考虑风力发电批特征的电力机组调度问题

电力机组组合问题是在给定的计划周期内确定火电、风电和蓄电池机组的开关机状态及发电量,以满足系统的负荷需求、旋转备用等约束要求.为了降低风电在电网中的供电不稳定性,引入蓄电池储能系统与风机进行协调调度.由于大数量风机的介入,明显增加了问题处理的难度和复杂性.本文从一个新的视角将相近物理位置的风机进行组批,基于批的视角对问题建立了批模型.为了提高批模型的性能,提出了批模型参数的变换方法.根据问题的NP-难特征和模型的复杂结构,开发了拉格朗日松弛(Lagrangian relaxation,LR)算法进行求解.为了加速算法的求解效率,提出了子问题近似求解的代理次梯度的拉格朗日松弛算法.实验结果表明,提出的批模型明显优于传统的单机模型.基于批模型开发的拉格朗日松弛算法与CPLEX优化软件相比,能够在较短的时间内获得高质量的解.

考虑爬坡约束的油井间抽批调度问题

油井间抽批调度问题是确定未来给定计划期内油田井场间抽工作方式的油井各时间段的启停状态及采油量,在满足采油需求的情况下,考虑油井底部压力变化特征对油井开启的影响以及油井最小开关机时间和爬坡约束等生产工艺要求,使总的油井采油运行成本最小.针对油井数量多而导致大规模常规数学规划模型难以求解的困难,建立了基于批的混合整数规划模型.根据模型特点设计了基于变量分离的拉格朗日松弛算法(Lagrangian relaxation, LR)进行求解.针对常规动态规划方法求解分解后的带有爬坡约束的单机组子问题效率低的缺点,提出了用特征点代表同一阶段具有相同性质节点群的状态空间约简策略,使动态规划搜索节点的复杂度从O(n^4)降到O(n^2),显著提高了算法的搜索效率.通过大量随机产生的数值实验表明,提出的基于变量分离的LR算法,小规模问题与CPLEX获得的最优解接近,中大规模问题能够在合理的计算时间内获得高质量的解.