完全分布式的电力系统机组投入配置方法及系统技术方案

本发明专利技术提供了一种完全分布式的电力系统机组投入配置方法及系统，方法包括：构建机组组合模型，划分其约束条件并整理，获得交替方向乘子法迭代式，迭代变量包括原始变量x、原始变量z和对偶变量u；求解本次迭代下每个机组的迭代变量，以及机组组合模型的目标函数值和耦合约束违反度值；判断目标函数值和耦合约束违反度值是否满足第一条件，若满足，记录原始变量x和目标函数值，否则返回求解迭代变量；判断耦合约束违反度值是否满足第二条件，若满足，配置各机组，否则，判断迭代次数是否超出最大值，若超出，配置各机组，否则返回求解迭代变量。本发明专利技术可实现大规模机组组合的完全解耦、分布式计算及隐私保护。

Fully distributed power system unit commitment configuration method and system

The present invention provides a fully distributed power system unit input and system configuration method includes: construction unit commitment model, divide the constraints and consolidation, obtain the iterative alternating direction method of multipliers, the iteration variables including the original variable x, the original variable Z and dual variable U; iterative solution of the variable iteration under each unit, and the objective function value of the unit commitment model and coupling constraint violation value judgment; the value of the objective function and the constraint violation coupling value meets the first condition, if satisfied, a record of the original variable x and objective function value, otherwise it returns the iteration variable; judge coupling constraint violation value meets the second conditions, if meet, each unit configuration, otherwise, judging whether the number of iterations exceeds the maximum value, if exceeded, each unit configuration, otherwise the iteration variable The amount of. The invention can realize the complete decoupling, the distributed calculation and the privacy protection of the large-scale unit combination.

【技术实现步骤摘要】
完全分布式的电力系统机组投入配置方法及系统
本专利技术涉及电力系统领域，尤其涉及一种完全分布式的电力系统机组投入配置方法及系统。
技术介绍
随着电力系统规模的增大和日益加剧的能源危机，人们对电力系统经济性的运行要求越来越高。电力系统机组组合优化对电力系统经济运行、安全调度具有重要影响，它不仅可以节省大量的经济成本，而且通过一定的旋转备用来提高电力系统的可靠性。机组组合优化问题涉及两个子问题，一个是机组组合，用于确定有哪些机组出力；另外一个是经济负荷分配，用于确定需要这些机组出多少力。机组组合优化问题的决策变量不仅涉及表示机组运行状态(运行、停机分别用1,0表示)的离散变量，而且涉及表示机组出力的半连续变量，需要考虑包括功率平衡、旋转备用、最小启停等大量线性、非线性的等式或不等式约束。电力系统的机组组合(UnitCommitment,简称UC)问题需要确定机组在不同的操作约束和环境下每个时间段，不同负载的机组运行计划。复杂的操作限制和非凸性，以及问题的规模，使得大规模的UC问题的解决具有挑战性。现有的解决UC问题的方法包括人工智能(AI)算法和数值优化技术。这些方法大部分是近似方法，并不能实现电力系统机组的完全解耦和分布式计算，尤其对于大规模完全分布式的机组组合问题，求解的复杂度高，且无法保护机组间的隐私。
技术实现思路
本专利技术提供一种完全分布式的电力系统机组投入配置方法及系统，用于解决现有的电力系统机组配置方法不能实现电力系统机组的完全解耦和分布式计算，求解的复杂度高，且无法保护机组间的隐私的问题。本专利技术的第一个方面是提供一种完全分布式的电力系统机组投入配置方法，包括：根据电力系统机组组合中各机组的基础数据，构建机组组合模型，所述基础数据包括：电机组的运行特性数据、负荷预测数据以及各时段的旋转备用数据；对所述机组组合模型的约束条件进行划分，获得第一约束集、第二约束集和第三约束集，所述第一约束集包括机组启动费用、出力、爬坡速率、最小启停时间、初始状态和状态逻辑关系约束，所述第二约束集包括机组功率平衡约束和旋转备用约束，所述第三约束集包括状态和启动变量0-1约束和投影后机组出力和启动费用变量非负约束；根据所述第一约束集、第二约束集和第三约束集，对所述机组组合模型进行整理，并根据整理后的所述机组组合模型，利用交替方向乘子(AlternatingDirectionMethodofMultipliers,ADMM)，获得对应的交替方向乘子法迭代式，所述交替方向乘子法迭代式迭代变量包括原始变量x、原始变量z和对偶变量u；根据所述第一约束集和所述第三约束集，对所述机组组合模型进行解耦，分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量其中k+1为本次上层迭代的次数，i为机组编号；将基于所述第二约束集构建的二次规划问题转化为拉格朗日对偶问题，按照机组对所述拉格朗日对偶问题的目标函数进行解耦，根据每个机组当前的原始变量利用协同ADMM方法，分别完全分布式求解出本次上层迭代下每个机组的原始变量根据每个机组当前的原始变量和原始变量基于所述交替方向乘子法迭代式，求出本次上层迭代下每个机组的对偶变量根据每个机组当前的原始变量求解出本次上层迭代下每个机组的目标函数值和耦合约束违反度值，分别对所述各机组当前的目标函数值和耦合约束违反度值求和，获得本次上层迭代下所述机组组合模型的目标函数值和耦合约束违反度值；判断所述机组组合模型当前的目标函数值和耦合约束违反度值是否满足预设的第一条件，若满足，则记录每个机组当前的原始变量和所述机组组合模型当前的目标函数值，否则返回执行所述分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量的步骤；判断所述机组组合模型当前的耦合约束违反度值是否满足预设的第二条件，若满足，则停止上层迭代，根据每个机组当前的原始变量和所述机组组合模型当前的目标函数值，对所述各机组进行配置，否则，判断本次上层迭代的次数k+1是否超出预设的迭代最大值，若超出，则停止上层迭代，根据每个机组当前的原始变量和所述机组组合模型当前的目标函数值，对所述各机组进行配置，否则返回执行所述分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量的步骤。本专利技术的第二个方面是提供一种完全分布式的电力系统机组投入配置系统，包括：构建模块，用于根据电力系统机组组合中各机组的基础数据，构建机组组合模型，所述基础数据包括：发电机组的运行特性数据、负荷预测数据以及各时段的旋转备用数据；划分模块，用于对所述机组组合模型的约束条件进行划分，获得第一约束集、第二约束集和第三约束集，所述第一约束集包括机组启动费用、出力、爬坡速率、最小启停时间、初始状态和状态逻辑关系约束，所述第二约束集包括机组功率平衡约束和旋转备用约束，所述第三约束集包括状态和启动变量0-1约束和投影后机组出力和启动费用变量非负约束；整理模块，用于根据所述第一约束集、第二约束集和第三约束集，对所述机组组合模型进行整理，并根据整理后的所述机组组合模型，利用交替方向乘子，获得对应的交替方向乘子法迭代式，所述交替方向乘子法迭代式迭代变量包括原始变量x、原始变量z和对偶变量u；第一解耦模块，用于根据所述第一约束集和所述第三约束集，对所述机组组合模型进行解耦，分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量其中k+1为本次上层迭代的次数，i为机组编号；第二解耦模块，用于将基于所述第二约束集构建的二次规划问题转化为拉格朗日对偶问题，按照机组对所述拉格朗日对偶问题的目标函数进行解耦，根据每个机组当前的原始变量利用协同ADMM方法，分别完全分布式求解出本次上层迭代下每个机组的原始变量对偶模块，用于根据每个机组当前的原始变量和原始变量基于所述交替方向乘子法迭代式，求出本次上层迭代下每个机组的对偶变量求解模块，用于根据每个机组当前的原始变量求解出本次上层迭代下每个机组的目标函数值和耦合约束违反度值，分别对所述各机组当前的目标函数值和耦合约束违反度值求和，获得本次上层迭代下所述机组组合模型的目标函数值和耦合约束违反度值；第一判断模块，用于判断所述机组组合模型当前的目标函数值和耦合约束违反度值是否满足预设的第一条件，若满足，则记录每个机组当前的原始变量和所述机组组合模型当前的目标函数值，否则指示所述第一解耦模块再次执行所述分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量的步骤；第二判断模块，用于判断所述机组组合模型当前的耦合约束违反度值是否满足预设的第二条件，若满足，则停止上层迭代，根据每个机组当前的原始变量和所述机组组合模型当前的目标函数值，对所述各机组进行配置，否则，判断本次上层迭代的次数k+1是否超出预设的迭代最大值，若超出，则停止上层迭代，根据每个机组当前的原始变量和所述机组组合模型当前的目标函数值，对所述各机组进行配置，否则指示所述第一解耦模块再次执行所述分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量的步骤。本专利技术提供的完全分布式的电力系统机组投入配置方法及系统，利用电力系统机组组合中各机组的基础数据，构建机组组合模型并对其约束条件集进行划分，利用交替方向乘子法，基于第一约束集和第三约束集，解耦机组组合模型；基于第二约束本文档来自技高网...

【技术保护点】
一种完全分布式的电力系统机组投入配置方法，其特征在于，具有如下步骤：根据电力系统机组组合中各机组的基础数据，构建机组组合模型，所述基础数据包括：发电机组的运行特性数据、负荷预测数据以及各时段的旋转备用数据；对所述机组组合模型的约束条件进行划分，获得第一约束集、第二约束集和第三约束集，所述第一约束集包括机组启动费用、出力、爬坡速率、最小启停时间、初始状态和状态逻辑关系约束，所述第二约束集包括机组功率平衡约束和旋转备用约束，所述第三约束集包括状态和启动变量0‑1约束和投影后机组出力和启动费用变量非负约束；根据所述第一约束集、第二约束集和第三约束集，对所述机组组合模型进行整理，并根据整理后的所述机组组合模型，利用交替方向乘子(Alternating Direction Method of Multipliers,ADMM)，获得对应的交替方向乘子法迭代式，所述交替方向乘子法迭代式迭代变量包括原始变量x、原始变量z和对偶变量u；根据所述第一约束集和所述第三约束集，对所述机组组合模型进行解耦，分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量

【技术特征摘要】
1.一种完全分布式的电力系统机组投入配置方法，其特征在于，具有如下步骤：根据电力系统机组组合中各机组的基础数据，构建机组组合模型，所述基础数据包括：发电机组的运行特性数据、负荷预测数据以及各时段的旋转备用数据；对所述机组组合模型的约束条件进行划分，获得第一约束集、第二约束集和第三约束集，所述第一约束集包括机组启动费用、出力、爬坡速率、最小启停时间、初始状态和状态逻辑关系约束，所述第二约束集包括机组功率平衡约束和旋转备用约束，所述第三约束集包括状态和启动变量0-1约束和投影后机组出力和启动费用变量非负约束；根据所述第一约束集、第二约束集和第三约束集，对所述机组组合模型进行整理，并根据整理后的所述机组组合模型，利用交替方向乘子(AlternatingDirectionMethodofMultipliers,ADMM)，获得对应的交替方向乘子法迭代式，所述交替方向乘子法迭代式迭代变量包括原始变量x、原始变量z和对偶变量u；根据所述第一约束集和所述第三约束集，对所述机组组合模型进行解耦，分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量其中k+1为本次上层迭代的次数，i为机组编号；将基于所述第二约束集构建的二次规划问题转化为拉格朗日对偶问题，按照机组对所述拉格朗日对偶问题的目标函数进行解耦，根据每个机组当前的原始变量利用协同ADMM方法，分别完全分布式求解出本次上层迭代下每个机组的原始变量根据每个机组当前的原始变量和原始变量基于所述交替方向乘子法迭代式，求出本次上层迭代下每个机组的对偶变量根据每个机组当前的原始变量求解出本次上层迭代下每个机组的目标函数值和耦合约束违反度值，分别对所述各机组当前的目标函数值和耦合约束违反度值求和，获得本次上层迭代下所述机组组合模型的目标函数值和耦合约束违反度值；判断所述机组组合模型当前的目标函数值和耦合约束违反度值是否满足预设的第一条件，若满足，则记录每个机组当前的原始变量和所述机组组合模型当前的目标函数值，否则返回执行所述分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量的步骤；判断所述机组组合模型当前的耦合约束违反度值是否满足预设的第二条件，若满足，则停止上层迭代，根据每个机组当前的原始变量和所述机组组合模型当前的目标函数值，对所述各机组进行配置，否则，判断本次上层迭代的次数k+1是否超出预设的迭代最大值，若超出，则停止上层迭代，根据每个机组当前的原始变量和所述机组组合模型当前的目标函数值，对所述各机组进行配置，否则返回执行所述分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量的步骤。2.根据权利要求1所述的方法，其特征在于，所述发电机组的运行特性数据包括发电机组的燃料费用、启动费用、冷启动时间、最小启停时间、机组爬坡速率上界/下界、机组出力上界/下界、机组初始启动状态和出力数据。3.根据权利要求1所述的方法，其特征在于，所述将基于所述第二约束集构建的二次规划问题转化为拉格朗日对偶问题，按照机组对所述拉格朗日对偶问题的目标函数进行解耦，根据每个机组当前的原始变量利用协同ADMM方法，分别完全分布式求解出本次上层迭代下每个机组的原始变量包括：基于所述第二约束集构建二次规划问题，利用拉格朗日对偶函数，将所述二次规划问题转化为所述拉格朗日对偶问题；对所述拉格朗日对偶问题的目标函数的系数矩阵按机组进行解耦，并进行整理，根据所述每个机组当前的原始变量利用协同ADMM方法得到的对偶交替方向乘子法迭代式，计算获得本次下层迭代下的原始变量以及每个机组的原始变量和对偶变量其中为本次下层迭代的次数；判断本次下层迭代下的原始变量和每个机组的原始变量是否满足预设的第三条件，若满足，则停止下层迭代，将本次下层迭代下的原始变量通过二次规划的最优性条件分布式求解出本次上层迭代下每个机组的原始变量否则判断本次下层迭代的次数是否超出预设的迭代最大值，若超出，则停止下层迭代，将本次下层迭代下的原始变量通过二次规划的最优性条件分布式求解出本次上层迭代下每个机组的原始变量否则返回执行所述利用协同ADMM方法得到的对偶交替方向乘子法迭代式，计算获得本次下层迭代下的原始变量以及每个机组的原始变量和对偶变量的步骤。4.根据权利要求3所述的方法，其特征在于，所述第三条件包括：‖pr‖2≤εpri，‖dr‖2≤εdual；其中，其中，εabs＝10-5，εrel＝10-4，N为机组数量，ρ2为下层迭代的罚参数，T为调度总时段数。5.根据权利要求3所述的方法，其特征在于，所述将本次下层迭代下每个机组的原始变量通过二次规划的最优性条件分布式求解出本次上层迭代下每个机组的原始变量包括：

【专利技术属性】
技术研发人员：杨林峰，张婷婷，简金宝，张晨，
申请(专利权)人：广西大学，
类型：发明
国别省市：广西,45