CN115514016A - 电力系统机组组合确定方法、装置及设备 - Google Patents
电力系统机组组合确定方法、装置及设备 Download PDFInfo
- Publication number
- CN115514016A CN115514016A CN202211177197.7A CN202211177197A CN115514016A CN 115514016 A CN115514016 A CN 115514016A CN 202211177197 A CN202211177197 A CN 202211177197A CN 115514016 A CN115514016 A CN 115514016A
- Authority
- CN
- China
- Prior art keywords
- solution
- unit combination
- integer
- power system
- model
- 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
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
- H02J3/38—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
-
- 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
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种电力系统机组组合确定方法、装置及设备。本申请的方法,通过利用少量容易获取的历史机组组合信息来确定当前机组组合问题的历史整数解,基于历史整数解,采用可行性泵法来确定当前机组组合模型的一个初始整数可行解,该初始整数可行解作为初始解,热启动整数规划求解器,利用整数规划求解器确定机组组合的最优解,根据所述机组组合的最优解,确定所述电力系统在所述目标时段内的机组开停机和出力计划,能够提高电力系统机组组合问题的求解效率,并提高得到的机组组合信息的质量,提升电力系统的性能。
Description
技术领域
本申请涉及电力系统技术领域,尤其涉及一种电力系统机组组合确定方法、装置及设备。
背景技术
电力系统机组组合是电力系统调度运行的核心问题,它通过优化调度周期内各机组的启停计划来降低发电成本,同时满足系统负荷需求和其他约束条件。电力系统机组组合配置/优化是电力系统调度运行的核心环节,它基于未来时段的系统负荷预测值,通过建模和优化求解得到机组的开停机方式和发电出力曲线。机组组合为电力系统的生产计划进行提前安排,为电力设备的启停、调整、检修等计划提供科学的决策依据,对电力系统的安全经济运行起着极为重要的作用。
电力系统机组组合问题是一个大规模的混合整数规划问题,随着电力系统机组组合模型的规模不断增加,机组组合求解难度也随之增大,大规模电力系统机组组合的优化效率低下,无法满足大规模电力系统高效优化机组组合的要求,影响电力系统的性能。
发明内容
本申请提供一种电力系统机组组合确定方法、装置及设备,用以解决电力系统机组组合的优化效率低下,影响电力系统的性能的问题。
一方面,本申请提供一种电力系统机组组合确定方法,包括:
获取电力系统在未来的目标时段内的电力负荷预测信息和系统数据,以及所述电力系统在历史时段内配置的机组组合信息;
根据所述目标时段内的电力负荷预测信息和系统数据构建电力系统的机组组合模型,所述机组组合模型的整数可行解表征电力系统在目标时段内可用的机组组合;
根据所述历史时段内配置的机组组合信息,确定所述机组组合模型的初始整数可行解;
将所述初始整数可行解作为整数规划求解器的初始解,热启动整数规划求解器,利用所述整数规划求解器确定优化后的机组组合可行解;
根据所述优化后的机组组合可行解,确定所述电力系统在所述目标时段内的机组组合信息,所述机组组合信息包括机组的开停机状态信息和出力计划。
另一方面,本申请提供一种电力系统机组组合确定装置,包括:
电力系统相关数据获取模块,用于获取电力系统在未来的目标时段内的电力负荷预测信息和系统数据,以及所述电力系统在历史时段内配置的机组组合信息;
机组组合模型构建模块,用于根据所述目标时段内的电力负荷预测信息和系统数据构建电力系统的机组组合模型,所述机组组合模型的整数可行解表征电力系统在目标时段内可用的机组组合;
可行解确定模块,用于根据所述历史时段内配置的机组组合信息,确定所述机组组合模型的初始整数可行解;
机组组合可行解优化模块,用于将所述初始整数可行解作为整数规划求解器的初始解,热启动整数规划求解器,利用所述整数规划求解器确定优化后的机组组合可行解;
机组组合信息确定模块,用于根据所述优化后的机组组合可行解,确定所述电力系统在所述目标时段内的机组组合信息,所述机组组合信息包括机组的开停机状态信息和出力计划。
另一方面,本申请提供一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现第一方面所述的方法。
另一方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现第一方面所述的方法。
本申请提供的电力系统机组组合确定方法、装置及设备,通过利用少量容易获取的历史机组组合信息来确定机组组合的历史整数可行解,基于历史整数可行解来确定当前机组组合模型的一个初始整数可行解,该初始整数可行解作为初始解,热启动整数规划求解器,利用整数规划求解器确定优化后的机组组合可行解,可以保证优化后的机组组合可行解在目标时段的可行性,根据所述优化后的机组组合可行解,确定所述电力系统在所述目标时段内的机组组合信息,能够提高确定电力系统在目标时段内的机组组合信息的效率,并提高得到的机组组合信息的质量,从而提升电力系统的性能。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请所基于的系统框架的示意图;
图2为本申请一示例性实施例提供的电力系统机组组合确定方法流程图;
图3为本申请另一示例性实施例提供的电力系统机组组合确定方法流程图;
图4为本申请一示例性实施例提供的生成机组组合模型的初始整数可行解的流程图;
图5为本申请一示例性实施例提供的采用热启动方式求解机组组合模型的流程图;
图6为本申请一示例实施例提供的电力系统机组组合确定装置的结构示意图;
图7为本申请一示例实施例提供的电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
首先对本申请所涉及的名词进行解释:
机组组合:基于未来时段的电力系统负荷预测值,通过优化求解得到电力系统发电机组的开关机状态组合。
可行性泵(Feasibility pump):通过迭代减小整数线性规划问题的松弛解和整数解之间距离的方法,以寻找整数可行解的启发式方法。
电力系统机组组合配置/优化是电力系统调度运行的核心环节,它基于未来时段的系统负荷预测值,通过建模和优化求解得到机组的开停机方式和发电出力曲线。机组组合为电力系统的生产计划进行提前安排,为电力设备的启停、调整、检修等计划提供科学的决策依据,对电力系统的安全经济运行起着极为重要的作用。
通常,将考虑了网络安全约束的机组组合(Security Constrained UnitCommitment,SCUC)问题建模为SCUC模型。
示例性地,若需要优化配置未来24小时内电力系统的机组组合,目标时段可以为未来的24小时,在确定优化的机组组合时,通常将24小时划分为多个小的时段,在每一小的时段内电力系统中的发电机组维持一种运行状态(持续开机或者持续停机)并保持固定出力,因此需要确定每一个小的时段内的机组组合,包括每一机组在每一小的时段t内的出力和运行状态。例如每15分钟划分一个时段,目标时段包含的时段总数T为96,需要预测每一机组i分别在96个时段内的出力和运行状态。
示例性地,SCUC模型的目标函数包括电力系统中发电机组运行成本和开机成本,目标是最小化电力系统的机组组合的成本,可以表示如下公式(1)的形式:
其中,N为电力系统中机组的总台数,T为所考虑的总时段数(也即目标时段包含的小的时段的总数),pi,t、αi,t分别为机组i在t时段的出力和运行状态。fi,t(pi,t)为机组i在t时段的运行费用,为机组i的开机费用。其中i=1,2,…,N,t=1,2,…,T。
SCUC模型的约束条件主要包括如下三类:系统约束、机组约束和网络安全约束。
其中,SCUC模型的系统约束主要包括:
1)系统负荷平衡约束
对每个时段t,系统负荷平衡约束可以表示为:
其中,Dt为时段t的系统负荷预测值,pi,t为机组i在t时段的出力。
2)系统正负备用容量约束
为防止系统负荷预测偏差等带来的系统供需不平衡问题,一般电力系统需要预留一定的正负备用容量,对每个时段t,系统正负备用容量约束可以表示为:
3)系统旋转备用约束
对每个时段t,所有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:
上述SCUC模型的机组约束主要包括:
4)机组出力上下限约束
电力系统中机组的出力应在其允许出力范围内,机组出力上下限约束可以表示为:
5)机组爬坡约束
机组上爬坡或下爬坡时,应满足爬坡速率要求,机组爬坡约束可以表示为:
6)机组最小连续开停机时间约束
由于火电机组的运行特性,火电机组需要满足最小连续开/停机时间要求:
其中,αi,t为机组i在t时段的运行状态,αi,t-1为机组i在t-1时段的运行状态,Ti,U、Ti,D分别为机组i的最小连续开机时间和最小连续停机时间;分别为机组在时段t时已经连续开机的时间和已经连续停机的时间,可以用机组运行状态表示如下:
上述SCUC模型的网络安全约束主要包括:
7)网络安全约束
电力系统的网络安全约束主要包括线路潮流的安全约束,具体可以表示为:
式中,为线路l的热稳极限;Gl-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;Gl-k为母线负荷k所在节点对线路l的发电机输出功率转移分布因子;Dk,t为时段t母线负荷k的预测值。pi,t为机组i在t时段的出力。
电力系统机组组合问题(如上述SCUC模型的求解)是一个大规模的混合整数规划问题,随着电力系统机组组合模型的规模不断增加,机组组合求解难度也随之增大。
目前,业内多采用基于数据的机组组合加速求解方法,利用海量的历史数据(包括母线负荷、机组报价、最优解等),并采用大规模的深度学习/强化学习模型来预测整数变量的取值,该类方法需要的数据量大、训练成本高,并且无法保证结果的可行性。大规模电力系统机组组合的优化效率低下,无法满足大规模电力系统高效优化机组组合的要求。
为解决电力系统中机组组合优化效率低的问题,本申请提供一种电力系统机组组合优化方法,根据电力系统在未来的目标时段内的系统数据构建电力系统当前的机组组合模型,并且利用电力系统中在历史时段内实际配置的机组组合信息对应的整数可行解,来找到当前的机组组合模型的一个整数可行解作为初始整数可行解,利用整数规划求解器的热启动功能来基于已有的初始整数可行解,优化确定电力系统机组组合的高质量的整数可行解(称为机组组合可行解),并基于高质量的机组组合可行解优化电力系统在目标时段内的机组组合,可以保证优化得到的机组组合的可行性,并且只需利用少量容易获取的历史配置的机组组合信息即可获得高质量的机组组合可行解,提高了电力系统机组组合的优化效率,能够满足大规模电力系统高效优化机组组合的要求,从而提升电力系统的性能。
图1为本申请所基于的系统框架的示意图,如图1所示,该系统架构包含电力系统,以及用于确定电力系统机组组合的电子设备。电力系统内包含多个发电机组,通过不断优化发电机组在不同时段的启停状态及出力,也即优化电力系统在不同时段的机组组合,可以保证电力系统安全、经济地运行。
该电子设备可以为本地设备或者云端服务器(如集群等)。电子设备能够获取电力系统在未来的目标时段内的电力负荷预测信息和系统数据,以及电力系统在历史时段内实际配置的机组组合信息,根据目标时段内的电力负荷预测信息和系统数据构建电力系统的机组组合模型,根据历史时段内配置的机组组合信息,确定机组组合模型的初始整数可行解;将初始整数可行解作为整数规划求解器的初始解,热启动整数规划求解器,利用整数规划求解器确定优化后的机组组合可行解;根据优化后的机组组合可行解,确定电力系统在目标时段内的机组组合信息。电子设备确定的电力系统在目标时段内的机组组合信息可以用于配置/优化电力系统在目标时段内的机组组合,或者用于生成电力系统的生产计划信息等。
其中,电力系统的系统数据包括机组配置、电网数据、机组成本等。
机组配置包括电力系统中机组的数量,机组的最大允许出力和最小允许出力,机组的最大上爬坡速率和最大下爬坡速率,机组的最小连续开机时间和最小连续停机时间,目标时段的系统正、负备用容量要求,目标时段的上调、下调旋转备用要求等。
机组成本包括:机组运行费用、开机费用等。
电网数据包括:电网线路拓扑,线路的热稳极限,任一机组i所在节点对线路l的发电机输出功率转移分布因子,母线负荷k所在节点对线路l的发电机输出功率转移分布因子等。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图2为本申请一示例性实施例提供的电力系统机组组合确定方法流程图。本实施例提供的方法可以由上述提及的电子设备执行。如图2所示,该方法具体步骤如下:
步骤S201、获取电力系统在未来的目标时段内的电力负荷预测信息和系统数据,以及电力系统在历史时段内配置的机组组合信息。
其中,目标时段可以是未来的一个时间段,本实施例目的是找出电力系统在目标时段内的最优或较优的机组组合,以优化电力系统的机组组合,从而优化电力系统。目标时段的具体起止时间、分成的小的时段的长度等可以根据实际应用场景的需要进行设置和调整,此处不做具体限定。
示例性地,目标时段可以是为来的24小时,每15分钟划分一个时段,目标时段包含的时段总数T为96。本实施例的目的是确定未来24小时内的每一小的时段内每一机组的出力和运行状态,得到电力系统在未来24小时的机组组合信息。
电力系统在未来的目标时段内的电力负荷预测信息可以从电力系统或其他设备获取,具体预测电力系统在未来一个时段的电力负荷的方法,可以采用现有技术中的电力负荷预测方法,此处不再赘述。
该步骤中,可以从电力系统所在的服务器或电力系统的调度设备或其他设备,获取电力系统的系统数据,具体包括机组配置、电网数据、机组成本等。
机组配置包括电力系统中机组的数量,机组的最大允许出力和最小允许出力,机组的最大上爬坡速率和最大下爬坡速率,机组的最小连续开机时间和最小连续停机时间,目标时段的系统正、负备用容量要求,目标时段的上调、下调旋转备用要求等。
机组成本包括:机组运行费用、开机费用等。
电网数据包括:电网线路拓扑,线路的热稳极限,任一机组i所在节点对线路l的发电机输出功率转移分布因子,母线负荷k所在节点对线路l的发电机输出功率转移分布因子等。
该步骤中,电子设备还可以从电力系统的调度设备获取电力系统在历史时段内配置的机组组合信息。其中,每一组机组组合信息对应一个电力系统的机组组合模型的历史整数可行解,虽然历史的整数可行解未必是目标时段内的机组组合模型的可行解,但是基于历史的整数可行解可以较容易地获取目标时段内的机组组合模型的一个整数可行解。
步骤S202、根据目标时段内的电力负荷预测信息和系统数据构建电力系统的机组组合模型,机组组合模型的整数可行解表征电力系统在目标时段内可用的机组组合。
本实施例中,基于目标时段内的电力负荷预测信息和系统数据,来构建用于确定电力系统在目标时段内的机组组合信息的机组组合模型。该机组组合模型的每一个整数可行解表征电力系统在目标时段内的一组可用的机组组合信息。通过求解该机组组合模型的最优解/较优解,可以确定电力系统在目标时段内最优/较优的机组组合。
电力系统的机组组合模型可以采用常用的机组组合优化模型的构建方式,如前述的SCUC模型,此处不再赘述。
步骤S203、根据历史时段内配置的机组组合信息,确定机组组合模型的初始整数可行解。
由于历史的整数可行解未必是目标时段内的机组组合模型的可行解,因此该步骤中,基于历史的整数可行解获取目标时段内的机组组合模型的一个整数可行解,确定当前的机组组合模型的初始整数可行解的具体实现方式在后续实施例中进行详细地说明。
在一可选实施例中,还可以基于已有的用于预测电力系统机组组合的深度学习/强化学习模型基于目标时段的电力负荷预测信息预测得到机组组合模型的整数解,利用其中一个整数解来确定当前的机组组合模型的初始整数可行解。
步骤S204、将初始整数可行解作为整数规划求解器的初始解,热启动整数规划求解器,利用整数规划求解器确定优化后的机组组合可行解。
上述步骤S202所构建的机组组合模型为一个整数规划问题,可以通过整数规划求解器来求解出最优解,基于最优解可以确定电力系统的较优的机组组合。
本实施例中,在获取到当前机组组合模型的一个初始整数可行解之后,将该初始整数可行解作为初始解,利用整数规划求解器热启动功能,基于初始解进行多轮迭代优化,确定优化后的机组组合可行解,可以保证求解得到的机组组合可行解的可行性,并且可以加快机组组合模型的求解速率。
步骤S205、根据优化后的机组组合可行解,确定电力系统在目标时段内的机组组合信息。
其中,机组组合信息包括机组的开停机状态信息和出力计划。
在求解得到优化后的机组组合可行解之后,基于优化后的机组组合可行解可以确定电力系统在目标时段内的机组组合信息,确定了一组高质量的机组组合。
本实施例通过利用少量容易获取的历史机组组合信息来确定机组组合的历史整数可行解,基于历史整数可行解来确定当前机组组合模型的一个初始整数可行解,该初始整数可行解作为初始解,热启动整数规划求解器,利用整数规划求解器确定优化后的机组组合可行解,可以保证优化后的机组组合可行解在目标时段的可行性,根据优化后的机组组合可行解,确定电力系统在目标时段内的机组组合信息,能够提高确定电力系统在目标时段内的机组组合信息的效率,并提高得到的机组组合信息的质量,从而提升电力系统的性能。
进一步地,电子设备确定的电力系统在目标时段内的机组组合信息可以用于配置/优化电力系统在目标时段内的机组组合,或者用于生成电力系统的生产计划信息等。
在一可选实施例中,在上述步骤S205确定电力系统在目标时段内的机组组合信息之后,根据电力系统在目标时段内的机组组合信息,生成电力系统的生产计划信息,并输出生产计划信息。结合上述实施例提供的电力系统机组组合确定方法来确定电力系统在目标时段内的机组组合信息,可以提高机组组合的优化效率及优化质量,进一步基于所确定电力系统在目标时段内的机组组合信息生成电力系统的生产计划信息,可以提高生产计划的生成效率及计划的有效性,从而提高电力系统的性能。
在一可选实施例中,上述实施例中确定方法来确定电力系统在目标时段内的机组组合信息的电子设备,还可以具备电力系统的调度/配置/优化功能。在上述步骤S205确定电力系统在目标时段内的机组组合信息之后,电子设备可以根据电力系统在目标时段内的机组组合信息,实现配置或优化电力系统在目标时段内的机组组合,从而实时地优化电力系统的机组组合,提升电力系统的性能。
在一可选实施例中,上述实施例中确定方法来确定电力系统在目标时段内的机组组合信息的电子设备,若不具备电力系统的调度/配置/优化功能,在上述步骤S205确定电力系统在目标时段内的机组组合信息之后,可以向电力系统的调度服务器发送电力系统在目标时段内的机组组合信息。调度服务器具备电力系统的调度/配置/优化功能,基于接收到的电力系统在目标时段内的机组组合信息,配置或优化电力系统在目标时段内的机组组合,从而实时地优化电力系统的机组组合,提升电力系统的性能。
图3为本申请另一示例性实施例提供的电力系统机组组合确定方法流程图。在上述任一方法实施例的基础上,本实施例中对于确定电力系统机组组合的方法进行详细地说明。如图3所示,该方法具体步骤如下:
步骤S301、获取电力系统在未来的目标时段内的电力负荷预测信息和系统数据,以及电力系统在历史时段内配置的机组组合信息。
该步骤与上述步骤S201的实现方式一致,具体参见上述步骤S201的相关说明,此处不再赘述。
步骤S302、根据目标时段内的电力负荷预测信息和系统数据构建电力系统的机组组合模型,机组组合模型的整数可行解表征电力系统在目标时段内可用的机组组合。
该步骤与上述步骤S202的实现方式一致,具体参见上述步骤S201的相关说明,此处不再赘述。
一种可选实施方式中,通过步骤S303-S306实现上述步骤S203中根据历史时段内配置的机组组合信息,确定机组组合模型的初始整数可行解。
步骤S303、将历史时段内配置的机组组合信息对应的整数可行解作为目标解。
其中,历史时段内配置的每一组机组组合信息可以包括电力系统中在该历史时段内机组的运行状态和出力。其中,机组的运行状态可以是开机或停机状态,分别用1或0表示。机组组合模型的整数可行解包括表征任意机组i在历史时段t的运行状态的变量αi,t,以及表征任意机组i在历史时段t的出力的变量pi,t。其中,机组i在历史时段t的运行状态的变量αi,t为整数变量,取值为0或1。
根据一组机组组合信息可以确定对应的一个整数可行解,根据机组组合模型的一个整数可行解可以确定对应一组机组组合信息。整数可行解仅包含整数变量对应的部分解,也即包含解中的αi,t的值。
本实施例中,可以获取一个较长的历史时段内的多组机组组合信息,并获取对应的多个整数可行解,作为目标解,从而提高目标解中包含当前机组组合模型的整数可行解的可能性。
在另一可选实施例中,还可以基于已有的用于预测电力系统机组组合的深度学习/强化学习模型基于目标时段的电力负荷预测信息预测得到机组组合模型的整数解,利用其中一个整数解作为目标解。进一步通过步骤S304-S306基于目标解来确定当前的机组组合模型的初始整数可行解。
步骤S304、校验目标解中是否存在机组组合模型的整数可行解。
本实施例中,校验目标解中是否存在当前的机组组合模型的整数可行解。
如果存在,则执行步骤S305,直接选取其中一个当前的机组组合模型的整数可行解,作为初始整数可行解。
如果不存在,则执行步骤S306,基于一个目标解(历史整数可行解),采用可行性泵法,找到当前机组组合模型的一个整数可行解,作为初始整数可行解。
步骤S305、若目标解中存在机组组合模型的整数可行解,则根据机组组合模型的目标函数,在目标解中选择一个机组组合模型的整数可行解中作为机组组合模型的初始整数可行解。
若目标解中存在当前的机组组合模型的整数可行解,可以从中随机选择一个当前机组组合模型的整数可行解,作为初始整数可行解,可以快速找到当前机组组合模型的初始整数可行解。
步骤S306、若目标解中不存在机组组合模型的整数可行解,则根据机组组合模型的约束条件,选择其中一个目标解作为起始解,基于所选择的起始解,采用可行性泵法,生成机组组合模型的初始整数可行解。
若目标解中不存在当前的机组组合模型的整数可行解,则可以选择一个违反当前机组组合模型的约束程度较小的一个目标解,作为起始解,基于该起始解,采用可行性泵法,确定当前机组组合模型的一个整数可行解,作为机组组合模型的初始整数可行解。
可选地,在根据当前的机组组合模型的约束条件,选择其中一个目标解作为起始解时,可以根据目标解违反的约束条件的数量,将违反约束条件数量较少的目标解作为起始解。示例性地,可以将违反约束条件数量最少(或次少)的目标解作为起始解,这样可以找到一个相对较优的起始解,可以加快获取当前的机组组合模型的初始整数可行解的速度。
可选地,在根据当前的机组组合模型的约束条件,选择其中一个目标解作为起始解时,可以在当前的机组组合模型的约束条件中增加松弛变量,在当前的机组组合模型的目标函数中增加包含松弛变量的惩罚项,将目标解代入包含惩罚项的目标函数确定目标解对应的目标函数值,将对应的目标函数值较小的目标解作为起始解。示例性地,可以将对应的目标函数值最小(或次小)的目标解作为起始解,这样可以找到一个相对较优的起始解,可以加快获取当前的机组组合模型的初始整数可行解的速度。
其中,在当前的机组组合模型的约束条件中增加松弛变量,在当前的机组组合模型的目标函数中增加包含松弛变量的惩罚项的具体实现方式,可以采用现有技术中增加目标函数的惩罚项的约束松弛的方法实现,此处不再赘述。
另外,基于所选择的起始解,采用可行性泵法,生成机组组合模型的初始整数可行解将在后续实施例中进行说明。
步骤S307、将初始整数可行解作为整数规划求解器的初始解,热启动整数规划求解器,利用整数规划求解器确定优化后的机组组合可行解。
在找到当前的机组组合模型的初始整数可行解之后,利用整数规划求解器的热启动功能,将初始整数可行解作为整数规划求解器的初始解,热启动整数规划求解器,利用整数规划求解器进行反复迭代优化,找到当前机组组合模型的最优解,作为优化后的机组组合可行解。
步骤S308、根据优化后的机组组合可行解,确定电力系统在目标时段内的机组组合信息。
该步骤与上述步骤S205的实现方式一致,具体参见上述步骤S205的相关说明,此处不再赘述。
本实施例中,通过利用少量容易获取的历史机组组合信息来确定机组组合的历史整数可行解,基于历史整数可行解来确定当前机组组合模型的一个初始整数可行解,该初始整数可行解作为初始解,热启动整数规划求解器,利用整数规划求解器确定优化后的机组组合可行解,可以保证优化后的机组组合可行解在目标时段的可行性,根据优化后的机组组合可行解,确定电力系统在目标时段内的机组组合信息,能够提高确定电力系统在目标时段内的机组组合信息的效率,并提高得到的机组组合信息的质量,从而提升电力系统的性能。
在一可选实施例中,上述步骤S306中,基于所选择的起始解,生成机组组合模型的初始整数可行解,还可以采用如下方式实现:
根据所选择的起始解以及机组组合模型中的整数变量,构建电力系统机组组合的线性规划模型,线性规划模型的目标函数为整数变量与起始解中对应变量值的差的绝对值的累加和,线性规划模型的约束条件包括电力系统机组组合所需满足的机组约束条件和系统约束条件,以及网络安全约束条件。其中,线性规划模型的约束条件中整数变量的取值范围进行了松弛,因此将求解线性规划模型得到的解称为松弛解。利用线性规划求解器求解线性规划模型,得到松弛解,该松弛解满足所有电力系统机组组合所需满足的约束条件。但是,由于所构建的线性规划模型包含大量网络安全约束条件,在求解线性规划模型时的效率较低。
考虑到电力系统的特性,在大规模(如省级或区域级)电力系统的机组组合模型中,有数量众多表示机组启停状态的0-1变量(也即αi,t),且模型中存在大量复杂的网络安全约束,求解机组组合模型的整数可行解的难度较高。
在另一可选实施例中,在传统的可行性泵法中内嵌松弛问题求解与安全约束校核迭代的方法,来加快每次迭代线性规划模型(线性规划问题)的求解速度。
具体地,参见图4,上述步骤S306中,基于所选择的起始解,采用可行性泵法,生成机组组合模型的初始整数可行解,具体可以采用如下步骤实现:
步骤S401、根据所选择的起始解以及机组组合模型中的整数变量,构建电力系统机组组合的线性规划模型,线性规划模型的目标函数为整数变量与起始解中对应变量值之差的绝对值的累加和,线性规划模型的约束条件包括电力系统机组组合所需满足的机组约束条件和系统约束条件,线性规划模型的约束条件中整数变量的取值范围进行了松弛,整数变量与电力系统中机组一一对应,每一整数变量表示对应机组在目标时段内是否开机。
其中,当前的机组组合模型中的整数变量包括表征机组在目标时段内的运行状态的变量0-1变量(也即αi,t)。线性规划模型的约束条件中的整数变量的取值范围松弛为了[0,1]。
根据所选择的起始解以及机组组合模型中的整数变量,构建电力系统机组组合的线性规划模型的目标函数可以表示为:其中,αi,t为表示机组i在目标时段t的运行状态的变量,αi,t′机组i在历史时段t′的运行状态对应的变量值。
可选地,用(α1,t,α2,t,...,αN,t)表示当前的机组组合模型中的整数变量构成的第一向量,用(α1,t′,α2,t′,...,αN,t′)表示起始解对应的第二向量,电力系统机组组合的线性规划模型的目标函数也可以表述为第一向量和第二向量的差值向量的L1范数。其中,第一向量和第二向量的差值向量可以表示为:(α1,t-α1,t′,α2,t-α2,t′,...,αN,t-αN,t′)。
步骤S402、求解线性规划模型,得到松弛解。
该线性规划模型为一个线性规划模型,可以利用现有的线性规划求解器来求解线性规划模型,得到的解称为松弛解。
步骤S403、校验松弛解是否满足网络安全约束条件。
在得到松弛解之后,将松弛解代入当前机组组合模型的网络安全约束条件,校验松弛解是否满足所有的网络安全约束条件,也即校验是否存在松弛解不满足(或违反、或越限)的网络安全约束条件。
若松弛解满足所有的网络安全约束条件,也即不存在松弛解不满足(或违反、或越限)的网络安全约束条件,则执行步骤S405。
若存在松弛解不满足(或违反、或越限)的网络安全约束条件,则执行步骤S405。
步骤S404、若存在松弛解不满足的网络安全约束条件,则将松弛解不满足的网络安全约束条件添加到线性规划模型的约束条件中,并对添加的网络安全约束条件中整数变量的取值范围进行松弛。
若存在松弛解不满足(或违反、或越限)的至少一个网络安全约束条件,则将这些松弛解不满足的网络安全约束条件添加到线性规划模型的约束条件中,并将添加的网络安全约束条件中整数变量的取值范围松弛为[0,1],得到添加了网络安全约束条件的线性规划模型。
反复迭代执行步骤S402-S404,求解添加了网络安全约束条件后得到的新的线性规划模型,得到新的松弛解,校验新的松弛解是否满足所有网络安全约束条件,直至得到的松弛解满足所有网络安全约束条件,也即不存在松弛解不满足的网络安全约束条件。
这样,通过上述步骤S402-S404可以实现求解线性规划模型,并根据电力系统机组组合所需满足的网络安全约束条件对求解结果进行验证,获取满足网络安全约束条件的松弛解。这种实现方式在可行性泵中内嵌松弛问题求解与安全约束校核迭代的方法可以加快每次迭求解代线性规划模型的速度。
步骤S405、校验松弛解是否为整数解。
在求解线性规划模型,得到满足所有约束条件的松弛解之后,校验松弛解是否为整数解。
如果得到的松弛解是整数解,那么可以确定该松弛解是当前机组组合模型的整数可行解,执行步骤S407。
如果得到的松弛解不是整数解,也即松弛解是分数解,那么该松弛解不是当前机组组合模型的整数可行解,继续执行步骤S406。
步骤S406、若松弛解是分数解,则确定松弛解的最近整数解,更新线性规划模型的目标函数为整数变量与最近整数解中对应变量值的差的绝对值的累加和。
如果得到的松弛解不是整数解,也即松弛解是分数解,那么该松弛解不是当前机组组合模型的整数可行解,为了找到当前机组组合模型的整数可行解,可以确定该分数解的最近整数解,并用该最近整数解替代起始解更新线性规划模型的目标函数。
在更新目标函数后,迭代执行步骤S402-S405,迭代求解更新后的线性规划模型,并根据网络安全约束条件对求解结果进行验证,获取满足所有网络安全约束条件的松弛解……,直至S405中校验结果为松弛解是整数解时停止迭代,执行步骤S407。
步骤S407、若松弛解是整数解,停止迭代,将最后一次迭代得到的松弛解作为机组组合模型的初始整数可行解。
如果得到的松弛解是整数解,那么可以确定该松弛解是当前机组组合模型的整数可行解,将最后一次迭代得到的松弛解作为机组组合模型的初始整数可行解。
本实施例的方法,考虑到电力系统的特性,在大规模(如省级或区域级)电力系统的机组组合模型中,有数量众多表示机组启停状态的0-1变量(也即αi,t),且模型中存在大量复杂的网络安全约束,求解机组组合模型的整数可行解的难度较高。通过在传统的可行性泵法中内嵌松弛问题求解与安全约束校核迭代的方法,来加快每次迭代线性规划模型(线性规划问题)的求解速度,从而可以提高获取当前机组组合模型的初始整数可行解的速度。
在另一可选实施例中,上述步骤S402之前,还可以将网络安全约束条件也加入到线性规划模型中,并对网络安全约束条件中的整数变量取值范围进行松弛,得到包含安全约束的线性规划模型,通过线性规划求解器来求解包含安全约束的线性规划模型,来获得满足网络安全约束条件的松弛解。考虑到直接求解包含大量网络安全约束的线性规划模型的效率较低,本实施例中优选采用步骤S402-S404的方式来获取满足网络安全约束条件的松弛解。
通常所构建的组组合模型的约束条件包括电力系统的系统约束条件、机组约束条件和网络安全约束条件,通过求解该组组合模型获取满足所有约束条件的解。
考虑到电力系统的特性,在大规模(如省级或区域级)电力系统的机组组合模型中,有数量众多表示机组启停状态的0-1变量(也即αi,t),且模型中存在大量复杂的网络安全约束,求解机组组合模型的整数可行解的难度较高。在一可选实施例中,上述步骤S202中构建的机组组合模型的约束条件,可以包括电力系统机组组合所需满足的机组约束条件和系统约束条件,但不包括网络安全约束条件。
参见图5,在上述步骤S204和S307中,将初始整数可行解作为整数规划求解器的初始解,热启动整数规划求解器,利用整数规划求解器确定优化后的机组组合可行解时,具体可以采用如下步骤实现:
步骤S501、将初始整数可行解作为初始解。
步骤S502、热启动整数规划求解器,利用整数规划求解器基于初始解确定机组组合模型的优化解。
本实施例中,利用整数规划求解器的热启动功能,基于一个高质量的初始解,通过多次迭代优化得到更高质量的优化解,并且由于初始构建的机组组合模型不包含网络安全约束条件,可以加快每次迭代求解的速度。
步骤S503、校验当前的优化解是否满足机组组合模型未包含的网络安全约束条件。
在得到优化解之后,将优化解代入当前机组组合模型未包含的网络安全约束条件,校验优化解是否满足未包含的网络安全约束条件,也即校验当前机组组合模型未包含的网络安全约束条件中是否存在优化解不满足(或违反、或越限)的网络安全约束条件。
若松弛解满足所有的网络安全约束条件,也即不存在松弛解不满足(或违反、或越限)的网络安全约束条件,则执行步骤S505。
若存在松弛解不满足(或违反、或越限)的网络安全约束条件,则执行步骤S504。
步骤S504、若当前的优化解违反了至少一个网络安全约束条件,则将当前的优化解违反的网络安全约束条件添加到机组组合模型的约束条件中。
若存在当前的优化解不满足(或违反、或越限)的至少一个网络安全约束条件,则将当前的优化解不满足的这些网络安全约束条件添加到机组组合模型的约束条件中,以约束后续求解得到的优化解可以满足这些网络安全约束条件。
进一步地,将当前的优化解作为新的初始解,迭代上述步骤S502-S504,热启动整数规划求解器,利用整数规划求解器确定当前机组组合模型的新的优化解,并校验新的优化解是否满足当前机组组合模型未包含的网络安全约束条件……直至S503校验结果为得到的优化解满足所有网络安全约束条件时停止迭代,将最终得到的优化解确定为优化后的机组组合可行解。
步骤S505、若当前的优化解满足所有网络安全约束条件,将最终得到的优化解确定为优化后的机组组合可行解。
本实施例中,考虑到电力系统的特性,在大规模(如省级或区域级)电力系统的机组组合模型中,有数量众多表示机组启停状态的0-1变量(也即αi,t),且模型中存在大量复杂的网络安全约束,求解机组组合模型的整数可行解的难度较高,在初始构建的机组组合模型的约束条件不包含网络安全约束条件,在求解得到优化解后校验是否满足网络安全约束条件,逐渐将少量网络安全约束条件加入机组组合模型的约束条件中,可以减少机组组合模型的约束条件,从而可以加快每次迭代求解机组组合模型的速度。
可选地,在将初始整数可行解作为整数规划求解器的初始解,热启动整数规划求解器,利用整数规划求解器确定优化后的机组组合可行解之前,还包括:
确定对初始整数可行解起作用的网络安全约束条件,将起作用的网络安全约束条件添加到机组组合模型的约束条件中,通过将初始整数可行解起作用的网络安全约束条件加入到机组组合模型的约束条件中,可以提高求解得到的优化解的质量,从而可以快速找到满足所有约束条件的高质量的机组组合模型的整数可行解。
图6为本申请一示例实施例提供的电力系统机组组合确定装置的结构示意图。本实施例提供的装置应用于执行电力系统机组组合确定方法。如图6所示,电力系统机组组合确定装置60包括:电力系统相关数据获取模块61、机组组合模型构建模块62、可行解确定模块63、机组组合可行解优化模块64和机组组合信息确定模块65。
其中,电力系统相关数据获取模块61用于获取电力系统在未来的目标时段内的电力负荷预测信息和系统数据,以及电力系统在历史时段内配置的机组组合信息。
机组组合模型构建模块62用于根据目标时段内的电力负荷预测信息和系统数据构建电力系统的机组组合模型,机组组合模型的整数可行解表征电力系统在目标时段内可用的机组组合。
可行解确定模块63用于根据历史时段内配置的机组组合信息,确定机组组合模型的初始整数可行解。
机组组合可行解优化模块64用于将初始整数可行解作为整数规划求解器的初始解,热启动整数规划求解器,利用整数规划求解器确定优化后的机组组合可行解。
机组组合信息确定模块65用于根据优化后的机组组合可行解,确定电力系统在目标时段内的机组组合信息。
在一可选实施例中,在实现根据历史时段内配置的机组组合信息,确定机组组合模型的初始整数可行解时,可行解确定模块63还用于:
将历史时段内配置的机组组合信息对应的整数可行解作为目标解,校验目标解中是否存在机组组合模型的整数可行解;若目标解中不存在机组组合模型的整数可行解,则根据机组组合模型的约束条件,选择其中一个目标解作为起始解,基于所选择的起始解,采用可行性泵法,生成机组组合模型的初始整数可行解。
在一可选实施例中,在实现根据历史时段内配置的机组组合信息,确定机组组合模型的初始整数可行解时,可行解确定模块63还用于:
若目标解中存在机组组合模型的整数可行解,则根据机组组合模型的目标函数,在目标解中选择一个机组组合模型的整数可行解中作为机组组合模型的初始整数可行解。
在一可选实施例中,在实现根据机组组合模型的约束条件,选择其中一个目标解作为起始解时,可行解确定模块63还用于:
根据目标解违反的约束条件的数量,将违反约束条件数量最少的目标解作为起始解;或者,在机组组合模型的约束条件中增加松弛变量,在机组组合模型的目标函数中增加包含松弛变量的惩罚项,将目标解代入包含惩罚项的目标函数确定目标解对应的目标函数值,将对应的目标函数值最小的目标解作为起始解。
在一可选实施例中,在实现基于所选择的起始解,采用可行性泵法,生成机组组合模型的初始整数可行解时,可行解确定模块63还用于:
根据所选择的起始解以及机组组合模型中的整数变量,构建电力系统机组组合的线性规划模型,线性规划模型的目标函数为整数变量与起始解中对应变量值之差的绝对值的累加和,线性规划模型的约束条件包括电力系统机组组合所需满足的机组约束条件和系统约束条件,线性规划模型的约束条件中整数变量的取值范围进行了松弛,整数变量与电力系统中机组一一对应,每一整数变量表示对应机组在目标时段内是否开机;
求解线性规划模型,并根据电力系统机组组合所需满足的网络安全约束条件对求解结果进行验证,获取满足网络安全约束条件的松弛解;
若松弛解是分数解,则确定松弛解的最近整数解,更新线性规划模型的目标函数为整数变量与最近整数解中对应变量值的差的绝对值的累加和;
迭代求解更新后的线性规划模型,并根据网络安全约束条件对求解结果进行验证,获取满足网络安全约束条件的松弛解,直至获取到的松弛解是整数解时停止迭代,将最后一次迭代得到的松弛解作为机组组合模型的初始整数可行解。
在一可选实施例中,在实现求解线性规划模型,并根据电力系统机组组合所需满足的网络安全约束条件对求解结果进行验证,获取满足网络安全约束条件的松弛解时,可行解确定模块63还用于:
求解线性规划模型,得到松弛解;校验松弛解是否满足网络安全约束条件;若存在松弛解不满足的网络安全约束条件,则将松弛解不满足的网络安全约束条件添加到线性规划模型的约束条件中,并对添加的网络安全约束条件中整数变量的取值范围进行松弛,反复迭代求解添加了网络安全约束条件的线性规划模型得到新的松弛解,校验新的松弛解是否满足所有网络安全约束条件,直至得到的松弛解满足所有网络安全约束条件。
在一可选实施例中,机组组合模型的约束条件包括电力系统机组组合所需满足的机组约束条件和系统约束条件,不包括网络安全约束条件。
在实现将初始整数可行解作为整数规划求解器的初始解,热启动整数规划求解器,利用整数规划求解器确定优化后的机组组合可行解时,机组组合可行解优化模块64还用于:
将初始整数可行解作为初始解,热启动整数规划求解器,利用整数规划求解器基于初始解确定机组组合模型的优化解;校验当前的优化解是否满足机组组合模型未包含的网络安全约束条件,若当前的优化解违反了至少一个网络安全约束条件,则将当前的优化解违反的网络安全约束条件添加到机组组合模型的约束条件中;将当前的优化解作为新的初始解,迭代热启动整数规划求解器确定当前机组组合模型新的优化解,并校验新的优化解是否满足当前机组组合模型未包含的网络安全约束条件,直至得到的优化解满足所有网络安全约束条件,将最终得到的优化解确定为优化后的机组组合可行解。
在一可选实施例中,在将初始整数可行解作为整数规划求解器的初始解,热启动整数规划求解器,利用整数规划求解器确定优化后的机组组合可行解之前,机组组合可行解优化模块64还用于:
确定对初始整数可行解起作用的网络安全约束条件,将起作用的网络安全约束条件添加到机组组合模型的约束条件中。
在一可选实施例中,电力系统机组组合确定装置还可以包括:电力系统生产计划生成模块,用于:
在根据优化后的机组组合可行解,确定电力系统在目标时段内的机组组合信息之后,根据电力系统在目标时段内的机组组合信息,生成电力系统的生产计划信息;输出生产计划信息。
在一可选实施例中,电力系统机组组合确定装置还可以包括:电力系统调度模块,用于:
根据电力系统在目标时段内的机组组合信息,配置或优化电力系统在目标时段内的机组组合;
或者,
向电力系统的调度服务器发送电力系统在目标时段内的机组组合信息,以使调度服务器基于接收到的电力系统在目标时段内的机组组合信息,配置或优化电力系统在目标时段内的机组组合。
本实施例提供的装置具体可以用于执行基于上述任一实施例提供的基于提示生成下游任务模型的方法,具体功能和所能实现的技术效果此处不再赘述。
图7为本申请一示例实施例提供的电子设备的结构示意图。如图7所示,该电子设备70包括:处理器701,以及与处理器701通信连接的存储器702,存储器702存储计算机执行指令。
其中,处理器执行存储器存储的计算机执行指令,以实现上述任一方法实施例所提供的方案,具体功能和所能实现的技术效果此处不再赘述。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现上述任一方法实施例所提供的方案,具体功能和所能实现的技术效果此处不再赘述。
本申请实施例还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一方法实施例所提供的方案,具体功能和所能实现的技术效果此处不再赘述。
另外,在上述实施例及附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。“多个”的含义是两个以上,除非另有明确具体的限定。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (13)
1.一种电力系统机组组合确定方法,其特征在于,包括:
获取电力系统在未来的目标时段内的电力负荷预测信息和系统数据,以及所述电力系统在历史时段内配置的机组组合信息;
根据所述目标时段内的电力负荷预测信息和系统数据构建电力系统的机组组合模型,所述机组组合模型的整数可行解表征电力系统在目标时段内可用的机组组合;
根据所述历史时段内配置的机组组合信息,确定所述机组组合模型的初始整数可行解;
将所述初始整数可行解作为整数规划求解器的初始解,热启动整数规划求解器,利用所述整数规划求解器确定优化后的机组组合可行解;
根据所述优化后的机组组合可行解,确定所述电力系统在所述目标时段内的机组组合信息,所述机组组合信息包括机组的开停机状态信息和出力计划。
2.根据权利要求1所述的方法,其特征在于,所述根据所述历史时段内配置的机组组合信息,确定所述机组组合模型的初始整数可行解,包括:
将所述历史时段内配置的机组组合信息对应的整数可行解作为目标解,校验所述目标解中是否存在所述机组组合模型的整数可行解;
若所述目标解中不存在所述机组组合模型的整数可行解,则根据所述机组组合模型的约束条件,选择其中一个目标解作为起始解,基于所选择的起始解,采用可行性泵法,生成所述机组组合模型的初始整数可行解。
3.根据权利要求2所述的方法,其特征在于,还包括:
若所述目标解中存在所述机组组合模型的整数可行解,则根据所述机组组合模型的目标函数,在所述目标解中选择一个所述机组组合模型的整数可行解中作为所述机组组合模型的初始整数可行解。
4.根据权利要求2所述的方法,其特征在于,所述根据所述机组组合模型的约束条件,选择其中一个目标解作为起始解,包括:
根据所述目标解违反的约束条件的数量,将违反约束条件数量最少的目标解作为起始解;
或者,
在所述机组组合模型的约束条件中增加松弛变量,在所述机组组合模型的目标函数中增加包含所述松弛变量的惩罚项,将所述目标解代入包含惩罚项的目标函数确定所述目标解对应的目标函数值,将对应的目标函数值最小的目标解作为起始解。
5.根据权利要求2所述的方法,其特征在于,所述基于所选择的起始解,采用可行性泵法,生成所述机组组合模型的初始整数可行解,包括:
根据所选择的起始解以及所述机组组合模型中的整数变量,构建电力系统机组组合线性规划模型,所述线性规划模型的目标函数为所述整数变量与所述起始解中对应变量值之差的绝对值的累加和,所述线性规划模型的约束条件包括电力系统机组组合所需满足的机组约束条件和系统约束条件,所述线性规划模型的约束条件中整数变量的取值范围进行了松弛,所述整数变量与电力系统中机组一一对应,每一整数变量表示对应机组在目标时段内是否开机;
求解所述线性规划模型,并根据电力系统机组组合所需满足的网络安全约束条件对求解结果进行验证,获取满足所述网络安全约束条件的松弛解;
若所述松弛解是分数解,则确定所述松弛解的最近整数解,更新所述线性规划模型的目标函数为所述整数变量与所述最近整数解中对应变量值的差的绝对值的累加和;
迭代求解更新后的线性规划模型,并根据所述网络安全约束条件对求解结果进行验证,获取满足所述网络安全约束条件的松弛解,直至获取到的松弛解是整数解时停止迭代,将最后一次迭代得到的松弛解作为所述机组组合模型的初始整数可行解。
6.根据权利要求5所述的方法,其特征在于,所述求解线性规划模型,并根据电力系统机组组合所需满足的网络安全约束条件对求解结果进行验证,获取满足所述网络安全约束条件的松弛解,包括:
求解所述线性规划模型,得到松弛解;
校验所述松弛解是否满足所述网络安全约束条件;
若存在所述松弛解不满足的网络安全约束条件,则将所述松弛解不满足的网络安全约束条件添加到所述线性规划模型的约束条件中,并对添加的网络安全约束条件中整数变量的取值范围进行松弛,反复迭代求解添加了网络安全约束条件的线性规划模型得到新的松弛解,校验新的松弛解是否满足所有网络安全约束条件,直至得到的松弛解满足所有网络安全约束条件。
7.根据权利要求1所述的方法,其特征在于,所述机组组合模型的约束条件包括电力系统机组组合所需满足的机组约束条件和系统约束条件,不包括网络安全约束条件;
所述将所述初始整数可行解作为整数规划求解器的初始解,热启动整数规划求解器,利用所述整数规划求解器确定优化后的机组组合可行解,包括:
将所述初始整数可行解作为初始解,热启动整数规划求解器,利用整数规划求解器基于所述初始解确定所述机组组合模型的优化解;
校验当前的优化解是否满足所述机组组合模型未包含的网络安全约束条件,若当前的优化解违反了至少一个网络安全约束条件,则将当前的优化解违反的网络安全约束条件添加到所述机组组合模型的约束条件中;
将当前的优化解作为新的初始解,迭代热启动整数规划求解器确定当前机组组合模型新的优化解,并校验新的优化解是否满足当前机组组合模型未包含的网络安全约束条件,直至得到的优化解满足所有网络安全约束条件,将最终得到的优化解确定为优化后的机组组合可行解。
8.根据权利要求7所述的方法,其特征在于,所述将所述初始整数可行解作为整数规划求解器的初始解,热启动整数规划求解器,利用所述整数规划求解器确定优化后的机组组合可行解之前,还包括:
确定对所述初始整数可行解起作用的网络安全约束条件,将起作用的网络安全约束条件添加到所述机组组合模型的约束条件中。
9.根据权利要求1所述的方法,其特征在于,所述根据所述优化后的机组组合可行解,确定所述电力系统在所述目标时段内的机组组合信息之后,还包括:
根据所述电力系统在所述目标时段内的机组组合信息,生成所述电力系统的生产计划信息;
输出所述生产计划信息。
10.根据权利要求1所述的方法,其特征在于,所述根据所述优化后的机组组合可行解,确定所述电力系统在所述目标时段内的机组组合信息之后,还包括:
根据所述电力系统在所述目标时段内的机组组合信息,配置或优化所述电力系统在所述目标时段内的机组组合;
或者,
向所述电力系统的调度服务器发送所述电力系统在所述目标时段内的机组组合信息,以使所述调度服务器基于接收到的所述电力系统在所述目标时段内的机组组合信息,配置或优化所述电力系统在所述目标时段内的机组组合。
11.一种电力系统机组组合确定装置,其特征在于,包括:
电力系统相关数据获取模块,用于获取电力系统在未来的目标时段内的电力负荷预测信息和系统数据,以及所述电力系统在历史时段内配置的机组组合信息;
机组组合模型构建模块,用于根据所述目标时段内的电力负荷预测信息和系统数据构建电力系统的机组组合模型,所述机组组合模型的整数可行解表征电力系统在目标时段内可用的机组组合;
可行解确定模块,用于根据所述历史时段内配置的机组组合信息,确定所述机组组合模型的初始整数可行解;
机组组合可行解优化模块,用于将所述初始整数可行解作为整数规划求解器的初始解,热启动整数规划求解器,利用所述整数规划求解器确定优化后的机组组合可行解;
机组组合信息确定模块,用于根据所述优化后的机组组合可行解,确定所述电力系统在所述目标时段内的机组组合信息,所述机组组合信息包括开停机状态信息和出力计划。
12.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1-10中任一项所述的方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211177197.7A CN115514016A (zh) | 2022-09-26 | 2022-09-26 | 电力系统机组组合确定方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211177197.7A CN115514016A (zh) | 2022-09-26 | 2022-09-26 | 电力系统机组组合确定方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115514016A true CN115514016A (zh) | 2022-12-23 |
Family
ID=84506953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211177197.7A Pending CN115514016A (zh) | 2022-09-26 | 2022-09-26 | 电力系统机组组合确定方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115514016A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116011698A (zh) * | 2022-12-15 | 2023-04-25 | 中国南方电网有限责任公司 | 机组组合确定方法、装置、计算机设备和存储介质 |
-
2022
- 2022-09-26 CN CN202211177197.7A patent/CN115514016A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116011698A (zh) * | 2022-12-15 | 2023-04-25 | 中国南方电网有限责任公司 | 机组组合确定方法、装置、计算机设备和存储介质 |
CN116011698B (zh) * | 2022-12-15 | 2023-11-10 | 中国南方电网有限责任公司 | 机组组合确定方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5812938B2 (ja) | 発電機のセットについてユニットコミットメント問題を解く方法 | |
CN111555281B (zh) | 一种电力系统灵活性资源配置仿真方法及装置 | |
CN112183855B (zh) | 区域电力现货市场出清方法、装置和电子设备 | |
CN115514016A (zh) | 电力系统机组组合确定方法、装置及设备 | |
Ayamolowo et al. | Optimal planning of Renewable energy generators in modern power grid for enhanced system inertia | |
CN109713713B (zh) | 一种基于机会约束凸松弛的机组启停随机优化方法 | |
CN107769266A (zh) | 一种多时间尺度发电与备用联合优化方法 | |
CN113298407B (zh) | 一种工业园区电-气综合能源系统优化调度模型建立方法 | |
JP7432087B2 (ja) | エネルギースケジュールを含むデータ構造、およびエネルギースケジュールを含むデータ構造を提供するための方法 | |
CN116822928B (zh) | 输电线路检修方法、装置、计算机设备及存储介质 | |
Gandulfo et al. | Generation capacity expansion planning under demand uncertainty using stochastic mixed-integer programming | |
Wei et al. | Graph computing based security constrained unit commitment in hydro-thermal power systems incorporating pumped hydro storage | |
CN113344309B (zh) | 电力系统联合调峰出清方法、装置、电子设备及存储介质 | |
Xie et al. | Optimized dispatch of wind farms with power control capability for power system restoration | |
CN107147139B (zh) | 一种计及线路传输损耗的微电网负荷调度方法 | |
CN115907140A (zh) | 电力现货出清方案优化方法、装置、计算机设备和介质 | |
CN115296345A (zh) | 一种燃气发电机组启停-出力-备用联合优化方法及装置 | |
CN114744686A (zh) | 发电机组识别方法、装置、设备和存储介质 | |
WO2014033893A1 (ja) | 電力融通グループ作成方法、および電力融通グループ作成装置 | |
CN116783569A (zh) | 电力网资源分配 | |
CN114188973A (zh) | 一种计及线路强迫停运的两阶段检修-运行鲁棒优化方法 | |
López-Salgado et al. | Hydrothermal scheduling with variable head hydroelectric plants: Proposed strategies using benders decomposition and outer approximation | |
Tsoi et al. | Artificial intelligence algorithms for short term scheduling of thermal generators and pumped-storage | |
CN117394446A (zh) | 基于批量场景序贯演化的多阶段鲁棒机组组合方法及装置 | |
CN115241878B (zh) | 一种考虑风电备用可靠性的备用优化方法及系统 |
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 |