CN109713732A - 一种多微电网和配电网协调优化调度的方法 - Google Patents

Abstract

本发明揭示了一种多微电网和配电网协调优化调度的方法，该方法包括如下步骤：S1：建立上层配电网优化调度模型；S2：建立下层多微电网优化调度模型；S3：根据S1步骤和S2步骤建立的上下两层调度模型之间的交互变量进行解耦，将上下两层调度模型整合起来，建立双层优化调度模型；S4：根据S3步骤得到的双层优化调度模型，再根据目标分流法设置双层循环确定最优策略。该技术方案综合考虑了配电网和微电网各自不同的优化决策目标以及微电网内部的可中断负荷和电动汽车的影响。通过双层规划和负荷、发电预测，在满足约束条件的前提下实现了微电网与配电网整体效益的最大化，解决了传统微电网系统优化调度中忽略微电网利益只考虑配电网自身的收益问题。

Description

一种多微电网和配电网协调优化调度的方法

技术领域

本发明涉及一种多微电网和配电网协调优化调度的方法，可用于电力系统自动化调度技术领域。

背景技术

随着新能源技术的大力发展，大量分布式电源、储能系统等开始接入配电网，配电网从传统的单向潮流变成双向的复杂系统。分布式能源的大量使用虽然有助与提高系统环境效益，但其出力的波动性和依赖运行环境的随机性对配电网系统的安全稳定运行带来了不小的挑战。微电网技术的发展让分布式电源、储能设备和可控负荷等组成一个可以实现自我管理和控制的小型系统，从而很大程度上解决大量分布式电源接入对配电网的负面效果。目前大部分研究都集中在单微电网自身的能量管理和优化，对多微电网接入配电网系统这方面的关注较少。多个微电网组成多微电网系统后参与到配电网系统的优化调度必定会成为以后的发展趋势，本发明将配电网和多微电网系统分成两层，通过科学处理配电网系统和多微电网系统间的交互关系，实现新能源的有效利用、微电网之间的资源互补以及双层系统的整体效益最大化。

配电网系统和多微电网系统作为两个相互独立的自治系统，有着不同的优化调度目标，拟用双层规划的方法将整个主动配电网系统分成配电网层和微电网层，兼顾两个系统的自身利益同时又可以实现整体利益的最大化，避免了传统集中式优化只能有一个主体的不足；在多微电网系统的优化调度中，很少考虑到微电网内部的可中断负荷以及新能源电动汽车的大量接入。

发明内容

本发明的目的就是为了解决现有技术中存在的上述问题，提出一种多微电网和配电网协调优化调度的方法。

本发明的目的将通过以下技术方案得以实现：一种多微电网和配电网协调优化调度的方法，该方法包括如下步骤：

S1：建立上层配电网优化调度模型；

S2：建立下层多微电网优化调度模型；

S3：根据S1步骤和S2步骤建立的上下两层调度模型之间的交互变量进行解耦，将上下两层调度模型整合起来，建立双层优化调度模型；

S4：根据S3步骤得到的双层优化调度模型，再根据目标分流法设置双层循环确定最优策略。

优选地，在所述S1步骤中，上层配电网层的优化目标设置如下：

配网层优化目标：

min F_up＝λ₁P_S+λ₂U+λ₃P_MG (1)

配电网网损：

节点电压波动：

交换功率波动：

式中λ₁、λ₂、λ₃为相对应的权值系数；P_S为配电网线路损耗；U为系统内各个节点电压的标准差，反映了节点电压的变化程度；P_MG为每个调度时间微电网向配电网输出的功率大小；R_l为相应线路的电阻值；P_l，t、Q_l，t、V_l，t相应线路中的有功功率和无功功率以及线路上的电压值；L为线路总数；T为总的调度时间段。U_j，t为相应时间点的节点电压值；为配电网内节点电压变化的均值，将电压波动限制在一个合理范围内；J为节点总数；N为接入配电网的微电网总数；P_MG-i，t为微电网i在时间段t向配电网输出的功率；

约束条件：

(1)配电网潮流约束：

式中分别为分布式电源出力、负荷大小和微电网交换功率；z为配电网节点；x为与其相连接的节点；G_z，x、B_z，x为相应节点间的导纳值；U_x，t为相应节点潮流计算得到的电压；θ为相角差；

(2)连接点传输功率和电压约束：

式中max P_MG-i，t、max U_j，t为公共连接点能承受的最大功率和电压值；min P_MG-i，t、min U_j，t为对应的最小值；

(3)配电网节点电压和支路传输功率约束：

式中V_z，t为节点z在相应时刻的电压；S为在t时刻流过的视在功率。

优选地，在所述S2步骤中，

微电网层优化目标：

minF_MG-i＝F_G，i+F_mg，i+F_ess，i+F_IL，i (9)

式中F_MG-i为微电网i的总成本，F_G，i为发电成本，F_mg，i为微电网与配电网交互成本正值为购电成本，负值为卖电收益；F_ess，i为微电网内储能装置的损耗成本；F_IL，i为微电网切除的可中断负荷成本；

发电成本：

式中P_G，i，k为微电网i中分布式电源k的出力；a、b、c为对应电源的发电成本系数；

微电网与配电网交互成本：

式中P_MG-i，t为微电网与配电网的交互功率；δ为当前时间段的电价；P_WT-i，t为微电网内风机发电量；P_MT-i，t为微电网微型燃气轮机发电量；P_PV-i，t为微电网光伏发电量；P_EV-i，t为微电网内可调度的新能源汽车电量；P_ESS-i，t为微电网内储能可用电量；P_load-i，t为微电网当前时间负荷预测值；

储能损耗成本：

式中P_ch、P_dis为储能装置在时间段充电功率和放电功率；λ_dis、λ_ch为相应的成本系数；

可中断负荷切除成本：

式中λ_IL为可中断负荷切除价格；P_IL为微电网i内切除的可中断负荷数量；

约束条件：

(1)功率平衡约束：

ΣP_MT-i(t)+P_PV-i(t)+P_EV-i(t)+P_WT-i(t)+P_ESS-i(t)＝P_load-1(t)+P_IL-i(t) (15)

P_ESS-i，t＝P_ch(t)-P_dis(t) (16)

式中P_WT-i，t为微电网内风机发电量；P_MT-i，t为微电网微型燃气轮机发电量；P_PV-i，t为微电网光伏发电量；P_EV-i，t为微电网内可调度的新能源汽车电量；P_ESS-i，t为微电网内储能可用电量；P_load-i，t为微电网当前时间负荷预测值；P_ch、P_dis为储能装置在时间段充电功率和放电功率；

(2)爬坡约束：

式中P_up，i，k为微电网i中分布式电源k的爬升功率；P_down，i，k为对应的下降功率；

(3)分布式电源出力约束：

P_{G，i，k，min}≤P_G，i，k≤P_{G，i，k，max} (18)

式中P_{G，i，k，min}、P_{G，i，k，max}为微电网i中分布式电源k的有功输出最小值和最大值；

(4)储能装置使用约束：

式中ESS(t)为储能装置当前容量；ESS_min、ESS_max为储能装置健康运行允许的最低容量和最大容量；

(5)电动汽车蓄电池约束：

(6)电动汽车跨区域移动约束：

式中X_i，on为微电网中i能参与微电网调度的电动汽车数量；EV_i，x(t)为电动汽车x储能装置当前容量；EV_i，x，min、EV_i，x，max为电动汽车能够提供的最大容量和最小容量；X_i，move为参与跨区域调度的电动汽车，电动汽车不可连续移动；

(7)微电网间交互功率约束：

式中为微电网间联络线允许的最大功率。

优选地，在所述S3步骤中，

设置配网层对微电网层的变量为口，微电网层对配网层的变量为β。解耦后的模型为：

α-β＝0 (23)

上层：

下层：

式中λ为罚函数系数；α^*为配电网层罚函数参考值，与微电网层优化结果相关；β^*为微电网层罚函数参考值，与配电网层优化结果相关。

优选地，在所述S4步骤中，利用基于多级分层的分布式算法目标分流法求解双层优化调度模型，通过内外双层迭代找到配网层和微电网层双赢的最优解。

优选地，利用基于多级分层的分布式算法目标分流法求解双层优化调度模型的步骤如下：

(10)系统参数初始化；

内层循环次数M＝1，外层循环K＝1，设置初始好罚函数系数λ_K以及子系统罚函数参考值α_M和β_M，将初始罚函数系数和子系统罚函数参考值带入到优化模型中；

(20)配电网模型优化；

令计算得到配电网层与微电网层交互耦合变量结果β_M+1；

(30)微电网模型优化；

令计算得到微电网层与配电网层交互耦合变量结果α_M+1；

(40)内层循环结束，令M＝M+1，进行收敛条件判断；如果满足收敛条件或者内层循环次数达到设定值，进行下一步，不收敛就返回步骤(20)；

为ε收敛误差值，若两次计算结果误差小于误差值就可以认为满足收敛条件；

(50)进行外层循环，令K＝K+1，进行收敛条件判断；如果满足收敛条件或者外层循环次数达到设定值，计算结束，输出最终结果，否则进行下一步骤；

|α_M-β_M|≤ε (27)

(60)罚函数更新，λ_K+1＝η·λ_K，令M＝1，然后重新进行步骤(20)。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：该方法综合考虑了配电网和微电网各自不同的优化决策目标以及微电网内部的可中断负荷和电动汽车的影响。通过双层规划和负荷、发电预测，在满足约束条件的前提下实现了微电网与配电网整体效益的最大化，解决了传统微电网系统优化调度中忽略微电网利益只考虑配电网自身的收益问题；并考虑到了微电网内部存在的大量可中断负荷和新能源电动汽车，使得优化结果更加贴合实际情况，为配电网和多微电网的协调运行提供了可靠的支撑。

附图说明

图1为本发明的多微电网和配电网双层结构优化调度的求解思路示意图。

具体实施方式

本发明的目的、优点和特点，将通过下面优选实施例的非限制性说明进行图示和解释。这些实施例仅是应用本发明技术方案的典型范例，凡采取等同替换或者等效变换而形成的技术方案，均落在本发明要求保护的范围之内。

本发明揭示了一种多微电网和配电网协调优化调度的方法，该方法包括如下步骤：

S1：建立上层配电网优化调度模型；

S2：建立下层多微电网优化调度模型；

S3：根据S1步骤和S2步骤建立的上下两层调度模型之间的交互变量进行解耦，将上下两层调度模型整合起来，建立双层优化调度模型；

S4：根据S3步骤得到的双层优化调度模型，再根据目标分流法设置双层循环确定最优策略。

根据配电网自身的特性建立上层配电网优化调度模型：在配电网中接入多个微电网会对配电网的运行产生很大的影响，公共连接点的功率波动，配电网电压波动，以及配电网系统线路网损的加大等。为了尽可能减少微电网的接入对配电网产生不良影响，在所述S1步骤中，上层配电网层的优化目标设置如下：

配网层优化目标：

min F_up＝λ₁P_S+λ₂U+λ₃P_MG (1)

配电网网损：

节点电压波动：

交换功率波动：

式中λ₁、λ₂、λ₃为相对应的权值系数；P_S为配电网线路损耗；U为系统内各个节点电压的标准差，反映了节点电压的变化程度；P_MG为每个调度时间微电网向配电网输出的功率大小；R_l为相应线路的电阻值；P_l，t、Q_l，t、V_l，t相应线路中的有功功率和无功功率以及线路上的电压值；L为线路总数；T为总的调度时间段。U_j，t为相应时间点的节点电压值；为配电网内节点电压变化的均值，将电压波动限制在一个合理范围内；J为节点总数；N为接入配电网的微电网总数；P_MG-i，t为微电网i在时间段t向配电网输出的功率；

约束条件：

(1)配电网潮流约束：

式中分别为分布式电源出力、负荷大小和微电网交换功率；z为配电网节点；x为与其相连接的节点；G_z，x、B_z，x为相应节点间的导纳值；U_x，t为相应节点潮流计算得到的电压；θ为相角差；

(2)连接点传输功率和电压约束：

式中max P_MG-i，t、max U_j，t为公共连接点能承受的最大功率和电压值；min P_MG-i，t、min U_j，t为对应的最小值；

(3)配电网节点电压和支路传输功率约束：

式中V_z，t为节点z在相应时刻的电压；S为在t时刻流过的视在功率。

根据微电网运行的特点建立多微电网层优化调度模型：

微电网层以整体微电网经济效益最佳为目标，在运行中要尽可能保证微电网安全稳定运行，充分利用多微电网之间的能源互补提高微电网层的整体收益。并针对目前新能源汽车的兴起制定相应的调度策略，让新能源汽车参与到微电网间的调度。风电、光电能源作为清洁能源，微电网在调度时最大限度利用风电和光电。电动汽车在微电网中作为一种可移动的特殊储能设备存在，既可以在峰时共享出多余的电量，又能够在谷时存储电量。以微电网整体发电成本最小为目标设置如下。

在所述S2步骤中，

微电网层优化目标：

min F_MG-i＝F_G，i+F_mg，i+F_ess，i+F_IL，i (9)

式中F_MG-i为微电网i的总成本，F_G，i为发电成本，F_mg，i为微电网与配电网交互成本正值为购电成本，负值为卖电收益；F_ess，i为微电网内储能装置的损耗成本；F_IL，i为微电网切除的可中断负荷成本；

发电成本：

式中P_G，i，k为微电网i中分布式电源k的出力；a、b、c为对应电源的发电成本系数；

微电网与配电网交互成本：

式中P_MG-i，t为微电网与配电网的交互功率；δ为当前时间段的电价；P_WT-i，t为微电网内风机发电量；P_MT-i，t为微电网微型燃气轮机发电量；P_PV-i，t为微电网光伏发电量；P_EV-i，t为微电网内可调度的新能源汽车电量；P_ESS-i，t为微电网内储能可用电量；P_load-i，t为微电网当前时间负荷预测值；

储能损耗成本：

式中P_ch、P_dis为储能装置在时间段充电功率和放电功率；λ_dis、λ_ch为相应的成本系数；

可中断负荷切除成本：

式中λ_IL为可中断负荷切除价格；P_IL为微电网i内切除的可中断负荷数量；

约束条件：

(1)功率平衡约束：

ΣP_MT-i(t)+P_PV-i(t)+P_EV-i(t)+P_WT-i(t)+P_ESS-i(t)＝P_load-1(t)+P_IL-i(t) (15)

P_ESS-i，t＝P_ch(t)-P_dis(t) (16)

式中P_WT-i，t为微电网内风机发电量；P_MT-i，t为微电网微型燃气轮机发电量；P_PV-i，t为微电网光伏发电量；P_EV-i，t为微电网内可调度的新能源汽车电量；P_ESS-i，t为微电网内储能可用电量；P_load-i，t为微电网当前时间负荷预测值；P_ch、P_dis为储能装置在时间段充电功率和放电功率；

(2)爬坡约束：

式中P_up，i，k为微电网i中分布式电源k的爬升功率；P_down，i，k为对应的下降功率；

(3)分布式电源出力约束：

P_{G，i，k，min}≤P_G，i，k≤P_{G，i，k，max} (18)

式中P_{G，i，k，min}、P_{G，i，k，max}为微电网i中分布式电源k的有功输出最小值和最大值；

(4)储能装置使用约束：

式中ESS(t)为储能装置当前容量；ESS_min、ESS_max为储能装置健康运行允许的最低容量和最大容量；

(5)电动汽车蓄电池约束：

(6)电动汽车跨区域移动约束：

式中X_i，on为微电网中i能参与微电网调度的电动汽车数量；EV_i，x(t)为电动汽车x储能装置当前容量；EV_i，x，min、EV_i，x，max为电动汽车能够提供的最大容量和最小容量；X_i，move为参与跨区域调度的电动汽车，电动汽车不可连续移动；

(7)微电网间交互功率约束：

式中为微电网间联络线允许的最大功率。

双层模型解耦，在所述S3步骤中，

设置配网层对微电网层的变量为α，微电网层对配网层的变量为β。解耦后的模型为：

α-β＝0 (23)

上层：

下层：

式中λ为罚函数系数；α^*为配电网层罚函数参考值，与微电网层优化结果相关；β^*为微电网层罚函数参考值，与配电网层优化结果相关。

根据目标分流法设置双层循环确定最优策略：在所述S4步骤中，利用基于多级分层的分布式算法目标分流法求解双层优化调度模型，通过内外双层迭代找到配网层和微电网层双赢的最优解。

利用基于多级分层的分布式算法目标分流法求解双层优化调度模型的步骤如下：

(10)系统参数初始化；

内层循环次数M＝1，外层循环K＝1，设置初始好罚函数系数λ_K以及子系统罚函数参考值α_M和β_M，将初始罚函数系数和子系统罚函数参考值带入到优化模型中；

(20)配电网模型优化；

令计算得到配电网层与微电网层交互耦合变量结果β_M+1；

(30)微电网模型优化；

令计算得到微电网层与配电网层交互耦合变量结果α_M+1；

(40)内层循环结束，令M＝M+1，进行收敛条件判断；如果满足收敛条件或者内层循环次数达到设定值，进行下一步，不收敛就返回步骤(20)；

为ε收敛误差值，若两次计算结果误差小于误差值就可以认为满足收敛条件；

(50)进行外层循环，令K＝K+1，进行收敛条件判断；如果满足收敛条件或者外层循环次数达到设定值，计算结束，输出最终结果，否则进行下一步骤；

|α_M-β_M|≤ε (27)

(60)罚函数更新，λ_K+1＝η·λ_K，令M＝1，然后重新进行步骤(20)。

该技术方案将整个主动配电网系统分成配电网层和微电网层，兼顾两个系统的自身利益同时又可以实现整体利益的最大化，避免了传统集中式优化只能有一个主体的不足；同时在多微电网系统的优化调度中，考虑到微电网内部的可中断负荷以及新能源电动汽车的大量接入，细化了微电网层的优化调度模型，更好地实现了多微电网系统的消纳新能源的目的。

本发明尚有多种实施方式，凡采用等同变换或者等效变换而形成的所有技术方案，均落在本发明的保护范围之内。

Claims (6)

1.一种多微电网和配电网协调优化调度的方法，其特征在于：该方法包括如下步骤：

S1：建立上层配电网优化调度模型；

S2：建立下层多微电网优化调度模型；

S3：根据S1步骤和S2步骤建立的上下两层调度模型之间的交互变量进行解耦，将上下两层调度模型整合起来，建立双层优化调度模型；

S4：根据S3步骤得到的双层优化调度模型，再根据目标分流法设置双层循环确定最优策略。

2.根据权利要求1所述的一种多微电网和配电网协调优化调度的方法，其特征在于：在所述S1步骤中，上层配电网层的优化目标设置如下：

配网层优化目标：

minF_up＝λ₁P_S+λ₂U+λ₃P_MG (1)

配电网网损：

节点电压波动：

交换功率波动：

式中λ₁、λ₂、λ₃为相对应的权值系数；P_S为配电网线路损耗；U为系统内各个节点电压的标准差，反映了节点电压的变化程度；P_MG为每个调度时间微电网向配电网输出的功率大小；R_l为相应线路的电阻值；P_l，t、Q_l，t、V_l，t相应线路中的有功功率和无功功率以及线路上的电压值；L为线路总数；T为总的调度时间段。U_j，t为相应时间点的节点电压值；为配电网内节点电压变化的均值，将电压波动限制在一个合理范围内；J为节点总数；N为接入配电网的微电网总数；P_MG-i，t为微电网i在时间段t向配电网输出的功率；

约束条件：

(1)配电网潮流约束：

式中分别为分布式电源出力、负荷大小和微电网交换功率；z为配电网节点；x为与其相连接的节点；G_z，x、B_z，x为相应节点间的导纳值；U_x，t为相应节点潮流计算得到的电压；θ为相角差；

(2)连接点传输功率和电压约束：

式中maxP_MG-i，t、maxU_j，t为公共连接点能承受的最大功率和电压值；minP_MG-i，t、minU_j，t为对应的最小值；

(3)配电网节点电压和支路传输功率约束：

式中V_z，t为节点z在相应时刻的电压；S为在t时刻流过的视在功率。

3.根据权利要求1所述的一种多微电网和配电网协调优化调度的方法，其特征在于：在所述S2步骤中，

微电网层优化目标：

minF_MG-i＝F_G，i+F_mg，i+F_ess，i+F_IL，i (9)

式中F_MG-i为微电网i的总成本，F_G，i为发电成本，F_mg，i为微电网与配电网交互成本正值为购电成本，负值为卖电收益；F_ess，i为微电网内储能装置的损耗成本；F_IL，i为微电网切除的可中断负荷成本；

发电成本：

式中P_G，i，k为微电网i中分布式电源k的出力；a、b、c为对应电源的发电成本系数；

微电网与配电网交互成本：

式中P_MG-i，t为微电网与配电网的交互功率；δ为当前时间段的电价；P_WT-i，t为微电网内风机发电量；P_MT-i，t为微电网微型燃气轮机发电量；P_PV-i，t为微电网光伏发电量；P_EV-i，t为微电网内可调度的新能源汽车电量；P_ESS-i，t为微电网内储能可用电量；P_load-i，t为微电网当前时间负荷预测值；

储能损耗成本：

式中P_ch、P_dis为储能装置在时间段充电功率和放电功率；λ_dis、λ_ch为相应的成本系数；

可中断负荷切除成本：

式中λ_IL为可中断负荷切除价格；P_IL为微电网i内切除的可中断负荷数量；

约束条件：

(1)功率平衡约束：

∑P_MT-i(t)+P_PV-i(t)+P_EV-i(t)+P_WT-i(t)+P_ESS-i(t)＝P_load-1(t)+P_IL-i(t) (15)

P_ESS-i，t＝P_ch(t)-P_dis(t) (16)

式中P_WT-i，t为微电网内风机发电量；P_MT-i，t为微电网微型燃气轮机发电量；P_PV-i，t为微电网光伏发电量；P_EV-i，t为微电网内可调度的新能源汽车电量；P_ESS-i，t为微电网内储能可用电量；P_load-i，t为微电网当前时间负荷预测值；P_ch、P_dis为储能装置在时间段充电功率和放电功率；

(2)爬坡约束：

式中P_up，i，k为微电网i中分布式电源k的爬升功率；P_down，i，k为对应的下降功率；

(3)分布式电源出力约束：

P_{G，i，k，min}≤P_G，i，k≤P_{G，i，k，max} (18)

式中P_{G，i，k，min}、P_{G，i，k，max}为微电网i中分布式电源k的有功输出最小值和最大值；

(4)储能装置使用约束：

式中ESS(t)为储能装置当前容量；ESS_min、ESS_max为储能装置健康运行允许的最低容量和最大容量；

(5)电动汽车蓄电池约束：

(6)电动汽车跨区域移动约束：

式中X_i，on为微电网中i能参与微电网调度的电动汽车数量；EV_i，x(t)为电动汽车x储能装置当前容量；EV_i，x，min、EV_i，x，max为电动汽车能够提供的最大容量和最小容量；X_i，move为参与跨区域调度的电动汽车，电动汽车不可连续移动；

(7)微电网间交互功率约束：

式中为微电网间联络线允许的最大功率。

4.根据权利要求1所述的一种多微电网和配电网协调优化调度的方法，其特征在于：在所述S3步骤中，

设置配网层对微电网层的变量为α，微电网层对配网层的变量为β。解耦后的模型为：

α-β＝0 (23)

式中λ为罚函数系数；α^*为配电网层罚函数参考值，与微电网层优化结果相关；β^*为微电网层罚函数参考值，与配电网层优化结果相关。

5.根据权利要求1所述的一种多微电网和配电网协调优化调度的方法，其特征在于：在所述S4步骤中，利用基于多级分层的分布式算法目标分流法求解双层优化调度模型，通过内外双层迭代找到配网层和微电网层双赢的最优解。

6.根据权利要求5所述的一种多微电网和配电网协调优化调度的方法，其特征在于：

利用基于多级分层的分布式算法目标分流法求解双层优化调度模型的步骤如下：

(10)系统参数初始化；

内层循环次数M＝1，外层循环K＝1，设置初始好罚函数系数λ_K以及子系统罚函数参考值α_M和β_M，将初始罚函数系数和子系统罚函数参考值带入到优化模型中；

(20)配电网模型优化；

令计算得到配电网层与微电网层交互耦合变量结果β_M+1；

(30)微电网模型优化；

令计算得到微电网层与配电网层交互耦合变量结果α_M+1；

(40)内层循环结束，令M＝M+1，进行收敛条件判断；如果满足收敛条件或者内层循环次数达到设定值，进行下一步，不收敛就返回步骤(20)；

为ε收敛误差值，若两次计算结果误差小于误差值就可以认为满足收敛条件；

(50)进行外层循环，令K＝K+1，进行收敛条件判断；如果满足收敛条件或者外层循环次数达到设定值，计算结束，输出最终结果，否则进行下一步骤；

|α_M-β_M|≤ε (27)

(60)罚函数更新，λ_K+1＝η·λ_K，令M＝1，然后重新进行步骤(20)。