基于benders分解的两阶段随机优化模型求解方法及装置制造方法及图纸

本发明专利技术涉及一种基于benders分解的两阶段随机优化模型求解方法及装置，所述方法包括基于获取的基础数据构建benders主问题和benders子问题；若benders主问题是可行的，则求解benders主问题得到主问题最优解，利用主问题最优解求解benders子问题，得到子问题最优解，基于子问题最优解构建最优割模型；采用交替迭代算法对benders主问题和benders子问题进行迭代求解。本发明专利技术将预测场景和误差场景的潮流约束作为子问题，所有的整数变量、出力连续变量及其他约束作为主问题，通过求解子问题为主问题生成可行割或最优割，以使得主问题尽快收敛到最优解，本申请提供的技术方案可以避免直接求解一个超大规模的混合整数规划问题，从而提升计算效率。

【技术实现步骤摘要】

本专利技术属于电力市场，具体涉及一种基于benders分解的两阶段随机优化模型求解方法及装置。

技术介绍

1、在具有强波动性和间歇性的风能和光伏在电源结构中占比持续增长的背景下，逐渐形成以清洁能源为供给主体，常规电源功能转向调节与支撑的新型电力系统。为了应对由供需双侧的强不确定性导致的各类风险，需要预留出足够的可靠电力备用容量，保障电力供应安全可靠。因此在经济调度过程中考虑新能源出力的不确定性而进行的风险调度是值得关注的问题。

2、相关技术中，基于多预测场景的两阶段随机规划方法是一种常用的风险调度的方法，通过建立多个不同的预测场景来描述新能源的不确定性。每个预测场景为一种可能的新能源产生情况，如不同风速或太阳辐射水平。通过涵盖多个场景，该方法能够更全面地考虑不确定性的范围和变化，并使优化决策更加鲁棒。当预测场景的数量增加时，问题的规模也会相应增大，导致求解变得更加困难和耗时。

技术实现思路

1、有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种基于benders分解的两阶段随机优化模型求解本文档来自技高网...

【技术保护点】

1.一种基于benders分解的两阶段随机优化模型求解方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基础数据，包括：

3.根据权利要求1或2所述的方法，其特征在于，所述benders主问题，包括：主目标函数和相应的主约束条件，所述主目标函数为

4.根据权利要求3所述的方法，其特征在于，所述benders子问题，包括：子目标函数和相应的子约束条件，所述子目标函数为

5.根据权利要求1所述的方法，其特征在于，所述最优割模型，包括：对偶目标函数和相应的对偶约束条件；

6.根据权利要求5所述的方法，其特征在于，...

【技术特征摘要】

1.一种基于benders分解的两阶段随机优化模型求解方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基础数据，包括：

3.根据权利要求1或2所述的方法，其特征在于，所述benders主问题，包括：主目标函数和相应的主约束条件，所述主目标函数为

4.根据权利要求3所述的方法，其特征在于，所述benders子问题，包括：子目标函数和相应的子约束条件，所述子目标函数为

5.根据权利要求1所述的方法，其特征在于，所述最优割模型，包括：对偶目标函数和相应...

【专利技术属性】
技术研发人员：付小标，李宝聚，王尧，庄冠群，张继权，李一明，杨瑞，辛茹，吴舒琴，
申请(专利权)人：国网吉林省电力有限公司，
类型：发明
国别省市：