[发明专利]计及不确定量预测误差时空相关性的鲁棒机组组合方法

说明书

本发明公开的计及不确定量预测误差时空相关性的两阶段鲁棒机组组合，该方法包括以下步骤：首先基于完备的历史数据，建立可描述不确定量(风电功率和负荷)时空相关性线性的多面体不确定集合，给定置信概率与不确定集合之间的解析关系；然后基于多面体集合，建立以预测场景下运行成本最低为目标的两阶段鲁棒安全约束机组组合模型，采用广义的Benders分解法进行求解。最后，对大量历史风电和负荷数据进行统计以构建考虑时空相关性的不确定集，并基于改进的IEEE‑30和IEEE‑118节点系统上进行测试。结果表明，考虑时空相关性的多面体集合能有效降低鲁棒优化的保守型，同时保证鲁棒安全约束机组组合安全性和经济性。

技术领域

本发明涉及电力系统调度自动化技术领域，特别是涉及计及不确定量预测 误差时空相关性的鲁棒机组组合方法。

背景技术

风电等可再生能源的大规模并网在促进电力系统“绿色”发展的同时，其 出力不确定性给电力系统的调度运行带来了严峻的挑战。为应对这种挑战，电 力系统亟需新的优化调度策略制定方法。随机调度与鲁棒调度在应对不确定性 方面的具有独特优势。前者一般通过模拟场景来刻画风电场出力的不确定性， 而后者则采用不确定性集合来刻画这种不确定性。鲁棒优化使用闭凸集合描述 参数的不确定性，并计算目标函数在“最坏情况”下的最优问题，因此鲁棒优 化结果一般保守性较强。鲁棒优化结果的保守性直接受到不确定参数集合的影 响。现阶段主要采用盒式集合描述不确定集,由于盒式集合的线性性质,这种不 确定集合在电力系统中应用广泛。已有研究中针对鲁棒优化提出了风电不确定 性集合的一般建模方法，该方法考虑了单个风电厂不同时段之间的时间平滑效 应以及风电厂之间的空间集群效应，在一定程度上降低了不确定性集合的保守 性，对风电的不确定性集合有了进一步压缩。

以上研究做了很有意义的工作，但以上方法均假设各风电厂、各调度时段 之间的预测误差是相互独立的。从实际情况来看，风电厂预测误差主要源于对 气象条件的难以精确预测，考虑到调度时段上的连续、风电厂在地理上的相近， 这种独立性的假设在实际中可能难以保证，需要通过实际数据对其有效性进行 评估。

以含风电的调度问题为例,当风电场之间距离较近时,两个或多个风电场 之间的出力会具有相关性。椭球集合能够考虑时间相关性，椭球集合大幅降低 了保守性，且椭球集合的系数矩阵为风电功率的协方差矩阵，在计算集合系数、 处理相关性风电功率方面具有天然的优势，但椭球集合为非线性集合。鲁棒优 化本质为多层优化问题,对约束条件要求较高,统计方法的分析结果需要表示 为线性约束才能应用于鲁棒优化算法中。

因此希望有一种计及不确定量预测误差时空相关性的两阶段鲁棒机组组 合方法以解决现有技术中的问题。

发明内容

本发明公开的计及不确定量预测误差时空相关性的鲁棒机组组合方法，所 述组合方法包括以下步骤：

步骤1：建立可描述不确定量时空相关性线性的多面体不确定集合，根据 置信概率与多面体不确定集合之间的解析关系，得到多面体不确定集合为：

步骤2：基于多面体集合，建立以预测场景下运行成本最低为目标的两阶 段的鲁棒安全约束机组组合模型，其中目标函数为：约束 条件为：s.t.X·I^b+Y·P^b≤g^b和Q·I^b+W·P^b+R·P^u(S)≤g^u(S)，其中 P^b≥0,P^u≥0,I^b∈{0,1}；

步骤3：采用广义的Benders分解法对步骤2中的鲁棒安全约束机组组合 模型进行求解。

优选地,基于历史数据，建立所述步骤1可描述不确定量时空相关性线性 的多面体不确定集合的方法包括：