[发明专利]一种基于多项式逼近的概率型暂态稳定约束的最优潮流求解方法

说明书

本发明提供了一种基于多项式逼近的概率型暂态稳定约束的最优潮流求解方法，包括以下步骤：S1.建立概率型暂态稳定约束的最优潮流(TSCOPE)的数学模型；S11.概率型TSCOPF的一般数学模型；S12.基于单机等值方法的概率型暂态稳定约束的构造；S2.基于步骤S1所建立的数学模型，基于多项式逼近方法求解概率型暂态稳定约束的的最优潮流；S21.求解系统暂态变量的多项式逼近式；S22.将概率型不等式约束转化为确定性不等式约束，得到便于求解的优化数学模型；S23.基于原对偶内点法求解概率型暂态稳定约束的最优潮流的解，解决了现有技术中存在的概率型TSCOPF求解复杂的技术问题。

技术领域

本发明涉及电力系统技术领域，尤其是涉及一种基于多项式逼近的概率型暂态稳定约束的最优潮流求解方法。

背景技术

全球对化石能源资源枯竭及其对环境影响的日益关注推动了电力系统中绿色和可再生能源的快速发展，而可再生能源固有的波动性和间歇性导致了高度的不确定性，也给电力系统带来了新的挑战。这些不确定性对系统运行和控制的影响需要通过静态和暂态安全的概率研究进行彻底分析和调查。暂态稳定约束的最优潮流(Transient StabilityConstrained Optimal Power Flow,TSCOPF)是平衡电力系统运行中的经济问题和稳定性要求的有效工具。给定导致系统暂态不稳定的突发事件，TSCOPF旨在优化系统运行状态，同时保留在突发事件真正发生时的承受能力。然而，大规模可再生能源的并网加剧了电力系统运行的不确定性，需要在TSCOPF的求解中考虑随机参数的影响。根据TSCOPF模型中对随机参数处理方式的不同，目前主要存在两种方法来解决这个问题：1)鲁棒型TSCOPF由于不需要知道不确定参数的概率分布信息而被广泛使用。鲁棒优化将所有不确定参数的值限制在其变化范围内，并将问题转化为确定性优化问题，以满足所有极端场景的需求。鲁棒优化已广泛用于处理经济调度中的不确定参数、安全约束的机组配置以及多微电网的协同能源和储备调度。然而，虽然鲁棒优化可以有效地处理不确定参数，但由于忽略了不确定参数的分布信息，优化结果往往非常保守。2)概率型TSCOPF假设不确定参数服从某个确定的概率分布。它以发电成本等为目标函数的期望值最小化为优化目标，建立一个满足一定概率水平约束的随机概率模型。研究表明，从概率规划衍生的策略可以优化目标函数在不确定性下的期望，所得的概率规划的解可以在已知可再生能源概率分布的前提下，得到同时考虑控制方案经济性以及系统暂态稳定性的最优控制方案。本发明在概率型TSCOPF的基础上，提出了一种基于多项式逼近的概率型暂态稳定约束的最优潮流求解方法。

发明内容

本发明的目的是提供的一种基于多项式逼近的概率型暂态稳定约束的最优潮流求解方法，以解决现有技术中存在的概率型TSCOPF求解复杂的技术问题。

本发明提供的一种基于多项式逼近的概率型暂态稳定约束的最优潮流求解方法，包括以下步骤：S1.建立概率型暂态稳定约束的最优潮流的数学模型；S11.概率型暂态稳定约束的最优潮流的一般数学模型；S12.基于单机等值方法的对概率型暂态稳定约束的构造；S2.基于步骤S1所建立的数学模型，基于多项式逼近方法求解概率型暂态稳定约束的的最优潮流；S21.求解系统暂态变量的多项式逼近式；S22.将概率型不等式约束转化为确定性不等式约束，得到便于求解的优化数学模型；S23.基于原对偶内点法求解概率型暂态稳定约束的最优潮流的解。

进一步的，所述S11中的一般数学模型包括：

min E{c(x₀,y₀,u,p)}                 (1.1)

概率型静态稳定约束：

0＝g(x₀,y₀,u,p)                    (1.2)

0＝f(x₀,y₀,u,p)                    (1.3)