CN103094927A - 考虑风电出力不确定性与半绝对离差风险的机组组合方法及系统 - Google Patents

Abstract

本发明提出一种考虑风电出力不确定性与半绝对离差风险的机组组合方法及系统。其中，方法包括以下步骤：通过采用拉丁超立方采样方法，并根据统计规律对风电预测数据进行处理，得到多个情景数据，其中，通过多个情景数据来表征风电出力的不确定性；通过Kantorovich情景削减方法对情景数据进行削减并合并获得合并情景集合；根据合并情景集合建立机组组合模型，其中，机组组合模型包括半绝对离差函数；以及对机组组合模型的半绝对离差函数进行条件约束获得运行成本与决策风险的最佳组合。根据本发明实施例的方法，通过对情景的削减和合并以及建立半绝对离差风险的机组组合模型，从而实现了在满足成本约束的情况下最小化决策风险。

Description

考虑风电出力不确定性与半绝对离差风险的机组组合方法及系统

技术领域

本发明涉及互电力系统调度技术领域，特别涉及一种考虑风电出力不确定性与半绝对离差风险的机组组合方法及系统。

背景技术

传统的机组组合往往在确定性模型下估算最小化运行总费用。在风-火系统中，采用确定性方法不能有效地处理风电出力的不确定性，若机组组合策略安排不当，会引起电力系统实际运行成本严重偏离期望成本，如何在不确定情形下进行决策成为新的挑战。

在风-火系统中，目前针对风电出力不确定性的决策方法大致可分为如下四类：

（1）确定性决策方法。其思路是将风电出力预测误差转变为对正、负旋转备用的需求参数的选择。另一种思路是先暂不考虑风电出力的不确定性，根据风电出力预测值求得适当机组组合策略，随后将风电出力的不确定性用若干情景进行模拟，再针对每一情景，对所求得的机组组合方案进行安全校核，若校核不通过，则在原机组组合问题中添加相应约束后再行求解，以得到新的机组组合方案。

（2）机会约束规划。机会约束规划允许所做决策在一定程度上不满足约束条件，但该决策使约束条件成立的概率不小于某一个足够小的置信水平。

（3）期望值模型。其思想是将可再生能源出力、负荷不确定性用不同情景（或情景树）来表示，则每情景下系统运行费用可视为随机变量，然后建立以调度期间内系统运行费用期望值最小为目标函数的随机优化模型并进行求解。

（4）考虑决策风险。将风险价值和条件风险价值理论融入到含有风电场的机组组合模型中，在最小化运行成本的同时，降低风电的不确定性给系统带来的风险。

现有的这些技术方案无法反映潜在的决策风险，不利情景的出现会导致运行成本的大幅增加。

发明内容

本发明的目的旨在至少解决上述的技术缺陷之一。

为达到上述目的，本发明一方面的实施例提出一种考虑风电出力不确定性与半绝对离差风险的机组组合方法，包括以下步骤：S1：通过采用拉丁超立方采样方法，并根据统计规律对风电预测数据进行处理得到多个情景数据，其中，通过多个所述情景数据来表征风电出力的不确定性；S2：通过Kantorovich情景削减方法对所述情景数据进行削减并合并获得合并情景集合；S3：根据所述合并情景集合建立机组组合模型，其中，所述机组组合模型包括半绝对离差函数；以及S4：对所述机组组合模型的半绝对离差函数进行条件约束获得运行成本与决策风险的最佳组合。

根据本发明实施例的方法，通过对情景的削减和合并以及建立半绝对离差风险的机组组合模型，从而实现了在满足成本约束的情况下最小化决策风险。

本发明的一个实例中，所述条件约束包括运行成本期望约束、调整量约束、旋转备用约束、机组出力及爬坡约束和最小起停时间。

本发明的一个实例中，所述半绝对离差函数为， $\begin{array}{c}\min R\_=\underset{s\∈S}{\mathrm{\Σ}}{p}_s{|M_E-M_s|}_{-}\\ =\underset{s\∈S}{\mathrm{\Σ}}{p}_s{|\underset{s\∈S}{\mathrm{\Σ}}{p}_s{M}_s-M_s|}_{-}\end{array},$ 其中，R_表示半绝对离差风险，对任意实数v，其半绝对离差定义为，|v|_-=max{0,-v}，S表示情景削减之后的情景集合，M_E表示所述合并集合中所有情景运行费用的期望值，p_s表示情景s发生的概率，M_s表示情景s的运行总费用。

本发明的一个实例中，所述运行成本期望约束通过如下公式对其进行约束，其中，M_E为运行成本期望值，S表示合并情景集合，p_s表示情景s发生的概率，M_s表示情景s的运行总费用，M₀表示电网运营商可接受的最高费用。

本发明的一个实例中，所述调整量约束通过如下公式对其进行约束， ${-\mathrm{\Δ}}_g^L\≤P_g^s\left(t\right)-P_g^{\mathrm{avg}}\left(t\right)\≤{\mathrm{\Δ}}_g^U,$ $P_g^{\mathrm{avg}}\left(t\right)=\underset{s\∈S}{\mathrm{\Σ}}{p}_s{P}_g^s\left(t\right),$ 其中，表示火电机组g在时段t各情景下出力的加权平均值，将作为机组组合计划值下发，和分别表示火电机组g快速调整量的上、下限。

本发明的一个实例中，所述旋转备用约束通过如下公式对其进行约束， $\underset{g\∈G}{\mathrm{\Σ}}{P}_{g\max }{v}_g\left(t\right)+\underset{w\∈W}{\mathrm{\Σ}}{P}_w^s\left(t\right)\≥D\left(t\right)+R\left(t\right),$ 其中， $\∀s\∈S,$ $\∀t\∈T,$ G表示火电机组的集合，T为调整时段的集合，v_g(t)为表示机组g在t时段状态的变量，

表示情景s中风电机组w在t时段的出力，D(t)为系统在t时段的负荷需求，P_gmax表示火电机组g出力的上限，R(t)表示系统在t时段的旋转备用容量需求。

本发明的一个实例中，所述机组出力及爬坡约束通过如下公式对其进行约束， $P_{g\min }{v}_g\left(t\right)\≤P_g^s\left(t\right)\≤P_{g\max }{v}_g\left(t\right),$ $\begin{array}{c}{P}_g^s\left(t\right)-P_g^s(t-1)\≤\left\{\begin{array}{c}{\mathrm{RU}}_g,\mathrm{if}{v}_g(t-1)=v_g\left(t\right)=1\\ P_{g\min },\mathrm{if}{v}_g(t-1)=0,v_g\left(t\right)=1\\ 0,\mathrm{if}{v}_g(t-1)=1,v_g\left(t\right)=0\end{array}\right.\\ P_g^s\left(t\right)-P_g^s(t-1)\≥\left\{\begin{array}{c}-{\mathrm{RD}}_g,\mathrm{if}{v}_g(t-1)=v_g\left(t\right)=1\\ P_{g\min },\mathrm{if}{v}_g(t-1)=0,v_g\left(t\right)=1\\ -P_{g\min },\mathrm{if}{v}_g(t-1)=1,v_g\left(t\right)=0\end{array}\right.\end{array},$ 其中，RU_g以表示机组g的爬坡速率，RD_g表示机组g的滑坡速率，P_g ^s(t)表示情景s中风电机组g在t时段的出力。

本发明的一个实例中，所述最小起停时间约束通过如下公式对其进行约束，

$\underset{n=t}{\overset{t+{\mathrm{UT}}_g-1}{\mathrm{\Σ}}}{v}_g\left(n\right)\≥{\mathrm{UT}}_g[v_g\left(t\right)-v_g(t-1)],\∀t=U_g+1,...,T-{\mathrm{UT}}_g+1,$ $\underset{n=t}{\overset{T}{\mathrm{\Σ}}}\{v_g\left(n\right)-[v_g\left(t\right)-v_g(t-1)\left]\right\}\≥0,\∀t=T-{\mathrm{UT}}_g+2,...,T,$ 其中，UT_g为机组g的最小起动时间，为机组g在调度周期的第1个时段之前在线的时长，V_g(0)为机组g的初始状态，表示初始时段机组g必须在线的时长。

为达到上述目的，本发明的实施例另一方面提出一种考虑风电出力不确定性与半绝对离差风险的机组组合系统，包括：处理模块，用于通过采用拉丁超立方采样方法，并根据统计规律对风电预测数据进行处理得到多个情景数据，其中，通过多个所述情景数据来表征风电出力的不确定性；削减合并模块，用于通过Kantorovich情景削减方法对所述情景数据进行削减并合并获得合并情景集合；模型模块，用于根据所述合并情景集合建立机组组合模型，其中，所述机组组合模型包括半绝对离差函数；以及约束模块，用于对所述机组组合模型的半绝对离差函数进行条件约束获得运行成本与决策风险的最佳组合。

根据本发明实施例的系统，通过对情景的削减和合并以及建立半绝对离差风险的机组组合模型，从而实现了在满足成本约束的情况下最小化决策风险。

本发明的一个实例中，所述条件约束包括运行成本期望约束、调整量约束、旋转备用约束、机组出力及爬坡约束和最小起停时间。

本发明的一个实例中，所述半绝对离差函数为， $\begin{array}{c}\min R\_=\underset{s\∈S}{\mathrm{\Σ}}{p}_s{|M_E-M_s|}_{-}\\ =\underset{s\∈S}{\mathrm{\Σ}}{p}_s{|\underset{s\∈S}{\mathrm{\Σ}}{p}_s{M}_s-M_s|}_{-}\end{array},$ 其中，R_表示半绝对离差风险，对任意实数v，其半绝对离差定义为，|v|_-=max{0,-v}，S表示情景削减之后的情景集合，M_E表示所述合并集合中所有情景运行费用的期望值，p_s表示情景s发生的概率，M_s表示情景s的运行总费用。

本发明的一个实例中，所述运行成本期望约束通过如下公式对其进行约束，

其中，M_E为运行成本期望值，S表示合并情景集合，p_s表示情景s发生的概率，M_s表示情景s的运行总费用，M₀表示电网运营商可接受的最高费用。

本发明的一个实例中，所述调整量约束通过如下公式对其进行约束， ${-\mathrm{\Δ}}_g^L\≤P_g^s\left(t\right)-P_g^{\mathrm{avg}}\left(t\right)\≤{\mathrm{\Δ}}_g^U,$ $P_g^{\mathrm{avg}}\left(t\right)=\underset{s\∈S}{\mathrm{\Σ}}{p}_s{P}_g^s\left(t\right),$ 其中，

表示火电机组g在时段t各情景下出力的加权平均值，将作为机组组合计划值下发，

和分别表示火电机组g快速调整量的上、下限。

本发明的一个实例中，所述旋转备用约束通过如下公式对其进行约束， $\underset{g\∈G}{\mathrm{\Σ}}{P}_{g\max }{v}_g\left(t\right)+\underset{w\∈W}{\mathrm{\Σ}}{P}_w^s\left(t\right)\≥D\left(t\right)+R\left(t\right),$ 其中， $\∀s\∈S,$ $\∀t\∈T,$ G表示火电机组的集合，T为调整时段的集合，v_g(t)为表示机组g在t时段状态的变量，

表示情景s中风电机组w在t时段的出力，D(t)为系统在t时段的负荷需求，P_gmax表示火电机组g出力的上限，R(t)表示系统在t时段的旋转备用容量需求。

本发明的一个实例中，所述机组出力及爬坡约束通过如下公式对其进行约束， $P_{g\min }{v}_g\left(t\right)\≤P_g^s\left(t\right)\≤P_{g\max }{v}_g\left(t\right),$ $\begin{array}{c}{P}_g^s\left(t\right)-P_g^s(t-1)\≤\left\{\begin{array}{c}{\mathrm{RU}}_g,\mathrm{if}{v}_g(t-1)=v_g\left(t\right)=1\\ P_{g\min },\mathrm{if}{v}_g(t-1)=0,v_g\left(t\right)=1\\ 0,\mathrm{if}{v}_g(t-1)=1,v_g\left(t\right)=0\end{array}\right.\\ P_g^s\left(t\right)-P_g^s(t-1)\≥\left\{\begin{array}{c}-{\mathrm{RD}}_g,\mathrm{if}{v}_g(t-1)=v_g\left(t\right)=1\\ P_{g\min },\mathrm{if}{v}_g(t-1)=0,v_g\left(t\right)=1\\ -P_{g\min },\mathrm{if}{v}_g(t-1)=1,v_g\left(t\right)=0\end{array}\right.\end{array},$ 其中，RU_g以表示机组g的爬坡速率，RD_g表示机组g的滑坡速率，P_g ^s(t)表示情景s中风电机组g在t时段的出力。

本发明的一个实例中，所述最小起停时间约束通过如下公式对其进行约束， $\underset{n=t}{\overset{t+{\mathrm{UT}}_g-1}{\mathrm{\Σ}}}{v}_g\left(n\right)\≥{\mathrm{UT}}_g[v_g\left(t\right)-v_g(t-1)],\∀t=U_g+1,...,T-{\mathrm{UT}}_g+1,$ $\underset{n=t}{\overset{T}{\mathrm{\Σ}}}\{v_g\left(n\right)-[v_g\left(t\right)-v_g(t-1)\left]\right\}\≥0,\∀t=T-{\mathrm{UT}}_g+2,...,T,$ 其中，UT_g为机组g的最小起动时间，为机组g在调度周期的第1个时段之前在线的时长，V_g(0)为机组g的初始状态，表示初始时段机组g必须在线的时长。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明一个实施例的考虑风电出力不确定性与半绝对离差风险的机组组合方法的流程图；

图2为根据本发明一个实施例的决策风险与最高运行成本M₀的关系图；以及

图3为根据本发明一个实施例的考虑风电出力不确定性与半绝对离差风险的机组组合系统的框架图。

具体实施方式

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

图1为根据本发明一个实施例的考虑风电出力不确定性与半绝对离差风险的机组组合方法的流程图。如图1所示，根据本发明实施例的考虑风电出力不确定性与半绝对离差风险的机组组合方法，包括以下步骤：

步骤S101，通过采用拉丁超立方采样方法，并根据统计规律对风电预测数据进行处理得到多个情景数据。通过多个情景数据来表征风电出力的不确定性，并且一个情景表示一种可能的确定性情形。

在本发明的一个实施例中，通过多个情景数据来表征风电出力的不确定性，并且一个情景表示一种可能的确定性情形。

步骤S102，通过Kantorovich情景削减方法对情景数据进行削减并合并获得合并情景集合。

具体地，它削减出现概率较小的情景并合并相似的情景，从而找到一个规定基数的情景子集，使得该子集和初始情景集合按照一定的概率距离（Probability Metric）计量是最为接近的。这样在减少优化模型计算量同时也不失情景集合的代表性。

步骤S103，根据合并情景集合建立机组组合模型，其中，机组组合模型包括半绝对离差函数。条件约束包括运行成本期望约束、调整量约束、旋转备用约束、机组出力及爬坡约束和最小起停时间。

具体地，半绝对离差函数可以通过如下公式表示： $\begin{array}{c}\min R\_=\underset{s\∈S}{\mathrm{\Σ}}{p}_s{|M_E-M_s|}_{-}\\ =\underset{s\∈S}{\mathrm{\Σ}}{p}_s{|\underset{s\∈S}{\mathrm{\Σ}}{p}_s{M}_s-M_s|}_{-}\end{array},$ 其中，R_表示半绝对离差风险，对任意实数v，其半绝对离差定义为，v_-=max{0,-v}，S表示情景削减之后的情景集合，M_E表示合并集合中所有情景运行费用的期望值，p_s表示情景s发生的概率，M_s表示情景s的运行总费用，半绝对离差定义为，|v|_-=max{0,-v}。

M_s可表示为，其中，G为火电机组的集合，T为调度时段的集合，

分别为情景s中机组g在t时段的运行成本、起动费用和停机费用，其表达式分别为，

${\mathrm{CU}}_g\left(t\right)={\left|K_g\right|[v_g(t-1)-v_g\left(t\right)]}_{-},$ ${\mathrm{CD}}_g\left(t\right)={\left|C_g\right[v_g\left(t\right)-v_g(t-1)\left]\right|}_{-},$ 其中，

为机组g在t时段的出力，a_g、b_g为机组运行成本曲线的相关参数，v_g(t)为表示机组g在t时段状态的变量可选值为0和1，0表示关停，1表示运行。K_g、C_g分别为机组g起动、停机一次的费用常数。

在本发明的一个实施例中，运行成本期望约束公式如下，

其中，M_E为运行成本期望值，S表示合并情景集合，p_s表示情景s发生的概率，M_s表示情景s的运行总费用，M₀表示电网运营商可接受的最高费用。

在本发明的一个实施例中，忽略网络损耗的情况下，系统符合满足如下关系，

其中，G为火电机组的集合，W为风电机组的集合，表示情景s中风电机组w在t时段的出力，D(t)为系统在t时段的负荷需求。

在本发明的一个实施例中，旋转备用约束公式如下， $\underset{g\∈G}{\mathrm{\Σ}}{P}_{g\max }{v}_g\left(t\right)+\underset{w\∈W}{\mathrm{\Σ}}{P}_w^s\left(t\right)\≥D\left(t\right)+R\left(t\right),$ 其中， $\∀s\∈S,$ $\∀t\∈T,$ G表示火电机组的集合，T为调整时段的集合，v_g(t)为表示机组g在t时段状态的变量，

表示情景s中风电机组w在t时段的出力，D(t)为系统在t时段的负荷需求，P_gmax表示火电机组g出力的上限，R(t)表示系统在t时段的旋转备用容量需求。

在本发明的一个实施例中，机组出力及爬坡约束公式如下， $P_{g\min }{v}_g\left(t\right)\≤P_g^s\left(t\right)\≤P_{g\max }{v}_g\left(t\right),$ $\begin{array}{c}{P}_g^s\left(t\right)-P_g^s(t-1)\≤\left\{\begin{array}{c}{\mathrm{RU}}_g,\mathrm{if}{v}_g(t-1)=v_g\left(t\right)=1\\ P_{g\min },\mathrm{if}{v}_g(t-1)=0,v_g\left(t\right)=1\\ 0,\mathrm{if}{v}_g(t-1)=1,v_g\left(t\right)=0\end{array}\right.\\ P_g^s\left(t\right)-P_g^s(t-1)\≥\left\{\begin{array}{c}-{\mathrm{RD}}_g,\mathrm{if}{v}_g(t-1)=v_g\left(t\right)=1\\ P_{g\min },\mathrm{if}{v}_g(t-1)=0,v_g\left(t\right)=1\\ -P_{g\min },\mathrm{if}{v}_g(t-1)=1,v_g\left(t\right)=0\end{array}\right.\end{array},$ 其中，RU_g以表示机组g的爬坡速率，RD_g表示机组g的滑坡速率，P_g ^s(t)表示情景s中风电机组g在t时段的出力。

在本发明的一个实施例中，最小起停时间约束公式如下， $\underset{n=t}{\overset{t+{\mathrm{UT}}_g-1}{\mathrm{\Σ}}}{v}_g\left(n\right)\≥{\mathrm{UT}}_g[v_g\left(t\right)-v_g(t-1)],\∀t=U_g+1,...,T-{\mathrm{UT}}_g+1,$ $\underset{n=t}{\overset{T}{\mathrm{\Σ}}}\{v_g\left(n\right)-[v_g\left(t\right)-v_g(t-1)\left]\right\}\≥0,\∀t=T-{\mathrm{UT}}_g+2,...,T,$ 其中，UT_g为机组g的最小起动时间，为机组g在调度周期的第1个时段之前在线的时长，V_g(0)为机组g的初始状态，

表示初始时段机组g必须在线的时长。

在本发明的一个实施例中，由于不同情景中风电出力存在波动，导致最终优化结果中同一火电机组在不同情景相同时段的出力可能不同，例如，起停状态相同等，为了保证不同情景发生时，火电机组均能够及时调整出力，以适应风电的波动性，需要添加调整量约束其公式如下，

其中，

表示火电机组g在时段t各情景下出力的加权平均值，将作为机组组合计划值下发，

和

分别表示火电机组g快速调整量的上、下限。

步骤S104，对机组组合模型的半绝对离差函数进行条件约束获得运行成本与决策风险的最佳组合。

在本发明的一个实施例中，采用一个含有10台火电机组、1个风电场的风-火系统来验证本文所提机组组合模型的效果。系统的调度周期为1天24小时，以1小时为单位调度时长。不考虑系统网损及网络约束，假设系统的旋转备用需求为负荷需求的10%，火电机组每分钟的爬坡/滑坡速率（RU_g、RD_g）设为机组最大出力的1.5%，快速调整量取为60MW。火电机组的相关参数见表2，其中，起动费用取为常数。系统负荷需求及风电出力预测数据见表3。实际运行经验表明，风电预测的时间跨度越长，预测越不准确。假设风电预测的标准差在前4h为σ/2，在随后的20h为σ，且σ=0.1。利用LHS产生5000个情景，情景削减合并后保留10个情景，保留情景数据见表4。

表1

表2

表3

表4

表5

本算法与不考虑决策风险的机组组合模型优化结果对比见表1。不考虑决策风险的机组组合模型以最小化运行成本期望值为目标，得到运行成本期望最优值为435340$，本算法可接受运行成本期望值M0取为435490$。对于运行成本较高的情景6、情景7、情景9本算法的运行成本都低于不考虑决策风险的机组组合模型。由表1可计算出不考虑决策风险的机组组合模型的决策风险，即半绝对离差计量为1785.65$，本算法的决策风险为1121.27$。可见本算法能够在保证运行成本期望不高于可接受水平的前提下，降低决策风险，在风-火系统机组组合中能够较好地处理决策风险与运行成本期望间的关系。

可接受运行成本期望值M0取为435490$时，模型的决策风险为1121.27$。改变M₀的取值，在不同M₀下进行模型的求解，得到结果如图2所示。如图2所示，可接受运行成本期望水平M₀越高，则本算法的决策风险越小，且近似成线性关系，即，M₀增加1000$，则最小决策风险减少约100$。最终可估算出较低成本下的较低决策风险。

根据本发明实施例的方法，通过对情景的削减和合并以及建立半绝对离差风险的机组组合模型，从而实现了在满足成本约束的情况下最小化决策风险。

图3为根据本发明一个实施例的考虑风电出力不确定性与半绝对离差风险的机组组合系统的框架图。如图3所示，根据本发明实施例的考虑风电出力不确定性与半绝对离差风险的机组组合系统包括处理模块100、削减合并模块200、模型模块300和约束模块400。

处理模块100用于通过采用拉丁超立方采样方法对风电预测数据和统计规律进行处理得到大量的情景数据。

在本发明的一个实施例中，通过多个情景数据来表征风电出力的不确定性，并且一个情景表示一种可能的确定性情形。

削减合并模块200用于通过Kantorovich情景削减方法对情景数据进行削减并合并获得合并情景集合。

具体地，它削减出现概率较小的情景并合并相似的情景，从而找到一个规定基数的情景子集，使得该子集和初始情景集合按照一定的概率距离（Probability Metric）计量是最为接近的。这样在减少优化模型计算量同时也不失情景集合的代表性。

模型模块300用于根据合并情景集合建立机组组合模型，其中，机组组合模型包括半绝对离差函数。

半绝对离差函数可以通过如下公式表示： $\begin{array}{c}\min R\_=\underset{s\∈S}{\mathrm{\Σ}}{p}_s{|M_E-M_s|}_{-}\\ =\underset{s\∈S}{\mathrm{\Σ}}{p}_s{|\underset{s\∈S}{\mathrm{\Σ}}{p}_s{M}_s-M_s|}_{-}\end{array},$ 其中，R_表示半绝对离差风险，对任意实数v，其半绝对离差定义为，|v|_-=max{0,-v}，S表示情景削减之后的情景集合，M_E表示合并集合中所有情景运行费用的期望值，p_s表示情景s发生的概率，M_s表示情景s的运行总费用，半绝对离差定义为，|v|_-=max{0,-v}。

M_s可表示为，

其中，G为火电机组的集合，T为调度时段的集合，

分别为情景s中机组g在t时段的运行成本、起动费用和停机费用，其表达式分别为，

${\mathrm{CU}}_g\left(t\right)={\left|K_g\right|[v_g(t-1)-v_g\left(t\right)]}_{-},$ ${\mathrm{CD}}_g\left(t\right)={\left|C_g\right[v_g\left(t\right)-v_g(t-1)\left]\right|}_{-},$ 其中，

为机组g在t时段的出力，a_g、b_g为机组运行成本曲线的相关参数，v_g(t)为表示机组g在t时段状态的变量可选值为0和1，0表示关停，1表示运行。K_g、C_g分别为机组g起动、停机一次的费用常数。

在本发明的一个实施例中，运行成本期望约束公式如下，

其中，M_E为运行成本期望值，S表示合并情景集合，p_s表示情景s发生的概率，M_s表示情景s的运行总费用，M₀表示电网运营商可接受的最高费用。

在本发明的一个实施例中，忽略网络损耗的情况下，系统符合满足如下关系，其中，G为火电机组的集合，W为风电机组的集合，表示情景s中风电机组w在t时段的出力，D(t)为系统在t时段的负荷需求。

在本发明的一个实施例中，旋转备用约束公式如下， $\underset{g\∈G}{\mathrm{\Σ}}{P}_{g\max }{v}_g\left(t\right)+\underset{w\∈W}{\mathrm{\Σ}}{P}_w^s\left(t\right)\≥D\left(t\right)+R\left(t\right),$ 其中， $\∀s\∈S,$ $\∀t\∈T,$ G表示火电机组的集合，T为调整时段的集合，v_g(t)为表示机组g在t时段状态的变量，

表示情景s中风电机组w在t时段的出力，D(t)为系统在t时段的负荷需求，P_gmax表示火电机组g出力的上限，R(t)表示系统在t时段的旋转备用容量需求。

在本发明的一个实施例中，机组出力及爬坡约束公式如下， $P_{g\min }{v}_g\left(t\right)\≤P_g^s\left(t\right)\≤P_{g\max }{v}_g\left(t\right),$ $\begin{array}{c}{P}_g^s\left(t\right)-P_g^s(t-1)\≤\left\{\begin{array}{c}{\mathrm{RU}}_g,\mathrm{if}{v}_g(t-1)=v_g\left(t\right)=1\\ P_{g\min },\mathrm{if}{v}_g(t-1)=0,v_g\left(t\right)=1\\ 0,\mathrm{if}{v}_g(t-1)=1,v_g\left(t\right)=0\end{array}\right.\\ P_g^s\left(t\right)-P_g^s(t-1)\≥\left\{\begin{array}{c}-{\mathrm{RD}}_g,\mathrm{if}{v}_g(t-1)=v_g\left(t\right)=1\\ P_{g\min },\mathrm{if}{v}_g(t-1)=0,v_g\left(t\right)=1\\ -P_{g\min },\mathrm{if}{v}_g(t-1)=1,v_g\left(t\right)=0\end{array}\right.\end{array},$ 其中，RU_g以表示机组g的爬坡速率，RD_g表示机组g的滑坡速率，P_g ^s(t)表示情景s中风电机组g在t时段的出力。

在本发明的一个实施例中，最小起停时间约束公式如下， $\underset{n=t}{\overset{t+{\mathrm{UT}}_g-1}{\mathrm{\Σ}}}{v}_g\left(n\right)\≥{\mathrm{UT}}_g[v_g\left(t\right)-v_g(t-1)],\∀t=U_g+1,...,T-{\mathrm{UT}}_g+1,$ $\underset{n=t}{\overset{T}{\mathrm{\Σ}}}\{v_g\left(n\right)-[v_g\left(t\right)-v_g(t-1)\left]\right\}\≥0,\∀t=T-{\mathrm{UT}}_g+2,...,T,$ 其中，UT_g为机组g的最小起动时间，

为机组g在调度周期的第1个时段之前在线的时长，V_g(0)为机组g的初始状态，

表示初始时段机组g必须在线的时长。

在本发明的一个实施例中，由于不同情景中风电出力存在波动，导致最终优化结果中同一火电机组在不同情景相同时段的出力可能不同，例如，起停状态相同等，为了保证不同情景发生时，火电机组均能够及时调整出力，以适应风电的波动性，需要添加调整量约束其公式如下，

其中，

表示火电机组g在时段t各情景下出力的加权平均值，将作为机组组合计划值下发，

和

分别表示火电机组g快速调整量的上、下限。

约束模块400用于对机组组合模型的半绝对离差函数进行条件约束获得运行成本与决策风险的最佳组合。

根据本发明实施例的系统，通过对情景的削减和合并以及建立半绝对离差风险的机组组合模型，从而实现了在满足成本约束的情况下最小化决策风险。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (11)

1.一种考虑风电出力不确定性与半绝对离差风险的机组组合方法，其特征在于，包括以下步骤：

S1：通过采用拉丁超立方采样方法，并根据统计规律对风电预测数据进行处理得到多个情景数据，其中，通过多个所述情景数据来表征风电出力的不确定性；

S2：通过Kantorovich情景削减方法对所述情景数据进行削减并合并获得合并情景集合；

S3：根据所述合并情景集合建立机组组合模型，其中，所述机组组合模型包括半绝对离差函数；以及

S4：对所述机组组合模型的半绝对离差函数进行条件约束获得运行成本与决策风险的最佳组合。

2.根据权利要求1所述的考虑风电出力不确定性与半绝对离差风险的机组组合方法，其特征在于，所述条件约束包括运行成本期望约束、调整量约束、旋转备用约束、机组出力及爬坡约束和最小起停时间。

3.根据权利要求2所述的考虑风电出力不确定性与半绝对离差风险的机组组合方法，其特征在于，所述半绝对离差函数为，

$\begin{array}{c}\min R\_=\underset{s\∈S}{\mathrm{\Σ}}{p}_s{|M_E-M_s|}_{-}\\ =\underset{s\∈S}{\mathrm{\Σ}}{p}_s{|\underset{s\∈S}{\mathrm{\Σ}}{p}_s{M}_s-M_s|}_{-}\end{array},$

其中，R_表示半绝对离差风险，对任意实数v，其半绝对离差定义为，|v|_-=max{0,-v}，S表示情景削减之后的情景集合，M_E表示所述合并集合中所有情景运行费用的期望值，p_s表示情景s发生的概率，M_s表示情景s的运行总费用。

4.根据权利要求2所述的考虑风电出力不确定性与半绝对离差风险的机组组合方法，其特征在于，所述运行成本期望约束通过如下公式对其进行约束，

$M_E=\underset{s\∈S}{\mathrm{\Σ}}{p}_s{M}_s\≤M_0,$

其中，M_E为运行成本期望值，S表示合并情景集合，p_s表示情景s发生的概率，M_s表示情景s的运行总费用，M₀表示电网运营商可接受的最高费用。

5.根据权利要求2所述的考虑风电出力不确定性与半绝对离差风险的机组组合方法，其特征在于，所述调整量约束通过如下公式对其进行约束，

${-\mathrm{\Δ}}_g^L\≤P_g^s\left(t\right)-P_g^{\mathrm{avg}}\left(t\right)\≤{\mathrm{\Δ}}_g^U,$ $P_g^{\mathrm{avg}}\left(t\right)=\underset{s\∈S}{\mathrm{\Σ}}{p}_s{P}_g^s\left(t\right)$

其中，

表示火电机组g在时段t各情景下出力的加权平均值，将作为机组组合计划值下发，

和分别表示火电机组g快速调整量的上、下限。

6.根据权利要求2所述的考虑风电出力不确定性与半绝对离差风险的机组组合方法，其特征在于，所述旋转备用约束通过如下公式对其进行约束，

$\underset{g\∈G}{\mathrm{\Σ}}{P}_{g\max }{v}_g\left(t\right)+\underset{w\∈W}{\mathrm{\Σ}}{P}_w^s\left(t\right)\≥D\left(t\right)+R\left(t\right),$

其中，

G表示火电机组的集合，T为调整时段的集合，v_g(t)为表示机组g在t时段状态的变量，

表示情景s中风电机组w在t时段的出力，D(t)为系统在t时段的负荷需求，P_gmax表示火电机组g出力的上限，R(t)表示系统在t时段的旋转备用容量需求。

7.根据权利要求2所述的考虑风电出力不确定性与半绝对离差风险的机组组合方法，其特征在于，所述机组出力及爬坡约束通过如下公式对其进行约束，

$P_{g\min }{v}_g\left(t\right)\≤P_g^s\left(t\right)\≤P_{g\max }{v}_g\left(t\right),$

$\begin{array}{c}{P}_g^s\left(t\right)-P_g^s(t-1)\≤\left\{\begin{array}{c}{\mathrm{RU}}_g,\mathrm{if}{v}_g(t-1)=v_g\left(t\right)=1\\ P_{g\min },\mathrm{if}{v}_g(t-1)=0,v_g\left(t\right)=1\\ 0,\mathrm{if}{v}_g(t-1)=1,v_g\left(t\right)=0\end{array}\right.\\ P_g^s\left(t\right)-P_g^s(t-1)\≥\left\{\begin{array}{c}-{\mathrm{RD}}_g,\mathrm{if}{v}_g(t-1)=v_g\left(t\right)=1\\ P_{g\min },\mathrm{if}{v}_g(t-1)=0,v_g\left(t\right)=1\\ -P_{g\min },\mathrm{if}{v}_g(t-1)=1,v_g\left(t\right)=0\end{array}\right.\end{array},$

其中，RU_g以表示机组g的爬坡速率，RD_g表示机组g的滑坡速率，P_g ^s(t)表示情景s中风电机组g在t时段的出力。

8.根据权利要求2所述的考虑风电出力不确定性与半绝对离差风险的机组组合方法，其特征在于，所述最小起停时间约束通过如下公式对其进行约束，

$\underset{n=t}{\overset{t+{\mathrm{UT}}_g-1}{\mathrm{\Σ}}}{v}_g\left(n\right)\≥{\mathrm{UT}}_g[v_g\left(t\right)-v_g(t-1)],\∀t=U_g+1,...,T-{\mathrm{UT}}_g+1,$

$\underset{n=t}{\overset{T}{\mathrm{\Σ}}}\{v_g\left(n\right)-[v_g\left(t\right)-v_g(t-1)\left]\right\}\≥0,\∀t=T-{\mathrm{UT}}_g+2,...,T,$

其中，UT_g为机组g的最小起动时间，为机组g在调度周期的第1个时段之前在线的时长，V_g(0)为机组g的初始状态，

表示初始时段机组g必须在线的时长。

9.一种考虑风电出力不确定性与半绝对离差风险的机组组合系统，其特征在于，包括：

处理模块，用于通过采用拉丁超立方采样方法对风电预测数据和统计规律进行处理得到大量的情景数据，其中，通过多个所述情景数据来表征风电出力的不确定性；

削减合并模块，用于通过Kantorovich情景削减方法对所述情景数据进行削减并合并获得合并情景集合；

模型模块，用于通过所述合并情景集合获得机组组合模型，其中，所述机组组合模型包括半绝对离差函数；以及

约束模块，用于对所述机组组合模型的半绝对离差函数进行条件约束获得运行成本与决策风险的最佳组合。

10.根据权利要求9所述的考虑风电出力不确定性与半绝对离差风险的机组组合系统，其特征在于，所述条件约束包括运行成本期望约束、调整量约束、旋转备用约束、机组出力及爬坡约束和最小起停时间。

11.根据权利要求10所述的考虑风电出力不确定性与半绝对离差风险的机组组合系统，其特征在于，所述条件约束包括运行成本期望约束、调整量约束、旋转备用约束、机组出力及爬坡约束和最小起停时间包括：

如权利要求3-8任一项所述约束公式。

Images