电力系统优化：负荷预测与优化_7.线性规划在电力系统优化中的应用.docxVIP

PAGE1

PAGE1

7.线性规划在电力系统优化中的应用

线性规划（LinearProgramming,LP）是一种优化技术，用于在满足一组线性约束条件的情况下，最大化或最小化一个线性目标函数。在电力系统优化中，线性规划被广泛应用于负荷预测、经济调度、机组组合、潮流计算等多个方面。本节将详细介绍线性规划的基本原理及其在电力系统优化中的具体应用。

7.1线性规划的基本原理

线性规划问题可以形式化为以下标准形式：

minimize

subjectto

x

其中：-c是目标函数的系数向量。-x是决策变量向量。-A是约束矩阵。-b是约束右端向量。

7.1.1目标函数

目标函数cTx

7.1.2约束条件

约束条件Ax≤b和

7.1.3求解方法

线性规划问题的求解方法主要有单纯形法（SimplexMethod）、内点法（InteriorPointMethod）等。这些方法通过迭代过程逐步逼近最优解。

7.2电力系统中的线性规划应用

7.2.1经济调度

经济调度（EconomicDispatch,ED）是电力系统中一个重要的优化问题，目标是在满足负荷需求和系统约束的条件下，最小化发电成本。线性规划可以有效地解决这一问题。

7.2.1.1经济调度问题的数学模型

假设有n台发电机组，每台机组的发电成本为ci，机组出力为xi，总负荷需求为

minimize

subjectto

x

7.2.1.2例子：最小化发电成本

假设有一个简单电力系统，包含3台发电机组，每台机组的发电成本分别为c1=2元/MWh、c2=3元/MWh、c3=4元/MWh。总负荷需求为D=100

importnumpyasnp

fromscipy.optimizeimportlinprog

#定义目标函数系数

c=np.array([2,3,4])

#定义约束矩阵A和右端向量b

A=np.array([[-1,-1,-1]])

b=np.array([-100])

#定义变量的上下限

x_bounds=[(0,50),(0,60),(0,70)]

#调用线性规划求解器

result=linprog(c,A_ub=A,b_ub=b,bounds=x_bounds,method=simplex)

#输出结果

print(Optimalsolution:,result.x)

print(Minimumcost:,result.fun)

代码解释：-c是目标函数的系数向量，表示每台机组的发电成本。-A和b用于表示负荷需求的约束条件。-x_bounds定义了每台机组的出力范围。-linprog函数用于求解线性规划问题，返回最优解和最小成本。

7.2.2机组组合

机组组合（UnitCommitment,UC）是在经济调度的基础上，进一步考虑机组的启停状态和最小运行时间约束。线性规划可以用于简化问题，尤其是在小规模系统中。

7.2.2.1机组组合问题的数学模型

假设有n台发电机组，每台机组的启停状态用yi表示（0表示停机，1表示开机）。每台机组的最小运行时间和最小停机时间分别为ton,i

minimize

subjectto

x

x

y

y

其中，ci是每台机组的发电成本，si是每台机组的启动成本，min_loadi和

7.2.2.2例子：机组组合优化

假设有一个包含3台发电机组的简单电力系统，每台机组的最小和最大出力分别为min_load1=20MWh、max_load1=50MWh，min_load2=30MWh、max_load2=60MWh，min_load3=40MWh、max_load3=70MWh。每台机组的发电成本分别为c1=2元/MWh、c2=3元/MWh、c3=4元/MWh。每台机组的启动成本分别为s1=100

importnumpyasnp

fromscipy.optimizeimportlinprog

#定义目标函数系数

c=np.array([2,3,4,100,150,200])

#定义约束矩阵A和右端向量b

A=np.array([

[-1,-1,-1,0,0,0],#负荷需求约束

[1,0,0,-20,0,0],#机组1出力范围约束

[0,1,0,0,-30,0],

[0,0,1,0,0,-40],

[-1,0,0,50,0,0],

[0,-