CN109193636A - 一种基于分类不确定集的电力系统环境经济鲁棒调度方法 - Google Patents

一种基于分类不确定集的电力系统环境经济鲁棒调度方法 Download PDF

Info

Publication number
CN109193636A
CN109193636A CN201811165535.9A CN201811165535A CN109193636A CN 109193636 A CN109193636 A CN 109193636A CN 201811165535 A CN201811165535 A CN 201811165535A CN 109193636 A CN109193636 A CN 109193636A
Authority
CN
China
Prior art keywords
power
uncertain
robust
wind
load
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811165535.9A
Other languages
English (en)
Other versions
CN109193636B (zh
Inventor
彭春华
刘兵
孙惠娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangxi Jiangtou Energy Technology Research Co ltd
East China Jiaotong University
Original Assignee
East China Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by East China Jiaotong University filed Critical East China Jiaotong University
Priority to CN201811165535.9A priority Critical patent/CN109193636B/zh
Publication of CN109193636A publication Critical patent/CN109193636A/zh
Application granted granted Critical
Publication of CN109193636B publication Critical patent/CN109193636B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Power Engineering (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种基于分类不确定集的电力系统环境经济鲁棒调度方法,所述方法构建基于分类概率机会约束的风电、光伏和负荷的不确定集合;并进一步提出将鲁棒性作为协同优化目标,综合考虑经济性和环保性,建立基于分类不确定集的电力系统环境经济鲁棒多目标优化调度模型,实现多目标优化决策。本发明充分考虑风电、光伏及负荷的随机性分布特征差异,实现了对优化调度方案鲁棒性的准确描述;首次将鲁棒性作为协同优化目标,消除了预先设定鲁棒度(或置信度)的主观性,可得到鲁棒性更为合理和综合满意度更高的优化调度方案。

Description

一种基于分类不确定集的电力系统环境经济鲁棒调度方法
技术领域
本发明涉及一种基于分类不确定集的电力系统环境经济鲁棒调度方法,属电力系统优化调度技术领域。
背景技术
伴随以风光为代表的清洁能源并网规模不断扩大,加之以多种负荷供应需求特殊,使得多种随机因素交织在一起,这给智能电网的优化调度带来了诸多新的挑战。在系统调度运行所涉及的随机因素中,风力发电、光伏发电以及负荷预测偏差等随机性对系统的影响尤为明显,则如何处理以上随机因素是处理大规模风光发电系统优化调度问题的关键所在。
鲁棒优化理论作为一种解决随机性、不确定性问题强有力的工具,其通过“集合”的形式描述变量的不确定性,使得约束条件在不确定变量取值于已知集合中所有可能值时都能够满足。但现有研究对于风电、光伏以及负荷的不确定集的建立通常是采用简单的平均分布或正态分布构造不确定集合,没有考虑差异性不确定因素随机分布的多态性,这往往会造成随机变量的假设分布与实际分布有所偏离,如风速近似是服从威布尔分布、光照强度近似服从贝塔分布等,从而使得风电和光伏等的随机分布特征往往并不能简单地用平均分布或正态分布来表征。
此外,由于随机变量达到最不利的边界概率通常很小,故传统鲁棒优化模型一般过于保守。为降低保守性,现有研究在经典盒式集合中引入不确定性预算系数提出了柔性鲁棒优化的概念,或基于一定置信水平的鲁棒区间建立调度模型,或采用概率边界来控制不确定集合大小以降低鲁棒调度策略的保守度等。虽然这些研究在一定程度上降低了系统的保守性,但是其控制不确定区间范围的参数往往采用的是主观枚举的形式试探寻优,并未涉及将鲁棒性也作为优化目标之一进行协同优化。
综合以上分析,现有的鲁棒优化调度模型中不确定集的设置方法没能充分体现差异性不确定因素随机分布的多态性,并且缺乏对鲁棒性的协同优化,难以得到合理准确的协调最优调度方案。
发明内容
本发明的目的是,针对现有的鲁棒优化调度模型中不确定集的设置方法没能充分体现差异性不确定因素随机分布的多态性,并且缺乏对鲁棒性的协同优化的问题,本发明提出一种基于分类不确定集的电力系统环境经济鲁棒调度方法。
实现本发明的技术方案如下,一种基于分类不确定集的电力系统环境经济鲁棒调度方法,所述方法首先通过充分考虑风电、光伏及负荷的随机性分布特征差异,构建基于分类概率机会约束的风电、光伏和负荷的不确定集合;再基于此分类不确定集,综合考虑经济性、环保性,并进一步将鲁棒性作为协同优化目标,建立电力系统环境经济鲁棒多目标优化调度模型;最后通过空间最短归一化距离的方法从多目标优化模型所得的一系列Pareto最优解集中决策出唯一解,实现多目标优化决策。
所述基于分类概率机会约束的风电、光伏和负荷的不确定集合构建如下:
本发明以分类概率机会约束不确定集不确定集合刻画风电、光伏及负荷的不确定性为了实现优化解的鲁棒性灵活可调以降低保守性,并充分体现不确定量随机分布概率对不确定区间范围的影响和偏差的不对称性,本发明提出了基于机会约束的可调节不确定集概念。定义如下含机会约束的区间变量Pj,t来表示不确定因素j在t时段出力不确定性:
式中:U为有界不确定集合;Pr()表示概率;代表不确定因素j在t时段预测出力;100%×(1-εt)代表在t时段不确定因素出力置信水平;Γ定义为鲁棒度,Γ设置越小则说明所得到的鲁棒方案对不确定性的容忍范围越小;分别为分类概率机会约束可调节鲁棒区间的上下限,通过对鲁棒度Γ的调节,可灵活伸缩不确定集区间;εt为显著性水平;表示对任意t时。
在此不确定集与调节参数即鲁棒度不再是简单的线性关系,而是基于各不确定因素在各时段的分类概率密度函数,由预测出力和设定的显著性水平εt确定。
(1)风电不确定集合建模:
设vwN为风机额定风速,PwN为风机额定输出功率,vin为切入风速,vout为切出风速,则在t时刻风电机组输出功率Pw,t与风速vt的关系表示为:
用kt、ct分别为t时刻形状参数和尺度参数,风速概率密度函数近似由威布尔分布描述:
综合以上两式进一步导出风电机组出力的概率密度函数fw(Pw,t)为:
其中,
为求得置信水平为1-εt下的风电出力置信区间的上下限先由风速累计分布的逆函数式求得预测值在概率为pw,t下的风速上下限;分别令求得风速上下限风速的概率密度如图1所示。
再由上式得风电功率不确定集合:
(2)光伏不确定集合建模:
设Ps,t为t时刻光伏阵列发电功率,PsN为光伏发电的额定功率,μs,t为t时刻光照强度的均值和方差,B(at,bt)为贝塔分布函数;太阳光照强度通常近似服从贝塔分布,由此得光伏输出功率概率密度函数为:
其中,
同理,由光伏累计分布的逆函数得在置信水平为1-εt下的光伏出力不确定集合如下:
Ps,t=F-1(ps,t|at,bt)={Ps,t:F(Ps,t|at,bt)=ps,t}
其中,为光伏出力上下限,光伏功率的概率密度如图2所示。
(3)负荷不确定集合建模:
各时段需求负荷预测误差近似服从均值为零的正态分布,若μD,t为t时刻的负荷预测值,为负荷预测方差,则t时刻需求负荷PD,t的正态分布概率密度函数为:
同理,由负荷累计分布的逆函数得在置信水平为1-εt下的需求负荷不确定集合如下:
PD,t=F-1(pD,ttt)={PD,t:F(PD,ttt)=pD,t}
其中,为负荷上下限,负荷的概率密度如图3所示。
所述基于一种不确定集的电力系统环境经济鲁棒多目标优化调度模型包括:
(1)经济性目标函数
将弃风弃光及切负荷的惩罚成本纳入到调度总成本中,构造如下经济性目标函数:
式中:C为总成本;T为调度的总时段数;n为发电机组总台数;Pi,t为常规机组i在时刻t输出有功功率;Pwaste,t和Pcut,t分别为时刻t弃风弃光功率和切负荷量;f(Pi,t)为常规发电机组单台燃料及考虑阀点效应成本;ai、bi、ci为常规机组i的燃料成本系数;di、ei为考虑阀点效应参数;fwaste(Pwaste,t)和fcut(Pcut,t)分别为弃风弃光惩罚成本及切负荷惩罚成本;κwaste,t和κcut,t分别为单位弃风弃光量和切负荷量的损失成本系数;
(2)环保性目标函数
环境目标综合考虑火电机组和弃风弃光两方面对环境造成的影响,其中弃风弃光对环境影响用系统单位电量对应的污染气体排放来表征:
式中:αi、βi、γi、λi为常规机组i的污染气体排放系数; 分别为火电机组生产单位电量SO2、NOX、TSP、CO2的排放量;
(3)鲁棒性目标函数
为充分体现调度方案的鲁棒性与经济性、环保性之间的相互制约关系,消除了现有研究中预先设定鲁棒度(或置信度)的主观性,得到鲁棒性更为合理的鲁棒优化方案,将鲁棒度作为协同优化目标,构造如下鲁棒性目标函数:
式中:当鲁棒度Γ为T时,系统的鲁棒性最强;
(4)约束条件
约束条件包括功率平衡约束、机组出力上下限约束、风电光伏的出力约束、机组爬坡约束、系统正负旋转备用约束、输电线路传输容量约束;
其中功率平衡约束式如下:
式中:Pi,t为常规机组i在时刻t出力,Ploss,t为t时刻网络损耗;
由于其中的Pw,t、Ps,t、PD,t为置信区间变量,系统要求常规机组在置信区间范围内都有能力满足系统功率平衡约束,为满足该项约束,还应对系统旋转备用进行处理;考虑若在置信区间极限场景下能满足功率平衡约束,则在该置信区间范围内均能满足,通过区间变量转化过程将功率平衡约束式转化为无区间变量的形式。
所述区间变量转化过程将功率平衡约束式转化为无区间变量的形式如下:
设风、光出力及负荷为预测出力时的场景为置信区间内下限出力时的场景为Sl,置信区间内上限出力时的场景为Su,鲁棒调度要求在上述三种场景下均满足功率平衡约束,并且常规机组的运行点要求在调整时间内完成过渡;则有:
鲁棒调度计划要求在预测场景下经济性最优,在置信区间上下限场景内满足系统及常规机组特性要求;因此,当t时刻系统旋转备用能够满足不确定因素在范围内的所有波动时,则弃风弃光和切负荷量均为零;否则,基于风电、光伏及负荷的联合概率进一步计算出弃风弃光和切负荷量。
所述多目标优化决策采用基于空间最短归一化距离的多目标总体最优决策方法,
将每个帕累托非劣解中各目标函数对应的满意度用模糊隶属度函数来表示,定义如下:
式中:Nobj为目标函数个数;fi max和fi min分别为第i个目标函数的最大值和最小值;hi为1或0时,则分别代表第i个目标函数值完全满意或完全不满意;
将计算所得的各帕累托非劣解满意度映射到一个归一化的三维目标,即环保性、经济性和鲁棒性的满意度空间中,该三维空间中的点O(1,1,1)对应为所有目标均达到最大满意度的虚拟理想解;计算各非劣解映射在多目标满意度空间中的位置与点O之间的距离,并进行比较;其中与点O距离最短的非劣解最接近理想解,其总体满意度最高,则将其确定为总体最优解,作为最终的最优实施方案。
上述基于空间最短归一化距离的总体最优解决策方法的示意图如图4所示。
本发明的有益效果是,本发明首次将鲁棒性作为协同优化目标,消除了预先设定鲁棒度(或置信度)的主观性,使得鲁棒优化方案的鲁棒度设置更为合理,满意度更高。本发明充分考虑风电、光伏及负荷的随机性分布特征差异,构建了新型的基于分类概率机会约束的不确定集合,以实现对优化调度方案鲁棒性的准确描述;本发明基于分类不确定集,综合考虑经济性、环保性和鲁棒性三者的相互制约关系,建立了电力系统环境经济鲁棒多目标优化调度模型,实现多目标优化调度决策。
附图说明
图1为风速概率密度图;
图2为光伏功率概率密度图;
图3为负荷的概率密度图;
图4为总体最优解决策方法示意图;
图5为本发明电力系统环境经济鲁棒调度方法步骤框图。
具体实施方式
本发明的具体实施方式如图5所示。
本实施例基于分类不确定集的电力系统环境经济鲁棒调度方法步骤如下:
第一步:构建分类概率机会约束的不确定集合;
首先利用本发明提出的基于分类概率机会约束的不确定集合构建方法,分别构建风电、光伏和负荷的不确定集合模型。用100%×(1-εt)代表在t时段不确定因素出力置信水平,Γ代表鲁棒度;Γ设置越小则说明所得到的鲁棒方案对不确定性的可容忍范围越小,通过对鲁棒度Γ的调节,可灵活伸缩不确定集区间。在此各类不确定集与鲁棒度不再是简单的线性关系,而是基于各不确定因素在各时段的分类概率密度函数,由预测功率和设定的显著性水平εt确定,可充分体现差异性不确定因素随机分布的多态性。
第二步:构建电力系统环境经济鲁棒多目标优化调度模型;
基于分类概率机会约束不确定集合构建的电力系统环境经济鲁棒多目标优化调度模型,模型中包括经济性、环保性和鲁棒性三个目标函数和功率平衡、机组出力上下限、机组爬坡速率、系统正负旋转备用、输电线路传输容量等约束条件,并进行区间变量转化。
第三步:多目标优化求解与决策。
可采用基于改进微分进化变异机制的多目标分子微分进化算法求解上述复杂的多目标优化模型。该算法利用基于分子间作用力的进化变异机制,巧妙兼顾了微分进化的高效性和种群个体的多样性,可实现高效而持续的深度寻优,得到电力系统环境经济鲁棒多目标优化调度的一系列帕累托非劣解。由于实际决策者一般只需要一种最优折中的实施方案,为此,可进一步采用一种基于空间最短归一化距离的多目标总体最优决策方法进行多目标优化决策:
将每个帕累托非劣解中各目标函数对应的满意度用模糊隶属度函数来表示,定义如下:
式中:Nobj为目标函数个数;fi max和fi min分别为第i个目标函数的最大值和最小值;hi为1或0时,则分别代表第i个目标函数值完全满意或完全不满意。
将计算所得的各帕累托非劣解满意度映射到一个归一化的三维目标(环保性、经济性和鲁棒性)满意度空间中,该三维空间中的点O(1,1,1)对应为所有目标均达到最大满意度的虚拟理想解。计算各非劣解映射在多目标满意度空间中的位置与点O之间的距离,并进行比较。其中与点O距离最短的非劣解最接近理想解,其总体满意度最高,则可将其确定为总体最优解,作为最终的最优实施方案。
通过上述步骤,最终使得风电、光伏及负荷的不确定集合构建得更加精细、准确,相比于以往粗糙的不确定集,能更准确地反映实际的鲁棒优化效果;通过将鲁棒度纳入协同优化目标,建立环境经济鲁棒多目标优化调度模型,充分考虑了经济性、环保性和鲁棒性三者间的相互制约关系,消除了鲁棒性预先设定的主观性,可得到鲁棒性更为合理和综合满意度更高的鲁棒优化调度方案。

Claims (3)

1.一种基于分类不确定集的电力系统环境经济鲁棒调度方法,其特征在于,所述方法构建基于分类概率机会约束的风电、光伏和负荷的不确定集合;并进一步提出将鲁棒性作为协同优化目标,综合考虑经济性和环保性,建立基于分类不确定集的电力系统环境经济鲁棒多目标优化调度模型,实现多目标优化决策。
2.根据权利要求1所述的一种基于分类不确定集的电力系统环境经济鲁棒调度方法,其特征在于,所述基于分类概率机会约束的风电、光伏和负荷的不确定集合构建如下:
以分类概率机会约束不确定集合,不确定集合刻画风电、光伏及负荷的不确定性;定义以下含机会约束的区间变量Pj,t来表示不确定因素j在t时段出力不确定性:
式中:U为有界不确定集合;Pr()表示概率;代表不确定因素j在t时段预测出力;100%×(1-εt)代表在t时段不确定因素出力置信水平;Γ定义为鲁棒度,Γ设置越小则说明所得到的鲁棒方案对不确定性的容忍范围越小; 分别为分类概率机会约束可调节鲁棒区间的上下限,通过对鲁棒度Γ的调节,可灵活伸缩不确定集区间;εt为显著性水平;表示对任意t时;
在此不确定集与调节参数即鲁棒度不再是简单的线性关系,而是基于各不确定因素在各时段的分类概率密度函数,由预测出力和设定的显著性水平εt确定;基于分类概率机会约束的不确定集合建模包括:
(1)风电不确定集合建模:
设vwN为风机额定风速,PwN为风机额定输出功率,vin为切入风速,vout为切出风速,则在t时刻风电机组输出功率Pw,t与风速vt的关系表示为:
用kt、ct分别为t时刻形状参数和尺度参数,风速概率密度函数近似由威布尔分布描述:
综合以上两式进一步导出风电机组出力的概率密度函数fw(Pw,t)为:
其中,
为求得置信水平为1-εt下的风电出力置信区间的上下限先由风速累计分布的逆函数式求得预测值在概率为pw,t下的风速上下限;分别令求得风速上下限再由上式得风电功率不确定集合:
(2)光伏不确定集合建模:
设Ps,t为t时刻光伏阵列发电功率,PsN为光伏发电的额定功率,μs,t为t时刻光照强度的均值和方差,B(at,bt)为贝塔分布函数;太阳光照强度通常近似服从贝塔分布,由此得光伏输出功率概率密度函数为:
其中,
同理,由光伏累计分布的逆函数得在置信水平为1-εt下的光伏出力不确定集合如下:
Ps,t=F-1(ps,t|at,bt)={Ps,t:F(Ps,t|at,bt)=ps,t}
其中,为光伏出力上下限;
(3)负荷不确定集合建模:
各时段需求负荷预测误差近似服从均值为零的正态分布,若μD,t为t时刻的负荷预测值,为负荷预测方差,则t时刻需求负荷PD,t的正态分布概率密度函数为:
同理,由负荷累计分布的逆函数得在置信水平为1-εt下的需求负荷不确定集合如下:
PD,t=F-1(pD,ttt)={PD,t:F(PD,ttt)=pD,t}
其中,为负荷上下限。
3.根据权利要求1所述的一种基于分类不确定集的电力系统环境经济鲁棒调度方法,其特征在于,所述基于一种不确定集的电力系统环境经济鲁棒多目标优化调度模型将鲁棒度纳入协同优化目标,充分考虑了经济性、环保性和鲁棒性三者间的相互制约关系,消除了鲁棒性预先设定的主观性;环境经济鲁棒多目标优化调度模型包括:
(1)经济性目标函数
将弃风弃光及切负荷的惩罚成本纳入到调度总成本中,构造如下经济性目标函数:
式中:C为总成本;T为调度的总时段数;n为发电机组总台数;Pi,t为常规机组i在时刻t输出有功功率;Pwaste,t和Pcut,t分别为时刻t弃风弃光功率和切负荷量;f(Pi,t)为常规发电机组单台燃料及考虑阀点效应成本;ai、bi、ci为常规机组i的燃料成本系数;di、ei为考虑阀点效应参数;fwaste(Pwaste,t)和fcut(Pcut,t)分别为弃风弃光惩罚成本及切负荷惩罚成本;κwaste,t和κcut,t分别为单位弃风弃光量和切负荷量的损失成本系数;
(2)环保性目标函数
环境目标综合考虑火电机组和弃风弃光两方面对环境造成的影响,其中弃风弃光对环境影响用系统单位电量对应的污染气体排放来表征:
式中:αi、βi、γi、λi为常规机组i的污染气体排放系数;ETSP分别为火电机组生产单位电量SO2、NOX、TSP、CO2的排放量;
(3)鲁棒性目标函数
将鲁棒度作为协同优化目标,以充分体现调度方案的鲁棒性与经济性、环保性之间的相互制约关系,消除了现有研究中预先设定鲁棒度或置信度的主观性,构造如下鲁棒性目标函数:
式中:当鲁棒度Γ为T时,系统的鲁棒性最强;
(4)约束条件
约束条件包括功率平衡约束、机组出力上下限约束、风电光伏的出力约束、机组爬坡约束、系统正负旋转备用约束、输电线路传输容量约束;
考虑若在置信区间极限场景下能满足功率平衡约束,则在该置信区间范围内均能满足,通过区间变量转化过程将功率平衡约束式转化为无区间变量的形式;设风、光出力及负荷为预测出力时的场景为置信区间内下限出力时的场景为Sl,置信区间内上限出力时的场景为Su,鲁棒调度要求在上述三种场景下均满足功率平衡约束,并且常规机组的运行点要求在调整时间内完成过渡;当t时刻系统旋转备用能够满足不确定因素在范围内的所有波动时,则弃风弃光和切负荷量均为零;否则,基于风电、光伏及负荷的联合概率进一步计算出弃风弃光和切负荷量。
CN201811165535.9A 2018-10-08 2018-10-08 一种基于分类不确定集的电力系统环境经济鲁棒调度方法 Active CN109193636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811165535.9A CN109193636B (zh) 2018-10-08 2018-10-08 一种基于分类不确定集的电力系统环境经济鲁棒调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811165535.9A CN109193636B (zh) 2018-10-08 2018-10-08 一种基于分类不确定集的电力系统环境经济鲁棒调度方法

Publications (2)

Publication Number Publication Date
CN109193636A true CN109193636A (zh) 2019-01-11
CN109193636B CN109193636B (zh) 2021-09-14

Family

ID=64947166

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811165535.9A Active CN109193636B (zh) 2018-10-08 2018-10-08 一种基于分类不确定集的电力系统环境经济鲁棒调度方法

Country Status (1)

Country Link
CN (1) CN109193636B (zh)

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110311427A (zh) * 2019-06-18 2019-10-08 华北电力大学 计及故障概率的两阶段n-k鲁棒故障约束机组组合方法
CN110336308A (zh) * 2019-05-29 2019-10-15 广东电网有限责任公司 一种基于机会约束的主动配电网经济调度方法
CN110956329A (zh) * 2019-12-02 2020-04-03 国网浙江省电力有限公司绍兴供电公司 基于分布式光伏与电动汽车时空分布的负荷预测方法
CN110985294A (zh) * 2019-12-10 2020-04-10 华北电力大学 一种鲁棒概率tube联合使用的随机模型预测控制方法
CN111416352A (zh) * 2020-04-29 2020-07-14 华北电力大学 一种多能源耦合系统的调度方法及计算设备
CN111541278A (zh) * 2020-06-28 2020-08-14 长沙理工大学 一种基于信息熵刻画电力需求侧响应效果的指标
CN111563699A (zh) * 2020-05-29 2020-08-21 国网山东省电力公司经济技术研究院 考虑灵活性需求的电力系统分布鲁棒实时调度方法及系统
CN111600300A (zh) * 2020-05-21 2020-08-28 云南电网有限责任公司大理供电局 考虑风电功率多元相关性椭球集合的鲁棒优化调度方法
CN111697581A (zh) * 2020-08-17 2020-09-22 国网江西省电力有限公司电力科学研究院 一种基于机会约束gmm的csp-chpmg鲁棒调度方法
CN112053034A (zh) * 2020-08-11 2020-12-08 云南电网有限责任公司 考虑风电不确定性分布特征的电网可调节鲁棒优化调度方法
CN112072708A (zh) * 2020-07-27 2020-12-11 中国电力科学研究院有限公司 一种提升电力系统风电消纳水平的方法
CN112613671A (zh) * 2020-12-28 2021-04-06 上海电力大学 考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法
CN112927098A (zh) * 2021-01-29 2021-06-08 国网内蒙古东部电力有限公司 一种考虑源荷不确定性的电网经济调度综合性评估方法
CN112952914A (zh) * 2021-01-27 2021-06-11 云南电网有限责任公司电力科学研究院 一种多能互补电力系统多目标运行优化方法
CN112967085A (zh) * 2021-02-20 2021-06-15 天津大学 日前市场节点边际电价的确定方法及其确定系统
CN113193600A (zh) * 2021-03-19 2021-07-30 山东大学 计及风电概率分布不确定性的电力系统调度方法及装置
CN113343167A (zh) * 2021-08-02 2021-09-03 国网江西省电力有限公司电力科学研究院 一种多场景置信间隙决策风光储联合规划方法
CN113410838A (zh) * 2021-06-22 2021-09-17 天津大学 一种配电网多目标鲁棒优化模型帕累托最优解分析方法
CN113949084A (zh) * 2021-09-01 2022-01-18 上海电力大学 一种基于非线性分位数区间预测的充放电优化调度方法
CN115471006A (zh) * 2022-09-30 2022-12-13 国网能源研究院有限公司 一种考虑风电出力不确定性的电源规划方法及系统
CN115729198A (zh) * 2022-12-02 2023-03-03 福州大学 考虑物料到料时间不确定的鲁棒优化成组生产方法
CN116316894A (zh) * 2023-03-29 2023-06-23 东华大学 一种基于鲁棒估计和双重进化的微电网电力调度优化方法
CN116992242A (zh) * 2023-09-26 2023-11-03 华北电力大学 一种火电-储能联合检修优化方法、系统及电子设备
CN117541019A (zh) * 2024-01-04 2024-02-09 长江水利委员会水文局 一种梯级水库中长期鲁棒优化调度方法、系统及存储介质
CN116316894B (zh) * 2023-03-29 2024-05-24 东华大学 一种基于鲁棒估计和双重进化的微电网电力调度优化方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140025351A1 (en) * 2012-07-17 2014-01-23 International Business Machines Corporation Planning economic energy dispatch in electrical grid under uncertainty
CN104809327A (zh) * 2014-09-02 2015-07-29 长沙理工大学 含新能源电力调度矩不确定分布鲁棒优化方法
CN105550766A (zh) * 2015-12-04 2016-05-04 山东大学 一种含可再生能源的微网鲁棒多目标运行优化方法
CN106327091A (zh) * 2016-08-26 2017-01-11 清华大学 基于鲁棒联络线计划的多区域异步协调动态经济调度方法
CN106712010A (zh) * 2017-01-23 2017-05-24 南京邮电大学 大规模间歇式能源接入的混合能源多目标鲁棒优化方法
CN107622324A (zh) * 2017-09-01 2018-01-23 燕山大学 一种考虑多微网能量交互的鲁棒环境经济调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140025351A1 (en) * 2012-07-17 2014-01-23 International Business Machines Corporation Planning economic energy dispatch in electrical grid under uncertainty
CN104809327A (zh) * 2014-09-02 2015-07-29 长沙理工大学 含新能源电力调度矩不确定分布鲁棒优化方法
CN105550766A (zh) * 2015-12-04 2016-05-04 山东大学 一种含可再生能源的微网鲁棒多目标运行优化方法
CN106327091A (zh) * 2016-08-26 2017-01-11 清华大学 基于鲁棒联络线计划的多区域异步协调动态经济调度方法
CN106712010A (zh) * 2017-01-23 2017-05-24 南京邮电大学 大规模间歇式能源接入的混合能源多目标鲁棒优化方法
CN107622324A (zh) * 2017-09-01 2018-01-23 燕山大学 一种考虑多微网能量交互的鲁棒环境经济调度方法

Cited By (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110336308A (zh) * 2019-05-29 2019-10-15 广东电网有限责任公司 一种基于机会约束的主动配电网经济调度方法
CN110311427B (zh) * 2019-06-18 2020-12-01 华北电力大学 计及故障概率的两阶段n-k鲁棒故障约束机组组合方法
CN110311427A (zh) * 2019-06-18 2019-10-08 华北电力大学 计及故障概率的两阶段n-k鲁棒故障约束机组组合方法
CN110956329B (zh) * 2019-12-02 2023-04-25 国网浙江省电力有限公司绍兴供电公司 基于分布式光伏与电动汽车时空分布的负荷预测方法
CN110956329A (zh) * 2019-12-02 2020-04-03 国网浙江省电力有限公司绍兴供电公司 基于分布式光伏与电动汽车时空分布的负荷预测方法
CN110985294A (zh) * 2019-12-10 2020-04-10 华北电力大学 一种鲁棒概率tube联合使用的随机模型预测控制方法
CN111416352A (zh) * 2020-04-29 2020-07-14 华北电力大学 一种多能源耦合系统的调度方法及计算设备
CN111416352B (zh) * 2020-04-29 2023-08-15 华北电力大学 一种多能源耦合系统的调度方法及计算设备
CN111600300B (zh) * 2020-05-21 2023-05-09 云南电网有限责任公司大理供电局 考虑风电功率多元相关性椭球集合的鲁棒优化调度方法
CN111600300A (zh) * 2020-05-21 2020-08-28 云南电网有限责任公司大理供电局 考虑风电功率多元相关性椭球集合的鲁棒优化调度方法
CN111563699A (zh) * 2020-05-29 2020-08-21 国网山东省电力公司经济技术研究院 考虑灵活性需求的电力系统分布鲁棒实时调度方法及系统
CN111541278A (zh) * 2020-06-28 2020-08-14 长沙理工大学 一种基于信息熵刻画电力需求侧响应效果的指标
CN112072708A (zh) * 2020-07-27 2020-12-11 中国电力科学研究院有限公司 一种提升电力系统风电消纳水平的方法
CN112053034A (zh) * 2020-08-11 2020-12-08 云南电网有限责任公司 考虑风电不确定性分布特征的电网可调节鲁棒优化调度方法
CN112053034B (zh) * 2020-08-11 2022-08-05 云南电网有限责任公司 一种考虑风电不确定性分布特征的电网可调节鲁棒优化调度方法
CN111697581A (zh) * 2020-08-17 2020-09-22 国网江西省电力有限公司电力科学研究院 一种基于机会约束gmm的csp-chpmg鲁棒调度方法
CN112613671A (zh) * 2020-12-28 2021-04-06 上海电力大学 考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法
CN112613671B (zh) * 2020-12-28 2022-04-01 上海电力大学 考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法
CN112952914A (zh) * 2021-01-27 2021-06-11 云南电网有限责任公司电力科学研究院 一种多能互补电力系统多目标运行优化方法
CN112952914B (zh) * 2021-01-27 2023-04-21 云南电网有限责任公司电力科学研究院 一种多能互补电力系统多目标运行优化方法
CN112927098A (zh) * 2021-01-29 2021-06-08 国网内蒙古东部电力有限公司 一种考虑源荷不确定性的电网经济调度综合性评估方法
CN112927098B (zh) * 2021-01-29 2023-10-27 国网内蒙古东部电力有限公司 一种考虑源荷不确定性的电网经济调度综合性评估方法
CN112967085A (zh) * 2021-02-20 2021-06-15 天津大学 日前市场节点边际电价的确定方法及其确定系统
CN113193600A (zh) * 2021-03-19 2021-07-30 山东大学 计及风电概率分布不确定性的电力系统调度方法及装置
CN113193600B (zh) * 2021-03-19 2022-08-09 山东大学 计及风电概率分布不确定性的电力系统调度方法及装置
CN113410838A (zh) * 2021-06-22 2021-09-17 天津大学 一种配电网多目标鲁棒优化模型帕累托最优解分析方法
CN113343167A (zh) * 2021-08-02 2021-09-03 国网江西省电力有限公司电力科学研究院 一种多场景置信间隙决策风光储联合规划方法
CN113343167B (zh) * 2021-08-02 2021-12-31 国网江西省电力有限公司电力科学研究院 一种多场景置信间隙决策风光储联合规划方法
CN113949084A (zh) * 2021-09-01 2022-01-18 上海电力大学 一种基于非线性分位数区间预测的充放电优化调度方法
CN113949084B (zh) * 2021-09-01 2023-10-31 上海电力大学 一种基于非线性分位数区间预测的充放电优化调度方法
CN115471006A (zh) * 2022-09-30 2022-12-13 国网能源研究院有限公司 一种考虑风电出力不确定性的电源规划方法及系统
CN115729198A (zh) * 2022-12-02 2023-03-03 福州大学 考虑物料到料时间不确定的鲁棒优化成组生产方法
CN116316894A (zh) * 2023-03-29 2023-06-23 东华大学 一种基于鲁棒估计和双重进化的微电网电力调度优化方法
CN116316894B (zh) * 2023-03-29 2024-05-24 东华大学 一种基于鲁棒估计和双重进化的微电网电力调度优化方法
CN116992242A (zh) * 2023-09-26 2023-11-03 华北电力大学 一种火电-储能联合检修优化方法、系统及电子设备
CN116992242B (zh) * 2023-09-26 2023-12-22 华北电力大学 一种火电-储能联合检修优化方法、系统及电子设备
CN117541019B (zh) * 2024-01-04 2024-03-26 长江水利委员会水文局 一种梯级水库中长期鲁棒优化调度方法、系统及存储介质
CN117541019A (zh) * 2024-01-04 2024-02-09 长江水利委员会水文局 一种梯级水库中长期鲁棒优化调度方法、系统及存储介质

Also Published As

Publication number Publication date
CN109193636B (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
CN109193636A (zh) 一种基于分类不确定集的电力系统环境经济鲁棒调度方法
CN110571789B (zh) 数据驱动下基于风电不确定性的电热气网三阶段调度方法
CN109767105B (zh) 一种基于风光水火储联合系统的多能互补协调发电调度方法
CN108063451B (zh) 一种提高风电接纳能力的电网多元优化调度方法
CN106099993B (zh) 一种适应新能源大规模接入的电源规划方法
CN102509175B (zh) 分布式供电系统可靠性优化方法
CN109103926A (zh) 基于多辐照特性年气象场景的光伏发电接纳能力计算方法
CN104299173B (zh) 一种适用于多种能源接入的鲁棒优化日前调度方法
CN108090632B (zh) 基于鲁棒优化的新能源并网电力系统多时间尺度调度方法
CN113255992A (zh) 一种园区级多能互补系统优化调度方法及装置
CN105024398A (zh) 一种基于最优风电置信度的优化调度方法
CN116187601B (zh) 一种基于负荷预测的综合能源系统运行优化方法
CN110322056A (zh) 一种计及中央空调系统的虚拟电厂随机自适应鲁棒优化调度方法
CN107800153A (zh) 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法
An et al. Coordinative optimization of hydro-photovoltaic-wind-battery complementary power stations
CN109886446A (zh) 基于改进混沌粒子群算法的电力系统动态经济调度方法
CN112418488B (zh) 一种基于两阶段能量优化的综合能源系统调度方法及装置
CN111934366A (zh) 一种提高风电接纳能力的电网多元优化调度方法
CN110400056A (zh) 基于风光时空特性的梯级水电日前优化调度方法及装置
CN112531687A (zh) 含热电联合机组的综合能源系统周前机组组合优化方法
CN115051388A (zh) 一种基于分布鲁棒的“源-网-荷-储”两阶段调度优化方法
CN111064230A (zh) 一种电热耦合系统的弃风消纳经济调度方法
CN113078684B (zh) 一种基于双层优化的区域能源社区规划方法
CN113723793A (zh) 园区综合能源系统的实现方法、装置、设备和介质
CN117013522A (zh) 考虑分布式电源和气电协同的综合能源系统调度优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210827

Address after: 330096 room 503, Ganneng building, No. 199, torch street, high tech Industrial Development Zone, Nanchang, Jiangxi Province

Applicant after: Jiangxi Jiangtou power technology and Test Research Co.,Ltd.

Applicant after: East China Jiaotong University

Address before: No.808, Shuanggang East Street, Nanchang, Jiangxi Province

Applicant before: East China Jiaotong University

GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: Room 205, Innovation Building, No. 201 Torch Street, Nanchang High-tech Industrial Development Zone, Nanchang City, Jiangxi Province 330000

Patentee after: Jiangxi Jiangtou Energy Technology Research Co.,Ltd.

Patentee after: East China Jiaotong University

Address before: 330096 room 503, Ganneng building, No. 199, torch street, high tech Industrial Development Zone, Nanchang, Jiangxi Province

Patentee before: Jiangxi Jiangtou power technology and Test Research Co.,Ltd.

Patentee before: East China Jiaotong University