基于多目标线性规划的电网规划典型场景选取方法技术

本发明专利技术涉及一种一种基于多目标线性规划的电网规划典型场景选取方法，在构建典型日评估指标体系的基础上，构建最优化典型日选择模型与电网规划典型场景选取方法，包括：典型日评估指标体系；构建基于混合整形线性规划的典型日选取模型多目标线性规划两阶段模糊求解：采用两阶段模糊规划求解法对典型日选取模型进行求解。

【技术实现步骤摘要】
基于多目标线性规划的电网规划典型场景选取方法
本专利技术涉及一种基于多目标线性规划的电网规划典型场景选取方法。
技术介绍
分布式电源在电网中的渗透率不断提高，对电网的影响程度也不断增大，因此考虑多种分布式电源的配电网运行调控与规划设计已经成为当前研究热点，但由于电网中负荷点与风光等可再生能源的数据量大，规划设计分析与调度策略制定需要的计算规模大，为满足计算效率及计算中数据的完整性，需要对大量的数据进行压缩，因此涉及到典型日的选取问题现有关于典型日场景的选取主要分采用聚类方法，因此更多的研究集中在聚类算法的改进上，结合大数据、并行计算等技术开发高效算法获得更优的结果；另一类是对于产生的大量场景通过抽样法选取典型场景；还有一类是通过启发式算法前向搜索、后向搜索等算法寻找典型场景，改进的方法也一般是通过定义新的距离指标与搜索流程进行优化，提升算法效果，但是本质上和k-means聚类算法的搜索并无本质差异。而对于典型场景与典型日的选取问题，首先应该规定如何评判选择结果的优劣，再考虑如何选择，然而现有文献没有解决评价指标的问题，几乎都通过距离指标来评价选择结果。近年来，针对典型场景与典型日的选取问题已经取得一定的研究成果，但现有方法仍存在着一定的缺陷和不足：(1)现有文献都没有解决评价指标的问题，仅通过距离指标来评价选择结果，缺乏综合性依据。(2)现有关于典型日场景的选取方法，大部分采用的是聚类的方法，因此更多的研究集中在聚类算法的改进上。
技术实现思路
针对上述问题，本专利技术的目的是克服单一典型日选取手段的不足，构建典型日评估指标体系的基础上，构建最优化典型日选择模型与选择算法，技术方案如下：一种基于多目标线性规划的电网规划典型场景选取方法，在构建典型日评估指标体系的基础上，构建最优化典型日选择模型与电网规划典型场景选取方法，包括：S1)典型日评估指标体系1)统计指标全年总负荷电量偏差ΔC表示典型日通过加权计算后总负荷电量∑ωd·Cd与原始数据的总负荷电量Cyear的相对误差：上式中，ωd表示典型日d的权重系数，Cd表示典型日d的全天总电负荷电量，Cyear表示全年总负荷电量，D表示所有典型日集合；全年负荷功率分布偏差ΔP表示对于每个时段典型日通过加权计算后的总负荷电量与该时刻历史负荷总量的相对误差平均值：上式中，D0表示原始数据中所有历史日期集合，表示日期d在第t时刻原始负荷功率值，表示典型日d第t时刻负荷功率值；全年资源总量偏差ΔS表示典型日通过加权计算后总资源量∑ωd·Sd与原始数据中资源总量Syear的相对误差；其中Sd表示典型日d的资源总量，Syear表示全年资源总量；全年资源分布偏差ΔW表示对于每个时段典型日通过加权计算后总资源量与该时刻历史资源总量的相对误差平均值；其中，表示日期d在第t时刻的原始资源值，表示典型日d第t时刻的资源值；2)时序指标典型日周围数据密度由截断距离内数据点的个数表示：IS＝{1,2,…,card(D0)}上式中，dij分别表示第i和第j个典型日数据向量之间的距离，本专利技术采用欧式距离，dc表示截断距离，IS表示指标集合；典型日辐射半径使用距离定义，如典型日i为全局最大数据密度数据点，则辐射半径为该点与全局最远点的间距，否则定以为与相邻最近一个数据密度更大的数据点的间距：上式中，表示第i个典型日的指标集合，由周围数据密度更大个体的标号构成；峰值负荷偏差ΔL表示同一时刻典型日中最大负荷值与历史数据中对应时刻最大负荷值的相对误差；峰值资源偏差ΔS表示同一时刻典型日中最大资源值与历史数据中对应时刻最大资源值的相对误差；分时段功率变化率最大值偏差反映典型日中某时段最大负荷变化功率与历史数据中最大变化值的相对误差；分时段资源变化率最大值偏差反映典型日中某时段的最大资源变化值与历史数据中最大变化值的相对误差；分时段功率变化率覆盖度反映典型日中的某时段的最大负荷变动功率在历史数据变动值中的相对位置：分时段资源变化率覆盖度反映典型日中的某时段的最大资源变动值.在历史数据变动值中的相对位置，构成形式同分时段功率变化率覆盖度S2)，构建基于混合整形线性规划的典型日选取模型优化目标z1表示选择的典型日天数，z2表示典型日通过加权计算后的总负荷需求量和总资源量的误差，z3表示总的典型日周围数据密度，z4表示总的典型日辐射半径：上式中，ui表示典型日选取的二进制变量，ui为1表示第i天是典型日，n表示总天数，ρ＝[ρ1,ρ2,…,ρn]δ＝[δ1,δ2,…,δn]，A矩阵中列代表一天的负荷数据和资源数据，b表示同一时刻负荷与资源的总量：优化变量包括权重变量wi和二进制变量ui：约束条件中(1)通过二进制变量约束典型日权重，若不是典型日则权重置零；(2)表示所有典型日权重之和为历史数据中总天数N；(3)表示每个时段的负荷或资源偏差都应使总量偏差控制在一定范围内，α为比例系数；(4)设置典型日天数的下限，可以通过约束制定时间来设置极端约束；(5)表示典型日权重为非负实数；(6)表示变量ui为二进制变量；S3)多目标线性规划两阶段模糊求解采用两阶段模糊规划求解法对典型日选取模型进行求解。本专利技术由于采取以上技术方案，与现有技术相比具有以下优点：(1)本专利技术首先构建了评价典型日选取结果优劣的评估指标体系，然后根据评估指标构建了混合整形线性规划模型，通过最优化配置权重，使得在选取最小天数的情况下，资源与负荷的总量偏差、分布误差等最小，且典型日具有较好的代表性。(2)本专利技术提出的最优化方法可以求解权重的最优化结果，因此在总量与分布偏差等方面较传统聚类算法的误差小，而且线性规划模型可以灵活设置极值偏差、波动偏差以及典型日天数等各种极端约束条件，使选择结果符合预期效果和使用情况。附图说明图1是本专利技术的典型日选取综合评估指标结构图。图2是实施例的一个月资源与负荷数据。图3是实施例的基于密度与辐射半径的决策图。图4是实施例的典型数据中心对应的原始数据情况图。图5是实施例MILP的选取结果决策位置图图6是实施例的典型日选择结果对比图图7是实施例的分时段峰值负荷偏差图图8是实施例的分时段峰值资源偏差统计图图中标号说明：1黑色：k-means方法；2红色线：MILP方法；3蓝色线：MILP2方法表1是本专利技术实施例的单目标规划时各自目标的极值。表2是本专利技术实施例的各个时段满足偏差阈值的日期。表3是本专利技术实施例的有极端约束和无极端约束的求解结果对比。表4是本专利技术实施例线有极端约束和无极端约束的MILP与k-means法各项指标对比。具体实施方式历史数据中存在的大量信息包括资源与负荷总量信息、分布信息、时序变化信息以及极端场景信息，构建了包含统计指标和时序指标在内的典型日选取综合评估指标模型，从多方面综合评估典型日的选取效果。结合统计指标和时序指标构建了多目标混合整形线性规划模型，以减小典型日天数的情况下使各项指标最优作为典型日选取模型构建的目标。本专利技术在构建典型日评估指标体系的基础上，构建了最优化典型日选择模型与选择算法。下面结合附图和实施例对本专利技术的进行详细的描述。1.实施方法1)综合评估指标体系历史数据中存在的大量信息包括资源与负荷总量信息、分布信息、时序变化信息以及极端场景信息。因此，为从多方面综合评估典型日的选取效果，本文档来自技高网...

【技术保护点】
1.一种基于多目标线性规划的电网规划典型场景选取方法，在构建典型日评估指标体系的基础上，构建最优化典型日选择模型与电网规划典型场景选取方法，包括：S1)典型日评估指标体系1)统计指标全年总负荷电量偏差ΔC表示典型日通过加权计算后总负荷电量∑ωd·Cd与原始数据的总负荷电量Cyear的相对误差：

【技术特征摘要】
1.一种基于多目标线性规划的电网规划典型场景选取方法，在构建典型日评估指标体系的基础上，构建最优化典型日选择模型与电网规划典型场景选取方法，包括：S1)典型日评估指标体系1)统计指标全年总负荷电量偏差ΔC表示典型日通过加权计算后总负荷电量∑ωd·Cd与原始数据的总负荷电量Cyear的相对误差：上式中，ωd表示典型日d的权重系数，Cd表示典型日d的全天总电负荷电量，Cyear表示全年总负荷电量，D表示所有典型日集合；全年负荷功率分布偏差ΔP表示对于每个时段典型日通过加权计算后的总负荷电量与该时刻历史负荷总量的相对误差平均值：上式中，D0表示原始数据中所有历史日期集合，表示日期d在第t时刻原始负荷功率值，表示典型日d第t时刻负荷功率值；全年资源总量偏差ΔS表示典型日通过加权计算后总资源量∑ωd·Sd与原始数据中资源总量Syear的相对误差；其中Sd表示典型日d的资源总量，Syear表示全年资源总量；全年资源分布偏差ΔW表示对于每个时段典型日通过加权计算后总资源量与该时刻历史资源总量的相对误差平均值；其中，表示日期d在第t时刻的原始资源值，表示典型日d第t时刻的资源值；2)时序指标典型日周围数据密度由截断距离内数据点的个数表示：IS＝{1,2,…,card(D0)}上式中，dij分别表示第i和第j个典型日数据向量之间的距离，本发明采用欧式距离，dc表示截断距离，IS表示指标集合；典型日辐射半径使用距离定义，如典型日i为全局最大数据密度数据点，则辐射半径为该点与全局最远点的间距，否则定以为与相邻最近一个数据密度更大的数据点的间距：上式中，表示第i个典型日的指标集合，由周围数据密度更大个体的标号构成；峰值负荷偏差Δ...

【专利技术属性】
技术研发人员：郭力，赵宗政，张宇轩，杨书强，王成山，徐斌，丁津津，骆晨，
申请(专利权)人：天津大学，国网安徽省电力有限公司电力科学研究院，
类型：发明
国别省市：天津,12