小時(shí)級(jí)月度發(fā)購(gòu)電計(jì)劃的優(yōu)化模型及算法研究.pdf

1、發(fā)電計(jì)劃是電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度的重要組成部分，其中月度發(fā)購(gòu)電計(jì)劃能在較長(zhǎng)時(shí)間跨度內(nèi)宏觀反映系統(tǒng)的經(jīng)濟(jì)性和安全性，其合理制定對(duì)電力公司經(jīng)濟(jì)運(yùn)行具有重大意義。在區(qū)域共同市場(chǎng)開放的背景下，電網(wǎng)公司可以尋求更為經(jīng)濟(jì)的外購(gòu)電單位，但可能加重參與月度跨省購(gòu)電省級(jí)電網(wǎng)系統(tǒng)的調(diào)峰問(wèn)題和網(wǎng)絡(luò)安全問(wèn)題，因此協(xié)調(diào)電網(wǎng)經(jīng)濟(jì)性與安全性的同時(shí)如何進(jìn)行廣域優(yōu)化配置為月度發(fā)購(gòu)電計(jì)劃的制定提出了挑戰(zhàn)。而傳統(tǒng)月度購(gòu)電計(jì)劃和發(fā)電計(jì)劃相分離，或只考慮了極端負(fù)荷下的網(wǎng)絡(luò)安全約束，都

2、無(wú)法滿足上述要求，需要利用中長(zhǎng)期電力生產(chǎn)的精細(xì)化模擬來(lái)解決，此外其優(yōu)化模型的高維度也會(huì)給求解帶來(lái)一定的難度。因此本文對(duì)小時(shí)級(jí)月度發(fā)購(gòu)電計(jì)劃優(yōu)化模型的建立和求解方法展開了研究，具體研究?jī)?nèi)容如下：
　?、籴槍?duì)外購(gòu)電功率的輸入可能會(huì)給本網(wǎng)帶來(lái)調(diào)峰困難以及本網(wǎng)與網(wǎng)外間潮流斷面的傳輸功率越限等安全問(wèn)題，本文建立了計(jì)及網(wǎng)外市場(chǎng)的小時(shí)級(jí)月度發(fā)購(gòu)電計(jì)劃優(yōu)化模型，該模型在傳統(tǒng)月度發(fā)購(gòu)電計(jì)劃優(yōu)化模型的基礎(chǔ)上重點(diǎn)考慮了網(wǎng)內(nèi)外購(gòu)電模式的差異，并以小時(shí)級(jí)的

3、時(shí)序功率平衡為基礎(chǔ)，同時(shí)計(jì)及了機(jī)組啟停/升降爬坡速率、小時(shí)級(jí)的網(wǎng)絡(luò)安全約束、系統(tǒng)上下旋轉(zhuǎn)備用容量約束等，在制定網(wǎng)內(nèi)外購(gòu)電計(jì)劃的同時(shí)將其精細(xì)化地分解到考慮了系統(tǒng)調(diào)峰要求和網(wǎng)絡(luò)安全要求的小時(shí)級(jí)發(fā)電計(jì)劃中，確保電力公司月度發(fā)購(gòu)電計(jì)劃的可行性。
　　②針對(duì)上述模型具有的大規(guī)模、含混合變量特征給求解帶來(lái)難度的問(wèn)題，本文對(duì)該模型的規(guī)模、耦合性和子優(yōu)化模型的構(gòu)造進(jìn)行了分析。在此基礎(chǔ)上結(jié)合免疫遺傳算法易于處理各類變量和約束以及拉格朗日松弛法組合分

4、解的優(yōu)點(diǎn)，提出含分解協(xié)調(diào)尋優(yōu)策略的混合智能算法：首先采用含啟發(fā)式調(diào)整策略的免疫遺傳算法對(duì)原問(wèn)題進(jìn)行多代的全局搜索，并得到含原問(wèn)題可行解的抗體種群；然后采用基于拉格朗日松弛法的分解協(xié)調(diào)算法，按時(shí)段解耦方式求解最優(yōu)可行解中機(jī)組啟停和外購(gòu)電功率已定下的網(wǎng)內(nèi)機(jī)組月度發(fā)購(gòu)電計(jì)劃單時(shí)段子優(yōu)化模型，并將優(yōu)化結(jié)果返回至免疫遺傳算法。通過(guò)兩個(gè)算法的交替迭代，保證抗體多樣性和群體收斂性的同時(shí)，提高連續(xù)變量局部尋優(yōu)效率，并結(jié)合時(shí)段分解協(xié)調(diào)降低問(wèn)題的求解難度，