一种多类型电源调度方法、装置、介质、设备及产品与流程

本发明涉及一种多类型电源调度方法、装置、介质、设备及产品，属于电力系统运行和控制。

背景技术：

1、风电和光伏具有清洁、环保、可再生等优点，全世界范围内大规模发展风力发电和太阳能对于电力系统节能减排和经济可持续发展有着重要的作用。经过诸多学者近几十年的研究，目前已有多个国家实现了风电并网。然而，随着风电和光伏并网容量的逐渐增加，对电力系统的影响也愈发明显，主要体现在新能源的强随机性使得预测误差较大，使得传统方法已不再适用于含多类型新能源电力系统优化调度。

2、两阶段随机模型属于随机规划方法的一种，通过对随机变量进行抽样，实现了多场景下电网运行调度策略的优化，然而，随着抽样场景的增加，传统串行算法计算量也剧增，对于大规模实际电网的应用存在困难。

技术实现思路

1、本发明的目的在于克服现有技术中的不足，提供一种多类型电源调度方法、装置、介质、设备及产品，基于gpu的并行计算功能，实现了多场景下的模型优化的并行算法，大大提升计算效率。

2、为达到上述目的，本发明是采用下述技术方案实现的：

3、第一方面，本发明公开了一种多类型电源调度方法，包括如下步骤：

4、获取待调度的电力系统的参数；

5、根据所述电力系统的参数，生成多个随机场景；

6、根据所述随机场景和电力系统的参数，基于预构建的主模型和多个子模型进行迭代循环求解，得到电力系统的调度结果；

7、其中，所述主模型采用混合整数优化算法进行求解；多个子模型基于gpu进行并行计算并采用单纯型法进行求解，一个子模型对应一个随机场景；

8、所述主模型和子模型的构建方法包括：

9、建立电力系统调度运行的两阶段随机模型，所述两阶段随机模型以最小化调度运行总费用为目标函数，所述两阶段随机模型的约束条件包括有功功率约束、备用容量约束和机组约束；

10、根据所述两阶段随机模型，通过构建等效模型，得到主模型和子模型。

11、进一步的，所述电力系统的参数包括电力系统的网架、负荷值、风电、光伏、火电机组等参数；

12、根据所述电力系统的参数，生成多个随机场景，包括如下步骤：

13、根据所述电力系统的参数，基于预设的日前的风电有功出力预测曲线，生成多个风电有功出力场景；

14、根据所述电力系统的参数，基于预设的日前的光伏有功出力预测曲线，生成多个光伏有功出力场景；

15、根据所述风电有功出力场景和光伏有功出力场景，组合得到多个随机场景。

16、进一步的，两阶段随机模型以最小化调度运行总费用为目标函数，所述目标函数的表达式如下：

17、

18、式中，j表示调度运行总费用；t表示时段的序引；i表示火电机组的序引；t表示系统调度期间的时段总数；nt表示火电机组总数；ci(pi,t)表示火电机组i的发电成本函数；pi,t表示火电机组i在t时段的有功出力；ui,t表示火电机组i在t时段的启停状态；sti,t表示火电机组i在t时段的启动费用；ε表示期望算子；q(x,ξw)表示电网实际运行时由风电和光伏随机变量引起的火电机组出力变化导致的补偿费用；x表示一阶段变量，包含所有火电机组的启停变量和有功出力变量；ξw表示包含风电和光伏有功出力的随机变量。

19、进一步的，所述补充费用q(x,ξw)的表达式如下：

20、q(x,ξw)＝min{qkt×y:w×y＝pd-pk-tk×x}

21、式中，qk表示在随机场景k下的切负荷惩罚费用因子；y表示二阶段变量，包括由于风电和光伏不确定性引起的切负荷变量；w表示第一固定系数矩阵；pd表示有功负荷变量；pk表示在随机场景k下的风电功率随机变量；tk表示在随机场景k下的第二固定系数矩阵；x表示一阶段变量，包含所有火电机组的启停变量和有功出力变量。

22、进一步的，所述有功功率约束的表达式如下：

23、

24、式中，i表示火电机组的序引；nt表示火电机组总数；pi,t表示火电机组i在t时段的有功出力；ui,t表示火电机组i在t时段的启停状态；pd,t为t时段的负荷值。

25、进一步的，所述备用容量约束的表达式如下：

26、

27、式中，i表示火电机组的序引；nt表示火电机组总数；ri,t表示火电机组i在t时段提供的旋转备用容量；ui,t表示火电机组i在t时段的启停状态；rt表示t时段系统所需的备用容量。

28、进一步的，所述机组约束包括火电机组有功功率上下限约束、火电机组最小开停机时间约束和火电机组启动费用；

29、所述火电机组有功功率上下限约束的表达式如下：

30、

31、

32、

33、式中，pi,t表示火电机组i在t时段的有功出力；ri,t表示火电机组i在t时段提供的旋转备用容量；pi,t-1表示火电机组i在t-1时段的有功出力；

34、表示火电机组i考虑爬坡约束时的有功出力下限；pi,min表示火电机组i的有功出力下限；dri表示火电机组i每小时允许出力减少的容量；

35、表示火电机组i考虑爬坡约束时的有功出力上限；pi,max表示火电机组i的有功出力上限；uri表示火电机组i每小时允许出力增加的容量；

36、所述火电机组最小开停机时间约束的表达式如下：

37、

38、式中，ui,t表示火电机组i在t时段的启停状态，1为开机，0为停机；ti,on表示火电机组i连续运行的时段数；ti,up表示火电机组i的最小开机时段；ti,down表示火电机组i的最小停机时段；

39、所述火电机组启动费用的表达式如下：

40、

41、式中，sti,t表示火电机组i在t时段的启动费用；hsti表示火电机组i的热启动费用；csti表示火电机组i的热启动费用；ti,off表示火电机组i连续停机的时段数；ti,cold表示火电机组i的冷启动时间。

42、进一步的，所述等效模型的表达式如下：

43、

44、ax＝b,x≥0

45、

46、式中，c表示线性化后的目标函数系数；x表示一阶段变量，包括所有火电机组的启停变量和有功出力变量；k表示随机场景的序引，即子模型的序引；ns表示随机场景的数量，即子模型的数量；q(x,ξw)表示电网实际运行时由风电和光伏随机变量引起的火电机组出力变化导致的补偿费用；a表示约束条件线性化后的第一系数矩阵；b表示约束条件线性化后的第二系数矩阵；qk表示在随机场景k下的切负荷惩罚费用因子；y表示二阶段变量，包括由于风电和光伏不确定性引起的切负荷变量；w表示第一固定系数矩阵；hk表示包含负荷和风电变量的随机场景k下的功率值；tk表示在随机场景k下的第二固定系数矩阵。

47、进一步的，所述主模型的表达式如下：

48、minz＝ctx+θ

49、s.t.ax＝b

50、eνx+θ≥eν,ν＝1,2,...

51、x≥0,θ∈r

52、式中，z表示主模型的目标函数；c表示线性化后的目标函数系数；x表示一阶段变量，包括所有火电机组的启停变量和有功出力变量；θ表示补偿费用函数；a表示约束条件线性化后的第一系数矩阵；b表示约束条件线性化后的第二系数矩阵；eν表示第ν次迭代时的第一最优切割变量系数；eν表示第ν次迭代时的第二最优切割变量系数；r表示实数变量；

53、所述子模型的表达式如下：

54、

55、s.t.wy＝hk-tkxv

56、y≥0

57、式中，wk表示在随机场景k下的子模型的目标函数；qk表示在随机场景k下的切负荷惩罚费用因子，上标t表示转置；y表示二阶段变量，包括由于风电和光伏不确定性引起的切负荷变量；w表示第一固定系数矩阵；hk表示包含负荷和风电变量的随机场景k下的功率值；tk表示在随机场景k下的的第二系数矩阵；xv表示第ν次迭代时的主模型最优解。

58、进一步的，基于预构建的主模型和子模型进行迭代计算，每一次迭代计算包括如下步骤：

59、根据电力系统的参数，基于预构建或上一次迭代约束更新后的主模型采用混合整数优化算法进行求解，得到当前迭代的主模型最优解；

60、根据所述当前迭代的主模型最优解，基于多个预构建的子模型采用gpu进行并行计算并采用单纯型法进行求解，得到每一个子模型的子模型最优解的最优单纯形乘子；

61、根据所述最优单纯形乘子，通过计算最优切割变量系数，计算当前迭代的补偿值；

62、响应于当前迭代的补偿值小于等于预设的补偿阈值，则终止迭代，输出当前迭代的主模型最优解，作为电力系统的调度结果；反之，则根据所述最优切割变量系数，对主模型进行约束更新，以进行下一次迭代计算。

63、进一步的，所述最优切割变量系数包括第一最优切割变量系数和第二最优切割变量系数，表达式如下：

64、

65、

66、式中，eν+1表示第ν+1次迭代时的第一最优切割变量系数；pk表示随机场景k的概率值；表示第ν次迭代时的在随机场景k下的最优解的最优单纯形乘子；tk表示在随机场景k下的的第二系数矩阵；eν+1表示第ν+1次迭代时的第二最优切割变量系数；hk表示包含负荷和风电变量的随机场景k下的功率值；

67、所述当前迭代的补偿值的表达式如下：

68、wv＝eν+1-eν+1xv

69、式中，wv表示第ν次迭代时的补偿值；xv表示第ν次迭代时的主模型最优解。

70、第二方面，本发明公开了一种多类型电源调度装置，包括：

71、数据获取模块，用于获取待调度的电力系统的参数；

72、场景生成模块，用于根据所述电力系统的参数，生成多个随机场景；

73、数据调度模块，用于根据所述随机场景和电力系统的参数，基于预构建的主模型和多个子模型进行迭代循环求解，得到电力系统的调度结果；

74、其中，所述主模型采用混合整数优化算法进行求解；多个子模型基于gpu进行并行计算并采用单纯型法进行求解，一个子模型对应一个随机场景；

75、所述主模型和子模型的构建方法包括：

76、建立电力系统调度运行的两阶段随机模型，所述两阶段随机模型以最小化调度运行总费用为目标函数，所述两阶段随机模型的约束条件包括有功功率约束、备用容量约束和机组约束；

77、根据所述两阶段随机模型，通过构建等效模型，得到主模型和子模型。

78、进一步的，所述场景生成模块中，根据所述电力系统的参数，生成多个随机场景，包括如下步骤：

79、根据所述电力系统的参数，基于预设的日前的风电有功出力预测曲线，生成多个风电有功出力场景；

80、根据所述电力系统的参数，基于预设的日前的光伏有功出力预测曲线，生成多个光伏有功出力场景；

81、根据所述风电有功出力场景和光伏有功出力场景，组合得到多个随机场景。

82、第三方面，本发明公开了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时，实现第一方面所述的多类型电源调度方法的步骤。

83、第四方面，本发明公开了一种计算机设备，包括：

84、存储器，用于存储计算机程序/指令；

85、处理器，用于执行所述计算机程序/指令以实现第一方面所述的多类型电源调度方法的步骤。

86、第五方面，本发明公开了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现第一方面所述的多类型电源调度方法的步骤。

87、与现有技术相比，本发明所达到的有益效果：

88、本发明采用两阶段随机模型生成主模型和子模型，实现了多场景下电网运行调度策略的优化；同时，基于gpu的并行计算功能，结合单纯型法，实现了多场景下的模型优化的并行算法，大大提升了计算效率。