[发明专利]基于不确定性方法的能效电厂优化配置及厂网规划方法

权利要求书

1.一种基于不确定性方法的能效电厂优化配置及厂网规划方法，其特征在于，包括以下步骤：

1)采用不确定二层规划方法构建能效电厂优化配置与厂网扩展协调规划模型，包括上层规划模型和下层规划模型，所述的上层规划模型以总投资成本最小为目标函数，目标函数的表达式为：

E[F]＝min{E[F₁],E[F₂],E[F₃],...,E[F_h],...,E[F_H]}

其中，E[F_h]为第h种情形下的投资成本的期望值，E[G^t]为电厂的投资成本的期望值，为切负荷惩罚费用的期望值，为第t阶段电力系统的发电成本的期望值，r为贴现率(％)，1/(1+r)^(t-1)Y为资金的折算系数，T为规划周期包含的规划阶段，Y为第t阶段包含的年数，Ω为节点的集合，为第t阶段节点i到j的输电线路单位投资费用(万元/km)，L_ij为节点i到j之间的距离，为第h种情形下第t阶段节点i到j之间新建输电线路回数，为第t阶段常规机组的投资成本，为第t阶段能效电厂的投资成本，为第t阶段光伏电站和风电场的投资成本，为第t阶段电力系统的发电成本，为第h种情形下第t阶段正常运行状态下节点i的切负荷量，为第h种情形下第t阶段第s条线路断开的N-1运行状态下节点i的切负荷量，a、b分别为正常状态下的切负荷惩罚系数和N-1状态下的切负荷惩罚系数；

所述的上层规划模型的约束条件包括正常运行情况下的潮流约束条件和线路有功潮流约束条件，以及N-1情况下的潮流约束条件、线路有功潮流约束条件和输电线路约束条件；

所述的下层规划模型以电厂的投资成本最小为目标函数，目标函数的表达式为：

其中，为第t阶段常规机组的投资成本，M为常规电厂机组类型数，C_G,m为新建常规发电机组类型为m的单位容量投资成本，P_G,m为m型常规机组的容量，为第t阶段新建m型常规机组的台数，

为第t阶段能效电厂的投资成本，K为能效电厂机组类型数，C_E,k为新建能效电厂类型为k的单位容量投资成本，P_E,k为k型能效电厂的容量，为第t阶段新建k型能效电厂的台数，

为第t阶段光伏电站和风电场的投资成本，为第t阶段电力系统的发电成本，为第t阶段电力系统的发电成本的期望值，

N为第t阶段包含所选择的待建常规电厂的常规机组数目，L为第t阶段包含所选择的待建能效电厂的能效电厂数目，Y为第t阶段包含的年数，为第t阶段第n个常规电厂机组第y年的发电量，I_OME,n为第n个常规电厂机组的单位运行维修费用，为第t阶段第n个常规电厂机组的动态费用，为第t阶段第l个能效电厂第y年的发电量，I_OM,l为第l个能效电厂的单位运行费用，为第t阶段第y年光伏风电的发电量，I_OMPW,n为第n个光伏电站或风电场的单位运行费用；

所述的下层规划模型的约束条件包括机组备用容量约束条件、电量约束条件、系统中能效电厂的容量约束条件、新建常规电厂机组台数约束条件以及新建能效电厂机组台数约束条件；

所述的下层规划模型的约束条件为：

其中，为第t阶段第n个常规电厂机组第h小时的发电量，为第t阶段第l个能效电厂机组第h小时的发电量，为光伏电站和风电场的容量，为第t阶段第h小时的负荷，为第t阶段新建m型常规机组台数，为第t阶段新建m型常规机组的最大台数，为第t阶段新建k型能效电厂数，为第t阶段新建k型能效电厂的最大台数；

2)采用改进自适应遗传算法和等效电量频率法相结合的混合算法求解下层数学模型并进行连通性校验，具体包括以下步骤：

21)以可扩展线路的回路数作为上层规划模型的变量，通过随机选取确定上层规划模型的试验解作为随机规划方案；

22)对随机规划方案进行连通性校验，连通性校验判断的计算式为：

其中，为第t阶段节点i到j的输电线路单位投资费用，L_ij为节点i到j之间的距离，为第t阶段节点i到j之间新建输电线路回数，E[G^t]为电厂的投资成本的期望值，为切负荷惩罚费用的期望值；

23)用改进自适应遗传算法计算常规电厂、光伏电站、风电场和EPP的建设费用，并以机组运行信息为参数，使用等效电量频率法计算机组的发电运行费用反馈至上层规划模型；

3)采用改进自适应遗传算法、变精度粗糙集理论和原始对偶内点法相结合的混合算法求解上层数学模型，得到能效电厂优化决策与厂网扩展规划优化决策的协调规划优化方案，具体包括以下步骤：

31)将进行连通性校验后的随机规划方案作为初始种群；

32)采用改进自适应遗传算法计算线路建设费用，利用内点法计算切负荷惩罚费用，再利用变精度粗糙集理论计算反馈给上层的切负荷惩罚费用，最后得到最优解和最优规划方案，所述的改进自适应遗传算法的调整公式为：

其中，f为要交叉的两个个体中适应度值较大的一个，M为数值很大的常数，P_R,N为N情况下系统切掉的负荷容量，P_R,N-1为N-1情况下系统切掉的负荷容量，M为一大数值常数，f′为要变异的个体的适应度值，f_avg种群的平均适应度值，f_max为种群中最大个体适应度值，P_c1、P_c2、P_m1、P_m2为常数，α为正常运行状态下的切负荷惩罚系数，β为N-1运行状态下的切负荷惩罚系数。