电力市场环境下电源规划研究的软件设计与实现-电力电子网

摘要：本文主要是对电力市场条件下电源规划进行程序设计实现，以验证这种电源规划研究的科学性与正确性。该程序使用了分解协调措施，采用VC++6.0进行编写，经试验研究证明，该程序可用于验证电力市场环境下电网的电源规划研究的正确性与适用性，同时也能够为电力规划人员提供相对有效的依据。

关键词：电源规划电力市场程序设计

1.引言

　　随着电力市场化改革的深入，电力系统电源规划日益受到重视。近几年来，涉及电力系统电源规划的研究很多，但是真正能够设计相关程序来验证其自身规划模型的正确性与优化算法的科学合理性的研究却很少。本文针对基于遗传算法的电力市场环境下电源规划的研究进行编程设计实现以验证该研究的正确性、科学性及适用性。鉴于电源规划和遗传算法的特点，本设计中用到的语言工具有VC++和 FORTRAN两种，经算例研究表明本软件程序实用有效。

2.程序的总体设计

　　2.1模块构造

　　由于电源规划具有高维数，非线性，随机性等特点，使得规划工作变得十分复杂，本文采用分解协调手段将电源规划问题分成两个子问题。子问题一是投资决策程序模块，主要确定系统电源结构、优选发电场及装机进度，采用遗传算法。子问题二是随机生产程序模块，主要是模拟电力系统发电调度、预测各发电机组的发电量及燃料消耗量，并进行发电成本分析，所以生产模拟程序也可以称为发电成本程序，采用了半不变量法进行求解。

　　2.2 遗传算法的构造过程

　　遗传算法提供了一种求解复杂问题的框架，它不依赖问题的领域和种类。对于本文的研究对象，其遗传算法构造过程如下：

　　(1)：确定决策变量及其各种约束条件，即确定出个体的表现型x和问题的解空间。

　　(2)：建立优化模型，即确定出目标函数的类型及数学描述形式或量化方法。

　　(3)：确定表示可行解的染色体编码方法，即确定个体基因型x及遗传算法的搜索空间。

　　(4)：确定解码方法，即由个体基因型x到个体表现型x的对应关系或转换方法。

　　(5)：确定个体适应度的量化评价方法，即由目标函数值f(x)到个体适应度F(x)转换规则

　　(6)：设计遗传算子，即确定选择、交叉、变异等遗传算子的具体操作方法。

　　(7)：确定遗传算法的有关运行参数，即确定出遗传算法的M、T、Pc、Pm等参数。

　　通常情况，选取遗传参数如下：

　　M：群体规模一般取2-100，本文取50;

　　T：进化代数一般取100-500，本文取100;

　　Pc：交叉率范围0.4-0.99，本文取0.75;

　　Pm：变异概率，本文取 0.05

图1遗传算法主要构造流程图

Fig1.the framework for Gentic Algorithms

　　2.3 基于遗传算法的电力市场环境下的电力系统电源规划软件框架图

图2.电力市场环境下的电源规划软件框流程图

Fig2.the framework on generation expansion planning in the environment of power market

3.主要模块介绍

　　3.1 电源投资决策模块

　　(1)电源投资决策部分主要是根据生产模拟的结果确定出最终合理经济的电厂投建顺序。本程序采用遗传算法，将问题空间所有的决策变量都用遗传空间的点(染色体)表现，使得染色体与候选解一一对应，避免了冗余性。运用十进制数随机产生初始种群后由Grefenstette编码法对种群进行染色体编码，再进行适应度评价，对于适应度较大的个体将更有机会被遗传到下一代，经过寻优选择、交叉、变异，如此循环迭代，最终得到一组最优解，即为待建电厂的投建顺序，与此同时还可以输出一组或者几组次优解以供电力部门参考用。

　　(2)本文是通过预先设置进化代数来结束循环的, 为了防止对于预先设置的代数迭代后不能够收敛, 本软件在结合上述编码规则的基础上, 对生成初始种群的方法作了改进, 即在产生初始个体的同时, 用部分关键的约束条件来检验，将不满足这些条件的初始个体放弃, 重新产生直到达到群体规模为止，这样大大提高了收敛速度。

　　3.2 随机生产模拟模块

　　(1) 随机生产模拟描述了电力系统的生产过程，用来分析电源扩建方案的合理性并运算运行的技术经济指标，使生产成本的估算更加合理准确,为最终的决策提供依据。

　　(2) 程序采用基于半不变量法[4]的随机生产模拟计算，具有计算速度快、占用储存容量小等特点，特别适用于中、大型电力系统。

　　(3) 为了更加全面地反应电力系统可靠性水平与经济性之间的关系，体现电力市场环境因素，本软件中使用递推法，以不同的方案(侧重点不同)计算发电系统的可靠性指标，提供各待建电厂在模拟期间的发电量，燃料消耗量以及燃料费用，发电成本、启动成本、年停电电量(万KWh)、年均停电小时数(h/年)等指标，对电力市场环境下的电能成本进行了准确分析。且有效地将发电系统可靠性融入经济性，兼顾了计划和市场的双重因素，使得规划依据更加可靠有据。

图3. 半不变量法计算流程图

Fig3. the flow chart of calculation based on half invariant

4. 算例分析

　　为说明问题，本文先利用规模较小的系统进行研究，重点研究两个问题：(1)不同的方案计算下的总投资结果;(2)不同求解方法的计算结果比较;

　　4.1不同的方案计算下的总投资结果

　　方案I 运用本软件对某电力系统12个待建电源进行7年规划

　　方案II 规划过程仅不考虑可持续发展部分，其他条件与方案I同。

　　方案III 不考虑电力市场环境因素的影响，其他条件与方案I同。

表1 各方案的经济性指标(单位：亿元)

Tab.1 The economic and delicacy indices of each case

　　由表1可得到以下结论：

　　(1)方案II与方案I相比，总投资虽然大为降低，但是由于我国具体的地理环境条件和其他影响规划的因素较多，如果不顾具体情况，规划出来的结果就缺少参考价值。由于考虑了上马电源的商业可用[11][12]条件与存缺货成本等诸多因素，使得方案III总成本与方案I相差不大。

　　(2) 选择不同的规划方案得出的电厂投建顺序不同.方案III和方案I相比产生差别主要是因为当考虑到环境污染即可持续发展问题时所选厂址的远近与当地的地理环境以及投建电厂的类型等都会影响投资量。

　　(3) 由于软件编写过程中使用了不同中语言工具，在实现过程中存在不同编程语言之间的调用，故使计算速度受到一定的影响

　　4.2不同求解方法规划结果和计算速度比较

表2 规划结果一览表(成本单位：亿元)

Tab.2 each case of optimal results

　　由表2、可得出如下结论：

　　运用本模型规划所得最优投产顺序和动态规划完全一致，这表明本文所述的模型、算法能够可靠地收敛到全局最优解，且同时能够输出一组或多组次优解以供参考。

　　另外由计算速度监视可知，该程序实现算法速度与待建电源数近似呈线性关系，这说明这种模型求解和算法语言更有利于对于电力系统进行中长期规划。

5. 结束语

　　本文研究论述了电力市场环境下电源规划程序设计实现问题，主要结论如下

　　(1) 遗传算法优越于其他算法最大特点是群体搜索策略和群体之间的信息交换与搜索不依赖于梯度信息。故这种算法非常适用于电源规划这样高离散的非线性结构优化问题，且在语言实现上简单易懂，容易实现。[Y&GCDZAM--http://www.cn-pe.cn'5L}F8

　　(2) 对于随机生产模拟部分，采用了基于半不变量法[1]的随机生产模拟计算，具有计算速度快、占用储存容量小等特点，特别适用于中、大型电力系统。

　　(3)经算例研究表明，本文编写的这套电力市场环境下的电源规划程序在实用性、灵活性、功能及运算速度等方面均令人满意，对于系统的电源规划具有一定的适用性。

　　(4)目前需要进一步进行的工作是：

　　1) 提供完善的人机交互界面，并为商用数据库提供接口;

　　2) 与电力设计部门合作，更加全面地收集整理相关数据，充分实现本软件的其他功能，如在后续工作中可以收集华东电网数据，利用本软件对华东电网的电源规划问题进行研究;

　　3) 对可靠性、经济性之间的关系评价指标，有待进一步的研究和分析，尤其要综合运筹电能质量、电力市场、上网电价、可持续发展几个方面的决定因素，使得规划结果更加合理有效。

　　(5) 本软件在运行过程中由于存在两种不同计算机语言之间的调用，致使计算速度受到一定的影响，为此，在后续工作中，对这种调用方式作出改进,是一项比较紧迫的任务。

参考文献

　　[1] 王锡凡.电力系统优化规划[M].北京：水利电力出版社，1990.

　　[2] 周明孙树栋.遗传算法的原理及应用[M].北京：国防工业出版社，1999.

　　[3] 王小平曹立明.遗传算法理论,应用与软件实

　　现[M]. 西安：西安交通大学出版社，2002.

　　[4] 郭永基.可靠性工程原理(上,下册)[M]. 北京清华大学出版社，2002

　　[5] 康重庆，夏清，相年德，等.序列运算理论及其应用[M].北京：清华大学出版社，2003.

　　[6] 丁明冯永清宋云亭.电源规划概率评估软件的设计与应用[J].电网技术,2004,28(4):6-10

　　[7] Heloisa TeixeiraFirmo And Luiz Fernando.loureiroLggey.Generation.expansion planning:an iterative genetic algorithm.approach[J].IEEE Transactions On Power Systems 2002. 17(.3.) :901-906.x]G:w$ --http://www.cn-pe.cngVT,#_}

　　[8] .J.B.Park,Y.M.Pack,andJ.R.Won..An improved gnetic algorithm for gneneration expansion planning[J].IEEE. Transactions On Power Systems.2000.15(3):916-922.

　　[9] Y.Park,J.Won,J.Park,and D.Kim,”An improved genetic algorithm for generation expansion planning[J].IEEE Trans.On Power Systems., 2000.15:.916-922

　　[10] 龙军吴杰康王辑祥.电力市场中实现生产成本最小化的策略性竞标与数学模型[J].电力系统自动化学报,2003, 15 (5)：35-38.

　　[11] 魏学好周浩.中国火力发电行业减排污染物的环境价值标准估算[J].环境科学研究，2003，16(1)：53-56.

　　[12] 陈建华李华蒋锦峰.电力市场条件下发电设备可靠性与经济性关系探讨[J]. 中国电力 2001. 34(7)：1-3.