计及风电的电力系统动态经济调度多场景协同优化算法技术方案

本发明专利技术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。本发明专利技术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。

【技术实现步骤摘要】
计及风电的电力系统动态经济调度多场景协同优化算法
本专利技术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。
技术介绍
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。
技术实现思路
本专利技术为解决上述问题，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，本专利技术采用如下技术方案：本专利技术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，Jn(x)为预测场景和s个误差场景的系统级约束；sn为子优化问题的个数；fc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；PGi(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：PGi,min≤PGi0(t)≤PGi,max；PGi0(t)-PGi0(t-1)≤rui；PGi0(t-1)-PGi0(t)≤rdi；其中，f0为预测场景的目标函数；为在预测场景下，常规机组i在时段t的出力，为系统级优化问题分配的设计变量目标；Nw为风电场数，j为风电场号，Pwj0(t)为预测场景下风电场j在时段t的出力，PLoad(t)为系统在时段t的总负荷，β为负荷预测偏差百分值，PGi,min和PGi,max分别表示常规机组i的有功最小出力和有功最大出力，rui和rdi分别为机组i的爬坡率和滑坡率，Pmn0(t)表示预测场景下线路m-n在时段t的有功传输功率，表示线路m-n的有功传输功率上限。进一步地，所述误差场景子优化问题具体为：PGi,min≤PGis(t)≤PGi,max；PGis(t)-PGis(t-1)≤rui；PGis(t-1)-PGis(t)≤rdi；|PGi0(t)-PGis(t)|≤ΔPGi(t)；其中，fs为误差场景的目标函数，为系统级优化问题分配的设计变量目标；为误差场景下常规发电机组i在时段t的出力；Pmns(t)为误差场景下线路m-n在时段t的有功传输功率；Pwjs(t)为误差场景下风电场j在时段t的出力，PLoad(t)为系统在时段t的总负荷，PGi,min和PGi,max分别表示常规机组i的有功最小出力和有功最大出力，rui和rdi分别为机组i的爬坡率和滑坡率，β为负荷预测偏差百分值，表示线路m-n的有功传输功率上限，ΔPGi(t)为常规机组i在t时段内可以迅速调节的有功出力，取为爬坡率。进一步地，所述动态松弛算法具体为：当第x次迭代时，各子问题优化结束后，各子问题的最优解分别为定义松弛量r；根据所述松弛量r确定新的系统级约束。进一步地，所述松弛量r具体为：r＝(λ*mes)2；其中，mes为子问题间的不一致信息，λ为松弛因子。进一步地，所述子问题间的不一致信息具体为：其中，分别表示子问题j和子问题k的最优解，j,k＝1,2,...sn，且j≠k。进一步地，所述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的过程具体为：1)系统级优化问题将设计变量目标分别传到预测场景子优化问题和误差场景子优化问题；2)预测场景子优化问题和误差场景子优化问题独自进行优化，将各自的最优解返回给系统级优化问题，系统级优化问题根据接收到的最优解构造出系统级优化问题的约束；3)经系统级优化后，若没有达到收敛条件，则以新的设计变量最优解作为新的设计变量目标再次传入预测场景子优化问题和误差场景子优化问题中进行优化，重复步骤2)-3)，直至系统级优化问题满足收敛条件。进一步地，所述收敛条件具体为：前后两次迭代的系统级目标函数值之差与本次迭代的系统级目标函数值之比不超过所设置的收敛精度。本专利技术有益效果：本专利技术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，结合多学科协同优化算法的核心思想，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。在求解该模型的系统级优化问题时引入动态松弛算法，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。本专利技术采用新的场景选取理论来替换传统场景法中的蒙特卡洛抽样法，提高场景选取的效率和精度。本专利技术采用先进的数学优化方法对含高维随机变量的经济调度模型进行求解，提高经济调度随机优化模型的求解效率。附图说明图1基于多场景解耦的电力系统动态经济调度协同优化模型的计算结构；图2基于多场景解耦的电力系统动态经济调度协同优化模型的计算流程；图3系统级优化示意图；图4IEEE39节点网络拓扑；图5收敛条件1下的收敛趋势；图6收敛条件2下的收敛趋势。具体实施方式下面结合附图与具体实施方式对本专利技术作进一步的说明。本专利技术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；如图1所示。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。首先，对多学科协同优化算法模型描述如下：假设某优化问题可以描述如式(1)所示：其中：F为目标函数，x为设计变量向量，cn表示各种约束。按照多学科协同优化算法的核心思想，可以将原优化问题按照学科或者其他标准分解为系统级优化问题和子学科优化问题：系统级优化问题如式(2)所示：本文档来自技高网...

【技术保护点】
1.一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，其特征在于，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。

【技术特征摘要】
1.一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，其特征在于，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。2.如权利要求1所述的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，其特征在于，所述的系统级优化问题具体为：其中，Jn(x)为预测场景和s个误差场景的系统级约束；sn为子优化问题的个数；fc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；PGi(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。3.如权利要求1所述的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，其特征在于，所述预测场景子优化问题具体为：PGi,min≤PGi0(t)≤PGi,max；PGi0(t)-PGi0(t-1)≤rui；PGi0(t-1)-PGi0(t)≤rdi；其中，f0为预测场景的目标函数；为在预测场景下，常规机组i在时段t的出力，为系统级优化问题分配的设计变量目标；Nw为风电场数，j为风电场号，Pwj0(t)为预测场景下风电场j在时段t的出力，PLoad(t)为系统在时段t的总负荷，β为负荷预测偏差百分值，PGi,min和PGi,max分别表示常规机组i的有功最小出力和有功最大出力，rui和rdi分别为机组i的爬坡率和滑坡率，Pmn0(t)表示预测场景下线路m-n在时段t的有功传输功率，表示线路m-n的有功传输功率上限。4.如权利要求1所述的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，其特征在于，所述误差场景子优化问题具体为：PGi,min≤PGis(t)≤PGi,max；PGis(t)-PGis(t-1)≤rui；PGis(t-1)-PGis(t)≤rdi；|PGi0(t)-PGis(t)|≤ΔPGi(t)；其中，fs为误差场景...

【专利技术属性】
技术研发人员：杨佳俊，黄兴，魏延彬，刘洋，王寿星，马帅，马骁旭，闫凯，张洪帅，王志峰，曹冉，尚新宇，焦平洋，
申请(专利权)人：国网山东省电力公司莱芜供电公司，国家电网公司，
类型：发明
国别省市：山东,37