[發明專利]電力市場中發電機組的發電量分配方法和系統

有效

• 申請號: 201610326028.3
• 申請日: 2016-05-16
• 公開（公告）號: CN105956711B
• 公開（公告）日: 2017-09-15
• 發明（設計）人: 宋藝航;蒙文川;張翔;冷媛;傅薔;席云華;王玲;陳政;曾鳴
• 申請（專利權）人: 中國南方電網有限責任公司電網技術研究中心;南方電網科學研究院有限責任公司;華北電力大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 廣州華進聯合專利商標代理有限公司44224
• 代理人: 王程

技術領域

本發明涉及電力市場技術領域，特別是涉及一種電力市場中發電機組的發電量分配方法、電力市場中發電機組的發電量分配系統。

背景技術

為了更合理地配置電力資源，提高電力資源利用率，促進電力資源在更大范圍優化配置，促進電力工業與社會、經濟、環境的協調發展，目前，許多國家的電力工業都在進行打破壟斷、解除管制、引入競爭、建立電力市場的電力體制改革。電力市場即指競爭性的電力市場，是電能生產者和使用者通過協商、競價等方式就電能及其相關產品進行交易，通過市場競爭確定價格和數量的機制。

隨著國民經濟的不斷發展，各行業對電力工業的需求不斷發生變化，電力工業的格局也在不斷改變，水電、風電等作為發電側重要的組成部分，其參與電力市場交易逐步成為可能。在多類型發電機組共同參與交易的環境下，由于各類發電機組的發電成本不同，其參與交易的競爭力與獲利情況將存在較大差異，所以有必要建立協調多類型發電機組利益關系的相關機制，以合理分配各發電機組所獲利潤，保障直接交易的總社會效益最優，水電、風電等不同類型機組同火電一同參與電力市場交易將作為未來一段時間內的研究熱點。

國內外學者已對電力交易中不同類型機組的利益協調問題進行了大量的研究，遺傳算法，博弈論，模糊神經網絡算法等已經在解決電力市場利益協調問題上得到廣泛應用。經典粒子群(Particle Swarm Optimization，PSO)算法是一種基于群體智能理論的仿生優化算法，通過群體內個體間的合作與競爭產生的群體智能指導優化搜索，廣泛應用于神經網絡構建、電力調度、模糊控制等領域。但是，PSO算法易早熟收斂，使得算法較早收斂于局部最優解，易陷入局部極優，該算法用于發電廠商最優發電量策略的制定存在一定的局限性。

發明內容

基于此，有必要針對上述問題，提供一種電力市場中發電機組的發電量分配方法和系統，能夠改善PSO可能造成的局部最優的問題。

為了達到上述目的，本發明采取的技術方案如下：

一種電力市場中發電機組的發電量分配方法，包括步驟：

將各類型發電機組的發電量進行初始化；

根據MOPSO算法對預設的目標函數進行計算，獲得各類型發電機組的第一發電量，其中目標函數的變量包括各類型發電機組參與交易電量部分的總利潤與污染氣體排放值；

根據預設的交易電量總負荷上限和各類型發電機組交易價格上限確定擾動區間，從擾動區間中選取一個數值作為適應度函數值；

將各類型發電機組的第一發電量更新至第二發電量，獲得各類型發電機組的第二發電量與第一發電量的各個差值；

若差值與適應度函數值的和大于0，確定對應類型發電機組的發電量為第二發電量；

若差值與適應度函數值的和小于0，確定對應類型發電機組的發電量為第一發電量；

若差值與適應度函數值的和等于0，將第二發電量作為新的第一發電量，返回根據預設公式將各類型發電機組的第一發電量更新至第二發電量的步驟。

一種電力市場中發電機組的發電量分配系統，包括：

初始化模塊，用于將各類型發電機組的發電量進行初始化；

第一發電量獲得模塊，用于根據MOPSO算法對預設的目標函數進行計算，獲得各類型發電機組的第一發電量，其中目標函數的變量包括各類型發電機組參與交易電量部分的總利潤與污染氣體排放值；

適應度函數值獲得模塊，用于根據預設的交易電量總負荷上限和各類型發電機組交易價格上限確定擾動區間，從擾動區間中選取一個數值作為適應度函數值；

發電量更新模塊，用于根據預設公式將各類型發電機組的第一發電量更新至第二發電量，獲得各類型發電機組的第二發電量與第一發電量的各個差值；

發電量確定模塊，用于在差值與適應度函數值的和大于0時，確定對應類型發電機組的發電量為第二發電量；在差值與適應度函數值的和小于0時，確定對應類型發電機組的發電量為第一發電量；在差值與適應度函數值的和等于0時，將第二發電量作為新的第一發電量。