[发明专利]一种高维度电力系统环境经济调度方法及系统

说明书

本公开属于电力系统技术领域，具体涉及一种高维度电力系统环境经济调度方法及系统，包括：获取电力系统运行参数，构建电力系统环境经济调度多目标优化模型；计算所构建多目标优化模型的优化目标值，构建数据驱动代理模型；采用改进的快速非支配遗传算法求解所述数据驱动代理模型，通过隶属度函数获取所求解模型的全局最优解，完成电力系统环境经济的优化调度。

技术领域

本公开属于电力系统技术领域，具体涉及一种高维度电力系统环境经济调度方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

经济运行及调度问题对电力企业的发展有着深远的影响，当前电网规模日益扩大，环境污染日益严重，如何在保障供电质量不受影响的前提下，兼顾环境与经济效益是非常值得研究的重大技术难题，也是促进电力企业节能减排的关键内容。通常负荷预测人员对某时段用电需求进行预测后，调度将对供电起决定性的作用，这将涉及到负荷平衡问题、网络损耗问题、环境问题和经济效益问题。如何在保障供电需求的前提下，降低网损、减少环境污染、增加电力企业效益是值得重点研究的问题。目前，该问题已经得到了初步研究，其主要研究思路是：(1)同时考虑火电机组的发电成本和污染气体排放问题，(2)考虑发电、调度过程中不同约束条件，(3)在满足调度时间要求的基础上选择合适的算法进行分析求解。

绝大多数研究方法对于研究思路(1)的处理都是大同小异，主要区别在于对(2)和(3)的处理上。已有方法多数只考虑了发电机有功约束和负荷平衡问题，同时对线路网损都采用近似计算方法，使得实际负荷平衡问题受到影响；同时，没有考虑实际电网的运行情况，对于电力系统实时潮流没有进行计算，这将导致理论与实践脱节；在算法的应用上，权重和方法是应用最广泛的一种方法，但是，该方法有两个严重缺点，其一是只能针对凸的帕累托最优前沿进行操作，然而，电力系统的最优化环境经济调度模型是一个非线性、非凸的数学模型，显然权重和方法已经不能再适用，其二是程序运行一次只能得到一个最优解，如果帕累托前沿有100个非支配解，则程序需要执行100次。

据发明人了解，近年来主要通过智能算法进行优化计算，典型的有非支配排序遗传算法(Nondominated Sorting Genetic Algorithm，NSGA)和粒子群优化算法(ParticleSwarm Optimization，PSO)，但是，对于遗传算法，当其种群多样度急剧下降时，对于粒子群算法，当粒子陷入局部最优时，它们都将遭遇早熟收敛问题。

发明内容

为了解决上述问题，本公开提出了一种高维度电力系统环境经济调度方法及系统，基于数据驱动代理模型和改进快速非支配排序遗传算法(Kriging-based FastNondominated Sorting Genetic Algorithm-II，K-NSGA-II)，基于所获取的任意结构的电网实际参数，以同时最小化发电成本和最小化环境污染为目标，考虑实际电网运行潮流，利用数据驱动克里金模型替换原有的使用数学函数描述的发电成本模型和环境污染模型，基于数据驱动克里金模型改良的快速非支配排序遗传算法得到一组非支配解集，形成“发电成本—环境污染”两个优化目标的帕累托最优前沿，再使用隶属度函数法得到一组本时段的最优化调度决策依据；提高了优化算法的收敛速度和准确性，有效减少了电力系统调度的操作时间。

根据一些实施例，本公开的第一方案提供了一种高维度电力系统环境经济调度方法，采用如下技术方案：

一种高维度电力系统环境经济调度方法，包括：

获取电力系统运行参数，构建电力系统环境经济调度多目标优化模型；

计算所构建多目标优化模型的优化目标值，构建数据驱动代理模型；

采用改进的快速非支配遗传算法求解所述数据驱动代理模型，通过隶属度函数获取所求解模型的全局最优解，完成电力系统环境经济的优化调度。