基于免疫算法的水火電節(jié)能發(fā)電調(diào)度優(yōu)化方法研究

程 琳， 李才芳， 于 傳， 傅 曉

(1.國網(wǎng)安徽省電力有限公司培訓中心， 安徽 合肥 230022;2.安徽電氣工程職業(yè)技術(shù)學院， 安徽 合肥 230051)

0 引言

能源是社會經(jīng)濟發(fā)展的動力源泉，是維系產(chǎn)業(yè)發(fā)展、經(jīng)濟增長的重要物質(zhì)條件。電力工業(yè)是能源重要供給行業(yè)，也是維持社會發(fā)展的重要支柱產(chǎn)業(yè)。在國民經(jīng)濟發(fā)展過程中，電力供給保障具有十分重要的作用。與此同時，電力行業(yè)也是能源消耗大戶，對于以煤發(fā)電為主的電力行業(yè)來說，每年消耗的煤炭量十分可觀。因此，優(yōu)化電力行業(yè)能源利用結(jié)構(gòu)、提高基礎(chǔ)能源利用效率，能夠有效緩解我國能源供給短缺問題，促進生態(tài)環(huán)境發(fā)展[1]。發(fā)電調(diào)度主要包含典型經(jīng)濟調(diào)度、安全經(jīng)濟調(diào)度、環(huán)保經(jīng)濟調(diào)度以及節(jié)能調(diào)度四大類。典型經(jīng)濟調(diào)度是指在不考慮任何限制條件下，根據(jù)發(fā)電能源消耗最小化目標和原則，對系統(tǒng)發(fā)電機組進行調(diào)配。經(jīng)濟調(diào)度是指針對某一個運行節(jié)點，根據(jù)從大到小排序?qū)υ擖c運行效率進行選擇，最終制定發(fā)電機組運行管理目標和計劃。電力小故障可能造成大面積停電問題，故障對電網(wǎng)運行安全性、穩(wěn)定性形成巨大威脅。文獻[2,3]針對這個問題提出多種解決對策，例如數(shù)學規(guī)劃法、網(wǎng)流法等。文獻[4]通過添加發(fā)電機組爬坡速率解決發(fā)電機組效率受限問題，一定程度上解決了發(fā)電機組的穩(wěn)定性、連續(xù)性。文獻[5]在經(jīng)濟調(diào)度模型中增加環(huán)境保護因素，從而產(chǎn)生了環(huán)保經(jīng)濟調(diào)度模式。文獻[6]建了基于發(fā)電廢棄物、經(jīng)濟成本的多變量目標函數(shù)，其本質(zhì)是多目標優(yōu)化問題。文獻[7]提出了人工模糊算法、PSO算法以及人工智能算法來解決多目標調(diào)度。文獻[8]從電力市場化改革背景下出發(fā)，分析電網(wǎng)經(jīng)濟調(diào)度優(yōu)化問題。文獻[9]從電力市場化改革背景下出發(fā)，探討節(jié)能發(fā)電調(diào)度問題以及建立基于節(jié)能發(fā)電調(diào)度原則，在節(jié)能發(fā)電調(diào)度約束條件中增加系統(tǒng)網(wǎng)絡(luò)約束、網(wǎng)絡(luò)損耗折算、時段耦合等因素，以燃煤損耗最小為控制目標，同時建立網(wǎng)絡(luò)損耗節(jié)能調(diào)度優(yōu)化模型，同時采用二階段法對模型求解。文獻[10]分析電網(wǎng)節(jié)能發(fā)電調(diào)度計劃模型的優(yōu)劣性，并提出相應(yīng)的優(yōu)化對策和建議，采用優(yōu)化算法制定更加科學、合理的發(fā)電調(diào)度模式。在節(jié)能發(fā)電調(diào)度模式下，小火電機組將會逐漸關(guān)停。關(guān)停小火電機組或者削減其發(fā)電配額后，為保證本地用電需求，電網(wǎng)企業(yè)可從其他地區(qū)調(diào)度電力供應(yīng)，這必將導致因為區(qū)域電網(wǎng)互聯(lián)而產(chǎn)生的負荷變化，從而帶來潮流變化，進而發(fā)生負荷重大轉(zhuǎn)移，這對電網(wǎng)安全、穩(wěn)定運行形成較大威脅。因此，本文在考慮負荷平衡約束下，對基于免疫算法的水火電電力系統(tǒng)節(jié)能發(fā)電調(diào)度進行目標優(yōu)化，使得水火電電力系統(tǒng)滿足“水電調(diào)峰、火電調(diào)基”的基本原則。

1 水火電電力系統(tǒng)負荷特性分析

在某個時間周期內(nèi)，水火電電力系統(tǒng)中水電站與火電站會按照負荷分布特性各自承擔部分負荷[11]。設(shè)水電站承擔負荷為PDh，火電站承擔負荷為PDTh，則水火電電力系統(tǒng)的負荷特性可如式(1)表述：

(1)

式(1)中，aj、bj、cj表示求取最大機組出力時運營成本的燃料修正因子，電網(wǎng)的總負荷為PD，同理，得到火電機組燃料消耗量最小的目標函數(shù)如式(2)。

(2)

式(2)中，a、b、c表征燃料消耗量系數(shù)，λ表示耗燃率，其最優(yōu)條件為：

(3)

由式(3)可以得到：

(4)

由此可得到火電機組燃料消耗量最小時對應(yīng)的機組最大出力為：

(5)

由式(5)可知，在調(diào)度周期內(nèi)，火電機組在各個時段承擔的負荷是均勻的，基本相等。只有在這種條件下，火電機組的燃料消耗量才能夠達到最小值。因此，在分配電力系統(tǒng)負荷特性時，應(yīng)充分利用水電能源，使其分擔合理的負荷部分，繼而使得火電能源在水火電電力系統(tǒng)中整個調(diào)度周期內(nèi)每個時段所承擔的負荷能夠盡可能實現(xiàn)平均分配，使其燃料消耗量接近最小值，達到能源消耗量、繼而達到污染物排放量最小的要求。

2 水火電節(jié)能發(fā)電調(diào)度目標優(yōu)化研究

對于水火電電力系統(tǒng)而言，應(yīng)充分利用水電與火電能源之間的互動特性，合理使用水火電電力系統(tǒng)中水電能源的均衡效應(yīng)與清潔能源替代效應(yīng)，實現(xiàn)水火電之間的合理協(xié)調(diào)分配。這里的清潔能源替代效應(yīng)是指盡可能多地使用水電能源承擔電力系統(tǒng)負荷，火電能源相應(yīng)承擔的負荷減小，進而減小燃料消耗，達到環(huán)保節(jié)能的目的要求。在實際運行中，通常采用最大發(fā)電流量作為棄水量的限值。但是，此舉沒有全局考慮水頭、水頭損失與發(fā)電流量之間的函數(shù)關(guān)系，在工程應(yīng)用中，有時會出現(xiàn)經(jīng)濟效益不好的結(jié)果，因此，將棄水量限值定義為最大發(fā)電流量Qmax與最佳發(fā)電流量Qopt之間的最小值，如式(6)所示。

(6)

式(6)中，Zumax、Qopt、S分別表示水庫蓄水水位最大值、水庫最大允許發(fā)電流量以及棄水量。若發(fā)電實際流量低于水能入庫流量，同時又小于此改進策略Qmax與Qopt時，根據(jù)式(6)，就選擇為Qopt棄水量的限值要求，此舉不但可以避免以Qmax作為棄水量限值帶來的經(jīng)濟效益降低的情況，還可以提高水能資源的利用率。因此，水火電電力系統(tǒng)節(jié)能發(fā)電調(diào)度數(shù)學模型的目標函數(shù)定義為火電站燃料消耗量最小，如式(7)所述:

(7)

式(7)中，Uj(t)、SUj、SDj(t)分別表示火電機組的啟停狀態(tài)、啟動狀態(tài)消耗量、停機狀態(tài)消耗量。約束條件主要包括電力負荷平衡、水電站運行約束、火電站運行約束以及包含水電站的動態(tài)棄水策略。

1)電力系統(tǒng)負荷平衡約束條件:

(8)

式(8)中，Phi(t)為水電發(fā)電功率，PL(t)表示調(diào)度周期內(nèi)電網(wǎng)網(wǎng)絡(luò)損耗。

2)水電站運行約束條件：

(9)

3)火電站運行約束條件:

(10)

4)棄水量約束條件：

(11)

3 免疫算法

與遺傳算法相類似，免疫算法通過交叉、逆轉(zhuǎn)、變異等操作實施隨機優(yōu)化選擇，通過結(jié)合力計算、抗體濃度計算、記憶細胞分化、抗體生存能力計算等四大步驟實現(xiàn)隨機擇優(yōu)，具有自我調(diào)節(jié)、全局搜索、免疫記憶以及多樣性抗體生成等功能。根據(jù)優(yōu)化理論，有約束條件的目標優(yōu)化問題的基本數(shù)學模型如式(12)。

(12)

式(12)中，h(x)、g(x)分別表示等式約束條件、不等式約束條件。對于這類約束條件，通常采用罰函數(shù)進行約束條件處理，即式(12)簡化為(13)：

(13)

式(13)中，σ、v表示罰函數(shù)確定的懲罰因子，通常是向量。通過引入罰函數(shù)的處理方式，可以將與變量有關(guān)的約束條件簡化，從而化簡優(yōu)化問題中的變量個數(shù)以及懲罰因子個數(shù)?；诿庖咚惴ǖ乃痣婋娏ο到y(tǒng)節(jié)能發(fā)電調(diào)度優(yōu)化處理流程圖如圖1所示。

圖1 節(jié)能發(fā)電調(diào)度優(yōu)化處理流程圖

4 仿真研究

本文選取某省內(nèi)8座水電站和10座火電站作為研究對象。為便于分析，8座水電站依次記為AB、BC、CD、DE、EF、FG、GH、HI。10座火電站依次記為JK、KL、LM、MN、NO、OP、PQ、QR、RS、ST。根據(jù)電網(wǎng)實際運行數(shù)據(jù)得系統(tǒng)一天內(nèi)的日負荷數(shù)據(jù)，見表1。

表1 電網(wǎng)日負荷數(shù)據(jù)表

8座水電站的水能指標參數(shù)及水庫特征參數(shù)見表2。

表2 8座水電站水能指標參數(shù)表

10座火電站采用數(shù)值擬合后得到的參數(shù)見表3。

表3 10座火電站參數(shù)表

使用免疫算法對水火電電力系統(tǒng)節(jié)能發(fā)電調(diào)度進行優(yōu)化研究，設(shè)種群迭代數(shù)為100，抗體濃度閾值均取0.95，C取0.8，交叉率為0.8，變異率為0.02。分別從靜態(tài)棄水策略、動態(tài)棄水策略下優(yōu)化發(fā)電流量、棄水流量、水電站出力、火電站燃料消耗率。

圖2 水電站發(fā)電流量變化曲線

圖3 火電站燃耗率變化曲線

在圖2中，實線表示本文選用的改進動態(tài)棄水策略下每座水電站的發(fā)電流量，上方虛線表示每座水電站的最大過機流量，下方虛線則表示靜態(tài)棄水策略下得到的每座水電站的發(fā)電流量。由圖2可見，對于本文選定的8座水電站，在調(diào)度周期內(nèi)，BC站在某些時刻的發(fā)電流量超過了最大過機流量，而AB站、EF站、FG站以及GH站在某些時刻會非常接近水電站的最大過機流量。

靜態(tài)棄水策略與改進動態(tài)棄水策略下，水火電電力系統(tǒng)中不同火電站的燃料消耗仿真結(jié)果如圖3所示。由圖3可見，相較于采用靜態(tài)棄水策略下的火電站燃耗率，采用改進動態(tài)棄水策略下的火電站燃耗率差別不算太大，只是靜態(tài)棄水策略下的燃耗率變化幅度較小，而改進動態(tài)棄水策略下的燃耗率變化幅度較大。靜態(tài)棄水策略與改進動態(tài)棄水策略下，水火電電力系統(tǒng)中水電站出力、火電站出力以及系統(tǒng)負荷之間的仿真關(guān)系如圖4所示。

圖4 水電出力、火電出力與系統(tǒng)負荷關(guān)系曲線

圖4中，上方虛線代表水火電電力系統(tǒng)的總負荷，實線代表采用不同棄水策略下的水電站出力，下方虛線代表的是不同棄水策略下的火電站出力。由圖4可知，在系統(tǒng)負荷已知的情況下，無論是靜態(tài)棄水策略，還是改進改進動態(tài)棄水策略下，火電站在調(diào)度周期內(nèi)的出力基本平穩(wěn)，沒有出現(xiàn)大的變化，而水電站出力則會隨著負荷的變化出現(xiàn)較大波動，這符合水電負責調(diào)峰、火電負責基荷的認知。

分析圖2～圖4，可以得到以下結(jié)論：

1)在調(diào)度周期內(nèi)的某個時段，由于運行協(xié)調(diào)條件的作用，使得部分水電站的最佳發(fā)電流量接近最大過機流量。如BC站在某些時刻的發(fā)電流量超過了最大過機流量，而此時BC站的蓄水量并沒有達到其允許的最大值。采用靜態(tài)棄水策略時，BC站其實并沒有多余的棄水流量產(chǎn)生。采用改進動態(tài)棄水策略時，BC、EF、FG三個水電站的發(fā)電流量接近或者達到最大過機流量。結(jié)合圖3，BC、EF、FG三個水電站仍然有棄水產(chǎn)生。

2)有棄水產(chǎn)生的水電站，棄水將會在梯級水電站中重復使用，以此達到水資源的高效利用。采用免疫算法獲取的梯級水電站調(diào)度優(yōu)化結(jié)果如表4所示。

表4 基于免疫算法的水電站調(diào)度優(yōu)化結(jié)果

由表4可知，采用改進動態(tài)棄水策略下獲取的發(fā)電用水量一般高于采用靜態(tài)棄水策略下的發(fā)電用水量。靜態(tài)棄水策略下的總發(fā)電用水量約為5.701億立方米，而改進動態(tài)棄水策略下的總發(fā)電用水量約為6.572億立方米。但是，這并不意味著靜態(tài)棄水策略處理效果優(yōu)于改進動態(tài)棄水策略。靜態(tài)棄水策略過于強調(diào)水庫的蓄水量，但是水電站水庫蓄水量并非越多越好，衡量水電站蓄水量優(yōu)劣的主要標注是水資源的利用率，采用改進動態(tài)棄水策略恰恰能夠真正實現(xiàn)水庫蓄水量的物盡其用。

3)改進動態(tài)棄水策略更改了水火電電力系統(tǒng)中水電站的蓄放水策略，有效提升了水電站在整個水火電電力系統(tǒng)中的替代效應(yīng)。基于免疫算法的火電站運行優(yōu)化結(jié)果如表5所示。由表5可知，在調(diào)度周期內(nèi)，基于改進動態(tài)棄水策略的火電站總發(fā)電量比采用基于靜態(tài)棄水策略的火電站總發(fā)電較小。采用改進動態(tài)棄水策略的火電站燃料消耗量低于采用靜態(tài)棄水策略時的燃料消耗量。

表5 基于免疫算法的火電站調(diào)度優(yōu)化結(jié)果

5 小結(jié)

本文首先提出了單一水電站棄水策略的改進措施，在分析基礎(chǔ)上，針對梯級水電站提出了改進的動態(tài)棄水策略，結(jié)合火電站運行特性，構(gòu)建了水火電電力系統(tǒng)節(jié)能發(fā)電調(diào)度的單目標優(yōu)化數(shù)學模型。然后闡述了免疫算法的基本原理、計算過程以及參數(shù)選擇標準。使用免疫算法對水火電電力系統(tǒng)節(jié)能發(fā)電調(diào)度進行了分析，仿真結(jié)果表明免疫算法對采用改進動態(tài)進水策略的水火電電力系統(tǒng)節(jié)能發(fā)電調(diào)度具有較好的優(yōu)化效果。