基于双层规划的多区域电力系统经济环境调度方法及系统

1.本发明属于电网调度相关技术领域，尤其涉及基于双层规划的多区域电力系统经济环境调度方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.随着电力系统的扩张和负荷中心的分散，建立多个负荷中心互联的多区域电力系统对电力系统安全稳定运行至关重要。许多国家赋予电力工业的经营行为更多自主权利,并且这种情况有效地助力于经济运行和减少排放。基于以上两个因素,多区域电力系统经济调度可以为电力系统提供更高的稳定性和经济性。作为污染气体排放最多的电力行业，如何在保障供电质量不受影响的前提下，兼顾环境与经济效益是非常值得研究的重大技术难题，也是促进电力企业节能减排的关键内容。目前该问题已经得到了初步研究，其主要研究思路是：(1)同时考虑火电机组的发电成本和污染气体排放问题，(2)考虑多区域发电、调度过程中不同约束条件，(3)在满足调度时间要求的基础上选择合适的算法进行分析求解。
4.但是，由于电网规模的扩张和负荷中心的分散化，必定导致多区域电力系统经济排放调度问题的维度升高，从而占据大量计算资源和耗费大量计算时间。因此，如何使优化调度策略更符合多区域电力系统经济排放调度问题，以及提高优化算法的收敛速度和准确性并且尽可能减少操作时间，是目前迫切需要解决的问题。


技术实现要素：

5.为克服上述现有技术的不足，本发明提供了一种基于双层规划的多区域电力系统经济环境调度方法及系统，以最小化发电机组的发电成本、最小化污染气体的排放为目标将区域经济环境调度问题转换为双层规划，从而减少了多区域经济排放调度问题的求解难度并且可以获得更为灵活的调度策略。
6.为实现上述目的，本发明的第一个方面提供基于双层规划的多区域电力系统经济环境调度方法，包括：
7.步骤s101：基于多区域电力系统的运行参数，以多区域的不同计划总出力为自变量建立最小化发电成本和最小化环境污染成本的上层规划代理模型，以及以最小化区域发电成本和最小化区域环境污染成本为目标建立下层规划目标；
8.步骤s102：利用博弈算法在所述上层规划代理模型所对应的上层约束条件下，求解所述上层规划代理模型，得到不同区域之间的最优值所对应的传输电能，确定每个区域所对应的发电总量；
9.步骤s103：采用优化算法在所述下层规划目标所对应的下层约束条件以及得到的每个区域所对应的发电总量下，求解得到每个区域的帕累托前沿数据；
10.步骤s104：对所得到的每个区域的帕累托前沿数据进行决策，得到最优调度策略。
11.本发明的第二个方面提供基于双层规划的多区域电力系统经济环境调度系统，包括：
12.建立双层规划模块：基于多区域电力系统的运行参数，以多区域的不同计划总出力为自变量建立最小化发电成本和最小化环境污染成本的上层规划代理模型，以及以最小化区域发电成本和最小化区域环境污染成本为目标建立下层规划目标；
13.求解上层规划模块：利用博弈算法在所述上层规划代理模型所对应的上层约束条件下，求解所述上层规划代理模型，得到不同区域之间的最优值所对应的传输电能，确定每个区域所对应的发电总量；
14.求解下层规划模块：采用优化算法在所述下层规划目标所对应的下层约束条件以及得到的每个区域所对应的发电总量下，求解得到每个区域的帕累托前沿数据；
15.调度输出模块：对所得到的每个区域的帕累托前沿数据进行决策，得到最优调度策略。
16.本发明的第三个方面提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行基于双层规划的多区域电力系统经济环境调度方法。
17.本发明的第四个方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行基于双层规划的多区域电力系统经济环境调度方法。
18.以上一个或多个技术方案存在以下有益效果：
19.在本发明中，以最小化发电机组的发电成本、最小化污染气体的排放为目标将区域经济环境调度问题转换为双层规划，从而减少了多区域经济排放调度问题的求解难度并且可以获得更为灵活的调度策略。
20.在本发明中，采用博弈算法求解上层规划代理模型，克服了过去优化算法中难以平衡局部搜索和全局优化的矛盾，所提算法在收敛程度和收敛速度上较以前的进化算法大幅度提升，并且可以快速且准确地计算区域间传输线传输的电能。
21.在本发明中，以多项式回归代理模型为基础，提前处理上层规划中的线路传输约束，提高了计算速度。
22.在本发明中，约束条件中引入了线路潮流约束和传输线限制约束，结合了实际电网的运行情况，使得优化调度策略更具现实指导意义。
23.本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
24.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
25.图1为本发明实施例一中基于双层规划的多区域电力系统经济环境调度方法流程图；
26.图2为本发明实施例一中情感累积博弈进化算法流程图；
27.图3为本发明实施例一中所采用的仿真对象四区域四十台发电机测试系统结构图；
28.图4(a)为本发明实施例一中区域1内四十台发电机测试系统(负荷为10500mw)考虑以上所有约束条件下所生成的帕累托最优前沿；
29.图4(b)为本发明实施例一中区域2内四十台发电机测试系统(负荷为10500mw)考虑以上所有约束条件下所生成的帕累托最优前沿；
30.图4(c)为本发明实施例一中区域3内四十台发电机测试系统(负荷为10500mw)考虑以上所有约束条件下所生成的帕累托最优前沿；
31.图4(d)为本发明实施例一中区域4内四十台发电机测试系统(负荷为10500mw)考虑以上所有约束条件下所生成的帕累托最优前沿。
具体实施方式
32.应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
33.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。
34.在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
35.实施例一
36.如图1所示，本实施例公开了一种基于双层规划的多区域电力系统经济环境调度方法，包括：
37.步骤s101：基于多区域电力系统的运行参数，以多区域的不同计划总出力为自变量建立最小化发电成本和最小化环境污染成本的上层规划代理模型，以及以最小化区域发电成本和最小化区域环境污染成本为目标建立下层规划目标；
38.步骤s102：利用博弈算法在所述上层规划代理模型所对应的上层约束条件下，求解所述上层规划代理模型，得到不同区域之间的最优值所对应的传输电能，确定每个区域所对应的发电总量；
39.步骤s103：采用优化算法在所述下层规划目标所对应的下层约束条件以及得到的每个区域所对应的发电总量下，求解得到每个区域的帕累托前沿数据；
40.步骤s104：对所得到的每个区域的帕累托前沿数据进行决策，得到最优调度策略。
41.在本实施例步骤s101中，获取的电网的运行参数包括：1、节点参数，主要包括pq、pv和参考节点的分布；2、调度时段内有功负荷；3、节点电压幅值、相角，以及该节点所能承受的最大、最小电压；4、发电机节点输出的有功以及该节点所能承受输出的最大、最小有功功率；5、每台发电机允许输出的最大有功功率；6、支路参数：支路电阻、电抗、电纳标幺值，长(短)距离输电支路所允许的容量，以及该支路所允许的最大、最小相位角度；7、传输线最大允许输送容量；8、区域热备用需求。
42.具体地，所建立上层规划目标表示为：
[0043][0044]
其中，∑
i＝1：ncmin
(pi)表示所有传输线上传输的电能确定的情况下，整个区域的最小燃料耗费的代理模型，i表示第i个区域，∑
i＝1：nemin
(pi)表示所有传输线上传输的电能确定的情况下，整个区域的最小排放的代理模型，gk(pi)和hk(pi)分别为涉及的等式和不等式约束，m1、m2分别是等式和不等式约束条件的个数。
[0045]
预先建立上层规划目标所对应的上层约束条件，包括传输线安全约束和区域热备用转移约束。
[0046]
具体的，传输线安全约束：
[0047][0048]
区域热备用转移约束：
[0049][0050]
其中，t
ip
代表第i个区域和第p个区域之间联络线的转移功率，影响第i个区域和第p个区域的真实负荷需求；代表第i个区域和第p个区域之间可以安全传输的最大功率；s
pj
是第p个区域第j台发电机保留的热备用功率；s
p，req
是第p个地区所要求的热备用功率，rc
ip
是第i个区域和第q个区域的转移热备用功率。
[0051]
建立下层规划目标表示为：
[0052][0053]
其中，f(p)和e(p)分别表示优化目标1和优化目标2，gi(p)和hj(p)分别为涉及的等式和不等式约束，n1、n2分别是等式和不等式约束条件的个数。
[0054]
其中，下层规划优化目标1为燃料成本为：
[0055][0056]
下层规划目标优化目标2为污染气体排放量：
[0057][0058]
其中，a
ij
、b
ij
、c
ij
、d
ij
、e
ij
为在第i个地区第j台发电机燃料成本系数，α
ij
、β
ij
、γ
ij
、ε
ij
、λ
ij
为在第i个地区第j台发电机污染气体排放系数；n和ng分别表示参与调度的区域数量和发电机台数；p
ij
为第i个地区第j台发电机输出的有功功率。
[0059]
预先建立下层规划目标对应的下层约束条件，包括发电机有功上下限约束、功率平衡约束、节点电压幅值约束、线路潮流约束。
[0060]
具体的，发电机有功上下限约束：
[0061][0062]
功率平衡约束：
[0063][0064]
节点电压幅值约束：
[0065][0066]
线路潮流约束：
[0067][0068]
其中，pk和表示k节点发电机有功功率下限、有功功率和有功功率上限，pd和p
loss
分别表示地区负荷和地区线路网损；和分别表示最小允许节点电压和最大允许节点电压。s
tr
表示t节点到r节点之间的潮流；表示t节点到r节点之间的最大允许潮流；
[0069]
在本实施例中，基于改进的多项式回归代理模型生成上层规划的目标函数。
[0070]
具体为：s1011：假定第i个地区内所有发电机的总出力为：
[0071][0072]
其中，n表示在第i个区域有n种不同的总出力被选择，i表示第i个区域；
[0073]
s1012：对s1011中的n种不同的总出力，对应的区域最小燃料耗费的候选解记作：
[0074][0075]
其中，表示区域i在第j种出力出力情况下的最小燃料耗费的候选解，并且表示为其中m表示区域i共有m台发电机；
[0076]
s1013：对s1012中确定的一系列最小燃料耗费的候选解，可以确定第i个区域对应的一系列最小燃料耗费的值为式中表示第i个区域第n种出力下的最小燃料耗费；
[0077]
s1014：对s1011中的n种不同的总出力，对应的区域最小排放的候选解记作：
[0078][0079]
其中，表示区域i在第j种出力出力情况下的最小排放的候选解，并且表示为其中m表示区域i共有m台发电机；
[0080]
s1015：对s1014中确定的一系列最小排放的候选解，可以确定第i个区域对应的一系列最小排放的值为式中表示第i个区域第n种出力下的最小排放；
[0081]
s1016：拟合和获得不同出力对应的最小排放和不同出力的改进多项式代理模型；
[0082]
s1017：拟合和获得不同出力对应的最小排放和不同出力的改进多项式代理模型。
[0083]
其中，改进的多项式代理模型的表达形式为：
[0084]
y＝θ0+θ1x+θ2x2+θ3x3+...+θnxkꢀꢀꢀꢀꢀ
(14)
[0085]
其中，x为y为或者θ0,θ1,
…
,θn表示多项式代理模型的参数，k为多项式代理模型最高次项的权重。
[0086]
对于公式(14)中的最高次项的权重k，利用真实解的形式距离和拟合解的模式距离的一致程度进行确定。
[0087]
具体的，模式距离具体表达为：
[0088][0089]
其中，s代表一个序列，sm代表序列s中第m个元素，d是模式距离序列，d
m-1
代表sm和s
m-1
的模式距离。
[0090]
利用模式距离确定燃料耗费-区域出力多项式代理模型最高次项的权重k为：
[0091]
s10161：计算的模式距离具体为：
[0092][0093]
s10162：设置k＝1，拟合和得到燃料耗费-区域出力多项式代理模型；
[0094]
具体为：
[0095][0096]
s10163：利用拟合的燃料耗费-区域出力多项式代理模型计算燃料耗费的拟合值
[0097]
s10164：计算的模式距离
[0098][0099]
s10165：计算和相同的元素的个数num
cost
；
[0100]
s10166：计算num
cost
/n，如果它大于等于0.95n，则输出此多项式代理模型，如果它小于0.95n，则返回步骤s10162并使k＝k+1。
[0101]
利用模式距离确定排放-区域出力多项式代理模型最高次项的权重k为：
[0102]
s10171：计算的模式距离具体为：
[0103][0104]
s10172：设置k＝1，拟合和得到排放-区域出力多项式代理模型；
[0105]
具体为：
[0106]
s10173：利用拟合的代理模型计算排放的拟合值
[0107]
s10174：计算的模式距离具体为
[0108][0109]
s10175：计算和相同的元素的个数num
emission
；
[0110]
s10176：计算num
emission
/n，如果它大于等于0.95n，则输出此多项式代理模型，如果它小于0.95n，则返回步骤s10172并使k＝k+1。
[0111]
在确定了排放-区域出力多项式代理模型和燃料耗费-区域出力多项式代理模型后，上层规划的目标函数设定为：
[0112][0113]
并且，pi可以表示为：
[0114][0115]
其中p
i,load
为第i个区域的负荷需求，所以目标函数可以改写为：
[0116][0117]
该目标函数命名为上层规划目标函数。
[0118]
由于每个区域的p
i,load
是确定的常数，所以目标函数的决策变量只为每条传输线上的传输电能，且约束于：
[0119][0120][0121]
其中，由于存在区域之间的热转移备用，线路传输电能约束进一步转变为：
[0122][0123]
在本实施例步骤s102中，利用博弈算法在所述上层规划目标所对应的上层约束条件下，求解所述上层规划目标，得到不同区域之间的最优值所对应的传输电能，进而确定每个区域所对应的实际发电总量。
[0124]
如图2所示，利用情感累积博弈进化算法执行上层规划的优化，情感累积博弈进化算法具体为：
[0125]
s1021：初始化种群：
[0126]
x(0)＝x
min
+rand(1)
×
(x
max-x
min
)
ꢀꢀꢀ
(16)
[0127]
其中，将每个区域的出力情况即传输线上传输的电能设置为x(0)，x(0)表示种群初始位置，x
min
表示传输线传输电能的下限，x
max
表示传输线传输电能的上限，rand(1)表示0到1之间的随机数，并且，生成种群p且p中每个个体都为随机生成的个体x(0)；
[0128]
s1022：种群划分：
[0129]
将原种群p随机分为两个相同规模的子种群p1和p2；
[0130]
将种群中的个体(即全部传输线上的电能)带入上层规划目标函数，进而计算得到每个个体的适应度值；
[0131]
按照适应度值优劣的顺序分别对子种群p1和p2进行排序；
[0132]
用子种群p1中适应度值较优秀的前50％的个体组成用子种群p1中剩余的百分之五十的个体组成
[0133]
用子种群p2中适应度值较优秀的前50％的个体组成用子种群p2中剩余的百分之五十的个体组成
[0134]
混合和以获得子种群p
exploit
；
[0135]
混合和以获得子种群p
explore
；
[0136]
子种群p
exploit
和子种群p
explore
即为博弈双方。
[0137]
s1023：记录当前最优解和历史最优解；
[0138]
表示p
exploit
种群的当前最优解；
[0139]
表示p
exploit
种群的历史最优解；
[0140]
表示p
explore
种群的当前最优解；
[0141]
表示p
explore
种群的历史最优解。
[0142]
s1024：计算博弈双方的支付矩阵，其中备择行动方案有两种：explore和exploit，损益值方程分为四种：f1(t),f2(t),f3(t)和f4(t)，具体为：
[0143]
explore备择行动方案表示为：
[0144]
x(t+1)＝x(t)+0.2
×
x(t)
×
levy(d) (17)
[0145]
式中x(t+1)表示个体更新后的位置，x(t)表示个体当前位置，d表示候选解的维度，levy(d)表示维度为d的列维飞行，t为当前迭代次数；
[0146]
exploit备择行动方案表示为：
[0147][0148]
式中x
other
(t)是当前种群中除x(t)外的一个随机个体的位置，t为最高迭代次数，s1(t)和s2(t)的表达式为：
[0149][0150]
c1(t)表示为正弦混沌序列，具体为：
[0151][0152]
f1(t),f2(t),f3(t)和f4(t)具体为：
[0153][0154]
式中f1(t)表示p
explore
在第t次迭代时执行explore行动方案的损益值函数，f2(t)表示p
exploit
在第t次迭代时执行exploit行动方案的损益值函数，f3(t)表示p
exploit
在第t次迭代时执行explore行动方案的损益值函数，f4(t)表示p
explore
在第t次迭代时执行exploit行动方案的损益值函数，表示p
exploit
在第t次迭代时的最优值，表示p
explore
在第t次迭代时的最优值。
[0155]
s1025：计算p
explore
和p
exploit
的情感累积因子，具体为：
[0156][0157]
式中，λ
emotion
(t)为第t次迭代时的情感累积因子，λ
emotion
(t-1)为第t-1次迭代时的情感累积因子，λ
envy
(t)为第t次迭代时的嫉妒因子，λ
confidence
(t)为第t次迭代时的自信因子，f(t)为种群p
explore
或p
exploit
第t次迭代时的损益值，f(t)为另一个种群在第t次迭代时的损益值，λ
emotion
(0)为情感累积因子的初值并设置为0.1，λ
envy
(0)为嫉妒因子的初值并设置为0.05，λ
confidence
(0)为自信因子的初值并设置为0.05。
[0158]
s1026：根据情感累积因子确定种群下一次选择的备择行动方案，具体为：
[0159]
计算p
explore
在第i次迭代时的累积情感因子
[0160]
计算p
exploit
在第i次迭代时的累积情感因子
[0161]
生成两个0和1之间的随机数，记作a和b；
[0162]
如果则p
explore
选择备择行动方案exploit执行，并将设置为初值0.1，反之p
explore
选择备择行动方案explore执行；
[0163]
如果则p
exploit
选择备择行动方案explore执行，并将设置为初值0.1，反之p
exploit
选择备择行动方案exploit执行；
[0164]
s1027：重复s1023-s1026直至迭代结束。
[0165]
s1028：确定和中的最优值，将最优值对应的传输线上传输的电能作为最优解并输出。
[0166]
在本实施例步骤s103中，上层规划获得的最优解所对应的个体表示了所有联络线上传输的电能，将每个区域传输线上的电能和该区域的负荷需求相加，即可得到下层模型中每个区域的真实发电量需求；
[0167]
在获得了每个区域的真实发电量需求后，每个区域的采用多目标粒子群算法计算得到每个区域的帕累托前沿，帕累托前沿上的结果对应的决策为每个区域的非支配解，具体为：
[0168]
随机生成若干满足区域负荷需求的机组出力情况并将其编译为粒子群初始位置，得到初始种群，种群中的每个粒子代表一种机组出力情况；
[0169]
使种群中所有个体满足出力的和值等于每个区域的真实发电量需求，并满足发电机有功上下限约束、功率平衡约束、节点电压幅值约束、线路潮流约束；
[0170]
将种群带入下层规划优化目标函数(即下层规划燃料耗费函数和下层规划污染排放函数)，进而获得种群中每个个体的燃料耗费值和污染排放值。
[0171]
根据初始种群燃料耗费值和污染排放值的支配关系得到初始的精英解集；
[0172]
开始迭代，计算精英解集中的每个粒子在构建的下层规划燃料耗费函数和下层规划污染排放函数中的拥挤距离，并生成全局最优解集，具体为：
[0173]
dist[ii]＝dist
cost
[ii]+dist
emission
[ii]
[0174]
其中，dist[ii]表示粒子ii在下层规划燃料耗费函数和下层规划污染排放函数中的拥挤距离，dist
cost
[ii]表示粒子ii在下层规划燃料耗费函数下的拥挤距离，dist
emission
[ii]表示粒子ii在下层规划污染排放函数下的拥挤距离；
[0175]
在全局最优解集中随机选择全局最优解，基于多目标粒子群算法更新粒子群速度和位置，并利用构建的多目标函数与约束条件计算粒子的适应度值；
[0176]
更新每个粒子的个体最优值，并设定小概率接受劣质解，得到更新后的新种群；
[0177]
合并新种群和精英解集后，根据合并所得种群的支配关系更新精英解集，当更新后的精英解集的粒子数大于初始种群时，按照拥挤距离从小到大的顺序对当前精英解集中的粒子进行排序，删除当前精英解集中拥挤距离小的粒子，使当前精英解集的粒子数量与初始种群数相同；
[0178]
达到设定的迭代次数，结束迭代，导出精英解集，并画出帕累托前沿，获得非支配解，所得到的每个非支配解为该区域内发电机满足该区域真实发电量的最优。
[0179]
在本实施例步骤s104中，上一步已经得到了每个区域的非支配解，所有这些解都
是最优解，但是调度决策只能从当前所有解中选取一组，这就需要电力部门依据实际情况制定相应的调度策略。
[0180]
本实施例给出一种基于隶属度函数的判别方法，拥有最大隶属度值的非支配解被选中为本时段的调度决策依据。
[0181]
对于环境和经济运行两个优化目标，对每一个目标函数，计算其非支配解对应的隶属度函数值，具体为：
[0182][0183]
式中，f
i,k
为第i个优化目标的第k个解，和分别为第i个优化目标的最小值和最大值。
[0184]
对每一个单独的非支配解，将μ
i,k
正则化得到μj，方法如下：
[0185][0186]
其中，n1＝2即优化目标的个数，m是非支配解的个数。
[0187]
最终解μj为取得最大值对应的非支配解，作为当前时段的调度决策依据。
[0188]
本实施例中图3的仿真算例结果如图4(a)-图4(d)所示，其中涉及的两个优化目标的极端值解如表1所示(燃料成本单位为￥/h，污染气体排放单位为ton/h)。
[0189]
表1燃料成本极端值解
[0190]
[0191]
[0192][0193]
在图4中，针对图3的仿真实例，本实施例所得到的每个区域帕累托最优前沿共由20个非支配解组成，这是一组针对环境和经济两个优化目标所形成的折中解，所有的非支配解都是本调度时段的最优解。图4中的极端值解为(892377.11,179352.42)，极端值解的大小及广度直接决定了优化方法的先进性。
[0194]
为了比较本实施例方法的先进性，在表1中，选择了几种有代表性的算法作为比较。
[0195]
在表1中，使用本发明方法得到的最小燃料成本为892377.11￥/h,比其他三种方法分别降低7427.73￥/h、8038.35￥/h、977.26￥/h。另一个极端值解即污染气体排放为177386.3ton/h也是所有方法中最小的，所以比起其他已有方法，本实施例更具先进性。
[0196]
通过以上实验数据可以看到，相比以往经济环境调度方法，本实施例在满足基本供电要求的前提下，获得了比其他调度方法更优越的性能，在降低发电成本的同时，也有效降低污染气体的排放。以表1的极值点为例，如果以该解作为调度依据，假定负荷一直稳定在10500mw，以本发明方法和nsos算法为对比，基于本实施例方法，每天可节约化石燃料成本约192920元，每年可节省约70415946元。
[0197]
实施例二
[0198]
本实施例提供基于双层规划的多区域电力系统经济环境调度系统，包括：
[0199]
建立双层规划模型模块：基于多区域电力系统的运行参数，以多区域的不同计划总出力为自变量建立最小化发电成本和最小化环境污染成本的上层规划代理模型，以及以最小化区域发电成本和最小化区域环境污染成本为目标建立下层规划目标；
[0200]
求解上层规划模块：利用博弈算法在所述上层规划代理模型所对应的上层约束条件下，求解所述上层规划代理模型，得到不同区域之间的最优值所对应的传输电能，确定每个区域所对应的发电总量；
[0201]
求解下层规划模块：采用优化算法在所述下层规划目标所对应的下层约束条件以及得到的每个区域所对应的发电总量下，求解得到每个区域的帕累托前沿数据；
[0202]
调度输出模块：对所得到的每个区域的帕累托前沿数据进行决策，得到最优调度策略。
[0203]
实施例三
[0204]
本实施例的目的是提供一种计算装置，包括：处理器、存储器和总线，存储器存储有处理器可执行的机器可读指令，当计算机设备运行时，处理器与存储器之间通过总线通信，机器可读指令被处理器执行时上述方法。
[0205]
实施例四
[0206]
本实施例的目的是提供一种计算机可读存储介质。
[0207]
一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有计算机程
序，计算机程序被处理器运行时执行上述方法。
[0208]
以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
[0209]
本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
[0210]
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

技术特征：
1.基于双层规划的多区域电力系统经济环境调度方法，其特征在于，包括：步骤s101：基于多区域电力系统的运行参数，以多区域的不同计划总出力为自变量建立最小化发电成本和最小化环境污染成本的上层规划代理模型，以及以最小化区域发电成本和最小化区域环境污染成本为目标建立下层规划目标；步骤s102：利用博弈算法在所述上层规划代理模型所对应的上层约束条件下，求解所述上层规划代理模型，得到不同区域之间的最优值所对应的传输电能，确定每个区域所对应的发电总量；步骤s103：采用优化算法在所述下层规划目标所对应的下层约束条件以及得到的每个区域所对应的发电总量下，求解得到每个区域的帕累托前沿数据；步骤s104：对所得到的每个区域的帕累托前沿数据进行决策，得到最优调度策略。2.如权利要求1所述的基于双层规划的多区域电力系统经济环境调度方法，其特征在于，所述上层约束条件包括传输线安全约束和区域热备用转移约束；所述下层约束条件包括功率平衡约束、节点电压幅值约束和线路潮流约束。3.如权利要求1所述的基于双层规划的多区域电力系统经济环境调度方法，其特征在于，在所述步骤s101中，建立上层规划代理模型具体包括：拟合某一区域的不同计划总出力下对应的最小燃料耗费和该区域全部发电机的总出力，得到上层规划中燃料耗费-区域出力的多项式回归代理模型；拟合某一区域的不同计划总出力下对应的最小排放和该区域全部发电机的总出力，得到上层规划中排放-区域出力的多项式回归代理模型。4.如权利要求3所述的基于双层规划的多区域电力系统经济环境调度方法，其特征在于，在所述步骤s101中，采用模式距离确定上层规划中燃料耗费-区域出力的多项式回归代理模型的最高次项的权重，具体为：步骤s10161：计算某一区域的不同计划总出力下对应的最小燃料耗费的第一模式距离；步骤s10162：设置k＝1，拟合某一区域的不同计划总出力下对应的最小燃料耗费和该区域全部发电机的总出力，得到第一燃料耗费-区域出力多项式代理模型；步骤s10163：利用所述第一燃料耗费-区域出力多项式代理模型计算得到燃料耗费的拟合值；步骤s10164：计算燃料耗费的拟合值的第二模式距离；步骤s10165：计算第一模式距离和第二模式距离相同元素的个数；步骤s10166：若所述步骤s10165所得到的相同元素的个数与区域个数n的比值不小于第一预设值，则输出第一燃料耗费-区域出力多项式代理模型；若小于第一预设值，则返回步骤s10162并另k＝k+1；或，采用模式距离确定上层规划中排放-区域出力的多项式回归代理模型的最高次项的权重，具体为：步骤s10171：计算某一区域的不同计划总出力下对应的最小排放的第三模式距离；步骤s10172：设置k＝1，拟合某一区域的不同计划总出力下对应的最小排放和该区域全部发电机的总出力得到第一排放-区域出力多项式代理模型；步骤s10173：利用所述第一排放-区域出力多项式代理模型计算排放的拟合值；
步骤s10174：计算排放的拟合值的第四模式距离；步骤s10175：计算第三模式距离和第四模式距离相同的元素的个数；步骤s10176：若所述步骤s10175所得到的相同元素的个数与区域个数n的比值不小于第二预设值，则输出第一排放-区域出力多项式代理模型；若小于第二预设值，则返回步骤s10172并另k＝k+1。5.如权利要求1所述的基于双层规划的多区域电力系统经济环境调度方法，其特征在于，在所述步骤s102中，具体为：将传输线上的传输的电能作为种群个体，将种群随机划分为两个相同规模的子种群p1和p2；将种群个体带入上层规划代理模型的目标函数计算每个个体的适应度值；将子种群p1中适应度前50％的个体与子种群p2中适应度前50％的个体组成子种群p
exploit
，将子种群p1中适应度后50％的个体与子种群p2中适应度后50％的个体组成子种群p
explore
；将子种群p
exploit
、子种群p
explore
作为博弈双方，通过损益值方程计算p
exploit
、p
explore
的情感累因子；通过情感累因子确定种群下一次选择的备择行动方案，不断迭代，输出最优值对应的传输线上传输的电能。6.如权利要求1所述的基于双层规划的多区域电力系统经济环境调度方法，其特征在于，在所述步骤s103中，采用多目标粒子群算法计算得到每个区域的帕累托前沿，帕累托前沿上的结果对应的决策为每个区域的非支配解，具体为：随机生成若干满足区域负荷需求的机组出力情况作为粒子群初始位置，得到初始种群，种群中的每个粒子代表一种机组出力情况；种群的每个个体满足出力的和和等于每个区域所对应的发电总量下并且满足在满足下层约束条件下，将种群个体代入下层规划目标，得到种群中每个个体的燃料耗费值和污染排放值；根据初始种群燃料耗费值和污染排放值的支配关系得到初始的精英解集；计算精英解集中的每个粒子在构建的下层规划燃料耗费函数和下层规划污染排放函数中的拥挤距离，生成全局最优解集；在全局最优解集中随机选择全局最优解，基于多目标粒子群算法更新粒子群速度和位置，并利用构建的下层目标函数与下层约束条件计算粒子的适应度值；更新每个粒子的个体最优值，并设定小概率接受劣质解，得到更新后的新种群；合并新种群和精英解集后，根据合并所得种群的支配关系更新精英解集，当更新后的精英解集的粒子数大于初始种群时，按照拥挤距离从小到大的顺序对当前精英解集中的粒子进行排序，删除当前精英解集中拥挤距离小的粒子，使当前精英解集的粒子数量与初始种群数相同；达到设定的迭代次数，结束迭代，得到精英解集，并画出帕累托前沿，获得非支配解，所得到的每个非支配解为该区域内发电机满足该区域真实发电量的最优。7.如权利要求1所述的基于双层规划的多区域电力系统经济环境调度方法，其特征在于，在所述步骤s104中，具体为：
对于下层规划目标中环境和经济运行两个优化目标，分别计算其非支配解对应的隶属度函数值；对于每一个单独的非支配解，将所计算得到的隶属度函数值正则化处理；将正则化处理后的最大值所对应的非支配解，作为当前时段的调度依据。8.基于双层规划的多区域电力系统经济环境调度系统，其特征在于，包括：建立双层规划模块：基于多区域电力系统的运行参数，以多区域的不同计划总出力为自变量建立最小化发电成本和最小化环境污染成本的上层规划代理模型，以及以最小化区域发电成本和最小化区域环境污染成本为目标建立下层规划目标；求解上层规划模块：利用博弈算法在所述上层规划代理模型所对应的上层约束条件下，求解所述上层规划代理模型，得到不同区域之间的最优值所对应的传输电能，确定每个区域所对应的发电总量；求解下层规划模块：采用优化算法在所述下层规划目标所对应的下层约束条件以及得到的每个区域所对应的发电总量下，求解得到每个区域的帕累托前沿数据；调度输出模块：对所得到的每个区域的帕累托前沿数据进行决策，得到最优调度策略。9.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一项所述的基于双层规划的多区域电力系统经济环境调度方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一项所述的基于双层规划的多区域电力系统经济环境调度方法。

技术总结
本发明提出了本发明提供了一种基于双层规划的多区域电力系统经济环境调度方法及系统，以最小化发电机组的发电成本、最小化污染气体的排放为目标将区域经济环境调度问题转换为双层规划，从而减少了多区域经济排放调度问题的求解难度并且可以获得更为灵活的调度策略。策略。策略。


技术研发人员：梁会军 林晨浩 庞奥康 钟建伟 廖红华 杨永超
受保护的技术使用者：湖北民族大学
技术研发日：2023.03.29
技术公布日：2023/7/21