[发明专利]一种风火蓄节能减排机组组合的求解方法

说明书

技术领域

本发明属于电网发电计划编制和风火蓄机组节能减排运行、分析与调度技术领域，尤其涉及含风电、抽水蓄能等能源的机组组合求解方法。 

背景技术

电力是关系国计民生的支柱性产业，合理利用发电资源，预先对发电机组的启停和出力进行调度十分必要。近年来随着新能源技术的快速发展，大型风电并网发电已成为世界风能利用的主要形式，有效合理的利用风电是实现电力节能减排的关键。但风电具有随机性和波动性，大量风电并网会增加电力系统控制和调度的难度。抽水蓄能是一种具有启动快、负荷跟踪迅速和快速反应的特殊电源，它既是一个电站也是一个电网管理的工具，是目前电力系统可靠、经济、寿命周期最长和容量最大的储能装置。在建设资源节约型、环境友好型的大环境下，抽水蓄能是目前实现大容量储能的主要途径，是电力工业节能、安全运行及可持续发展不可或缺的组成部分，是提供优质电力的最佳保障。

机组组合问题是一个包含整数和连续变量的高维、离散、非凸的混合整数非线性优化问题，包括确定机组启停序列和负荷在机组间的经济分配，其评价标准和具体优化模型一直在不断的发展变化。理论上只有枚举法才能找到最优解，但随着机组数量的增加，会出现组合爆炸问题，从而使得计算时间太长而无法达到实用化。然而由于机组组合可以获得显著的经济及社会效益，所以人们一直在努力探索，以期在满足工程需要的情况下找到机组组合的较优解。电力系统机组组合包含了2个性质不同但密切联系的问题：一是针对各个具体系统的特点和要求，建立合适的调度模型；二是针对具体模型研究设计有效的求解算法。

电力系统机组组合通常被视为一个二层规划问题：下层为离散变量，主要处理机组的开、停机状态，上层为连续变量，主要处理机组的出力分配。由于机组组合是一个高维、非凸的混合整数规划问题，因此许多适用于此类问题的优化算法都能用于机组组合的求解。机组出力分配算法的优劣对机组组合整体求解效果影响较小，因此目前的研究主要集中在机组开、停机状态的求解。

除穷举法外，目前求解机组组合的方法主要有：

1.       启发式算法。求解简单迅速，已经在实际运行中得到广泛应用。但得到的解往往比较粗糙，在理论研究中可为其它算法提供求解的初值。

2.      数学类优化算法。这类算法把机组组合问题用数字方程描述出来，然后用解析方法求其最优解，包括混合整数规划法、动态规划法、分支定界法、拉格朗日松弛法和内点法。其中拉格朗日松弛法是研究最活跃的方法之一。拉格朗日松弛法有着成熟理论基础，使用拉格朗日松弛法可以降低维数，简化问题的求解，为构造混合算法提供了一个很好的框架。拉格朗日松弛法适合解决大系统优化问题，由于电力系统机组组合问题具有该算法所要求的特点，使得该算法得到十分广泛的应用。随着机组数的增加，计算量呈近似线性增长，克服了维数障碍，且机组数目越多，计算效果越好，方法灵活，其相关乘子具有实际的物理（经济）意义。但拉格朗日松弛法对乘子的敏感度较高，求解非凸性问题时容易出现收敛振荡现象，需要采取措施加快收敛。

3.       智能类优化算法。包括专家系统方法、神经网络法、模拟退火、蚁群算法、粒子群算法、免疫算法、禁忌搜索、模糊优化算法和遗传算法等。在智能类优化算法求解机组组合问题时，遗传算法显示出巨大的优势，能够根据具体问题灵活应用，鲁棒性好，对目标函数没有特殊的要求，可以考虑多个约束，能自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程，从而得到全局最优解或准最优解。总体而言，智能类优化算法不能完全保证解的最优性，存在局部最优现象，同时各种智能算法所涉及到的参数是影响其性能的关键因素，如何合理有效的调整算法所用的参数是亟待解决的关键问题。

4.      混合优化算法。混合优化算法是从结构或操作上有机结合上述各算法的优点，构造出更高效的算法。鉴于机组组合这一问题的复杂性及考虑的约束众多，有时难以采用某一种优化方法进行求解，针对所建立的模型的具体特点，在一定的算法框架下采用不同的优化算法进行求解，最终形成混合优化算法。近年来混合优化算法越来越受到关注，成为主要研究内容之一。混合优化算法的思路大致分为两种，一种是基于拉格朗日松弛法的框架，对分解后的子问题采用不同的优化算法进行求解，再在该算法框架下对子问题的结果进行协调，最终得到最优解或满意解；另一种是从优化算法本身出发形成混合应用，如粒子群算法、遗传算法、神经网络、免疫技术以及模糊技术等的应用。