（电力系统及其自动化专业论文）基于改进遗传算法的agc功率调配和机组优化组合研究.pdf

a b s t r a c t w i t ht h ep o w e ri n d u s t r yo fc h i n ai sg o i n gt oe s t a b l i s ham a r k e t - b a s e do p e r a t i o n a l m e c h a n i s m ，t h es e l e c t i o no fa g cu n i t sa n dg e n e r a t o ru n i to p t i m a lc o m m i 缸n e n to l la g r o w i n gs c a l e ，c o n s t r a i n t c o n d i t i o n si s i n c r e a s i n g l yc o m p l e x p a p e r s o i lg e n e t i c a l g o r i t h m si na o ca n dg e n e r a t o ru n i to p t i m a lc o m m i t m e ma n dt h ea p p l i c a t i o no f r e s e a r c h , i n c l u d i n gt h ef o l l o w i n g ：a n a l y s i so ft h es e l e c t i o no fa g cu n i t sa n dg e n e m “) r u n i to p t i m a lc o m m i t m e n to fd e v e l o p m e n ta n dc u l r r e n ts i t u a t i o n , a n dn o t e dt h a tt h es t u d y g e n e r a t o ru n i to p t i m a lc o m m i t m e n ti n c l u d e da g co ft h en e e df o ran w , vm o d e l ；t h e t h e o r yo fg e n e t i ca l g o r i t h m si sd i s 跣l s s e d a n dan u m b e ro fd e f i c i e n c i e so ft h es t a n d a r d g e n e t i ca l g o r i t h ma l ep o i n t e do u ln e wi m p r o v e dg e n e t i ca l g o r i t h mm o d e l ，a n a l y s i so ft h e g e n e t i ca l g o r i t h m t oi m p r o v ep e r f o r m a n c e ；a c c o r d i n gt og e n e r a t o ru n i to p t i r n a l c o m m i t m e n ti n c l u d e da g cm o d e lo fp a r t i c u l a r i t y , ab i n a r yv a r i a b l el e n g t hc o d i n g ， a c c o r d i n gt ot h ec o d i n ga n dd e s i g nas p e c i f i cg e n e t i cm a n i p u l a t i o n , f o rt h ec o n t i n u o u s v a r i a b l e s s u c ha st h eu s eo f t h ee q u i - m i c r o i n c r e a s er a t em e m o do f t r e a t m e n t ；a c c o r d i n gt o t h es e l e c t i o no f a g cu n i t sm o d e lt h ec h a r a c t e r i s t i c so f i m p r o v e dg e n e t i ca l g o r i t h mm o d d o fm o d e s ts i m p l i f i c a t i o n , t r e a t m e n tw i t hp r i o r i t ym o d e lo fc o n t i n u o u sv a i l a b l 髂a n d i m p r o v e s t h ep e r f o r m a n c ea n dp r e c i s i o n ；f i n a l l y , d a t a , a n ds i m u l a t i o nr e s u l t ss h o w i m p r o v e dg e n e t i ca l g o r i t h m sr a p i dc o n v e r g e n c ea n dh i g hp r e c i s i o n , a n da d a p t e dt ol a r g e a n dm e d i u m - s i z e ds y s t e m k e yw o r d s ：i m p r o v e dg e n e t i c 肖d g o r i t h i n , g e n e r a t o r u n i to p t i m a lc o m m i t m e n t , a u t o m a t i cg e n e r a t i o nc o n t r o l ( a o c ) ，s i m i l a r t a x i s ，d i s s i m i l a t i o n h 声明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本 学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或 公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使 用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文 中作了明确的说明。 研究生签名：! 盘歪 弘7 年7 月f 日 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或 上嘲公布本学位论文的全部或部分内容，可以向有关部门或机构送交并 授权其保存、借阅或上网公布本学位论文的全部或部分内容。对于保密 论文，按保密的有关规定和程序处理。 研究生签名；煎墨 卅年7 月，日 硕士论文 基于改进遗传算法的a g c 功率调配和机组优化组合研究 l 绪论 l - 1 研究背景 在电力系统中，负荷时时刻刻是在不断变化的，一般白天比较高，深夜到第二天 凌晨比较低。负荷的这种变化幅度往往是很大的，不同的负荷波动，形成了负荷曲线 上的高峰和低谷。在负荷变化过程中，如果仅仅改变机组的出力大小，而不改变投入 运行的机组组合，往往会使调节范围难以满足负荷变化的要求。有时即使能满足负荷 变化的要求，也往往会形成高峰负荷时机组出力过小，低谷负荷时机组出力过大的现 象，既不安全又不经济。在一般电力系统的运行中，需要根据负荷的变化相应的开停 机组，以达到减少总的生产成本。 电力工业在经历了百余年的平稳发展之后，随着全球经济的迅速增长，现在正经 历着巨大的变革电力市场，它要求打破传统的垄断经营，引入竞争机制，建立统 一、开放、竞争、有序的电力市场，增加电力工业的活力。 在传统的电力工业中，机组组合问题的目标函数一般只注重能量方面，而对相关 辅助服务的费用则很少考虑，这种情况下，总的社会生产成本不一定能够达到最小化 即机组组合从整个社会效益角度来说，并非最优。 在电力市场环境下，情况就发生了很大的改变。购电方不仅需要购买所需的电能， 还要购买其它相应的辅助服务，以满足系统稳定性的需要。也就说，辅助服务这部分 购买费用也应该作为购电方进行机组组合的费用目标函数中的一项，这和传统机组组 合问题有着明显的区别。因此，研究电力市场环境下的机组组合问题是十分必要的。 1 2 国内外研究现状概述 目前国外a g c 调配和机组组合的方法有以下3 种：【l j 1 2 】1 3 】 a ) 优先级法( m e r i t - o r d e r - b a s e dd i s p a t c h ) 在这种方法中，每种服务( 电能、各项辅助服务) 都按每个市场参与者可提供的 数量和价格进行排序。服务或者机组的选择是按照排序进行，直到满足要求为止。如 果只有一种性能评价标准，如产品单价，则该方法就是众所周知的优先级法经济调度。 这种方法简单易行，但当出现所有发电机组提供的总发功率小于系统总需求时，就会 导致最终结果为不可行解。 b ) 顺序法( s e q u e n t i a ld i s p a t c h ) 顺序法是上一种方法的扩展。该方法中各种服务的调度按照某一个优先顺序进 行如能量调度，然后快速事故备用。与优先级法相比，它可正确处理电源的容量限 值。但其非常容易产生相对较高的价格和系统达到不可行水平。另外，优选次序的确 定有人为因素，次序不同，会造成不同的结果。 硕士论文基于改进遗传算法的a g c 功率调配和机组优化组合研究 c ) 联合调度法( j o i n td i s p a t c h ) 当优化问题的约束中存在整型量时，上述两种方法均难以得到解答。该方法是将 问题表述成如下形式，然后用整数规划方法求解。i s o - n e ( i s o n e w e n g l a r l d i n c ) 调度 和优化方案的实现是以数学的最优化理论为基础的，该方法的目标是市场利润最大， 而消耗的电能和辅助服务成本最低。 a g c 功率调配和机组优化组合研究都属于优化问题，其问题的数学模型有很多 相同点，所以解决方式和解决方法有很多相似之处。目前关于发电市场a g c 机组功 率调配和机组组合问题的处理方法大致有：优先顺序法、动态规划法、拉格朗目松弛 法和遗传算法等p j 。其中前几种为传统的数学方法，最后一种为人工智能方法，以下 对其中几种方法进行详细的讨论：1 4 】i s 1 6 】 幻优先顺序法 优先顺序法p l ( p r i o r i t yl i s t ) 提出较早，现在仍在研究和应用之中。它是将系统 可调配的机组按某种经济特性指标事先排出顺序，根据系统负荷大小按这种顺序依次 投切机组。对于a g c 功率分配问题，主要是按照a g c 机组的报价进行排序的， 这样可以保证报价小的机组可以优先被选到；对于机组组合问题，主要按照机组的费 用微增率进行排序。 优先顺序法计算速度快，占用内存少，适用于在线确定机组运行状态。对于小机 组启停的系统，结果接近于最优组合，但对于中型和大型机组启停的系统常常找不到 最优解或次优解，但能满足一般的应用要求：此外用优先顺序法计算是只考虑目标优 化没有考虑约束条件和辅助出。对于a g c 功率分配问题，没有考虑调配速度，使 得晟终调配结果往往不可行；对于机组组合问题是按时段分别进行的，难以考虑机组 的启动成本，同时也没有考虑机组约束条件。 b ) 动态规划法 动态规划法d p ( d y n a m i cp r o g r a m m i n g ) 是解决多阶段决策过程最优化的一种数 学方法，在枚举各种可能的状态组合的过程中，这种方法巧妙地摒弃了那些不需要考 虑的解。动态规划法要求所求解的问题具有明确的阶段性。 从上述描述可知，由于动态规划法需要枚举各种可能的状态组合，其处理问题的 规模不可能很大，同时其他的一些约束条件也会使得问题更加复杂。 例如考虑机组启动成本是停机时问的函数和最小开停机时间约束，问题就复杂化 了。因为某一时段中相同的机组启停状态之中增加了不同停机时间的差别，就又构成 了许多新的状态，使状态数随时段数增加而急剧增多，形成所谓“维数灾”。以1 0 台机组2 4 个时段的机组组合的问题为例，启动成本为常数的动态规划法的状态数为 2 1 ”，启动成本为变数的动态规划法的状态数为2 1 “，而实际电力系统的规模比它 大得多。由此可以看出考虑机组的全部组合状态和各时段之间全部转移是根本不现 2 硕士论文 基于改进遗传算法的a o c 功率调配和规组优化组合研究 实的，其计算代价远远大于机组最优组合可能得到的经济收益。 综上所述，通盘考虑整个系统的问题时，动态规划法使用起来不够灵活。 c ) 拉格朗日松弛算法 拉格朗日松弛算法l r ( l a g r a n g i a nr e l a x a t i o n ) ，是解决复杂问题的一类优化算法， 它的基本思想是：许多困难的整数规划问题可看成是由一些边界约束条件联系在一起 的一系列相对容易的子问题组成，利用这个特点。把约束条件被破坏的量和它们各自 的对偶变量的乘积加在目标函数上作为惩罚项，形成拉格朗日问题。 该方法在机组组合问题中的应用研究始于7 0 年代，8 0 年代逐渐得到攉广，9 0 年代成为主流，有大量的理论和应用成果。它把全系统的约束如负荷约束、旋转备用 约束等写成目标函数的惩罚项的形式，即进行松弛。约束条件松弛后的对偶问题可分 解为单机组的子优化问题。解子优化问题的过程和整体协调( 即优化拉格朗日乘子) 的 过程交替迭代进行直到找出最优或次优的对偶问题解。 拉格朗日松弛算法用于机组组合，优点是拉格朗r 松弛法能避免决策变量很多时 造成的“维数灾”问题，可以得到较好的次优解；对于大规模机组组合问题用对偶方 法求解使其能够考虑不同的约束，并且计算速度快。其缺点是难于处理以时问为变 量的约束条件和机组间组合的约束条件；存在对偶间隙，需要根据对偶问题的优化解 采取一定的措施构造原问题的优化解；算法的过程中有可能出现振荡和奇异现象，得 到可行解比较困难。 对于上述三种传统的数学方法，精确的求解需要精确的数学模型，如果数学模型 过于复杂，如a g c 机组功率调配_ 和机组组合问题，一时难以找到适当的方法进行简 单的处理，则一般情况下需要对算法进行如下处理： 1 ) 靠直观的判断或实际调度的经验来寻找最优解； 2 ) 对模型做了大量的简化，无法得到最优结果。 上述两种方法要么因为人为原因而导致无法得到最优结果，要么因为数学模型本 身无法得到最优结果。 此外，传统算法往往有以下一些的缺点： 1 ) 需要较大的计算量，或者随着系统复杂度的增加， 无法适用于大系统和满足工程需要； 2 ) 算法收敛性差，对于某些系统可以得到最优结果， 无法得到最优结果。 d ) 遗传算法 计算量呈指数增长，从而 而对另外一些模型，总是 遗传算法的属于智能算法，也是一个框架性的算法，其优点在于具有较强的鲁棒 性，对外界条件的改变具有较强的适应能力，并且有效处理工程设计中的大量约束条 件。由其设计的软件系统也有很强的通用性。它对目标函数性态没有特殊要求，从理 3 硕士论文基于改进遗传算法的a g c 功率调配和机组优化组合研究 论上说可以找到全局最优解：可以得到多个可选方案：方法比较灵活，可以考虑多种 约束。其缺点是不能保证得到全局最优解；计算效率和计算量与编码长度有关，如果 编码设计的不好，可能导致计算量比较大。计算效率比较低，所需时间长。在具体实 际算法韵时候应该扬长避短，充分发挥遗传算法的长处。目前遗传算法的缺点及其分 析大致如下： 一般来说，问题的解由连续数据和离散数据组成，当一个问题的解由大量的连续 性数据组成时，用遗传算法进行求解效果往往较差。其原因是传统的遗传算法中的个 体由一串二进制数据组成。问题的解就是用该串数据表示，当该解由大量的连续性数 据组成时，首先需要对连续性数据进行离散化，解的精度要求越高，所需要的二进制 长度( 即遗传算法中称基因长度) 也越长。而遗传算法实际上是在一个给定的空间里 搜索最优，该给定的空间的大小实际上是由基因的长度决定的。对于由n 位二进制 组成的个体，其最优解的搜索范围为2 “，当需要对解中的大量数据进行离散化时， 基因长度不断增加，从而增加了个体的长度，最终扩大了解的搜索范围。于此同时， 搜索范围的增加，会使得遗传算法的计算量迅速增加，效率迅速下降，计算时间也会 延长。由于遗传算法不能保证每次计算都能够得到全局最优解，从这种程度上说，个 体长度的增加使得获取最优解的可能性减小。 该问题很早就被人们注意到了，某些对遗传算法的改进也是针对上述问题的，如 在遗传算法编码时提出了用格雷码代替二进制编码或者使用浮点制编码，但是没有 套完整的理论对遗传算法的这种不足做深入研究，也没有一套成熟的处理方法来解决 该问题。 通过上述分析可以看出，在具体设计算法的时候，应该扬长避短，充分发挥遗传 算法的长处。在设计遗传算法的时候，应该尽量避免使用连续性。但是，对于某些具 体问题，连续变量是无法避免的，这是就应该结合其他算法进行处理。论文在使用遗 传算法处理a g c 机组功率调配和机组组合问题时，就使用其它方法绕过了机组出力 这连续变量。 文献【2 】采用0 1 分支定界法和遗传算法解决电力市场下a g c 的调配问题。此算 法对辽宁省电网中的a g c 机组进行了调配计算，结果表明，该方法的选择结果可在 改善系统要求的情况下降低a g c 机组的购置成本。但是它使用的遗传算法在编码设 计上过于简单，基因串编码长度过长，同时由于没有充分使用已知知识，使得算法的 计算效率不高。 文献【4 】采用动态规划法和遗传算法两种方法分剐对考虑a g c 的机组优化问题 进行处理。动态规划法比较简单直观，特别能够很好的解决包含机组启动费用为停机 时间函数的机组组合问题，精度较高。但当它应用于大系统时会有很多劣势，随着机 组数和时段数的增加，状态数也会随之急剧增加，这将容易导致“维数灾”，使计算 4 硕士论文 垂十改进趱传算法的a g c 功率调配和机组优化组合研究 机求解速度缓慢，甚至无法求解。遗传算法对所求解的问题的数学模型无任何要求， 求解的问题可以是非线性的和不连续的，不需要求导数，不要求目标函数可微，只要 求所求解的问题是可计算的即可，非常适合于复杂系统的优化计算。另外，在遗传算 法处理机组组合中的约束条件使用的是罚函数法。因罚函数法可以灵活方便地处理各 种类型的约束条件，所以遗传算法在求解复杂系统优化问题具有很明显的优势。 文献【5 】也使用了动态规划法、拉格朗日松弛法的对考虑a c r c 的机组组合问题 中进行了研究，仿真获得了合适的结果，并且也得到了相同的组合方案。 文献【1 0 】通过对电力市场下a g c 机组的调配问题进行深入研究，发现现有利用 整数规划法求解的方法是基于机组a g c 调节容量区间不变这一条件。因此所得到的 结果可能不是最优解。提出了计及机组a g c 调节容量变化这一因素的数学模型，并 探索了利用遗传算法进行求解的方法。实际系统的算例表明，利用遗传算法这一启发 式优化方法来解决a g c 机组调配这一实际问题是合适的，可以克服现有基于整数规 划的方法所存在的问题。 文献 1 l 】针对火电厂负荷优化组合分配的特点，分别使用了动态规划法、等微增 率法和遗传算法对机组组合问题进行了计算，取得了一定的效果，但是没有考虑到电 力市场下的a c , - c ，研究问题的深度不够。 文献【1 2 】将整数规划法与遗传算法的计算结果进行比较，证明了遗传算法确实在 机组调配问题中能够起到优化的效果但由于所建立的a g c 机组调配数学模型相比 于实际情况要简单很多，在实际情况下，还有更多的约束条件需要考虑，数学模型还 需要进一步的改进和加强。 1 3 本论文的主要工作 论文采用遗传算法研究a g c 的功率调配问题和包含a c _ r c 的机组组合，同时 针对遗传算法的不足提出改进算法，使得算法在处理问题时速度更快，效果更好论 文的主要工作有以下几个方面： a ) 在广泛阅读了电力系统优化算法相关著作和论文的基础上，系统地研究了其 基本理论。确定论文以包含a g c 的机组优化组合和a c - c 功率调配为对象进行电力系 统优化的系统研究。 ”论述了包含a g c 的机组优化组合和a g c 功率调配与整个电力系统的关系，并 指出其在电力市场中的重要地位和作用。总结包含a g c 的机组优化组合和a g c 功率 调配的发展及研究现状，给出了其研究方法和数学模型。 c ) 对传统遗传算法理论进行了分析研究，针对其不足提出改进方案，将趋同和 异化算子应用于遗传进化过程中，并设计主、子种群的新结构。 s 硕士论文基于改进遗传算法的a g c 功率调配和机组优化组合研究 d ) 根据机组优化组合问题的特性，提出可变长度二进制编码，并且针对该编码 设计了特殊的遗传算子特殊变异。将等微增法引入到改进遗传算法中，从而有效 处理机组功率这一连续变量，同时大大缩短了编码长度，增加了新算法的计算效率。 e ) 针对a g c 功率调配问题，对改进遗传算法模型进行适当的简化；提出将优先 级法引入到改进遗传算法中，从而大大缩短了编码长度，增加了新算法的计算效率。 f ) 建立数据模型，编制程序，结合算例其进行仿真，并通过与传统方法的结果 比较和分析，表明采用新算法的优越性。 6 硕士论文 。基于改进遗传算法的a o c 功率调配和机组优化组合研究 2 a g c 功率调配和机组优化组合的原理及其数学模型 a g c 机组调配和机组优化组合问题属于经济调度问题，并且随着电力市场的推 广，选定最优运行机组势在必行。本章将对a g c 机组调配和发电机组优化组合进行 建模，用数学的语言将该问题描述出来。 2 1a g c 和机组优化组合的原理 自动发电控制( 英文名称为a u t o m a t i cg e n e r a t i o nc o n t r o l ，简称a g c ) 是一种综合 的控制技术。在电力系统中，由于电网负荷预测不准，经常导致电网的供给能力不能 满足系统负荷的要求，这时在发电和用电之间就会产生偏差( 这里的偏差是指相对于 负荷预测的波动) ，这种偏差一方面会导致电网实际运行频率和系统频率产生误差， 从而影响系统电能质量：另一方面还会使得区域之间交换功率的实际值与计划值偏 差，对相邻系统产生不利影响外，还会使得电力公司因此受到额外的经济惩罚。此外， 如果这种偏差的存在时间过长，还会影响整个系统的稳定。此时系统调度员必须跟踪 负荷的随机变化，通过a c _ r c 的调节功能快速增加或减少发电出力，使系统的总发电 能够满足实际负荷需要，消除系统中发电和用电的矛盾。论文把利用由负荷调节机组、 计算机系统和反馈系统组成的闭环控制系统改变发电公司发电量来满足系统实际负 荷需要的过程称为自动发电控制。 2 1 1 3 】 自动发电控sj j ( a o c ) 是能量管理系统( e n e r g ym a n a g e m e n ts y s t e m ，简称e m s ) 最 重要的控制功能，也是电力市场辅助服务的一项重要内容，它在电力系统控制中的基 本目标和任务是p 】： a ) 自动跟踪负荷的随机变化，调整机组出力，使系统发电与负荷相平衡； ”控制频率偏差，维持系统频率在规定值( 我国国家标准为5 0 + 0 1 8 z ) ； c ) 在各控制区域问分配系统发电功率，维持区域间联络线净交换功率为计划值； d ) 对周期性的负荷变化按发电计划调整机组发电功率，对偏离预测的负荷，实 现在线经济负荷分配。 通过上述a g c 目标和任务可以看出，电力市场的a g c 服务的目的之一就是保 证电力系统运行过程的安全。这种服务是和一系列透明和可操作的市场规则结合在一 起的a g c 服务主要是通过应用一定的设备和手段来实现电力系统的安全和电力系 统产品的稳定质量。 目前，国内许多外专家、学者在致力于a g c 控制以及相关问题的研究，其中主 要研究的内容大致有： a ) a c - c 负荷频率控制； 7 硕士论文基于致进遗传算法的a g c 功率调配和杌组优化组合研究 b ) a c - c 交易策略定制； c ) a g c 的功率调配问题； d ) 包含a g c 的机组优化组合。 其中负荷频率控制是指根据系统当前频率，确定系统的有功调节量。同时发电机 和负荷需要之间的有功功率保持平衡时，频率会自动满足要求。a g c 调度最重要的 目标就是维持有功功率平衡，从而实现负荷频率控制。在独立系统中，有功功率平衡 主要考虑本区域系统的频率。在联合电力系统中，还受联络线的交换功率以及传输容 景的限制。所以在满足安全稳定要求前提下，必须考虑联合电力系统的有功功率平衡， 同时还要考虑互联电网的联络线交换功率( 暂时不考虑电力市场机制下的交易合同限 制) 。正常情况下，联合电力系统各区域首先要负责自己区域内的有功功率平衡，其 次是分别控制联络线交换功率。在扰动情况下，各区域一方面负责自己区域内的有功 功率平衡，另一方面，富裕区域在安全稳定约束的前提下向缺额区域提供支援，直到 扰动消除l ”】。如何精确和合理的进行负荷频率控制是a c , c 控制的关键问题。 同时由于电力市场的出现。调度中心为了保证电网频率稳定和联络线功率传输保 持恒定，需要一些电厂提供a c r c 服务。厂网分开后，a g c 辅助服务只有作为一种 商品才能进行交易。所以需要找到a g c 辅助服务具备商品的重要特征稀缺性的 有力证据。稀缺就是稀少和缺乏。就资源配置来讲，稀缺性最突出的表现就是一些重 要的不可再生的资源正逐渐地被消耗，从而对经济发展本身造成影响，或者由于某些 资源的供给增加，从而引起相关资源的稀缺。a c ) c 辅助服务的稀缺性主要表现在后 者，即当系统负荷逐渐增大，发电出力不断增加，引起调频、调整功率资源逐渐稀缺。 在这种情况下，a g c 辅助服务也可以作为商品进行交易【3 6 】。交易策略的制定也是 a g c 的一个重要内容。 通过上述a g c 描述可知，首先通过a g c 负荷频率控制，选择一定容量的a g c 调节功率和调节速度( 其余容量按发电曲线指令运行) ，以保证电网安全稳定运行：然 后通过a g c 交易平台获得可以参与a g c 调节的机组：最后的问题就是如何将a g c 调节功率合理的分配到参与a g c 调节的机组中，即a g c 的功率调配问题。 电力市场a g c 辅助服务是由在线a g c 机组提供的，因此电网调度中心在制定 次日有功电量交易计划之前，需要预先选择a g c 机组，购买a g c 容量。在系统 a g c 容量和速率需求确定之后即可根据某一原则进行a g c 机组的选择，被选中 的a g c 机组需要预留一部分发电容量p 】。 电力市场建立后，厂网分离，运营规则成为在市场下的电力市场买卖双方的约束， 成交电量、价格及服务水平直接关系到厂网的经济效益。这使得传统的a g c 调控面 临着许多新问题。由于相对于电能这一主服务而言，a g c 服务是高成本的。这就决 定了市场化后a g c 机组的调配与运行不能沿用以前由调度员随意指定的方式，否则 s 硕士论文基于改进遗传算法的a g c 功率调配和机组优化组台研究 可能会大大增加电网公司的购电费用1 1 0 1 。传统体制下的优先顺序法按照调节速率和响 应时间等选择调节性能好的a g c 机组，如果在电力市场下继续沿用这种方法，可能 导致报价较高的某台机组成为边际机组，抬高了市场边际电价，增加了电网购电费用。 如果摒弃该机组而选择另外一台性能稍差但报价较低的机组，或许也能满足a c , c 需 求，这就说明忽略报价因素、完全按照调节性能选择a g - c 机组是不经济的。 与此同时，机组组合是电力系统中制定短期发电计划的一项重要任务。在数学规 划上，机组组合问题属于n p ( 非多项式) 完备问题，当系统规模较大时，几乎无法 找到理论上的最优解，但由于它能够带来显著的经济效益，人们一直在积极研究和开 发了各种算法来解决这个问题。而随着电力工业市场化改革的不断深入，辅助服务已 经成为和主电能服务具有同样的重要性，而a c , - c 是电力市场辅助服务中非常重要的 一个组成部分，它和主能量一样，在提供服务是需要运行成本，所以在计算机组运行 费用时，也必须考虑a g c 的费用。此外，由于a g c 机组需预留调节容量，这会 使机组的预调配出力上下限发生变化，因此在机组本身出力约束条件中，对机组的预 调配出力范围要作相应得修改 4 1 。所以，传统的只针对主电能市场上的机组组合优化 问题已经不能适应电力市场环境下的需要。首先，a g c 最重要的辅助服务之一，并 且a g c 市场与主能量市场具有很强的耦合性，因此，在提交机组的开停机计划时， 应该考虑到所提交的机组可能同时承担a g c 的调节功能以维持系统的安全可靠性运 行；其次，a g c 服务本身就是由在线机组来提供，为了防止在线机组事后( 即在实 时调度中需要a g - c 时) 通过滞留容量来牟取暴利，系统调度人员在决定机组的提交 计划时应该考虑所提交发电出力的机组提供a c c 服务的能力和成本。所以模型中考 虑了a g c 的上调、下调费用和机组的a g c 调节容量约束，从而达到系统购电总成 本最小化【引。 本课题旨在将遗传算法用于a g c 研究，从而使得电力公司获得满足网络安全约 束a g c 的经济调度的同时，发电公司的获得包含a g c 机组优化组合。 2 2a g c 功率调配的数学模型 2 2 1 目标函数 实行电力市场后，系统调度员并不是将所有a g c 机组投入到工作当中，而是有 选择的使用a c - c 机组进行系统负荷调节，即电力公司的a g c 机组间是竞争的关系， 这样系统调度员就要看哪些机组既能满足系统需要又能使整体机组购置费用最低，这 样，才可以降低a c , - c 的使用费用。设n 为待参调的a g c 机组数量，g 为第i 台机组 在某一时刻的单位调节功率的费用，昌为第i 台机组的调节容量。 有n 台a g c 机组可以为某一控制区域提供负荷调节服务。网公司在选择这些机 组时，要以满足系统需要的调节容量和调节速率为原则，以这些机组的总使用费用最 o 硕士论文基于改进遗传算法的a g c 功率调配和机组优化组台研究 低为目标，这样有如下数学模型： m i n c , s ，t ( 2 1 ) j 一， 式中： e ：a g - c 机组j 对应与基点出力的当日4 8 点发电报价的平均值( 元瓜f w h ) ； s ：a g c 机组j 的a g c 调节容量( m w ) ； 彤：整数0 或l ：0 ：未被指定参与a 1 0 c 调节；1 ：被指定参与a g c 调节。 其中乃为决策变量( 1 表示运行，0 表示停运) 。母是某一实数闭区域内的连续变 量。 2 2 2 约束条件 a ) 单机容量的调节区间约束 2 s 2 ( 2 2 ) 机组的调节容量s 必须是某一正实数闭区间的变量值。其中勘缸和勘胁为a ( 屺 机组j 的调节容量的上下限。 总调节容量约束 墨一邑。 ( 2 3 ) j ， 式中s a a c u , , , 为目标容量或某一时刻的系统要求的机组调节容量。s j 为每台机组 的调节容量。 c ) 响应速率约束 巧锄 ( 2 4 ) 广 式中玖g c m 缸为在某一时刻系统要求的机组响应速率。巧为第j 合机组的响应速 率。 2 3 传统的机组优化组合模型 机组优化组合问题包含了机组运行约束及常规的运行约束。在一个调度周期内， 根据负荷变化的曲线图，分时段迸行计算。其数学模型的目标函数为一个调度周期内 发电厂煤费用总和最小，其约束包含功率平衡方程、经济运行要求和机组运行约束。 假设系统中有n 台可运行机组，各时段的总负荷为p d ，机组的功率储备为p f ，并 且假设电能损耗已经被包括在总负荷以及机组的功率储备申【】。 硕士论文 一 基于改进遗传算法的a g c 功率调配和机组优化组合研究 2 3 1 目标函数 要求系统在t 小时段中各机组的总费用为最小，目标函数可写为 tn m 协( 虬，) = ，( 只) + ( 1 _ u , - 0 ) 5 乩 ( 2 5 ) i - i ，i l 式中： 只机组i 在时段t 的功率变量。 n 发电机组数。 。f ( 只) 第i 台机组的发电费用- 一般采用二次型，即f ( 置) = 口，串+ 包只+ q ， 其中q 、6 、q 为机组i 的运行费用特性参数。 卜机组的运行总时间。 t - 初组的运行时间参数。 q 机组i 在l 时段内的状态，仅设0 、l 两个值，q = l 表示运行态，以= o 表示停运状态。 墨机组启动费用，它与机组所建立的数学模型有关分为两类： a 1 冷却启动 机组从冷却状态启动，启动费用与停机时间t 的长短有关。其启动费用可表示为： s ( f ) = s ( i - e x p ( - t ，f ) ) + s 。 ( 2 6 ) 式中： s 第i 台机组锅炉冷启动费用； 第i 台机组启动费用常数； f 机炉的热时间常数； t 机组停役小时数。 b )“压火”启动 机组从“压火”启动，其启动费用可表示为： s o ) = s f 。+ ( 2 7 ) 式中： s 压火1h 所需的启动费用。 上述两模型可以用图2 1 表示启动费用与时同的关系，t h c 表示转换时闯。在t h c 之前，“压火”启动优于冷却启动；在t h 。之后，冷却启动优于“压火”启动。为了 使模型更加简明，有时用常数表示启动费用，即令1 k 之前“压火”启动费用为个 常数，1 k 之后冷却启动费用也为一个常数。 硕士论文基于改进遗传算法的a c c 功率调配和机组优化组合研究 耗煤量 图2 1 机组启动费用与时间的关系 2 3 2 约束条件 对于以上要求系统中各机组的总费用为最小机组优化问题，实际上存在一定的约 束条件，具体如下： a ) 功率平衡约束 电网系统的功率平衡方程为： n 仉只= 己f = l ，2 ，n f = l ，2 ，t ( 2 8 ) ，1 1 0 表示调度中心下达给发电厂的t 时段负荷。 根据物理规律。上式在任何条件下绝对成立。 b ) 旋转备用约束 根据电力系统安全性的考虑，电网应该具有抗拒突发事件的能力，发电机机组的 输出功率在任何时候都应该有一定量的备用，因此在下面引入旋转备用约束不等式： n “只一 只+ p r f = 1 ，2 ，nr = l ，2 ，t ( 2 9 ) - i 其中： 0 一工作机组能够提供的最大功率。 弓表示调度中心下达给发电厂的t 时段负荷。 时段t 系统所需功率储备。 c ) 机组容量约束 在实际系统中，发电机的输出功率的范围都是有一定限制的，于是就存在以下机 1 2 硕士论文 基于改进遗传算法的a g c 功率调配和机组优化组合研究 组容量约束不等式： ， 只 0 。 f - l ，2 ，n ( 2 1 0 ) 只。第i 台机组发电机功率的下限 名。第i 台机组发电机功率的上限。 d ) 机组最小连续停运和连续运行小时数约束 在发电机的运行中，发电机作为一种机器，考虑到发电机的使用寿命和运行安全 性等因素，不允许发电机在短时间内连续不断的多次启动和停止。于是在本文研究的 周期内，就存在以下机组最小连续停运和连续运行小时数约束约束不等式： ( v ，一v p 1 ) ) x ，= t - f 一! i ( i v ，) 正，；l ，2 ，tf ：1 ，2 ，n ( 2 1 1 ) ( v ，一u ( 一j ) i ：，：z u ，z e r 为机组允许的连续时间内最小停运小时数；为机组允许的连续时间内最小运 行小时数。 2 4 考虑a g c 的机组优化组合数学模型 a g c 问题是互联电力系统经济有效运行的核心问题，a g c 辅助服务是保证电网 安全稳定和经济运行的关键，承担着电网频率调节、区域联络线交换功率控制和经济 调度的重要任务。在传统的运行机制下，调度员可以命令发电公司无偿提供a g c 辅 助服务，但在电力市场环境下，互联电力系统的a g c 已经从纯粹的控制领域进入到 控制和经济相结合的领域，发电公司作为独立的经济实体，不可能无偿提供a g c 辅 助服务。传统的机组组合模型没有考虑机组提供a g c 辅助服务的费用，本文将购电 费用作为机组组合的目标函数，并把机组的a g c 调节费用作为购电费用一部分来考 虑。此外，占购电费用很大一部分的是燃料费用，它是机组实际输出功率的函数【4 】。 2 4 i电力市场环境下的a g c 调节容量问题“瑚 为了实现a g c 调节的功能，电网公司需要获取一定的a g c 容量，用来随时补 偿偶然事件所导致的功率缺额，同时承担系统频率调整的任务。就从供电可靠性和电 能质量而言，a g c 容量越多越好，但从运行经济性考虑而言，a g c 容量却不宜过多。 a g c 的容量主要是根据系统负荷的变化以及运行经验等来确定，一般取最大负荷的 2 * * - 5 ，大系统取小值，小系统取大值。 在电力市场中，机组的开停机计划是在预调度过程中进行，先将机组的报价按照 从低到高排列，结合预测的负荷，确定上网的发电机组，然后通过机组组合和经济负 荷分配计算就可以确定每台机组的开停机状态和出力。由于负荷预测存在一定的偏 硕士论文基于改进遗传算法的a g c 功率调配和规组优化组合研究 差，加上系统实际运行中会因为各种不可预料的原因发生变动，例如各发电厂没有能 严格的执行发电计划，这样就不可避免的会使实际负荷偏离调度机组的出力。如果机 组没有a c c 功能，不能进行出力调节，那么就会使系统的功率供需产生不平衡，严 重的会使系统频率发生大幅度的偏移，导致系统失去稳定性。所以，购电方作为电网 的运行商，必须购买一定的a g c ，使得系统负荷发生波动时不致影响系统的正常稳 定运行。 在预调度市场中，由于机组a g c 的计划投运而会使机组的预调配出力的上下限 发生变化。当所有发电机组都有a c , - c 功能时，都能进行出力的上调和下调。具有a g c 调节功能的机组的预调节出力范围会变小。当机组没有a g c 时，它的预调配出力是 介于最小技术出力只，。和机组受约束时最大发电功率口之闯；当机组具有a c , - c 时， 它的预调配最大出力为矿一d ，最小出力为驴+ 珥。 在实施电力市场后，作为辅助服务的重要组成部分，a c , c 必须要给予相应的经 济补偿，因为a g c 机组需要安装一些相关的装置，这需要一定的成本，另外，a g c 机组参与a g c 服务不仅对机组本身产生损害，而且还使参与者损失发电量。发电方 向市场管理员提交自己的报价，明确是否愿意参与调节，以什么价格，参与多长时间 等。另外，对被于选择的a g c 机组，如在运行期间不能达到规定要求或根本就没有 投入运行，造成电网公司额外购买a g c 容量的，要视情况给予警告或惩罚。 当系统中的机组上报计划时，有a g c 上调量和下调量，那么电能市场中的上报 数据就要按照上面的要求作相应的变化。a g c 的上调费用和下调费用是按照机组上 报的a g c 数据来计算的，即上( 下) 调费用= a c - c 上 己+ e i = 1 ，2 ，nt = l ，2 ，t ( 2 1 4 ) 其中： 霉。工作机组能够提供的最大功率。 尼表示调度中心下达给发电厂的t 时段负荷。 只时段t 系统所需功率储备。 c ) 机组容量约束 在实际系统中，发电机的输出功率的范围都是有一定限制的，于是就存在以下机 组容量约束不等式： 己m + 研( f ) 霉 p 衄一研( f ) i = l ，2 ，n ( 2 1 5 ) 硕士论文 ， 基于改进遗传算法的a g c 功率调配和机组优化组合研究 第i 台机组发电动率的下限。 r 腽第i 台机组发电动率的上限。 d ) 机组最小连续停运和连续运行小时数约束 在发电机的运行中，发电机作为一种机器，考虑到发电机的使用寿命和运行安全 性等因素不允许发电机在短时间内连续不断的多次启动和停止。于是在本文研究的 周期时间内，就存在以下机组最小连续停运和连续运行小时数约束约束不等式： ( v ，一u l 。叶) ，：j ! 五( 1 一配，) 五 ，：l ，2 ，t ，：l ，2 ，n ( 2 1 6 ) ( u ，一) ) 、- - t - - 一i t - i 五 z ；为机组允许的连续时问内最小停运小时数；瓦为机组允许的连续时间内最小运 行小时数。 2 5 本章小结 本章首先对a g c 和发电机组优化组合原理进行了说明，然后对a g c 功率调配、 传统机组优化组合以及包含a g c 的发电机组优化组合的数学模型做了分析，用数学 语言将该问题所需要做的工作描述出来，并且发现两个问题的数学模型大致相似。本 章明确了该问题中的目标函数，它是优化工作的中心，最后工作就是得到最小化目标 函数数值的优化方案。然后又对问题的约束条件进行了阐述，最终建立了问题的数学 模型。 数学模型的建立是处理问题的前提条件，只有这样，下面才能使用理论进行分析。 j 6 顾士论文一基于改进遗传算法的a g c 功率调配和机组优化组合研究 3 基于趋同和异化算子的改进遗传算法 遗传算法以其操作简单和对复杂问题的处理的有效性而著称，然而这种对复杂问 题的有效处理仅仅是基于非常简单的操作。本章是在介绍标准遗传算法原理基础上， 提出了改进方案。 3 1 标准遗传算法 遗传算法是模拟生物进化过程的计算模型。遗传算法作为一种新的全局优化搜索 算法，以其简单通用、鲁棒性强、适于并行处理以及应用广泛等显著特点，奠定了它 能够作为关键智能计算之一。 遗传算法是由h o l l a n d 在6 0 年代提出的，当时他注意到了自然界中存在的进化 自适应现象，并试图把这种自适应机制应用到计算机系统中。这使得他最初研究的出 发点不是为了解决特定的问题而设计的算法，后来经过其同事和学生的迸一步发展， 加之该算法简单、易用，且对很多优化问题能够比较容易的给出令人满意的优化结果， 所以被广泛用于解决各类优化问题，其影响也越来越大。 3 1 1 标