一种应用于电力系统机组组合技术的数据处理方法及装置的制造方法
【专利摘要】本发明提出一种应用于电力系统机组组合技术的数据处理方法及装置。一种应用于电力系统机组组合技术的数据处理方法，根据机组组合的实际运行约束条件和每个发电机机组的参数建立包含机组运行状态约束条件的机组最小煤耗成本数学模型；利用互补优化方法将运行状态约束条件转化为非线性互补约束条件的形式，然后对其进行光滑化处理，最后确定机组处理的初值，根据机组出力的初值，利用原对偶内点法对所述数学模型进行求解，得出机组组合优化方案。本发明提出的数据处理方法，全面考虑了机组组合运行约束条件，且运算速度快，解算精度高，有利于高效分配电网资源。
【专利说明】
一种应用于电力系统机组组合技术的数据处理方法及装置
技术领域
[0001] 本发明涉及电力系统优化领域，尤其涉及一种应用于电力系统机组组合技术的数 据处理方法及装置。
【背景技术】
[0002] 在电力系统研究领域，对机组组合优化问题的研究一直是热点和难点。电力系统 机组组合优化问题旨在电力系统调度周期内，在满足各种实际运行约束条件的前提下，以 电力系统运行总成本最低为目标，通过合理地安排系统中各个机组的开、停状态，确定合理 的机组启停组合方案。研究电力系统机组组合优化问题，能够对发电资源进行结构性的优 化，合理利用电力系统发电资源，有效降低电力系统发电成本。
[0003] 机组组合优化问题从数学的角度讲，是一个同时包含离散和连续变量的多约束、 离散的、非凸的混合整数非线性优化问题。现有优化计算方法主要包括穷举法、动态规划 法、拉格朗日松弛法、分支界定法、混合整数规划法等传统方法以及各种基于人工智能的智 能优化方法，例如混沌粒子群算法、遗传算法、粒子群算法等。但是在现有众多优化计算方 法中，传统方法没有全面考虑机组约束条件，而智能优化方法又没有理想的运算速度及求 解精度，目前没有一种算法既能全面考虑各种实际的约束条件，又具有较理想的运算速度 和精度。
【发明内容】
[0004] 为了解决上述现有技术中的缺陷和不足，本发明提出一种应用于电力系统机组组 合技术的数据处理方法及装置，全面考虑机组组合的各种实际约束条件建立优化模型，且 对模型的求解速度快，解算精度高。
[0005] -种应用于电力系统机组组合技术的数据处理方法，包括：
[0006] 确定机组组合的实际运行约束条件以及每个发电机机组的参数，所述约束条件包 括参与机组组合优化的发电机机组数量、调度周期、所述调度周期内各个时段的预测负荷、 所述调度周期内各个时段的旋转备用负荷；
[0007] 根据所述每个发电机机组的参数和实际运行约束条件，建立包含机组运行状态约 束条件的机组最小煤耗成本数学模型；
[0008] 利用互补优化的方法将所述机组运行状态约束条件转化为非线性互补约束条件 的形式；
[0009] 利用光滑函数对所述非线性互补约束条件进行光滑化处理；
[0010]按照平均煤耗值小的机组优先满出力的原则确定机组出力的初值；
[0011] 根据所述机组出力的初值，利用原对偶内点法对所述数学模型进行求解，得出机 组组合优化方案。
[0012] 优选地，所述利用互补优化的方法将所述机组运行状态约束条件转化为非线性互 补约束条件的形式，包括：
[0013] 确定非线性互补约束模型；
[0014] 根据机组运行状态的互斥性，找出满足非线性互补约束模型条件的包含所述机组 运行状态的变量；
[0015] 将所述变量代入所述非线性互补约束模型。
[0016] 优选地，所述利用光滑函数对所述非线性互补约束条件进行光滑化处理，具体为：
[0017] 将所述非线性互补约束条件的各变量代入光滑F-B函数。
[0018]优选地，所述按照平均煤耗值小的机组优先满出力的原则确定机组出力的初值， 包括：
[0019] 计算每个机组满出力的平均煤耗值；
[0020] 安排平均煤耗值较小的机组优先满出力，确定机组出力的初值。
[0021 ]优选地，所述每个发电机机组的参数，包括：
[0022 ]机组煤耗成本函数、机组特性参数、机组启动耗量函数、机组启动耗量参数、机组 爬坡速率、机组最大/最小出力、机组最小在线/离线时间及机组的初始运行状态；
[0023]其中，所述机组煤耗成本函数为：
[0024]
[0025] 其中分别为机组的煤耗成本的系数，i丨为机组i在t时段的运行状态， 4 =1表示机组i在t时段处于开机状态，< =〇表示机组i在t时段处于关机状态，g表示机 组i在t时段的有功出力；
[0026] 所述机组启动耗量函数为：
[0027] 其中，^、1'。。1<1分别为机组的启动耗量参数，77'〃(/-丨)为机组1在七时段前的连续 离线时间；
[0028] 所述机组爬坡速率为
[0029] 其中，K表示机组i在t时段的有功出力；
[0030] 所述机组最大出力为:Pimax，机组最小出力为:Pimin ;
[0031]所述机组最小在线时间为：7；°",机组最小离线时间为:
[0032] 所述机组的初始运行状态为：?表示机组i在t时段处于开机状态，4 = 〇表 示机组i在t时段处于关机状态。
[0033]优选地，所述包含机组运行状态约束条件的机组最小煤耗成本数学模型为：
[0034]其约束条件为
[0035] 1)功率平衡约束条件：
[0036]
[0037] 2)旋转备用约束条件：
[0038]
[0039]
[0040]
[0041]
[0042]
[0043]
[0044]
[0045]
[0046]
[0047]
[0048]
[0049]
[0050]
[0051 ] 其中，t = l，2，···，T表示调度时段；i = I，2，…，N表示参与优化的机组数；$为机组 i在t时段的运行状态，< =1表示机组i在t时段处于开机状态，< =0表示机组i在t时段处 于关机状态。
[0052] 一种应用于电力系统机组组合技术的数据处理装置，包括：
[0053]组合条件确定单元，用于确定机组组合的实际运行约束条件以及每个发电机机组 的参数，所述约束条件包括参与机组组合优化的发电机机组数量、调度周期、所述调度周期 内各个时段的预测负荷、所述调度周期内各个时段的旋转备用负荷；
[0054]模型建立单元，用于根据所述每个发电机机组的参数和实际运行约束条件，建立 包含机组运行状态约束条件的机组最小煤耗成本数学模型；
[0055]互补优化单元，用于利用互补优化的方法将所述机组运行状态约束条件转化为非 线性互补约束条件的形式；
[0056] 光滑处理单元，用于利用光滑函数对所述非线性互补约束条件进行光滑化处理；
[0057] 组合初值确定单元，用于按照平均煤耗值小的机组优先满出力的原则确定机组出 力的初值；
[0058] 模型求解单元，用于根据所述机组出力的初值，利用原对偶内点法对所述数学模 型进行求解，得出机组组合优化方案。
[0059] 优选地，所述互补优化单元，具体包括：
[0060] 模型确定单元，用于确定非线性互补约束模型；
[0061] 变量确定单元，用于根据机组运行状态的互斥性，找出满足非线性互补约束模型 条件的包含所述机组运行状态的变量；
[0062] 变量代入单元，用于将所述变量代入所述非线性互补约束模型。
[0063] 优选地，所述光滑处理单元利用光滑函数对所述非线性互补约束条件进行光滑化 处理时，具体用于：
[0064] 将所述非线性互补约束条件的各变量代入光滑F-B函数。
[0065] 优选地，所述组合初值确定单元，具体包括：
[0066] 平均煤耗值计算单元，用于计算每个机组满出力的平均煤耗值；
[0067]机组出力初值确定单元，用于安排平均煤耗值较小的机组优先满出力，确定机组 出力的初值。
[0068]优选地，所述每个发电机机组的参数，包括：
[0069 ]机组煤耗成本函数、机组特性参数、机组启动耗量函数、机组启动耗量参数、机组 爬坡速率、机组最大/最小出力、机组最小在线/离线时间及机组的初始运行状态；
[0070] 其中，所述机组煤耗成本函数为：
[0071]
[0072] 其中ai、bi、Ci分别为机组的煤耗成本的系数，< 为机组i在t时段的运行状态， 4 =1表示机组i在t时段处于开机状态，劣=0表示机组i在t时段处于关机状态，￥表示机 组i在t时段的有功出力；
[0073] 所述机组启动耗量函数为:，
[0074] 其中，^、1'。。1(1分别为机组的启动耗量参数，77"'>-]>为机组1在七时段前的连续 离线时间；
[0075] 所述机组爬坡速率为：
[0076] 其中，凡?表示机组i在t时段的有功出力；
[0077] 所述机组最大出力为:Pimax，机组最小出力为:Pimin ;
[0078] 所述机组最小在线时间为：I；.% ,机组最小离线时间为：;
[0079] 所述机组的初始运行状态为：<，< =1表示机组i在t时段处于开机状态，劣=0表 示机组i在t时段处于关机状态。
[0080] 优选地，所述包含机组运行状态约束条件的机组最小煤耗成本数学模型为：
[0081] 其约束条件为
[0082] 1)功率平衡约束条件：
[0083]
[0084]
[0085]
[0086] 其中为t时段系统的预测负荷，时段系统的旋转备用要求；
[0087] 3)机组最大/最小出力约束条件：
[0088]
[0089] 4)机组爬坡速率约束条件：
[0090]
[0091]
[0092]
[0093]
[0094]
[0095]
[0096]
[0097]
[0098] 其中，t = l，2,…，T表示调度时段；i = l，2,…，N表示参与优化的机组数; <为机组 i在t时段的运行状态，rf丨=1表示机组i在t时段处于开机状态，< =O表示机组i在t时段处 于关机状态。
[0099] 本发明根据参与机组组合优化的发电机机组的参数和实际运行约束条件，建立包 含机组运行状态约束条件的机组最小煤耗成本数学模型，相对于传统优化方法，更加全面 地考虑了发电机机组的参数和实际运行约束条件。然后利用互补优化理论将机组运行状态 约束条件转化为非线性互补约束条件，再利用光滑函数对非线性互补约束条件进行光滑化 处理，这一优化过程将离散的机组运行状态约束条件映射转换到连续空间，将机组最小煤 耗成本数学模型转化为非线性规划数学模型，降低了求解难度。最后利用原对偶内点法对 所述非线性规划数学模型进行求解，原对偶内点法是成熟的求解非线性规划问题的方法， 经过很少次数的迭代就可以得出机组组合优化方案，且求解得到的机组开停机状态变量全 为整数，无需人为修正，有效地提高了机组组合优化方案求解速度及求解精度。
【附图说明】
[0100] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 提供的附图获得其他的附图。
[0101] 图1是本发明实施例公开的一种应用于电力系统机组组合技术的数据处理方法流 程不意图；
[0102] 图2是利用互补优化的方法将所述机组运行状态约束条件转化为非线性互补约束 条件的形式的流程示意图；
[0103] 图3是按照平均煤耗值小的机组优先满出力的原则确定机组出力的初值的流程示 意图；
[0104] 图4是本发明实施例公开的一种应用于电力系统机组组合技术的数据处理装置的 结构示意图。
【具体实施方式】
[0105] 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，都属于本发明保护的范围。
[0106] 本发明实施例公开了一种应用于电力系统机组组合技术的数据处理方法，参见图 1，该方法具体包括：
[0107] S101、确定机组组合的实际运行约束条件以及每个发电机机组的参数，所述约束 条件包括参与机组组合优化的发电机机组数量、调度周期、所述调度周期内各个时段的预 测负荷、所述调度周期内各个时段的旋转备用负荷；
[0108] 需要说明的是，本发明提出的应用于电力系统机组组合技术的数据处理方法所考 虑到的约束条件不仅包含实际运行约束条件，更全面地包含了每个发电机机组的参数。其 中，所述每个发电机机组的参数中，包含了机组的爬坡速率约束、机组最小在线时间约束及 机组最小离线时间约束，而这些约束条件在传统的机组组合优化方法中常常是被忽略的。 因此本发明提出的数据处理方法相较于传统优化方法，更加全面地考虑了各种约束条件。
[0109] S102、根据所述每个发电机机组的参数和实际运行约束条件，建立包含机组运行 状态约束条件的机组最小煤耗成本数学模型；
[0110] S103、利用互补优化的方法将所述机组运行状态约束条件转化为非线性互补约束 条件的形式；
[0111] 具体的，所述机组运行状态为离散变量，其约束条件同样表示对离散变量的约束。 包含离散约束条件的机组组合优化问题难以求解，本发明这一步骤将离散的机组运行约束 条件转化为非线性互补约束条件形式，也就是将离散状态的机组运行约束条件映射转换到 了连续空间，这样原机组组合优化问题的约束条件不再包含离散约束条件，约束条件形式 统一，更利于求解。
[0112] S104、利用光滑函数对所述非线性互补约束条件进行光滑化处理；
[0113] 需要说明的是，一般互补问题本身比较难以求解，本发明这一步骤对非线性互补 约束条件进行光滑化处理，利用光滑函数将所述非线性互补约束条件转换为一般的非线性 规划问题，大大降低了求解难度。
[0114] Sl 05、按照平均煤耗值小的机组优先满出力的原则确定机组出力的初值；
[0115] 具体的，机组组合启动时，还没有进入优化阶段，为了使机组组合出力的煤耗值最 小，在满足用电负荷的前提下，优先安排平均煤耗值小的机组满出力，可以保证在没有进行 优化的前提下使整体煤耗值最小。
[0116] S106、根据所述机组出力的初值，利用原对偶内点法对所述数学模型进行求解，得 出机组组合优化方案。
[0117] 需要说明的是，原对偶内点法是成熟的非线性规划问题求解方法，由于其求解速 度较快、精度较高，是业内常用的非线性规划问题求解方法。本发明只提出利用原对偶内点 法作为计算工具进行模型求解，并没有对原对偶内点法进行改造优化。此处对原对偶内点 法进行简要介绍：
[0118]原对偶内点法所适用的一般非线性规划模型为：
[0119]
[0120] 式中，g(x)为等式约束，h(x)为不等式约束，^为不等式约束的下限，^为不等式约 束的上限。
[0121] 将本发明提出的优化模型及约束条件分别代入上述一般的非线性规划模型中，得 到本发明的非线性规划模型为：
[0123] 其中：
I示机组最小煤耗成本数学 模型； <为机组i在t时段的运行状态，# =1表示机组i在t时段处于开机状态，< =〇表示 机组i在t时段处于关机状态；P丨表示机组i在t时段的有功出力；Pi为t时段系统的预测负 荷;％为七时段系统的旋转备用要求;Pim ax为机组最大出力;Pimin为机组最小出力;Di和Ui分 别为机组i每小时输出功率允许增加和降低的速度上限；TT1为机组最小在线时间；27#为 机组最小离线时间。
[0124] 原对偶内点法的计算步骤概括如下：
[0125] 1)根据各个机组出力的初值，计算当前目标函数的最优解；
[0126] 2)计算补偿间隙并判断收敛条件；
[0127] 3)计算扰动因子；
[0128] 4)求解修正方程式，得到修正方向；
[0129] 5)确定原变量和对偶变量的步长；
[0130] 6)修正原变量和对偶变量，转到步骤2)。
[0131]需要说明的是，在实际应用中，由于参与机组组合优化的机组数量多，各种实际运 行约束条件和机组参数也有很多，机组调度周期较长，且原对偶内点法的计算过程需要多 次的迭代才能得出理想的组合优化方案，计算量非常大。因此在实际应用中，需要依靠仿真 计算工具如Matlab进行计算。本发明也是采用在Matlab中编写程序进行求解的方式得到优 化结果。
[0132] 本发明根据参与机组组合优化的发电机机组的参数和实际运行约束条件，建立包 含机组运行状态约束条件的机组最小煤耗成本数学模型，相对于传统优化方法，更加全面 地考虑了发电机机组的参数和实际运行约束条件。然后利用互补优化理论将机组运行状态 约束条件转化为非线性互补约束条件，再利用光滑函数对非线性互补约束条件进行光滑化 处理，这一优化过程将离散的机组运行状态约束条件映射转换到连续空间，将机组最小煤 耗成本数学模型转化为非线性规划数学模型，降低了求解难度。最后利用原对偶内点法对 所述非线性规划数学模型进行求解，原对偶内点法是成熟的求解非线性规划问题的方法， 经过很少次数的迭代就可以得出机组组合优化方案，且求解得到的机组开停机状态变量全 为整数，无需人为修正，有效地提高了机组组合优化方案求解速度及求解精度。
[0133] 可选的，在本发明的另一个实施例中，所述利用互补优化的方法将所述机组运行 状态约束条件转化为非线性互补约束条件的形式，参见图2，具体包括：
[0134] S201、确定非线性互补约束模型；
[0135] 具体的，非线性互补约束模型如下：
[0136]
[0137] 其中，满足上式的两组变量{Xi}和{yi}互补，记Xi丄y i。
[0138] S202、根据机组运行状态的互斥性，找出满足非线性互补约束模型条件的包含所 述机组运行状态的变量；
[0139] 具体的，机组运行状态表示为
实际上，表示机组 运行状态的变量具有互斥性，即机组i在t时段的运行状态变量#要么为0,要么为1，不可能 同时为0和1，由此可确定包含机组运行状态的变量< 2 〇.(i - <) 2 〇且4) = 0 ,满足 上述非线性互补约束模型。
[0140] S203、将所述变量代入所述非线性互补约束模型。
[0141] 具体的，将变量《和(1 -<)代入非线性互补约束模型，得到：
[0142]
[0143]
[0144] 可选的，在本发明的另一个实施例中，所述利用光滑函数对所述非线性互补约束 条件进行光滑化处理，具体为:将所述非线性互补约束条件的各变量代入光滑F-B函数。
[0145] 具体的，所述光滑F-B函数的一般形式如下
分别将<和〇 -心 代入F-B函数中的a和b。得到一般的非线性规划问题的形：
[0146] 可选的，在本发明的另一个实施例中，所述按照平均煤耗值小的机组优先满出力 的原则确定机组出力的初值，参见图3，具体包括：
[0147] S301、计算每个机组满出力的平均煤耗值；
[0148] 具体的，由发电机的运行耗量特性可知，机组出力的平均煤耗值为：
[0149] =:/(",'，< ) = a 2 +/?,.?<.，，* ?/,'
[0150] 其中，ai、bdPCl分别为机组的煤耗成本的系数； < 为机组i在t时段的运行状态， <二丨表示机组i在t时段处于开机状态，< =：〇表示机组i在t时段处于关机状态;g表示机 组i在t时段的有功出力。
[0151] 将每一机组的参数代入，即可求得每个机组满出力的平均煤耗值。
[0152] S302、安排平均煤耗值较小的机组优先满出力，确定机组出力的初值。
[0153] 具体的，在能够满足用电负荷的前提下，安排平均煤耗值小的机组优先满出力，能 够在机组组合优化之前最大限度地节省能源。
[0154] 可选的，在本发明的另一个实施例中，所述每个发电机机组的参数，具体包括：
[0155] 机组煤耗成本函数、机组特性参数、机组启动耗量函数、机组启动耗量参数、机组 爬坡速率、机组最大/最小出力、机组最小在线/离线时间及机组的初始运行状态；
[0156] 其中，所述机组煤耗成本函数为：
[0157]
[0158] 其中BhbnC1分别为机组的煤耗成本的系数，< 为机组i在t时段的运行状态， < =1表示机组i在t时段处于开机状态，< =()表示机组i在t时段处于关机状态，W表示机 组i在t时段的有功出力；
[0159] 所述机组启动耗量函数为
[0160] 其中，Ki、Bi、Tcclid分别为机组的启动耗量参数，(卜1)为机组i在t时段前的连续 离线时间；
[0161] 所述机组爬坡速率为：
[0162] 其中，p丨表示机组i在t时段的有功出力；
[0163] 所述机组最大出力为:pimax，机组最小出力为:pimin;
[0164] 所述机组最小在线时间为
i机组最小离线时间为
[0165] 所述机组的初始运行状态为=1表示机组i在t时段处于开机状态，< =〇表 示机组i在t时段处于关机状态。
[0166] 可选的，在本发明的另一个实施例中，所述包含机组运行状态约束条件的机组最 小煤耗成本数学模型为：
[0167] 其约束条件为：
[0168] 1)功率平衡约束条件：
[0169]
[0170] 2)旋转备用约束条件：
[0171]
[0172]
[0173]
[0174]
[0175]
[0176]
[0177]
[0178]
[0179]
[0180]
[0181]
[0182]
[0183]
[0184] 其中，t = l，2,…，T表示调度时段；i = l，2,…，N表示参与优化的机组数;#为机组 i在t时段的运行状态，<=1表示机组i在t时段处于开机状态，< =〇表示机组i在t时段处 于关机状态。
[0185] 为了更好地说明本发明提出的数据处理方法的有益效果，下面举例使用机组组合 优化问题研究中广泛应用的算例进行验证。
[0186] 假设一共有10台机组，进行24小时的机组组合优化，10台机组的机组特性参数如 表1所示，预测未来24小时的用电负荷如表2所示，旋转备用为用电负荷的5%，在任意时刻， 系统开机机组输出总的有功功率必须和该时刻的用电负荷值相等，即开机机组的最大输出 功率的总和不得小于用电负荷和旋转备用的总和。
[0187] 表1
[0191] 由上述可知，该机组组合优化问题的机组实际运行约束条件和各机组参数均已 知，应用本发明提出的数据处理方法，可以进行机组组合优化方案求解。
[0192] 利用Matlab工具按照本发明提出的数据处理方法编写程序进行求解，得出如表3、 表4中结果：
[0193] 表3
[0198] 经过本发明数据处理方法的计算，10台机组、24小时的负荷经济分配如表3所示， 由表3可知，每一时段的机组组合输出都满足用电负荷要求，并且容量较大的机组承担了相 对车父多的负荷，提尚了尚能效大机组的运彳丁效率，尽可能使机组运彳丁在最佳的工作点，有效 地降低了系统的运行成本，经过计算，采用本发明计算的机组组合方式，24小时运行的总的 煤耗量为79084. Ot，其中启动煤耗量为196.35t，与传统优化方法确定的机组组合方案相 比，更加节省煤炭能源，其结果更加符合实际的工程要求。
[0199] 优化期间各机组的开停机状况如表4所示，由表4可见，在整个过程中，优化后的机 组的开停机状态均为0或1的整数，不需要人为的修正，具有较好的数值稳定性。并且其开停 机状态和机组的出力相对应，没有出现机组为停机状态，而机组的出力却不为0的情况，解 算精度更高。
[0200] 另外，经过多次实验对比发现，应用本发明提出的数据处理方法进行机组组合方 案求解，其迭代次数不大于239次，相对于传统计算方法，迭代次数少，运算速度更快。
[0201] 综合实施案例的优化结果表明，本发明全面考虑机组运行约束条件建立机组组合 优化模型，采用互补约束来处理机组开停机的离散状态变量，将其映射变换到连续空间是 非常有效的，相比于传统优化方法，考虑约束条件更全面，运算速度更快，精度更高。
[0202] 本发明另一个实施例还公开了一种应用于电力系统机组组合技术的数据处理装 置，参见图4,该装置具体包括：
[0203]组合条件确定单元101，用于确定机组组合的实际运行约束条件以及每个发电机 机组的参数，所述约束条件包括参与机组组合优化的发电机机组数量、调度周期、所述调度 周期内各个时段的预测负荷、所述调度周期内各个时段的旋转备用负荷；
[0204]需要说明的是，本发明提出的应用于电力系统机组组合技术的数据处理装置所考 虑到的约束条件不仅包含实际运行约束条件，更全面地包含了每个发电机机组的参数。其 中，所述每个发电机机组的参数中，包含了机组的爬坡速率约束、机组最小在线时间约束及 机组最小离线时间约束，而这些约束条件在传统的机组组合优化装置中常常是被忽略的。 因此本发明提出的数据处理装置相较于传统优化装置，更加全面地考虑了各种约束条件。 [0205]模型建立单元102,用于根据所述每个发电机机组的参数和实际运行约束条件，建 立包含机组运行状态约束条件的机组最小煤耗成本数学模型；
[0206]互补优化单元103,用于利用互补优化的方法将所述机组运行状态约束条件转化 为非线性互补约束条件的形式；
[0207]具体的，所述机组运行状态为离散变量，其约束条件同样表示对离散变量的约束。 包含离散约束条件的机组组合优化问题难以求解，本发明装置的互补优化单元103将离散 的机组运行约束条件转化为非线性互补约束条件形式，也就是将离散状态的机组运行约束 条件映射转换到了连续空间，这样原机组组合优化问题的约束条件不再包含离散约束条 件，约束条件形式统一，更利于求解。
[0208] 光滑处理单元104,用于利用光滑函数对所述非线性互补约束条件进行光滑化处 理；
[0209]需要说明的是，一般互补问题本身比较难以求解，本发明装置的光滑处理单元104 对非线性互补约束条件进行光滑化处理，利用光滑函数将所述非线性互补约束条件转换为 一般的非线性规划问题，大大降低了求解难度。
[0210] 组合初值确定单元105,用于按照平均煤耗值小的机组优先满出力的原则确定机 组出力的初值；
[0211] 具体的，机组组合启动时，还没有进入优化阶段，为了使机组组合出力的煤耗值最 小，在满足用电负荷的前提下，优先安排平均煤耗值小的机组满出力，可以保证在没有进行 优化的前提下使整体煤耗值最小。
[0212] 模型求解单元106,用于根据所述机组出力的初值，利用原对偶内点法对所述数学 模型进行求解，得出机组组合优化方案。
[0213] 需要说明的是，原对偶内点法是成熟的非线性规划问题求解方法，由于其求解速 度较快、精度较高，是业内常用的非线性规划问题求解方法。本发明只提出利用原对偶内点 法作为计算工具进行模型求解，并没有对原对偶内点法进行改造优化。此处对原对偶内点 法进行简要介绍：
[0214] 原对偶内点法所适用的一般非线性规划模型为：
[0215]
[0216] 式中，g(x)为等式约束，h(x)为不等式约束，^为不等式约束的下限，A为不等式约 束的上限。
[0217] 将本发明提出的优化模型及约束条件分别代入上述一般的非线性规划模型中，得 到本发明的非线性规划模型为：
S最小煤耗成本数学 模型；€为机组i在t时段的运行状态，< =1表示机组i在t时段处于开机状态，尤=〇表示 机组i在t时段处于关机状态;P丨表示机组i在t时段的有功出力；为t时段系统的预测负 荷;私为七时段系统的旋转备用要求;p imax为机组最大出力;pimin为机组最小出力;Di和Ui分 别为机组i每小时输出功率允许增加和降低的速度上限；？；°"为机组最小在线时间；1：." #为 机组最小离线时间。
[0220] 原对偶内点法的计算步骤概括如下：
[0221] 1)根据各个机组出力的初值，计算当前目标函数的最优解；
[0222] 2)计算补偿间隙并判断收敛条件；
[0223] 3)计算扰动因子；
[0224] 4)求解修正方程式，得到修正方向；
[0225] 5)确定原变量和对偶变量的步长；
[0226] 6)修正原变量和对偶变量，转到步骤2)。
[0227] 需要说明的是，在实际应用中，由于参与机组组合优化的机组数量多，各种实际运 行约束条件和机组参数也有很多，机组调度周期较长，且原对偶内点法的计算过程需要多 次的迭代才能得出理想的组合优化方案，计算量非常大。因此在实际应用中，需要依靠仿真 计算工具如Matlab进行计算。本发明装置的模型求解单元106也是采用在Matlab中编写程 序进行求解的方式得到优化结果。
[0228] 本发明提出的应用于电力系统机组组合技术的数据处理装置，根据参与机组组合 优化的发电机机组的参数和实际运行约束条件，模型建立单元102建立包含机组运行状态 约束条件的机组最小煤耗成本数学模型，相对于传统优化方法，更加全面地考虑了发电机 机组的参数和实际运行约束条件。然后互补优化单元103利用互补优化理论将机组运行状 态约束条件转化为非线性互补约束条件，光滑处理单元104再利用光滑函数对非线性互补 约束条件进行光滑化处理，这一优化过程将离散的机组运行状态约束条件映射转换到连续 空间，将机组最小煤耗成本数学模型转化为非线性规划数学模型，降低了求解难度。最后模 型求解单元106利用原对偶内点法对所述非线性规划数学模型进行求解，原对偶内点法是 成熟的求解非线性规划问题的方法，经过很少次数的迭代就可以得出机组组合优化方案， 且求解得到的机组开停机状态变量全为整数，无需人为修正，有效地提高了机组组合优化 方案求解速度及求解精度。
[0229]可选的，在本发明的另一个实施例中，所述互补优化单元103,如图4所示，具体包 括：
[0230]模型确定单元1031，用于确定非线性互补约束模型；
[0231]变量确定单元1032,用于根据机组运行状态的互斥性，找出满足非线性互补约束 模型条件的包含所述机组运行状态的变量；
[0232]变量代入单元1033,用于将所述变量代入所述非线性互补约束模型。
[0233] 具体的，本实施例中各个单元的具体工作内容请参见对应的方法实施例内容，此 处不再赘述。
[0234] 可选的，在本发明的另一个实施例中，所述光滑处理单元104利用光滑函数对所述 非线性互补约束条件进行光滑化处理时，具体用于:将所述非线性互补约束条件的各变量 代入光滑F-B函数。
[0235] 具体的，本实施例中光滑处理单元104的具体工作内容请参见对应的方法实施例 内容，此处不再赘述。
[0236] 可选的，在本发明的另一个实施例中，所述组合初值确定单元105,如图4所示，具 体包括：
[0237] 平均煤耗值计算单元1051，用于计算每个机组满出力的平均煤耗值；
[0238]机组出力初值确定单元1052，安排平均煤耗值较小的机组优先满出力，确定机组 出力的初值。
[0239] 具体的，本实施例中各个单元的具体工作内容请参见对应的方法实施例内容，此 处不再赘述。
[0240] 可选的，在本发明的另一个实施例中，所述每个发电机机组的参数，包括：
[0241 ]机组煤耗成本函数、机组特性参数、机组启动耗量函数、机组启动耗量参数、机组 爬坡速率、机组最大/最小出力、机组最小在线/离线时间及机组的初始运行状态；
[0242] 其中，所述机组煤耗成本函数为：
[0243]
[0244] 其中ai Anc1分别为机组的煤耗成本的系数，#为机组i在t时段的运行状态， 4 =1表示机组i在t时段处于开机状态，< =0表示机组i在t时段处于关机状态，w表示机 组i在t时段的有功出力；
[0245] 所述机组启动耗量函数为：：
[0246] 其中，Ki、Bi、Tcclid分别为机组的启动耗量参数，7；.°〃 (i -1)为机组i在t时段前的连续 离线时间；
[0247] 所述机组爬坡速率为
[0248] 其中，W表示机组i在t时段的有功出力；
[0249] 所述机组最大出力为:Pimax，机组最小出力为:Pimin ;
[0250] 所述机组最小在线时间为：17"，机组最小离线时间为
[0251] 所述机组的初始运行状态为：<，<=i表示机组i在t时段处于开机状态，< =〇表 示机组i在t时段处于关机状态。
[0252] 可选的，在本发明的另一个实施例中，所述包含机组运行状态约束条件的机组最 小煤耗成本数学模型为：
[0270] 其中，t = l，2,…，T表示调度时段；i = l，2，'"，N表示参与优化的机组数;<为机组 i在t时段的运行状态，< =1表示机组i在t时段处于开机状态，< =〇表示机组i在t时段处 于关机状态。
[0271] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。 对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的 一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明 将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一 致的最宽的范围。
【主权项】
1. 一种应用于电力系统机组组合技术的数据处理方法，其特征在于，包括： 确定机组组合的实际运行约束条件以及每个发电机机组的参数，所述约束条件包括参 与机组组合优化的发电机机组数量、调度周期、所述调度周期内各个时段的预测负荷、所述 调度周期内各个时段的旋转备用负荷； 根据所述每个发电机机组的参数和实际运行约束条件，建立包含机组运行状态约束条 件的机组最小煤耗成本数学模型； 利用互补优化的方法将所述机组运行状态约束条件转化为非线性互补约束条件的形 式； 利用光滑函数对所述非线性互补约束条件进行光滑化处理； 按照平均煤耗值小的机组优先满出力的原则确定机组出力的初值； 根据所述机组出力的初值，利用原对偶内点法对所述数学模型进行求解，得出机组组 合优化方案。2. 根据权利要求1所述的方法，其特征在于，所述利用互补优化的方法将所述机组运行 状态约束条件转化为非线性互补约束条件的形式，包括： 确定非线性互补约束模型； 根据机组运行状态的互斥性，找出满足非线性互补约束模型条件的包含所述机组运行 状态的变量； 将所述变量代入所述非线性互补约束模型。3. 根据权利要求1所述的方法，其特征在于，所述利用光滑函数对所述非线性互补约束 条件进行光滑化处理，具体为： 将所述非线性互补约束条件的各变量代入光滑F-B函数。4. 根据权利要求1所述的方法，其特征在于，所述按照平均煤耗值小的机组优先满出力 的原则确定机组出力的初值，包括： 计算每个机组满出力的平均煤耗值； 安排平均煤耗值较小的机组优先满出力，确定机组出力的初值。5. 根据权利要求1所述的方法，其特征在于，所述每个发电机机组的参数，包括： 机组煤耗成本函数、机组特性参数、机组启动耗量函数、机组启动耗量参数、机组爬坡 速率、机组最大/最小出力、机组最小在线/离线时间及机组的初始运行状态； 其中，所述机组煤耗成本函数为：其中anbuCi分别为机组的煤耗成本的系数，$为机组i在t时段的运行状态，4 =1表 示机组i在t时段处于开机状态，<=0表示机组i在t时段处于关机状态，g表示机组i在t时 段的有功出力； 所述机组启动耗量函数为：5；=尽+ 5,(1 -V = 1,2,···= 1,2,…丨 其中，1、8^1'。。1<1分别为机组的启动耗量参数，1^^(卜1)为机组1在切寸段前的连续离线 时间；其中，W表示机组i在t时段的有功出力； 所述机组最大出力为:Pimax，机组最小出力为:Pimin ; 所述机组最小在线时间为:Ti°n，机组最小离线时间为:Ti°f f; 所述机组的初始运行状态为：<，< =I表示机组i在t时段处于开机状态，$ = 0表示机 组i在t时段处于关机状态。 6 .根据权利要求1所述的方法，其特征在于，所述包含机组运行状态约束条件的机组最 小煤耗成本数学模型为：其约束条件为： 1) 功率平衡约束条件：2) 旋转备用约束条件：其中/4为t时段系统的预测负荷，时段系统的旋转备用要求； 3) 机组最大/最小出力约束条件：4) 机组爬坡速率约束条件：其中Di和Ui分别为机组i每小时输出功率允许增加和降低的速度上限； 5) 机组最小在线时间约束条件：6) 机组最小离线时间约束条件：7) 机组运行状态约束条件：其中，t = l，2,…，T表示调度时段;? = 1，2，···，Ν表示参与优化的机组数;<为机组i在t 时段的运行状态，< =1表示机组i在t时段处于开机状态，< =〇表示机组i在t时段处于关 机状态。7. -种应用于电力系统机组组合技术的数据处理装置，其特征在于，包括： 组合条件确定单元，用于确定机组组合的实际运行约束条件以及每个发电机机组的参 数，所述约束条件包括参与机组组合优化的发电机机组数量、调度周期、所述调度周期内各 个时段的预测负荷、所述调度周期内各个时段的旋转备用负荷； 模型建立单元，用于根据所述每个发电机机组的参数和实际运行约束条件，建立包含 机组运行状态约束条件的机组最小煤耗成本数学模型； 互补优化单元，用于利用互补优化的方法将所述机组运行状态约束条件转化为非线性 互补约束条件的形式； 光滑处理单元，用于利用光滑函数对所述非线性互补约束条件进行光滑化处理； 组合初值确定单元，用于按照平均煤耗值小的机组优先满出力的原则确定机组出力的 初值； 模型求解单元，用于根据所述机组出力的初值，利用原对偶内点法对所述数学模型进 行求解，得出机组组合优化方案。8. 根据权利要求7所述的装置，其特征在于，所述互补优化单元，具体包括： 模型确定单元，用于确定非线性互补约束模型； 变量确定单元，用于根据机组运行状态的互斥性，找出满足非线性互补约束模型条件 的包含所述机组运行状态的变量； 变量代入单元，用于将所述变量代入所述非线性互补约束模型。9. 根据权利要求7所述的装置，其特征在于，所述光滑处理单元利用光滑函数对所述非 线性互补约束条件进行光滑化处理时，具体用于： 将所述非线性互补约束条件的各变量代入光滑F-B函数。10. 根据权利要求7所述的装置，其特征在于，所述组合初值确定单元，具体包括： 平均煤耗值计算单元，用于计算每个机组满出力的平均煤耗值； 机组出力初值确定单元，用于安排平均煤耗值较小的机组优先满出力，确定机组出力 的初值。11. 根据权利要求7所述的装置，其特征在于，所述每个发电机机组的参数，包括： 机组煤耗成本函数、机组特性参数、机组启动耗量函数、机组启动耗量参数、机组爬坡 速率、机组最大/最小出力、机组最小在线/离线时间及机组的初始运行状态； 其中，所述机组煤耗成本函数为：其中ahbhQ分别为机组的煤耗成本的系数，#为机组i在t时段的运行状态，< =1表 示机组i在t时段处于开机状态，< =〇表示机组i在t时段处于关机状态，p〖表示机组i在t 时段的有功出力； 所述机组启动耗量函数为:謂=笔+成(1 - e-Co-= l，:2，...，Af;i = 其中，1、8^1'。。1<1分别为机组的启动耗量参数，1^^(卜1)为机组1在切寸段前的连续离线 时间； 所述机组爬坡速率为:- g-1, f = 1，2, · -，1，2,:?· s Γ 其中，K表示机组i在t时段的有功出力； 所述机组最大出力为:Pimax，机组最小出力为:Pimin ; 所述机组最小在线时间为:Ti°n，机组最小离线时间为:Ti°f f; 所述机组的初始运行状态为:<，劣=1表示机组i在t时段处于开机状态，4 =〇表示机 组i在t时段处于关机状态。12.根据权利要求7所述的装置，其特征在于，所述包含机组运行状态约束条件的机组 最小煤耗成本数学模型为：其约束条件为： 1) 功率平衡约束条件：2) 旋转备用约束条件：其中为t时段系统的预测负荷，巧.为1时段系统的旋转备用要求； 3) 机组最大/最小出力约束条件： * PwnM - Pi - * Ρ\τη^Λ = ° · * 5 4) 机组爬坡速率约束条件： Dt < ρ| - p[ 7 < UI, i - K2. · - , N; t = /,-2, - ·, T 其中Di和Ui分别为机组i每小时输出功率允许增加和降低的速度上限； 5) 机组最小在线时间约束条件： \T；n(t-1)-T；n]*(d；-1 -d；) > 0,i = 1,2,···,N;t = 1,2,···,T 6) 机组最小离线时间约束条件： [T：>n\t -1)- Jf] ^ (cl： - d：-]) > 0, / = 1,2, · ··, /V; r = 1,2, --J 7) 机组运行状态约束条件： 4 e {0,1},/ = 1.,.2，···,= 1,.2.，…，Γ 其中，t=i，2,…，τ表示调度时段;? = 1，2，···，Ν表示参与优化的机组数;<为机组i在t 时段的运行状态，< =:?表示机组i在t时段处于开机状态，< =〇表示机组i在t时段处于关 机状态。
【文档编号】G06Q50/06GK106056469SQ201610383003
【公开日】2016年10月26日
【申请日】2016年6月1日
【发明人】丁林军, 陈璟华, 梁丽丽
【申请人】广东工业大学