国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種風水火短期聯(lián)合優(yōu)化調(diào)度方法與流程

      文檔序號:11873965閱讀:370來源:國知局
      一種風水火短期聯(lián)合優(yōu)化調(diào)度方法與流程
      本發(fā)明涉及節(jié)能發(fā)電調(diào)度
      技術(shù)領域
      ,特別涉及一種風水火短期聯(lián)合優(yōu)化調(diào)度方法。
      背景技術(shù)
      :長期以來,我國以火力發(fā)電為主的電力系統(tǒng)格局決定了傳統(tǒng)的高能耗和高排放的電力工業(yè)發(fā)展模式?!笆晃濉逼陂g,我國提出了調(diào)整能源結(jié)構(gòu)戰(zhàn)略,積極推進風電等清潔能源供應,改革現(xiàn)行發(fā)電調(diào)度方式,開展節(jié)能發(fā)電調(diào)度,以改變過度依賴煤炭能源的局面。節(jié)能發(fā)電調(diào)度將綜合考慮節(jié)能、環(huán)保、經(jīng)濟等因素,在保障電力可靠供應的前提下,優(yōu)先調(diào)度風能、太陽能、生物質(zhì)能等清潔可再生發(fā)電資源,最大限度地減少能源消耗和污染物排放。近年來,隨著我國政府對新能源開發(fā)的扶持力度、鼓勵措施不斷加強,我國并網(wǎng)風電裝機容量與風電發(fā)電量保持較快速度增長,與此同時,風電的隨機間歇性以及預測準確性不高給基于電源可控性和負荷可預測性的發(fā)電計劃制定帶來的影響愈加凸顯,增加了電網(wǎng)調(diào)度的難度。為此,在努力提高風電功率的預測精度以降低風電隨機性對電網(wǎng)調(diào)度帶來的不確定性影響的同時,亟需開展水電、火電、風電等多種能源類型的聯(lián)合優(yōu)化調(diào)度,以降低風電的功率波動對電網(wǎng)的影響,維持電網(wǎng)的穩(wěn)定運行。鑒于我國火電所占比重較大,而水電具有清潔環(huán)保、運行方式靈活、負荷調(diào)節(jié)速度迅速等優(yōu)點,協(xié)同優(yōu)化調(diào)度火電、水電以經(jīng)濟地消納風電的風水火聯(lián)合優(yōu)化調(diào)度方法的研究具有重要的理論與現(xiàn)實意義。因此,希望有一種風水火短期聯(lián)合優(yōu)化調(diào)度方法可以克服或至少減輕現(xiàn)有技術(shù)的上述缺陷。技術(shù)實現(xiàn)要素:本發(fā)明的目的在于提供一種風水火短期聯(lián)合優(yōu)化調(diào)度方法來克服或至少減輕現(xiàn)有技術(shù)的上述缺陷。為了達到上述目的,本發(fā)明的一種風水火短期聯(lián)合優(yōu)化調(diào)度方法包括風水火短期聯(lián)合優(yōu)化調(diào)度的數(shù)學模型和模型求解;所述風水火短期聯(lián)合優(yōu)化調(diào)度的數(shù)學模型是根據(jù)節(jié)能發(fā)電調(diào)度的原則,在風水火發(fā)電系統(tǒng)的協(xié)調(diào)調(diào)度系統(tǒng)中制定電力系統(tǒng)短期調(diào)度計劃時,風電優(yōu)先全額并網(wǎng),風電將不再作為優(yōu)化變量出現(xiàn)在模型中,梯級水電站以周期內(nèi)發(fā)電量最大以及剩余負荷峰谷差最小為目標進行優(yōu)化,火電以運行成本最低、排污量最小為目標進行優(yōu)化調(diào)度;所述風水火短期聯(lián)合優(yōu)化調(diào)度的模型求解是根據(jù)節(jié)能發(fā)電調(diào)度的原則,在制定電力系統(tǒng)短期調(diào)度計劃時,風電優(yōu)先全額并網(wǎng),然后進行水火電的分步優(yōu)化。即先由梯級水電制定水電機組的發(fā)電計劃,在此基礎上,再進一步安排火電出力計劃。由于火電優(yōu)化調(diào)度模型涉及的機組組合與多目標動態(tài)優(yōu)化,考慮模型的復雜性及多目標優(yōu)化問題中算法易陷入局部最優(yōu)和效率問題,所述風水火短期聯(lián)合優(yōu)化調(diào)度的火電調(diào)度模型求解采用兩階段優(yōu)化調(diào)度方法進行求解:第一階段尋求機組的最優(yōu)組合狀態(tài),第二階段在機組組合方式確定的前提下進行機組間的多目標負荷優(yōu)化分配。優(yōu)選地,所述風水火短期聯(lián)合優(yōu)化調(diào)度的數(shù)學模型為:1)建立梯級水電調(diào)度周期內(nèi)發(fā)電量模型、扣除梯級水電發(fā)電后的剩余負荷峰谷差模型、火電系統(tǒng)運行成本模型和火電系統(tǒng)污染物排放量模型:①所述梯級水電調(diào)度周期內(nèi)發(fā)電量模型為:maxf1=Σt=1TΣj=1NHPHj,t,]]>其中f1為梯級水電調(diào)度周期內(nèi)發(fā)電量,i=1,2,...,T,T為日調(diào)度總時段數(shù);本發(fā)明中取T=24;NH為梯級水電站總數(shù);PHj,t為梯級水電站j在t時段的發(fā)電量;②所述扣除梯級水電發(fā)電后的剩余負荷峰谷差模型為:minf2=max(PDt-Σj=1NHPHj,t)-min(PDt-Σj=1NHPHj,t)]]>其中f2為扣除梯級水電發(fā)電后的剩余負荷峰谷差,PDt為系統(tǒng)t時段的負荷值;③所述火電系統(tǒng)運行成本模型為:minf3=Σt=1TΣi=1NGuit(ai+biPGi,t+ciPGi,t2)]]>其中f3為火電系統(tǒng)運行成本,NG為系統(tǒng)內(nèi)火電機組臺數(shù),uit為火電機組i在t時段的開停機狀態(tài),1表示開機,0表示停機,PGi,t為第i臺火電機組在t時段的有功功率,ai,bi,ci為第i臺火電機組煤耗特性參數(shù);④所述火電系統(tǒng)污染物排放量模型為:minf4=Σt=1TΣi=1NGuit[αi+βiPGi,t+γiPGi,t2+ηiexp(δiPGi,t)]]]>其中f4為火電系統(tǒng)污染物排放量,αi,βi,γi,ηi,δi為第i臺火電機組排污特性參數(shù);2)確定所述梯級水電調(diào)度周期內(nèi)發(fā)電量模型、扣除梯級水電發(fā)電后的剩余負荷峰谷差模型、火電系統(tǒng)運行成本模型和火電系統(tǒng)污染物排放量模型的約束條件,所述約束條件包括系統(tǒng)約束、火電機組約束和水電機組約束:①系統(tǒng)約束包括功率平衡約束和旋轉(zhuǎn)備用容量約束:a)所述功率平衡約束為:Σi=1NGuitPGi,t+Σj=1NHPHj,t+Σk=1NWPWk,t=PDt,]]>其中PWk,t為第k個風電場t時段的輸出功率,NW為系統(tǒng)內(nèi)風電場總數(shù);b)所述旋轉(zhuǎn)備用容量約束分為系統(tǒng)向上的旋轉(zhuǎn)備用容量約束和系統(tǒng)向下的旋轉(zhuǎn)備用容量約束,所述系統(tǒng)向上的旋轉(zhuǎn)備用容量約束為:Σi=1NGuitRGi,tu+Σj=1NHRHj,tu=(Σk=1NWPWk,t)ku%+PDtL%]]>所述系統(tǒng)向下的旋轉(zhuǎn)備用容量約束為:Σi=1NGRGi,td+Σj=1NHRHj,td=(Σk=1NWPWk,t)kd%,]]>其中和分別為第i臺火電機組和第j座梯級水電站t時段所提供的上備用容量,和分別為第i臺火電機組和第j座梯級水電站t時段所提供的下備用,ku和kd為風電波動系數(shù),L為系統(tǒng)波動系數(shù);②火電機組約束包括火電出力上下限約束、火電機組爬坡速率約束和火電機組最小開停機時間約束:a)所述火電機組出力上下限約束為PGi,min≤PGi,t≤PGi,max,PGi,min和PGi,max為第i臺火電機組出力下限和上限;b)所述火電機組爬坡速率約束為:PGi,t-PGi,t-1≤vGi,upT1和PGi,t-1-PGi,t≤vGi,downT1,vGi,up和vGi,down為第i臺火電機組向上和向下爬坡速率,T1=1;c)所述火電機組最小開停機時間約束為和分別為第i臺機組最小運行時間和停運時間;③水電機組約束包括水電廠水量平衡約束、水電廠庫容約束、水電廠發(fā)電流量約束、水電廠調(diào)度周期始末庫容約束和水電廠發(fā)電功率約束:a)所述水電廠水量平衡約束為:VHj,t=VHj,t-1+IHj,t-QHj,t+Σm∈MQHm,t-τ(m,j),]]>VHj,t,IHj,t和QHj,t分別為水電廠j在時段t的水庫庫容、自然入流量和發(fā)電流量,M為直接位于水庫j上游的水庫集合,τ(m,j)為從水庫m到水庫j的水流流達時間;b)所述水電廠庫容約束為VHj,min≤VHj,t≤VHj,max,VHj,min和VHj,max分別為梯級水電站j的水庫庫容下限和上限;c)所述水電廠發(fā)電流量約束為QHj,min≤QHj,t≤QHj,max,QHj,min和QHj,max分別為梯級水電站j的發(fā)電流量下限和上限;d)所述水電廠調(diào)度周期始末庫容約束為VHj,0=Vini,j;VHj,T=Vend,j,Vini,j和Vend,j分別為梯級水電站j調(diào)度周期的始、末庫容;e)所述水電廠發(fā)電功率約束為PHj,min≤PHj,t≤PHj,max,其中,水電廠出力與水流量的轉(zhuǎn)換關(guān)系為:PHj,t=c1jVHj,t2+c2jQHj,t2+c3jVHj,tQHj,t+c4jVHj,t+c5jQHj,t+c6j,參數(shù)c1j,c2j,c3j,c4j,c5j,c6j分別為梯級水電站j的發(fā)電系數(shù),PHj,min和PHj,max分別為水電機組j允許的最小及最大出力。優(yōu)選地,火電與水電共同應對系統(tǒng)具有負荷波動和風電的隨機間歇性的特點,針對火電優(yōu)化調(diào)度模型涉及的機組組合與多目標動態(tài)優(yōu)化,考慮模型的復雜性及多目標優(yōu)化問題中算法易陷入局部最優(yōu)和效率問題,所述風水火短期聯(lián)合優(yōu)化調(diào)度的模型求解包括兩階段優(yōu)化調(diào)度方法進行求解:第一階段尋求機組的最優(yōu)組合狀態(tài),第二階段在機組組合方式確定的前提下進行機組間的多目標負荷優(yōu)化分配。優(yōu)選地,所述第一階段尋求機組的最優(yōu)組合狀態(tài)是根據(jù)機組的最小比耗量與其最大輸出功率的比值建立發(fā)電序位表,綜合指標小的機組優(yōu)先投入運行,根據(jù)發(fā)電序位表,采用啟發(fā)式搜索確定一種新的火電機組組合方式,機組組合方式確定原則為:Σi=1N-1PGi,max<Pdt,Σi=1NPGi,max>PdtPdt=PDt(1+L%)+(Σk=1NWPWk,t)ku%-Σk=1NWPWk,t-Σj=1NHPHj,t]]>所述啟發(fā)式搜索流程步驟為:(1)根據(jù)機組最小比耗量和機組最大輸出功率建立機組發(fā)電序位表;(2)根據(jù)負荷需求投入前N臺機組;(3)判斷是否滿足負荷平衡,若滿足負荷平衡則得到第t時段機組組合方式,否則,啟動第N+1臺機組令N=N+1并返回判斷是否滿足負荷平衡;(4)判斷所求t時段是否在當前運行時段T之后,若是則得到機組組合方式的初始解,否則轉(zhuǎn)回步驟(2);(5)對得到的機組進行最小啟停時間修正,修正原則為:a)如果某時段有機組在不足停機時間的情況下要求啟動,即機組未達到最小停機時間,那么該時段剔除未達到最小停機時間的機組,逐次增加發(fā)電序位表中未投入運行且排序靠前的機組,直至滿足負荷平衡;b)如果某時段機組在不足開機時間間隔的情況下就停止運行,即機組未達到最小開機時間,那么該時段機組不允許停機,直至滿足最小開機時間;c)檢查經(jīng)修正的機組組合方式中是否存在冗余機組,若存在則予以剔除,從而得到最終的機組組合方式;(6)得到最終機組組合方式。優(yōu)選地,所述第二階段在機組組合方式確定的前提下進行機組間的多目標負荷優(yōu)化分配包括:(1)根據(jù)建立的所述發(fā)電序位表和扣除水電發(fā)電量后的日負荷分配火電機組間的備用容量和負荷;①所述備用容量分配原則為:優(yōu)化分配火電機組所承擔的備用容量,使得其完成備用容量負荷所需時間最短,以及時彌補負荷預測誤差和風電預測偏差,確保電力系統(tǒng)的穩(wěn)定運行。t時段,第i臺火電機組所承擔的上備用容量和下備用容量計算公式為:RGi,tu=uitvGi,up(Rtu/Σi=1NGuitvGi,up)RGi,td=uitvGi,down(Rtd/Σi=1NGuitvGi,down);]]>②所述火電機組間的負荷分配原則為:各時刻機組承擔的備用容量分配結(jié)束后,機組剩下的容量即為參加優(yōu)化調(diào)度的容量,故對機組承擔備用容量后的出力上下限值進行修正。t時段,第i臺火電機組實際出力的上下限為PGi,tmax=PGi,max-RGi,tuPGi,tmin=PGi,min+RGi,td;]]>(2)對模型中多重目標函數(shù)的處理采用基于單目標思路的多目標求解方法,使用分目標乘除法將多目標問題轉(zhuǎn)化為單目標問題,采用自適應免疫疫苗算法求解出上述整體風水火短期聯(lián)合優(yōu)化調(diào)度模型的最優(yōu)解,所述自適應免疫疫苗算法的流程如下:①設置優(yōu)化算法的參數(shù);②隨機生成初始種群;③計算抗體適應度;④根據(jù)抗體的適應度,選取部分優(yōu)秀抗體復制到記憶細胞,并對優(yōu)秀抗體進行疫苗提取操作;⑤執(zhí)行復制和自適應交叉、變異操作;⑥隨機選取一定比例抗體進行疫苗接種;⑦進行種群和記憶細胞的更新;⑧終止條件判定,若當前群體中包含最佳個體,則算法停止運行并輸出結(jié)果;否則轉(zhuǎn)回到③。本發(fā)明的風水火短期聯(lián)合優(yōu)化調(diào)度方法以實現(xiàn)電力系統(tǒng)中水電綜合效益最大為目標,改變了過度依賴煤炭能源的局面,最大限度地減少了能源的消耗和污染物的排放量。附圖說明:圖1是風水火短期聯(lián)合優(yōu)化調(diào)度方法中風水火聯(lián)合優(yōu)化的流程圖。圖2是風水火短期聯(lián)合優(yōu)化調(diào)度方法中火電機組組合方式的啟發(fā)式搜索流程圖。圖3是風水火短期聯(lián)合優(yōu)化調(diào)度方法中自適應免疫疫苗算法流程圖。圖4是風水火短期聯(lián)合優(yōu)化調(diào)度方法中系統(tǒng)負荷和風電功率預測值數(shù)據(jù)圖。圖5是風水火短期聯(lián)合優(yōu)化調(diào)度方法中梯級水電各時段的出力數(shù)據(jù)圖。圖6是風水火短期聯(lián)合優(yōu)化調(diào)度方法中加入梯級水電前后,火電系統(tǒng)各時段投入臺數(shù)對比數(shù)據(jù)圖。具體實施方式:為使本發(fā)明實施的目的、技術(shù)方案和優(yōu)點更加清楚,下面將結(jié)合本發(fā)明實施例中的附圖,對本發(fā)明實施例中的技術(shù)方案進行更加詳細的描述。在附圖中,自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。所描述的實施例是本發(fā)明一部分實施例,而不是全部的實施例。下面通過參考附圖描述的實施例是示例性的,旨在用于解釋本發(fā)明,而不能理解為對本發(fā)明的限制?;诒景l(fā)明中的實施例,本領域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例,都屬于本發(fā)明保護的范圍。下面結(jié)合附圖對本發(fā)明的實施例進行詳細說明。根據(jù)本發(fā)明一寬泛實施例的風水火短期聯(lián)合優(yōu)化調(diào)度方法,所述風水火短期聯(lián)合優(yōu)化調(diào)度方法包括風水火短期聯(lián)合優(yōu)化調(diào)度的數(shù)學模型和模型求解;所述風水火短期聯(lián)合優(yōu)化調(diào)度的數(shù)學模型是根據(jù)節(jié)能發(fā)電調(diào)度的原則,在風水火發(fā)電系統(tǒng)的協(xié)調(diào)調(diào)度系統(tǒng)中制定電力系統(tǒng)短期調(diào)度計劃時,風電優(yōu)先全額并網(wǎng),風電將不再作為優(yōu)化變量出現(xiàn)在模型中,梯級水電站以周期內(nèi)發(fā)電量最大以及剩余負荷峰谷差最小為目標進行優(yōu)化,火電以運行成本最低、排污量最小為目標進行優(yōu)化調(diào)度;所述風水火短期聯(lián)合優(yōu)化調(diào)度的模型求解是根據(jù)節(jié)能發(fā)電調(diào)度的原則,在制定電力系統(tǒng)短期調(diào)度計劃時,風電優(yōu)先全額并網(wǎng),然后進行水火電的分步優(yōu)化。即先由梯級水電制定水電機組的發(fā)電計劃,在此基礎上,再進一步安排火電出力計劃。由于火電優(yōu)化調(diào)度模型涉及的機組組合與多目標動態(tài)優(yōu)化,考慮模型的復雜性及多目標優(yōu)化問題中算法易陷入局部最優(yōu)和效率問題,所述風水火短期聯(lián)合優(yōu)化調(diào)度的火電調(diào)度模型求解采用兩階段優(yōu)化調(diào)度方法進行求解:第一階段尋求機組的最優(yōu)組合狀態(tài),第二階段在機組組合方式確定的前提下進行機組間的多目標負荷優(yōu)化分配。本發(fā)明的風水火短期聯(lián)合優(yōu)化調(diào)度方法以實現(xiàn)電力系統(tǒng)中水電綜合效益最大為目標,改變了過度依賴煤炭能源的局面,最大限度地減少了能源的消耗和污染物的排放量。所述風水火短期聯(lián)合優(yōu)化調(diào)度的數(shù)學模型為:1)建立梯級水電調(diào)度周期內(nèi)發(fā)電量模型、扣除梯級水電發(fā)電后的剩余負荷峰谷差模型、火電系統(tǒng)運行成本模型和火電系統(tǒng)污染物排放量模型:①所述梯級水電調(diào)度周期內(nèi)發(fā)電量模型為:maxf1=Σt=1TΣj=1NHPHj,t,]]>其中f1為梯級水電調(diào)度周期內(nèi)發(fā)電量,i=1,2,...,T,T為日調(diào)度總時段數(shù);本發(fā)明中取T=24;NH為梯級水電站總數(shù);PHj,t為梯級水電站j在t時段的發(fā)電量;②所述扣除梯級水電發(fā)電后的剩余負荷峰谷差模型為:minf2=max(PDt-Σj=1NHPHj,t)-min(PDt-Σj=1NHPHj,t)]]>其中f2為扣除梯級水電發(fā)電后的剩余負荷峰谷差,PDt為系統(tǒng)t時段的負荷值;③所述火電系統(tǒng)運行成本模型為:minf3=Σt=1TΣi=1NGuit(ai+biPGi,t+ciPGi,t2)]]>其中f3為火電系統(tǒng)運行成本,NG為系統(tǒng)內(nèi)火電機組臺數(shù),uit為火電機組i在t時段的開停機狀態(tài),1表示開機,0表示停機,PGi,t為第i臺火電機組在t時段的有功功率,ai,bi,ci為第i臺火電機組煤耗特性參數(shù);④所述火電系統(tǒng)污染物排放量模型為:minf4=Σt=1TΣi=1NGuit[αi+βiPGi,t+γiPGi,t2+ηiexp(δiPGi,t)]]]>其中f4為火電系統(tǒng)污染物排放量,αi,βi,γi,ηi,δi為第i臺火電機組排污特性參數(shù);2)確定所述梯級水電調(diào)度周期內(nèi)發(fā)電量模型、扣除梯級水電發(fā)電后的剩余負荷峰谷差模型、火電系統(tǒng)運行成本模型和火電系統(tǒng)污染物排放量模型的約束條件,所述約束條件包括系統(tǒng)約束、火電機組約束和水電機組約束:①系統(tǒng)約束包括功率平衡約束和旋轉(zhuǎn)備用容量約束:a)所述功率平衡約束為:Σi=1NGuitPGi,t+Σj=1NHPHj,t+Σk=1NWPWk,t=PDt,]]>其中PWk,t為第k個風電場t時段的輸出功率,NW為系統(tǒng)內(nèi)風電場總數(shù);b)所述旋轉(zhuǎn)備用容量約束分為系統(tǒng)向上的旋轉(zhuǎn)備用容量約束和系統(tǒng)向下的旋轉(zhuǎn)備用容量約束,所述系統(tǒng)向上的旋轉(zhuǎn)備用容量約束為:Σi=1NGuitRGi,tu+Σj=1NHRHj,tu=(Σk=1NWPWk,t)ku%+PDtL%]]>所述系統(tǒng)向下的旋轉(zhuǎn)備用容量約束為:Σi=1NGRGi,td+Σj=1NHRHj,td=(Σk=1NWPWk,t)kd%,]]>其中和分別為第i臺火電機組和第j座梯級水電站t時段所提供的上備用容量,和分別為第i臺火電機組和第j座梯級水電站t時段所提供的下備用,ku和kd為風電波動系數(shù),L為系統(tǒng)波動系數(shù);②火電機組約束包括火電出力上下限約束、火電機組爬坡速率約束和火電機組最小開停機時間約束:a)所述火電機組出力上下限約束為PGi,min≤PGi,t≤PGi,max,PGi,min和PGi,max為第i臺火電機組出力下限和上限;b)所述火電機組爬坡速率約束為:PGi,t-PGi,t-1≤vGi,upT1和PGi,t-1-PGi,t≤vGi,downT1,vGi,up和vGi,down為第i臺火電機組向上和向下爬坡速率,T1=1;c)所述火電機組最小開停機時間約束為和分別為第i臺機組最小運行時間和停運時間;③水電機組約束包括水電廠水量平衡約束、水電廠庫容約束、水電廠發(fā)電流量約束、水電廠調(diào)度周期始末庫容約束和水電廠發(fā)電功率約束:a)所述水電廠水量平衡約束為:VHj,t=VHj,t-1+IHj,t-QHj,t+Σm∈MQHm,t-τ(m,j),]]>VHj,t,IHj,t和QHj,t分別為水電廠j在時段t的水庫庫容、自然入流量和發(fā)電流量,M為直接位于水庫j上游的水庫集合,τ(m,j)為從水庫m到水庫j的水流流達時間;b)所述水電廠庫容約束為VHj,min≤VHj,t≤VHj,max,VHj,min和VHj,max分別為梯級水電站j的水庫庫容下限和上限;c)所述水電廠發(fā)電流量約束為QHj,min≤QHj,t≤QHj,max,QHj,min和QHj,max分別為梯級水電站j的發(fā)電流量下限和上限;d)所述水電廠調(diào)度周期始末庫容約束為VHj,0=Vini,j;VHj,T=Vend,j,Vini,j和Vend,j分別為梯級水電站j調(diào)度周期的始、末庫容;e)所述水電廠發(fā)電功率約束為PHj,min≤PHj,t≤PHj,max,其中,水電廠出力與水流量的轉(zhuǎn)換關(guān)系為:PHj,t=c1jVHj,t2+c2jQHj,t2+c3jVHj,tQHj,t+c4jVHj,t+c5jQHj,t+c6j,參數(shù)c1j,c2j,c3j,c4j,c5j,c6j分別為梯級水電站j的發(fā)電系數(shù),PHj,min和PHj,max分別為水電機組j允許的最小及最大出力。如圖1所示。根據(jù)節(jié)能發(fā)電調(diào)度的原則,在制定電力系統(tǒng)短期調(diào)度計劃時,風電優(yōu)先全額并網(wǎng);梯級水電站兼顧調(diào)峰性能與自身的發(fā)電效益,即梯級水電站以周期內(nèi)發(fā)電量最大以及剩余負荷峰谷差最小為目標進行優(yōu)化,以求減少火電機組頻繁啟停與出力波動,同時充分利用水資源盡可能多的代替火電進行發(fā)電,節(jié)約火電的燃料成本,降低污染物的排放,實現(xiàn)水電站綜合效益的最大化;火電以運行成本最低、排污量最小為目標進行優(yōu)化調(diào)度。火電與水電共同應對系統(tǒng)負荷波動和風電的隨機間歇性。但是針對火電優(yōu)化調(diào)度的模型涉及機組組合與多目標動態(tài)優(yōu)化,考慮模型的復雜性及多目標優(yōu)化問題中算法易陷入局部最優(yōu)和效率問題,提出兩階段優(yōu)化調(diào)度方法進行求解。第一階段尋求機組的最優(yōu)組合狀態(tài),第二階段在機組組合方式確定的前提下進行機組間的多目標負荷優(yōu)化分配。具體的求解方法如下:Σi=1N-1PGi,max<Pdt,Σi=1NPGi,max>PdtPdt=PDt(1+L%)+(Σk=1NWPWk,t)ku%-Σk=1NWPWk,t-Σj=1NHPHj,t]]>如圖2所示,所述啟發(fā)式搜索流程步驟為:(1)根據(jù)機組最小比耗量和機組最大輸出功率建立機組發(fā)電序位表;(2)根據(jù)負荷需求投入前N臺機組;(3)判斷是否滿足負荷平衡,若滿足負荷平衡則得到第t時段機組組合方式,否則,啟動第N+1臺機組令N=N+1并返回判斷是否滿足負荷平衡;(4)判斷所求t時段是否在當前運行時段T之后,若是則得到機組組合方式的初始解,否則轉(zhuǎn)回步驟(2);(5)對得到的機組進行最小啟停時間修正,修正原則為:a)如果某時段有機組在不足停機時間的情況下要求啟動,即機組未達到最小停機時間,那么該時段剔除未達到最小停機時間的機組,逐次增加發(fā)電序位表中未投入運行且排序靠前的機組,直至滿足負荷平衡;b)如果某時段機組在不足開機時間間隔的情況下就停止運行,即機組未達到最小開機時間,那么該時段機組不允許停機,直至滿足最小開機時間;c)檢查經(jīng)修正的機組組合方式中是否存在冗余機組,若存在則予以剔除,從而得到最終的機組組合方式;(6)得到最終機組組合方式。所述第二階段在機組組合方式確定的前提下進行機組間的多目標負荷優(yōu)化分配包括:(1)根據(jù)建立的所述發(fā)電序位表和扣除水電發(fā)電量后的日負荷分配火電機組間的備用容量和負荷;①所述備用容量分配原則為:優(yōu)化分配火電機組所承擔的備用容量,使得其完成備用容量負荷所需時間最短,以及時彌補負荷預測誤差和風電預測偏差,確保電力系統(tǒng)的穩(wěn)定運行。t時段,第i臺火電機組所承擔的上備用容量和下備用容量計算公式為:RGi,tu=uitvGi,up(Rtu/Σi=1NGuitvGi,up)RGi,td=uitvGi,down(Rtd/Σi=1NGuitvGi,down);]]>②所述火電機組間的負荷分配原則為:各時刻機組承擔的備用容量分配結(jié)束后,機組剩下的容量即為參加優(yōu)化調(diào)度的容量,故對機組承擔備用容量后的出力上下限值進行修正。t時段,第i臺火電機組實際出力的上下限為PGi,tmax=PGi,max-RGi,tuPGi,tmin=PGi,min+RGi,td;]]>(2)對模型中多重目標函數(shù)的處理采用基于單目標思路的多目標求解方法,即將多目標問題轉(zhuǎn)化為單目標問題。鑒于分目標乘除法可以有效地避免了權(quán)重的選取和無量綱化處理以及隸屬度函數(shù)的選取問題,本發(fā)明將其應用于上述多目標優(yōu)化問題的單目標轉(zhuǎn)化,以求在達到較好的優(yōu)化效果的同時,提高優(yōu)化方案的簡潔性。本發(fā)明采用自適應免疫疫苗算法求解出上述整體風水火短期聯(lián)合優(yōu)化調(diào)度模型的最優(yōu)解。如圖3所示,所述自適應免疫疫苗算法的流程如下:①設置優(yōu)化算法的參數(shù);②隨機生成初始種群;③計算抗體適應度;④根據(jù)抗體的適應度,選取部分優(yōu)秀抗體復制到記憶細胞,并對優(yōu)秀抗體進行疫苗提取操作;⑤執(zhí)行復制和自適應交叉、變異操作;⑥隨機選取一定比例抗體進行疫苗接種;⑦進行種群和記憶細胞的更新;⑧終止條件判定,若當前群體中包含最佳個體,則算法停止運行并輸出結(jié)果;否則轉(zhuǎn)回到③。在一實施例中,以某省火電系統(tǒng)基礎上配以一個梯級水電站和一個裝機容量為300MW的大型風電場,由此構(gòu)成風水火聯(lián)合優(yōu)化調(diào)度系統(tǒng)?;痣姍C組的特性參數(shù)見下表1。由于缺少火電系統(tǒng)最小啟停時間的相關(guān)數(shù)據(jù),本發(fā)明根據(jù)機組的特性參數(shù)設定各機組的最小啟停時間如下表2:表1火電機組特性參數(shù)表2火電機組出力和最小啟停時間特性參數(shù)將表1、表2中的數(shù)據(jù)代入到Matlab語言編制的發(fā)電序位表程序,得到如下表3的機組排序方法:表3不同排序方法的結(jié)果對比從表3中可以看出本發(fā)明提出的機組排序法與傳統(tǒng)的機組排序法相比兼顧了機組的經(jīng)濟性和快速性。梯級水電特性參數(shù)見表4和表5。表4梯級水電參數(shù)表5梯級水電各時段流量參數(shù)自適應免疫疫苗算法的參數(shù)設置為:種群規(guī)模Size=50;接種系數(shù):ζ=0.3;進化代數(shù):M=200;交叉概率:pc1=0.9,pc2=0.4;變異概率:pm1=0.2,pm2=0.01;疫苗閥值:ψ1=0.7,ψ2=0.3。24時段系統(tǒng)負荷預測和風電輸出功率預測如下圖4所示,負荷波動系數(shù)L%=7%;風電波動系數(shù)取ku%=kd%=15%:原系統(tǒng)峰谷差800MW,加入風電后峰谷差870.6MW??梢婏L電的加入增大了系統(tǒng)峰谷差。梯級水電采用兼顧周期內(nèi)發(fā)電量和調(diào)峰效益方案,其水電調(diào)度各時段的出力情況見圖5,梯級水電加入后系統(tǒng)峰谷差為837.3MW,周期發(fā)電量為8505.7MW。在梯級水電加入前后,火電機組組合方式見表6和表7,各時段火電機組投入臺數(shù)與加入梯級水電之前相比有所減少。可見,梯級水電的加入能夠很好地代替部分火電機組,減少火電系統(tǒng)的機組啟停次數(shù),節(jié)約能源的同時降低了污染物排放。梯級水電加入前后,火電機組投入臺數(shù)對比見圖6。表6加入梯級水電前,火電機組組合方式表7加入梯級水電后,火電機組組合方式表8給出了在加入梯級水電后,對應的各時段火電機組出力情況。表8加入梯級水電后,對應的火電機組24時段出力值顯然,本發(fā)明的上述實施例僅是為清楚地說明本發(fā)明所作的舉例,而并非是對本發(fā)明的實施方式的限定。對于所屬領域的普通技術(shù)人員來說,在上述說明的基礎上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。而這些屬于本發(fā)明的精神所引伸出的顯而易見的變化或變動仍處于本發(fā)明的保護范圍之中。當前第1頁1 2 3 
      當前第1頁1 2 3 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1