关于电力系统动态最优潮流的几种模型与算法研究

【摘要】： 电力系统的负荷在时间尺度上处于不断变化之中,为了保持系统的安全经济运行,必须根据负荷水平的变化不断对系统的各种控制变量进行调节。然而,由于动态约束的限制,调度周期内各时段之间的控制变量是相互联系的,电力系统在调度周期内各时段的最优潮流需要统一进行建模求解,这就提出了动态最优潮流的概念。动态最优潮流是最优潮流在时间尺度上的扩展,对实现电力系统协调控制具有重要意义。本文结合内点法和免疫遗传算法,对动态最优潮流算法、含静态电压稳定的动态最优潮流、动态无功优化算法、含离散变量的动态最优潮流等问题进行了比较深入的研究和探索,主要研究成果如下: 1)针对含发电机爬坡速率约束、发电机供购电合同约束等动态约束的动态最优潮流模型,分析了原对偶内点法求解该问题时系数矩阵的分块对角带边结构。在原对偶解耦内点法的基础上,利用系数矩阵的三角分解矩阵的分块结构,通过分块三角分解技术和分块三角矩阵求解,实现了预测——校正环节与解耦技术的高效融合,提出了预测——校正内点解耦法。 2)考虑发电机在负荷增长过程中的优化调节能力,以系统在给定的重负荷工况下能否保持静态安全运行作为判断系统电压稳定的判据,建立了电压稳定约束最优潮流模型,并提出了相应的求解方法。进一步将电压稳定约束最优潮流模型推广到动态最优潮流领域,考虑系统在调度周期内的动态约束,以及各时段的电压稳定约束,建立了考虑电压稳定约束的动态最优潮流模型及其求解方法。 3)针对动态无功优化模型,提出了免疫遗传算法与内点法相结合的混合算法,免疫遗传算法处理离散变量的优化问题,内点法处理连续变量的优化问题,通过免疫遗传算法与内点法的相互补充提高算法整体效率。根据免疫遗传算法与内点法的结合方式,提出了交替迭代策略和整体嵌套策略两种混合策略。交替迭代策略将连续变量和离散变量解耦,通过内点法和免疫遗传算法的交互迭代逼近最优解。整体嵌套策略把内点法作为适应度评价环节整体嵌入免疫遗传算法,通过离散变量和连续变量的分层优化逼近最优解。 4)考虑发电机爬坡速率、购电合同,以及可投切电容器组、变压器分接头等离散变量的动作次数约束等,建立含无功离散变量的动态最优潮流模型,并提出了相应的免疫遗传算法与预测——校正内点解耦法相结合的交替迭代型混合算法。考虑机组启停状态的最小启停时间约束,以及发电机爬坡速率、购电合同等,建立含机组启停变量的动态最优潮流模型,并提出了相应的免疫遗传算法与预测——校正内点解耦法相结合的整体嵌套型混合算法。