本發(fā)明涉及電力系統(tǒng)調(diào)度，具體為一種基于用戶偏好的多目標有功超前調(diào)度優(yōu)化方法及系統(tǒng)。

背景技術(shù)：

1、隨著智能電網(wǎng)技術(shù)的發(fā)展及電力市場運營的完善，電力系統(tǒng)調(diào)度中的多目標優(yōu)化問題得到了廣泛關(guān)注，傳統(tǒng)的經(jīng)濟調(diào)度主要關(guān)注運行成本的最小化，但隨著環(huán)境保護和可再生能源利用的需求增加，多目標優(yōu)化模型開始被引入電力系統(tǒng)調(diào)度中，這些模型不僅需要綜合考慮經(jīng)濟效益，還需兼顧環(huán)境效益、電能質(zhì)量以及系統(tǒng)的可靠性和穩(wěn)定性，尤其在高比例可再生能源接入的背景下，如何有效地調(diào)度風電、光伏等不確定性資源成為研究的熱點，此外，隨著計算能力的提升和優(yōu)化算法的進步，基于多目標進化算法(如mopso、nsga-ii)等智能優(yōu)化方法在電力系統(tǒng)調(diào)度中的應(yīng)用逐漸增多，這些方法因其較強的全局搜索能力和多樣性求解特性，在高維非線性復雜系統(tǒng)中表現(xiàn)出顯著的優(yōu)勢。

2、然而，現(xiàn)有的多目標優(yōu)化技術(shù)在應(yīng)對復雜非線性約束時存在不足，傳統(tǒng)優(yōu)化方法雖然在簡化模型下可以快速求解，但忽略了網(wǎng)絡(luò)傳輸能力和動態(tài)調(diào)節(jié)需求，這使得求出的調(diào)度方案在實際運行中無法完全滿足系統(tǒng)安全性和穩(wěn)定性的要求，此外，這些方法在處理用戶偏好時靈活性不足，難以動態(tài)調(diào)整優(yōu)化目標和約束條件，導致難以同時滿足用戶需求和系統(tǒng)約束。

技術(shù)實現(xiàn)思路

1、鑒于上述存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明解決的技術(shù)問題是：現(xiàn)有的電力系統(tǒng)調(diào)度方法存在處理復雜非線性約束能力不足、無法動態(tài)調(diào)整優(yōu)化目標和約束、難以同時滿足用戶需求和系統(tǒng)安全性要求的問題，以及如何在高比例可再生能源接入的情況下，提升系統(tǒng)調(diào)節(jié)能力和運行效率的問題。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：一種基于用戶偏好的多目標有功超前調(diào)度優(yōu)化方法，包括對電力系統(tǒng)的預測數(shù)據(jù)進行預處理，建立包含用戶偏好的多目標有功超前調(diào)度優(yōu)化模型；采用多目標粒子群優(yōu)化算法對簡化的調(diào)度模型進行全局搜索，獲取初步的調(diào)度方案，對調(diào)度方案進行修正，生成符合實際約束條件的準確調(diào)度解；根據(jù)優(yōu)化后的調(diào)度模型輸出結(jié)果，結(jié)合用戶設(shè)定的偏好，校驗結(jié)果的可行性和優(yōu)越性。

4、作為本發(fā)明所述的基于用戶偏好的多目標有功超前調(diào)度優(yōu)化方法的一種優(yōu)選方案，其中：所述預處理包括采集電力系統(tǒng)的負荷預測數(shù)據(jù)、可再生能源的預測數(shù)據(jù)以及運行工況，處理數(shù)據(jù)中的缺失值、異常值以及不一致的數(shù)據(jù)，根據(jù)不同數(shù)據(jù)類型，采用填充、均值替換、刪除的清洗規(guī)則。

5、作為本發(fā)明所述的基于用戶偏好的多目標有功超前調(diào)度優(yōu)化方法的一種優(yōu)選方案，其中：所述建立包含用戶偏好的多目標有功超前調(diào)度優(yōu)化模型包括構(gòu)建基于棄風量最小的最大接納調(diào)度模型的目標函數(shù)；常規(guī)機組運行成本目標函數(shù)minf1(pa,pna,pw,α)表示為：

6、

7、其中，na、nna分別是agc機組、非agc機組的數(shù)量，總數(shù)量為ng，是agc機組和非agc機組實際出力之和，是agc機組i在t時刻的出力基準值，α是機組的功率分配因子，t是調(diào)度時段，常規(guī)機組污染物排放量目標函數(shù)minf2(pa,pna,α)表示為：

8、

9、其中，是agc機組和非agc機組在t時刻的實際出力，di、ei、γi是恒定系數(shù)；常規(guī)機組運行成本目標函數(shù)minf1(pa,pna,pw,α)將計劃發(fā)電量的燃料成本與agc調(diào)節(jié)成本之和作為運行成本，風電接納比例目標函數(shù)minf3(pw)表示為：

10、

11、其中，是時段t內(nèi)風電場k實際接入系統(tǒng)的功率，是時段t內(nèi)風電場k的輸出功率預測值，nw是風電場的數(shù)量；通過設(shè)定用戶決策清單加入偏好約束，表示為：

12、

13、其中，fi(u,x)表示第i個目標函數(shù)，偏好區(qū)間為是第i個目標函數(shù)的下邊界值，表示用戶接受的最低標準，是第i個目標函數(shù)的上邊界值，表示用戶接受的最高標準，模型同時優(yōu)化agc機組的出力基值及功率分配因子，使agc機組之間相互協(xié)調(diào)。

14、作為本發(fā)明所述的基于用戶偏好的多目標有功超前調(diào)度優(yōu)化方法的一種優(yōu)選方案，其中：所述進行全局搜索包括采用基于共識的多目標粒子群算法求解，初步挑選出目標空間中均勻分布的代表性粒子。

15、作為本發(fā)明所述的基于用戶偏好的多目標有功超前調(diào)度優(yōu)化方法的一種優(yōu)選方案，其中：所述約束條件包括用直流潮流方程及熱極限約束代替原有約束，求解簡化調(diào)度模型，將得到的最優(yōu)調(diào)度方案作為簡化調(diào)度解，簡化調(diào)度模型表示為：

16、min[f1(pa,pna,pw,α),f2(pa,pna,pw,α),f3(pa,pna,pw,α)]

17、dc潮流方程表示為：

18、bbusθ+pbus,shift+pd+gsh-cgpg-cwpw＝0

19、其中，bbus為電力系統(tǒng)中母線的導納矩陣，θ為母線的相角向量，pbus,shift為母線功率修正量，pd為系統(tǒng)的負荷功率向量，gsh為支路對母線的注入功率，cgpg為發(fā)電機注入功率，cwpw為風電場注入功率，熱極限約束表示為：

20、hf(θ)＝bfθ+pf,shift≤fmax

21、ht(θ)＝bfθ-pf,shift≤fmax

22、其中，hf(θ)、ht(θ)分別表示正向和反向潮流的熱極限約束函數(shù)，bf為支路的導納矩陣，fmax為支路的熱極限值，系統(tǒng)旋轉(zhuǎn)備用容量約束表示為：

23、

24、其中，rui,t為第i個機組在時段t的旋轉(zhuǎn)備用容量，r*為系統(tǒng)要求的最小旋轉(zhuǎn)備用容量，agc機組出力、爬坡約束表示為：

25、

26、其中，為第i個agc機組的最小出力，第i個agc機組的最大出力，δptw為風電出力的預測值和實際值的總偏差，為第i個agc機組在時段t-1時的實際出力，為第i個agc機組的下調(diào)速率，δt為時間間隔，為第i個agc機組的上調(diào)速率，qa、分別為第i個agc機組的無功功率出力下限和上限，為第i個agc機組的無功功率出力；非agc機組出力、爬坡約束表示為：

27、

28、其中，為第j個非agc機組的最小出力，第j個非agc機組的最大出力，為第j個非agc機組在時段t-1時的實際出力，為第j個非agc機組的下調(diào)速率，為第j個非agc機組的上調(diào)速率，qna、分別為第j個非agc機組的無功功率出力下限和上限，為第j個非agc機組的無功功率出力；agc功率平衡調(diào)節(jié)表示為：

29、

30、其中，ζk為調(diào)節(jié)功率，風電場調(diào)度功率約束表示為：

31、

32、其中，為風電場最大允許功率，為風電場預測輸出功率，為第k個風電場在時段t的初始預測功率，風電出力不確定集合表示為：

33、

34、其中，sr是可再生能源出力的不確定集合；將upe方法嵌入智能優(yōu)化方法的進化過程中，對不在可行區(qū)域內(nèi)的個體進行約束修正。

35、作為本發(fā)明所述的基于用戶偏好的多目標有功超前調(diào)度優(yōu)化方法的一種優(yōu)選方案，其中：所述準確調(diào)度解包括運行人員在第一階段得到的帕累托最優(yōu)解集中選擇一個解作為初始點x0，并基于x0的目標函數(shù)值設(shè)定用戶決策清單；將偏好約束加入模型，構(gòu)造基于用戶偏好的lapd問題；對于場景集中的每一個場景，校驗初始解x0是否滿足準確調(diào)度模型的約束集，篩選出約束越限的場景作為新的場景集合在給定的初始點x0＝[pa,pna,pw,α]下，針對更新后的不確定集合，應(yīng)用upe方法計算up-lapd問題的偏好可行解；將up-lapd問題轉(zhuǎn)化為只含有等式約束的向量h(x)，表示為：

36、

37、其中，vi,t，θi,t是節(jié)點i在時段t的節(jié)點電壓幅值和相角，vj,t為節(jié)點j在時段t的節(jié)點電壓幅值，gij是節(jié)點i到節(jié)點j的線路等效電導，bij是節(jié)點i到節(jié)點j的線路等效電納，vimax、vimin是節(jié)點i的電壓上下限，是節(jié)點i在時段t的負荷需求，sl,t是線路l在時段t的支路潮流，是線路l的熱極限值，qgi,t為第i個機組在時段t的無功功率輸出，s為懲罰因子，為x(t)隨時間的變化率，qh(x)為與狀態(tài)x相關(guān)的動力學行為函數(shù)，d為對角矩陣，用于調(diào)整系統(tǒng)不同狀態(tài)變量的變化速度，從初始解x0出發(fā)，利用ode15s積分求解器進行計算，收斂到解以解作為初始點，利用牛頓法再次求解對調(diào)度解的精度進行優(yōu)化。

38、作為本發(fā)明所述的基于用戶偏好的多目標有功超前調(diào)度優(yōu)化方法的一種優(yōu)選方案，其中：所述準確調(diào)度解還包括當用戶對問題本身的偏好不明確，導致無法設(shè)定決策清單時，基于可行解，將每個目標函數(shù)值降低5％作為目標決策清單。

39、本發(fā)明的另外一個目的是提供一種基于用戶偏好的多目標有功超前調(diào)度優(yōu)化系統(tǒng)，其能通過采用多目標粒子群優(yōu)化算法對簡化的調(diào)度模型進行全局搜索，獲取初步的調(diào)度方案，對調(diào)度方案進行修正，生成符合實際約束條件的準確調(diào)度解，解決了目前的電力系統(tǒng)調(diào)度技術(shù)含有效率低的問題。

40、作為本發(fā)明所述的基于用戶偏好的多目標有功超前調(diào)度優(yōu)化系統(tǒng)的一種優(yōu)選方案，其中：包括數(shù)據(jù)處理模塊，方案調(diào)整模塊，校驗模塊；所述數(shù)據(jù)處理模塊用于對電力系統(tǒng)的預測數(shù)據(jù)進行預處理，建立包含用戶偏好的多目標有功超前調(diào)度優(yōu)化模型；所述方案調(diào)整模塊用于采用多目標粒子群優(yōu)化算法對簡化的調(diào)度模型進行全局搜索，獲取初步的調(diào)度方案，對調(diào)度方案進行修正，生成符合實際約束條件的準確調(diào)度解；所述校驗模塊用于根據(jù)優(yōu)化后的調(diào)度模型輸出結(jié)果，結(jié)合用戶設(shè)定的偏好，校驗結(jié)果的可行性和優(yōu)越性。

41、一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序是實現(xiàn)基于用戶偏好的多目標有功超前調(diào)度優(yōu)化方法的步驟。

42、一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)基于用戶偏好的多目標有功超前調(diào)度優(yōu)化方法的步驟。

43、本發(fā)明的有益效果：本發(fā)明提供的基于用戶偏好的多目標有功超前調(diào)度優(yōu)化方法建立包含用戶偏好的多目標有功超前調(diào)度優(yōu)化模型，確保模型在優(yōu)化過程中能夠綜合考慮用戶的偏好與實際調(diào)度需求，兼顧經(jīng)濟性、環(huán)保性以及系統(tǒng)穩(wěn)定性，通過設(shè)定用戶決策清單，加入偏好約束，能夠靈活調(diào)整目標函數(shù)，使得優(yōu)化結(jié)果更具針對性和實用性，有效提升了調(diào)度方案的精度和適應(yīng)性，通過多目標粒子群優(yōu)化算法的全局搜索和簡化調(diào)度模型的處理，達到了快速生成可行調(diào)度方案的效果，同時通過對方案的修正，實現(xiàn)了調(diào)度解在復雜約束條件下的準確性和實用性，提升了調(diào)度模型的效率和適用性，通過優(yōu)化結(jié)果的輸出和用戶偏好的校驗，達到了雙重優(yōu)化的效果，使調(diào)度方案不僅可行，而且在多目標優(yōu)化的框架下，進一步提升了方案的實際價值和用戶滿意度，從而增強了方案的應(yīng)用性和靈活性，本發(fā)明在穩(wěn)定性、可靠性以及效率方面都取得更加良好的效果。