【技术实现步骤摘要】
本专利技术涉及一种含电熔镁新型电力系统分布鲁棒优化调度方法及系统，属于电力系统。
技术介绍
1、传统化石能源发电造成的碳排放和环境污染问题，推动了以风电、光伏为代表的新能源发电技术的发展。随着新型电力系统中新能源发电容量占比的提高，其出力不确定性也为系统的优化调度运行带来了新挑战。为此，首先需要在系统优化调度模型中构建新能源出力/负荷功率的预测误差不确定集。以往的研究成果中，预测误差不确定集常采用传统盒式或椭圆式等传统构建方法，但是传统方法存在忽略不同功率单元的预测误差之间的时空相关性的问题，容易使构建的不确定集包含大量现实中不可能出现的场景，让决策者做出过度保守的调度方案。此外，还要引导负荷侧资源，特别是大工业负荷参与需求响应项目，通过源荷协调互动方式应对新能源发电不确定性，但以往大工业负荷出于生产安全性和经济性考量，参与积极性不高。
技术实现思路
1、本专利技术的目的在于克服现有技术中的不足，提供一种含电熔镁新型电力系统分布鲁棒优化调度方法及系统，基于融合极限场景思想，利用最小体积封闭椭球算法和比例因子法构建新能源/负荷功率预测误差不确定集，利用数据驱动思想计及各功率单元间的时空相关性，从而减少不确定集中的不可能场景，降低决策过程保守度，并在调度模型中计及电熔镁负荷参与电力系统需求响应的相关约束，保证新型电力系统系统优化调度方案兼顾运行经济性、安全性和鲁棒性。
2、为达到上述目的，本专利技术是采用下述技术方案实现的：
3、一方面，本专利技术提供一种含电熔
4、获取新型电力系统内不确定功率单元的历史预测误差数据；
5、根据历史预测误差数据构建计及时空相关性的功率单元预测误差初始凸多面体不确定集；
6、扩展初始凸多面体不确定集以覆盖所有历史预测误差数据的样本点，得到扩展后的顶点坐标集合；
7、将扩展后的顶点坐标集合作为极限场景与初始凸多面体不确定集融合，并调整不合理场景，获得功率单元预测误差最优凸不确定集；
8、根据历史预测误差数据统计功率单元预测误差最优凸不确定集中各场景的初始概率，并将功率单元预测误差最优凸不确定集表达为确定性约束形式；
9、基于最优凸不确定集的确定性约束构建含电熔镁新型电力系统分布鲁棒优化调度模型；
10、采用列与约束生成算法对含电熔镁新型电力系统分布鲁棒优化调度模型进行求解，获得日前调度方案。
11、进一步的，根据历史预测误差数据构建计及时空相关性的功率单元预测误差初始凸多面体不确定集，包括：
12、采用最小体积封闭椭球算法构建最小高维椭球集：
13、确定最小高维椭球集的参数q、c，其计算表达式如下：
14、
15、其中，q为正交矩阵，其表示椭球对称轴的偏差方向，c为椭球的中心点，nh为历史预测误差数据样本的数量，v(h)为历史预测误差数据样本内的第h个样本；
16、将确定的参数代入最小高维椭球集，所述最小高维椭球集表示为：
17、ε＝{v|(v-c)tq(v-c)≤1}
18、其中，ε表示最小高维椭球集，v为功率单元的预测误差随机向量，其取值需落于ε内；
19、对正交矩阵q作正交分解，其表达式如下：
20、q＝utdu＝u-1du
21、其中，u表示一个下三角矩阵，d是由q的特征值组成的对角矩阵，其表示为nu为功率单元的总数，t为1天内包含的时段数量；
22、利用对角矩阵d在轴向空间内定义顶点，其表达式如下：
23、
24、其中，表示轴向空间内第k个顶点的坐标值，ne为定义的顶点数量；
25、将轴向空间内的顶点坐标逆变换至原始空间，其表达式如下：
26、
27、其中，即为原始空间内与对应的第k个顶点坐标，ε1为最小椭球集ε的最大内接凸多面体的顶点集合；
28、将最大内接凸多面体的顶点集合作为预测误差初始凸多面体不确定集。
29、进一步的，定义的顶点数量为2nut，v和v(h)均为nut×1维的列向量，其中，v(h)的构建表达式如下：
30、
31、其中，代表第h个历史预测误差数据样本中第μ个功率单元t时刻的预测误差数值。
32、进一步的，扩展初始凸多面体不确定集以覆盖所有历史预测误差数据的样本点，得到扩展后的顶点坐标集合，包括：
33、通过求解最小化问题计算所有历史预测误差数据样本所对应的比例因子，其表达式如下：
34、
35、
36、
37、
38、其中，v′(h)为第h个历史预测误差数据样本v(h)在轴向空间内的映射点，βh为将ε1作为一组基表征v′(h)时的系数向量，ηh为系数向量βh的1-范数，也作为第h个历史预测误差数据样本所对应的比例因子；nh为历史预测误差数据样本的数量，ne为定义的顶点数量，为轴向空间内第k个顶点的坐标值；
39、选取所有历史预测误差数据样本所对应的比例因子中的最大值作为放缩的比例因子，其表达式为：
40、η＝max{ηh}
41、其中，η为比例因子，ηh为系数向量βh的1-范数，也作为第h个历史预测误差数据样本所对应的比例因子；
42、利用比例因子η对初始凸多面体不确定集进行扩展，得到扩展后的顶点坐标集合，其表达式如下：
43、
44、其中，ε2为扩展后的顶点坐标集合，为原始空间内扩展后的凸多面体的第k个顶点坐标。
45、进一步的，将扩展后的顶点坐标集合作为极限场景与初始凸多面体不确定集融合的表达式如下：
46、
47、其中，ε1&2为集合ε1和ε2的融合；
48、ε1&2中包含的任一顶点的各个分量表示为：
49、
50、其中，为集合ε1和ε2的融合集合中的第k个顶点，代表集合ε1和ε2的融合集合中第k个顶点的第i个分量；
51、对融合集合调整不合理场景，获得功率单元预测误差最优凸不确定集，其表达式如下：
52、
53、进一步的，根据历史预测误差数据统计功率单元预测误差最优凸不确定集中各场景的初始概率，并将功率单元预测误差最优凸不确定集表达为确定性约束形式，包括：
54、计算功率单元预测误差最优凸不确定集中的每个顶点与历史预测误差数据集中任意一个样本点之间的欧氏距离，其表达式如下：
55、
56、其中，dhk为v(h)和之间的欧氏距离，为功率单元预测误差最优凸不确定集中的第k个顶点，v(h)为历史预测误差数据样本内的第h个样本；
57、将样本点归属于与其欧氏距离最小的顶点，其表达式如下：
58、
59、其中，数组θ初始本文档来自技高网...
【技术保护点】
1.一种含电熔镁新型电力系统分布鲁棒优化调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的含电熔镁新型电力系统分布鲁棒优化调度方法，其特征在于，根据历史预测误差数据构建计及时空相关性的功率单元预测误差初始凸多面体不确定集，包括：采用最小体积封闭椭球算法构建最小高维椭球集：
3.根据权利要求2所述的含电熔镁新型电力系统分布鲁棒优化调度方法，其特征在于，定义的顶点数量为2NUT，v和v(h)均为NUT×1维的列向量，其中，v(h)的构建表达式如下：
4.根据权利要求1所述的含电熔镁新型电力系统分布鲁棒优化调度方法，其特征在于，扩展初始凸多面体不确定集以覆盖所有历史预测误差数据的样本点，得到扩展后的顶点坐标集合，包括：
5.根据权利要求1所述的含电熔镁新型电力系统分布鲁棒优化调度方法，其特征在于，将扩展后的顶点坐标集合作为极限场景与初始凸多面体不确定集融合的表达式如下：
6.根据权利要求1所述的含电熔镁新型电力系统分布鲁棒优化调度方法，其特征在于，根据历史预测误差数据统计功率单元预测误差最优凸不确定集中各场景的初始
7.根据权利要求1所述的含电熔镁新型电力系统分布鲁棒优化调度方法，其特征在于，在含电熔镁新型电力系统分布鲁棒优化调度模型中，功率单元预测误差最优凸不确定集中的第k个顶点所包含的功率单元是指系统内所有新能源发电单元和节点负荷单元，其表达式如下：
8.根据权利要求1所述的含电熔镁新型电力系统分布鲁棒优化调度方法，其特征在于，所述含电熔镁新型电力系统分布鲁棒优化调度模型由目标函数和约束条件组成；
9.根据权利要求1所述的含电熔镁新型电力系统分布鲁棒优化调度方法，其特征在于，采用列与约束生成算法对含电熔镁新型电力系统分布鲁棒优化调度模型进行求解，获得日前调度方案，包括：
10.一种含电熔镁新型电力系统分布鲁棒优化调度系统，其特征在于，包括处理器和存储介质；所述存储介质用于存储指令；
...【技术特征摘要】
1.一种含电熔镁新型电力系统分布鲁棒优化调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的含电熔镁新型电力系统分布鲁棒优化调度方法，其特征在于，根据历史预测误差数据构建计及时空相关性的功率单元预测误差初始凸多面体不确定集，包括：采用最小体积封闭椭球算法构建最小高维椭球集：
3.根据权利要求2所述的含电熔镁新型电力系统分布鲁棒优化调度方法，其特征在于，定义的顶点数量为2nut，v和v(h)均为nut×1维的列向量，其中，v(h)的构建表达式如下：
4.根据权利要求1所述的含电熔镁新型电力系统分布鲁棒优化调度方法，其特征在于，扩展初始凸多面体不确定集以覆盖所有历史预测误差数据的样本点，得到扩展后的顶点坐标集合，包括：
5.根据权利要求1所述的含电熔镁新型电力系统分布鲁棒优化调度方法，其特征在于，将扩展后的顶点坐标集合作为极限场景与初始凸多面体不确定集融合的表达式如下：
6.根据权利要求1所述的含电熔镁新型电力系统分布鲁...
【专利技术属性】
技术研发人员：蔡霁霖，孟志翔，郝丽丽，徐青山，臧海祥，丁逸行，
申请(专利权)人：南京工业大学，
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。