[发明专利]基于环境保护和经济效益的火电厂综合调度方法

摘要

本发明公开了一种基于环境保护和经济效益的火电厂综合调度方法，包括以下步骤：建立火电厂环境经济调度问题的数学模型；获取模型中的各类参数；初始可行调度产生过程及编码处理；对可行调度进行评价；对可行调度进行更新；对外部归档集中的非劣调度解集进行更新；通过循环拥挤距离确定影响迭代过程的三个重要非支配调度序列；判断迭代次数t是否达到最大值，若是，输出当前的非劣解集中的可行调度，若否，设置迭代次数t＝t+1，转到步骤五重新进行更新。本发明的综合调度方法，考虑到发电量的增大必然会引起污染排放量的增大，即环境去污的费用增大，实时调整各火电厂机组的发电功率，实现综合效益最优化。

主权项

1.一种基于环境保护和经济效益的火电厂综合调度方法，其特征在于，包括以下步骤：步骤1、建立火电厂环境经济调度问题的数学模型其数学模型的表达式为：式（1）中，i=1,2,…,N_G表示第i台发电机，N_G为系统内发电机总数；表示火电厂的发电燃料总耗量即燃料总费用，计算表达式为：Fi(Pi)=ai+bi+ciPi2---(2)]]>式（2）中，P_i表示第i台发电机的有功功率；E_i(P_i)表示第i台发电机的燃料耗量，a_i,b_i,c_i均为系统参数，分别表示第i台发电机组燃料耗量特性的常数项、一次项系数和二次项系数，在系统中是已知参数；另外，为污染气体的总排放量，计算表达式为：Ei(Pi)=αi+βi+γiPi2+ξiexp(λiPi),---(3)]]>式（3）中，E_i(P_i)表示第i台发电机的污染排放量；α_i,β_i,γ_i,ξ_i,λ_i均为系统参数，α_i,β_i,γ_i分别表示第i台发电机组污染排放量特性的常数项、一次项系数和二次项系数，ξ_i,λ_i表示指数项的相关参数，相对于具体系统为常数值；环境经济调度优化过程中所受到的限制条件包括：A）发电机的最大最小容量限制，表达式为：其中的分别为第i台火力发电机的最小及最大有功功率输出；B）平衡约束，即系统各发电机组发电功率之和应等于负载总的需求功率与网络损耗之和，表达式为：式中，为火电厂机组的总有功功率；P_D为系统的额定功率；P_Loss为电网中有功网损，网损计算采用B系数法，表达式为：其中称B_ij,B_0i，B₀₀为B系数，分别根据机组的具体设置得到，是已知参数；步骤2、获取模型中的各类参数2.1）根据电网负荷曲线确定电网的负荷低谷与负荷高峰时段，确定各时段负荷分配的功率需求从电网调度中心统计数据，获取当前时刻系统的数据，包括系统额定功率P_D、有功网损P_Loss的参数值B_ij,B_0i，B₀₀；2.2）机组的运行性能参数，包括运行时的煤耗量、烟尘及有害气体的排放量，根据烟尘排放定价、减排定价、二氧化碳排放许可价格得到污染排放量的参数数据α_i,β_i,γ_i,ξ_i,λ_i；根据电力系统辅助服务定价、单位电能生产中的煤耗定价，获得原煤价格、柴油价格火电机组运行时发电成本，得到燃料总费用的参数a_i,b_i,c_i；步骤3、初始可行调度产生过程及编码处理在上述的数学模型中，需要确定的决策变量为N_G个机组的有功功率采用基于聚类思想的粒子群算法进行实现，为此需要产生初始可行调度，针对初始可行调度产生的具体步骤是：对前N_G-1个发电机组，在满足最大发电有功功率和最小发电有功功率的范围内，随机产生每个机组的有功功率P_i,i＝1,2,…,N_G-1,然后利用等式约束，求得第N_G个机组的有功功率，计算网络损耗P_Loss，并确保满足最大、最小发电机组有功功率限制；按照同样的过程产生N个可行调度序列；步骤4、对初始可行调度进行评价将上述步骤3产生的N个可行调度序列分别代入前述的式（2）和式（3），对可行调度进行评价，并进行非劣排序；由于每个可行调度均对应两个目标函数，因此需要对N个可行调度进行非劣排序，将互不支配的可行调度保存在一个外部集合中，称之为外部归档集；步骤5、对可行调度进行更新在开始之前需要设置迭代次数初值t=0，及其最大迭代次数T_max，产生N个初始可行调度并进行评价后，下一步就要实现对这N个可行调度的更新，在更新之前，首先采用k-means聚类方法，对N个可行调度进行聚类，并将通过聚类得到的新信息和粒子群算法提供的信息相结合，来对每个可行调度的发电机组有功功率进行迭代更新机制，具体按照以下步骤实施：设在第t次迭代中，第j个可行调度中第i个机组的有功功率为P_ji(t)，有功功率的变化率为V_ji(t)，第j个可行调度前t次迭代历史中最优经济效益时第i个机组有功功率为Pbest_ji(t)，前t次迭代中所有可行调度中获得最优经济效益时第i个机组的有功功率为Pgbest_i(t)，第j个可行调度所在类的类内最优经济效益所对应的发电机组有功功率为C_ji(t)，则在迭代次数为t+1时，第j个可行调度中第i个机组的有功功率P_ji(t+1)的迭代公式如下：P_ji(t+1)＝P_ji(t)+V_ji(t+1)    （4）V_ji(t+1)＝ω·V_ji(t)+c₁·r₁·(Pbest_ji(t)-P_ji(t))+c₂r₂(P_gbest(t)-P_ji(t))+c₃·r₃·(C_ji(t)-P_ji(t))                                                                                  （5）上式（4）及式（5）中，三个学习因子c₁，c₂和c₃均为常数，r₁、r₂、r₃为[0，1]之间的随机数；w从最大值0.9根据迭代次数递减到最小值0.4，V_ji(t)为发电机组有功功率变化范围的10%-20%，通过以上两个迭代公式，每个发电机组的变化率和发电机组的发电有功功率不断更新，寻找出综合环境因素下N个更符合目标函数的发电机组发电功率可行调度集合；步骤6、对外部归档集中的非劣调度解集进行更新首先对这N个可行调度序列分别代入前述的式（2）和式（3），对所有可行调度进行评价，并进行非劣排序，采用循环拥挤距离排序法来对外部归档集进行维护，使得外部归档集的大小在其初始设定的范围内；外部归档集的更新除了采用上述来自种群中的非支配调度外，还从归档集合中选择出η%非劣最优经济效益和污染排放量的发电机组的有功功率值，η的取值范围为5~20；在每个发电机组的有功功率值附近以SR∈[0,1]为半径进行搜索，以便产生更好的可行调度；步骤7、计算外部归档集中各非支配调度之间的拥挤距离，并根据拥挤距离确定出新的Pbest_ji(t)、Pgbest_i(t)和C_ji(t)；步骤8、判断迭代次数t是否达到最大值T_max，若是，输出当前的非劣解集中的可行调度，若否，设置迭代次数t=t+1，转到步骤5重新进行更新。