一种含抽水蓄能电站的电力系统发电计划制定方法.pdf

摘要
申请专利号：	CN201310469126.9	申请日：	2013.10.10
公开号：	CN103699938A	公开日：	2014.04.02
当前法律状态：	授权	有效性：	有权
法律详情：	授权\|\|\|实质审查的生效IPC(主分类):G06Q 10/04申请日:20131010\|\|\|公开
IPC分类号：	G06Q10/04(2012.01)I; G06Q50/06(2012.01)I; G06N3/00	主分类号：	G06Q10/04
申请人：	华北电力大学（保定）; 中国南方电网有限责任公司
发明人：	谢红玲; 李燕青; 孙凯航; 董驰; 李翔; 王坚; 梁志飞; 傅志伟; 付妍; 沈博一
地址：	071003 河北省保定市北市区永华北大街619号
优先权：
专利代理机构：	石家庄新世纪专利商标事务所有限公司 13100	代理人：	董金国
PDF下载：	PDF下载

内容摘要

本发明专利公开了一种含抽水蓄能电站的电力系统发电计划制定方法，其特征在于包括以下步骤：首先制定检修计划，获取电力系统负荷曲线；然后在负荷平衡、机组出力与爬坡限制、系统旋转备用和抽水蓄能电站库容约束条件下，以调度周期内所有火电机组的发电成本与启停费用之和最小为目标建立模型，用混沌控制的基本粒子群算法求解。本发明有效克服了求解电力系统发电计划模型时收敛性不佳、容易陷入局部最优的问题，制定更合理的电力系统发电计划。

权利要求书

权利要求书
1.  一种含抽水蓄能电站的电力系统发电计划制定方法，其特征在于包括以下步骤：
A. 制定检修计划：确定电力系统参数、火力发电机组数量及参数、抽水蓄能电站数量及参数、各抽水蓄能电站中的抽水蓄能发电机组数量及参数；所述电力系统参数包括最低旋转备用容量；所述火力发电机组参数包括单位发电成本、启停费用、额定容量、最小技术出力百分数、爬坡速率；所述抽水蓄能电站参数包括最小、最大库容电量；所述抽水蓄能发电机组参数包括单位发电成本、启停费用、额定容量；
B. 获取电力系统负荷曲线：所述电力系统负荷预测数据时间间隔固定为Δt，单位为小时；在时间-电力系统负荷预测值坐标系下将所述电力系统负荷预测数据相邻的两点用直线连接，形成电力系统负荷曲线；所述电力系统负荷预测数据将电力系统负荷曲线划分为T个调度区间；
C. 建立抽水蓄能电站发电计划模型：
              目标函数为：
           （1）
       其中，T为调度时段数；为第n火力发电机组的单位发电成本，MW，为第n火力发电机组的启停费用，元/kWh；为第t调度时段，第n火力发电机组的发电功率，MW，为第t时段，第n火力发电机组的状态，取值为0时停运，为1时投运；M为抽水蓄能发电机组台数；为第m抽水蓄能发电机组的单位发电成本，元/kWh，为第t调度时段，第m抽水蓄能发电机组的发电功率，MW；为第t时段，第m抽水蓄能发电机组的状态，取值为0时停运，为1时投运；为第m抽水蓄能发电机组的启停费用，万元/次；
       约束条件包括：
       负荷平衡约束：
                             (2)
   其中，pL,t为第t时段电力系统负荷预测值，MW；
      火力发电机组出力约束
                     (3)
       其中，为第n火力发电机组的最大技术出力，单位；为第n火力发电机组的最小技术出力，MW；
      抽水蓄能发电机组出力约束：
                     (3)
      为第m抽水蓄能发电机组的最大技术出力，MW；为第m抽水蓄能发电机组的最小技术出力，MW；
火力发电机组爬坡限制约束：
                 (4)
       其中，为第n火力发电机组的爬坡速度，计算方法为：
                            (5)
       所述（5）式中为第n火力发电机组的爬坡速率，%；
       系统旋转备用约束：
      (6)
       其中，backupt为第t调度时段的最低旋转备用容量，MW；
              抽水蓄能电站库容约束：
                     (7)
       其中：为第t调度时段末第k抽水蓄能电站的库容电量，MW；为第k抽水蓄能电站库容电量的初始值，MW；、为第k抽水蓄能电站的最小、最大库容电量，MW；
       D：采用改进的粒子群优化算法求解所述抽水蓄能电站发电计划模型的最优解，包括以下分步骤；
D1:确定初始粒子群TN：所述粒子为T*NN二维矩阵，NN=N+M，其元素为火力发电机组或抽水蓄能发电机组在各调度区间的发电功率，MW，所述初始粒子群由从多于T*NN粒子中选择目标函数值最小的T*NN个粒子组成，所述各粒子的速度和位置在混沌序列控制下产生；
                         （8）
D2：依次更新所述各粒子的速度和位置：
按（8）式更新所述各粒子的速度：
                        (8)
其中，为更新前第k粒子的速度，为更新前第k粒子的位置，MW，为更新后第k粒子的速度，为第k粒子的最优个体极值，MW，为所有粒子的最优全局极值，MW，r为0~1的随机数；c1和c2为加速因子；wk为惯性系数；
按（9）式更新所述各粒子的位置：
                                  (9)
其中，为更新后第k粒子的位置，MW；
D3：更新各粒子的个体最优位置：依次计算更新后各粒子的目标函数值，若小于所述粒子的个体极值，用其更新所述粒子的个体极值；
D4：更新全局最优位置：目标函数值最小粒子个体最优位置作为更新后的全局最优位置；
D5：混沌扰动更新各粒子位置，如果所述更新后粒子位置对应的目标函数值小于更新前粒子位置对应的目标函数值，则更新所述粒子位置，否则所述粒子位置不变；
D6：对新的粒子进行约束处理，如出现越限后，超过最大值取上边界，超过最小值取下边界，使所有的粒子都满足约束条件；
D7：判断是否达到预定迭代次数，如果没有，转向步骤D2，否则，输出最优全局极值及对应的最小目标函数值。

2.  如权利要求1所述的含抽水蓄能电站的电力系统发电计划制定方法，其特征在于所述确定初始粒子群中粒子位置的方法包括以下分步骤：
2A：随机产生一个取值范围为0~1之间的T×（N+M）的二维矩阵Z0；
2B：确定初始粒子群中的粒子：
                    （10）
     其中Z1为T×（N+M）的二维维矩阵，其元素由矩阵Z0的元素决定，计算方法为：
                                          （11）
2C：计算粒子的目标函数值。

3.  如权利要求1所述的含抽水蓄能电站的电力系统发电计划制定方法，其特征在于所述混沌扰动更新各粒子位置的方法为：
3A：随机产生一个取值范围为0~1之间的T×（N+M）的二维矩阵U0；
3B：计算扰动量：
Δx=-β+2βU1                            （12）
其中U1为T×（N+M）的二维矩阵，其元素由矩阵U0的元素决定，计算方法为：
         （13）
3D：计算扰动前后粒子位置的目标函数值，若扰动后粒子位置的目标函数值小于扰动前粒子位置的目标函数值，则将所述粒子位置更新为扰动后粒子位置。

4.  如权利要求1所述的含抽水蓄能电站的电力系统发电计划制定方法，其特征在于所述惯性系数Wk随迭代次数k自适应调整：
Wk=0.9-0.5k/K                          （10）
其中为，K为总迭代次数。

说明书

说明书一种含抽水蓄能电站的电力系统发电计划制定方法
技术领域
本发明涉及一种电力系统发电计划制定方法，尤其涉及一种含抽水蓄能电站的电力系统发电计划制定方法。
背景技术
随着抽水蓄能电站的日益庞大和节能减排政策的实施，传统抽水蓄能电站调度逐渐暴露出精益化程度不高、经验性调度长期占主导地位的问题。同时主观上对抽水蓄能电站“4度电换3度电”的认识不足，导致对其进行调度时出现不公。
电力系统调度模型含有众多变量和约束条件的模型，用传统的拉格朗日松弛法、网络流规划法、动态规划法、基于智能的遗传算法、神经网络算法等对其求解。这些方法的缺点是容易出现维数灾和计算时间长的问题。
粒子群算法的优势是适合求解大规模的问题，可以用来求解电力系统调度模型。在用基本粒子群优化算法进行求解时发现两个问题：
1）对只包含几台机组的小系统进行求解时，迭代次数往往需要达到上百次才能够收敛，对包含上百台机组的大系统进行求解时，进行上万次的迭代后收敛的概率在50%以下。即基本粒子群优化算法在进行发电计划制定时收敛速度与收敛性不佳。经过分析认为基本粒子群算法对粒子进行初始化时是用随机函数产生的，初始化过程虽然可以保证初始解在约束域内的均匀分布，但是不能保证每个解的质量，初始解中可能有一部分解远离最优解。
2）在对小系统求解时，经过足够多的迭代次数收敛后，对得到的最优解进行分析后发现这个最优解并不是想要得到的系统最优解，还存在目标函数值更小的解，即得到的解是局部最优解而不是全局最优解。其产生的原因是基本粒子群优化算法每次迭代更新自己的速度和位置时，其利用本身信息、个体最优解和全局最优解的信息得到新解。这是一个正的反馈过程，当本身信息和个体最优解的信息占优势时，很容易陷入局部最优。
因此，需要改进电力系统调度模型的求解方法，得到更合理的电力系统调度方案。
发明内容
针对上述现有技术的缺陷或不足，本发明提出一种含多个抽水蓄能电站的电力系统随机生产模拟方法，它能够有效提高电力系统运行的安全性和经济性。
为实现上述发明目的，本发明采用的技术方案如下：
一种含抽水蓄能电站的电力系统发电计划制定方法，包括以下步骤：
A. 制定检修计划：确定电力系统参数、火力发电机组数量及参数、抽水蓄能电站数量及参数、各抽水蓄能电站中的抽水蓄能发电机组数量及参数；所述电力系统参数包括最低旋转备用容量；所述火力发电机组参数包括单位发电成本、启停费用、额定容量、最小技术出力百分数、爬坡速率；所述抽水蓄能电站参数包括最小、最大库容电量；所述抽水蓄能发电机组参数包括单位发电成本、启停费用、额定容量；
B. 获取电力系统负荷曲线：所述电力系统负荷预测数据时间间隔固定为Δt，单位为小时；在时间-电力系统负荷预测值坐标系下将所述电力系统负荷预测数据相邻的两点用直线连接，形成电力系统负荷曲线；所述电力系统负荷预测数据将电力系统负荷曲线划分为T个调度区间；
C. 建立抽水蓄能电站发电计划模型：
      目标函数为：

                       （1）
   其中，T为调度时段数；为第n火力发电机组的单位发电成本，MW，为第n火力发电机组的启停费用，元/kWh；为第t调度时段，第n火力发电机组的发电功率，MW，为第t时段，第n火力发电机组的状态，取值为0时停运，为1时投运；M为抽水蓄能发电机组台数；为第m抽水蓄能发电机组的单位发电成本，元/kWh，为第t调度时段，第m抽水蓄能发电机组的发电功率，MW；为第t时段，第m抽水蓄能发电机组的状态，取值为0时停运，为1时投运；为第m抽水蓄能发电机组的启停费用，万元/次；
   约束条件包括：
   负荷平衡约束：
                             (2)
   其中，pL,t为第t时段电力系统负荷预测值，MW；
   火力发电机组出力约束
                     (3)
   其中，为第n火力发电机组的最大技术出力，单位；为第n火力发电机组的最小技术出力，MW；
   抽水蓄能发电机组出力约束：
                     (3)
   为第m抽水蓄能发电机组的最大技术出力，MW；为第m抽水蓄能发电机组的最小技术出力，MW；
火力发电机组爬坡限制约束：
                 (4)
   其中，为第n火力发电机组的爬坡速度，计算方法为：
                            (5)
   所述（5）式中为第n火力发电机组的爬坡速率，%；
系统旋转备用约束：
      (6)
其中，backupt为第t调度时段的最低旋转备用容量，MW；
      抽水蓄能电站库容约束：
                     (7)
    其中：为第t调度时段末第k抽水蓄能电站的库容电量，MW；为第k抽水蓄能电站库容电量的初始值，MW；、为第k抽水蓄能电站的最小、最大库容电量，MW；
   D：采用改进的粒子群优化算法求解所述抽水蓄能电站发电计划模型的最优解，包括以下分步骤；
D1:确定初始粒子群TN：所述粒子为T*NN二维矩阵，NN=N+M，其元素为火力发电机组或抽水蓄能发电机组在各调度区间的发电功率，MW，所述初始粒子群由从多于T*NN粒子中选择目标函数值最小的T*NN个粒子组成，所述各粒子的速度和位置在混沌序列控制下产生；
                         （8）
D2：依次更新所述各粒子的速度和位置：
按（8）式更新所述各粒子的速度：
                        (8)
其中，为更新前第k粒子的速度，为更新前第k粒子的位置，MW，为更新后第k粒子的速度，为第k粒子的最优个体极值，MW，为所有粒子的最优全局极值，MW，r为0~1的随机数；c1和c2为加速因子；wk为惯性系数；
按（9）式更新所述各粒子的位置：
                                  (9)
其中，为更新后第k粒子的位置，MW；
D3：更新各粒子的个体最优位置：依次计算更新后各粒子的目标函数值，若小于所述粒子的个体极值，用其更新所述粒子的个体极值；
D4：更新全局最优位置：目标函数值最小粒子个体最优位置作为更新后的全局最优位置；
D5：混沌扰动更新各粒子位置，如果所述更新后粒子位置对应的目标函数值小于更新前粒子位置对应的目标函数值，则更新所述粒子位置，否则所述粒子位置不变；
D6：对新的粒子进行约束处理，如出现越限后，超过最大值取上边界，超过最小值取下边界，使所有的粒子都满足约束条件；
D7：判断是否达到预定迭代次数，如果没有，转向步骤D2，否则，输出最优全局极值及对应的最小目标函数值。
所述确定初始粒子群中粒子位置的方法包括以下分步骤：
2A：随机产生一个取值范围为0~1之间的T×（N+M）的二维矩阵Z0；
2B：确定初始粒子群中的粒子：
                     （10）
     其中Z1为T×（N+M）的二维维矩阵，其元素由矩阵Z0的元素决定，计算方法为：
                                           （11）
2C：计算粒子的目标函数值。
所述混沌扰动更新各粒子位置的方法为：
3A：随机产生一个取值范围为0~1之间的T×（N+M）的二维矩阵U0；
3B：计算扰动量：
Δx=-β+2βU1                            （12）
其中U1为T×（N+M）的二维矩阵，其元素由矩阵U0的元素决定，计算方法为：
                         （13）
3D：计算扰动前后粒子位置的目标函数值，若扰动后粒子位置的目标函数值小于扰动前粒子位置的目标函数值，则将所述粒子位置更新为扰动后粒子位置。
所述惯性系数Wk随迭代次数k自适应调整：
Wk=0.9-0.5k/K                          （10）
其中为，K为总迭代次数。
本发明的有益效果在于：
将混沌理论引入到基本粒子群算法中：利用混沌运动的遍历性产生大量初始群体，从中择优选出初始群体；在对每个粒子进行位置更新时，对粒子产生合理范围内的混沌扰动，以使解跳出局部最优区间。能够合理制定含抽水蓄能电站的电力系统的发电计划，实现抽水蓄能电站资源的最优化利用，使系统运行费用降至最低。
附图说明
图1是本发明实施例的流程图；
图2为本发明实施例的机组运行位置图；
图3为传统发电计划的机组运行位置图。
具体实施方式
实施例：
一种含抽水蓄能电站的电力系统发电计划制定方法，包括以下步骤：
A. 制定检修计划：确定电力系统参数、火力发电机组数量及参数、抽水蓄能电站数量及参数、各抽水蓄能电站中的抽水蓄能发电机组数量及参数；所述电力系统参数包括最低旋转备用容量；所述火力发电机组参数包括单位发电成本、启停费用、额定容量、最小技术出力百分数、爬坡速率；所述抽水蓄能电站参数包括最小、最大库容电量；所述抽水蓄能发电机组参数包括单位发电成本、启停费用、额定容量；
B. 获取电力系统负荷曲线：所述电力系统负荷预测数据时间间隔固定为Δt，单位为小时；在时间-电力系统负荷预测值坐标系下将所述电力系统负荷预测数据相邻的两点用直线连接，形成电力系统负荷曲线；所述电力系统负荷预测数据将电力系统负荷曲线划分为T个调度区间；
C. 建立抽水蓄能电站发电计划模型：
      目标函数为：
     （1）
   其中，T为调度时段数；为第n火力发电机组的单位发电成本，MW，为第n火力发电机组的启停费用，元/kWh；为第t调度时段，第n火力发电机组的发电功率，MW，为第t时段，第n火力发电机组的状态，取值为0时停运，为1时投运；M为抽水蓄能发电机组台数；为第m抽水蓄能发电机组的单位发电成本，元/kWh，为第t调度时段，第m抽水蓄能发电机组的发电功率，MW；为第t时段，第m抽水蓄能发电机组的状态，取值为0时停运，为1时投运；为第m抽水蓄能发电机组的启停费用，万元/次；
   约束条件包括：
   负荷平衡约束：
                             (2)
   其中，pL,t为第t时段电力系统负荷预测值，MW；
   火力发电机组出力约束
                     (3)
   其中，为第n火力发电机组的最大技术出力，单位；为第n火力发电机组的最小技术出力，MW；
   抽水蓄能发电机组出力约束：
                     (3)
   为第m抽水蓄能发电机组的最大技术出力，MW；为第m抽水蓄能发电机组的最小技术出力，MW；
火力发电机组爬坡限制约束：
                 (4)
   其中，为第n火力发电机组的爬坡速度，计算方法为：
                            (5)
   所述（5）式中为第n火力发电机组的爬坡速率，%；
系统旋转备用约束：

    (6)
   其中，backupt为第t调度时段的最低旋转备用容量，MW；
      抽水蓄能电站库容约束：
                     (7)
    其中：为第t调度时段末第k抽水蓄能电站的库容电量，MW；为第k抽水蓄能电站库容电量的初始值，MW；、为第k抽水蓄能电站的最小、最大库容电量，MW；
   D：采用改进的粒子群优化算法求解所述抽水蓄能电站发电计划模型的最优解，包括以下分步骤；
D1:确定初始粒子群TN：所述粒子为T*NN二维矩阵，NN=N+M，其元素为火力发电机组或抽水蓄能发电机组在各调度区间的发电功率，MW，所述初始粒子群由从多于T*NN粒子中选择目标函数值最小的T*NN个粒子组成，所述各粒子的速度和位置在混沌序列控制下产生；
                         （8）
D2：依次更新所述各粒子的速度和位置：
按（8）式更新所述各粒子的速度：
                        (8)
其中，为更新前第k粒子的速度，为更新前第k粒子的位置，MW，为更新后第k粒子的速度，为第k粒子的最优个体极值，MW，为所有粒子的最优全局极值，MW，r为0~1的随机数；c1和c2为加速因子；wk为惯性系数；
按（9）式更新所述各粒子的位置：
                                  (9)
其中，为更新后第k粒子的位置，MW；
D3：更新各粒子的个体最优位置：依次计算更新后各粒子的目标函数值，若小于所述粒子的个体极值，用其更新所述粒子的个体极值；
D4：更新全局最优位置：目标函数值最小粒子个体最优位置作为更新后的全局最优位置；
D5：混沌扰动更新各粒子位置，如果所述更新后粒子位置对应的目标函数值小于更新前粒子位置对应的目标函数值，则更新所述粒子位置，否则所述粒子位置不变；
D6：对新的粒子进行约束处理，如出现越限后，超过最大值取上边界，超过最小值取下边界，使所有的粒子都满足约束条件；
D7：判断是否达到预定迭代次数，如果没有，转向步骤D2，否则，输出最优全局极值及对应的最小目标函数值。
所述确定初始粒子群中粒子位置的方法包括以下分步骤：
2A：随机产生一个取值范围为0~1之间的T×（N+M）的二维矩阵Z0；
2B：确定初始粒子群中的粒子：
                     （10）
     其中Z1为T×（N+M）的二维维矩阵，其元素由矩阵Z0的元素决定，计算方法为：
                                           （11）
2C：计算粒子的目标函数值。
所述混沌扰动更新各粒子位置的方法为：
3A：随机产生一个取值范围为0~1之间的T×（N+M）的二维矩阵U0；
3B：计算扰动量：
Δx=-β+2βU1                            （12）
其中U1为T×（N+M）的二维矩阵，其元素由矩阵U0的元素决定，计算方法为：
                         （13）
3D：计算扰动前后粒子位置的目标函数值，若扰动后粒子位置的目标函数值小于扰动前粒子位置的目标函数值，则将所述粒子位置更新为扰动后粒子位置。
所述惯性系数Wk随迭代次数k自适应调整：
Wk=0.9-0.5k/K                          （10）
其中为，K为总迭代次数。
在本实施例中，电力系统中包含4台火力发电机组和1座抽水蓄能电站，抽水蓄能电站有1台抽水蓄能发电机组，火力发电机组参数如表1所示。火电机组的最大技术出力分别为200MW、320MW、420MW、600MW，最小技术出力值分别为80MW、121.6MW、151.2MW、180MW。抽水蓄能机组的出力由抽水350MW到发电300MW之间进行变化。火电机组的爬坡限制约束为每小时可增减的出力值，算例中火电机组的爬坡限制分别在40MW、64MW、84MW、120MW之间。抽水蓄能电站的发电容量300MW，抽水容量350MW，循环效率70%。抽水蓄能电站的初始库容电量为Q0,n为300MWh，Qn,min为300MWh，Qn,max为1800MWh。
电力系统预测负荷信息如表2所示，共计24个预测数据，分成24个时段。电力系统旋转备用容量占到系统总装机容量的10%，即系统备用容量为184MW。
随机产生的Z0矩阵如表3所示，由此计算得到的Z1矩阵如表4所示，初始粒子群如表5所示，迭代次数限制为100，优化得到的最优解如表6所示。
对多次运行的结果进行了分析，其最优解的目标函数值大致在953万元附近变动。这是因为每次运行时，在初始化和更新粒子的过程中均存在一个随机变量，导致其收敛后的最优解与最优目标值在每次运行时会有不同。但是其目标值在一个确定值范围上下波动不大，因此，可以认为是发电计划模型的最优解。
取其中一个运行的结果如图1所示。调度周期内的目标值为953.60万元，蓄能电站发电量为1246.20MWh，抽水电量为1801.30MWh。
传统蓄能电站调度一般为定时段调度，即按照事先规定的时间晚间抽水白天发电。假定00:00~5:00抽水，11:00~13:00，19:00~20:00发电。然后再根据优先顺序法安排火电机组的发电计划得到传统调度下的机组运行位置如图2所示。传统调度期内目标值为961.23万元，蓄能电站发电量为1200.00MWh，抽水电量为1680.00MWh。
通过图1、图2的比较，图1中火电机组2、3、4出力曲线相比更加平稳，且调度周期内本发明方法比传统发电计划下目标值小7.63万元，证明了此算法的优越性。
表1

表2

表3

表4

表5

表6

资源描述

《一种含抽水蓄能电站的电力系统发电计划制定方法.pdf》由会员分享，可在线阅读，更多相关《一种含抽水蓄能电站的电力系统发电计划制定方法.pdf（18页珍藏版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 103699938 A (43)申请公布日 2014.04.02 CN 103699938 A (21)申请号 201310469126.9 (22)申请日 2013.10.10 G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/00(2006.01) (71)申请人华北电力大学（保定）地址 071003 河北省保定市北市区永华北大街 619 号申请人中国南方电网有限责任公司 (72)发明人谢红玲李燕青孙凯航董驰李翔王坚梁志飞傅志伟付妍沈博一 (74)专利代理机构石家庄新世纪专利商标事务所。

2、有限公司 13100 代理人董金国 (54) 发明名称一种含抽水蓄能电站的电力系统发电计划制定方法 (57) 摘要本发明专利公开了一种含抽水蓄能电站的电力系统发电计划制定方法，其特征在于包括以下步骤：首先制定检修计划，获取电力系统负荷曲线；然后在负荷平衡、机组出力与爬坡限制、系统旋转备用和抽水蓄能电站库容约束条件下，以调度周期内所有火电机组的发电成本与启停费用之和最小为目标建立模型，用混沌控制的基本粒子群算法求解。本发明有效克服了求解电力系统发电计划模型时收敛性不佳、容易陷入局部最优的问题，制定更合理的电力系统发电计划。 (51)Int.Cl.。

3、权利要求书 3 页说明书 12 页附图 2 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请权利要求书3页说明书12页附图2页 (10)申请公布号 CN 103699938 A CN 103699938 A 1/3 页 2 1. 一种含抽水蓄能电站的电力系统发电计划制定方法，其特征在于包括以下步骤： A. 制定检修计划：确定电力系统参数、火力发电机组数量及参数、抽水蓄能电站数量及参数、各抽水蓄能电站中的抽水蓄能发电机组数量及参数；所述电力系统参数包括最低旋转备用容量；所述火力发电机组参数包括单位发电成本、启停费用、额定容量、最小技术出。

4、力百分数、爬坡速率；所述抽水蓄能电站参数包括最小、最大库容电量；所述抽水蓄能发电机组参数包括单位发电成本、启停费用、额定容量； B. 获取电力系统负荷曲线：所述电力系统负荷预测数据时间间隔固定为 t，单位为小时；在时间 - 电力系统负荷预测值坐标系下将所述电力系统负荷预测数据相邻的两点用直线连接，形成电力系统负荷曲线；所述电力系统负荷预测数据将电力系统负荷曲线划分为 T 个调度区间； C. 建立抽水蓄能电站发电计划模型：目标函数为：（1）其中， T 为调度时段数；为第 n 火力发电机组的单位发电成本， MW，为第 n 火力发电机组的。

5、启停费用，元 /kWh ；为第 t 调度时段，第 n 火力发电机组的发电功率， MW，为第 t 时段，第 n 火力发电机组的状态，取值为 0 时停运，为 1 时投运； M 为抽水蓄能发电机组台数；为第m抽水蓄能发电机组的单位发电成本，元/kWh，为第t调度时段，第m抽水蓄能发电机组的发电功率， MW ；为第 t 时段，第 m 抽水蓄能发电机组的状态，取值为 0 时停运，为 1 时投运；为第 m 抽水蓄能发电机组的启停费用，万元 / 次；约束条件包括：负荷平衡约束： (2) 其中，pL,t为第 t 时段电力系统负荷预测值， MW ；火力发电机组出。

6、力约束 (3) 其中，为第 n 火力发电机组的最大技术出力，单位；为第 n 火力发电机组的最小技术出力， MW ；抽水蓄能发电机组出力约束： (3) 为第 m 抽水蓄能发电机组的最大技术出力， MW ；为第 m 抽水蓄能发电机组的最小技术出力， MW ；火力发电机组爬坡限制约束： (4) 权利要求书 CN 103699938 A 2 2/3 页 3 其中，为第 n 火力发电机组的爬坡速度，计算方法为： (5) 所述（5）式中为第 n 火力发电机组的爬坡速率， % ；系统旋转备用约束： (6) 其中， backupt为第 t 调度时段的最低旋转备用容量， M。

7、W ；抽水蓄能电站库容约束： (7) 其中：为第t调度时段末第k抽水蓄能电站的库容电量， MW ；为第k抽水蓄能电站库容电量的初始值， MW ；、为第 k 抽水蓄能电站的最小、最大库容电量， MW ； D ：采用改进的粒子群优化算法求解所述抽水蓄能电站发电计划模型的最优解，包括以下分步骤； D1:确定初始粒子群TN ：所述粒子为T*NN二维矩阵， NN=N+M，其元素为火力发电机组或抽水蓄能发电机组在各调度区间的发电功率， MW，所述初始粒子群由从多于 T*NN 粒子中选择目标函数值最小的 T*NN 个粒子组成，所述各粒子的速度和位置在混沌序列控制下产生；（8。

8、） D2 ：依次更新所述各粒子的速度和位置：按（8）式更新所述各粒子的速度： (8) 其中，为更新前第 k 粒子的速度，为更新前第 k 粒子的位置， MW，为更新后第 k 粒子的速度，为第 k 粒子的最优个体极值， MW，为所有粒子的最优全局极值， MW， r 为 01 的随机数； c1和 c2为加速因子； wk为惯性系数；按（9）式更新所述各粒子的位置： (9) 其中，为更新后第 k 粒子的位置， MW ； D3 ：更新各粒子的个体最优位置：依次计算更新后各粒子的目标函数值，若小于所述粒子的个体极值，用其更新所述粒子的个体极值；权利要求书。

9、 CN 103699938 A 3 3/3 页 4 D4 ：更新全局最优位置：目标函数值最小粒子个体最优位置作为更新后的全局最优位置； D5 ：混沌扰动更新各粒子位置，如果所述更新后粒子位置对应的目标函数值小于更新前粒子位置对应的目标函数值，则更新所述粒子位置，否则所述粒子位置不变； D6 ：对新的粒子进行约束处理，如出现越限后，超过最大值取上边界，超过最小值取下边界，使所有的粒子都满足约束条件； D7 ：判断是否达到预定迭代次数，如果没有，转向步骤 D2，否则，输出最优全局极值及对应的最小目标函数值。 2. 如权利要求 1 所述的含抽水蓄能电站。

10、的电力系统发电计划制定方法，其特征在于所述确定初始粒子群中粒子位置的方法包括以下分步骤： 2A ：随机产生一个取值范围为 01 之间的 T（N+M）的二维矩阵 Z0 ； 2B ：确定初始粒子群中的粒子：（10）其中 Z1 为 T（N+M）的二维维矩阵，其元素由矩阵 Z0 的元素决定，计算方法为：（11） 2C ：计算粒子的目标函数值。 3. 如权利要求 1 所述的含抽水蓄能电站的电力系统发电计划制定方法，其特征在于所述混沌扰动更新各粒子位置的方法为： 3A ：随机产生一个取值范围为 01 之间的 T（N+M）的二维矩阵 U0 ； 3B ：计算扰动量：。

11、 x=-+2U1（12）其中 U1 为 T （N+M）的二维矩阵，其元素由矩阵 U0 的元素决定，计算方法为：（13） 3D ：计算扰动前后粒子位置的目标函数值，若扰动后粒子位置的目标函数值小于扰动前粒子位置的目标函数值，则将所述粒子位置更新为扰动后粒子位置。 4. 如权利要求 1 所述的含抽水蓄能电站的电力系统发电计划制定方法，其特征在于所述惯性系数 Wk随迭代次数 k 自适应调整： Wk=0.9-0.5k/K（10）其中为， K 为总迭代次数。权利要求书 CN 103699938 A 4 1/12 页 5 一种含抽水蓄能电站的电力系统发电计划制定方法。

12、技术领域 0001 本发明涉及一种电力系统发电计划制定方法，尤其涉及一种含抽水蓄能电站的电力系统发电计划制定方法。背景技术 0002 随着抽水蓄能电站的日益庞大和节能减排政策的实施，传统抽水蓄能电站调度逐渐暴露出精益化程度不高、经验性调度长期占主导地位的问题。同时主观上对抽水蓄能电站 “4 度电换 3 度电” 的认识不足，导致对其进行调度时出现不公。 0003 电力系统调度模型含有众多变量和约束条件的模型，用传统的拉格朗日松弛法、网络流规划法、动态规划法、基于智能的遗传算法、神经网络算法等对其求解。这些方法的缺点是容易出现维数灾和计算时间长的问题。 0004 粒子群。

13、算法的优势是适合求解大规模的问题，可以用来求解电力系统调度模型。在用基本粒子群优化算法进行求解时发现两个问题： 1）对只包含几台机组的小系统进行求解时，迭代次数往往需要达到上百次才能够收敛，对包含上百台机组的大系统进行求解时，进行上万次的迭代后收敛的概率在 50% 以下。即基本粒子群优化算法在进行发电计划制定时收敛速度与收敛性不佳。经过分析认为基本粒子群算法对粒子进行初始化时是用随机函数产生的，初始化过程虽然可以保证初始解在约束域内的均匀分布，但是不能保证每个解的质量，初始解中可能有一部分解远离最优解。 0005 2）在对小系统求解时，经过足够多的迭代次数收敛。

14、后，对得到的最优解进行分析后发现这个最优解并不是想要得到的系统最优解，还存在目标函数值更小的解，即得到的解是局部最优解而不是全局最优解。其产生的原因是基本粒子群优化算法每次迭代更新自己的速度和位置时，其利用本身信息、个体最优解和全局最优解的信息得到新解。这是一个正的反馈过程，当本身信息和个体最优解的信息占优势时，很容易陷入局部最优。 0006 因此，需要改进电力系统调度模型的求解方法，得到更合理的电力系统调度方案。发明内容 0007 针对上述现有技术的缺陷或不足，本发明提出一种含多个抽水蓄能电站的电力系统随机生产模拟方法，它能够有效提高电力系统运行的安全性。

15、和经济性。 0008 为实现上述发明目的，本发明采用的技术方案如下：一种含抽水蓄能电站的电力系统发电计划制定方法，包括以下步骤： A. 制定检修计划：确定电力系统参数、火力发电机组数量及参数、抽水蓄能电站数量及参数、各抽水蓄能电站中的抽水蓄能发电机组数量及参数；所述电力系统参数包括最低旋转备用容量；所述火力发电机组参数包括单位发电成本、启停费用、额定容量、最小技术出力百分数、爬坡速率；所述抽水蓄能电站参数包括最小、最大库容电量；所述抽水蓄能发电机组参数包括单位发电成本、启停费用、额定容量； B. 获取电力系统负荷曲线：所述电力系统。

16、负荷预测数据时间间隔固定为 t，单位为说明书 CN 103699938 A 5 2/12 页 6 小时；在时间 - 电力系统负荷预测值坐标系下将所述电力系统负荷预测数据相邻的两点用直线连接，形成电力系统负荷曲线；所述电力系统负荷预测数据将电力系统负荷曲线划分为 T 个调度区间； C. 建立抽水蓄能电站发电计划模型：目标函数为：（1）其中， T 为调度时段数；为第 n 火力发电机组的单位发电成本， MW，为第 n 火力发电机组的启停费用，元 /kWh ；为第 t 调度时段，第 n 火力发电机组的发电功率， MW，为第 t 时段，第 n 火力发电机。

17、组的状态，取值为 0 时停运，为 1 时投运； M 为抽水蓄能发电机组台数；为第m抽水蓄能发电机组的单位发电成本，元/kWh，为第t调度时段，第m抽水蓄能发电机组的发电功率， MW ；为第 t 时段，第 m 抽水蓄能发电机组的状态，取值为 0 时停运，为 1 时投运；为第 m 抽水蓄能发电机组的启停费用，万元 / 次；约束条件包括：负荷平衡约束： (2) 其中，pL,t为第 t 时段电力系统负荷预测值， MW ；火力发电机组出力约束 (3) 其中，为第 n 火力发电机组的最大技术出力，单位；为第 n 火力发电机组的最小技术出力， MW ；抽水。

18、蓄能发电机组出力约束： (3) 为第 m 抽水蓄能发电机组的最大技术出力， MW ；为第 m 抽水蓄能发电机组的最小技术出力， MW ；火力发电机组爬坡限制约束： (4) 其中，为第 n 火力发电机组的爬坡速度，计算方法为： (5) 所述（5）式中为第 n 火力发电机组的爬坡速率， % ；系统旋转备用约束： (6) 说明书 CN 103699938 A 6 3/12 页 7 其中， backupt为第 t 调度时段的最低旋转备用容量， MW ；抽水蓄能电站库容约束： (7) 其中：为第t调度时段末第k抽水蓄能电站的库容电量， MW ；为第k抽水蓄能电站库容电量的。

19、初始值， MW ；、为第 k 抽水蓄能电站的最小、最大库容电量， MW ； D ：采用改进的粒子群优化算法求解所述抽水蓄能电站发电计划模型的最优解，包括以下分步骤； D1:确定初始粒子群TN ：所述粒子为T*NN二维矩阵， NN=N+M，其元素为火力发电机组或抽水蓄能发电机组在各调度区间的发电功率， MW，所述初始粒子群由从多于 T*NN 粒子中选择目标函数值最小的 T*NN 个粒子组成，所述各粒子的速度和位置在混沌序列控制下产生；（8） D2 ：依次更新所述各粒子的速度和位置：按（8）式更新所述各粒子的速度： (8) 其中，为更新前第 k 粒子的速度，。

20、为更新前第 k 粒子的位置， MW，为更新后第 k 粒子的速度，为第 k 粒子的最优个体极值， MW，为所有粒子的最优全局极值， MW， r 为 01 的随机数； c1和 c2为加速因子； wk为惯性系数；按（9）式更新所述各粒子的位置： (9) 其中，为更新后第 k 粒子的位置， MW ； D3 ：更新各粒子的个体最优位置：依次计算更新后各粒子的目标函数值，若小于所述粒子的个体极值，用其更新所述粒子的个体极值； D4 ：更新全局最优位置：目标函数值最小粒子个体最优位置作为更新后的全局最优位置； D5 ：混沌扰动更新各粒子位置，如果所述更新后粒子位置。

21、对应的目标函数值小于更新前粒子位置对应的目标函数值，则更新所述粒子位置，否则所述粒子位置不变； D6 ：对新的粒子进行约束处理，如出现越限后，超过最大值取上边界，超过最小值取下边界，使所有的粒子都满足约束条件； D7 ：判断是否达到预定迭代次数，如果没有，转向步骤 D2，否则，输出最优全局极值及说明书 CN 103699938 A 7 4/12 页 8 对应的最小目标函数值。 0009 所述确定初始粒子群中粒子位置的方法包括以下分步骤： 2A ：随机产生一个取值范围为 01 之间的 T（N+M）的二维矩阵 Z0 ； 2B ：确定初始粒子群中的粒子：。

22、（10）其中 Z1 为 T（N+M）的二维维矩阵，其元素由矩阵 Z0 的元素决定，计算方法为：（11） 2C ：计算粒子的目标函数值。 0010 所述混沌扰动更新各粒子位置的方法为： 3A ：随机产生一个取值范围为 01 之间的 T（N+M）的二维矩阵 U0 ； 3B ：计算扰动量： x=-+2U1（12）其中 U1 为 T （N+M）的二维矩阵，其元素由矩阵 U0 的元素决定，计算方法为：（13） 3D ：计算扰动前后粒子位置的目标函数值，若扰动后粒子位置的目标函数值小于扰动前粒子位置的目标函数值，则将所述粒子位置更新为扰动后粒子位置。 001。

23、1 所述惯性系数 Wk随迭代次数 k 自适应调整： Wk=0.9-0.5k/K（10）其中为， K 为总迭代次数。 0012 本发明的有益效果在于：将混沌理论引入到基本粒子群算法中：利用混沌运动的遍历性产生大量初始群体，从中择优选出初始群体；在对每个粒子进行位置更新时，对粒子产生合理范围内的混沌扰动，以使解跳出局部最优区间。能够合理制定含抽水蓄能电站的电力系统的发电计划，实现抽水蓄能电站资源的最优化利用，使系统运行费用降至最低。附图说明 0013 图 1 是本发明实施例的流程图；图 2 为本发明实施例的机组运行位置图；图 3 为传统发电计划的机组运行位置。

24、图。具体实施方式 0014 实施例：一种含抽水蓄能电站的电力系统发电计划制定方法，包括以下步骤： A. 制定检修计划：确定电力系统参数、火力发电机组数量及参数、抽水蓄能电站数量及参数、各抽水蓄能电站中的抽水蓄能发电机组数量及参数；所述电力系统参数包括最低旋转备用容量；所述火力发电机组参数包括单位发电成本、启停费用、额定容量、最小技术说明书 CN 103699938 A 8 5/12 页 9 出力百分数、爬坡速率；所述抽水蓄能电站参数包括最小、最大库容电量；所述抽水蓄能发电机组参数包括单位发电成本、启停费用、额定容量； B. 获取电。

25、力系统负荷曲线：所述电力系统负荷预测数据时间间隔固定为 t，单位为小时；在时间 - 电力系统负荷预测值坐标系下将所述电力系统负荷预测数据相邻的两点用直线连接，形成电力系统负荷曲线；所述电力系统负荷预测数据将电力系统负荷曲线划分为 T 个调度区间； C. 建立抽水蓄能电站发电计划模型：目标函数为：（1）其中， T 为调度时段数；为第 n 火力发电机组的单位发电成本， MW，为第 n 火力发电机组的启停费用，元 /kWh ；为第 t 调度时段，第 n 火力发电机组的发电功率， MW，为第 t 时段，第 n 火力发电机组的状态，取值为 0 时停运，。

26、为 1 时投运； M 为抽水蓄能发电机组台数；为第m抽水蓄能发电机组的单位发电成本，元/kWh，为第t调度时段，第m抽水蓄能发电机组的发电功率， MW ；为第 t 时段，第 m 抽水蓄能发电机组的状态，取值为 0 时停运，为 1 时投运；为第 m 抽水蓄能发电机组的启停费用，万元 / 次；约束条件包括：负荷平衡约束： (2) 其中，pL,t为第 t 时段电力系统负荷预测值， MW ；火力发电机组出力约束 (3) 其中，为第 n 火力发电机组的最大技术出力，单位；为第 n 火力发电机组的最小技术出力， MW ；抽水蓄能发电机组出力约束： (3)。

27、为第 m 抽水蓄能发电机组的最大技术出力， MW ；为第 m 抽水蓄能发电机组的最小技术出力， MW ；火力发电机组爬坡限制约束： (4) 其中，为第 n 火力发电机组的爬坡速度，计算方法为： (5) 所述（5）式中为第 n 火力发电机组的爬坡速率， % ；系统旋转备用约束：说明书 CN 103699938 A 9 6/12 页 10 (6) 其中， backupt为第 t 调度时段的最低旋转备用容量， MW ；抽水蓄能电站库容约束： (7) 其中：为第t调度时段末第k抽水蓄能电站的库容电量， MW ；为第k抽水蓄能电站库容电量的初始值， MW ；、为第 k 。

28、抽水蓄能电站的最小、最大库容电量， MW ； D ：采用改进的粒子群优化算法求解所述抽水蓄能电站发电计划模型的最优解，包括以下分步骤； D1:确定初始粒子群TN ：所述粒子为T*NN二维矩阵， NN=N+M，其元素为火力发电机组或抽水蓄能发电机组在各调度区间的发电功率， MW，所述初始粒子群由从多于 T*NN 粒子中选择目标函数值最小的 T*NN 个粒子组成，所述各粒子的速度和位置在混沌序列控制下产生；（8） D2 ：依次更新所述各粒子的速度和位置：按（8）式更新所述各粒子的速度： (8) 其中，为更新前第 k 粒子的速度，为更新前第 k 粒子的位置，。

29、 MW，为更新后第 k 粒子的速度，为第 k 粒子的最优个体极值， MW，为所有粒子的最优全局极值， MW， r 为 01 的随机数； c1和 c2为加速因子； wk为惯性系数；按（9）式更新所述各粒子的位置： (9) 其中，为更新后第 k 粒子的位置， MW ； D3 ：更新各粒子的个体最优位置：依次计算更新后各粒子的目标函数值，若小于所述粒子的个体极值，用其更新所述粒子的个体极值； D4 ：更新全局最优位置：目标函数值最小粒子个体最优位置作为更新后的全局最优位置； D5 ：混沌扰动更新各粒子位置，如果所述更新后粒子位置对应的目标函数值小于更新前粒。

30、子位置对应的目标函数值，则更新所述粒子位置，否则所述粒子位置不变； D6 ：对新的粒子进行约束处理，如出现越限后，超过最大值取上边界，超过最小值取下说明书 CN 103699938 A 10 7/12 页 11 边界，使所有的粒子都满足约束条件； D7 ：判断是否达到预定迭代次数，如果没有，转向步骤 D2，否则，输出最优全局极值及对应的最小目标函数值。 0015 所述确定初始粒子群中粒子位置的方法包括以下分步骤： 2A ：随机产生一个取值范围为 01 之间的 T（N+M）的二维矩阵 Z0 ； 2B ：确定初始粒子群中的粒子：（10）其中 Z1 为。

31、 T（N+M）的二维维矩阵，其元素由矩阵 Z0 的元素决定，计算方法为：（11） 2C ：计算粒子的目标函数值。 0016 所述混沌扰动更新各粒子位置的方法为： 3A ：随机产生一个取值范围为 01 之间的 T（N+M）的二维矩阵 U0 ； 3B ：计算扰动量： x=-+2U1（12）其中 U1 为 T （N+M）的二维矩阵，其元素由矩阵 U0 的元素决定，计算方法为：（13） 3D ：计算扰动前后粒子位置的目标函数值，若扰动后粒子位置的目标函数值小于扰动前粒子位置的目标函数值，则将所述粒子位置更新为扰动后粒子位置。 0017 所述惯性系数 Wk随迭。

32、代次数 k 自适应调整： Wk=0.9-0.5k/K（10）其中为， K 为总迭代次数。 0018 在本实施例中，电力系统中包含4台火力发电机组和1座抽水蓄能电站，抽水蓄能电站有1台抽水蓄能发电机组，火力发电机组参数如表1所示。火电机组的最大技术出力分别为 200MW、 320MW、 420MW、 600MW，最小技术出力值分别为 80MW、 121.6MW、 151.2MW、 180MW。抽水蓄能机组的出力由抽水 350MW 到发电 300MW 之间进行变化。火电机组的爬坡限制约束为每小时可增减的出力值，算例中火电机组的爬坡限制分别在 40MW、 64MW、 84MW。

33、、 120MW 之间。抽水蓄能电站的发电容量 300MW，抽水容量 350MW，循环效率 70%。抽水蓄能电站的初始库容电量为 Q0,n 为 300MWh， Qn,min 为 300MWh， Qn,max 为 1800MWh。 0019 电力系统预测负荷信息如表 2 所示，共计 24 个预测数据，分成 24 个时段。电力系统旋转备用容量占到系统总装机容量的 10%，即系统备用容量为 184MW。 0020 随机产生的 Z0 矩阵如表 3 所示，由此计算得到的 Z1 矩阵如表 4 所示，初始粒子群如表 5 所示，迭代次数限制为 100，优化得到的最优解如表 6 所示。。

34、0021 对多次运行的结果进行了分析，其最优解的目标函数值大致在 953 万元附近变动。这是因为每次运行时，在初始化和更新粒子的过程中均存在一个随机变量，导致其收敛后的最优解与最优目标值在每次运行时会有不同。但是其目标值在一个确定值范围上下波动不大，因此，可以认为是发电计划模型的最优解。说明书 CN 103699938 A 11 8/12 页 12 0022 取其中一个运行的结果如图 1 所示。调度周期内的目标值为 953.60 万元，蓄能电站发电量为 1246.20MWh，抽水电量为 1801.30MWh。 0023 传统蓄能电站调度一般为定时段调度，即按照。

35、事先规定的时间晚间抽水白天发电。假定 00:005:00 抽水， 11:0013:00， 19:0020:00 发电。然后再根据优先顺序法安排火电机组的发电计划得到传统调度下的机组运行位置如图 2 所示。传统调度期内目标值为 961.23 万元，蓄能电站发电量为 1200.00MWh，抽水电量为 1680.00MWh。 0024 通过图1、图2的比较，图1中火电机组2、 3、 4出力曲线相比更加平稳，且调度周期内本发明方法比传统发电计划下目标值小 7.63 万元，证明了此算法的优越性。 0025 表 1 表 2 说明书 CN 103699938 A 12 9/12 页 13 表 3 说明书 CN 103699938 A 13 10/12 页 14 表 4 说明书 CN 103699938 A 14 11/12 页 15 表 5 说明书 CN 103699938 A 15 12/12 页 16 表 6 说明书 CN 103699938 A 16 1/2 页 17 图 1 图 2 说明书附图 CN 103699938 A 17 2/2 页 18 图 3 说明书附图 CN 103699938 A 18 。

展开阅读全文