System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于用户偏好的多目标有功超前调度优化方法及系统技术方案_技高网

一种基于用户偏好的多目标有功超前调度优化方法及系统技术方案

技术编号:43990087 阅读:2 留言:0更新日期:2025-01-10 20:11
本发明专利技术公开了一种基于用户偏好的多目标有功超前调度优化方法及系统,涉及电力系统调度技术领域,包括对电力系统的预测数据进行预处理,建立包含用户偏好的多目标有功超前调度优化模型;采用多目标粒子群优化算法对简化的调度模型进行全局搜索,获取初步的调度方案,对调度方案进行修正,生成符合实际约束条件的准确调度解;根据优化后的调度模型输出结果,结合用户设定的偏好,校验结果的可行性和优越性。本发明专利技术所述方法建立包含用户偏好的多目标有功超前调度优化模型,通过设定用户决策清单,加入偏好约束,有效提升了调度方案的精度和适应性,通过优化结果的输出和用户偏好的校验,在多目标优化的框架下,增强了方案的应用性和灵活性。

【技术实现步骤摘要】

本专利技术涉及电力系统调度,具体为一种基于用户偏好的多目标有功超前调度优化方法及系统


技术介绍

1、随着智能电网技术的发展及电力市场运营的完善,电力系统调度中的多目标优化问题得到了广泛关注,传统的经济调度主要关注运行成本的最小化,但随着环境保护和可再生能源利用的需求增加,多目标优化模型开始被引入电力系统调度中,这些模型不仅需要综合考虑经济效益,还需兼顾环境效益、电能质量以及系统的可靠性和稳定性,尤其在高比例可再生能源接入的背景下,如何有效地调度风电、光伏等不确定性资源成为研究的热点,此外,随着计算能力的提升和优化算法的进步,基于多目标进化算法(如mopso、nsga-ii)等智能优化方法在电力系统调度中的应用逐渐增多,这些方法因其较强的全局搜索能力和多样性求解特性,在高维非线性复杂系统中表现出显著的优势。

2、然而,现有的多目标优化技术在应对复杂非线性约束时存在不足,传统优化方法虽然在简化模型下可以快速求解,但忽略了网络传输能力和动态调节需求,这使得求出的调度方案在实际运行中无法完全满足系统安全性和稳定性的要求,此外,这些方法在处理用户偏好时灵活性不足,难以动态调整优化目标和约束条件,导致难以同时满足用户需求和系统约束。


技术实现思路

1、鉴于上述存在的问题,提出了本专利技术。

2、因此,本专利技术解决的技术问题是:现有的电力系统调度方法存在处理复杂非线性约束能力不足、无法动态调整优化目标和约束、难以同时满足用户需求和系统安全性要求的问题,以及如何在高比例可再生能源接入的情况下,提升系统调节能力和运行效率的问题。

3、为解决上述技术问题,本专利技术提供如下技术方案:一种基于用户偏好的多目标有功超前调度优化方法,包括对电力系统的预测数据进行预处理,建立包含用户偏好的多目标有功超前调度优化模型;采用多目标粒子群优化算法对简化的调度模型进行全局搜索,获取初步的调度方案,对调度方案进行修正,生成符合实际约束条件的准确调度解;根据优化后的调度模型输出结果,结合用户设定的偏好,校验结果的可行性和优越性。

4、作为本专利技术所述的基于用户偏好的多目标有功超前调度优化方法的一种优选方案,其中:所述预处理包括采集电力系统的负荷预测数据、可再生能源的预测数据以及运行工况,处理数据中的缺失值、异常值以及不一致的数据,根据不同数据类型,采用填充、均值替换、删除的清洗规则。

5、作为本专利技术所述的基于用户偏好的多目标有功超前调度优化方法的一种优选方案,其中:所述建立包含用户偏好的多目标有功超前调度优化模型包括构建基于弃风量最小的最大接纳调度模型的目标函数;常规机组运行成本目标函数minf1(pa,pna,pw,α)表示为:

6、

7、其中,na、nna分别是agc机组、非agc机组的数量,总数量为ng,是agc机组和非agc机组实际出力之和,是agc机组i在t时刻的出力基准值,α是机组的功率分配因子,t是调度时段,常规机组污染物排放量目标函数minf2(pa,pna,α)表示为:

8、

9、其中,是agc机组和非agc机组在t时刻的实际出力,di、ei、γi是恒定系数;常规机组运行成本目标函数minf1(pa,pna,pw,α)将计划发电量的燃料成本与agc调节成本之和作为运行成本,风电接纳比例目标函数minf3(pw)表示为:

10、

11、其中,是时段t内风电场k实际接入系统的功率,是时段t内风电场k的输出功率预测值,nw是风电场的数量;通过设定用户决策清单加入偏好约束,表示为:

12、

13、其中,fi(u,x)表示第i个目标函数,偏好区间为是第i个目标函数的下边界值,表示用户接受的最低标准,是第i个目标函数的上边界值,表示用户接受的最高标准,模型同时优化agc机组的出力基值及功率分配因子,使agc机组之间相互协调。

14、作为本专利技术所述的基于用户偏好的多目标有功超前调度优化方法的一种优选方案,其中:所述进行全局搜索包括采用基于共识的多目标粒子群算法求解,初步挑选出目标空间中均匀分布的代表性粒子。

15、作为本专利技术所述的基于用户偏好的多目标有功超前调度优化方法的一种优选方案,其中:所述约束条件包括用直流潮流方程及热极限约束代替原有约束,求解简化调度模型,将得到的最优调度方案作为简化调度解,简化调度模型表示为:

16、min[f1(pa,pna,pw,α),f2(pa,pna,pw,α),f3(pa,pna,pw,α)]

17、dc潮流方程表示为:

18、bbusθ+pbus,shift+pd+gsh-cgpg-cwpw=0

19、其中,bbus为电力系统中母线的导纳矩阵,θ为母线的相角向量,pbus,shift为母线功率修正量,pd为系统的负荷功率向量,gsh为支路对母线的注入功率,cgpg为发电机注入功率,cwpw为风电场注入功率,热极限约束表示为:

20、hf(θ)=bfθ+pf,shift≤fmax

21、ht(θ)=bfθ-pf,shift≤fmax

22、其中,hf(θ)、ht(θ)分别表示正向和反向潮流的热极限约束函数,bf为支路的导纳矩阵,fmax为支路的热极限值,系统旋转备用容量约束表示为:

23、

24、其中,rui,t为第i个机组在时段t的旋转备用容量,r*为系统要求的最小旋转备用容量,agc机组出力、爬坡约束表示为:

25、

26、其中,为第i个agc机组的最小出力,第i个agc机组的最大出力,δptw为风电出力的预测值和实际值的总偏差,为第i个agc机组在时段t-1时的实际出力,为第i个agc机组的下调速率,δt为时间间隔,为第i个agc机组的上调速率,qa、分别为第i个agc机组的无功功率出力下限和上限,为第i个agc机组的无功功率出力;非agc机组出力、爬坡约束表示为:

27、

28、其中,为第j个非agc机组的最小出力,第j个非agc机组的最大出力,为第j个非agc机组在时段t-1时的实际出力,为第j个非agc机组的下调速率,为第j个非agc机组的上调速率,qna、分别为第j个非agc机组的无功功率出力下限和上限,为第j个非agc机组的无功功率出力;agc功率平衡调节表示为:

29、

30、其中,ζk为调节功率,风电场调度功率约束表示为:

31、

32、其中,为风电场最大允许功率,为风电场预测输出功率,为第k个风电场在时段t的初始预测功率,风电出力不确定集合表示为:

33、

34、其中,sr是可再生能源出力的不确定集合;将upe方法嵌入智能优化方法的进化过程中,对不在可行区域内的个体进行约束修正。

35、作为本专利技术所述的基于用户偏好的多目标有功超前调度优化方法的一种优选方案,其中:所述准确调度解包括运行人员本文档来自技高网...

【技术保护点】

1.一种基于用户偏好的多目标有功超前调度优化方法,其特征在于,包括:

2.如权利要求1所述的基于用户偏好的多目标有功超前调度优化方法,其特征在于:所述预处理包括采集电力系统的负荷预测数据、可再生能源的预测数据以及运行工况,处理数据中的缺失值、异常值以及不一致的数据,根据不同数据类型,采用填充、均值替换、删除的清洗规则。

3.如权利要求2所述的基于用户偏好的多目标有功超前调度优化方法,其特征在于:所述建立包含用户偏好的多目标有功超前调度优化模型包括构建基于弃风量最小的最大接纳调度模型的目标函数;

4.如权利要求3所述的基于用户偏好的多目标有功超前调度优化方法,其特征在于:所述进行全局搜索包括采用基于共识的多目标粒子群算法求解,初步挑选出目标空间中均匀分布的代表性粒子。

5.如权利要求4所述的基于用户偏好的多目标有功超前调度优化方法,其特征在于:所述约束条件包括用直流潮流方程及热极限约束代替原有约束,求解简化调度模型,将得到的最优调度方案作为简化调度解,简化调度模型表示为:

6.如权利要求5所述的基于用户偏好的多目标有功超前调度优化方法,其特征在于:所述准确调度解包括运行人员在第一阶段得到的帕累托最优解集中选择一个解作为初始点x0,并基于x0的目标函数值设定用户决策清单;

7.如权利要求6所述的基于用户偏好的多目标有功超前调度优化方法,其特征在于:所述准确调度解还包括当用户对问题本身的偏好不明确,导致无法设定决策清单时,基于可行解,将每个目标函数值降低5%作为目标决策清单。

8.一种采用如权利要求1~7任一所述的基于用户偏好的多目标有功超前调度优化方法的系统,其特征在于:包括数据处理模块,方案调整模块,校验模块;

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于用户偏好的多目标有功超前调度优化方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于用户偏好的多目标有功超前调度优化方法的步骤。

...

【技术特征摘要】

1.一种基于用户偏好的多目标有功超前调度优化方法,其特征在于,包括:

2.如权利要求1所述的基于用户偏好的多目标有功超前调度优化方法,其特征在于:所述预处理包括采集电力系统的负荷预测数据、可再生能源的预测数据以及运行工况,处理数据中的缺失值、异常值以及不一致的数据,根据不同数据类型,采用填充、均值替换、删除的清洗规则。

3.如权利要求2所述的基于用户偏好的多目标有功超前调度优化方法,其特征在于:所述建立包含用户偏好的多目标有功超前调度优化模型包括构建基于弃风量最小的最大接纳调度模型的目标函数;

4.如权利要求3所述的基于用户偏好的多目标有功超前调度优化方法,其特征在于:所述进行全局搜索包括采用基于共识的多目标粒子群算法求解,初步挑选出目标空间中均匀分布的代表性粒子。

5.如权利要求4所述的基于用户偏好的多目标有功超前调度优化方法,其特征在于:所述约束条件包括用直流潮流方程及热极限约束代替原有约束,求解简化调度模型,将得到的最优调度方案作为简化调度解,简化调度模型表示为:

6.如权利...

【专利技术属性】
技术研发人员:赵倩苏祥瑞姜有泉姚文峰田年杰程兰芬李腾木张嘉宸禤培正代江
申请(专利权)人:贵州电网有限责任公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1