在线滚动优化调度模型制造技术

本发明专利技术提供一种在线滚动优化调度模型，包括优化目标函数和优化约束条件；在线滚动优化调度模型以常规机组的计划出力值pit和风电机组的计划出力值为变量，公式(1)为优化目标函数，而公式(2)、(3)、(4)、(5)为优化约束。根据风电滚动预测结果实时对一天每个时段之后的未来4个小时的发电需求进行滚动修正，从而滚动地修正各个机组的在剩余时段的出力计划，使得机组的总出力与实际发电需求逐级接近，这样便可以降低日前计划的不确定性，保证各个机组的出力计划更加合理，也更加有意义。

【技术实现步骤摘要】

本专利技术属于电力调度
，具体涉及一种在线滚动优化调度模型。
技术介绍
电力系统经济调度指的是在满足网络安全、发电负荷平衡条件下，以最经济的运行成本实现机组间发电负荷的合理分配，且保证对用户可靠供电的一种调度方法。按优化时段的不同，电力系统优化调度问题可以分为两个方面：静态优化调度和动态优化调度。静态优化调度指的是：对电力系统单个运行时间断面的经济负荷优化分配问题。静态优化调度在算法上主要分为两类：以等耗量微增率为基础的经典经济调度及以最优潮流为基础的安全经济调度。由于电力系统是一个持续运行中的动态系统，当系统中出现较大的负荷需求变动时，受发电机调整能力的限制，各个静态调度结果间的可渡越能力无法保证。因此，需要研究经济调度结果的连续可行性问题，即动态经济调度问题。现有的动态调度方案为：通过日前计划系统得到日前计划信息，包括：明日负荷预测信息和明日机组计划出力预测；然后，以日前计划信息为基准，对当前机组实际出力进行调整。然而，上述调度方法具有以下不足：对于制定的日前计划，随着时间的推移，发电需求预测特别是风电出力预测的不确定因素的影响将有所增加，发电需求和风电出力预测的准确度也会逐渐降低。从而影响到机组的计划出力的合理性和实用性。
技术实现思路
针对现有技术存在的缺陷，本专利技术提供一种在线滚动优化调度模型，可有效解决上述问题。本专利技术采用的技术方案如下：本专利技术提供一种在线滚动优化调度模型，包括优化目标函数和优化约束条件；优化目标函数为：其中：i,j分别为常规机组和风电机组的编号，取值范围为i∈[1,N],j∈[1,M]；其中，N为常规机组总数量；M为风电机组总数量；t为时段编号，取值范围为t∈[t0+1,T]；t0为优化起始时段；T为优化时段长度；pit,分别为滚动计划中第i台常规机组和第j台风电机组在第t时段的计划出力值，为第t0时段预测第j台风电机组在第t时段的预测最大功率值；ai,bi,ci为第i台常规机组发电费用的二次项、一次项和常数项系数，而λj为风电机组弃风成本因子；当λj与bi同一量级且取值为正时，可实现最小弃风；优化约束条件包括：(1)机组出力上下界约束条件：其中，pait,piit分别为第i台常规机组在第t时段出力的上界和下界；当某台机组在某一时刻停机时，该机组该时刻的最大出力和最小出力都设为零值；(2)机组爬坡率约束pi,t-1-Δpdit≤pit≤pi,t-1+Δpuit(3)其中：Δpdit,Δpuit为第i台常规机组从第t-1时段到第t时段允许的降出力最大值和升出力最大值；pi,t-1为滚动计划中第i台常规机组在第t-1时段的计划出力值；风电机组没有爬坡率约束的限制；(3)断面潮流安全约束其中的l,L分别表示断面编号和总断面数；gli,分别为第i台常规机组和第j台风电机组对第l断面的灵敏度因子，可以通过直流潮流对应的导纳矩阵获得；TLlt,为断面潮流的最小值和最大值；(4)负荷平衡约束其中，Dt为总计划出力值；在线滚动优化调度模型以常规机组的计划出力值pit和风电机组的计划出力值为变量，公式(1)为优化目标函数，而公式(2)、(3)、(4)、(5)为优化约束。优选的，还包括：对所述优化目标函数进行求解，实时得到常规机组的计划出力值pit和风电机组的计划出力值然后，采用常规机组的计划出力值pit和风电机组的计划出力值滚动地修正各个机组的在剩余时段的日前出力计划，使得机组的总出力与实际发电需求逐级接近。本专利技术提供的在线滚动优化调度模型具有以下优点：根据风电滚动预测结果，实时对一天每个时段之后的未来4个小时的发电需求进行滚动修正，从而滚动地修正各个机组的在剩余时段的出力计划，使得机组的总出力与实际发电需求逐级接近，降低日前计划的不确定性，保证各个机组的出力计划更加合理，也更加有意义。附图说明图1为本专利技术提供的在线滚动优化调度模型的结构示意图；图2为本专利技术提供的拉格朗日对偶问题的求解框架示意图；图3为本专利技术提供的二阶段示意图；图4为本专利技术提供的fiT-1(p)分量曲线图；图5为本专利技术提供的fiT(p)分量曲线图；图6为机组出力最优策略示意图；图7为本专利技术提供的针对特性各异电源的多目标协调优化调度模型的第1种结构示意图；图8为本专利技术提供的针对特性各异电源的多目标协调优化调度模型的第2种结构示意图；图9为本专利技术提供的针对特性各异电源的多目标协调优化调度模型的第3种结构示意图；图10为本专利技术提供的一种具体的实际负荷和计划负荷曲线比对图；图11给出了已定义的各预测概念按预测周期排列的示意图；图12为ACE划分示意图。具体实施方式为了使本专利技术所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。由于风电预测误差随预测时间增大的原因，考虑风电的滚动计划不宜采用太长的时间窗口，考虑到风电场的滚动风电预测结果会每隔15分钟给出未来4个小时的预测值，因此，如果能够根据风电滚动预测结果实时对一天每个时段之后的未来4个小时的发电需求进行滚动修正，从而滚动地修正各个机组的在剩余时段的出力计划，使得机组的总出力与实际发电需求逐级接近，这样便可以降低日前计划的不确定性，保证各个机组的出力计划更加合理，也更加有意义。所以，可以认为滚动计划就是对日前计划不断修正，不断刷新的过程。在滚动计划的制定时，不仅需要考虑节能减排的经济效益，还得保证各机组在剩余时段出力的可行性，包括满足机组爬坡率约束，满足发电-负荷功率平衡约束，网络安全约束等。本专利技术提供一种在线滚动优化调度模型，包括优化目标函数和优化约束条件；在线滚动计划的数学模型的时间跨度为[t0+1,T]，目标是未来一段时间的系统总成本最低，具体可以其中：i,j分别为常规机组和风电机组的编号，取值范围为i∈[1,N],j∈[1,M]；其中，N为常规机组总数量；M为风电机组总数量；t为时段编号，取值范围为t∈[t0+1,T]；t0为优化起始时段；T为优化时段长度；pit,分别为滚动计划中第i台常规机组和第j台风电机组在第t时段的计划出力值，为第t0时段预测第j台风电机组在第t时段的预测最大功率值；ai,bi,ci为第i台常规机组发电费用的二次项、一次项和常数项系数，而λj为风电机组弃风成本因子；当λj与bi同一量级且取值为正时，可实现最小弃风；优化约束条件包括：(1)机组出力上下界约束条件：其中，pait,piit分别为第i台常规机组在第t时段出力的上界和下界；当某台机组在某一时刻停机时，该机组该时刻的最大出力和最小出力都设为零值；(2)机组爬坡率约束pi,t-1-Δpdit≤pit≤pi,t-1+Δpuit(3)其中：Δpdit,Δpuit为第i台常规机组从第t-1时段到第t时段允许的降出力最大值和升出力最大值；pi,t-1为滚动计划中第i台常规机组在第t-1时段的计划出力值；风电机组没有爬坡率约束的限制；(3)断面潮流安全约束其中的l,L分别表示断面编号和总断面数；gli,分别为第i台常规机组和第j台风电机组对第l断面的灵敏度因子，可以通过直流潮流对应的导纳矩阵获得；TLlt,为断面潮流的最小值和最大值；(4)负荷平衡约束其中，Dt为总计划出力值本文档来自技高网...

【技术保护点】
一种在线滚动优化调度模型，其特征在于，包括优化目标函数和优化约束条件；优化目标函数为：其中：i,j分别为常规机组和风电机组的编号，取值范围为i∈[1,N],j∈[1,M]；其中，N为常规机组总数量；M为风电机组总数量；t为时段编号，取值范围为t∈[t0+1,T]；t0为优化起始时段；T为优化时段长度；pit,分别为滚动计划中第i台常规机组和第j台风电机组在第t时段的计划出力值，为第t0时段预测第j台风电机组在第t时段的预测最大功率值；ai,bi,ci为第i台常规机组发电费用的二次项、一次项和常数项系数，而λj为风电机组弃风成本因子；当λj与bi同一量级且取值为正时，可实现最小弃风；优化约束条件包括：(1)机组出力上下界约束条件：其中，pait,piit分别为第i台常规机组在第t时段出力的上界和下界；当某台机组在某一时刻停机时，该机组该时刻的最大出力和最小出力都设为零值；(2)机组爬坡率约束pi,t‑1‑Δpdit≤pit≤pi,t‑1+Δpuit   (3)其中：Δpdit,Δpuit为第i台常规机组从第t‑1时段到第t时段允许的降出力最大值和升出力最大值；pi,t‑1为滚动计划中第i台常规机组在第t‑1时段的计划出力值；风电机组没有爬坡率约束的限制；(3)断面潮流安全约束其中的l,L分别表示断面编号和总断面数；gli,分别为第i台常规机组和第j 台风电机组对第l断面的灵敏度因子，可以通过直流潮流对应的导纳矩阵获得；TLlt,为断面潮流的最小值和最大值；(4)负荷平衡约束其中，Dt为总计划出力值；在线滚动优化调度模型以常规机组的计划出力值pit和风电机组的计划出力值为变量，公式(1)为优化目标函数，而公式(2)、(3)、(4)、(5)为优化约束。...

【技术特征摘要】
1.一种在线滚动优化调度模型，其特征在于，包括优化目标函数和优化约束条件；优化目标函数为：其中：i,j分别为常规机组和风电机组的编号，取值范围为i∈[1,N],j∈[1,M]；其中，N为常规机组总数量；M为风电机组总数量；t为时段编号，取值范围为t∈[t0+1,T]；t0为优化起始时段；T为优化时段长度；pit,分别为滚动计划中第i台常规机组和第j台风电机组在第t时段的计划出力值，为第t0时段预测第j台风电机组在第t时段的预测最大功率值；ai,bi,ci为第i台常规机组发电费用的二次项、一次项和常数项系数，而λj为风电机组弃风成本因子；当λj与bi同一量级且取值为正时，可实现最小弃风；优化约束条件包括：(1)机组出力上下界约束条件：其中，pait,piit分别为第i台常规机组在第t时段出力的上界和下界；当某台机组在某一时刻停机时，该机组该时刻的最大出力和最小出力都设为零值；(2)机组爬坡率约束pi,t-1-Δpdit≤pit≤pi,t-1+Δpuit(3)其中：Δp...

【专利技术属性】
技术研发人员：丁涌，邢海秋，杨金威，
申请(专利权)人：北京恒泰实达科技股份有限公司，
类型：发明
国别省市：北京;11