1、發(fā)電計劃是電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度的重要組成部分，其中月度發(fā)購電計劃能在較長時間跨度內(nèi)宏觀反映系統(tǒng)的經(jīng)濟(jì)性和安全性，其合理制定對電力公司經(jīng)濟(jì)運(yùn)行具有重大意義。在區(qū)域共同市場開放的背景下，電網(wǎng)公司可以尋求更為經(jīng)濟(jì)的外購電單位，但可能加重參與月度跨省購電省級電網(wǎng)系統(tǒng)的調(diào)峰問題和網(wǎng)絡(luò)安全問題，因此協(xié)調(diào)電網(wǎng)經(jīng)濟(jì)性與安全性的同時如何進(jìn)行廣域優(yōu)化配置為月度發(fā)購電計劃的制定提出了挑戰(zhàn)。而傳統(tǒng)月度購電計劃和發(fā)電計劃相分離，或只考慮了極端負(fù)荷下的網(wǎng)絡(luò)安全約束，都

2、無法滿足上述要求，需要利用中長期電力生產(chǎn)的精細(xì)化模擬來解決，此外其優(yōu)化模型的高維度也會給求解帶來一定的難度。因此本文對小時級月度發(fā)購電計劃優(yōu)化模型的建立和求解方法展開了研究，具體研究內(nèi)容如下：
　　①針對外購電功率的輸入可能會給本網(wǎng)帶來調(diào)峰困難以及本網(wǎng)與網(wǎng)外間潮流斷面的傳輸功率越限等安全問題，本文建立了計及網(wǎng)外市場的小時級月度發(fā)購電計劃優(yōu)化模型，該模型在傳統(tǒng)月度發(fā)購電計劃優(yōu)化模型的基礎(chǔ)上重點(diǎn)考慮了網(wǎng)內(nèi)外購電模式的差異，并以小時級的

3、時序功率平衡為基礎(chǔ)，同時計及了機(jī)組啟停/升降爬坡速率、小時級的網(wǎng)絡(luò)安全約束、系統(tǒng)上下旋轉(zhuǎn)備用容量約束等，在制定網(wǎng)內(nèi)外購電計劃的同時將其精細(xì)化地分解到考慮了系統(tǒng)調(diào)峰要求和網(wǎng)絡(luò)安全要求的小時級發(fā)電計劃中，確保電力公司月度發(fā)購電計劃的可行性。
　　②針對上述模型具有的大規(guī)模、含混合變量特征給求解帶來難度的問題，本文對該模型的規(guī)模、耦合性和子優(yōu)化模型的構(gòu)造進(jìn)行了分析。在此基礎(chǔ)上結(jié)合免疫遺傳算法易于處理各類變量和約束以及拉格朗日松弛法組合分

4、解的優(yōu)點(diǎn)，提出含分解協(xié)調(diào)尋優(yōu)策略的混合智能算法：首先采用含啟發(fā)式調(diào)整策略的免疫遺傳算法對原問題進(jìn)行多代的全局搜索，并得到含原問題可行解的抗體種群；然后采用基于拉格朗日松弛法的分解協(xié)調(diào)算法，按時段解耦方式求解最優(yōu)可行解中機(jī)組啟停和外購電功率已定下的網(wǎng)內(nèi)機(jī)組月度發(fā)購電計劃單時段子優(yōu)化模型，并將優(yōu)化結(jié)果返回至免疫遺傳算法。通過兩個算法的交替迭代，保證抗體多樣性和群體收斂性的同時，提高連續(xù)變量局部尋優(yōu)效率，并結(jié)合時段分解協(xié)調(diào)降低問題的求解難度，