【技术实现步骤摘要】
本专利技术涉及水电站与光伏电站互补发电，特别是涉及一种水光互补电站agc优化方法及系统。
技术介绍
1、随着当今世界经济的快速发展和人类社会对资源的需求不断增加，传统的化石燃料由于有限且不可再生的特点无法长久地满足人们的能源需求，而且增加了大气中温室气体的排放量，对环境造成了很大的破坏，促进了全球气候变暖。将水电站与光伏电站组成联合电源，结合光伏安全可靠无污染与水力发电负荷调节灵活迅速的特点，在光伏发电出力变化时，通过调整水电站出力进行补偿，从而实现水光互补发电，把光伏电能变换成能够被电力系统接收的优质电能，减少弃光量，提高水光互补系统的发电效益。
2、水光互补系统目前存在目标函数较少，边界条件约束内容单调，无法全面对水电站与光伏电站互补发电系统进行优化的问题，最优效益中只涵盖了提高调峰能力和减小出力与负荷需求的偏差，还需综合考虑联合发电的经济效益，约束边界需要增加短时来水预测和光功率预测使互补系统功能更加完备。将短时来水预测和光功率预测作为控制的约束边界，有利于对多约束的求解中快速查找可行解，提高运行速度。
技术实现思路
1、本专利技术的目的是提供一种水光互补电站agc优化方法及系统，以短时来水预测值修订水电站流量约束边界，以短时光功率预测值作为光伏电站出力的约束条件，采用最优效益为目标对水光发电功率进行优化，减少弃光量，提高水光互补系统的调峰能力。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种水电站与光伏电站优化控制方法包括：p>
4、采集水电站与光伏电站的各种运行数据；
5、通过各所述运行数据构建水电站与光伏电站相互配合发电的数学模型，所述数学模型以短时来水预测值修订水电站流量约束边界，以短时光功率预测值作为光伏电站出力的约束条件，采用最优效益为目标；
6、对所述数学模型采用遗传优化算法进行求解，对求解结果进行验证，若求解结果满足约束条件，则输出水电站与光伏电站在调度期的发电曲线，若不满足约束条件，则返回重新求解。
7、可选地，还包括：
8、根据各所述运行数据，设定水电站与光伏电站的出力约束条件，所述出力约束条件包括水电站的出力约束、库容约束、水位约束、发电流量约束与光伏电站的出力约束。
9、可选地，所述水电站的出力约束为：
10、pw，t，min≤pw，t≤pw，t，max
11、其中，pw，t为水电站在第t时段的发电功率；pw，t，min和pw，t，max分别代表水电站在第t时段的发电极限值；
12、水电站的库容约束为：
13、vt，min≤vt≤vt，max
14、其中，vt，min与vt，max代表第t时段的库容下限与上限；
15、水电站的水位约束为：
16、zt，min≤zt≤zt，max
17、其中，zt，min与zt，max代表第t时段的水电站水位的下限与上限；
18、水电站的发电流量约束：
19、qt，min≤qt≤qt，max
20、其中，qt，min与qt，max代表第t时段的流量下限与上限；
21、光伏电站的出力约束为：
22、0≤pp，t≤min(pp，t，max，ps)
23、其中，pp，t表示光伏电站在第t时段的发电功率；pp，t，max表示光伏电站第t时段出力可输出的极限值，ps为光伏发电的装机容量。
24、可选地，所述通过各所述运行数据构建水电站与光伏电站相互配合发电的数学模型，所述数学模型以短时来水预测和光功率预测作为控制的约束边界，采用最优效益为目标，具体包括：
25、根据水电站与光伏电站联合运行发电的原理建立初始数学模型，将调度期内调峰能力最高、调度期内联合出力曲线与计划发电曲线偏差最小和经济收益最大为目标函数，将所述出力约束条件增加水电电量约束、功率平衡约束以及水量约束；
26、通过回归模型的方法对短时来水进行预测，得到短时来水预测模型；以短时来水预测结果作为水电站发电流量极限的约束条件，使水电站的发电流量极限根据短时来水预测实现动态改变；
27、通过lstm神经网络算法进行光伏发电功率预测，得到光伏发电功率预测模型；以光伏发电功率模型预测模型得到调度期内光伏发电功率结果为水光互补多目标优化数学模型光伏电站出力的约束条件，根据不同天气条件，对光伏发电出力输入产生不同的约束程度；
28、将所述短时来水预测模型和所述光伏发电功率预测模型作为控制的约束边界，最优效益为目标函数构建多目标优化数学模型。
29、可选地，所述目标函数为：
30、f1＝max{pw，t+pp，t}t∈[1，w]
31、
32、
33、其中，f1表示水电站的调峰能力，f2表示互补系统出力与发电计划之间的偏差，f3表示互补系统发电的经济效益；
34、水量平衡约束为：
35、vt+1＝vt+(it-qt}δt
36、其中，vt表示水电站的蓄水量，it表示入库流量，qt表示出库流量；
37、功率平衡约束为：
38、pw，t+pp，t≤pp，t
39、水电电量约束为：
40、
41、其中，c为调度期内水量约束下水电所发的电量，据水量调度和电力调度确定为定值。
42、可选地，所述对所述数学模型采用遗传优化算法进行求解，得到求解结果，具体包括：
43、设置遗传算法初始种群参数，以24h为一个调度周期，将水电站的发电水头作为决策变量，采用二进制编码将决策变量用基因型字符串结构数据表示，生成初始种群；
44、计算初始种群中每个个体的适应度函数值，根据所述适应度函数值的大小对个体进行排序，利用轮盘赌的方式选择保留的个体；
45、采用单点交叉和随机变异的方式生成新一代种群；
46、计算新一代种群中个体的适应度函数，根据适应度数值的大小对总体个体进行排序，排除掉适应度数值低的个体，判断是否满足终止条件，若求解结果符合所述终止条件，则输出水电站与光伏电站优化调度图，若不符合则返回重新计算，直到计算结果符合终止条件。
47、一种水光互补电站agc优化方法及系统包括：
48、运行数据采集模块，用于采集水电站与光伏电站的各种运行数据；
49、数学模型建立模块，用于通过各所述运行数据构建水电站与光伏电站相互配合发电的数学模型，所述数学模型以短时来水预测值修订水电站流量约束边界，以短时光功率预测值作为光伏电站出力的约束条件，采用最优效益为目标；
50、数学模型求解验证模块，用于对所述数学模型采用遗传优化算法进行求解，对求解结果进行验证，若求解结果满足约束条件，则输出水电站与光伏电站在调度期的发电曲线，若不满足约束条件，则返回重新求解。
【技术保护点】
1.一种水光互补电站AGC优化方法及系统，其特征在于，包括：
2.根据权利要求1所述的一种水光互补电站AGC优化方法及系统，其特征在于，还包括：
3.根据权利要求2所述的一种水光互补电站AGC优化方法及系统，其特征在于，所述水电站的出力约束为：
4.根据权利要求3所述的一种水光互补电站AGC优化方法及系统，其特征在于，所述通过各所述运行数据构建水电站与光伏电站相互配合发电的数学模型，所述数学模型以短时来水预测值修订水电站流量约束边界，以短时光功率预测值作为光伏电站出力的约束条件，采用最优效益为目标，具体包括：
5.根据权利要求4所述的一种水光互补电站AGC优化方法及系统，其特征在于，所述目标函数为：
6.根据权利要求1所述的一种水光互补电站AGC优化方法及系统，其特征在于，所述对所述数学模型采用遗传优化算法进行求解，得到求解结果，具体包括：
7.一种水光互补电站AGC优化方法及系统，其特征在于，包括：
8.根据权利要求7所述的一种水光互补电站AGC优化方法及系统，其特征在于，还包括：
【技术特征摘要】
1.一种水光互补电站agc优化方法及系统，其特征在于，包括：
2.根据权利要求1所述的一种水光互补电站agc优化方法及系统，其特征在于，还包括：
3.根据权利要求2所述的一种水光互补电站agc优化方法及系统，其特征在于，所述水电站的出力约束为：
4.根据权利要求3所述的一种水光互补电站agc优化方法及系统，其特征在于，所述通过各所述运行数据构建水电站与光伏电站相互配合发电的数学模型，所述数学模型以短时来水预测值修订水电站流量约束边界，以短时光功率预测...
【专利技术属性】
技术研发人员：李锋，李峰，谌洪江，郑磊，陈永涛，杨荣杰，周伟，王洪祥，覃汉倦，谢朝军，姜飞，李冰欣，
申请(专利权)人：贵州北盘江电力股份有限公司董箐分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。