调度策略确定方法、装置、设备、存储介质和程序产品与流程
本技术涉及电力系统,特别是涉及一种调度策略确定方法、装置、设备、存储介质和程序产品。
背景技术:
1、随着新能源装机占比持续提高,日前机组组合需要在负荷预测、新能源出力波动和机组可用状态变化共同作用下完成启停与出力预安排。工程中通常采用两阶段随机机组组合模型处理该类问题,第一阶段确定机组启停、最小开停机时间和启停成本等日前决策,第二阶段在多个随机场景下校验连续出力、备用调用、新能源消纳和运行代价。由于该模型同时包含整数决策和大量场景连续变量,现有技术多采用benders分解将主问题和场景子问题分离,通过主问题给出机组组合方案,再由子问题返回运行代价和割约束,以迭代方式逼近整体最优解。
2、该类方法在中小规模场景下具有较好的工程适用性,但在高比例新能源和海量随机场景条件下,会逐渐暴露出较强的求解瓶颈,主问题中的子问题代理变量通常采用固定或极松的初始下界,求解初期缺少对二阶段运行代价的有效预估,容易使主问题在偏离真实运行成本的区域内反复搜索;进而导致求解得到的调度策略精度降低,影响电网运行效率。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提高调度策略精度和电网运行效率的调度策略确定方法、装置、设备、存储介质和程序产品。
2、第一方面,本技术提供了一种调度策略确定方法,包括:
3、根据电力系统的发电机组的可用状态信息,以及所述电力系统的历史约束信息和在未来时段内的出力预测信息,确定所述电力系统的最小运行状态数据;其中,所述历史约束信息包括历史时段内不同子时段下所述发电机组的机组组合方案的benders割数据;
4、对所述最小运行状态数据进行特征挖掘,得到子问题代价预测信息和约束紧张预测信息;其中,所述子问题代价预测信息表征所述电力系统在当前工况下的预测调度运行成本,所述约束紧张预测信息表征所述当前工况与所述历史约束信息之间的激活紧张程度;
5、根据所述子问题代价预测信息、所述约束紧张预测信息和所述历史约束信息,确定所述电力系统在所述未来时段的调度策略。
6、在其中一个实施例中,所述出力预测信息包括负荷预测出力和新能源预测出力;所述最小运行状态数据包括所述未来时段内不同调度窗口对应的初始样本数据和benders割数据;
7、所述根据电力系统的发电机组的可用状态信息,以及所述电力系统的历史约束信息和在未来时段内的出力预测信息,确定所述电力系统的最小运行状态数据,包括:
8、根据所述负荷预测出力和所述新能源预测出力之间的差值,确定表征所述电力系统的调节压力的净负荷波动数据;
9、将所述净负荷波动数据与所述电力系统的发电机组的可用状态信息进行时序融合,得到所述未来时段内不同调度窗口对应的初始样本数据;以及,
10、根据不同子时段的历史工况和不同调度窗口的未来工况,将所述历史约束信息中不同子时段的benders割数据匹配至对应的调度窗口。
11、在其中一个实施例中,所述子问题代价预测信息包括不同调度窗口对应的子问题代价预测值;所述约束紧张预测信息包括不同调度窗口对应的约束紧张预测特征;
12、所述对所述最小运行状态数据进行特征挖掘,得到子问题代价预测信息和约束紧张预测信息,包括:
13、针对每一调度窗口,根据所述调度窗口对应的初始样本数据和所述调度窗口的上一调度窗口对应的初始样本数据,确定所述调度窗口对应的系统调节压力特征;
14、对所述调度窗口对应的初始样本数据进行特征提取,得到所述调度窗口对应的功率连续变化特征;
15、对所述调度窗口对应的benders割数据进行嵌入特征映射,得到所述调度窗口对应的割关联特征;
16、根据所述调度窗口对应的功率连续变化特征、系统调节压力特征和割关联特征,确定所述调度窗口对应的约束紧张预测特征和子问题代价预测值。
17、在其中一个实施例中,所述根据所述调度窗口对应的功率连续变化特征、系统调节压力特征和割关联特征,确定所述调度窗口对应的约束紧张预测特征和子问题代价预测值,包括:
18、对所述调度窗口对应的功率连续变化特征、系统调节压力特征和割关联特征进行特征融合,得到所述调度窗口对应的子问题代价预测值;
19、将所述调度窗口对应的功率连续变化特征、系统调节压力特征和割关联特征进行特征拼接,得到所述调度窗口对应的联合特征;
20、根据所述联合特征,确定所述当前工况下所述调度窗口的子工况和历史约束信息的适配程度,并根据所述适配程度,确定所述调度窗口对应的约束紧张预测特征。
21、在其中一个实施例中,所述根据所述子问题代价预测信息、所述约束紧张预测信息和所述历史约束信息,确定所述电力系统在所述未来时段的调度策略,包括:
22、针对每一调度窗口,根据所述调度窗口对应的约束紧张预测特征和子问题代价预测值,以及所述调度窗口的上一调度窗口对应的子问题代价预测值,确定所述调度窗口对应的代理变量预测下界;以及,
23、基于所述调度窗口对应的约束紧张预测特征,对所述历史约束信息进行筛选,得到与所述当前工况下所述调度窗口的子工况匹配的有效割数据;
24、将各调度窗口对应的代理变量预测下界和有效割数据输入至机组组合优化模型中,得到所述电力系统在所述未来时段的调度策略。
25、在其中一个实施例中,所述基于所述调度窗口对应的约束紧张预测特征,对所述历史约束信息进行筛选,得到与所述当前工况下所述调度窗口的子工况匹配的有效割数据,包括:
26、根据所述调度窗口对应的约束紧张预测特征,确定不同子时段对应的benders割数据与所述当前工况下所述调度窗口的子工况的匹配评分;
27、将匹配评分大于或等于预设评分阈值的benders割数据,确定为所述当前工况下所述调度窗口的子工况匹配的有效割数据。
28、第二方面,本技术还提供了一种调度策略确定装置,包括:
29、状态确定模块,用于根据电力系统的发电机组的可用状态信息,以及所述电力系统的历史约束信息和在未来时段内的出力预测信息,确定所述电力系统的最小运行状态数据;其中,所述历史约束信息包括历史时段内不同子时段下所述发电机组的机组组合方案的benders割数据;
30、特征挖掘模块,用于对所述最小运行状态数据进行特征挖掘,得到子问题代价预测信息和约束紧张预测信息;其中,所述子问题代价预测信息表征所述电力系统在当前工况下的预测调度运行成本,所述约束紧张预测信息表征所述当前工况与所述历史约束信息之间的激活紧张程度;
31、策略确定模块,用于根据所述子问题代价预测信息、所述约束紧张预测信息和所述历史约束信息,确定所述电力系统在所述未来时段的调度策略。
32、第三方面,本技术还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
33、根据电力系统的发电机组的可用状态信息,以及所述电力系统的历史约束信息和在未来时段内的出力预测信息,确定所述电力系统的最小运行状态数据;其中,所述历史约束信息包括历史时段内不同子时段下所述发电机组的机组组合方案的benders割数据;
34、对所述最小运行状态数据进行特征挖掘,得到子问题代价预测信息和约束紧张预测信息;其中,所述子问题代价预测信息表征所述电力系统在当前工况下的预测调度运行成本,所述约束紧张预测信息表征所述当前工况与所述历史约束信息之间的激活紧张程度;
35、根据所述子问题代价预测信息、所述约束紧张预测信息和所述历史约束信息,确定所述电力系统在所述未来时段的调度策略。
36、第四方面,本技术还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
37、根据电力系统的发电机组的可用状态信息,以及所述电力系统的历史约束信息和在未来时段内的出力预测信息,确定所述电力系统的最小运行状态数据;其中,所述历史约束信息包括历史时段内不同子时段下所述发电机组的机组组合方案的benders割数据;
38、对所述最小运行状态数据进行特征挖掘,得到子问题代价预测信息和约束紧张预测信息;其中,所述子问题代价预测信息表征所述电力系统在当前工况下的预测调度运行成本,所述约束紧张预测信息表征所述当前工况与所述历史约束信息之间的激活紧张程度;
39、根据所述子问题代价预测信息、所述约束紧张预测信息和所述历史约束信息,确定所述电力系统在所述未来时段的调度策略。
40、第五方面,本技术还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
41、根据电力系统的发电机组的可用状态信息,以及所述电力系统的历史约束信息和在未来时段内的出力预测信息,确定所述电力系统的最小运行状态数据;其中,所述历史约束信息包括历史时段内不同子时段下所述发电机组的机组组合方案的benders割数据;
42、对所述最小运行状态数据进行特征挖掘,得到子问题代价预测信息和约束紧张预测信息;其中,所述子问题代价预测信息表征所述电力系统在当前工况下的预测调度运行成本,所述约束紧张预测信息表征所述当前工况与所述历史约束信息之间的激活紧张程度;
43、根据所述子问题代价预测信息、所述约束紧张预测信息和所述历史约束信息,确定所述电力系统在所述未来时段的调度策略。
44、上述调度策略确定方法、装置、设备、存储介质和程序产品,
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com