基于不确定性方法的能效电厂优化配置及厂网规划方法技术

本发明专利技术涉及一种基于不确定性方法的能效电厂优化配置及厂网规划方法，包括以下步骤：1)采用不确定二层规划方法构建能效电厂优化配置与厂网扩展协调规划模型，包括上层规划模型和下层规划模型；2)采用改进自适应遗传算法和等效电量频率法相结合的混合算法求解下层数学模型并进行连通性校验；3)采用改进自适应遗传算法、变精度粗糙集理论和原始对偶内点法相结合的混合算法求解上层数学模型，得到能效电厂优化决策与厂网扩展规划优化决策的协调规划优化方案。与现有技术相比，本发明专利技术具有计算准确、规划简便等优点。

Energy efficient power plant optimal allocation and plant network planning method based on uncertainty method

The invention relates to a method based on the uncertainty of energy efficiency power plant optimization planning method of network configuration and plant, which comprises the following steps: 1) the uncertainty of building energy efficiency power plant optimization and plant coordinated planning model of two layer network expansion planning method, including the upper model and the lower planning planning model; 2) using a hybrid algorithm for solving the mathematical model of the lower improved adaptive genetic algorithm and EEFF method combining and connectivity verification; 3) using the improved adaptive genetic algorithm, and the theory of primal dual interior point method combining the hybrid algorithm to solve the upper model of variable precision rough set, get the optimization of energy efficiency power plant factory and decision network expansion planning scheme optimization and coordination optimization decision the. Compared with the prior art, the present invention has the advantages of accurate calculation and simple planning.

【技术实现步骤摘要】
基于不确定性方法的能效电厂优化配置及厂网规划方法
本专利技术涉及电源规划与电网规划领域，尤其是涉及一种基于不确定性方法的能效电厂优化配置及厂网规划方法。
技术介绍
电力系统的不断发展给电力规划提出了新的要求。长期以来，电源规划与电网规划在研究与实践中常被分开进行，毕竟电源建设和电网建设的主体具有多样性。但是近年来随着“弃风”、“弃光”等问题愈发凸显，电源与电网规划建设的不协调、不匹配开始引发人们的关注与思考。为了更加优化地利用资源、更加低碳而经济地满足用电需求，电源规划与电网规划需要协同考虑、协调进行。目前已有部分专家试图将电源规划与电网规划进行一定程度的结合，从不同角度建立了规划模型。但其中多数研究只是依托于传统的电网规划模型，在其中加入了对风电机组或调节机组的考虑。国际方面，一些研究已经建立了将电源与电网统筹规划的模型。这一问题仍有必要进一步加强研究，特别是需要结合中国风电快速发展与弃风问题凸显的时代背景进行源网协调规划模型的研究。同时，随着国内对电力需求侧节能事业重视程度的不断提高，在电力规划中考虑需求侧节能的必要性日益显现。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种计算准确、规划简便的基于不确定性方法的能效电厂配置及协调规划方法。本专利技术的目的可以通过以下技术方案来实现：一种基于不确定性方法的能效电厂优化配置及厂网规划方法，包括以下步骤：1)采用不确定二层规划方法构建能效电厂优化配置与厂网扩展协调规划模型，包括上层规划模型和下层规划模型；2)采用改进自适应遗传算法和等效电量频率法相结合的混合算法求解下层数学模型并进行连通性校验；3)采用改进自适应遗传算法、变精度粗糙集理论和原始对偶内点法相结合的混合算法求解上层数学模型，得到能效电厂优化决策与厂网扩展规划优化决策的协调规划优化方案。所述的上层规划模型以总投资成本最小为目标函数，目标函数的表达式为：E[F]＝min{E[F1],E[F2],E[F3],...,E[Fh],...,E[FH]}其中，E[Fh]为第h种情形下的投资成本的期望值，E[Gt]为电厂的投资成本的期望值，为切负荷惩罚费用的期望值，为第t阶段电力系统的发电成本的期望值，r为贴现率(％)，1/(1+r)(t-1)Y为资金的折算系数，T为规划周期包含的规划阶段，Y为第t阶段包含的年数，Ω为节点的集合，为第t阶段节点i到j的输电线路单位投资费用(万元/km)，Lij为节点i到j之间的距离，为第h种情形下第t阶段节点i到j之间新建输电线路回数，为第t阶段常规机组的投资成本，为第t阶段能效电厂的投资成本，为第t阶段光伏电站和风电场的投资成本，为第t阶段电力系统的发电成本，为第h种情形下第t阶段正常运行状态下节点i的切负荷量，为第h种情形下第t阶段第s条线路断开的N-1运行状态下节点i的切负荷量，a、b分别为正常状态下的切负荷惩罚系数和N-1状态下的切负荷惩罚系数。所述的上层规划模型的约束条件包括正常运行情况下的潮流约束条件和线路有功潮流约束条件，以及N-1情况下的潮流约束条件、线路有功潮流约束条件和输电线路约束条件。所述的下层规划模型以电厂的投资成本最小为目标函数，目标函数的表达式为：其中，为第t阶段常规机组的投资成本，M为常规电厂机组类型数，CG,m为新建常规发电机组类型为m的单位容量投资成本，PG,m为m型常规机组的容量，为第t阶段新建m型常规机组的台数，为第t阶段能效电厂的投资成本，K为能效电厂机组类型数，CE,k为新建能效电厂类型为k的单位容量投资成本，PE,k为k型能效电厂的容量，为第t阶段新建k型能效电厂的台数，为第t阶段光伏电站和风电场的投资成本，为第t阶段电力系统的发电成本，为第t阶段电力系统的发电成本的期望值，N为第t阶段包含所选择的待建常规电厂的常规机组数目，L为第t阶段包含所选择的待建能效电厂的能效电厂数目，Y为第t阶段包含的年数，为第t阶段第n个常规电厂机组第y年的发电量，IOM&E,n为第n个常规电厂机组的单位运行维修费用，为第t阶段第n个常规电厂机组的动态费用，为第t阶段第l个能效电厂第y年的发电量，IOM,l为第l个能效电厂的单位运行费用，为第t阶段第y年光伏风电的发电量，IOM&PW,n为第n个光伏电站或风电场的单位运行费用，所述的下层规划模型的约束条件包括机组备用容量约束条件、电量约束条件、系统中能效电厂的容量约束条件、新建常规电厂机组台数约束条件以及新建能效电厂机组台数约束条件。所述的下层规划模型的约束条件为：其中，为第t阶段第n个常规电厂机组第h小时的发电量，为第t阶段第l个能效电厂机组第h小时的发电量，为光伏电站和风电场的容量，为第t阶段第h小时的负荷，为第t阶段新建m型常规机组台数，为第t阶段新建m型常规机组的最大台数，为第t阶段新建k型能效电厂数，为第t阶段新建k型能效电厂的最大台数。所述的步骤2)具体包括以下步骤：21)以可扩展线路的回路数作为上层规划模型的变量，通过随机选取确定上层规划模型的试验解作为随机规划方案；22)对随机规划方案进行连通性校验；23)用改进自适应遗传算法计算常规电厂、光伏电站、风电场和EPP的建设费用，并以机组运行信息为参数，使用等效电量频率法计算机组的发电运行费用反馈至上层规划模型。所述的步骤3)具体包括以下步骤：31)将进行连通性校验后的随机规划方案作为初始种群；32)采用改进自适应遗传算法计算线路建设费用，利用内点法计算切负荷惩罚费用，再利用变精度粗糙集理论计算反馈给上层的切负荷惩罚费用，最后得到最优解和最优规划方案。所述的步骤22)中，连通性校验判断的计算式为：其中，为第t阶段节点i到j的输电线路单位投资费用，Lij为节点i到j之间的距离，为第t阶段节点i到j之间新建输电线路回数，E[Gt]为电厂的投资成本的期望值，为切负荷惩罚费用的期望值。所述的改进自适应遗传算法的调整公式为：其中，f为要交叉的两个个体中适应度值较大的一个，M为数值很大的常数，PR,N为N情况下系统切掉的负荷容量，PR,N-1为N-1情况下系统切掉的负荷容量，M为一大数值常数，f′为要变异的个体的适应度值，favg种群的平均适应度值，fmax为种群中最大个体适应度值，Pc1、Pc2、Pm1、Pm2为常数，α为正常运行状态下的切负荷惩罚系数，β为N-1运行状态下的切负荷惩罚系数。与现有技术相比，本专利技术具有以下优点：一、本专利技术采用不确定二层规划方法应用于含能效电厂的输电网不确定性规划中，既能满足系统投资运行成本最小的目标，又能够满足系统的安全性要求。二、本专利技术采用二层规划模型对最优方案进行求解，将复杂的电网规划问题转化成经典的模型，简化电网的同时也增加了求解的简便性。三、增加了对随机产生的规划方案的连通性校验，避免了由于网络不连通而导致的最优方案无法实施的现象，增强了规划的准确性。四、改进的遗传算法中，对交叉操作进行了相似度的计算和交叉临界值的比较，在相似度小于交叉临界值时不进行交叉操作，增加了交叉操作的准确性。五、结合变精度的粗糙集的混合算法，可以比较客观的对问题的不确定性进行描述或处理，增加了计算结果的准确性。附图说明图1为本专利技术的专利技术流程图。图2为本专利技术算法的流程图。图3为IEEE-RTS2本文档来自技高网...

【技术保护点】
一种基于不确定性方法的能效电厂优化配置及厂网规划方法，其特征在于，包括以下步骤：1)采用不确定二层规划方法构建能效电厂优化配置与厂网扩展协调规划模型，包括上层规划模型和下层规划模型；2)采用改进自适应遗传算法和等效电量频率法相结合的混合算法求解下层数学模型并进行连通性校验；3)采用改进自适应遗传算法、变精度粗糙集理论和原始对偶内点法相结合的混合算法求解上层数学模型，得到能效电厂优化决策与厂网扩展规划优化决策的协调规划优化方案。

【技术特征摘要】
1.一种基于不确定性方法的能效电厂优化配置及厂网规划方法，其特征在于，包括以下步骤：1)采用不确定二层规划方法构建能效电厂优化配置与厂网扩展协调规划模型，包括上层规划模型和下层规划模型；2)采用改进自适应遗传算法和等效电量频率法相结合的混合算法求解下层数学模型并进行连通性校验；3)采用改进自适应遗传算法、变精度粗糙集理论和原始对偶内点法相结合的混合算法求解上层数学模型，得到能效电厂优化决策与厂网扩展规划优化决策的协调规划优化方案。2.根据权利要求1所述的一种基于不确定性方法的能效电厂优化配置及厂网规划方法，其特征在于，所述的上层规划模型以总投资成本最小为目标函数，目标函数的表达式为：E[F]＝min{E[F1],E[F2],E[F3],...,E[Fh],...,E[FH]}其中，E[Fh]为第h种情形下的投资成本的期望值，E[Gt]为电厂的投资成本的期望值，为切负荷惩罚费用的期望值，为第t阶段电力系统的发电成本的期望值，r为贴现率(％)，1/(1+r)(t-1)Y为资金的折算系数，T为规划周期包含的规划阶段，Y为第t阶段包含的年数，Ω为节点的集合，为第t阶段节点i到j的输电线路单位投资费用(万元/km)，Lij为节点i到j之间的距离，为第h种情形下第t阶段节点i到j之间新建输电线路回数，为第t阶段常规机组的投资成本，为第t阶段能效电厂的投资成本，为第t阶段光伏电站和风电场的投资成本，为第t阶段电力系统的发电成本，为第h种情形下第t阶段正常运行状态下节点i的切负荷量，为第h种情形下第t阶段第s条线路断开的N-1运行状态下节点i的切负荷量，a、b分别为正常状态下的切负荷惩罚系数和N-1状态下的切负荷惩罚系数。3.根据权利要求1所述的一种基于不确定性方法的能效电厂优化配置及厂网规划方法，其特征在于，所述的上层规划模型的约束条件包括正常运行情况下的潮流约束条件和线路有功潮流约束条件，以及N-1情况下的潮流约束条件、线路有功潮流约束条件和输电线路约束条件。4.根据权利要求1所述的一种基于不确定性方法的能效电厂优化配置及厂网规划方法，其特征在于，所述的下层规划模型以电厂的投资成本最小为目标函数，目标函数的表达式为：其中，为第t阶段常规机组的投资成本，M为常规电厂机组类型数，CG,m为新建常规发电机组类型为m的单位容量投资成本，PG,m为m型常规机组的容量，为第t阶段新建m型常规机组的台数，为第t阶段能效电厂的投资成本，K为能效电厂机组类型数，CE,k为新建能效电厂类型为k的单位容量投资成本，PE,k为k型能效电厂的容量，为第t阶段新建k型能效电厂的台数，为第t阶段光伏电站和风电场的投资成本，为第t阶段电力系统的发电成本，为第t阶段电力系统的发电成本的期望值，N为第t阶段包含所选择的待建常规电厂的常规机组数目，L为第t阶段包含所选择的待建能效电厂的能效电厂数目，Y为第t阶段包含的年数，为第t阶段第n个常规电厂机组第y年的发电量，IOM&E,n为第n个...

【专利技术属性】
技术研发人员：范宏，左路浩，蒋焱彬，刘巧宏，
申请(专利权)人：上海电力学院，
类型：发明
国别省市：上海,31