求解电力系统机组组合中备用配置问题的快速启发式算法

求解电力系统机组组合中备用配置问题的快速启发式算法

0种快速启发式机组组合算法通过组合装置是能源系统的重要因素。与在线经济计划相比，系统的运营效率显著提高。本文提出一种有效的以失负荷概率上限为约束的快速启发式机组组合算法。该算法的特点在于其快速性与鲁棒性,即使是含有上百台机组的系统并且考虑高阶故障,该算法可在较短时间内给出最优或次优的但必定为可行的解算结果,从而使以失负荷概率为约束的机组组合方法在计算耗时上具有了与传统确定性机组组合方法相近的优势,利于该类方法在生产实际中的推广应用。1机组组合约束模型失负荷概率通常是指给定时间跨度内由于机组故障等各类扰动事件造成用户供电中断的概率决策目标为机组包括发电及启动成本在内的运行成本最小的表达式为:式中:F为N台机组在T个时段内的运行总成本;p式(1)中右边第2项为发电机组的启动成本,与停机时长有关,此处采用非线性函数表示为:式中:φ寻求目标函数最小化的过程中必须满足如下约束条件。功率平衡约束为:发电机输出功率上、下限约束为:式中:采用确定性备用配置策略的机组组合方法还规定了系统的最小备用需求约束(即容量约束):而对于以失负荷概率上限为约束的机组组合方法,系统最小备用需求约束式(5)将被失负荷概率约束所替代,即要求:式中:L(u除上述约束外,机组组合模型还应包括最小开停机时间约束。由于该类约束将在所采用的拉格朗日松弛法的单机动态规划阶段计及,因而并不需要将其解析表达上述即为对计及失负荷概率约束机组组合问题的描述,其中,式(6)是该模型的关键。对于任何一种给定的机组组合方式,系统失负荷概率可通过构建系统的发电容量停运概率表(COPT,CapacityOutageProbabilityTable)进行求取2快速启动算法2.1无备用约束的机组组合预决策由于无法预知机组组合方式,从而确定备用与系统失负荷概率之间的对应关系,这里采用计及备用约束的常规机组组合与系统运行可靠性评估迭代求解的启发式算法。算法初始化时将系统在各个时段的备用需求置为零,利用拉格朗日松弛法进行无备用约束的机组组合预决策。在此基础上,根据机组组合预决策结果以及给定的最大允许失负荷概率对系统在各个时段的备用需求进行估计,进而进入下一次计及备用约束的机组组合计算,开始机组组合与运行可靠性评估的迭代过程。在该过程中,当一次机组组合计算完成后,若在线机组所能提供的备用容量无法满足当前机组组合方式下维持给定系统运行可靠性水平所需的备用容量,则更新备用需求,重新进行计及备用约束机组组合的计算,反之,则算法收敛,计算结束。算法总体流程如图1所示。2.2拉格朗日松弛法解求解计及备用约束机组组合问题是上述算法的重要组成部分,此处采用拉格朗日松弛法进行求解。在机组组合问题的优化模型中,功率平衡约束与备用需求约束导致各机组的决策相互关联,无法单独进行,而拉格朗日松弛法的求解思路便是将这两类约束进行松弛,使松弛后的问题可以对各台机组独立求解。基于问题描述部分所给出的机组组合模型,利用拉格朗日乘子对约束式(3)与约束式(5)进行松弛,松弛后优化模型的目标函数为:式中:L为拉格朗日函数;λ该目标函数在λ由此可见,此目标函数是对机组可分的。在进行最小化该目标函数时需遵从机组输出功率上下限约束以及机组的最小开停机持续时间约束。由于此两类约束同样属于单机约束,因而松弛后可对每台机组单独求解。然而,对原问题松弛后,问题的可行域将会增大,因而松弛后问题的解并不一定总在原问题的可行域内。如果松弛后问题的解不在原问题可行域内,那么迭代过程中需增大拉格朗日乘子,加大对违背约束的惩罚力度,促使松弛后问题的解趋向于原问题的可行域。如果松弛后问题的解在原问题可行域内,那么松弛后问题的目标函数是在原问题目标函数基础上减去非负项得到的,因而,松弛后问题的解实际上是原问题解的下限。此时,在循环过程中,将以使式(7)值最大化为目标更新拉格朗日乘子,此时所形成的最大最小问题被称为原问题的对偶问题。当对偶问题与原问题的目标函数值之差(对偶间隙)小于给定值时,则算法收敛。拉格朗日松弛法求解计及备用约束机组组合问题的流程如图2所示。各模块具体功能及实现方法如下。初始化部分采用优先级表法依据乘子λ检验新的启停机计划是否能够满足备用需求约束。若备用需求约束不能满足,则需增大μ若备用需求约束满足,则进行经济调度,得到新的乘子λ检验此时原问题与对偶问题目标函数的差值,若小于预设值,程序收敛。若收敛标准没有达到,则将μ2.3备用容量民法本文算法的另一个重要部分是备用需求的更新。备用需求的更新主要包括3个环节:首先是根据当前机组组合方式构建发电容量停运概率表;其次是根据给定的失负荷概率上限从发电容量停运概率表中截取到对应的备用需求容量;最后是对估计得到的当前备用需求与当前在线机组能够提供的备用容量进行比较,判断程序是否收敛并形成下次迭代的备用需求容量。发电容量停运概率表如表1所示。其中,第一列为升序排列的系统可能出现的停运容量;第二列为与停运容量对应的发生概率。根据发电容量停运概率表,时段t系统的失负荷概率指标L式中:M对于某一时段,当机组组合方式对应的系统失负荷概率指标高于给定的允许值时,说明当前时段在线机组所提供的备用容量无法满足要求,机组组合应向备用容量增多的方向发展。这里用当前机组组合方式下满足给定失负荷概率约束的备用容量来估计下一次迭代过程中系统的备用需求,将备用需求的调整步长ΔR式中:R对于任意时段t,系统备用需求的更新流程如图3所示。3失负荷概率上限约束启发式算法应在保证解算结果的可行性同时,尽量提高解的优化程度。本文算法的收敛条件设定为某次迭代过程中,已得机组组合方式对应的备用容量能够满足此方式下根据发电容量停运概率表以及给定的系统失负荷概率上限所确定的备用需求。在此条件下,如果算法收敛,那么解算结果显然能够满足系统的失负荷概率上限约束及其他机组组合相关约束,这样的结果当然是可行的。于此同时,对于计及失负荷概率约束机组组合问题的迭代式求解方法在半对数坐标系下,在总容量为344MW的10机系统中相继加入3台容量为76MW机组时,备用容量与失负荷概率之间的关系曲线如图4所示。图4说明了随着新机组的加入,在任意给定的备用容量情况下系统的失负荷概率均会上升。因而,当在第k次迭代过程中确定了k+1次迭代的备用需求后,若k+1次迭代机组组合结果有新机组投入运行,要维持相同的失负荷概率,备用需求量一定会增加,故可以认为第k次迭代按式(9)确定的备用需求增长步长是适中的。尽管如此,在采用迭代算法时,算法收敛后仍需尝试进行减机组操作,以防配置过多的备用容量4机组组合计算方法通过对单区域及多区域RTS-96系统进行测试,可以验证所提方法的有效性。RTS-96系统中含有26台火电机组,机组运行特性及成本参数见文献[19],机组可靠性参数见文献[20]。计算发电容量停运概率表时,要求截断误差小于10采用文献[11]与本文方法分别对单区域RTS-96系统进行机组组合计算。机组初始启停状态及已开停机时间见表2。表2中,“+”表示开启,“-”表示关闭,数字表示状态持续时间。系统在24h内的负荷需求变化见表3。假设各个时段中系统允许的失负荷概率上限均为5×10采用文献[11]与本文方法决策得到的机组启停计划相同(见图6)。图6中,0表示停机,1表示开机。在计算时间上,采用文献[11]方法计算用时3516.14s,本文方法计算用时8.37s,计算速度提升显著。计算效率的提升源自备用更新方法的改进,采用本文备用更新方法,仅需进行二次迭代。这里用第11h的备用更新情况进行说明。初始时,系统要求的备用容量为0MW,进行无备用约束的机组组合计算,得到第11h机组组合方式对应的备用容量为96MW。在此情况下,对系统可靠性进行分析,发现要将失负荷概率控制在5×10为进一步检验本文算法的计算效率,对2区域、3区域、4区域、6区域及8区域RTS-96系统进行测试,负荷水平均参照单区域系统倍增。测试结果如表4所示。从表4可以看出,对于各种情况,本文方法均可在较少的迭代次数内收敛,计算时间较短,能够满足机组组合问题对计算效率的要求。其中,对8区域系统的计算时间较对6区域系统的计算时间增长较多,这主要是由于随着机组数目的增多,机组组合问题的求解时间增长较为明显。同时,由于负荷的增长,在线机组的增多,使形成发电容量停运概率表的工作量增长显著,从而导致较长的计算时间。但尽管如此,15min左右的计算时长对于机组组合问题而言是可以接受的。5迭代求解策略验证本文提出了一种求解计及失负荷概率约束机组组合问题的新的启发式算法。算法采用给定备用需求约束机组组合与系统运行可靠性评估的迭代求解策略进行模型求解,并在求解过程中,充分认识到随