一种考虑能效电厂的单阶段输电网二层规划方法与流程

本发明涉及输电网规划领域，尤其是涉及一种考虑全面、可靠性高、逻辑结构清晰、实用合理的考虑能效电厂的单阶段输电网二层规划方法。

背景技术：

能效电厂是一种虚拟电厂，与常规电厂的不同之处在于能效电厂不产生电能，而是通过提高终端用电设备实现节电，能效电厂“节约”电量相当于常规电厂“发出”电量。能效电厂的核心不在于发电而在于节电，不仅可以有效减少电力建设的投资，保证电力系统经济可靠运行，减少用户电费开支，还能降低能源消耗，改善环境质量。能效电厂是实施电力需求侧管理，实现节能减排的一种有效直观的途径。将能效电厂应用在输电网规划中，不仅可以缓解当前电力供应紧张的局面，还能在节能减排方面发挥重要作用，这对合理利用资源配置，减少电力建设投资、提高能源效率有着重要的意义。

二层规划，是多层规划的一种特殊形式。将具有两个层次的系统问题进行综合考虑，上层问题和下层问题都有各自的目标函数和约束条件，上层决策变量通过自身的决策变量指导下层决策，下层决策问题以上层决策变量作为参数，在自身可行域范围内进行决策，并将其最优值或最优解反馈至上层，上层模型再次进行优化求解，如此反复求解，从而实现上下层的相互联系和相互制约。

研究考虑能效电厂规模建设对输电网规划的影响，以输电网规划的建设成本及运行成本作为目标函数，考虑电力系统的经济性、可靠性和安全性，对系统进行建模，这对于减少电力建设投资、有着重要的意义。考虑能效电厂的输电网规划是一个多决策子系统的集成和分层的分散决策问题，所以考虑采用二层规划理论进行系统建模。

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考虑能效电厂的单阶段输电网二层规划方法。

本发明的目的可以通过以下技术方案来实现：

一种考虑能效电厂的单阶段输电网二层规划方法，用以获取输电网网络结构最优规划方案，包括以下步骤：

1)采用二层规划方法建立单阶段输电网二层规划模型，包括上层模型和下层模型，并分别确定上层模型和下层模型的目标函数和约束条件；

2)对初始的网架方案进行连通性校验，当网架方案连通时，保持单阶段输电网二层规划模型不变，当网架方案不连通时，对上层模型的目标函数施加惩罚数；

3)采用自适应遗传算法和原始-对偶内点法的混合算法求解单阶段输电网二层规划模型获取最优的网架方案。

所述的上层模型以总投资成本最小作为目标函数，以正常运行状态下的安全约束、N-1运行状态下的安全约束以及新建线路的回数约束为约束条件，则有：

上层模型的目标函数为：

正常运行状态下的安全约束为：

N-1运行状态下的安全约束为：

新建线路的回数约束为：

其中，F为总投资成本，C_ijL_ijn_ij为节点i到节点j的输电线路新建线路成本，C_ij为节点i到节点j的输电线路单位投资费用，L_ij为节点i到节点j的输电线路长度， n_ij为节点i到节点j的输电线路回数，S_ij为常规电厂燃料成本，S_eniv为环境成本，S_E为能效电厂投资成本，f为切负荷惩罚费用，Ω为节点集合，B₀为系统节点导纳矩阵，x_ij为线路电抗，n_ij,0为节点i到节点j的原有输电线路回数，p_ij为节点i到节点j输电线路上的总潮流，为节点i到节点j的单条回路容量上限，P_R为正常运行状态下的切负荷量，为N-1运行状态下任一条线路退出运行时的切负荷量，上标∧表示线路N-1条件下的参数，θ_i为节点i的相角，θ_j为节点j的相角，P_G为系统发电机的有功出力列向量，P_E为能效电厂的有功出力列向量，P_D为系统负荷列向量，θ为节点相角列向量。

所述的下层模型以切负荷惩罚费用最小为目标函数，以正常运行状态下的安全约束、N-1运行状态下的安全约束以及发电机机组出力约束为约束条件，则有：

下层模型的目标函数为：

正常运行状态下的安全约束为：

N-1运行状态下的安全约束为：

发电机机组出力约束为：

其中，f为切负荷惩罚费用，为正常运行状态下的切负荷惩罚费用， 为N-1运行状态下任一条线路退出运行时的总切负荷惩罚费用，α为正常运行状态下的切负荷惩罚系数，β为N-1运行状态下的切负荷惩罚系数，N_L为输电线路的集合，Ω为节点集合，P_Ri、分别为正常运行状态下和N-1运行状 态下节点i的切负荷量，和分别为发电机组出力下、上限，P_Gk为发电机组出力，上标∧表示线路N-1条件下的参数，B_0,ij为节点i和节点j之间的导纳，θ_ij为节点i和节点j的相角差，P_Gi为节点i的发电机有功出力，P_Ei为节点i的能效电厂有功出力，P_Di为节点i负荷，P_Ri为正常运行状态下节点i的切负荷量，p_ij为节点i和节点j之间线路的潮流有功功率，为N-1运行状态下节点i的切负荷量，p_ij,max为节点i和节点j之间线路的潮流有功功率最大值，n_ij,0为节点i到节点j的原有输电线路回数，p_ij为节点i到节点j输电线路上的总潮流，为节点i到节点j的单条回路容量上限，n_ij为节点i到节点j的输电线路回数。

所述的步骤2)中，连通性校验的公式为：

其中，U为网络不连通时的惩罚数。

所述的步骤3)中，采用自适应遗传算法对上层模型进行求解，采用原始-对偶内点法对下层模型进行求解。

与现有技术相比，本发明具有以下优点：

本发明中提出的输电网规划方法考虑系统发电成本、环境成本和能效电厂投资成本，还考虑了规划方案的可靠性，根据二层规划理论，构建考虑能效电厂的输电网二层规划的数学模型，根据自适应遗传算法和原始-对偶内点法设计合理的混合算法，对规划模型进行有效求解，求得最优方案，满足电网规划的需求，具有逻辑结构清晰、实用合理的优点。

附图说明

图1为本发明混合算法的流程图。

图2为实施例的结构图。

图3为实施例情景1与情景2新建线路优化方案对比网络结构图。

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。

实施例

根据二层规划理论和输电网规划约束条件，建立考虑能效电厂的单阶段输电网二层规划模型；根据模型特点采用自适应遗传算法和原始-对偶内点法的混合算法求解模型得到最优方案。

根据二层规划理论和输电网规划约束条件，建立考虑能效电厂的输电网二层规划模型。本实施例中输电网二层规划模型的上层模型是以总投资成本最小为目标函数，包括线路建设成本、系统发电成本、环境成本、能效电厂投资成本和切负荷惩罚费用；下层模型以切负荷惩罚费用最小为目标函数。

上层模型：

式(1)表示目标函数，式中的第一部分表示输电线路新建线路成本；式(2)表示发电机组运行成本；式(3)表示发电机组产生的环境成本；式(4)表示能效电厂的投资成本；f表示下层产生的切负荷惩罚费用。式(5)为正常运行状态下潮流约束、线路有功潮流约束；式(6)为N-1运行状态下潮流约束、线路有功潮流约束。式(7)输 电线路约束条件；式中：Ω为节点的集合；C_ij为节点i到j的输电线路单位投资费用(万元/km)；L_ij为节点i到j的输电线路长度(km)；n_ij为节点i到j之间新建输电线路回数；λ_k为火力发电厂k的发电煤耗(g/kW·h)；C_k为火力发电厂k燃料价格(元/t)；P_Gk为火力发电厂k发电机出力(MW)；N_G为发电机组的集合；T_h为最大负荷利用小时数(h)；N_w为污染气体的集合；C_wi为第i种污染气体的环境成本(元/kg)；H_i为单位发电量的第i中污染气体排放量(g/kW·h)；N_E为能效电厂的集合；C_E为能效电厂的单位投资成本(万元/MW)；P_Ej为第j个能效电厂的容量(MW)；为节点i到j之间新建输电线路回数上限；B₀为系统节点导纳矩阵；θ为节点相角列向量；x_ij为线路电抗；n_ij,0为节点i到节点j之间原有的线路回路数；p_ij为节点i到节点j之间输电线路上的总潮流；为节点i到节点j之间单条回路容量上限；P_R为正常运行状态下的切负荷量；为N-1运行状态下任一条线路退出运行时的切负荷量。公式中上标有“^”符号的均代表线路N-1条件下的网络参数及对应的潮流。

下层模型：

式(8)中，f为切负荷惩罚费用，第一部分为正常运行状态下的切负荷惩罚费用，第二部分为N-1运行状态下任一条线路退出运行时的总切负荷惩罚费用。式(9)为正常运行状态下的潮流约束、切负荷约束量和线路潮流约束，式(10)为N-1运行状态下的潮流约束、切负荷约束量和线路潮流约束，式(11)为发电机出力约束。该层以发电机出力、切负荷量和节点向量作为变量，确定在最小切负荷量情况下的发电 机出力，并将切负荷惩罚费用和发电机出力反馈至上层。式中：α为正常运行状态下的切负荷惩罚系数；β为N-1运行状态下的切负荷惩罚系数；N_L为输电线路的集合；P_Rl为正常运行状态下节点i的切负荷量；为N-1运行状态下线路l退出运行时节点i的切负荷量；为发电机组出力下限(MW)；为发电机组出力上限(MW)。

根据模型特点采用自适应遗传算法和原始-对偶内点法的混合算法求解模型得到最优方案。自适应遗传算法主要用于生成离散变量，即生成线路的规划方案，用于求解上层目标函数；原始-对偶内点法主要用来求解连续变量，即正常运行状态下的切负荷量和N-1运行状态下的切负荷量，用于求解下层目标函数。通过迭代收敛得到最优网架结构。

本实施例中上层采用自适应遗传算法，下层切负荷约束采用原始-对偶内点法。图1为本实施例混合算法的流程图，具体步骤为：

第一步：输入18节点系统的参数数据作为原始数据；

第二步：由上层的自适应遗传算法随机产生初始种群，初始种群中的每个个体代表一种线路规划方案；

第三步：判断初始种群的每个个体是否连通，若连通，则进行下一步；否则初始种群中每个个体的目标函数值F为一个非常大的数，并转到第六步；

第四步：锁定离散变量，调用下层原始-对偶内点法，计算出正常状态下的切负荷量和N-1状态下的总的切负荷量，求出切负荷惩罚费用，求出发电机节点有功出力；

第五步：将切负荷惩罚费用和发电机节点有功出力反馈至上层，求出初始种群中每个个体的目标函数值F；

第六步：解锁离散变量，计算初始种群的个体适应度函数值；

第七步：应用前面介绍的自适应遗传算法进行选择、交叉、变异操作，产生子代；

第八步：计算子代每个个体的目标函数值及个体适应度函数值，将子代重新插入到种群，并产生新的初始种群；

第九步：判断种群遗传代计数器是否满足要求，若不满足则转向第三步，且gen＝gen+1；否则转向第十步；

第十步：输出最优解及最优方案，并终止计算。

实施例采用自适应遗传算法，其交叉概率和变异概率能够根据适应度自动改变。自适应遗传算法中的交叉概率P_c和变异概率P_m的计算公式如下：

式中，f_max为群体中最大的适应度值，f_avg为每代群体的平均适应度值，f′为要交叉的两个个体中较大的适应度值，f为要变异个体的适应度值。

实施例中，模拟的电力系统采用18节点系统，该系统现有10个节点、9条线路，在未来规划水平年该系统有18个节点，总负荷为35870MW，27个可扩建路径，假设每个路径最多有3条回路，系统网络结构图如图2所示，图中实线为现有输电线路，虚线为待选输电线路。

场景1不考虑能效电厂，场景2考虑了能效电厂。其中，场景1共新增输电线路25条，新建输电线路投资成本321240万元；场景2共新增输电线路18条，比场景1少建7条，新建输电线路投资成本232560万元，比场景1少投资88680万元。图3为场景1和场景2新建线路优化方案对比网络结构图。场景2比场景1的燃料成本少投资186057.69万元，环境成本少投资37491.32万元，虽然多投资了246964.95万元的能效电厂费用，但总体仍节约了65264.07万元，并且在降低能源消耗、减少污染物排放方面有着重要作用。