电力系统优化与调度软件：PLEXOS二次开发_（4）.电力系统优化理论.docx

PAGE1

PAGE1

电力系统优化理论

1.电力系统优化的基本概念

电力系统优化是指通过数学模型和算法，对电力系统的运行和规划进行优化，以实现经济、可靠、安全和环保的目标。在电力系统中，优化可以应用于多个层面，包括发电调度、输电调度、配电调度、需求侧管理等。优化的目标通常包括最小化运行成本、最大化系统可靠性、减少环境污染等。

2.数学模型在电力系统优化中的应用

电力系统优化的核心是建立数学模型，这些模型可以描述电力系统的各种运行状态和约束条件。常见的数学模型包括线性规划（LP）、非线性规划（NLP）、混合整数线性规划（MILP）等。这些模型可以通过求解器找到最优解，从而指导电力系统的实际运行。

2.1线性规划（LP）

线性规划是一种优化方法，用于解决目标函数和约束条件都是线性的优化问题。线性规划模型通常包括以下部分：

目标函数：需要最小化或最大化的线性函数。

约束条件：一系列线性不等式或等式，描述系统的运行条件。

决策变量：需要确定的变量，如发电机组的出力、输电线路的功率等。

例子：假设有一个简单的电力系统，包含两个发电机组和一个负荷。发电机组A的单位成本为10元/MWh，发电机组B的单位成本为15元/MWh。负荷需求为100MWh。每个发电机组的最大出力分别为50MWh和70MWh。目标是最小化总运行成本。

#导入线性规划库

frompulpimport*

#创建问题

prob=LpProblem(Simple_Power_System,LpMinimize)

#定义决策变量

x1=LpVariable(Generator_A,0,50)#发电机组A的出力

x2=LpVariable(Generator_B,0,70)#发电机组B的出力

#定义目标函数

prob+=10*x1+15*x2,TotalCost

#定义约束条件

prob+=x1+x2=100,DemandConstraint#负荷需求约束

prob+=x1=50,GeneratorAMaxOutput#发电机组A的最大出力约束

prob+=x2=70,GeneratorBMaxOutput#发电机组B的最大出力约束

#求解问题

prob.solve()

#输出结果

print(fStatus:{LpStatus[prob.status]})

print(fGeneratorAOutput:{x1.varValue}MWh)

print(fGeneratorBOutput:{x2.varValue}MWh)

print(fTotalCost:{value(prob.objective)}Yuan)

描述：在这个例子中，我们使用了Python的PuLP库来构建和求解线性规划问题。通过定义目标函数和约束条件，我们可以找到最小化总运行成本的最佳发电出力方案。

3.发电调度优化

发电调度优化是指在满足负荷需求和系统约束的条件下，确定各发电机组的最优出力。发电调度优化的目标通常是最小化运行成本或燃料费用，同时确保系统的稳定性和可靠性。

3.1经济调度（EconomicDispatch,ED）

经济调度是一种典型的发电调度优化问题，旨在最小化各发电机组的运行成本，同时满足负荷需求和系统约束。经济调度问题可以表示为一个非线性规划问题，目标函数是非线性的，约束条件通常是线性的。

例子：假设有一个包含三个发电机组的电力系统，负荷需求为200MWh。三个发电机组的成本函数分别为：

发电机组A：C

发电机组B：C

发电机组C：C

目标是最小化总运行成本，同时满足负荷需求和各发电机组的出力范围。

#导入非线性规划库

fromscipy.optimizeimportminimize

#定义成本函数

defcost_function(x):

x1,x2,x3=x

return100+10*x1+0.1*x1**2+150+12*x2+0.2*x2**2+200+8*x3+0.15*x3**2

#定义约束条件

defdemand_constraint(x):

x1,x2,x3=x

returnx1+x2+x3-200

#定义出力范围约束

defrange_constraint(x,upper,lower):

return[x[i]-lower[i