精细化日发电计划模型与方法

2015-03-23何攻王玲唐亮

科技资讯 2014年30期

何攻++王玲++唐亮

摘要：电网网架和机组规模的不断扩大，客观上要求发电计划的制定要越来越细致和精确。随着节能发电调度在客观上对电网调度精细化管理水平要求的提高，实现日发电计划的精细化决策成为了电网调度精细化管理的核心问题之一。该文针对传统日发电计划功能单一且难以实现准确安全校核与网损管理的问题，提出了一种精细化日发电计划模型及优化算法。

关键词：精细化日发电计划模型与方法电网调度

中图分类号：TM715 文献标识码：A 文章编号：1672-3791（2014）10（c）-0097-01

随着节能发电调度要求的提高，对电网调度精细化管理水平也相应增加，电网调度精细化管理，其本质就是实现日发电计划精细化决策。文章根据日发电计划精细化管理对精细化日发电计划模型的求解方法和其优越性能进行论述。

1 传统日发电计划的现状和挑战

随着我国经济的发展，我国的电网网架和电源建设也日益的发展，电网的安全也越来越严格。各级调度要充分利用送电通道，须在制定日发电计划的时候，运用精确的电网模型，能及时考虑实时运行阶段的电网安全，减少计划与实际发电量的偏差，还有就是为在计划中留足电网安全裕度，应减少次日电网负荷预测的不确定性，计划决策时应采用动态偏差。传统的都是基于静态安全稳定校核，在历史的潮流中，运用计算静态网损和网损微增加功率，虽然非常的监督，但是却没有考虑到实时潮流对其的影响，从而不能很好的保证网损精确平衡性，传统日发电计划一般基于静态安全稳定校核，利用历史潮流计算静态网损与网损微增率，动态计算网损，则能够很好的弥补这些情况，用最优的安全自动发电控制尾代表的电网静态优化算法，则可以考虑更多的优化所示，从而使得精度更高，但是在实际的过程中，很难以实现多时段的优化，因此，其没能够在发电领域得以广泛的运用。

2 精细化日发电计划的重点方法

电网静态安全的效益主要体现在其的不确定性上，日发电机在充分利用输电通道的经济目的的时候，取得一个很好的平衡点在输电裕度的安全性以前。此种多目标问题的优化，不是唯一的，根据电力市场参与者的安全水平期望值，以及抵御风险代价的可接收值，对电网经济效益与安全裕度的均衡规律定量分析。目前就发电计划的精细的安全性，可以很好的降低其存在的风险和成本，也是以精确的电网模型为基础的，基于电网其信息接入点和电压的预测值，一起母线和无功率符合预测值等，在结合其维修情况，可以很好的完善电网模型。编制日发电机时，获得有功网损量主要是通过交直流混合的方式，另外还能够用电网最新的信息来计算其网损微增率，因此能在保证良好精度的前提下，能够减少计算量，从而提高损管理精细化。

3 日发电计划精细化模型求解方法

3.1 机组综合状态评价策略

随着经济的发展，电源的规模也不断的扩大，但是在实际的时候对其解精度的提高也不断增加，如果运用传统的方法，很难对精确度进行求解。群智能优化算法具有了有效解决此类拥有非凸和非线性的大规模问题的优点，因此其应用很广泛。日发电计划模型包含了两个变量，即表示机组耗流量的实数变量和机组启停的 0-1 整型变量，可转化成两个问题，即开机机组最优流量分配子问题和机组组合子问题。决定机组开停机与否的关键主要是机组综合状态评价，机组出力上下限参数，以及开停机机组优先次序等重要运行边界参数。都需要对机组的综合性能进行评价，在把原始的量子进化算法和实际的量子进化算法进行结合计算，从而得到求解机组组合和最优流量分配的问题，这样获得的日发电计方案就是非常好的。机组参与电站运行的影响因素主要是：机组开开机以及停开机的时间和电站机组检修计划以及机组动力的性能等，主变、厂用电对机组出力影响；机组健康状况等。

在检修的时候，在最短的时间内把开机的信息纳入其中，并且对其机组进行限制、机组气蚀振动区以及其性能的稳定区域的上下线、停开机状态、停开机词序进行评价。

3.2 量子进化算法

量子进化算法主要是对量子形式中的群总的多样性进行利用，二进制编码之间的转换是依据其坍塌的机制来实现的，根据量子旋转门进行变异的过程，得到最优的答案就要重复的搜索求解空间，而那些有着多个的搜索状态的较少的量子个体，其全局搜索的能力是非常强的。通常情况下QEA内容和流程是很常见的其参考文献也很多。量子位的个数与电站机组台数在量子个体中是一致的，依此取0或1的量子位，对机组停机或开机状态相对应。其个体更新策略仍采用经典量子旋转门，对个体向最优方向进化起到很好的保持作用。

3.3 日发电计划精细化模型的求解方法

原始QEA，在含有0-1整型变量的机组组合子求解时，是非常适用的，RDQEA对于最优流量分配子的求解，是非常适用的，若二者交替循环运用就可得出最优值。求解过程为：

（1）初始化规模为N的量子进化种群，设迭代次数为x=1并输入计算参数。

（2）根据评价值，确定开停机次序，确定开机台数，确定对最短开停机时间约束，并进行处理，机组组合子问题的可行解就可形成。同时设时段n=1。

（3）最优流量分配子问题时的转入机组可运用RDQEA求解。该算法种群规模设置为Ms，迭代次数w=1。

（4）进行约束处理实数差分量子进化个体，对于种群按单时段进行目标函数评价，注意保存最优解。

（5）进行交叉错作，同时进行差分变异操作，对量子旋转门更新，看是否达到最大迭代次数Kmax，如没有达到w=w+1，转至步骤（4）；若g到达最后时段就转入步骤（6）；相反n=n+1，转入步骤（4）。

（6）进行计算所有量子个体的适应度值，这时取最大值所对应的解作为全局最优解。

（7）对量子进行操作，流程是个体执行量子旋转门。

（8）判断当前迭代次数，观察迭代次数最大值Gmax能否达到，如没能达到n=n+1，转至步骤（2）；相反就停止计算，对全局最优解输出。

4 结语

为了能够很好的减少和实际的偏差，本文提出了一系列的方法，根据分析，精细化的日发电计划不仅仅能够提高其精解度，而且对发电的计划能够起到一个很好的优化作用，从而提高其运作效率。