一种考虑需求效用的机组组合方法技术

本发明专利技术公开了一种考虑需求效用的机组组合方法，包括以下步骤：对机组组合构建目标函数，构建机组组合模型；对机组组合模型建立约束条件；根据约束条件对机组组合模型进行求解；得到各机组组合的总发电量和各用户总用电量；所述目标函数为：所有用户效用函数总和减去发电成本函数。

A unit commitment method considering demand utility

【技术实现步骤摘要】
一种考虑需求效用的机组组合方法
本公开属于电力系统机组组合
，具体涉及一种考虑需求效用的机组组合方法。
技术介绍
机组组合是电力系统运行决策中关键而核心的环节，其目的是在最小成本(包括准固定成本)为目标的引导下，制定日或周前的机组启停计划，重在配置研究周期内各时段的备用容量，并满足预期负荷及其波动的需要。机组组合在电力系统调度与控制中属于三次调节，其实是较长周期内非AGC机组发电计划的预决策，以及AGC机组调节能力与调节容量配置的决策等，关系后续(常态下)以AGC为核心的超前调度与控制策略(二次调节)，以及实时控制(一次调节)等两个环节的顺利执行。可见，机组组合是至关重要的。一直以来，机组组合决策主要在化石能源发电、可调节水电、核电等机组(主动电源)中进行，目前已有若干成熟的决策方法。然而，生态环境日益恶化和能源清洁化变革促使电力系统向绿色、低碳、环保和节能的智能化方向发展。在这种形势驱使下，常规化石能源发电处于减缓或遏制的态势，风光等可再生能源发电(被动电源)迅猛发展，抽水蓄能电站、电动汽车等具有主动行为的技术不断涌现(主动负荷)。其中，主动电源能够通过手动或自动改变自身发电位置，促进有功平衡实现；被动电源不能随意改变其发电的位置，否则将带来损失；而主动负荷在一定范围内能够改变自身发电或用电位置促进有功平衡，具有一定的主动性，但与主动电源相比，其主动性本质上来自电网，是间接性的主动。机组组合决策面临最大的困难就是被动量不确定性程度(被动电源与常规负荷)增强，使决策解对后续两个环节实施的有效性面临挑战。对此，国内外学者掀起了热烈的研究。针对在机组组合中应对强不确定性问题，国内外学者提出了依据随机规划，筛选并兼容可信场景集(概率可信度)的机组组合优化方法，以及以区间衡量不确定性的鲁棒机组组合决策方法。同时，也尝试将机组组合与主动负荷有机结合，论证了主动负荷提高电网消纳可再生能源发电能力的有效性。毫无疑问，在机组组合中考虑主动负荷是电网面临的问题，亟需解决。从目前的研究状况看，主动负荷的加入无疑提升了机组组合应对不确定性的能力，但主动负荷决策量仅参与期望的功率平衡约束，在研究周期内将其功率锁定，转而完全由主动电源承担备用，以集中应对常规负荷(预测精度高，接入规模大)和被动电源(预测精度低，接入规模相对较小)共同引起两类强不确定性的问题。这必然导致主动电源必须同时应对这两类不确定性，在主动电源主导地位逐渐削弱、被动电源迅猛发展的态势下，容易引起备用响应策略(AGC)的无效，出现切负荷、弃风光发电等现象。专利技术人发现，究其原因是主动负荷的作用在时变过程中不能尽职的发挥，从而不能有效应对强不确定性，未能实现与被动量的有效合作。
技术实现思路
本公开目的是为克服上述现有技术的不足，提供一种考虑需求效用的机组组合方法。本公开的专利技术目的是提出一种考虑需求效用的机组组合方法，为实现上述目的，本公开采用下述技术方案：一种考虑需求效用的机组组合方法，包括以下步骤：对机组组合构建目标函数，构建机组组合模型；对机组组合模型建立约束条件；根据约束条件对机组组合模型进行求解；得到各机组组合的总发电量和各用户总用电量；所述目标函数为：所有用户效用函数总和减去发电成本函数。作为进一步的技术方案，所述目标函数为：式中，-机组i在t时刻的启停状态，-用户j在时段t内的用电需求，Nd-用户数的集合，-表征用户j在时段t内需求偏好的参数，Ng-系统中机组数量的集合，-机组i在t时刻的出力，-机组t时刻的实际出力，-机组t时刻的最小出力，-机组t时刻的最大出力，-用户j在时段t内的实际用电需求，-用户j在时段t内的最大用电需求，-用户j在时段t内的最小用电需求。作为进一步的技术方案，所述约束条件包括全局约束和局部约束，其中全局约束为：式中，-机组i在时刻t的最大出力，Rt-时刻t的备用需求。作为进一步的技术方案，所述局部约束为：发电侧单机约束为：需求侧用户约束为：式中，-机组i在时刻t的最小出力，-机组i在t-1时刻的出力，-机组i的向下爬坡速率，-机组i的向上爬坡速率，-机组i最小开机时间，-机组i在t-1时刻的启停状态，-机组i最小停机时间，-机组i在t-1时刻已开机时间，-机组i在t-1时刻已停机时间，-用户j在时段t内的最小用电需求，-用户j在时段t内的最大用电需求。作为进一步的技术方案，对机组组合模型进行求解的过程为：由目标函数和约束条件获取拉格朗日函数；将目标函数进行解耦，分解为多个单个机组的目标函数；对单个机组的目标函数进行求解，得到各运行机组的总发电量和各用户的总用电量；协调供需双方的能量平衡，得到各机组组合的总发电量和各用户总用电量。作为进一步的技术方案，拉格朗日函数为：式中，λt-对偶乘子，μt-对偶乘子。作为进一步的技术方案，单个机组的目标函数为：作为进一步的技术方案，将单个机组的目标函数在各发电机之间和各用户之间进行解耦，得到的对应于每个发电机的子优化问题，采用动态规划法求解；得到的对应于每个用户的子优化问题，用直接法求解。作为进一步的技术方案，求解后得到各机组的发电计划，和相应用户的需求计划，分别传递给协调层得到全网发电计划和全网用户需求，判断机组组合问题是否收敛，不收敛则继续迭代直至收敛；迭代过程中，求解得到各运行机组的总发电量和各用户的总用电量。作为进一步的技术方案，各机组组合的总发电量和各用户总用电量的获得过程为：采用次梯度法调整拉格朗日乘子，集中协调供需双方的能量平衡，迭代更新拉格朗日乘子，直到得到最优解，得到此时各机组组合的总发电量和各用户总用电量。本公开的有益效果为：本公开的机组组合方法，提出机组组合中合作机制的概念，建立了协同的机组组合模型；主动负荷同时嵌置于期望有功平衡约束和备用约束中，有直接消除不确定性的能力，减轻主动电源协调的负担，体现协调中的合作；在提升接纳不确定性能力的基础上，避免机组频繁的启停。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。图1为本公开实施例1按机组、需求解耦拉格朗日算法框图；图2为本公开实施例1考虑需求效用的拉格朗日松弛算法流程图；图3为本公开实施例1是否考虑需求效用的出清价格图；图4为本公开实施例1是否考虑需求效用的需求结果图。具体实施方式应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的本文档来自技高网...

【技术保护点】
1.一种考虑需求效用的机组组合方法，其特征是，包括以下步骤：/n对机组组合构建目标函数，构建机组组合模型；/n对机组组合模型建立约束条件；/n根据约束条件对机组组合模型进行求解；/n得到各机组组合的总发电量和各用户总用电量；/n所述目标函数为：/n所有用户效用函数总和减去发电成本函数。/n

【技术特征摘要】
1.一种考虑需求效用的机组组合方法，其特征是，包括以下步骤：
对机组组合构建目标函数，构建机组组合模型；
对机组组合模型建立约束条件；
根据约束条件对机组组合模型进行求解；
得到各机组组合的总发电量和各用户总用电量；
所述目标函数为：
所有用户效用函数总和减去发电成本函数。


2.如权利要求1所述的考虑需求效用的机组组合方法，其特征是，所述目标函数为：



式中，-机组i在t时刻的启停状态，-用户j在时段t内的用电需求，Nd-用户数的集合，-表征用户j在时段t内需求偏好的参数，Ng-系统中机组数量的集合，-机组i在t时刻的出力，-机组t时刻的实际出力，-机组t时刻的最小出力，-机组t时刻的最大出力，-用户j在时段t内的实际用电需求，-用户j在时段t内的最大用电需求，-用户j在时段t内的最小用电需求。


3.如权利要求1所述的考虑需求效用的机组组合方法，其特征是，所述约束条件包括全局约束和局部约束，其中全局约束为：



式中，-机组i在时刻t的最大出力，Rt-时刻t的备用需求。


4.如权利要求3所述的考虑需求效用的机组组合方法，其特征是，所述局部约束为：
发电侧单机约束为：



需求侧用户约束为：
式中，-机组i在时刻t的最小出力，-机组i在t-1时刻的出力，-机组i的向下爬坡速率，-机组i的向上爬坡速率，-机组i最小开机时间，-机组i在t-1时刻的启停状态，-机组i最小停机时间，-机组i在t-1时刻已开机时间，-机组i在t-1时刻已停机时间，-用户j在时段t内的最小用电需求，-用户j在时段t内的最大...

【专利技术属性】
技术研发人员：张玉敏，王建东，徐波，吉兴全，张超，王伟琦，范文萱，张琳，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东;37