电力系统仿真：电力系统优化调度_5.电力系统经济调度.docxVIP

PAGE1

PAGE1

5.电力系统经济调度

5.1经济调度概述

电力系统经济调度是指在满足系统负荷需求和各种运行约束的条件下，通过合理安排各发电机组的出力，使系统总发电成本最小或经济效益最大化。经济调度是电力系统运行中的一项重要任务，对于提高电力系统的经济性和可靠性具有重要意义。在电力市场中，经济调度还涉及到竞价上网、合同管理等问题，因此其研究内容和方法也在不断丰富和发展。

5.2经济调度的基本模型

经济调度的基本模型通常可以表示为一个优化问题，其目标是最小化总发电成本。模型可以分为以下几部分：

目标函数：总发电成本的最小化。

约束条件：包括系统功率平衡约束、发电机组出力上下限约束、线路传输容量约束等。

变量：各发电机组的出力。

具体的数学模型可以表示为：

min

subjectto:

i

P

i

其中：-CiPi是第i台发电机组的发电成本函数。-Pi是第i台发电机组的出力。-N是发电机组的数量。-Pload是系统的负荷需求。-Pimin和Pimax分别是第

5.3发电成本函数

发电成本函数是描述发电机组出力与其发电成本关系的数学函数。常见的发电成本函数包括线性成本函数、二次成本函数和分段线性成本函数。

线性成本函数：

C

其中ai和bi

二次成本函数：

C

其中ai、bi和c

分段线性成本函数：

C

其中M是分段数，aij和bij是第

5.4约束条件

系统功率平衡约束：

i

确保系统总出力等于负荷需求。

发电机组出力上下限约束：

P

确保每台发电机组的出力在其允许的范围内。

线路传输容量约束：

i

确保线路传输的功率不超过其最大容量。

其他约束条件：

发电机组的爬坡速率约束。

环境约束，如排放限制。

可再生能源出力的不确定性约束。

5.5经济调度的求解方法

求解经济调度问题的方法主要有以下几种：

拉格朗日松弛法：拉格朗日松弛法通过引入拉格朗日乘子将约束条件转化为目标函数的一部分，从而将原问题转化为一系列无约束的子问题。具体步骤如下：

引入拉格朗日乘子λ。

构建拉格朗日函数：

L

求解各子问题：

?

更新拉格朗日乘子：

λ

其中α是步长。

线性规划法：线性规划法适用于线性成本函数的经济调度问题。可以使用标准的线性规划求解器（如Gurobi、CPLEX等）进行求解。具体步骤如下：

构建线性规划模型：

min

subjectto:

i

P

使用求解器求解模型。

非线性规划法：非线性规划法适用于非线性成本函数的经济调度问题。可以使用非线性规划求解器（如IPOPT、SNOPT等）进行求解。具体步骤如下：

构建非线性规划模型：

min

subjectto:

i

P

使用求解器求解模型。

遗传算法：遗传算法是一种基于自然选择和遗传机制的优化算法，适用于复杂的经济调度问题。具体步骤如下：

初始化种群。

计算每个个体的适应度。

选择、交叉和变异操作。

迭代直至收敛。

粒子群优化算法：粒子群优化算法是一种基于群体智能的优化算法，适用于非线性、多目标优化问题。具体步骤如下：

初始化粒子群。

计算每个粒子的适应度。

更新粒子的速度和位置。

迭代直至收敛。

5.6案例分析：线性规划法求解经济调度问题

5.6.1问题描述

假设一个电力系统有3台发电机组，其成本函数和出力上下限如下表所示：

发电机组

成本函数(元/MW)

出力下限(MW)

出力上限(MW)

1

1000

50

200

2

1200

60

180

3

1100

70

150

系统负荷需求为400MW。目标是最小化总发电成本。

5.6.2模型构建

使用线性规划法构建模型：

min

subjectto:

P

50

60

70

5.6.3代码实现

使用Python和Gurobi求解器实现上述线性规划问题：

importgurobipyasgp

fromgurobipyimportGRB

#创建模型

model=gp.Model(economic_dispatch)

#定义变量

P1=model.addVar(name=P1,lb=50,ub=200,vtype=GRB.CONTINUOUS)

P2=model.addVar(name=P2,lb=60,ub=180,vtype=GRB.CONTINUOUS)

P3=model.addVar(name=P3,lb=70,ub=150,vtype=GRB.CONTINUOUS)

#添加目标函数

model.setObjective(1000*P1+5000+1200*P2+6000+1100*P3+5500,GRB.MINIM