电力系统优化：电力系统优化基础理论_8.电力系统安全经济运行.docxVIP

PAGE1

PAGE1

8.3电力系统安全经济运行的优化方法

8.3.1静态安全经济调度

静态安全经济调度是指在静态条件下，通过优化发电机组的出力和负荷分配，以达到安全经济运行的目的。常用的方法包括：

线性规划：通过建立线性模型，优化发电机组的出力。

非线性规划：通过建立非线性模型，优化发电机组的出力。

混合整数规划：同时考虑连续变量和离散变量的优化问题。

示例：线性规划方法

假设有一个电力系统包含3个发电机组，系统的总负荷为1000MW。发电机组的出力和成本关系如下：

发电机组

最小出力(MW)

最大出力(MW)

成本函数(元/MW)

1

100

500

500+10*P1

2

200

600

600+15*P2

3

150

400

700+12*P3

目标是最小化总发电成本，同时满足系统负荷需求和各机组的出力限制。

importpulp

#定义问题

prob=pulp.LpProblem(Static_Economic_Scheduling,pulp.LpMinimize)

#定义变量

P1=pulp.LpVariable(P1,lowBound=100,upBound=500,cat=Continuous)

P2=pulp.LpVariable(P2,lowBound=200,upBound=600,cat=Continuous)

P3=pulp.LpVariable(P3,lowBound=150,upBound=400,cat=Continuous)

#定义目标函数

cost=(500+10*P1)+(600+15*P2)+(700+12*P3)

prob+=cost

#定义约束条件

prob+=P1+P2+P3==1000#负荷需求

#求解

prob.solve()

#输出结果

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

print(fP1:{P1.varValue}MW)

print(fP2:{P2.varValue}MW)

print(fP3:{P3.varValue}MW)

print(fTotalCost:{pulp.value(prob.objective)}元)

8.3.2动态安全经济调度

动态安全经济调度是指在动态条件下，通过优化发电机组的出力和负荷分配，以达到安全经济运行的目的。常用的方法包括：

动态规划：通过分阶段优化，考虑系统在不同时间段的运行状态。

混合整数非线性规划：同时考虑连续变量和离散变量的动态优化问题。

启发式算法：如遗传算法、粒子群算法等，用于求解复杂优化问题。

示例：动态规划方法

假设有一个电力系统包含2个发电机组，系统在4个时间段内的负荷需求分别为300MW、400MW、500MW、600MW。发电机组的出力和成本关系如下：

发电机组

最小出力(MW)

最大出力(MW)

成本函数(元/MW)

1

100

500

500+10*P1

2

150

450

600+12*P2

目标是最小化4个时间段内的总发电成本，同时满足各时间段的负荷需求和机组的出力限制。

importnumpyasnp

fromscipy.optimizeimportminimize

#定义负荷需求

load_demand=[300,400,500,600]

#定义成本函数

defcost_function(x):

P1,P2=x

return(500+10*P1)+(600+12*P2)

#定义约束条件

defload_constraint(x,load):

P1,P2=x

returnP1+P2-load

#定义优化问题

defoptimize_load(load):

x0=[200,200]#初始猜测值

bounds=[(100,500),(150,450)]#出力范围

constraints=[{type:eq,fun:load_constraint,args:(load,)}]

result=minimize(cost_function,x0,bounds=bounds,constraints=constraints)

returnresult.x,result.fun

#求解各时间段的优化问题

results=[]