CN112183892A - 一种面向现货市场出清模型的起作用整数变量辨识方法 - Google Patents

Abstract

本发明公开了一种面向现货市场出清模型的起作用整数变量辨识方法，包括：获取计算所需的基础数据；将基础数据输入至预设的松弛经济调度模型，求解该松弛经济调度问题的结果，确定机组启停趋势；根据机组启停趋势，进一步识别起作用的整数变量；根据起作用的整数变量固定安全约束机组组合模型中的必开、必停变量，简化安全约束机组组合模型；求解简化后约束机组组合模型，得到各机组各时段启停状态和中标出力结果。本发明基于现货市场标准优化模型和成熟的数学优化算法，综合考虑各类复杂约束条件，能够快速、准确识别需要分支计算的起作用整数变量集合，减少了安全约束机组组合中分支及组合的计算量，从而提高安全约束机组组合问题的求解效率。

Description

一种面向现货市场出清模型的起作用整数变量辨识方法

技术领域

本发明涉及电力调度自动化技术领域，尤其涉及一种面向现货市场出清模型的起作用整数变量辨识方法、计算机终端设备及计算机可读存储介质。

背景技术

在电力市场环境下，发电机组的启停和出力计划由电力现货市场出清算法来决策，而出清算法的核心是安全约束机组组合(security constrained unit commitment，SCUC)。安全约束机组组合本质上是一个大规模的混合整数规划问题，其计算难度是指数级复杂度，即每增加一个机组启停状态的0-1变量，求解其精确解的运算速度最坏情况下就要增加一倍。众多的离散变量和不同类别的复杂约束条件(包括系统约束、机组约束、机组群约束、网络约束等)极大地影响了问题的计算效率。以某省级规模电网为例，其安全约束机组组合问题的0-1整数变量达到近十万个，约束条件有几十万条，这为出清模型求解算法的计算效率带来了巨大的挑战。

目前各类机组组合算法中广泛采用了起作用约束识别方法(identificationmethod for active constraints，IMAC)，有效降低了大量网络约束条件造成的计算量；而离散变量数目众多造成混合整数线性规划(Mixed Integer Linear Programming，MILP)问题需要大量的分支计算，是SCUC计算量大的最为主要的原因，至今尚未找到有效的解决方法。

尽管SCUC在数学上是一个复杂的MILP题，但具有电力系统自身的特点。对于实际的大规模电网，其最大负荷通常达到装机容量的70％甚至更高，这意味着将有大量的机组是必开机组，不需要对所有机组所对应的整数变量进行状态组合。事实上，大量的机组除检修以外通常处于全时段开机状态或者关机状态，只有部分机组需要启停，然而，如何辨识SCUC中这些起作用的整数变量，在保证最优性前提下有效提高求解速度，是机组组合问题中的一大难点，国内外有不少学者就问题进行了初步的研究，但这些研究在算法上都没有考虑电力网络约束、启停费用及爬坡等时段耦合约束，都是基于简单的启发式原则筛选机组。

发明内容

本发明目的在于，提供一种面向现货市场出清模型的起作用整数变量辨识方法、计算机终端设备及计算机可读存储介质，该方法基于现货市场标准优化模型和成熟的数学优化算法，综合考虑各类复杂约束条件，能够快速、准确识别需要分支计算的起作用整数变量集合，以解决众多的离散变量和不同类别的复杂约束条件(包括系统约束、机组约束、机组群约束、网络约束等)极大地影响了问题的计算效率的问题。

为实现上述目的，本发明实施例提供一种面向现货市场出清模型的起作用整数变量辨识方法，包括：

获取计算所需的基础数据；

将所述基础数据输入至预设的松弛经济调度模型，求解该松弛经济调度问题的结果，初步确定机组启停趋势；

根据所述定机组启停趋势，进一步识别起作用的整数变量；

根据所述起作用的整数变量固定安全约束机组组合模型中的必开、必停变量，简化所述安全约束机组组合模型；

输入所述基础数据至简化后的所述安全约束机组组合模型，得到各机组各时段启停状态和中标出力结果。

在一些实施例中，所述基础数据包括：系统数据、机组数据、联络线数据、负荷数据、断面数据和灵敏度数据。

在一些实施例中，还包括：构造预设的松弛经济调度模型。

在一些实施例中，所述构造预设的松弛经济调度模型，包括：

设定优化目标，根据优化目标建立目标函数；

建立约束条件，所述约束条件，包括：系统约束、机组约束、机组群约束和网络约束，其中所述系统约束包括：系统负荷平衡约束、系统正备用容量约束、系统负备用容量约束和系统旋转备用约束；所述机组约束包括：机组出力上下限约束、机组爬坡约束、机组最小连续开停时间约束、机组启停变量耦合约束、机组电量约束和机组指定状态约束；所述机组群约束包括：机组群出力上下限约束和机组群电量约束，所述网络约束包括：线路潮流约束和断面潮流约束。

在一些实施例中，所述目标函数包括：

其中：N表示机组的总台数，T表示所考虑的总时段数，P_v表示机组i在t时段的出力，C_i，j(P_i，j)、

分别为机组i在时段t的运行费用、启动费用，其中机组运行费用C_i，j(P_i，j)是与机组申报的各段出力区间和对应能量价格有关的多段线性函数，M为用于市场出清优化的网络潮流约束松弛罚因子，

分别为线路l的正、反向潮流松弛变量，NL为线路总数。

在一些实施例中，所述进一步识别起作用的整数变量的方法包括：必开机组识别方法、必停机组识别方法和边际启停机组识别方法；

所述必开机组识别方法包括：若机组各个时段的出力均不小于该机组该时段的实际出力下限，则为必开机组；

必停机组识别方法包括：若机组各个时段的出力均小于该机组该时段的出力下限的δ倍，则为必停机组，其中，0<δ≤0.05；

边际启停机组识别方法包括：若机组至少存在一个时段的出力不小于该时段的出力下限的δ倍，并且存在一个时段出力小于机组出力下限，则为边际启停机组，其中，0<δ≤0.05。

在一些实施例中，所述边际启停机组启停时段识别方法的步骤，包括：

根据所述松弛经济调度问题的结果，识别需要启停的边际启停机组，设定已确定启停状态的机组的0-1变量初值。

识别机组需要启停的时段，松弛此时段的相邻时段的启停整数变量。

根据时段间耦合约束进一步调整启停整数变量的松弛时段。

最终、将决定机组启停的0-1变量划分为三类：当变量的值为1时则为必开，当变量的值为0时则为必停，当变量值为2时，则是需要进一步代入分支定界法中做启停优化的松弛变量。

本发明实施例还提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例所述的面向现货市场出清模型的起作用整数变量辨识方法。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一实施例所述的面向现货市场出清模型的起作用整数变量辨识方法。

本发明实施例的面向现货市场出清模型的起作用整数变量辨识方法、计算机终端设备及计算机可读存储介质中，通过在耗时的大规模混合整数规划之前的简单计算，提前确定最优可行解可能存在的优化邻域，缩小混合整数规划的优化范围，然后再在缩小的优化空间内调用高效、成熟的混合整数规划优化软件，从而在确保最优性的前提下，提高机组组合的求解效率。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明某一实施例提供的面向现货市场出清模型的起作用整数变量辨识方法的流程示意图；

图2是本发明某一实施例提供的面向现货市场出清模型的起作用整数变量辨识方法中辨识后缩小的寻优空间示意图；

图3是本发明某一实施例提供的面向现货市场出清模型的起作用整数变量辨识方法中两维起作用整数变量辨识示意图；

图4是本发明某一实施例提供的计算机终端设备的结构示意图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。

应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。

应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1，本发明实施例提供一种面向现货市场出清模型的起作用整数变量辨识方法，包括步骤：

S10、获取计算所需的基础数据；

S20、将所述基础数据输入至预设的松弛经济调度模型，求解该松弛经济调度问题的结果，初步确定机组启停趋势；

S30、根据所述机组启停趋势，进一步识别起作用的整数变量；

S40、根据所述起作用的整数变量固定安全约束机组组合模型中的必开、必停变量，简化所述安全约束机组组合模型；

S50、输入所述基础数据至优化后的所述安全约束机组组合模型，得到各机组各时段启停状态和中标出力结果。

具体地，首先获取安全约束机组组合计算所需的数据，将所述基础数据输入到预先建立好的松弛经济调度模型(Slacked Economic Dispatch，SED)，求解该松弛经济调度问题，在考虑各种复杂约束条件下，初步确定机组启停的大体趋势。由于SED本质是个线性规划问题，因此其求解时间相对于混合整数规划问题的求解几乎可以忽略不计。初步确定机组启停的大体趋势后，通过以下策略进一步识别起作用的整数变量，首先，从机组的维度识别需要启停的边际启停机组；然后，从时段的维度识别启停机组中需要启停的时段；基于识别出的起作用整数变量固定安全约束机组组合模型中的必开、必停变量，简化机组组合模型。请参阅图1，经过面向现货市场出清模型的起作用整数变量辨识方法(identification method for active integer variables，IMAIV)识别后，第五层分支的寻优空间将大大减小，根据分支的指数特性，可以大幅度降低整个机组组合的计算量，提高求解效率。最后调用成熟的优化算法软件包(例如CPLEX/Gurobi)求解基于起作用整数变量的机组组合简化模型。

在一些实施例中，所述基础数据包括：系统数据、机组数据、联络线数据、负荷数据、断面数据和灵敏度数据。

在本实施例中，所述基础数据包括：

系统数据：时段信息、系统负荷；

机组数据：机组基本信息、机组计算参数、机组启动报价、机组能量报价、机组初始状态、机组指定状态、机组电力约束、机组爬坡速率、机组最小连续开停机时间、机组日最大启动次数等；

联络线数据：联络线基本信息、联络线计划功率；

负荷数据：母线负荷基本信息、母线负荷预测；

断面数据：断面基本信息、断面计算参数、断面包含设备、断面传输极限

灵敏度数据：机组、负荷、联络线注入功率对线路、断面潮流的发电转移分布因子。

在一些实施例中，还包括步骤：构造预设的松弛经济调度模型。

在本实施例中，基于安全约束机组组合的标准化MILP模型，建立松弛的经济调度模型。

在一些实施例中，所述构造预设的松弛经济调度模型，包括：

设定优化目标，根据优化目标建立目标函数；

建立约束条件，所述约束条件，包括：系统约束、机组约束、机组群约束和网络约束，其中所述系统约束包括：系统负荷平衡约束、系统正备用容量约束、系统负备用容量约束和系统旋转备用约束；所述机组约束包括：机组出力上下限约束、机组爬坡约束、机组最小连续开停时间约束、机组启停变量耦合约束、机组电量约束和机组指定状态约束；所述机组群约束包括：机组群出力上下限约束和机组群电量约束，所述网络约束包括：线路潮流约束和断面潮流约束。

在本实施例中，所述构造预设的松弛经济调度模型。首先，设定优化目标，根据优化目标建立目标函数；

然后建立系统约束、机组约束、机组群约束和网络约束的约束条件；具体地：

1、系统约束条件：

(1)系统负荷平衡约束

对于每个时段t，负荷平衡约束可以描述为：

其中，P_i,t表示机组i在t时段的出力，T_j,t表示联络线j在时段t的优化功率(送入为正、输出为负)，NT为联络线总数，D_t为t时段的系统负荷。

(2)系统正备用容量约束

其中，α_i,t表示机组i在t时段的启停状态，α_i,t＝0表示机组停机，α_i,t＝1表示机组开机；N为机组总台数；

为机组i在t时段的最大出力(一般为额定容量)；NT为联络线总数，T_j,t表示联络线j在时段t的优化功率(送入为正、输出为负)D_t为t时段的系统负荷，

为t时段的系统正备用容量要求。

(3)系统负备用容量约束

系统负备用容量约束可以描述为：

其中，

为机组i在t时段的最小出力；

为t时段的系统负备用容量要求。

(4)系统旋转备用约束

各个时段机组出力的上调能力总和与下调能力总和需满足实际运行的上调、下调旋转备用要求。

其中，ΔP_i ^U为机组i最大上爬坡速率，ΔP_i ^D为机组i最大下爬坡速率；

分别是机组i在时段t的最大、最小出力；

分别为时段t上调、下调旋转备用要求。

2、机组约束条件：

(1)机组出力上下限约束

机组的出力应该处于其最大/最小技术出力范围之内，其约束条件可以描述为：

若机组停机，α_i,t＝0，则通过该约束条件可以将机组出力限定为0；当机组开机时，α_i,t＝1，该约束条件为常规的出力上下限约束。

(2)机组爬坡约束

机组上爬坡或下爬坡时，均应满足爬坡速率要求。爬坡约束可描述为：

其中，ΔP_i ^U为机组i最大上爬坡速率，ΔP_i ^D为机组i最大下爬坡速率。

机组升降出力约束由几方面因素决定：

当机组处于正常运行状态时，机组的升降出力范围由ΔP_i ^U、ΔP_i ^D决定；

当机组处于开启时刻时，机组的升降出力范围由机组的允许开机速率(此处为

)决定；

当机组处于关停时刻时，机组的升降出力范围由机组的允许停机速率(此处为

)决定。

(3)机组最小连续开停时间约束

由于火电机组的物理属性及实际运行需要，要求火电机组满足最小连续开机/停机时间。最小连续开停时间约束可以描述为：

其中，α_i,t为机组i在t时段的启停状态；T_i,U、T_i,D为机组i的最小连续开机时间和最小连续停机时间；

为机组i在t时段时已经连续开机的时间和连续停机的时间，可以用状态变量α_i,t(i＝1～N,t＝1～T)来表示：

(4)机组启停变量耦合约束

首先定义启动与停机的切换变量。定义η_i,t为机组i在t时段是否切换到启动状态；定义γ_i,t表示机组i在t时段是否切换到停机状态，η_i,t、γ_i,t满足如下条件：

η_i,t、γ_i,t的解析表达式如下：

(5)机组电量约束

机组电量约束可以描述为：

其中，T表示所考虑的时段总数；T₀为计划周期内一个时段的时间长度，若每天考虑96个时段，则每个时段为15分钟，即T₀＝0.25(小时)；

分别为机组i的最大、最小电量。

(6)机组指定状态约束

检修、指定开停机、指定出力等。

3、机组群约束

(1)机组群出力上下限约束

机组群的出力应该处于其最大/最小出力范围之内，其约束条件可以描述为：

其中，

为机组群j在时段t的最大、最小出力。

(2)机组群电量约束

部分受限于一次能源供应约束机组群，其在日前电能量市场的中标电量应满足该机组群电量上限约束。

其中，T₀＝96为D日的总时段数，

为机组群j在D日的电量上限。

4、网络约束

(1)线路潮流约束

线路潮流约束可以描述为：

其中，P_l ^max为线路l的潮流传输极限；G_l-i为机组i所在节点对线路l的发电机输出功率转移分布因子；G_l-j为联络线j所在节点对线路l的发电机输出功率转移分布因子；K为系统的节点数量；G_l-k为节点k对线路l的发电机输出功率转移分布因子；D_k,t为节点k在时段t的母线负荷值。

分别为线路l的正、反向潮流松弛变量。

(2)断面潮流约束

考虑关键断面的潮流约束，该约束可以描述为：

其中，P_s ^min、P_s ^max分别为断面s的潮流传输极限；G_s-i为机组i所在节点对断面s的发电机输出功率转移分布因子；G_s-j为联络线j所在节点对断面s的发电机输出功率转移分布因子；G_s-k为节点k对断面s的发电机输出功率转移分布因子。

分别为断面s的正、反向潮流松弛变量。

在一些实施例中，所述目标函数包括：

其中：N表示机组的总台数，T表示所考虑的总时段数，P_i,t表示机组i在t时段的出力，C_i,t(P_i,t)、

分别为机组i在时段t的运行费用、启动费用，其中机组运行费用C_i,t(P_i,t)是与机组申报的各段出力区间和对应能量价格有关的多段线性函数，M为用于市场出清优化的网络潮流约束松弛罚因子，

分别为线路l的正、反向潮流松弛变量；NL为线路总数。

在本实施中，所述目标函数包括：

其中：N表示机组的总台数，T表示所考虑的总时段数，假设一天考虑96时段，则T为96，P_i,t表示机组i在t时段的出力，C_i,t(P_i,t)、

分别为机组i在时段t的运行费用、启动费用，其中机组运行费用C_i,t(P_i,t)是与机组申报的各段出力区间和对应能量价格有关的多段线性函数，M为用于市场出清优化的网络潮流约束松弛罚因子，

分别为线路l的正、反向潮流松弛变量；NL为线路总数。机组运行费用

其中，M为机组报价总段数，C_i,t,m为机组i在t时段申报的第m个出力分段对应的能量价格。机组启动费用

其中，

为机组i的单次启动费用。

在一些实施例中，所述进一步识别起作用的整数变量的方法包括：必开机组识别方法、必停机组识别方法和边际启停机组识别方法；

所述必开机组识别方法包括：若机组各个时段的出力均不小于该机组该时段的实际出力下限，则为必开机组；

必停机组识别方法包括：若机组各个时段的出力均小于该机组该时段的出力下限的δ倍，则为必停机组，其中，0<δ<＝0.05；

边际启停机组识别方法包括：若机组至少存在一个时段的出力不小于该时段的出力下限的δ倍，并且存在一个时段出力小于机组出力下限，则为边际启停机组，其中，0<δ<＝0.05。

在本实施例中，初步确定机组启停的大体趋势后，通过以下策略进一步识别起作用的整数变量。

请参阅图3，首先，从机组的维度识别需要启停的边际启停机组；然后，从时段的维度识别启停机组中需要启停的时段，从而最终确定需要启停的整数变量，有效减少机组组合的求解规模。对应机组组合的实际物理过程，相当于在做组合的分支定界之前，首先确定必开或者必停的机组，将相应整数变量分别置为1或者0，然后识别剩余启停机组的确定开和确定停时段，置1或者0。那么，此时仅有启停机组的剩余未置1-0时段有启停的可能，仅需要对这部分整数变量做分支定界即可。

边际启停机组识别思路：基于第3步松弛经济调度模型的求解结果，利用如下分类方法，将各机组对应启停整数变量分为三类：(1)取1整数变量集合R：即必开机组对应的整数变量IR，其判断准则为机组i各个时段的出力均不小于该机组该时段的实际出力下限

即

则机组i为必开机组，其对应整数变量α_i,t∈R。(2)取0整数变量集合D：即必停机组对应的整数变量ID，其判断准则为机组i各个时段的出力均小于该机组该时段的出力下限的δ倍，即

则机组i为必停机组，其对应整数变量α_i,t∈D。为保证得到全集，通常将δ取的较小，如选δ＝0.05。(3)待组合起作用整数变量集合S：即边际启停机组(starting up/shutting down unit，SUSD)对应的整数变量IS，其判断准则为机组i至少存在一个时段的出力不小于

并且存在一个时段出力小于机组出力下限，即：

and

也即R+D的补集，此时该机组对应变量α_i,t∈S。

在一些实施例中，所述边际启停机组启停时段识别方法的步骤，包括：

根据所述松弛经济调度问题的结果，识别需要启停的边际启停机组，设定已确定启停状态的机组的0-1变量初值。

识别机组需要启停的时段，松弛此时段的相邻时段的启停整数变量。

根据时段间耦合约束进一步调整启停整数变量的松弛时段。

最终、将决定机组启停的0-1变量划分为三类：当变量的值为1时则为必开，当变量的值为0时则为必停，当变量值为2时，则是需要进一步代入分支定界法中做启停优化的松弛变量。

在本实施例中，边际启停机组启停时段识别思路：定义α_i,t＝1为可以提前确定为必开的0-1变量，α_i,t＝0为必停0-1变量，α_i,t＝2为无法提前确定，需要进一步做启停优化的0-1变量。那么，起作用时段整数变量的识别方法可以描述为如下几步：(1)基础分析：根据SED的结果{P_i,t}_{i＝1...N,t＝1...T}，设定启停边际机组SU中的0-1变量初值。如果

那么α_i,t＝1；如果

那么α_i,t＝0；否则设置其为需要启停的整数变量，即α_i,t＝2。定义该初始的机组组合解向量为Ω₁。(2)在机组可能开启和关停的相邻时段内，进一步松弛相应0-1变量，确保不损失优化空间：为了确保不损失模型的求解精度，必须识别Ω₁中可能需要启停的时段。如果Ω₁中的0-1变量从α_i,t＝0(或α_i,t＝1)变为α_i,t+1＝1(α_i,t+1＝0)，即存在启停趋势，则相邻时段的0-1变量，如α_i,t-1以及α_i,t+2也需要被松弛。(3)根据时段间耦合约束做进一步调整：由于Ω₂中识别得到的机组组合解向量可能并不满足最小的开机和停机时间，因此需要做出必要的调整确保最终识别得到0-1变量满足这些时段耦合约束。T_i ^min为T_i,U和T_i,D中较大者，以违背最小连续开机时间为例，在不满足最小连续开机时间的相应时段两侧，分别拓展左右两翼，使得左翼包括原有开机时段的总长度等于T_i ^min，并将这些0-1变量全部松弛，置为α_i,t＝2；右侧也同样处理。经过此步处理的机组组合解向量定义为Ω₃。经过上述三步辨识后，决定机组启停的0-1变量被分为三类：α_i,t＝1为必开，α_i,t＝0为必停，以及需要进一步代入分支定界法中做启停优化的松弛变量α_i,t＝2。

请参阅图4，本发明实施例提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任意一个实施例中的面向现货市场出清模型的起作用整数变量辨识方法。

处理器用于控制该计算机终端设备的整体操作，以完成上述的面向现货市场出清模型的起作用整数变量辨识方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该计算机终端设备的操作，这些数据例如可以包括用于在该计算机终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static RandomAccess Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。

在一示例性实施例中，计算机终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit，简称AS1C)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的面向现货市场出清模型的起作用整数变量辨识方法，并达到如上述方法一致的技术效果。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述任意一个实施例中的面向现货市场出清模型的起作用整数变量辨识方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器，上述程序指令可由计算机终端设备的处理器执行以完成上述的面向现货市场出清模型的起作用整数变量辨识方法，并达到如上述方法一致的技术效果。

综上所述，本发明实施例的面向现货市场出清模型的起作用整数变量辨识方法中，通过在耗时的大规模混合整数规划之前的简单计算，提前确定最优可行解可能存在的优化邻域，缩小混合整数规划的优化范围，然后再在缩小的优化空间内调用高效、成熟的混合整数规划优化软件，从而在确保最优性的前提下，提高机组组合的求解效率。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (9)

1.一种面向现货市场出清模型的起作用整数变量辨识方法，其特征在于，包括：

获取计算所需的基础数据；

将所述基础数据输入至预设的松弛经济调度模型，求解该松弛经济调度问题的结果，初步确定机组启停趋势；

根据所述机组启停趋势，进一步识别起作用的整数变量；

根据所述起作用的整数变量固定安全约束机组组合模型中的必开、必停变量，简化所述安全约束机组组合模型；

输入所述基础数据至简化后的所述安全约束机组组合模型，得到各机组各时段启停状态和中标出力结果。

2.根据权利要求1所述的面向现货市场出清模型的起作用整数变量辨识方法，其特征在于，所述基础数据包括：系统数据、机组数据、联络线数据、负荷数据、断面数据和灵敏度数据。

3.根据权利要求1所述的面向现货市场出清模型的起作用整数变量辨识方法，其特征在于，还包括：

构造预设的松弛经济调度模型。

4.根据权利要求3所述的面向现货市场出清模型的起作用整数变量辨识方法，其特征在于，所述构造预设的松弛经济调度模型，包括：

设定优化目标，根据优化目标建立目标函数；

建立约束条件，所述约束条件，包括：系统约束、机组约束、机组群约束和网络约束，其中所述系统约束包括：系统负荷平衡约束、系统正备用容量约束、系统负备用容量约束和系统旋转备用约束；所述机组约束包括：机组出力上下限约束、机组爬坡约束、机组最小连续开停时间约束、机组启停变量耦合约束、机组电量约束和机组指定状态约束；所述机组群约束包括：机组群出力上下限约束和机组群电量约束，所述网络约束包括：线路潮流约束和断面潮流约束。

5.根据权利要求4所述的面向现货市场出清模型的起作用整数变量辨识方法，其特征在于，所述目标函数包括：

其中：N表示机组的总台数，T表示所考虑的总时段数，P_i,t表示机组i在t时段的出力，C_i,t(P_i,t)、

分别为机组i在时段t的运行费用、启动费用，其中机组运行费用C_i,t(P_i,t)是与机组申报的各段出力区间和对应能量价格有关的多段线性函数，M为用于市场出清优化的网络潮流约束松弛罚因子，

分别为线路l的正、反向潮流松弛变量，NL为线路总数。

6.根据权利要求1所述的面向现货市场出清模型的起作用整数变量辨识方法，其特征在于，所述进一步识别起作用的整数变量的方法包括：必开机组识别方法、必停机组识别方法和边际启停机组识别方法；

所述必开机组识别方法包括：若机组各个时段的出力均不小于该机组该时段的实际出力下限，则为必开机组；

必停机组识别方法包括：若机组各个时段的出力均小于该机组该时段的出力下限的δ倍，则为必停机组，其中，0<δ≤0.05；

边际启停机组识别方法包括：若机组至少存在一个时段的出力不小于该时段的出力下限的δ倍，并且存在一个时段出力小于机组出力下限，则为边际启停机组，其中，0<δ≤0.05。

7.根据权利要求1所述的面向现货市场出清模型的起作用整数变量辨识方法，其特征在于，所述边际启停机组启停时段识别方法的步骤，包括：

根据所述松弛经济调度问题的结果，识别需要启停的边际启停机组，设定已确定启停状态的机组的0-1变量初值。

识别机组需要启停的时段，松弛此时段的相邻时段的启停整数变量。

根据时段间耦合约束进一步调整启停整数变量的松弛时段。

最终、将决定机组启停的0-1变量划分为三类：当变量的值为1时则为必开，当变量的值为0时则为必停，当变量值为2时，则是需要进一步代入分支定界法中做启停优化的松弛变量。

8.一种计算机终端设备，其特征在于，包括：

一个或多个处理器；

存储器，与所述处理器耦接，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至7任一项所述的面向现货市场出清模型的起作用整数变量辨识方法。

9.一种计算机可读存储介质，其上存储有计算机程序，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至7任一项所述的面向现货市场出清模型的起作用整数变量辨识方法。

Images