一种风水火短期联合优化调度方法与流程

本发明涉及节能发电调度
技术领域：
，特别涉及一种风水火短期联合优化调度方法。
背景技术：
：长期以来，我国以火力发电为主的电力系统格局决定了传统的高能耗和高排放的电力工业发展模式。“十一五”期间，我国提出了调整能源结构战略，积极推进风电等清洁能源供应，改革现行发电调度方式，开展节能发电调度，以改变过度依赖煤炭能源的局面。节能发电调度将综合考虑节能、环保、经济等因素，在保障电力可靠供应的前提下，优先调度风能、太阳能、生物质能等清洁可再生发电资源，最大限度地减少能源消耗和污染物排放。近年来，随着我国政府对新能源开发的扶持力度、鼓励措施不断加强，我国并网风电装机容量与风电发电量保持较快速度增长，与此同时，风电的随机间歇性以及预测准确性不高给基于电源可控性和负荷可预测性的发电计划制定带来的影响愈加凸显，增加了电网调度的难度。为此，在努力提高风电功率的预测精度以降低风电随机性对电网调度带来的不确定性影响的同时，亟需开展水电、火电、风电等多种能源类型的联合优化调度，以降低风电的功率波动对电网的影响，维持电网的稳定运行。鉴于我国火电所占比重较大，而水电具有清洁环保、运行方式灵活、负荷调节速度迅速等优点，协同优化调度火电、水电以经济地消纳风电的风水火联合优化调度方法的研究具有重要的理论与现实意义。因此，希望有一种风水火短期联合优化调度方法可以克服或至少减轻现有技术的上述缺陷。技术实现要素：本发明的目的在于提供一种风水火短期联合优化调度方法来克服或至少减轻现有技术的上述缺陷。为了达到上述目的，本发明的一种风水火短期联合优化调度方法包括风水火短期联合优化调度的数学模型和模型求解；所述风水火短期联合优化调度的数学模型是根据节能发电调度的原则，在风水火发电系统的协调调度系统中制定电力系统短期调度计划时，风电优先全额并网，风电将不再作为优化变量出现在模型中，梯级水电站以周期内发电量最大以及剩余负荷峰谷差最小为目标进行优化，火电以运行成本最低、排污量最小为目标进行优化调度；所述风水火短期联合优化调度的模型求解是根据节能发电调度的原则，在制定电力系统短期调度计划时，风电优先全额并网，然后进行水火电的分步优化。即先由梯级水电制定水电机组的发电计划，在此基础上，再进一步安排火电出力计划。由于火电优化调度模型涉及的机组组合与多目标动态优化，考虑模型的复杂性及多目标优化问题中算法易陷入局部最优和效率问题，所述风水火短期联合优化调度的火电调度模型求解采用两阶段优化调度方法进行求解：第一阶段寻求机组的最优组合状态，第二阶段在机组组合方式确定的前提下进行机组间的多目标负荷优化分配。优选地，所述风水火短期联合优化调度的数学模型为：1)建立梯级水电调度周期内发电量模型、扣除梯级水电发电后的剩余负荷峰谷差模型、火电系统运行成本模型和火电系统污染物排放量模型：①所述梯级水电调度周期内发电量模型为：maxf1=Σt=1TΣj=1NHPHj,t,]]>其中f1为梯级水电调度周期内发电量，i＝1,2,...,T，T为日调度总时段数；本发明中取T＝24；NH为梯级水电站总数；PHj,t为梯级水电站j在t时段的发电量；②所述扣除梯级水电发电后的剩余负荷峰谷差模型为：minf2=max(PDt-Σj=1NHPHj,t)-min(PDt-Σj=1NHPHj,t)]]>其中f2为扣除梯级水电发电后的剩余负荷峰谷差，PDt为系统t时段的负荷值；③所述火电系统运行成本模型为：minf3=Σt=1TΣi=1NGuit(ai+biPGi,t+ciPGi,t2)]]>其中f3为火电系统运行成本，NG为系统内火电机组台数，uit为火电机组i在t时段的开停机状态，1表示开机，0表示停机，PGi,t为第i台火电机组在t时段的有功功率，ai，bi，ci为第i台火电机组煤耗特性参数；④所述火电系统污染物排放量模型为：minf4=Σt=1TΣi=1NGuit[αi+βiPGi,t+γiPGi,t2+ηiexp(δiPGi,t)]]]>其中f4为火电系统污染物排放量，αi，βi，γi，ηi，δi为第i台火电机组排污特性参数；2)确定所述梯级水电调度周期内发电量模型、扣除梯级水电发电后的剩余负荷峰谷差模型、火电系统运行成本模型和火电系统污染物排放量模型的约束条件，所述约束条件包括系统约束、火电机组约束和水电机组约束：①系统约束包括功率平衡约束和旋转备用容量约束：a)所述功率平衡约束为：Σi=1NGuitPGi,t+Σj=1NHPHj,t+Σk=1NWPWk,t=PDt,]]>其中PWk,t为第k个风电场t时段的输出功率，NW为系统内风电场总数；b)所述旋转备用容量约束分为系统向上的旋转备用容量约束和系统向下的旋转备用容量约束，所述系统向上的旋转备用容量约束为：Σi=1NGuitRGi,tu+Σj=1NHRHj,tu=(Σk=1NWPWk,t)ku%+PDtL%]]>所述系统向下的旋转备用容量约束为：Σi=1NGRGi,td+Σj=1NHRHj,td=(Σk=1NWPWk,t)kd%,]]>其中和分别为第i台火电机组和第j座梯级水电站t时段所提供的上备用容量，和分别为第i台火电机组和第j座梯级水电站t时段所提供的下备用，ku和kd为风电波动系数，L为系统波动系数；②火电机组约束包括火电出力上下限约束、火电机组爬坡速率约束和火电机组最小开停机时间约束：a)所述火电机组出力上下限约束为PGi,min≤PGi,t≤PGi,max，PGi,min和PGi,max为第i台火电机组出力下限和上限；b)所述火电机组爬坡速率约束为：PGi,t-PGi,t-1≤vGi,upT1和PGi,t-1-PGi,t≤vGi,downT1，vGi,up和vGi,down为第i台火电机组向上和向下爬坡速率，T1＝1；c)所述火电机组最小开停机时间约束为和分别为第i台机组最小运行时间和停运时间；③水电机组约束包括水电厂水量平衡约束、水电厂库容约束、水电厂发电流量约束、水电厂调度周期始末库容约束和水电厂发电功率约束：a)所述水电厂水量平衡约束为：VHj,t=VHj,t-1+IHj,t-QHj,t+Σm∈MQHm,t-τ(m,j),]]>VHj,t，IHj,t和QHj,t分别为水电厂j在时段t的水库库容、自然入流量和发电流量，M为直接位于水库j上游的水库集合，τ(m,j)为从水库m到水库j的水流流达时间；b)所述水电厂库容约束为VHj,min≤VHj,t≤VHj,max，VHj,min和VHj,max分别为梯级水电站j的水库库容下限和上限；c)所述水电厂发电流量约束为QHj,min≤QHj,t≤QHj,max，QHj,min和QHj,max分别为梯级水电站j的发电流量下限和上限；d)所述水电厂调度周期始末库容约束为VHj,0＝Vini,j；VHj,T＝Vend,j，Vini,j和Vend,j分别为梯级水电站j调度周期的始、末库容；e)所述水电厂发电功率约束为PHj,min≤PHj,t≤PHj,max，其中，水电厂出力与水流量的转换关系为：PHj,t＝c1jVHj,t2+c2jQHj,t2+c3jVHj,tQHj,t+c4jVHj,t+c5jQHj,t+c6j，参数c1j，c2j，c3j，c4j，c5j，c6j分别为梯级水电站j的发电系数，PHj,min和PHj,max分别为水电机组j允许的最小及最大出力。优选地，火电与水电共同应对系统具有负荷波动和风电的随机间歇性的特点，针对火电优化调度模型涉及的机组组合与多目标动态优化，考虑模型的复杂性及多目标优化问题中算法易陷入局部最优和效率问题，所述风水火短期联合优化调度的模型求解包括两阶段优化调度方法进行求解：第一阶段寻求机组的最优组合状态，第二阶段在机组组合方式确定的前提下进行机组间的多目标负荷优化分配。优选地，所述第一阶段寻求机组的最优组合状态是根据机组的最小比耗量与其最大输出功率的比值建立发电序位表，综合指标小的机组优先投入运行，根据发电序位表，采用启发式搜索确定一种新的火电机组组合方式，机组组合方式确定原则为：Σi=1N-1PGi,max<Pdt,Σi=1NPGi,max>PdtPdt=PDt(1+L%)+(Σk=1NWPWk,t)ku%-Σk=1NWPWk,t-Σj=1NHPHj,t]]>所述启发式搜索流程步骤为：(1)根据机组最小比耗量和机组最大输出功率建立机组发电序位表；(2)根据负荷需求投入前N台机组；(3)判断是否满足负荷平衡，若满足负荷平衡则得到第t时段机组组合方式，否则，启动第N+1台机组令N＝N+1并返回判断是否满足负荷平衡；(4)判断所求t时段是否在当前运行时段T之后，若是则得到机组组合方式的初始解，否则转回步骤(2)；(5)对得到的机组进行最小启停时间修正，修正原则为：a)如果某时段有机组在不足停机时间的情况下要求启动，即机组未达到最小停机时间，那么该时段剔除未达到最小停机时间的机组，逐次增加发电序位表中未投入运行且排序靠前的机组，直至满足负荷平衡；b)如果某时段机组在不足开机时间间隔的情况下就停止运行，即机组未达到最小开机时间，那么该时段机组不允许停机，直至满足最小开机时间；c)检查经修正的机组组合方式中是否存在冗余机组，若存在则予以剔除，从而得到最终的机组组合方式；(6)得到最终机组组合方式。优选地，所述第二阶段在机组组合方式确定的前提下进行机组间的多目标负荷优化分配包括：(1)根据建立的所述发电序位表和扣除水电发电量后的日负荷分配火电机组间的备用容量和负荷；①所述备用容量分配原则为：优化分配火电机组所承担的备用容量，使得其完成备用容量负荷所需时间最短，以及时弥补负荷预测误差和风电预测偏差，确保电力系统的稳定运行。t时段，第i台火电机组所承担的上备用容量和下备用容量计算公式为：RGi,tu=uitvGi,up(Rtu/Σi=1NGuitvGi,up)RGi,td=uitvGi,down(Rtd/Σi=1NGuitvGi,down);]]>②所述火电机组间的负荷分配原则为：各时刻机组承担的备用容量分配结束后，机组剩下的容量即为参加优化调度的容量，故对机组承担备用容量后的出力上下限值进行修正。t时段,第i台火电机组实际出力的上下限为PGi,tmax=PGi,max-RGi,tuPGi,tmin=PGi,min+RGi,td;]]>(2)对模型中多重目标函数的处理采用基于单目标思路的多目标求解方法，使用分目标乘除法将多目标问题转化为单目标问题，采用自适应免疫疫苗算法求解出上述整体风水火短期联合优化调度模型的最优解，所述自适应免疫疫苗算法的流程如下：①设置优化算法的参数；②随机生成初始种群；③计算抗体适应度；④根据抗体的适应度，选取部分优秀抗体复制到记忆细胞，并对优秀抗体进行疫苗提取操作；⑤执行复制和自适应交叉、变异操作；⑥随机选取一定比例抗体进行疫苗接种；⑦进行种群和记忆细胞的更新；⑧终止条件判定，若当前群体中包含最佳个体，则算法停止运行并输出结果；否则转回到③。本发明的风水火短期联合优化调度方法以实现电力系统中水电综合效益最大为目标，改变了过度依赖煤炭能源的局面，最大限度地减少了能源的消耗和污染物的排放量。附图说明：图1是风水火短期联合优化调度方法中风水火联合优化的流程图。图2是风水火短期联合优化调度方法中火电机组组合方式的启发式搜索流程图。图3是风水火短期联合优化调度方法中自适应免疫疫苗算法流程图。图4是风水火短期联合优化调度方法中系统负荷和风电功率预测值数据图。图5是风水火短期联合优化调度方法中梯级水电各时段的出力数据图。图6是风水火短期联合优化调度方法中加入梯级水电前后，火电系统各时段投入台数对比数据图。具体实施方式：为使本发明实施的目的、技术方案和优点更加清楚，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更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作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。下面结合附图对本发明的实施例进行详细说明。根据本发明一宽泛实施例的风水火短期联合优化调度方法，所述风水火短期联合优化调度方法包括风水火短期联合优化调度的数学模型和模型求解；所述风水火短期联合优化调度的数学模型是根据节能发电调度的原则，在风水火发电系统的协调调度系统中制定电力系统短期调度计划时，风电优先全额并网，风电将不再作为优化变量出现在模型中，梯级水电站以周期内发电量最大以及剩余负荷峰谷差最小为目标进行优化，火电以运行成本最低、排污量最小为目标进行优化调度；所述风水火短期联合优化调度的模型求解是根据节能发电调度的原则，在制定电力系统短期调度计划时，风电优先全额并网，然后进行水火电的分步优化。即先由梯级水电制定水电机组的发电计划，在此基础上，再进一步安排火电出力计划。由于火电优化调度模型涉及的机组组合与多目标动态优化，考虑模型的复杂性及多目标优化问题中算法易陷入局部最优和效率问题，所述风水火短期联合优化调度的火电调度模型求解采用两阶段优化调度方法进行求解：第一阶段寻求机组的最优组合状态，第二阶段在机组组合方式确定的前提下进行机组间的多目标负荷优化分配。本发明的风水火短期联合优化调度方法以实现电力系统中水电综合效益最大为目标，改变了过度依赖煤炭能源的局面，最大限度地减少了能源的消耗和污染物的排放量。所述风水火短期联合优化调度的数学模型为：1)建立梯级水电调度周期内发电量模型、扣除梯级水电发电后的剩余负荷峰谷差模型、火电系统运行成本模型和火电系统污染物排放量模型：①所述梯级水电调度周期内发电量模型为：maxf1=Σt=1TΣj=1NHPHj,t,]]>其中f1为梯级水电调度周期内发电量，i＝1,2,...,T，T为日调度总时段数；本发明中取T＝24；NH为梯级水电站总数；PHj,t为梯级水电站j在t时段的发电量；②所述扣除梯级水电发电后的剩余负荷峰谷差模型为：minf2=max(PDt-Σj=1NHPHj,t)-min(PDt-Σj=1NHPHj,t)]]>其中f2为扣除梯级水电发电后的剩余负荷峰谷差，PDt为系统t时段的负荷值；③所述火电系统运行成本模型为：minf3=Σt=1TΣi=1NGuit(ai+biPGi,t+ciPGi,t2)]]>其中f3为火电系统运行成本，NG为系统内火电机组台数，uit为火电机组i在t时段的开停机状态，1表示开机，0表示停机，PGi,t为第i台火电机组在t时段的有功功率，ai，bi，ci为第i台火电机组煤耗特性参数；④所述火电系统污染物排放量模型为：minf4=Σt=1TΣi=1NGuit[αi+βiPGi,t+γiPGi,t2+ηiexp(δiPGi,t)]]]>其中f4为火电系统污染物排放量，αi，βi，γi，ηi，δi为第i台火电机组排污特性参数；2)确定所述梯级水电调度周期内发电量模型、扣除梯级水电发电后的剩余负荷峰谷差模型、火电系统运行成本模型和火电系统污染物排放量模型的约束条件，所述约束条件包括系统约束、火电机组约束和水电机组约束：①系统约束包括功率平衡约束和旋转备用容量约束：a)所述功率平衡约束为：Σi=1NGuitPGi,t+Σj=1NHPHj,t+Σk=1NWPWk,t=PDt,]]>其中PWk,t为第k个风电场t时段的输出功率，NW为系统内风电场总数；b)所述旋转备用容量约束分为系统向上的旋转备用容量约束和系统向下的旋转备用容量约束，所述系统向上的旋转备用容量约束为：Σi=1NGuitRGi,tu+Σj=1NHRHj,tu=(Σk=1NWPWk,t)ku%+PDtL%]]>所述系统向下的旋转备用容量约束为：Σi=1NGRGi,td+Σj=1NHRHj,td=(Σk=1NWPWk,t)kd%,]]>其中和分别为第i台火电机组和第j座梯级水电站t时段所提供的上备用容量，和分别为第i台火电机组和第j座梯级水电站t时段所提供的下备用，ku和kd为风电波动系数，L为系统波动系数；②火电机组约束包括火电出力上下限约束、火电机组爬坡速率约束和火电机组最小开停机时间约束：a)所述火电机组出力上下限约束为PGi,min≤PGi,t≤PGi,max，PGi,min和PGi,max为第i台火电机组出力下限和上限；b)所述火电机组爬坡速率约束为：PGi,t-PGi,t-1≤vGi,upT1和PGi,t-1-PGi,t≤vGi,downT1，vGi,up和vGi,down为第i台火电机组向上和向下爬坡速率，T1＝1；c)所述火电机组最小开停机时间约束为和分别为第i台机组最小运行时间和停运时间；③水电机组约束包括水电厂水量平衡约束、水电厂库容约束、水电厂发电流量约束、水电厂调度周期始末库容约束和水电厂发电功率约束：a)所述水电厂水量平衡约束为：VHj,t=VHj,t-1+IHj,t-QHj,t+Σm∈MQHm,t-τ(m,j),]]>VHj,t，IHj,t和QHj,t分别为水电厂j在时段t的水库库容、自然入流量和发电流量，M为直接位于水库j上游的水库集合，τ(m,j)为从水库m到水库j的水流流达时间；b)所述水电厂库容约束为VHj,min≤VHj,t≤VHj,max，VHj,min和VHj,max分别为梯级水电站j的水库库容下限和上限；c)所述水电厂发电流量约束为QHj,min≤QHj,t≤QHj,max，QHj,min和QHj,max分别为梯级水电站j的发电流量下限和上限；d)所述水电厂调度周期始末库容约束为VHj,0＝Vini,j；VHj,T＝Vend,j，Vini,j和Vend,j分别为梯级水电站j调度周期的始、末库容；e)所述水电厂发电功率约束为PHj,min≤PHj,t≤PHj,max，其中，水电厂出力与水流量的转换关系为：PHj,t＝c1jVHj,t2+c2jQHj,t2+c3jVHj,tQHj,t+c4jVHj,t+c5jQHj,t+c6j，参数c1j，c2j，c3j，c4j，c5j，c6j分别为梯级水电站j的发电系数，PHj,min和PHj,max分别为水电机组j允许的最小及最大出力。如图1所示。根据节能发电调度的原则，在制定电力系统短期调度计划时，风电优先全额并网；梯级水电站兼顾调峰性能与自身的发电效益，即梯级水电站以周期内发电量最大以及剩余负荷峰谷差最小为目标进行优化，以求减少火电机组频繁启停与出力波动，同时充分利用水资源尽可能多的代替火电进行发电，节约火电的燃料成本，降低污染物的排放，实现水电站综合效益的最大化；火电以运行成本最低、排污量最小为目标进行优化调度。火电与水电共同应对系统负荷波动和风电的随机间歇性。但是针对火电优化调度的模型涉及机组组合与多目标动态优化，考虑模型的复杂性及多目标优化问题中算法易陷入局部最优和效率问题，提出两阶段优化调度方法进行求解。第一阶段寻求机组的最优组合状态，第二阶段在机组组合方式确定的前提下进行机组间的多目标负荷优化分配。具体的求解方法如下：Σi=1N-1PGi,max<Pdt,Σi=1NPGi,max>PdtPdt=PDt(1+L%)+(Σk=1NWPWk,t)ku%-Σk=1NWPWk,t-Σj=1NHPHj,t]]>如图2所示，所述启发式搜索流程步骤为：(1)根据机组最小比耗量和机组最大输出功率建立机组发电序位表；(2)根据负荷需求投入前N台机组；(3)判断是否满足负荷平衡，若满足负荷平衡则得到第t时段机组组合方式，否则，启动第N+1台机组令N＝N+1并返回判断是否满足负荷平衡；(4)判断所求t时段是否在当前运行时段T之后，若是则得到机组组合方式的初始解，否则转回步骤(2)；(5)对得到的机组进行最小启停时间修正，修正原则为：a)如果某时段有机组在不足停机时间的情况下要求启动，即机组未达到最小停机时间，那么该时段剔除未达到最小停机时间的机组，逐次增加发电序位表中未投入运行且排序靠前的机组，直至满足负荷平衡；b)如果某时段机组在不足开机时间间隔的情况下就停止运行，即机组未达到最小开机时间，那么该时段机组不允许停机，直至满足最小开机时间；c)检查经修正的机组组合方式中是否存在冗余机组，若存在则予以剔除，从而得到最终的机组组合方式；(6)得到最终机组组合方式。所述第二阶段在机组组合方式确定的前提下进行机组间的多目标负荷优化分配包括：(1)根据建立的所述发电序位表和扣除水电发电量后的日负荷分配火电机组间的备用容量和负荷；①所述备用容量分配原则为：优化分配火电机组所承担的备用容量，使得其完成备用容量负荷所需时间最短，以及时弥补负荷预测误差和风电预测偏差，确保电力系统的稳定运行。t时段，第i台火电机组所承担的上备用容量和下备用容量计算公式为：RGi,tu=uitvGi,up(Rtu/Σi=1NGuitvGi,up)RGi,td=uitvGi,down(Rtd/Σi=1NGuitvGi,down);]]>②所述火电机组间的负荷分配原则为：各时刻机组承担的备用容量分配结束后，机组剩下的容量即为参加优化调度的容量，故对机组承担备用容量后的出力上下限值进行修正。t时段,第i台火电机组实际出力的上下限为PGi,tmax=PGi,max-RGi,tuPGi,tmin=PGi,min+RGi,td;]]>(2)对模型中多重目标函数的处理采用基于单目标思路的多目标求解方法，即将多目标问题转化为单目标问题。鉴于分目标乘除法可以有效地避免了权重的选取和无量纲化处理以及隶属度函数的选取问题，本发明将其应用于上述多目标优化问题的单目标转化，以求在达到较好的优化效果的同时，提高优化方案的简洁性。本发明采用自适应免疫疫苗算法求解出上述整体风水火短期联合优化调度模型的最优解。如图3所示，所述自适应免疫疫苗算法的流程如下：①设置优化算法的参数；②随机生成初始种群；③计算抗体适应度；④根据抗体的适应度，选取部分优秀抗体复制到记忆细胞，并对优秀抗体进行疫苗提取操作；⑤执行复制和自适应交叉、变异操作；⑥随机选取一定比例抗体进行疫苗接种；⑦进行种群和记忆细胞的更新；⑧终止条件判定，若当前群体中包含最佳个体，则算法停止运行并输出结果；否则转回到③。在一实施例中，以某省火电系统基础上配以一个梯级水电站和一个装机容量为300MW的大型风电场，由此构成风水火联合优化调度系统。火电机组的特性参数见下表1。由于缺少火电系统最小启停时间的相关数据，本发明根据机组的特性参数设定各机组的最小启停时间如下表2：表1火电机组特性参数表2火电机组出力和最小启停时间特性参数将表1、表2中的数据代入到Matlab语言编制的发电序位表程序，得到如下表3的机组排序方法：表3不同排序方法的结果对比从表3中可以看出本发明提出的机组排序法与传统的机组排序法相比兼顾了机组的经济性和快速性。梯级水电特性参数见表4和表5。表4梯级水电参数表5梯级水电各时段流量参数自适应免疫疫苗算法的参数设置为：种群规模Size＝50；接种系数：ζ＝0.3；进化代数：M＝200；交叉概率:pc1＝0.9,pc2＝0.4；变异概率：pm1＝0.2，pm2＝0.01；疫苗阀值：ψ1＝0.7，ψ2＝0.3。24时段系统负荷预测和风电输出功率预测如下图4所示，负荷波动系数L％＝7％；风电波动系数取ku％＝kd％＝15％：原系统峰谷差800MW，加入风电后峰谷差870.6MW。可见风电的加入增大了系统峰谷差。梯级水电采用兼顾周期内发电量和调峰效益方案，其水电调度各时段的出力情况见图5，梯级水电加入后系统峰谷差为837.3MW，周期发电量为8505.7MW。在梯级水电加入前后，火电机组组合方式见表6和表7，各时段火电机组投入台数与加入梯级水电之前相比有所减少。可见，梯级水电的加入能够很好地代替部分火电机组，减少火电系统的机组启停次数，节约能源的同时降低了污染物排放。梯级水电加入前后，火电机组投入台数对比见图6。表6加入梯级水电前，火电机组组合方式表7加入梯级水电后，火电机组组合方式表8给出了在加入梯级水电后，对应的各时段火电机组出力情况。表8加入梯级水电后，对应的火电机组24时段出力值显然，本发明的上述实施例仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而这些属于本发明的精神所引伸出的显而易见的变化或变动仍处于本发明的保护范围之中。当前第1页1 2 3