电力系统的调度优化方法及装置制造方法及图纸

本发明专利技术公开了一种电力系统调度优化方法及装置。通过确定预先设置的多目标优化模型，并基于NSGA‑II算法对多目标优化模型中的第一目标函数和第二目标函数进行优化，得到满足多目标优化模型中的约束条件的Pareto最优解集，Pareto最优解集包括所述第一目标函数和所述第二目标函数中的非劣解。通过上述采用NSGA‑II算法对电网系统调度进行多目标优化，在解决多目标优化的问题上，确认满足所述多目标优化模型中的约束条件的Pareto最优解集，也就是说选取多个目标优化过程中的非劣解，得到折中的优化多目标的最优解。实现不需要牺牲其他目标作为代价，完成当前多目标优化需求的电力系统的经济环境优化调度的目的。

【技术实现步骤摘要】
电力系统的调度优化方法及装置
本专利技术涉及能源
，具体为一种电力系统调度优化方法及装置。
技术介绍
电力系统是包括供电、输电、变电、配电、供电网络的一个复杂的系统，电力系统的优化调度一般是指经济调度，也就是考虑发电机组的经济特性和运行限制的基础上，优化制定出使系统满足运行要求且运行成本最低的发电计划。目前，火电燃煤发电机组作为电力生产的主力军，其污染气体的排放量越来越成为人们关注的焦点问题。在现有技术中，针对火电燃煤发电机组的电力系统进行了环境经济调度优化，是对单目标进行优化。其具体体现在如何控制各机组的启停和出力，使得总的煤耗量达到最小。但随着风电等其他形式的新能源并入电网，在考虑风力发电等新能源形式并网情况下的电力系统环境经济调度也被提上了日程。由于，新能源并网下的经济环境优化调度问题，是一个多目标优化问题，显然传统的单目标优化方法并不适用。因此，目前亟需一种针对多目标优化的电力系统的经济环境优化调度方式。
技术实现思路
有鉴于此，本专利技术实施例提供了一种电力系统的调度优化方法及装置，以解决采用现有的单目标优化方法，无法适用于当前多目标优化需求的电力系统的经济环境优化调度问本文档来自技高网...

【技术保护点】
1.一种电力系统的调度优化方法，其特征在于，包括：确定预先设置的多目标优化模型，所述多目标优化模型为

【技术特征摘要】
1.一种电力系统的调度优化方法，其特征在于，包括：确定预先设置的多目标优化模型，所述多目标优化模型为其中，F(PG，Pw)＝F(PG)+F(Pw)为并网机组的发电成本所对应的第一目标函数，ai、bi、ci为第i台并网机组中的火力发电机组的燃料成本系数，PGi为第i台所述火力发电机组的有功出力，F(Pw)＝Cw×Pw，Pw为并网风电机组的发电功率，Cw表示并网机组中的风电机组构成的风电场每产生一定单位的电能所需要的平均运行维护费用，为所述并网机组中的火力发电机组的污染气体排放量所对应的第二目标函数，αi、βi、γi、ζi、λi为第i台并网机组中的所述火力发电机组的污染物排放量系数，E(PG，Pw)为第一目标函数和第二目标函数的等式约束，I(PG，Pw)为第一目标函数和第二目标函数不等式约束；基于带精英策略的非支配排序的遗传算法NSGA-II对所述多目标优化模型中的第一目标函数和所述第二目标函数进行优化，得到满足所述多目标优化模型中的约束条件的Pareto最优解集，所述Pareto最优解集包括所述第一目标函数和所述第二目标函数中的非劣解。2.根据权利要求1所述的方法，其特征在于，所述多目标优化模型的预先设置的过程包括：计算并得到并网发电机组的发电成本F(PG，Pw)＝F(PG)+F(Pw)，将所述发电成本作为第一目标函数，其中，所述并网发电机组至少包括火力发电机组和风力发电机组，ai、bi、ci为第i台并网机组中的火力发电机组的燃料成本系数，PGi为第i台所述火力发电机组的有功出力，F(Pw)＝Cw×Pw，Pw为并网机组中的风力发电机组的发电功率，Cw表示并网机组中的风力发电机组构成的风电场每产生一定单位的电能所需要的平均运行维护费用；计算并得到所述并网发电机组的污染气体排放量将所述污染气体排放量作为第二目标函数，其中，αi、βi、γi、ζi、λi为第i台并网机组中的所述火力发电机组的污染物排放量系数；确定所述第一目标函数、第二目标函数的等式约束E(PG，Pw)，以及确定所述第一目标函数、第二目标函数的不等式约束I(PG，Pw)；基于所述第一目标函数、第二目标函数，以及所述第一目标函数、第二目标函数的等式约束和不等式约束，构建多目标优化模型3.根据权利要求2所述的方法，其特征在于，所述等式约束包括：系统功率平衡约束其中，PD为系统总负荷需求；所述不等式约束至少包括：火力发电机组出力约束、风力发电机组出力约束、风电穿透功率极限约束和系统旋转备用约束；所述火力发电机组出力约束为PGi,min≤PGi≤PGi,max，其中，PGi,min和PGi,max分别为第i台火电机组最小出力和最大出力；所述风力发电机组出力约束为0≤Pw≤Wav，其中，Wav为所述风力发电机组最大出力；所述风电穿透功率极限约束为0≤Pw≤δw,maxPD；所述系统旋转备用约束为其中，PSR是系统旋转备用容量。4.根据权利要求1-3中的任一项所述的方法，其特征在于，所述基于带精英策略的非支配排序的遗传算法NSGA-II对所述多目标优化模型中的第一目标函数和第二目标函数进行优化，得到满足所述多目标优化模型中的约束条件的Pareto最优解集，包括：获取待优化的并网机组中的风力发电机组的出力，以及所述并网机组中的火力发电机组的有功出力；基于所述风力发电机组的出力和所述火力发电机组的有功出力设置所述多目标优化模型的相关参数，所述相关参数至少包括最优个体系数，最大进化代数，停止代数和/或适应度函数偏差；基于带精英策略的非支配排序的遗传算法NSGA-II设置所述待优化的并网机组的种群规模，并根据所述多目标优化模型中的等式约束和不等式约束生成第一代初始种群P0，所述待优化的并网机组中的风力发电机组和火力发电机组为所述种群规模中的个体；基于所述多目标优化模型中的第一目标函数和第二目标函数，对当代父代种群Pt进行快速非支配排序，并根据所述个体的向量在变量空间中的距离信息计算虚拟距离拥挤度；基于所述NSGA-II中的遗传操作，由所述第一代初始种群P0起始执行遗传操作，得到子种群Qt；合并所述当代种群Pt与所述子种群Qt，得到合并种群Rt；对所述合并种群Rt中的个体进行快速非支配排序和虚拟距离拥挤度的计算，并基于排序和计算结果选择N个个体生成下一代父代种群Pt+1判断所述下一代父代种群Pt+1的代数是否达到最大值；若否，则将所述下一代父代种群Pt+1作为当代父代种群Pt返回执行对当代父代种群Pt进行快速非支配排序，并根据所述个体的向量在变量空间中的距离信息计算虚拟距离拥挤度这一步骤；若是，则确认所述下一代父代种群Pt+1中的个体对应的第一目标函数和第二目标函数的计算值构成满足所述多目标优化模型中的约束条件的Pareto最优解集。5.根据权利要求4所述的方法，其特征在于，所述对当代父代种群Pt进行快速非支配排序，包括：计算所述当代父代种群Pt中每个个体的适应度函数值；基于每个个体对应的适应度函数值，确定个体xj与个体xn之间的支配关系，其中，j＝1，2，…，N，且j≠n；判断是否存在优于所述个体xj的个体xn；若不存在，则确认所述个体xj为非支配个体；若存在，则继续判断是否存在优于所述个体xj+1的个体xn，直至确认所述当代父代种群Pt中的所有非支配个体。6.一种电力系统的调度优化装置，其特征在于，所述调度装置包括：确认单元，用于确定预先设置的多目标优化模型，所述多目标优化模型...

【专利技术属性】
技术研发人员：王文营，李浩，王兴国，闫晓沛，唐广通，李晓光，
申请(专利权)人：国网河北能源技术服务有限公司，国家电网有限公司，国网河北省电力有限公司电力科学研究院，
类型：发明
国别省市：河北,13