一种小水电群接入电网的两目标随机经济调度方法与流程

本发明涉及一种小水电群接入电网的两目标随机经济调度方法，属于电力系统运行检修技术领域。

背景技术：

近年来，随着环境污染和能源枯竭问题越来越严重，对于清洁可再生能源的利用已经越来越多的受到世界各国的重视。我国开发和利用可再生能源、优化能源结构的力度也不断加大。目前，利用风电，光伏的各项技术已经趋于成熟。水电是优质的再生能源，同风电一样，也是能可持续利用的洁净能源。我国小水电建设己经取得了很大的成效，尤其西部山区小水电呈现集群式特点。

随着传统水利向资源水利、可持续发展水利转变，如何高效运行深度挖掘小水电效益越来越得到重视。小水电运行管理也应由常规调度管理向优化调度转变。将风电来优化调度的思路移植到小水电群的调度上，可以最大限度地发挥小水电的积极作用，并促进小水电的可持续发展优化调度问题是一个随机优化问题，同时也是大规模、多目标、非线性优化问题。

随着节能减排政策出台，电网优化调度目标呈现多样化，但目前尚未有针对小水电群接入电网的随机经济调度方案出现。

技术实现要素：

针对现有技术的不足，本发明提出了一种小水电群接入电网的两目标随机经济调度方法，其针对电网优化调度目标呈现多样化解决了小水电群接入电网的随机经济调度问题。

本发明解决其技术问题采取的技术方案是：

本发明实施例提供的一种小水电群接入电网的两目标随机经济调度方法，它包括以下步骤：

1)获取计算参数：从含径流式小水电群的电力系统获取计算参数；

2)建立两目标随机经济调度模型：建立以购电费用和污染气体排放量最小为目标的随机动态经济调度模型；

3)对两目标随机经济调度模型进行求解：采用场景解耦和异步迭代改进内点法对两目标随机经济调度模型进行求解；

4)获取经济调度方案：通过基于折衷最优解的改进帕累托前沿分析来获取经济调度方案。

作为本实施例一种可能的实现方式，在步骤1)中，所述计算参数包括给定常规发电机组成本系数及出力上下限、输电支路阻抗及容量参数、水电机组运行参数和系统负荷。

作为本实施例一种可能的实现方式，在步骤2)中，所述两目标随机经济调度模型中的目标函数包括：

①购电费用目标函数：

式中：ag是第g^th台常规发电机组费用；ahydro是小水电的购电费用，考虑小水电购电费用是因为现在国家采用补贴的方式鼓励电网接入新能源；代表预测场景中第g^th台常规机组在t时刻的出力；代表预测场景中第h^th个小水电集群在t时刻的出力；ng和nh是相应的常规机组台数和小水电集群数目；

②污染气体排放量目标函数：

式中，b2,g、b1,g和b0,g均为第g^th台常规机组的污染气体排放系数。

作为本实施例一种可能的实现方式，在步骤2)中，所述两目标随机经济调度模型中的约束条件包括：

①功率平衡约束：

预测场景和误差场景中的有功功率平衡约束表述如下：

式中：是预测场景和误差场景中第g^th台常规机组在t时刻的有功出力；代表预测场景和误差场景中第h^th个小水电集群在t时刻的有功出力；pmt代表负荷节点m在t时刻的负荷；nd是负荷节点数目,ns＝ng+nh；

②常规机组出力约束：

a)预测场景和误差场景中的常规机组出力上下限约束，表达如下：

其中，pgmax和pgmin是第g^th台常规机组的出力上下限；

b)预测场景和误差场景中的爬坡/滑坡约束，表达如下：

其中，rug和rdg分别是第g^th台常规机组的爬坡/滑坡系数；δt为动态调度两相邻时刻的时间间隔；

c)场景转移约束：

该约束表示从预测场景到误差场景，常规机组的可调度裕度，表达如下：

其中，δt’为第g^th台常规机组为适应风电出力预测误差所需的调度响应时间；

③小水电出力约束：

④网络传输约束：

预测场景和误差场景中传输线路上的有功功率约束表达如下：

式中：plmax是线路l的最大传输容量；nl是线路条数；是预测场景和误差场景中线路l上传输的有功功率，它的直流潮流表达式表述如下：

式中，glg、flh和dld分别是线路l对于常规机组、小水电机群和负荷的有功功率传输因子。

作为本实施例一种可能的实现方式，所述步骤3)的具体过程包括以下步骤：

31)从两目标问题向单目标问题的转化

采用法线边界交叉法将两目标优化问题转换为一系列单目标优化问题，并采用非线性原对偶内点法求解；

32)采用内点法求解单目标问题

采用非线性原对偶内点法中的增广拉格朗日函数表示如下：

其中，y，ys和yh为拉格朗日乘子向量；nh是两目标随机经济调度模型中不等式约束的数量；μ是壁垒参数，μ≥0；

根据karush-kuhn-tucker(kkt)最优性条件，对增广拉格朗日函数求偏导，得到一组非线性方程组，再用牛顿法求解可得到简化修正方程组：

式中：δz0为与预测场景相关变量的增量组成的向量，δz0＝[δx⁰,δy3,δλ]^t；δzs(i＝1,2,…,s)为与误差场景相关变量的增量组成的向量，l0、ls(s＝1,2,…,s)、ms(s＝1,2,…,s)均为对称稀疏矩阵，它们的维数分别为96(n+1)+3、96(n+1)、96(n+1)；

33)简化修正方程的场景解耦：

将式(11)展开，得：

用同步迭代导出公式如下：

在用同步迭代计算式(12)和式(13)的过程中，l0、ls和ms都是稀疏矩阵；

假设第一次迭代δz0为零，并且到第k次迭代完成，那么k+1次迭代表达式为：

方程(16)和(17)的系数矩阵的维数分别为96(n+1)+3和96(n+1)。

作为本实施例一种可能的实现方式，在步骤4)中，所述基于折衷最优解的改进帕累托前沿分析的过程为：采用nbi法求得帕累托最优解集，并结合赋权的熵权双基点法进行修正，挖掘帕累托前沿解集中每个解所蕴含的不同信息，获得一组合理、有效的、可供调度人员决策的调度策略。

作为本实施例一种可能的实现方式，所述步骤4)的过程包括以下步骤：

41)，用nbi法计算计算10个点，用熵权法进行评估获取最优解；

42)，连接最优解点的上一点和下一点为乌托邦线，再次用nbi法计算10个点；

43)再次用熵权法进行评估获取乌托邦线上的最优解。

本发明实施例的技术方案可以具有的有益效果如下：

本发明实施例技术方案利用场景法将两目标随机经济调度问题转化为大规模两目标确定性动态调度问题，再借助法线边界交叉(normalboundaryintersection,nbi)法将其转化为一系列大规模单目标非线性规划问题，并用非线性原对偶内点法求解。在应用非线性原对偶内点法求解这些大规模单目标非线性规划问题过程中，按照场景顺序排列的简化修正方程的系数矩阵具有对角加边结构。因此可对其实施解耦，并采用异步块迭代法对解耦后的低维修正方程组进行求解，并得到一系列均匀分布的帕累托最优解，形成帕累托前沿曲线，然后采用赋权的熵权双基点法从帕累托前沿解集中选取出折衷最优解。本发明解决了径流式小水电群随机优化问题，较大程度提升了随机性电源预测准确率；通过运用异步块迭代法对具有对角加边结构的高维线性修正方程组进行解耦，从而大幅度降低了存储需求，增强了适应大系统、多场景的计算能力，提升计算速度采用赋权的熵权双基点法，并结合nbi法对帕累托最优解进行修正，能够充分挖掘帕累托前沿解集蕴含的信息和调度人员的经验，获得一组可观、合理、需要的运行点，供调度人员决策。

附图说明

图1是根据一示例性实施例示出的一种小水电群接入电网的两目标随机经济调度方法流程图；

图2是根据一示例性实施例示出的一种基于折衷最优解的改进帕累托前沿分析过程中首次获取最优解的示意图；

图3是根据一示例性实施例示出的一种基于折衷最优解的改进帕累托前沿分析过程中乌托邦线的示意图；

图4是根据一示例性实施例示出的一种基于折衷最优解的改进帕累托前沿分析过程中获取乌托邦线上的最优解的示意图。

具体实施方式

为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。

图1是根据一示例性实施例示出的一种小水电群接入电网的两目标随机经济调度方法流程图。如图1所示，一种小水电群接入电网的两目标随机经济调度方法可以包括以下步骤：

1)获取计算参数：

从含径流式小水电群的电力系统获取计算参数；所述计算参数包括给定常规发电机组成本系数及出力上下限、输电支路阻抗及容量参数、水电机组运行参数和系统负荷；

2)建立两目标随机经济调度模型：

建立以购电费用和污染气体排放量最小为目标的随机动态经济调度模型；

3)对两目标随机经济调度模型进行求解：

采用场景解耦和异步迭代改进内点法对两目标随机经济调度模型进行求解；

4)获取经济调度方案：

通过基于折衷最优解的改进帕累托前沿分析来获取经济调度方案。

在一种可能的实现方式中，在步骤2)中所述两目标随机经济调度模型中的目标函数包括：

①购电费用目标函数：

第一个目标函数是最小化预测场景下的购电费用：

式中：ag是第g^th台常规发电机组费用；ahydro是小水电的购电费用，考虑小水电购电费用是因为现在国家采用补贴的方式鼓励电网接入新能源；代表预测场景中第g^th台常规机组在t时刻的出力；代表预测场景中第h^th个小水电集群在t时刻的出力；ng和nh是相应的常规机组台数和小水电集群数目。

②污染气体排放量目标函数：

第二个目标是最小化常规机组的污染气体排放量(以为so2，nox主)，定义如下：

式中，b2,g、b1,g和b0,g均为第g^th台常规机组的污染气体排放系数。

在一种可能的实现方式中，在步骤2)中，所述两目标随机经济调度模型中的约束条件包括：

①功率平衡约束：

忽略电网中的有功功率损耗，预测场景和误差场景中的有功功率平衡约束表述如下：

式中：是预测场景和误差场景中第g^th台常规机组在t时刻的有功出力；代表预测场景和误差场景中第h^th个小水电集群在t时刻的有功出力；pmt代表负荷节点m在t时刻的负荷；nd是负荷节点数目,ns＝ng+nh。

②常规机组出力约束：

a)预测场景和误差场景中的常规机组出力上下限约束，表达如下：

其中，pgmax和pgmin是第g^th台常规机组的出力上下限；

b)预测场景和误差场景中的爬坡/滑坡约束，表达如下：

其中，rug和rdg分别是第g^th台常规机组的爬坡/滑坡系数；δt为动态调度两相邻时刻的时间间隔；本实施例中δt取15分钟；

c)场景转移约束：

该约束表示从预测场景到误差场景，常规机组的可调度裕度，表达如下：

其中，δt’为第g^th台常规机组为适应风电出力预测误差所需的调度响应时间，本实施例中δt’取15分钟。

③小水电出力约束：

当电力系统备用容量不足或电网传输容量不足时，新能源发电中的弃电现象是不可避免的。本文中允许小水电出现弃电，小水电出力约束表述如下：

④网络传输约束：

预测场景和误差场景中传输线路上的有功功率约束表达如下：

式中：plmax是线路l的最大传输容量；nl是线路条数；是预测场景和误差场景中线路l上传输的有功功率，它的直流潮流表达式表述如下：

式中，glg、flh和dld分别是线路l对于常规机组、小水电机群和负荷的有功功率传输因子。

在一种可能的实现方式中，所述步骤3)的具体过程包括以下步骤：

31)从两目标问题向单目标问题的转化：

采用法线边界交叉法将两目标优化问题转换为一系列单目标优化问题，并采用非线性原对偶内点法求解。

32)采用内点法求解单目标问题：

采用非线性原对偶内点法中的增广拉格朗日函数表示如下：

其中，y，ys和yh为拉格朗日乘子向量；nh是两目标随机经济调度模型中不等式约束的数量；μ是壁垒参数，μ≥0。

根据karush-kuhn-tucker(kkt)最优性条件，对增广拉格朗日函数求偏导，得到一组非线性方程组，再用牛顿法求解可得到简化修正方程组。按预测场景和误差场景的顺序对简化后的修正方程和变量进行排序，可得到如下其系数矩阵具有对角加边结构的简化修正方程组：

式中：δz0为与预测场景相关变量的增量组成的向量，δz0＝[δx⁰,δy3,δλ]^t；δzs(i＝1,2,…,s)为与误差场景相关变量的增量组成的向量，l0、ls(s＝1,2,…,s)、ms(s＝1,2,…,s)均为对称稀疏矩阵，它们的维数分别为96(n+1)+3、96(n+1)、96(n+1)。

33)简化修正方程的场景解耦：

对大系统而言，方程(11)为一个稀疏高维线性方程组，对其实施有效求解是多目标随机优化动态经济调度问题的核心。方程(11)的系数矩阵的维数为96(n+1)(s+1)+3。在实际的算例计算中，对于大系统、多场景的情况，可能无法对其求解。方程(11)中的系数矩阵具有对角加边结构，类似的结构在潮流和最优潮流计算中均有应用，因此本发明利用这种结构特点对其进行解耦后再求解。

将式(11)展开，得：

用同步迭代导出公式如下：

在用同步迭代计算式(12)和式(13)的过程中，l0、ls和ms都是稀疏矩阵；但是式(14)中的是一个满阵，它的计算会占用大量的内存和计算时间。在解决高维线性方程组时，异步迭代的效率有时会比同步迭代高很多。如果用异步迭代计算式(12)和式(13)，则计算过程中的矩阵都是稀疏矩阵。

假设第一次迭代δz0为零，并且到第k次迭代完成，那么k+1次迭代表达式为：

计算式(16)时，各场景之间是相互独立的，场景数较多时可以并行计算，方程(16)和(17)的系数矩阵的维数分别为96(n+1)+3和96(n+1)，基于此，即可实现对大系统、多场景的情况的有效求解。

由于不同的pareto(帕累托)最优解的计算相互独立，因此，在求取pareto前沿时也可以采用并行计算，而且每个pareto最优解之间不存在通信问题，即主进程和从进程之间不存在变量传递，那么，对pareto前沿进行并行计算将大幅度提高算法的计算效率。

在一种可能的实现方式中，在步骤4)中，所述基于折衷最优解的改进帕累托前沿分析的过程为：采用nbi法求得帕累托最优解集，并结合赋权的熵权双基点法进行修正，挖掘帕累托前沿解集中每个解所蕴含的不同信息，获得一组合理、有效的、可供调度人员决策的调度策略。

对于收敛性较好的模型和数据，nbi法得到的是非常均匀分布帕累托前沿。然而并不是所有最优解都参与调度员的决策。当已知调度员的偏好后，可以使得帕累托最优解的分布更加精细化。

在一种可能的实现方式中，所述步骤4)的过程包括以下步骤：

41)，用nbi法计算计算10个点，用熵权法进行评估获取最优解；如图2所示，最优解为第5个点，综合优化程度为0.7064(折衷最优解2)。

42)，连接最优解点的上一点和下一点为乌托邦线，如图3所示，再次用nbi法计算10个点。

43)再次用熵权法进行评估获取乌托邦线上的最优解。如图4所示，最优解为新增点中的第6个点(圆圈标出)，综合优化程度为0.7105(记为折衷最优解3)。与单目标优化所得调度方案的目标函数值比较如表1。

表1帕累托端点值与折中最优解

从表1中可以看出，折中最优解3对应的两个目标函数值与两个单目标优化解的相应目标值都较为接近，是对两个目标进行协调优化得到的一个较好解。

针对含径流式小水电群的电力系统，建立了以购电费用和污染气体排放量最小为目标的随机动态经济调度模型。借助场景法将该模型转化为大规模两目标确定性动态调度模型。采用法线边界交叉法将两目标优化问题转换为一系列单目标优化问题，并采用非线性原对偶内点法求解。在迭代过程中，按照场景顺序将简化修正方程的系数矩阵排列为对角加边形式，方便对其实施解耦，并运用异步块迭代法求解，从而将一组高维修正方程组的求解转化为若干个分别与预测场景和误差场景相对应的低维修正方程组的求解。在对含水电资源丰富的省级电网的数据进行仿真计算时，在高性能集群上建立了并行计算框架以缓解计算占用内存并提高计算速度。通过这个计算架构，可以获得一组日前调度计划。

本发明解决了径流式小水电群随机优化问题，较大程度提升了随机性电源预测准确率；通过运用异步块迭代法对具有对角加边结构的高维线性修正方程组进行解耦，从而大幅度降低了存储需求，增强了适应大系统、多场景的计算能力，提升计算速度采用赋权的熵权双基点法，并结合nbi法对帕累托最优解进行修正，能够充分挖掘帕累托前沿解集蕴含的信息和调度人员的经验，获得一组可观、合理、需要的运行点，供调度人员决策。

以上所述只是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也被视为本发明的保护范围。