一种风火蓄节能减排机组组合的求解方法技术

本发明专利技术公开了一种风火蓄节能减排机组组合的求解方法，采用分解-协调思想，将风火蓄电力系统机组组合分解为上下两层优化问题，用拉格朗日松弛法将风火蓄电力系统分解为火电子系统、风电子系统和抽水蓄能子系统，上层通过自适应的拉格朗日乘子来协调各个子系统；下层各个子系统采用自适应的遗传算法进行求解。整个优化过程先根据负荷曲线确定风电子系统的出力、抽水蓄能子系统的出力及其能提供的旋转备用，然后再将所得结果分别传递给火电子系统，各个火电子系统在此基础上并行协调分配，确定其相应的启停序列和最优的出力。本发明专利技术可以有效减少风电的弃风、火电机组的调峰耗能和运行成本，进一步提高系统的安全性、鲁棒性与节能减排能力。

【技术实现步骤摘要】

本专利技术属于电网发电计划编制和风火蓄机组节能减排运行、分析与调度
，尤其涉及含风电、抽水蓄能等能源的机组组合求解方法。
技术介绍
电力是关系国计民生的支柱性产业，合理利用发电资源，预先对发电机组的启停和出力进行调度十分必要。近年来随着新能源技术的快速发展，大型风电并网发电已成为世界风能利用的主要形式，有效合理的利用风电是实现电力节能减排的关键。但风电具有随机性和波动性，大量风电并网会增加电力系统控制和调度的难度。抽水蓄能是一种具有启动快、负荷跟踪迅速和快速反应的特殊电源，它既是一个电站也是一个电网管理的工具，是目前电力系统可靠、经济、寿命周期最长和容量最大的储能装置。在建设资源节约型、环境友好型的大环境下，抽水蓄能是目前实现大容量储能的主要途径，是电力工业节能、安全运行及可持续发展不可或缺的组成部分，是提供优质电力的最佳保障。机组组合问题是一个包含整数和连续变量的高维、离散、非凸的混合整数非线性优化问题，包括确定机组启停序列和负荷在机组间的经济分配，其评价标准和具体优化模型一直在不断的发展变化。理论上只有枚举法才能找到最优解，但随着机组数量的增加，会出现组合爆炸问题，从而使得计算时间太长而无法达到实用化。然而由于机组组合可以获得显著的经济及社会效益，所以人们一直在努力探索，以期在满足工程需要的情况下找到机组组合的较优解。电力系统机组组合包含了 2个性质不同但密切联系的问题:一是针对各个具体系统的特点和要求，建立合适的调度模型；二是针对具体模型研究设计有效的求解算法。电力系统机组组合通常被视为一个二层规划问题:下层为离散变量，主要处理机组的开、停机状态，上层为连续变量，主要处理机组的出力分配。由于机组组合是一个高维、非凸的混合整数规划问题，因此许多适用于此类问题的优化算法都能用于机组组合的求解。机组出力分配算法的优劣对机组组合整体求解效果影响较小，因此目前的研究主要集中在机组开、停机状态的求解。除穷举法外，目前求解机组组合的方法主要有: 1.启发式算法。求解简单迅速，已经在实际运行中得到广泛应用。但得到的解往往比较粗糙，在理论研究中可为其它算法提供求解的初值。2.数学类优化算法。这类算法把机组组合问题用数字方程描述出来，然后用解析方法求其最优解，包括混合整数规划法、动态规划法、分支定界法、拉格朗日松弛法和内点法。其中拉格朗日松弛法是研究最活跃的方法之一。拉格朗日松弛法有着成熟理论基础，使用拉格朗日松弛法可以降低维数，简化问题的求解，为构造混合算法提供了一个很好的框架。拉格朗日松弛法适合解决大系统优化问题，由于电力系统机组组合问题具有该算法所要求的特点，使得该算法得到十分广泛的应用。随着机组数的增加，计算量呈近似线性增长，克服了维数障碍，且机组数目越多，计算效果越好，方法灵活，其相关乘子具有实际的物理(经济)意义。但拉格朗日松弛法对乘子的敏感度较高，求解非凸性问题时容易出现收敛振荡现象，需要采取措施加快收敛。3.智能类优化算法。包括专家系统方法、神经网络法、模拟退火、蚁群算法、粒子群算法、免疫算法、禁忌搜索、模糊优化算法和遗传算法等。在智能类优化算法求解机组组合问题时，遗传算法显示出巨大的优势，能够根据具体问题灵活应用，鲁棒性好，对目标函数没有特殊的要求，可以考虑多个约束，能自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程，从而得到全局最优解或准最优解。总体而言，智能类优化算法不能完全保证解的最优性，存在局部最优现象，同时各种智能算法所涉及到的参数是影响其性能的关键因素，如何合理有效的调整算法所用的参数是亟待解决的关键问题。4.混合优化算法。混合优化算法是从结构或操作上有机结合上述各算法的优点，构造出更高效的算法。鉴于机组组合这一问题的复杂性及考虑的约束众多，有时难以采用某一种优化方法进行求解，针对所建立的模型的具体特点，在一定的算法框架下采用不同的优化算法进行求解，最终形成混合优化算法。近年来混合优化算法越来越受到关注，成为主要研究内容之一。混合优化算法的思路大致分为两种，一种是基于拉格朗日松弛法的框架，对分解后的子问题采用不同的优化算法进行求解，再在该算法框架下对子问题的结果进行协调，最终得到最优解或满意解；另一种是从优化算法本身出发形成混合应用，如粒子群算法、遗传算法、神经网络、免疫技术以及模糊技术等的应用。各种算法都有自身的不足，如何吸收各种算法的优点，扬长避短，在收敛性、计算速度与解的质量上得到更好的权衡，构造和发展更为强大的高效混合优化算法是值得研究的问题。总体而言，机组组合问题的模型在不断演变与发展，需要处理的约束越来越多，研究体现节能减排社会实际需求的机组组合模型十分必要；针对目前多数优化算法不能很好地满足越来越复杂多变的机组组合问题的求解要求，且随着系统的规模不断增大，容易出现维数灾、存在计算速度慢和鲁棒性差等问题，需要进一步研究探讨有效求解机组组合问题的算法。
技术实现思路
本专利技术的目的在于针对现有求解方法的不足，提供一种求解考虑风电的随机性和波动性、抽水蓄能的快速调节特性的求解方法，并结合串并行求解策略和多目标的转换方法，本专利技术能有效减少风电的弃风、火电机组的调峰耗能和运行成本，进一步提高系统的安全性、鲁棒性与节能减排能力。本专利技术是通过以下的技术方案来实现:一种基于自适应协同进化算法和串并行结合的风火蓄机组组合求解方法，包括如下步骤: (I)接收电网调度中心得出的系统未来24小时负荷需求数据，接收风电场风电出力大小的预测数据，包括预测风电出力大小和风电出力的上下限区间，接收抽水蓄能电站的相关数据，根据各个发电厂上报的机组特性数据得出各个机组的特性约束。(2)根据第一步接收的数据对风火蓄电力系统节能减排机组组合进行建模，根据运行要求选择目标函数和约束条件，包括等式约束和不等式约束，构成混合整数非线性规划问题； (3)根据上一步产生的混合整数非线性规划问题，得出风火蓄机组组合的节能减排多目标函数和相应约束条件。(4)将上一步的节能减排多目标通过给各个目标赋权重，将多目标问题转化为新的单目标问题(原问题)，并通过权重调节各个目标在节能减排总目标中的重要性。(5)利用优先顺序法根据各机组最小比耗量由小到大排序，确定各时段所对应的满足机组自身约束的初始机组启停序列。初始化拉格朗日乘子和遗传算法(GA)种群，GA种群中包含利用优先顺序法生成的个体。将其作为初始种群的一部分进行进化。(6)通过拉格朗日松弛法将原问题转化为对偶问题，再将风火蓄系统分解为风电子系统、火电子系统和抽水蓄能子系统。(7)下层采用自适应GA求解抽水蓄能、风电和火电子系统。首先根据负荷曲线确定风电子系统的出力、抽水蓄能子系统的出力及其能提供的旋转备用，然后再将所得结果分别传递给火电子系统。上层通过优化拉格朗日乘子在各个子系统在此基础上间并行协调分配，确定其相应的启停序列。采用最优个体保留策略能保证GA每代的进化结果优于优先顺序法所得的组合结果，保证算法的有效性与收敛性，上述求解过程构成自适应协同进化算法和串并行的求解策略。(8)在上述步骤的基础上，求解对偶目标函数值和原问题的可行解，若得不到原问题的可行解，则需要自适应的更新拉格朗日乘子，拉格朗日乘子的更新至关重要。(9)计算节能减本文档来自技高网...

【技术保护点】
一种风火蓄节能减排机组组合的求解方法，包含如下步骤：（1）接收电网调度中心得出的系统未来24小时负荷需求数据，接收风电场风电出力大小的预测数据，包括预测风电出力大小和风电出力的上下限区间，接收抽水蓄能电站的相关数据，根据各个发电厂上报的机组特性数据得出各个机组的特性约束；（2）根据第一步接收的数据对风火蓄电力系统节能减排机组组合进行建模，根据运行要求选择目标函数和约束条件，包括等式约束和不等式约束，构成混合整数非线性规划问题；（3）根据上一步产生的混合整数非线性规划问题，得出风火蓄机组组合的节能减排多目标函数和相应约束条件；（4）通过给上一步的节能减排多目标函数赋权重，将多目标问题转化为新的单目标问题，即原问题，并通过权重调节各个目标在节能减排总目标中的重要性；（5）利用优先顺序法根据各机组最小比耗量由小到大排序，确定各时段所对应的满足机组自身约束的初始机组启停序列；初始化拉格朗日乘子和遗传算法种群，即GA种群，GA种群中包含利用优先顺序法生成的个体，将其作为初始种群的一部分进行进化；（6）通过拉格朗日松弛法将原问题转化为对偶问题，再将风火蓄系统分解为风电子系统、火电子系统和抽水蓄能子系统；（7）下层采用自适应遗传算法求解抽水蓄能子系统、风电子系统和火电子系统：首先根据负荷曲线确定风电子系统的出力、抽水蓄能子系统的出力及其能提供的旋转备用；然后再将所得结果分别传递给火电子系统；上层通过优化拉格朗日乘子在各个子系统在此基础上间并行协调分配，确定其相应的启停序列；采用最优个体保留策略保证GA每代的进化结果优于优先顺序法所得的组合结果，保证算法的有效性与收敛性；?（8）步骤（1）至步骤（7）的求解过程构成自适应协同进化算法和串并行的风火蓄机组组合求解方法；在上述步骤的基础上，求解对偶目标函数值和原问题的可行解，若得不到原问题的可行解，则需要自适应的拉格朗日乘子；（9）计算节能减排下风火蓄机组组合整体目标函数值，并分析是否满足对偶间隙要求，满足对偶间隙的要求，决策者判断节能与减排的目标值是否满意，若不满意则返回第一步；（10）将满足对偶间隙和决策者对节能减排各目标权重要求的最终结果作为电网机组调度的方案，用以调度发电机组的启停机，提高系统整体运行的安全性和节能减排能力。...

【技术特征摘要】
1.一种风火蓄节能减排机组组合的求解方法，包含如下步骤: (1)接收电网调度中心得出的系统未来24小时负荷需求数据，接收风电场风电出力大小的预测数据，包括预测风电出力大小和风电出力的上下限区间，接收抽水蓄能电站的相关数据，根据各个发电厂上报的机组特性数据得出各个机组的特性约束； (2)根据第一步接收的数据对风火蓄电力系统节能减排机组组合进行建模，根据运行要求选择目标函数和约束条件，包括等式约束和不等式约束，构成混合整数非线性规划问题； (3)根据上一步产生的混合整数非线性规划问题，得出风火蓄机组组合的节能减排多目标函数和相应约束条件； (4)通过给上一步的节能减排多目标函数赋权重，将多目标问题转化为新的单目标问题，即原问题，并通过权重调节各个目标在节能减排总目标中的重要性； (5)利用优先顺序法根据各机组最小比耗量由小到大排序，确定各时段所对应的满足机组自身约束的初始机组启停序列；初始化拉格朗日乘子和遗传算法种群，即GA种群，GA种群中包含利用优先顺序法生成的个体，将其作为初始种群的一部分进行进化； (6)通过拉格朗日松弛法将原问题转化为对偶问题，再将风火蓄系统分解为风电子系统、火电子系统和抽水蓄能子系统； (7)下层采用自适应遗传算法求解抽水蓄能子系统、风电子系统和火电子系统:首先根据负荷曲线确定风电子系统的出力、抽水蓄能子系统的出力及其能提供的旋转备用；然后再将所得结果分别传递给火电子系统；上层通过优化拉格朗日乘子在各个子系统在此基础上间并行协调分配，确定其相应的启停序列；采用最优个体保留策略保证GA每代的进化结果优于优先顺序法所得的组合结果，保证算法的有效性与收敛性；` (8)步骤(1)至步骤(7)的求解过程构成自适应协同进化算法和串并行的风火蓄机组组合求解方法；在上述步骤的基础上，求解对偶目标函数值和原问题的可行解，若得不到原问题的可行解，则需要自适应的拉格朗日乘子； (9)计算节能减排下风火蓄机组组合整体目标函数值，并分析是否满足对偶间隙要求，满足对偶间隙的要求，决策者判断节能与减排的目标值是否满意，若不满意则返回第一I K少； (10)将满足对偶间隙和决策者对节能减排各目标权重要求的最终结果作为电网机组调度的方案，用以调度发电机组的启停机，提...

【专利技术属性】
技术研发人员：张晓花，朱正伟，谢俊，刘宏美，
申请(专利权)人：常州大学，
类型：发明
国别省市：