【技术实现步骤摘要】
本专利技术涉及大规模电–气互联系统自动发电控制领域，特别是一种电–气互联系统自动发电控制方法及设备。
技术介绍
1、为缓解能源紧缺与环境压力，各种可再生能源技术快速发展，传统的单一能源集中利用形式正在发生变革，一种新的革命“能源互联网”正在兴起。随着燃气轮机和热电联产等技术的发展，天然气发电比例日益增加，受益于天然气高热值和低排放的优点，天然气在低碳电力中将发挥越来越重要的作用。此外，目前兴起的电转气技术也为电能的大规模存储提供了可能，并有望提高系统对可再生能源的消纳能力。伴随着世界范围内天然气的大规模开采，可以预见，天然气网络将成为能源互联网的基本组成部分，并与电力网络紧密结合，使得电–气互联系统成为能源互联网的基础与过渡。同时，越来越多的新能源和可再生资源被连接到大规模互联电力系统中，但这部分互联电力系统的控制方法任然存在响应速度慢、调节精度低以及调节速度长的问题。
2、因此如今需要一种在加入天然气网络后，平衡大规模互联电力系统中发电机和系统负荷之间的有功功率，且使得电力系统的频率调节能力更加快速和及时的电–气互联系统自动发电控制方法及设备。
技术实现思路
1、本专利技术的目的在于克服现有技术中所存在的响应速度慢、调节精度低以及调节速度长的问题，提供一种电–气互联系统自动发电控制方法及设备。
2、为了实现上述专利技术目的，本专利技术提供了以下技术方案：
3、一种电–气互联系统自动发电控制方法，包括以下步骤：
4、s1：获取所述电–
5、s2：根据所述功率缺额得到所需的总增发电量；
6、s3：将所述总增发电量输入到预训练好的功率分配模型中，得到分配到各个机组的增发电量；
7、s4：根据所述分配到各个机组的增发电量，增发对应发电机组的功率；
8、所述功率分配模型包括约束条件、目标函数以及q矩阵，所述约束条件包括天然气网络约束、电力系统约束以及燃气轮机组约束；所述目标函数以发电成本、气源成本和爬坡成本之和最低为目标；其预训练包括以下步骤：
9、输入样本数据集，通过q学习和内点法进行求解，并将计算过程以及最优解存入所述q矩阵。
10、作为本专利技术的优选方案，所述天然气网络约束包括：天然气潮流约束、气源注入功率约束、节点气压上下限约束以及加压站气压比约束，其表达式如下所示：
11、(a+u)f+w-tτ＝0，
12、
13、
14、
15、其中，a为天然气网络管道—节点关联矩阵；u为加压站—节点关联矩阵；(a+u)为天然气网络的支路—节点关联矩阵；f为支路流量向量；w为节点静流量；t为加压站消耗流量与节点的关联矩阵；τ为加压站消耗流量向量；ns、nn和nc分别为所述电–气互联系统中气源、天然气节点和加压站个数；pgi为天然气节点i中气源的注入功率；pi为天然气节点i的气压；pk/pm为加压站出气口气压与上游天然气节点气压之比；和为气源功率的上下限；和为天然气节点气压的上下限；和为加压站气压比的上下限。
16、作为本专利技术的优选方案，所述电力系统约束包括：电力系统潮流约束，发电机有功出力、无功出力上下限约束，节点电压上下限约束，支路容量约束。
17、
18、
19、
20、
21、
22、
23、
24、其中，ng，nb和nl分别为所述电–气互联系统中发电机、电力节点和电力支路个数；qgii为电力节点i中发电机的无功注入；pdi和qdi分别为电力节点i的有功负荷和无功负荷；gij，bij和θij分别为电力节点i-j之间的电导、电纳和角度；vi为电力节点i的电压；pi为电力支路i流过的有功功率；为机组有功出力上限；和为机组无功出力的上下限，≤vimax和vimin为电力节点电压的上下限，pimax和pimin为电力支路容量的上下限，为第m个发电机基础发电功率；δpm为第m个发电机的发电功率指令。
25、作为本专利技术的优选方案，所述燃气轮机组约束的表达式为：
26、
27、其中，pe和pg分别为电注入功率和天然气注入功率；为燃气轮机发电效率。
28、作为本专利技术的优选方案，所述目标函数以发电成本、气源成本与机组响应调频效率之间的加数最小值，其表达式为：
29、
30、其中，f(x)为目标函数；为第m个发电机基础发电功率；cm为第m个发电机的成本系数；δpm为第m个发电机的发电功率指令；为第m个发电机的最大爬坡速率；t为离散时间序列；δps电网总功率指令；和分别为第m个发电机的调节容量上下限；mg为电网发电机的数目；crate为发电成本爬坡率平衡系数。
31、作为本专利技术的优选方案，所述功率分配模型基于知识迁移q学习+内点法的级联式算法建立，所述预训练包括以下步骤：
32、a、通过上层q学习，将各个发电机组下一时刻的注入有功功率作为控制变量，下层以内点法求解下一时刻机组注入有功功率确定后的多能源系统分配优化问题以及确定各个变量是否在的约束范围内；
33、b、通过知识迁移提高求解效率，求解出分配到各个机组的具体的增发电量；
34、c、将过程及最优解存入初始q矩阵；
35、d、以初始q矩阵为基础以q学习进行优化，并通过迁移学习加速优化收敛，得到最优q矩阵。
36、作为本专利技术的优选方案，所述d步骤采用连续变量转化为二进制数的方法将连续的动作空间离散化，其优化表达式为：
37、
38、其中，为新任务中第i个控制变量对应的初始q矩阵；为前一个优化任务中第i个控制变量对应的最优q矩阵。
39、一种电–气互联系统自动发电控制设备，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一项所述的方法。
40、与现有技术相比，本专利技术的有益效果：
41、1.本专利技术相较于现有的仅采用汽轮机组来进行二次调频实现agc的方式，利用天然气管存容量大、燃气轮机爬坡速率快的特点，通过天然气网络中的天然气管存以及天然气气流量来调节燃气轮机的出力，实现更快速有效率的调节频率，维持系统的频率稳定。
42、2.相对现有的仅考虑发电成本的gcd分配方法，本专利技术同时考虑了气源成本机组的反应速率及爬坡快慢程度优先分配爬坡快的机组承担更多的发电机增发电量，从而实现更快速有效率的调节频率，以及维持系统的频率稳定。
43、3.本专利技术通过采用迁移q算法结合内点法的方式来提前对模型进行训练，使得在真正运行的过程中可以更加及时的计算出gcd的分配结果，快速响应频率调节。
44、4.本专利技术通过在gcd分配过本文档来自技高网...
【技术保护点】
1.一种电–气互联系统自动发电控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种电–气互联系统自动发电控制方法，其特征在于，所述天然气网络约束包括：天然气潮流约束、气源注入功率约束、节点气压上下限约束以及加压站气压比约束，其表达式如下所示：
3.根据权利要求1所述的一种电–气互联系统自动发电控制方法，其特征在于，所述电力系统约束包括：电力系统潮流约束，发电机有功出力、无功出力上下限约束，节点电压上下限约束，支路容量约束。
4.根据权利要求1所述的一种电–气互联系统自动发电控制方法，其特征在于，所述燃气轮机组约束的表达式为：
5.根据权利要求1所述的一种电–气互联系统自动发电控制方法，其特征在于，所述目标函数以发电成本、气源成本与机组响应调频效率之间的加数最小值，其表达式为：
6.根据权利要求1所述的一种电–气互联系统自动发电控制方法，其特征在于，所述功率分配模型基于知识迁移Q学习+内点法的级联式算法建立，所述预训练包括以下步骤：
7.根据权利要求6所述的一种电–气互联系统自动发电控制方法，其特
8.一种电–气互联系统自动发电控制设备，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种电–气互联系统自动发电控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种电–气互联系统自动发电控制方法，其特征在于，所述天然气网络约束包括：天然气潮流约束、气源注入功率约束、节点气压上下限约束以及加压站气压比约束，其表达式如下所示：
3.根据权利要求1所述的一种电–气互联系统自动发电控制方法，其特征在于，所述电力系统约束包括：电力系统潮流约束，发电机有功出力、无功出力上下限约束，节点电压上下限约束，支路容量约束。
4.根据权利要求1所述的一种电–气互联系统自动发电控制方法，其特征在于，所述燃气轮机组约束的表达式为：
5.根据权利要求1所述的一种电–气互联系统自动发电控制方法，其特征在于，所述目标函数以...
【专利技术属性】
技术研发人员：孙强，胡苏凯，陈安记，利家骥，
申请(专利权)人：广东电网有限责任公司，
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。