一种环境经济发电调度方法
【专利摘要】本发明提供一种环境经济发电调度方法，包括建立考虑火电机组和水电机组出力平稳性的多目标调度模型，所述多目标调度模型包括目标函数和约束条件；输入预设的系统实时电力不足期望值；用多目标粒子群算法求解环境经济调度的帕累托最优前沿，获取历史帕累托最优解集；计算各帕累托最优解的满意度，取满意度最高的最优解作为本发明所需的环境经济发电调度结果。本发明可提供含运行风险水平约束的风-火-水协调优化调度方案，合理可行。
【专利说明】一种环境经济发电调度方法
【技术领域】
[0001]本发明属于电力系统多目标优化调度【技术领域】，特别涉及基于多目标粒子群算法的环境经济发电调度方法。
【背景技术】
[0002]风电并网对于电网节能减排具有重要意义，但风电出力具有随机波动性，且现有出力预测方法存在较大的预测误差，这给电力系统调度带来严峻考验。为适应风电出力的波动性，常规火电机组或水电机组需要频繁调整机组出力，这会缩短机组使用寿命、增加调度员的工 作量，影响系统安全。因此，制定合理的考虑风-火-水各自特性的调度方案显得尤为重要。
[0003]目前，国内外针对电力系统调度问题主要集中于传统经济调度和含风电场调度的风火联合调度，针对风-火-水协调调度的文献还较少。对于风电并网的处理也主要集中于风电出力不定性处理，但其预测误差固有不可消除，研究通过增减火电机组出力以适应风电出力的波动性和预测误差会不可避免的缩减常规机组使用寿命，增大系统运行风险。有文献指出，由于水电机组出力可以快速调整出力，提供系统备用，纳入水电可以提高系统纳入风电并网的能力。因此，有必要在制定调度方案时将水电与风电、火电一起考虑。电网现行水电调度方案是根据以往水库运行情况计划未来一日水电站出力，在制定调度方案时令未来一日的调度时段内水电一日总出力等于水电站计划出力。这种方法操作简单，且不会浪费水电资源。但是，随着风电并入电网，导致所需系统备用容量提高，而上述调度水电的方法会制约水电提供系统备用的能力，从而会降低系统可纳入风电的容量。因此，有必要制定更加节能的风-火-水协调调度方案。
【发明内容】
[0004]本发明的目的在于建立考虑火电、水电机组出力平稳性的风、火、水协调多目标动态调度模型，该模型在风电并网后的响应风险水平约束的前提下，不仅考虑火电、水电机组出力的平稳性，同时还考虑使得系统火电机组发电成本和排放，同时使水电机组出力尽量靠近计划出力，减少浪费。为求解该模型，通过引入教与学优化算法中的学习环节对传统多目标粒子群优化算法进行改进，提高算法的全局搜索能力。
[0005]本发明的技术方案提供一种环境经济发电调度方法，包括以下步骤:
[0006]步骤1、建立考虑火电机组和水电机组出力平稳性的多目标调度模型，所述多目标调度模型包括目标函数和约束条件；
[0007]目标函数如下，
【权利要求】
1.一种环境经济发电调度方法，其特征在于，包括以下步骤: 步骤1、建立考虑火电机组和水电机组出力平稳性的多目标调度模型，所述多目标调度模型包括目标函数和约束条件； 目标函数如下
2.根据权利要求1所述环境经济发电调度方法，其特征在于:步骤3包含以下子步骤， 步骤3.1、初始化及约束出力，包括初始相关参数和种群，令当前迭代次数为O，然后初始化全局帕累托最优解集及历史帕累托最优解集、独立备用选择集， 所述初始相关参数和种群，包括设置最大迭代次数Kmax,初始化种群的速度和位置，初始化的种群中包括多个粒子，每个粒子代表一种出力方案，所述出力方案包括一个系统中所有机组分别在某一调度日内各调度时段的出力；对初始化种群结果进行约束处理，直至所产生的粒子满足约束；初始化粒子的个体最优解为该粒子初始化所得位置对应的目标函数值，初始化种群的全局最优解通过随机选取一组初始化粒子得到；所述全局帕累托最优解集是用于存储本次迭代产生的非支配解的解集，历史帕累托最优解集是用于存储在整个迭代过程中所产生的非支配解的解集，独立备用选择集用于存储当前种群中的可行解； 步骤3.2、迭代次数q加I ; 步骤3.3、调整惯性权重和粒子速度及位置； 步骤3.4、对本次迭代执行步骤3.3更新后的粒子进行约束处理； 步骤3.5、通过计算目标函数值获取各个粒子的适应度值； 步骤3.6、寻找非支配解，然后更新全局帕累托最优解集，根据全局帕累托最优解集画出帕累托最优前沿，并将非支配解存入历史帕累托最优解集中； 步骤3.7、使非支配解进行学习，包括对本次迭代执行步骤3.6所得帕累托最优前沿中的帕累托前沿解进行变异，对全局帕累托最优解集进行修整； 步骤3.8、对当前的全局帕累托最优解集进行约束处理，然后使满足约束的粒子与其他帕累托最优解中的粒子进行支配关系判断，得到新的全局帕累托最优解集，构建新的帕累托前沿； 再一次更新全局帕累托最优解集，并将非支配解存入历史帕累托最优解集中，将本次迭代执行步骤3.3~3.8中产生的非支配解全部存入备用选择集中； 步骤3.9、基于占优定义和K最邻近距离和更新全局帕累托最优解集和历史帕累托最优解集，包括在独立备用选择集和历史帕累托最优解集中，分别计算各个粒子的K最邻近距离和，并判断是否超出相应个数限制，当超出限制时根据K最邻近距离和由小到大进行修剪，直至满足相应个数限制； 步骤3.10、更新全局最优解和个体最优解； 步骤3.11、判断是否达到最大迭代次数Kmax，若否则转步骤3.2，若是则根据全局帕累托最优解集输出帕累托最优前沿，保存历史帕累托最优解集。
3.根据权利要求2所述环境经济发电调度方法，其特征在于:步骤3.7中，对帕累托前沿解进行变异实现如下， 设某一帕累托前沿解相应粒子为X = [X1, X2,, χη]，则对其通过学习操作得到新的粒子，用新的粒子取代原来的粒子，学习操作见下式，
4.根据权利要求2所述环境经济发电调度方法，其特征在于:步骤3.11所述根据全局帕累托最优解集输出帕累托最优前沿，包括计算全局帕累托最优解集各个粒子的K最邻近距离和，并判断是否超出预设的全局帕累托最优解集个数限制，当超出限制时根据K最邻近距离和由小到大进行修剪，直至满足全局帕累托最优解集个数限制。
5.根据权利要求4所述环境经济发电调度方法，其特征在于:步骤3.9和步骤3.11中，计算K最邻近距离和时，求取两个粒子的距离du如下式实现，
6.根据权利要求2或3或4或5所述环境经济发电调度方法，其特征在于:步骤3.1、3.4和3.8的约束处理中， 对于等式约束，采用减少维数法将等式约束转变为不等式约束； 对于不等式约束，采用倒退机制进行处理，包括若某一时段粒子不满足不等式约束，则倒退两个时段重新寻找。
7.根据权利要求2或3或4或5所述环境经济发电调度方法，其特征在于:步骤4采用折中解方案时，采用模糊隶属函数法来评估各帕累托最优解的满意度如下， 第i’个最优解在第k’维目标函数下的满意度如下，
【文档编号】H02J3/38GK104009494SQ201410153026
【公开日】2014年8月27日 申请日期:2014年4月16日 优先权日:2014年4月16日
【发明者】胡志坚, 贺建波 申请人:武汉大学