一种基于AGC的发电机组最优里程调度方法

技术领域

本发明属于发电控制领域，具体涉及一种基于AGC的发电机组最优里程调度方法。

背景技术

自2015年以来，国内正式开展电力市场化体制改革，取得了诸多显著成效。在电力市场环境下，电力系统的需求如调频需求等通过价格来反映，市场主体追求利润最大化和电力系统的安全稳定高效运行形成了统一。

自动发电控制(AGC)是互联电力系统中最基本的操作任务之一，其目的是在预定的交换功率流情况下保持供需之间的实时平衡。现有的发电控制方法考虑的是单时段的机组组合，根据调度下发的调频指令分配不同机组的出力。这种控制方法的特点就是简单易实现，一般采用联络线净交换功率偏差和频率偏差控制方式，只需根据当前时段的AGC指令响应的增加或减少机组出力以抵制电网频率变化，实现维持频率稳定的目的。在相邻时段AGC信号相差较大时将引起机组损耗严重，也会降低调频质量。因此，对现有发电控制技术进行改进很有必要。

发明内容

有鉴于此，本发明的目的在于提供一种基于AGC的发电机组最优里程调度方法，提高频率性能的发电机组控制方法。在AGC指令下将多个调度单元结合起来，进行统一预测和优化调度，形成基于模型预测控制(MCP)的实时最优里程调度(OMD)控制框架。即将基于里程的调节服务补偿准则纳入多个单元的调度中，并采用模型预测控制框架，有效地解决了给定相邻调度间隔之间AGC信号动态变化的实时 OMD问题。因此，本发明不仅响应了系统调频需求，提高了机组调频性能，保证电力系统安全性。

为实现上述目的，本发明采用如下技术方案：

一种基于AGC的发电机组最优里程调度方法，包括以下步骤：

获取历史区间的调频里程数据，并根据先前的数据和当前的调频里程需求，预测未来控制间隔的调频里程需求；

以GenCo的调频收入最大化作为目标函数，求解当前和未来控制区间之间的协同优化

根据预设约束条件对GenCo所有机组的目标函数分别进行迭代优化，最终得到当前和未来时段各个机组的最优工作状态，从而实现实时OMD。

进一步的，所述根据先前的数据和当前的调频里程需求，预测未来控制间隔的调频里程需求，具体为:采用光滑样条回归分析方法，数学模型如下：

其中

p是平滑参数，0≤p≤1；L是数据点的数目；M

进一步的，所述目标函数具体如下：

目标函数包括里程补偿费用、能源费用和总发电成本：

其中TP

其中P

进一步的，所述预设约束具体如下：

模型约束：

M

所有的调频里程输入都应满足调频里程平衡约束以及上下限约束：

其中ΔP

每个BESS的荷电状态(SOC)限制在其下限和上限内：

其中SOC

一种基于AGC的发电机组最优里程调度系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4一个或多个的方法。

本发明与现有技术相比具有以下有益效果：

本发明综合考虑了多个时段的里程，求出机组的最优出力组合，是对原有单时段发电控制方法的改进。这种方法不仅可以提高机组对于AGC信号的实时响应能力，而且使得在多个时段之间的机组出力趋于平滑，降低了发电机的损耗和燃料成本，有效提高机组调频质量，对电网的安全稳定运行具有十分重要的意义。

附图说明

图1为本发明方法流程示意图。

具体实施方式

下面结合实施例对本发明做进一步说明。

本发明提供一种一种基于AGC的发电机组最优里程调度方法，具体包括以下步骤：

1)获取历史区间的调频里程数据，并根据先前的数据和当前的调频里程需求，预测未来控制间隔的调频里程需求；

2)以GenCo的调频收入最大化作为目标函数，求解当前和未来控制区间之间的协同优化；

3)根据预设约束条件对GenCo所有机组的目标函数分别进行迭代优化，最终得到当前和未来时段各个机组的最优工作状态，从而实现实时OMD。

在1)中，预测是指对实时和未来区间调频里程需求的预测，实时预测需要用到先前区间的调频里程数据，预测区间的具体数量可以视情况而定，理论上数据点越多结果越精确。然后，根据先前的数据和当前的调频里程需求，预测未来控制间隔的调频里程需求。采用光滑样条回归分析方法，数学模型如下：

其中

p是平滑参数，0≤p≤1；L是数据点的数目；M

在2)中，GenCo的目标是在响应实时AGC调度信号的情况下，最大化其在市场中收入，以响应系统调频需求，减少电网频率波动。解当前和未来控制区间之间的协同优化，这样不仅可以对当前区间的控制策略进行修正，而且可以得到未来控制区间的最优调度策略。

2.1)根据步骤2)的说明，目标函数如下：

2.2)目标函数包括里程补偿费用、能源费用和总发电成本：

其中TP

其中P

在3)中，根据约束条件对2)中第i个GenCo所有机组的目标函数分别进行迭代优化，最终得到当前和未来时段各个机组的最优工作状态，从而实现实时OMD。

3.1)模型约束：

M

注意，上述约束是为了减少当前控制时段的调频里程调整而设计的。此外，较大的H很容易导致负面影响，因为秒级AGC信号很难预测未来控制间隔的情况。它还消耗了更多的优化计算时间，这可能使得模型不能满足OMD的实时要求。因此，较小的H更适合于实时OMD，通过多组对比模拟将其设置为1较为适宜。

3.2)所有的调频里程输入都应满足调频里程平衡约束以及上下限约束：

其中ΔP

3.3)此外，每个BESS的荷电状态(SOC)应限制在其下限和上限内：

其中SOC

在3.4)中，当下一个控制间隔到达时，k＝k+1，对当前时段的调频里程进行调整，返回到步骤2)进行下一时段及未来时段的优化计算。

实施例1：

在本实施例中，先收集数量(L个)合适的先前时段和当前时段调频里程指令，然后，根据先前的数据和当前的调频里程需求，预测未来控制间隔的调频里程需求。采用光滑样条回归分析方法，把数据代入下式：

其中

得到第i个GenCo在第k个调频时段的调频里程，令k＝k+1，反复代入上式，可得到多个未来时段的调频里程，为下一步优化计算做准备。

根据步骤2)的要求，求解解当前和未来控制区间之间的协同优化：

m＝1，2，…，n

GenCo将通过发挥快速响应资源的高调频性能，适当提高其里程补偿费用。

根据步骤3)的要求，考虑模型约束：

由于该约束是为了减少当前控制间隔的里程调度调整而设计的，且较大的H很容易导致负面影响。因此，将其设置为1。此外，实时 OMD的协同优化本质上是一种非线性规划，采用序列二次规划(SQP) 处理，因其收敛速度快、收敛稳定性高。

接着，考虑调频里程平衡问题，使得每个时段输入调频里程都满足平衡约束，此外还需保证不超过机组调频出力的上下限：

此外，每个BESS的荷电状态同样应限制在其下限和上限内：

根据步骤3.4)的要求，当下一个控制间隔到达时，由于预测调频里程和实际调频里程存在偏差，故应先对当前时段的调频里程进行调整，然后令上式中k＝k+1，滚动进行下一时段及未来时段的优化计算。由此循环往复，滚动优化，可以实现基于MPC的实时OMD。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。