判据整合为一个判据作为预识别，可以有效提高冗余约束识别过程的计算效率，降低中长期SCUC的建模时间，用以适用大规模电力系统中长期运行模拟。
综上所述，本发明所提出的输电网冗余约束识别方法具有更强的通用性以及高效性，相比已有的冗余约束识别方法，本发明所提方法更能提高电力系统中长期运行模拟的实用价值。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明流程图。
具体实施方式
本发明提供了一种大规模电力系统规划评估用输电网冗余约束识别方法、存储介质及计算设备，在进行核心计算时需要求解大规模电力系统在中长期时间尺度下的SCUC问题，会因为繁冗复杂的输电网安全约束导致计算速度十分缓慢。为提高规划评估的计算效率，使电力系统中长期运行模拟可以高效评估大规模电力系统的规划方案，本发明提出了一种适用于大规模电力系统规划评估的输电网冗余约束识别方法。在考虑常规机组、新能源机组以及储能等多类型电源的条件下，给出一种不需要额外求解数学优化问题的输电网冗余约束识别判据，并针对中长期SCUC的实际需求，设计了冗余约束识别的加速算法，能在电力系统规模十分庞大的情况下，快速有效得识别出网络安全约束中的冗余约束，大幅改善中长期SCUC的求解效率，增加电力系统中长期运行模拟的实用价值。
请参阅图1，本发明一种大规模电力系统规划评估用输电网冗余约束识别方法，考虑常规机组、新能源机组以及储能等多类型电源，给出一种不需要额外求解数学优化问题的输电网冗余约束识别判据，并针对中长期SCUC的实际需求，设计了冗余约束识别的加速算法，能在电力系统规模十分庞大的情况下，快速有效得识别出网络安全约束中的冗余约束，大幅改善中长期SCUC的求解效率，增加电力系统中长期运行模拟的实用价值。具体步骤如下：
S1、从电力系统规划部门获取系统规划方案、基本技术数据、系统运行模拟数据；
系统规划方案：电力系统网架拓扑结构。
系统基本技术数据：常规发电机参数、储能设备参数和输电设备参数。
电源装机容量，包括火电机组i的装机容量水电机组i的装机容量/>储能设备的充电装机容量-P i S(由于储能充电时是一个等效的负值发电机，因此这里取P i S＜0方便后续的分析)，储能设备i的发电装机容量/>输电线路l的传输容量上限/>
系统运行模拟数据：中长期尺度下负荷模拟曲线，新能源出力模拟曲线，省级联络线的外送功率模拟曲线。
中长期尺度下各时刻t负荷i的模拟功率各时刻t新能源i的模拟功率/>各时刻t省级联络线i的模拟功率/>其中时间尺度为T。
S2、设计含多类电源的SCUC输电网冗余约束识别判据；
S201、给出输电线路传输容量约束的具体形式，并将其处理为矩阵形式，用于后续步骤具体分析；
首先根据节点与线路之间的转移分布因子矩阵F，分别筛选出其中含有火电机组/水电机组/新能源机组/外区联络线/储能设备/负荷的节点，分别形成对应的转移分布因子：分别代表了电源/负荷元件i改变单位功率时，对线路l产生的功率变化影响。
从而根据各元件的转移分布因子矩阵以及功率，写出输电线路传输容量约束：
其中，l＝1,2,…NL,t＝1,2,…T，NG/NH/NE/NC/NS/ND/NL为系统网架所包含的火电机组/水电机组/新能源机组/外区联络线/储能设备/负荷/输电线路的数量；为火电机组/水电机组/新能源机组/外区联络线/储能设备/负荷i在t时刻的功率。
由于各时刻联络线功率是不会发生变化的，与负荷功率处理方式一致，因此首先可以将联络线与负荷合并，成为等效负荷，则输电线路传输容量约束写为：
其中，l＝1,2,…NL,t＝1,2,…T，ND'为系统包含的等效负荷数量；为等效负荷i对第l条输电线路的转移分布因子；/>为等效负荷i在t时刻的功率。
将网络安全约束写成矩阵形式：
FGPt G+FHPt H+FEPt E+FSPt S≤Γt (3)
其中，t＝1,2,…T，对于FH/FE/FS和Pt H/Pt E/Pt S，仅需按照FG和PG的形式将上下标索引对应替换即可，不再赘述。
其中，t＝1,2,…T，Γt中的第j行元素可以表示为γj,t。
公式(3)左侧相当于减去负荷作用部分的输电线路单向传输功率，右侧相当于加上负荷作用部分的传输容量上限；这是因为负荷功率是不发生变化的，因此可以当做常数算作输电线路等效传输容量上限的一部分，后续分析中，本发明利将左侧部分认为是等效的输电线路单向传输功率，只要保证在SCUC模型中输电线路等效的单向传输功率在任何情况都不会超出等效的传输容量上限，那么对应的约束即为冗余约束。
显然对于一个数学优化模型，包含的约束越多，变量的解空间越小，得到的目标函数值就会越保守，因此只要满足在一个含有最少约束条件的数学优化模型中，求解得到的输电线路最大等效传输功率不超出其等效的传输容量上限，那么在一个含有更多约束条件的数学优化模型中，一定也满足输电线路最大等效传输功率不超出其等效的传输容量上限。
根据上述原则，在接下来的步骤中设计相应的数学优化模型，并逐步判断出可以减少的约束条件，得到一个含最少约束条件的数学优化模型。
S202、针对每个时刻构建混合整数线性规划(MILP)模型；
建立最大化输电线路单方向运行功率的目标函数，具体为：
添加相应约束条件具体如下：
系统运行约束：系统功率平衡约束，具体为：
其中，D’t为等效负荷在t时刻的总功率。
电源侧运行约束包括火电机组出力约束，水电机组出力约束，新能源机组出力约束，储能设备出力约束。
火电机组出力约束：
其中，i＝1,2,…NG，为火电机组i在t时刻的开机状态变量，1表示开机，0表示停机。
水电机组出力约束：
其中，i＝1,2,…NH；
新能源机组出力约束：
其中，i＝1,2,…NE；
储能设备出力约束：
其中，i＝1,2,…NS；
电网侧运行约束：输电线路单向运行功率上限约束。
其中，矩阵加上标{-j}代表将矩阵中的第j行删掉，即删掉了目标函数中线路单向功率对应的传输容量上限约束。
上述MILP模型是在不考虑变量时序耦合关系下的最完整的模型，如果该模型目标函数最优值不大于γj,t，即等效的传输容量上限，则FG(j)Pt G+FH(j)Pt H+FE(j)Pt E+FS(j)Pt S≤γj,t为冗余约束，其中矩阵上标加(j)代表矩阵中仅含有第j行元素。
接下来对模型进行合理化简，得到更精简的模型。
S203、针对步骤S202中完整的MILP模型，将其线性化生成线性规划(LP)模型；
目标函数与步骤S202中目标函数相同，针对约束条件，将步骤S202中火电运行约束线性化处理，使得模型为纯LP问题，进而将火电机组、水电机组和新能源机组出力约束合并，称为等效发电电源，简化LP问题的形式；
纯LP问题：
火电机组出力约束去掉了机组开机状态变量，这样使得模型解空间变大，若能满足该模型目标函数最优值不大于γj,t，则FG{j}Pt G+FH{j}Pt H+FE{j}Pt E+FS{j}Pt S≤γj,t为冗余约束。
显然，在LP模型中，火电、水电与新能源约束形式完全一致，因此直接将这三类电源合并，称为等效发电机组。
其中，FG'为等效发电机组的转移分布因子矩阵；Pt G'为等效发电机组功率向量；NG'为等效发电机组数量；为等效发电机组i在t时刻的功率；/>为等效发电机组i在t时刻的运行功率上限。
S204、针对步骤S203中完整的LP模型，删减输电线路单向运行功率上限约束，生成简化版LP模型；
模型中仅包含了机组出力上下限约束和系统功率平衡约束，已经是最简化的数学优化模型了，若该模型目标函数最优值不大于γj,t，则FG{j}Pt G+FH{j}Pt H+FE{j}Pt E+FS{j}Pt S≤γj,t为冗余约束。
S205、给出步骤S204中简化版LP模型有可行解的充要条件，并进一步将等效发电电源与储能设备的运行约束合并。通过一种排序方式得到该LP模型的一个可行解，并通过对偶理论证明可行解为LP模型的最优解；
为了统一电源约束形式，将等效发电机组的运行功率写为变量的形式，该变量取值为0，则可将发电机组与储能设备合并处理，称为系统等效电源，则模型形式如下：
其中，FG”为系统等效电源的转移分布因子矩阵；Pt G'‘为系统等效电源功率向量；NG”为系统等效电源数量；为系统等效电源i在t时刻的功率；/>为系统等效电源i在t时刻的运行功率上/下限。
下面通过一种排序的方式直接找出模型的一个可行解：
首先将FG”(j)中的元素fl,i进行排序，用索引gm替换索引i，使得：
其中，j＝1,2,…,2NL，如果模型存在可行解，一定可以找到一台系统等效电源，使得在该电源之前的机组运行功率最大，而在该电源之后的机组运行功率最小，从而调节该台等效电源的功率用以实现系统功率平衡。即一定存在整数k使得：
即：
不等式中间的表达式就可以用表示。
显然此时简化LP模型存在可行解如下：
满足：
现在证明该可行解为模型最优解：
构造模型(17)的拉格朗日函数：
则模型(17)的对偶问题为：
根据对偶理论，模型(24)目标函数最优值不小于模型(17)的目标函数最优值，即：
取则有：
其中，gm与i均代表等效电源的索引编号，只是排序不同而已。
当时，让/>当/>时，让/>就可以让式(26)取到最优值：
满足：
根据式(22)、式(25)与式(29)联立可得：
所有不等号均取等号时才能使式(30)成立，因此有：
根据对偶理论，当原问题目标函数值与对偶问题目标函数值相等时，此时对应的原问题可行解是原问题的最优解，对偶问题可行解是对偶问题的最优解。
至此，可以确定式(21)即为简化LP模型的最优解，避免了额外求解数学优化问题。
S206、根据步骤S205得到的LP模型最优解形式，形成输电网冗余约束识别判据，避免了求解任何数学优化模型。
如果存在整数k使得：
上式成立，则FG”(j)Pt G”≤γj,t为冗余约束，即FG{j}Pt G+FH{j}Pt H+FE{j}Pt E+FS{j}Pt S≤γj,t为冗余约束。
S3、针对大规模电力系统中长期运行模拟的实际需求，设计冗余约束加速识别算法。
步骤S206中所提判据需要针对每条线路在每个时刻所受的安全约束进行判断。对于大规模系统，由于一次判据也需要消耗时间，随着元件数和运行时段数的增多，那么需要生成的判据条件数量也将迅速增长，导致编写的程序在生成模型时，冗余约束识别的循环函数将会耗费大量时间。假设一个含有1000条线路，200个电源元件，运行时间尺度为672小时，那么总共需要的冗余约束判据数量为2×1000×672＝1344000个(正反方向需分别判别一次)；对于每个冗余约束判据，需要找到理论中所满足条件的整数k，而寻找k的方法没有捷径，只能通过for循环方法进行遍历，对200个电源元件依次计算，在k之前的元件都取运行功率上限，在k之后的元件都取运行功率下限，然后进行for循环将功率累加，直到找到一个k可满足功率平衡。因此找整数k最多需要内外循环200×200＝40000次(因为找到k后就可停止外层for循环，但不确定k会在哪出现，因此这里取上限次数)，找到k后生成冗余约束判据又需要for循环累加200次。由于每个时刻新能源和负荷功率都不一样，因此每个时刻均需重新寻找k，那么将所有线路在所有时刻的正反向安全约束判别完最多需要1344000×40200＝5.4×1010次for循环。可见，单纯按照步骤S206中所提判据，冗余约束识别方法的耗时量是随着系统规模和时间尺度成倍上升的。因此仍需要采取一定的加速策略来降低冗余约束识别方法消耗的时间。
S301、进行预识别，给出整个时间尺度下的冗余约束识别判据；
首先得到整个时间尺度下各类电源的出力上下限，以及负荷功率的上下限，将负荷功率处理为一个变量，基于鲁棒优化思想，将全时段每个时刻的冗余约束判据整合为一个判据。从而仅需要对整个SCUC模型进行一次冗余约束识别，即可筛选出模型中大部分的输电网冗余约束；
根据理论分析，要削减线路的冗余约束，那么不能从线路数量上优化，所有线路均需判断，且正反方向也均需判断；判断过程中，for循环无法避免，要不然生不成判据；因此可以优化的地方就在运行时间尺度上，如果可以将整个运行时段压缩为判断1次，那么对于时间尺度为1月的模型(取计算粒度为1小时，1月为30天)，冗余约束识别判据的计算量将下降T＝24×30＝720倍，直接差出近3个数量级，且随着时间尺度的增加，计算量下降效果会更加明显。
对于常规机组以及储能，本身就以装机容量作为运行功率的范围，无需更改；而对于新能源和负荷(含联络线)，整个时段内的功率都是在不断变化的，因此修正新能源运行功率上限为整个时段内资源功率的最大值，下限仍然为0，因为允许新能源弃电；对于负荷，直接将其处理为负的发电机，运行功率上限为整个时段最小负荷功率取负值，运行功率下限为整个时段最大负荷功率取负值，即通过鲁棒优化思想最大化了变量可行解的范围。系统等效发电机数设为NG”'，负荷数为0，则此时Γ中第j行元素直接化简为
系统功率平衡方程变为：
得到整个时段新的判据：
如果存在整数k，使得
上式成立，则FG{j}Pt G+FH{j}Pt H+FE{j}Pt E+FS{j}Pt S≤γj,t为冗余约束对整个模型的任意时刻t均成立。
假设负荷元件也有200个，那么等效发电机元件为400个，整个时段需要的冗余约束判据为2×1000＝2000个，所需for循环数量最多为2000×(400×400+400)＝3.2×108个，时间尺度为T＝720时，for循环数量仅为原方法的0.6％。
S302、对未被筛选出的线路进行各时刻逐一识别，最大化筛选出模型中的输电网冗余约束。
步骤S302仅进行一次识别即可筛选出大部分冗余约束，接下来对未被筛选出的线路进行各时刻逐一识别，在增加少量建模时间的基础上，可以再次降低问题规模，从而进一步提高模型求解速度。
S4、将冗余约束识别方法应用于大规模电力系统的规划方案评估中，评估流程的核心计算部分为求解长期SCUC模型，通过冗余约束识别方法可以剔除SCUC模型中不起实质性作用的网络安全约束，从而有效降低求解SCUC模型所需要的内存开销和时间开销，提高长期SCUC模型在大规模电力系统的规划方案评估中的实用价值。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为验证本发明所提方法的有效性，此处采用中国某省输电主网架进行分析，该网架含146个节点和273条输电线路，电源中含火电机组83台，水电机组4台，新能源机组23台。由于采用的模型为SCUC模型，一方面火电机组含有许多整数变量，一方面存在大量输电网络安全约束，这两个因素都会影响SCUC的求解速度，为了弱化火电机组的影响，将模型中的整数变量做连续化松弛，从而突出网络安全约束对SCUC求解速度的影响。以672h为一个计算周期，给出以下几种场景下的内存和时间开销对比结果：(其中计算机配置为12核24线程，3.8GHz)：
从上表可以看出，
(1)各时刻识别在建模阶段虽然能降低模型规模，但冗余约束识别占据了建模过程的大量时间，甚至相比对全网架建模更加耗时，但求解时间会大量缩短，而且能够显著降低内存开销。
(2)仅进行预识别时，建模时间最短，但有接近10％的冗余约束未被筛选出，因此求解时间和内存开销相比各时刻识别会略微增加。
(3)本发明所提方法(预识别+各时刻识别)具有最小的内存开销，相比单纯的预识别，本方法具有更高的识别率和求解速度，而建模时间增加很少；相比各时刻识别，本方法具有相同的高识别率和低内存开销，而建模时间更短。
本发明改进了已有的冗余约束识别方法，考虑了多类型电源尤其是储能对线路功率的影响，并且针对中长期SCUC的实际需求，提出了适用于大规模电力系统规划评估的输电网冗余约束识别方法，从而大幅提高了规划评估模型的计算效率，进一步增加了电力系统中长期运行模拟的实用价值。
综上所述，本发明一种大规模电力系统规划评估用输电网冗余约束识别方法，改进了已有的冗余约束识别方法，考虑了多类型电源尤其是储能对线路功率的影响，并且针对中长期SCUC的实际需求，提出了适用于大规模电力系统规划评估的输电网冗余约束识别方法，从而大幅提高了规划评估模型的计算效率，进一步增加了电力系统中长期运行模拟的实用价值，能够大幅降低大规模电力系统中长期运行模拟的计算时间，具有较高的实用价值。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (9)

1.一种大规模电力系统规划评估用输电网冗余约束识别方法，其特征在于，包括以下步骤：
S1、获取电力系统规划方案、基本技术数据、系统运行模拟数据；
S2、构建混合整数线性规划模型，将混合整数线性规划模型线性化生成线性规划模型，对线性规划模型进行简化处理，根据线性规划模型最优解形式，形成输电网冗余约束识别判据，设计含多类电源的SCUC输电网冗余约束识别判据，具体为：
S201、给出输电线路传输容量约束的具体形式，并将其处理为矩阵形式；
S202、针对每个时刻构建混合整数线性规划模型，建立最大化输电线路单方向运行功率的目标函数，添加相应约束条件；
S203、针对步骤S202中完整的混合整数线性规划模型，将混合整数线性规划模型线性化生成线性规划模型；
S204、针对步骤S203中完整的线性规划模型，删减输电线路单向运行功率上限约束，生成简化版线性规划模型；
S205、给出步骤S204中简化版线性规划模型有可行解的充要条件，将等效发电电源与储能设备的运行约束合并，通过排序方式得到线性规划模型的一个可行解，作为线性规划模型的最优解；
S206、根据步骤S205得到的线性规划模型最优解形式，形成输电网冗余约束识别判据；
S3、针对大规模电力系统中长期运行模拟的实际需求，设计冗余约束加速识别算法，先进行预识别，给出整个时间尺度下的冗余约束识别判据；对未被筛选出的线路进行各时刻逐一识别，最大化筛选出模型中的输电网冗余约束，利用冗余约束加速识别方法对输电网冗余约束进行识别；
S4、在大规模电力系统的规划方案评估中采用冗余约束识别方法求解长期SCUC模型，通过冗余约束识别方法剔除SCUC模型中不起实质性作用的网络安全约束。
2.根据权利要求1所述的方法，其特征在于，步骤S1中，系统规划方案包括电力系统网架拓扑结构；系统基本技术数据包括常规发电机参数、储能设备参数和输电设备参数；电源装机容量包括火电机组i的装机容量水电机组i的装机容量/>储能设备的充电装机容量/>储能设备i的发电装机容量/>输电线路l的传输容量上限/>系统运行模拟数据包括中长期尺度下负荷模拟曲线，新能源出力模拟曲线，省级联络线的外送功率模拟曲线。
3.根据权利要求1所述的方法，其特征在于，步骤S201中，矩阵形式如下：
其中，t＝1,2,…T，Γt中的第j行元素可以表示为γj,t。
4.根据权利要求1所述的方法，其特征在于，步骤S202中，建立最大化输电线路单方向运行功率的目标函数，具体为：
约束条件具体如下：
系统功率平衡约束：
其中，D′t为等效负荷在t时刻的总功率；
火电机组出力约束：
其中，i＝1,2,…NG，为火电机组i在t时刻的开机状态变量，1表示开机，0表示停机；
水电机组出力约束：
其中，i＝1,2,…NH；
新能源机组出力约束：
其中，i＝1,2,…NE；
储能设备出力约束：
其中，i＝1,2,…NS；
输电线路单向运行功率上限约束：
其中，矩阵加上标{-j}代表将矩阵中的第j行删掉；
如果模型目标函数最优值不大于γj,t，即等效的传输容量上限，则为冗余约束，矩阵上标加(j)代表矩阵中仅含有第j行元素。
5.根据权利要求1所述的方法，其特征在于，步骤S204中，简化版线性规划模型如下：
模型中仅包含机组出力上下限约束和系统功率平衡约束，若模型目标函数最优值不大于γj,t，则为冗余约束。
6.根据权利要求1所述的方法，其特征在于，步骤S205中，简化版线性规划模型的最优解为：
通过排序方式得到线性规划模型的一个可行解具体为：首先将FG”(j)中的元素fl,i进行排序，用索引gm替换索引i，使得：如果模型存在可行解，确定一台系统等效电源，使得在系统等效电源之前的机组运行功率最大，而在系统等效电源之后的机组运行功率最小，调节系统等效电源的功率实现系统功率平衡。
7.根据权利要求1所述的方法，其特征在于，步骤S3中，给出整个时间尺度下的冗余约束识别判据具体为：
首先得到整个时间尺度下各类电源的出力上下限，以及负荷功率的上下限，将负荷功率处理为一个变量，基于鲁棒优化思想，将全时段每个时刻的冗余约束判据整合为一个判据，筛选出模型中大部分的输电网冗余约束；对于新能源和负荷，修正新能源运行功率上限为整个时段内资源功率的最大值，下限为0，允许新能源弃电；对于负荷，直接处理为负的发电机，运行功率上限为整个时段最小负荷功率取负值，运行功率下限为整个时段最大负荷功率取负值，系统等效发电机数设为NG”'，负荷数为0，则此时Γ中第j行元素直接化简为
8.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至7所述的方法中的任一方法。
9.一种计算设备，其特征在于，包括：
一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至7所述的方法中的任一方法的指令。
CN202010845625.3A 2020-08-20 2020-08-20 一种输电网冗余约束识别方法、存储介质及计算设备 Active CN112163304B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010845625.3A CN112163304B (zh) 2020-08-20 2020-08-20 一种输电网冗余约束识别方法、存储介质及计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010845625.3A CN112163304B (zh) 2020-08-20 2020-08-20 一种输电网冗余约束识别方法、存储介质及计算设备

Publications (2)

Publication Number Publication Date
CN112163304A CN112163304A (zh) 2021-01-01
CN112163304B true CN112163304B (zh) 2024-04-02

Family

ID=73859647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010845625.3A Active CN112163304B (zh) 2020-08-20 2020-08-20 一种输电网冗余约束识别方法、存储介质及计算设备

Country Status (1)

Country Link
CN (1) CN112163304B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112966858A (zh) * 2021-02-18 2021-06-15 云南电网有限责任公司 一种基于可变负荷的冗余约束识别方法及系统
CN114254956A (zh) * 2021-12-29 2022-03-29 中国电力科学研究院有限公司 安全约束经济调度线性规划预处理方法、系统及存储介质
CN115001979B (zh) * 2022-05-18 2022-12-16 北京化工大学 森林防火预警通讯设备的铺设方案确定方法
CN116468490A (zh) * 2023-03-31 2023-07-21 国网山东省电力公司滨州供电公司 一种基于区块链的光伏电站电力平衡方法及系统
CN117670630B (zh) * 2024-02-02 2024-04-30 华侨大学 一种高速铁路联锁系统安全分析方法、系统、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018059096A1 (zh) * 2016-09-30 2018-04-05 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法及存储介质
CN109728605A (zh) * 2019-03-01 2019-05-07 西安交通大学 基于机会约束igdt的风电场-输电网-储能联合规划方法
CN110460038A (zh) * 2019-06-26 2019-11-15 国网甘肃省电力公司经济技术研究院 一种涉及新能源并网的多场景输电网扩展规划方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018059096A1 (zh) * 2016-09-30 2018-04-05 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法及存储介质
CN109728605A (zh) * 2019-03-01 2019-05-07 西安交通大学 基于机会约束igdt的风电场-输电网-储能联合规划方法
CN110460038A (zh) * 2019-06-26 2019-11-15 国网甘肃省电力公司经济技术研究院 一种涉及新能源并网的多场景输电网扩展规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张宁 ; .配电网多目标经济性优化模型和算法.电力自动化设备.2012,(08),全文. *

Also Published As

Publication number Publication date
CN112163304A (zh) 2021-01-01

Similar Documents

Publication Publication Date Title
CN112163304B (zh) 一种输电网冗余约束识别方法、存储介质及计算设备
CN112104005B (zh) 一种考虑新能源预测不确定性的电网调度方法和系统
Wang et al. Two-stage full-data processing for microgrid planning with high penetrations of renewable energy sources
CN112186734B (zh) 一种电力系统中长期运行模拟方法、储存介质及计算设备
Alqurashi et al. Model predictive control to two-stage stochastic dynamic economic dispatch problem
CN111799793A (zh) 一种源网荷协同的输电网规划方法与系统
CN112308411A (zh) 基于动态碳交易模型的综合能源站随机规划方法及系统
CN116470543A (zh) 一种虚拟电厂的运行控制方法、装置、设备及介质
Qiu et al. Multistage mixed-integer robust optimization for power grid scheduling: An efficient reformulation algorithm
CN112801374B (zh) 模型训练方法、用电负荷预测方法、装置及设备
CN117638859A (zh) 一种基于伴随模型动态交互的机组组合快速求解方法
CN117610801A (zh) 一种综合能源供能的碳排放优化方法及系统
CN115115276B (zh) 考虑不确定性和隐私保护的虚拟电厂调度方法及系统
CN115907140B (zh) 电力现货出清方案优化方法、装置、计算机设备和介质
CN115528750B (zh) 一种面向电网安全稳定的数据模型混合驱动机组组合方法
Ali et al. Multi‐objective multiperiod stable environmental economic power dispatch considering probabilistic wind and solar PV generation
CN114418232A (zh) 储能系统运行优化方法、系统、服务器及存储介质
Guan et al. An frtds real-time simulation optimized task scheduling algorithm based on reinforcement learning
CN117410990B (zh) 基于本地计算的配电网分布式能源的分散控制方法及系统
Huang et al. A comparison of implicit and explicit methods for contingency constrained unit commitment
Prodan et al. Predictive control for reliable microgrid energy management under uncertainties
CN111080468B (zh) 一种中长期电量越限的调整方法及系统
Ruizeng et al. A two-stage robust optimization method based on the expected scenario for island microgrid energy management
CN118572697B (zh) 一种虚拟电厂能量管理方法、装置、设备及介质
Tanabe et al. Pumped-storage hydropower operation scheduling method for net load ramp leveling

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