【技术实现步骤摘要】
一种基于极端场景驱动的自适应机组组合优化方法及系统
[0001]本专利技术属于日前电力市场出清过程中的机组组合
,具体涉及一种基于极端场景驱动的自适应机组组合优化方法及系统。
技术介绍
[0002]可再生能源将成为电力系统的主要能源,并参与电力生产和系统调度。虽然可再生能源的占比提高促进了电力系统的低碳转型,但是可再生能源的不确定性将给电力系统的安全运行带来挑战。针对可再生能源带来的不确定性,许多研究提出了鲁棒优化和随机规划两类方法来解决高比例可再生能源下的电力系统调度问题。
[0003]尽管这两类方法在市场调度问题中取得了广泛的应用,但这些方法无法保证市场调度指令的非预期性和全场景可行性。具体来说,
[0004](1)两阶段鲁棒优化的第二段决策是在已知随机因素实现值给出的,违背了多时段交替决策交替的时序逻辑,因此不满足非预期性;
[0005](2)基于场景的方法只考虑了有限个场景,因此不满足全场景可行性;
[0006](3)场景树法仅保证了树结构中有限个场景的非预期性,也不满足全场景可行性;
[0007](4)机会约束方法所用到的较准确的随机因素概率分布,不满足非预期性。非预期性是指在某一时期所做的决策只能依赖于随机因素中已实现的部分和所有可能的未来情况,全场景可行性意味着我们所做的决定能够应对未来所有可能发生的情境。鲁棒优化模型的逻辑是假定所有不确定性因素已经实现后再给出调度决策,违背了“不确定性实现
‑
实施决策
‑
不确定性实现”这
【技术保护点】
【技术特征摘要】
1.一种基于极端场景驱动的自适应机组组合优化方法,其特征在于,包括以下步骤:S1、构建鲁棒优化中的不确定性集;S2、根据步骤S1构建的不确定性集确定自适应鲁棒优化机组组合的总体模型;S3、将步骤S2得到的自适应鲁棒优化机组组合的总体模型转化为具有顶点和极端情景的随机规划模型,向随机规划模型中加入全场景可行性约束和非预期性约束,实现基于极端场景驱动的自适应机组组合优化。2.根据权利要求1所述的基于极端场景驱动的自适应机组组合优化方法,其特征在于,步骤S1中,t时段可再生发电机组的出力不确定性集为u
t
表示为:其中,θ
t,k
为凸组合系数,且NT为时段总数,u
t,k
为第k个极值点。3.根据权利要求1所述的基于极端场景驱动的自适应机组组合优化方法,其特征在于,步骤S2中,自适应鲁棒优化机组组合的总体模型的目标函数为:其中,Θ(
·
)为热电机组的启停成本之和;Φ(
·
)为热电机组的运行成本之和,u为可再生机组的不确定性出力;x为机组组合模型中的决策变量;u为可再生机组的全时段出力集合;y为经济调度的决策变量。4.根据权利要求3所述的基于极端场景驱动的自适应机组组合优化方法,其特征在于,约束条件如下:机组的启停成本:运行成本为:最小启停时间约束:最小启停时间约束:机组组合决策变量关系:机组组合决策变量关系:其中,为机组g在时段t的启停状态变量,为机组g在时段t的状态转移变量,为机组g在时段t的出力,为机组g在时段t的运行成本,为机组g在时段t的节点电价,为可再生机组g在时段t的出力,为负荷d在时段t的需求,为线路
l的最小和最大潮流限制,为机组g的最小开停机时间。5.根据权利要求1所述的基于极端场景驱动的自适应机组组合优化方法,其特征在于,步骤S3中,具有顶点和极端情景的随机规划模型具体为:步骤S3中,具有顶点和极端情景的随机规划模型具体为:其中,Θ(
·
)为热电机组的启停成本之和,Φ(
·
)为热电机组的运行成本之和,为可再生机组不确定性出力的极值点的凸组合表示,为可再生机组全时段的不确定性出力的笛卡尔积表示,为求解火电机组的运行成本问题的可行域,χ为机组组合模型中的决策变量,y为经济调度的决策变量,NK为发电机组数目,θ
t,k
为凸组合系数。6.根据权利要求1所述的基于极端场景驱动的自适应机组组合优化方法,其...
【专利技术属性】
技术研发人员:鲁文,严新华,丁恰,杨洋,曹荣章,王建学,张旭光,王瑾皓,李永刚,
申请(专利权)人:国电南瑞科技股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。