考虑备用电能需求的发电机组快速调度方法、系统及设备

本发明属于发电、配电，具体涉及考虑备用电能需求的发电机组快速调度方法、系统及设备。

背景技术：

1、在电力系统中，风、光等新能源机组出力呈现间歇性和波动性的特点，随着新能源接入比例的不断提高，电能供需匹配的可靠性和平稳性遇到了前所未有的挑战。目前，应对这一挑战的方式是构建新型电力系统及与之相协调的全国统一电力市场，这将使得各个区域电网逐渐互联为一个整体，有利于新能源电力的互济消纳以及电力系统运行效率的提高。同时，这也为电力系统的运行调度带来巨大挑战，因为发电机组调度计划的制订需要求解大规模机组组合问题，是一项具有极高复杂度的工作。

2、机组组合问题的决策变量是发电机组的启停决策和出力决策，目标是最小化发电成本，同时满足系统安全运行的各项约束。该问题可以被描述为一个混合整数规划问题，可以用通用的混合整数规划算法求解，这类算法主要包括：分支定界法、割平面法、动态规划法以及一些启发式算法。这些算法在问题规模较小时具备较高的效率和精度，但是，当该问题包含超过数千个整数启停变量的时候，这些算法便会出现严重的效率问题，不能可靠地给出可行的机组调度计划。因此，针对该问题的快速求解方法被提出来，主要包括拉格朗日松弛法和benders’分解法等，这些加速算法基于通用的优化方法涉及，虽然具有较高的求解效率，但是由于采用松弛和近似技巧，这些算法通常会出现收敛缓慢的问题，以及不能提供满足安全约束的可行的调度计划。例如，拉格朗日松弛法是针对连续优化问题设计的高效迭代算法，当被用来求解具有离散变量的机组组合问题时，该算法在其迭代过程中给出的试验解会出现震荡现象，从而不能快速收敛；benders’分解法也具有有类似拉格朗日松弛法的缺陷。因此，已有算法基本不能有效求解包含数万个整数变量的大规模机组组合问题，这对于大规模新型电力系统的安全经济运行是不能接受的。

技术实现思路

1、本发明提供考虑备用电能需求的发电机组快速调度方法、系统及设备，解决现有技术不能快速制定大电网的发电机组调度计划的问题，同时本发明考虑到电能备用需求。

2、为达到上述目的，本发明采用以下技术方案：

3、一种考虑备用电能需求的发电机组快速调度方法，包括以下步骤：

4、s1：采集发电机组的参数信息，根据所述发电机组的参数信息，建立机组组合问题模型；所述机组组合问题模型包括：机组组合问题目标函数、系统级约束和单机组约束；

5、s2：采用拉格朗日松弛法对所述机组组合问题模型中的系统级约束进行松弛处理后，使用拉格朗日乘子在所述机组组合问题目标函数中惩罚所述系统级约束和单机组约束的违反量，得到松弛问题模型，将所述松弛问题模型分解得到单机组子问题模型；

6、s3：采用新状态转移图并结合动态规划算法，对所述单机组子问题模型进行求解，得到所述机组组合问题模型的试验解；

7、s4：通过次梯度法更新拉格朗日乘子，得到更新后的拉格朗日乘子；

8、s5：根据更新后的拉格朗日乘子和所述机组组合问题模型的试验解，计算最优目标函数值，判断所述最优目标函数值是否满足收敛条件，若满足，则输出所述机组组合问题模型的试验解；若不满足，则将所述更新后的拉格朗日乘子加载到s2中，替代原有的拉格朗日乘子，并依次重复s2～s5。

9、进一步地，s3中，所述采用新状态转移图并结合动态规划算法，对所述单机组子问题模型进行求解，得到所述机组组合问题模型的试验解，具体包括以下步骤：

10、s3.1：根据新状态转移图，建立多阶段决策问题模型，将所述多阶段决策问题模型转化为纯连续优化问题模型，然后采用连续动态规划算法对所述纯连续优化问题模型进行求解，得到新状态转移图中每条边的状态转移成本；

11、s3.2：根据所述每条边的状态转移成本，得到新状态转移图中每条启停决策链的状态转移成本；

12、s3.3：根据每条启停决策链的状态转移成本，利用离散动态规划算法求解，得到最优启停决策链，将所述最优启停决策链的启停决策量、发电功率决策量和备用发电功率决策量结合，得到所述机组组合问题模型的试验解。

13、进一步地，s3.1中，所述多阶段决策问题模型包括：

14、

15、其中，e为新状态转移图中任意边，t1，t2为新状态转移图中任意边的两端点对应的调度时段，ci(pi，t)为第i台火电机组在第t个调度时段的发电成本，λ，μ为拉格朗日乘子，t为调度时段编号，pi，t为第i台火电机组在第t个调度时段的发电功率决策变量，ri,t为第i台火电机组在第t个调度时段的备用发电功率决策变量，为第i台火电机组的向下爬坡能力，为第i台火电机组的向上爬坡能力，p-i为第i台火电机组的发电功率下限，为第i台火电机组的发电功率上限，为第i台火电机组的最大备用发电功率决策变量。

16、进一步地，s3.1中，所述纯连续优化问题模型包括：

17、

18、其中，xt为第t个调度时段的变量，δ为发电机组爬坡能力上限。

19、进一步地，s5中，所述最优目标函数值通过下式(24)进行计算：

20、

21、其中，为最优目标函数值的特解，为第i台火电机组在整个调度周期内的启停成本的特解，为第i台火电机组在第t个调度时段的燃料成本的特解，为第t个调度时段的拉格朗日乘子的近似值，为第i台火电机组在第t个调度时段的发电功率决策变量的特解，dm，t为第m个负荷节点在第t个调度时段的净负荷，l为输电线编号，为第i台火电机组在第t个调度时段的备用发电功率决策变量的特解，rt为第t个调度时段的系统总备用需求。

22、进一步地，s5中，所述收敛条件包括式(25)：

23、

24、其中，为在更新后的拉格朗日乘子下的拉格朗日函数的特解，为最优目标函数值的特解，ε为收敛容限。

25、进一步地，s1中，所述机组组合问题模型包括：

26、

27、其中，si(zi)为第i台火电机组在整个调度周期内的启停成本，∑i，tci(zi，t，pi，t)为第i台火电机组在整个调度周期内的燃料成本，ci(zi，t，pi，t)为第i台火电机组在第t个调度时段的燃料成本，zi.t为第i台火电机组在第t个调度时段的启停状态，pi，t为第i台火电机组在第t个调度时段的发电功率决策变量，dm，t为第m个负荷节点在第t个调度时段的净负荷，ri，t为第i台火电机组在第t个调度时段的备用发电功率决策变量，rt为第t个调度时段的系统总备用需求，为第i台火电机组的最大备用发电功率决策变量，为第i台火电机组的发电功率上限，为第i台火电机组的向下爬坡能力，为第i台火电机组的向上爬坡能力，m为最小开关机时间约束的系数矩阵，z为与当前火电机组有关的启停变量，j为最小开关机时间约束的右端项，i为火电机组数目，t为调度时段数目。

28、进一步地，s2中，所述松弛问题模型包括：

29、

30、式(2)中，

31、l(z，p，λ，μ)＝∑isi(zi)+∑i，tci(zi，t，pi，t)+

32、∑tλt(∑ipi，t-∑mdm，t)+∑t∑lμt(∑；ri，t-rt)

33、所述单机组子问题模型包括：

34、

35、式(3)中，

36、li(z，p，λ，μ)＝∑tsi(zi，t)+∑tci(zi，t，pi，t)+∑tλtpi，t+∑tμtri，t

37、其中，λ，μ为拉格朗日乘子，l(z，p，λ，μ)拉格朗日函数，zi，t为第i台火电机组在第t个调度时段的启停状态，pi，t为第i台火电机组在第t个调度时段的发电功率决策变量，为第i台火电机组的向下爬坡能力，为第i台火电机组的向上爬坡能力，pi为第i台火电机组的发电功率下限，为第i台火电机组的发电功率上限，ri，t为第i台火电机组在第t个调度时段的备用发电功率决策变量，为第i台火电机组的最大备用发电功率决策变量，m为全部火电机组的最小开关机时间约束的系数矩阵，z为与全部火电机组有关的启停变量，j为最小开关机时间约束的右端项，i为火电机组数目，t为调度时段数目，mi为第i台火电机组的最小开关机时间约束的系数矩阵，zi为与第i台火电机组有关的启停变量，ji为第i台火电机组的最小开关机时间约束的右端项，si(zi)为第i台火电机组在整个调度周期内的启停成本，∑i，tci(zi，t，pi，t)为第i台火电机组在整个调度周期内的燃料成本，ci(zi，t，pi，t)为第i台火电机组在第t个调度时段的燃料成本，rt为第t个调度时段的系统总备用需求。

38、一种考虑备用电能需求的发电机组快速调度系统，基于所述的快速调度方法，包括：

39、机组组合问题模型建立模块，用于采集发电机组的参数信息，根据所述发电机组的参数信息，建立机组组合问题模型；所述机组组合问题模型包括：机组组合问题目标函数、系统级约束和单机组约束；

40、单机组子问题模型建立模块，用于采用拉格朗日松弛法对所述机组组合问题模型中的系统级约束进行松弛处理后，使用拉格朗日乘子在所述机组组合问题目标函数中惩罚所述系统级约束和单机组约束的违反量，得到松弛问题模型，将所述松弛问题模型分解得到单机组子问题模型；

41、新状态转移及动态规划求解模块，用于对所述单机组子问题模型进行求解，得到所述机组组合问题模型的试验解；

42、拉格朗日乘子更新模块，用于通过次梯度法更新拉格朗日乘子，得到更新后的拉格朗日乘子；

43、结果收敛判断模块，用于根据更新后的拉格朗日乘子和所述机组组合问题模型的试验解，计算最优目标函数值，判断所述最优目标函数值是否满足收敛条件，若满足，则输出所述机组组合问题模型的试验解；若不满足，则将所述更新后的拉格朗日乘子加载到s2中，替代原有的拉格朗日乘子，并依次重复s2～s5。

44、一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器中运行的计算机程序，所述处理器执行所述计算机程序时实现所述考虑备用电能需求的发电机组快速调度方法的步骤。

45、与现有技术相比，本发明具有以下有益效果：

46、本发明提供一种考虑备用电能需求的发电机组快速调度方法，先通过采集数据构建机组组合模型，然后利用拉格朗日松弛法对所述机组组合模型进行松弛，并将其分解为单机组子问题模型，最后利用新状态转移图和动态规划算法求解单机组子问题得到试验解，在输出试验解之前需要先更新拉格朗日乘子，结合更新后的乘子判断试验解是否收敛，收敛后进行输出。采用本发明能够高效制定大电网的发电机组调度计划，并考虑到电能备用需求。本发明通过精确求解子问题而获得对偶函数的精确解，从而保证对偶问题与原问题的之间的对偶间隙小于1％，这一结论在测试算例的结果中也得到了证明。本发明中使用的动态规划法是一个多项式时间算法，因此求解机组组合问题的效率远远超过现有的同类求解算法(提高一个量级以上)，能够满足实际应用需求。