[发明专利]计及风电的电力系统动态经济调度多场景协同优化算法

说明书

本发明公开了一种计及风电的电力系统动态经济调度多场景协同优化算法，包括：构建基于多场景解耦的电力系统动态经济调度协同优化模型，引入动态松弛算法，对协同优化算法系统级优化问题的等式约束进行松弛，对基于多场景解耦的电力系统动态经济调度协同优化模型进行求解，直到系统级优化问题满足收敛条件，获得优化解。本发明以发电总成本最小为优化目标，借助场景法应对随机风电接入给电力系统带来的不确定性，建立了基于多场景解耦的电力系统动态经济调度协同优化模型。引入动态松弛算法，有效克服了传统多学科协同优化算法的不足；由多场景构建的子学科优化问题采用网格计算工具并行求解，大大提高求解规模和计算效率。

技术领域

本发明涉及一种计及风电的电力系统动态经济调度多场景协同优化算法。

背景技术

近年来，我国积极鼓励风电的大规模发展与利用，风电装机容量和并网容量逐年增加。截止到2015年底，我国风电累计装机容量为14536万Kw，风电累计并网容量为12934万Kw，均为历史新高。风电的随机性、波动性和间歇性特点使得大规模风电接入给电力系统的优化运行带来了很大的不确定性，也给传统动态经济调度问题的建模和求解带来新的挑战。随机风电接入的电力系统动态经济调度问题已成为当今电力行业的研究热点之一。

解决风电接入的电力系统动态经济调度问题，其关键是如何应对随机风电的不确定性。基于场景法的随机规划是目前应用最为广泛的方法。场景法通常假设风电出力预测误差服从已知的分布特性，按照分布特性采用蒙特卡洛抽样、拉丁超立方抽样等方法生成多个可能的误差场景，再采用场景缩减技术对生成的误差场景进行缩减，当误差场景缩减到可接受的数目后，再进行优化。传统的场景法通过场景抽样的方式能够一定程度上逼近风电出力的随机特性，但误差场景的数目将直接影响调度优化模型的求解效果。若使用的误差场景数目过少，则难以真实反映风电所带来的不确定性；而使用的误差场景数目过多，则求解时间及求解难度将会大幅提升。

发明内容

本发明为解决上述问题，提出一种计及风电的电力系统动态经济调度多场景协同优化算法。该方法提高场景选取的效率和精度，采用数学优化方法提高经济调度随机优化模型的求解效率。

为了实现上述目的，本发明采用如下技术方案：

本发明公开了一种计及风电的电力系统动态经济调度多场景协同优化算法，包括：

构建基于多场景解耦的电力系统动态经济调度协同优化模型，所述优化模型包括系统级优化问题、预测场景子优化问题以及误差场景子优化问题；

引入动态松弛算法，对协同优化算法系统级优化问题的等式约束进行松弛，将等式约束放宽为不等式约束；

对基于多场景解耦的电力系统动态经济调度协同优化模型进行求解，直到系统级优化问题满足收敛条件，获得优化解。

进一步地，所述的系统级优化问题具体为：

其中，J_n(x)为预测场景和s个误差场景的系统级约束；s_n为子优化问题的个数；f_c为调度周期的发电总成本；f₁和f₂分别表示煤耗总成本和由于汽轮机的阀点效应而产生的能耗成本；P_Gi(t)为常规发电机组i在时段t的出力，为在误差场景n*下常规发电机组i在时段t 的出力；T为调度周期的时段总数，t为时段号，N为常规机组总数。

进一步地，所述预测场景子优化问题具体为：

P_Gi,min≤P_Gi⁰(t)≤P_Gi,max；