基于遺傳算法和優劣解距離法的燃氣機組價格優化方法與流程

本申請涉及燃氣機組價格優化領域，具體涉及一種基于遺傳算法和優劣解距離法的燃氣機組價格優化方法。

背景技術：

1、高比例可再生能源并網后，電力系統靈活性資源需求進一步擴大。燃氣發電具有高靈活性、低碳排放強度等優點，是構建清潔低碳、安全高效能源體系的重要支撐。如何協調天然氣市場與電力市場的運行交互，是新型電力系統發展的關鍵。

2、因此，亟需一個綜合考慮市場的交易傾向與發電成本的優化模型，能夠求解出燃氣機組參與到不同種類市場中的最優價格，從而解決燃氣機組無法合理的參與市場調度造成能源浪費的問題。

技術實現思路

1、有鑒于此，本申請的實施例致力于提供一種基于遺傳算法和優劣解距離法的燃氣機組價格優化方法，以解決燃氣機組無法合理的參與市場調度造成能源浪費的問題。

2、本申請提供一種基于遺傳算法和優劣解距離法的燃氣機組價格優化方法，包括：

3、搭建一個燃氣機組價格優化模型；

4、其中，所述燃氣機組價格優化模型，根據多種類市場的交易傾向和發電成本構建目標函數；利用帶精英策略的非支配排序的遺傳算法與優劣解距離法，基于燃氣機組參數數據、負荷預測數據和電力市場數據，求解燃氣機組參與市場的最優價格組合；所述最優價格組合包括燃氣機組參與各種類市場的最優價格；

5、基于所述燃氣機組價格優化模型，對燃氣機組價格進行優化，得到最優價格組合。

6、在一些實施例中，所述基于所述燃氣機組價格優化模型，對燃氣機組價格進行優化，得到最優價格組合，包括：

7、基于電力市場數據，在燃氣機組參與到市場中的價格區間內，產生包括n組價格組合的初始父種群；

8、基于所述電力市場數據，對初始父種每一組初始父種群，在預設約束下，分別模擬在電力市場中的交易傾向，并計算各交易市場中的目標函數；

9、基于計算結果，對初始父種群進行快速非支配排序后，再進行選擇、交叉、變異處理，完成第1代進化，得到初始子種群；

10、之后基于帶精英策略的非支配排序的遺傳算法與優劣解距離法，進行迭代得到最優價格組合。

11、在一些實施例中，所述電力市場數據包括：天氣、運行日系統負荷預測值、運行日分區調頻容量需求值、運行日備用容量需求、歷史電能量市場運行數據、歷史調頻市場運行數據、歷史備用市場運行數據；其中，歷史電能量市場運行數據包括：申報價格、出清價格和出清電量；歷史調頻市場運行數據包括：申報價格、申報時段、出清價格和出清電量；歷史備用市場運行數據包括：申報價格、出清價格和出清容量；

12、所述多種類市場的包括電能量市場、調頻輔助服務市場、調峰輔助服務市場、備用輔助服務市場；

13、燃氣機組參數數據包括發電邊際成本為p，裝機容量為t。

14、在一些實施例中，所述預設約束包括：電量關系約束：

15、電量關系約束公式如下：

16、當中標正備用時：

17、q1+q2≤t

18、q1+q3≤t

19、當中標負備用時：

20、q1+q2≤t

21、q1-q3≥t最小

22、其中，燃氣機組參與電能量市場的申報價格為p1，中標出力為q1，出清電價為u1；t最小為電能量市場最小出力；

23、調頻輔助服務市場申報價格p2，調頻申報時段t，中標出力為q2，出清時段t1，出清電價為u2；

24、備用輔助服務市場申報價格p3，中標容量為q3，出清電價為u3，出清時段t2；

25、各種類市場的交易傾向和發電成本對應的目標函數包括：

26、電能量市場收益函數；調頻輔助服務市場收益函數、調峰輔助服務市場收益函數和備用輔助服務市場收益函數。

27、在一些實施例中，進行迭代得到最優價格組合，包括：

28、在得到初始父種群與初始子種群后，將父子種群合并，對合并后的種群，分別計算對應的目標函數，按照精英策略在合并后的種群中選取個體生成新父種群，然后分別對新父種群進行選擇、交叉、變異處理，生成新子種群。

29、在一些實施例中，進行迭代得到最優價格組合，還包括：

30、所述基于帶精英策略的非支配排序遺傳算法的燃氣機組價格優化模型，在合并父子種群后，分別計算各交易市場中的目標函數，對合并種群進行快速非支配排序，然后對每個非支配層中的個體進行擁擠度計算，再按照精英策略選取個體生成新父種群。

31、在一些實施例中，進行迭代得到最優價格組合，還包括：

32、在得到新父種群與新子種群后，需判斷進化代數是否達到規定上限值，若達到，則分別輸出燃氣機組參與到市場中價格的非劣解集對應的pareto前沿，否則，進化代數加1，再次生成新父種群與新子種群。

33、在一些實施例中，進行迭代得到最優價格組合，還包括：

34、根據topsis法分別對非劣解集進行評估，分別選擇相對接近度最大的優化參數作為燃氣機組參與到市場中的價格，得到燃氣機組參與到調頻、調峰、備用等多種類市場的不同價格組合。

35、在一些實施例中，根據topsis法分別對非劣解集進行評估，包括：

36、統計每組價格組合的各目標函數值并歸一化處理，根據目標函數值的最大值組成理想解、最小值組成負理想解；

37、計算每組價格組合的相對接近度對各組參數進行相對優劣排序，相對接近度越大對應價格組合優化參數相對越好，相對接近度c的表達式如下：

38、

39、式中：d1為距離理想解的距離；d2是距離負理想解。

40、本申請所提供的一種基于遺傳算法和優劣解距離法的燃氣機組價格優化方法，包括搭建一個燃氣機組價格優化模型；其中，所述燃氣機組價格優化模型，根據多種類市場的交易傾向和發電成本構建目標函數；利用帶精英策略的非支配排序的遺傳算法與優劣解距離法，基于燃氣機組參數數據、負荷預測數據和電力市場數據，求解燃氣機組參與市場的最優價格組合；所述最優價格組合包括燃氣機組參與各種類市場的最優價格；基于所述燃氣機組價格優化模型，對燃氣機組價格進行優化，得到最優價格組合。如此設置綜合考慮市場的交易傾向與發電成本的優化模型，能夠求解出燃氣機組參與到不同種類市場中的最優價格，從而解決燃氣機組無法合理的參與市場調度造成能源浪費的問題。

技術特征：

1.一種基于遺傳算法和優劣解距離法的燃氣機組價格優化方法，其特征在于，包括：

2.根據權利要求1所述的方法，其特征在于，所述基于所述燃氣機組價格優化模型，對燃氣機組價格進行優化，得到最優價格組合，包括：

3.根據權利要求2所述的方法，其特征在于，所述電力市場數據包括：天氣、運行日系統負荷預測值、運行日分區調頻容量需求值、運行日備用容量需求、歷史電能量市場運行數據、歷史調頻市場運行數據、歷史備用市場運行數據；其中，歷史電能量市場運行數據包括：申報價格、出清價格和出清電量；歷史調頻市場運行數據包括：申報價格、申報時段、出清價格和出清電量；歷史備用市場運行數據包括：申報價格、出清價格和出清容量；

4.根據權利要求3所述的方法，其特征在于，所述預設約束包括：電量關系約束：

5.根據權利要求3所述的方法，其特征在于，進行迭代得到最優價格組合，包括：

6.根據權利要求5所述的方法，其特征在于，進行迭代得到最優價格組合，還包括：

7.根據權利要求6所述的方法，其特征在于，進行迭代得到最優價格組合，還包括：

8.根據權利要求7所述的方法，其特征在于，進行迭代得到最優價格組合，還包括：

9.根據權利要求8所述的方法，其特征在于，根據topsis法分別對非劣解集進行評估，包括：

技術總結
本申請涉及數據安全相關技術領域，具體涉及一種基于遺傳算法和優劣解距離法的燃氣機組價格優化方法。其中，方法包括：包括搭建一個燃氣機組價格優化模型；其中，所述燃氣機組價格優化模型，根據多種類市場的交易傾向和發電成本構建目標函數；利用帶精英策略的非支配排序的遺傳算法與優劣解距離法，基于燃氣機組參數數據、負荷預測數據和電力市場數據，求解燃氣機組參與市場的最優價格組合；所述最優價格組合包括燃氣機組參與各種類市場的最優價格；基于所述燃氣機組價格優化模型，對燃氣機組價格進行優化，得到最優價格組合。如此解決燃氣機組無法合理的參與市場調度造成能源浪費的問題。

技術研發人員：翟哲,劉起興,和識之,李智勇,梁彥杰,王旭輝,郭俊宏,張舸
受保護的技術使用者：中國南方電網有限責任公司
技術研發日：
技術公布日：2024/10/21