CN117977726A - 基于区域调频的水力发电厂优化方法、装置、设备和介质 - Google Patents
基于区域调频的水力发电厂优化方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117977726A CN117977726A CN202410371305.7A CN202410371305A CN117977726A CN 117977726 A CN117977726 A CN 117977726A CN 202410371305 A CN202410371305 A CN 202410371305A CN 117977726 A CN117977726 A CN 117977726A
- Authority
- CN
- China
- Prior art keywords
- data
- optimized
- power plant
- optimization
- frequency modulation
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 310
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012544 monitoring process Methods 0.000 claims abstract description 151
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 97
- 238000004590 computer program Methods 0.000 claims abstract description 21
- 238000007405 data analysis Methods 0.000 claims abstract description 20
- 238000003860 storage Methods 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims description 57
- 230000006870 function Effects 0.000 claims description 56
- 238000010248 power generation Methods 0.000 claims description 43
- 238000011156 evaluation Methods 0.000 claims description 39
- 238000011157 data evaluation Methods 0.000 claims description 29
- 230000000694 effects Effects 0.000 claims description 29
- 230000004044 response Effects 0.000 claims description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 230000002068 genetic effect Effects 0.000 claims description 13
- 239000002245 particle Substances 0.000 claims description 11
- 230000010485 coping Effects 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000013486 operation strategy Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011867 re-evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种基于区域调频的水力发电厂优化方法、装置、计算机设备、存储介质和计算机程序产品,可用于电力技术领域。该方法包括:获取待优化水力发电厂的监控数据,并对监控数据进行数据分析,得到待优化水力发电厂的区域调频策略;基于区域调频策略,结合预设备用区域和系统运行成本最小化目标,建立优化模型;结合选择的优化算法和优化模型,对待优化水力发电厂进行优化处理。采用本方法能够提高水力发电厂优化的效率。
Description
技术领域
本申请涉及电力技术领域,特别是涉及一种基于区域调频的水力发电厂优化方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着智能电网技术的发展,水力发电作为一种清洁、可再生的能源,在全球能源结构中占据了重要的地位。通过对水力发电厂的运行和管理进行分析,可以了解到电力系统的运行效率和稳定性对于保障电力供应的重要性。因此,如何高效地进行水力发电厂优化,成为了重要的研究方向。
传统技术通常是通过人工监控和经验判断的方式,进行水力发电厂优化;但是,通过该方式进行水力发电厂优化需要耗费较多的人工处理时间,导致水力发电厂优化的效率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高水力发电厂优化的效率的基于区域调频的水力发电厂优化方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种基于区域调频的水力发电厂优化方法。所述方法包括:
获取待优化水力发电厂的监控数据,并对所述监控数据进行数据分析,得到所述待优化水力发电厂的区域调频策略;所述监控数据用于描述所述待优化水力发电厂的运行状况和发电效率;所述监控数据包括运行数据、市场需求数据和电力系统的运行状态数据;所述运行数据包括调频数据、备用能力数据和发电机组状态数据;所述备用能力数据包括水电站的装机容量、最大工作容量和备用容量;所述市场需求数据包括交易数据、结算数据、可再生能源发电数据和需求侧响应数据;所述电力系统的运行状态数据包括电力负荷数据和调度运行数据;
基于所述区域调频策略,结合预设备用区域和系统运行成本最小化目标,建立优化模型;所述优化模型由目标函数、决策变量和约束条件组成;所述目标函数用于描述最小化系统总成本;所述决策变量用于描述所述优化模型中的变量;所述约束条件包括所述待优化水力发电厂的调频能力、所述待优化水力发电厂的备用能力、发电机组的启停成本和所述电力系统的供需平衡;所述待优化水力发电厂的调频能力用于描述所述待优化水力发电厂对系统频率变化的响应能力;所述待优化水力发电厂的备用能力用于描述所述待优化水力发电厂应对系统突发负荷变化的能力;
结合选择的优化算法和所述优化模型,对所述待优化水力发电厂进行优化处理;所述优化算法包括线性规划、整数规划、非线性规划、遗传算法和粒子群算法。
在其中一个实施例中,所述对所述监控数据进行数据分析,得到所述待优化水力发电厂的区域调频策略,包括:
对所述监控数据进行预处理;所述预处理用于去除异常值和缺失值;
从所述监控数据中,提取出与区域调频相关的调频特征;所述调频特征包括频率变化率和所述发电机组的功率输出;
获取所述监控数据对应的预测结果系数,并根据所述预测结果系数和所述调频特征制定优化方案;所述优化方案包括所述发电机组的启停和功率调整;所述预测结果系数用于描述所述待优化水力发电厂的发电量预测精度;
将所述优化方案应用到实际运行中,并监测所述发电机组的电网频率的变化情况,评估所述发电机组的电网频率的变化情况的优化效果;
根据所述优化效果,对所述优化方案进行更新,得到所述区域调频策略。
在其中一个实施例中,在将所述优化方案应用到实际运行中,并监测所述发电机组的电网频率的变化情况,评估所述发电机组的电网频率的变化情况的优化效果之前,还包括:
结合所述预测结果系数和预测评估系数,对所述监控数据的预测结果进行数据评估,得到所述监控数据的偏差值;所述预测评估系数用于反映所述待优化水力发电厂的发电量预测准确性;所述监控数据的预测结果包括负荷预测、机组状态预测和调频需求预测;
判断所述监控数据的偏差值是否等于0;
所述将所述优化方案应用到实际运行中,并监测所述发电机组的电网频率的变化情况,评估所述发电机组的电网频率的变化情况的优化效果,包括:
在所述监控数据的偏差值等于0的情况下,将所述优化方案应用到实际运行中,并监测所述发电机组的电网频率的变化情况,评估所述发电机组的电网频率的变化情况的优化效果;
所述方法还包括:
在所述监控数据的偏差值不等于0的情况下,对所述监控数据的预测结果进行重新评估。
在其中一个实施例中,所述结合所述预测结果系数和预测评估系数,对所述监控数据的预测结果进行数据评估,得到所述监控数据的偏差值,包括:
根据所述预测结果系数和所述预测评估系数,确定所述待评估水力发电厂的预测系数偏差,所述预测系数偏差表示所述预测结果系数和所述预测评估系数之间的绝对差值与预测系数参考偏差的比值;
根据所述预测系数偏差,对所述监控数据的预测结果进行数据评估,得到所述监控数据的偏差值。
在其中一个实施例中,所述方法还包括:
根据所述待优化水力发电厂的电网负荷需求,对机组进行配合调节,并判断机组调节系数值是否大于机组调节参考值;所述机组包括水轮机和发电机;所述配合调节包括一次调频和二次调频;
在所述机组调节系数值大于所述机组调节参考值的情况下,对所述机组进行所述二次调频;
在所述机组调节系数值小于或等于所述机组调节参考值的情况下,重新对所述机组进行所述一次调频;
将所述待优化水力发电厂中的水电站组成区域调频系统,并结合电网负荷的变化情况协调和控制所述待优化水力发电厂的水电站发电功率;所述区域调频系统用于调节所述待优化水力发电厂的区域电网频率。
在其中一个实施例中,所述建立优化模型,包括:
以最小化系统运行总成本为目标,根据基变量,确定目标函数系数对应的目标函数;所述基变量包括电力负荷需求量和机组调节系数值;所述目标函数系数用于衡量所述待优化水力发电厂在电力市场中的运营效果和优化程度;
根据所述待优化水力发电厂的调频和备用能力,确定所述决策变量;所述决策变量包括发电机组出力、调频能力和备用能力;所述发电机组出力用于描述所述待优化水力发电厂的实际发电量;
根据所述决策变量,确定所述约束条件,并结合所述目标函数和所述决策变量建立所述优化模型。
在其中一个实施例中,所述结合选择的优化算法和所述优化模型,对所述待优化水力发电厂进行优化处理,包括:
根据问题规模的复杂性、所述约束条件和优化算法稳定性,确定所述优化算法;
将所述优化算法代入到所述优化模型中,通过所述优化算法求解所述优化模型中的问题,得到决策变量取值;
根据所述决策变量取值,对所述待优化水力发电厂进行优化处理。
第二方面,本申请还提供了一种基于区域调频的水力发电厂优化装置。所述装置包括:
数据获取模块,用于获取待优化水力发电厂的监控数据,并对所述监控数据进行数据分析,得到所述待优化水力发电厂的区域调频策略;所述监控数据用于描述所述待优化水力发电厂的运行状况和发电效率;所述监控数据包括运行数据、市场需求数据和电力系统的运行状态数据;所述运行数据包括调频数据、备用能力数据和发电机组状态数据;所述备用能力数据包括水电站的装机容量、最大工作容量和备用容量;所述市场需求数据包括交易数据、结算数据、可再生能源发电数据和需求侧响应数据;所述电力系统的运行状态数据包括电力负荷数据和调度运行数据;
模型建立模块,用于基于所述区域调频策略,结合预设备用区域和系统运行成本最小化目标,建立优化模型;所述优化模型由目标函数、决策变量和约束条件组成;所述目标函数用于描述最小化系统总成本;所述决策变量用于描述所述优化模型中的变量;所述约束条件包括所述待优化水力发电厂的调频能力、所述待优化水力发电厂的备用能力、发电机组的启停成本和所述电力系统的供需平衡;所述待优化水力发电厂的调频能力用于描述所述待优化水力发电厂对系统频率变化的响应能力;所述待优化水力发电厂的备用能力用于描述所述待优化水力发电厂应对系统突发负荷变化的能力;
电厂优化模块,用于结合选择的优化算法和所述优化模型,对所述待优化水力发电厂进行优化处理;所述优化算法包括线性规划、整数规划、非线性规划、遗传算法和粒子群算法。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待优化水力发电厂的监控数据,并对所述监控数据进行数据分析,得到所述待优化水力发电厂的区域调频策略;所述监控数据用于描述所述待优化水力发电厂的运行状况和发电效率;所述监控数据包括运行数据、市场需求数据和电力系统的运行状态数据;所述运行数据包括调频数据、备用能力数据和发电机组状态数据;所述备用能力数据包括水电站的装机容量、最大工作容量和备用容量;所述市场需求数据包括交易数据、结算数据、可再生能源发电数据和需求侧响应数据;所述电力系统的运行状态数据包括电力负荷数据和调度运行数据;
基于所述区域调频策略,结合预设备用区域和系统运行成本最小化目标,建立优化模型;所述优化模型由目标函数、决策变量和约束条件组成;所述目标函数用于描述最小化系统总成本;所述决策变量用于描述所述优化模型中的变量;所述约束条件包括所述待优化水力发电厂的调频能力、所述待优化水力发电厂的备用能力、发电机组的启停成本和所述电力系统的供需平衡;所述待优化水力发电厂的调频能力用于描述所述待优化水力发电厂对系统频率变化的响应能力;所述待优化水力发电厂的备用能力用于描述所述待优化水力发电厂应对系统突发负荷变化的能力;
结合选择的优化算法和所述优化模型,对所述待优化水力发电厂进行优化处理;所述优化算法包括线性规划、整数规划、非线性规划、遗传算法和粒子群算法。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待优化水力发电厂的监控数据,并对所述监控数据进行数据分析,得到所述待优化水力发电厂的区域调频策略;所述监控数据用于描述所述待优化水力发电厂的运行状况和发电效率;所述监控数据包括运行数据、市场需求数据和电力系统的运行状态数据;所述运行数据包括调频数据、备用能力数据和发电机组状态数据;所述备用能力数据包括水电站的装机容量、最大工作容量和备用容量;所述市场需求数据包括交易数据、结算数据、可再生能源发电数据和需求侧响应数据;所述电力系统的运行状态数据包括电力负荷数据和调度运行数据;
基于所述区域调频策略,结合预设备用区域和系统运行成本最小化目标,建立优化模型;所述优化模型由目标函数、决策变量和约束条件组成;所述目标函数用于描述最小化系统总成本;所述决策变量用于描述所述优化模型中的变量;所述约束条件包括所述待优化水力发电厂的调频能力、所述待优化水力发电厂的备用能力、发电机组的启停成本和所述电力系统的供需平衡;所述待优化水力发电厂的调频能力用于描述所述待优化水力发电厂对系统频率变化的响应能力;所述待优化水力发电厂的备用能力用于描述所述待优化水力发电厂应对系统突发负荷变化的能力;
结合选择的优化算法和所述优化模型,对所述待优化水力发电厂进行优化处理;所述优化算法包括线性规划、整数规划、非线性规划、遗传算法和粒子群算法。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待优化水力发电厂的监控数据,并对所述监控数据进行数据分析,得到所述待优化水力发电厂的区域调频策略;所述监控数据用于描述所述待优化水力发电厂的运行状况和发电效率;所述监控数据包括运行数据、市场需求数据和电力系统的运行状态数据;所述运行数据包括调频数据、备用能力数据和发电机组状态数据;所述备用能力数据包括水电站的装机容量、最大工作容量和备用容量;所述市场需求数据包括交易数据、结算数据、可再生能源发电数据和需求侧响应数据;所述电力系统的运行状态数据包括电力负荷数据和调度运行数据;
基于所述区域调频策略,结合预设备用区域和系统运行成本最小化目标,建立优化模型;所述优化模型由目标函数、决策变量和约束条件组成;所述目标函数用于描述最小化系统总成本;所述决策变量用于描述所述优化模型中的变量;所述约束条件包括所述待优化水力发电厂的调频能力、所述待优化水力发电厂的备用能力、发电机组的启停成本和所述电力系统的供需平衡;所述待优化水力发电厂的调频能力用于描述所述待优化水力发电厂对系统频率变化的响应能力;所述待优化水力发电厂的备用能力用于描述所述待优化水力发电厂应对系统突发负荷变化的能力;
结合选择的优化算法和所述优化模型,对所述待优化水力发电厂进行优化处理;所述优化算法包括线性规划、整数规划、非线性规划、遗传算法和粒子群算法。
上述基于区域调频的水力发电厂优化方法、装置、计算机设备、存储介质和计算机程序产品,获取待优化水力发电厂的监控数据,并对所述监控数据进行数据分析,得到所述待优化水力发电厂的区域调频策略;所述监控数据用于描述所述待优化水力发电厂的运行状况和发电效率;所述监控数据包括运行数据、市场需求数据和电力系统的运行状态数据;所述运行数据包括调频数据、备用能力数据和发电机组状态数据;所述备用能力数据包括水电站的装机容量、最大工作容量和备用容量;所述市场需求数据包括交易数据、结算数据、可再生能源发电数据和需求侧响应数据;所述电力系统的运行状态数据包括电力负荷数据和调度运行数据;基于所述区域调频策略,结合预设备用区域和系统运行成本最小化目标,建立优化模型;所述优化模型由目标函数、决策变量和约束条件组成;所述目标函数用于描述最小化系统总成本;所述决策变量用于描述所述优化模型中的变量;所述约束条件包括所述待优化水力发电厂的调频能力、所述待优化水力发电厂的备用能力、发电机组的启停成本和所述电力系统的供需平衡;所述待优化水力发电厂的调频能力用于描述所述待优化水力发电厂对系统频率变化的响应能力;所述待优化水力发电厂的备用能力用于描述所述待优化水力发电厂应对系统突发负荷变化的能力;结合选择的优化算法和所述优化模型,对所述待优化水力发电厂进行优化处理;所述优化算法包括线性规划、整数规划、非线性规划、遗传算法和粒子群算法。该方案通过数据分析得到区域调频策略,然后基于策略建立优化模型,再根据优化算法和优化模型自动对水力发电厂进行优化,从而有利于提高水力发电厂优化的效率和准确率。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为一个实施例中基于区域调频的水力发电厂优化方法的流程示意图;
图2为一个实施例中水力发电厂优化步骤的流程示意图;
图3为一个实施例中建立优化模型步骤的流程示意图;
图4为一个实施例中基于区域调频的水力发电厂优化装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要符合相关规定。
在一个示例性的实施例中,如图1所示,提供了一种基于区域调频的水力发电厂优化方法,本实施例以该方法应用于终端进行举例说明;可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器之间的交互实现。其中,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等;服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中,该方法包括以下步骤:
步骤S101,获取待优化水力发电厂的监控数据,并对监控数据进行数据分析,得到待优化水力发电厂的区域调频策略;监控数据用于描述待优化水力发电厂的运行状况和发电效率;监控数据包括运行数据、市场需求数据和电力系统的运行状态数据;运行数据包括调频数据、备用能力数据和发电机组状态数据;备用能力数据包括水电站的装机容量、最大工作容量和备用容量;市场需求数据包括交易数据、结算数据、可再生能源发电数据和需求侧响应数据;电力系统的运行状态数据包括电力负荷数据和调度运行数据。
步骤S102,基于区域调频策略,结合预设备用区域和系统运行成本最小化目标,建立优化模型;优化模型由目标函数、决策变量和约束条件组成;目标函数用于描述最小化系统总成本;决策变量用于描述优化模型中的变量;约束条件包括待优化水力发电厂的调频能力、待优化水力发电厂的备用能力、发电机组的启停成本和电力系统的供需平衡;待优化水力发电厂的调频能力用于描述待优化水力发电厂对系统频率变化的响应能力;待优化水力发电厂的备用能力用于描述待优化水力发电厂应对系统突发负荷变化的能力。
步骤S103,结合选择的优化算法和优化模型,对待优化水力发电厂进行优化处理;优化算法包括线性规划、整数规划、非线性规划、遗传算法和粒子群算法。
其中,待优化水力发电厂可以是需要进行优化的水力发电厂对象。
其中,监控数据可以是描述水力发电厂运行状况和发电效率的各项监测数据。
其中,区域调频策略可以是基于监控数据分析得到的水力发电厂调频运行策略,例如调频运行策略。
其中,预设备用区域可以是优化模型建立时需要考虑满足的条件,例如,预设备用区域可以是水力发电厂在进行区域调频优化时需要考虑满足的一些条件和要求区域。
其中,系统运行成本最小化目标可以是优化模型的目标函数,例如用于描述最小化电力系统运行成本。
其中,优化模型可以是由目标函数、决策变量和约束条件组成的数学模型。
其中,决策变量可以是优化模型中需要确定的变量。
其中,约束条件可以是优化过程需满足的限制条件。
其中,调频能力可以是水力发电厂对频率变化的响应能力。
其中,备用能力可以是水力发电厂应对负荷突变的能力。
其中,优化算法可以是用于求解优化模型的算法方法。
可选地,参考图2,终端获取待优化水力发电厂的监控数据,其中,监控数据包括运行数据、市场需求数据和电力系统运行状态数据等;对监控数据进行数据分析(即数据收集与分析),得到待优化水力发电厂的区域调频策略;基于区域调频策略和系统运行成本最小化目标,建立优化模型,其中,优化模型由目标函数、决策变量和约束条件组成,目标函数用于描述最小化系统总成本,决策变量用于描述优化模型中的变量,如发电机组出力等,约束条件包括发电厂的调频能力、备用能力以及电力系统的供需平衡等;选择优化算法,如线性规划、遗传算法等;将选择的优化算法与优化模型结合,利用优化算法对优化模型进行求解,获取决策变量取值;根据决策变量取值,对待优化水力发电厂进行优化处理,例如,通过应用优化模型,对待优化水力发电厂进行优化处理。
举例来说,预设备用区域在实际应用中需要满足的条件包括水力发电厂的调频需求、机组的备用容量、优化模型的约束条件、备用区域的环境和区域调频的成本最小化,根据预设备用区域建立优化模型,建立的优化模型用于对待优化水力发电厂的预设备用区域进行优化以保证该水力发电厂的稳定运行;应用优化模型的具体过程为:根据问题规模的复杂性、调频的约束条件和优化算法的稳定性选择优化算法,然后将选择的优化算法代入到建立的优化模型中解决优化模型中的问题;结合水力发电厂的区域调频能力,对备用市场建立优化模型,实现了水力发电厂优化准确性的提高。
上述基于区域调频的水力发电厂优化方法中,获取待优化水力发电厂的监控数据,并对监控数据进行数据分析,得到待优化水力发电厂的区域调频策略;监控数据用于描述待优化水力发电厂的运行状况和发电效率;监控数据包括运行数据、市场需求数据和电力系统的运行状态数据;运行数据包括调频数据、备用能力数据和发电机组状态数据;备用能力数据包括水电站的装机容量、最大工作容量和备用容量;市场需求数据包括交易数据、结算数据、可再生能源发电数据和需求侧响应数据;电力系统的运行状态数据包括电力负荷数据和调度运行数据;基于区域调频策略,结合预设备用区域和系统运行成本最小化目标,建立优化模型;优化模型由目标函数、决策变量和约束条件组成;目标函数用于描述最小化系统总成本;决策变量用于描述优化模型中的变量;约束条件包括待优化水力发电厂的调频能力、待优化水力发电厂的备用能力、发电机组的启停成本和电力系统的供需平衡;待优化水力发电厂的调频能力用于描述待优化水力发电厂对系统频率变化的响应能力;待优化水力发电厂的备用能力用于描述待优化水力发电厂应对系统突发负荷变化的能力;结合选择的优化算法和优化模型,对待优化水力发电厂进行优化处理;优化算法包括线性规划、整数规划、非线性规划、遗传算法和粒子群算法。该方案通过数据分析得到区域调频策略,然后基于策略建立优化模型,再根据优化算法和优化模型自动对水力发电厂进行优化,从而有利于提高水力发电厂优化的效率和准确率。
在一个示例性的实施例中,对监控数据进行数据分析,得到待优化水力发电厂的区域调频策略,具体包括如下内容:对监控数据进行预处理;预处理用于去除异常值和缺失值;从监控数据中,提取出与区域调频相关的调频特征;调频特征包括频率变化率和发电机组的功率输出;获取监控数据对应的预测结果系数,并根据预测结果系数和调频特征制定优化方案;优化方案包括发电机组的启停和功率调整;预测结果系数用于描述待优化水力发电厂的发电量预测精度;将优化方案应用到实际运行中,并监测发电机组的电网频率的变化情况,评估发电机组的电网频率的变化情况的优化效果;根据优化效果,对优化方案进行更新,得到区域调频策略。
其中,预处理可以是对监控数据进行清洗的处理,如去除异常值和缺失值,使数据更易于分析。
其中,调频特征可以是影响区域调频的关键指标,如频率变化率和发电机组功率输出。
其中,预测结果系数可以是描述监控数据预测精度的指标,其中,精度可以是指结果的重复性和一致性,也就是说,同样的测量多次重复,结果应该尽可能接近。
其中,优化方案可以是根据调频特征和预测结果制定的水力发电厂调频操作方案,如机组启停和功率调整方案。
其中,电网频率可以是电力系统供电频率,可以反映系统供需平衡情况。
其中,优化效果可以是优化方案实施后的电网频率变化的影响程度。
其中,区域调频策略可以是基于监控数据分析和优化方案验证,确定水力发电厂参与区域调频的长期操作策略。
可选地,终端对收集到的监控数据进行预处理,去除异常值和缺失值,使得清洗后的数据更易于分析;从预处理后的数据中,提取与区域调频相关的关键指标,如频率变化率和发电机组功率输出等调频特征;根据调频特征和监控数据对应的预测结果系数,制定水力发电厂的初步优化方案,如机组启停和功率调整方案;将优化方案应用到实际水力发电厂运行中,同时监测电网频率的变化情况;根据电网频率变化情况,评估当前优化方案的优化效果,是否能满足区域调频要求;根据优化效果评估结果,如果效果不达标,则对优化方案进行更新和改进;经过多轮优化方案的实施评估和更新改进,最终得到水力发电厂参与区域调频的长期操作策略,作为区域调频策略。
本实施例提供的技术方案,通过对监控数据的分析处理,制定和验证优化方案,得到水力发电厂参与区域调频的具体操作策略,实现了水力发电厂调频水平的提升,从而有利于提高水力发电厂优化的效率和准确率。
在一个示例性的实施例中,在将优化方案应用到实际运行中,并监测发电机组的电网频率的变化情况,评估发电机组的电网频率的变化情况的优化效果之前,还包括如下内容:结合预测结果系数和预测评估系数,对监控数据的预测结果进行数据评估,得到监控数据的偏差值;预测评估系数用于反映待优化水力发电厂的发电量预测准确性;监控数据的预测结果包括负荷预测、机组状态预测和调频需求预测;判断监控数据的偏差值是否等于0;将优化方案应用到实际运行中,并监测发电机组的电网频率的变化情况,评估发电机组的电网频率的变化情况的优化效果,具体包括如下内容:在监控数据的偏差值等于0的情况下,将优化方案应用到实际运行中,并监测发电机组的电网频率的变化情况,评估发电机组的电网频率的变化情况的优化效果;方法还包括如下内容:在监控数据的偏差值不等于0的情况下,对监控数据的预测结果进行重新评估。
其中,预测结果系数可以是描述监控数据预测结果的准确程度指标。
其中,预测评估系数可以是反映监控数据预测结果的可靠性。
其中,监控数据的偏差值可以是描述监控数据预测结果系数与预测评估系数之间的差异程度。
其中,负荷预测可以是预测电力负荷的变化趋势。
其中,机组状态预测可以是预测发电机组运行状态的变化趋势。
其中,调频需求预测可以是预测电网对水力发电厂调频能力的需求变化趋势。
其中,监控数据的预测结果可以包括负荷预测、机组状态预测和调频需求预测这三个方面的预测结果。
其中,监控数据的偏差值等于0可以表示预测结果系数与预测评估系数基本吻合,表示预测结果准确。
其中,监控数据的偏差值不等于0可以表示预测结果系数与预测评估系数存在差异,表示预测结果需重新评估。
可选地,终端结合预测结果系数和预测评估系数,对监控数据的预测结果(包括负荷预测、机组状态预测和调频需求预测)进行数据评估,得到监控数据的偏差值;判断监控数据的偏差值是否等于0;如果偏差值等于0,表示预测结果准确,则直接将优化方案应用到实际运行中,并监测发电机组电网频率的变化情况,评估优化效果;如果偏差值不等于0,表示预测结果需重新评估,则不直接应用优化方案,而是对监控数据的预测结果进行重新评估;重新评估后得到新的预测结果;再次判断新的预测结果是否准确;如果新的预测结果准确(偏差值等于0),则将优化方案应用到实际运行中,监测电网频率变化情况评估优化效果;如果新的预测结果不准确(偏差值不等于0),则需要再次重新评估预测结果,直到预测结果准确为止。
本实施例提供的技术方案,通过对监控数据预测结果的评估和判断,确保预测结果的准确性,从而应用正确的优化方案实现优化效果,从而有利于提高水力发电厂优化的准确率。
在一个示例性的实施例中,结合预测结果系数和预测评估系数,对监控数据的预测结果进行数据评估,得到监控数据的偏差值,具体包括如下内容:根据预测结果系数和预测评估系数,确定待评估水力发电厂的预测系数偏差,预测系数偏差表示预测结果系数和预测评估系数之间的绝对差值与预测系数参考偏差的比值;根据预测系数偏差,对监控数据的预测结果进行数据评估,得到监控数据的偏差值。
其中,预测结果系数可以反映监控数据预测结果(如负荷预测值)的准确程度,可以是预测误差率等。
其中,预测评估系数可以反映监控数据预测模型本身的评估结果,可以是模型评分等。
其中,预测系数偏差可以是预测结果系数和预测评估系数之间的差异程度,即两者的绝对差值与预测系数参考偏差的比值,其中,预测系数参考偏差是预先设定的一个阈值。
其中,监控数据的偏差值可以是通过对预测结果系数和预测评估系数进行数据评估后得到的监控数据本身的偏差程度,可以反映监控数据质量。
可选地,终端获取待评估水力发电厂的监控数据预测结果对应的预测结果系数和预测评估系数;根据预测结果系数和预测评估系数,计算两者之间的绝对差值,并与设定的预测系数参考偏差进行比值,得到预测系数偏差;将预测系数偏差作为输入,对监控数据的预测结果进行数据评估,分析预测结果与实际情况的符合程度;根据预测结果与实际情况的符合程度,得到监控数据本身的偏差值,其中,偏差值越小,表示监控数据质量越高,预测结果越准确。
举例来说,监控数据的偏差值采用以下公式进行计算:
,
式中,为数据评估次数的编号,i=1、2……N,/>为数据评估的总次数,/>为自然常数,/>表示第/>次数据评估的水力发电厂的监控数据的偏差值,/>表示第/>次数据评估的预测结果系数,/>表示第/>次数据评估的预测评估系数,/>表示预测系数参考偏差;产生水力发电厂监控数据偏差的原因包括设备故障、传感器误差和数据传输问题,通过对产生的偏差进行分析和处理,并及时发现其他潜在的问题,实现了水力发电厂监控数据准确性的提高。
本实施例提供的技术方案,通过预测系数偏差,自动确定监控数据的偏差值,从而有利于提高水力发电厂优化的效率和准确率。
在一个示例性的实施例中,还包括如下内容:根据待优化水力发电厂的电网负荷需求,对机组进行配合调节,并判断机组调节系数值是否大于机组调节参考值;机组包括水轮机和发电机;配合调节包括一次调频和二次调频;在机组调节系数值大于机组调节参考值的情况下,对机组进行二次调频;在机组调节系数值小于或等于机组调节参考值的情况下,重新对机组进行一次调频;将待优化水力发电厂中的水电站组成区域调频系统,并结合电网负荷的变化情况协调和控制待优化水力发电厂的水电站发电功率;区域调频系统用于调节待优化水力发电厂的区域电网频率。
其中,机组可以是指水力发电厂中的水轮机和发电机组合。
其中,配合调节可以是根据电网负荷需求,初步调整机组出力水平的操作。
其中,一次调频可以是指初步配合调节机组出力所采取的调节措施,例如,一次调频用于根据电网负荷需求对机组进行配合调节获取机组调节系数值。
其中,二次调频可以是当机组调节系数值大于参考值时,采取的进一步调整机组出力的操作,例如,二次调频用于在一次调频的基础上对机组的出力进行增减。
其中,机组调节系数值可以是通过一次调频计算得到的指标,用于评估机组的调节程度,例如,机组调节系数值用于描述水轮发电机组的调节能力。
其中,机组调节参考值可以是预先设定的一个阈值,用于与机组调节系数值进行比较。
其中,水电站可以是指水力发电厂中的发电设备。
其中,区域调频系统可以是多个水电站组成的系统,用于协调控制水力发电厂对区域电网频率的响应。
其中,区域电网频率可以是水力发电厂所在电网区域的电网频率水平。
可选地,终端根据待优化水力发电厂的电网负荷需求,对机组(水轮机和发电机)进行初步配合调节,这步可以称为一次调频;通过一次调频,计算并获取机组的机组调节系数值;将机组调节系数值与设定的机组调节参考值进行比较;如果机组调节系数值大于调节参考值,表示需要进一步调整机组出力,则进行二次调频,对机组出力进行增减调整;如果机组调节系数值小于或等于调节参考值,表示一次调频调节程度已满足要求,则重新进行一次调频;将待优化水力发电厂中的多个水电站组成区域调频系统,协调控制各水电站发电功率,其中,区域调频系统根据电网负荷变化情况,调节待优化水力发电厂对区域电网频率的响应能力。
举例来说,二次调频的具体步骤包括:根据电网频率偏差量和电网“频率-功率”敏感系数,计算使电网频率回复到额定频率所需要的发电功率变化量;根据计算结果,对控制区域内各并网电站的有功功率设定值进行修正,并发出功率调节指令;各电站在接收到新的有功功率设定值后,将电站总有功功率设定值分配到各个机组;实现了对水力发电厂的更精准调频。
举例来说,机组调节系数值通过如下公式获取:
,
式中,为数据评估次数的编号,i=1、2……N,/>为数据评估的总次数,/>为自然常数,/>表示第/>次数据评估的机组调节系数值,/>表示第/>次数据评估的预测结果系数,表示第/>次数据评估的预测评估系数,/>表示第/>次数据评估时的预测结果系数与预测评估系数的偏差值,/>表示第/>次数据评估的水轮机调节系数值,/>表示水轮机参考调节系数,/>表示第/>次数据评估的发电机调节系数值,/>表示发电机参考调节系数。机组调节过程还包括当电网负荷需求发生变化时,水力发电厂及时调整机组的出力水平,确保机组的正常运行和高效运行,实现了水力发电厂区域调频效率的提高。
本实施例提供的技术方案,通过一次调频和二次调频的配合,以及机组调节系数值与参考值的比较,实现了对机组出力精细调节,从而提高了水力发电厂对区域电网频率的调节能力,提高水力发电厂优化的效率和准确率。
在一个示例性的实施例中,建立优化模型,具体包括如下内容:以最小化系统运行总成本为目标,根据基变量,确定目标函数系数对应的目标函数;基变量包括电力负荷需求量和机组调节系数值;目标函数系数用于衡量待优化水力发电厂在电力市场中的运营效果和优化程度;根据待优化水力发电厂的调频和备用能力,确定决策变量;决策变量包括发电机组出力、调频能力和备用能力;发电机组出力用于描述待优化水力发电厂的实际发电量;根据决策变量,确定约束条件,并结合目标函数和决策变量建立优化模型。
其中,系统运行总成本可以是水力发电厂参与电力市场运营过程中的总成本。
其中,基变量可以是影响系统运行总成本的关键因素,如电力负荷需求量和机组调节系数值,其中,电力负荷需求量包括电力负荷预测需求量和电力负荷实际需求量。
其中,目标函数系数可以是根据基变量计算得到的系数,用于评估运营效果。
其中,目标函数可以是以最小化系统运行总成本为目标的函数表达式。
其中,决策变量可以是优化模型需要确定取值的变量,如发电机组出力等。
其中,发电机组出力可以是水力发电厂实际发出的电量。
其中,约束条件可以是限制决策变量取值范围的条件,如技术限制等。
可选地,参考图3,终端根据水力发电厂实际运行数据,获取基变量数据,如电力负荷需求量和机组调节系数值;根据基变量,确定目标函数系数,从而得到目标函数表达式(确定目标函数);分析水力发电厂的技术特性,确定决策变量(选择决策变量),如发电机组出力、调频能力和备用能力等;根据决策变量,确定相关约束条件(设置约束条件),如发电机组出力范围限制等;将目标函数、决策变量和约束条件整合到一个数学模型中,建立优化模型,其中,优化模型反映了系统运行目标和决策变量之间的关系,同时考虑了实际运行中的各种限制;优化模型建立完毕后,可以作为后续优化算法的输入,求解出决策变量的最优取值;通过优化求解结果,指导水力发电厂的实际运行,实现系统运行总成本的最小化。
举例来说,目标函数通过如下公式进行计算:
,
式中,为数据评估次数的编号,i=1、2……N,/>为数据评估的总次数,/>表示第次数据评估的目标函数,/>表示第/>次数据评估的目标函数系数,/>表示第/>次数据评估的电力负荷预测需求量,/>表示第/>次数据评估的电力负荷实际需求量,/>表示第/>次数据评估的机组调节系数值。
本实施例提供的技术方案,通过根据约束条件、目标函数和决策变量建立优化模型,有利于得到更高效和更准确的优化模型,从而有利于提高水力发电厂优化的效率和准确率。
在一个示例性的实施例中,结合选择的优化算法和优化模型,对待优化水力发电厂进行优化处理,具体包括如下内容:根据问题规模的复杂性、约束条件和优化算法稳定性,确定优化算法;将优化算法代入到优化模型中,通过优化算法求解优化模型中的问题,得到决策变量取值;根据决策变量取值,对待优化水力发电厂进行优化处理。
其中,问题规模的复杂性可以是优化模型中决策变量和约束条件的数量,以及它们之间关系的复杂程度。
其中,优化算法稳定性可以是优化算法在求解过程中数值计算的稳定性和收敛性,以及求解效率等指标,例如,优化算法的实现包括调用优化算法库和编写优化算法代码,优化算法库用于存储和管理优化算法。
其中,决策变量取值可以是优化算法求解优化模型后得到的各决策变量在优化目标下的最优数值。
可选地,终端根据水力发电厂优化问题的特征,确定问题规模的复杂性、约束条件和优化算法稳定性;根据问题规模的复杂性、约束条件和优化算法稳定性,从多种优化算法中确定最适合的优化算法,如线性规划、遗传算法等;将选择的优化算法输入到之前建立的优化模型中;启动优化算法,开始求解优化模型,即求解目标函数与决策变量之间的最优关系,使得优化算法通过迭代计算,得到各决策变量在约束条件下的最优取值组合,作为优化求解结果;从优化求解结果中提取出决策变量的最优取值;根据决策变量的最优取值,调整水力发电厂的实际运行参数,如机组出力设置、调频策略等。
举例来说,水力发电厂区域调频中的决策变量可以涉及多个方面,如水库水位和水流量等,这些变量用于优化和调整发电厂的运行;在实际应用中,决策变量的取值可以是通过系统分析和优化计算来确定的,这些计算可以包括运行模拟、经济性分析和风险评估等,以确保发电厂的运行能够满足电力系统的需求,并保持电网的频率稳定;比如,水库水位的决策变量取值可以根据来水情况、电力需求预测和发电厂的运行策略来确定,在高峰时段,需要提高水库水位以增加发电能力,而在低谷时段,可以降低水库水位以减少水能的浪费;再比如说涡轮机的转速和导叶开度的决策变量取值也会根据电力系统的需求和水流条件进行动态调整,而发电机出力的决策变量取值则受到发电机本身的技术限制和电力系统的需求限制;优化模型中的问题包括机组发电效率、调度管理和生态环境的影响,通过优化算法解决优化模型中的问题,并对优化算法进行评估,有利于提高优化算法评估的准确性,实现了优化模型可靠性的提高。
本实施例提供的技术方案,通过选择适当的优化算法求解优化模型,获取决策变量取值,从而优化水力发电厂实际运行,从而有利于提高水力发电厂优化的效率和准确率。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:1、通过收集水力发电厂监控数据,并对水力发电厂监控数据进行数据分析,然后以最小化系统运行成本为目标建立优化模型,并针对建立的优化模型设立需要满足的实际条件,最后通过选择优化算法和求解优化模型两个步骤应用优化模型,从而实现了优化模型建立的准确性,进而实现了水力发电厂优化准确性的提高,有效解决了现有技术中水力发电厂优化准确性低的问题。2、通过对水力发电厂监控数据进行预处理,并从水力发电厂监控数据中提取出与区域调频相关的调频特征,然后获取水力发电厂监控数据对应的预测结果系数,并根据预测结果系数制定优化方案,接着将优化方案应用到实际运行中,并监测发电机组电网频率的变化情况以评估优化效果,最后根据评估的优化效果对优化方案进行调整以完善和优化待优化水力发电厂的区域调频策略,从而实现了对优化方案的精准评估,进而实现了对水力发电厂监控数据的更精准分析。3、通过基变量产生对应的目标函数系数并获取相对应的目标函数,然后根据待优化水力发电厂的调频和备用能力选择决策变量,最后根据选择的决策变量确定约束条件,并结合目标函数和决策变量建立优化模型,从而实现了优化模型建立的准确性,进而实现了优化模型可靠性的提高。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的基于区域调频的水力发电厂优化方法的基于区域调频的水力发电厂优化装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个基于区域调频的水力发电厂优化装置实施例中的具体限定可以参见上文中对于基于区域调频的水力发电厂优化方法的限定,在此不再赘述。
在一个示例性的实施例中,如图4所示,提供了一种基于区域调频的水力发电厂优化装置,该基于区域调频的水力发电厂优化装置400可以包括:
数据获取模块401,用于获取待优化水力发电厂的监控数据,并对监控数据进行数据分析,得到待优化水力发电厂的区域调频策略;监控数据用于描述待优化水力发电厂的运行状况和发电效率;监控数据包括运行数据、市场需求数据和电力系统的运行状态数据;运行数据包括调频数据、备用能力数据和发电机组状态数据;备用能力数据包括水电站的装机容量、最大工作容量和备用容量;市场需求数据包括交易数据、结算数据、可再生能源发电数据和需求侧响应数据;电力系统的运行状态数据包括电力负荷数据和调度运行数据;
模型建立模块402,用于基于区域调频策略,结合预设备用区域和系统运行成本最小化目标,建立优化模型;优化模型由目标函数、决策变量和约束条件组成;目标函数用于描述最小化系统总成本;决策变量用于描述优化模型中的变量;约束条件包括待优化水力发电厂的调频能力、待优化水力发电厂的备用能力、发电机组的启停成本和电力系统的供需平衡;待优化水力发电厂的调频能力用于描述待优化水力发电厂对系统频率变化的响应能力;待优化水力发电厂的备用能力用于描述待优化水力发电厂应对系统突发负荷变化的能力;
电厂优化模块403,用于结合选择的优化算法和优化模型,对待优化水力发电厂进行优化处理;优化算法包括线性规划、整数规划、非线性规划、遗传算法和粒子群算法。
在一个示例性的实施例中,数据获取模块401,还用于对监控数据进行预处理;预处理用于去除异常值和缺失值;从监控数据中,提取出与区域调频相关的调频特征;调频特征包括频率变化率和发电机组的功率输出;获取监控数据对应的预测结果系数,并根据预测结果系数和调频特征制定优化方案;优化方案包括发电机组的启停和功率调整;预测结果系数用于描述待优化水力发电厂的发电量预测精度;将优化方案应用到实际运行中,并监测发电机组的电网频率的变化情况,评估发电机组的电网频率的变化情况的优化效果;根据优化效果,对优化方案进行更新,得到区域调频策略。
在一个示例性的实施例中,该装置400还包括:数据判断模块,用于结合预测结果系数和预测评估系数,对监控数据的预测结果进行数据评估,得到监控数据的偏差值;预测评估系数用于反映待优化水力发电厂的发电量预测准确性;监控数据的预测结果包括负荷预测、机组状态预测和调频需求预测;判断监控数据的偏差值是否等于0;数据获取模块401,还用于在监控数据的偏差值等于0的情况下,将优化方案应用到实际运行中,并监测发电机组的电网频率的变化情况,评估发电机组的电网频率的变化情况的优化效果;该装置400还包括:结果评估模块,用于在监控数据的偏差值不等于0的情况下,对监控数据的预测结果进行重新评估。
在一个示例性的实施例中,数据判断模块,还用于根据预测结果系数和预测评估系数,确定待评估水力发电厂的预测系数偏差,预测系数偏差表示预测结果系数和预测评估系数之间的绝对差值与预测系数参考偏差的比值;根据预测系数偏差,对监控数据的预测结果进行数据评估,得到监控数据的偏差值。
在一个示例性的实施例中,该装置400还包括:功率控制模块,用于根据待优化水力发电厂的电网负荷需求,对机组进行配合调节,并判断机组调节系数值是否大于机组调节参考值;机组包括水轮机和发电机;配合调节包括一次调频和二次调频;在机组调节系数值大于机组调节参考值的情况下,对机组进行二次调频;在机组调节系数值小于或等于机组调节参考值的情况下,重新对机组进行一次调频;将待优化水力发电厂中的水电站组成区域调频系统,并结合电网负荷的变化情况协调和控制待优化水力发电厂的水电站发电功率;区域调频系统用于调节待优化水力发电厂的区域电网频率。
在一个示例性的实施例中,模型建立模块402,还用于以最小化系统运行总成本为目标,根据基变量,确定目标函数系数对应的目标函数;基变量包括电力负荷需求量和机组调节系数值;目标函数系数用于衡量待优化水力发电厂在电力市场中的运营效果和优化程度;根据待优化水力发电厂的调频和备用能力,确定决策变量;决策变量包括发电机组出力、调频能力和备用能力;发电机组出力用于描述待优化水力发电厂的实际发电量;根据决策变量,确定约束条件,并结合目标函数和决策变量建立优化模型。
在一个示例性的实施例中,电厂优化模块403,还用于根据问题规模的复杂性、约束条件和优化算法稳定性,确定优化算法;将优化算法代入到优化模型中,通过优化算法求解优化模型中的问题,得到决策变量取值;根据决策变量取值,对待优化水力发电厂进行优化处理。
上述基于区域调频的水力发电厂优化装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于区域调频的水力发电厂优化方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个示例性的实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个示例性的实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个示例性的实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于区域调频的水力发电厂优化方法,其特征在于,所述方法包括:
获取待优化水力发电厂的监控数据,并对所述监控数据进行数据分析,得到所述待优化水力发电厂的区域调频策略;所述监控数据用于描述所述待优化水力发电厂的运行状况和发电效率;所述监控数据包括运行数据、市场需求数据和电力系统的运行状态数据;所述运行数据包括调频数据、备用能力数据和发电机组状态数据;所述备用能力数据包括水电站的装机容量、最大工作容量和备用容量;所述市场需求数据包括交易数据、结算数据、可再生能源发电数据和需求侧响应数据;所述电力系统的运行状态数据包括电力负荷数据和调度运行数据;
基于所述区域调频策略,结合预设备用区域和系统运行成本最小化目标,建立优化模型;所述优化模型由目标函数、决策变量和约束条件组成;所述目标函数用于描述最小化系统总成本;所述决策变量用于描述所述优化模型中的变量;所述约束条件包括所述待优化水力发电厂的调频能力、所述待优化水力发电厂的备用能力、发电机组的启停成本和所述电力系统的供需平衡;所述待优化水力发电厂的调频能力用于描述所述待优化水力发电厂对系统频率变化的响应能力;所述待优化水力发电厂的备用能力用于描述所述待优化水力发电厂应对系统突发负荷变化的能力;
结合选择的优化算法和所述优化模型,对所述待优化水力发电厂进行优化处理;所述优化算法包括线性规划、整数规划、非线性规划、遗传算法和粒子群算法。
2.根据权利要求1所述的方法,其特征在于,所述对所述监控数据进行数据分析,得到所述待优化水力发电厂的区域调频策略,包括:
对所述监控数据进行预处理;所述预处理用于去除异常值和缺失值;
从所述监控数据中,提取出与区域调频相关的调频特征;所述调频特征包括频率变化率和所述发电机组的功率输出;
获取所述监控数据对应的预测结果系数,并根据所述预测结果系数和所述调频特征制定优化方案;所述优化方案包括所述发电机组的启停和功率调整;所述预测结果系数用于描述所述待优化水力发电厂的发电量预测精度;
将所述优化方案应用到实际运行中,并监测所述发电机组的电网频率的变化情况,评估所述发电机组的电网频率的变化情况的优化效果;
根据所述优化效果,对所述优化方案进行更新,得到所述区域调频策略。
3.根据权利要求2所述的方法,其特征在于,在将所述优化方案应用到实际运行中,并监测所述发电机组的电网频率的变化情况,评估所述发电机组的电网频率的变化情况的优化效果之前,还包括:
结合所述预测结果系数和预测评估系数,对所述监控数据的预测结果进行数据评估,得到所述监控数据的偏差值;所述预测评估系数用于反映所述待优化水力发电厂的发电量预测准确性;所述监控数据的预测结果包括负荷预测、机组状态预测和调频需求预测;
判断所述监控数据的偏差值是否等于0;
所述将所述优化方案应用到实际运行中,并监测所述发电机组的电网频率的变化情况,评估所述发电机组的电网频率的变化情况的优化效果,包括:
在所述监控数据的偏差值等于0的情况下,将所述优化方案应用到实际运行中,并监测所述发电机组的电网频率的变化情况,评估所述发电机组的电网频率的变化情况的优化效果;
所述方法还包括:
在所述监控数据的偏差值不等于0的情况下,对所述监控数据的预测结果进行重新评估。
4.根据权利要求3所述的方法,其特征在于,所述结合所述预测结果系数和预测评估系数,对所述监控数据的预测结果进行数据评估,得到所述监控数据的偏差值,包括:
根据所述预测结果系数和所述预测评估系数,确定所述待优化水力发电厂的预测系数偏差,所述预测系数偏差表示所述预测结果系数和所述预测评估系数之间的绝对差值与预测系数参考偏差的比值;
根据所述预测系数偏差,对所述监控数据的预测结果进行数据评估,得到所述监控数据的偏差值。
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
根据所述待优化水力发电厂的电网负荷需求,对机组进行配合调节,并判断机组调节系数值是否大于机组调节参考值;所述机组包括水轮机和发电机;所述配合调节包括一次调频和二次调频;
在所述机组调节系数值大于所述机组调节参考值的情况下,对所述机组进行所述二次调频;
在所述机组调节系数值小于或等于所述机组调节参考值的情况下,重新对所述机组进行所述一次调频;
将所述待优化水力发电厂中的水电站组成区域调频系统,并结合电网负荷的变化情况协调和控制所述待优化水力发电厂的水电站发电功率;所述区域调频系统用于调节所述待优化水力发电厂的区域电网频率。
6.根据权利要求1所述的方法,其特征在于,所述建立优化模型,包括:
以最小化系统运行总成本为目标,根据基变量,确定目标函数系数对应的目标函数;所述基变量包括电力负荷需求量和机组调节系数值;所述目标函数系数用于衡量所述待优化水力发电厂在电力市场中的运营效果和优化程度;
根据所述待优化水力发电厂的调频和备用能力,确定所述决策变量;所述决策变量包括发电机组出力、调频能力和备用能力;所述发电机组出力用于描述所述待优化水力发电厂的实际发电量;
根据所述决策变量,确定所述约束条件,并结合所述目标函数和所述决策变量建立所述优化模型。
7.根据权利要求1所述的方法,其特征在于,所述结合选择的优化算法和所述优化模型,对所述待优化水力发电厂进行优化处理,包括:
根据问题规模的复杂性、所述约束条件和优化算法稳定性,确定所述优化算法;
将所述优化算法代入到所述优化模型中,通过所述优化算法求解所述优化模型中的问题,得到决策变量取值;
根据所述决策变量取值,对所述待优化水力发电厂进行优化处理。
8.一种基于区域调频的水力发电厂优化装置,其特征在于,所述装置包括:
数据获取模块,用于获取待优化水力发电厂的监控数据,并对所述监控数据进行数据分析,得到所述待优化水力发电厂的区域调频策略;所述监控数据用于描述所述待优化水力发电厂的运行状况和发电效率;所述监控数据包括运行数据、市场需求数据和电力系统的运行状态数据;所述运行数据包括调频数据、备用能力数据和发电机组状态数据;所述备用能力数据包括水电站的装机容量、最大工作容量和备用容量;所述市场需求数据包括交易数据、结算数据、可再生能源发电数据和需求侧响应数据;所述电力系统的运行状态数据包括电力负荷数据和调度运行数据;
模型建立模块,用于基于所述区域调频策略,结合预设备用区域和系统运行成本最小化目标,建立优化模型;所述优化模型由目标函数、决策变量和约束条件组成;所述目标函数用于描述最小化系统总成本;所述决策变量用于描述所述优化模型中的变量;所述约束条件包括所述待优化水力发电厂的调频能力、所述待优化水力发电厂的备用能力、发电机组的启停成本和所述电力系统的供需平衡;所述待优化水力发电厂的调频能力用于描述所述待优化水力发电厂对系统频率变化的响应能力;所述待优化水力发电厂的备用能力用于描述所述待优化水力发电厂应对系统突发负荷变化的能力;
电厂优化模块,用于结合选择的优化算法和所述优化模型,对所述待优化水力发电厂进行优化处理;所述优化算法包括线性规划、整数规划、非线性规划、遗传算法和粒子群算法。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410371305.7A CN117977726A (zh) | 2024-03-29 | 2024-03-29 | 基于区域调频的水力发电厂优化方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410371305.7A CN117977726A (zh) | 2024-03-29 | 2024-03-29 | 基于区域调频的水力发电厂优化方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117977726A true CN117977726A (zh) | 2024-05-03 |
Family
ID=90859978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410371305.7A Pending CN117977726A (zh) | 2024-03-29 | 2024-03-29 | 基于区域调频的水力发电厂优化方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117977726A (zh) |
-
2024
- 2024-03-29 CN CN202410371305.7A patent/CN117977726A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10734811B2 (en) | System and method for optimal control of energy storage system | |
Tsao et al. | Toward blockchain-based renewable energy microgrid design considering default risk and demand uncertainty | |
Marino et al. | A microgrid energy management system based on chance-constrained stochastic optimization and big data analytics | |
Wang et al. | Frequency regulation service provision in data center with computational flexibility | |
Fraunholz et al. | On the long-term efficiency of market splitting in Germany | |
CN109740812A (zh) | 电力负荷预测方法、装置、计算机设备和存储介质 | |
CN113255973A (zh) | 电力负荷预测方法、装置、计算机设备和存储介质 | |
Qi et al. | Energyboost: Learning-based control of home batteries | |
CN114943565A (zh) | 基于智能算法的电力现货价格预测方法及装置 | |
Motta et al. | Survey of optimization models for power system operation and expansion planning with demand response | |
WO2024082836A1 (zh) | 一种水风光储多能互补系统综合效益评估方案寻优方法 | |
Lu et al. | Risk analysis method of cascade plants operation in medium term based on multi-scale market and settlement rules | |
CN116883064A (zh) | 一种基于分部电价预测的储能交易运营管理方法及系统 | |
CN117977726A (zh) | 基于区域调频的水力发电厂优化方法、装置、设备和介质 | |
CN112633771B (zh) | 电力资源数值计算方法、装置、计算机设备和存储介质 | |
CN109871998B (zh) | 一种基于专家样本库的配电网线损率预测方法及装置 | |
Ávila et al. | Applying High-Performance Computing to the European Resource Adequacy Assessment | |
Anderson et al. | Optimize Deep Decarbonization Pathways in California with Power System Planning Using Surrogate Level-based Lagrangian Relaxation | |
CN113689033B (zh) | 容量发电价核定方法、装置、计算机设备和存储介质 | |
Watanabe et al. | Agent-based simulation model of electricity market with stochastic unit commitment | |
KR102644225B1 (ko) | 수소 기반 가상 발전소의 전력 거래 방법 및 장치 | |
CN117933677A (zh) | 基于区域调频的水力发电厂关联数据预测方法和装置 | |
CN117081088B (zh) | 电网负荷调度控制方法、装置、计算机设备及存储介质 | |
CN117200280B (zh) | 光伏电站功率控制方法及相关设备 | |
CN116231763B (zh) | 具备自学习能力的家庭能源管理系统优化调度方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |