一种基于双层一致性算法的电力系统多目标优化调度方法与流程

本发明涉及电力系统经济调度
技术领域：
，具体涉及一种基于双层一致性算法的电力系统多目标优化调度方法。
背景技术：
经济调度作为电力系统运行中技术和经济优化的重要部分，旨在满足发电单元运行约束的前提下，通过优化分配负荷需求并合理安排发电计划使得系统总运行成本最小。电力系统经济调度本质上是资源配置问题，在满足用户侧负荷需求和供电质量的前提下，引导供给侧制定合理的产能方案，减少企业运行成本的同时保障系统安全稳定运行。经济调度解决方法总体上分为集中式和分布式，集中式算法要求系统控制中心与每一个发电单元进行信息交互，并收集所有需要的信息计算经济调度最优方案，最后通过发布调度指令安排所有发电单元安排出力计划。然而，集中式算法存在以下关键问题：首先系统控制中心需要较高的通信建设成本；其次巨大的计算和通信负担容易造成单点故障；此外集中式算法易受通信故障影响导致无法正常实现经济调度功能。相比于集中式算法，分布式算法要求发电单元获取邻居机组信息局部计算出力计划，分散了计算和通信负担避免单点故障，满足即插即用功能和适应拓扑变化，因此具有更好的鲁棒性和前瞻性。现有电力系统分布式经济调度文献以单目标优化为主研究，极少对结合企业多种实际需求情形下的多目标优化问题展开研究，其次此类文献在模型构建时绝大多数假设线路不产生传输损耗这种理想条件，忽视了传输损耗对系统供需平衡的重要影响，因而其产生的优化调度结果会导致：机组出力结果不能满足负荷的实际需求，影响用户侧的能源正常需求；系统功率平衡不能得到电网的有效保障，造成电网频率波动危及系统的安全稳定运行。综上所述，有必要针对电力系统经济调度发明一种新的优化调度方法——基于双层一致性算法的优化调度方法，以解决考虑线路传输损耗的电力系统多目标优化调度问题，同时达到优化机组出力和保障系统安全、稳定、经济运行的目的。技术实现要素：本发明的目的是为了解决上述电力系统经济调度中存在的关键问题，提出一种基于双层一致性算法的电力系统多目标优化调度方法，其内容包括如下步骤：步骤1：建立电力系统多目标优化调度模型，包括目标函数、等式约束条件和不等式约束条件；步骤1.1：建立电力系统多目标优化调度模型的目标函数：假设系统包含发电机总数为n编号i＝1,2,3...n，pi为第i个发电机的输出功率，系统分别以发电成本最小和污染气体排放量最小为目标函数，具体描述如下：其中，fc和fe分别为系统发电成本和系统污染气体排放量，和分别为第i个发电机的发电成本和污染气体排放量，具体描述如下：其中，ai、bi和ci为的参数，αi、βi、γi、δi和θi为的参数；采用线性加权和法将多目标优化问题转化为单目标优化问题，则使得系统综合期望最小的目标函数具体描述如下：其中，ft为系统综合期望，为单独考虑系统发电成本的求解最小值，为单独考虑系统污染气体排放量的求解最小值，将各目标函数除以其最小值即对目标函数进行无量纲化处理，ω1和ω2分别为fc和fe的加权系数，体现决策者对目标函数的偏好程度，具体描述如下：ω1+ω2＝1∩0≤ω1,ω2≤1(5)步骤1.2：确立电力系统多目标优化调度模型的等式约束条件：其中，δp为系统功率偏差，pd为系统负荷需求，pl为系统传输损耗，其中pl由下式计算得到：其中，bij为损耗系数矩阵b中第i行j列对应的元素，b0i为损耗系数矩阵b0中的第i项，b00为损耗系数；步骤1.3：确立电力系统多目标优化调度模型的不等式约束条件：其中：和分别为第i个发电机的出力上限和下限；步骤2：寻找上述电力系统优化调度问题最优条件：采用lagrange函数法分析步骤1中公式(1)和(6)、(2)和(6)、(4)和(6)，上述电力系统优化调度问题转换为如下优化调度问题：其中，lc为单独考虑系统发电成本的lagrange函数，le为单独考虑系统污染气体排放量的lagrange函数，lt为考虑系统综合期望的lagrange函数，λc、λe和λt分别为lc、le和lt的lagrange乘子；考虑线路传输损耗和机组出力约束，将公式(9)、(10)和(11)分别对pi求偏导数可得使系统目标最优的kuhn-tucher条件如下：其中，pfi为第i个发电机的惩罚因子，由下式计算得到：步骤3：设计双层一致性算法求解优化调度问题，找到满足约束条件下各发电机的最优出力，从而计算电力系统多目标优化调度下的综合期望最小值；步骤3.1：输入电力系统相关参数，包括发电机发电成本参数ai、bi和ci，污染气体排放量参数αi、βi、γi、δi和θi，线路损耗系数bij、b0i和b00，发电机出力约束参数和系统负荷需求参数pd；步骤3.2：设置迭代次数k＝0,1,2...，当k＝0时，初始化设置各发电机的出力并使其满足如下公式：其中，和分别为求解公式(9)、(10)和(11)三种优化问题下对应的发电机输出功率值；步骤3.3：根据公式(17)和(18)分别计算系统传输损耗和各发电机的惩罚因子：步骤3.4：根据公式(19)计算各发电机节点外层一致性变量和其中，设置和为领导者节点，其余和为跟随者节点；步骤3.5：根据如下协议更新各发电机节点外层一致性变量和其中，ε1和ε2均为收敛因子且ε1,ε2∈(0,-1)，qij为梅特罗波利斯加权矩阵(metropolisweightmatrix)q中第i行j列对应的元素，其中矩阵q由发电机组通信拓扑图决定，具体描述如下：其中，di和dj分别为节点i和节点j的度，ni为节点i的邻居节点集合；步骤3.6：通过外层一致性变量计算各发电机的输出功率和步骤3.7：根据公式(25)计算系统功率偏差δpc[k+1]和δpe[k+1]：步骤3.8：判断功率偏差是否满足收敛条件：若不满足，将k＝k+1返回步骤3.3计算系统传输损耗和各发电机的惩罚因子；否则输出最优解和并采用公式(1)和(2)分别计算系统发电成本最小值和系统污染气体排放量最小值外层一致性算法结束；其中收敛条件可设置如下：|δpc[k+1]|≤μ1∩|δpe[k+1]|≤μ2(26)其中，μ1和μ2为一非常小正实数；步骤3.9：根据公式(27)和(28)分别计算系统传输损耗和各发电机的惩罚因子：步骤3.10：根据公式(29)计算各发电机节点内层一致性变量其中，设置为领导者节点，其余为跟随者节点；步骤3.11：根据如下协议更新各发电机节点内层一致性变量其中，ε3为收敛因子且ε3∈(0,-1)，元素qij同上所述；步骤3.12：通过内层一致性变量计算各发电机的输出功率步骤3.13：根据公式(32)计算系统功率偏差δpt[k+1]：步骤3.14：判断功率偏差是否满足收敛条件：若不满足，将k＝k+1返回步骤3.9计算系统传输损耗和各发电机的惩罚因子；否则输出最优解并采用公式(4)计算系统综合期望最小值内层一致性算法结束；其中收敛条件可设置如下：|δpt[k+1]|≤μ3(33)其中，μ3为一非常小正实数。分布式一致性算法被广泛应用于多智能体系统(multi-agentsystems)，而近年来多智能体系统成为当前系统科学的一个热点研究领域：一方面，多智能体系统为复杂系统的建摸和分析提供了理论研究手段；另一方面，多智能体系统具有广阔的工程应用背景。有益技术效果：1、本发明中电力系统多目标优化调度模型考虑了传输损耗对系统供需平衡和机组出力优化的重要影响，并且能够实现对传输损耗的实时计算；2、本发明中电力系统多目标优化调度模型综合考虑了系统发电成本和污染气体排放量两类指标，所建模型具有较高代表性和延伸性；3、本发明中电力系统多目标优化调度模型采用线性加权和法将多目标优化问题转化为单目标优化问题，供给侧可以依据企业诉求通过调节加权系数更好地满足自身利益；4、本发明中电力系统分布式调度方法实现了电能的优化配置，引导供给侧制定合理的产能方案。在计及传输损耗的前提下，满足用户负荷需求的同时提高企业经济效益和社会环保效益；5、本发明中双层一致性算法仅仅需要相邻发电机节点信息实现分布式计算，对通信依赖程度很低且有效保护了企业和用户隐私，并能够实现机组即插即用功能和有效应对网络拓扑变化情形；6、本发明中双层一致性算法具备“三调”功能：外层一致性算法解决了考虑传输损耗的电力系统分布式经济优化调度和分布式环境优化调度，内层一致性算法解决了考虑传输损耗的电力系统分布式综合目标优化调度。附图说明图1为本发明实施例的电力系统多目标优化调度方法流程图；图2为本发明实施例的发电机组通信拓扑图；图3为本发明实施例的双层一致性算法流程图；图4为本发明算例考虑系统发电成本的一致性变量变化图；图5为本发明算例考虑系统发电成本的机组出力变化图；图6为本发明算例考虑系统污染气体排放量的一致性变量变化图；图7为本发明算例考虑系统污染气体排放量的机组出力变化图；图8为本发明算例考虑系统综合期望的一致性变量变化图；图9为本发明算例考虑系统综合期望的机组出力变化图。具体实施方式下面结合附图和具体实施例对本发明做进一步说明，如图1所示，一种基于双层一致性算法的电力系统多目标优化调度方法包括如下流程：步骤1：建立电力系统多目标优化调度模型，包括目标函数、等式约束条件和不等式约束条件；步骤1.1：建立电力系统多目标优化调度模型的目标函数：如图2所示，假设系统包含发电机总数为6编号i＝1,2...6，pi为第i个发电机的输出功率，系统分别以发电成本最小和污染气体排放量最小为目标函数，具体描述如下：其中，fc和fe分别为系统发电成本和系统污染气体排放量，和分别为第i个发电机的发电成本和污染气体排放量，具体描述如下：其中，ai、bi和ci为的参数，αi、βi、γi、δi和θi为的参数；本实施例中，发电机组相关参数取值见表1所示：表1发电机组相关参数机组abcαβγδθpminpmax1252.00.0160.041-0.0281.298×10-32×10-40.02910752401.90.0100.025-0.0301.128×10-35×10-40.033201003601.80.0060.043-0.0259.172×10-41×10-60.080201254802.00.0040.053-0.0186.760×10-42×10-30.0202515051002.10.0030.032-0.0271.136×10-36×10-40.0413017561202.00.0020.039-0.0231.216×10-31×10-40.03740250采用线性加权和法将多目标优化问题转化为单目标优化问题，则使得系统综合期望最优的目标函数具体描述如下：其中，ft为系统综合期望，为单独考虑系统发电成本的求解最小值，为单独考虑系统污染气体排放量的求解最小值，将各目标函数除以其最小值即对目标函数进行无量纲化处理，ω1和ω2分别为fc和fe的加权系数，体现决策者对目标函数的偏好程度，具体描述如下：ω1+ω2＝1∩0≤ω1,ω2≤1(5)本实施例中，ω1和ω2分别取值为0.7和0.3；步骤1.2：确立电力系统多目标优化调度模型的等式约束条件：其中，δp为系统功率偏差，pd为系统负荷需求，pl为系统传输损耗，其中pl由下式计算得到：其中，bij为损耗系数矩阵b中第i行j列对应的元素，b0i为损耗系数矩阵b0中的第i项，b00为损耗系数；本实施例中，系统负荷需求pd＝500mw，线路损耗系数取值如下：b0i＝[0.00270.00600.00170.00090.00020.0030]×10-2b00＝0.00098573×10-2步骤1.3：确立电力系统多目标优化调度模型的不等式约束条件：其中：和分别为第i个发电机的出力上限和下限；步骤2：寻找上述电力系统优化调度问题最优条件：采用lagrange函数法分析步骤1中公式(1)和(6)、(2)和(6)、(4)和(6)，上述电力系统优化调度问题转换为如下优化调度问题：其中，lc为单独考虑系统发电成本的lagrange函数，le为单独考虑系统污染气体排放量的lagrange函数，lt为考虑系统综合期望的lagrange函数，λc、λe和λt分别为lc、le和lt的lagrange乘子；考虑线路传输损耗和机组出力约束，将公式(9)、(10)和(11)分别对pi求偏导数可得使系统目标最优的kuhn-tucher条件如下：其中，pfi为第i个发电机的惩罚因子，由下式计算得到：步骤3：设计双层一致性算法求解优化调度问题，找到满足约束条件下各发电机的最优出力，从而计算电力系统多目标优化调度下的综合期望最小值，算法流程如图3所示；步骤3.1：输入电力系统相关参数，包括发电机发电成本参数ai、bi和ci，污染气体排放量参数αi、βi、γi、δi和θi，线路损耗系数bij、b0i和b00，发电机出力约束参数和系统负荷需求参数pd；步骤3.2：设置迭代次数k＝0,1,2...，当k＝0时，初始化设置各发电机的出力并使其满足如下公式：其中，和分别为求解公式(9)、(10)和(11)三种优化问题下对应的发电机输出功率值；本实施例中，三种优化问题下对应机组的出力初始值取值如下(单位：mw)：步骤3.3：根据公式(17)和(18)分别计算系统传输损耗和各发电机的惩罚因子：步骤3.4：根据公式(19)计算各发电机节点外层一致性变量和其中，设置和为领导者节点，其余和为跟随者节点；步骤3.5：根据如下协议更新各发电机节点外层一致性变量其中，ε1和ε2均为收敛因子且ε1,ε2∈(0,-1)，qij为梅特罗波利斯加权矩阵(metropolisweightmatrix)q中第i行j列对应的元素，其中矩阵q由发电机组通信拓扑图决定，具体描述如下：其中，di和dj分别为节点i和节点j的度，ni为节点i的邻居节点集合；本实施例中，ε1和ε2取值均为-0.001，由发电机组通信拓扑图决定的矩阵q如下所示：步骤3.6：通过外层一致性变量计算各发电机的输出功率和步骤3.7：根据公式(25)计算系统功率偏差δpc[k+1]和δpe[k+1]：步骤3.8：判断功率偏差是否满足收敛条件：若不满足，将k＝k+1返回步骤3.3计算系统传输损耗和各发电机的惩罚因子；否则输出最优解和并采用公式(1)和(2)分别计算系统发电成本最小值和系统污染气体排放量最小值外层一致性算法结束；其中收敛条件可设置如下：|δpc[k+1]|≤μ1∩|δpe[k+1]|≤μ2(26)其中，μ1和μ2为一非常小正实数；本实施例中，μ1和μ2取值均为0.001；步骤3.9：根据公式(27)和(28)分别计算系统传输损耗和各发电机的惩罚因子：步骤3.10：根据公式(29)计算各发电机节点内层一致性变量其中，设置为领导者节点，其余为跟随者节点；步骤3.11：根据如下协议更新各发电机节点内层一致性变量其中，ε3为收敛因子且ε3∈(0,-1)，元素qij同上所述；本实施例中，ε3取值为-0.001；步骤3.12：通过内层一致性变量计算各发电机的输出功率步骤3.13：根据公式(32)计算系统功率偏差δpt[k+1]：步骤3.14：判断功率偏差是否满足收敛条件：若不满足，将k＝k+1返回步骤3.9计算系统传输损耗和各发电机的惩罚因子；否则输出最优解并采用公式(4)计算系统综合期望最小值内层一致性算法结束；其中收敛条件可设置如下：|δpt[k+1]|≤μ3(33)其中，μ3为一非常小正实数；本实施例中，μ3取值为0.001。为说明所提求解算法的有效性，本实施例通过以下算例进行验证，仿真平台采用matlab运行实现，算例仿真结果见表2所示：表2算例仿真结果(功率单位：mw)本发明算例的双层一致性算法，当系统仅考虑发电成本和仅考虑污染气体排放量时，各机组外层一致性变量按照外层一致性算法迭代收敛，并依据外层一致性变量计算得到满足约束条件的机组最优出力，从而计算得到系统最小发电成本和最小污染气体排放量仿真波形如图4、图5、图6、图7所示；当系统考虑综合期望时，各机组内层一致性变量按照内层一致性算法迭代收敛，并依据内层一致性变量计算得到满足约束条件的机组最优出力，从而计算得到系统最小综合期望仿真波形如图8、图9所示。由上述具体实施例我们可以得出以下结论：(1)调度模型中整合了系统发电成本和污染气体排放量，并采用线性加权和法将多目标优化问题转化为单目标优化问题，供给侧可以依据企业诉求通过调节加权系数更好地满足自身利益；(2)调度模型中计及了线路传输损耗，并考虑了运行约束条件，由此得到的优化调度出力结果不仅能够满足用户实际负荷需求，还能保障系统的安全稳定运行，因而更加具有实际意义；(3)求解算法很好地实现了分布式经济调度功能，迭代计算仅仅需要相邻发电机节点信息，因此对通信依赖程度很低且有效保护了企业和用户隐私，并具有很快的收敛速度和很好的收敛结果。以上结合附图所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利书确定的保护范围内。当前第1页12