[发明专利]基于集群学习的低碳CSP系统协同优化方法及装置

说明书

本发明公开的基于集群学习的低碳CSP系统规划与运行协同优化方法及装置，包括：对系统中的CSP机组进行集群分组，获得多个CSP机组组群；通过表示CSP机组组群的在线总容量、启动总容量和关停总容量的三个连续变量，构建CSP机组组群的输出功率约束、爬坡约束、最小在线时间约束、最小离线时间约束和瞬时热功率平衡约束，进而构建低碳CSP系统规划与运行协同优化模型；获取低碳CSP系统中各机组的额定容量；根据各机组的额定容量及构建的低碳CSP系统规划与运行协同优化模型，获取各机组组群的容量配置方案。其中，CSP机组组群各项约束中的变量都是连续的，为完全的线性优化模型，降低了模型计算的复杂度，适用于大规模电力系统长期规划问题的分析。

技术领域

本发明涉及电力系统规划技术领域，尤其涉及基于集群学习的低碳CSP系统协同优化方法及装置。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

为进一步提高电力系统中可再生能源的渗透率，太阳能光热发电（Concentratingsolar power, CSP）机组越来越受到人们的广泛关注，因为其不仅能够利用可再生能源发电，还可以有效提高系统的运行灵活性。在本发明中，将包含CSP机组等大量可再生能源发电机组的电力系统称之为低碳CSP系统。在对CSP系统进行长期规划问题的年运行成本分析计算时，关于CSP机组建立的模型为混合整数线性规划模型，在对该混合整数线性规划模型进行求解计算时，计算速度较慢。目前，已有一些研究集中在降低规划模型的计算复杂度，以用于长期规划问题的分析，例如通过缩减复杂场景和简化约束条件等方法来减少长期规划问题的计算负担；或从建模的角度出发，采用聚类技术对机组组合公式中相同或相似的机组进行分组，以降低计算复杂度，但是，这些方法均没有改变模型的混合整数性质，导致对模型进行求解时，计算速度仍然较慢。

发明内容

本发明为了解决上述问题，提出了基于集群学习的低碳CSP系统协同优化方法及装置，首先对系统中的CSP机组进行组群划分，进而通过表示CSP机组组群的在线总容量、启动总容量和关停总容量的三个连续变量构建CSP机组组群的各项约束，进而构建低碳CSP系统规划与运行协同优化模型，由于构建的CSP机组组群的各项约束中不存在表示单个机组开关状态的二元变量，使得构建的CSP机组组群的各项约束均为完全的线性优化模型，有效降低了低碳CSP系统规划与运行协同优化模型的计算复杂度，在保证模型计算结果精度的同时，可以显著提高计算效率，适用于大规模电力系统长期规划问题的分析，解决了传统优化模型中包含表示单个机组开关状态的二元变量，模型复杂度高，计算效率低的问题。

为实现上述目的，本发明采用如下技术方案：

第一方面，提出了基于集群学习的低碳CSP系统协同优化方法，包括：

对低碳CSP系统中的CSP机组进行集群分组，获得多个CSP机组组群；

通过表示CSP机组组群的在线总容量、启动总容量和关停总容量的三个连续变量，构建CSP机组组群的输出功率约束、爬坡约束、最小在线时间约束、最小离线时间约束和瞬时热功率平衡约束，进而构建低碳CSP系统规划与运行协同优化模型；

获取低碳CSP系统中各机组的额定容量；

根据各机组的额定容量及构建的低碳CSP系统规划与运行协同优化模型，获取各机组组群的容量配置方案。

第二方面，提出了基于集群学习的低碳CSP系统协同优化装置，包括：

组群划分模块，用于对低碳CSP系统中的CSP机组进行集群分组，获得多个CSP机组组群；

模型构建模块，用于通过表示CSP机组组群的在线总容量、启动总容量和关停总容量的三个连续变量，构建CSP机组组群的输出功率约束、爬坡约束、最小在线时间约束、最小离线时间约束和瞬时热功率平衡约束，进而构建低碳CSP系统规划与运行协同优化模型；