CN115829258A - 基于多项式混沌近似动态规划的电力系统经济调度方法 - Google Patents
基于多项式混沌近似动态规划的电力系统经济调度方法 Download PDFInfo
- Publication number
- CN115829258A CN115829258A CN202211497416.XA CN202211497416A CN115829258A CN 115829258 A CN115829258 A CN 115829258A CN 202211497416 A CN202211497416 A CN 202211497416A CN 115829258 A CN115829258 A CN 115829258A
- Authority
- CN
- China
- Prior art keywords
- power system
- state
- time period
- formula
- value
- 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
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于多项式混沌近似动态规划的电力系统经济调度方法,包括以下步骤:S1.构建电力系统的优化调度模型,建立关于状态变量和决策变量的目标函数,引入存在不确定性的外部信息,三者决定电力系统的状态,确定状态的转移函数;S2.通过求解优化调度模型在状态变量下的值函数,实现多时段电力系统经济调度问题的时段解耦求解,获得优化调度模型在状态变量下的值函数;S3.构建关于值函数分布的多项式混沌代理模型,根据电力系统的响应数据实现多项式混沌代理模型的待求解系数的辨识,并计算值函数的期望值;S4.根据电力系统状态的转移函数计算电力系统下一时段的状态,获得调度周期的近似最优策略,根据近似最优策略对电力系统进行相应调度。
Description
技术领域
本发明涉及电力系统调度技术领域,具体地说,涉及一种基于改进广义多项式混沌近似动态规划的电力系统经济调度方法。
背景技术
可再生能源和储能系统的高渗透率是新型电力系统的显著特点。在这一背景下,可靠的经济调度方法对电力系统的经济安全运行具有重要意义。
考虑到大规模可再生能源出力的随机性、波动性和储能系统荷电状态的时段强耦合性,新型电力系统的经济调度问题是传统优化算法难以求解的非凸、非线性规划问题。目前,商业化的非线性规划求解器(如CONOPT和IPOPT)和经典的优化方法(如梯度下降法和牛顿法)是用于求解电力系统经济调度的主流方法。然而,当系统规模较大时,两类主流优化方法均无法在合理的时间内提供可行的调度决策。此外,人工智能算法近年来也被用于求解电力系统经济调度。然而,受限于计算量繁复、求解质量不稳定,此类方法难以得到进一步推广。
近似动态规划算法(ADP)可以实现电力系统优化调度问题的时段解耦求解,被视作解决新型电力系统经济调度问题最有前景的方法。目前,ADP已应用于能量管理、资源分配、最优控制等领域。然而,在处理随机性方面,现有的ADP算法普遍采用蒙特卡洛方法。尽管蒙特卡洛抽样方法简单易行,求解质量稳定,但其动辄上千次的采样计算将带来极大的计算负担,影响ADP算法的求解效率。
发明内容
本发明的目的在于解决可再生能源和储能系统高渗透情况下的电力系统经济调度问题,提供一种基于多项式混沌近似动态规划的电力系统经济调度方法,旨在最小化随机环境下的电力系统调度成本,为可再生能源和储能系统高渗透情况下的电力系统经济调度提供依据。
为了实现上述目的,本发明所采用的技术方案如下:
一种基于多项式混沌近似动态规划的电力系统经济调度方法,包括以下步骤:
S1.构建电力系统的优化调度模型,建立关于状态变量和决策变量的目标函数,并引入存在不确定性的外部信息,状态变量、决策变量和外部信息共同决定电力系统的状态,确定电力系统状态的转移函数;
S2.通过求解优化调度模型在状态变量下的值函数,实现多时段电力系统经济调度问题的时段解耦求解,引入马尔可夫决策后的状态,获得优化调度模型在状态变量下的值函数;
S3.构建关于值函数分布的多项式混沌代理模型,根据电力系统的响应数据实现多项式混沌代理模型的待求解系数的辨识,并计算值函数的期望值;
S4.根据电力系统状态的转移函数计算电力系统下一时段的状态,获得调度周期的近似最优策略,根据近似最优策略对电力系统进行相应调度。
进一步地,建立的关于状态变量和决策变量的目标函数为:
式中,Ct(St,at)为时段t电力系统的总运行成本,
其中,Ct(St,at)的计算公式为:
am G、bm G、cm G为机组的燃料成本费用系数;an E、bn E、cn E为储能的运行维护成本费用系数;ηn为储能的能量转换效率系数;为调度周期的集合,为机组节点的集合;ε为储能节点的集合;为可再生能源节点的集合;为负荷节点的集合;为网络节点的集合。
进一步地,为确保电力系统运行的安全性,决策变量at的各元素应满足如下运行约束条件:
式中,和分别为机组m的最大和最小有功出力,和分别为机组m的最大和最小无功出力,为机组m的爬坡率,Δt为调度时段间隔,为储能n的最大充电/放电功率,En,max和En,min分别为储能n的最大和最小容量限制,Gij和Bij分别为节点导纳矩阵的实部和虚部,Vi max和Vi min分别为节点i的最大和最小电压限制。
进一步地,将电力系统中存在一定不确定性的可再生能源出力情况、电价信息和负荷变量,确定为马尔可夫决策过程的外部信息Wt,外部信息Wt的计算公式为:
由状态变量St、决策变量at和外部信息Wt共同决定下一个时段电力系统的可行状态St+1为:
式中,SM为状态转移函数,Wt+1为时段t+1的外部信息。
进一步地,电力系统状态的转移函数通过公式描述为:
式中,En,t+1为时段t+1的储能荷电状态,En,t为时段t+1的储能荷电状态,为时段t+1可再生能源矢量的预测值,为时段t+1有功负荷矢量的预测值,分别为时段t+1无功负荷矢量的预测值,为时段t+1可再生能源矢量的实际值;为时段t+1有功负荷矢量的实际值;分别为时段t+1无功负荷矢量的实际值。
进一步地,为实现多时段电力系统经济调度问题的时段解耦求解,降低求解难度,在自适应动态规划的框架中,将电力系统经济调度模型在状态变量St下的值函数Vt(St)表示为:
式中,Wt n为外部信息Wt的第n个配置点。
再次,使用最小二乘回归实现待求解系数的辨识,实施过程为:
Ψ×X=Υ
X=(ΨTΨ)-1ΨTΥ
式中,Ψ为配置点的多项式混沌基矩阵,X为待求解系数向量,Υ为配置点的值函数观测值矩阵;
式中,为将第n个配置点代入多项式混沌基w(·)所得的结果,ξo为外部信息Wt中的第o个变量,为状态点处的值函数观测值Va,p对随机变量ξo在第n个配置点处的一阶偏导数,为一阶偏导数对应的多项式混沌基,Nw为多项式混沌基的总数,K为所需的配置点数目。
进一步地,所需的配置点数目K的计算公式为:
式中,(Nw+1)为多项式混沌基函数的总数,M为外部信息Wt中的随机变量数。
与现有技术相比,本发明具有如下优点和有益效果:
1.本发明首次提出将广义多项式混沌方法应用于提高现有ADP算法在处理不确定性问题层面的计算效率,与基于蒙特卡洛抽样的现有ADP算法不同,本发明所提的广义多项式混沌方法可以根据极少数的采样信息直接获得随机环境下的值函数期望,极大地减轻了ADP算法的计算负担。
2.本发明首次提出将优化调度模型中值函数关于不确定性输入的一阶偏导数信息,应用于加速基于广义多项式混沌方法的ADP算法求解效率,改进的广义多项式混沌方法可以充分利用现有的模型信息,减少所需的采样计算量,进一步提升计算效率。
3.本发明所提的基于改进广义多项式响应方法的ADP算法,其计算效率优于目前广泛应用的ADP方法,其适用范围较宽泛,包括电力系统、综合能源系统的优化运行问题等等。本发明通过优化随机环境下电力系统的调度策略,有利于减少电力系统的运行成本,提升可再生能源的消纳,由此带来良好的社会效益。
附图说明
图1为本发明基于多项式混沌近似动态规划的电力系统经济调度方法的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明基于多项式混沌近似动态规划的电力系统经济调度方法作进一步说明。
请参阅图1,本发明公开了一种基于多项式混沌近似动态规划的电力系统经济调度方法,包括以下步骤:
S1.构建电力系统的优化调度模型,建立关于状态变量和决策变量的目标函数,并引入存在不确定性的外部信息,状态变量、决策变量和外部信息共同决定电力系统的状态,确定电力系统状态的转移函数。
S2.通过求解优化调度模型在状态变量下的值函数,实现多时段电力系统经济调度问题的时段解耦求解,引入马尔可夫决策后的状态,获得优化调度模型在状态变量下的值函数。
S3.构建关于值函数分布的多项式混沌代理模型,根据电力系统的响应数据实现多项式混沌代理模型的待求解系数的辨识,并计算值函数的期望值。
S4.根据电力系统状态的转移函数计算电力系统下一时段的状态,获得调度周期的近似最优策略,根据近似最优策略对电力系统进行相应调度。
本发明运用广义多项式处理电力系统经济调度中的不确定性问题,从而提升现有ADP算法求解值函数数学期望的计算效率。其次,使用优化调度模型中值函数关于不确定性输入的一阶偏导数信息,减少广义多项式混沌方法所需的采样计算量,从而进一步提升所提方法的计算效率。
在马尔可夫决策过程的框架中,电力系统经济调度模型的目标函数可以建模为关于状态变量St和决策变量at的函数,即:
式中,Ct(St,at)为时段t电力系统的总运行成本,
其中,Ct(St,at)的计算公式为:
am G、bm G、cm G为机组的燃料成本费用系数;an E、bn E、cn E为储能的运行维护成本费用系数;ηn为储能的能量转换效率系数;为调度周期的集合,为机组节点的集合;ε为储能节点的集合;为可再生能源节点的集合;为负荷节点的集合;为网络节点的集合。
为确保电力系统运行的安全性,决策变量at的各元素应满足如下运行约束条件:
式中,和分别为机组m的最大和最小有功出力,和分别为机组m的最大和最小无功出力,为机组m的爬坡率,Δt为调度时段间隔,为储能n的最大充电/放电功率,En,max和En,min分别为储能n的最大和最小容量限制,Gij和Bij分别为节点导纳矩阵的实部和虚部,Vi max和Vi min分别为节点i的最大和最小电压限制。
同时,由于电力系统中的可再生能源出力情况、电价信息和负荷等存在一定的不确定性,因此这些变量被建模为马尔可夫决策过程的外部信息Wt,外部信息Wt的计算公式为:
状态变量St、决策变量at和外部信息Wt共同决定下一个时段电力系统的可行状态St+1,下一个时段电力系统的可行状态St+1为:
式中,SM为状态转移函数;Wt+1为时段t+1的外部信息。
具体地,在本发明中,状态转移函数可以通过公式(14)-(17)描述,具体如下:
式中,En,t+1为时段t+1的储能荷电状态,En,t为时段t的储能荷电状态,为时段t+1可再生能源矢量的预测值,为时段t+1有功负荷矢量的预测值,分别为时段t+1无功负荷矢量的预测值,为时段t+1可再生能源矢量的实际值;为时段t+1有功负荷矢量的实际值;分别为时段t+1无功负荷矢量的实际值。
由于上述电力系统经济调度模型是多时段随机非凸非线性优化模型,传统方法难以处理。考虑到ADP算法是求解此类复杂多时段优化问题的有力武器,本发明拟采用改进的ADP算法对所提模型进行简化求解。在下一节中,本发明简要分析了用基本ADP算法求解上述电力系统经济调度模型的基本步骤,并在此基础上,进一步提出了一种基于改进广义多项式混沌的ADP算法,提高传统ADP算法的计算效率。
在ADP的框架中,电力系统经济调度模型在状态变量St下的值函数Vt(St)可通过式(18)求解。此步骤可以实现原多时段电力系统经济调度问题的时段解耦求解,降低求解难度。
现有的ADP算法通常采用蒙特卡洛抽样方法处理电力系统中的随机外部信息Wt,由于数以千计的采样场景才能较好地模拟出实际的随机情况,因此该处理方式会带来沉重的计算负担。本发明采用基于改进广义多项式混沌的ADP算法,通过极少量采样计算实现值函数期望的高效、精确求解,克服了传统ADP算法的缺陷。
为避免基本ADP算法利用蒙特卡洛抽样方法模拟随机环境带来的大量采样计算,本发明基于广义多项式混沌方法,改进了基本ADP算法的值函数求解过程。具体地,基于广义多项式混沌的ADP算法通过构建关于值函数分布的多项式混沌代理模型,仅利用少数采样信息,即可实现期望值函数的高效求解。
其次,获得响应数据以实现多项式混沌代理模型中待求解系数xw的辨识。由于待求解系数辨识过程是在随机环境Wt下进行的,因此本发明采用配置点法实现待求解系数xw的辨识。此时,状态的值函数在第n个配置点Wt n处的观测值可由公式计算得到,具体为:
再次,使用最小二乘回归实现待求解系数xw的辨识。其实施过程如公式(22)-(23)所示,具体为:
Ψ×X=Υ (22)
X=(ΨTΨ)-1ΨTΥ (23)
式中,Ψ为配置点的多项式混沌基矩阵,X为待求解系数向量,Υ为配置点的值函数观测值矩阵。
最后,通过公式计算值函数的期望值,具体为:
由于上述值函数期望值的计算过程中所需的配置点较少(一般取为多项式混沌基函数总数的两倍),因此其计算负担远小于现有ADP算法普遍采用的蒙特卡洛抽样方法。
在上述基于广义多项式混沌的ADP算法的实施过程中,期望值函数的计算时间主要依赖于式(21)。在上述过程中,计算时间主要依赖于公式(21)。倘若能减少值函数计算过程中所需的配置点,计算效率还能进一步提升。在此基础上,本发明提出了一种基于改进广义多项式混沌的ADP算法,用于进一步提升值函数期望值的计算效率。
有别于上述实施过程,本发明在系数xw的辨识过程中,除采集值函数信息之外,还增加了一个额外的采集值函数采样观测值关于外部信息Wt的一阶导数的环节。值得说明的是,这个环节并未增加额外的计算负担,一阶导数信息可以通过求解公式(21)的优化问题直接获得。由于基于改进广义多项式混沌的ADP算法采用的响应数据包含了更多的模型信息,因此系数辨识过程所需的配置点也能相应减少,求解速度也能进一步提升。
式中,为将第n个配置点代入多项式混沌基w(·)所得的结果,ξo为外部信息Wt中的第o个变量,为状态点处的值函数观测值Va,p对随机变量ξo在第n个配置点处的一阶偏导数,为上述一阶偏导数对应的多项式混沌基,Nw为多项式混沌基的总数,K为所需的配置点数目。
所需的配置点数目K的计算过程如下:
式中,(Nw+1)为多项式混沌基函数的总数,M为外部信息Wt中的随机变量数。
可见,增加了值函数采样观测值关于外部信息Wt的一阶导数信息后,可以在很大程度上减轻值函数分布的计算负担。类似地,公式(24)同样可被用于计算基于改进广义多项式混沌的ADP算法的值函数期望。
综上所述,本发明具有如下优点和有益效果:
1.本发明首次提出将广义多项式混沌方法应用于提高现有ADP算法在处理不确定性问题层面的计算效率,与基于蒙特卡洛抽样的现有ADP算法不同,本发明所提的广义多项式混沌方法可以根据极少数的采样信息直接获得随机环境下的值函数期望,极大地减轻了ADP算法的计算负担。
2.本发明首次提出将优化调度模型中值函数关于不确定性输入的一阶偏导数信息,应用于加速基于广义多项式混沌方法的ADP算法求解效率,改进的广义多项式混沌方法可以充分利用现有的模型信息,减少所需的采样计算量,进一步提升计算效率。
3.本发明所提的基于改进广义多项式响应方法的ADP算法,其计算效率优于目前广泛应用的ADP方法,其适用范围较宽泛,包括电力系统、综合能源系统的优化运行问题等等。本发明通过优化随机环境下电力系统的调度策略,有利于减少电力系统的运行成本,提升可再生能源的消纳,由此带来良好的社会效益。
上述说明是针对本发明较佳可行实施例的详细说明,但实施例并非用以限定本发明的专利申请范围,凡本发明所揭示的技术精神下所完成的同等变化或修饰变更,均应属于本发明所涵盖专利范围。
Claims (10)
1.一种基于多项式混沌近似动态规划的电力系统经济调度方法,其特征在于,包括以下步骤:
S1.构建电力系统的优化调度模型,建立关于状态变量和决策变量的目标函数,并引入存在不确定性的外部信息,状态变量、决策变量和外部信息共同决定电力系统的状态,确定电力系统状态的转移函数;
S2.通过求解优化调度模型在状态变量下的值函数,实现多时段电力系统经济调度问题的时段解耦求解,引入马尔可夫决策后的状态,获得优化调度模型在状态变量下的值函数;
S3.构建关于值函数分布的多项式混沌代理模型,根据电力系统的响应数据实现多项式混沌代理模型的待求解系数的辨识,并计算值函数的期望值;
S4.根据电力系统状态的转移函数计算电力系统下一时段的状态,获得调度周期的近似最优策略,根据近似最优策略对电力系统进行相应调度。
2.根据权利要求1所述的基于多项式混沌近似动态规划的电力系统经济调度方法,其特征在于,建立的关于状态变量和决策变量的目标函数为:
式中,Ct(St,at)为时段t电力系统的总运行成本,
其中,Ct(St,at)的计算公式为:
式中,Wt n为外部信息Wt的第n个配置点。
再次,使用最小二乘回归实现待求解系数的辨识,实施过程为:
Ψ×X=Υ
X=(ΨTΨ)-1ΨTΥ
式中,Ψ为配置点的多项式混沌基矩阵,X为待求解系数向量,Υ为配置点的值函数观测值矩阵;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211497416.XA CN115829258A (zh) | 2022-11-25 | 2022-11-25 | 基于多项式混沌近似动态规划的电力系统经济调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211497416.XA CN115829258A (zh) | 2022-11-25 | 2022-11-25 | 基于多项式混沌近似动态规划的电力系统经济调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115829258A true CN115829258A (zh) | 2023-03-21 |
Family
ID=85531975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211497416.XA Pending CN115829258A (zh) | 2022-11-25 | 2022-11-25 | 基于多项式混沌近似动态规划的电力系统经济调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115829258A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115833135A (zh) * | 2022-12-19 | 2023-03-21 | 华南理工大学 | 一种机会约束交流最优潮流自适应求解方法、装置及介质 |
-
2022
- 2022-11-25 CN CN202211497416.XA patent/CN115829258A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115833135A (zh) * | 2022-12-19 | 2023-03-21 | 华南理工大学 | 一种机会约束交流最优潮流自适应求解方法、装置及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Constrained multi-objective population extremal optimization based economic-emission dispatch incorporating renewable energy resources | |
Li et al. | Short-term economic environmental hydrothermal scheduling using improved multi-objective gravitational search algorithm | |
Farhat et al. | Dynamic adaptive bacterial foraging algorithm for optimum economic dispatch with valve-point effects and wind power | |
CN110929964B (zh) | 一种基于近似动态规划算法的含储能配电网优化调度方法 | |
CN112862281A (zh) | 综合能源系统调度模型构建方法、装置、介质及电子设备 | |
Hardiansyah et al. | Solving economic load dispatch problem using particle swarm optimization technique | |
CN112491094B (zh) | 一种混合驱动的微电网能量管理方法、系统及装置 | |
CN112733462A (zh) | 一种结合气象因素的超短期风电场功率预测方法 | |
CN105631528A (zh) | 一种基于nsga-ii和近似动态规划的多目标动态最优潮流求解方法 | |
CN114139780A (zh) | 含分布式电源的虚拟电厂与配电网协调优化方法及系统 | |
Zhou et al. | Deep learning-based rolling horizon unit commitment under hybrid uncertainties | |
CN112381359B (zh) | 一种基于数据挖掘的多critic强化学习的电力经济调度方法 | |
Li et al. | Day-ahead optimal dispatch strategy for active distribution network based on improved deep reinforcement learning | |
CN115829258A (zh) | 基于多项式混沌近似动态规划的电力系统经济调度方法 | |
CN113872213B (zh) | 一种配电网电压自主优化控制方法及装置 | |
CN117557047A (zh) | 一种基于深度强化学习的配电设备运维优化方法及系统 | |
CN115577647B (zh) | 电网故障类型识别方法与智能体构建方法 | |
CN116523327A (zh) | 一种基于强化学习的配电网运行策略智能生成方法及设备 | |
CN112003279B (zh) | 层次化微电网新能源消纳能力的评估方法 | |
Niu et al. | A novel social-environmental-economic dispatch model for thermal/wind power generation and application | |
CN112070200B (zh) | 一种谐波群优化方法及其应用 | |
Shobana et al. | Optimization of Unit Commitment Problem and Constrained Emission Using Genetic Algorithm | |
Penangsang et al. | Optimal design of photovoltaic–battery systems using interval type-2 fuzzy adaptive genetic algorithm | |
Tongyu et al. | Based on deep reinforcement learning algorithm, energy storage optimization and loss reduction strategy for distribution network with high proportion of distributed generation | |
CN111859780A (zh) | 一种微电网运行优化方法和系统 |
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 |