本發(fā)明涉及電力系統(tǒng)研究領域，尤其涉及一種電力調度方法和系統(tǒng)。
背景技術：
：在電力系統(tǒng)研究領域，對含風電場經濟調度的研究一直是熱點與難點。電力系統(tǒng)經濟調度優(yōu)化問題旨在電力系統(tǒng)調度周期內，在滿足各種實際運行約束條件的前提下，以電力系統(tǒng)運行總成本最小為目標，通過合理地安排系統(tǒng)中每臺火電機組的出力，確定最優(yōu)的機組出力方案。研究含風電場經濟調度優(yōu)化問題，能夠對煤炭資源進行結構性的優(yōu)化，合理利用風電這一可再生能源的同時，也將風電并網所造成的危害降低，有利于節(jié)能減排措施的實施。經濟調度問題計及風電與電動汽車的不確定性，其模型中包含了風電區(qū)間和電動汽車預測負荷區(qū)間，是一個非線性混合整數(shù)規(guī)劃問題?，F(xiàn)有的優(yōu)化計算方法主要有：窮舉法、動態(tài)規(guī)劃法、拉格朗日松弛法、分支定界法、混合整數(shù)規(guī)劃法等傳統(tǒng)方法以及各種基于人工智能的啟發(fā)式算法，常見的人工智能算法有混沌粒子群算法、遺傳算法、神經網絡算法等。但是在現(xiàn)有眾多的優(yōu)化算法中，傳統(tǒng)的模型沒有全面考慮機組的約束條件，且大多數(shù)的模型對風電的處理都采用隸屬度函數(shù)和模糊數(shù)這兩種方法進行處理，無法真實的反映風電的出力情況，而智能優(yōu)化算法又存在收斂精度差、計算量大、計算時間長、過程復雜的技術問題。技術實現(xiàn)要素：本發(fā)明實施例提供了一種電力調度方法和系統(tǒng)，通過建立節(jié)能減排模型并將節(jié)能減排模型轉化成相應的雙層樂觀模型和雙層悲觀模型，然后將雙層樂觀模型和雙層悲觀模型轉化成單層樂觀模型和單層悲觀模型，并將單層樂觀模型和單層悲觀模型和由多目標函數(shù)轉化成的單目標函數(shù)聯(lián)合求解得出機組出力的區(qū)間值，解決了現(xiàn)有智能算法收斂精度差、計算量大、計算時間長、過程復雜的技術問題。本發(fā)明實施例提供的一種電力調度方法，包括：通過預置區(qū)間數(shù)優(yōu)化模式將預先建立的節(jié)能減排數(shù)學模型轉化為相對應的雙層樂觀模型與雙層悲觀模型，并將雙層樂觀模型與雙層悲觀模型轉化成單層樂觀模型與單層悲觀模型；將節(jié)能目標函數(shù)和減排目標函數(shù)轉化為單目標函數(shù)；根據(jù)所述單目標函數(shù)分別結合所述單層樂觀模型與所述單層悲觀模型，并利用預置初值通過原對偶內點法進行計算獲取機組出力的區(qū)間的兩個端點值?？蛇x地，在通過預置區(qū)間數(shù)優(yōu)化模式將預先建立的節(jié)能減排數(shù)學模型轉化為相對應的雙層樂觀模型與雙層悲觀模型，并將雙層樂觀模型與雙層悲觀模型轉化成單層樂觀模型與單層悲觀模型之前還包括獲取初始參數(shù)，建立節(jié)能減排數(shù)學模型；所述初始參數(shù)包括參與經濟調度的火電機組數(shù)量、調度周期數(shù)、各個時段的預測負荷、參與經濟調度的風電預測出力、參與調度的電動汽車總數(shù)及其預測負荷、旋轉備用容量、每臺火電機組的參數(shù)；所述每臺火電機組的參數(shù)具體包括發(fā)電成本函數(shù)、機組特性參數(shù)、爬坡速率約束、機組最大出力和機組最小出力?？蛇x地，所述節(jié)能減排數(shù)學模型為所述系統(tǒng)節(jié)能減排數(shù)學模型的約束條件包括：含PEVs的系統(tǒng)功率平衡約束的公式為Σi=1NgPi+Σj=1Nw[Pw-,Pw+]=Σk=1Npev[Ppev-,Ppev+]+Pload;]]>旋轉備用約束的公式為Pload+R≤Σi=1NgPimax+Σj=1Nw[Pw-,Pw+]+Σk=1Npev[Ppev-,Ppev+];]]>支路潮流約束的公式為Plmin≤Pload+Σj=1Nw[Pw-,Pw+]+Σk=1Npev[Ppev-,Ppev+]≤Plmax;]]>荷電狀態(tài)約束的公式為SOCmin≤SOC≤SOCmax；充/放電功率約束的公式為-Navi(t)Pmax≤Ppev(t)≤Navi(t)Pmax；充/放電次數(shù)約束的公式為nday≤nday_max；所述雙層樂觀模型為minu,vminxZ=cTxs.t.Ax=uBx≤vm≤x≤n∀u∈[u-,u+],v∈[v-,v+];]]>所述雙層悲觀模型為minu,vminxZ=cTxs.t.Ax=uBx≤vm≤x≤n∀u∈[u-,u+],v∈[v-,v+];]]>所述單層樂觀模型為minxZ=cTxs.t.u-≤Ax≤u+Bx≤v+m≤x≤n;]]>所述單層悲觀模型為min-W=-v-y1-v+y2-u+y3B11·y1(11)+B11·y2(11)+A11·y3(11)≥c1···B1×(T-1)·y1[(T-1)×1]+B1×(T-1)·y2[(T-1)×1]+A1×(T-1)·y3[(T-1)×1]≥cT-1B1T·y1(T1)+B1T·y2(T1)+A1T·y3(T1)=cTy1,y2≤0,y3∈R.]]>可選地，將節(jié)能目標函數(shù)和減排目標函數(shù)轉化為單目標函數(shù)的步驟具體為：先對所述節(jié)能目標函數(shù)和所述減排目標函數(shù)分別求解，將得到的最優(yōu)解作為虛擬理想分子并利用把所述節(jié)能目標函數(shù)和所述減排目標函數(shù)轉化為單目標函數(shù)?？蛇x地，在根據(jù)所述單目標函數(shù)分別結合所述單層樂觀模型與所述單層悲觀模型，并利用預置初值通過原對偶內點法進行計算獲取機組出力的區(qū)間的兩個端點值之前還包括：計算每臺火電機組滿出力狀態(tài)下的平均發(fā)電成本值λ；根據(jù)λ＝ai+biPi+ciPi2，比較每臺機組的λ值，按照最小λ值優(yōu)先出力的原則計算機組的初值。本發(fā)明實施例還提供了一種電力調度系統(tǒng)，其特征在于，包括：模型建立單元，用于通過預置區(qū)間數(shù)優(yōu)化模式將預先建立的節(jié)能減排數(shù)學模型轉化為相對應的雙層樂觀模型與雙層悲觀模型，并將雙層樂觀模型與雙層悲觀模型轉化成單層樂觀模型與單層悲觀模型；多目標函數(shù)轉化單元，用于將節(jié)能目標函數(shù)和減排目標函數(shù)轉化為單目標函數(shù)；求解單元，用于根據(jù)所述單目標函數(shù)分別結合所述單層樂觀模型與所述單層悲觀模型，并通過預置初值進行計算獲取機組出力的區(qū)間的兩個端點值?？蛇x地，還包括獲取建立單元，用于在通過預置區(qū)間數(shù)優(yōu)化模式將預先建立的節(jié)能減排數(shù)學模型轉化為相對應的雙層樂觀模型與雙層悲觀模型，并將雙層樂觀模型與雙層悲觀模型轉化成單層樂觀模型與單層悲觀模型之前獲取初始參數(shù)，建立節(jié)能減排數(shù)學模型；所述初始參數(shù)包括參與經濟調度的火電機組數(shù)量、調度周期數(shù)、各個時段的預測負荷、參與經濟調度的風電預測出力、參與調度的電動汽車總數(shù)及其預測負荷、旋轉備用容量、每臺火電機組的參數(shù)；所述每臺火電機組的參數(shù)具體包括發(fā)電成本函數(shù)、機組特性參數(shù)、爬坡速率約束、機組最大出力和機組最小出力?？蛇x地，所述節(jié)能減排數(shù)學模型為所述系統(tǒng)節(jié)能減排數(shù)學模型的約束條件包括：含PEVs的系統(tǒng)功率平衡約束的公式為Σi=1NgPi+Σj=1Nw[Pw-,Pw+]=Σk=1Npev[Ppev-,Ppev+]+Pload;]]>旋轉備用約束的公式為Pload+R≤Σi=1NgPimax+Σj=1Nw[Pw-,Pw+]+Σk=1Npev[Ppev-,Ppev+];]]>支路潮流約束的公式為Plmin≤Pload+Σj=1Nw[Pw-,Pw+]+Σk=1Npev[Ppev-,Ppev+]≤Plmax;]]>荷電狀態(tài)約束的公式為SOCmin≤SOC≤SOCmax；充/放電功率約束的公式為-Navi(t)Pmax≤Ppev(t)≤Navi(t)Pmax；充/放電次數(shù)約束的公式為nday≤nday_max；所述雙層樂觀模型為minu,vminxZ=cTxs.t.Ax=uBx≤vm≤x≤n∀u∈[u-,u+],v∈[v-,v+];]]>所述雙層悲觀模型為minu,vminxZ=cTxs.t.Ax=uBx≤vm≤x≤n∀u∈[u-,u+],v∈[v-,v+];]]>所述單層樂觀模型為minxZ=cTxs.t.u-≤Ax≤u+Bx≤v+m≤x≤n;]]>所述單層悲觀模型為min-W=-v-y1-v+y2-u+y3B11·y1(11)+B11·y2(11)+A11·y3(11)≥c1···B1×(T-1)·y1[(T-1)×1]+B1×(T-1)·y2[(T-1)×1]+A1×(T-1)·y3[(T-1)×1]≥cT-1B1T·y1(T1)+B1T·y2(T1)+A1T·y3(T1)=cTy1,y2≤0,y3∈R.]]>可選地，所述多目標函數(shù)轉化單元具體包括：函數(shù)求解子單元，用于對所述節(jié)能目標函數(shù)和所述減排目標函數(shù)分別求解；函數(shù)轉化子單元，用于將得到的最優(yōu)解作為虛擬理想分子并利用把所述節(jié)能目標函數(shù)和所述減排目標函數(shù)轉化為單目標函數(shù)。可選地，所述電力調度系統(tǒng)還包括初值確定單元，用于確定機組的初值；所述初值確定單元具體包括：平均發(fā)電成本值計算單元，用于計算每臺火電機組滿出力狀態(tài)下的平均發(fā)電成本值λ；初值計算單元，用于根據(jù)λ＝ai+biPi+ciPi2，比較每臺機組的λ值，按照最小λ值優(yōu)先出力的原則計算機組的初值。從以上技術方案可以看出，本發(fā)明實施例具有以下優(yōu)點：電力調度方法和系統(tǒng)通過建立節(jié)能減排模型并利用區(qū)間優(yōu)化將節(jié)能減排模型轉化成相應的雙層樂觀模型和雙層悲觀模型，然后將雙層樂觀模型直接轉化成單層樂觀模型，同時運用對偶理論將雙層悲觀模型轉化為單層悲觀模型，并利用虛擬理想分子將節(jié)能目標函數(shù)和減排目標函數(shù)轉化為單目標函數(shù)，最后將單目標函數(shù)分別聯(lián)合單層樂觀模型和單層悲觀模型并運用原對偶內點法求解得出機組出力的區(qū)間值，解決了現(xiàn)有智能算法收斂精度差、計算量大、計算時間長、過程復雜的技術問題。附圖說明為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其它的附圖。圖1為本發(fā)明實施例提供的一種電力調度方法的一個實施例的流程示意圖；圖2為本發(fā)明實施例提供的一種電力調度方法的另一個實施例的流程示意圖；圖3為本發(fā)明實施例提供的一種電力調度系統(tǒng)的一個實施例的結構示意圖；圖4為本發(fā)明實施例提供的一種電力調度系統(tǒng)的另一個實施例的結構示意圖。具體實施方式本發(fā)明實施例提供了一種電力調度方法和系統(tǒng)，通過建立節(jié)能減排模型并將節(jié)能減排模型轉化成相應的雙層樂觀模型和雙層悲觀模型，然后將雙層樂觀模型和雙層悲觀模型轉化成單層樂觀模型和單層悲觀模型，并將單層樂觀模型和單層悲觀模型和由多目標函數(shù)轉化成的單目標函數(shù)聯(lián)合求解得出機組出力的區(qū)間值，解決了現(xiàn)有智能算法收斂精度差、計算量大、計算時間長、過程復雜的技術問題。為使得本發(fā)明的發(fā)明目的、特征、優(yōu)點能夠更加的明顯和易懂，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，下面所描述的實施例僅僅是本發(fā)明一部分實施例，而非全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其它實施例，都屬于本發(fā)明保護的范圍。請參閱圖1，本發(fā)明實施例提供的一種電力調度方法的一個實施例包括：S1、通過預置區(qū)間數(shù)優(yōu)化模式將預先建立的節(jié)能減排數(shù)學模型轉化為相對應的雙層樂觀模型與雙層悲觀模型，并將雙層樂觀模型與雙層悲觀模型轉化成單層樂觀模型與單層悲觀模型；S2、將節(jié)能目標函數(shù)和減排目標函數(shù)轉化為單目標函數(shù)；S3、根據(jù)所述單目標函數(shù)分別結合所述單層樂觀模型與所述單層悲觀模型，并利用預置初值通過原對偶內點法進行計算獲取機組出力的區(qū)間的兩個端點值。本實施例中，先將風電預測出力與電動汽車預測負荷表示成區(qū)間形式，通過預置區(qū)間優(yōu)化模式將預先建立的節(jié)能減排數(shù)學模型轉化為相對應的雙層樂觀模型與雙層悲觀模型，然后將雙層樂觀模型表示成min-min的形式，雙層悲觀模型表示成max-min的形式；雙層樂觀模型均為求最小值的優(yōu)化模型，因此將雙層樂觀模型合并成一個單層樂觀模型，并將不等式約束條件的邊界松弛為最大邊界，以保證優(yōu)化的可行域盡可能的大；雙層悲觀模型的內層為min優(yōu)化模型，外層為max優(yōu)化模型，不能直接轉化成單層悲觀模型，因此引入對偶理論，將內層的min模型用其對偶模型表示，得到max模型，根據(jù)雙層樂觀模型的思想，將雙層悲觀模型轉化為一個單層悲觀模型；然后將節(jié)能目標函數(shù)和減排目標函數(shù)轉化為單目標函數(shù)，最后根據(jù)所述單目標函數(shù)分別結合所述單層樂觀模型與所述單層悲觀模型，并利用預置初值通過原對偶內點法進行計算獲取機組出力的區(qū)間的兩個端點值，原對偶內點法是成熟的求解非線性規(guī)劃問題的方法，經過很少次數(shù)的迭代就可以得出經濟調度優(yōu)化方案，有效地提高了經濟調度優(yōu)化方發(fā)的求解速度和求解精度。請參閱圖2，本發(fā)明實施例提供的一種電力調度方法的另一個實施例包括：101、獲取初始參數(shù)，建立節(jié)能減排數(shù)學模型；102、通過預置區(qū)間數(shù)優(yōu)化模式將預先建立的節(jié)能減排數(shù)學模型轉化為相對應的雙層樂觀模型與雙層悲觀模型，并將雙層樂觀模型與雙層悲觀模型轉化成單層樂觀模型與單層悲觀模型；103、對所述節(jié)能目標函數(shù)和所述減排目標函數(shù)分別求解，將得到的最優(yōu)解作為虛擬理想分子并把所述節(jié)能目標函數(shù)和所述減排目標函數(shù)轉化為單目標函數(shù)。104、計算每臺火電機組滿出力狀態(tài)下的平均發(fā)電成本值λ；比較每臺機組的λ值，按照最小λ值優(yōu)先出力的原則計算機組的初值。105、根據(jù)所述單目標函數(shù)分別結合所述單層樂觀模型與所述單層悲觀模型，并利用預置初值通過原對偶內點法進行計算獲取機組出力的區(qū)間的兩個端點值。本實施例中，先獲取初始參數(shù)，建立節(jié)能減排數(shù)學模型，初始參數(shù)包括參與經濟調度的火電機組數(shù)量、調度周期數(shù)、各個時段的預測負荷、參與經濟調度的風電預測出力、參與調度的電動汽車總數(shù)及其預測負荷、旋轉備用容量、每臺火電機組的參數(shù)，每臺火電機組的參數(shù)具體包括發(fā)電成本函數(shù)、機組特性參數(shù)、爬坡速率約束、機組最大出力和機組最小出力；然后通過預置區(qū)間數(shù)優(yōu)化模式將預先建立的節(jié)能減排數(shù)學模型轉化為相對應的雙層樂觀模型與雙層悲觀模型，并將雙層樂觀模型與雙層悲觀模型轉化成單層樂觀模型與單層悲觀模型；含PEVs的系統(tǒng)功率平衡約束的公式為Σi=1NgPi+Σj=1Nw[Pw-,Pw+]=Σk=1Npev[Ppev-,Ppev+]+Pload;]]>旋轉備用約束的公式為Pload+R≤Σi=1NgPimax+Σj=1Nw[Pw-,Pw+]+Σk=1Npev[Ppev-,Ppev+];]]>支路潮流約束的公式為Plmin≤Pload+Σj=1Nw[Pw-,Pw+]+Σk=1Npev[Ppev-,Ppev+]≤Plmax;]]>荷電狀態(tài)約束的公式為SOCmin≤SOC≤SOCmax；充/放電功率約束的公式為-Navi(t)Pmax≤Ppev(t)≤Navi(t)Pmax；充/放電次數(shù)約束的公式為nday≤nday_max；在約束條件中，F(xiàn)為待求解的節(jié)能減排優(yōu)化目標，T為調度總時長，t＝1,2,...,T；Ng為火電機組數(shù)，i＝1,2,...,Ng；ai、bi、ci分別為機組i的成本系數(shù)；αi、βi、γi分別為機組i的CO2排放系數(shù)。Nw、Npev分別為風電場的個數(shù)和電動汽車的總數(shù)；為風電出力的上、下限；為電動汽車充/放電功率上、下限；Pload為t時刻的負荷；R為旋轉備用容量；Plmax、Plmin分別為線路允許通過的潮流上、下限；SOCmax、SOCmin分別為最大、最小荷電狀態(tài)；Navi為允許入網的電動汽車臺數(shù)；nday、nday_max為日允許充電次數(shù)、最大允許充電次數(shù)。雙層樂觀模型為minu,vminxZ=cTxs.t.Ax=uBx≤vm≤x≤n∀u∈[u-,u+],v∈[v-,v+];]]>雙層悲觀模型為minu,vminxZ=cTxs.t.Ax=uBx≤vm≤x≤n∀u∈[u-,u+],v∈[v-,v+];]]>單層樂觀模型為minxZ=cTxs.t.u-≤Ax≤u+Bx≤v+m≤x≤n;]]>單層悲觀模型為min-W=-v-y1-v+y2-u+y3B11·y1(11)+B11·y2(11)+A11·y3(11)≥c1···B1×(T-1)·y1[(T-1)×1]+B1×(T-1)·y2[(T-1)×1]+A1×(T-1)·y3[(T-1)×1]≥cT-1B1T·y1(T1)+B1T·y2(T1)+A1T·y3(T1)=cTy1,y2≤0,y3∈R.]]>上述雙層樂觀模型、雙層悲觀模型、單層樂觀模型、單層悲觀模型中，Z為所求目標函數(shù)；A、B為等式約束矩陣、不等式約束矩陣；u、v為等式約束、不等式約束郵箱；cT為待求目標的已知向量；x為待求解的24小時出力；n、m為x的區(qū)間上、下限。之后對所述節(jié)能目標函數(shù)和所述減排目標函數(shù)分別求解，將得到的最優(yōu)解作為虛擬理想分子并利用把所述節(jié)能目標函數(shù)和所述減排目標函數(shù)轉化為單目標函數(shù)，minF為待求解的節(jié)能減排優(yōu)化目標，F(xiàn)1min、F2min分別為節(jié)能目標函數(shù)和減排目標函數(shù)的最優(yōu)解。再根據(jù)λ＝ai+biPi+ciPi2，ai、bi、ci分別為機組i的成本系數(shù)，Pi為機組i的功率，比較每臺機組的λ值，按照最小λ值優(yōu)先出力的原則計算機組的初值。最后根據(jù)所述單目標函數(shù)分別結合所述單層樂觀模型與所述單層悲觀模型，并利用預置初值通過原對偶內點法進行計算獲取機組出力的區(qū)間的兩個端點值，原對偶內點法是成熟的求解非線性規(guī)劃問題的方法，經過很少次數(shù)的迭代就可以得出經濟調度優(yōu)化方案，有效地提高了經濟調度優(yōu)化方發(fā)的求解速度和求解精度。請參閱圖3，本發(fā)明實施例提供的一種電力調度系統(tǒng)的一個實施例包括：模型建立單元201，用于通過預置區(qū)間數(shù)優(yōu)化模式將預先建立的節(jié)能減排數(shù)學模型轉化為相對應的雙層樂觀模型與雙層悲觀模型，并將雙層樂觀模型與雙層悲觀模型轉化成單層樂觀模型與單層悲觀模型；多目標函數(shù)轉化單元202，用于將節(jié)能目標函數(shù)和減排目標函數(shù)轉化為單目標函數(shù)；求解單元203，用于根據(jù)所述單目標函數(shù)分別結合所述單層樂觀模型與所述單層悲觀模型，并通過預置初值進行計算獲取機組出力的區(qū)間的兩個端點值。本實施例中，先通過模型建立單元201利用預置區(qū)間數(shù)優(yōu)化模式將預先建立的節(jié)能減排數(shù)學模型轉化為相對應的雙層樂觀模型與雙層悲觀模型，并將雙層樂觀模型與雙層悲觀模型轉化成單層樂觀模型與單層悲觀模型，然后多目標函數(shù)轉化單元202將節(jié)能目標函數(shù)和減排目標函數(shù)轉化為單目標函數(shù)，最終求解單元203根據(jù)所述單目標函數(shù)分別結合所述單層樂觀模型與所述單層悲觀模型，并通過預置初值進行計算獲取機組出力的區(qū)間的兩個端點值，原對偶內點法是成熟的求解非線性規(guī)劃問題的方法，經過很少次數(shù)的迭代就可以得出經濟調度優(yōu)化方案，有效地提高了經濟調度優(yōu)化方發(fā)的求解速度和求解精度。請參閱圖4，本發(fā)明實施例提供的一種電力調度系統(tǒng)的另一個實施例包括：獲取建立單元301，用于在通過預置區(qū)間數(shù)優(yōu)化模式將預先建立的節(jié)能減排數(shù)學模型轉化為相對應的雙層樂觀模型與雙層悲觀模型，并將雙層樂觀模型與雙層悲觀模型轉化成單層樂觀模型與單層悲觀模型之前獲取初始參數(shù)，建立節(jié)能減排數(shù)學模型。模型建立單元302，用于通過預置區(qū)間數(shù)優(yōu)化模式將預先建立的節(jié)能減排數(shù)學模型轉化為相對應的雙層樂觀模型與雙層悲觀模型，并將雙層樂觀模型與雙層悲觀模型轉化成單層樂觀模型與單層悲觀模型。多目標函數(shù)轉化單元303，用于將節(jié)能目標函數(shù)和減排目標函數(shù)轉化為單目標函數(shù)；多目標函數(shù)轉化單元303具體包括：函數(shù)求解子單元3032，用于對所述節(jié)能目標函數(shù)和所述減排目標函數(shù)分別求解；函數(shù)轉化子單元3031，用于將得到的最優(yōu)解作為虛擬理想分子并利用把所述節(jié)能目標函數(shù)和所述減排目標函數(shù)轉化為單目標函數(shù)。初值確定單元304，用于確定機組的初值；初值確定單元304具體包括：平均發(fā)電成本值計算單元3042，用于計算每臺火電機組滿出力狀態(tài)下的平均發(fā)電成本值λ；初值計算單元3041，用于根據(jù)λ＝ai+biPi+ciPi2，ai、bi、ci分別為機組i的成本系數(shù)，Pi為機組i的功率，比較每臺機組的λ值，按照最小λ值優(yōu)先出力的原則計算機組的初值。求解單元305，用于根據(jù)所述單目標函數(shù)分別結合所述單層樂觀模型與所述單層悲觀模型，并通過預置初值進行計算獲取機組出力的區(qū)間的兩個端點值。本實施例中，先通過獲取建立單元301，在通過預置區(qū)間數(shù)優(yōu)化模式將預先建立的節(jié)能減排數(shù)學模型轉化為相對應的雙層樂觀模型與雙層悲觀模型，并將雙層樂觀模型與雙層悲觀模型轉化成單層樂觀模型與單層悲觀模型之前獲取初始參數(shù)，建立節(jié)能減排數(shù)學模型，初始參數(shù)包括參與經濟調度的火電機組數(shù)量、調度周期數(shù)、各個時段的預測負荷、參與經濟調度的風電預測出力、參與調度的電動汽車總數(shù)及其預測負荷、旋轉備用容量、每臺火電機組的參數(shù)，每臺火電機組的參數(shù)具體包括發(fā)電成本函數(shù)、機組特性參數(shù)、爬坡速率約束、機組最大出力和機組最小出力；然后模型建立單元302通過預置區(qū)間數(shù)優(yōu)化模式將預先建立的節(jié)能減排數(shù)學模型轉化為相對應的雙層樂觀模型與雙層悲觀模型，并將雙層樂觀模型與雙層悲觀模型轉化成單層樂觀模型與單層悲觀模型，節(jié)能減排數(shù)學模型為式中F為待求解的節(jié)能減排數(shù)學優(yōu)化目標，T為調度總時長，t＝1,2,...,T，Ng為火電機組數(shù)，i＝1,2,...,Ng，ai、bi、ci分別為機組i的成本系數(shù)，αi、βi、γi分別為機組i的CO2排放系數(shù)；系統(tǒng)節(jié)能減排數(shù)學模型的約束條件包括：含PEVs的系統(tǒng)功率平衡約束的公式為Σi=1NgPi+Σj=1Nw[Pw-,Pw+]=Σk=1Npev[Ppev-,Ppev+]+Pload;]]>旋轉備用約束的公式為Pload+R≤Σi=1NgPimax+Σj=1Nw[Pw-,Pw+]+Σk=1Npev[Ppev-,Ppev+];]]>支路潮流約束的公式為Plmin≤Pload+Σj=1Nw[Pw-,Pw+]+Σk=1Npev[Ppev-,Ppev+]≤Plmax;]]>荷電狀態(tài)約束的公式為SOCmin≤SOC≤SOCmax；充/放電功率約束的公式為-Navi(t)Pmax≤Ppev(t)≤Navi(t)Pmax；充/放電次數(shù)約束的公式為nday≤nday_max；在約束條件中，F(xiàn)為待求解的節(jié)能減排優(yōu)化目標，T為調度總時長，t＝1,2,...,T；Ng為火電機組數(shù)，i＝1,2,...,Ng；ai、bi、ci分別為機組i的成本系數(shù)；αi、βi、γi分別為機組i的CO2排放系數(shù)。Nw、Npev分別為風電場的個數(shù)和電動汽車的總數(shù)；為風電出力的上、下限；為電動汽車充/放電功率上、下限；Pload為t時刻的負荷；R為旋轉備用容量；Plmax、Plmin分別為線路允許通過的潮流上、下限；SOCmax、SOCmin分別為最大、最小荷電狀態(tài)；Navi為允許入網的電動汽車臺數(shù)；nday、nday_max為日允許充電次數(shù)、最大允許充電次數(shù)；雙層樂觀模型為minu,vminxZ=cTxs.t.Ax=uBx≤vm≤x≤n∀u∈[u-,u+],v∈[v-,v+];]]>雙層悲觀模型為minu,vminxZ=cTxs.t.Ax=uBx≤vm≤x≤n∀u∈[u-,u+],v∈[v-,v+];]]>單層樂觀模型為minxZ=cTxs.t.u-≤Ax≤u+Bx≤v+m≤x≤n;]]>單層悲觀模型為min-W=-v-y1-v+y2-u+y3B11·y1(11)+B11·y2(11)+A11·y3(11)≥c1···B1×(T-1)·y1[(T-1)×1]+B1×(T-1)·y2[(T-1)×1]+A1×(T-1)·y3[(T-1)×1]≥cT-1B1T·y1(T1)+B1T·y2(T1)+A1T·y3(T1)=cTy1,y2≤0,y3∈R.]]>上述雙層樂觀模型、雙層悲觀模型、單層樂觀模型、單層悲觀模型中，Z為所求目標函數(shù)；A、B為等式約束矩陣、不等式約束矩陣；u、v為等式約束、不等式約束郵箱；cT為待求目標的已知向量；x為待求解的24小時出力；n、m為x的區(qū)間上、下限。之后多目標函數(shù)轉化單元303對所述節(jié)能目標函數(shù)和所述減排目標函數(shù)分別求解，將得到的最優(yōu)解作為虛擬理想分子并利用把節(jié)能目標函數(shù)和減排目標函數(shù)轉化為單目標函數(shù)，minF為待求解的節(jié)能減排優(yōu)化目標，F(xiàn)1min、F2min分別為節(jié)能目標函數(shù)和減排目標函數(shù)的最優(yōu)解；進而初值確定單元304計算每臺火電機組滿出力狀態(tài)下的平均發(fā)電成本值λ，并根據(jù)λ＝ai+biPi+ciPi2，ai、bi、ci分別為機組i的成本系數(shù)，Pi為機組i的功率，比較每臺機組的λ值，按照最小λ值優(yōu)先出力的原則計算機組的初值；最終求解單元305，根據(jù)單目標函數(shù)分別結合單層樂觀模型與單層悲觀模型，并通過預置初值進行計算獲取機組出力的區(qū)間的兩個端點值，原對偶內點法是成熟的求解非線性規(guī)劃問題的方法，經過很少次數(shù)的迭代就可以得出經濟調度優(yōu)化方案，有效地提高了經濟調度優(yōu)化方發(fā)的求解速度和求解精度。上面是對一種電力調度方法和系統(tǒng)進行的詳細說明，為便于理解，下面將以一具體應用場景對電力調度方法和系統(tǒng)的應用進行說明，應用例包括：假設一共有10臺機組，進行24小時的經濟調度優(yōu)化，10臺機組的各個參數(shù)如下表1所示，表1CO2排放系數(shù)如下表2所示，表2預測未來24小時的預測負荷如下表3所示，表3對兩個不同的風電區(qū)間[40,120]MW、[60,100]MW進行仿真驗證，旋轉備用為用電負荷的5％，在任意時刻，系統(tǒng)開機機組輸出總的有功功率必須和該時刻的用電負荷值相等，即開機機組的最大輸出功率的總和不得小于用電負荷和旋轉備用的總和。由上述可知，該機組組合優(yōu)化問題的機組實際運行約束條件和各機組參數(shù)均已知，應用本發(fā)明提出的數(shù)據(jù)處理方法，可以進行經濟調度優(yōu)化方案求解。采用三種不同的調度策略，調度策略1為不含電動汽車的風火電節(jié)能減排調度目標，調度策略2為電動汽車無序充電的風火電節(jié)能減排調度目標，調度策略3為電動汽車有序充電和放電的風火電節(jié)能減排調度目標，然后利用Matlab工具按照本發(fā)明提出的優(yōu)化方法分別編寫程序進行求解，得出調度策略1的結果如下表4，表4調度策略2的結果如下表5，表5調度策略3的結果如下表6，表6對電動汽車采取一定的手段進行調控，在用電高峰期時，電動汽車盈余的電量通過電動汽車集中控制器向電網供電，緩解電網的供電壓力；在用電低谷期時，電動汽車通過集中控制器進行充電，從而消耗電網多余的電量。從表10可知，電動汽車有序充/放電的節(jié)能減排結果為3種調度策略中的最優(yōu)結果，風電場出力區(qū)間為[40,120]MW時，與調度策略1相比，多目標節(jié)能的區(qū)間上限減小了118美元，減排的區(qū)間上限減小了41t；與調度策略2相比，多目標節(jié)能的區(qū)間上限減小了50美元，減排的區(qū)間上限減小了133t。風電場出力區(qū)間為[60,100]MW時，與調度策略1相比，多目標節(jié)能的區(qū)間上限減小了18美元，減排的區(qū)間上限減小了44t；與調度策略2相比，多目標節(jié)能的區(qū)間上限減小了49美元，減排的區(qū)間上限減小了131t。所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統(tǒng)，裝置和單元的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。在本申請所提供的幾個實施例中，應該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過其它的方式實現(xiàn)。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個單元或組件可以結合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機械或其它的形式。所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網絡單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能單元的形式實現(xiàn)。所述集成的單元如果以軟件功能單元的形式實現(xiàn)并作為獨立的產品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中?；谶@樣的理解，本發(fā)明的技術方案本質上或者說對現(xiàn)有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟件產品的形式體現(xiàn)出來，該計算機軟件產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網絡設備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括：U盤、移動硬盤、只讀存儲器(ROM，Read-OnlyMemory)、隨機存取存儲器(RAM，RandomAccessMemory)、磁碟或者光盤等各種可以存儲程序代碼的介質。以上所述，以上實施例僅用以說明本發(fā)明的技術方案，而非對其限制；盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發(fā)明各實施例技術方案的精神和范圍。當前第1頁1 2 3