电力系统建模与分析软件：Python二次开发_14. 电力系统经济调度.docx

PAGE1

PAGE1

14.电力系统经济调度

14.1经济调度的基本概念

经济调度是指在满足电力系统安全、稳定运行的前提下，通过优化发电机组的出力分配，使系统的总运行成本达到最低。经济调度的目标是减少燃料费用、提高运行效率、延长设备寿命等。在实际应用中，经济调度通常涉及到多个目标和约束条件，如发电机组的最小出力、最大出力、爬坡速率、启动费用等。

14.2经济调度的数学模型

经济调度问题可以建模为一个优化问题，通常使用线性规划或非线性规划方法来求解。以下是经济调度问题的一个典型数学模型：

14.2.1目标函数

目标函数通常表示为系统总运行成本的最小化：

$$

{i=1}^{N}{t=1}^{T}C_i(P_{i,t})

$$

其中：

N是发电机组的数量。

T是调度的时间段数。

Pi,t是第i个发电机组在时间段

CiPi,t是第i

14.2.2约束条件

电力平衡约束：在每个时间段内，系统的总负荷需求必须等于所有发电机组的总出力。

$$

{i=1}^{N}P{i,t}=D_tt

$$

其中Dt是时间段t

出力上下限约束：每个发电机组的出力必须在规定的最小出力和最大出力之间。

$$

P_{i,}P_{i,t}P_{i,}i,t

$$

爬坡速率约束：发电机组的出力变化不能超过其爬坡速率。

$$

|P_{i,t}-P_{i,t-1}|R_ii,t

$$

启动费用约束：如果发电机组在某时间段内启动，需要考虑启动费用。

$$

{i=1}^{N}{t=1}^{T}S_ix_{i,t}

$$

其中Si是第i个发电机组的启动费用，xi,t是一个二进制变量，表示第i个发电机组在时间段

14.3使用Python进行经济调度建模

在Python中，可以使用多种优化库来求解经济调度问题，如PuLP、Pyomo、SciPy等。本节将介绍如何使用PuLP库进行经济调度建模。

14.3.1安装PuLP库

首先，需要安装PuLP库。可以通过以下命令进行安装：

pipinstallpulp

14.3.2基本示例

假设有一个简单的电力系统，包含两个发电机组，需要在三个时间段内进行经济调度。每个发电机组的运行成本函数、出力上下限、爬坡速率、启动费用等参数如下：

发电机组1：

运行成本函数：C

最小出力：100MW

最大出力：500MW

爬坡速率：50MW/小时

启动费用：10000元

发电机组2：

运行成本函数：C

最小出力：150MW

最大出力：400MW

爬坡速率：40MW/小时

启动费用：12000元

系统在三个时间段内的负荷需求分别为：400MW、500MW、450MW。

下面是一个使用PuLP进行经济调度建模的代码示例：

importpulp

#定义问题

model=pulp.LpProblem(EconomicDispatch,pulp.LpMinimize)

#定义变量

N=2#发电机组数量

T=3#时间段数量

#发电机组出力变量

P=pulp.LpVariable.dicts(Power,[(i,t)foriinrange(1,N+1)fortinrange(1,T+1)],lowBound=0,cat=Continuous)

#启动变量

x=pulp.LpVariable.dicts(Start,[(i,t)foriinrange(1,N+1)fortinrange(1,T+1)],cat=Binary)

#负荷需求

D=[400,500,450]

#发电机组参数

cost_coeffs={

1:[500,10,0.05],

2:[600,12,0.04]

}

min_power={1:100,2:150}

max_power={1:500,2:400}

ramp_rate={1:50,2:40}

start_cost={1:10000,2:12000}

#目标函数

model+=pulp.lpSum([

cost_coeffs[i][0]+cost_coeffs[i][1]*P[(i,t)]+cost_coeffs[i][2]*P[(i,t)]**2+start_cost[i]*x[(i,t)]

foriinrange(1,N+1)fortinrange(