小时级月度发购电计划的优化模型与算法分析

《小时级月度发购电计划的优化模型与算法分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、----中文摘要摘要发电计划是电网经济优化调度的重要组成部分，其中月度发购电计划能在较长时间跨度内宏观反映系统的经济性和安全性，其合理制定对电力公司经济运行具有重大意义。在区域共同市场开放的背景下，电网公司可以寻求更为经济的外购电单位，但可能加重参与月度跨省购电省级电网系统的调峰问题和网络安全问题，因此协调电网经济性与安全性的同时如何进行广域优化配置为月度发购电计划的制定提出了挑战。而传统月度购电计划和发电计划相分离，或只考虑了极端负荷下的网络安全约束，都无法满足上述要求，需要利用中长期电力生产的精细化模拟来解决，此外其优化模型的高维度也会给求解

2、带来一定的难度。因此本文对小时级月度发购电计划优化模型的建立和求解方法展开了研究，具体研究内容如下：①针对外购电功率的输入可能会给本网带来调峰困难以及本网与网外间潮流断面的传输功率越限等安全问题，本文建立了计及网外市场的小时级月度发购电计划优化模型，该模型在传统月度发购电计划优化模型的基础上重点考虑了网内外购电模式的差异，并以小时级的时序功率平衡为基础，同时计及了机组启停/升降爬坡速率、小时级的网络安全约束、系统上下旋转备用容量约束等，在制定网内外购电计划的同时将其精细化地分解到考虑了系统调峰要求和网络安全要求的小时级发电计划中，确保电力公司月度

3、发购电计划的可行性。②针对上述模型具有的大规模、含混合变量特征给求解带来难度的问题，本文对该模型的规模、耦合性和子优化模型的构造进行了分析。在此基础上结合免疫遗传算法易于处理各类变量和约束以及拉格朗日松弛法组合分解的优点，提出含分解协调寻优策略的混合智能算法：首先采用含启发式调整策略的免疫遗传算法对原问题进行多代的全局搜索，并得到含原问题可行解的抗体种群；然后采用基于拉格朗日松弛法的分解协调算法，按时段解耦方式求解最优可行解中机组启停和外购电功率已定下的网内机组月度发购电计划单时段子优化模型，并将优化结果返回至免疫遗传算法。通过两个算法的交替迭代

4、，保证抗体多样性和群体收敛性的同时，提高连续变量局部寻优效率，并结合时段分解协调降低问题的求解难度，以此有效提高算法的搜索效率和计算精度。③针对IEEE57、IEEE118节点测试系统和某省级电网实际系统，利用本文所提小时级月度发购电计划优化模型及其含分解协调寻优策略的混合智能算法进行了仿真分析，仿真结果验证了本文所提模型的实用性和算法的有效性。关键词：区域共同市场，月度发购电计划，免疫遗传算法，拉格朗日松弛法---I---重庆大学硕士学位论文---II---英文摘要ABSTRACTPowergenerationschedulingisanimp

5、ortantpartofthegrideconomicoptimizationdispatch.Thereintomonthlygenerationandpurchaseschedulingcanmacroscopicallyreflecttheeconomyandsecurityofpowersysteminalongperiod,sothereasonableplanningofmonthlygenerationandpurchaseschedulingareofgreatsignificancetopowersystemeconomicop

6、eration.Inthebackgroundoftheopeningregionallayeredelectricitymarket,thegridcompanycanseeksuitableexternalelectricitysellingunits,whichispossibletomakesecurityproblemsandpeakshavingproblemfortheprovincialpowergrid.Therefore,it’sachallengetocoordinateeconomyandsafetyofpowersyst

7、emwhileconsideringthewide-areaoptimalallocation.However,thetraditionalmethodshavebeenunabletomeettheaboverequirements.So,thefinesimulationonmid-and-longtermelectricityproductionisanimportantapproachtotheproblemabove.Inaddition,theoptimizationmodelofhighdimensionisverydifficul

8、ttoresolve.Basedonthis,thisthesisinnovativelystudiesontheoptimizatio