本发明涉及电力调度领域，尤其是一种电力系统经济调度技术。
背景技术：
经济调度以全网的供电成本或能耗最低为目标函数，按照等微增率法和协调方程式进行调度，是实现电力系统经济运行的重要工具，是运行环节中的一种科学方法，也是迄今为止世界各个国家所普遍采用的一种调度原则。电力系统经济调度是一个高维、非凸、非线性的有约束优化问题，因此对该问题的求解尤其是相互耦合约束条件的处理十分困难。我国电力系统长期坚持集中调度。集中调度将使电力系统经济调度的求解更加困难，亟需找出一种大电网经济调度求解的有效方法。所以，对大电网经济调度的求解问题的研究具有重要意义。
目前已有大量智能优化算法用于经济调度的求解，并且新算法的发展也是日新月异，这些算法本质都是从随机生成的一组初始解开始，遵循算法自身的寻优机制，通过一步步迭代更新逼近全局最优解，算法的初始值均是满足等式约束的解，然而经过迭代更新生成的解往往难以满足等式约束，造成大量无效解的产生，严重影响算法的求解效率，如何将无效解调整为可行解成为提高算法求解效率的重要手段。而约束条件的处理方式直接影响到优化算法求解效率和调度结果，目前大部分用于电力系统经济调度的优化算法对等式约束的处理方式是基于罚函数法，且大多数约束处理方法需要对算法进行改进，因此，缺少合理有效且具有普适性的经济调度的等式约束处理方法来提高优化算法的求解效率和求解质量。
技术实现要素：
本发明目的在于提供一种经济调度的约束处理方法，用以解决现有技术中存在的算法在求解经济调度问题时因等式约束无法满足而影响求解效率和收敛性的问题。
为实现上述目的，采用了以下技术方案：本发明所述方法用微增率分摊等式约束的违反量，具体步骤如下：
步骤1，建立经济调度模型，包括其目标函数和约束条件；
步骤2，筛选出算法在当前迭代中产生的不满足等式约束的候选解，求出各个机组的微增率和等式约束的违反量；
步骤3，根据功率需要上调或下调的不同情况，使用微增率对违反量进行出力分摊；
步骤4，更新每个机组的出力。
进一步的，步骤1中，建立经济调度模型的具体过程如下：
a、建立目标函数
在满足约束条件的情况下，以发电机组的总发电成本最低为目标函数，其数学表达式具体如下：
(1)式中，pi是机组i的输出功率；ai,bi,ci是机组i的成本系数；n是机组的总数；
b、设置模型的约束条件，约束条件包括系统功率平衡约束和常规机组出力上下限；
具体约束条件为：
1)系统功率平衡约束
(2)式中，pd为总负荷需求，ploss为网络损失；为了简化计算，忽略系统网损，故(2)式可简化为：
2)常规机组出力上下限
(3)式中，
进一步的，所述步骤2的具体过程如下：
机组i的微增率λi表示如下：
λi＝2aipi+bi(5)
在第k次循环中，等式约束的违反量δpk表示如下：
(6)式中，pi,k为机组i在第k次循环中的输出功率。
进一步的，所述步骤3的具体过程如下：
当δpk>0时，需要下调系统总功率，出力分摊过程如下：
(7)式中，ri,k为机组i在第k次循环中出力分摊的调节因子，λi,k为机组i在第k次循环中的微增率；
(8)式中，δpk+1为调整后的等式约束违反量；
由于(9)式的计算结果并不是机组i在第k次循环中调节后的最终出力，故将此时机组i的出力表示为pi,k/(k+1)，以下(12)式同理；
当δpk<0时，需要上调系统总功率，出力分摊过程如下：
进一步的，所述步骤4的具体过程如下：
步骤4-1，计算每个机组的功率分摊量
机组i在第k次循环中的功率分摊量δpi,k表示如下：
步骤4-2，更新每个机组出力
机组i在第k次循环中的出力更新pi,k+1表达式如下：
pi,k+1＝pi,k/(k+1)-δpi,k(14)
在不断循环中，等式约束的违反量会越来越趋近于0，直到满足等式约束；若等式约束满足、不等式约束不满足，则机组i在第k次循环中的出力更新pi,k+1表达式如下：
判断等式约束和不等式约束是否满足，若满足则完成约束处理过程；若不满足则回到步骤2，进入第k+1次循环。
与现有技术相比，本发明具有如下优点：
1、有效避免了大量无效解的产生，促进了算法的求解效率，分别与粒子群算法和差分算法的结合证明了本发明的适用性；
2、在未对算法做出改进的情况下比现存经济调度方法有更好的优越性，能降低求解时间，提高求解效率和求解精度。
附图说明
图1是本发明方法用微增率对等式约束违反量进行出力分摊的伪代码图。
图2是本发明方法的流程图。
图3是采用本发明得到的最优解的收敛特性图。
具体实施方式
下面结合附图对本发明做进一步说明：
本发明所述的经济调度的约束处理方法，如图2所示，包括如下步骤：
步骤1，建立经济调度模型，包括其目标函数和约束条件；
a、建立目标函数
在满足约束条件的情况下，以发电机组的总发电成本最低为目标函数，其数学表达式具体如下：
(1)式中，pi是机组i的输出功率；ai,bi,ci是机组i的成本系数；n是机组的总数；
b、设置模型的约束条件，约束条件包括系统功率平衡约束和常规机组出力上下限；
具体约束条件为：
1)系统功率平衡约束
(2)式中，pd为总负荷需求，ploss为网络损失；为了简化计算，忽略系统网损，故(2)式可简化为：
2)常规机组出力上下限
(3)式中，
步骤2，筛选出算法在当前迭代中产生的不满足等式约束的候选解，求出各个机组的微增率和等式约束的违反量；
机组i的微增率λi表示如下：
λi＝2aipi+bi(5)
在第k次循环中，等式约束的违反量δpk表示如下：
(6)式中，pi,k为机组i在第k次循环中的输出功率。
步骤3，根据功率需要上调或下调的不同情况，使用微增率对违反量进行出力分摊，其过程如图1所示；
使用微增率对违反量进行出力分摊的具体过程如下：
当δpk≠0时，使用微增率或其倒数作为调节因子去确定各机组对于等式约束违反量的分摊量；当δpk＝0时，则直接将不满足不等式约束的机组输出功率调整到邻近的边界值上。
当δpk>0时，需要下调系统总功率，出力分摊过程如下：
(7)式中，ri,k为机组i在第k次循环中出力分摊的调节因子，λi,k为机组i在第k次循环中的微增率；
(8)式中，δpk+1为调整后的等式约束违反量；
由于(9)式的计算结果并不是机组i在第k次循环中调节后的最终出力，故将此时机组i的出力表示为pi,k/(k+1)，以下(12)式同理；
在这种情况中，需要下调系统总功率，机组i的调节因子即为其微增率，对于微增率大的机组来说，该机组输出功率增加时，发电机组的总发电成本增加的快，所以应该下调其输出功率。
当δpk<0时，需要上调系统总功率，出力分摊过程如下：
在这种情况中，需要上调系统总功率，机组i的调节因子为其微增率的倒数，对于微增率小的机组来说，该机组输出功率增加时，发电机组的总发电成本增加的慢，所以应该上调其输出功率。
步骤4，更新每个机组的出力。
其具体过程如下：
1)计算每个机组的功率分摊量
机组i在第k次循环中的功率分摊量δpi,k表示如下：
2)更新每个机组出力
机组i在第k次循环中的出力更新pi,k+1表达式如下：
pi,k+1＝pi,k/(k+1)-δpi,k(14)
在δpk>0的情况中，λi,k越大时，ri,k越大，机组i在δpk+1中的分摊量越大，即δpi,k越大，机组i的输出功率减少的就越多，即pi,k+1越小。在δpk<0的情况中，λi,k越小时，ri,k越大，机组i在δpk+1中的分摊量越大，即δpi,k越大，机组i的输出功率增加的就越多，即pi,k+1越大。在不断循环中，等式约束的违反量会越来越趋近于0，直到满足等式约束。
若等式约束满足、不等式约束不满足，则机组i在第k次循环中的出力更新pi,k+1表达式如下：
判断等式约束和不等式约束是否满足，若满足则完成约束处理过程；若不满足则回到步骤2，进入第k+1次循环。
当约束处理过程全部完成时，可以得到满足约束条件的各机组输出功率。
为了更加全面的验证本发明的有效性，本发明的算例仿真采用140机组系统，并且分别与粒子群算法和差分算法结合。表1给出了采用和未采用本发明的等式约束处理方法得到的统计结果对比，图3是采用本发明得到的最优解的收敛特性图。在该算例中，粒子群算法的粒子数取为800，最大迭代次数取为1000，独立运行50次，差分算法的种群数取为60，最大迭代次数取为1000，独立运行50次。
表1算例中的统计结果对比
对算例中发电成本的最小值、最大值、平均值和平均运行时间进行对比，能够发现，采用本发明的等式约束处理方法，得到的解的波动范围较小，平均值有明显的优越性，并且求解的平均运行时间大幅减少，从而提高算法求解效率和精度。通过分别与粒子群算法和差分算法的结合可以证明该方法的适用性。随着网络规模的扩大，本发明的优越性会越明显。以上结果验证了本发明的优越性。