馬一凱 雷霞 柏小麗 程政 孔祥清

（西華大學電氣信息學院，成都 610039）

1 引言

節(jié)能減排發(fā)電調(diào)度[1]，要求在電力系統(tǒng)安全穩(wěn)定運行和連續(xù)供電的前提下，最大限度地減少能源、資源消耗和污染物排放。在安排機組出力時，只考慮機組煤耗雖能達到節(jié)能降耗目的，但不能體現(xiàn)市場主體意愿；如果只考慮市場主體意愿，而忽視機組煤耗排放等因素，節(jié)能降耗將難以充分實現(xiàn)[2]。

經(jīng)濟和環(huán)保是兩個互有矛盾性的優(yōu)化目標，在現(xiàn)有的優(yōu)化調(diào)度方法中多為單目標優(yōu)化，而將二者有效銜接的實際模型較少。文獻[3]探討了無節(jié)能約束、節(jié)能約束、能耗最低等三種電力市場的解決方案，提出節(jié)能約束下的電力市場模式、基于年度、月度中長期電力市場，建立了市場競價模型，提出了競價算法，但沒有分析減少污染排放對電力市場的影響；文獻[4]提出了一種以能耗與污染物排放最少為目標的發(fā)電側(cè)節(jié)能減排新模式。通過可變成本排序和污染物排放量排序確定機組上網(wǎng)電量，以達到節(jié)能減排的社會目標，但是沒有考慮針對各個機組特點的約束條件；文獻[5]詳細論述了實行節(jié)能發(fā)電調(diào)度對推動電力行業(yè)低碳化發(fā)展的巨大效益，建立了適應(yīng)不同電力調(diào)度模式的排放計算模型，并對相應(yīng)的CO2排放軌跡做出了分析，提出了以機組年發(fā)電小時數(shù)差異為控制要素的電量分配方法，但并沒有結(jié)合機組組合給出具體的分析結(jié)果。

本文提出的機組組合優(yōu)化模型是在滿足經(jīng)濟調(diào)度目標前提下，加入節(jié)能減排新要求的目標函數(shù)，通過引入排放成本系數(shù)和調(diào)度權(quán)重因子，將兩目標優(yōu)化函數(shù)轉(zhuǎn)變?yōu)閱文繕藘?yōu)函數(shù)，通過動態(tài)規(guī)劃法的前向算法來解模型，以達到經(jīng)濟、節(jié)能、環(huán)保的優(yōu)化調(diào)度目的。

2 模型的建立

傳統(tǒng)的機組組合模式[6]只以報價高低決定機組上網(wǎng)電量的多少，以發(fā)電成本最小為優(yōu)化目標，未考慮機組能耗和排放問題；節(jié)能減排模式以能耗最小、排放最少為優(yōu)化目標，將發(fā)電能耗和環(huán)境保護相結(jié)合。兩種模式尋優(yōu)目標不同，本文正是在傳統(tǒng)機組組合模型的基礎(chǔ)上，提出經(jīng)濟性兼顧節(jié)能減排的雙目標AGC機組優(yōu)化調(diào)度模型。

2.1 目標函數(shù)

（1）經(jīng)濟性目標

式中，F(xiàn)為發(fā)電費用成本函數(shù)，單位為元；T表示優(yōu)化時段數(shù)，I表示待調(diào)度機組數(shù)目；Ci為發(fā)電費用函數(shù)，ui(t)=1時表示開機，ui(t)=0時表示機組關(guān)機，pi(t)為機組i在時段t的有功功率；Si為開機費用函數(shù)，xi(t)是以該時段前機組i最后一次開機的時段為時間起點，中間機組沒有停機，這整個過程內(nèi)的時段就為累計開機時間，其值為正；機組的連續(xù)累計停機時間和機組連續(xù)累計開機時間類似，這時xi(t)取負值。

（2）節(jié)能減排目標

式中，f為污染氣體排放函數(shù)，單位為m3；ai、bi、ci為機組i的排放特性參數(shù)。

2.2 約束條件

（1）系統(tǒng)功率平衡：t∈{1???T},i∈{1???I}

式中，pi(t) 為機組i的發(fā)電功率；pd(t)為系統(tǒng)網(wǎng)損；pl(t)為系統(tǒng)負荷。

（2）系統(tǒng)旋轉(zhuǎn)備用約束：t∈{1???T},i∈{1???I}

式中，pr(t)為系統(tǒng)t時段的總備用要求。

（3）機組出力約束：t∈{1???T},i∈{1???I}

式中，Pi,min，Pi,max為機組i的最小、最大發(fā)電功率限額。

（4）最小開、停機時間約束：t∈{1???T},i∈{1???I}

式中，ri,on、ri,off分別為機組i的最小開、停機時間。

（5）機組爬坡速率約束：t∈{1???T},i∈{1???I}

式中，Pi,up為機組i時段爬坡功率的最大值。

3 解模型

機組組合優(yōu)化是一個高維數(shù)、非凸、離散、非線性的混合整數(shù)優(yōu)化問題。眾多學者提出了各種解決方法。文獻[7]分類綜述了從 60年代起該問題的主要解法，比較了啟發(fā)式方法，動態(tài)規(guī)劃法，混合整數(shù)規(guī)劃法，拉格朗日松弛法，遺傳算法等優(yōu)化方法的優(yōu)缺點，并提出了尚待研究的問題。

動態(tài)規(guī)劃法把 UC問題看成按時間分段的多步?jīng)Q策過程，即把多時段問題分解成相互關(guān)聯(lián)的一系列單時段問題，在整個周期范圍內(nèi)確定機組起停過程，以尋找各時段內(nèi)機組狀態(tài)的最優(yōu)路徑。本文正是應(yīng)用動態(tài)規(guī)劃法的前向算法對所建機組組合模型進行求解。

動態(tài)規(guī)劃法[8-9]分為前向算法和后向算法。后向法的解決方法是從最后時段開始，直至倒推到初始時段，因此當處理的數(shù)據(jù)量較大、階段數(shù)較多時，后向算法并不能包含許多實際情況，例如：如果機組的起動費用是它離線時間的函數(shù)，那么前向算法就更加適合，因為每個階段的機組先前的歷史數(shù)據(jù)可以計算得到。使用前向法，還存在著其它一些實際原因，即有利于起始條件具體化，只要計算存儲空間足夠，計算就一直能夠及時前向進行。

本文通過引入排放成本系數(shù)iβ，即機組i在單位排放量下消耗的標準煤的費用，對其定義說明如下

式中，mi(t)為t時間段內(nèi)機組i的燃煤費用，fi(t)為第t時段內(nèi)機組i的廢氣排放量，單位為m3，本文中的βi由各機組本身的特性決定。于是將機組發(fā)電成本和機組排放最小的多目標問題轉(zhuǎn)化為如下單目標問題：

基于動態(tài)規(guī)劃前向算法的基本方程[10]和本文所建數(shù)學模型，計算時段 t內(nèi)組合 k的最小費用的遞推公式由下式給出：

式中，（t,k）表示t時段的第k種機組組合 k∈{1???2I}，Qmin(t, k)為狀態(tài)（t,k）下的最小總費用，(1?λ)C(t, k )為狀態(tài)（t,k）時的經(jīng)濟機組的運行費用，S(t?1,m|t, k )表示從前一狀態(tài)(t?1,m )到后一狀態(tài)（t,k）的機組開停機轉(zhuǎn)換費用，λ G(t, k)為狀態(tài)（t,k）下減排機組的運行費用。

算法步驟概括如下：

第一步：從時段 t=1開始，枚舉所有滿足約束條件的K個可行組合，在這點上，經(jīng)濟調(diào)度問題將執(zhí)行計算階段t時每個可行的組合費用

第二步：對于階段t+1，枚舉所有滿足約束條件的J個可行組合，計算此時新的負荷水平下的每個可行的組合費用

第三步：計算所有從階段(t, k)到階段(t+1,j)可行的轉(zhuǎn)換，如果該機組滿足約束條件，那么就要計算開機費用，如果同時有多臺機組開機，則

n是從階段(t, k)到階段(t+1,j)開機的機組數(shù)目。

第四步：利用遞推公式（10）實現(xiàn)從階段 t到階段t+l的轉(zhuǎn)換的總費用，即前面所有時段的累計費用和當前狀態(tài)的最小費用之和：

第五步：保存最小值，同時保存此最小值對應(yīng)的路徑。

第六步：進行下一階段，重復步驟二至五。

第七步：當?shù)竭_最后階段，計算最小總費用，并回溯找到最優(yōu)路徑。

上述步驟的流程如圖1所示。

圖1 算法流程圖

4 算例仿真

下面對6機組8時段（每時段取1小時）的電力系統(tǒng)進行算例仿真。系統(tǒng)旋轉(zhuǎn)備用取系統(tǒng)總負荷的8%，火電機組詳細數(shù)據(jù)和系統(tǒng)負荷參見文獻[11，12]。λ的取值則由系統(tǒng)調(diào)度員根據(jù)上級下達的減排指標確定，不同的減排指標下對應(yīng)的λ值的大小不同，可以通過變步長迭代法來確定[13]，本文實現(xiàn)的是按系統(tǒng)減排10%調(diào)度AGC機組，這時λ取0.2。采用 Mat1ab7.0實現(xiàn)相應(yīng)的算法計算程序，應(yīng)用動態(tài)規(guī)劃法的前向算法分別對目標函數(shù)（1）、（2）、（9）式進行計算。所得結(jié)果如表1所示。

對比綜合優(yōu)化和經(jīng)濟優(yōu)化可以看出，排放降低9.96%時的最小調(diào)度費用為137564.4元。表2所示的是不同優(yōu)化調(diào)度方式下的開停機計劃。

表1 三種不同目標函數(shù)的優(yōu)化結(jié)果

表2 三種不同優(yōu)化目標的機組開停計劃

5 結(jié)論

在節(jié)能減排背景下，從經(jīng)濟性和環(huán)境保護角度出發(fā)，針對火電AGC機組提出了發(fā)電費用最小和污染氣體排放最小的多目標優(yōu)化調(diào)度模型，由于AGC機組運行的經(jīng)濟型和節(jié)能減排是相互矛盾的優(yōu)化目標，要解決這個問題，必須找到合理的方法[14-15]。本文所建模型處于一種折中的考慮，即在達到相應(yīng)的減排目標的前提下實現(xiàn)機組的調(diào)度總費用最小，算例仿真表明，該模型能較好兼顧火電AGC機組的運行成本和環(huán)境保護的利益要求，適應(yīng)了可持續(xù)發(fā)展戰(zhàn)略的要求。

[1]中華人民共和國中央人民政府門戶網(wǎng)站.國務(wù)院辦公廳關(guān)于轉(zhuǎn)發(fā)發(fā)展改革委等部門節(jié)能發(fā)電調(diào)度辦法(試行)的通知(國辦發(fā)[2007]53 號)[EB/ OL].http∶//www.gov.cn/zwgk/2007-08/07/content_708486.htm, 2007-08-07.

[2]胥傳普,楊立兵,劉福斌.關(guān)于節(jié)能降耗與電力市場聯(lián)合實施方案的探討[J].電力系統(tǒng)自動化.2007, 31(23)∶ 99-103.

[3]耿建,高宗和,楊爭林,等.節(jié)能電力市場設(shè)計初探[J].電力系統(tǒng)自動化,2007,31(19)∶18-21.

[4]苗增強,謝宇翔,姚建剛,等.兼顧能耗與排放的發(fā)電側(cè)節(jié)能減排調(diào)度新模式[J].電力系統(tǒng)自動化,2009,33(24)∶16-20.

[5]陳啟鑫,周天睿,康重慶.節(jié)能發(fā)電調(diào)度的低碳化效益評估模型及其應(yīng)用[J].電力系統(tǒng)自動化,2009, 33(16)∶24-29.

[6]劉維烈.電力系統(tǒng)調(diào)頻與自動發(fā)電控制[M].北京∶中國電力出版社,2006∶116-126.

[7]陳皓勇,王錫凡.機組組合問題的優(yōu)化方法綜述[J].電力系統(tǒng)自動化,1999,23(4,5)∶51-56.

[8]Momoh.J.A,Yi Zhang. Unit commitment using adaptive dynamic programming[J]. IEEE.Intelligent Systems Application to Power Systems, Proceedings of the 13th International Conference on. 2005∶523-526.

[9]J.Si,A.G.Barto,W.B.Powell,andD.C.Wunsch. Handbook of Learning and Approximate Dynamic Programming[J].IEEE Press Series on Computational Intelligence.2004∶561-596.

[10]胡良劍,丁曉東,孫曉君.數(shù)學實驗-使用 Matlab[M].上?！蒙虾？茖W技術(shù)出版社.2001∶180-192.

[11]Basu M An.lnteractive fuzzy satisfying method based on evolutionary programming technique for multi objective short-tem Hydro them al scheduling[J].Electric Power Systems Research, 2004,69(2-3)∶ 277-285.

[12]Ma Haili, Shahidehpour S M,M arw ali M K C.Transmission Constrained Unit Commitment Based on Benders Decomposition[A].Proceedings of the American Control Conference[C].A lbuquergue,New Mexico,1997∶ 2263-2267.

[13]徐致遠,羅先覺,牛濤.綜合考慮電力市場與節(jié)能調(diào)度的火電機組組合方案 [J].電力系統(tǒng)自動化,2009,33(22)∶14-17.

[14]袁曉輝,袁艷斌,等.電力系統(tǒng)中機組組合的現(xiàn)代智能優(yōu)化方法綜述[J].電力自動化設(shè)備,2003,23(2)∶73-78.

[15]李學斌.機組負荷分配的多目標優(yōu)化和多屬性決策[J].電力系統(tǒng)及其自動化學報,2010,22(1)∶142-145.