一种多机组联合抽气供热负荷优化调度方法与流程

1.本发明属于负荷调度技术领域，尤其涉及一种多机组联合抽气供热负荷优化调度方法。


背景技术：

2.在我国北方地区，主要供热方式包括热电联产集中供热、燃煤锅炉分产供热、燃气锅炉分产供热等。热电联产供热机组能够生产电能与热能两种产品，其生产过程为先将煤炭等燃料的化学能转化成为高品质热能用于发电，再将己经在汽轮机中做功的中低品位热能用于对外供热，实现对能量梯级利用，能够显著提高一次能源的利用效率。
3.为了实现供热机组的多负荷的优化调度，在论文《多机组联合抽汽供热吋热负荷分配优化研究》中通过机组在不同发电负荷下表现出不同的热力特性，选取案例电厂几种典型的发电负荷，以该电厂当前供热负荷1040mw为例，为每种发电负荷下设计多种供热方案，计算各方案的全厂综合能耗并分析最节能方案的节能原因，总结节能供热方案规律，提炼出案例电厂在不同发电负荷下的热负荷分配原则，但是却存在以下技术问题：
4.1、忽视了供热负荷和供电负荷的负荷特性的区别，由于供热负荷在供热管网中可以进行蓄热，只要在一定时间阈值内满足热负荷的需求，同时也可以提供大于热负荷需求的热量，而供电负荷的需求在不同的时刻是确定的，因此若不能结合时间尺度下的供热负荷和供电负荷的优化调度，则最终的经济型和可靠性均不可能满足要求。
5.2、未考虑结合不同供热机组的燃烧稳定性约束，对于不同类型的供热机组，均具有其稳定燃烧负荷，若小于该稳定燃烧负荷，不仅机组的经济性受到影响，同时对于机组设备的寿命会产生影响，严重时甚至会导致非停等情况的出现。
6.针对上述技术问题，本发明提供了一种多机组联合抽气供热负荷优化调度方法。


技术实现要素：

7.为实现本发明目的，本发明采用如下技术方案：
8.根据本发明的一个方面，提供了一种多机组联合抽气供热负荷优化调度方法。
9.一种多机组联合抽气供热负荷优化调度方法，其特征在于，具体包括：
10.s11基于热负荷需求影响因素、热网侧的负荷监控模型确定所述热网侧在第一时间阈值内的热负荷需求量；
11.s12基于电能平衡约束、热能平衡约束、热电机组的运行约束、供热管道的流量约束、深度调峰功率约束构建负荷约束条件：
12.s13基于供电收入、供热收入、调峰辅助服务收入、火电机组成本构建所述火电厂的经济收益；
13.s14以所述经济收益最高为目标，以所述负荷约束条件为基础构建约束条件，基于多机组的agc负荷调度需求，将所述在第一时间阈值内的热负荷需求量在不同的供热机组之间进行分配。
14.通过采用基于供热机组的第一时间阈值内的热负荷需求量，从而使得供热机组的调节策略变得更加灵活，在保证供热可靠性和供电可靠性的基础上，提升了供热机组调节的灵活性和经济性。
15.通过热电机组的运行约束条件的构建，从而使得供热机组的供热稳定性得到了保障，使得负荷优化调度结果能够符合实际的运行要求，同时也提升了整体运行的稳定性和安全性。
16.进一步的技术方案在于，所述第一时间阈值根据热网侧的供热管网的长度、供热管网的历史热负荷供热量进行确定，其中所述热网侧的供热管网的长度越长，供热管网的历史热负荷供热量越大，则所述第一时间阈值越大。
17.进一步的技术方案在于，所述第一时间阈值的计算公式为：
[0018][0019]
其中l为热网侧的供热管网的长度，q为供热管网的历史热负荷供热量，l1为热网侧的供热管网的长度阈值，t1为基础时间阈值。
[0020]
进一步的技术方案在于，所述第一时间阈值内的热负荷需求量构建的具体步骤为：
[0021]
s21基于所述热负荷影响因素，构建预测模型，得到所述热网侧在第一时间阈值内的热负荷预测需求量；
[0022]
s22基于所述热网侧的负荷监控模型，获取所述热网侧的热网蓄热量；
[0023]
s23基于所述热负荷预测需求量、热网蓄热量，确定所述热负荷需求量。
[0024]
进一步的技术方案在于，所述热负荷需求量的计算公式为：
[0025]
q1＝q
2-q3[0026]
其中q2为热负荷预测需求量、q1为热网蓄热量。
[0027]
进一步的技术方案在于，所述负荷约束条件构建的具体步骤为：
[0028]
构建电能约束数学模型：
[0029]
p
load
(t)＝p
chp
(t)-p
cy
(t)
[0030]
式中：p
load
(t)为t时刻系统的电负荷需求；p
chp
(t)为热电机组在t时刻的电功率输出值；p
cy
(t)为t时段厂用电负荷；
[0031]
构建热能平衡约束数学模型：
[0032]hload
(t)＝h
chp
(t)
[0033]hload
(t)为t时段内系统的热负荷需求；h
chp
(t)为时段t热电机组所产生的热量；
[0034]
构建热电机组的运行约束数学模型：
[0035][0036][0037]-p
chp,down
δt≤p
chp
(t)-p
chp
(t-δt)≤p
chp,up
δt
[0038]
和分别为热电联产机组的电出力上下限；和分别为热电联产机组的热出力上下限；p
chp,down
和p
chp,up
分别为热电联产机组的向下爬坡率和向上爬坡率，δt为单位时间长度；
[0039]
构建供热管道的流量约束数学模型：
[0040]qchp
＝q
grid
[0041]
其中q
chp
为热电联产机组的输出流量，q
grid
为供热管网的接收流量；
[0042]
构建深度调峰功率约束数学模型：
[0043][0044]
式中，p
feasible
为热电厂在满足电网负荷指令的基础上可以达到的供热最小负荷，即基于各台机组运行可行域的深度调峰能力；为t时刻电网负荷指令；p
ability
为热电厂最大负供热负荷能力，即顶尖峰能力。
[0045]
基于所述基于电能平衡约束、热能平衡约束、热电机组的运行约束、供热管道的流量约束、深度调峰功率约束进行负荷约束条件的构建。
[0046]
进一步的技术方案在于，所述火电厂的经济收益构建的具体步骤为：
[0047]
所述供电收入和供热收入的计算公式为：
[0048][0049][0050]
其中,pg为上网电价，单位为元/(kw
·
h)；m为纯凝机组类型数；n为热电机组类型数；为第k个纯凝机组在时刻t的上网功率，单位为kw；p
lt
为第l个热电机组在时刻t的上网功率，单位为kw；t为系统运行时间，单位为h；p
heat
为单位供热收费，单位为元/gj；为第l个热电机组在时刻t的供热功率，单位为kw，δt为单位系统运行时间长度；
[0051]
调峰辅助服务收入的计算公式为：
[0052][0053]
其中c
3k
为纯凝机组参与深度调峰收入，c
3l
为热电联产机组参与深度调峰收入；
[0054]
火电机组成本的计算公式为：
[0055]ccosti
(pi,hi)＝f(pi,hi)
[0056]
pi为第i台机组的分配电负荷,mw；hi为第i台机组分配的供热负荷，c
costi
(pi,hi)为第i台机组在在pi和hi条件下的供电煤耗成本。
[0057]
进一步的技术方案在于，实现将所述在第一时间阈值内的热负荷需求量在不同的供热机组之间进行分配的具体步骤为：
[0058]
s31基于所述agc负荷调度需求，得到不同的供热机组在第一时间阈值内的不同时刻的上网功率；
[0059]
s32以所述上网功率为基础，得到所述供热机组在所述上网功率下的供热最小负荷和供热最大负荷，并基于所述供热最小负荷和供热最大负荷，得到所述供热机组在所述
上网功率下的供热调节区间；
[0060]
s33基于所述供热调节区间，以所述经济收益最高为目标，以所述负荷约束条件为基础构建约束条件，采用基于自适应贪婪策略优化的蚁群算法进行寻优，得到所述不同的供热机组在第一时间阈值内的供热负荷。
[0061]
通过采用自适应贪婪策略的蚁群优化算法(ant colony optimization algorithm with adaptive greedy strategy,gsaco)，在连续迭代过程中，参数自适应策略控制算法参数不断调整和改变，从而扩大种群的多样性。通过贪婪策略不断改变蚁群的偏好程度，使其不断向信息素浓度较高的地方移动，加快算法的收敛速度。
[0062]
另一方面，本技术实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种多机组联合抽气供热负荷优化调度方法。
[0063]
另一方面，本技术实施例中提供一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施上述的一种多机组联合抽气供热负荷优化调度方法。
附图说明
[0064]
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
[0065]
图1是根据实施例1的一种多机组联合抽气供热负荷优化调度方法的流程图。
具体实施方式
[0066]
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种方式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
[0067]
用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
[0068]
实施例1
[0069]
为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种多机组联合抽气供热负荷优化调度方法，其特征在于，具体包括：
[0070]
s11基于热负荷需求影响因素、热网侧的负荷监控模型确定所述热网侧在第一时间阈值内的热负荷需求量；
[0071]
s12基于电能平衡约束、热能平衡约束、热电机组的运行约束、供热管道的流量约束、深度调峰功率约束构建负荷约束条件：
[0072]
s13基于供电收入、供热收入、调峰辅助服务收入、火电机组成本构建所述火电厂的经济收益；
[0073]
s14以所述经济收益最高为目标，以所述负荷约束条件为基础构建约束条件，基于多机组的agc负荷调度需求，将所述在第一时间阈值内的热负荷需求量在不同的供热机组
之间进行分配。
[0074]
通过采用基于供热机组的第一时间阈值内的热负荷需求量，从而使得供热机组的调节策略变得更加灵活，在保证供热可靠性和供电可靠性的基础上，提升了供热机组调节的灵活性和经济性。
[0075]
通过热电机组的运行约束条件的构建，从而使得供热机组的供热稳定性得到了保障，使得负荷优化调度结果能够符合实际的运行要求，同时也提升了整体运行的稳定性和安全性。
[0076]
在另外一种可能的实施例中，所述第一时间阈值根据热网侧的供热管网的长度、供热管网的历史热负荷供热量进行确定，其中所述热网侧的供热管网的长度越长，供热管网的历史热负荷供热量越大，则所述第一时间阈值越大。
[0077]
在另外一种可能的实施例中，所述第一时间阈值的计算公式为：
[0078][0079]
其中l为热网侧的供热管网的长度，q为供热管网的历史热负荷供热量，l1为热网侧的供热管网的长度阈值，t1为基础时间阈值。
[0080]
在另外一种可能的实施例中，所述第一时间阈值内的热负荷需求量构建的具体步骤为：
[0081]
s21基于所述热负荷影响因素，构建预测模型，得到所述热网侧在第一时间阈值内的热负荷预测需求量；
[0082]
s22基于所述热网侧的负荷监控模型，获取所述热网侧的热网蓄热量；
[0083]
s23基于所述热负荷预测需求量、热网蓄热量，确定所述热负荷需求量。
[0084]
在另外一种可能的实施例中，所述热负荷需求量的计算公式为：
[0085]
q1＝q
2-q3[0086]
其中q2为热负荷预测需求量、q1为热网蓄热量。
[0087]
进一步的技术方案在于，所述负荷约束条件构建的具体步骤为：
[0088]
构建电能约束数学模型：
[0089]
p
load
(t)＝p
chp
(t)-p
cy
(t)
[0090]
式中：p
load
(t)为t时刻系统的电负荷需求；p
chp
(t)为热电机组在t时刻的电功率输出值；p
cy
(t)为t时段厂用电负荷；
[0091]
构建热能平衡约束数学模型：
[0092]hload
(t)＝h
chp
(t)
[0093]hload
(t)为t时段内系统的热负荷需求；h
chp
(t)为时段t热电机组所产生的热量；
[0094]
构建热电机组的运行约束数学模型：
[0095][0096][0097]-p
chp,down
δt≤p
chp
(t)-p
chp
(t-δt)≤p
chp,up
δt
[0098]
和分别为热电联产机组的电出力上下限；和分别为热电联产机组的热出力上下限；p
chp,down
和p
chp,up
分别为热电联产机组的向下爬坡率和向上爬坡率，δt为单位时间长度；
[0099]
构建供热管道的流量约束数学模型：
[0100]qchp
＝q
grid
[0101]
其中q
chp
为热电联产机组的输出流量，q
grid
为供热管网的接收流量；
[0102]
构建深度调峰功率约束数学模型：
[0103][0104]
式中，p
feasible
为热电厂在满足电网负荷指令的基础上可以达到的供热最小负荷，即基于各台机组运行可行域的深度调峰能力；为t时刻电网负荷指令；p
ability
为热电厂最大负供热负荷能力，即顶尖峰能力。
[0105]
基于所述基于电能平衡约束、热能平衡约束、热电机组的运行约束、供热管道的流量约束、深度调峰功率约束进行负荷约束条件的构建。
[0106]
在另外一种可能的实施例中，所述火电厂的经济收益构建的具体步骤为：
[0107]
所述供电收入和供热收入的计算公式为：
[0108][0109][0110]
其中,pg为上网电价，单位为元/(kw
·
h)；m为纯凝机组类型数；n为热电机组类型数；为第k个纯凝机组在时刻t的上网功率，单位为kw；p
lt
为第l个热电机组在时刻t的上网功率，单位为kw；t为系统运行时间，单位为h；p
heat
为单位供热收费，单位为元/gj；为第l个热电机组在时刻t的供热功率，单位为kw，δt为单位系统运行时间长度；
[0111]
调峰辅助服务收入的计算公式为：
[0112][0113]
其中c
3k
为纯凝机组参与深度调峰收入，c
3l
为热电联产机组参与深度调峰收入；
[0114]
火电机组成本的计算公式为：
[0115]ccosti
(pi,hi)＝f(pi,hi)
[0116]
pi为第i台机组的分配电负荷,mw；hi为第i台机组分配的供热负荷，c
costi
(pi,hi)为第i台机组在在pi和hi条件下的供电煤耗成本。
[0117]
在另外一种可能的实施例中，实现将所述在第一时间阈值内的热负荷需求量在不同的供热机组之间进行分配的具体步骤为：
[0118]
s31基于所述agc负荷调度需求，得到不同的供热机组在第一时间阈值内的不同时刻的上网功率；
[0119]
s32以所述上网功率为基础，得到所述供热机组在所述上网功率下的供热最小负荷和供热最大负荷，并基于所述供热最小负荷和供热最大负荷，得到所述供热机组在所述
上网功率下的供热调节区间；
[0120]
s33基于所述供热调节区间，以所述经济收益最高为目标，以所述负荷约束条件为基础构建约束条件，采用基于自适应贪婪策略优化的蚁群算法进行寻优，得到所述不同的供热机组在第一时间阈值内的供热负荷。
[0121]
具体的举个例子，所述基于自适应贪婪策略优化的蚁群算法的构建的具体步骤为：
[0122]
step 1：初始化蚁群算法模型。
[0123]
step 2：构造不同的供热机组在第一时间阈值内的供热负荷的可行解。
[0124]
step 3：更新局部信息素。
[0125]
step 4：计算并更新可行解。
[0126]
step 5：更新全局信息素。
[0127]
step 6:确定终止条件是否得到满足。如果满足，则算法停止。否则，跳转到步骤2。
[0128]
具体的，在传统蚁群优化算法的路径探索过程中，信息素的浓度会在每一代蚂蚁探索路径的过程中不断增加。后代蚂蚁会集中精力探索信息素浓度高的地方。在这种情况下，随着迭代次数的增加，种群的多样性会逐渐降低，蚂蚁不会去探索其他路径，算法容易陷入局部最优解。基于这种情况，设计了一种基于自适应贪婪策略的蚁群优化算法。随着迭代次数的增加，不断调整信息素的浓度和启发式信息的相对重要性，动态改变种群的多样性，使算法不易陷入局部最优解，提高了算法的搜索能力。
[0129][0130][0131]
α和β它们分别表示信息素相对重要度和启发式信息相对重要度，蚂蚁在探索的过程中，会不断地向信息素浓度高的地方收敛，直到找到最优解，x
max
和x
min
分别表示信息素相对重要性的最大值和最小值。y
max
和y
min
分别表示启发式信息相对重要性的最大值和最小值。n表示当前迭代次数，max表示最大迭代次数。
[0132]
初始时刻，本发明会将信息素浓度和启发式信息设置在有限范围内。本发明定义的信息素浓度和启发式信息会随着迭代次数的增加以非线性变化的形式发生改变。随着蚁群探索过程中，信息素浓度将会不断递增，本发明设置的信息素浓度关系式来呈现整体上升的趋势。同时，随着迭代的过程中，启发式信息将会不断减少，本发明设置的整体启发式信息关系式呈现下降趋势。由于这种变化关系，在每次迭代过程中，启发式信息的下降趋势会逐渐减少，从而保证蚁群优化算法完全在搜索过程中进行探索并增强种群的多样性。也保证了算法不易陷入局部最优解。第一代蚂蚁的信息素浓度将在路径探索过程中不断增加。子代蚂蚁会朝着蚂蚁信息素初始浓度高的地方探索，然而子代蚂蚁也会继续探索其他路径。
[0133]
随着迭代次数的增加，蚁群会逐渐接近最优解，所以信息素浓度会不断增加，而启发式信息会不断减少，以上由公式所示。在连续迭代的过程中，信息素的浓度会随着迭代次数的增加而增加，这表明算法会增强局部搜索能力。而启发式信息会随着迭代次数的减少而减少，但下降幅度也在逐步放缓，这表明算法在初期适当保留了一定的种群多样性，扩宽
种群的搜索能力。
[0134]
蚁群优化算法在求解路径问题时，其本质是τj和η
ij
之间的平衡，而启发式信息(η
ij
)的设定通常是与问题相关。在路径问题上，启发式信息被定义为：
[0135][0136]
其中，d
ij
表示从位置i到位置j的距离。
[0137]
通过采用自适应贪婪策略的蚁群优化算法(ant colony optimization algorithm with adaptive greedy strategy,gsaco)，在连续迭代过程中，参数自适应策略控制算法参数不断调整和改变，从而扩大种群的多样性。通过贪婪策略不断改变蚁群的偏好程度，使其不断向信息素浓度较高的地方移动，加快算法的收敛速度。
[0138]
实施例2
[0139]
本技术实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种多机组联合抽气供热负荷优化调度方法。
[0140]
实施例3
[0141]
本技术实施例中提供一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施上述的一种多机组联合抽气供热负荷优化调度方法。
[0142]
在本发明实施例中，术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可折卸连接，或一体地连接。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明实施例中的具体含义。
[0143]
本发明实施例的描述中，需要理解的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作，因此，不能理解为对本发明实施例的限制。
[0144]
在本说明书的描述中，术语“一个实施例”、“一个优选实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0145]
以上仅为本发明实施例的优选实施例而已，并不用于限制本发明实施例，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

技术特征：
1.一种多机组联合供热负荷优化调度方法，其特征在于，具体包括：s11基于热负荷需求影响因素、热网侧的负荷监控模型确定所述热网侧在第一时间阈值内的热负荷需求量；s12基于电能平衡约束、热能平衡约束、热电机组的运行约束、供热管道的流量约束、深度调峰功率约束构建负荷约束条件：s13基于供电收入、供热收入、调峰辅助服务收入、火电机组成本构建所述火电厂的经济收益；s14以所述经济收益最高为目标，以所述负荷约束条件为基础构建约束条件，基于多机组的agc负荷调度需求，将所述在第一时间阈值内的热负荷需求量在不同的供热机组之间进行分配。2.如权利要求1所述的多机组联合抽气供热负荷优化调度方法，其特征在于，所述第一时间阈值根据热网侧的供热管网的长度、供热管网的历史热负荷供热量进行确定，其中所述热网侧的供热管网的长度越长，供热管网的历史热负荷供热量越大，则所述第一时间阈值越大。3.如权利要求2所述的多机组联合抽气供热负荷优化调度方法，其特征在于，所述第一时间阈值的计算公式为：其中l为热网侧的供热管网的长度，q为供热管网的历史热负荷供热量，l1为热网侧的供热管网的长度阈值，t1为基础时间阈值。4.如权利要求1所述的多机组联合抽气供热负荷优化调度方法，其特征在于，所述第一时间阈值内的热负荷需求量构建的具体步骤为：s21基于所述热负荷影响因素，构建预测模型，得到所述热网侧在第一时间阈值内的热负荷预测需求量；s22基于所述热网侧的负荷监控模型，获取所述热网侧的热网蓄热量；s23基于所述热负荷预测需求量、热网蓄热量，确定所述热负荷需求量。5.如权利要求4所述的多机组联合抽气供热负荷优化调度方法，其特征在于，所述热负荷需求量的计算公式为：q1＝q
2-q3其中q2为热负荷预测需求量、q1为热网蓄热量。6.如权利要求1所述的多机组联合抽气供热负荷优化调度方法，其特征在于，所述负荷约束条件构建的具体步骤为：构建电能约束数学模型：p
load
(t)＝p
chp
(t)-p
cy
(t)式中：p
load
(t)为t时刻系统的电负荷需求；p
chp
(t)为热电机组在t时刻的电功率输出值；p
cy
(t)为t时段厂用电负荷；
构建热能平衡约束数学模型：h
load
(t)＝h
chp
(t)h
load
(t)为t时段内系统的热负荷需求；h
chp
(t)为时段t热电机组所产生的热量；构建热电机组的运行约束数学模型：构建热电机组的运行约束数学模型：-p
chp,down
δt≤p
chp
(t)-p
chp
(t-δt)≤p
chp,up
δt和分别为热电联产机组的电出力上下限；和分别为热电联产机组的热出力上下限；p
chp,down
和p
chp,up
分别为热电联产机组的向下爬坡率和向上爬坡率，δt为单位时间长度；构建供热管道的流量约束数学模型：q
chp
＝q
grid
其中q
chp
为热电联产机组的输出流量，q
grid
为供热管网的接收流量；构建深度调峰功率约束数学模型：式中，p
feasible
为热电厂在满足电网负荷指令的基础上可以达到的供热最小负荷，即基于各台机组运行可行域的深度调峰能力；为t时刻电网负荷指令；p
ability
为热电厂最大负供热负荷能力，即顶尖峰能力。基于所述基于电能平衡约束、热能平衡约束、热电机组的运行约束、供热管道的流量约束、深度调峰功率约束进行负荷约束条件的构建。7.如权利要求1所述的多机组联合抽气供热负荷优化调度方法，其特征在于，所述火电厂的经济收益构建的具体步骤为：所述供电收入和供热收入的计算公式为：所述供电收入和供热收入的计算公式为：其中,p
g
为上网电价，单位为元/(kw
·
h)；m为纯凝机组类型数；n为热电机组类型数；为第k个纯凝机组在时刻t的上网功率，单位为kw；p
lt
为第l个热电机组在时刻t的上网功率，单位为kw；t为系统运行时间，单位为h；p
heat
为单位供热收费，单位为元/gj；为第l个热电机组在时刻t的供热功率，单位为kw，δt为单位系统运行时间长度；调峰辅助服务收入的计算公式为：其中c
3k
为纯凝机组参与深度调峰收入，c
3l
为热电联产机组参与深度调峰收入；火电机组成本的计算公式为：
c
costi
(p
i
,h
i
)＝f(p
i
,h
i
)p
i
为第i台机组的分配电负荷,mw；h
i
为第i台机组分配的供热负荷，c
costi
(p
i
,h
i
)为第i台机组在在p
i
和h
i
条件下的供电煤耗成本。8.如权利要求1所述的多机组联合抽气供热负荷优化调度方法，其特征在于，实现将所述在第一时间阈值内的热负荷需求量在不同的供热机组之间进行分配的具体步骤为：s31基于所述agc负荷调度需求，得到不同的供热机组在第一时间阈值内的不同时刻的上网功率；s32以所述上网功率为基础，得到所述供热机组在所述上网功率下的供热最小负荷和供热最大负荷，并基于所述供热最小负荷和供热最大负荷，得到所述供热机组在所述上网功率下的供热调节区间；s33基于所述供热调节区间，以所述经济收益最高为目标，以所述负荷约束条件为基础构建约束条件，采用基于自适应贪婪策略优化的蚁群算法进行寻优，得到所述不同的供热机组在第一时间阈值内的供热负荷。9.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-8任一项所述的一种多机组联合抽气供热负荷优化调度方法。10.一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施权利要求1-8任一项所述的一种多机组联合抽气供热负荷优化调度方法。

技术总结
本发明提供一种多机组联合抽气供热负荷优化调度方法，属于负荷调度技术领域，具体包括：基于热负荷需求影响因素、热网侧的负荷监控模型确定所述热网侧在第一时间阈值内的热负荷需求量；基于电能平衡约束、热能平衡约束、热电机组的运行约束、供热管道的流量约束、深度调峰功率约束构建负荷约束条件：基于供电收入、供热收入、调峰辅助服务收入、火电机组成本构建所述火电厂的经济收益；以所述经济收益最高为目标，以所述负荷约束条件为基础构建约束条件，基于多机组的AGC负荷调度需求，将所述在第一时间阈值内的热负荷需求量在不同的供热机组之间进行分配，从而保证了多机组联合抽气供热负荷的优化调度的灵活性和可靠性。供热负荷的优化调度的灵活性和可靠性。供热负荷的优化调度的灵活性和可靠性。


技术研发人员：程箭 姜业正 张坤锋
受保护的技术使用者：浙江英集动力科技有限公司
技术研发日：2023.03.09
技术公布日：2023/7/19