一种基于内点法的罚因子自适应机组组合方法
【专利摘要】本发明涉及一种基于内点法的罚因子自适应机组组合方法，包括以下步骤：1)将整个日前机组组合问题UC在时间上分解为一系列单小时机组组合SHUC子问题分别求解；2)进行时间解耦处理；3)形成伴随规划；4)内点法求解伴随规划并修正罚因子，其中伴随规划为SHUC子问题的伴随规划，即各机组启停变量：5)启停变量的修正；6)用内点法求解负荷经济分配。与现有技术相比，本发明具有收敛性好、系统综合经济效应显著加强、从而机组出力获得了更加良好的优化效果等优点。
【专利说明】—种基于内点法的罚因子自适应机组组合方法
【技术领域】
[0001]本发明涉及一种风力发电机组优化组合技术，尤其是涉及一种基于内点法的罚因子自适应机组组合方法。
【背景技术】
[0002]制定日前发电计划，预先对风力发电机组的启停和出力进行优化配置，对提高风力发电机组运行效率降低运行成本有着重要意义。原因在于两个方面:其一，电力系统负荷存在着明显的周期性与峰谷效应，为了满足负荷的需求，系统内机组必须联合运行；其二，在不改变启停机组的数目的条件下，仅仅依靠调整开机机组的出力，很难实现电力供需平衡与发电资源的合理配置。
[0003]机组组合是研究一个调度周期内(一般为一天或一周)在满足约束条件下，如何合理安排机组的开/停机顺序与出力使系统发电成本最小的问题，它同时包含离散变量(如机组的启停状态)及连续变量(如负荷的经济分配)的混合型高维、动态非线性优化问题。当系统的规模逐渐增加时，从理论上获得准确的最优解将变得十分困难。
[0004]目前，除穷举法以外，所有的日前机组组合算法都不能保证有效求得全局最优解。然而穷举法受制于求解问题的规模，难以应用于实际日前机组组合问题的求解。为解决该问题，几乎所有的优化类算法都被尝试用于求解系统的机组组合问题，大致上可分为三类典型的方法。
[0005]Lee F.N 在文章 The application of commitment utilization factor (CUF)to thermal unit commitment[J].(IEEE Transactions on Power Systems,1991,6 (2):691-698.)中提出了一种考虑负荷变化的优先顺序法，称为顺序投入法，并且将传统的经济指标即平均满负荷费用(Average Full Load Cost)和投入利用因子(CommitmentUtilization Factor)结合使用，作为排序的指标,取得了良好效果。Fan J在文章Enhancedtechniques on sequential unit commitment with interchange transactions[J].(IEEETransactions on Power Systems, 1996,11 (I):93-100.)中将顺序投入法中引入了一个全局决策过程，以克服寻找最优解的困难。启发式算法的特点是计算速度快、占用内存少，可满足系统的一般需求，因此应用广泛。各启发式算法可以单独使用，也可以与其他数学优化类算法、智能算法相结合使用，得到更为实用的机组组合问题求解算法。但是，该方法往往难以找到问题的最优解。
[0006]数学优化类算法把机组组合问题用数学方程描述出来，并用解析法求解，最终得到最优值。拉格朗日松弛法是一种典型的求解复杂组合优化问题的数学优化算法，到目前已经取得了大量的理论和应用成果。该算法也有明显的缺陷，主要是受制于目标函数的非凸性，求解过程存在对偶间隙，常常不能找到原问题的最优解，需要采取一定的措施进行构造。过多的约束条件会使计算过程复杂化，算法的效率将大大降低。算法的迭代过程易出现振荡或奇异现象，需要采取相应的措施加快收敛过程。
[0007]FAN Hong 在 Improved Genetic Algorithm and Its Application in UnitCommitment Optimization (Proceedings of the EPSA.2004, PP.46-49)提出了一种用遗传算法解决机组组合问题的方法，该方法对浮点数和二进制统一编码，同时利用了浮点编码方式收敛性好、不容易陷入局部最优解的优点，以及二进制编码适于模拟机组启停状态的优点 ° SUN L1-yong 在文章 A solution to the Unit Commitment Problem Based onMatrix Real-coded Genetic Algorithm(Proceedings of the EPSA.2006, PP.82-87)提出了一种采用矩阵实数编码的遗传算法，可以避免分解为机组启停计划和负荷经济分配的两层优化问题，直接就能通过遗传操作整体求解机组组合问题。Srinivasan D在文章 A.Heuristics-guided evolutionary approach to multiobjective generationscheduling[C].(Generation, Transmission and Distribution, IEE Proceedings-.1ET,1996,143 (6):553-559.)中提出了启发式引导的遗传算法,用于求解多目标发电调度问题，减小了搜索空间。该算法本质上是无约束优化算法，算法的效率极大地受制于约束条件的处理策略；计算量较大，因此所需时间较长。
【发明内容】
[0008]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基于内点法的罚因子自适应机组组合方法，可以在迭代开始时，以较大的罚因子使启停变量快速向阈值靠拢，同时可使罚因子能随着迭代进程动态变化，逐步缩小，从而避开了大罚因子引起的罚函数形态的恶化和伴随的参数病态和矩阵奇异，最终引导目标函数函数的收敛。
[0009]本发明的目的可以通过以下技术方案来实现:
[0010]一种基于内点法的罚因子自适应机组组合方法，其特征在于，包括以下步骤:
[0011]I)将整个日前机组组合问题(Unit Commitment,UC)在时间上分解为一系列单小时机组组合(Single Hour Unit Commitment, SHUC)子问题分别求解；
[0012]2)进行时间解耦处理，受限于机组最大增、减出力约束，机组i在时段t所能达到的最大、最小出力不一定等于额定值Pi, _和Pi, min，由以下方式修正时段t的机组最大、最小出力约束:
【权利要求】
1.一种基于内点法的罚因子自适应机组组合方法，其特征在于，包括以下步骤:1)将整个日前机组组合问题UC在时间上分解为一系列单小时机组组合SHUC子问题分别求解；2)进行时间解耦处理，受限于机组最大增、减出力约束，机组i在时段t所能达到的最大、最小出力不一定等于额定值Pi,max和Pi,min，由以下方式修正时段t的机组最大、最小出力约束:
2.根据权利要求1所述的一种基于内点法的罚因子自适应机组组合方法，其特征在于，所述的步骤4)内点法求解伴随规划并修正罚因子具体为:41)计算机组间的互补间歇Ceap，并判断Ceap是否小于ε，ε为实现给定的收敛指标，若为是，输出最优解，停止计算，否则继续执行步骤42)；42)计算扰动因子
3.根据权利要求2所述的一种基于内点法的罚因子自适应机组组合方法，其特征在于，所述的计算机组间的互补间歇Ceap=lTZ-uTw，其中l，u为松弛变量，z，w为朗格朗日乘子。
4.根据权利要求1所述的一种基于内点法的罚因子自适应机组组合方法，其特征在于，所述的步骤5)启停变量的修正具体为: 令S为修正机组集合，S=U |Pmin⑴-P⑴< ε，i e N}，其中Pmin(i)为机组i的出力下限，P⑴为机组i的实际出力；ε =0.1为给定阈值；WeS,取Ii=O,即关停此机组。
5.根据权利要求2所述的一种基于内点法的罚因子自适应机组组合方法，其特征在于，所述的步骤6)用内点法求解负荷经济分配具体为: 通过以下模型来求解负荷经济分配，
【文档编号】G06Q10/04GK103593714SQ201310577830
【公开日】2014年2月19日 申请日期:2013年11月18日 优先权日:2013年11月18日
【发明者】张卫东 申请人:上海交通大学