一种基于目标鲁棒性优化的电力系统机组组合方法技术方案

本发明专利技术公开了一种基于目标鲁棒性优化的电力系统机组组合方法，具体包括以下步骤：步骤一，建立机组组合模型，所述机组组合模型的目标函数为最小化燃料成本、启动成本以及加权失负荷的和，其中燃料成本表示为分段线性化耗量函数；步骤二，考虑光伏出力限制不确定性的目标鲁棒性优化模型，引入光伏出力随机变量为光伏出力期望与光伏出力预测误差项之和；步骤三，模型的求解方案。

【技术实现步骤摘要】

本专利技术涉及不确定性的电力系统机组组合，尤其是一种基于目标鲁棒性优化的电力系统机组组合方法。

技术介绍

1、现有的机组组合（uc）问题的目标是通过在负载需求约束条件下确定交付周期内发电机的输出来获得电力系统的最小运行成本。最近，光伏（pv）面板和其他可再生发电设备越来越多地集成到系统中，减少了化石燃料消耗和温室气体排放。与传统的热力发电机组不同，可用的太阳能依赖于混乱的天气条件，因此不能以传统意义上的方式调度太阳能输出。尽管太阳能输出限制在交付周期内存在变化，但应在了解可用太阳能之前制定 uc解决方案。 如何将太阳能尽可能多地渗透到系统中，同时减轻其出力限制的随机性和间歇性，是社会长期面临的难题。

2、不确定性下的uc问题通常与不确定性模型相关，这在电力工程领域催生了大量的方法。 随机优化 (so) 公式通常假设具有离散概率分布的不确定性模型，并将该分布纳入机会约束或风险感知目标函数中。更具体地说，经验优化（eo）假设已实现的不确定性数据记录作为其经验分布的样本，部署样本平均近似（saa）和其他技术将问题重新表述为易于处理的形式。 然而，由于本文档来自技高网...

【技术保护点】

1.一种基于目标鲁棒性优化的电力系统机组组合方法，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的一种基于目标鲁棒性优化的电力系统机组组合方法，其特征在于，对于光伏出力预测误差分布的最恶劣场景，机会约束(27)中第二阶段优化问题的条件期望可表示为：

3.根据权利要求1所述的一种基于目标鲁棒性优化的电力系统机组组合方法，其特征在于，所述目标鲁棒性优化模型引入线性决策规则来近似描述第二阶段优化问题的决策变量及状态量与光伏预测误差不确定量之间的关联；在经验分布附近引入辅助变量；所述光伏出力预测误差不确定量和辅助变量的提升支撑集合可表示为：p>

4.根据权...

【技术特征摘要】

1.一种基于目标鲁棒性优化的电力系统机组组合方法，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的一种基于目标鲁棒性优化的电力系统机组组合方法，其特征在于，对于光伏出力预测误差分布的最恶劣场景，机会约束(27)中第二阶段优化问题的条件期望可表示为：

3.根据权利要求1所述的一种基于目标鲁棒性优化的电力系统机组组合方法，其特征在于，所述目标鲁棒性优化模型引入线性决策规则来近似描述第二阶段优化问题的决策变量及状态量与光伏预测误差不确定量之间的关联；在经验分布附近引入辅助变量；所述光伏出力预测误差不确定量和辅助变量的提升支撑集合可表示为...

【专利技术属性】
技术研发人员：朱继忠，董瀚江，李盛林，郭泰亨，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：