本发明专利技术涉及一种基于改进NSGA‑III算法的APC指令分解方法,包括:建立虚拟调频机组的最大功率响应量估计模型;建立APC指令分解的多目标优化问题模型;基于虚拟调频机组的最大功率响应量估计模型,使用改进的NSGA‑III算法对APC指令分解的多目标优化问题模型进行求解,得到求解结果并对结果进行分析对比。本发明专利技术对APC指令分解的多目标优化问题进行了详细的建模,兼顾考虑了功率响应成本问题、调控风险成本问题以及调节里程成本问题,这有助于更准确地理解和解决虚拟调频机组内部的APC指令分解问题;本发明专利技术采用信息反馈模型和动态调整的交叉率和变异率对原始NSGA‑III算法进行改进,改进的NSGA‑III算法在处理多目标优化问题方面明显优于传统的方法,从而提高了求解的精度和效率。
【技术实现步骤摘要】
本专利技术涉及调频机组内部apc指令分解,尤其是一种基于改进nsga-iii算法的apc指令分解方法。
技术介绍
1、随着清洁能源在电网中占比不断增加,电力系统正经历着巨大的转变。大型火电发电机逐渐被新能源发电设备、微型燃气机组和聚合商取代,标志着电力系统结构的演变。随着这些新能源设备广泛接入配电系统,如何在多个目标尺度下,在虚拟调频机组内部对高级电网下达的自动功率控制(apc)指令进行有效地分解,成为一个重大挑战。这涉及到在清洁能源时代背景下,实现对电力系统的高效管理,同时确保虚拟调频机组能够最优化地响应电网需求。
2、nsga-iii是一种基于多目标优化的遗传算法,它在nsga-ii的基础上引入了广泛分布参考点机制。这一机制通过保留非支配参考点种群个体,有效地维持了进化过程中的种群多样性。然而,nsga-iii算法在处理三个或更多目标的多目标优化问题时,存在解集在非支配层上分布不均匀的局限性,这容易导致算法陷入局部最优,因此,需要对传统的nsga-iii算法进行改进,以提高其在调频机组内部apc指令分解中的应用效果。
3、现有的调频机组内部apc指令分解技术通常基于固定比例分配或者固定系数决策完成,然而,这些方法在实际应用中存在着调度管理复杂、调频潜力挖掘不充分等问题,且方法不具有鲁棒性,难以实现多个目标需求下的apc指令分解。
4、可见,目前国内外关于调频机组内部apc指令分解技术和多目标优化的遗传算法的研究仍存在诸多挑战和问题。
技术实现思路
1、为解决现有技术存在的调度管理复杂、调频潜力挖掘不充分、方法鲁棒性差等问题,本专利技术的目的在于提供一种能够提高调度管理效率、充分发掘调频机组潜力、避免算法陷入局部最优解的基于改进nsga-iii算法的apc指令分解方法。
2、为实现上述目的,本专利技术采用了以下技术方案:一种基于改进nsga-iii算法的apc指令分解方法,该方法包括下列顺序的步骤:
3、(1)建立虚拟调频机组的最大功率响应量估计模型:所述虚拟调频机组的最大功率响应量估计模型包括风电机组的最大功率响应量估计模型、光伏机组的最大功率响应量估计模型、聚合商的最大功率响应量估计模型、储能的最大功率响应量估计模型和微型燃气轮机的最大功率响应量估计模型;
4、(2)建立apc指令分解的多目标优化问题模型:所述多目标优化问题模型包括功率响应成本模型、调控风险成本模型和调节里程成本模型;
5、(3)基于虚拟调频机组的最大功率响应量估计模型,使用改进的nsga-iii算法对apc指令分解的多目标优化问题模型进行求解,得到求解结果即最优解集,并对求解结果进行分析对比。
6、所述步骤(1)具体包括以下步骤:
7、(1a)建立风电机组的最大功率响应量估计模型:
8、
9、
10、
11、其中,pwt表示风电机组的有功功率输出;vw表示当前风速;表示风电机组的切入风速;表示风电机组的额定风速;表示风电机组的切出风速;表示风电机组额定功率;dwt表示风电机组的减载率,表示风电机组有功输出功率下限;表示风电机组向上功率响应裕度;表示风电机组向下功率响应裕度;
12、风电机组功率响应量δpwt有不等式约束:
13、
14、其中,表示风电机组的上爬坡功率;表示风电机组的下爬坡功率;
15、式(1)至式(4)共同组成风电机组的最大功率响应量估计模型;
16、(1b)建立光伏机组的最大功率响应量估计模型:
17、
18、tc=ta+ctspv (6)
19、
20、
21、其中,ppv表示光伏机组的有功功率输出;npv表示光伏机组中光伏组件数目;表示光伏组件的额定峰值功率;spv表示有效太阳辐照度;α表示功率温度系数;tc表示光伏组件的工作温度;表示标准测量温度;ta表示环境温度;ct表示温度辐照度系数;表示光伏机组向上功率响应裕度;表示光伏机组向下功率响应裕度;dpv表示光伏机组的减载率;
22、光伏机组功率响应量δppv有不等式约束:
23、
24、其中,表示光伏机组的上爬坡功率;表示光伏机组的下爬坡功率;
25、式(5)至式(9)共同组成光伏机组的最大功率响应量估计模型;
26、(1c)建立聚合商的最大功率响应量估计模型:
27、
28、
29、其中,sac,i表示聚合商内部第i类柔性负荷的最大可削减量;nfla表示聚合商内部柔性负荷规模;dfla表示可削减负荷弹性系数;表示聚合商向上功率响应裕度;表示聚合商向下功率响应裕度;
30、聚合商功率响应量δpfla有不等式约束:
31、
32、式(10)至式(12)共同组成聚合商的最大功率响应量估计模型;
33、(1d)建立储能的最大功率响应量估计模型:
34、
35、
36、其中,pe表示储能的额定充、放电功率;soc表示储能电池的荷电状态,kch(soc)表示基于当前储能电池的荷电状态的充电系数;kdisch(soc)表示基于当前储能电池的荷电状态的放电系数;表示储能最大充电功率;表示储能最大放电功率;
37、储能功率响应量δpess有不等式约束:
38、
39、其中,表示储能上爬坡功率;表示储能下爬坡功率;
40、式(13)至式(15)共同组成储能的最大功率响应量估计模型;
41、(1e)建立微型燃气轮机的最大功率响应量估计模型:
42、微型燃气轮机功率响应量δpg有不等式约束:
43、
44、其中,表示微型燃气轮机的下爬坡功率;表示微型燃气轮机的下爬坡功率;
45、式(16)即为微型燃气轮机的最大功率响应量估计模型。
46、所述步骤(2)具体包括以下步骤:
47、(2a)建立功率响应成本模型:
48、
49、其中,表示第i次apc指令分解的功率响应成本;表示第i次apc指令分解的第n台风电机组功率响应成本;表示第i次apc指令分解的第m台光伏机组功率响应成本;表示第i次apc指令分解的聚合商功率响应成本;表示第i次apc指令分解的储能功率响应成本;表示第i次apc指令分解的第k台微型燃气轮机功率响应成本;n表示风电机组规模;m表示光伏机组规模;k表示微型燃气轮机规模;
50、(2b)建立调控风险成本模型:
51、
52、其中,表示第i次apc指令分解的调控风险成本;表示第i次apc指令分解的第n台风电机组调控风险成本;表示第i次apc指令分解的第m台光伏机组调控风险成本;表示第i次apc指令分解的聚合商调控风险成本;表示第i次apc指令分解的本文档来自技高网
...
【技术保护点】
1.一种基于改进NSGA-III算法的APC指令分解方法,其特征在于:该方法包括下列顺序的步骤:
2.根据权利要求1所述的基于改进NSGA-III算法的APC指令分解方法,其特征在于:所述步骤(1)具体包括以下步骤:
3.根据权利要求1所述的基于改进NSGA-III算法的APC指令分解方法,其特征在于:所述步骤(2)具体包括以下步骤:
4.根据权利要求1所述的基于改进NSGA-III算法的APC指令分解方法,其特征在于:所述步骤(3)具体包括以下步骤:
5.根据权利要求4所述的基于改进NSGA-III算法的APC指令分解方法,其特征在于:所述步骤(3a)具体包括以下步骤:
【技术特征摘要】
1.一种基于改进nsga-iii算法的apc指令分解方法,其特征在于:该方法包括下列顺序的步骤:
2.根据权利要求1所述的基于改进nsga-iii算法的apc指令分解方法,其特征在于:所述步骤(1)具体包括以下步骤:
3.根据权利要求1所述的基于改进nsga-iii算法的apc指令分解方法...
【专利技术属性】
技术研发人员:程文娟,孙瑞阳,梁肖,戴长春,王正风,唐昊,张炜,高卫恒,
申请(专利权)人:合肥工业大学,
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。