分布不确定性条件下N-k分布鲁棒机组控制方法及装置制造方法及图纸

本发明专利技术公开了一种分布不确定性条件下的N

【技术实现步骤摘要】
分布不确定性条件下N
‑
k分布鲁棒机组控制方法及装置


[0001]本专利技术涉及机组优化领域，尤其涉及一种分布不确定性条件下的N
‑
k分布鲁棒机组控制方法及装置。

技术介绍

[0002]机组的偶发故障会在不同程度上影响电力系统的安全运行。因此，需对电力系统中可能出现的故障进行排查，所依据的是N
‑
1安全准则。由于输电线路故障概率较高，故将考虑k条线路故障的N
‑
k安全准则应用于机组组合中，在保证机组安全运行的前提下寻求最优的调度方式，从而降低系统的运行成本。
[0003]目前，国内外在计及偶发故障的机组组合方面已做了大量研究工作。文献[1]提出了考虑机组N
‑
k故障的鲁棒优化模型，但因受传输容量等因素的限制使得求解误差较大。文献[2]采取故障概率信息与αcut准则结合的方法对模型进行求解。为描述故障的不确定性，文献[3]提出了一种两阶段鲁棒模型，文献[4]提出了一种基于N
‑
k
‑
ε安全准则构造的电力系统机组组合模型，上述文献往往忽略其概率分布信息，假设线路故障数目为确定性的常量，从而导致调度决策不合理。
[0004]现实中，线路故障概率分布的精确获取很困难，通过历史数据规律挖掘获得的概率分布往往存在误差，即存在高阶不确定性问题。在这种情况下，基于确定性的线路故障决策的优化调度精度易受影响。现如今，分布鲁棒优化方法已被用于解决不确定条件下电力系统的优化调度问题。该方法介于鲁棒优化与随机优化两种方法之间，通过可获取到的统计信息(例如：一阶矩、二阶矩等)，描述随机变量可能的概率分布函数，构成了所谓的模糊集，用以对不确定量的统计规律进行量化。进而做出对分布不确定具有免疫力的决策，即在模糊集中寻找最劣概率分布条件下最好的随机决策。显然，分布鲁棒优化方法具有对现实决策场景更好的描述能力。
[0005]模糊集的构造是影响分布鲁棒优化决策效果的关键因素。其构造方法包括：已知不确定量的矩信息、已知分布函数的距离、以及数据驱动方法。如何精确地构造模糊集，并将其对接传统鲁棒调度模型是关键。文献[5]提出了分布鲁棒优化方法，以解决因不确定性刻画不精确而导致的调度决策不合理的问题。文献[6]构建了N
‑
k安全准则和可用的矩信息模糊集，其优点是可充分利用偶然概率信息。文献[7]提出的基于多层规划的N
‑
k故障分析方法能够快速找到造成电网损失最大的故障组合，但其仅适用于直流潮流模型中，需进一步考虑电压越限等指标。文献[8]构建的基于影响增量的N
‑
k故障分析方法，仅依靠影响增量就能够实现对大量N
‑
k故障状态的快速筛选。可见，应用分布鲁棒优化方法解决不确定性优化调度问题的研究已有不少，但将分布鲁棒优化方法解决N
‑
k安全准则的不确定性问题尚属空白。
[0006]因此，如何从现有数据中提取输电线路故障的统计信息，将N
‑
k安全准则纳入机组组合的控制中，做出兼顾经济性和安全性的机组组合至关重要。

技术实现思路

[0007]本专利技术提供了一种分布不确定性条件下的N
‑
k分布鲁棒机组控制方法及装置，本专利技术为了降低鲁棒优化方法的保守性和随机优化方法的复杂性，增强电力系统应对偶发线路故障扰动的能力，提出一种计及N
‑
k安全准则的两阶段分布鲁棒机组组合模型，并借助Big
‑
M法、列与约束生成算法(column and constraint generation,C&CG)求解该分布式优化模型，详见下文描述：
[0008]第一方面，一种分布不确定性条件下的N
‑
k分布鲁棒机组控制方法，所述方法包括：
[0009]基于非精确狄利克雷模型构造以概率分布区间为形式的不确定集合，用于描述线路故障不确定性的最坏情况分布；
[0010]基于所述不确定集合和非精确狄利克雷模型构建N
‑
k安全约束的分布鲁棒机组组合模型；
[0011]将分布鲁棒机组组合模型转化为以线路故障前机组组合的启停决策为目标的主问题、及在最坏线路故障情况发生后进行的经济调度子问题；
[0012]使用Big
‑
M法、列与约束生成算法对主问题和子问题进行转化，并进行求解，获取兼顾经济性和安全性的机组组合。
[0013]在一种实施方式中，所述不确定集合包括：
[0014]基于IDM多时段独立的不确定集合：考虑时间对线路故障的影响，不考虑各故障线路之间的关联；
[0015]基于IDM与时间无关的不确定集合：忽略时间对线路故障的影响，不考虑各故障线路之间的关联。
[0016]在一种实施方式中，所述N
‑
k安全约束的分布鲁棒机组组合模型的目标函数是在线路故障最坏情况下，使机组的启停成本、出力成本以及失负荷惩罚成本最小化。
[0017]第二方面，一种分布不确定性条件下的N
‑
k分布鲁棒机组控制装置，所述装置包括：处理器和存储器，所述存储器中存储有程序指令，所述处理器调用存储器中存储的程序指令以使装置执行第一方面中的任一项所述的方法步骤。
[0018]第三方面，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时使所述处理器执行第一方面中的任一项所述的方法步骤。
[0019]本专利技术提供的技术方案的有益效果是：
[0020]1、本专利技术所构造的模糊集以概率分布区间的形式描述线路故障不确定性的最坏情况分布，提高了调度控制的准确性与安全性，增强了电力系统应对偶发线路故障扰动的能力；
[0021]2、本专利技术基于IDM方法构造考虑N
‑
k的分布鲁棒机组组合模型，能够将鲁棒优化和随机优化进行融合，降低了鲁棒优化方法的保守性。
附图说明
[0022]图1为置信带与模糊集转化为不确定性集合示意图；
[0023]其中，(a)为置信带与样本数量的关系；(b)为模糊集转化为不确定性集合。
[0024]图2为基于C&CG算法的模型求解流程图；
[0025]图3为IEEE14节点系统的示意图；
[0026]图4为多时段独立不确定集合的机组组合控制的结果图；
[0027]其中，(a)为k＝0时，多时段独立不确定集合的机组组合决策结果；(b)为k＝1时，多时段独立不确定集合的机组组合决策结果；(c)为k＝2时，多时段独立不确定集合的机组组合决策结果；(d)为k＝3时，多时段独立不确定集合的机组组合决策结果。
[0028]图5为与时间无关不确定集合的机组组合控制的结果图；
[0029]其中，(a)为k＝1时，与时间无关不确定集合的机组组合决策结果；(b)为k＝2时，与时间无关不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布不确定性条件下的N
‑
k分布鲁棒机组控制方法，其特征在于，所述方法包括：基于非精确狄利克雷模型构造以概率分布区间为形式的不确定集合，用于描述线路故障不确定性的最坏情况分布；基于所述不确定集合和非精确狄利克雷模型构建N
‑
k安全约束的分布鲁棒机组组合模型；将分布鲁棒机组组合模型转化为以线路故障前机组组合的启停决策为目标的主问题、及在最坏线路故障情况发生后进行的经济调度子问题；使用Big
‑
M法、列与约束生成算法对主问题和子问题进行转化，并进行求解，获取兼顾经济性和安全性的机组组合。2.根据权利要求1所述的一种分布不确定性条件下的N
‑
k分布鲁棒机组控制方法，其特征在于，所述不确定集合包括：基于IDM多时段独立的不确定集合：考虑时间对线路故障的影响，不考虑各故障线路之间的关联；基于IDM与时间无关的不确定集合：忽略时间对线路故障的影响，不考虑各故障线路之间的关联。3.根据权利要求2所述的一种分布不确定性条件下的N
‑
k分布鲁棒机组控制方法，其特征在于，所述基于IDM多时段独立的不确定集合的表达式为：k
min
≤k≤k
max
式中：L为线路总数；k
min
和k
max
分别为不确定集合的下边界和上边界；k为线路出现的故障数；z
l,t
为线路在t时刻运行的两类状态。4.根据权利要求2所述的一种分布不确定性条件下的N
‑
k分布鲁棒机组控制方法，其特征在于，所述基于IDM与时间无关的不确定集合的表达式为：k
min
≤k≤k
max
式中：z
l
为线路运行的两种状态，k
min
和k

【专利技术属性】
技术研发人员：李本新，张玉敏，吉兴全，陈厚合，姜涛，李雪，张儒峰，王长江，李曙光，刘振，张衷望，郝晴，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：