本發(fā)明涉及一種小水電群接入電網(wǎng)的兩目標隨機經(jīng)濟調(diào)度方法，屬于電力系統(tǒng)運行檢修技術(shù)領(lǐng)域。

背景技術(shù)：

近年來，隨著環(huán)境污染和能源枯竭問題越來越嚴重，對于清潔可再生能源的利用已經(jīng)越來越多的受到世界各國的重視。我國開發(fā)和利用可再生能源、優(yōu)化能源結(jié)構(gòu)的力度也不斷加大。目前，利用風電，光伏的各項技術(shù)已經(jīng)趨于成熟。水電是優(yōu)質(zhì)的再生能源，同風電一樣，也是能可持續(xù)利用的潔凈能源。我國小水電建設(shè)己經(jīng)取得了很大的成效，尤其西部山區(qū)小水電呈現(xiàn)集群式特點。

隨著傳統(tǒng)水利向資源水利、可持續(xù)發(fā)展水利轉(zhuǎn)變，如何高效運行深度挖掘小水電效益越來越得到重視。小水電運行管理也應(yīng)由常規(guī)調(diào)度管理向優(yōu)化調(diào)度轉(zhuǎn)變。將風電來優(yōu)化調(diào)度的思路移植到小水電群的調(diào)度上，可以最大限度地發(fā)揮小水電的積極作用，并促進小水電的可持續(xù)發(fā)展優(yōu)化調(diào)度問題是一個隨機優(yōu)化問題，同時也是大規(guī)模、多目標、非線性優(yōu)化問題。

隨著節(jié)能減排政策出臺，電網(wǎng)優(yōu)化調(diào)度目標呈現(xiàn)多樣化，但目前尚未有針對小水電群接入電網(wǎng)的隨機經(jīng)濟調(diào)度方案出現(xiàn)。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)的不足，本發(fā)明提出了一種小水電群接入電網(wǎng)的兩目標隨機經(jīng)濟調(diào)度方法，其針對電網(wǎng)優(yōu)化調(diào)度目標呈現(xiàn)多樣化解決了小水電群接入電網(wǎng)的隨機經(jīng)濟調(diào)度問題。

本發(fā)明解決其技術(shù)問題采取的技術(shù)方案是：

本發(fā)明實施例提供的一種小水電群接入電網(wǎng)的兩目標隨機經(jīng)濟調(diào)度方法，它包括以下步驟：

1)獲取計算參數(shù)：從含徑流式小水電群的電力系統(tǒng)獲取計算參數(shù)；

2)建立兩目標隨機經(jīng)濟調(diào)度模型：建立以購電費用和污染氣體排放量最小為目標的隨機動態(tài)經(jīng)濟調(diào)度模型；

3)對兩目標隨機經(jīng)濟調(diào)度模型進行求解：采用場景解耦和異步迭代改進內(nèi)點法對兩目標隨機經(jīng)濟調(diào)度模型進行求解；

4)獲取經(jīng)濟調(diào)度方案：通過基于折衷最優(yōu)解的改進帕累托前沿分析來獲取經(jīng)濟調(diào)度方案。

作為本實施例一種可能的實現(xiàn)方式，在步驟1)中，所述計算參數(shù)包括給定常規(guī)發(fā)電機組成本系數(shù)及出力上下限、輸電支路阻抗及容量參數(shù)、水電機組運行參數(shù)和系統(tǒng)負荷。

作為本實施例一種可能的實現(xiàn)方式，在步驟2)中，所述兩目標隨機經(jīng)濟調(diào)度模型中的目標函數(shù)包括：

①購電費用目標函數(shù)：

式中：ag是第g^th臺常規(guī)發(fā)電機組費用；ahydro是小水電的購電費用，考慮小水電購電費用是因為現(xiàn)在國家采用補貼的方式鼓勵電網(wǎng)接入新能源；代表預(yù)測場景中第g^th臺常規(guī)機組在t時刻的出力；代表預(yù)測場景中第h^th個小水電集群在t時刻的出力；ng和nh是相應(yīng)的常規(guī)機組臺數(shù)和小水電集群數(shù)目；

②污染氣體排放量目標函數(shù)：

式中，b2,g、b1,g和b0,g均為第g^th臺常規(guī)機組的污染氣體排放系數(shù)。

作為本實施例一種可能的實現(xiàn)方式，在步驟2)中，所述兩目標隨機經(jīng)濟調(diào)度模型中的約束條件包括：

①功率平衡約束：

預(yù)測場景和誤差場景中的有功功率平衡約束表述如下：

式中：是預(yù)測場景和誤差場景中第g^th臺常規(guī)機組在t時刻的有功出力；代表預(yù)測場景和誤差場景中第h^th個小水電集群在t時刻的有功出力；pmt代表負荷節(jié)點m在t時刻的負荷；nd是負荷節(jié)點數(shù)目,ns＝ng+nh；

②常規(guī)機組出力約束：

a)預(yù)測場景和誤差場景中的常規(guī)機組出力上下限約束，表達如下：

其中，pgmax和pgmin是第g^th臺常規(guī)機組的出力上下限；

b)預(yù)測場景和誤差場景中的爬坡/滑坡約束，表達如下：

其中，rug和rdg分別是第g^th臺常規(guī)機組的爬坡/滑坡系數(shù)；δt為動態(tài)調(diào)度兩相鄰時刻的時間間隔；

c)場景轉(zhuǎn)移約束：

該約束表示從預(yù)測場景到誤差場景，常規(guī)機組的可調(diào)度裕度，表達如下：

其中，δt’為第g^th臺常規(guī)機組為適應(yīng)風電出力預(yù)測誤差所需的調(diào)度響應(yīng)時間；

③小水電出力約束：

④網(wǎng)絡(luò)傳輸約束：

預(yù)測場景和誤差場景中傳輸線路上的有功功率約束表達如下：

式中：plmax是線路l的最大傳輸容量；nl是線路條數(shù)；是預(yù)測場景和誤差場景中線路l上傳輸?shù)挠泄β?，它的直流潮流表達式表述如下：

式中，glg、flh和dld分別是線路l對于常規(guī)機組、小水電機群和負荷的有功功率傳輸因子。

作為本實施例一種可能的實現(xiàn)方式，所述步驟3)的具體過程包括以下步驟：

31)從兩目標問題向單目標問題的轉(zhuǎn)化

采用法線邊界交叉法將兩目標優(yōu)化問題轉(zhuǎn)換為一系列單目標優(yōu)化問題，并采用非線性原對偶內(nèi)點法求解；

32)采用內(nèi)點法求解單目標問題

采用非線性原對偶內(nèi)點法中的增廣拉格朗日函數(shù)表示如下：

其中，y，ys和yh為拉格朗日乘子向量；nh是兩目標隨機經(jīng)濟調(diào)度模型中不等式約束的數(shù)量；μ是壁壘參數(shù)，μ≥0；

根據(jù)karush-kuhn-tucker(kkt)最優(yōu)性條件，對增廣拉格朗日函數(shù)求偏導(dǎo)，得到一組非線性方程組，再用牛頓法求解可得到簡化修正方程組：

式中：δz0為與預(yù)測場景相關(guān)變量的增量組成的向量，δz0＝[δx⁰,δy3,δλ]^t；δzs(i＝1,2,…,s)為與誤差場景相關(guān)變量的增量組成的向量，l0、ls(s＝1,2,…,s)、ms(s＝1,2,…,s)均為對稱稀疏矩陣，它們的維數(shù)分別為96(n+1)+3、96(n+1)、96(n+1)；

33)簡化修正方程的場景解耦：

將式(11)展開，得：

用同步迭代導(dǎo)出公式如下：

在用同步迭代計算式(12)和式(13)的過程中，l0、ls和ms都是稀疏矩陣；

假設(shè)第一次迭代δz0為零，并且到第k次迭代完成，那么k+1次迭代表達式為：

方程(16)和(17)的系數(shù)矩陣的維數(shù)分別為96(n+1)+3和96(n+1)。

作為本實施例一種可能的實現(xiàn)方式，在步驟4)中，所述基于折衷最優(yōu)解的改進帕累托前沿分析的過程為：采用nbi法求得帕累托最優(yōu)解集，并結(jié)合賦權(quán)的熵權(quán)雙基點法進行修正，挖掘帕累托前沿解集中每個解所蘊含的不同信息，獲得一組合理、有效的、可供調(diào)度人員決策的調(diào)度策略。

作為本實施例一種可能的實現(xiàn)方式，所述步驟4)的過程包括以下步驟：

41)，用nbi法計算計算10個點，用熵權(quán)法進行評估獲取最優(yōu)解；

42)，連接最優(yōu)解點的上一點和下一點為烏托邦線，再次用nbi法計算10個點；

43)再次用熵權(quán)法進行評估獲取烏托邦線上的最優(yōu)解。

本發(fā)明實施例的技術(shù)方案可以具有的有益效果如下：

本發(fā)明實施例技術(shù)方案利用場景法將兩目標隨機經(jīng)濟調(diào)度問題轉(zhuǎn)化為大規(guī)模兩目標確定性動態(tài)調(diào)度問題，再借助法線邊界交叉(normalboundaryintersection,nbi)法將其轉(zhuǎn)化為一系列大規(guī)模單目標非線性規(guī)劃問題，并用非線性原對偶內(nèi)點法求解。在應(yīng)用非線性原對偶內(nèi)點法求解這些大規(guī)模單目標非線性規(guī)劃問題過程中，按照場景順序排列的簡化修正方程的系數(shù)矩陣具有對角加邊結(jié)構(gòu)。因此可對其實施解耦，并采用異步塊迭代法對解耦后的低維修正方程組進行求解，并得到一系列均勻分布的帕累托最優(yōu)解，形成帕累托前沿曲線，然后采用賦權(quán)的熵權(quán)雙基點法從帕累托前沿解集中選取出折衷最優(yōu)解。本發(fā)明解決了徑流式小水電群隨機優(yōu)化問題，較大程度提升了隨機性電源預(yù)測準確率；通過運用異步塊迭代法對具有對角加邊結(jié)構(gòu)的高維線性修正方程組進行解耦，從而大幅度降低了存儲需求，增強了適應(yīng)大系統(tǒng)、多場景的計算能力，提升計算速度采用賦權(quán)的熵權(quán)雙基點法，并結(jié)合nbi法對帕累托最優(yōu)解進行修正，能夠充分挖掘帕累托前沿解集蘊含的信息和調(diào)度人員的經(jīng)驗，獲得一組可觀、合理、需要的運行點，供調(diào)度人員決策。

附圖說明

圖1是根據(jù)一示例性實施例示出的一種小水電群接入電網(wǎng)的兩目標隨機經(jīng)濟調(diào)度方法流程圖；

圖2是根據(jù)一示例性實施例示出的一種基于折衷最優(yōu)解的改進帕累托前沿分析過程中首次獲取最優(yōu)解的示意圖；

圖3是根據(jù)一示例性實施例示出的一種基于折衷最優(yōu)解的改進帕累托前沿分析過程中烏托邦線的示意圖；

圖4是根據(jù)一示例性實施例示出的一種基于折衷最優(yōu)解的改進帕累托前沿分析過程中獲取烏托邦線上的最優(yōu)解的示意圖。

具體實施方式

為能清楚說明本方案的技術(shù)特點，下面通過具體實施方式，并結(jié)合其附圖，對本發(fā)明進行詳細闡述。下文的公開提供了許多不同的實施例或例子用來實現(xiàn)本發(fā)明的不同結(jié)構(gòu)。為了簡化本發(fā)明的公開，下文中對特定例子的部件和設(shè)置進行描述。此外，本發(fā)明可以在不同例子中重復(fù)參考數(shù)字和/或字母。這種重復(fù)是為了簡化和清楚的目的，其本身不指示所討論各種實施例和/或設(shè)置之間的關(guān)系。應(yīng)當注意，在附圖中所圖示的部件不一定按比例繪制。本發(fā)明省略了對公知組件和處理技術(shù)及工藝的描述以避免不必要地限制本發(fā)明。

圖1是根據(jù)一示例性實施例示出的一種小水電群接入電網(wǎng)的兩目標隨機經(jīng)濟調(diào)度方法流程圖。如圖1所示，一種小水電群接入電網(wǎng)的兩目標隨機經(jīng)濟調(diào)度方法可以包括以下步驟：

1)獲取計算參數(shù)：

從含徑流式小水電群的電力系統(tǒng)獲取計算參數(shù)；所述計算參數(shù)包括給定常規(guī)發(fā)電機組成本系數(shù)及出力上下限、輸電支路阻抗及容量參數(shù)、水電機組運行參數(shù)和系統(tǒng)負荷；

2)建立兩目標隨機經(jīng)濟調(diào)度模型：

建立以購電費用和污染氣體排放量最小為目標的隨機動態(tài)經(jīng)濟調(diào)度模型；

3)對兩目標隨機經(jīng)濟調(diào)度模型進行求解：

采用場景解耦和異步迭代改進內(nèi)點法對兩目標隨機經(jīng)濟調(diào)度模型進行求解；

4)獲取經(jīng)濟調(diào)度方案：

通過基于折衷最優(yōu)解的改進帕累托前沿分析來獲取經(jīng)濟調(diào)度方案。

在一種可能的實現(xiàn)方式中，在步驟2)中所述兩目標隨機經(jīng)濟調(diào)度模型中的目標函數(shù)包括：

①購電費用目標函數(shù)：

第一個目標函數(shù)是最小化預(yù)測場景下的購電費用：

式中：ag是第g^th臺常規(guī)發(fā)電機組費用；ahydro是小水電的購電費用，考慮小水電購電費用是因為現(xiàn)在國家采用補貼的方式鼓勵電網(wǎng)接入新能源；代表預(yù)測場景中第g^th臺常規(guī)機組在t時刻的出力；代表預(yù)測場景中第h^th個小水電集群在t時刻的出力；ng和nh是相應(yīng)的常規(guī)機組臺數(shù)和小水電集群數(shù)目。

②污染氣體排放量目標函數(shù)：

第二個目標是最小化常規(guī)機組的污染氣體排放量(以為so2，nox主)，定義如下：

式中，b2,g、b1,g和b0,g均為第g^th臺常規(guī)機組的污染氣體排放系數(shù)。

在一種可能的實現(xiàn)方式中，在步驟2)中，所述兩目標隨機經(jīng)濟調(diào)度模型中的約束條件包括：

①功率平衡約束：

忽略電網(wǎng)中的有功功率損耗，預(yù)測場景和誤差場景中的有功功率平衡約束表述如下：

式中：是預(yù)測場景和誤差場景中第g^th臺常規(guī)機組在t時刻的有功出力；代表預(yù)測場景和誤差場景中第h^th個小水電集群在t時刻的有功出力；pmt代表負荷節(jié)點m在t時刻的負荷；nd是負荷節(jié)點數(shù)目,ns＝ng+nh。

②常規(guī)機組出力約束：

a)預(yù)測場景和誤差場景中的常規(guī)機組出力上下限約束，表達如下：

其中，pgmax和pgmin是第g^th臺常規(guī)機組的出力上下限；

b)預(yù)測場景和誤差場景中的爬坡/滑坡約束，表達如下：

其中，rug和rdg分別是第g^th臺常規(guī)機組的爬坡/滑坡系數(shù)；δt為動態(tài)調(diào)度兩相鄰時刻的時間間隔；本實施例中δt取15分鐘；

c)場景轉(zhuǎn)移約束：

該約束表示從預(yù)測場景到誤差場景，常規(guī)機組的可調(diào)度裕度，表達如下：

其中，δt’為第g^th臺常規(guī)機組為適應(yīng)風電出力預(yù)測誤差所需的調(diào)度響應(yīng)時間，本實施例中δt’取15分鐘。

③小水電出力約束：

當電力系統(tǒng)備用容量不足或電網(wǎng)傳輸容量不足時，新能源發(fā)電中的棄電現(xiàn)象是不可避免的。本文中允許小水電出現(xiàn)棄電，小水電出力約束表述如下：

④網(wǎng)絡(luò)傳輸約束：

預(yù)測場景和誤差場景中傳輸線路上的有功功率約束表達如下：

式中：plmax是線路l的最大傳輸容量；nl是線路條數(shù)；是預(yù)測場景和誤差場景中線路l上傳輸?shù)挠泄β剩闹绷鞒绷鞅磉_式表述如下：

式中，glg、flh和dld分別是線路l對于常規(guī)機組、小水電機群和負荷的有功功率傳輸因子。

在一種可能的實現(xiàn)方式中，所述步驟3)的具體過程包括以下步驟：

31)從兩目標問題向單目標問題的轉(zhuǎn)化：

采用法線邊界交叉法將兩目標優(yōu)化問題轉(zhuǎn)換為一系列單目標優(yōu)化問題，并采用非線性原對偶內(nèi)點法求解。

32)采用內(nèi)點法求解單目標問題：

采用非線性原對偶內(nèi)點法中的增廣拉格朗日函數(shù)表示如下：

其中，y，ys和yh為拉格朗日乘子向量；nh是兩目標隨機經(jīng)濟調(diào)度模型中不等式約束的數(shù)量；μ是壁壘參數(shù)，μ≥0。

根據(jù)karush-kuhn-tucker(kkt)最優(yōu)性條件，對增廣拉格朗日函數(shù)求偏導(dǎo)，得到一組非線性方程組，再用牛頓法求解可得到簡化修正方程組。按預(yù)測場景和誤差場景的順序?qū)喕蟮男拚匠毯妥兞窟M行排序，可得到如下其系數(shù)矩陣具有對角加邊結(jié)構(gòu)的簡化修正方程組：

式中：δz0為與預(yù)測場景相關(guān)變量的增量組成的向量，δz0＝[δx⁰,δy3,δλ]^t；δzs(i＝1,2,…,s)為與誤差場景相關(guān)變量的增量組成的向量，l0、ls(s＝1,2,…,s)、ms(s＝1,2,…,s)均為對稱稀疏矩陣，它們的維數(shù)分別為96(n+1)+3、96(n+1)、96(n+1)。

33)簡化修正方程的場景解耦：

對大系統(tǒng)而言，方程(11)為一個稀疏高維線性方程組，對其實施有效求解是多目標隨機優(yōu)化動態(tài)經(jīng)濟調(diào)度問題的核心。方程(11)的系數(shù)矩陣的維數(shù)為96(n+1)(s+1)+3。在實際的算例計算中，對于大系統(tǒng)、多場景的情況，可能無法對其求解。方程(11)中的系數(shù)矩陣具有對角加邊結(jié)構(gòu)，類似的結(jié)構(gòu)在潮流和最優(yōu)潮流計算中均有應(yīng)用，因此本發(fā)明利用這種結(jié)構(gòu)特點對其進行解耦后再求解。

將式(11)展開，得：

用同步迭代導(dǎo)出公式如下：

在用同步迭代計算式(12)和式(13)的過程中，l0、ls和ms都是稀疏矩陣；但是式(14)中的是一個滿陣，它的計算會占用大量的內(nèi)存和計算時間。在解決高維線性方程組時，異步迭代的效率有時會比同步迭代高很多。如果用異步迭代計算式(12)和式(13)，則計算過程中的矩陣都是稀疏矩陣。

假設(shè)第一次迭代δz0為零，并且到第k次迭代完成，那么k+1次迭代表達式為：

計算式(16)時，各場景之間是相互獨立的，場景數(shù)較多時可以并行計算，方程(16)和(17)的系數(shù)矩陣的維數(shù)分別為96(n+1)+3和96(n+1)，基于此，即可實現(xiàn)對大系統(tǒng)、多場景的情況的有效求解。

由于不同的pareto(帕累托)最優(yōu)解的計算相互獨立，因此，在求取pareto前沿時也可以采用并行計算，而且每個pareto最優(yōu)解之間不存在通信問題，即主進程和從進程之間不存在變量傳遞，那么，對pareto前沿進行并行計算將大幅度提高算法的計算效率。

在一種可能的實現(xiàn)方式中，在步驟4)中，所述基于折衷最優(yōu)解的改進帕累托前沿分析的過程為：采用nbi法求得帕累托最優(yōu)解集，并結(jié)合賦權(quán)的熵權(quán)雙基點法進行修正，挖掘帕累托前沿解集中每個解所蘊含的不同信息，獲得一組合理、有效的、可供調(diào)度人員決策的調(diào)度策略。

對于收斂性較好的模型和數(shù)據(jù)，nbi法得到的是非常均勻分布帕累托前沿。然而并不是所有最優(yōu)解都參與調(diào)度員的決策。當已知調(diào)度員的偏好后，可以使得帕累托最優(yōu)解的分布更加精細化。

在一種可能的實現(xiàn)方式中，所述步驟4)的過程包括以下步驟：

41)，用nbi法計算計算10個點，用熵權(quán)法進行評估獲取最優(yōu)解；如圖2所示，最優(yōu)解為第5個點，綜合優(yōu)化程度為0.7064(折衷最優(yōu)解2)。

42)，連接最優(yōu)解點的上一點和下一點為烏托邦線，如圖3所示，再次用nbi法計算10個點。

43)再次用熵權(quán)法進行評估獲取烏托邦線上的最優(yōu)解。如圖4所示，最優(yōu)解為新增點中的第6個點(圓圈標出)，綜合優(yōu)化程度為0.7105(記為折衷最優(yōu)解3)。與單目標優(yōu)化所得調(diào)度方案的目標函數(shù)值比較如表1。

表1帕累托端點值與折中最優(yōu)解

從表1中可以看出，折中最優(yōu)解3對應(yīng)的兩個目標函數(shù)值與兩個單目標優(yōu)化解的相應(yīng)目標值都較為接近，是對兩個目標進行協(xié)調(diào)優(yōu)化得到的一個較好解。

針對含徑流式小水電群的電力系統(tǒng)，建立了以購電費用和污染氣體排放量最小為目標的隨機動態(tài)經(jīng)濟調(diào)度模型。借助場景法將該模型轉(zhuǎn)化為大規(guī)模兩目標確定性動態(tài)調(diào)度模型。采用法線邊界交叉法將兩目標優(yōu)化問題轉(zhuǎn)換為一系列單目標優(yōu)化問題，并采用非線性原對偶內(nèi)點法求解。在迭代過程中，按照場景順序?qū)⒑喕拚匠痰南禂?shù)矩陣排列為對角加邊形式，方便對其實施解耦，并運用異步塊迭代法求解，從而將一組高維修正方程組的求解轉(zhuǎn)化為若干個分別與預(yù)測場景和誤差場景相對應(yīng)的低維修正方程組的求解。在對含水電資源豐富的省級電網(wǎng)的數(shù)據(jù)進行仿真計算時，在高性能集群上建立了并行計算框架以緩解計算占用內(nèi)存并提高計算速度。通過這個計算架構(gòu)，可以獲得一組日前調(diào)度計劃。

本發(fā)明解決了徑流式小水電群隨機優(yōu)化問題，較大程度提升了隨機性電源預(yù)測準確率；通過運用異步塊迭代法對具有對角加邊結(jié)構(gòu)的高維線性修正方程組進行解耦，從而大幅度降低了存儲需求，增強了適應(yīng)大系統(tǒng)、多場景的計算能力，提升計算速度采用賦權(quán)的熵權(quán)雙基點法，并結(jié)合nbi法對帕累托最優(yōu)解進行修正，能夠充分挖掘帕累托前沿解集蘊含的信息和調(diào)度人員的經(jīng)驗，獲得一組可觀、合理、需要的運行點，供調(diào)度人員決策。

以上所述只是本發(fā)明的優(yōu)選實施方式，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也被視為本發(fā)明的保護范圍。