日前发电调度与日前峰谷分时电价联合优化方法与流程

本发明涉及一种日前发电调度与日前峰谷分时电价联合优化方法，特别涉及一种结合nsga-ii算法和最大满意度法求解该联合优化问题。
背景技术：
近年来，电网运行调度的难度越来越大。一方面，随着电力需求的持续攀升，系统峰谷差不断增大，电力系统日益接近极限运行。另一方面，大规模风电并网增加了电网运行的不确定性，同时对系统备用容量提出了更高要求。智能电网环境下，源网荷之间的协调互动使电网调度模式更加灵活多样，能够有效缓解电网运行的压力。实施峰谷分时电价会改变用户的用电方式和电费支出，只有提高用户满意度才能提高负荷响应的积极性。此外，不同用户的负荷特性以及对电价的响应特性不同，需要根据用户的用电特性和响应特性对用户分类，针对各类用户实施不同的分时电价方案。因此，协调发电侧和需求侧利益，联合优化日前发电调度与日前峰谷分时电价，实现源荷两侧资源的互动调度，具有重要的研究意义。技术实现要素：针对上述
背景技术：
的不足，本发明提供一种日前发电调度与日前峰谷分时电价联合优化方法，针对不同类型用户对电价响应的差异性，对各类用户实施不同的分时电价；考虑分时电价对用户电费支出和用电方式的影响，将用户整体满意度最大纳入目标函数；通过电力公司让利来提高负荷响应的积极性。本发明为解决上述技术问题采用以下技术方案：本发明提供一种日前发电调度与日前峰谷分时电价联合优化方法，包括以下具体步骤：步骤1，建立日前分时电价下各类用户的需求响应模型；步骤2，建立用户满意度模型；步骤3，建立以系统发电成本最小和用户满意度最大为目标的多目标优化模型；步骤4，采用优先顺序法与nsga-ii算法求解步骤3中的多目标优化模型，并根据最大满意度法选取求解得到的非支配解中的最优折中解，即得到最优分时电价，从而完成分时电价的联合优化。作为本发明的进一步技术方案，步骤1具体为：步骤1-a，根据用户的用电特性和响应特性对用户分类，获取各类用户的价格弹性系数、日前负荷预测数据和平均电价数据；步骤1-b，随机生成各类用户峰、谷电价的上、下浮动比例，计算各类用户各时段的电价：其中，ρj,t为第j类用户t时段的电价，为第j类用户的平均电价，αj为第j类用户峰时段电价的上浮比例，βj为第j类用户谷时段电价的下浮比例，tf、tp和tg分别为峰、平、谷时段，tf+tp+tg＝t，t为系统调度的时段数；步骤1-c，采用弹性矩阵模型模拟用户对电价的响应情况，所建立的用户需求响应模型为：其中，q0,j,t、q'j,t分别为第j类用户电价调整前、后t时段的用电量，ej,t,t、ej,t,h分别为第j类用户t时段的自弹性系数、交叉弹性系数，ρj,t、ρj,h分别为第j类用户t时段、h时段的电价，ρ0,j,t、ρ0,j,h分别为第j类用户电价调整前t时段、h时段的电价。作为本发明的进一步技术方案，步骤2中的用户满意度模型具体为：mj＝γ1,jmc,j+γ2,jmf,j其中，mj为第j类用户的满意度，γ1,j、γ2,j分别为第j类用户的电费支出满意度、用电方式满意度的权系数，γ1,j+γ2,j＝1；为第j类用户的电费支出满意度，为实施分时电价后第j类用户的总电费支出，为实施分时电价前第j类用户的总电费支出；为第j类用户的用电方式满意度。作为本发明的进一步技术方案，步骤3具体为：步骤3-a，多目标优化模型的目标函数为：[minf1，maxf2]其中，f1为电网系统发电成本，f2为用户满意度，t为系统调度的时段数，n为电网系统的机组数，pg,i,t为r时刻第i个机组的有功出力，f(pg,i,t)为r时刻第i个机组的运行成本函数，cs,i为第i个机组的启动成本，ui,r为r时刻第i个机组的启停状态，ui,r-1为r-1时刻第i个机组的启停状态；ntype为电网系统中用户类数；步骤3-b，多目标优化模型的约束条件具体包括：峰谷电价比约束：其中，kmax、kmin分别为峰谷电价比的最大、最小值；电力公司让利约束：c'j≥kpc0,j，其中，kp为让利系数，kp＝1时表示电力公司不让利；功率平衡约束：其中，p'd,j,r为r时刻第j类用户的功率，p'd,j,r＝q'j,r/δr，δr为时间间隔，q'j,r为第j类用户电价调整后r时刻的用电量，pw,t为r时刻风电场的预测出力；网络安全约束：其中，pl,t为r时刻电网系统第l条线路的有功功率，为r时刻电网系统第l条线路的有功上限；旋转备用约束：其中，分别为第i个机组在r时刻的最大、最小可能出力，分别为第i个机组的上、下爬坡速率限值，pg,i分别为第i个机组出力的上、下限，为风电场出力上限，r0r为r时刻电网系统的备用需求，wu％、wd％分别为r时刻风电对电网系统正、负旋转备用的需求系数；机组出力约束：机组爬坡约束：机组最小启停时间约束：其中，ti为第i个机组前一状态的持续时间；tion、tioff分别为第i个机组的最小运行时间和最小停运时间。作为本发明的进一步技术方案，步骤4中采用优先顺序法与nsga-ii算法求解步骤3中的多目标优化模型，具体为：步骤a，输入数据，包括峰谷分时电价的时段划分、各类用户的价格弹性系数、各类用户的平均电价、各类用户的日前负荷预测数据、日前风电预测数据、机组参数、网络结构和参数，以及种群规模、进化代数、交叉和变异概率；步骤b，种群初始化；根据步骤3-b中的约束条件对染色体内各决策变量赋初值，初始过程如下：步骤b-1，初始化电价浮动比例，根据需求响应模型求响应后的负荷；步骤b-2，根据优先顺序法，确定机组的开机顺序和机组的初始启停状态；步骤b-3，调整机组启停状态使其满足最小启停时间约束：停机时间小于最小停机时间时，令机组在该时段内开机；当开机时间小于最小开机时间时，延长开机时间；步骤b-4，初始化机组出力：计算各时段机组的最大、最小可能出力，在机组最大、最小可能出力范围内随机初始开机机组的出力；根据功率平衡约束、旋转备用约束、机组出力约束、机组爬坡约束和最小启停时间约束对机组出力进行调整；步骤b-5，将各决策变量的初值按编码顺序存入染色体中，采用实数编码的方式进行编码，染色体的具体形式为：步骤c，综合评价函数值计算；采用可动态调整的罚函数法计及网络安全约束约束、计及约束条件惩罚函数的综合目标函数为：f(x,u)＝f(x,u)+h(w)·h(x,u)其中，f(x,u)为目标函数f1；x和u分别为控制变量和状态变量；w为当前进化代数，为动态调整系数，h(x,u)为惩罚函数，δpl,r为r时刻第l条线路的传输功率越限值，l为线路数；步骤d，快速非支配排序和拥挤距离计算；步骤e，选择、交叉和变异，得到子种群；在交叉过程中，选择优先顺序相同且开机机组相同的个体进行交叉；步骤f，保留精英，得到下一次迭代的父代种群；步骤g，循环迭代至最大进化次数后结束。作为本发明的进一步技术方案，步骤b-4中当机组冗余时，按停机顺序在开机机组中寻找可以停机的机组；当开机机组难以满足负荷需求和系统备用时，则按开机顺序在停机机组中寻找可以开机的机组，增加开机机组数；按时间顺序初始各时段机组的出力和启停状态。作为本发明的进一步技术方案，步骤4中根据最大满意度法选取求解得到的非支配解中的最优折中解具体为：采用隶属度函数法求解每个非支配解的标准化满意度，其中标准化满意度最大的非支配解即为最优折中解。作为本发明的进一步技术方案，第k个非支配解的标准化满意度为：其中，δm,k为第k个非支配解对第m个优化目标的模糊满意度，m为优化目标的个数，k为非支配解的个数。作为本发明的进一步技术方案，采用偏小型满意度函数来描述δm,k：其中，δm,k等于0和1分别表示第k个非支配解对第m个优化目标完全不满意和完全满意；fm,k为第k个非支配解对应的第m个优化目标的函数值，fm,max、fm,min分别为第m个优化目标的最大、最小值。作为本发明的进一步技术方案，各类用户电价调整前的电价等于其平均电价。本发明采用以上技术方案与现有技术相比，具有以下技术效果：附图说明图1为联合优化求解流程图；图2为日前风电功率预测曲线图；图3为4种模型下分时电价前后的负荷曲线对比图；图4为模式1下机组有功出力计划图；图5为模式2下机组有功出力计划图；图6为模式3下机组有功出力计划图；图7为模式4下机组有功出力计划图。具体实施方式下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。本
技术领域：
技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。下面结合附图对本发明的技术方案做进一步的详细说明：本发明公开了一种日前发电调度与日前峰谷分时电价联合优化方法，考虑了用户整体满意度、电网安全约束和电力公司让利约束等，适用于需求侧实施峰谷分时电价的智能电网日前调度与控制。本文发明基于不同类型负荷对电价响应的差异性、电力公司让利、以及实施峰谷分时电价后用户整体满意度等的考虑，提出一种以系统发电成本最小，以及用户整体满意度最大为目标的日前发电调度与日前峰谷分时电价联合优化模型，将优先顺序法与nsga-ii算法结合进行求解。其中，考虑用户用电的整体满意度，并对各类用户实施不同的分时电价以合理挖掘负荷的响应潜力；通过电力公司部分让利的方法来提高用户响应的积极性，增强分时电价的实施效果。本发明所涉及的日前发电调度与日前峰谷分时电价联合优化的求解流程如图1所示。具体按照以下步骤：步骤1，建立日前分时电价下各类用户的需求响应模型，具体包括以下步骤：步骤1-a，根据用户的用电特性和响应特性对用户分类，获取各类用户的价格弹性系数、日前负荷预测数据和平均电价数据。步骤1-b，随机生成各类用户峰、谷电价的上、下浮动比例，计算各类用户各时段的电价：其中，ρj,t为第j类用户t时段的电价，为第j类用户的平均电价，αj为第j类用户峰时段电价的上浮比例，βj为第j类用户谷时段电价的下浮比例，tf、tp和tg分别为峰、平、谷时段，tf+tp+tg＝t，t为系统调度的时段数，t＝24h；步骤1-c，采用弹性矩阵模型模拟用户对电价的响应情况，需求响应模型为：其中，q0,j,t、q'j,t分别为第j类用户电价调整前、后t时段的用电量，ej,t,t、ej,t,h分别为第j类用户t时段的自弹性系数、交叉弹性系数，ρj,t、ρj,h分别为第j类用户t时段、h时段的电价，ρ0,j,t、ρ0,j,h分别为第j类用户电价调整前t时段、h时段的电价；各类用户电价调整前的电价等于其平均电价。步骤2，建立用户满意度模型，具体包括以下方面：从电费支出和用电方式两个方面来评价用户满意度。各类用户对电费支出的满意度可以表示为：其中，c0,j、c'j为实施分时电价前、后第j类用户的总电费支出，可表示为：第j类用户对用电方式的满意度可以表示为：同时考虑分时电价对需求侧电费支出和用电方式的影响，则第j类用户的满意度可表示为：mj＝γ1,jmc,j+γ2,jmf,j其中，γ1,j、γ2,j分别为第j类用户的电费支出满意度和用电方式满意度的权系数，γ1,j+γ2,j＝1。步骤3，建立以系统发电成本最小和用户满意度最大为目标的多目标优化模型，具体包括以下方面：步骤3-a，多目标优化的目标函数为：[minf1，maxf2]其中，f1为电网系统发电成本，f2为用户满意度。目标函数具体为：1)系统发电成本最小：其中，t为系统调度的时段数，n为机组数，pg,i,t为r时刻第i个机组的有功出力，f(pg,i,t)为r时刻第i个机组的运行成本函数，cs,i为第i个机组的启动成本，ui,r为r时刻第i个机组的启停状态，ui,r-1为r-1时刻第i个机组的启停状态。2)用户满意度最大：其中，ntype为电网系统中用户类数。步骤3-b，多目标优化模型的约束条件具体包括：峰谷电价比约束：其中，kmax、kmin分别为峰谷电价比的最大、最小值；电力公司让利约束：c'j≥kpc0,j，其中，kp为让利系数，kp＝1时表示电力公司不让利；功率平衡约束：其中，p'd,j,r为r时刻第j类用户的功率，p'd,j,r＝q'j,r/δr，δr为时间间隔，q'j,r为第j类用户电价调整后r时刻的用电量，pw,t为r时刻风电场的预测出力；网络安全约束：其中，pl,t为r时刻电网系统第l条线路的有功功率，为r时刻电网系统第l条线路的有功上限；旋转备用约束：其中，分别为第i个机组在r时刻的最大、最小可能出力，分别为第i个机组的上、下爬坡速率限值，pg,i分别为第i个机组出力的上、下限，为风电场出力上限，r0r为r时刻电网系统的备用需求，wu％、wd％分别为r时刻风电对电网系统正、负旋转备用的需求系数；机组出力约束：机组爬坡约束：机组最小启停时间约束：其中，ti为第i个机组前一状态的持续时间；tion、tioff分别为第i个机组的最小运行时间和最小停运时间。步骤4，采用优先顺序法与nsga-ii算法求解步骤3中的多目标优化模型，并根据最大满意度法选取求解得到的非支配解中的最优折中解，即得到最优分时电价，从而完成分时电价的联合优化，具体包括以下方面：步骤4-a，采用优先顺序法与nsga-ii算法求解步骤3中的多目标优化模型。将各类用户的电价浮动比例和机组各时刻的出力作为优化的决策变量。电价浮动比例的设置需满足峰谷电价比限制和电力公司让利约束，各时刻的机组出力安排需满足功率平衡约束、网络安全约束、旋转备用约束、机组出力限制、机组爬坡约束和最小启停时间约束，从而获得更可行的最优解。将优先顺序法与nsga-ii算法结合求解联合优化问题的具体步骤如下：步骤a，输入需求响应、机组组合和nsga-ii算法所需的数据(包括峰谷分时电价的时段划分、各类用户的价格弹性系数、各类用户的平均电价、各类用户的日前负荷预测数据、日前风电预测数据、机组参数、网络结构和参数，以及种群规模、进化代数、交叉和变异概率)。步骤b，种群初始化。根据步骤3-b中的约束条件对染色体内各决策变量赋初值，初始过程如下：步骤b-1，初始化电价浮动比例，根据需求响应模型求响应后的负荷。步骤b-2，根据优先顺序法，确定机组的开机顺序和机组的初始启停状态。步骤b-3，调整机组启停状态使其满足最小启停时间约束。停机时间小于最小停机时间时，令机组在该时段内开机；当开机时间小于最小开机时间时，延长开机时间。步骤b-4，初始化机组出力：计算各时段机组的最大、最小可能出力，在机组最大、最小可能出力范围内随机初始开机机组的出力。并根据功率平衡约束、旋转备用约束、机组出力约束、机组爬坡约束和最小启停时间约束对机组出力进行调整。当存在冗余机组时，需按停机顺序在开机机组中寻找可以停机的机组。当开机机组不足，难以满足负荷需求和系统备用时，则需按开机顺序在停机机组中寻找可以开机的机组，增加开机机组数。按时间顺序初始各时段机组的出力和启停状态。步骤b-5，将各决策变量的初值按编码顺序存入染色体中。采用实数编码的方式进行编码，则染色体的具体形式为：步骤c，综合评价函数值计算；采用可动态调整的罚函数法计及网络安全约束约束、计及约束条件惩罚函数的综合目标函数为：f(x,u)＝f(x,u)+h(w)·h(x,u)其中，f(x,u)为原始目标f1；x和u分别为控制变量和状态变量；w为当前进化代数，为动态调整系数，h(x,u)为惩罚函数，δpl,r为r时刻第l条线路的传输功率越限值，l为线路数；步骤d，快速非支配排序和拥挤距离计算。步骤e，选择、交叉和变异，得到子种群。在交叉过程中，选择优先顺序相同且开机机组相同的个体进行交叉。交叉和变异得到的个体需根据相关约束条件进行调整。步骤f，保留精英，得到下一次迭代的父代种群。步骤g，循环迭代至最大进化次数后结束。步骤4-b，利用最大满意度法选取上述算法求得的非支配解中的最优折中解。采用隶属度函数法求解每个非支配解的标准化满意度，标准化满意度最大的非支配解即为折中解。第k个非支配解的标准化满意度为：其中，δm,k为第k个非支配解对第m个优化目标的模糊满意度，m为优化目标的个数，k为非支配解的个数。采用偏小型满意度函数来δm,k：其中，δm,k等于0和1分别表示第k个非支配解对第m个优化目标完全不满意和完全满意；fm,k为第k个非支配解对应的第m个优化目标的函数值，fm,max、fm,min分别为第m个优化目标的最大、最小值。下面结合某24h负荷数据，以接入一个容量为600mw风电场的ieee39节点10机系统为具体实例，说明本发明所属模型和方法的可行性和有效性。将系统负荷分为极柔性工业负荷、较柔性工业负荷、商业负荷和居民负荷。极柔性工业负荷占整个工业负荷的70％。系统中各类用户的总负荷如表1所示。表1各时段的负荷数据(单位：mw)时段123456789101112工业216211194190211232253260270275284291商业556622637603702732752786908891901851居民247230206188173166181237269301322296时段131415161718192021222324工业298301310315320322320316310290282250商业796760734732817848963972897807638619居民266283311326309298273261251250240238各类负荷的平均电价和需求弹性系数如表2所示。表2平均电价和需求价格弹性系数峰谷分时电价的时段划分如表3所示。日前风电功率预测如图2所示。表3峰谷分时电价时段划分负荷情况时段峰8:00-12:00、17:00-21:00平12:00-17:00、21:00-24:00谷0:00-8:00对以下多个模式进行优化：模式1：只考虑发电侧利益，对各类用户实施相同的分时电价，电力公司允许让利3％；模式2：考虑源荷两侧的利益，对各类用户实施相同的分时电价，电力公司允许让利3％；模式3：考虑源荷两侧的利益，对各类用户实施不同的分时电价，电力公司允许让利3％；模式4：考虑源荷两侧的利益，对各类用户实施不同的分时电价，电力公司允许让利5％。采用优先顺序法与nsga-ii算法求解时，种群规模为500，最大进化代数为200，交叉概率为0.9，变异概率为0.1。各模式下得到的最优分时电价如表4所示。表4四种模式下的最优分时电价4种模式优化后的总负荷曲线如图3所示。从图中可以看出，模式2的负荷响应量最小，模式1的负荷响应量最大。对比模式1、2可知，考虑用户满意度后负荷响应量减少。对比模式2、3可知，对各类用户实施不同的分时电价，能够挖掘用户的响应潜力。模式4在模式3的基础上增加了供电公司让利，负荷响应量增大，用户的用电方式变化较大，但用户的电费支出降低，在一定程度上提高了用户响应的积极性，增强了削峰填谷的效果。图4-图7分别为4种模式下的机组有功出力计划。表5各模式下的发电成本及用户的整体满意度模式运行成本(￥)启动成本(￥)发电成本(￥)需求侧满意度1552319.3530800583119.353.732555666.0643600599266.063.893554639.3343600598239.333.844556708.6730800587508.673.84各模式下的发电成本和用户整体满意度如表5所示。从表中可以看出，模式1用户的整体满意度低于其他模式。模式2考虑用户满意度后，满意度提高，发电成本增加。模式3和模式4的发电成本均小于模式2，用户整体满意度均大于模式1，说明考虑负荷响应的差异性或增加电力公司让利均能降低发电成本，保证用户满意。综上所述，日前发电调度与日前峰谷分时电价联合优化方法能够均衡发电侧和需求侧利益，在降低发电成本的同时，提高用户满意度；通过针对各类负荷实施不同的分时电价，可以挖掘负荷的响应潜力；通过增加电力公司让利，可以提高用户响应的积极性，增强分时电价的实施效果。以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。当前第1页12