一种风电并网的火电系统动态调度方法技术方案

本发明专利技术公开了一种风电并网的火电系统动态调度方法，步骤包括：步骤1、获得风电火电相关参数和有关信息；步骤2、产生初始可行调度集合；步骤3、对可行调度集合进行评价；步骤4、对可行调度序列进行更新；步骤5、对更新的调度序列进行可行性判断；步骤6、对新的可行调度集合进行评价；步骤7、迭代得到最优调度集合。本发明专利技术的方法，利用对风电厂风速的预测得到风电厂预计输出有功功率，结合基于反馈控制的群智能优化算法，实现对含风电厂的火电系统动态调度问题的求解，在满足运行约束和负载负荷的条件下，合理安排各时段各发电机组的有功功率输出，使得此周期内发电所需成本最小化。

【技术实现步骤摘要】

本专利技术属于工业控制
，涉及。
技术介绍
近年来，随着风电等机组容量的不断提升，风电占电网的比例逐年增加，但由于风的波动性和间歇性造成了风电机组的输出有功功率是不稳定的，但火电机组的输出有功功率则是稳定的，这样，在一个由火电机组和风电机组联网构成的电网中，大容量的风电接入会给整体电力系统的稳定性带来很大的影响，这就对火电系统的调度提出了更高的要求。因此在对风电厂出力进行短期的预测的前提下，如何实现火电系统的合理运行，调配各火电机组的出力是一个急需解决的问题，这不但能降低电力系统的运行成本、减少系统的备用容量，而且可以减轻风电对联网电网造成的不利影响，提高系统中风电的可装机比例。
技术实现思路
本专利技术的目的是提供，解决了现有技术中，由于大容量的风电接入带来的整个电网系统不稳定性，以及火电机组的出力合理调度过程中分配不理想，导致系统的运行效率低的问题。本专利技术所采用的技术方案是，，具体按照如下步骤实施步骤1、相关参数的设置和获取1.1)设置算法运行的相关参数设定最大迭代次数为i termax，Uermax为整数，迭代次数初始值iter = I ;学习因子设置为Cl、c2，cdP C2取为之间的自然数，!^、巧是之间的随机数；调度时段为h，h = 1，2，. . .，H，智能算法的群体规模数为M，M为大于I的整数；PID控制器的参数分别取比例增益Kp = -1，积分项系数Ti = itermax/20，微分项系数Td = O调节因子σ = I ;1.2)获得风电相关参数包括风电厂中的风力发电机数目为L，L为不小于I的整数；第I台风力发电机组的额定输出功率为Pk, 1=1，2,,...,1 ;风力发电机理论设计额定风速为νκ, 1；切入风速为Vci, I，切出风速为V。。, I ;1. 3)获得火电相关参数根据系统运行的需求，确定以下火电机组的已知参数机组数目为N，N为不小于I的整数；第i台火电机组的最小输出功率为Pimin和最大输出功率Pimax，i = 1，2，...，N，有功输出功率下降速率^idtwn和上升速率^iup;火电机组消耗燃料费用系数Pi, Yi，α” β” Yi分别表示第i台发电机组耗量特性的常数项、一次项系数和二次项系数，参数值由具体系统给出；阀点效应的常系数Ui, Hi，具体值根据机组数不同而各异，从具体系统中获得；确定计算电网有功功率网络损耗Pltjss的所需要的B系数Bii, B0i, B007Bii, B0i, Btltl*别是根据机组的性质得到；h时段火电机组的中的额定功率J I步骤2、产生初始的可行调度集合可行调度集合的产生分两步实现首先预测调度时段h的风力发电机组的有功功率；然后再产生火电机组的可行调度集合，具体过程为根据电力系统中风电机组的相关参数，第h时段内第I台发电机组的有功功率由下式来预测得到本文档来自技高网...

【技术保护点】
一种风电并网的火电系统动态调度方法，其特征在于，具体按照如下步骤实施：步骤1、相关参数的设置和获取1.1）设置算法运行的相关参数设定最大迭代次数为itermax，itermax为整数，迭代次数初始值iter＝1；学习因子设置为c1、c2，c1和c2取为[0,3]之间的自然数，r1、r2是[0,1]之间的随机数；调度时段为h，h＝1,2,...,H，智能算法的群体规模数为M，M为大于1的整数；PID控制器的参数分别取比例增益KP＝?1，积分项系数Ti＝itermax/20，微分项系数Td＝0，调节因子σ＝1；1.2）获得风电相关参数包括风电厂中的风力发电机数目为L，L为不小于1的整数；第l台风力发电机组的额定输出功率为PR，l，l=1,2,,...,L；风力发电机理论设计额定风速为vR，l，切入风速为vCI，l，切出风速为vCO，l；1.3）获得火电相关参数根据系统运行的需求，确定以下火电机组的已知参数：机组数目为N，N为不小于1的整数；第i台火电机组的最小输出功率为Pimin和最大输出功率Pimax，i＝1,2,...,N，有功输出功率下降速率ζidown和上升速率ζiup；火电机组消耗燃料费用系数αi,βi,γi，αi,βi,γi分别表示第i台发电机组耗量特性的常数项、一次项系数和二次项系数，参数值由具体系统给出；阀点效应的常系数μi,ηi，具体值根据机组数不同而各异，从具体系统中获得；确 定计算电网有功功率网络损耗Ploss的所需要的B系数Bii,B0i,B00，Bii,B0i,B00分别是根据机组的性质得到；h时段火电机组的中的额定功率步骤2、产生初始的可行调度集合可行调度集合的产生分两步实现：首先预测调度时段h的风力发电机组的有功功率；然后再产生火电机组的可行调度集合，具体过程为：根据电力系统中风电机组的相关参数，第h时段内第l台发电机组的有功功率由下式来预测得到：则h时段内所有风力发电机有功功率的输出预测值为在调度时段h，针对前N?1个火力发电机组，在各个机组的发电容量要求下，随机产生有功功率i＝1,2,...,N?1，并利用系统功率平衡约束求出第N个发电机组的有功功率若产生的满足爬坡率约束式：max{Pimin,Pih-1-ζidown}≤Pih≤min{Pimax,Pih-1+ζiup},则得到该时段的可行调度值为否则重新进行此过程生成满足约束条件的调度值；按照上述过程进行H次，就得到一个完整的可行调度序列；将上述过程进行M次，就得到了初始的可行调度集合；步骤3、对可行调度集合进行评价依据目标函数式：minf(Pih)=Σh=1HΣi=1N{αi+βi×Pih+γi×(Pih)2+|μisin[ηi(Pimin-Pih)]|}来评价调度的优劣，将步骤2得到的可行调度序列代入上述的目标函数式中，即获 得相应调度序列适应值，记录所有M个可行调度序列中的最优值；步骤4、对可行调度序列进行更新4.1）惯性权重的生成通过反馈控制结构生成惯性权重时，将每个可行调度序列作为反馈控制结构中的被控对象，每次迭代生成的可行调度序列的适应值作为反馈信息，实现过程如下：对每一个可行调度序列，用它第iter次迭代结果的适应值作为输出量Xiter，通过反馈通道得到反馈量其中ψ是当前所有可行调度适应值的均值，采用eiter＝1?Yiter作为PID控制器输入来产生新的惯性权重：将ωiter+1用来产生可行调度序列第iter+1次迭代结果，其中变量Yiter作为对当前可行调度序列所获得反馈信息的一种度量，若Yiter＜1，则表示当前可行调度在所有调度中可行度高；若Yiter＞1，则表示当前可行调度在所有调度中可行度低；4.2）对可行调度序列进行更新在第iter次迭代中，m=1,2,L,...,M，第m个可行调度序列的第i个机组在第h时刻的有功功率为有功功率的变化率为第m个可行调度前iter次迭代历史中最优经济效益时第i个机组在第h时刻有功功率为前iter次迭代中所有可行调度中获得最优经济效益时第i个机组在第h时刻的有功功率为则在迭代次数为iter+1时，第m个可行调度中第i个机组在第h时刻的有功功率参照下述的两个迭代公式而生成：Pmih(iter+1)=Pmih(iter)+Vmih(iter+1),Vmih(iter+1)=ωiter+1·Vmih(iter)+c1&Cente...

【技术特征摘要】
1. 一种风电并网的火电系统动态调度方法，其特征在于，具体按照如下步骤实施 步骤1、相关参数的设置和获取1.1)设置算法运行的相关参数 设定最大迭代次数为itermax，Uermax为整数，迭代次数初始值iter = I ;学习因子设置为CpC2, C1和C2取为[O, 3]之间的自然数,T1^r2是[O, I]之间的随机数；调度时段为h, h=I, 2,... ,H,智能算法的群体规模数为M, M为大于I的整数； PID控制器的参数分别取比例增益Kp = -1，积分项系数Ti = itermax/20，微分项系数Td=O,调节因子σ=1;1. 2)获得风电相关参数 包括风电厂中的风力发电机数目为L，L为不小于I的整数；第I台风力发电机组的额定输出功率为Pu，1=1, 2,,...,1 ;风力发电机理论设计额定风速为νκ, P切入风速为Vm1,切出风速为Vcal ；1.3)获得火电相关参数 根据系统运行的需求，确定以下火电机组的已知参数机组数目为N，N为不小于I的整数；第i台火电机组的最小输出功率为Pimin和最大输出功率Pimax，i = 1,2,..., N，有功输出功率下降速率i id。 和上升速率i iup ;火电机组消耗燃料费用系数α ...

【专利技术属性】
技术研发人员：吴亚丽，张瑾，方楚雄，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：