CN111342486B - 一种含梯级水电的风光水互补发电系统的优化调度方法 - Google Patents

Abstract

本发明公开了一种含梯级水电的风光水互补发电系统的优化调度方法，首先获取风电场、光伏电站和梯级水电站的信息，接着建立含梯级水电的风光水互补发电系统优化调度模型，然后提出风光水互补发电增量效益量化方法，最后提出风光水互补发电增量效益分摊方法。本发明从运行角度出发，提出了含梯级水电的风光水互补发电系统优化调度模型，该模型利用了风力资源和光照资源的自然互补特性，发挥了梯级水电统筹调节水资源的能力，提高了风电和光电消纳能力，满足了输出电能的可靠性要求。

Description

一种含梯级水电的风光水互补发电系统的优化调度方法

技术领域

本发明涉及一种含梯级水电的风光水互补发电系统的优化调度方法，属于电力领域。

背景技术

大规模风电和光电并网后，电力系统的经济安全运行面临严峻考验，如何依托梯级水电开发风、光、水清洁能源互补发电，提高风电和光电的消纳水平是亟需解决的问题。现有文献对风光水互补发电优化调度模型的研究，主要从风-抽水蓄能互补、风-小型梯级水电互补、风-光-常规水电互补等角度展开研究，针对含梯级水电的风光水互补发电系统优化调度模型的研究还处在初级阶段

发明内容

发明目的：本发明提出一种含梯级水电的风光水互补发电系统的优化调度方法，提高了风电和光电消纳能力。

技术方案：本发明采用的技术方案为一种含梯级水电的风光水互补发电系统的优化调度方法，包括以下步骤：

1)获取风电场、光伏电站和梯级水电站的信息；

2)建立含梯级水电的风光水互补发电系统优化调度模型；

3)提出风光水互补发电增量效益量化方法；

4)提出风光水互补发电增量效益分摊方法。

所述风电场信息包括风电场中风力发电机组总数目、每台风力发电机额定功率、切入风速、切出风速、额定风速、风速预测均值和方差；

所述光伏电站信息包括光伏电站中光伏发电机组总数目、额定功率、光伏面板面积、光电转换效率、光照强度预测均值和方差；

所述梯级水电站信息包括梯级水电站中梯级水电站组成方式、水电机组发电量系数、最大发电功率限制、发电用水量限制、水库容量限制、水电机组蓄水量限制、发电量限制。

所述含梯级水电的风光水互补发电系统优化调度模型，具体为：

其中，

为t时段风光水互补发电的实际出力；

分别表示t时段风力发电机组k的预测出力和所需满足的约束；

分别表示t时段光伏发电机组k的预测出力和所需满足的约束；

和

分别表示t时段水电机组k的实际出力、出力上限和所需满足的约束；R^t为t时段所需准备的旋转备用容量；NW为风力发电机组总数目，NP为光伏发电机组总数目，NH为水电机组总数目；T为运行周期，t∈T；k为发电机组序列；

该优化调度模型的约束条件包括：

i)风力发电机组约束：

其中，

为风力发电机组k的出力下限；

ii)光伏发电约束：

其中，

分别为光伏发电机组k出力的上、下限；

iii)梯级水电约束：

其中，P _hy,k为水电机组k的出力下限；

为t时段水电机组k的天然来水量；

为t时段水电机组k的弃水量；

分别为t-1时段和t时段水电机组k的蓄水量；

分别为t时段上游水电机组k-1和下游水电机组k的发电用水量；

分别为t时段水电机组k的发电用水量上、下限；

分别为t时段水电机组k的蓄水量上、下限；

iv)旋转备用约束：

其中,

分别为t时段水电机组k的实际旋转备用上调量和下调量；

分别为水电机组k的旋转备用最大上调量和最大下调量；ASR₁表示互补发电系统需为风电、光电、水电准备的旋转备用上调量；ASR₂表示互补发电系统需为风电、光电准备的旋转备用下调量；ur₁％、ur₂％、ur₃％分别为风电、光电、水电的上调旋转备用系数；ud₁％、ud₂％分别为风电、光电的下调旋转备用系数；u％、d％分别表示旋转备用最大上调量、最大下调量占最大发电量的比例；

v)调频约束：

其中，

分别为t时段风电机组k预测出力与机组出力上下限的差额；

分别为t时段光电机组k预测出力与机组出力上下限的差额；

分别为t时段水电机组k的实际爬坡量、斜降量；

分别为水电机组k的爬坡量、斜降量上限；α、β分别为风电和光电的波动系数。

所述t时段风力发电机组k的预测出力

的模型为：

其中,v(t)为t时段预测风速；v_I,k、v_O，k和v_R,k分别为风力发电机组k的切入风速、切出风速和额定风速；

为t时段风力发电机组k的出力上限；

所述t时段光伏发电机组k的预测出力

的模型为：

其中，

为t时段光伏发电机组k的预测出力；

为t时段光伏面板k采集到的光照强度；S_k为光伏面板k的面积；η_k为光伏发电机组的k光电转换效率；

所述t时段水电机组k的实际出力

的模型为：

其中，

为t时段水电机组k的蓄水量；

为t时段水电机组k的发电用水量；a_n,k(n＝1,2…6)为水电机组k的发电量系数。

所述风光水互补发电增量效益量化方法包括以下步骤：

i)建立风电场、光伏电站和梯级水电站独立调度数学模型；

其中风电场和光伏电站独立调度的数学模型分别为：

其中，

分别为t时段风电场和光伏电站独立调度的实际出力；

分别为t时段风电场和光伏电站出力的预测方差；

梯级水电站独立调度的数学模型为：

其中，

为t时段梯级水电站独立调度的实际出力；

ii)建立含梯级水电的风光水互补发电系统联合调度的数学模型，包括：风-光联合调度、风-水联合调度、光-水联合调度和风-光-水联合调度；

其中风-光联合调度的数学模型为：

ρ为相关性系数(ρ<0表示风电与光电的互补特性)；

为t时段风光互补发电实际出力；

风光互补发电增量效益为：

其中，ΔP_WP为风光互补发电增量效益；

风水互补发电增量效益为：

其中，

为t时段风水互补发电实际出力；ΔP_WH为风水互补发电增量效益；光水互补发电增量效益为：

其中，

为t时段光水互补发电实际出力；ΔP_PH为光水互补发电增量效益；风光水互补发电增量效益为：

其中，ΔP_WPH为风光水互补发电增量效益。

所述风光水互补发电增量效益分摊方法为核仁法、Shapley值法或MCRS法。

所述核仁法表示为：

X＝{x₁,x₂,L,x_i,L,x_n}

Y＝{y₁,y₂,L,y_i,L,y_n}

其中，x_i(i＝1,2…,n)、X分别为各发电成员分摊到的发电量及其集合；y_i(i＝1,2…,n)、Y分别为各发电成员独立运行时发电量及其的转归集合；v(S)为联盟S的发电量；I(S)为联盟S的效益，即联盟S相较于各成员独立运行时多发出的电能；e(S,y)为联盟S在发电增量的转归y∈Y处的超出值，该值越大，联盟S对分摊的满意程度越低；ε为任意小实数；C⁺(ε)为满足所有条件

的转归集合；

为超出值的最大值；

式(40)可以采用线性规划来实现，即：

min e

其中，N为全体发电成员的集合；S为全体发电成员的所有非空子集；

核仁法分摊结果为：

x_i＝y_i+v(i)。

所述Shapley值计算出的参与者所应获得的效益，等于该参与者对每一个它所参与的联盟的边际贡献的期望值之和，基于Shapley值法的增量效益分摊结果为：

其中，φ_i(v)表示发电成员i的分摊量；

表示发电成员i给联盟S带来的发电量，即联盟S的边际效益；|S|表示联盟S所包含的发电成员数目；n！表示包含所有发电成员的大联盟中所有可能发电成员加入次序的排列；

对应满足发电成员i的加入次序先于联盟S之外所有机组条件的排列数目；

对应满足发电成员i的加入次序先于联盟S之外所有负荷条件的排列数目。

所述MCRS法看作是计算第i个发电成员加入大联盟N时的增量效益，第i个发电成员分配到的最大增量效益为发电成员i作为最后一个发电成员加入大联盟N时产生的增量效益：

x_i,max＝v(N)-v(N-{i})≥x_i

其中，x_i,max为发电成员i能分配到的最大增量效益；

第i个发电成员分配到的最小增量效益为只有发电成员i运行时的发电效益：

x_i≥x_i,min＝v(i)

其中，x_i,min为发电成员i能分配到的最小增量效益；

因此，第i个发电成员分摊到的发电量为：

x_i＝x_i,min+β_iI_c

其中，I_c为按最小增量效益分配后增量效益剩余量；β_i为发电成员i剩余增量效益占总增量效益的比例。

有益效果：本发明从运行角度出发，提出了含梯级水电的风光水互补发电系统优化调度模型，该模型利用了风力资源和光照资源的自然互补特性，发挥了梯级水电统筹调节水资源的能力，提高了风电和光电消纳能力，满足了输出电能的可靠性要求。

附图说明

图1为本发明的工作流程图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等同形式的修改均落于本申请所附权利要求所限定的范围。

如图1所示，本实施例包括以下步骤：

1)获取风电场、光伏电站和梯级水电站的信息，包括风电场中风力发电机组总数目、每台风力发电机额定功率、切入风速、切出风速、额定风速、风速预测均值和方差的信息；光伏电站中光伏发电机组总数目、额定功率、光伏面板面积、光电转换效率、光照强度预测均值和方差的信息；梯级水电站中梯级水电站组成方式、水电机组发电量系数、最大发电功率限制、发电用水量限制、水库容量限制、水电机组蓄水量限制、发电量限制的信息。

其中梯级水电站天然来水信息如表1所示：

表1

所述水电机组发电量系数如表2所示，其中a₁-a₆为水电机组发电量系数：

表2

所述水电机组蓄水量限制、发电用水量限制、发电量限制如表3所示：

表3

所述风电场数据如表4所示：

表4

所述光伏电站信息如表5所示：

表5

所述风速预测均值和方差如表6所示：

表6

所述光照强度预测均值和方差如表7所示：

表7

2)建立含梯级水电的风光水互补发电系统优化调度模型，该模型具体为：

其中，

为t时段风光水互补发电的实际出力；

分别表示t时段风力发电机组k的预测出力和所需满足的约束；

分别表示t时段光伏发电机组k的预测出力和所需满足的约束；

和

分别表示t时段水电机组k的实际出力、出力上限和所需满足的约束；R^t为t时段所需准备的旋转备用容量；NW为风力发电机组总数目，NP为光伏发电机组总数目，NH为水电机组总数目；T为运行周期，t∈T；k为发电机组序列。

上述t时段风力发电机组k的预测出力

的模型为：

其中,v(t)为t时段预测风速；v_I,k、v_O，k和v_R,k分别为风力发电机组k的切入风速、切出风速和额定风速；

为t时段风力发电机组k的出力上限。

上述t时段光伏发电机组k的预测出力

的模型为：

其中，

为t时段光伏发电机组k的预测出力；

为t时段光伏面板k采集到的光照强度；S_k为光伏面板k的面积；η_k为光伏发电机组的k光电转换效率。

上述t时段水电机组k的实际出力

的模型为：

其中，

为t时段水电机组k的蓄水量；

为t时段水电机组k的发电用水量；a_n,k(n＝1,2…6)为水电机组k的发电量系数。

前述含梯级水电的风光水互补发电系统优化调度模型的约束条件如下：

i)风力发电机组约束：

其中，

为风力发电机组k的出力下限。

ii)光伏发电约束：

其中，

分别为光伏发电机组k出力的上、下限。

iii)梯级水电约束：

其中，P _hy,k为水电机组k的出力下限；

为t时段水电机组k的天然来水量；

为t时段水电机组k的弃水量；

分别为t-1时段和t时段水电机组k的蓄水量；

分别为t时段上游水电机组k-1和下游水电机组k的发电用水量；

分别为t时段水电机组k的发电用水量上、下限；

分别为t时段水电机组k的蓄水量上、下限。

iv)旋转备用约束：

其中,

分别为t时段水电机组k的实际旋转备用上调量和下调量；

分别为水电机组k的旋转备用最大上调量和最大下调量；ASR₁表示互补发电系统需为风电、光电、水电准备的旋转备用上调量；ASR₂表示互补发电系统需为风电、光电准备的旋转备用下调量；ur₁％、ur₂％、ur₃％分别为风电、光电、水电的上调旋转备用系数；ud₁％、ud₂％分别为风电、光电的下调旋转备用系数；u％、d％分别表示旋转备用最大上调量、最大下调量占最大发电量的比例。

v)调频约束：

其中，

分别为t时段风电机组k预测出力与机组出力上下限的差额；

分别为t时段光电机组k预测出力与机组出力上下限的差额；

分别为t时段水电机组k的实际爬坡量、斜降量；UR_hy,k、DR_hy,k分别为水电机组k的爬坡量、斜降量上限；α、β分别为风电和光电的波动系数。

3)提出风光水互补发电增量效益量化方法，具体步骤包括：

i)建立风电场、光伏电站和梯级水电站独立调度数学模型。

应用概率分布与数理统计方法分析大量历史数据可以发现，风电出力和光电出力均服从正态分布，则风电场和光伏电站独立调度的数学模型分别为：

其中，

分别为t时段风电场和光伏电站独立调度的实际出力；

分别为t时段风电场和光伏电站出力的预测方差。

梯级水电站独立调度的数学模型为：

其中，

为t时段梯级水电站独立调度的实际出力。

ii)建立含梯级水电的风光水互补发电系统联合调度的数学模型，包括：风-光联合调度、风-水联合调度、光-水联合调度和风-光-水联合调度。

根据概率分布和数理统计相关理论，风光互补特性可由二维联合正态分布描述，风-光联合调度的数学模型为：

其中，ρ为相关性系数(ρ<0表示风电与光电的互补特性)；

为t时段风光互补发电实际出力。

风光互补发电增量效益为：

其中，ΔP_WP为风光互补发电增量效益。

风-水联合调度的数学模型可由所述第二步中的式(1)移去光伏发电机组相关参数和约束条件。风水互补发电增量效益为：

其中，

为t时段风水互补发电实际出力；ΔP_WH为风水互补发电增量效益。

同样，光-水联合调度的数学模型可由所述第二步中的式(1)移去风力发电机组相关参数和约束条件。光水互补发电增量效益为：

其中，

为t时段光水互补发电实际出力；ΔP_PH为光水互补发电增量效益。

风-光-水联合调度的数学模型如所述第二步中的式(1)所示，风光水互补发电增量效益为：

其中，ΔP_WPH为风光水互补发电增量效益。

4)提出风光水互补发电增量效益分摊方法，具体为核仁法、Shapley值法或MCRS法。

i)核仁法

核仁是基于最小核心进行分摊，就是将最不满意联盟不满意程度的最小化，可以表示为：

X＝{x₁,x₂,L,x_i,L,x_n} (36)

Y＝{y₁,y₂,L,y_i,L,y_n} (37)

其中，x_i(i＝1,2…,n)、X分别为各发电成员分摊到的发电量及其集合；y_i(i＝1,2…,n)、Y分别为各发电成员独立运行时发电量及其的转归集合；v(S)为联盟S的发电量；I(S)为联盟S的效益，即联盟S相较于各成员独立运行时多发出的电能；e(S,y)为联盟S在发电增量的转归y∈Y处的超出值，该值越大，联盟S对分摊的满意程度越低；ε为任意小实数；C⁺(ε)为满足所有条件

的转归集合；

为超出值的最大值。

式(40)可以采用线性规划来实现，即：

其中，N为全体发电成员的集合；S为全体发电成员的所有非空子集。

核仁法分摊结果为：

x_i＝y_i+v(i) (42)

ii)Shapley值法

Shapley值计算出的参与者所应获得的效益，等于该参与者对每一个它所参与的联盟的边际贡献的期望值之和。基于Shapley值法的增量效益分摊结果为：

其中，φ_i(v)表示发电成员i的分摊量；

表示发电成员i给联盟S带来的发电量，即联盟S的边际效益；|S|表示联盟S所包含的发电成员数目；n！表示包含所有发电成员的大联盟中所有可能发电成员加入次序的排列；

对应满足发电成员i的加入次序先于联盟S之外所有机组条件的排列数目；

对应满足发电成员i的加入次序先于联盟S之外所有负荷条件的排列数目。

iii)MCRS法

MCRS法可以看作是计算第i个发电成员加入大联盟N时的增量效益。第i个发电成员分配到的最大增量效益为发电成员i作为最后一个发电成员加入大联盟N时产生的增量效益：

x_i,max＝v(N)-v(N-{i})≥x_i (45)

其中，x_i,max为发电成员i能分配到的最大增量效益。

第i个发电成员分配到的最小增量效益为只有发电成员i运行时的发电效益：

x_i≥x_i,min＝v(i) (46)

其中，x_i,min为发电成员i能分配到的最小增量效益。

因此，第i个发电成员分摊到的发电量为：

x_i＝x_i,min+β_iI_c (47)

其中，I_c为按最小增量效益分配后增量效益剩余量；β_i为发电成员i剩余增量效益占总增量效益的比例。

以下是一个算例：

以某流域2个梯级水电站，1个大型风电场和1个大型光伏电站构成的4发电成员风光水互补发电系统为例，对总共24个时段进行研究，每时段时间长度为1小时，具体参数见表1-表7。设置以下4种联合调度场景进行优化调度，结合独立调度，对该风光水互补发电系统的增量效益进行分析，结果如表8所示：

表8

场景1：风光互补发电。该场景中只有风电场和光伏电站。

场景2：含梯级水电的风水互补发电。该场景中只有风电场和梯级水电站，需考虑风电波动性、机组运行约束、调频约束和旋转备用约束。风电波动系数α通常在15％-20％。

场景3：含梯级水电的光水互补发电。该场景中只有光伏电站和梯级水电站，需考虑光电波动性、机组运行约束、调频约束和旋转备用约束。光电波动系数β通常在15％-20％。

场景4：含梯级水电的风光水互补发电。该场景中有风电场、光伏电站和梯级水电站，需考虑风电波动性、光电波动性、机组运行约束、调频约束和旋转备用约束。

基于合作博弈理论，将风电场、光伏发电机、梯级水电站视为4个局中人(假设：风电场为局中人1、光伏电站为局中人2、上游水电站为局中人3、下游水电站为局中人4)。全体局中人集合以及每个非空子集都形成一个联盟，共有15个联盟，各联盟出力如表9所示：

表9

采用核仁法、Shapley值法或MCRS法进行增量效益分摊，分摊结果如表10所示：

表10

并且3种分摊结果均满足个体理性、联盟理性和全局理性，如附表11-13所示：

表11

表12

表13

Claims (6)

1.一种含梯级水电的风光水互补发电系统的优化调度方法，其特征在于，包括以下步骤：

1)获取风电场、光伏电站和梯级水电站的信息；

2)建立含梯级水电的风光水互补发电系统优化调度模型，具体为：

其中，

为t时段风光水互补发电的实际出力；

分别表示t时段风力发电机组k的预测出力和所需满足的约束；

分别表示t时段光伏发电机组k的预测出力和所需满足的约束；

和

分别表示t时段水电机组k的实际出力、出力上限和所需满足的约束；R^t为t时段所需准备的旋转备用容量；NW为风力发电机组总数目，NP为光伏发电机组总数目，NH为水电机组总数目；T为运行周期，t∈T；k为发电机组序列；

该优化调度模型的约束条件包括：

i)风力发电机组约束：

其中，

为风力发电机组k的出力下限；

ii)光伏发电约束：

其中，

分别为光伏发电机组k出力的上、下限；

iii)梯级水电约束：

其中，P _hy,k为水电机组k的出力下限；

为t时段水电机组k的天然来水量；

为t时段水电机组k的弃水量；

分别为t-1时段和t时段水电机组k的蓄水量；

分别为t时段上游水电机组k-1和下游水电机组k的发电用水量；

分别为t时段水电机组k的发电用水量上、下限；

分别为t时段水电机组k的蓄水量上、下限；

iv)旋转备用约束：

其中,

分别为t时段水电机组k的实际旋转备用上调量和下调量；

分别为水电机组k的旋转备用最大上调量和最大下调量；ASR₁表示互补发电系统需为风电、光电、水电准备的旋转备用上调量；ASR₂表示互补发电系统需为风电、光电准备的旋转备用下调量；ur₁％、ur₂％、ur₃％分别为风电、光电、水电的上调旋转备用系数；ud₁％、ud₂％分别为风电、光电的下调旋转备用系数；u％、d％分别表示旋转备用最大上调量、最大下调量占最大发电量的比例；

v)调频约束：

其中，

分别为t时段风电机组k预测出力与机组出力上下限的差额；

分别为t时段光电机组k预测出力与机组出力上下限的差额；

分别为t时段水电机组k的实际爬坡量、斜降量；

分别为水电机组k的爬坡量、斜降量上限；α、β分别为风电和光电的波动系数；

3)提出风光水互补发电增量效益量化方法，包括以下步骤：

i)建立风电场、光伏电站和梯级水电站独立调度数学模型；

其中风电场和光伏电站独立调度的数学模型分别为：

其中，

分别为t时段风电场和光伏电站独立调度的实际出力；

分别为t时段风电场和光伏电站出力的预测方差；

梯级水电站独立调度的数学模型为：

其中，

为t时段梯级水电站独立调度的实际出力；

ii)建立含梯级水电的风光水互补发电系统联合调度的数学模型，包括：风-光联合调度、风-水联合调度、光-水联合调度和风-光-水联合调度；

其中风-光联合调度的数学模型为：

ρ为相关性系数，ρ<0表示风电与光电的互补特性；

为t时段风光互补发电实际出力；

风光互补发电增量效益为：

其中，ΔP_WP为风光互补发电增量效益；

风水互补发电增量效益为：

其中，

为t时段风水互补发电实际出力；ΔP_WH为风水互补发电增量效益；

光水互补发电增量效益为：

其中，

为t时段光水互补发电实际出力；ΔP_PH为光水互补发电增量效益；

风光水互补发电增量效益为：

其中，ΔP_WPH为风光水互补发电增量效益；

4)提出风光水互补发电增量效益分摊方法，所述风光水互补发电增量效益分摊方法为核仁法、Shapley值法或MCRS法。

2.根据权利要求1所述的含梯级水电的风光水互补发电系统的优化调度方法，其特征在于，所述风电场信息包括风电场中风力发电机组总数目、每台风力发电机额定功率、切入风速、切出风速、额定风速、风速预测均值和方差；

所述光伏电站信息包括光伏电站中光伏发电机组总数目、额定功率、光伏面板面积、光电转换效率、光照强度预测均值和方差；

所述梯级水电站信息包括梯级水电站中梯级水电站组成方式、水电机组发电量系数、最大发电功率限制、发电用水量限制、水库容量限制、水电机组蓄水量限制、发电量限制。

3.根据权利要求1所述的含梯级水电的风光水互补发电系统的优化调度方法，其特征在于，所述t时段风力发电机组k的预测出力

的模型为：

其中,v(t)为t时段预测风速；v_I,k、v_O，k和v_R,k分别为风力发电机组k的切入风速、切出风速和额定风速；

为t时段风力发电机组k的出力上限；

所述t时段光伏发电机组k的预测出力

的模型为：

其中，

为t时段光伏发电机组k的预测出力；

为t时段光伏面板k采集到的光照强度；S_k为光伏面板k的面积；η_k为光伏发电机组的k光电转换效率；

所述t时段水电机组k的实际出力

的模型为：

其中，

为t时段水电机组k的蓄水量；

为t时段水电机组k的发电用水量；a_n,k(n＝1,2…6)为水电机组k的发电量系数。

4.根据权利要求1所述的含梯级水电的风光水互补发电系统的优化调度方法，其特征在于，所述核仁法表示为：

X＝{x₁,x₂,L,x_i,L,x_n}

Y＝{y₁,y₂,L,y_i,L,y_n}

其中，x_i(i＝1,2…,n)、X分别为各发电成员分摊到的发电量及其集合；y_i(i＝1,2…,n)、Y分别为各发电成员独立运行时发电量及其的转归集合；v(S)为联盟S的发电量；I(S)为联盟S的效益，即联盟S相较于各成员独立运行时多发出的电能；e(S,y)为联盟S在发电增量的转归y∈Y处的超出值，该值越大，联盟S对分摊的满意程度越低；ε为任意小实数；C⁺(ε)为满足所有条件

的转归集合；

为超出值的最大值；

采用线性规划来实现，即：

minε

其中，N为全体发电成员的集合；S为全体发电成员的所有非空子集；

核仁法分摊结果为：

x_i＝y_i+v(i)。

5.根据权利要求1所述的含梯级水电的风光水互补发电系统的优化调度方法，其特征在于，所述Shapley值计算出的参与者所应获得的效益，等于该参与者对每一个它所参与的联盟的边际贡献的期望值之和，基于Shapley值法的增量效益分摊结果为：

其中，φ_i(v)表示发电成员i的分摊量；

表示发电成员i给联盟S带来的发电量，即联盟S的边际效益；|S|表示联盟S所包含的发电成员数目；n！表示包含所有发电成员的大联盟中所有可能发电成员加入次序的排列；

对应满足发电成员i的加入次序先于联盟S之外所有机组条件的排列数目；

对应满足发电成员i的加入次序先于联盟S之外所有负荷条件的排列数目。

6.根据权利要求1所述的含梯级水电的风光水互补发电系统的优化调度方法，其特征在于，所述MCRS法看作是计算第i个发电成员加入大联盟N时的增量效益，第i个发电成员分配到的最大增量效益为发电成员i作为最后一个发电成员加入大联盟N时产生的增量效益：

x_i,max＝v(N)-v(N-{i})≥x_i

其中，x_i,max为发电成员i能分配到的最大增量效益；

第i个发电成员分配到的最小增量效益为只有发电成员i运行时的发电效益：

x_i≥x_i,min＝v(i)

其中，x_i,min为发电成员i能分配到的最小增量效益；

因此，第i个发电成员分摊到的发电量为：

x_i＝x_i,min+β_iI_c

其中，I_c为按最小增量效益分配后增量效益剩余量；β_i为发电成员i剩余增量效益占总增量效益的比例。

Images