求解水光互补电站机组组合问题的嵌套优化方法

摘要

本发明提供一种求解水光互补电站机组组合问题的嵌套优化方法，其特征在于，包括：步骤一：预测光电出力过程，考虑预测的不确定性，生成多种光电出力情景，并计算每种情景对应的概率；步骤二：建立水光互补电站机组组合数学模型，确定该模型的目标函数、约束条件以及决策变量；水光互补电站机组组合数学模型的优化目标为多情景下水电机组平均耗水量最小，计算式为：

说明书

技术领域

本发明属于再生能源利用与水库调度的交叉领域，具体涉及一种求解水光互补电站机组组合问题的嵌套优化方法。

技术背景

太阳能光电是一种不可调度的可再生能源，其出力受昼夜交替、天气变化、云层厚度等因素的影响，具有明显的间歇性、波动性和随机性。大规模光电直接并网，会对系统的调峰和稳定运行带来极大压力。实施水光互补发电，将光电输送至水电站，利用水电机组的快速调节能力对光电进行补偿，将光电与水电一起打包上网，是促进光电消纳的一种有效途径。

然而，由于光电的强随机性，现有预测方法无法对其进行准确预测。当不确定的光电接入水电站后，水电调度决策也随之变得不确定，这使得水电站安全经济运行的困难进一步加大。水电机组组合问题是编制水电站短期发电计划首先要解决的问题。合理的开停机方案可进一步增加水电站的经济效益或节省运行成本。由于水电机组组合问题的复杂性，优化求解十分困难。尤其是对于大型水电站(机组台数多，装机容量大)，采用现有优化技术求解时，通常无法实现计算精度和效率的统一：如采用动态规划法可得到问题的全局最优解，但该方法会占用大量的计算内层，且无法有效处理时段耦合约束(如最小开停机约束)；采用智能算法可以处理时段耦合约束，但在优化变量较多时会陷入局部最优解，表现为早熟收敛。因此，研究水光互补电站机组组合问题的求解不仅可为其经济运行提供技术支撑，还可进一步丰富和拓展水电优化调度理论。

发明内容

本发明是为了解决水光互补电站安全经济运行问题而进行的，目的在于提供一种求解水光互补电站机组组合问题的嵌套优化方法。

本发明为了实现上述目的，采用了以下方案：

本发明提供一种求解水光互补电站机组组合问题的嵌套优化方法，其特征在于，包括以下步骤：步骤一：预测光电出力过程，考虑预测的不确定性，生成多种光电出力情景，并计算每种情景对应的概率；步骤二：建立水光互补电站机组组合数学模型，确定该模型的目标函数、约束条件以及决策变量；水光互补电站机组组合数学模型的优化目标为多情景下水电机组平均耗水量最小，计算式为：式中：F为水光互补电站在整个调度期内的平均耗水量；N为水电站机组台数；T为调度期时段数；S为光电出力情景数；n,t,s分别为机组、调度时段以及光电情景编号；u_n,t为机组开关机状态(0-1变量)；机组过机流量；Δt为调度时段长；步骤三：构造嵌套优化方法，外层采用智能算法(如遗传算法、布谷鸟算法)优化机组开机台数，内层在给定机组开机台数下，采用动态规划方法确定负荷最优分配策略。

本发明提供的求解水光互补电站机组组合问题的嵌套优化方法，还可以具有以下特征：在步骤一中：首先，采用数理统计方法或者物理方法预测次日的光电出力过程(P_t,t＝1,…,T)；其次，将预测的出力过程减去不同的预测误差(e₁,e₂,e₃)可以产生多种情景；最后，假定光电的预测误差服从正态分布N(μ,σ²)，利用离散概率分布代替连续概率分布，可计算每种情景所对应的概率(ρ₁,ρ₂,ρ₃)，计算公式为：

本发明提供的求解水光互补电站机组组合问题的嵌套优化方法，还可以具有以下特征：在步骤二中：式中：f_rph为水电机组动力特性曲线中机组过机流量、出力、水头三者的关系；f_vz为水位—库容关系；f_qz为下泄流量—尾水位关系；为第s种情景中第n台机组第t时段的出力；分别为第s种情景中第t时段净水头，坝前水位，尾水位以及水头损失；和为第s种情景中第t时段初和第t时段末水库库容。

本发明提供的求解水光互补电站机组组合问题的嵌套优化方法，还可以具有以下特征：步骤二中，模型考虑的约束条件有：水量平衡约束、库容约束、过机流量约束、机组出力约束、电力平衡约束、负荷备用约束、出力升降约束、最小开停机约束、振动区约束，式中：I_t为第t时段水库入库流量；为水库在第s种情景第t时段总发电流量；WP_t^s为水库第s种情景中第t时段的弃水流量；和分别为库容的下限和上限值；和分别为第n台机组第t时段发电流量的下限和上限值；和分别为机组出力的下限和上限值；P_t^s为第s种情景第t时段光电出力值；D_t为系统下达的总负荷；LR_t水电站第t时段的负荷备用值；Δp^d和Δp^u分别为水电站出力下降和上升速度的上限值；SU_n和SD_n水电机组开机和停机状态最低持续时间；su_n,t为机组启动过程指示状态(1为有启动，0为无启动)；sd_n,t为机组关机过程指示状态(1为有关闭，0为无关闭)；和分别为机组震动区的下限和上限值。

本发明提供的求解水光互补电站机组组合问题的嵌套优化方法，还可以具有以下特征：在步骤三中，考虑到现有大多数水电站由相同机组构成，将机组组合优化问题中确定机组开关机状态转化为确定机组开机台数，以实现降维。

本发明提供的求解水光互补电站机组组合问题的嵌套优化方法，还可以具有以下特征：在步骤三中，外层采用智能算法优化机组开机台数时，为了有效处理机组组合模型中的最小开停机约束同时实现降维，智能算法解的编码方式为：2≤m＜T，式中：为智能算法的解；m为根据在线机组台数将整个调度期划分的时段数；T为整个调度期内的时段数；x₁,x₂,…,x_m-1分别为整个调度期内机组开机台数发生改变前一时段的编号；分别为1～x₁,x₁+1～x₂,…,x_m-1+1～T时段内机组开机台数。

本发明提供的求解水光互补电站机组组合问题的嵌套优化方法，还可以具有以下特征：在步骤三中，内层采用动态规划进行负荷最优分配时，两阶段递推方程为：式中：为总负荷为在d台机组间分配的最优耗水量；f_rph(p_d,t,h_t)为负荷为p_d,t水头为h_t时第d台机组的耗水量；为总负荷为在d-1台机组间分配的最优耗水量。

本发明提供的求解水光互补电站机组组合问题的嵌套优化方法，还可以具有以下特征：在执行嵌套优化之前，预先采用动态规划法计算机组最优负荷分配策略，并将其存储在数据库之中；在执行嵌套优化时直接调用优化结果以提升寻优效率。

发明的作用与效果

本发明所提出的嵌套优化方法具有理论上的全局最优性，优化变量个数少，且能有效处理机组组合模型中的最小开停机约束。此外，优化模型中考虑了光电出力预测的不确定性，使得依据本发明所制订的调度方案可在光电预测不准的情况下依然实现水光互补电站的安全经济运行。

附图说明

图1为本发明实施例中的求解水光互补电站机组组合问题的嵌套优化方法的流程图；

图2为外层优化时智能算法的编码方式示意图。

具体实施方式

以下结合附图对本发明涉及的求解水光互补电站机组组合问题的嵌套优化方法的具体实施方案进行详细地说明。

<实施例>

如图1所示，本实施例所提供的求解水光互补电站机组组合问题的嵌套优化方法包括以下步骤：

1.预测光电出力过程；考虑预测的不确定性，生成多种光电出力情景，并计算每种情景对应的概率；

首先，采用数理统计方法或者物理方法预测次日的光电出力过程(P_t,t＝1,…,T)；

其次，将预测的出力过程减去不同的预测误差(e₁,e₂,e₃)可以产生多种情景。

最后，假定光电的预测误差服从正态分布N(μ,σ²)，利用离散概率分布代替连续概率分布，可计算每种情景所对应的概率(ρ₁,ρ₂,ρ₃)，计算公式如下：

2.建立水光互补电站机组组合数学模型，确定该模型的目标函数、约束条件以及决策变量。

模型的优化目标为：多情景下水电机组平均耗水量最小，计算式如下：

式中：f_rph为水电机组动力特性曲线中机组过机流量、出力、水头三者的关系；f_vz为水位—库容关系；f_qz为下泄流量—尾水位关系；为第s种情景中第n台机组第t时段的出力；分别为第s种情景中第t时段净水头，坝前水位，尾水位以及水头损失；和为第s种情景中第t时段初和第t时段末水库库容。

模型考虑的约束条件有：水量平衡约束、库容约束、过机流量约束、机组出力约束、电力平衡约束、负荷备用约束、出力升降约束、最小开停机约束、振动区约束。

式中：I_t为第t时段水库入库流量；为水库在第s种情景中第t时段总发电流量；WP_t^s为水库第s种情景中第t时段的弃水流量；和分别为库容的下限和上限值；和分别为第n台机组第t时段发电流量的下限和上限值；和分别为机组出力的下限和上限值；P_t^s为第s种情景第t时段光电出力值；D_t为系统下达的总负荷；LR_t水电站第t时段的负荷备用值；Δp^d和Δp^u分别为水电站出力下降和上升速度的上限值；SU_n和SD_n水电机组开机和停机状态最低持续时间；su_n,t为机组启动过程指示状态(1为有启动，0为无启动)；sd_n,t为机组关机过程指示状态(1为有关闭，0为无关闭)；和分别为机组震动区的下限和上限值。

上述模型输入为：系统下达的总负荷、水库入流以及不同的光电预测情景。

上述模型中须优化的变量为：机组的开关机状态、机组出力、机组过机流量以及水头。

3.构造嵌套优化方法，外层采用智能算法优化机组开机台数，内层在给定机组开机台数下，采用动态规划方法确定负荷最优分配策略。

考虑到现有大部分水电站由相同机组构成，上述模型中优化机组的开关机状态可以进一步转化为优化机组的开机台数。

由于最小开停机约束的存在，机组开机台数在连续相邻的几个时段须保持不变。如图2所示，优化整个调度期内机组开机台数可以进一步转化为优化机组开机台数发生改变的时刻以及机组开机台数。因此，智能算法解的编码方式可采用下式表示：

整个调度期内机组开机台数可通过如下解码方式得到：

式中：为智能算法的个体(解)；Y为整个调度期内决策变量集合；为智能算法的解；m为根据在线机组台数将整个调度期划分的时段数；T为整个调度期内的时段数；x₁,x₂,…,x_m-1分别为整个调度期内机组开机台数发生改变前一时段的编号；分别为1～x₁,x₁+1～x₂,…,x_m-1+1～T时段内机组开机台数。

在内层采用动态规划方法优化负荷分配策略时，由于动态规划的计算耗时较大，此部分计算可提前完成。即计算不同开机台数下，所有可能水头下负荷的最优分配策略(每台机组所承担的负荷和发电流量)。在进行嵌套优化时，直接调用相关计算结果即可。采用动态规划进行负荷最优分配时，两阶段递推方程为：

式中：为总负荷为在d台机组间分配的最优耗水量；f_rph(p_d,t,h_t)为负荷为p_d,t水头为h_t时第d台机组的耗水量；为总负荷为在d-1台机组间分配的最优耗水量。

以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的求解水光互补电站机组组合问题的嵌套优化方法并不仅仅限定于在以上实施例中所描述的内容，而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换，都在本发明的权利要求所要求保护的范围内。