新能源参与电量平衡的送端电网机组组合运行控制方法与流程

本发明涉及电力系统自动控制领域，尤其是涉及一种新能源参与电量平衡的送端电网机组组合运行控制方法。

背景技术：

机组组合问题(uc问题)一般是指在满足系统负荷需求、备用容量和最小启停时间等约束条件下确定研究周期内各时段各机组的启停及出力安排，使总发电费用最小，其数学模型实质是高维、离散、非凸的混合整数非线性规划模型，不易获得理论上的最优解。随着系统规模的扩大，模型解空间复杂程度的增加，模型求解时间与解的最优性随之下降，有些方法甚至因此无法求得可行解。合理优化机组组合能给电力系统带来显著经济效益，对提升大电网经济性可靠性具有重要意义。

国内学者对uc问题进行了广泛研究，提出了诸多求解方法：优先顺序法、动态规划法、拉格朗日松弛法、智能优化算法、混合整数规划法等。黎静华，兰飞在《电力系统保护与控制》(2010,38(02)：1-7)上发表的《适合于机组组合问题的扩展优先顺序法》定义了机组的效用系数uur(unitutilizationratio)优化机组的优先顺序，并引入参数控制机组组合邻域的规模并采取策略对机组组合进行调整使其满足所有约束。翟俊义，任建文，李整等在《华北电力大学学报(自然科学版)》(2016,43(01)：32-38)上发表的《一种降维求解机组组合问题的双重粒子群优化算法》将对整个调度周期的优化转化为对每个调度时刻依次、分别优化，即将对矩阵的优化转化为对行向量的优化，降低求解维数。结合离散与连续粒子群(particleswarmoptimization，pso)算法，分别得到当前调度时刻最优的机组组合状态及对应的最优负荷分配。邓俊，韦化，黎静华等在《中国电机工程学报》(2015,35(11)：2770-2778)上发表的《一种含四类0-1变量的机组组合混合整数线性规划模型》通过引入辅助变量表示冷启动状态，提出一种启动费用的线性表达，同时增强了milp模型的简洁性和紧凑性；利用爬坡速度和最小运行时间限制，提出新的机组出力约束表达，极大地压缩了机组出力的可行域，进一步增强了紧凑性，提高了模型求解效率。张舒，胡泽春，宋永华等在《中国电机工程学报》(2012,32(07)：76-82+194)上发表的《基于网损因子迭代的安全约束机组组合算法》在每次迭代先解固定网损因子的scuc问题，求得机组的运行状态，然后进行交流潮流计算，更新网损因子，进入下一次迭代。针对可能出现的网损因子振荡问题，提出scuc和经济调度相结合的方法，选择对应发电成本较小的机组启停状态，进行经济调度优化和网损因子迭代计算，直至算法收敛。以上文献中，优先顺序法求解大规模uc问题精度不高，智能算法计算量大、求解速度慢、易限入局部最优解，混合整数规划类方法建模复杂、计算量大、收敛缓慢，还可能导致求解器无法求得可行解。专利中，张景瑞，林爽，邱卫霞等发明人申请的发明专利《考虑爬坡速率约束的电力系统机组组合优化方法》在离散粒子群框架中引入差分加速技术以提高求解速度，对不可行个体进行修复以提高可行性，并采用随机等效λ迭代法进行负荷分配并处理爬坡速率约束。蔡秋娜，刘思捷，杨韵等发明人申请的发明专利《一种基于发电厂排序系数安排机组组合的方法》利用排序系数，并且考虑电力平衡，安全约束，逐天安排机组组合，可以为电力调度机构安排机组组合、进行月度电量调控。刘芳，潘毅，周京阳等发明人申请的发明专利《一种能源协调优化机组组合方法》考虑风电出力置信区间、火电机组的运行参数和耗煤特性以及抽水蓄能机组的运行参数和运行特性建立混合非线性整数规划模型加以求解。李利利，丁恰，耿建等发明人申请的发明专利《中长期机组组合优化方法》考根据实际电网的电网模型建立以机组发电量与期望电量偏差最小为目标的中长期安全约束机组组合模型；采用混合整数规划法计算出机组在调度周期内各天的启停状态、负荷率以及峰荷时段的有功出力，然后通过优化技术与安全校核的迭代，最终获得满足电网安全的中长期机组组合方案。以上专利都仅仅采用单一的优先顺序法或者智能算法，或者直接调用成熟的数学规划求解器求解uc问题，因而不能很好解决上述类型方法应用于大规模uc问题时存在的计算效率低的固有缺陷。因此大规模系统的机组组合问题的高效解法值得深入研究。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种新能源参与电量平衡的送端电网机组组合运行控制方法。

本发明的目的可以通过以下技术方案来实现：

一种新能源参与电量平衡的送端电网机组组合运行控制方法，包括以下步骤：

1)获取新能源的预测出力置信区间和传统发电机组的开机优先顺序列表；

2)引入备用机组池和弃电机组池，同时考虑新能源参与平衡、旋转备用约束和最小启停时间约束，控制机组状态；

3)以步骤2)获得的机组状态为粒子群算法的输入，基于考虑机组爬坡率的功率平衡调整粒子位置，获得粒子群算法的最优输出，根据所述最优输出控制机组组合运行状态。

进一步地，所述传统发电机组包括火电机组和水电机组，基于排序参考因子获得火电机组的开机优先顺序列表，所述排序参考因子包括可调发电机组煤耗指标因子、启动成本参考因子和出力上限参考因子，根据排序参考因子的参数选择的不同，获得不同的火电机组开机优先顺序列表；

所述水电机组根据调节性能获得对应的开机优先顺序列表。

进一步地，各排序参考因子通过以下公式组合后确定发电机组开机优先顺序：

f＝index1，i+index2，i+index3，i

式中，index1，i、index2，i、index3，i分别为按可调发电机组煤耗指标因子、启动成本参考因子和出力上限参考因子从小到大排序后机组i的排名，f值越小，对应机组越优先启动。

进一步地，所述弃电机组池包括正在弃水的水电机组及正在弃风、弃光的新能源机组；

备用机组池包括当前处于热备用状态的火电机组。

进一步地，所述步骤2)具体包括以下步骤：

a1)根据负荷预测曲线，判断下一时段负荷预测增量是否为正，若是，则执行步骤a2)，若否，则执行步骤a3)；

a2)基于所述开机优先顺序列表，依次控制弃电机组池、新能源机组、备用机组池、火电机组中的相应机组启动，直至满足负载增长及旋转备用约束，执行步骤a4)；

a3)基于所述开机优先顺序列表，依次控制火电机组、多年调节水电机组、年调节水电机组、季调节水电机组、新能源机组、日调节水电机组中的相应机组关停，直至满足旋转备用约束及负载减少，执行步骤a4)；

a4)判断是否所有时段的机组状态均控制完毕，若是，则执行步骤3)，若否，则返回步骤a1)。

进一步地，所述步骤a2)具体包括：

201)在通道约束条件下，从弃电机组池中选择机组启动；

202)判断弃电机组池相应机组启动后是否满足负载增长及旋转备用约束，若是，则执行步骤a4)，若否，则执行步骤203)；

203)在通道约束条件下，根据所述预测出力置信区间启动新能源机组；

204)判断新能源机组启动后是否能满足负载增长及旋转备用约束，若是，则执行步骤a4)，若否，则执行步骤205)；

205)从备用机组池中选择火电机组启动；

206)判断火电机组启动后是否能满足负载增长及旋转备用约束，若是，则执行步骤a4)，若否，则执行步骤207)；

207)进行限负荷控制，并启动火电机组，增加备用机组池中的机组数量，执行步骤a4)。

进一步地，所述步骤a3)具体包括：

301)判断关停非重要支撑火电机组后，24小时内是否满足旋转备用约束及负载减少，若是，则关停符合条件的机组后执行步骤302)，若否，则执行步骤302)；

302)判断关停多年调节水电机组后，3小时内是否满足旋转备用约束及负载减少，若是，则关停符合条件的机组后执行步骤303)，若否，则执行步骤303)；

303)判断关停年调节水电机组后，3小时内是否满足旋转备用约束及负载减少，若是，则关停符合条件的机组后执行步骤304)，若否，则执行步骤304)；

304)判断关停季调节水电机组后，3小时内是否满足旋转备用约束及负载减少，若是，则关停符合条件的机组后执行步骤305)，若否，则执行步骤305)；

305)判断关停新能源机组后，是否满足负载减少，若是，则关停符合条件的机组后执行步骤306)，若否，则执行步骤306)；

306)判断关停日调节水电机组后，是否满足负载减少，若是，则关停符合条件的机组后执行步骤a4)，若否，则执行步骤a4)。

进一步地，所述粒子群算法采用的目标函数为：

其中，t是总时段数，nh、ns、nx分别是火电、水电、新能源机组数，phi，t是火电机组i在时段t的出力，psi，t是水电机组i在时段t的出力，pxi，t是新能源机组i在时段t的出力，ui，t是机组i在时段t的启停状态，用0或1表示，fhi，t(phi，t)是火电机组i在时段t的运行成本，sti是火电机组i的启停成本，fsi，t(psi，t)是水电机组i在时段t的运行成本，fxi，t(pxi，t)是新能源机组i在时段t的运行成本；

采用的约束条件包括系统功率平衡约束、机组出力上下限约束、旋转备用约束、机组爬坡约束和机组起停时间约束。

进一步地，所述基于考虑机组爬坡率的功率平衡调整粒子位置具体为：

221)初始化时段t＝1；

222)计算时段t所有机组出力总和sumt以及每个机组i的出力范围ph(i)和pl(i)，ph(i)为最高出力，pl(i)为最低出力；

223)建立一开机列表，该开机列表存储有在时段t处于开机状态的机组；

224)判断是否存在sumt＜dt且count＞0，若是，则执行步骤225)，若否，则执行步骤226)，其中，dt表示时段t的负荷需求，count表示开机列表中机组数；

225)从所述开机列表中选取机组i，令pi，t＝ph(i)，重新计算sumt，判断是否存在sumt＜dt，若是，则执行步骤226)，若否，则从开机列表中删除该机组i，更新count，返回步骤224)；

226)重新建立开机列表，更新count；

227)判断是否存在sumt＞dt且count＞0，若是，则执行步骤228)，若否，则执行步骤229)；

228)从所述开机列表中选取机组i，令pi，t＝pl(i)，重新计算sumt，判断是否存在sumt＜dt，若是，执行步骤229)，若否，则从开机列表中删除该机组i，更新count；

229)若此时sumt≠dt且count＞0，则令pi，t＝min{pi，t-(sumt-dt)，ph(i)}，否则，pi，t＝max{pi，t，pl(i)}；

230)重复步骤222)-229)，直至t＝t。

进一步地，所述出力范围ph(i)和pl(i)通过以下方式获得：

对每个机组i在每个时段t，若uit＝1，ui(t-1)＝0，则ph(i)＝min{pi，max，rui}，pl(i)＝max{pi，min，rdi}；

若uit＝1，ui(t-1)＝1，则ph(i)＝min{pi，mαx，pi，t-1+rui}，pl(i)＝max{pi，min，pi，t-1-rdi}；

若t＝1，则ph(i)＝pi，max，pl(i)＝pi，min；

若uit＝1，ui(t+1)＝0，则ph(i)＝pl(i)＝pi，min；

若uit＝1，ui(t+1)＝1，则ph(i)＝min{ph(i)，pi，t+1-rdi}，pl(i)＝max{pl(i)，pi，t+1-rui}；

其中，rdi、rui表示机组下、上爬坡速率。

与现有技术相比，本发明具有以如下有益效果：

1、本发明考虑风电、太阳能等新能源作为常规电源参与系统电力电量平衡，控制精度更高。

2、利用弃电机组池及备用机组池，优化系统电力电量平衡过程，一方面，使得该过程更符合实际，另一方面，提升了系统运行的经济性。

3、根据水电机组调节性能、火电机组能耗指标，对传统发电机组进行优先顺序排序。

4、针对传统pl法排序指标单一，不能全面评价机组运行费用的不足，本发明引入可调发电机组煤耗、机组最大出力、机组启动成本三个指标、全面反映发电机组的经济性，改进的机组经济型排序指标可以提高机组启停计划的经济性，节省燃煤成本。

5、本发明对传统发电机组进行优先顺序排序，可以提高系统运行经济型，节能减排。

6、不同于传统pl法先安排机组启停满足旋转备用，再调整机组状态满足最小启停时间，本发明同时考虑这两个约束，以更好地实现优先开启运行费用较小的机组。

7、针对原始pso较难满足功率平衡约束这一等式约束的不足，提出一种考虑机组爬坡率的功率平衡调整策略，保证粒子的多样性的同时避免快速收敛到局部最优解，提高最终解的质量。

8、本发明采用的两阶段优化方法提高了大规模系统机组组合计算效率与计算精度。

附图说明

图1为本发明的流程示意图；

图2为本发明的功率平衡约束调整过程示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本发明提供一种新能源参与电量平衡的送端电网机组组合运行控制方法，包括以下步骤：

1)获取全年负荷曲线、全年风电、光伏出力概率预测置信曲线、火电机组煤耗系数、最小开、停机时间、上下爬坡率等基础数据，进而获取新能源的预测出力置信区间和传统发电机组的开机优先顺序列表，用新能源出力预测置信区间下限参与系统电力电量平衡；

2)引入备用机组池和弃电机组池，同时考虑新能源参与平衡、旋转备用约束和最小启停时间约束，控制机组状态，优化系统电力电量平衡过程；

3)以步骤2)获得的机组状态为粒子群算法的输入，基于考虑机组爬坡率的功率平衡调整粒子位置，获得粒子群算法的最优输出，根据所述最优输出控制机组组合运行状态。

新能源包括风电、太阳能等，一般取新能源装机容量的10％-20％作为新能源出力置信容量，对于光伏发电可以白天取10％，晚上取0。

传统发电机组包括火电机组和水电机组。对于火电机组，可以根据火电机组能耗指标获得开机优先顺序列表。考虑火电开机列表顺序时，保障电网安全的重要支撑节点火电机组优先级最高，能耗底的火电机组优先级高。

火电在不同出力范围内发电机组的单位出力煤耗并不相同，由此可能导致机组的优先顺序随出力范围的改变而发生变化。因此，本发明为反映机组在不同出力下煤耗情况，引入可调发电机组煤耗指标如下。

式中α∈[0，1]，称之为出力调整因子，根据不同α取值下的f1，i，可以得到发电机组在不同出力下发电煤耗排序情况。据此进行发电机组状态调整，可得到更接近于最优解的机组启停计划。调整α的取值，可以得到不同的机组优先顺序重复上述步骤，从而得到一组不同的初始解。

此外，应该优先安排启动成本最大的机组在长时段开机运行，以减少频繁开、停机增加全系统启动成本，因此引入第二个排序参考因子，启动成本参考因子：

最后，应让出力上限最高且经济性较优的机组多发电，使随负荷变化而启停的机组数量减少，进一步减少启动成本，因此引入第三个排序参考因子，出力上限参考因子：

机组的三个排序参考因子越小，越优先启动。注意到f2，i＞1、f3，i＞1、f1，i＜1，直接将三者相加进行排序可能导致总排序指标由f2，i、f3，i主导，采用如下排序指标加以改进：

f＝index1，i+index2，i+index3，i

式中，index1，i、index2，i、index3，i分别为按可调发电机组煤耗指标因子、启动成本参考因子和出力上限参考因子从小到大排序后机组i的排名，f值越小，对应机组越优先启动。

对于水电机组，根据水电的调节性能，形成水电开机序列表。根据优化调度，节省能源的原则，一般无调节性能的水电排在最前，接下来是日调节、季调节、年调节，多年调节。对于具有调节能力的带水库的水电站，其发电能力除受到水电机组本身技术因素制约之外，还受流域水资源管理部门的人为约束，因此，在考虑出力及爬坡率约束时，应该将这部分因素考虑进去，取更小的区间。

如图1所示，上述机组组合运行控制方法可具体描述为：

步骤s101：获得风电及太阳能等新能源预测出力置信区间曲线。

步骤s102：根据水电的调节性能，形成水电开机序列表。

步骤s103：根据火电机组能耗指标，形成火电机组开机列表。

步骤s104：根据负荷预测曲线，判断下一时段负荷增量是否为正？如果是，转下一步，如果否，转步骤s112。

步骤s105：在通道约束条件下，从弃电机组池选择机组启动。对于当前已占满的通道，通道下面的弃电机组部参与本次启动动作。

弃电机组池：记录当前处于弃电状态的机组id，弃电机组主要包括正在弃水的水电机组及正在弃风、弃光的新能源机组。

步骤s106：弃电机组池机组启动后，是否满足负荷增长及旋备容量要求？若否，转下一步，若是，转步骤s118。

步骤s107：在通道约束条件下，启动清洁能源机组。

步骤s108：判断清洁能源机组启动后，是否满足负荷增长及旋备容量要求？若否，转下一步，若是，转步骤s118。

步骤s109：从备用机组池中，选择火电机组启动，以满足负荷增长及旋备容量要求。

备用机组池：记录当前处于热备用状态的火电机组id，作为旋转备用机组的二级备用，根据旋转备用容量需求及负荷增长情况，动态维护该机组池，保障系统安全稳定经济运行。

步骤s110：判断备用机组池中的火电机组都启动后是否满足负荷增长需求？若否，转下一步，若是，转步骤s118。

步骤s111：当前所有可启动机组启动后，均无法满足负荷增长需要，则进行限负荷控制，并启动火电机组，增加备用机组池中的机组数量。

步骤s112：判断关停非重要支撑火电机组后，24小时内，是否满足系统旋备约束及负荷减少？若是，关停符合条件的机组，转步骤s113，若否，直接执行步骤s113。

步骤s113：判断关停多年调节水电机组后，3小时内，是否满足系统旋备约束及负荷减少？若是，关停符合条件的机组，转步骤s114，若否，直接执行步骤s114。

步骤s114：判断关停年调节水电机组后，3小时内，是否满足系统旋备约束及负荷减少？若是，关停符合条件的机组，转步骤s115，若否，直接执行步骤s115。

步骤s115：判断关停季调节水电机组后，3小时内，是否满足系统旋备约束及负荷减少？若是，关停符合条件的机组，转步骤s116，若否，直接执行步骤s116。

步骤s116：判断关停新能源机组后，是否满足系统旋备约束及负荷减少？若是，关停符合条件的机组，转步骤s117，若否，直接执行步骤s117。

步骤s117：判断关停日调节水电机组后，是否满足系统旋备约束及负荷减少？若是，关停符合条件的机组，转步骤s118，若否，直接执行步骤s118。

步骤s118：判断所有时段是否安排完毕？若是，转下一步，若否，转步骤2。

步骤s119：将机组启停安排作为优化调度粒子群算法是输入。

步骤s120：初始化迭代次数iter＝1，创建初始种群，并调整粒子位置，使其满足功率平衡约束。

步骤s121：更新粒子速度及位置。

步骤s122：iter＝iter+1，判断iter＜itermax？若是，转结束，若否，转上一步。

上述步骤s109中，从备用机组池中选择火电机组启动时，根据最小开停机时间调整初始机组启停计划。依据三类约束调整发电机组的状态：发电机组的初始状态约束，发电机的功率约束和机组最小开/停机时间限制。

发电机组状态调整过程如下：

①设置α的取值，形成优先顺序列表。

②负荷在时段t内增大时，根据优先级列表确定需要依次开启多少机组才能满足负荷需求加上旋转备用。

③计算自时段t开始，机组i的“必要开机时间”，用m_oni表示。m_oni即负荷自时段t后减小到不需要机组i开机系统仍能满足旋转备用约束所经过的时段数。若m_oni＜toi，则继续保持机组i开机直到其满足最小开机时间约束，反之，则进入下一步。

④负荷在时段t内减小时，判断关停优先列表上机组i后，系统是否能满足旋转备用约束。如果不能，则保持机组i开机，反之，进入⑤判断是否关停机组i。

⑤计算自时段t开始，机组i的“必要关停时间”，用m_offi表示。m_offi即负荷自时段t后增加到到需要机组i开机系统才能满足旋转备用约束所经过的时段数。若m_offi＜tsi，则仍需保持机组i开启，因为随着负荷增加，若不开启机组i旋转备用将无法满足。若m_offi≥tsi，且机组i已达到最小开机时间，则关停机组i，进入下一时段。

⑥在机组初始状态约束调整部分中，首先检测机组初始关停时间是否小于其最小关停时间，如果是，并且该机组需要开机(经步骤②计算)，则保持该机组关停，检测优先顺序表上的下一机组。若此机组初始开机时间小于其最小开机时间，或其初始关停时间大于其最小停机时间，则开启该机组。对所有机组重复此步直至其初始状态全部检测完毕。

⑦调整α的取值，可以得到不同的机组优先顺序重复上述步骤，从而得到一组不同的初始解。

所述粒子群算法采用的目标函数为：

其中，t是总时段数，nh、ns、nx分别是火电、水电、新能源机组数，phi，t是火电机组i在时段t的出力，psi，t是水电机组i在时段t的出力，pxi，t是新能源机组i在时段t的出力，ui，t是机组i在时段t的启停状态，用0或1表示，fhi，t(phi，t)是火电机组i在时段t的运行成本，sti是火电机组i的启停成本，fsi，t(psi，t)是水电机组i在时段t的运行成本，fxi，t(pxi，t)是新能源机组i在时段t的运行成本。

式中ai、bi、ci为机组i的煤耗系数。shi、sci分别是机组i的热启动、冷启动费用。tsi机组i的最小停机时间，ti，off是机组i的已持续停机的时间，tci是机组i的冷启动时间。

采用的约束条件包括系统功率平衡约束、机组出力上下限约束、旋转备用约束、机组爬坡约束和机组起停时间约束。

系统功率平衡约束：

式中，phi，t是火电机组i在时段t的出力，psi，t是水电机组i在时段t的出力，pxi，t是新能源机组i在时段t的出力，ui，t是机组i在时段t的启停状态，用0或1表示，dt是时段t的负荷需求。

机组出力上下限约束：

phi，min≤phi，t≤phi，max

psi，min≤psi，t≤psi，max

pxi，min≤pxi，t≤pxi，max

式中phi，max、phi，min是火电机组i最大最小技术出力，psi，max、psi，min是水电机组技术出力上下限，pxi，max、pxi，min是新能源机组出力上下限。

旋转备用约束

式中，ui，t是机组i在时段t的启停状态，用0或1表示，是火电机组i在时段t的出力，psi，t是水电机组i在时段t的出力，pxt，min是新能源在时段t预测出力置信区间下限，一般可取90％的置信区间，nh、ns分别是火电、水电组数，pt是系统在t时段的总负荷，rt是系统在时段t所需的旋转备用。

机组爬坡约束

-phi，down≤phi，t-phi，t-1≤phi，up

-psi，down≤psi，t-psi，t-1≤psi，up

-pxi，down≤pxi，t-pxi，t-1≤pxi，up

式中，phi，down、phi，up是火电机组下、上爬坡率，psi，down、psi，up是水电机组下、上爬坡率，pxi，down、pxi，up是新能源机组下、上爬坡率，phi，t、psi，t、pxi，t分别为第i台火电、水电、新能源机组在t时段的出力。

机组起停时间约束

ti，on≥toi

ti，off≥tsi

式中ti，on是机组i的开机状态持续时间、toi是机组i的最小开机时间。tsi机组i的最小停机时间，ti，off是机组i的已持续停机的时间。

系统的功率平衡约束是一个等式约束，使用原始pso较难满足，本发明提出考虑机组爬坡率的功率平衡调整策略，保证粒子的多样性的同时避免快速收敛到局部最优解。为此，本发明引进两个约束机组出力范围的数组：ph(i)和pl(i)，ph(i)为最高出力，pl(i)为最低出力。

ph(i)和pl(i)通过以下方式获得：

对每个机组i在每个时段t，若uit＝1，ui(t-1)＝0，则ph(i)＝min{pi，max，rui}，pl(i)＝max{pi，min，rdi}；

若uit＝1，ui(t-1)＝1，则ph(i)＝min{pi，mαx，pi，t-1+rui}，pl(i)＝max{pi，min，pi，t-1-rdi}；

若t＝1，则ph(i)＝pi，max，pl(i)＝pi，min；

若uit＝1，ui(t+1)＝0，则ph(i)＝pl(i)＝pi，min；

若uit＝1，ui(t+1)＝1，则ph(i)＝min{ph(i)，pi，t+1-rdi}，pl(i)＝max{pl(i)，pi，t+1-rui}。

基于考虑机组爬坡率的功率平衡调整粒子位置，具体如图2所示，包括：

步骤s201，初始化时段t＝1；

步骤s202，计算时段t所有机组出力总和sumt以及每个机组i的出力范围ph(i)和pl(i)，；

步骤s203，建立一开机列表，该开机列表存储有在时段t处于开机状态的机组；

步骤s204，判断是否存在sumt＜dt且count＞0，若是，则执行步骤s205，若否，则执行步骤s206，其中，dt表示时段t的负荷需求，count表示开机列表中机组数；

步骤s205，从所述开机列表中选取机组i，令pi，t＝ph(i)，重新计算sumt，判断是否存在sumt＜dt，若是，则执行步骤s206，若否，则从开机列表中删除该机组i，更新count，返回步骤s204；

步骤s206，重新建立开机列表，更新count；

步骤s207，判断是否存在sumt＞dt且count＞0，若是，则执行步骤s208，若否，则执行步骤s209；

步骤s208，从所述开机列表中选取机组i，令pi，t＝pl(i)，重新计算sumt，判断是否存在sumt＜dt，若是，执行步骤s209，若否，则从开机列表中删除该机组i，更新count；

步骤s209，若此时sumt≠dt且count＞0，则令pi，t＝min{pi，t-(sumt-dt)，ph(i)}，否则，pi，t＝max{pi，t，pl(i)}；

步骤s210，判断是否存在t＜t，若是，则t＝t+1，返回步骤s202，若否，则结束。

粒子群算法中，粒子位置与速度更新计算公式如下：

式中w是惯性权重参数，用于控制算法的全局搜索能力，c1和c2是加速因子。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。