一种风电并网的火电系统动态调度方法

摘要

本发明公开了一种风电并网的火电系统动态调度方法，步骤包括：步骤1、获得风电火电相关参数和有关信息；步骤2、产生初始可行调度集合；步骤3、对可行调度集合进行评价；步骤4、对可行调度序列进行更新；步骤5、对更新的调度序列进行可行性判断；步骤6、对新的可行调度集合进行评价；步骤7、迭代得到最优调度集合。本发明的方法，利用对风电厂风速的预测得到风电厂预计输出有功功率，结合基于反馈控制的群智能优化算法，实现对含风电厂的火电系统动态调度问题的求解，在满足运行约束和负载负荷的条件下，合理安排各时段各发电机组的有功功率输出，使得此周期内发电所需成本最小化。

主权项

一种风电并网的火电系统动态调度方法，其特征在于，具体按照如下步骤实施：步骤1、相关参数的设置和获取1.1)设置算法运行的相关参数设定最大迭代次数为iter_max，iter_max为整数，迭代次数初始值iter＝1；学习因子设置为c₁、c₂，c₁和c₂取为[0,3]之间的自然数，r₁、r₂是[0,1]之间的随机数；调度时段为h，h＝1,2,…,H，算法群体规模数为M，M为大于1的整数；该算法采用的PID控制器的参数分别取比例增益K_P＝‑1，积分项系数T_i＝iter_max/20，微分项系数T_d＝0，调节因子σ＝1；1.2)获得风电相关参数包括风电厂中的风力发电机数目为L，L为不小于1的整数；第l台风力发电机组的额定输出功率为P_R,l，l＝1,2,…,L；风力发电机理论设计额定风速为v_R,l，切入风速为v_CI,l，切出风速为v_CO,l；1.3)获得火电相关参数根据系统运行的需求，确定以下火电机组的已知参数：机组数目为N，N为不小于1的整数；第i台火电机组的最小输出功率为P_imin和最大输出功率P_imax，i＝1,2,...,N，有功输出功率下降速率ζ_idown和上升速率ζ_iup；火电机组消耗燃料费用系数α_i、β_i、γ_i，α_i、β_i、γ_i分别表示第i台发电机组耗量特性的常数项、一次项系数和二次项系数，参数值由具体系统给出；阀点效应的常系数μ_i、η_i，具体值根据机组数不同而各异，从具体系统中获得；确定计算电网有功功率网络损耗P_loss的所需要的B系数B_ii、B_ii、B_0i、B₀₀分别是根据机组的性质得到；h时段火电机组的中的额定功率；步骤2、产生初始的可行调度集合可行调度集合的产生分两步实现：首先预测调度时段h的风力发电机组的有功功率；然后再产生火电机组的可行调度集合，具体过程为：根据电力系统中风电机组的相关参数，第h时段内第l台发电机组的有功功率由下式来预测得到：上式中的表示第l台发电机组在第h时段内的风速，v_CI,l和v_CO,l分别表示切入风速与切出风速，v_R,l表示的是额定风速，P_R,l表示第l台发电机组的额定输出功率，h时段内所有风力发电机有功功率的输出预测值为在调度时段h，针对前N‑1个火力发电机组，在各个机组的发电容量要求下，随机产生有功功率并利用系统功率平衡约束求出第N个发电机组的有功功率P_N^h，若产生的P_N^h满足爬坡率约束式：$\max \{P_{i\min },P_i^{h-1}-{\zeta }_{\mathrm{idown}}\}\le P_i^h\le \min \{P_{i\max },P_i^{h-1}+{\zeta }_{\mathrm{iup}}\},$则得到该时段的可行调度值为否则重新进行此过程生成满足约束条件的调度值；按照上述过程进行H次，就得到一个完整的可行调度序列；将上述过程进行M次，就得到了初始的可行调度集合；步骤3、对可行调度集合进行评价依据目标函数式：$\min f\left(P_i^h\right)=\underset{h=1}{\overset{H}{\Sigma }}\underset{i=1}{\overset{N}{\Sigma }}\{{\alpha }_i+{\beta }_i\times P_i^h+{\gamma }_i\times {\left(P_i^h\right)}^2+|{\mu }_i\sin \left[{\eta }_i(P_{i\min }-P_i^h)\right]\left|\right\}$来评价调度的优劣，将步骤2得到的可行调度序列代入上述的目标函数式中，即获得相应调度序列适应值，记录所有M个可行调度序列中的最优值；步骤4、对可行调度序列进行更新4.1)惯性权重的生成通过反馈控制结构生成惯性权重时，将每个可行调度序列作为反馈控制结构中的被控对象，每次迭代生成的可行调度序列的适应值作为反馈信息，实现过程如下：对每一个可行调度序列，用它第iter次迭代结果的适应值作为输出量X_iter，通过反馈通道得到反馈量其中ψ是当前所有可行调度适应值的均值，采用e_iter＝1‑Y_iter作为PID控制器输入来产生新的惯性权重：将ω_iter+1用来产生可行调度序列第iter+1次迭代结果，其中变量Y_iter作为对当前可行调度序列所获得反馈信息的一种度量，若Y_iter＜1，则表示当前可行调度在所有调度中可行度高；若Y_iter＞1，则表示当前可行调度在所有调度中可行度低；4.2)对可行调度序列进行更新在第iter次迭代中，m＝1,2,...,M，第m个可行调度序列的第i个机组在第h时刻的有功功率为有功功率的变化率为第m个可行调度前iter次迭代历史中最优经济效益时第i个机组在第h时刻有功功率为前iter次迭代中所有可行调度中获得最优经济效益时第i个机组在第h时刻的有功功率为则在迭代次数为iter+1时，第m个可行调度中第i个机组在第h时刻的有功功率参照下述的两个迭代公式而生成：$P_{\mathrm{mi}}^h(\mathrm{iter}+1)=P_{\mathrm{mi}}^h\left(\mathrm{iter}\right)+V_{\mathrm{mi}}^h(\mathrm{iter}+1),$$V_{\mathrm{mi}}^h(\mathrm{iter}+1)={\omega }_{\mathrm{iter}+1}·V_{\mathrm{mi}}^h\left(\mathrm{iter}\right)+c_1·r_1·(P_m{\mathrm{best}}_i^h\left(\mathrm{iter}\right)-P_{\mathrm{mi}}^h\left(\mathrm{iter}\right))+c_2{r}_2({\mathrm{Pgbest}}_i^h\left(\mathrm{iter}\right)-P_{\mathrm{mi}}^h\left(\mathrm{iter}\right))$，通过以上的两个迭代公式，就能够实现对每台发电机组不同时刻的有功功率和有功功率变化率的不断更新，寻找出新的M个更符合目标函数的发电机组发电功率的可行调度序列；步骤5、对更新后的可行调度序列进行可行性判断若新生成的可行调度序列，第h时刻的N台发电机组的有功功率满足系统功率平衡约束，且每台发电机组第h时刻与第h+1时刻有功功率间满足爬坡率约束，则新生成的调度序列可行，就继续迭代更新，否则返回步骤4重新生成可行调度序列；步骤6、对新的可行调度集合进行评价把更新后的M个可行调度序列分别代入上述目标函数式中进行优劣比较，确定出M个可行调度序列中的最优值，将这个最优值与历史最优值进行比较，取较小者为新的全局最优值；将每个更新后的可行调度序列当前的目标函数值与自身历史最优值进行比较，确定出新的局部最优值，分别记录下每个新的最优值以便下一次迭代使用；步骤7、判断当前最好调度是否达到精度要求，或者当前迭代次数是否达到最大迭代次数iter_max，若不是，设置迭代次数iter＝iter+1，继续重复步骤4到步骤6；若是，输出当前的解集中的可行调度序列，即成。