CN110492534A - 计及灵活性的含风电电力系统随机优化调度方法 - Google Patents

Abstract

本发明公开了一种计及灵活性的含风电电力系统随机优化调度方法。本发明方法综合考虑净负荷随机波动性及源荷储的运行特性，利用混合高斯分布建立了电力系统灵活性需求模型并构建了多类型灵活性资源供给模型，进而构建电力系统运行灵活性概率平衡模型。它利用条件风险价值度量灵活性不足给电力系统带来的风险损失，继而考虑系统功率平衡约束、运行灵活性约束及设备运行约束，构建计及灵活性的含风电电力系统随机优化调度模型，兼顾系统运行经济性和灵活性。

Description

计及灵活性的含风电电力系统随机优化调度方法

技术领域

本发明涉及一种含风电电力系统随机优化调度方法，尤其涉及一种计及灵活性的含风电电力系统随机优化调度方法，属于电力系统调度自动化技术领域。

背景技术

含高比例可再生能源的清洁电力系统已成为行业的共同愿景。然而风电、光伏发电的随机波动性和难以预测性导致灵活性需求剧增，增加了系统消纳难度。

一方面，合理的灵活性评价方法是系统灵活优化调度的基础。现有的灵活性评价方法虽然在一定程度上能够反映电力系统灵活性，但多以原理分析和定性评价为主，对系统优化调度的适用性较差。

另一方面，部分常规电源被可再生能源替代进一步减少了灵活性电源，导致单纯依靠备用电源保障系统安全的传统优化调度方法成本昂贵且可再生能源消纳能力受限。并且现有研究大多基于预测信息进行调度计划制定或采用传统定性模式处理风电不确定性，缺乏灵活性需求和供给的定量化表示，调度结果难以实现运行灵活性和经济性的协同优化。

发明内容

本发明要解决的技术问题是提供一种计及灵活性的含风电电力系统随机优化调度方法。

为解决上述技术问题，本发明采用的技术方案是：

一种计及灵活性的含风电电力系统随机优化调度方法，包括以下步骤：

步骤1：根据含风电电力系统所在地区的风电历史运行数据，采用混合高斯模型建立风电波动概率模型：

式中：Δw为风电功率波动量；M为混合高斯成分的个数；N_m(Δw,μ_m,σ_m)为第m个高斯成分；ω_m、μ_m、σ_m分别第m个高斯成分的权重系数、均值及标准差；

步骤2：基于风电波动概率模型，结合负荷预测波动量ΔP_l,t，得到t时段灵活性需求概率模型：

式中：ΔP_l,t为t时段的负荷预测波动量，l表示负荷；FR_t为t时段灵活性需求；N′_m(FR_t；-μ_m+ΔP_l,t,σ_m)为第m个高斯成分；

步骤3：根据火电机组、储能和可中断负荷等各类灵活性资源的运行特性建立系统各时段的向上、向下灵活性供给模型分别为：

式中：F_t ^up、F_t ^dn分别为系统t时段的上调、下调灵活性；N_g、N_s、N_IL分别为系统中火电机组、储能、可中断负荷的总数；分别为火电机组i在t时段的上调、下调灵活性；P_g,i,max、P_g,i,min、P_g,i,t分别火电机组i在t时段的出力上限、下限和在t时段的出力；和分别为火电机组i在t时段的向上和向下爬坡能力；和分别为储能j在t时段的上调、下调灵活性；P_C,j,max、P_D,j,max、P_s,j,t分别为储能j的最大充、放电功率和t时段的出力；E_j,max、E_j,min、E_j,t分别为储能j的电量存储上下限和t时段的电量值；η_C和η_D分别为储能的充电和放电效率；和分别为可中断负荷k在t时段的上调、下调灵活性；P_IL,k,max、P_IL,k,min、P_IL,k,t分别可中断负荷的最大中断值、最小中断值和t时段的中断量；ΔT为调度时间间隔；

步骤4：基于电力系统灵活性需求和供给模型，建立电力系统灵活性概率平衡模型：

式中：α为满足不等式约束的置信水平；Pr为约束条件成立的概率值；

步骤5：建立随机优化调度模型：

目标函数为：

minF＝(F_g+F_s+F_IL+Risk) (7)

式中：F、F_g、F_s、F_IL分别为系统总成本、火电机组成本、储能装置运行成本和可中断负荷成本、系统灵活性不足风险成本；

火电机组成本F_g为：

式中：为火电机组的开机费用和停机费用，T为总时段数，C_i(P_g,i,t)为火电机组的运行费用，计算方法为：

C_i(P_g,i,t)＝a_i(P_g,i,t)²+b_iP_g,i,t+c_i (9)

式中：a_i、b_i、c_i为机组发电成本函数的二次项系数、一次项系数及常数项；

储能装置运行成本F_s为：

式中：C_cap,j分别储能j的购买成本、充放电循环寿命次数、额定容量；P_C,j,t、P_D,j,t分别为储能j在t时段的充放电功率；

可中断负荷成本F_IL为：

式中：a_IL,k为可中断负荷补偿成本；

系统灵活性不足风险成本为：

Risk＝Risk_up+Risk_dn (12)

式中：Risk_up、Risk_dn为切负荷、弃风带来的风险成本；δ_shed和δ_spill分别为系统切负荷、弃风惩罚系数；和分别为FR_t和-FR_t的概率密度函数；u为积分变量，表示系统灵活性需求；

约束条件包括：

各时段系统功率平衡约束：

火电机组出力限值约束：

P_g,i,min≤P_g,i,t≤P_g,i,max (16)

火电机组爬坡约束：：

火电机组最小运行时间约束：

式中：u_i,t表示火电机组i在t时刻的运行状态，0表示机组停运，1表示机组运行；T_d,i、T_u,i分别表示火电机组i的最小停运时间和最小运行时间；U_i,0、S_i,0分别为火电机组的初始开机、停机运行时间；

火电机组最小停机时间约束：

火电机组开停机约束：

y_i,t-z_i,t＝u_i,t-u_i,t-1 (24)

y_i,t+z_i,t≤1 (25)

式中：y_i,t和z_i,t分别表示常规机组i在t时段的开机变量和停机变量；

储能的功率平衡约束：

储能功率约束表达式如下：

P_s,j,t＝P_D,j,t-P_C,j,t (27)

储能充放电功率约束：

0剟P_C,j,t c_i,tP_C,j,max (28)

0剟P_D,j,t d_i,tP_D,j,max (29)

充放电状态约束：

c_j,t+d_j,t”1 (30)

式中：c_j,t和d_j,t均为0-1变量，表征储能的充电和放电状态；E_j,1和E_j,T分别为储能在初态和终态的能量；

储存能量约束：

E_j,min剟E_j,t E_j,max (31)

始末电量约束：

E_j,T＝E_j,1 (32)

式中：E_j,1和E_j,T分别为储能在初态和终态的能量；

可中断负荷中断量约束：

P_IL,kmin剟P_IL,k,t P_IL,kmax (33)

最小、最大中断时间约束：

(u_IL,k,t-u_IL,k,t-1)(TD_IL,k,t-1-TD_IL,k,_min)≤0 (34)

式中：u_IL,k,t为可中断负荷的调用状态；TD_IL,k,t、TD_IL,k,min、TD_IL,k,max分别为可中断负荷k在t时刻的累积中断时间、最小中断时间和最大中断时间；

最小中断间隔约束表达式如下：

(u_IL,k,t-1-u_IL,k,t)(TU_IL,k,t-1-TU_IL,k,min)≤0 (36)

式中：TU_IL,k,t和TU_IL,k,min分别为可中断负荷k在t时刻的累积未中断时间和最小中断间隔时间；

中断次数约束：

式中：N_IL,k,max为可中断负荷k的最大可中断次数；

电力系统灵活性概率平衡约束：

步骤6：模型求解：对所述目标函数和约束条件组成的计及灵活性的含风电电力系统随机优化调度模型进行求解，得到第i个火电机组在第t个时段的运行状态u_i,t和计划有功出力P_g,i,t，第j个储能装置在第t时段的充放电状态c_j,t、d_j,t和充放电功率P_C,j,t、P_D,j,t，第k个可中断负荷在第t时段的调用状态u_IL,k,t和调用量P_IL,k,t，实现计及灵活性的含风电电力系统随机优化调度。

进一步，所述的计及灵活性的含风电电力系统随机优化调度方法中的电力系统灵活性概率平衡约束：

式中：和分别为FR_t和-FR_t的概率分布函数的逆函数；

系统灵活性不足风险成本为：

式中：和为向上灵活性不足CVaR线性分段函数曲线的第s段的线性化参数；为线段s两端对应的向上灵活性供给能力；为标识系统向上灵活性供给能力是否位于线段s的0-1变量；为F_t ^up在第s段内的取值；F_t ^up为系统向上灵活性供给能力，由共同确定；S-1为分段函数的段数。

进一步，使用分支定界法求解所述目标函数和约束条件。

采用上述技术方案所取得的技术效果在于：

1、本发明考虑电力系统灵活性需求和供给特性，建立了电力系统运行灵活性模型，能够有效提升系统运行灵活性和新能源消纳能力。

2、本发明利用条件风险价值度量灵活性不足给电力系统带来的风险损失并融入到目标函数中，能够实现经济性和灵活性的协调优化。

3、本发明在保证系统运行安全的前提下，能够合理安排系统各类型灵活性资源的运行计划，满足系统灵活性需求，提升系统运行经济性和灵活性。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1是本发明的流程图。

具体实施方式

实施例1：

一种计及灵活性的含风电电力系统随机优化调度方法，包括以下步骤：

步骤1：根据含风电电力系统所在地区的风电历史运行数据，采用混合高斯模型建立风电波动概率模型：

式中：Δw为风电功率波动量；M为混合高斯成分的个数；N_m(Δw,μ_m,σ_m)为第m个高斯成分；ω_m、μ_m、σ_m分别第m个高斯成分的权重系数、均值及标准差；

步骤2：基于风电波动概率模型，结合负荷预测波动量ΔP_l,t，得到t时段灵活性需求概率模型：

式中：ΔP_l,t为t时段的负荷预测波动量，l表示负荷；FR_t为t时段灵活性需求；N′_m(FR_t；-μ_m+ΔP_l,t,σ_m)为第m个高斯成分；以1h为时间间隔，一天分为24个时段；

步骤3：根据火电机组、储能和可中断负荷等各类灵活性资源的运行特性

建立系统各时段的向上、向下灵活性供给模型分别为：

式中：F_t ^up和F_t ^dn分别为系统t时段的上调、下调灵活性；N_g、N_s、N_IL分别为系统中火电机组、储能、可中断负荷的总数；分别为火电机组i在t时段的上调、下调灵活性；P_g,i,max、P_g,i,min、P_g,i,t分别火电机组i在t时段的出力上限、下限和在t时段的出力；和分别为火电机组i在t时段的向上和向下爬坡能力；和分别为储能j在t时段的上调、下调灵活性；P_C,j,max、P_D,j,max、P_s,j,t分别为储能j的最大充、放电功率和t时段的出力；E_j,max、E_j,min、E_j,t分别为储能j的电量存储上下限和t时段的电量值；η_C和η_D分别为储能的充电和放电效率；和分别为可中断负荷k在t时段的上调、下调灵活性；P_IL,k,max、P_IL,k,min、P_IL,k,t分别可中断负荷的最大中断值、最小中断值和t时段的中断量；ΔT为调度时间间隔；

步骤4：基于电力系统灵活性需求和供给模型，建立电力系统灵活性概率平衡模型：

式中：α为满足不等式约束的置信水平；Pr为约束条件成立的概率值；

步骤5：建立随机优化调度模型：

以系统总成本最小为计及灵活性的含风电电力系统随机优化调度模型的目标函数，系统总成本包括火电机组成本、储能装置运行成本、可中断负荷成本、系统灵活性不足风险成本。

目标函数为：

minF＝(F_g+F_s+F_IL+Risk) (7)

式中：F、F_g、F_s、F_IL分别为系统总成本、火电机组成本、储能装置运行成本和可中断负荷成本、系统灵活性不足风险成本；

火电机组成本包括火电机组的运行费用和开停机费用，火电机组成本F_g为：

式中：为火电机组的开机费用和停机费用，C_i(P_g,i,t)为火电机组的运行费用，计算方法为：

C_i(P_g,i,t)＝a_i(P_g,i,t)²+b_iP_g,i,t+c_i (9)

式中：a_i、b_i、c_i为机组发电成本函数的二次项系数、一次项系数及常数项；

储能装置运行成本与其购买成本、充放电循环寿命次数及额定容量有关，储能装置运行成本F_s为：

式中：C_cap,j分别储能j的购买成本、充放电循环寿命次数、额定容量；P_C,j,t、P_D,j,t分别储能的充放电功率；

可中断负荷成本F_IL为：

式中：a_IL,k为可中断负荷补偿成本；

当系统实际灵活性需求超出灵活调节能力时，系统运行安全面临风险。当向上灵活性需求超出上调灵活性时，系统需要采取切负荷措施以保证系统安全，当向下灵活性需求超出下调灵活性时，系统需要削减部分风电出力保证系统安全运行。系统灵活性不足风险成本为：

Risk＝Risk_up+Risk_dn (12)

式中：Risk_up、Risk_dn为切负荷、弃风带来的风险成本；δ_shed和δ_spill分别为系统切负荷、弃风惩罚系数；和分别为FR_t和-FR_t的概率密度函数；u为积分变量，表示系统灵活性需求；

约束条件包括：

各时段系统功率平衡约束：

火电机组的有功出力大于最小技术出力，低于最大出力，火电机组出力限值约束：

P_g,i,min≤P_g,i,t≤P_g,i,max (16)

火电机组相邻时段的功率爬坡速率应小于机组的最大爬坡速率，火电机组爬坡约束：

火电机组启动之后必须保持运行状态一段时间，火电机组最小运行时间约束：

式中：u_i,t表示火电机组i在t时刻的运行状态，0表示机组停运，1表示机组运行；T_d,i、T_u,i分别表示火电机组i的最小停运时间和最小运行时间；U_i,0、S_i,0分别为火电机组的初始开机、停机运行时间；

火电机组停机之后必须保持停机状态一段时间，火电机组最小停机时间约束：

火电机组开停机约束：

y_i,t-z_i,t＝u_i,t-u_i,t-1 (24)

y_i,t+z_i,t≤1 (25)

式中：y_i,t和z_i,t分别表示常规机组i在t时段的开机变量和停机变量；

储能的功率平衡约束：

t+1时段储能的能量与t时段能力及t时段的充放电功率有关，储能功率约束表达式如下：

P_s,j,t＝P_D,j,t-P_C,j,t (27)

储能装置的充放电功率要小于最大功率限制，储能充放电功率约束：

0剟P_C,j,t c_i,tP_C,j,max (28)

0剟P_D,j,t d_i,tP_D,j,max (29)

储能装置不能同时充放电，充放电状态约束：

c_j,t+d_j,t”1 (30)

式中：c_j,t和d_j,t均为0-1变量，表征储能的充电和放电状态；E_j,1和E_j,T分别为储能在初态和终态的能量；

储能装置储存的能量要大于最小电量，小于最大电量限制，储存能量约束：

E_j,min剟E_j,t E_j,max (31)

为不影响下一个调度日的正常运行，储能装置每个调度日的始末电量要保持平衡，始末电量约束：

E_j,T＝E_j,1 (32)

式中：E_j,1和E_j,T分别为储能在初态和终态的能量；

可中断负荷中断量应大于最小中断量，小于最大中断量，可中断负荷中断量约束：

P_IL,kmin剟P_IL,k,t P_IL,kmax (33)

当可中断负荷被调用后，调用持续时间应大于最小中断时间，小于最大中断时间，最小、最大中断时间约束：

(u_IL,k,t-u_IL,k,t-1)(TD_IL,k,t-1-TD_IL,k,min)≤0 (34)

式中：u_IL,k,t为可中断负荷的调用状态；TD_IL,k,t、TD_IL,k,min、TD_IL,k,max分别为可中断负荷k在t时刻的累积中断时间、最小中断时间和最大中断时间；

最小中断间隔约束表达式如下：

(u_IL,k,t-1-u_IL,k,t)(TU_IL,k,t-1-TU_IL,k,min)≤0 (36)

式中：TU_IL,k,t和TU_IL,k,min分别为可中断负荷k在t时刻的累积未中断时间和最小中断间隔时间；

中断次数约束：

式中：N_IL,k,max为可中断负荷k的最大可中断次数；

电力系统灵活性概率平衡约束：

式中：α为满足不等式约束的置信水平；Pr为约束条件成立的概率值；

步骤6：模型求解：对所述目标函数和约束条件组成的计及灵活性的含风电电力系统随机优化调度模型进行求解，得到第i个火电机组在第t个时段的运行状态u_i,t和计划有功出力P_g,i,t，第j个储能装置在第t时段的充放电状态c_j,t、d_j,t和充放电功率P_C,j,t、P_D,j,t，第k个可中断负荷在第t时段的调用状态u_IL,k,t和调用量P_IL,k,t，实现计及灵活性的含风电电力系统随机优化调度。

根据灵活性需求的分布函数，所述的计及灵活性的含风电电力系统随机优化调度方法中的电力系统灵活性概率平衡约束转化为如下等价形式：

式中：和分别为FR_t和-FR_t的概率分布函数的逆函数；

对含非线性积分项的风险成本Risk进行分段线性化处理，转化为易于处理的线性项，向上灵活性不足风险成本线性化处理后系统灵活性不足风险成本为：

式中：和为向上灵活性不足CVaR线性分段函数曲线的第s段的线性化参数；为线段s两端对应的向上灵活性供给能力；为标识系统向上灵活性供给能力是否位于线段s的0-1变量；为F_t ^up在第s段内的取值；F_t ^up为向上系统灵活性供给能力，由共同确定；S-1为分段函数的段数。

进一步，使用分支定界法求解所述目标函数和约束条件。本实施例中采用商业化优化软件CPLEX求解。

本发明方法首先综合考虑净负荷随机波动性及源荷储的运行特性，利用混合高斯分布建立了电力系统灵活性需求模型并构建了多类型灵活性资源供给模型，进而构建电力系统运行灵活性概率平衡模型。本发明方法利用条件风险价值度量灵活性不足给电力系统带来的风险损失，继而考虑系统功率平衡约束、运行灵活性约束及设备运行约束，构建计及灵活性的含风电电力系统随机优化调度模型，兼顾系统运行经济性和灵活性。同时对模型的目标函数及约束条件进行转化，将随机优化模型转化为确定性混合整数优化模型。通过对模型求解得到系统总成本最小情况下的火电机组启停计划和有功出力、储能的充放电功率及可中断负荷调用及中断量的最优调度决策。

本发明方法的优点在于考虑电力系统灵活性需求和供给特性，建立了电力系统运行灵活性模型，能够有效提升系统运行灵活性和新能源接纳能力，同时量化灵活性不足风险成本并融入到目标函数中，使得调度计划能够实现经济性和灵活性的协调优化，为调度运行人员提供更合理的调度计划。本发明方法可应用于含大规模风电并网的电力系统随机优化调度中。

Claims (3)

1.一种计及灵活性的含风电电力系统随机优化调度方法，其特征在于：包括以下步骤：

步骤1：根据含风电电力系统所在地区的风电历史运行数据，采用混合高斯模型建立风电波动概率模型f(Δw)：

式中：Δw为风电功率波动量；M为混合高斯成分的个数；N_m(Δw,μ_m,σ_m)为第m个高斯成分；ω_m、μ_m、σ_m分别第m个高斯成分的权重系数、均值及标准差；

步骤2：基于风电波动概率模型，结合负荷预测波动量ΔP_l,t，得到t时段系统灵活性需求概率模型f′(FR_t)：

式中：ΔP_l,t为t时段的负荷预测波动量，l表示负荷；FR_t为t时段灵活性需求；N′_m(FR_t；-μ_m+ΔP_l,t,σ_m)为第m个高斯成分；

步骤3：根据火电机组、储能和可中断负荷等灵活性资源的运行特性建立系统各时段的向上、向下灵活性供给模型分别为：

式中：F_t ^up、F_t ^dn分别为系统t时段的上调、下调灵活性；N_g、N_s、N_IL分别为系统中火电机组、储能、可中断负荷的总数；分别为火电机组i在t时段的上调、下调灵活性；P_g,i,max、P_g,i,min、P_g,i,t分别火电机组i在t时段的出力上限、下限和在t时段的出力；和分别为火电机组i在t时段的向上和向下爬坡能力；和分别为储能j在t时段的上调、下调灵活性；P_C,j,max、P_D,j,max、P_s,j,t分别为储能j的最大充、放电功率和t时段的出力；E_j,max、E_j,min、E_j,t分别为储能j的电量存储上下限和t时段的电量值；η_C和η_D分别为储能的充电和放电效率；和分别为可中断负荷k在t时段的上调、下调灵活性；P_IL,k,max、P_IL,k,min、P_IL,k,t分别可中断负荷的最大中断值、最小中断值和t时段的中断量；ΔT为调度时间间隔；

步骤4：基于电力系统灵活性需求和供给模型，建立电力系统灵活性概率平衡模型：

式中：α为满足不等式约束的置信水平；Pr为约束条件成立的概率值；

步骤5：建立随机优化调度模型：

目标函数为：

min F＝(F_g+F_s+F_IL+Risk) (7)

式中：F、F_g、F_s、F_IL分别为系统总成本、火电机组成本、储能装置运行成本和可中断负荷成本、系统灵活性不足风险成本；

火电机组成本F_g为：

式中：为火电机组的开机费用和停机费用，T为总时段数，C_i(P_g,i,t)为火电机组的运行费用，计算方法为：

C_i(P_g,i,t)＝a_i(P_g,i,t)²+b_iP_g,i,t+c_i (9)

式中：a_i、b_i、c_i为机组发电成本函数二次项系数、一次项系数及常数项；

储能装置运行成本F_s为：

式中：C_cap,j分别储能j的购买成本、充放电循环寿命次数、额定容量；P_C,j,t、P_D,j,t分别为储能j在t时段的充放电功率；

可中断负荷成本F_IL为：

式中：a_IL,k为可中断负荷补偿成本；

系统灵活性不足风险成本为：

Risk＝Risk_up+Risk_dn (12)

式中：Risk_up、Risk_dn为切负荷、弃风带来的风险成本；δ_shed和δ_spill分别为系统切负荷、弃风惩罚系数；和分别为FR_t和-FR_t的概率密度函数；u为积分变量，表示系统灵活性需求；

约束条件包括：

各时段系统功率平衡约束：

火电机组出力限值约束：

P_g,i,min≤P_g,i,t≤P_g,i,max (16)

火电机组爬坡约束：：

火电机组最小运行时间约束：

式中：u_i,t表示火电机组i在t时刻的运行状态，0表示机组停运，1表示机组运行；T_d,i、T_u,i分别表示火电机组i的最小停运时间和最小运行时间；U_i,0、S_i,0分别为火电机组的初始开机、停机运行时间；

火电机组最小停机时间约束：

火电机组开停机约束：

y_i,t-z_i,t＝u_i,t-u_i,t-1 (24)

y_i,t+z_i,t≤1 (25)

式中：y_i,t和z_i,t分别表示常规机组i在t时段的开机变量和停机变量；

储能的功率平衡约束：

储能功率约束表达式如下：

P_s,j,t＝P_D,j,t-P_C,j,t (27)

储能充放电功率约束：

0剟P_C,j,t c_i,tP_C,j,max (28)

0剟P_D,j,t d_i,tP_D,j,max (29)

充放电状态约束：

c_j,t+d_j,t”1 (30)

式中：c_j,t和d_j,t均为0-1变量，表征储能的充电和放电状态；E_j,1和E_j,T分别为储能在初态和终态的能量；

储存能量约束：

E_j,min剟E_j,t E_j,max (31)

始末电量约束：

E_j,T＝E_j,1 (32)

式中：E_j,1和E_j,T分别为储能在初态和终态的能量；

可中断负荷中断量约束：

P_IL,kmin剟P_IL,k,t P_IL,kmax (33)

最小、最大中断时间约束：

(u_IL,k,t-u_IL,k,t-1)(TD_IL,k,t-1-TD_IL,k,min)≤0 (34)

式中：u_IL,k,t为可中断负荷的调用状态；TD_IL,k,t、TD_IL,k,min、TD_IL,k,max分别为可中断负荷k在t时刻的累积中断时间、最小中断时间和最大中断时间；

最小中断间隔约束表达式如下：

(u_IL,k,t-1-u_IL,k,t)(TU_IL,k,t-1-TU_IL,k,min)≤0 (36)

式中：TU_IL,k,t和TU_IL,k,min分别为可中断负荷k在t时刻的累积未中断时间和最小中断间隔时间；

中断次数约束：

式中：N_IL,k,max为可中断负荷k的最大可中断次数；

电力系统灵活性概率平衡约束：

步骤6：模型求解：对所述目标函数和约束条件组成的计及灵活性的含风电电力系统随机优化调度模型进行求解，得到第i个火电机组在第t个时段的运行状态u_i,t和计划有功出力P_g,i,t，第j个储能装置在第t时段的充放电状态c_j,t、d_j,t和充放电功率P_C,j,t、P_D,j,t，第k个可中断负荷在第t时段的调用状态u_IL,k,t和调用量P_IL,k,t，实现计及灵活性的含风电电力系统随机优化调度。

2.根据权利要求1所述的计及灵活性的含风电电力系统随机优化调度方法，其特征在于：

电力系统灵活性概率平衡约束：

式中：和分别为FR_t和-FR_t的概率分布函数的逆函数；

系统灵活性不足风险成本为：

式中：和为向上灵活性不足CVaR线性分段函数曲线的第s段的线性化参数；为线段s两端对应的向上灵活性供给能力；为标识系统向上灵活性供给能力是否位于线段s的0-1变量；为F_t ^up在第s段内的取值；F_t ^up为向上系统灵活性供给能力，由共同确定；S-1为分段函数的段数。

3.根据权利要求1或2所述的计及灵活性的含风电电力系统随机优化调度方法，其特征在于：使用分支定界法求解所述目标函数和约束条件。