基于支撑故障事件约束机组组合的备用优化方法和装置制造方法及图纸

本发明专利技术公开了一种基于支撑故障事件约束机组组合的备用优化方法和装置，所述方法包括以下步骤：步骤1：运行一个基本的机组组合备用优化模型，获取基本机组组合调度结果；步骤2：基于所述调度结果建立投运容量缺失表，计算LOLP，并从中寻找边际事件；步骤3：将边际事件对应的线性约束添加到备用优化模型，得到新的调度结果，返回步骤2，直至结果满足LOLP要求。本发明专利技术考虑了问题中的多重折中，简化了LOLP约束使模型可以精确高效求解。

【技术实现步骤摘要】
基于支撑故障事件约束机组组合的备用优化方法和装置
本专利技术属于旋转备用优化领域，尤其涉及一种基于支撑故障事件约束机组组合的备用优化方法和装置。
技术介绍
旋转备用是电力系统里的一种重要资源。旋转备用主要由联网运行的发电机提供，在规定的时间内能够输入系统中，应对系统中负荷变动以及元件故障事故造成的功率波动，避免系统的失负荷。配置充足的旋转备用能够减少失负荷的可能，改善电力系统的可靠性。但是提供旋转备用会产生一定的费用，因为可能需要新的发电机组接入系统，或强迫正在投入的机组偏离其最佳运行点。因此旋转备用需要科学合理的规划，兼顾系统的经济性与可靠性。传统上，旋转备用的配置采用确定性方法，即按照总负荷和最大在线机组容量的某个比例确定旋转备用数量。这种方法简单易操作，但容易导致备用配置保守或冒进。文献[4]基于存储理论建立备用成本模型，并结合历史数据资料中备用容量利用的概率，运用决策论的算法求解最优备用容量，能在保障系统安全性不变的前提下获得最优经济备用容量。文献[5]从发电系统角度对旋转备用方案进行风险分析，利用效用函数和效用值反映不同类型决策者对旋转备用损益的满意程度，提出旋转备用损益的效用期望值决策模型。这两种备用配置方案更符合经济规律，一定程度上兼顾系统的经济性与可靠性，更适应市场环境下的电力系统。随着新能源的不断接入，系统中的不确定性逐渐增强，这都使的概率性备用优化方法受到进一步的重视。概率性备用优化方法主要包括带可靠性指标约束的优化模型，以及基于成本效益折中的优化模型。带可靠性指标约束的优化模型，指将可靠性指标不超过某一设定值作为约束加入到调度模型中。基于成本效益折中的优化模型，是指将失负荷造成的损失量化后加入到目标函数中，与运行费用一起最小化，这样备用优化能够使系统自动在经济性与可靠性之间取得平衡。但是在量化失负荷损失时，往往需要失负荷价值(valueoflostload，VOLL)信息。该值对结果影响显著，且往往与具体电力系统以及运行状态有关，很难获得一个合理的VOLL。失负荷概率(lossofloadprobability，LOLP)指在给定时间内由于系统中各种扰动造成的用户停电概率。该指标直接反应系统运行的可靠性，概念简单清晰，直观合理。LOLP可以精确表达为发电机的启停状态、出力、输出备用、系统旋转备用、预想事件和预想事件发生概率的函数。LOLP的表达式具有高度非线性和组合特性，不仅包含众多连续变量，还包含大量0/1变量，不仅与调度结果有关，还与所考虑的预想事件场景有关。而场景的数量具有组合特性，规模庞大。当考虑高阶故障和多时段时，即使对较小的系统，计算机内存也很容易耗尽而导致问题无法求解。因此，如何既保证带有LOLP约束的模型能够高效求解，又解决多重折中问题，是本领域技术人员目前迫切解决的技术问题。
技术实现思路
为克服上述现有技术的不足，本专利技术提供了一种基于支撑故障事件约束机组组合的备用优化方法和装置，将高度非线性和组合性的LOLP约束等价转换为一系列线性表达式，仅基于其中部分关键的边际场景对应的约束进行优化，有效提高了备用优化效率。为实现上述目的，本专利技术采用如下技术方案：一种基于支撑故障事件约束机组组合的备用优化方法，包括以下步骤：步骤1：运行一个基本的机组组合备用优化模型，获取基本机组组合调度结果；步骤2：基于所述调度结果建立投运容量缺失表，计算LOLP，并从中寻找边际事件；步骤3：将边际事件对应的线性约束添加到备用优化模型，得到新的调度结果，返回步骤2，直至结果满足LOLP要求。进一步地，所述步骤1中基本的机组组合备用优化模型为不包括LOLP约束的旋转备用优化模型。进一步地，所述投运容量缺失表的行代表机组可能发生的故障事件，列代表缺失容量、故障概率和累计概率。进一步地，LOLP表示为：式中：n为CCOPT的行数，表示t时段机组可能发生的故障事件数；pi,t表示事件i发生的故障概率；bi,t是0/1变量，判断t时段对应故障场景是否出现失负荷，bi,t为1表示该场景如果发生会造成失负荷，bi,t为0表示该场景如果发生不会造成失负荷。进一步地，式中，ΔCCi,t是t时段故障事件i的缺失容量，表示事件中所有机组的功率与备用之和；SSRt为t时段的系统总备用。进一步地，所述边际事件满足边际约束：式中：ΔCCi,t是t时段故障事件i的缺失容量，表示事件中所有机组的功率与备用之和，SSRt为t时段的系统总备用，Ω*表示不会造成失负荷的故障事件，s表示边际事件。进一步地，所述寻找边际事件方法为：在CCOPT中找出第i-1行和第i行，累计概率满足：在CCOPT中行数大于等于i的故障场景造成的LOLP总和不超过LOLPmax，但行数大于等于i-1的故障场景造成的LOLP总和不超过LOLPmax；第i-1行场景为边际场景，与边际场景同类型的故障场景也是边际场景。根据本专利技术的第二目的，本专利技术还公开了一种基于支撑故障事件约束机组组合的备用优化装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行：步骤1：运行一个基本的机组组合备用优化模型，获取基本机组组合调度结果；步骤2：基于所述调度结果建立投运容量缺失表，计算LOLP，并从中寻找边际事件；步骤3：将边际事件对应的线性约束添加到备用优化模型，得到新的调度结果，返回步骤2，直至结果满足LOLP要求。根据本专利技术的第三目的，本专利技术还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行：步骤1：运行一个基本的机组组合备用优化模型，获取基本机组组合调度结果；步骤2：基于所述调度结果建立投运容量缺失表，计算LOLP，并从中寻找边际事件；步骤3：将边际事件对应的线性约束添加到备用优化模型，得到新的调度结果，返回步骤2，直至结果满足LOLP要求。本专利技术的有益效果1、本专利技术基于LOLP约束的备用优化模型，将高度非线性和组合性的LOLP约束等价转换为一系列线性表达式。由于这一系列等效线性约束中大多数属于松弛约束，只需找到少部分关键的边际场景对应的约束即可，仅基于具有代表性的场景约束能够提高备用优化效率。2、本专利技术对于具有代表性的场景约束的UC模型，提出约束添加法求解。具体来说，结合CCOPT，采取迭代的方式，逐次寻找边际场景并作为约束进行优化，直至结果满足LOLP约束。本专利技术考虑了问题中的多重折中，简化了LOLP约束使模型可以精确高效求解。3、本专利技术的优化方法在单时段和多机多时段系统下，都具有较好的准确性和有效性。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。图1为本专利技术基于支撑故障事件约束机组组合的备用优化方法流程图；图2为不同可靠性水平下的备用；图3为不同大小系统的优化所得备用；图4为不同大小系统下用时对比。具体实施方式应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指本文档来自技高网...

【技术保护点】
1.一种基于支撑故障事件约束机组组合的备用优化方法，其特征在于，包括以下步骤：步骤1：运行一个基本的机组组合备用优化模型，获取基本机组组合调度结果；步骤2：基于所述调度结果建立投运容量缺失表，计算LOLP，并从中寻找边际事件；步骤3：将边际事件对应的线性约束添加到备用优化模型，得到新的调度结果，返回步骤2，直至结果满足LOLP要求。

【技术特征摘要】
1.一种基于支撑故障事件约束机组组合的备用优化方法，其特征在于，包括以下步骤：步骤1：运行一个基本的机组组合备用优化模型，获取基本机组组合调度结果；步骤2：基于所述调度结果建立投运容量缺失表，计算LOLP，并从中寻找边际事件；步骤3：将边际事件对应的线性约束添加到备用优化模型，得到新的调度结果，返回步骤2，直至结果满足LOLP要求。2.如权利要求1所述的基于支撑故障事件约束机组组合的备用优化方法，其特征在于，所述步骤1中基本的机组组合备用优化模型为不包括LOLP约束的旋转备用优化模型。3.如权利要求1所述的基于支撑故障事件约束机组组合的备用优化方法，其特征在于，所述投运容量缺失表的行代表机组可能发生的故障事件，列代表缺失容量、故障概率和累计概率。4.如权利要求3所述的基于支撑故障事件约束机组组合的备用优化方法，其特征在于，LOLP表示为：式中：n为CCOPT的行数，表示t时段机组可能发生的故障事件数；pi,t表示事件i发生的故障概率；bi,t是0/1变量，判断t时段对应故障场景是否出现失负荷，bi,t为1表示该场景如果发生会造成失负荷，bi,t为0表示该场景如果发生不会造成失负荷。5.如权利要求4所述的基于支撑故障事件约束机组组合的备用优化方法，其特征在于，式中，...

【专利技术属性】
技术研发人员：王明强，刘源，杨朋朋，韩学山，杨明，王勇，王孟夏，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37