【技术实现步骤摘要】
本专利技术属于发电机检修领域,尤其是一种发电机组检修计划优化的最小失负荷期望模型计算方法。
技术介绍
风能是可再生、清洁、储量巨大、前景广阔的能源。虽然风电具有众多优势,但是由于风电随机性和间歇性的特点,一般很难对风电机组出力进行精确预测,使得大规模的风电接入对电网安全与稳定造成巨大影响。如果在制定发电机组检修计划时未考虑风电出力随机波动的影响,可能会导致在安排检修时出现上网机组的调峰能力不足、系统可靠性降低,在极端条件下甚至产生失负荷等情况。风电出力的随机性和不稳定性对系统安全带来巨大压力。电力是当代社会最重要的能源,电力的正常供应是国民生活正常有序进行,保持社会稳定进步的最基本保障。电力系统的检修工作直接关乎电力系统运行的可靠性,是电力系统日常工作中的重要一环。
技术实现思路
本专利技术要解决上述现有技术的缺点,提供一种更能保证安全性的发电机组检修计划优化的最小失负荷期望模型计算方法。本专利技术解决其技术问题采用的技术方案:这种发电机组检修计划优化的最小失负荷期望模型计算方法,步骤1:设定粒子个数Np、最大迭代次数M,惯性系数最大值wmax和最小值wmin,学习因子c1,c2,并随机初始化各个粒子的值和速度,其中,粒子分为常规机组部分和风电机组部分:常规机组部分为各机组开始检修时间列向量;风电机组部分为T阶列向量,T为安排检修总时段数,若该风电场在时段t有检修任务,则该T阶列向量的第t个元素为1,否则为0;步骤2:根据各粒子的初始值,通过cplex求解各机组出力,即求解特定发电机组检修计划下的最优出力分配子问题;步骤3:计算各粒子适应值,将适应值最小的粒
【技术保护点】
一种发电机组检修计划优化的最小失负荷期望模型计算方法,其特征是:步骤1:设定粒子个数Np、最大迭代次数M,惯性系数最大值wmax和最小值wmin,学习因子c1,c2,并随机初始化各个粒子的值和速度,其中,粒子分为常规机组部分和风电机组部分:常规机组部分为各机组开始检修时间列向量;风电机组部分为T阶列向量,T为安排检修总时段数,若该风电场在时段t有检修任务,则该T阶列向量的第t个元素为1,否则为0;步骤2:根据各粒子的初始值,通过cplex求解各机组出力,即求解特定发电机组检修计划下的最优出力分配子问题;步骤3:计算各粒子适应值,将适应值最小的粒子设定为初始全局最优解pg,当前各粒子值设为各粒子的初始历史最优解pi;步骤4:更新粒子值和速度,为防止算法过早收敛,当更新过后新产生的粒子一旦与pg相同,该粒子随机跳变为满足约束的任意值;步骤5:通过cplex计算各粒子所代表检修计划下各机组出力,并计算各粒子适应值;步骤6:更新全局最优解pg,各粒子历史最优解pi;步骤7:判断是否达到最大迭代次数,如果没有达到,返回步骤4,如果达到,结束程序并输出全局最优解pg。
【技术特征摘要】
1.一种发电机组检修计划优化的最小失负荷期望模型计算方法,其特征是:步骤1:设定粒子个数Np、最大迭代次数M,惯性系数最大值wmax和最小值wmin,学习因子c1,c2,并随机初始化各个粒子的值和速度,其中,粒子分为常规机组部分和风电机组部分:常规机组部分为各机组开始检修时间列向量;风电机组部分为T阶列向量,T为安排检修总时段数,若该风电场在时段t有检修任务,则该T阶列向量的第t个元素为1,否则为0;步骤2:根据各粒子的初始值,通过cplex求解各机组出力,即求解特定发电机组检修计...
【专利技术属性】
技术研发人员:林洁,吴茵,杨小卫,苗增强,黄柳强,李秋文,巩德军,王刚,孙艳,
申请(专利权)人:广西电网有限责任公司,
类型:发明
国别省市:广西;45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。