一种机组组合优化方法及系统

技术领域

本发明属于机组组合调度技术领域，具体涉及一种机组组合优化方法及系统。

背景技术

机组组合是电力系统调度优化运行的重要组成部分，通过制定各机组在调度周期内的启停状态及出力计划实现总成本最低的目标。构架适应高比例可再生能源接入的新一代电力系统成为实现我国能源转型的重要步骤，可再生能源的接入同时也给电力系统的安全经济运行产生巨大冲击，给机组组合运算带来更多挑战。需要考虑最大程度消纳带有不确定性的可再生能源的目标及运行规划受网络安全约束的影响，兼顾长周期评估优化的计算性能。因此，需要研究一种综合考虑各项约束的多元发电的机组组合优化问题的高效求解方法。

针对机组组合求解方法问题已有大量研究，研究方向主要聚焦于启发式算法、数学优化算法及智能优化算法。前两类为求解机组组合问题的经典算法，已得到广泛应用，启发式算法的研究思路为依靠直观的判断或实际调度经验，考虑每一时间粒度下的局部最优解从而认为最终得到的是全局最优解，典型的启发式算法包括穷举法与优先顺序法；数学优化算法主要包括拉格朗日松弛法及混合整数规划法，前者的研究思路是将系统约束条件以惩罚项的形式加入目标函数进行松弛，再将机组组合问题分解为一系列单机子问题和对偶问题，单机子问题采用动态规划法求解，对偶问题采用次梯度法求解；后者是解决变量中既有整数又有非整数问题的一类数学方法，代表性方法有将所求问题分解为只含离散变量和只含连续变量的两个子问题，通过协调因子在这两个子问题间进行循环迭代，最终求得问题的最优解的Benders分解法，及隐式枚举所有可能的组合方案，从理论上能够求得问题的最优解的分支定界法；智能优化算法通过程序模拟自然界已知的进化方法从而达到优化的目的，如遗传算法、模拟退火算法、粒子群算法等。

上述算法在特定的系统及运行要求条件下能够发挥出较大的优势，但仍存在一定的技术缺陷及不足。智能优化本质上是随机优化，在处理大规模实际系统时模型维数增加计算量显著增大，计算过程缓慢，且所求得的解稳定性不足，在同样条件下两次求得的解可能不同，影响调度的公平性和优化结果的解释。拉格朗日乘子法存在添加约束灵活性较差及大量拉格朗日乘子在迭代过程中不易收敛的问题，由于约束条件复杂程度的限制，难以全面、精细地考虑系统网络及机组自身的各项约束，所得到的发电计划可能无法实现。随着商业求解软件的发展，优化求解法逐渐成为当前研究的热点，但在进行大型电力系统长周期模拟的运行中，仍受到计算速度的限制。若在进行以年为尺度单位的长周期模拟时采用优化求解方式，大规模变量随着大量约束的出现而被引用，且由于混合整数规划问题计算耗时长，不便于及时为运行人员提供参考。

发明内容

本发明的目的在于提供一种机组组合优化方法及系统，以克服混合整数规划求解机组组合优化问题速度慢、效率低的问题。

一种机组组合优化方法，包括以下步骤：

S1，根据不同类型机组输出特性分析，构建电力系统中各机组的数学模型，根据各机组的数学模型获取各机组的基准状态；

S2，比较基准状态下旋转备用可用容量与约束要求的最小备用容量大小，检验不考虑爬坡约束时，各机组启停状态及出力状态下，系统中开机机组是否同时满足功率平衡约束及旋转备用容量约束的能力，若不满足则进行开机操作直至同时满足功率平衡约束及旋转备用容量约束的能力，得到修正基准状态；

S3，确定修正基准状态下各开机的机组所需承担的剩余负荷大小，计算各开机机组的向上爬坡容量及向下爬坡容量，比较各开机机组爬坡容量与剩余负荷大小关系，若当前修正基准状态下各开机机组在考虑爬坡约束时无法满足剩余负荷，则在经济性最优的原则下进行开机或关机操作，直至当前修正基准状态下各开机机组在考虑爬坡约束时满足剩余负荷，然后将剩余负荷分配给各开机机组。

优选的，各机组的基准状态包括各机组的启停状态、出力状态及当前时刻各机组中新能源机组出力上限。

优选的，初始时刻以参考状态为各机组的基准状态，t时刻以t-1时刻状态为各机组的基准状态。

优选的，初始时刻状态的确定以一周内负荷大小为中位数时刻优化求解结果为参考基准；任意时刻新能源机组出力上限为该时刻新能源机组预测出力。

优选的，基准状态下旋转备用可用容量为在基准状态下机组出力满足功率平衡约束后剩余的旋转备用容量，若基准状态下旋转备用可用容量小于旋转备用下限要求，则需增开机组直至满足备用容量约束并限定所增开的机组出力为其最小技术出力值，最终得到修正基准状态。

优选的，剩余负荷计算表达式如下所示：

式中，α为新能源机组消纳率，

优选的，停机状态下机组爬坡容量为零；开机状态下，计算基准出力与出力限值差值，机组爬坡容量为上述差值和小时爬坡容量二者中的最值。

优选的，若剩余负荷大于零，比较剩余负荷与向上爬坡容量大小的关系，若剩余负荷小于等于零，则与向下爬坡容量大小进行比较；当向上爬坡容量或向下爬坡容量无法满足剩余负荷时，需进行相应开机或关机操作。

优选的，当向上爬坡容量能够满足剩余负荷时，不改变机组启停状态；当向下爬坡容量能够满足剩余负荷时，校验旋转备用容量是否超出旋转备用上限，若旋转备用容量过大则需进行关机操作。

一种机组组合优化系统，包括预处理模块和优化模块，

预处理模块，根据不同类型机组输出特性分析，构建电力系统中各机组的数学模型，根据各机组的数学模型获取各机组的基准状态；

优化模块，比较基准状态下旋转备用可用容量与约束要求的最小备用容量大小，检验不考虑爬坡约束时，各机组启停状态及出力状态下，系统中开机机组是否同时满足功率平衡约束及旋转备用容量约束的能力，若不满足则进行开机操作直至同时满足功率平衡约束及旋转备用容量约束的能力，得到修正基准状态；确定修正基准状态下各开机的机组所需承担的剩余负荷大小，计算各开机机组的向上爬坡容量及向下爬坡容量，比较各开机机组爬坡容量与剩余负荷大小关系，若当前修正基准状态下各开机机组在考虑爬坡约束时无法满足剩余负荷，则在经济性最优的原则下进行开机或关机操作，直至当前修正基准状态下各开机机组在考虑爬坡约束时满足剩余负荷，然后将剩余负荷分配给各开机机组。

与现有技术相比，本发明具有以下有益的技术效果：

本发明一种机组组合优化方法，根据不同类型机组输出特性分析，构建电力系统中各机组的数学模型，根据各机组的数学模型获取各机组的基准状态，在现有机组组合研究的基础上，需要兼顾可再生能源消纳和经济成本最优的目标，综合考虑机组自身及系统、约束，提高计算效率的同时增强机组组合计划与网架传输能力的匹配程度，为经济调度及安全校核预留空间。计算量小且简单易操作的启发式算法为上述目标提供了可行的途径，采用安排机组的启停及出力状态，有效规避了混合整数规划问题求解过程，提高了大型实际电力系统长周期机组组合问题的计算效率，可以将计算时间从几小时降为十几分钟。

本发明通过安排不同类型机组出力大小和设定火电机组投切顺序等方法，达到最大程度消纳新能源和成本最优的目标。

考虑多个不同层次的约束条件，兼顾机组运行的细节问题和网架直流潮流约束，使最终得到的发电计划能够与实际系统网架传输能力有效匹配。

本发明通过制定策略时考虑机组最小启停时间并考虑各机组最小技术出力限制，可以避免采用优化方法求解时某些经济性较差机组长期不能开机的窘境，采用策略制定的方式更贴合于实际调度人员的决策，充分调度所有规划机组。

附图说明

图1为本发明实施例中机组组合优化方法流程示意图。

图2为本发明实施例中校验基准状态下旋转备用容量流程。

图3为本发明实施例中剩余负荷与机组爬坡容量比较流程。

图4为本发明实施例中启发式机组组合策略算法流程图。

图5为本发明实施例中测试算例网架拓扑图。

图6(a)、图6(b)分别为本发明实施例中风电、光伏机组预测出力折线图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

如图1所示，本发明一种机组组合优化方法，包括以下步骤：

S1，根据不同类型机组输出特性分析，构建电力系统中各机组的数学模型，根据各机组的数学模型获取各机组的基准状态；

各机组的基准状态包括各机组的启停状态、出力状态及当前时刻各机组中新能源机组出力上限；

S2，校验基准状态下旋转备用容量：比较基准状态下旋转备用可用容量与约束要求的最小备用容量大小，检验不考虑爬坡约束时，各机组启停状态及出力状态下，系统中开机机组是否同时满足功率平衡约束及旋转备用容量约束的能力，若不满足则进行开机操作直至同时满足功率平衡约束及旋转备用容量约束的能力，得到修正基准状态；

S3，校验修正基准状态下的爬坡容量；确定修正基准状态下各开机的机组所需承担的剩余负荷大小，计算各开机机组的向上爬坡容量及向下爬坡容量，比较各开机机组爬坡容量与剩余负荷大小关系，若当前修正基准状态下各开机机组在考虑爬坡约束时无法满足剩余负荷，则在经济性最优的原则下进行开机或关机操作，直至当前修正基准状态下各开机机组在考虑爬坡约束时满足剩余负荷，然后将剩余负荷分配给各开机机组。

本发明根据所处时刻确定基准状态；校验基准状态下的旋转备用可用容量能否满足旋转备用下限约束，若不满足则进行开机操作，得到修正基准状态；再次，确定修正基准状态下机组所需承担的剩余负荷大小，计算机组爬坡容量；最后，比较开机机组爬坡容量与剩余负荷大小关系，若当前机组启停状态在爬坡约束下无法满足剩余负荷，则进行开机或关机操作，直至当前修正基准状态下各开机机组在考虑爬坡约束时满足剩余负荷，然后将剩余负荷分配给各开机机组。

步骤S1中，初始时刻以参考状态为各机组的基准状态，t时刻以t-1时刻状态为各机组的基准状态。初始时刻制定该时刻各机组启停计划时无需考虑最小启停机时间及爬坡约束，初始时刻状态的确定以一周内负荷大小为中位数时刻优化求解结果为参考基准；任意时刻新能源机组出力上限为该时刻新能源机组预测出力。

求解一周内负荷中间值时刻优化问题的目的在于将约束纳入考虑，使结果更贴合实际。以周为单位，选取每周负荷大小为中位数的时刻，以进行分段线性化处理的最低经济成本为目标函数，进行特定时刻混合整数规划问题的优化求解。以所得的机组启停状态和出力状态为参考基准依照时序向前推移，安排该周内各个时刻的机组组合方式。上述方式通过最少的优化求解计算次数，为周机组组合计划的制定提供了较为有效的参考。

目标函数的分段线性化的方法也将提高运算效率，如将煤耗函数分为m段，目标函数如下：

其中，K

在进行时间尺度大于一周的长周期机组组合运算时，初始时刻需要考虑当前周最小负荷时刻机组状态与前一周最后时刻机组状态变化是否满足机组自身技术约束，由于火电机组小时爬坡速率较快，只检查启停状态发生变化的火电机组能否满足最小持续启停机时间约束。

步骤S2中，考虑系统层面功率平衡及备用容量约束之间耦合关系，设基准状态下旋转备用可用容量为在基准状态下机组出力满足功率平衡约束后剩余的旋转备用容量，即t时刻所有火电机组出力

校验基准状态下旋转备用可用容量流程如附图2所示，若基准状态下旋转备用可用容量小于旋转备用下限要求，则需增开机组直至满足备用容量约束并限定所增开的机组出力为其最小技术出力值，最终得到修正基准状态。

具体，在增开机组时，按经济性顺序从最经济的机组开机。

步骤S3中，修正基准状态下的爬坡容量的校验具体包括以下步骤：

计算剩余负荷的大小：剩余负荷的大小决定了火电机组启停状态及出力状态调整的目标，即需要填补的出力缺口。

t时刻原始负荷

式中，α为新能源机组消纳率，本申请设定为90％。

计算火电机组爬坡容量：影响机组爬坡容量大小的因素包括机组当前启停状态、出力上限、出力下限及爬坡速率，停机状态下机组爬坡容量为零；开机状态下，计算基准出力与出力限值差值，机组爬坡容量为上述差值和小时爬坡容量二者中的最值，如下式所示：

Uramp

Dramp

式中，Uramp

比较剩余负荷与机组爬坡容量：比较流程如附图3所示，若剩余负荷大于零，比较剩余负荷与向上爬坡容量大小的关系，若剩余负荷小于等于零，则与向下爬坡容量大小进行比较。

当向上爬坡容量或向下爬坡容量无法满足剩余负荷时，需进行相应开机或关机操作；当向上爬坡容量能够满足剩余负荷时，不改变机组启停状态；当向下爬坡容量能够满足剩余负荷时，校验旋转备用容量是否超出旋转备用上限，若旋转备用容量过大则需进行关机操作。爬坡过程将提升新能源消纳程度纳入考虑，需要向上爬坡时优先增加新能源机组出力至上限值，向下爬坡容量足够时增大该时刻新能源机组出力用以替代部分火电机组出力。同时，优先通过新能源机组出力增大的方式填补由于关机产生的负荷缺额。

开机或关机操作：为避免重复大量循环过程降低运算效率，进行开机或关机操作时首先需筛选出当前时刻及机组状态下可操作机组，其次按照设定的顺序进行开关机直至满足系统约束。确定可操作机组时以机组自身技术约束为依据，如当前时刻下可开机机组的基准状态为关机状态且持续关机时间满足最小持续停机时间约束，最小技术出力小于当前剩余负荷的火电机组。决定操作顺序的依据为经济成本最低的目标，进行开机操作时优先投运经济性好的机组，进行关机操作时按经济性倒序关停机组。为计算简便性与安排合理性，本申请采用优先投运大容量机组，优先关停小容量机组的近似方法，即认为火电机组经济性与容量大小成正比关系。

当机组爬坡容量足以满足剩余负荷时，将剩余负荷分配给各开机机组，本专利所描述的机组组合过程以确定火电机组启停状态为目的，对机组出力的精细分配安排将在经济调度过程中进行，该步骤中采取以各开机机组可爬空间大小为依据，按比例分配负荷的近似方法确定各机组出力。

实施例

下面结合启发式机组组合策略算法流程图(附图4)具体阐述本发明的步骤：

确定机组启停及出力：根据输入数据合并机组检修计划，标记各时刻处于检修状态机组，计算各时刻新能源机组预测出力值设定为其出力上限。得到t时刻机组基准状态，即t-1时刻机组启停状态、持续启停机时间及出力大小，修正新能源机组出力上限为t时刻预测值。

校验基准状态下的旋转备用可用容量能否满足旋转备用下限约束，即在基准机组启停状态条件下，设机组出力满足功率平衡约束，输出功率大小与当前时刻负荷大小相同时开机机组所剩余的旋转备用容量是否满足旋转备用下限容量需要。若不满足则进行开机操作，筛选当前时刻未开机机组中满足最小持续停机时间约束的火电机组，按容量由大到小的顺序开机并以最小技术出力值运行，直至满足旋转备用下限容量要求，得到修正基准状态。

计算修正基准状态下机组所需承担的剩余负荷大小，即当前时刻部分原始负荷除去基准状态下火电机组出力所满足，新能源机组出力以经验比例消纳承担的两部分负荷外，剩余未满足的负荷大小。

比较剩余负荷与爬坡容量大小关系，分四种情况考虑机组是否进行开关机操作。若剩余负荷大于零，比较剩余负荷与向上爬坡容量大小的关系，当向上爬坡容量能够满足剩余负荷时，不改变机组启停状态；当向上爬坡容量无法满足剩余负荷时，需进行开机操作，筛选当前时刻未开机机组中满足最小持续停机时间约束的火电机组，且最小技术出力值小于剩余负荷大小，按容量由大到小的顺序开机并以最小技术出力值运行，每投运一台机组对剩余负荷进行一次修正，直至剩余负荷为小于零。若剩余负荷小于零，比较剩余负荷绝对值与向下爬坡容量大小的关系，当向下爬坡容量能够满足剩余负荷时，校验旋转备用容量是否超出旋转备用上限，若旋转备用容量过大则需进行关机操作，筛选当前时刻已开机机组中满足最小持续停机时间约束的火电机组，按容量由小到大的顺序退出运行，直至满足旋转备用容量上限要求，每关停一台机组需对剩余负荷进行一次修正；当向下爬坡容量无法满足剩余负荷时，同样需进行关机操作，每关停一台机组对剩余负荷进行一次修正，直至剩余负荷为大于零。

分配上述步骤中四种情况下所得剩余负荷：向上爬坡能满足的大于零的剩余负荷通过优先增加新能源出力至上限，其余负荷通过按比例分配至开机机组向上爬坡的方法实现分配；向上爬坡无法满足的大于零的负荷在进行开机操作后所得小于零的修正剩余负荷通过开机机组按比例向下爬坡进行分配；向下爬坡能满足的小于零的经旋转备用上限约束修正后所得修正剩余负荷通过开机机组按比例向下爬坡进行分配；向下爬坡无法满足的小于零的负荷在进行关机操作后所得大于零的修正剩余负荷通过开机机组按比例向上爬坡进行分配。

记录t时刻机组启停及出力情况，更新各火电机组持续启停机时间，递进顺推至下一个时刻，认为每个时刻的最优构成全局最优，最后检查是否满足循环结束条件。

为了说明本发明所提供的启发式策略机组组合优化方法的适用性及效果，下面结合具体实例进行展示：

本发明在改进的IEEE 24节点测试系统中进行仿真模拟，网架拓扑结构如图5所示，增加风力发电厂4座，光伏发电厂4座。系统中还增加了两个光热电站及两个抽水蓄能电站。仿真时间步长设置为1小时，进行一周的机组组合优化计算。预测风力发电数据和光伏发电数据根据风力发电厂和光伏发电厂的实际产量进行调整得出，风电和光伏机组一周预测发电功率数据可以在图6(a)和(b)中获得。所提出的启发式策略计算时间及同一环境下采用CPLEX求解器求解优化问题求解时间及经济成本结果如表1与表2所示：

表1启发式策略及优化求解计算时间表

表2启发式策略及优化求解经济成本表

因而，采用启发式策略进行机组组合优化计算能够大幅度提高效率且将结果误差控制在一定范围内，具备将计算时间从几小时降为十几分钟的效果，能够为运行人员提供及时参考。