JP3969141B2 - Generator start / stop plan preparation device and method - Google Patents

Description

【００１２】
ここで、Ｔはスケジュール期間、Ｎはユニット数、ＦＣｉ（ｔ）は発電機ｉの燃料コスト、ＳＣｉ（ｔ）は発電機ｉの起動コストである。
一般的に発電機の起動停止問題における燃料コストは（２）式で示すように各発電機出力の二次関数で表される。
【００１３】
【数２】
ＦＣｉ（ｔ）＝ａｉ＋ｂｉＰｉ（ｔ）＋ｃｉＰｉ²（ｔ） （２）
ここで、ａｉ，ｂｉ，ｃｉは非負のコスト換算係数である。
また、起動コストは蒸気を発生させるボイラーの温度に依存する。
発電機を長時間停止し、ボイラーが冷えると起動コストが増加する。そのため起動コストＳＣｉは停止時間の関数となり、ある停止時間を境にホットスタートｈ−ｃｏｓｔｉとコールドコストｃ−ｃｏｓｔｉの２つに分けることができる。
【００１４】
発電機の起動停止問題には、発電機の特性や技術面などからいくつかの制約条件があり、その条件を大別すると、システムに関する制約と各発電機に関する制約とに分けることができる。例えばシステムに関する制約条件としては、スケジュール期間の全ての時間において各発電機の総出力は需要電力し等しくなければならないという電力需要バランス制約と、系統の信頼性を確保するために十分な運転予備力が必要で、通常，運転予備力は総電力需要の比率で与えられる運転予備力制約とがあり、この予備力は（３）式によって求められる。
【００１５】
【数３】

【００１６】
また、各発電機に関する制約条件としては、発電機の出力はその上限と下限との間でなければならなという発電機の出力制約と、発電機は技術上最小運転時間と最小停止時間が考慮されるという最小運転・停止時間がある。
【００１７】
上記の各制約条件を前提として（１）式の目的関数を最小化する。そのための手法として遺伝的アルゴリズムを適用する。
遺伝的アルゴリズムは、問題となる環境において生存に適した固体を次世代に保存し、交叉や突然変異のような遺伝的操作によってさらに環境に適した固体を生成することにより、固体を進化させるシステムの最適化を行うアルゴリズムで、発電機の起動停止状態を決定変数として扱い、目的変数として（１）式の総コストを用いる。
【００１８】
図９は遺伝子で決定変数を表現したもので、発電機の起動状態を１、停止状態を０とし、且つ、発電機の総数をＮ，スケジューリング期間をＴとして表現したものである。
図１０は、スケジューリング期間として２回のピーク時が存在する１日の電力需要量のカーブを示したもので、この電力需要量に合わせてそれぞれの発電機（ユニット１〜ユニットＮ）の起動停止スケジュールを組み合わせ、システム運用のコスト最小のための起動停止スケジュールが作成されるが、そのスケジュール作成には図８で示すような発電機のパラメータ（コスト係数）が参照される。
【００１９】
図８はユニット数Ｎを１０としたもので、例題を扱う約束事として各ユニットは同一容量のものをそれぞれ６機を備えて１ユニットとしている。したがって、図８では対象とする電力系統を６０機とした場合を示したものである。
なお、同図においてＴｏｎは発電機ｉの最小運転時間、Ｔｏｆｆは発電機ｉの最小停止時間、ｃ−ｓ−ｈｏｕｒは発電機のボイラー冷却時間、ｉｎｉ ｓｔａｔｅはスケジューリング期間の初期の発電機状態を示し、＋は起動、−は停止を表し、例えば、発電機（Ｕｎｉｔ）１において初期状態は＋８であるから８時間運転し続けたことを示している。
図８のような発電機個々のコスト係数を用いて、大規模発電機個々の起動停止問題をそれぞれ個別に演算した場合には、計算に長時間を要することになる。
そこで本発明では、良好な解を高速にて得るようにしたものである。
【００２０】
図１は本発明の実施形態を示す発電機の運転計画作成装置の構成図である。
図１において１はデータ処理装置で、このデータ処理装置１はコントロール部 １１、条件読込部１２、条件設定部１３、ユニット集約部１４、グレーゾーン修正部１５、計画評価部１６、表示データ作成部１７及びデータ格納部１８を備えている。２は入力部でキーボードやマウス等を有し、データの入力や表示部３に表示された選択肢の選択を実行して所定情報をコントロール部１１に送る。４は記憶部、５は配信部で、この配信部５はデータ処理装置１で作成した運転計画をこの配信部５及び伝送路を介して各発電所の受信部６に送信し、または、この送受信部６よりの各発電所の情報をデータ処理装置１に送る。
【００２１】
コントロール部１１は、配信部５及びデータ処理装置内の各部１２〜１８間のデータや処理プログラム等の授受を円滑に行うためのデータ加工，処理を実行してデータの授受をコントロールする。
【００２２】
条件読込部１２は、記憶部４に保存されている１〜３式の制約条件，すなわち、電力の予想需要、発電機の起動停止、負荷配分を決定するための電力系統のデータ、発電機特性、運用制約条件、目的関数等の条件及び処理プログラム等を読み込み、データ格納部１８に格納する。
【００２３】
条件設定部１３は、入力部２、コントロール部１１を介して入力された運用計画の作成に必要な条件や関数を設定する。
【００２４】
ユニット集約部１４は、記憶部４に図８のような対象とする電力系統の各ユニット毎のコスト係数として集計保存されているデータの中から、類似した特性をもったユニットを集合して新たなユニットに集約する。
【００２５】
グレーゾーン修正部１５は、より良いスケジュールを決定するため修正をする手段である。ユニット集約部１４において、演算速度を速めるために対象ユニットを集約縮小していることに伴い元のサイズに変換する必要がある。元のサイズに変換する問題として、１つのユニットに集約されている集約ユニットは全て同じスケジュールになっているため、余計に起動しているユニットがある。その修正としてユニット間での起動時間の入れ換えをこのグレーゾーン修正部１５にて実行する。
【００２６】
計画評価部１６では、コントロール部１１にて実行した計画期間全体の起動停止計画に対して発電機コストと制約違反に対応したペナルティを計算して評価関数を計算する。この評価関数の値に応じて起動停止計画から次の探索のもととなる起動停止計画を選択すると共に、最も良好な起動停止計画をコントロール部１１を介してデータ格納部１８に格納する。
【００２７】
表示データ作成部１７は、１２〜１６の各部で計算した計画条件，計画や評価関数の推移及びデータ格納部１８に格納しているデータ等を作成して表示部３に表示させる。
【００２８】
次に本発明の動作について説明する。
本発明は、発電機の起動停止問題を効果的に解くために前述した文献をベースとし、それにユニット集約部１４とグレーゾーン修正部１５を追加することによって良好な解を高速に得るようにしたものである。
【００２９】
ユニット集約部１４は、データ格納部１８又は記憶部４に記憶されている図８で示すような起動停止計画の対象とする電力系統のユニットの中から、類似した特性をもったユニットを新たなユニットとして集約する。
例えば、対象とする電力系統のユニット数が１０ユニットの図８の中から、図２で示すように４つの新たな集合ユニット（ＵｎｉｔＡ〜Ｄ）に集約し、１０ユニットの起動停止問題を４個の集合ユニットに集約して起動停止スケジュール決定のための演算をする。
【００３０】
図３は図８の対応ユニットとの関係を示したものである。
この集約時には、ユニット出力、立ち上げコストは集約したユニットの和とし、例えば、図２におけるユニットＡの最大出力Ｐｉｍａｘの５４６０は、図８における類似特性を有するユニット１と２との出力和で、このユニット１と２がそれぞれ６機あるのを集約して（４５５＋４５５）×６＝５４６０ＭＷとしたことによる。ユニットＢ〜Ｃについても同様にして算出している。
【００３１】
なお、コスト換算係数ａｉ，ｂｉ，ｃｉは集約したユニットの平均値とした。このようにユニットを集約することで６０機の如く大規模な電力系統の起動停止問題が４機の停止起動問題として扱うことができるため、データ処理装置としては起動停止スケジュール決定のための短時間演算が可能となる。
しかし、集約したことによって同一集約ユニット内のユニットは全て同じスケジュールとなってきて、集約前ユニットでみると余計に起動しているユニットが存在してくる。したがって、精度よく実行するためには元のサイズに変換する必要が生じる。
【００３２】
グレーゾーン修正部１５は、余計に立ち上がっているユニットを知的突然変異を適用して停止させる。ただし、知的突然変異は運転予備力に基づいてユニットを停止させていくため、立ち上げコスト等は考慮しない。
【００３３】
知的突然変異は次のようにして行われる。
図８のように対象電力系統の発電機のデータは、各ユニット毎のコスト特性として記憶されている。
図４は例えば図８におけるユニット１，５，１０の発電単価を比較したもので、最大出力５５ＭＷと最も小ユニットであるユニット１０は他のユニット１，５と比較して運用単価が最も高価となっている。そのため起動停止スケジュールを決定する場合には比較的高出力で運用単価の低いユニット１からユニット７までを優先的に決定し、その後で不足分の電力をユニット８からユニット１０で供給する。
【００３４】
その際、確率的ランダムに操作を行う通常の遺伝オーペレータだけでは、確実なコストダウンを達成することは困難となるが、これを回避するために導入したものが知的突然変異で、ユニット１からユニット７の最良の固体に適用され、以下のような操作を行う。
【００３５】
まず、ユニット１からユニット７までのスケジュールにおいて、停止→起動となっている時間を探索する。その時間において（３）式の運用予備力を計算し、図５で示すように余分に起動しているユニットを停止させる。
図５ではユニット１〜４の場合で、同図（ａ）で示すように時刻Ｔ２，Ｔ３で需要電力Ｄ（ｔ）＋Ｒ（ｔ）より余分な電力が発生している。この状態では時刻Ｔ２でユニット３を、また、時刻Ｔ３ではユニット４を停止して図５（ｂ）のように運転操作をする。
なお、逆に供給電力が不足している場合には起動させる操作を行うことで、発電機単価の安いユニットの起動時間を優先決定し、結果として総コストの削減を達成する。
【００３６】
グレーゾーン修正部１５は、より良いスケジュールを決定するためには、図６（ａ）や（ｂ）のように１と０とが入れ換わる部分（グレーゾーン）の修正を行う。その修正方法としては、図６（ａ）に示すようにユニットの起動時間を１時間延ばして起動コストをコールドスタートコストからホットスタートコストに切り換え、図６（ｂ）に示すようにユニット間において起動時間を入れ換える。 このような操作スケジュールの微調整を行い、コスト改善されたときにはデータ格納部１８にて保存し、悪くなった場合には前の状態を保存する。
作成された最善の計画スケジュールは、コントロール部１１、配信部５および伝送路を介して各発電所の受信部６に伝送される。
【００３７】
上記のような本発明と前記した文献との計算時間を比較するためにシミュレーションを行ったところ、図７で示すように計算時間を大幅に短縮することができた。なお、計算時間は、１０回のシミュレーションを行った場合の平均値で、 ４０機以上の大規模電力系統における起動停止問題に効果があることを確認できた。
【００３８】
【発明の効果】
以上のとおり、本発明によれば、特性の類似したユニットを集約して１つの集約ユニットとすることで演算ユニット数を大幅に減らし、解空間を縮小したことにより結果として初期値依存性が小さくなり、良好な解を高速で得ることが出来るものである。
【図面の簡単な説明】
【図１】本発明の実施形態を示す構成図。
【図２】集約した各発電機のパラメータ。
【図３】集約対応ユニット図。
【図４】運用単価図。
【図５】知的突然変異操作図で、（ａ）は操作前、（ｂ）は操作後。
【図６】グレーンゾーン説明図で、（ａ）は立ち上げコストに関するグレーンゾーン、（ｂ）は起動時間入れ換えを示すグレーンゾーン。
【図７】本発明と文献との計算時間比較結果図。
【図８】各発電機のコスト係数図。
【図９】起動停止スケジュールの説明図。
【図１０】初期固体例の説明図。
【符号の説明】
１…データ処理装置
２…入力部
３…表示部
４…記憶部
５…配信部
６…受信部
１１…コントロール部
１２…条件読込部
１３…条件設定部
１４…ユニット集約部
１５…グレーゾーン修正部
１６…計画評価部
１７…表示データ作成部
１８…データ格納部[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a generator start / stop planning method and an apparatus therefor while satisfying the operation constraint conditions of the generator.
[0002]
[Prior art]
Due to further intensification of competition through the introduction of a system for partial liberalization of electricity, more economical generator operation is required.
On the other hand, the number of generators installed has increased with the progress of the highly information-oriented society, and the start / stop plans have been increasing in scale, and the start / stop plans correspond to the load status of the power system every day. Updated.
When creating a start-up / stop plan for a large-scale generator, determine the operation plan for each generator to minimize the operating cost while supplying the predicted load calculated in advance and considering a number of constraints. This is important for the economical operation of the power system.
Since the constraint conditions include many constraint conditions such as the characteristics of each generator and technical limitations, it is difficult to obtain an executable solution as well as an optimal solution.
[0003]
[Problems to be solved by the invention]
As the start / stop planning method, the Institute of Electrical Engineers of Japan, Electric Power Technology / Power System Technology Joint Study Group, October 3-5, 2001, PE-01-76. PES-01-70 “Generator start / stop planning problem by GA based on unit characteristic classification” (hereinafter simply referred to as literature) is known.
The method according to this document uses a genetic algorithm that simulates the evolution mechanism of organisms, and does not perform strict calculations in the early generation, but improves the calculation efficiency by performing strict calculations as the generation progresses. In addition, there is an advantage that a schedule can be determined based on the minimum operation / stop time and cost characteristics of the generator unit.
However, as described above, in view of the fact that the number of generators is increasing with the advanced information society, it is required to solve at higher speed.
[0004]
An object of the present invention is to provide a start-up / shutdown planning apparatus and method for a large-scale generator that can obtain a solution at a higher speed by adopting the technique of the above-mentioned literature.
[0005]
[Means for Solving the Problems]
The first aspect of the present invention consolidates the generators of the target power system into a plurality of units, supplies a predicted load calculated in advance, and at the same time uses a genetic algorithm based on the constraints of the operation plan. In preparing the operation plan of
A unit set unit that collects in a unit having similar characteristics among the plurality of units and collects in a new set unit to be operated in units of the set unit;
It is characterized by having a gray zone correction unit that judges the output power for each predetermined operation schedule of the new collective unit and adjusts the start-up time between the individual units in the same collective unit when extra. .
[0006]
The second aspect of the present invention is characterized in that the adjustment in the same collective unit is performed by extending the unit activation time by a predetermined time and switching the activation cost from the cold start cost to the hot start cost.
[0007]
According to a third aspect of the present invention, the generators of the target power system are aggregated into a plurality of units, and a predicted load calculated in advance is supplied. At the same time, a plurality of generator units are used using a genetic algorithm based on the constraints of the operation plan. In preparing the operation plan of
Aggregate into a new unit having similar characteristics among the plurality of units and perform the calculation for each set unit, and the calculation result for each set unit, the start time of the set unit when there are too many start units in the same set unit The start time is switched between the units by extending the start time for a predetermined time and switching the start cost from the cold start cost to the hot start cost.
[0009]
DETAILED DESCRIPTION OF THE INVENTION
Prior to the description of the embodiment of the present invention, an outline as a premise thereof will be described.
[0010]
In considering the start / stop problem of a large-scale generator, the total cost represented by the sum of the generator fuel cost and the start-up cost in a given period is to be minimized. It can be expressed by an expression.
[0011]
[Expression 1]

[0012]
Here, T is the schedule period, N is the number of units, FCi (t) is the fuel cost of the generator i, and SCi (t) is the startup cost of the generator i.
In general, the fuel cost in the start / stop problem of the generator is expressed by a quadratic function of each generator output as shown in the equation (2).
[0013]
[Expression 2]
FCi (t) = ai + biPi (t) + ciPi ² (t) (2)
Here, ai, bi, and ci are non-negative cost conversion coefficients.
In addition, the start-up cost depends on the temperature of the boiler that generates steam.
If the generator is stopped for a long time and the boiler cools down, the starting cost increases. Therefore, the activation cost SCi is a function of the stop time, and can be divided into two, a hot start h-costi and a cold cost c-costi, with a certain stop time as a boundary.
[0014]
The generator start / stop problem has some constraint conditions from the characteristics and technical aspects of the generator, and the conditions can be broadly classified into system constraints and constraints related to each generator. For example, the constraints on the system are the power demand balance constraint that the total output of each generator must be equal to the power demand at all times of the schedule period, and sufficient operating reserve to ensure system reliability. In general, there is an operating reserve capacity constraint given by the ratio of the total power demand, and this reserve capacity is obtained by equation (3).
[0015]
[Equation 3]

[0016]
In addition, as a constraint condition for each generator, the generator output constraint that the output of the generator must be between its upper limit and lower limit, and the generator is technically considered the minimum operating time and the minimum stop time There is a minimum run / stop time.
[0017]
The objective function of equation (1) is minimized on the premise of the above-mentioned constraints. For this purpose, a genetic algorithm is applied.
Genetic algorithms are systems that evolve solids by storing solids suitable for survival in the environment in question in the next generation, and generating solids that are more suitable for the environment through genetic operations such as crossover and mutation. In this algorithm, the start / stop state of the generator is treated as a decision variable, and the total cost of equation (1) is used as the objective variable.
[0018]
FIG. 9 is a representation of a decision variable in terms of genes, where the generator start state is 1, the stop state is 0, the total number of generators is N, and the scheduling period is T.
FIG. 10 shows a daily power demand curve in which there are two peak times as a scheduling period, and start and stop of each generator (unit 1 to unit N) according to this power demand. The schedules are combined to create a start / stop schedule for minimizing the cost of system operation, and the generator parameters (cost factors) as shown in FIG. 8 are referred to for the schedule creation.
[0019]
In FIG. 8, the number of units N is set to 10, and as a convention for handling the example, each unit has six units of the same capacity, and is one unit. Therefore, FIG. 8 shows a case where the target power system is 60 units.
In the figure, Ton is the minimum operation time of the generator i, Toff is the minimum stop time of the generator i, cs-hour is the boiler cooling time of the generator, and ini state is the initial generator state in the scheduling period. + Indicates start-up and-indicates stop. For example, in the generator (Unit) 1, since the initial state is +8, it indicates that the operation is continued for 8 hours.
If the start / stop problem of each large-scale generator is calculated individually using the cost coefficient of each generator as shown in FIG. 8, it takes a long time to calculate.
Therefore, in the present invention, a good solution is obtained at high speed.
[0020]
FIG. 1 is a configuration diagram of a generator operation plan creation device showing an embodiment of the present invention.
In FIG. 1, 1 is a data processing device. This data processing device 1 includes a control unit 11, a condition reading unit 12, a condition setting unit 13, a unit aggregation unit 14, a gray zone correction unit 15, a plan evaluation unit 16, and a display data creation unit. 17 and a data storage unit 18. Reference numeral 2 denotes an input unit having a keyboard, a mouse, and the like, and performs input of data and selection of options displayed on the display unit 3 to send predetermined information to the control unit 11. 4 is a storage unit, 5 is a distribution unit, and the distribution unit 5 transmits the operation plan created by the data processing device 1 to the reception unit 6 of each power plant via the distribution unit 5 and the transmission path, or Information on each power plant from the transmission / reception unit 6 is sent to the data processing device 1.
[0021]
The control unit 11 controls data exchange by executing data processing and processing to smoothly exchange data and processing programs between the distribution unit 5 and the units 12 to 18 in the data processing device.
[0022]
The condition reading unit 12 stores the constraints of the formulas 1 to 3 stored in the storage unit 4, that is, power demand data, generator start / stop, and power system data for determining load distribution, generator characteristics The operation constraint condition, the condition such as the objective function and the processing program are read and stored in the data storage unit 18.
[0023]
The condition setting unit 13 sets conditions and functions necessary for creating an operation plan input via the input unit 2 and the control unit 11.
[0024]
The unit aggregating unit 14 aggregates units having similar characteristics from the data stored in the storage unit 4 as cost coefficients for each unit of the target power system as shown in FIG. To a simple unit.
[0025]
The gray zone correction unit 15 is a means for correcting to determine a better schedule. In the unit aggregating unit 14, it is necessary to convert the target unit to the original size as the target units are aggregated and reduced in order to increase the calculation speed. As a problem of conversion to the original size, all the aggregated units aggregated into one unit have the same schedule, and therefore there are extra units that are activated. As the correction, the gray zone correction unit 15 executes the replacement of the activation time between the units.
[0026]
The plan evaluation unit 16 calculates an evaluation function by calculating a penalty corresponding to the generator cost and the constraint violation for the start / stop plan for the entire plan period executed by the control unit 11. In accordance with the value of this evaluation function, a start / stop plan that is the basis of the next search is selected from the start / stop plan, and the best start / stop plan is stored in the data storage unit 18 via the control unit 11.
[0027]
The display data creating unit 17 creates the planning conditions calculated by the respective units 12 to 16, the transition of the plan and the evaluation function, the data stored in the data storage unit 18, and the like, and displays them on the display unit 3.
[0028]
Next, the operation of the present invention will be described.
The present invention is based on the above-mentioned literature in order to effectively solve the start-stop problem of the generator, and by adding a unit consolidating unit 14 and a gray zone correcting unit 15 to it, a good solution can be obtained at high speed. Is.
[0029]
The unit aggregating unit 14 newly adds a unit having similar characteristics from among the units of the power system that are the targets of the start / stop plan as shown in FIG. 8 stored in the data storage unit 18 or the storage unit 4. Aggregate as a unit.
For example, from FIG. 8 where the number of units of the target power system is 10 units, as shown in FIG. 2, four new aggregated units (Units A to D) are aggregated as shown in FIG. The calculation is performed to determine the start / stop schedule.
[0030]
FIG. 3 shows the relationship with the corresponding unit of FIG.
At the time of this aggregation, the unit output and the startup cost are the sum of the aggregated units. For example, the maximum output Pimax 5460 of unit A in FIG. 2 is the output sum of units 1 and 2 having similar characteristics in FIG. This is because there are 6 units 1 and 2 in total, and (455 + 455) × 6 = 5460 MW. The same calculation is performed for units B to C.
[0031]
The cost conversion coefficients ai, bi, and ci are the average values of the aggregated units. By consolidating the units in this way, the start / stop problem of a large-scale power system such as 60 machines can be handled as the stop / start problem of 4 machines. Calculation is possible.
However, as a result of aggregation, all the units in the same aggregation unit have the same schedule, and there are extra units that are activated in the unit before aggregation. Therefore, it is necessary to convert to the original size in order to execute with high accuracy.
[0032]
The gray zone correction unit 15 applies the intelligent mutation to stop the unit that has risen excessively. However, since intelligent mutation stops the unit based on operational reserve, it does not consider startup costs.
[0033]
The intelligent mutation is performed as follows.
As shown in FIG. 8, the data of the generator of the target power system is stored as cost characteristics for each unit.
For example, FIG. 4 compares the power generation unit prices of units 1, 5, and 10 in FIG. 8, and the unit 10, which is the smallest unit with the maximum output 55 MW, is the most expensive unit price compared to the other units 1, 5. It has become. Therefore, when the start / stop schedule is determined, units 1 to 7 having a relatively high output and a low operation unit price are preferentially determined, and thereafter, the shortage of power is supplied from unit 8 to unit 10.
[0034]
At that time, it is difficult to achieve a certain cost reduction with only a normal genetic operator that performs operations randomly and randomly, but what was introduced in order to avoid this is an intelligent mutation. It applies to the best solid of unit 7 and performs the following operations.
[0035]
First, in the schedule from unit 1 to unit 7, a time for stop → start is searched. At that time, the operational reserve of equation (3) is calculated, and the units that have been activated excessively are stopped as shown in FIG.
In FIG. 5, in the case of units 1 to 4, as shown in FIG. 5A, extra power is generated from demand power D (t) + R (t) at times T <b> 2 and T <b> 3. In this state, the unit 3 is stopped at time T2, and the unit 4 is stopped at time T3, and the driving operation is performed as shown in FIG.
On the other hand, when the supply power is insufficient, an activation operation is performed to preferentially determine the activation time of a unit with a low generator unit price, and as a result, reduction of the total cost is achieved.
[0036]
In order to determine a better schedule, the gray zone correction unit 15 corrects a portion (gray zone) where 1 and 0 are interchanged as shown in FIGS. 6 (a) and 6 (b). As a correction method, the start-up time of the unit is extended by 1 hour as shown in FIG. 6 (a), the start-up cost is switched from the cold start cost to the hot start cost, and the start-up is started between the units as shown in FIG. 6 (b). Change time. Such a fine adjustment of the operation schedule is performed, and when the cost is improved, the operation is saved in the data storage unit 18, and when the cost is deteriorated, the previous state is saved.
The created best plan schedule is transmitted to the receiving unit 6 of each power plant through the control unit 11, the distribution unit 5, and the transmission path.
[0037]
When a simulation was performed in order to compare the calculation time between the present invention as described above and the above-mentioned document, the calculation time could be greatly shortened as shown in FIG. The calculation time is an average value when 10 simulations are performed, and it has been confirmed that the calculation time is effective in the problem of starting and stopping in a large-scale power system of 40 units or more.
[0038]
【The invention's effect】
As described above, according to the present invention, the number of arithmetic units is greatly reduced by aggregating units having similar characteristics into one aggregation unit, and the solution space is reduced, resulting in a smaller initial value dependency. Thus, a good solution can be obtained at high speed.
[Brief description of the drawings]
FIG. 1 is a configuration diagram showing an embodiment of the present invention.
FIG. 2 shows the parameters of each aggregated generator.
FIG. 3 is a unit diagram corresponding to aggregation.
FIG. 4 is an operation unit price diagram.
FIG. 5 is an intelligent mutation operation diagram, (a) before operation and (b) after operation.
6A and 6B are explanatory diagrams of a grain zone, in which FIG. 6A is a grain zone related to start-up costs, and FIG. 6B is a grain zone showing replacement of activation time.
FIG. 7 is a comparison result of calculation time between the present invention and literature.
FIG. 8 is a cost coefficient diagram of each generator.
FIG. 9 is an explanatory diagram of a start / stop schedule.
FIG. 10 is an explanatory diagram of an example of an initial solid.
[Explanation of symbols]
DESCRIPTION OF SYMBOLS 1 ... Data processing apparatus 2 ... Input part 3 ... Display part 4 ... Memory | storage part 5 ... Distribution part 6 ... Reception part 11 ... Control part 12 ... Condition reading part 13 ... Condition setting part 14 ... Unit aggregation part 15 ... Gray zone correction part 16 ... plan evaluation part 17 ... display data creation part 18 ... data storage part

Claims (3)

Consolidating generators of the target power system into multiple units, supplying a predicted load calculated in advance, and creating an operation plan for multiple generator units using a genetic algorithm based on the constraints of the operation plan In
A unit set unit that collects in a unit having similar characteristics among the plurality of units and collects in a new set unit to be operated in units of the set unit;
A generator having a gray zone correction unit that determines output power for each predetermined operation schedule of the new collective unit and adjusts start-up time between individual units in the same collective unit when extra Start / stop plan creation device.   The generator start / stop plan creation according to claim 1, wherein the adjustment within the same collective unit is performed by extending the unit start time by a predetermined time and switching the start cost from the cold start cost to the hot start cost. apparatus. Consolidating generators of the target power system into multiple units, supplying a predicted load calculated in advance, and creating an operation plan for multiple generator units using a genetic algorithm based on the constraints of the operation plan In
Aggregate into a new unit having similar characteristics among the plurality of units and perform the calculation for each set unit, and the calculation result for each set unit, the start time of the set unit when there are too many start units in the same set unit A method for creating a start / stop plan for a generator, characterized in that the start time is switched between units by extending the start time for a predetermined time and switching the start cost from the cold start cost to the hot start cost.

Images