考虑安全约束机组组合优化加速方法、设备及存储介质技术

本发明专利技术公开了考虑安全约束机组组合优化加速方法、设备及存储介质，属于电力系统考虑安全约束的机组组合优化加速算法领域，通过特征化相应参数进一步设计了SCUC模型，接着，连续生成样本，并在GCN中探索和剪枝，优化相应的加速策略，在本加速策略中，仅保留紧约束，优化二进制变量，减少大规模计算的优化分支，通过加速策略，SCUC的计算效率提高，其在大规模系统中的决策要求获得满足，最后在IEEE30节点和118节点系统中验证所提出的优化加速算法，评估求解的计算时间和最优性，分析实验结果，并与传统求解器比较，GCN实现了性能改进，平均计算速度提高了39.9倍，预测解的相对差距为0.07％和0.16％。0.07％和0.16％。0.07％和0.16％。

【技术实现步骤摘要】
考虑安全约束机组组合优化加速方法、设备及存储介质


[0001]本专利技术属于电力系统考虑安全约束的机组组合优化加速算法领域，具体涉及考虑安全约束机组组合优化加速方法、设备及存储介质。

技术介绍

[0002]随着现在科技的不断发展，考虑安全约束的机组组合(SCUC)问题是电力系统中一个经典的基础研究内容，也是电力系统运行中的一项重要工作；然而，运筹学算法可能会遇到模型复杂、迭代次数巨大、稳定性不足和不准确等问题，考虑到大规模实时调度，收敛时间往往难以满足UC问题的要求，同时，随着未来电力系统的不断发展，下一代SCUC决策工具应有效整合各种复杂功能，包括积极参与能源和辅助服务市场的需求响应，通过各种储能选项，提高对间歇性和挥发性可再生能源的适应能力，为了满足这些需求，SCUC的建模和求解将变得越来越复杂，不足为奇的是，传统的加速方法将日益加剧其算法复杂度，因此，数据驱动和机器学习在人工智能技术中得到了巧妙的应用，本专利技术的目的就是用借助人工智能算法，提高大规模机组组合决策的计算能力和效率。

技术实现思路

[0003]针对现有技术的不足，本专利技术的目的在于提供考虑安全约束机组组合优化加速方法、设备及存储介质。
[0004]本专利技术的目的可以通过以下技术方案实现：考虑安全约束机组组合优化加速方法，方法包括以下步骤：
[0005]在给定具有已知拓扑和线路参数的电网系统基础之上，调用已知拓扑和线路参数的电网系统的区域中的用户历史负荷信息，通过预测和优化机组在一天或一周内的启停状态和日前实时发电调度处理，从而建立考虑安全约束的机组组合SCUC模型，以SCUC模型建立SCUC场景；
[0006]根据建立的SCUC场景的数据特征，将已知电网系统调度信息整合的负载波动数据作为收集的训练数据特征来构造加速策略的输入参数；
[0007]在输入参数的基础上，通过图神经网络多元分类器，用通用的求解器求解不同参数下SCUC问题的MILP混合整数线性规划模型，学习和识别两个数据标签0
‑
1变量和紧约束，并在数据特征和数据标签之间建立映射，形成加速策略；
[0008]训练加速策略，根据输入参数识别紧约束，并通过加速策略输出二进制变量的值，通过图卷积神经网络GCN提取SCUC中潜在的数据特征并做分类，应用加速策略类将SCUC问题简化为仅具有紧约束的线性规划问题，通过探索和剪枝方式优化加速策略训练多元分类器GCN，得到SCUC模型中二进制变量和紧约束的训练结果，进而通过KKT条件求解连续变量的取值进行SCUC的大规模快速决策；
[0009]评估所得的训练结果，基于非线性规划优化理论的Karush
‑
Kuhn
‑
Tucker KKT条件进行最优解计算，并判断最优解是否可行，从而修正得到求解方案；
[0010]对构建的加速策略进行有效性验证和结果分析，着重分析加速策略的计算效率和准确度。
[0011]优选地，所述建立SCUC场景的过程包括以下步骤：
[0012]建立成本最优的目标函数：
[0013][0014]其中，F
i
是发电机组i的发电成本函数，P
it
是发电机i在t时刻的出力，I
it
是发电机i在t时刻的开停机状态，α
i
是启动和设备维护综合成本，SU
it
是发电机i在t时刻的开机成本，SD
it
是发电机i在t时刻的停机成本；
[0015]设置SCUC模型的约束条件：
[0016][0017][0018][0019][0020][0021][0022][0023][0024][0025][0026][0027]其中D
it
是节点i在t时刻的负荷，SR
it
是发电机i在t时刻的旋转备用需求，OR
it
是发电机i在t时刻的运行备用需求，UR
it
是发电机i在t时刻的运行上爬坡系数，DR
it
是发电机i在t时刻的运行下爬坡系，UP
it
是t时刻下的开机机组i，DP
it
是t时刻下的关停机组i，X
on/off,it
是发电机i在t时刻下的最小开停机时间，T
on/off,i
是发电机i的最小开停机时间，PL
t
是t时刻下的线路潮流矩阵，θ
t
是t时刻下的节点电压相角矩阵，V
t
是t时刻下的节点电压幅值矩阵，V
min/max
表示节点电压的最大值和最小值，PL
max
表示线路最大潮流容量限制，f为(1)中表示的目标函数。
[0028]优选地，所述SCUC的约束包括括基本机组组合的约束和传输网络安全约束；设置SCUC模型的约束条件中出现的变量包括系统状态和控制变量；线路潮流、母线电压幅值和母线电压角属于系统状态变量集，通过调整控制变量，即每个发电机组的实际功率输出，来
优化目标值，等式(2)表示系统功率平衡，包括一般UC约束以及系统旋转(3)和运行(4)备用要求、实际发电容量限制(5)、最小开启(6)和关闭(7)时间限制、发电机组爬升(8)和下降(9)限制；考虑到传输网络安全约束，等式(10)表示传输流，而不等式(11)和(12)强制执行传输流限制和总线电压限制。
[0029]优选地，根据建立的SCUC场景的数据特征，提取、发送信号并通过SCUC模型的模拟计算结果收集训练数据包括以下步骤：
[0030]选择SCUC的数据特征
[0031]在SCUC问题中，负荷的变化趋势是重复的且很小，分析表明，系统网络的拓扑和线路参数是预先确定的，不易更改，将系统网络的拓扑和线路参数视为已知的固定值，而用户的负荷需求视为自变量和可变输入参数，因此，选择用户的负荷需求构成SCUC问题的数据特征标签，引入参数优化公式来建立监督学习任务；
[0032]对SCUC模型的数据特征进行抽象和参数化：
[0033]SCUC的参数化公式如下所示：
[0034][0035]其中
[0036]f
i
(b,x)＝w
i
x(j|x(j)＝I
i,t
)p(j|p(j)＝Load
i,t
)
ꢀꢀꢀ
(14)
[0037]约束表达式为：
[0038]g
k
(x,p)≤0,k＝1,...,m
ꢀꢀꢀ
(15)
[0039]其中，x是SCUC中所有整数和连续决策变量的向量，p是负荷需求的串联向量p＝{Systemload}，g
k
(x,p)表示SCUC的第k个约束，m是约束数。
[0040]优选地，根据SCUC的参数化公式，通过给定输入参数p来确定和求解SCUC问题。
[0041]优选地，所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.考虑安全约束机组组合优化加速方法，其特征在于，方法包括以下步骤：在给定具有已知拓扑和线路参数的电网系统基础之上，调用已知拓扑和线路参数的电网系统的区域中的用户历史负荷信息，通过预测和优化机组在一天或一周内的启停状态和日前实时发电调度处理，从而建立考虑安全约束的机组组合SCUC模型，以SCUC模型建立SCUC场景；根据建立的SCUC场景的数据特征，将已知电网系统调度信息整合的负载波动数据作为收集的训练数据特征来构造加速策略的输入参数；在输入参数的基础上，通过图神经网络多元分类器，用通用的求解器求解不同参数下SCUC问题的MILP混合整数线性规划模型，学习和识别两个数据标签0
‑
1变量和紧约束，并在数据特征和数据标签之间建立映射，形成加速策略；训练加速策略，根据输入参数识别紧约束，并通过加速策略输出二进制变量的值，通过图卷积神经网络GCN提取SCUC中潜在的数据特征并做分类，应用加速策略类将SCUC问题简化为仅具有紧约束的线性规划问题，通过探索和剪枝方式优化加速策略训练多元分类器GCN，得到SCUC模型中二进制变量和紧约束的训练结果，进而通过KKT条件求解连续变量的取值进行SCUC的大规模快速决策；评估所得的训练结果，基于非线性规划优化理论的Karush
‑
Kuhn
‑
Tucker KKT条件进行最优解计算，并判断最优解是否可行，从而修正得到求解方案；对构建的加速策略进行有效性验证和结果分析，着重分析加速策略的计算效率和准确度。2.根据权利要求1所述的考虑安全约束机组组合优化加速方法，其特征在于，所述建立SCUC场景的过程包括以下步骤：建立成本最优的目标函数：其中，F
i
是发电机组i的发电成本函数，P
it
是发电机i在t时刻的出力，I
it
是发电机i在t时刻的开停机状态，α
i
是启动和设备维护综合成本，SU
it
是发电机i在t时刻的开机成本，SD
it
是发电机i在t时刻的停机成本；设置SCUC模型的约束条件：设置SCUC模型的约束条件：设置SCUC模型的约束条件：设置SCUC模型的约束条件：设置SCUC模型的约束条件：设置SCUC模型的约束条件：
其中D
it
是节点i在t时刻的负荷，SR
it
是发电机i在t时刻的旋转备用需求，OR
it
是发电机i在t时刻的运行备用需求，UR
it
是发电机i在t时刻的运行上爬坡系数，DR
it
是发电机i在t时刻的运行下爬坡系，UP
it
是t时刻下的开机机组i，DP
it
是t时刻下的关停机组i，X
on/off,it
是发电机i在t时刻下的最小开停机时间，T
on/off,i
是发电机i的最小开停机时间，PL
t
是t时刻下的线路潮流矩阵，θ
t
是t时刻下的节点电压相角矩阵，V
t
是t时刻下的节点电压幅值矩阵，V
min/max
表示节点电压的最大值和最小值，PL
max
表示线路最大潮流容量限制，f为(1)中表示的目标函数。3.根据权利要求2所述的考虑安全约束机组组合优化加速方法，其特征在于，所述SCUC的约束包括括基本机组组合的约束和传输网络安全约束；设置SCUC模型的约束条件中出现的变量包括系统状态和控制变量；线路潮流、母线电压幅值和母线电压角属于系统状态变量集，通过调整控制变量，即每个发电机组的实际功率输出，来优化目标值，等式(2)表示系统功率平衡，包括一般UC约束以及系统旋转(3)和运行(4)备用要求、实际发电容量限制(5)、最小开启(6)和关闭(7)时间限制、发电机组爬升(8)和下降(9)限制；考虑到传输网络安全约束，等式(10)表示传输流，而不等式(11)和(12)强制执行传输流限制和总线电压限制。4.根据权利要求1所述的考虑安全约束机组组合优化加速方法，其特征在于，根据建立的SCUC场景的数据特征，提取、发送信号并通过SCUC模型的模拟计算结果收集训练数据包括以下步骤：选择SCUC的数据特征在SCUC问题中，负荷的变化趋势是重复的且很小，分析表明，系统网络的拓扑和线路参数是预先确定的，不易更改，将系统网络的拓扑和线路参数视为已知的固定值，而用户的负荷需求视为自变量和可变输入参数，因此，选择用户的负荷需求构成SCUC问题的数据特征标签，引入参数优化公式来建立监督学习任务；对SCUC模型的数据特征进行抽象和参数化：SCUC的参数化公式如下所示：其中f
i
(b,x)＝w
i
x(j|x(j)＝I
i,t
)p(j|p(j)＝Load
i,t
)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(14)约束表达式为：g
k
(x,p)≤0,k＝1,...,m
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
其中，x是SCUC中所有整数和连续决策变量的向量，p是负荷需求的串联向量p＝{Systemload}，g
k
(x,p)表示SCUC的第k个约束，m是约束数。5.根据权利要求4所述的考虑安全约束机组组合优化加速方法，其特征在于，根据SCUC的参数化公式，通过给定输入参数p来确定和求解SCUC问题。6.根据权利要求1所述的考虑安全约束机组组合优化加速方法，其特征在于，所述学习和识别两个数据标签的过程包括：在输入参数的基础上，通过通用求解器Gurobi计算收集训练数据，形成网络学习记忆，收集n个输入参数样本P
n
＝{p1,...,p
n
}，通过GCN加速策略，输出策略s(p
i
)对应于带有参数p
i
∈P

【专利技术属性】
技术研发人员：王逸飞，朱彤，颜子恒，
申请(专利权)人：东南大学，
类型：发明
国别省市：