CN110518569A - 一种计及电网运行收益与风险的概率优化调度模型 - Google Patents

Abstract

本发明属于电力系统调度技术领域，具体涉及一种计及电网运行收益与风险的概率优化调度模型。本发明采用马尔可夫过程对运行条件下的输电元件状态概率趋势进行了预测，得到了电网前瞻运行状态的概率趋势，并通过输电元件停运事件发生概率与其对应经济代价的期望数学表达，实现了调度决策与对后果经济代价之间的有机衔接，得到了协调系统综合运行收益的调度决策方案，避免了确定性调度方式的存在弊端。

Description

一种计及电网运行收益与风险的概率优化调度模型

技术领域

本发明属于电力系统调度技术领域，具体涉及一种计及电网运行收益与风险的概率优化 调度模型。

背景技术

随着电力工业的市场化改革，电力系统在调度计划的制定过程中，更加注重了对整体运 行效益的考虑，即考虑发电侧和需求侧的成本和收益函数。然而电力系统运行过程中将会面 临输电元件随机停运事件的影响，因此在调度决策制定前，就应对相关扰动事件的做出必要 安排考虑，而由此所带来的经济利益问题也就成为了研究和关注的焦点，即如何有效协调电 力系统的整体运行收益问题。

作为市场参与方的输电网，其调度决策计划必然要考虑发电侧和负荷需求侧的费用投标 函数，从而制定出整体运行效益最大的购电与售电方案。然而输电元件的意外停运，会使决 策方案的执行受到相应制约，进而影响到系统的整体运行收益。因此，对运行风险的不同承 受水平也就对应着不同的运行收益和调度决策方案。不计输电元件对应的停运事件影响，即 只考虑系统正常运行状态下的约束集，则调度方案将获得最大的运行收益；若确定性方式考 虑输电元件停运事件的影响，但忽略输电元件停运事件的发生概率，则调度方案将获得刚性 安全下的运行收益，而该决策方案对应的收益也将最低。通过上述分析可知，不计输电元件 停运事件的发生概率，以及在输电元件停运事件发生可能性与严重程度之间进行协调，调度 决策方案必然会有武断行为，进而影响到系统的整体运行收益。

发明内容

为了解决上述问题，本发明提供了一种计及电网运行收益与风险的概率优化调度模型， 采用马尔可夫过程对运行条件下的输电元件状态概率趋势进行了预测，得到了电网前瞻运行 状态的概率趋势，并通过输电元件停运事件发生概率与其对应经济代价的期望数学表达，实 现了调度决策与对后果经济代价之间的有机衔接，得到了协调系统综合运行收益的调度决策 方案，避免了确定性调度方式的存在弊端。具体技术方案如下：

一种计及电网运行收益与风险的概率优化调度模型，包括以下步骤：

S1：确定各种发电机组的运行周期内的成本函数、各个发电机组有功输出功率再调整引起的 费用函数、各个负荷节点的意外中断赔付费用函数；所述发电机组包括水电机组、火电机组、 风电机组、核电机组；

S2：根据步骤S1确定的各种发电机组的运行周期内的成本函数、各个发电机组有功输出功率 再调整引起的费用函数、各个负荷节点的意外中断赔付费用函数建立目标函数：

设N_C为输电网事故集中所包含的事件总数，T为选定起始参照时刻后系统需进行调度的时段， 则在第T调度时段，概率优化调度的目标函数为系统各状态下期望的运行总收益达到最大， 即

其中：

其中q⁰(T)为系统在第T时段处于正常运行状态的预测概率值；为系统在此状态下的运行 总收益；q^k(T)为第T时段电网发生第k个输电元件停运事件状态的预测概率值；为此状态 下的电网运行总收益；对应于系统在正常运行状态下的发电机组输出功率向量和节 点负荷功率向量；分别对应系统在第k个输电元件停运事件发生状态下的发电机组 输出功率向量和节点负荷功率向量；P_L、P_G为发电机组输出功率向量和节点负荷功率向量； 为系统在正常运行状态下的第i发电机组输出功率向量和第i节点负荷功率； 为系统在第k个输电元件停运事件发生状态下的第i发电机组输出功率向量和第i节点 负荷功率；

S3：建立目标函数的约束条件；

S4：求解目标函数。

优选地，水电机组运行周期内的成本函数为：

式中C_g,i为抽蓄机组i发电状态启动一次的成本；C_p,i为抽蓄机组i抽水状态启动一次的成 本；H为一个抽水蓄能站内抽水蓄能机组的台数；C_g和C_p分别表示抽蓄机组在一天内的发电 启动成本和抽水启动成本；S_g,i,t为抽蓄机组工作于发电状态时的启动变量，S_p,i,t为抽蓄机组工 作于抽水状态时的启动变量。

优选地，火电机组运行周期内的成本函数为：

第i负荷节点的收益函数为：

其中，P_Li为负荷节点i的有功功率；α_Li、β_Li为第i负荷节点的给定收益常系数，B_Li为负荷 节点i的收益、C_Gi火电机组i的发电成本、P_Gi火电机组i的有功功率、a_i、b_i为火电机组i的给定的成本常系数。

优选地，风电机组运行周期内的成本函数为：

式中，F为运行周期内总费用；N_u为常规发电机组数；f_u,l,i(t)为典型风电出力对应的机组 u在t时刻的发电费用，包括运行费用f_1u,l,i(P_u.t)、启停费用S_u,l,i(t)和SO₂及NO_x的排污费用 f_2u,l,i(NO_x,SO₂)；O_l,i(t)为系统上调峰能力不足而造成的缺电损失费；C_l,i(t)为系统下调峰能力不足 造成的弃风电量惩罚费用；为第l台风电机组的有功功率；N_l为风电机组总数；N_T为 运行周期内时间段数。

优选地，第i组发电机组有功输出功率再调整引起的费用函数如下：

其中，C_Ri为第i组发电机组再调整费用；为第i组发电机组调整前有功功率；第i 组发电机组在第k个故障场景下调整后有功功率；a_Δi为给定的调整费用常系数。

优选地，第i负荷节点的意外中断赔付费用函数如下：

式中，分别表示第i负荷节点在系统预想事故发生前状态下的有功负荷以及在系 统第k个预想事故状态下的有功负荷；α_Ii、β_Ii为相应的给定常系数；C_Ii为第i负荷节点的意 外中断赔付费用。

优选地，所述步骤S2中采用马尔可夫链对电网未来运行状态概率进行预测，以计算系统 在第T时段处于正常运行状态的预测概率值q⁰(T)和第T时段电网发生第k个输电元件停运事 件状态的预测概率值q^k(T)，具体如下：

(1)设电网中各输电元件为两状态分布，处于运行工作的状态标记为0，处于故障修复的状 态标记为1，若输电元件i在初始时刻T0的状态概率为：

式中,分别表示输电元件i在T₀时刻处于运行工作或故障修复的状态概率，数 值分别为A_i和1-A_i，A_i表征初始观察时刻各输电元件的健康水平，当系统运行至第T调度时 段，输电元件i的状态概率为：

式中：对应在第T调度时段下输电元件i在处于运行或故障状态的概率预 测值，即：

式中，Δt为输电元件发生状态转移的时间步长，n为输电元件从初始观察点运行至第T 时段时已经发生的状态转移总步数；λ_i为元件i由工作状态转为故障状态的概率、μ_i为元件 i由故障状态转为工作状态的概率；

(2)在得到电网第T时段各输电元件的状态预测概率后，电网第k个预想输电元件停运 事件的状态概率，可依据其相应故障重数并通过元件状态概率连乘得到；电力系统在第T时 段处于正常运行状态的概率为：

在第T时段，发生第k个输电元件停运事件的状态概率为：

其中，N_L为系统输电元件总数，为电网发生第k个输电元件停运事件状态下的故障 元件数量。

优选地，所述步骤S3中建立目标函数的约束条件具体如下：

(1)输电元件停运事故发生前和第k个停运事故发生后的运行状态所应满足潮流平衡约束， 即：

式中，N_B为系统的节点总个数；在系统处于输电元件停运事故发生前状态下，P_i ⁰为节点 i的注入有功功率，θ⁰为由节点相角所构成的向量；在系统处于第k个输电元件停运事件状态 下，P_i ^k为节点i的注入有功功率，θ^k为由节点相角所构成的向量；

(2)系统在输电元件停运事件发生之前状态和第k个输电元件停运事件发生之后的状态，各 自所对应的不等式约束为：

式中，为第i台发电机组输出功率的上限和下限。若当前系统处于停运事件 发生前的正常运行状态，T_l ^(0)max为第l输电元件所对应的传输功率及其限值； 为节点i负荷功率的上限和下限；T_L ⁽⁰⁾为输电元件的传输功率向量；若系统发生第k个 停运事件状态，T_l ^(k)max为第l输电元件所对应的传输功率及其所容许的短时过载限值； 为第i节点负荷功率的上限和下限；T_L ^(k)为输电元件传输功率向量；P_G ⁽⁰⁾为正 常情况下发电机组有功功率；P_G ^(k)为第k个故障状态下发电机组有功功率；为正常情况 下第i个节点的负荷功率；为第k个故障状态下第i个节点的负荷功率；P_L ⁽⁰⁾为正常情 况下节点的负荷功率；P_L ^(k)为第k个故障状态下节点的负荷功率；

(3)系统从输电元件停运事件发生前的正常运行状态出发，在第k个输电元件停运事故发生 以后，两个状态之间所对应的耦合牵制约束包括发电机组出力再调整和节点负荷意外中断， 具体描述如下：

式中，r_Ui和r_Di为第i台发电机组有功输出的上下允许调整速率；ΔT为系统在第T调度时段 发生输电元件停运事故后所能容许的发电机组出力紧急再调整时间。

优选地，所述步骤S4中求解目标函数的步骤如下：

S41：设置电网起始参照时刻T₀状态、系统未来的调度时段T及需要给定的其他条件；

S42：采用采用马尔可夫链对电网未来第T时段各个可能运行状态的概率进行预测；

S43：采用原对偶内点法对建立的目标函数进行求解计算。

本发明的有益效果为：本发明提供了一种计及电网运行收益与风险的概率优化调度模型， 采用马尔可夫过程对运行条件下的输电元件状态概率趋势进行了预测，得到了电网前瞻运行 状态的概率趋势，并通过输电元件停运事件发生概率与其对应经济代价的期望数学表达，实 现了调度决策与对后果经济代价之间的有机衔接，得到了协调系统综合运行收益的调度决策 方案，避免了确定性调度方式的存在弊端。通过在目标函数构造预想事故发生前后状态间的 概率经济性牵制，将事故状态下经济代价与其状态预测概率值构造成为期望目标的表达形式， 从而以概率均衡方式协调了输电元件停运事件对系统综合运行效益的影响，符合市场环境下 安全与经济相协调、风险与收益相均衡的调度决策理念。

附图说明

图1为电网设备元件的状态转移过程示意图；

图2为RBTS 6节点系统示意图。

具体实施方式

为了更好的理解本发明，下面结合附图和具体实施例对本发明作进一步说明：

一种计及电网运行收益与风险的概率优化调度模型，包括以下步骤：

S1：确定各种发电机组的运行周期内的成本函数、各个发电机组有功输出功率再调整引起的 费用函数、各个负荷节点的意外中断赔付费用函数；所述发电机组包括水电机组、火电机组、 风电机组、核电机组；具体如下：

水电机组运行周期内的成本函数为：

式中C_g,i为抽蓄机组i发电状态启动一次的成本；C_p,i为抽蓄机组i抽水状态启动一次的成 本；H为一个抽水蓄能站内抽水蓄能机组的台数；T为时间段数；C_g和C_p分别表示抽蓄机组 在一天内的发电启动成本和抽水启动成本；S_g,i,t为抽蓄机组工作于发电状态时的启动变量，S_p,i,t为抽蓄机组工作于抽水状态时的启动变量。

火电机组运行周期内的成本函数为：

第i负荷节点的收益函数为：

其中，P_Li为负荷节点i的有功功率；α_Li、β_Li为第i负荷节点的给定收益常系数；B_Li为负荷 节点i的收益，C_Gi火电机组i的发电成本，P_Gi火电机组i的有功功率，a_i、b_i为火电机组i的给定的成本常系数。

风电机组运行周期内的成本函数为：

式中，F为运行周期内总费用；N_u为常规发电机组数；f_u,l,i(t)为典型风电出力对应的机组 u在t时刻的发电费用，包括运行费用f_1u,l,i(P_u.t)、启停费用S_u,l,i(t)和SO₂及NO_x的排污费用 f_2u,l,i(NO_x,SO₂)；O_l,i(t)为系统上调峰能力不足而造成的缺电损失费；C_l,i(t)为系统下调峰能力不足 造成的弃风电量惩罚费用。O_l,i(t)和C_l,i(t)的计算式为：O_l,i(t)＝E_NSW.l,i(t)·γ； C_l,i(t)＝E_NAW.l,i(t)·ρ；式中，γ为单位缺电量的损失费；ρ为单位弃风电量的惩罚费用； E_NSW.l,i(t)、E_NAW.l,i(t)分别为典型风电出力对应的t时刻系统缺电量和弃风电量；为第l台风 电机组的有功功率，N_l为风电机组总数，N_T为运行周期内时间段数。

第i组发电机组有功输出功率再调整引起的费用函数如下：

其中，C_Ri为第i组发电机组再调整费用，为第i组发电机组调整前有功功率，第i组 发电机组在第k个故障场景下调整后有功功率，a_Δi为给定的调整费用常系数。

第i负荷节点的意外中断赔付费用函数如下：

式中，分别表示第i负荷节点在系统预想事故发生前状态下的有功负荷以及在系 统第k个预想事故状态下的有功负荷；α_Ii、β_Ii为相应的给定常系数，C_Ii为第i负荷节点的意 外中断赔付费用。

S2：根据步骤S1确定的各种发电机组的运行周期内的成本函数、各个发电机组有功输出功率 再调整引起的费用函数、各个负荷节点的意外中断赔付费用函数建立目标函数：

设N_C为输电网事故集中所包含的事件总数，T为选定起始参照时刻后系统需进行调度的时段， 则在第T调度时段，概率优化调度的目标函数为系统各状态下期望的运行总收益达到最大， 即

其中：

其中q⁰(T)为系统在第T时段处于正常运行状态的预测概率值；为系统在此状态下的运行 总收益；q^k(T)为第T时段电网发生第k个输电元件停运事件状态的预测概率值；为此状态 下的电网运行总收益；对应于系统在正常运行状态下的发电机组输出功率向量和节 点负荷功率向量；分别对应系统在第k个输电元件停运事件发生状态下的发电机组 输出功率向量和节点负荷功率向量。

P_L、P_G为发电机组输出功率向量和节点负荷功率向量，为系统在正常运行状态 下的第i发电机组输出功率向量和第i节点负荷功率，为系统在第k个输电元件停 运事件发生状态下的第i发电机组输出功率向量和第i节点负荷功率。

采用马尔可夫链对电网未来运行状态概率进行预测，以计算系统在第T时段处于正常运 行状态的预测概率值q⁰(T)和第T时段电网发生第k个输电元件停运事件状态的预测概率值 q^k(T)，具体如下：

(1)设电网中各输电元件为两状态分布，处于运行工作的状态标记为0，处于故障修复的状 态标记为1，设备元件的状态转移过程如图1所示，若输电元件i在初始时刻T0的状态概率 为：

式中,分别表示输电元件i在T₀时刻处于运行工作或故障修复的状态概率，数 值分别为A_i和1-A_i，A_i表征初始观察时刻各输电元件的健康水平，当系统运行至第T调度时 段，输电元件i的状态概率为：

式中：对应在第T调度时段下输电元件i在处于运行或故障状态的概率预 测值，即：

式中，Δt为输电元件发生状态转移的时间步长，n为输电元件从初始观察点运行至第T 时段时已经发生的状态转移总步数；λ_i为元件i由工作状态转为故障状态的概率、μ_i为元件 i由故障状态转为工作状态的概率。

(2)在得到电网第T时段各输电元件的状态预测概率后，电网第k个预想输电元件停运 事件的状态概率，可依据其相应故障重数并通过元件状态概率连乘得到；电力系统在第T时 段处于正常运行状态的概率为：

在第T时段，发生第k个输电元件停运事件的状态概率为：

其中，N_L为系统输电元件总数，为电网发生第k个输电元件停运事件状态下的故障 元件数量。

S3：建立目标函数的约束条件；具体如下：

(1)输电元件停运事故发生前和第k个停运事故发生后的运行状态所应满足潮流平衡约束， 即：

式中，N_B为系统的节点总个数；在系统处于输电元件停运事故发生前状态下，P_i ⁰为节点i的注入有功功率，θ⁰为由节点相角所构成的向量；在系统处于第k个输电元件停运事件状态 下，P_i ^k为节点i的注入有功功率，θ^k为由节点相角所构成的向量；

(2)系统在输电元件停运事件发生之前状态和第k个输电元件停运事件发生之后的状态，各 自所对应的不等式约束为：

式中，为第i台发电机组输出功率的上限和下限。若当前系统处于停运事件 发生前的正常运行状态，T_l ^(0)max为第l输电元件所对应的传输功率及其限值；为节点i负荷功率的上限和下限；T_L ⁽⁰⁾为输电元件的传输功率向量；若系统发生第k个停运事 件状态，T_l ^(k)max为第l输电元件所对应的传输功率及其所容许的短时过载限值； 为第i节点负荷功率的上限和下限；T_L ^(k)为输电元件传输功率向量。

P_G ⁽⁰⁾为正常情况下发电机组有功功率，P_G ^(k)为第k个故障状态下发电机组有功功率，为正常情况下第i个节点的负荷功率，为第k个故障状态下第i个节点的负荷功率，P_L ⁽⁰⁾为正常情况下节点的负荷功率、P_L ^(k)为第k个故障状态下节点的负荷功率。

(3)系统从输电元件停运事件发生前的正常运行状态出发，在第k个输电元件停运事故发生 以后，两个状态之间所对应的耦合牵制约束包括发电机组出力再调整和节点负荷意外中断， 具体描述如下：

式中，r_Ui和r_Di为第i台发电机组有功输出的上下允许调整速率；ΔT为系统在第T调度时段 发生输电元件停运事故后所能容许的发电机组出力紧急再调整时间。

S4：求解目标函数，步骤如下：

S41：设置电网起始参照时刻T₀状态、系统未来的调度时段T及需要给定的其他条件；

S42：采用采用马尔可夫链对电网未来第T时段各个可能运行状态的概率进行预测；

S43：在通过马尔可夫链得到电网未来第T调度时段各运行状态概率q^k(T)后，进一步分析本 发明的概率优化调度模型可知，该模型是通过式(8)的目标函数中的经济性关联和式(19) 状态约束耦合关联而得以牵制一体的联合优化决策模型。则本发明的概率优化调度模型可改 写成如下形式：

s.t.h^k(X^k)＝0,k＝0,1,…,N_C

f^k(X^k)≤0,k＝0,1,…,N_C

g^k(X^k,X⁰)≤0,k＝1,2,…,N_C； (20)

在式(20)中，X⁰、X^k分别对应系统预想事故前后状态下的变量集合；为保持概率优化调 度模型与传统优化调度模型在表达形式上的一致性，将目标函数中F⁰(X⁰)、F^k(X⁰，X^k)项表示 为式(9)与式(10)的负值，即式(20)目标函数为最小化系统在第T时段的运行耗费；h(X)、 f(X)分别对应电网输电元件停运事件发生前后各状态下的等式与不等式约束集合；g(X)指电网 输电元件停运事件发生前的正常运行状态与N_C个事故状态之间的耦合关联牵制约束集合。 构建式(20)的二次规划数学模型，并采用原对偶内点法对建立的目标函数进行求解计算。 具体如下：

原对偶内点法计算步骤如下，首先建立拉格朗日函数：

式中，λ≠0,u≤0,v≤0,x≥0,y≥0分别是拉格朗日乘子向量、求解向量和松弛向量。由 式(21)可知，最优解即Kuhn Tucker条件的推导结果可表示如下：

L_x＝c+Hx-A^Tλ-D^Tu+v＝0； (22)

L_λ＝Ax-b＝0； (23)

L_u＝Dx+y-h＝0； (24)

y^Tx＝0； (25)

u^Tw＝0； (26)

对式(25)和(26)可以通过引入扰动因子μ＞0使其变成下式：

L_v＝VXe+μe＝0； (27)

L_y＝UYe+μe＝0； (28)

式中，V,X,U,Y是对角矩阵；e是所有元素均为1的列向量。

针对最优条件求解，原对偶内点法可以看成是牛顿法的变形，以下对整体流程进行论述。

赋初值x⁰＞0,v⁰≤0,u⁰≤0,y⁰≥0,λ⁰≠0，在初始点对最优条件线性化，得到求解线性系 统的牛顿迭代修正方程：

就k＝0,1,…,进行如下迭代计算(以下在描述中略去迭代次数的标记)：

设置μ＝0；

步骤a：解式(29)，以确定仿射方向

步骤b：取τ＝0.9995和σ＝n^-1/2，

其中如果γ＜1，即取n为求解向 量维数；

步骤c：解式(8)，确定牛顿搜索方向[Δx^T,Δy^T,Δλ^T,Δu^T,Δv^T]^T；

式中：

步骤d.选择适当步长且保持其为内点，ρ＝min(1,τθ_p,τθ_d)，其中：

步骤e.构成新的迭代：

x＝x+ρΔx； (35)

y＝y+ρΔy； (36)

λ＝λ+ρΔλ； (37)

u＝u+ρΔu； (38)

v＝v+ρΔv； (39)

由于对应问题满足强对偶定理，所以原问题变量和对偶变量的步长取为相同的数值。

这里选取通常采用的初始值，使v＝-e,y＝e,u＝-e,λ＝e,或x_i＝f_i ^max/2分别对 应机组最大发电容量和输电元件最大潮流值。

由于式(29)和(30)表示的两个线性系统共享一个系数矩阵，所以以下论述只针对式 (29)表示的线性系统。该系统可以通过将松弛变量y和拉格朗日v消去来缩小系统的求解 规模。松弛变量可以表示成下式：

Δy＝-L_u-DΔx； (40)

拉格朗日乘子v可以表示成：

Δv＝-HΔx+A^TΔλ+D^TΔu-L_x； (41)

将式(40)和(41)带入式(29)，可得：

预测校正法求解流程如下：

步骤a：形成二次规划数学模型；

步骤b：给定初始值；

步骤c：置μ＝0并解式(40)到(42)，接着通过式(31)、(32)计算取代式(40)到(42)中的L_y,L_v，再次求解式(40)到(42)，得到牛顿搜索方向；

步骤d：如果Kuhn Tucker条件按规定的收敛条件满足(例如最大偏差取10^-5)，则输出结果； 否则转向步骤e；

步骤e：由牛顿搜索方向和步长对所求变量进行修正，并转向步骤c。

使用RBTS 6节点系统作为本发明算法的一个测试算例。该系统包括2条PV母线、4条 PQ母线、9条输电线路、2台发电机和5个负荷。该系统的电压等级为220kV。系统接线图如图2所示。该系统的母线参数如表1所示，线路参数如表2所示。其中功率基准值为100MVA，电压基准值为230kV。

表1母线参数

表2线路参数

线路编号	首端节点	末端节点	R/p.u.	X/p.u.	B/2/p.u.
						1，2	厂站1	厂站3	0.0342	0.180	0.0106
3，4	厂站2	厂站4	0.1140	0.600	0.0352
						5	厂站1	厂站2	0.0912	0.480	0.0282
6	厂站3	厂站4	0.0228	0.120	0.0071
						7	厂站3	厂站5	0.0228	0.120	0.0071
8	厂站4	厂站5	0.0228	0.120	0.0071
						9	厂站5	厂站6	0.0228	0.120	0.0071

分别采用本发明算法、仅考虑正常运行情况的确定性调度方式以及考虑N-1运行情况的 确定性调度方式进行优化。优化结果如表3所示：

表3优化结果

从结果可以看出，仅考虑正常运行情况的确定性调度方式收益略高于本发明算法，但因 未考虑元件故障情况，在较大概率故障下系统会出现失稳；考虑N-1运行情况的确定性调度 方式能够保证任一元件停运都不出现失稳，却以降低大幅系统运行收益为代价确保某些极小 概率的故障下系统的稳定。本发明算法综合协调了元件停运概率及后果与系统运行收益之间 的关系，使系统运行收益接近仅考虑正常运行情况的确定性调度方式，同时保证在较大概率 下系统保持稳定，得到了协调系统综合运行收益的调度决策方案，避免了确定性调度方式的 存在弊端。

本发明不局限于以上所述的具体实施方式，以上所述仅为本发明的较佳实施案例而已， 并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等， 均应包含在本发明的保护范围之内。

Claims (9)

1.一种计及电网运行收益与风险的概率优化调度模型，其特征在于：包括以下步骤：

S1：确定各种发电机组的运行周期内的成本函数、各个发电机组有功输出功率再调整引起的费用函数、各个负荷节点的意外中断赔付费用函数；所述发电机组包括水电机组、火电机组、风电机组、核电机组；

S2：根据步骤S1确定的各种发电机组的运行周期内的成本函数、各个发电机组有功输出功率再调整引起的费用函数、各个负荷节点的意外中断赔付费用函数建立目标函数：

设N_C为输电网事故集中所包含的事件总数，T为选定起始参照时刻后系统需进行调度的时段，则在第T调度时段，概率优化调度的目标函数为系统各状态下期望的运行总收益达到最大，即

其中：

其中q⁰(T)为系统在第T时段处于正常运行状态的预测概率值；为系统在此状态下的运行总收益；q^k(T)为第T时段电网发生第k个输电元件停运事件状态的预测概率值；为此状态下的电网运行总收益；对应于系统在正常运行状态下的发电机组输出功率向量和节点负荷功率向量；分别对应系统在第k个输电元件停运事件发生状态下的发电机组输出功率向量和节点负荷功率向量；P_L、P_G为发电机组输出功率向量和节点负荷功率向量；为系统在正常运行状态下的第i发电机组输出功率向量和第i节点负荷功率； 为系统在第k个输电元件停运事件发生状态下的第i发电机组输出功率向量和第i节点负荷功率；

S3：建立目标函数的约束条件；

S4：求解目标函数。

2.根据权利要求1所述的一种计及电网运行收益与风险的概率优化调度模型，其特征在于：水电机组运行周期内的成本函数为：

式中C_g,i为抽蓄机组i发电状态启动一次的成本；C_p,i为抽蓄机组i抽水状态启动一次的成本；H为一个抽水蓄能站内抽水蓄能机组的台数；C_g和C_p分别表示抽蓄机组在一天内的发电启动成本和抽水启动成本；S_g,i,t为抽蓄机组工作于发电状态时的启动变量，S_p,i,t为抽蓄机组工作于抽水状态时的启动变量。

3.根据权利要求1所述的一种计及电网运行收益与风险的概率优化调度模型，其特征在于：火电机组运行周期内的成本函数为：

第i负荷节点的收益函数为：

其中，P_Li为负荷节点i的有功功率；α_Li、β_Li为第i负荷节点的给定收益常系数，B_Li为负荷节点i的收益、C_Gi火电机组i的发电成本、P_Gi火电机组i的有功功率、a_i、b_i为火电机组i的给定的成本常系数。

4.根据权利要求1所述的一种计及电网运行收益与风险的概率优化调度模型，其特征在于：风电机组运行周期内的成本函数为：

式中，F为运行周期内总费用；N_u为常规发电机组数；f_u,l,i(t)为典型风电出力对应的机组u在t时刻的发电费用，包括运行费用f_1u,l,i(P_u.t)、启停费用S_u,l,i(t)和SO₂及NO_x的排污费用f_2u,l,i(NO_x,SO₂)；O_l,i(t)为系统上调峰能力不足而造成的缺电损失费；C_l,i(t)为系统下调峰能力不足造成的弃风电量惩罚费用；为第l台风电机组的有功功率；N_l为风电机组总数；N_T为运行周期内时间段数。

5.根据权利要求1所述的一种计及电网运行收益与风险的概率优化调度模型，其特征在于：第i组发电机组有功输出功率再调整引起的费用函数如下：

其中，C_Ri为第i组发电机组再调整费用；为第i组发电机组调整前有功功率；第i组发电机组在第k个故障场景下调整后有功功率；a_Δi为给定的调整费用常系数。

6.根据权利要求1所述的一种计及电网运行收益与风险的概率优化调度模型，其特征在于：第i负荷节点的意外中断赔付费用函数如下：

式中，分别表示第i负荷节点在系统预想事故发生前状态下的有功负荷以及在系统第k个预想事故状态下的有功负荷；α_Ii、β_Ii为相应的给定常系数；C_Ii为第i负荷节点的意外中断赔付费用。

7.根据权利要求1所述的一种计及电网运行收益与风险的概率优化调度模型，其特征在于：所述步骤S2中采用马尔可夫链对电网未来运行状态概率进行预测，以计算系统在第T时段处于正常运行状态的预测概率值q⁰(T)和第T时段电网发生第k个输电元件停运事件状态的预测概率值q^k(T)，具体如下：

(1)设电网中各输电元件为两状态分布，处于运行工作的状态标记为0，处于故障修复的状态标记为1，若输电元件i在初始时刻T0的状态概率为：

式中,分别表示输电元件i在T₀时刻处于运行工作或故障修复的状态概率，数值分别为A_i和1-A_i，A_i表征初始观察时刻各输电元件的健康水平，当系统运行至第T调度时段，输电元件i的状态概率为：

式中：对应在第T调度时段下输电元件i在处于运行或故障状态的概率预测值，即：

式中，Δt为输电元件发生状态转移的时间步长，n为输电元件从初始观察点运行至第T时段时已经发生的状态转移总步数；λ_i为元件i由工作状态转为故障状态的概率、μ_i为元件i由故障状态转为工作状态的概率；

(2)在得到电网第T时段各输电元件的状态预测概率后，电网第k个预想输电元件停运事件的状态概率，可依据其相应故障重数并通过元件状态概率连乘得到；电力系统在第T时段处于正常运行状态的概率为：

在第T时段，发生第k个输电元件停运事件的状态概率为：

其中，N_L为系统输电元件总数，为电网发生第k个输电元件停运事件状态下的故障元件数量。

8.根据权利要求1所述的一种计及电网运行收益与风险的概率优化调度模型，其特征在于：所述步骤S3中建立目标函数的约束条件具体如下：

(1)输电元件停运事故发生前和第k个停运事故发生后的运行状态所应满足潮流平衡约束，即：

式中，N_B为系统的节点总个数；在系统处于输电元件停运事故发生前状态下，P_i ⁰为节点i的注入有功功率，θ⁰为由节点相角所构成的向量；在系统处于第k个输电元件停运事件状态下，P_i ^k为节点i的注入有功功率，θ^k为由节点相角所构成的向量；

(2)系统在输电元件停运事件发生之前状态和第k个输电元件停运事件发生之后的状态，各自所对应的不等式约束为：

式中，为第i台发电机组输出功率的上限和下限。若当前系统处于停运事件发生前的正常运行状态，T_l ^(0)max为第l输电元件所对应的传输功率及其限值； 为节点i负荷功率的上限和下限；T_L ⁽⁰⁾为输电元件的传输功率向量；若系统发生第k个停运事件状态，T_l ^(k)max为第l输电元件所对应的传输功率及其所容许的短时过载限值；为第i节点负荷功率的上限和下限；T_L ^(k)为输电元件传输功率向量；P_G ⁽⁰⁾为正常情况下发电机组有功功率；P_G ^(k)为第k个故障状态下发电机组有功功率；为正常情况下第i个节点的负荷功率；为第k个故障状态下第i个节点的负荷功率；P_L ⁽⁰⁾为正常情况下节点的负荷功率；P_L ^(k)为第k个故障状态下节点的负荷功率；

(3)系统从输电元件停运事件发生前的正常运行状态出发，在第k个输电元件停运事故发生以后，两个状态之间所对应的耦合牵制约束包括发电机组出力再调整和节点负荷意外中断，具体描述如下：

式中，r_Ui和r_Di为第i台发电机组有功输出的上下允许调整速率；ΔT为系统在第T调度时段发生输电元件停运事故后所能容许的发电机组出力紧急再调整时间。

9.根据权利要求1所述的一种计及电网运行收益与风险的概率优化调度模型，其特征在于：所述步骤S4中求解目标函数的步骤如下：

S41：设置电网起始参照时刻T₀状态、系统未来的调度时段T及需要给定的其他条件；

S42：采用采用马尔可夫链对电网未来第T时段各个可能运行状态的概率进行预测；

S43：采用原对偶内点法对建立的目标函数进行求解计算。