[发明专利]一种高耗能负荷主动调峰的多能源调度方法

权利要求书

1.一种高耗能负荷主动调峰的多能源调度方法，其特征在于，按如下步骤进行：

步骤1、采集高耗能负荷生产运行现状及并网影响，包括高耗能负荷目前的运行现状及技术特性，采集高耗能负荷的生产方式、耗电水平、用电习惯以及高耗能负荷企业的管理水平与其在电网中的调峰能力，并采集高耗能负荷并网运行给辽宁电网带来的影响。

步骤2、采集高耗能负荷生产时序与运行特性的类别划分方法、高耗能负荷生产运行全过程管控方法和具有时延控制潜力的高耗能负荷的控制工艺；

步骤3、采集高耗能负荷不同生产运行场景下的日内电气外特性和高耗能高负荷的余能回收，从而根据神经网络算法构建高耗能负荷运行特性表征的负荷运行控制模型；

步骤4、利用多维约束优化法建立高耗能负荷主动参与电网调度方案执行的“双向”联动策略，实现电网测主动负荷调控方法。

2.根据权利要求1所述的一种高耗能负荷主动调峰的多能源调度方法，其特征在于，根据采集的步骤1和步骤2中数据分别建立不同参数影响下的日前用电量数据库，

前提需要满足：

W_forecast≤W_w+W_l+W_n+W_f

其中在相同的参数条件下，W_forecast为系统的预用电量，W_w为风电机组的预发电量，W_n为核电的预发电量，W_l为光电的预发电量，W_f为火电的预发电量。

对比预发电量和预用电量主要是为了保证对用户供电的可靠性，同时也为了根据用电水平留出一定的发电裕量，其优势在于通过第一阶段的预调度，可以减少第二次阶段调度的调节量，减低下次调度的操作成本和燃料损失成本，尤其对核电而言，减少调节次数可以增强其使用寿命。

3.根据权利要求1所述的一种高耗能负荷主动调峰的多能源调度方法，其特征在于，步骤三根据神经网络算法构建高耗能负荷运行特性表征的负荷运行控制模型，

神经网络包括输入层、隐含层和输出层，输入层节点数为M，隐含层节点数为q，输出层节点数为L,[x,y]为样本p，x＝[x1,x2]为高能耗负荷电能的有功值、无功值，y＝[y1,y2]为高能耗负荷并网后的有功值、无功值，读取样本p数据，进行向前传播，检验神经网络模型的预测精度是否达到预设精度要求，若未达到，则进行反向传播，然后返回上述进行前向传播的步骤，若达到，结束学习训练的过程。

所述的向前传播包括:

隐含层第i个神经元在样本p的作用下隐含层输入为：

其中：为输入层节点j在样本P作用时的输入；ω_ij为输入层第j个神经元和隐含层第i个神经元之间的连接权值，θ_i为隐含层第i个神经元的阈值；

隐含层第i个神经元额输出经激励函数作用之后为：

式中：f(·)为隐含层激励函数；为隐含层节点i在样本p作用时的输出；

当时，则有

当时，则有

隐含层第i个神经元的输出通过隐含层与输出层神经元之间的连接权值作用后，将信号传递到输出层的第k个神经元并作为其输入之一；输出层第k个神经元的总输入为：

式中：ω_ki为隐含层单元i与输出层单元k之间的连接权值，σ_k为输出层神经元k的阈值；输出层的第k个神经元输出经激励函数作用后为：

为输出层节点k在样本p作用时的输出；g(·)为输出层激励函数；

将采集到的高耗能负荷数据的有功值、无功值作为输入，以高能耗负荷并网后的有功值、无功值作为输出，进行神经网络模型的训练，知道神经网络模型的预测精度达到要求，得到高耗能负荷运行控制模型。

4.根据权利要求1所述的一种高耗能负荷主动调峰的多能源调度方法，其特征在于，本方法中提出的多维约束优化法是将电力系统中影响高耗能供电因素和用电因素的约束条件，根据发电要求和用电要求可以制定不同的约束域，约束的量越多需要制定的维数越多。本方法中提及的综合能源为四种，即风电域、火电域、光电域、核电域，高耗能负荷用户自身用电因素有综合自身用电量的经济效益和环境效益限制影响。

以多维约束优化法为约束调节高耗电负荷用户系统，优势在于多个发电系统相互独立，在调节发电量时只受自身发电特性的约束，与其他发电能源系统不发生关系，只在发电量上做调整，通过分配各机组的发电量和减少调节成本达到经济最优发电。此外，将各个高耗能负荷用户的自身用电波动因素作为反向约束域，与四种综合能源的发电量进行预判实现“双向”的主动调控方法。

当用户端负荷量和发电端的发电量变化时，此时需要供电端调节发电量，应用多维约束优化法，在调度速率上考虑机组的爬坡或滑坡速率，在调度量上考虑机组自身的功率约束和发电成本而保证供电的可靠性和发电的经济性成本约束保证：

W_fore为高耗能负荷企业用电量综合系数，W_en为环境效益影响下用电量波动。

其中λ为各机组的单位度电的成本，W_w为光电的发电量，W_l为光电的发电量，W_f为火电的发电量，W_n为核电的发电量，C_b为备用容量费用，W_b为备用容量，κ为个根据预用电量确定备用容量的系数，γ为各能源备用容量的单位费用，W_b,*为个能源参与的备用容量。

根据多维约束优化法约束，通过计算很快能得到各发电机组的发电量λ。此时只是确定发电成本已经最优，但在调节机组发电能量时会产生机组启停费用和燃料浪费，若要实现真正的经济最优需进行深入的计算：

减少弃光弃风消纳量为：

其中△C_w和△C_l调节风光出力时产生的费用，c_w为单位风电电价，每台风电机组减少的弃风量，c_l为单位光电电价，每台光电机组减少的弃光量。

调整火电和核电时产生的费用：

其中△C_f为调整火电费用，a_i、b_i、c_i分别为二次项、一次项和常数项的系数，为瞬时功率，C_pur为机组的购置成本，△N为机组的使用次数，C_gas为实时的油价，△Z_gas为参与调峰时的耗油量，P_min为基础调峰阶段的下限，P_max为基础调峰阶段的上限，P_a为深度调峰的下限，P_b为投油调峰的下限，△C_n为核电参与调峰时产生的费用，机组损耗费用，为核燃料费用，为人工处理费用。

根据高耗能负荷用户的预用电量成本，与计算完的四种综合机组的成本作一方面可以调整四种机组的发电量，另一方面可以根据高耗能负荷用户参数数据库调整其自身的用电规律，参与“双向”联动调控，实现主动调节用电波峰的多能源调度方法。