[发明专利]一种柔性负荷的多目标日前经济调度模型建立与求解方法

权利要求书

1.一种柔性负荷的多目标日前经济调度模型建立与求解方法，以单个区域为研究对象，所述模型中发电侧主要由常规火电机组和风电机组组成，负荷侧分为刚性负荷和柔性负荷两大部分，其中柔性负荷主要分为三类：可削减负荷、可平移负荷和可转移负荷；其特征在于，所述多目标日前经济调度模型的建立方法是按如下步骤进行：

步骤1：建立源荷双侧不确定性模型

步骤1.1、建立源侧风电功率的不确定性模型

风电功率预测误差服从均值为0的正态分布：

其中，风电功率预测误差的标准差与风电功率预测值之间的函数关系为：

σ_W,t＝k_W1P_WZ,t+k_W2 (2)

所以，风电功率的实际功率等于风电功率预测值与风电功率预测误差的和：

P′_WZ,t＝P_WZ,t+ΔP_WZ,t (3)

式中：ΔP_WZ,t为t时段风电功率预测误差；σ_W,t为t时段风电功率预测误差的标准差；P_WZ,t为t时段风电预测总功率；k_W1、k_W2为风电功率的预测误差系数；P'_WZ,t为t时段风电实际总功率；

步骤1.2、建立荷侧负荷的不确定性模型

与风电功率预测误差类似，负荷预测误差也可视为均值为0的服从正态分布的随机变量：

其中，负荷预测误差的标准差与负荷预测值之间的函数关系为：

σ_L,t＝k_LP_L,t (5)

因此，实际负荷值等于负荷预测值与负荷预测误差的和：

P′_L,t＝P_L,t+ΔP_L,t (6)

式中：ΔP_L,t为t时段负荷预测误差；σ_L,t为t时段负荷预测误差的标准差；k_L为负荷预测误差系数；P'_L,t为t时段实际负荷值；P_L,t为t时段负荷预测值；

步骤2：建立常规火电机组的成本模型

步骤2.1、常规火电机组的发电成本

式中：f_c为常规火电机组的发电成本；P_i,t为机组i在t时刻的有功功率；C_i(P_i,t)为机组i在t时刻的燃煤费用；u_i,t为机组i在t时刻的启停状态变量，并且u_i,t＝1表示机组处于开机状态，u_i,t＝0表示机组处于停机状态；T代表时段数；I代表机组数；

其中，

C_i(P_i,t)＝a_iP_i,t²+b_iP_i,t+c_i (8)

式中：a_i、b_i、c_i为机组i的燃煤费用系数；

步骤2.2、常规火电机组的启停成本

式中：f_s为常规火电机组的启停成本；S_i^*为机组i的启动成本系数；

步骤2.3、常规火电机组的碳排放量

在不考虑电网损耗的前提下，由发电侧一次能源的消耗所引起的碳排放量理论上应等于由需求侧负荷电能的消耗所引起的碳排放量；因此，选择从发电侧角度计算CO₂排放量，通常用二次函数形式表示：

式中：f₂为常规火电机组的碳排放量；x_i、y_i、z_i为机组i的污染气体排放系数；

步骤3：建立柔性负荷补偿成本模型

需求侧柔性负荷一般根据其响应特性分为三种类型参与系统经济调度，分别为可削减负荷、可平移负荷以及可转移负荷；

步骤3.1、可削减负荷调度成本

可削减负荷通常指的是根据电量的供需情况进行部分或全部削减的负荷，削减负荷后的补偿费用为

式中：f_cut为可削减负荷调度的补偿费用；C_cutfix,t为负荷在t时刻削减的固定补偿费用；C_cut,p为负荷单位有功削减的补偿费用；u_cut,t为负荷在t时刻的削减状态，且u_cut,t＝1表示负荷被削减，u_cut,t＝0表示负荷未被削减；p_cut,t为可削减负荷t时刻的削减量；

步骤3.2、可平移负荷调度成本

可平移负荷由于受到生产流程制约，其用电时间段具有严格的连续性，故其只能以固定的连续时间段在一定时段间整体平移；可平移负荷调度后的补偿费用为

式中：f_sh为可平移负荷调度的补偿费用；J为可平移负荷原起始时刻的集合；j、n分别为可平移负荷的原起始时刻和原结束时刻；t_sh为平移后可平移负荷的起始时刻；为负荷可接受的平移时段区间；C_sh,p,t为t时刻负荷单位有功功率平移的补偿费用；p_sh,t为原始区间[j,n]内t时刻可平移负荷的有功功率，且时，p_sh,t＝0；为负荷的平移状态，且表示负荷从[j,n]时段平移至[t_sh,t_sh+n-j]时段，表示负荷未平移；

步骤3.3、可转移负荷调度成本

可转移负荷通常指在整个调度周期T内，总用电量保持不变，但可以在部分时段灵活调节的负荷；与可平移负荷相比，没有连续性和时序性的限制；可转移负荷调度后的补偿费用为

式中：f_tr为可转移负荷调度的补偿费用；M为可转移负荷原运行时刻的集合；为负荷可接受的转移时段区间；C_tr,p,t为t时刻负荷单位有功功率转移的补偿费用；p_tr,t为t时刻转移至t_tr时刻的有功功率；为负荷的转移状态，且表示负荷转移至t_tr时刻，表示负荷未转移至t_tr时刻；

步骤4：建立多目标日前经济调度模型

多目标日前经济调度模型的目标函数包括系统的经济运行成本和常规火电机组的碳排放量；其中，系统的经济运行成本主要包括常规火电机组的运行成本、启停成本、三类需求侧柔性负荷的调度成本；模型调度周期为一天24个时段，两个目标函数为：

f₁＝f_c+f_s+f_cut+f_sh+f_tr (14)

由此，完成了多目标日前经济调度模型的建立；

采用一种改进的基于竞争机制的多目标粒子群算法求解多目标日前经济调度模型，包括以下步骤：

步骤1：输入模型求解所需要的数据及相关参数；模型数据主要包括：10台机组的相关参数、3类柔性负荷的参数、日前风电功率的数据、日前负荷的数据；参数主要包括：种群规模、最大迭代次数、多项式交叉、变异的概率、火电机组的启停变异概率；

步骤2：编码：对粒子群中的粒子采用实数编码的方式进行编码；

步骤3：初始化种群,得到粒子的位置与速度；

步骤3.1、对生成的初始种群中的粒子进行调整操作，并对调整后的个体做出适应性评价；检验经过调整后的粒子是否满足系统的旋转备用约束，对不满足旋转备用约束的粒子，采用罚函数的形式处理；满足旋转备用约束的粒子，其目标函数值即为其适应度值；

步骤3.2、若经过多次调整后部分粒子的约束违反程度仍然较高，则抛弃该部分粒子并重新产生；然后再次对新产生的粒子进行调整操作，并对调整后的粒子做出适应性评价；检验调整后的粒子是否满足系统的旋转备用约束，对不满足旋转备用约束的粒子，采用罚函数的形式处理；满足旋转备用约束的粒子，其目标函数值即为其适应度值；

步骤4：存档集更新操作：从当前种群中得到第一层的非支配个体加入到存档集中；

步骤5：执行基于竞争机制的学习策略更新种群中待更新的粒子的位置；

步骤6：对更新后的粒子执行多项式变异操作；

步骤7：对变异后的粒子执行机组启停变异操作；

步骤8：对机组启停变异操作后得到的粒子进行调整操作，并对调整后的粒子做出适应性评价，检验调整后的粒子是否满足系统的旋转备用约束，对不满足旋转备用约束的粒子，采用罚函数的形式处理；满足旋转备用约束的粒子，其目标函数值即为其适应度值；

步骤9：将更新后的种群与初始种群合并，并删除其中的一部分粒子，得到新种群；

步骤10：将新种群与存档集进行合并，再次执行存档集更新操作，得到新的存档集；

步骤11：对新的存档集执行进化搜索策略；

步骤11.1、创建集合S，将集合S与新的存档集合并后，再次执行存档集更新操作，得到更新后的存档集；

步骤12：判断是否满足终止条件，若满足，则输出存档集中的粒子；否则，返回步骤5。