基于集群学习的低碳CSP系统协同优化方法及装置制造方法及图纸

本发明专利技术公开的基于集群学习的低碳CSP系统规划与运行协同优化方法及装置，包括：对系统中的CSP机组进行集群分组，获得多个CSP机组组群；通过表示CSP机组组群的在线总容量、启动总容量和关停总容量的三个连续变量，构建CSP机组组群的输出功率约束、爬坡约束、最小在线时间约束、最小离线时间约束和瞬时热功率平衡约束，进而构建低碳CSP系统规划与运行协同优化模型；获取低碳CSP系统中各机组的额定容量；根据各机组的额定容量及构建的低碳CSP系统规划与运行协同优化模型，获取各机组组群的容量配置方案。其中，CSP机组组群各项约束中的变量都是连续的，为完全的线性优化模型，降低了模型计算的复杂度，适用于大规模电力系统长期规划问题的分析。问题的分析。问题的分析。

【技术实现步骤摘要】
基于集群学习的低碳CSP系统协同优化方法及装置


[0001]本专利技术涉及电力系统规划
，尤其涉及基于集群学习的低碳CSP系统协同优化方法及装置。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]为进一步提高电力系统中可再生能源的渗透率，太阳能光热发电（Concentrating solar power, CSP）机组越来越受到人们的广泛关注，因为其不仅能够利用可再生能源发电，还可以有效提高系统的运行灵活性。在本专利技术中，将包含CSP机组等大量可再生能源发电机组的电力系统称之为低碳CSP系统。在对CSP系统进行长期规划问题的年运行成本分析计算时，关于CSP机组建立的模型为混合整数线性规划模型，在对该混合整数线性规划模型进行求解计算时，计算速度较慢。目前，已有一些研究集中在降低规划模型的计算复杂度，以用于长期规划问题的分析，例如通过缩减复杂场景和简化约束条件等方法来减少长期规划问题的计算负担；或从建模的角度出发，采用聚类技术对机组组合公式中相同或相似的机组进行分组，以降低计算复杂度，但是，这些方法均没有改变模型的混合整数性质，导致对模型进行求解时，计算速度仍然较慢。

技术实现思路

[0004]本专利技术为了解决上述问题，提出了基于集群学习的低碳CSP系统协同优化方法及装置，首先对系统中的CSP机组进行组群划分，进而通过表示CSP机组组群的在线总容量、启动总容量和关停总容量的三个连续变量构建CSP机组组群的各项约束，进而构建低碳CSP系统规划与运行协同优化模型，由于构建的CSP机组组群的各项约束中不存在表示单个机组开关状态的二元变量，使得构建的CSP机组组群的各项约束均为完全的线性优化模型，有效降低了低碳CSP系统规划与运行协同优化模型的计算复杂度，在保证模型计算结果精度的同时，可以显著提高计算效率，适用于大规模电力系统长期规划问题的分析，解决了传统优化模型中包含表示单个机组开关状态的二元变量，模型复杂度高，计算效率低的问题。
[0005]为实现上述目的，本专利技术采用如下技术方案：第一方面，提出了基于集群学习的低碳CSP系统协同优化方法，包括：对低碳CSP系统中的CSP机组进行集群分组，获得多个CSP机组组群；通过表示CSP机组组群的在线总容量、启动总容量和关停总容量的三个连续变量，构建CSP机组组群的输出功率约束、爬坡约束、最小在线时间约束、最小离线时间约束和瞬时热功率平衡约束，进而构建低碳CSP系统规划与运行协同优化模型；获取低碳CSP系统中各机组的额定容量；根据各机组的额定容量及构建的低碳CSP系统规划与运行协同优化模型，获取各机组组群的容量配置方案。
[0006]第二方面，提出了基于集群学习的低碳CSP系统协同优化装置，包括：组群划分模块，用于对低碳CSP系统中的CSP机组进行集群分组，获得多个CSP机组组群；模型构建模块，用于通过表示CSP机组组群的在线总容量、启动总容量和关停总容量的三个连续变量，构建CSP机组组群的输出功率约束、爬坡约束、最小在线时间约束、最小离线时间约束和瞬时热功率平衡约束，进而构建低碳CSP系统规划与运行协同优化模型；参数获取模块，用于获取低碳CSP系统中各机组的额定容量；容量配置方案获取模块，用于根据各机组的额定容量及构建的低碳CSP系统规划与运行协同优化模型，获取各机组组群的容量配置方案。
[0007]与现有技术相比，本专利技术的有益效果为：本专利技术在进行低碳CSP系统规划与运行协同优化时，将相邻地理区域内具有相似运行特性的机组进行了集群分组，从而优化机组组群的群体行为，而不是单个机组的行为，并引入表示CSP机组组群的在线总容量、启动总容量和关停总容量的三个连续变量来构建CSP机组组群的各项约束，进而构建低碳CSP系统规划与运行协同优化模型，由于构建的CSP机组组群的各项约束中均不存在表示单个机组开关状态的二元变量，使得构建的CSP机组组群的各项约束为完全的线性优化模型，有效降低了低碳CSP系统规划与运行协同优化模型的计算复杂度，从而克服了传统优化模型中包含表示单个机组开关状态的二元变量，模型计算复杂度较高的问题，提高了计算速度，适用于大规模电力系统长期规划问题的分析。
[0008]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0009]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。
[0010]图1为实施例1公开方法的流程图；图2为CSP机组的结构示意图；图3为CSP机组组群在线总容量的可能值的示意图。
[0011]具体实施方式：下面结合附图与实施例对本专利技术作进一步说明。
[0012]应该指出，以下详细说明都是例示性的，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。
[0013]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出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0014]实施例1在该实施例中，公开了基于集群学习的低碳CSP系统协同优化方法，包括：对低碳CSP系统中的CSP机组进行集群分组，获得多个CSP机组组群；
通过表示CSP机组组群的在线总容量、启动总容量和关停总容量的三个连续变量，构建CSP机组组群的输出功率约束、爬坡约束、最小在线时间约束、最小离线时间约束和瞬时热功率平衡约束，进而构建低碳CSP系统规划与运行协同优化模型；获取低碳CSP系统中各机组的额定容量；根据各机组的额定容量及构建的低碳CSP系统规划与运行协同优化模型，获取各机组组群的容量配置方案。
[0015]进一步的，构建的低碳CSP系统规划与运行协同优化模型以系统总成本最小为目标，以系统的功率平衡约束、备用约束、低碳政策约束、CSP机组组群的输出功率约束、爬坡约束、最小在线时间约束、最小离线时间约束、瞬时热功率平衡约束、CSP机组中储热模块的充放电平衡约束和荷电状态约束为约束条件。
[0016]进一步的，系统总成本包括投资成本、固定运维成本和可变运行成本。
[0017]进一步的，构建的CSP机组组群的输出功率约束为：t时刻各组群的输出功率不小于该组群的最小输出功率，不大于该组群的最大输出功率；其中，CSP机组组群的最小输出功率和最大输出功率分别通过该组群的最小输出功率与该组群在线总容量的比值、该组群的最大输出功率与该组群在线总容量的比值以及该组群的在线总容量获得。
[0018]进一步的，表示CSP机组组群的在线总容量、启动总容量和关停总容量的三个连续变量之间的关系为：CSP机组组群在t时刻的在线总容量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于集群学习的低碳CSP系统协同优化方法，其特征在于，包括：对低碳CSP系统中的CSP机组进行集群分组，获得多个CSP机组组群；通过表示CSP机组组群的在线总容量、启动总容量和关停总容量的三个连续变量，构建CSP机组组群的输出功率约束、爬坡约束、最小在线时间约束、最小离线时间约束和瞬时热功率平衡约束，进而构建低碳CSP系统规划与运行协同优化模型；获取低碳CSP系统中各机组的额定容量；根据各机组的额定容量及构建的低碳CSP系统规划与运行协同优化模型，获取各机组组群的容量配置方案。2.如权利要求1所述的基于集群学习的低碳CSP系统协同优化方法，其特征在于，构建的低碳CSP系统规划与运行协同优化模型以系统总成本最小为目标，以系统的功率平衡约束、备用约束、低碳政策约束、CSP机组组群的输出功率约束、爬坡约束、最小在线时间约束、最小离线时间约束、瞬时热功率平衡约束、CSP机组中储热模块的充放电平衡约束和荷电状态约束为约束条件。3.如权利要求2所述的基于集群学习的低碳CSP系统协同优化方法，其特征在于，系统总成本包括投资成本、固定运维成本和可变运行成本。4.如权利要求2所述的基于集群学习的低碳CSP系统协同优化方法，其特征在于，构建的CSP机组组群的输出功率约束为：t时刻各组群的输出功率不小于该组群的最小输出功率，不大于该组群的最大输出功率；其中，CSP机组组群的最小输出功率和最大输出功率分别通过该组群的最小输出功率与该组群在线总容量的比值、该组群的最...

【专利技术属性】
技术研发人员：吕天光，李竞，孙树敏，杨明，石访，赵浩然，李正烁，于芃，
申请(专利权)人：国网山东省电力公司电力科学研究院，
类型：发明
国别省市：