CN117595356A - 一种电-气互联系统自动发电控制方法及设备 - Google Patents
一种电-气互联系统自动发电控制方法及设备 Download PDFInfo
- Publication number
- CN117595356A CN117595356A CN202311364188.3A CN202311364188A CN117595356A CN 117595356 A CN117595356 A CN 117595356A CN 202311364188 A CN202311364188 A CN 202311364188A CN 117595356 A CN117595356 A CN 117595356A
- Authority
- CN
- China
- Prior art keywords
- power
- power generation
- gas
- constraint
- natural gas
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 62
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 132
- 239000007789 gas Substances 0.000 claims abstract description 69
- 239000003345 natural gas Substances 0.000 claims abstract description 66
- 230000006870 function Effects 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000009194 climbing Effects 0.000 claims abstract description 10
- 238000012546 transfer Methods 0.000 claims abstract description 6
- 230000003068 static effect Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000002347 injection Methods 0.000 claims description 14
- 239000007924 injection Substances 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 14
- 239000000243 solution Substances 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 230000005012 migration Effects 0.000 claims description 5
- 238000013508 migration Methods 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013526 transfer learning Methods 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims 2
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002343 natural gas well Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- H02J3/381—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
- H02J15/00—Systems for storing electric energy
- H02J15/008—Systems for storing electric energy using hydrogen as energy vector
-
- 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明涉及大规模电–气互联系统自动发电控制领域,特别是一种电–气互联系统自动发电控制方法及设备。该方法通过将天然气网络中的管存天然气以及气源供给天然气纳入AGC调节过程,同时在频率调节过程中考虑天然气网络的静态约束以及电网潮流约束等,以发电成本、气源成本和爬坡成本之和最低为目标函数,实现AGC调频更加及时有效率。解决了高比例可再生能源渗透下区域调频资源不足的问题,利用改进的知识迁移Q学习算法,最终得到训练好的深度堆叠自编码器模型,同时有助于电网的频率稳定。
Description
技术领域
本发明涉及大规模电–气互联系统自动发电控制领域,特别是一种电–气互联系统自动发电控制方法及设备。
背景技术
为缓解能源紧缺与环境压力,各种可再生能源技术快速发展,传统的单一能源集中利用形式正在发生变革,一种新的革命“能源互联网”正在兴起。随着燃气轮机和热电联产等技术的发展,天然气发电比例日益增加,受益于天然气高热值和低排放的优点,天然气在低碳电力中将发挥越来越重要的作用。此外,目前兴起的电转气技术也为电能的大规模存储提供了可能,并有望提高系统对可再生能源的消纳能力。伴随着世界范围内天然气的大规模开采,可以预见,天然气网络将成为能源互联网的基本组成部分,并与电力网络紧密结合,使得电–气互联系统成为能源互联网的基础与过渡。同时,越来越多的新能源和可再生资源被连接到大规模互联电力系统中,但这部分互联电力系统的控制方法任然存在响应速度慢、调节精度低以及调节速度长的问题。
因此如今需要一种在加入天然气网络后,平衡大规模互联电力系统中发电机和系统负荷之间的有功功率,且使得电力系统的频率调节能力更加快速和及时的电–气互联系统自动发电控制方法及设备。
发明内容
本发明的目的在于克服现有技术中所存在的响应速度慢、调节精度低以及调节速度长的问题,提供一种电–气互联系统自动发电控制方法及设备。
为了实现上述发明目的,本发明提供了以下技术方案:
一种电–气互联系统自动发电控制方法,包括以下步骤:
S1:获取所述电–气互联系统的频率偏差以及区域控制偏差,计算当前的功率缺额;
S2:根据所述功率缺额得到所需的总增发电量;
S3:将所述总增发电量输入到预训练好的功率分配模型中,得到分配到各个机组的增发电量;
S4:根据所述分配到各个机组的增发电量,增发对应发电机组的功率;
所述功率分配模型包括约束条件、目标函数以及Q矩阵,所述约束条件包括天然气网络约束、电力系统约束以及燃气轮机组约束;所述目标函数以发电成本、气源成本和爬坡成本之和最低为目标;其预训练包括以下步骤:
输入样本数据集,通过Q学习和内点法进行求解,并将计算过程以及最优解存入所述Q矩阵。
作为本发明的优选方案,所述天然气网络约束包括:天然气潮流约束、气源注入功率约束、节点气压上下限约束以及加压站气压比约束,其表达式如下所示:
(A+U)f+w-Tτ=0,
其中,A为天然气网络管道—节点关联矩阵;U为加压站—节点关联矩阵;(A+U)为天然气网络的支路—节点关联矩阵;f为支路流量向量;w为节点静流量;t为加压站消耗流量与节点的关联矩阵;τ为加压站消耗流量向量;Ns、NN和Nc分别为所述电–气互联系统中气源、天然气节点和加压站个数;Pgi为天然气节点i中气源的注入功率;pi为天然气节点i的气压;pk/pm为加压站出气口气压与上游天然气节点气压之比;和/>为气源功率的上下限;/>和/>为天然气节点气压的上下限;/>和/>为加压站气压比的上下限。
作为本发明的优选方案,所述电力系统约束包括:电力系统潮流约束,发电机有功出力、无功出力上下限约束,节点电压上下限约束,支路容量约束。
其中,NG,NB和NL分别为所述电–气互联系统中发电机、电力节点和电力支路个数;QGii为电力节点i中发电机的无功注入;PDi和QDi分别为电力节点i的有功负荷和无功负荷;gij,bij和θij分别为电力节点i-j之间的电导、电纳和角度;Vi为电力节点i的电压;Pi为电力支路i流过的有功功率;为机组有功出力上限;/>和/>为机组无功出力的上下限,≤Vi max和Vi min为电力节点电压的上下限,Pi max和Pi min为电力支路容量的上下限,/>为第m个发电机基础发电功率;ΔPm为第m个发电机的发电功率指令。
作为本发明的优选方案,所述燃气轮机组约束的表达式为:
其中,Pe和Pg分别为电注入功率和天然气注入功率;为燃气轮机发电效率。
作为本发明的优选方案,所述目标函数以发电成本、气源成本与机组响应调频效率之间的加数最小值,其表达式为:
其中,f(x)为目标函数;为第m个发电机基础发电功率;Cm为第m个发电机的成本系数;ΔPm为第m个发电机的发电功率指令;/>为第m个发电机的最大爬坡速率;t为离散时间序列;ΔPS电网总功率指令;/>和/>分别为第m个发电机的调节容量上下限;MG为电网发电机的数目;Crate为发电成本爬坡率平衡系数。
作为本发明的优选方案,所述功率分配模型基于知识迁移Q学习+内点法的级联式算法建立,所述预训练包括以下步骤:
A、通过上层Q学习,将各个发电机组下一时刻的注入有功功率作为控制变量,下层以内点法求解下一时刻机组注入有功功率确定后的多能源系统分配优化问题以及确定各个变量是否在的约束范围内;
B、通过知识迁移提高求解效率,求解出分配到各个机组的具体的增发电量;
C、将过程及最优解存入初始Q矩阵;
D、以初始Q矩阵为基础以Q学习进行优化,并通过迁移学习加速优化收敛,得到最优Q矩阵。
作为本发明的优选方案,所述D步骤采用连续变量转化为二进制数的方法将连续的动作空间离散化,其优化表达式为:
其中,为新任务中第i个控制变量对应的初始Q矩阵;/>为前一个优化任务中第i个控制变量对应的最优Q矩阵。
一种电–气互联系统自动发电控制设备,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述任一项所述的方法。
与现有技术相比,本发明的有益效果:
1.本发明相较于现有的仅采用汽轮机组来进行二次调频实现AGC的方式,利用天然气管存容量大、燃气轮机爬坡速率快的特点,通过天然气网络中的天然气管存以及天然气气流量来调节燃气轮机的出力,实现更快速有效率的调节频率,维持系统的频率稳定。
2.相对现有的仅考虑发电成本的GCD分配方法,本发明同时考虑了气源成本机组的反应速率及爬坡快慢程度优先分配爬坡快的机组承担更多的发电机增发电量,从而实现更快速有效率的调节频率,以及维持系统的频率稳定。
3.本发明通过采用迁移Q算法结合内点法的方式来提前对模型进行训练,使得在真正运行的过程中可以更加及时的计算出GCD的分配结果,快速响应频率调节。
4.本发明通过在GCD分配过程的约束条件中同时考虑了电力网络和天然气网络的拓扑,以及考虑了拓扑的约束条件,从而避免了在调频过程中产生的电力网络及天然气网络的越限造成的电力网络及天然气网络的非优化运行,进而破坏电力网络和天然气网络的安全稳定运行的问题。
附图说明
图1为本发明实施例1所述的一种电–气互联系统自动发电控制方法的流程示意图;
图2为本发明实施例1所述的一种电–气互联系统自动发电控制方法中电-气-热互联系统的结构示意图;
图3为本发明实施例3所述的一种电–气互联系统自动发电控制方法中的实施流程示意图;
图4为本发明实施例4所述的一种利用了实施例1所述的一种电–气互联系统自动发电控制方法的一种电–气互联系统自动发电控制设备的结构示意图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
如图1所示,一种电–气互联系统自动发电控制方法,包括以下步骤:
S1:获取所述电–气互联系统的频率偏差以及区域控制偏差,计算当前的功率缺额。
S2:根据所述功率缺额得到所需的总增发电量。
S3:将所述总增发电量输入到预训练好的功率分配模型中,得到分配到各个机组的增发电量。
S4:根据所述分配到各个机组的增发电量,增发对应发电机组的功率。
其中,本发明所述电–气互联系统的综合能源系统包含:如图2所示的燃气轮机及储能装置的电-气-热互联系统,其自动发电控制(AGC)的控制方式采用PID控制以及固定系数,功率分配环节(GCD)采用的是知识迁移Q学习和内点法的级联算法。
所述功率分配模型包括约束条件、目标函数以及Q矩阵,所述约束条件包括天然气网络约束、电力系统约束以及燃气轮机组约束;所述目标函数以发电成本、气源成本和爬坡成本之和最低为目标;其预训练包括以下步骤:
输入样本数据集,通过Q学习和内点法进行求解,并将计算过程以及最优解存入所述Q矩阵。
实施例2
本实施例为实施例1所述方法的一种具体实施方式,包括以下步骤:
S1:获取所述电–气互联系统的频率偏差以及区域控制偏差ACE,计算当前的功率缺额。
S2:采用PID控制器根据所述功率缺额得到所需的总增发电量。
S3:将所述总增发电量输入到GCD分配器内预训练好的功率分配模型中,从Q矩阵中得出当前状态下的最优解,输出分配到各个机组的增发电量。
S4:根据所述分配到各个机组的增发电量,增发对应发电机组的功率。使得各个发电机组改变发电量以保持频率偏差不越限。
所述功率分配模型基于知识迁移Q学习+内点法的级联式算法建立,所述预训练包括以下步骤:
A、通过上层Q学习,将各个发电机组下一时刻的注入有功功率作为控制变量,下层以内点法求解下一时刻机组注入有功功率确定后的多能源系统分配优化问题以及确定各个变量是否在的约束范围内;
B、通过知识迁移提高求解效率,求解出分配到各个机组的具体的增发电量;
C、将过程及最优解存入初始Q矩阵;
D、以初始Q矩阵为基础以Q学习进行优化,并通过迁移学习加速优化收敛,得到最优Q矩阵。
知识迁移Q学习算法是一种基于决策树的集成算法,事先需要先进行预训练;传统Q学习只能用于离散变量优化而本发明模型中机组有功功率为连续值,为了支持Q学习算法能够优化连续变量问题,本发明的D步骤采用连续变量转化为二进制数的方法将连续的动作空间离散化,其优化表达式为:
其中,为新任务中第i个控制变量对应的初始Q矩阵;/>为前一个优化任务中第i个控制变量对应的最优Q矩阵。
具体的,所述功率分配模型的上层采用Q学习算法并且以发电机组当前时刻注入有功功率作为控制变量,下层以内点法求解各个发电机组注入有功功率确定后的多能源系统分配优化问题,并在该问题中需要确定在机组注入功率后,各个变量是否在约束范围内。本实施例假设电气系统耦合连接设备仅有燃气轮机,仅考虑燃气轮机的耦合作用和约束。约束条件包括天然气网络约束、电力系统约束以及燃气轮机组约束。目标函数使总发电成本、气源成本和机组响应频率控制的速率和效果的综合最优化。具体如下:
①天然气网络约束:
天然气网络由天然气井或储气装置通过天然气管道向负荷输送能源,天然气管道的气流量主要通过调节不同节点调压阀的压力来控制,本发明借鉴20节点的比利时天然气稳态模型进行建模。理想情况下,两个节点之间管道内的流量用下式描述:
式中:fmn为节点m至n管道内的天然气流量;kmn为天然气输气管道传输系数;pm和pn分别为节点m和n的气压由于管道内存在摩擦而产生传输损耗,为保证天然气网络传送能源的可靠性,网络中还需装设一定数量的加压站,加压站消耗的能量可直接从天然气管道中提取,
与电力系统潮流一样,天然气网络潮流也应满足如下节点方程:
(A+U)f+w-Tτ=0,
式中:A为天然气网络管道—节点关联矩阵;U为加压站—节点关联矩阵;(A+U)为天然气网络的支路—节点关联矩阵;f为支路流量向量;w为节点静流量;t为加压站消耗流量与节点的关联矩阵;τ为加压站消耗流量向量。
所述天然气网络约束包括:天然气潮流约束、气源注入功率约束、节点气压上下限约束以及加压站气压比约束,其表达式如下所示:
其中,Ns、NN和Nc分别为所述电–气互联系统中气源、天然气节点和加压站个数;Pgi为天然气节点i中气源的注入功率;pi为天然气节点i的气压;pk/pm为加压站出气口气压与上游天然气节点气压之比;和/>为气源功率的上下限;/>和/>为天然气节点气压的上下限;/>和/>为加压站气压比的上下限。
②电力系统约束:
本发明电力系统潮流采用交流潮流,原因如下:(1)电力系统潮流与天然气网络潮流是相互影响的,而交流潮流相比于直流潮流有更高的精确性;(2)电力系统潮流方程只占整个系统潮流方程的少数部分,用直流潮流对计算时间的提升性能不大。具体的,所述电力系统约束包括:电力系统潮流约束,发电机有功出力、无功出力上下限约束,节点电压上下限约束,支路容量约束。其表达式如下:
其中,NG,NB和NL分别为所述电–气互联系统中发电机、电力节点和电力支路个数;QGii为电力节点i中发电机的无功注入;PDi和QDi分别为电力节点i的有功负荷和无功负荷;gij,bij和θij分别为电力节点i-j之间的电导、电纳和角度;Vi为电力节点i的电压;Pi为电力支路i流过的有功功率;为机组有功出力上限;/>和/>为机组无功出力的上下限,≤Vi max和Vi min为电力节点电压的上下限,Pi max和Pi min为电力支路容量的上下限,/>为第m个发电机基础发电功率;ΔPm为第m个发电机的发电功率指令。
③燃气轮机组约束:
由于电气耦合约束主要和燃气轮机的转化效率相关,所以本发明只考虑燃气轮机组;所述燃气轮机组约束的表达式为:
其中,Pe和Pg分别为电注入功率和天然气注入功率;为燃气轮机发电效率。
④目标函数:
本发明的目标函数以发电成本、气源成本与机组响应调频效率之间的加数最小值,其表达式为:
其中,f(x)为目标函数;为第m个发电机基础发电功率;Cm为第m个发电机的成本系数;ΔPm为第m个发电机的发电功率指令;/>为第m个发电机的最大爬坡速率;t为离散时间序列;ΔPS电网总功率指令;/>和/>分别为第m个发电机的调节容量上下限;MG为电网发电机的数目;Crate为发电成本爬坡率平衡系数。
实施例3
本实施例为实施例2所述方法的一个实际实验例,其实验预设条件如下:电-气-热互联系统由10台机组的IEEE39节点的电力系统、20节点的比利时天然气网络系统及6节点的热力网络系统互联组成。
如图3所示,当电力系统产生负荷波动300MW,通过PID控制器计算所需的总功率偏差和区域控制偏差(ACE),总功率缺额为100MW,此时根据CPS标准,将所需的增发或者减少的功率量发送至基于迁移Q学习和内点法的GCD分配器,由GCD分配器计算总成本以及调频综合最优的分配方式,同时考虑电力、天然气、热力三个系统与储能设备的约束条件,以达到综合系统的效益最优,根据预训练过的Q矩阵的结果得出分配给10台机组的具体增发功率分别为10MW,20MW,10MW,10MW,10MW,3MW,7MW,6MW,9MW,15MW;并根据以上增发方案发令给发电厂子站由发电厂控制系统控制机组改变发电量以保持频率偏差不越限。
实施例4
如图4所示,一种电–气互联系统自动发电控制设备,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器,以及与所述至少一个处理器通讯连接的至少一个输入输出接口;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述实施例所述的一种电–气互联系统自动发电控制方法。所述输入输出接口可以包括显示器、键盘、鼠标、以及USB接口,用于输入输出数据。
本领域技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read OnlyMemory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
当本发明上述集成的单元以软件功能单元的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种电–气互联系统自动发电控制方法,其特征在于,包括以下步骤:
S1:获取所述电–气互联系统的频率偏差以及区域控制偏差,计算当前的功率缺额;
S2:根据所述功率缺额得到所需的总增发电量;
S3:将所述总增发电量输入到预训练好的功率分配模型中,得到分配到各个机组的增发电量;
S4:根据所述分配到各个机组的增发电量,增发对应发电机组的功率;
所述功率分配模型包括约束条件、目标函数以及Q矩阵,所述约束条件包括天然气网络约束、电力系统约束以及燃气轮机组约束;所述目标函数以发电成本、气源成本和爬坡成本之和最低为目标;其预训练包括以下步骤:
输入样本数据集,通过Q学习和内点法进行求解,并将计算过程以及最优解存入所述Q矩阵。
2.根据权利要求1所述的一种电–气互联系统自动发电控制方法,其特征在于,所述天然气网络约束包括:天然气潮流约束、气源注入功率约束、节点气压上下限约束以及加压站气压比约束,其表达式如下所示:
(A+U)f+w-Tτ=0,
其中,A为天然气网络管道—节点关联矩阵;U为加压站—节点关联矩阵;(A+U)为天然气网络的支路—节点关联矩阵;f为支路流量向量;w为节点静流量;t为加压站消耗流量与节点的关联矩阵;τ为加压站消耗流量向量;Ns、NN和Nc分别为所述电–气互联系统中气源、天然气节点和加压站个数;Pgi为天然气节点i中气源的注入功率;pi为天然气节点i的气压;pk/pm为加压站出气口气压与上游天然气节点气压之比;和/>为气源功率的上下限;和/>为天然气节点气压的上下限;/>和/>为加压站气压比的上下限。
3.根据权利要求1所述的一种电–气互联系统自动发电控制方法,其特征在于,所述电力系统约束包括:电力系统潮流约束,发电机有功出力、无功出力上下限约束,节点电压上下限约束,支路容量约束。
其中,NG,NB和NL分别为所述电–气互联系统中发电机、电力节点和电力支路个数;QGii为电力节点i中发电机的无功注入;PDi和QDi分别为电力节点i的有功负荷和无功负荷;gij,bij和θij分别为电力节点i-j之间的电导、电纳和角度;Vi为电力节点i的电压;Pi为电力支路i流过的有功功率;为机组有功出力上限;/>和/>为机组无功出力的上下限,Vi max和Vi min为电力节点电压的上下限,Pi max和Pi min为电力支路容量的上下限,/>为第m个发电机基础发电功率;ΔPm为第m个发电机的发电功率指令。
4.根据权利要求1所述的一种电–气互联系统自动发电控制方法,其特征在于,所述燃气轮机组约束的表达式为:
其中,Pe和Pg分别为电注入功率和天然气注入功率;为燃气轮机发电效率。
5.根据权利要求1所述的一种电–气互联系统自动发电控制方法,其特征在于,所述目标函数以发电成本、气源成本与机组响应调频效率之间的加数最小值,其表达式为:
其中,f(x)为目标函数;为第m个发电机基础发电功率;Cm为第m个发电机的成本系数;ΔPm为第m个发电机的发电功率指令;/>为第m个发电机的最大爬坡速率;t为离散时间序列;ΔPS电网总功率指令;/>和/>分别为第m个发电机的调节容量上下限;MG为电网发电机的数目;Crate为发电成本爬坡率平衡系数。
6.根据权利要求1所述的一种电–气互联系统自动发电控制方法,其特征在于,所述功率分配模型基于知识迁移Q学习+内点法的级联式算法建立,所述预训练包括以下步骤:
A、通过上层Q学习,将各个发电机组下一时刻的注入有功功率作为控制变量,下层以内点法求解下一时刻机组注入有功功率确定后的多能源系统分配优化问题以及确定各个变量是否在的约束范围内;
B、通过知识迁移提高求解效率,求解出分配到各个机组的具体的增发电量;
C、将过程及最优解存入初始Q矩阵;
D、以初始Q矩阵为基础以Q学习进行优化,并通过迁移学习加速优化收敛,得到最优Q矩阵。
7.根据权利要求6所述的一种电–气互联系统自动发电控制方法,其特征在于,所述D步骤采用连续变量转化为二进制数的方法将连续的动作空间离散化,其优化表达式为:
其中,为新任务中第i个控制变量对应的初始Q矩阵;/>为前一个优化任务中第i个控制变量对应的最优Q矩阵。
8.一种电–气互联系统自动发电控制设备,其特征在于,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311364188.3A CN117595356A (zh) | 2023-10-19 | 2023-10-19 | 一种电-气互联系统自动发电控制方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311364188.3A CN117595356A (zh) | 2023-10-19 | 2023-10-19 | 一种电-气互联系统自动发电控制方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117595356A true CN117595356A (zh) | 2024-02-23 |
Family
ID=89912284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311364188.3A Pending CN117595356A (zh) | 2023-10-19 | 2023-10-19 | 一种电-气互联系统自动发电控制方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117595356A (zh) |
-
2023
- 2023-10-19 CN CN202311364188.3A patent/CN117595356A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Soliman et al. | Supervisory energy management of a hybrid battery/PV/tidal/wind sources integrated in DC-microgrid energy storage system | |
Ganguly et al. | Frequency stabilization of isolated and grid connected hybrid power system models | |
Li et al. | A novel coordinated optimization strategy for high utilization of renewable energy sources and reduction of coal costs and emissions in hybrid hydro-thermal-wind power systems | |
Qu et al. | Convex decoupled-synergetic strategies for robust multi-objective power and gas flow considering power to gas | |
CN115459303A (zh) | 电池储能参与电网一次调频的自适应控制方法 | |
CN112380681A (zh) | 基于分布式优化的综合能源系统参数确定方法及相关装置 | |
CN103904641A (zh) | 基于相关均衡强化学习的孤岛微电网智能发电控制方法 | |
Huang et al. | A multi-rate dynamic energy flow analysis method for integrated electricity-gas-heat system with different time-scale | |
CN111767621A (zh) | 一种基于知识迁移q学习算法的多能源系统优化调度方法 | |
CN111310310B (zh) | 一种用于量调节的热力系统静态潮流快速解耦计算方法 | |
CN112531735A (zh) | 基于机器学习的自动发电控制系统的功率分配方法及装置 | |
Xie et al. | Optimized dispatch of wind farms with power control capability for power system restoration | |
CN117595356A (zh) | 一种电-气互联系统自动发电控制方法及设备 | |
CN116316884A (zh) | 一种适用于高比例新能源电网多源协同的调频控制方法 | |
CN116307071A (zh) | 一种高比例光伏接入低压配电网方法 | |
CN112686447B (zh) | 海上油气田开发多能流耦合负荷预测方法 | |
Xu et al. | Design of three-stage start-up optimal strategy based on fuzzy fractional-order proportion integration differentiation controller of pumped storage unit under low water head | |
Suyuti et al. | Dynamic Economic Dispatch for 150 kV Sulselbar Power Generation Systems Using Artificial Bee Colony Algorithm | |
CN115187129A (zh) | 考虑热网质量流量调节的微能源网优化调度方法及系统 | |
Hamedi et al. | Operation and flexibility contribution of natural gas tanks in multi-carrier energy systems | |
CN113011714A (zh) | 热电联产机组组合配置方法及系统 | |
CN113592149A (zh) | 一种耦合型新能源综合能源配电网优化重构方法 | |
CN113595105A (zh) | 一种利用绝热压缩空气储能实现电网调频的方法和系统 | |
CN113410850A (zh) | 基于mpc的光热风电联合调频模型和调频策略 | |
Gashteroodkhani et al. | Renewable energy power generation using waste energy in water pressure reducing valves |
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 |