CN112234602A - 一种启发式搜索和nsga-ii相结合的火电机组组合算法 - Google Patents

一种启发式搜索和nsga-ii相结合的火电机组组合算法 Download PDF

Info

Publication number
CN112234602A
CN112234602A CN202010932695.2A CN202010932695A CN112234602A CN 112234602 A CN112234602 A CN 112234602A CN 202010932695 A CN202010932695 A CN 202010932695A CN 112234602 A CN112234602 A CN 112234602A
Authority
CN
China
Prior art keywords
thermal power
power generating
generating unit
nsga
units
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.)
Pending
Application number
CN202010932695.2A
Other languages
English (en)
Inventor
马瑞
任浩
颜宏文
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.)
Changsha University of Science and Technology
Original Assignee
Changsha University of Science and Technology
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 Changsha University of Science and Technology filed Critical Changsha University of Science and Technology
Priority to CN202010932695.2A priority Critical patent/CN112234602A/zh
Publication of CN112234602A publication Critical patent/CN112234602A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种启发式搜索与NSGA‑Ⅱ算法相结合的火电机组组合算法，包括以下步骤：启发式搜索对火电机组排序，确定火电机组调度台数；建立以火电机组总发电成本最小和能源环境效益最好的目标函数；采用NSGA‑Ⅱ算法确定各机组各时段的最佳出力方案。本发明通过启发式搜索确定参与调度的火电机组台数，未选中的机组不予考虑，解决了含风光电力系统中系统容量冗余以及风光随机间歇导致的机组频繁启停或低负荷运行的问题，也减少了调度的寻优空间，提高了求解速度。

Description

一种启发式搜索和NSGA-II相结合的火电机组组合算法
技术领域
本发明属于电力系统多目标优化调度领域，具体涉及一种启发式搜索与 NSGA-Ⅱ算法相结合的火电机组组合算法。
背景技术
近年来，风电、光伏等清洁能源大规模的接入电网。由于风电和光伏具有较大的波动性和不确定性，且风电具有一定的反调峰特性，火电机组承担的负荷波动也更加剧烈。因此在含风光电力系统中建立机组的多目标优化调度模型至关重要。
NSGA算法是基于非支配排序原理对种群中的个体进行分类，可以得到分布均匀的非劣最优解。但是该算法缺点是计算复杂度偏高、进化过程中非劣解被淘汰和共享参数需要根据经验设定。Deb提出的NSGA-Ⅱ算法，引入快速非支配排序法和精英策略，定义拥挤度取代适应值共享，降低了算法的计算复杂性，提高了计算效率。
为了解决含风光电力系统中系统容量冗余以及风光随机间歇导致的机组频繁启停或低负荷运行，以及机组数量过多时计算量太大的问题，本专利提出一种启发式搜索和NSGA-Ⅱ算法相结合的多目标优化调度模型。
发明内容
本发明的目的在于提供了一种启发式搜索与NSGA-Ⅱ算法相结合的火电机组组合算法，它解决了含风光电力系统中火电机组多目标优化问题。
本发明分为以下步骤：
步骤一：启发式搜索对火电机组排序，确定火电机组调度台数；
步骤二：建立以火电机组总发电成本最小和能源环境效益最好的目标函数；
步骤三：采用NSGA-Ⅱ算法确定各机组各时段的最佳出力方案。
步骤一内容如下：
考虑到随着风电和光伏发电并网规模的增加会导致火电机组的频繁启停，本发明先采用启发式搜索确定参与调度火电机组，未选中的机组不予考虑。
首先计算各个火电机组的最小比耗量，以最小比耗量由小到大的顺序对火电机组进行经济型排序。最小比耗量μmin的计算公式如下：
Figure BDA0002670807560000021
式中：ai，bi，ci为火电机组i的燃煤费用系数，P0i为：
Figure BDA0002670807560000022
要求选出的火电机组可以承担分配的负荷任务并留有一定的裕度，将这部分负荷任务定义为火电预分配负荷PGd，本发明中取：PGd＝1.1Pr，Pr为实际分配的负荷值。
确定火电机组调度数目的启发式搜索步骤如下：
1)剔除检修机组和停机状态未达到最小停机时间的机组。
2)根据上式求取剩余机组的最小比耗量，按从小到大的顺序排序，建立机组的优先顺序表。
3)按照机组的优先顺序表，依次累加各机组的最大出力，直到满足下式：
Figure BDA0002670807560000031
由于每个时段的负荷值不同，在负荷低谷时段可能仍有冗余。所以在每个时段都要根据负荷值确定参与调度的火电机组。经济型优先的机组优先全额调用，保证机组的运行效率。
步骤二内容如下：
考虑到风电和光伏发电的不可调和性，风光优先全额入网，不再作为调度中的优化变量。建立以火电机组总发电成本最小和环境效益最好的目标函数。
Figure BDA0002670807560000032
Figure BDA0002670807560000033
式中：C为火电机组发电成本；PGi为火电机组i的发电有功功率；Ee为能源环境效益；αi，βi，γi为火电机组i的效率函数的系数。
约束条件如下：
1)系统有功平衡约束
Figure BDA0002670807560000034
式中：Pt为t时刻的负荷值；PWkt为风电机组出力；PHjt为光伏机组出力。
2)火电机组出力上下限约束
PGmini≤PGit≤PGmaxi
式中：PGmaxi，PGmini分别为火电机组i的出力上下限。
3)火电机组爬坡速率约束
-rdi△t≤PGit-PGi(t-1)≤rui△t
式中：rdt和rut分别为调度时段t内机组i减载和加载的速率限值。
步骤三内容如下：
在原来NSGA-Ⅱ算法程序的基础上根据火电机组最小比耗量加入机组排队程序，调用单时段优化程序，得到该时段的机组组合方案。
进一步地，在确定机组组合方案后，考虑火电机组地有功平衡约束、出力上下限约束、火电机组爬坡速率约束，调用负荷分配函数进行负荷分配优化。
进一步地，得到该时刻机组负荷分配方案，然后将该时刻机组组合方案赋值给上一时刻。
进一步地，循环调用单时段优化程序和负荷分配优化程序得到各机组各时段的出力方案。
本发明的有益效果在于
1采用启发式搜索，按最小比耗量对火电机组进行排序，确定参与调度的火电机组台数，避免系统容量冗余以及风光随机间歇性导致的机组频繁启停和低负荷运行，提高了系统稳定性。
2当机组数目过多时，对机组进行排序可以大幅减少多目标优化调度模型的寻优空间，加快了模型的运算速度，提高多目标优化调度模型的效率。
3本发明提出了启发式搜索和NSGA-Ⅱ算法相结合，不仅解决了NSGA-Ⅱ算法处理规模较大系统时求解困难的问题，还减少了火电机组的启停次数，避免了机组低负荷运行，保证了电力系统的安全稳定运行。
附图说明
图1是启发式搜索和NSGA-Ⅱ结合算法流程图
具体实施方式
下面结合附图对本发明作进一步描述。
本发明的目的是针对含高比例风光电力系统中，仅依靠火电机组来应对风光的随机性，火电机组将频繁启停或运行在深度调峰状态，严重影响电网安全稳定运行的问题，提出启发式搜索和NSGA-Ⅱ算法相结合的机组组合算法。
步骤一：启发式搜索对火电机组排序，确定火电机组调度台数：
考虑到随着风电和光伏发电并网规模的增加会导致火电机组的频繁启停，本发明先采用启发式搜索确定参与调度火电机组，未选中的机组不予考虑。
首先计算各个火电机组的最小比耗量，以最小比耗量由小到大的顺序对火电机组进行经济型排序。最小比耗量μmin的计算公式如下：
Figure BDA0002670807560000051
式中：ai，bi，ci为火电机组i的燃煤费用系数，P0i为：
Figure BDA0002670807560000052
要求选出的火电机组可以承担分配的负荷任务并留有一定的裕度，将这部分负荷任务定义为火电预分配负荷PGd，本发明中取：PGd＝1.1Pr，Pr为实际分配的负荷值。
确定火电机组调度数目的启发式搜索步骤如下：
1)剔除检修机组和停机状态未达到最小停机时间的机组。
2)根据上式求取剩余机组的最小比耗量，按从小到大的顺序排序，建立机组的优先顺序表。
3)按照机组的优先顺序表，依次累加各机组的最大出力，知道满足下式：
Figure BDA0002670807560000061
由于每个时段的负荷值不同，在负荷低谷时段可能仍有冗余。所以在每个时段都要根据负荷值确定参与调度的火电机组。经济型优先的机组优先全额调用，保证机组的运行效率。
步骤二：建立以火电机组总发电成本最小和能源环境效益最好的目标函数
考虑到风电和光伏发电的不可调和性，风光优先全额入网，不再作为调度中的优化变量。建立以火电机组总发电成本最小和环境效益最好的目标函数。
Figure BDA0002670807560000062
Figure BDA0002670807560000063
式中：C为火电机组发电成本；PGi为火电机组i的发电有功功率；Ee为能源环境效益；αi，βi，γi为火电机组i的效率函数的系数。
约束条件如下
1)系统有功平衡约束
Figure BDA0002670807560000064
式中：Pt为t时刻的负荷值；PWkt为风电机组出力；PHjt为光伏机组出力。
2)火电机组出力上下限约束
PGmini≤PGit≤PGmaxi
式中：PGmaxi，PGmini分别为火电机组i的出力上下限。
3)电机组爬坡速率约束
-rdi△t≤PGit-PGi(t-1)≤rui△t
式中：rdt和rut分别为调度时段t内机组i减载和加载的速率限值。
步骤三：采用NSGA-Ⅱ算法确定各机组各时段的最佳出力值
在原来NSGA-Ⅱ算法程序的基础上根据火电机组最小比耗量加入机组排队程序，调用单时段优化程序，得到该时段的机组组合方案。
进一步地，在确定机组组合方案后，考虑火电机组地有功平衡约束、出力上下限约束、火电机组爬坡速率约束，调用负荷分配函数进行负荷分配优化。
进一步地，得到该时刻机组负荷分配方案，然后将该时刻机组数据赋值给上一时刻。
进一步地，循环调用单时段优化程序和负荷分配优化程序得到各机组各时段的出力方案。
据此就得到了一种启发式搜索与NSGA-Ⅱ算法相结合的火电机组多目标优化调度模型。
以上实施方案仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的保护范畴。

Claims (6)

1.一种启发式搜索和NSGA-Ⅱ相结合的火电机组组合算法，其特征在于，包括以下步骤：
(1)启发式搜索对火电机组排序，确定火电机组的调度台数；
(2)建立以火电机组总发电成本最小和能源环境效益最好的目标函数；
(3)采用NSGA-Ⅱ算法确定各机组各时段的最佳出力方案。
2.根据权利要求1所述的一种启发式搜索和NSGA-Ⅱ相结合的火电机组组合算法，其特征在于：步骤(1)中，首先计算系统中火电机组的最小比耗量，按最小比耗量由小到大的顺序对机组进行经济型排序，从第一台机组开始，逐渐累加各机组的最大出力，直到满足负荷需求，其中，要给火电机组出力留有一定的余量，本发明中取10％。
3.根据权利要求1所述的一种启发式搜索和NSGA-Ⅱ相结合的火电机组组合算法，其特征在于，步骤(1)中，启发式搜索确定参与调度火电机组，未选中机组不予考虑，这样既避免机组低负荷高煤耗运行，也减少了调度的寻优空间，提高求解速度。
4.根据权利要求1所述的一种启发式搜索和NSGA-Ⅱ相结合的火电机组组合算法，其特征在于：步骤(2)中，由于风电和光伏的不可调和性，风光优先全额入网，不再作为调度中的优化变量，建立以火电机组总发电成本最小和环境效益最好的目标函数。
5.根据权利要求1所述的一种启发式搜索和NSGA-Ⅱ相结合的火电机组组合算法，其特征在于，步骤(3)中，调用NSGA-Ⅱ算法时，根据火电机组最小比耗量排序表结合单时段优化程序结合得到一个时段的机组组合方案。
6.根据权利要求1所述的一种启发式搜索和NSGA-Ⅱ相结合的火电机组组合算法，其特征在于，步骤(3)中，确定一个时段机组组合方案后，考虑火电机组地有功平衡约束、出力上下限约束、火电机组爬坡速率约束，调用负荷分配函数进行负荷分配优化，进一步循环循环调用单时段优化程序和负荷分配优化程序得到各机组各时段的出力方案。
CN202010932695.2A 2020-09-08 2020-09-08 一种启发式搜索和nsga-ii相结合的火电机组组合算法 Pending CN112234602A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010932695.2A CN112234602A (zh) 2020-09-08 2020-09-08 一种启发式搜索和nsga-ii相结合的火电机组组合算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010932695.2A CN112234602A (zh) 2020-09-08 2020-09-08 一种启发式搜索和nsga-ii相结合的火电机组组合算法

Publications (1)

Publication Number Publication Date
CN112234602A true CN112234602A (zh) 2021-01-15

Family

ID=74116708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010932695.2A Pending CN112234602A (zh) 2020-09-08 2020-09-08 一种启发式搜索和nsga-ii相结合的火电机组组合算法

Country Status (1)

Country Link
CN (1) CN112234602A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140082238A (ko) * 2012-12-24 2014-07-02 유종민 비용 주도 순차적 하드웨어/소프트웨어 분할 최적화 프레임워크 개발
CN106130079A (zh) * 2016-07-08 2016-11-16 华北电力大学 一种风水火短期联合优化调度方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140082238A (ko) * 2012-12-24 2014-07-02 유종민 비용 주도 순차적 하드웨어/소프트웨어 분할 최적화 프레임워크 개발
CN106130079A (zh) * 2016-07-08 2016-11-16 华北电力大学 一种风水火短期联合优化调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
王开艳等: "清洁能源优先的风水火电力系统联合优化调度", 《中国电机工程学报》 *
王进等: "NSGA-II算法的改进及其在风火机组多目标动态组合优化中的应用", 《电力系统及其自动化学报》 *
鞠立伟等: "计及需求响应的风电储能两阶段调度优化模型及求解算法", 《电网技术》 *

Similar Documents

Publication Publication Date Title
Lee Optimal spinning reserve for a wind-thermal power system using EIPSO
CN108879787B (zh) 一种含风电的电网随机调度优化模型与方法
CN107895221B (zh) 市场环境下梯级水电站中长期调度与检修计划优化方法
CN110929428B (zh) 一种电力系统发电容量充裕度确定方法及系统
CN114221338B (zh) 考虑电源灵活性和互补性的多能源电力系统优化调度方法
CN112053035B (zh) 考虑经济性与灵活性的输电通道与储能联合规划方法
CN115640982A (zh) 基于抽水蓄能优先调节的多能互补系统日前优化调度方法
CN115940292A (zh) 基于圆圈搜索算法的含风储电力系统优化调度方法及系统
CN113937819A (zh) 一种多能源短期优化调度方法
CN116418001A (zh) 应对新能源不确定性的水库群多能互补调度方法与系统
CN109494810B (zh) 间歇性能源电站调度评价方法及该评价的限电分配方法
CN110766210B (zh) 一种梯级水库群短期优化调度方法与系统
CN111682531A (zh) 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置
CN114400698B (zh) 一种高比例清洁能源电网电源最优降碳运行方法
CN107579545B (zh) 基于改进径向移动算法的含风电场电力系统经济调度方法
CN116865358A (zh) 多时长尺度电力系统风电弃风及负荷波动跟踪方法及设备
CN111709574B (zh) 一种分布式集群配置调度方法、计算机设备及存储介质
CN113112287A (zh) 一种基于微电网调度的虚拟电厂能源管理方法及装置
CN112686432A (zh) 一种多目标水电-风电优化调度模型方法
CN112234602A (zh) 一种启发式搜索和nsga-ii相结合的火电机组组合算法
CN112736903A (zh) 一种海岛微网能量优化调度方法及装置
CN117172569A (zh) 一种考虑电力系统供需匹配的灵活性评估方法
CN114884101B (zh) 一种基于自适应模型控制预测的抽水蓄能调度方法
CN116345450A (zh) 一种基于深度强化学习的风光水互补系统智能调度方法
CN108539799B (zh) 一种电网中风电的调度方法及装置

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210115

WD01 Invention patent application deemed withdrawn after publication