CN106251074A - 一种协同的电网超前调度模型的建立方法及其计算方法 - Google Patents

Abstract

一种协同的电网超前调度模型的建立方法，包括以下步骤：步骤1)、获取相关的电网参数信息、日前调度决策结果信息、超短期负荷预测结果信息和风电预测结果信息；步骤2)、以AGC机组运行成本和弃可再生能源发电最小为目标，结合运行约束条件以及与日前调度、AGC控制过程的关联性，建立协同的超前调度数学模型：本发明还包括一种协同的电网超前调度模型的计算方法。本发明充分发挥主动负荷调节的速度优势，使主动负荷与可再生能源发电在日前调度中的合作进一步得到细化，提高了电网消纳可再生能源发电能力。

Description

一种协同的电网超前调度模型的建立方法及其计算方法

技术领域

本发明涉及电力系统运行与控制技术领域，具体地说是一种协同的电网超前调度模型的建立方法及其计算方法。

背景技术

超前调度，又称为在线调度，是关联日前调度和自动发电控制(AGC)的纽带，其结果将直接决定AGC是否能够达到预期效果。

伴随风电、光伏等可再生能源发电大规模并网，超前调度面临的不确定性增强。对此，部分研究提出可再生能源发电允许运行区间的概念，建立以该区间最大为目标的鲁棒调度模型；也有学者提出建立基于可调节鲁棒优化的超前调度模型，通过AGC机组参与因子建立可调节变量与不确定参数间的仿射决策准则；或者以AGC机组基点和参与因子作为决策量，建立综合考虑系统平抑扰动能力和运行成本的多目标模型。

与此同时，电动汽车、储能，可控、可中断负荷等技术近年来不断涌现，这类技术在一定范围内能够改变自身发电或用电功率，具有一定的主动性。为便于表述，本文将这类技术统称为主动负荷。

主动负荷与可再生能源发电间存在着明显的互补效应，利用主动负荷是提高电网消纳可再生能源发电能力的有效途径。对此，部分学者研究了主动负荷参与电网一次、二次频率调节的控制方法和主动负荷参与机组组合、前瞻周期为24h的动态经济调度的决策方法。

在目前关于电网超前调度的研究中，大部分研究未考虑主动负荷参与备用的作用，少部分研究虽然在模型中计及了主动负荷的备用能力，但由于决策时间尺度较长，尚未涉及在超前调度中如何进行主动负荷备用响应的决策，以及如何实现与AGC机组备用响应有机的协调。此外，针对电力系统实际运行中频率允许在一定范围内变化的特点，部分文献论证了在调度中考虑频率调节效应能够提高电网消纳可再生能源发电能力，但目前关于超前调度问题的研究中尚未计及这一现象。

随着主动负荷规模的不断扩大，仅利用主动负荷的削峰填谷作用，难以实现主动负荷与可再生能源发电的有效合作。为应对不确定性逐渐增强的局面，有必要在日前调度的备用配置中计及主动负荷的作用，在超前调度中确定主动负荷的备用响应量，在AGC控制中实现主动负荷消除不确定性的作用。

发明内容

本发明的目的在于提供一种协同的电网超前调度模型的建立方法及其计算方法，用于解决在超前调度中主动负荷的备用响应量不确定，在AGC控制中主动负荷的不确定性，电网消纳可再生能源发电能力不高的问题。

本发明解决其技术问题所采取的技术方案是：

一种协同的电网超前调度模型的建立方法，其特征是，包括以下步骤：

步骤1)、获取相关的电网参数信息、日前调度决策结果信息、超短期负荷预测结果信息和风电预测结果信息；

步骤2)、以AGC机组运行成本和弃可再生能源发电最小为目标，结合运行约束条件以及与日前调度、AGC控制过程的关联性，建立协同的超前调度数学模型：

式中：T为前瞻周期内时段数量；N为AGC机组数量；γ_t为弃可再生能源发电惩罚系数；为预测得到的t时段可再生能源发电最大值，为t时段系统能够消纳的可再生能源发电最大值；cost_G,i,t为AGC机组的运行成本函数：

${\mathrm{cost}}_{G,i,t}=\left\{\begin{array}{c}{a}_{G,i,1}{P}_{G,i,t}+b_{G,i,1},P_{G,i,min}\&le;P_{G,i,t}<P_{G,i,1}\\ a_{G,i,2}{P}_{G,i,t}+b_{G,i,2},P_{G,i,1}\&le;P_{G,i,t}<P_{G,i,2}\\ a_{G,i,3}{P}_{G,i,t}+b_{G,i,3},P_{G,i,2}\&le;P_{G,i,t}<P_{G,i,\max }\end{array}\right.;$

式中：P_G,i,t为t时段AGC机组i输出功率基点；P_G,i,max和P_G,i,min分别为机组i输出功率的上限和下限；a_G,i,1、a_G,i,2、a_G,i,3、b_G,i,1、b_G,i,2、b_G,i,3为机组i的成本特性系数；P_G,i,1、P_G,i,2为线性化分段点的输出功率。

进一步地，步骤1)中所述的电网参数信息包括AGC机组的数量N、成本特性系数[a_G,1,a_G,2,a_G,3,b_G,1,b_G,2,b_G,3,]及线性化分段点输出功率[P_G,1,P_G,2]、输出功率的上下限值最大爬坡速度限值r_G，主动负荷允许的最大充放电功率限值电网正常运行时所允许的最大频率偏差Δf^max，前瞻周期内时段数量T，弃可再生能源发电惩罚系数γ；

所述的日前调度决策结果信息包括主动负荷允许的存储能量最大值和最小值[E^min,E^max]，主动负荷调度末时段预期的存储能量E^end，非AGC机组输出功率总和AGC机组和主动负荷最新的状态信息(即初始运行点P_G0，P_A0，E₀)；

所述的超短期负荷预测结果信息包括负荷超短期预测结果D和

所述的风电预测结果信息包括风力发电超短期预测结果P_R和

进一步地，步骤2)中所述的运行约束条件包括基点功率平衡约束条件、主动负荷运行约束条件、应对不确定性约束条件、AGC机组输出功率上下限约束条件、AGC机组爬坡速率约束条件、频率偏差约束条件和风力发电运行区间约束条件；

所述的基点功率平衡约束条件为：

式中，为非AGC机组t时段输出功率的总和，根据日前调度结果确定，在模型中为已知量；P_R,t为t时段可再生能源发电计划值，为决策量；D_t为常规负荷在t时段超短期功率预测期望值，为固定量；P_A,t为主动负荷在t时段充/放电功率，为决策量，P_A,t大于0表示主动负荷充电，小于0表示放电；

所述的主动负荷运行约束条件为：

E_t＝E_t-1+P_A,t·Δt； (公式四)

E_T＝E^end； (公式六)

式中，为t时段主动负荷允许的最大充电功率，在模型中为已知量；E_t为主动负荷在t时段的存储能量值；分别为主动负荷t时段允许的存储能量最大值和最小值，E^end为调度末时段预期的存储能量，在模型中均为已知量；Δt为时段长度；

所述的应对不确定性约束条件为：

如果t时段常规负荷分布区间为得到t时段净负荷的分布区间其中，

公式二中D_t_P_R,t即为t时段净负荷参考值P_N,t，不考虑线路安全约束，当净负荷取值为其分布区间的上、下边界时对应最严重的情况：

当净负荷为分布区间上边界时，需要的调整量为主动负荷可承担的最大调整量为主动负荷实际承担的调整量可表示为：

剩余的调整量需求为AGC机组i需要的调整量为：

式中，ρ_G,_i,_t为AGC机组i在t时段的参与因子，为已知参数；

当净负荷达到分布区间的下边界P _N,t时，需要的调整量为P_N,t_P _N,t；

主动负荷可承担的最大调整量为主动负荷实际承担的调整量P _A,t可表示为：

剩余的调整量需求为P_N,t_P _N,t_P _A,t；AGC机组i需要的调整量为：

所述的AGC机组输出功率上下限约束为：

式中，分别为AGC机组i输出功率的上限和下限，为已知量；

所述的AGC机组爬坡速率约束为：

t时段AGC机组i输出功率最大值为最小值为P_G,i,t-P _G,i,t，爬坡速率约束可表示为：

式中，r_G,i为AGC机组i单位时间内的最大调整速度；Δt为时段长度；

所述的频率偏差约束为：

式中，Δf^max为电网正常运行时所允许的最大频率偏差；

所述的风力发电运行区间约束为：

公式十七和公式十八表示协同的超前调度所决策的风力发电运行区间与预测得到的风力发电分布区间之间的关系；公式十九表示风力发电计划值应在所决策运行区间范围内。

进一步地，超前调度数学模型的执行周期为5min。

一种协同的超前调度数学模型的求解方法，利用权利要求1所述的协同的超前调度数学模型，其特征是，具体包括以下步骤：

步骤a)、进行模型转换；

步骤b)、进行模型求解；

步骤c)、输出计算结果。

进一步地，所述的模型转换具体为将协同的超前调度数学模型转换为混合整数线性规划模型，包括为：

将公式八和公式十转化为一般形式。

进一步地，将公式八转换为一般形式具体包括：

步骤a11)、引入0-1量使

式中，M为引入的数值较大的常数，当大于时，取值为1；当小于时，取值为0；

步骤a12)、引入如下约束：

使得公式八与公式二十一、公式二十二和公式二十三等效；

将公式十转换为一般形式具体包括：

步骤a21)、0-1量u _t，使得：

步骤a22)、引入如下约束：

-(1-u _t)M≤P _A,t-(P_N,t-P _N,t)≤0； (公式二十五)

使得公式十与公式二十四、公式二十五和公式二十六等效。

进一步地，超前调度数学模型各时段对应的0-1量个数均为2个。

本发明的有益效果是：本发明提供的协同的超前调度模型计及了主动负荷的备用响应能力，同时考虑了协同的机组组合决策中AGC机组以及主动负荷的备用配置情况，能够在满足备用容量限制的条件下，充分发挥主动负荷调节的速度优势，使主动负荷与可再生能源发电在日前调度中的合作进一步得到细化，提高了电网消纳可再生能源发电能力。

在协同的超前调度模型中，计及了频率的调节效应，考虑了电网频率允许在一定范围内变化的特点，使计算结果能够在满足电网频率要求的前提下，减轻控制过程中AGC机组和主动负荷的调节负担，同时避免了决策的保守性。

在协同的超前调度模型中，各类运行约束条件考虑了与日前调度和AGC控制过程的关联性，实现了与协同的日前调度和AGC控制的友好衔接，能够避免各级控制过程中决策结果出现相互矛盾或约束条件无法满足的情况，使决策结果的实际应用效果得到保证。

附图说明

图1为本发明协同调度时间框架图；

图2为本发明超前调度模型建立方法流程图；

图3为本发明超前调度模型计算方法流程图；

图4为本发明的实施步骤流程图。

具体实施方式

电力系统协同调度是要将主动负荷与可再生能源发电间的合作贯穿电力系统运行全程，需要日前时间级、超前时间级、实时时间级等不同时间尺度决策的有机协调。其中，协同的超前调度决策是关联日前调度和AGC控制的纽带，必须考虑与其它时间尺度决策的关联，才能保证决策结果的有效性。为此，对协同的超前调度与其它时间尺度决策的关联进行说明。

如图1所示，协同的超前调度在协同调度中起到承上启下的作用，其决策将受到机组组合决策结果和AGC控制实施过程的直接影响。

协同的超前调度与协同的机组组合的关联：

协同的机组组合确定了机组启停计划、非AGC机组发电计划和主动负荷预期的充/放电计划。同时，为应对可再生能源发电和常规负荷不确定性，协同的机组组合还配置了系统备用容量。与传统的机组组合不同，协同的机组组合应在备用配置中考虑主动负荷作用，这是在协同的超前调度中进一步考虑主动负荷备用响应的基础。

协同的机组组合所采用的可再生能源发电、常规负荷预测结果由于预测时间尺度较长，一般存在较大误差，需要由超前调度进一步校正和平衡。协同的超前调度是在机组组合基础上进行决策，需要兼顾机组组合决策结果。

对于非AGC机组，协同调度中由AGC机组和主动负荷承担备用，应对不确定性的能力增强，因而在协同的超前调度决策中不再考虑非AGC机组输出功率的再决策，非AGC机组按照日前调度决策的发电计划运行。

对于AGC机组，协同的机组组合配置了各时段AGC机组应对不确定性的备用容量。在协同的超前调度中，需要根据可再生能源发电、常规负荷超短期预测结果，确定AGC机组在前瞻周期内的备用响应量。为兼顾协同的机组组合决策结果，AGC机组的备用响应量不应超出日前调度所配置的备用容量范围。

对于主动负荷，例如电动汽车、储能系统等必须满足存储能量相关的积分约束，其中电动汽车还需要满足一定的用电需求。协同的机组组合根据可再生能源发电、常规负荷的日周期规律，对这一有限的调节资源在各时段进行分配，制定存储能量计划，以尽量满足主动负荷用电需求。协同的超前调度前瞻周期一般为1～2h，应避免协同的超前调度所对应的短期优化决策(1～2h)与协同的机组组合所对应的全程的优化决策(1d)矛盾，以致出现主动负荷用电需求无法满足的情况。

协同的超前调度与协同的AGC控制的关联：

协同的超前调度为AGC机组、主动负荷参与AGC控制提供基点，调度误差以及调度时段内可再生能源发电、常规负荷波动需要由AGC控制进一步平衡。AGC控制过程中可再生能源发电、常规负荷波动引起的调整量(ACE)如何在AGC机组和主动负荷间分配，直接影响到协同的超前调度决策过程。

在本发明中ACE在AGC机组和主动负荷间分配的方法为：ACE优先由主动负荷承担，不足部分再由AGC机组承担。

据此，在协同的超前调度中，若t时段可再生能源发电、常规负荷实际功率与其期望值的偏差引起的调节量需求为ΔP_t，则主动负荷在AGC控制过程中所对应的功率基点基础上的调整量ΔP_A,t可表示为，

${\mathrm{\&Delta;P}}_{A,t}=\left\{\begin{array}{cc}{\mathrm{\&Delta;P}}_t& if\left|{\mathrm{\&Delta;P}}_t\right|\&le;\left|{\mathrm{\&Delta;P}}_{A,t}^{\max }\right|\\ {\mathrm{\&Delta;P}}_{A,t}^{\max }& if\left|{\mathrm{\&Delta;P}}_t\right|\&GreaterEqual;\left|{\mathrm{\&Delta;P}}_{A,t}^{\max }\right|\end{array}\right.$

式中，为t时段主动负荷最大调节能力。

AGC机组在AGC控制过程中相对功率基点的调整量ΔP_AGC,t可表示为，

${\mathrm{\&Delta;P}}_{AGC,t}=\left\{\begin{array}{cc}{\mathrm{\&Delta;P}}_t-{\mathrm{\&Delta;P}}_{A,t}& if|{\mathrm{\&Delta;P}}_t-P_{A,t}|\&le;\left|{\mathrm{\&Delta;P}}_{AGC,t}^{\max }\right|\\ {\mathrm{\&Delta;P}}_{A,t}^{\max }& if|{\mathrm{\&Delta;P}}_t-P_{A,t}|\&GreaterEqual;\left|{\mathrm{\&Delta;P}}_{AGC,t}^{\max }\right|\end{array}\right.$

式中，为t时段AGC机组最大调节能力。ΔP_AGC,t进一步在参与因子的引导下分配到每一台AGC机组。

若主动负荷、AGC机组调节后，仍有

ΔP_t-ΔP_A,t-ΔP_AGC,t＞0；

即调节量需求存在主动负荷、AGC机组无法满足的部分，传统调度计算中一般采取弃可再生能源发电或切负荷措施。实际上，在AGC控制过程中电网频率允许在一定范围内变化，且伴随电网频率的变化，非AGC机组、AGC机组、常规负荷等能够通过调整自身的发电或用电功率，自动促进有功平衡的实现。假设t时段系统频率调节系数为β_t，则当式ΔP_t-ΔP_A,t-ΔP_AGC,t＞0成立时，电网频率偏差为，

${\mathrm{\&Delta;f}}_t=-\frac{{\mathrm{\&Delta;P}}_t-{\mathrm{\&Delta;P}}_{A,t}-{\mathrm{\&Delta;P}}_{AGC,t}}{{\mathrm{\&beta;}}_t};$

当Δf_t超出频率允许范围时，才需要采取弃可再生能源发电或切负荷措施。随着电网规模的不断扩大，系统一次调节能力不断增强，在协同的超前调度中计及AGC控制中频率允许变化的特点，将电网频率纳入决策，将有利于避免决策结果的保守性。

如图2所示，一种协同的电网超前调度模型的建立方法，包括以下步骤：

步骤1)、获取相关的电网参数信息、日前调度决策结果信息、超短期负荷预测结果信息和风电预测结果信息；

步骤2)、以AGC机组运行成本和弃可再生能源发电最小为目标，结合运行约束条件以及与日前调度、AGC控制过程的关联性，建立协同的超前调度数学模型：

式中：T为前瞻周期内时段数量；N为AGC机组数量；γ_t为弃可再生能源发电惩罚系数；为预测得到的t时段可再生能源发电最大值，为t时段系统能够消纳的可再生能源发电最大值；cost_G,i,t为AGC机组的运行成本函数：

${\mathrm{cost}}_{G,i,t}=\left\{\begin{array}{c}{a}_{G,i,1}{P}_{G,i,t}+b_{G,i,1},P_{G,i,min}\&le;P_{G,i,t}<P_{G,i,1}\\ a_{G,i,2}{P}_{G,i,t}+b_{G,i,2},P_{G,i,1}\&le;P_{G,i,t}<P_{G,i,2}\\ a_{G,i,3}{P}_{G,i,t}+b_{G,i,3},P_{G,i,2}\&le;P_{G,i,t}<P_{G,i,\max }\end{array}\right.;$

式中：P_G,i,t为t时段AGC机组i输出功率基点；P_G,i,max和P_G,i,min分别为机组i输出功率的上限和下限；a_G,i,1、a_G,i,2、a_G,i,3、b_G,i,1、b_G,i,2、b_G,i,3为机组i的成本特性系数；P_G,i,1、P_G,i,2为线性化分段点的输出功率。

电网参数信息包括AGC机组的数量N、成本特性系数[a_G,1,a_G,2,a_G,3,b_G,1,b_G,2,b_G,3,]及线性化分段点输出功率[P_G,1,P_G,2]、输出功率的上下限值最大爬坡速度限值r_G，主动负荷允许的最大充放电功率限值电网正常运行时所允许的最大频率偏差Δf^max，前瞻周期内时段数量T，弃可再生能源发电惩罚系数γ；

日前调度决策结果信息包括主动负荷允许的存储能量最大值和最小值[E^min,E^max]，主动负荷调度末时段预期的存储能量E^end，非AGC机组输出功率总和AGC机组和主动负荷最新的状态信息(即初始运行点P_G0，P_A0，E₀)；

超短期负荷预测结果信息包括负荷超短期预测结果D和

风电预测结果信息包括风力发电超短期预测结果P_R和

步骤2)中所述的运行约束条件包括基点功率平衡约束条件、主动负荷运行约束条件、应对不确定性约束条件、AGC机组输出功率上下限约束条件、AGC机组爬坡速率约束条件、频率偏差约束条件和风力发电运行区间约束条件。

基点功率平衡约束条件为：

式中，为非AGC机组t时段输出功率的总和，根据日前调度结果确定，在模型中为已知常数；P_R,t为t时段可再生能源发电计划值，为决策量；D_t为常规负荷在t时段超短期功率预测期望值，为固定常数；P_A,t为主动负荷在t时段充/放电功率，为决策量，P_A,t大于0表示主动负荷充电，小于0表示放电；Δt为时段长度；

主动负荷运行约束条件为：

E_t＝E_t-1+P_A,t·Δt； (公式四)

E_T＝E^end； (公式六)

式中，为t时段主动负荷允许的最大充电功率，在模型中为已知常数；E_t为主动负荷在t时段的存储能量值；分别为主动负荷t时段允许的存储能量最大值和最小值，E^end为调度末时段预期的存储能量，在模型中均为已知常数；

应对不确定性约束条件为：

如果t时段常规负荷分布区间为得到t时段净负荷的分布区间其中，

公式二中D_t_P_R,t即为t时段净负荷参考值P_N,t，不考虑线路安全约束，当净负荷取值为其分布区间的上、下边界时对应最严重的情况：

当净负荷为分布区间上边界时，需要的调整量为主动负荷可承担的最大调整量为主动负荷实际承担的调整量可表示为：

剩余的调整量需求为AGC机组i需要的调整量为：

式中，ρ_G,i,t为AGC机组i在t时段的参与因子；

当净负荷达到分布区间的下边界P _N,t时，需要的调整量为P_N,t-P _N,t；

主动负荷可承担的最大调整量为主动负荷实际承担的调整量P _A,t可表示为：

剩余的调整量需求为P_N,t_P _N,t_P _A,t；AGC机组i需要的调整量为：

AGC机组输出功率上下限约束为：

式中，分别为AGC机组i输出功率的上限和下限，为已知常数；

AGC机组爬坡速率约束为：

t时段AGC机组i输出功率最大值为最小值为P_G,i,t-P _G,i,t，爬坡速率约束可表示为：

式中，r_G,i为AGC机组i单位时间内的最大调整速度；Δt为时段长度；

频率偏差约束为：

式中，Δf^max为电网正常运行时所允许的最大频率偏差；

可再生能源发电运行区间约束为：

公式十七和公式十八表示协同的超前调度所决策的可再生能源发电运行区间与预测得到的可再生能源发电分布区间之间的关系；公式十九表示可再生能源发电计划值应在所决策运行区间范围内；

超前调度数学模型的执行周期为5min。

如图3所示，一种协同的超前调度数学模型的求解方法，具体包括以下步骤：

步骤a)、进行模型转换；

步骤b)、进行模型求解；

步骤c)、输出计算结果。

模型转换具体为将协同的超前调度数学模型转换为混合整数线性规划模型，包括为：

将公式八和公式十转化为一般形式。

将公式八转换为一般形式具体包括：

步骤a11)、引入0-1量使

式中，M为引入的数值较大的常数，当大于时，取值为1；当小于时，取值为0；

步骤a12)、引入如下约束：

使得公式八与公式二十一、公式二十二和公式二十三等效；

将公式十转换为一般形式具体包括：

步骤a21)、0-1量u _t，使得：

步骤a22)、引入如下约束：

-(1-u _t)M≤P _A,t-(P_N,t-P _N,t)≤0； (公式二十五)

使得公式十与公式二十四、公式二十五和公式二十六等效。

超前调度数学模型各时段对应的0-1量个数均为2个。

如图4所示，本发明的实施步骤如下：

(1)输入相关电网参数信息。主要包括：AGC机组的数量N、成本特性系数[a_G,1,a_G,2,a_G,3,b_G,1,b_G,2,b_G,3,]及线性化分段点输出功率[P_G,1,P_G,2]、输出功率的上下限值最大爬坡速度限值r_G，主动负荷允许的最大充放电功率限值电网正常运行时所允许的最大频率偏差Δf^max，前瞻周期内时段数量T，弃可再生能源发电惩罚系数γ。

(2)获取日前调度计算结果信息。主要包括：主动负荷允许的存储能量最大值和最小值[E^min,E^max]，主动负荷调度末时段预期的存储能量E^end，非AGC机组输出功率总和AGC机组和主动负荷最新的状态信息(即初始运行点P_G0，P_A0，E₀)。

(3)获取常规负荷预测和风电预测结果。主要包括：可再生能源发电超短期预测结果P_R和以及常规负荷超短期预测结果D和

(4)建立协同超前调度数学模型。根据输入的数据信息，建立以AGC机组输出功率基点P_G,t，主动负荷充/放电功率基点P_A,t，以及可再生能源发电运行区间为决策量的协同超前调度数学模型。

(5)通过模型变换降低求解难度。将模型转化为易于求解的混合整数线性规划模型。

(6)模型求解。采用内点割平面算法进行求解。

(7)输出计算结果。最终下发执行的决策量包括：下一时段AGC机组输出功率基点P_G,t，主动负荷充/放电功率基点P_A,t，以及可再生能源发电运行区间

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (8)

1.一种协同的电网超前调度模型的建立方法，其特征是，包括以下步骤：

步骤1)、获取相关的电网参数信息、日前调度决策结果信息、超短期负荷预测结果信息和风电预测结果信息；

步骤2)、以AGC机组运行成本和弃可再生能源发电最小为目标，结合运行约束条件以及与日前调度、AGC控制过程的关联性，建立协同的超前调度数学模型：

式中：T为前瞻周期内时段数量；N为AGC机组数量；γ_t为弃可再生能源发电惩罚系数；为预测得到的t时段可再生能源发电最大值，为t时段系统能够消纳的可再生能源发电最大值；cost_G,i,t为AGC机组的运行成本函数：

$\cos t_{G,i,t}=\left\{\begin{array}{c}{a}_{G,i,1}{P}_{G,i,t}+b_{G,i,1},P_{G,i,min}\&le;P_{G,i,t}<P_{G,i,1}\\ a_{G,i,2}{P}_{G,i,t}+b_{G,i,2},P_{G,i,1}\&le;P_{G,i,t}<P_{G,i,2}\\ a_{G,i,3}{P}_{G,i,t}+b_{G,i,3},P_{G,i,2}\&le;P_{G,i,t}<P_{G,i,\max }\end{array}\right.;$

式中：P_G,i,t为t时段AGC机组i输出功率基点；P_G,i,max和P_G,i,min分别为机组i输出功率的上限和下限；a_G,i,1、a_G,i,2、a_G,i,3、b_G,i,1、b_G,i,2、b_G,i,3为机组i的成本特性系数；P_G,i,1、P_G,i,2为线性化分段点的输出功率。

2.根据权利要求1所述的一种协同的电网超前调度模型的建立方法，其特征是，步骤1)中所述的电网参数信息包括AGC机组的数量N、成本特性系数[a_G,1,a_G,2,a_G,3,b_G,1,b_G,2,b_G,3,]及线性化分段点输出功率[P_G,1,P_G,2]、输出功率的上下限值最大爬坡速度限值r_G，主动负荷允许的最大充放电功率限值电网正常运行时所允许的最大频率偏差Δf^max，前瞻周期内时段数量T，弃可再生能源发电惩罚系数γ；

所述的日前调度决策结果信息包括主动负荷允许的存储能量最大值和最小值[E^min,E^max]，主动负荷调度末时段预期的存储能量E^end，非AGC机组输出功率总和P^* _NAGC，AGC机组和主动负荷最新的状态信息(即初始运行点P_G0，P_A0，E₀)；

所述的超短期负荷预测结果信息包括负荷超短期预测结果D和

所述的风电预测结果信息包括风力发电超短期预测结果P_R和

3.根据权利要求1所述的一种协同的电网超前调度模型的建立方法，其特征是，步骤2)中所述的运行约束条件包括基点功率平衡约束条件、主动负荷运行约束条件、应对不确定性约束条件、AGC机组输出功率上下限约束条件、AGC机组爬坡速率约束条件、频率偏差约束条件和风力发电运行区间约束条件；

所述的基点功率平衡约束条件为：

式中，P^* _NAGC,t为非AGC机组t时段输出功率的总和，根据日前调度结果确定，在模型中为已知量；P_R,t为t时段可再生能源发电计划值，为决策量；D_t为常规负荷在t时段超短期功率预测期望值，为固定量；P_A,t为主动负荷在t时段充/放电功率，为决策量，P_A,t大于0表示主动负荷充电，小于0表示放电；

所述的主动负荷运行约束条件为：

E_t＝E_t-1+P_A,t·Δt； (公式四)

E_T＝E^end； (公式六)

式中，为t时段主动负荷允许的最大充电功率，在模型中为已知量；E_t为主动负荷在t时段的存储能量值；分别为主动负荷t时段允许的存储能量最大值和最小值，E^end为调度末时段预期的存储能量，在模型中均为已知量,Δt为时段长度；

所述的应对不确定性约束条件为：

如果t时段常规负荷分布区间为得到t时段净负荷的分布区间其中，

公式二中D_t-P_R,t即为t时段净负荷参考值P_N,t，不考虑线路安全约束，当净负荷取值为其分布区间的上、下边界时对应最严重的情况：

当净负荷为分布区间上边界时，需要的调整量为主动负荷可承担的最大调整量为主动负荷实际承担的调整量可表示为：

剩余的调整量需求为AGC机组i需要的调整量为：

式中，ρ_G,i,t为AGC机组i在t时段的参与因子，为已知参数；

当净负荷达到分布区间的下边界P _N,t时，需要的调整量为P_N,t-P _N,t；

主动负荷可承担的最大调整量为主动负荷实际承担的调整量P _A,t可表示为：

剩余的调整量需求为P_N,t-P _N,t-P _A,t；AGC机组i需要的调整量为：

所述的AGC机组输出功率上下限约束为：

式中，分别为AGC机组i输出功率的上限和下限，为已知量；

所述的AGC机组爬坡速率约束为：

t时段AGC机组i输出功率最大值为最小值为P_G,i,t-P _G,i,t，爬坡速率约束可表示为：

式中，r_G,i为AGC机组i单位时间内的最大调整速度；Δt为时段长度；

所述的频率偏差约束为：

式中，Δf^max为电网正常运行时所允许的最大频率偏差；

所述的风力发电运行区间约束为：

公式十七和公式十八表示协同的超前调度所决策的风力发电运行区间与预测得到的风力发电分布区间之间的关系；公式十九表示风力发电计划值应在所决策运行区间范围内。

4.根据权利要求1-3任意一项所述的一种协同的电网超前调度模型的建立方法，其特征是，超前调度数学模型的执行周期为5min。

5.一种协同的超前调度数学模型的求解方法，利用权利要求1所述的协同的超前调度数学模型，其特征是，具体包括以下步骤：

步骤a)、进行模型转换；

步骤b)、进行模型求解；

步骤c)、输出计算结果。

6.根据权利要求5所述的一种协同的超前调度数学模型的求解方法，其特征是，所述的模型转换具体为将协同的超前调度数学模型转换为混合整数线性规划模型，包括为：

将公式八和公式十转化为一般形式。

7.根据权利要求6所述的一种协同的超前调度数学模型的求解方法，其特征是，将公式八转换为一般形式具体包括：

步骤a11)、引入0-1量使

式中，M为引入的数值较大的常数，当大于时，取值为1；当小于时，取值为0；

步骤a12)、引入如下约束：

使得公式八与公式二十一、公式二十二和公式二十三等效；

将公式十转换为一般形式具体包括：

步骤a21)、0-1量u _t，使得：

步骤a22)、引入如下约束：

-(1-u _t)M≤P _A,t-(P_N,t-P _N,t)≤0； (公式二十五)

使得公式十与公式二十四、公式二十五和公式二十六等效。

8.根据权利要求5-7任意一项所述的一种协同的超前调度数学模型的求解方法，其特征是，超前调度数学模型各时段对应的0-1量个数均为2个。