面向低碳发展的燃煤机组有序调停模型和算法.pdf

第 35 卷 第 1 期 电 网 技 术 Vol. 35 No. 1 2011 年 1 月 Power System Technology Jan. 2011 文章编号1000-3673（2011）01-0033-07 中图分类号TM 734 文献标志码A 学科代码4704054 面向低碳发展的燃煤机组有序调停模型和算法 滕晓毕 1，吴臻2，黄静2，何洁2，刘梅1，康重庆1 （1．电力系统及发电设备控制和仿真国家重点实验室清华大学电机系，北京市 海淀区 100084； 2．浙江省电力调度通信中心，浙江省 杭州市 310007） Model and Algorithm of Coal-Fired Unit Cyclic Operation Toward Low-Carbon Development TENG Xiaobi1, WU Zhen2, HUANG Jing2, HE Jie2, LIU Mei1, KANG Chongqing1 1. State Key Lab of Control and Simulation of Power Systems and Generation Equipments Dept. of Electrical Engineering,Tsinghua University, Haidian District, Beijing 100084, China; 2. Zhejiang Provincial Electric Power Dispatching and Communication Center, Hangzhou 310007, Zhejiang Province, China ABSTRACT Energy-conservation based generation dispatching is an important measure to realize sustainable development in China and to cope with global climate change. The authors research an approach to implement medium- and short-term energy-conservation-based generation dispatching and carbon emission reduction by coal-fired unit cyclic operation CUCO. Taking the Zhejiang power grid, in which coal-fired units hold overwhelming majority, as the research object, a CUCO model oriented to low-carbon development is proposed and an objective function that possesses adaptive feature, by which two objectives, namely the open, just and fair dispatching and least coal consumption, can be well coordinated. To solve such a non-convex and nonliear mixed integer programming with fractional constraints, a dynamic operation algorithm that can dynamically select the unit to be operated according to the identification by adaptive objective function is given. Based on the feature of the proposed model that the objective function can be optimized adaptively, a single unit operation based on exterior points is put forward, and the operation process is as following at first the single unit is pre-operated and if the pre-operation is feasible, the optimization for single unit is attained, otherwise the start-shutdown mode of the single unit is adjusted to satisfy the constraints to make the operation feasible. The effectiveness of the proposed approach and algorithm is verified by actual data of Zhejiang power grid, and the benefit from reducing coal consumption and the effects of reducing emission of CO2 and SO2 are calculated. KEY WORDS coal-fired unit cyclic operation CUCO; dynamic operation algorithm; energy-conservation based generation dispatching; adaptive objective function; low carbon electricity 摘要 节能发电调度是我国实现可持续发展、 应对全球气候 变化的重要举措。 作者研究了通过燃煤机组有序调停实现中 短期范围内节能调度、 降低碳排放的方法。 以燃煤机组占绝 大比例的浙江电网为例， 提出了面向低碳发展的燃煤机组有 序调停模型， 建立了具有自适应特性的目标函数， 较好地协 调了“三公调度”和系统煤耗最小 2 个目标。为求解这一非 凸、 非线性并含有分式约束的混合整数规划问题， 文章提出 了动态调停算法， 该算法根据自适应目标函数的识别， 动态 选择机组进行调停； 基于所提出的模型能自适应地使目标函 数为最优的特点，还提出了基于外点法的单机组调停方法。 该方法首先对机组进行预调停， 如果可行， 则对于单机组而 言达到最优， 否则调整机组的启停方式来满足约束条件使其 可行。最后通过浙江省实际数据验证了本文方法的有效性， 计算了降低煤耗、CO2和 SO2减排的效益。 关键词有序调停燃煤机组；动态调停算法；节能减排；自 适应目标，低碳电力 0 引言 为应对全球气候变暖，提高电力行业发电效 率，减少环境污染，十一五规划[1]中明确提出了 2010 年 CO2排放量下降 10的目标，电力行业承 担着节能减排的重任，而发展低碳电力技术则是当 务之急。发改委在 2007 年正式颁布了节能发电 调度办法试行[2]，要求以节能、环保为目标， 优先调度可再生和清洁发电资源，按能耗和污染物 水平，由低到高依次调用化石类发电资源，最大限 度地减少能源、资源消费和污染物排放，促进电力 系统高效、清洁运行。 自节能调度办法推行以来，已发表了不少 有关低碳电力技术和节能发电调度的文献[3-12]， 其研究对象为日前发电计划的制定[3-7]和中短期电 量的优化[8-10]。在日前发电计划方面，文献[3-4]以 基金项目 教育部留学回国人员科研启动基金教外司留[2009]1001 号；国家自然科学基金资助项目50877041。 Project Supported by National Natural Science Foundation of China 50877041. 34 滕晓毕等面向低碳发展的燃煤机组有序调停模型和算法 Vol. 35 No. 1 广东电网为例，分析了广东节能发电计划的模型和 算法以及日发电计划带来的效益， 提出了2 阶段法； 文献[5]通过调节机组负荷率来实现节能发电调度， 具有现实意义。在中短期电量的优化方面，文 献[9-10]是以火电机组电量作为求解的变量， 文献[9] 通过蒙特卡洛法先确定水电和风电的电量，然后通 过多目标模糊加权的方式，对各个目标进行综合优 化来确定火电机组的电量；文献[10]在机组组合确 定的情况下，以污染物排放作为约束条件进行考 虑。文献[12]展望了低碳电力技术的研究和运用。 文献[13-14]提出了实现中短期节能发电调度的一 种方法有序调停燃煤机组coal-fired unit cyclic operation，CUCO，分析了有序调停的启动条件， 给出了有序调停具体的决策过程和效益评估方法。 本文在文献[13-14]的基础上，首先对“三公调 度”和系统煤耗最小这 2 个目标进行综合，提出具 有自适应特性的有序调停目标函数，然后考虑机组 启停成本的影响、机组群出力等约束，系统性地建 立了有序调停的模型。由于此问题属于非线性、非 凸并含有分式约束的混合整数规划，难以用传统的 优化算法求解，为此本文提出一种动态调停算法进 行求解，最后通过浙江电网实际数据证明本文模型 和算法的有效性。 1 有序调停燃煤机组的基本理念和模型 1.1 有序调停 有序调停是在满足电网安全条件下，通过合理 地调停少量燃煤机组，提高开机机组的运行负荷 率，从而获得节煤减排效益的一种方法[13-14]。大中 型燃煤机组一般启停周期较长，不会在日内频繁启 停，故本文以天为单位对燃煤机组启停进行建模。 同时在中短期范围内，为突显机组调停带来的影 响，不考虑燃煤机组日内出力的优化；机组日内出 力按系统平均负荷率计算，其详细的出力计划则在 日前机组组合与经济调度环节内完成。 1.2 动态自适应目标函数 文献[13]指出，有序调停属于中短期节能发电 调度问题，同时燃煤机组的运行还需要满足三公调 度，即需要按时完成三公调度规定的电量，所以有 序调停属于多目标决策问题，至少要考虑煤耗最小 这也是低碳电力系统的直接体现和三公调度这 2 个目标。解决多目标问题有如下几种方法模糊加 权法[9]、理想点贴近度法[15]和加权系数法[16]。加权 系数法通过设置各个目标中的权重将多目标转化 为单目标进行求解，其难点是不同目标对应的量纲 不同，其权重系数难以确定；模糊加权法通过隶属 度的关系表达对各个目标的满意程度，但难以准确 刻画各个目标的隶属度函数；理想点贴近度法则通 过求取距理想点最短的欧氏距离将多目标问题转 换为单目标问题，本质上是各个目标取相同的权重 系数。 考虑到本文的决策目标只有 2 个，即煤耗最小 和三公调度，而 2 个目标具有优先次序关系，即三 公调度是必须保证的，而煤耗最小则是在三公调度 基础上的一个优化。因此，本文依据“动态自适应 目标函数”的思想，提出的有序调停多目标决策思 路为 当 “三公调度” 规定的合同电量易于完成时， 可以不考虑“三公调度”目标，仅采取系统煤耗最 小为目标进行优化；而当“三公调度”规定的合同 电量较难完成时，则单独以“三公调度”为目标进 行优化。 1.3 完成三公调度目标的难易程度判断 采取了“动态自适应目标函数”的思想，则如 何判断完成三公调度目标的难易程度是必须面对的 一个问题。本文以后续负荷率[13-14]指标来描述“三 公调度” ，后续负荷率的计算公式如文献[13]所示， 在此不予赘述。若后续负荷率较低，机组需后续运 行在较低的负荷率水平才能完成合同电量，这属于 较难完成三公合同电量的类型，系统需要优先调停 这些机组；反之，如果后续负荷率较高，表明机组 较易完成三公合同电量，则以系统煤耗最小为目标 来调停较高煤耗的机组。本文采用动态自适应目标 函数对有序调停进行建模，当系统未调停电厂的最 小后续负荷率小于设定的后续负荷率时以“三公调 度”为目标，反之则以系统煤耗最小为目标。 2 有序调停燃煤机组问题的数学模型 2.1 目标函数 以 T 表示总的决策时间跨度以日为单位，t 表示第 t 日，则有如下目标函数 1）系统三公调度的目标函数 1 max[min] U j j N FR ∈ 1 “三公调度”以提高未调停电厂的最小后续负 荷率为目标。未调停电厂是指未全部停机的电厂， 由于初始状态为开机状态，已经全部停机的电厂不 能再进行优化。 第 35 卷 第 1 期 电 网 技 术 35 2）系统煤耗最小的目标函数 2,, min i ti t t T i G Ff PP ∈∈ ∑∑ 2 3）系统总目标函数 ,,set set min, min max[min],min U UU i ti tj j N t T i G jj j Nj N f PPRR F RRR ∈ ∈∈ ∈∈ ⎧≥ ⎪ ⎨ 0 ii SC−Δ 5 式中 i S为机组i的启停成本； i CΔ为机组i调停 后带来的系统节煤效益 i CK FF′Δ− 6 式中K为系统煤价；F和F′分别为机组i调停前 后系统的总煤耗。 3）机组最小启停时间约束。 机组调停需要满足机组物理上的最小调停时 间和最小启动时间。燃气机组最小启动时间一般为 几个小时，不会对有序调停造成影响，本文不对这 部分机组进行建模。大型燃煤机组从锅炉处于冷备 用状态到并网需要12 d，考虑到调度命令因素， 此时间可能更长。对于这些机组需要设置以天为单 位的机组最小启停时间约束，该约束和传统的机组 组合约束相同[17]。 on 1 on ,,,1 0, i k T i kii ti t k t ITIItT − − −∀ ∈ ∑ 7 off 1 off ,,1, 10, i t T i kii ti t k t ITIItT − −−∀ ∈ ∑ 8 式中 on i T为机组i最小启动时间； off i T为机组i最 小停机时间。 1）机组检修约束。 , 0,[,] i tii Itα β∈ 式中 i α和 i β分别为机组i在决策时间内检修起始时 间和终止时间。 2）电厂最小运行方式约束。 燃煤电厂运行必须满足最小运行方式，即在 一个时段断面上必须保留一部分的机组处于开机 状态。 , , j i tj i N IjNλ ∈ ≥∀ ∈ ∑ 9 式中N为电厂集合； j N为电厂j包含的机组集 合； j λ为电厂j最小启动机组数。 2.2.2 电网安全约束。 1）系统正负备用约束。 , i tit i G I P L ∈ ∑ 10 t iit i G I PL ∈ lAδ ∈ ∀ ∈ ∑ 12 式中 l A为分区l包含机组的集合；A为分区的集 合； l δ为分区l最小开机容量。 3）机组群出力受限约束。 网络约束的有效性和母线负荷预测精度紧密 相关，在中短期有序调停的决策中，母线负荷预测 的精度并不高，以此为依据计算的网络潮流精度也 并不高。本文采用机组群出力约束的方式来替代网 络约束。 机组群出力约束是指因线路、断面约束造成的 36 滕晓毕等面向低碳发展的燃煤机组有序调停模型和算法 Vol. 35 No. 1 某些机组出力受限的现象，由这些受限机组组成的 机组群出力必须小于一个极限值。 ,,, k i tik t i H I PkHγ ∈ ≤∀ ∈ ∑ 13 式中H为受限的机组群集合； k H为机组群k包含 的机组集合； ,k t γ为机组群k在第t日的出力上限。 3 有序调停算法 3.1 算法总体思路 本文采用自适应的目标函数来描述有序调停， 其中“三公调度”目标为最大化的“最小未调停电 厂机组的后续负荷率” ， 呈非线性；“系统煤耗最小” 目标由于机组煤耗呈下降型也呈非线性；同时约束 条件中由式4描述的机组出力约束为整数分式约 束。综上所述，有序调停模型是一个非凸、 非线性、 含有分式约束的优化问题，因其难以采用通用成熟 的算法进行求解，故本文根据有序调停问题的特 点，提出了动态调停算法。此算法的总体思路是 首先根据部分约束条件，设置机组初始状态，统计 系统指标；其次根据系统指标来决策选择相应的优 化目标；再根据选择的优化目标，动态地选择调停 机组，一次只调停1台机组；调停完1台机组以后 重新计算系统指标并重新决策判断目标函数直到 无可用机组为止。该算法总流程图见图1，调停步 骤如下 步骤 1 设置机组初始状态和统计指标 1）根据每日每时段的负荷预测和联络线计划 以及其他非燃煤机组出力，计算每日燃煤机组所需 承担的最大负荷和最小负荷以及平均负荷。 设置机组初始状态为开机状态，以下2种机组 开始 三公调度为目标 系统煤耗最小为目标 步骤 3优先调停后 续负荷率低的机组 结束 步骤 1置机组初始状，统计指标 否 是 是 min j j UPT R Rset 步骤 2 步骤 4满足三公调度， 优先调停煤耗高的机组 步骤 5 终止条件满足 否 图 1 有序调停算法流程图 Fig. 1 Flow chart of CUCO algorithm 除外①检修机组；②受机组初始状态和最小停机 时间约束的必停机组。 2）统计系统指标。根据机组设置的初始状态 计算系统指标，包括各电厂后续负荷率、系统平均 负荷率、系统负备用。后续负荷率是指决策周期之 后的后续负荷率。 步骤 2 识别目标函数 当未调停电厂的最小后续负荷率大于设定值 时则转入步骤3以三公为目标进行调停，否则进入 步骤4以系统煤耗最小为目标。 步骤 3 三公调停 检测式13描述的机组群出力受限约束是否满 足。若不满足则优先调停受限机组群中后续负荷率 低的受限机组；若满足，则以“三公调度”为目标， 按照后续负荷率从低到高进行排序，调停后续负荷 率最低的机组，一次调停1台机组，之后转入步骤 5。单台机组调停的方法见本文3.2节。 步骤 4 系统煤耗最低 检测式13描述的机组群出力受限约束是否满 足。若不满足则优先调停受限机组群中煤耗高的受 限机组；若满足，则以系统煤耗最低为目标，将机 组当前负荷率水平下的平均煤耗由高到低进行排 序，调停煤耗最高的机组，一次只调停1台机组， 之后转入步骤5。 单台机组调停的方法见本文3.2节。 步骤 5 判断有序调停终止条件 重新计算系统指标，判断是否所有机组都已经 过步骤3或步骤4的调停，若判断结果为是则退出 调停，若判断结果为否则转入步骤2。 3.2 单台机组调停算法 单台机组的调停不仅需要考虑系统安全约束， 还要考虑天与天之间的耦合约束，如最小调停时间 等约束。本文提出基于外点法的单台机组调停算 法，对于目标函数而言，无论目标是系统煤耗最小 还是执行三公调度，单台机组调停时间越长越有利 于目标值的下降系统煤耗最小或目标值的上升 执行三公调度。故本文首先追求目标函数的最小 系统煤耗最小或最大执行三公调度， 对机组在决 策时间内进行预调停，若此预调停结果可行，则对 于单台机组调停而言该结果为最优，否则在预调停 的基础上通过调整机组的启停方式来满足约束条 件使其达到可行，调停步骤如下 步骤 1 机组逐天调停，校验非耦合约束是否满足 此时对机组进行逐天调停，逐天校验系统正备 第 35 卷 第 1 期 电 网 技 术 37 用约束、系统分区备用约束，电厂最小启动方式约 束是否满足。满足校验的天会形成调停区块，之后 转入步骤2；若机组没有一天通过校验，则该机组 调停失败，维持预置状态，退出。 步骤 2 校验耦合约束中的盈亏平衡约束和机组最 小调停时间约束是否满足 1）用式6计算通过非耦合约束校验的调停区 块的节煤效益。当换算为成本效益的节煤效益大于 机组启停成本时，该调停区块通过机组盈亏平衡约 束；否则不通过，换一下调停区块。 2）校验通过盈亏平衡约束的调停区块是否满 足机组物理最小调停时间。如果全部调停区块都不 满足，则该机组调停失败，维持预置状态退出；否 则转入步骤3，同时将通过校验的调停区域传入步 骤3。 步骤2如图2所示。 不满足正备用 不满足最小 调停时间 系统负荷 系统正备用 决策时间范围 系统初始容量 预调停机组容量 不满足盈亏平衡 通过校验的 调停区域 图 2 机组约束校验结果 Fig. 2 Verification result of unit constraints 步骤 3 校验耦合约束中的最小启动时间约束并对 其进行调整 校验有序调停区块是否满足机组最小启动时 间约束。若不满足，则对有序调停区块进行相应的 调整使其满足机组最小启动时间约束。调整的方法 为取消调停效益较差的调停区块。 步骤3如图3所示。 决策时间范围 调停 不满足最小启动时间 决策时间范围 调停 去掉调停 效益差的 调停区块 图 3 校验和调整机组状态 Fig. 3 Verification and adjustment of unit state 4 测试与算例分析 4.1 算法性能测试 为验证本文提出的模型和算法， 采用2009年4 月浙江电网实际数据，以18 d为决策周期，测试与 分析本文算法的目标函数的自适应性及其收敛性， 并计算有序调停带来的效益。 本文设置最小未调停电厂的后续负荷率 set R为 60，测试算法的计算速度、收敛性和目标函数的 自适应性。计算规模为决策周期18 d，77台燃煤 机组。在普通单核笔记本上，总计算时间为0.94 s。 图4为2009年4月浙江电网日平均负荷以及 扣除非燃煤机组和联络线计划后燃煤机组需要承 担的日平均负荷。图5为浙江电网不同容量机组的 典型煤耗曲线。 2 000 12 000 22 000 1357 9 11 131517 t/d 燃煤机组日平均负荷 系统日平均负荷 负荷/WM 图 4 2009 年浙江电网 4 月日平均负荷 Fig. 4 Daily average load curve of Zhejiang power grid in April, 2009 260 300 340 380 506070 80 90 100 机组负荷率/ 1 000 600 215 130 300 135 机组煤耗/kgMWh−1 图 5 浙江电网燃煤机组典型煤耗曲线 Fig. 5 Typical coal consumption curves of coal-fired units in Zhejiang power grid 机组煤耗曲线采用10段分段线性的方式进行 近似。算法自适应目标和收敛性如图6所示。图7 为调停机组的后续负荷率和平均煤耗。 由图6可见，系统初始的最小未调停电厂的后 续负荷率仅为48，远小于设定的60，根据自适 应目标函数的判断方法，以“三公调度”为目标进 2 060 2 080 2 100 2 120 2 140 2 160 46 50 54 58 62 1357911131517 调停机组 未调停电厂最小 后续负荷率 目标切换设定值 后续负荷率/ 系统总煤耗/kt 系统总煤耗 图 6 自适应目标函数收敛过程 Fig. 6 Convergence of adaptive objective function 38 滕晓毕等面向低碳发展的燃煤机组有序调停模型和算法 Vol. 35 No. 1 0 20 40 60 80 200 240 280 320 360 13579111315 调停机组的平均煤耗 调停机组的后续负荷率/ 调停机组平均煤耗/kgMWh−1 调停机组的后续负荷率 调停机组 图 7 调停机组的后续负荷率和平均煤耗 Fig. 7 Subsequent load rate and average coal consumption of shutdown unit 行优化，算法依次调停后续负荷率最小的机组。随 着调停机组的增加，系统的未调停电厂的最小后续 负荷率逐渐上升，当调停到第7台机组时，最小未 调停电厂的后续负荷率已经超过设定的60，此时 转入以系统煤耗最低为目标进行优化。 由图7可见， 此时开始调停高煤耗的机组。实例验证结果表明， 本文算法对自适应的目标函数具有较好的适应性 和收敛性。 4.2 有序调停低碳总效益测算 仍以上述数据为例， 测算有序调停18 d的低碳 总效益[18]，其中以燃烧1 t煤排放2.62 t CO2、16 kg SO2、脱硫效率90为例，结果如表1所示。由表 1通过计算可得到调停后节约系统煤耗百分比 为2.93。 表 1 有序调停的低碳总效益 Tab. 1 Total low carbon effect of CUCO 指标 系统总 煤耗/kt CO2排放 量/kt SO2排放 量/t 平均 负荷率/ 平均煤耗/ kg/MWh 调停前 2 154.6 5 602.0 3 447.38 63.39 320.20 调停后 2 091.6 5 438.1 3 346.50 79.57 310.83 变化量 −63.1 −163.9 −100.88 16.18 −9.37 5 结论 本文建立了燃煤机组有序调停模型，提出了动 态调停算法求解该问题，并用实际算例验证了本文 方法的正确性，并得出以下结论 1）本文在深入研究有序调停的基础上，提出 具有自适应特性的目标函数，较好地协调了“三公 调度”目标和系统煤耗最小目标，解决了有序调停 中多目标的问题，并系统性地建立了有序调停模 型。该模型全面考虑了各类约束条件，包括机组 启停盈亏平衡约束、机组群出力受限约束等，揭示 了有序调停的客观规律和物理本质。 2）有序调停为非线性、非凸并含有分式约束 的混合整数规划，难以采用传统的优化算法进行求 解。本文提出了动态调停算法进行求解，通过动态 地识别目标函数、选择调停机组，较好地解决了目 标函数的自适应性问题；同时，考虑了时间耦合、 机组盈亏平衡等相关约束，提出了基于外点法的单 机组调停方法。 3）通过浙江电网的实际数据验证了本文方法 的正确性，证明了有序调停是实现低碳化电力系统 的有效途径。 参考文献 [1] 中华人民共和国国务院．国家“十一五”规划纲要[R]．北京中 华人民共和国国务院，2006． [2] 国办发[2007]53 号文件．国务院办公厅关于转发发展改革委等部 门节能发电调度办法试行的通知[EB/OL]．[2007-12-23]．http// [3] 张宁，陈慧坤，骆晓明，等．广东电网节能发电调度计划模型与 算法[J]．电网技术，2008，322411-15． Zhang Ning， Chen Huikun， Luo Xiaoming， et al． Model and algorithm of energy-conservation based generation dispatching for Guangdong Power Grid[J]．Power System Technology，2008，322411-15in Chinese． [4] 钟海旺，康重庆，陈慧坤，等．广东电网节能发电调度潜力分析 [J]．电网技术，2008，32237-12． Zhong Haiwang， Kang Chongqing， Chen Huikun， et al． Analysis on potential of energy-conservation based dispatch for Guangdong power grid[J]． Power System Technology， 2008， 3223 7-12in Chinese． [5] 胡建军，李嘉龙，陈慧坤，等．基于煤耗和排放的日发电曲线编 制模型[J]．电力系统自动化，2009，331243-45 Hu Jianjun，Li Jialong，Chen Huikun，et al．A generation dispatch scheduling model based on coal constion and emission of generation unit[J]．Automation of Electric Power Systems，2009，3312 43-45in Chinese． [6] 施建华，谭素梅．节能发电调度发电计划编制算法[J]．电力系统 自动化，2008，322448-51． Shi Jianhua，Tan Sumei．Fundamental research and case studies of impacts on voltage when resuming load through a black startup process[J]．Automation of Electric Power Systems，2008，3224 48-51in Chinese． [7] 韩彬，周京阳，崔晖，等．引入 SO2排放惩罚价格因子的节能减 排发电调度模型及实用算法[J]．电网技术，2009，331950-54． Han Bin， Zhou Jingyang， Cui Hui， et al． An energy conservation and emission reduction based power generation scheduling model leading in factor of penalty price due to SO2 emission and its practical algorithm[J]．Power System Technology，2009，331950-54in Chinese． [8] 温丽丽，刘俊勇．混合系统中、长期节能调度发电计划的蒙特卡 罗模拟[J]．电力系统保护与控制，2008，362424-29． Wen Lili，Liu Junyong．Monte Carlo simulation of medium and long-term generation plan in hybrid power system based on environmental/economic dispatch[J]．Power System Protection and Control，2008，362424-29in Chinese． [9] 颜拥，文福拴，王健，等．计及节能减排要求的大规模电力系统 长期发电计划的制定[J]．华北电力大学学报，2009，361 35-38． Yan Yon，Wen Fushuan，Wang Jian．Longer term generation scheduling for large scale power systems considering energy saving 第35卷 第1期 电 网 技 术 39 and emission reduction[J]．Journal of North China Electric Power University，2009，36135-38in Chinese． [10] 毛毅，车文妍．兼顾节能与经济效益的月度发电计划模型[J]．现 代电力，2008，25573-78． Mao Yi，Che Wenyan．Monthly Generation scheduling considering energy-saving and economic benefit[J]．Modern Electric Power， 2008，25573-78in Chinese． [11] 尚金成，黄永皓，康重庆，等．多级电力市场之间协调的模型与 方法[J]．电力系统自动化，2004，28619-24． Shang Jincheng，Huang Yonghao，Kang Chongqing，el al．The coordination models and s of multistage electricity market [J]．Automation of Electric Power Systems，2004，28619-24in Chinese． [12] 康重庆，陈启鑫，夏清．低碳电力技术的研究展望[J]．电网技术， 2009，3321-7． Kang Chongqing，Chen Qixin，Xia Qing．Prospects of low-carbon electricity[J]．Power System Technology，2009，3321-7in Chinese． [13] 滕晓毕，李继红，吴臻，等．有序调停燃煤机组的节能调度模式 及效益分析[J]．中国电力，2010，43919-23． Teng Xiaobi ，Li Jihong ，Wu Zhen ，el al ．New model of energy-conservation based on thermal unit cyclic operation and its benefit analysis[J]． Electric Power， 2010， 439 19-23in Chinese． [14] 吴臻， 何洁， 黄静． 浙江电网有序调停燃煤机组的研究和应用[C]// 第五届电力工业企业节能减排学术研讨会．六安市，2010． [15] 梁志飞，夏清，许洪强，等．基于多目标优化模型的省级电网月 度发电计划[J]．电网技术，2009，331390-95． Liang Zhifei，Xia Qing，Xu Hongqiang，et al．Monthly generation scheduling based on multi-objective optimization model for provincial power grid[J]．Power System Technology，2009，3313 90-95in Chinese． [16] 王治国，刘吉臻，谭文，等．基于快速性与经济性多目标优化的 火电厂厂级负荷分配研究[J]．中国电机工程学报，2006，2619 86-92． Wang Zhiguo，Liu Jizhen，Tan Wen，et al．Multi-objective optimal load distribution based on speediness and economy in power plants