一种启发式搜索和NSGA-II相结合的火电机组组合算法的制作方法

本发明属于电力系统多目标优化调度领域，具体涉及一种启发式搜索与nsga-ⅱ算法相结合的火电机组组合算法。

背景技术：

近年来，风电、光伏等清洁能源大规模的接入电网。由于风电和光伏具有较大的波动性和不确定性，且风电具有一定的反调峰特性，火电机组承担的负荷波动也更加剧烈。因此在含风光电力系统中建立机组的多目标优化调度模型至关重要。

nsga算法是基于非支配排序原理对种群中的个体进行分类，可以得到分布均匀的非劣最优解。但是该算法缺点是计算复杂度偏高、进化过程中非劣解被淘汰和共享参数需要根据经验设定。deb提出的nsga-ⅱ算法，引入快速非支配排序法和精英策略，定义拥挤度取代适应值共享，降低了算法的计算复杂性，提高了计算效率。

为了解决含风光电力系统中系统容量冗余以及风光随机间歇导致的机组频繁启停或低负荷运行，以及机组数量过多时计算量太大的问题，本专利提出一种启发式搜索和nsga-ⅱ算法相结合的多目标优化调度模型。

技术实现要素：

本发明的目的在于提供了一种启发式搜索与nsga-ⅱ算法相结合的火电机组组合算法，它解决了含风光电力系统中火电机组多目标优化问题。

本发明分为以下步骤：

步骤一：启发式搜索对火电机组排序，确定火电机组调度台数；

步骤二：建立以火电机组总发电成本最小和能源环境效益最好的目标函数；

步骤三：采用nsga-ⅱ算法确定各机组各时段的最佳出力方案。

步骤一内容如下：

考虑到随着风电和光伏发电并网规模的增加会导致火电机组的频繁启停，本发明先采用启发式搜索确定参与调度火电机组，未选中的机组不予考虑。

首先计算各个火电机组的最小比耗量，以最小比耗量由小到大的顺序对火电机组进行经济型排序。最小比耗量μmin的计算公式如下：

式中：ai，bi，ci为火电机组i的燃煤费用系数，p0i为：

要求选出的火电机组可以承担分配的负荷任务并留有一定的裕度，将这部分负荷任务定义为火电预分配负荷pgd，本发明中取：pgd＝1.1pr，pr为实际分配的负荷值。

确定火电机组调度数目的启发式搜索步骤如下：

1)剔除检修机组和停机状态未达到最小停机时间的机组。

2)根据上式求取剩余机组的最小比耗量，按从小到大的顺序排序，建立机组的优先顺序表。

3)按照机组的优先顺序表，依次累加各机组的最大出力，直到满足下式：

由于每个时段的负荷值不同，在负荷低谷时段可能仍有冗余。所以在每个时段都要根据负荷值确定参与调度的火电机组。经济型优先的机组优先全额调用，保证机组的运行效率。

步骤二内容如下：

考虑到风电和光伏发电的不可调和性，风光优先全额入网，不再作为调度中的优化变量。建立以火电机组总发电成本最小和环境效益最好的目标函数。

式中：c为火电机组发电成本；pgi为火电机组i的发电有功功率；ee为能源环境效益；αi，βi，γi为火电机组i的效率函数的系数。

约束条件如下：

1)系统有功平衡约束

式中：pt为t时刻的负荷值；pwkt为风电机组出力；phjt为光伏机组出力。

2)火电机组出力上下限约束

pgmini≤pgit≤pgmaxi

式中：pgmaxi，pgmini分别为火电机组i的出力上下限。

3)火电机组爬坡速率约束

-rdi△t≤pgit-pgi(t-1)≤rui△t

式中：rdt和rut分别为调度时段t内机组i减载和加载的速率限值。

步骤三内容如下：

在原来nsga-ⅱ算法程序的基础上根据火电机组最小比耗量加入机组排队程序，调用单时段优化程序，得到该时段的机组组合方案。

进一步地，在确定机组组合方案后，考虑火电机组地有功平衡约束、出力上下限约束、火电机组爬坡速率约束，调用负荷分配函数进行负荷分配优化。

进一步地，得到该时刻机组负荷分配方案，然后将该时刻机组组合方案赋值给上一时刻。

进一步地，循环调用单时段优化程序和负荷分配优化程序得到各机组各时段的出力方案。

本发明的有益效果在于

1采用启发式搜索，按最小比耗量对火电机组进行排序，确定参与调度的火电机组台数，避免系统容量冗余以及风光随机间歇性导致的机组频繁启停和低负荷运行，提高了系统稳定性。

2当机组数目过多时，对机组进行排序可以大幅减少多目标优化调度模型的寻优空间，加快了模型的运算速度，提高多目标优化调度模型的效率。

3本发明提出了启发式搜索和nsga-ⅱ算法相结合，不仅解决了nsga-ⅱ算法处理规模较大系统时求解困难的问题，还减少了火电机组的启停次数，避免了机组低负荷运行，保证了电力系统的安全稳定运行。

附图说明

图1是启发式搜索和nsga-ⅱ结合算法流程图

具体实施方式

下面结合附图对本发明作进一步描述。

本发明的目的是针对含高比例风光电力系统中，仅依靠火电机组来应对风光的随机性，火电机组将频繁启停或运行在深度调峰状态，严重影响电网安全稳定运行的问题，提出启发式搜索和nsga-ⅱ算法相结合的机组组合算法。

步骤一：启发式搜索对火电机组排序，确定火电机组调度台数：

考虑到随着风电和光伏发电并网规模的增加会导致火电机组的频繁启停，本发明先采用启发式搜索确定参与调度火电机组，未选中的机组不予考虑。

首先计算各个火电机组的最小比耗量，以最小比耗量由小到大的顺序对火电机组进行经济型排序。最小比耗量μmin的计算公式如下：

式中：ai，bi，ci为火电机组i的燃煤费用系数，p0i为：

要求选出的火电机组可以承担分配的负荷任务并留有一定的裕度，将这部分负荷任务定义为火电预分配负荷pgd，本发明中取：pgd＝1.1pr，pr为实际分配的负荷值。

确定火电机组调度数目的启发式搜索步骤如下：

1)剔除检修机组和停机状态未达到最小停机时间的机组。

2)根据上式求取剩余机组的最小比耗量，按从小到大的顺序排序，建立机组的优先顺序表。

3)按照机组的优先顺序表，依次累加各机组的最大出力，知道满足下式：

由于每个时段的负荷值不同，在负荷低谷时段可能仍有冗余。所以在每个时段都要根据负荷值确定参与调度的火电机组。经济型优先的机组优先全额调用，保证机组的运行效率。

步骤二：建立以火电机组总发电成本最小和能源环境效益最好的目标函数

考虑到风电和光伏发电的不可调和性，风光优先全额入网，不再作为调度中的优化变量。建立以火电机组总发电成本最小和环境效益最好的目标函数。

式中：c为火电机组发电成本；pgi为火电机组i的发电有功功率；ee为能源环境效益；αi，βi，γi为火电机组i的效率函数的系数。

约束条件如下

1)系统有功平衡约束

式中：pt为t时刻的负荷值；pwkt为风电机组出力；phjt为光伏机组出力。

2)火电机组出力上下限约束

pgmini≤pgit≤pgmaxi

式中：pgmaxi，pgmini分别为火电机组i的出力上下限。

3)电机组爬坡速率约束

-rdi△t≤pgit-pgi(t-1)≤rui△t

式中：rdt和rut分别为调度时段t内机组i减载和加载的速率限值。

步骤三：采用nsga-ⅱ算法确定各机组各时段的最佳出力值

在原来nsga-ⅱ算法程序的基础上根据火电机组最小比耗量加入机组排队程序，调用单时段优化程序，得到该时段的机组组合方案。

进一步地，在确定机组组合方案后，考虑火电机组地有功平衡约束、出力上下限约束、火电机组爬坡速率约束，调用负荷分配函数进行负荷分配优化。

进一步地，得到该时刻机组负荷分配方案，然后将该时刻机组数据赋值给上一时刻。

进一步地，循环调用单时段优化程序和负荷分配优化程序得到各机组各时段的出力方案。

据此就得到了一种启发式搜索与nsga-ⅱ算法相结合的火电机组多目标优化调度模型。

以上实施方案仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的保护范畴。