电力系统优化与调度软件：GAMS二次开发_（14）.电力系统优化案例分析与实践.docx

PAGE1

PAGE1

电力系统优化案例分析与实践

在电力系统优化与调度软件的开发中，GAMS（GeneralAlgebraicModelingSystem）是一个非常强大的工具，可以用于解决复杂的优化问题。本节将通过具体的案例分析，详细介绍如何使用GAMS进行电力系统的优化与调度。我们将从简单的电力系统模型入手，逐步深入到复杂的多目标优化问题，通过实际例子来展示GAMS在电力系统优化中的应用。

1.简单电力系统优化模型

1.1单机组经济调度问题

1.1.1问题描述

单机组经济调度问题是指在一个电力系统中，如何在满足负荷需求的前提下，通过调整各机组的出力，使得总发电成本最低。假设我们有一个电力系统，包含三个发电机组，每台机组的发电成本与其出力成非线性关系。我们需要确定每台机组的出力，使得总发电成本最小化，同时满足负荷需求。

1.1.2数学模型

我们可以将单机组经济调度问题建模为一个非线性优化问题。假设每台机组的发电成本函数为CiPi，其中Pi是第i

$$

_{i=1}^{3}C_i(P_i)

$$

$$

{i=1}^{3}P_i=P{}

$$

$$

0P_iP_i^{}

$$

其中，Pimax是第i

1.1.3GAMS代码实现

下面是一个简单的GAMS代码示例，用于解决上述单机组经济调度问题。

*定义集合

sets

i/1*3/;*发电机组集合

*定义参数

parameters

P_load/1000/;*负荷需求

P_max(i)/1500,2700,3800/;*每台机组的最大出力

*定义变量

variables

P(i)各机组的出力

TotalCost总发电成本;

*定义目标函数

equations

CostEq总发电成本方程

LoadEq负荷平衡方程

MinP(i)最小出力约束

MaxP(i)最大出力约束;

*定义方程

CostEq..TotalCost=e=sum(i,(0.01*P(i)**2+10*P(i)+100));

LoadEq..sum(i,P(i))=e=P_load;

MinP(i)..P(i)=g=0;

MaxP(i)..P(i)=l=P_max(i);

*定义模型

modelSimpleEconomicDispatch/all/;

*求解模型

solveSimpleEconomicDispatchusingnlpminimizingTotalCost;

*输出结果

displayP.l,TotalCost.l;

1.1.4代码解释

集合定义：setsi/1*3/;定义了一个包含三个发电机组的集合。

参数定义：parametersP_load/1000/;和P_max(i)/1500,2700,3800/;分别定义了负荷需求和每台机组的最大出力。

变量定义：variablesP(i)各机组的出力和TotalCost总发电成本;分别定义了各机组的出力和总发电成本。

方程定义：

CostEq定义了总发电成本的计算方程，假设每台机组的发电成本函数为Ci

LoadEq定义了负荷平衡方程，确保所有机组的出力总和等于负荷需求。

MinP和MaxP分别定义了每台机组的最小和最大出力约束。

模型定义：modelSimpleEconomicDispatch/all/;定义了一个名为SimpleEconomicDispatch的模型，包含所有定义的方程。

求解模型：solveSimpleEconomicDispatchusingnlpminimizingTotalCost;使用非线性规划（NLP）方法求解模型，目标是最小化总发电成本。

输出结果：displayP.l,TotalCost.l;输出各机组的出力和总发电成本。

2.多机组经济调度问题

2.1问题描述

多机组经济调度问题是指在一个电力系统中，如何在满足负荷需求的前提下，通过调整多个机组的出力，使得总发电成本最低。假设我们有一个电力系统，包含五个发电机组，每台机组的发电成本与其出力成非线性关系。我们需要确定每台机组的出力，使得总发电成本最小化，同时满足负荷需求。

2.2数学模型

我们可以将多机组经济调度问题建模为一个非线性优化问题。假设每台机组的发电成本函数为CiPi，其中Pi是第i

$$

_{i=1}^{5}C_i(P_i)