一种风火储电力系统联合优化调度方法与流程

本发明涉及电力系统优化调度技术领域，尤其是一种风火储电力系统联合优化调度方法。

背景技术：

随着国民经济的持续发展，发电用电的地域和时间差异、负荷峰谷差、不确定性因素等都在加大，电力系统运行调度决策越来越复杂。同时，电力生产引起的能源危机和环境污染问题也日益突出。为了实现电力的供需平衡、合理利用资源、降低发电能耗、减少污染气体特别是温室气体的排放，预先对发电机组的启停和出力进行调度安排显得尤为重要，合理的电力调度将产生巨大的经济、环境及社会效益。

技术实现要素：

本发明要解决的技术问题是：为了克服现有技术中之不足，本发明提供一种结合我国电源的具体特点，充分利用清洁可再生能源发电，改善电源结构，实现风火储电力系统联合优化的调度方法。

本发明解决其技术问题所采用的技术方案是：一种风火储电力系统联合优化调度方法，在常规火电机组的基础上，加入理想的风储系统，以系统发电成本最小和碳排放量最少为目标，并在此基础上考虑弃风成本和储能老化成本，从而建立风火储系统联合优化调度模型，具体包括以下步骤：

a、建立风火储联合优化调度模型：以发电成本最小和碳排放量最少为目标，在此基础上同时考虑风火储系统的弃风成本和储能的老化成本，构建风火储联合优化调度模型；

b、多目标问题处理：采用权重法解决发电成本最小和碳排放量最少的多目标问题，通过调整各目标对应的权重大小将多目标问题转换为单目标问题；

c、风火储系统出力协调：风火储联合优化调度系统是一个非线性、非凸的多约束优化问题，所述优化调度问题包含机组的启停调度和静态经济调度子问题，从而确定机组下一个调度日的启停和出力情况，并运用启发式遗传算法，得到问题的优化解。

目标函数：

1)以系统火电机组发电成本最小为节能目标，函数如下所示：

ci＝ai+bipi(t)+cipi²(t)(2)

其中，fgen为火电机组发电成本；t为调度周期内的时段总数；n为火电机组数；ui(t)为火电机组i在时段t的运行状态，ui(t)＝1表示机组开机，ui(t)＝0表示机组停机；ci为火电机组i在时段t的燃料费用；pi(t)为火电机组i在时段t的有功出力；si(t)为火电机组i在时段t的开机费用；ai、bi、ci为火电机组i燃料费用系数；cci、hci分别为火电机组i的冷、热开机费用；为火电机组i的最小停机时间限制；ti^cold为火电机组i的冷启动时间；ti^off(t)为火电机组i到时段t已持续停机的时间。

2)以系统火电机组碳排放量最小为减排目标，函数如下所示：

其中，ec为火电机组i的co2排放量；αci、βci、γci为火电机组i的co2排放系数。

风火储系统节能减排总成本的目标函数：

wc+we＝1(6)

其中，tc为电力系统节能减排的总成本目标，wc和we分别为节能目标和减排目标对应的权重；φi为火电机组i的污染气体排放惩罚系数，pi^max(t)为火电机组i在时段t内的最大出力；

在此基础上加入弃风成本和储能老化成本，由此可以得到最终的风火储系统优化调度模型：

其中，f为系统总运行成本；wc和we分别为节能目标和减排目标对应的权重；φi为火电机组i的污染气体排放惩罚系数；ρp为风电场弃风能量的对应单价；为24h的弃风成本；为平均每日蓄电池老化成本；y为储能系统使用年限；slowe1(t),slowe2(t)分别为用于描述风电场弃风能量情况的布尔量；t为总的调度时段，本文中为24h；pbat(t)为蓄电池的充放电功率；δp(t)为风电预测误差；pcmax为蓄电池的最大充电功率；cbatmax为蓄电池的最大容量；cbat(t-1)为蓄电池在t-1时刻的实际容量；me为蓄电池单位容量价格；dode为电池的放电深度；le(dode)为dode下电池的循环寿命；cbatmax为蓄电池的最大容量。

相应的约束条件为：

①功率平衡约束

式中，n为火电机组数；pref(t)为风电场预测输出功率；pess(t)为储能在时段t的充放电功率；pl(t)为时段t系统的有功负荷。

②常规火电机组出力约束

pi^min≤pi(t)≤pi^max,i＝1,2,...,n(10)

式中，pi^max、pi^min分别为火电机组i的有功出力上下限。

③常规火电机组爬坡速率约束

其中，分别为火电机组i的向上、下爬坡速率，δt为运行时段。

④系统旋转备用约束

其中，pr(t)为时段t系统的备用容量。

⑤火电机组启停时间约束

其中，ti^off(t)、ti^on(t)分别为时段t内火电机组i已持续停机的时间和已持续开机的时间；分别为火电机组i的最小连续停机时间限制和最小连续开机时间限制。

⑥储能蓄电池充放电功率约束

-pessdmax≤pess(t)≤pesscmax(15)

其中，pesscmax、pessdmax分别为储能系统蓄电池的最大充、放电功率。

⑦蓄电池容量约束

chmin≤ch(t)≤chmax(16)

其中，ch(t)为t时段储能系统蓄电池的容量；chmin、chmax分别为储能系统蓄电池的最小和最大容量。

本发明的有益效果是：本发明在常规火电机组的基础上，加入了理想的风储系统，以总发电成本最小和碳排放量最少为目标函数，建立风火储系统联合优化调度模型。风火储联合调度系统和传统火电调度系统相比，在风电消纳率、节能减排等方面有优势，在提高风电利用率基础上，可减少碳排放量，减小系统总运行成本，从而实现社会效益最大化。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明所述风火储联合优化调度示意图。

图2是本发明所述风火储系统基本结构示意图。

图3是本发明所述实际风电出力与预测风电出力对比曲线图。

图4是本发明所述原始负荷及优化调度后负荷对比曲线图。

图5是本发明所述实施例中储能系统相关参数表。

图6是本发明所述实施例中火电机组相关参数表。

图7是本发明所述实施例中纯火电优化调度下火电机组24h出力表。

图8是本发明所述实施例中风火储联合优化调度下火电机组24h出力表。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

如图1～图4所示，一种风火储电力系统联合优化调度方法，采用权重法和启发式遗传算法，实现对考虑弃风成本和储能老化成本的风火储系统的联合优化调度。

为了保证风火储系统联合优化调度在最大限度地降低系统发电成本的情况下，尽可能地减少co2的排放量，即协调节能和减排这两个目标，解决这一复杂的多目标混合整数规划问题，获得最优解，本发明采用权重法，对两个目标各赋予一个权重，再累加作为新目标，在与原问题相同的约束下进行求解。两个目标之间的权重分配反映了系统对不同目标的侧重程度，通过不断调整各目标对应的权重大小，可以得到不同的优化解，再通过启发式遗传算法，就能得到令决策者满意的最终解。

系统节能减排总成本最小的目标函数：

wc+we＝1(2)

式中，tc为电力系统节能减排的总目标；wc和we分别为节能目标和减排目标对应的权重；φi为火电机组i的污染气体排放惩罚系数；pi^max(t)为火电机组i在时段t内的最大出力。

由此可以得到最终的风火储系统优化调度总运行成本最小的模型：

式中，f为系统总运行成本。

本发明主要通过遗传算法对模型进行验证。遗传算法的适应度函数为：fitness＝a/f

遗传算法的主要特点是简单、通用、鲁棒性强，适用于并行分布处理，应用范围广。首先根据机组的比耗量与机组的启停费用、最小开关机时间将火电机组分为腰荷机组，峰荷机组，必开机组、必停机组。在遗传算法中融入启发式思想，必开机组具有相对大的出力，在整个调度周期内一直保持开机状态。用优先顺序法根据各机组最小比耗量由小到大排序，确定各时段所对应的初始机组启停序列(满足机组自身约束)。将其作为初始种群的2/3部分进行进化，初始种群的1/3随机生成，并采用最优个体保留策略，将适应度最差的两个个体用适应度最强的两个个体代替，这样能保证遗传算法每代的进化结果优于优先顺序法所得的组合结果，从而保证算法的有效性与收敛性。

遗传算法中的交叉与变异算子是影响遗传算法行为与性能的关键，直接影响遗传算法的收敛性。当问题规模较大或较复杂时，由于搜索空间非常大，从而导致遗传算法的收敛速度很慢或容易“早熟”。采用自适应的交叉与变异算子能有效的克服这一缺点。其交叉、变异操作分别按照以下公式进行：

式中k为迭代次数，pc，pm分别为交叉、变异概率，pcmax,pcmin为最大、最小交叉率，分别取1.0，0.5；为第k次迭代的值；分别为变异概率的初值及第k代迭代的值，其中取为0.001；ng,max为最大允许的迭代次数。在迭代的前期，交叉概率较大，变异概率较小，以提高繁殖效率；在迭代后期，种群中的码链已趋于稳定，此时交叉作用已经减小，降低交叉概率，而为了防止收敛于局部最优解，增加变异概率。通过交叉变异可能产生不满足机组自身约束的个体，因此本文同时设置修复策略，修复算子在交叉与变异结束后判断个体是否满足最小开停机约束与爬坡约束，不满足则先向前再向后搜索并调整使其满足。

实施例

ga的种群数目为100，迭代次数为200代，当在170代时目标函数值收敛。风电场实际出力与预测出力见附图3。储能系统相关参数见图5。储能蓄电池容量为224.4mwh。火电机组相关参数见图6。纯火电优化调度下火电机组24h出力及风火储优化调度下火电机组24h出力分别见图7和图8。取wc＝0.8，we＝0.2，对于本文10台火电机组，经分析将火电机组1、2设为必开机组，在整个调度周期中一直保持开机状态，火电机组3～7属于腰荷机组，火电机组8～10属于峰荷机组。经计算得污染气体排放惩罚系数φi约为3.5。

常规10机组火电机组的总节能减排成本为564284美元，其中火电厂发电成本约为458811美元，污染气体排放惩罚约为105473美元，co2排放量约为151吨。

仅含风火的系统优化调度得到系统总运行成本为550745美元，其中火电厂发电成本约为447204美元，污染气体排放惩罚约为101212.8美元，弃风成本约为1328.2美元，弃风量为21.81mw，co2排放量约为145吨。

风火储联合系统优化调度的系统总运行成本为547062美元，其中火电厂发电成本约为446073美元，污染气体排放惩罚约为100928.6美元，弃风成本约为49.7美元，老化成本约为10.7美元，弃风量为0.71mw，co2排放量约为144吨。

从附图4可看出风火储联合系统的优化调度对负荷起到的削峰填谷作用。与常规火电机组相比，风火储联合调度系统的总运行成本减少了17222美元，即成本降低了约3％；co2排放量减少了7吨，即减少了约5％的碳排放量；弃风成本减少了1477美元，风电消纳率提高了3％。

由此可见本发明构建的风火储联合优化调度模型的有效性和优越性。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。