电力系统优化与调度软件：GAMS二次开发_（13）.GAMS二次开发中的高级算法应用.docx

PAGE1

PAGE1

GAMS二次开发中的高级算法应用

在电力系统优化与调度软件的开发中，GAMS（GeneralAlgebraicModelingSystem）是一个非常强大的工具，用于解决复杂的数学优化问题。GAMS二次开发主要是指在GAMS基础上，利用其扩展功能和高级算法来实现更具体、更高效的电力系统优化与调度。本节将详细介绍一些高级算法在GAMS二次开发中的应用，包括混合整数规划（MILP）、非线性规划（NLP）、混合整数非线性规划（MINLP）等。

混合整数规划（MILP）

混合整数规划（MILP）是电力系统优化中常用的一种数学模型，适用于处理离散决策变量和连续决策变量共存的问题。MILP在电力系统中的应用广泛，例如机组组合问题、输电线路扩展规划等。

原理

MILP的基本原理是在线性规划的基础上，增加了一些整数变量的约束。数学模型可以表示为：

$$

c^Tx

$$

$$

Axb

$$

$$

x_iiI

$$

$$

x_jjJ

$$

其中，c是目标函数的系数向量，x是决策变量向量，A是不等式约束的系数矩阵，b是不等式约束的右侧向量，I和J分别表示整数变量和连续变量的索引集合。

例子：机组组合问题

机组组合问题（UnitCommitmentProblem,UCP）是指在满足负荷需求和各种运行约束的条件下，确定各发电机组的启停状态和出力水平，以使运行成本最小化。下面是一个简单的MILP模型示例。

模型描述

假设我们有3台发电机组，每台机组的启动成本、运行成本、最小和最大出力、以及负荷需求如下表所示：

机组|启动成本(元)|运行成本(元/MW)|最小出力(MW)|最大出力(MW)|

|——|————-|—————–|—————|—————|

1|500|100|50|200|

2|300|150|30|150|

3|400|120|40|180|

负荷需求为300MW。

GAMS代码示例

*机组组合问题的MILP模型

sets

i/1*3/;*机组集合

t/1*24/;*时间段集合

parameters

startupCost(i)/1500,2300,3400/;*机组启动成本

operatingCost(i)/1100,2150,3120/;*机组运行成本

minPower(i)/150,230,340/;*机组最小出力

maxPower(i)/1200,2150,3180/;*机组最大出力

load(t)/1300,2300,3300,4300,5300,6300,7300,8300,9300,10300,11300,12300,13300,14300,15300,16300,17300,18300,19300,20300,21300,22300,23300,24300/;*负荷需求

variables

power(i,t)机组出力/i1.t10,i2.t10,i3.t10/

on(i,t)机组是否启动/i1.t10,i2.t10,i3.t10/

cost总成本;

binaryvariables

on(i,t);

equations

obj目标函数

powerBalance(t)功率平衡约束

minPowerConstraint(i,t)最小出力约束

maxPowerConstraint(i,t)最大出力约束

startupConstraint(i,t)启动约束;

obj..cost=e=sum((i,t),startupCost(i)*on(i,t)+operatingCost(i)*power(i,t));

powerBalance(t)..sum(i,power(i,t))=e=load(t);

minPowerConstraint(i,t)..power(i,t)=g=minPower(i)*on(i,t);

maxPowerConstraint(i,t)..power(i,t)=l=maxPower(i)*on(i,t);

startupConstraint(i,t+1)..on(i,t+1)-