CN114925926B - 一种具有多项式时间复杂度的直流通道规划与运行方法 - Google Patents
一种具有多项式时间复杂度的直流通道规划与运行方法 Download PDFInfo
- Publication number
- CN114925926B CN114925926B CN202210611665.0A CN202210611665A CN114925926B CN 114925926 B CN114925926 B CN 114925926B CN 202210611665 A CN202210611665 A CN 202210611665A CN 114925926 B CN114925926 B CN 114925926B
- Authority
- CN
- China
- Prior art keywords
- direct current
- current channel
- stage
- new energy
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000013439 planning Methods 0.000 title claims abstract description 38
- 230000005540 biological transmission Effects 0.000 claims abstract description 85
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 238000005265 energy consumption Methods 0.000 claims abstract description 20
- 238000010248 power generation Methods 0.000 claims abstract description 17
- 230000007704 transition Effects 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 230000009194 climbing Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims 1
- 238000011017 operating method Methods 0.000 abstract description 4
- 238000010521 absorption reaction Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 31
- 238000010586 diagram Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000009466 transformation 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
- 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
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
-
- 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
- H02J2300/28—The renewable source being wind energy
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (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
本发明公开了一种具有多项式时间复杂度的直流通道规划与运行方法，该方法包括：获取直流通道、新能源发电、负荷和各类可控设备技术经济特性数据；根据取得的技术经济特性数据，建立简化后的两区域送受端直流通道新能源消纳输送功率配置物理模型；根据所建物理模型，以新能源承载能力最大，两区域日发电运行成本最小为优化目标，建立两区域送受端直流通道输送功率配置优化模型P1；根据所建优化模型P1，建立优化模型P1对应的动态规划模型，求解直流通道输送功率配置问题，输出该日直流通道输电计划。本发明可应用于电网运行调度领域优化问题的快速自主化求解、新能源不确定性消纳、电网投资规划、直流通道输送功率配置，直流通道日交易电量设置。
Description
技术领域
本发明涉及电力系统运行与调度自动化技术领域，特别是涉及一种具有多项式时间复杂度的直流通道规划与运行方法。
背景技术
随着风电等新能源机组持续大规模接入和火电机组供热改造规模的不断扩大，电网调峰、调频压力逐年增大，由电网调峰困难造成的弃风，弃光现象频繁发生。不同区域之间负荷特性、新能源分布和电源特性的巨大差异蕴藏着可观的清洁能源消纳潜力。
目前，关于直流联络线现行的联络线功率固定不变模式没有充分发挥直流联络线在新能源调峰方面的优势。相关学术研究中也有关于联络线功率灵活调节的跨区域直流联络线运行功率优化模型，但是受限于直流联络线本身的物理约束，所建成的模型多为混合整数线性规划模型，这类模型没有多项式时间复杂度的求解算法，同时模型求解依赖于进口商业求解器，并不利于直流通道输电计划的求解与具体落地实施。
发明内容
为了克服上述现有研究的缺点，本发明的目的在于提供一种具有多项式时间复杂度的直流通道规划与运行方法，基于原始的混合整数线性规划模型、利用运筹学动态规划技术完成模型的快速求解，实现能源大范围跨区域配置及清洁能源跨区消纳，优化我国现行的直流联络线输送功率配置模式。
为了实现上述目的，本发明采用的技术方案是：
一种具有多项式时间复杂度的直流通道规划与运行方法，包括以下步骤：
步骤1、获取直流通道、新能源发电、负荷和各类可控设备技术经济特性数据；
步骤2、根据步骤1取得的技术经济特性数据，建立简化后的两区域送受端直流通道新能源消纳输送功率配置物理模型；
步骤3、根据步骤2所建物理模型，以新能源承载能力最大，两区域日发电运行成本最小为优化目标，建立两区域送受端直流通道输送功率配置优化模型P1；
步骤4、根据步骤3所建优化模型P1，建立优化模型P1对应的动态规划模型，求解直流通道输送功率配置问题，输出该日直流通道输电计划。
本发明进一步的改进在于，步骤1中，技术经济特性数据包括直流通道物理约束、新能源预测出力、负荷预测值、送受端火电运行成本以及新能源弃风弃光惩罚因子。
本发明进一步的改进在于，步骤2中，所述计及简化后的两区域送受端直流通道新能源消纳输送功率配置物理模型中，送端发电区域采用聚合火电机组和聚合新能源机组等效。
本发明进一步的改进在于，步骤2中，所述计及简化后的两区域送受端直流通道新能源消纳输送功率配置物理模型中，受端区域采用聚合火电机组及受端的固定预测负荷等效。
本发明进一步的改进在于，步骤3中，所述两区域送受端直流通道输送功率配置优化模型P1的建模过程如下：
301)确定目标函数为
其中，PA(t),PV(t)分别为t时刻送端火电及新能源出力，PV(t),D(t)分别为t时刻送端新能源预测出力与受端预测负荷；a,b,c分别为送端火电、送端新能源和受端火电对应的成本系数；T为优化总时段数；
302)引入新能源最大出力约束
其中，
为全部优化时段的集合，该约束表明新能源出力不能超过该时段的最大预测出力；
引入直流通道输送电量约束
其中，P(t)为t时刻直流通道输送总功率，该约束表明任意时刻直流通道输送功率等于送端火电与送端新能源出力之和；
引入直流通道调节状态爬坡约束
-Mst≤P(t)-P(t-1)≤Mst,t＝2,3,..,T (4)
其中，st为在t时刻直流通道是否进行输送功率调整的0-1变量，进行调整为1，不做调整为0，M为直流通道调整的最大限度，M表示直流通道输送功率调整的最大爬坡变换率，该式通过二元变量st的取值表示并记录t时刻直流通道输送功率是否与要进行调节；
引入受端负荷平衡约束
该式表明，任何一个时刻t直流通道输送功率不能超过受端所需要的负荷功率；
引入直流通道最小调节时间约束
其中，τ为直流通道功率调整的最小间隔时间，该式表明直流通道两次功率调节之间至少需要度过一段最小间隔时间；
引入直流通道最大调节次数约束
其中，N为一天之中允许直流通道进行功率调整的最大次数，该式表明一天之中直流通道至多只能进行N次输送功率调整；
引入直流通道日交易电量约束
其中，Q为该日由交易计划预先规划的日交易电量；
综上，建立如下的两区域送受端直流通道输送功率配置优化模型P1：
本发明进一步的改进在于，步骤4中，所述的动态规划模型的求解方法包括：
401)为动态规划划分阶段，将问题按照其时间特征划分成多个相互联系的阶段，以便按次序去求得每阶段的解；
402)建立状态变量与状态空间，将每个阶段开始时的客观条件作为状态；考虑到问题的本身的性质，第k阶段的状态变量sk＝(ak,Sk,Ek,pk)；
其中，ak为剩余调节次数，通过在动态规划中考察该变量保证式(7)中的最大调节次数约束的实现；Sk本阶段的起始时间，记录完成调节后该阶段功率输送稳定状态的起始时间；Ek为当前剩余交易电量，通过在动态规划中考察该变量保证式(8)中的日交易电量约束的实现；pk为直流通道输送功率，通过记录该阶段的输送功率在下一阶段递推时保证式(4)中爬坡条件的实现，考虑到动态规划的离散化性质，将该日由交易计划预先规划的日交易电量Q离散化为n个档位作为状态空间中Ek的可能取值；
403)定义决策变量，当阶段状态变量确定后，通过决策变量的选取，确定下一阶段的状态；第k阶段的决策变量
其中，tk为本阶段的结束时间，此次调节直流通道外送功率稳定地最大时刻；
为这段时间之内送端火电及风电外送功率；
404)建立状态转移方程，根据前两步中状态变量及决策变量的定义，动态规划问题的状态转移方程为：
其中，经过k到k+1阶段可能的状态转换，剩余调节次数，剩余交易电量及下一阶段起始时间随着决策变量的选取决定的下一阶段状态；
405)建立指标函数与贝尔曼方程，动态规划过程通过指标函数定量衡量所选定的决策的优劣程度；
其中，第一个式子为阶段指标函数，表示第k阶段从状态sk出发，采取决策uk时的收益；第二个式子为贝尔曼方程，代表状态转移过程中第k阶段的最优指标函数值取决于，第k阶段的阶段指标函数及其对应的决策变量通过状态转移决定的第k+1阶段的最优指标函数值；
406)建立求解状态转换过程的阶段指标函数值及决策变量计算方法，在当前阶段的所有状态中遍历下一阶段的可能状态，计算这种状态转换对应的阶段指标函数值及对应的决策变量，使用后向动态规划算法，那么从(ak+1,Sk+1,Ek+1,pk+1)→(ak,Sk,Ek,pk)的状态转换对应如下线性规划问题P2；
其中，限制条件分别为功率稳定且满足状态转换对应的交易电量，风电出力不超过新能源预测出力，直流通道输送功率不超过受端负荷，直流通道输送功率跑破约束，使用基于成本排序的方法求解该线性规划问题；
407)建立动态规划执行流程，通过步骤406)中建立的阶段指标函数值及决策变量计算方法，得到状态转换对应的决策变量
那么通过后向动态规划，从终点状态(ak+1,T,0，0)出发，在每一个阶段，考虑约束式(6)中的最小调节时间约束，遍历该阶段可能的状态对应的下一个阶段的所有可能状态，计算对应的线性规划问题，在根据式(11)中的贝尔曼方程更新最优指标函数，记录决策变量；通过这样的迭代更新，经过先前设定的由调节次数决定的阶段数，达到初始状态(N,1,Q,p1)，即可得到最终累加的全局最优指标函数，这对应于之前的目标函数值，同时通过输出对应的状态记录的决策变量值
即为一天之中不同时刻直流通道输送的送端火电及新能源出力。
本发明进一步的改进在于，步骤4的步骤401)中，考虑到问题本身的性质，将直流通道功率输送的每一个稳定阶段作为一个阶段，因此动态规划问题至多有N+1个阶段。
本发明进一步的改进在于，步骤4的步骤406)中，首先计算第一个条件中等式的值，即本阶段直流通道的稳定输送功率，检验该状态转换是否满足第三个限制条件，若不能满足则该问题无解，这种状态转换无效；其次，考察最后一个限制条件中的爬坡约束是否满足，若不能满足则该问题无解，这种状态转换无效；之后，根据决策变量
前的成本系数a,-b中由小到大的顺序选择优先通过直流通道输送的出力来源，以新能源优先输送出力，同时保证第二个限制条件满足，即输送新能源出力不超过新能源预测出力。
与现有技术相比，本发明至少具有如下有益的技术效果：
1、本发明提供了一种跨区域送受端直流通道新能源消纳输送功率配置物理模型，并提出了对应的送受端直流通道输送功率配置优化模型。可提升直流通道输送功率占比，提高新能源利用率，助力新能源消纳，对于电网规划建设等相关部门具有一定的实用价值。
2、本发明提供了一种具有多项式时间复杂度的快速求解直流通道输送功率配置问题算法。该方法的原理基于运筹学技术中的动态规划方法，通过利用问题特性,进行设计巧妙的模型和算法，克服了一般动态规划的维数灾难难点。与直接求解送受端直流通道输送功率配置优化模型的混合整数线性规划问题相比，具有时间计算复杂度的求解速度优势，计算性能超越当前国际最先进的求解器。
3、该算法可以保证送受端发电效益最大化，也可满足送受端及直流通道本身的物理约束。此外，该方法具有灵活性，可以通过设置日交易电量的离散化细分程度，权衡求解时间与成本效益的优先性。
4、本发明提供了一种计算直流通道输送功率配置问题动态规划模型中状态转换中决策变量选取的算法。该线性规划模型可通过一种基于排序的散发快速求解，同样完全自主不依赖于任何商业求解器。
5、本发明在直流通道输送功率配置领域有广阔的应用前景，包括：跨省跨区直流通道输电计划制定、跨省跨区直流通道规划、跨省跨区通道的灵活性资源配置、提升通道的新能源消纳输送能力、、跨省跨区新能源消纳、跨省跨区能源交易与调度。
附图说明
图1是本发明提供的一种具有多项式时间复杂度的直流通道规划与运行方法的步骤流程图。
图2是本发明提供的一种简化后的两区域送受端直流通道新能源消纳输送功率配置物理模型的示意图。
图3是本发明提供的一种求解状态转换过程的阶段指标函数值及决策变量计算方法的流程图。
图4是本发明实施例中送端预测新能源出力数据。
图5是本发明实施例中受端预测负荷数据。
图6是本发明实施例中火电发电成本与火电出力之间关系的示意图。
图7是本发明实施例中对比本发明算法与我国现行阶段日输送功率保持不变的日直流通道输送功率曲线图。
图8是本发明实施例中对比本发明算法与我国现行阶段日输送功率保持不变的日直流通道新能源输送功率曲线图。
图9是本发明实施例中验证本发明所提出的动态规划算法与混合整数线性规划算法的符合性曲线图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
如图1所示，本发明提出的一种具有多项式时间复杂度的直流通道规划与运行方法，包括以下步骤：
步骤1、获取直流通道、新能源发电、负荷和各类可控设备技术经济特性数据，包括直流通道物理约束，新能源预测出力，负荷预测值，送受端火电运行成本，以及新能源弃风弃光惩罚因子；
步骤2、根据步骤1取得的数据，建立简化后的两区域送受端直流通道新能源消纳输送功率配置物理模型，其示意图如图2所示，送端发电区域采用聚合火电机组，聚合新能源机组等效，受端区域采用聚合火电机组及受端的固定预测负荷等效。
需要指出的是，该模型及后续步骤中对应的求解算法均可以非常简单的扩展到送端也具有固定预测负荷的问题。考虑新能源消纳问题本身的性质，送端的新能源出力一定可以保证满足送端本身的负荷，这样考虑新能源跨区消纳问题才有意义。因此，在送端负荷也被考虑的情况，只要将送端新能源出力想改用送端新能源出力减去送端负荷的形式，即使用送端新能源净预测出力参与后续算法的计算。
步骤3、根据步骤2所建物理模型，建立简化的两区域送受端直流通道输送功率配置优化模型。以新能源消纳能力最大化，系统日发电成本最小为优化目标，建立直流传输线单日输送功率非固定模式下的运行优化模型P1；
优化模型P1的优化目标是最大化新能源消纳能力，最小化系统日发电成本，因此，所述模型的目标函数可描述为：
其中，其中，PA(t),PV(t)分别为t时刻送端火电及新能源出力，PV(t),D(t)分别为t时刻送端新能源预测出力与受端预测负荷。a,b,c分别为送端火电，送端新能源，受端火电对应的成本系数。b为所设置的新能源弃风弃光的惩罚因子，为负值，a,c分别代表步骤一中所述的送受端火电分段线性成本系数，具体内容可参照图2。T为优化总时段数。
所建优化模型P1的约束条件包括：
新能源最大出力约束：
其中，
为全部优化时段的集合，该约束表明新能源出力不能超过该时段的最大预测出力。
直流通道输送电量约束：
其中，P(t)为t时刻直流通道输送总功率，该约束表明任意时刻直流通道输送功率等于送端火电与送端新能源出力之和。
直流通道调节状态爬坡约束：
其中，st为在t时刻直流通道是否进行输送功率调整的0-1变量，进行调整为1，不做调整为0，M为直流通道调整的最大限度，M表示直流通道输送功率调整的最大爬坡变换率，该式通过二元变量st的取值表示并记录t时刻直流通道输送功率是否与要进行调节，该变量将帮助实现后续的直流通道物理约束。
受端负荷平衡约束：
该式表明，任何一个时刻t直流通道输送功率不能超过受端所需要的负荷功率。
直流通道最小调节时间约束：
其中，τ为直流通道功率调整的最小间隔时间，该式表明直流通道两次功率调节之间至少需要度过一段最小间隔时间。
直流通道最大调节次数约束：
其中，N为一天之中允许直流通道进行功率调整的最大次数，该式表明一天之中直流通道至多只能进行N次输送功率调整。
直流通道日交易电量约束：
其中，Q为该日由交易计划预先规划的日交易电量。该式表明本模型联络线功率受限优化的核心思想，直流联络线现行的联络线功率固定不变模式没有充分发挥直流联络线在新能源调峰方面的优势，但是联络线功率完全自由的优化模式又不符合国内现行的“统一调度,分级管理”原则，在实际中应用时将受到很大限制。联络线功率受限优化的输送模式需要满足交易计划中日交易电量的规定，但可以在该日的每个时段进行调整优化，发挥直流传输线在新能源消纳应用场景的巨大潜力。
综上所述，可以建立如下的两区域送受端直流通道输送功率配置优化模型P1。
步骤4、根据步骤3所建优化模型P1，建立P1对应的动态规划模型，快速求解直流通道输送功率配置问题，输出该日直流通道输电计划。
优化问题P1是一个难以求解的混合整数线性规划问题，其中具有整数变量及整数约束条件。一方面，混合整数线性规划问题被证明为NP-hard问题，即没有多项式复杂度的求解算法，没有快速高效的求解算法。另一方面，混合整数线性规划问题的求解一般依赖于商业化求解器，我国目前没有成熟的相关求解器，难以实现模型求解的独立自主；为了克服以上难题。考虑到问题约束条件与电力系统中传统机组组合问题的相似性，受到利用动态规划思想求解机组组合问题的启发，本发明提出了一种动态规划算法，首先划分动态规划的时间阶段；之后，确定状态变量，决策变量；然后，建立状态转换方程；最后，建立问题的指标函数及贝尔曼函数。另外，本发明提出了一种求解状态转换过程中相关决策变量选取的基于排序的线性规划求解算法，同样不依赖于任何商业求解器。该动态规划算法能够快速求解直流通道输送功率配置问题，能够保证解的效果与原混合整数线性规划问题近似相等，同时不依赖于任何商业求解器。
首先，为动态规划划分阶段，将问题按照其时间特征划分成多个相互联系的阶段，以便按次序去求得每阶段的解。考虑到问题本身的性质，本发明自然地将直流通道功率输送的每一个稳定阶段作为一个阶段，因此动态规划问题至多有N+1个阶段。
之后，建立状态变量与决策变量。第一步，建立状态变量与状态空间，将每个阶段开始时的客观条件作为状态。考虑到问题的本身的性质，第k阶段的状态变量sk＝(ak,Sk,Ek,pk)。
其中，ak为剩余调节次数，通过在动态规划中考察该变量保证式(7)中的最大调节次数约束的实现。Sk本阶段的起始时间，记录完成调节后该阶段功率输送稳定状态的起始时间。Ek为当前剩余交易电量，通过在动态规划中考察该变量保证式(8)中的日交易电量约束的实现。pk为直流通道输送功率，通过记录该阶段的输送功率在下一阶段递推时保证式(4)中爬坡条件的实现，考虑到动态规划的离散化性质，将该日由交易计划预先规划的日交易电量Q离散化为n个档位作为状态空间中Ek的可能取值。
其中，离散化档位个数n是算法之中的关键参数，同时为动态规划算法赋予了一定的灵活性。离散化档位个数n取值越大，那么算法的状态空间更大，将得到更加接近于原始混合整数线性规划问题的解，其对应的解的总体指标函数值也会越小，即发电成本越低，解的效果越好；相应的，较大的状态空间也对应于算法执行过程中更多次的搜索，将造成求解时间的提升。因此，算法使用者可以在执行过程中更改n的值已达到需要的求解效果。
第二步，定义决策变量。阶段状态变量确定后，通过决策变量的选取，确定下一阶段的状态。第k阶段的决策变量
其中，tk为本阶段的结束时间，此次调节直流通道外送功率稳定地最大时刻。
为这段时间之内送端火电及风电外送功率。
然后，建立状态转移方程。根据前两步中状态变量及决策变量的定义。动态规划问题的状态转移方程为：
其中，经过k到k+1阶段可能的状态转换，剩余调节次数，剩余交易电量及下一阶段起始时间随着决策变量的选取决定的下一阶段状态。
最后，建立指标函数与贝尔曼方程。动态规划过程中需要通过指标函数定量衡量所选定的决策的优劣程度。
其中，第一个式子为阶段指标函数，表示第k阶段从状态sk出发，采取决策uk时的收益。第二个式子为贝尔曼方程，代表状态转移过程中第k阶段的最优指标函数值取决于，第k阶段的阶段指标函数及其对应的决策变量通过状态转移决定的第k+1阶段的最优指标函数值。
另外，本发明提出了一种求解状态转换过程的阶段指标函数值及决策变量计算方法。在当前阶段的所有状态中遍历下一阶段的可能状态，计算这种状态转换对应的阶段指标函数值及对应的决策变量，使用后向动态规划算法，那么从(ak+1,Sk+1,Ek+1,pk+1)→(ak,Sk,Ek,pk)的状态转换对应如下线性规划问题P2；
其中，限制条件分别为功率稳定且满足状态转换对应的交易电量，风电出力不超过新能源预测出力，直流通道输送功率不超过受端负荷，直流通道输送功率爬坡约束，使用一种基于成本排序的方法求解该线性规划问题，同样不依赖于任何商业求解器，该方法流程图如图4所示。
首先计算第一个条件中等式的值，即本阶段直流通道的稳定输送功率，检验该状态转换是否满足第三个限制条件，若不能满足则该问题无解，这种状态转换无效。其次，考察最后一个限制条件中的爬坡约束是否满足，若不能满足则该问题无解，这种状态转换无效。之后，根据决策变量
前的成本系数a,-b中由小到大的顺序选择优先通过直流通道输送的出力来源，一般以新能源优先输送出力，同时保证第二个限制条件满足，即输送新能源出力不超过新能源预测出力。
总结动态规划执行流程，通过上述的阶段指标函数值及决策变量计算方法，可以得到状态转换对应的决策变量
那么通过后向动态规划，从终点状态(ak+1,T,0，0)出发，在每一个阶段，考虑约束式(6)中的最小调节时间约束，遍历该阶段可能的状态对应的下一个阶段的所有可能状态，计算对应的线性规划问题，在根据式(11)中的贝尔曼方程更新最优指标函数，记录决策变量。通过这样的迭代更新，经过先前设定的由调节次数决定的阶段数，达到初始状态(N,1,Q,p1)，即可得到最终累加的全局最优指标函数，这对应于之前步骤(P1)中的目标函数值，同时通过输出对应的状态记录的决策变量值
即为一天之中不同时刻直流通道输送的送端火电及新能源出力。
总结本算法时间复杂度，在每一个阶段需要遍历该阶段的O(T)个状态及他们对应的下一个阶段的O(T)个可能状态，故算法的时间复杂度与问题规模时间阶段数T的关系为O(n2)，从复杂度的而言是远远优于没有多项式时间复杂度混合整数线性规划算法的。
实施例
为使本领域技术人员更好地理解本发明，本实施例使用陇东—山东特高压直流工程中送端甘肃省及受端山东省2019年某日典型数据来验证本发明的所提方法的有效性。其中送端预测风电出力及受端预测负荷数据如图4，图5所示，由图像可以看出跨区域直流通道具有极大的新能源消纳潜力，在送端新能源出力最高的晚间时段同样也是受端负荷最饱和的时段，因此算法将在将在优化过程中尽量在该时段输送规划的日交易电量。
送受端火电使用分段线性成本函数逼近火电发电成本的真实情况，其中，受端火电根据实际情况设置为成本略高于送端火电，实施例涉及火电发电成本与火电出力之间关系的示意图如图6所示。
实施例中关于送受端两端及直流通道的具体参数设置如下表所示。
表1实施例具体参数设置
图7展示了使用本发明算法与我国现行阶段日输送功率保持不变的日直流通道输送功率曲线图，由图中可以看出算法将在新能源预测出力较大的时段尽可能多通过直流通道输送功率，以减少送端风电弃风，助力新能源消纳，具体而言，日发电总成本(考虑弃风惩罚)从585600元降低至443610元，减少了24.3％。
图8展示了本发明算法与我国现行阶段日输送功率保持不变的日直流通道新能源输送情况，由图中可以看出算法在保证新能源预测出力较小时新能源输送情况不变的同时，极大提升了新能源预测出力较大是的新能源输送量，促进了送端新能源消纳，具体而言，日弃风量从3289MW·时降低至1683MW·时，减少了48.8％。日新能源输送占比从70.9％提升到81.6％，直流通道新能源输送占比显著提升。
图9展示了本发明所提出的动态规划算法与混合整数线性规划算法的符合性，其中混合整数线性规划算法问题使用商用求解器Gurobi建模求解，动态规划算法算法使用C++语言纯自主实现。由图中可以看出，动态规划算法可以较好的逼近MILP模型得到的直流通道解，当然，由于对连续变量日交易电量状态所做的离散化近似，动态规划算法的得到的解无法与混合整数线性规划模型完全相同，可以通过增大离散化档位个数n来提高与混合整数线性规划模型解的逼近程度，与此同时，由于离散化粒度的精细，每个阶段遍历的状态数目也会增加，因此会增加模型的求解时间，总的来说，可以通过参数的选取得到一个与混合整数线性规划模型所得到的解足够相近，求解时间又优于混合整数线性规划模型问题的解。下表展示了不同离散化档位n的动态规划算法与对应的混合整数线性规划模型问题的解的具体效果。
表2不同离散化档位n的动态规划算法与混合整数线性规划模型问题的解
虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (6)
1.一种具有多项式时间复杂度的直流通道规划与运行方法，其特征在于，包括以下步骤：
步骤1、获取直流通道、新能源发电、负荷和各类可控设备技术经济特性数据；
步骤2、根据步骤1取得的技术经济特性数据，建立简化后的两区域送受端直流通道新能源消纳输送功率配置物理模型；
步骤3、根据步骤2所建物理模型，以新能源承载能力最大，两区域日发电运行成本最小为优化目标，建立两区域送受端直流通道输送功率配置优化模型P1；所述两区域送受端直流通道输送功率配置优化模型P1的建模过程如下：
301)确定目标函数为
其中，PA(t),PV(t)分别为t时刻送端火电及新能源出力，PV(t),D(t)分别为t时刻送端新能源预测出力与受端预测负荷；a,b,c分别为送端火电、送端新能源和受端火电对应的成本系数；T为优化总时段数；
302)引入新能源最大出力约束
其中，
为全部优化时段的集合，该约束表明新能源出力不能超过该时段的最大预测出力；
引入直流通道输送电量约束
其中，P(t)为t时刻直流通道输送总功率，该约束表明任意时刻直流通道输送功率等于送端火电与送端新能源出力之和；
引入直流通道调节状态爬坡约束
-Mst≤P(t)-P(t-1)≤Mst,t＝2,3,..,T (4)
其中，st为在t时刻直流通道是否进行输送功率调整的0-1变量，进行调整为1，不做调整为0，M表示直流通道输送功率调整的最大爬坡变换率，该式通过二元变量st的取值表示并记录t时刻直流通道输送功率是否与要进行调节；
引入受端负荷平衡约束
该式表明，任何一个时刻t直流通道输送功率不能超过受端所需要的负荷功率；
引入直流通道最小调节时间约束
其中，τ为直流通道功率调整的最小间隔时间，该式表明直流通道两次功率调节之间至少需要度过一段最小间隔时间；
引入直流通道最大调节次数约束
其中，N为一天之中允许直流通道进行功率调整的最大次数，该式表明一天之中直流通道至多只能进行N次输送功率调整；
引入直流通道日交易电量约束
其中，Q为该日由交易计划预先规划的日交易电量；
综上，建立如下的两区域送受端直流通道输送功率配置优化模型P1：
步骤4、根据步骤3所建优化模型P1，建立优化模型P1对应的动态规划模型，求解直流通道输送功率配置问题，输出该日直流通道输电计划；所述的动态规划模型的求解方法包括：
401)为动态规划划分阶段，将问题按照其时间特征划分成多个相互联系的阶段，以便按次序去求得每阶段的解；
402)建立状态变量与状态空间，将每个阶段开始时的客观条件作为状态；考虑到问题的本身的性质，第k阶段的状态变量sk＝(ak,Sk,Ek,pk)；
其中，ak为剩余调节次数，通过在动态规划中考察该变量保证式(7)中的最大调节次数约束的实现；Sk本阶段的起始时间，记录完成调节后该阶段功率输送稳定状态的起始时间；Ek为当前剩余交易电量，通过在动态规划中考察该变量保证式(8)中的日交易电量约束的实现；pk为直流通道输送功率，通过记录该阶段的输送功率在下一阶段递推时保证式(4)中爬坡条件的实现，考虑到动态规划的离散化性质，将该日由交易计划预先规划的日交易电量Q离散化为n个档位作为状态空间中Ek的可能取值；
403)定义决策变量，当阶段状态变量确定后，通过决策变量的选取，确定下一阶段的状态；第k阶段的决策变量
其中，tk为本阶段的结束时间，此次调节直流通道外送功率稳定地最大时刻；
为这段时间之内送端火电及风电外送功率；
404)建立状态转移方程，根据前两步中状态变量及决策变量的定义，动态规划问题的状态转移方程为：
其中，经过k到k+1阶段可能的状态转换，剩余调节次数，剩余交易电量及下一阶段起始时间随着决策变量的选取决定的下一阶段状态；
405)建立指标函数与贝尔曼方程，动态规划过程通过指标函数定量衡量所选定的决策的优劣程度；
其中，第一个式子为阶段指标函数，表示第k阶段从状态sk出发，采取决策uk时的收益；第二个式子为贝尔曼方程，代表状态转移过程中第k阶段的最优指标函数值取决于，第k阶段的阶段指标函数及其对应的决策变量通过状态转移决定的第k+1阶段的最优指标函数值；
406)建立求解状态转换过程的阶段指标函数值及决策变量计算方法，在当前阶段的所有状态中遍历下一阶段的可能状态，计算这种状态转换对应的阶段指标函数值及对应的决策变量，使用后向动态规划算法，那么从(ak+1,Sk+1,Ek+1,pk+1)→(ak,Sk,Ek,pk)的状态转换对应如下线性规划问题P2；
其中，限制条件分别为功率稳定且满足状态转换对应的交易电量，风电出力不超过新能源预测出力，直流通道输送功率不超过受端负荷，直流通道输送功率跑破约束，使用基于成本排序的方法求解该线性规划问题；
407)建立动态规划执行流程，通过步骤406)中建立的阶段指标函数值及决策变量计算方法，得到状态转换对应的决策变量
那么通过后向动态规划，从终点状态(ak+1,T,0，0)出发，在每一个阶段，考虑约束式(6)中的最小调节时间约束，遍历该阶段可能的状态对应的下一个阶段的所有可能状态，计算对应的线性规划问题，在根据式(11)中的贝尔曼方程更新最优指标函数，记录决策变量；通过这样的迭代更新，经过先前设定的由调节次数决定的阶段数，达到初始状态(N,1,Q,p1)，即可得到最终累加的全局最优指标函数，这对应于之前的目标函数值，同时通过输出对应的状态记录的决策变量值
即为一天之中不同时刻直流通道输送的送端火电及新能源出力。
2.根据权利要求1所述的一种具有多项式时间复杂度的直流通道规划与运行方法，其特征在于，步骤1中，技术经济特性数据包括直流通道物理约束、新能源预测出力、负荷预测值、送受端火电运行成本以及新能源弃风弃光惩罚因子。
3.根据权利要求1所述的一种具有多项式时间复杂度的直流通道规划与运行方法，其特征在于，步骤2中，所述简化后的两区域送受端直流通道新能源消纳输送功率配置物理模型中，送端发电区域采用聚合火电机组和聚合新能源机组等效。
4.根据权利要求1所述的一种具有多项式时间复杂度的直流通道规划与运行方法，其特征在于，步骤2中，所述简化后的两区域送受端直流通道新能源消纳输送功率配置物理模型中，受端区域采用聚合火电机组及受端的固定预测负荷等效。
5.根据权利要求1所述的一种具有多项式时间复杂度的直流通道规划与运行方法，其特征在于，步骤4的步骤401)中，考虑到问题本身的性质，将直流通道功率输送的每一个稳定阶段作为一个阶段，因此动态规划问题至多有N+1个阶段。
6.根据权利要求1所述的一种具有多项式时间复杂度的直流通道规划与运行方法，其特征在于，步骤4的步骤406)中，首先计算第一个条件中等式的值，即本阶段直流通道的稳定输送功率，检验该状态转换是否满足第三个限制条件，若不能满足则该问题无解，这种状态转换无效；其次，考察最后一个限制条件中的爬坡约束是否满足，若不能满足则该问题无解，这种状态转换无效；之后，根据决策变量
前的成本系数a,-b中由小到大的顺序选择优先通过直流通道输送的出力来源，以新能源优先输送出力，同时保证第二个限制条件满足，即输送新能源出力不超过新能源预测出力。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210611665.0A CN114925926B (zh) | 2022-05-31 | 2022-05-31 | 一种具有多项式时间复杂度的直流通道规划与运行方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210611665.0A CN114925926B (zh) | 2022-05-31 | 2022-05-31 | 一种具有多项式时间复杂度的直流通道规划与运行方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114925926A CN114925926A (zh) | 2022-08-19 |
| CN114925926B true CN114925926B (zh) | 2023-04-07 |
Family
ID=82813547
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210611665.0A Active CN114925926B (zh) | 2022-05-31 | 2022-05-31 | 一种具有多项式时间复杂度的直流通道规划与运行方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114925926B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117335429B (zh) * | 2023-09-28 | 2024-05-24 | 华北电力大学 | 一种输电通道优化调度方法、系统及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106203736A (zh) * | 2016-07-28 | 2016-12-07 | 华北电力大学 | 一种大型能源基地风火孤岛直流输电计划的制定方法 |
| 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 |
| CN108448646A (zh) * | 2018-01-16 | 2018-08-24 | 华北电力大学 | 一种考虑直流外送功率调节特性的源网协调调峰方法 |
| CN110336329A (zh) * | 2019-05-28 | 2019-10-15 | 国网江苏省电力有限公司 | 特高压直流以及新能源参与后的受端电网调峰控制方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109472463B (zh) * | 2018-10-19 | 2020-10-30 | 华中科技大学 | 一种特大流域水电站群多电网调峰调度方法及系统 |
| CN109950920B (zh) * | 2019-04-18 | 2020-08-14 | 国网江苏省电力有限公司扬州供电分公司 | 一种基于动态规划算法的光伏场站侧电化学储能充放电计划制定方法 |
| CN110417048B (zh) * | 2019-07-05 | 2021-07-09 | 合肥工业大学 | 一种考虑源网荷约束的直流电网送受端联合调峰优化方法 |
| CN114362171B (zh) * | 2022-01-14 | 2023-04-18 | 西安交通大学 | 一种计及新能源出力不确定性的电力系统规划运行优化方法 |
-
2022
- 2022-05-31 CN CN202210611665.0A patent/CN114925926B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106203736A (zh) * | 2016-07-28 | 2016-12-07 | 华北电力大学 | 一种大型能源基地风火孤岛直流输电计划的制定方法 |
| 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 |
| CN108448646A (zh) * | 2018-01-16 | 2018-08-24 | 华北电力大学 | 一种考虑直流外送功率调节特性的源网协调调峰方法 |
| CN110336329A (zh) * | 2019-05-28 | 2019-10-15 | 国网江苏省电力有限公司 | 特高压直流以及新能源参与后的受端电网调峰控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114925926A (zh) | 2022-08-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wei et al. | A bi-level scheduling model for virtual power plants with aggregated thermostatically controlled loads and renewable energy | |
| CN109038686B (zh) | 一种基于风电出力预测误差的滚动优化调度方法 | |
| CN106877338A (zh) | 含高密度间歇性能源的交直流微电网不确定优化运行方法 | |
| US11610214B2 (en) | Deep reinforcement learning based real-time scheduling of Energy Storage System (ESS) in commercial campus | |
| CN105743089B (zh) | 基于柔性负荷的需求侧负荷调控方法及系统 | |
| CN112467722A (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
| CN103326348B (zh) | 一种提高地区电网供电能力分析及全过程在线监测的系统 | |
| CN111047097B (zh) | 一种综合能源系统日中滚动优化方法 | |
| CN110137955A (zh) | 一种计及CVaR的鲁棒机组组合调度的决策方法 | |
| CN113326994A (zh) | 一种考虑源荷储互动的虚拟电厂能量协同优化方法 | |
| CN112564109B (zh) | 一种基于储能系统参与含大规模海上风电的调频优化运行方法 | |
| CN109948954A (zh) | 一种面向电力系统分布式资源的配电网双向阻塞调度方法 | |
| CN107231001B (zh) | 一种基于改进灰色预测的楼宇微网在线能量管理方法 | |
| CN114925926B (zh) | 一种具有多项式时间复杂度的直流通道规划与运行方法 | |
| CN114169236A (zh) | 基于lstm算法的相变蓄热式电采暖负控系统控制方法 | |
| CN108321806A (zh) | 基于实时反馈的梯级水电水位控制的多时段潮流优化方法 | |
| CN111193295A (zh) | 一种考虑动态重构的配网灵活性提升鲁棒优化调度方法 | |
| CN109726894B (zh) | 保障现货交易和中长期电量的新能源有功指令计算方法 | |
| CN109066769B (zh) | 风电全消纳下虚拟电厂内部资源调度控制方法 | |
| CN109217324B (zh) | 一种计及无功电价补偿的自动电压控制系统和控制方法 | |
| CN116914847A (zh) | 一种虚拟电厂内多台发电机组聚合互补及优化调度方法 | |
| CN115758763A (zh) | 一种计及源荷不确定性的多能流系统优化配置方法及系统 | |
| CN111160653B (zh) | 基于云计算的分布式储能系统风电消纳能力监测方法 | |
| CN102506450B (zh) | 背压式热电联产与太阳能发电联合制热系统及其调度方法 | |
| CN113098073A (zh) | 一种考虑源荷双侧弹性空间的日前调度优化方法 |
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 |