CN111414697B - 一种考虑可中断负荷不确定性的N-x鲁棒优化调度方法 - Google Patents
一种考虑可中断负荷不确定性的N-x鲁棒优化调度方法 Download PDFInfo
- Publication number
- CN111414697B CN111414697B CN202010214315.1A CN202010214315A CN111414697B CN 111414697 B CN111414697 B CN 111414697B CN 202010214315 A CN202010214315 A CN 202010214315A CN 111414697 B CN111414697 B CN 111414697B
- Authority
- CN
- China
- Prior art keywords
- user
- robust
- interruptible load
- uncertainty
- scheduling
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000005457 optimization Methods 0.000 claims abstract description 64
- 239000010410 layer Substances 0.000 claims abstract description 30
- 239000002356 single layer Substances 0.000 claims abstract description 12
- 230000009977 dual effect Effects 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 17
- 230000005611 electricity Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Technology Law (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑可中断负荷不确定性的N‑x鲁棒优化调度方法，包括以下步骤，获取用户信誉度信息；建立以用户故障状态为决策变量并计及所述用户信誉度的N‑x不确定集；建立机组组合与可中断负荷的联合优化调度的鲁棒双层优化调度模型；将所述鲁棒双层优化模型转化为鲁棒单层优化模型；求得最优解进行机组组合与可中断负荷的联合优化调度。本发明的有益效果：充分结合用户自身信誉度对其响应调度指令效果的影响，合理设定故障概率参数即可实现调度结果不考虑可靠性较高的用户发生故障的情况，避免因鲁棒优化方法考虑用户故障的最恶劣情况而可能造成的调度方案与实际运行情况间出现偏差。
Description
技术领域
本发明涉及微能源网调度的技术领域，尤其涉及一种考虑可中断负荷不确定性的N-x鲁棒优化调度方法。
背景技术
近年来已有的考虑可中断负荷不确定性的优化调度方法仅采用设定响应区间和随机优化方法建立不确定性模型来处理可中断用户不确定性，尚未有成果采用鲁棒优化方法处理可中断负荷不确定性。现有随机优化方法均对可中断负荷不确定性概率分布做了假设，其运行结果仍具有不确定性，在可中断负荷项目实施过程中，用户响应不确定性具有离散、非凸的特性，难以形成明确的概率分布，因此考虑采用鲁棒优化方法处理其不确定性。
由于可中断用户响应不确定性难以形成明确的概率分布，因此运用鲁棒优化方法处理可中断负荷不确定性是必要的，将用户信誉度与鲁棒优化方法结合，使鲁棒优化结果更密切地结合实际运行情况也颇具实际意义。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明解决的技术问题是：提出一种考虑可中断负荷不确定性的N-x鲁棒优化调度方法，通过使用计及用户信誉度的N-x不确定集刻画可中断负荷不确定性。
为解决上述技术问题，本发明提供如下技术方案：一种考虑可中断负荷不确定性的N-x鲁棒优化调度方法，包括以下步骤，获取用户信誉度信息；建立以用户故障状态为决策变量并计及所述用户信誉度的N-x不确定集；基于所述N-x不确定集建立含可中断负荷的鲁棒优化调度模型；建立机组组合与可中断负荷的联合优化调度的鲁棒双层优化调度模型；利用对偶理论将鲁棒下层约束条件用其对偶可行约束替代，将所述鲁棒双层优化模型转化为鲁棒单层优化模型；求得所述鲁棒单层优化模型的最优解，进行机组组合与可中断负荷的联合优化调度。
作为本发明所述的考虑可中断负荷不确定性的N-x鲁棒优化调度方法的一种优选方案，其中：所述获取用户信誉度信息的过程包括，在可中断负荷合同中引入了基于“供给者保险”的保险合同；根据事先掌握的信息设定可中断负荷保险费率表，包括用户信誉度Sj及其对应的保险金ω(Sj)和赔偿金τ(Sj)信息；用户结合保单费率及对自身响应能力的预估选择所签订的保单信誉度Sj，电力机构则支付给用户该信誉度相对应的保险金ω(Sj)；保险合同确定的用户信誉度Sj即可视为可中断用户j响应调度指令的概率。
作为本发明所述的考虑可中断负荷不确定性的N-x鲁棒优化调度方法的一种优选方案，其中：所述N-x不确定集包括以下建立步骤，将用户不响应调度指令的情况视为故障状态；定义二型变量lj表示用户j的故障状态，当用户故障时lj为0，否则lj为1；定义保单信誉度Sj为用户j响应调度指令的概率，则(1-Sj)即为用户发生故障的概率；以用户故障状态为指数，则表示用户j的故障状态为lj时对应的概率；设定计及用户信誉度的N-x不确定集为：
式中，为故障概率参数，所述故障概率参数确定了N-x安全约束对于不确定集内包含的故障情况发生概率的限制，并决定了N-x不确定集的形态和故障阶数x的值。将N-x安全约束两端同时取对数可得：
作为本发明所述的考虑可中断负荷不确定性的N-x鲁棒优化调度方法的一种优选方案，其中：所述鲁棒双层优化调度模型包括以下构建步骤，上层模型考虑电网系统结并构建系统功率平衡方程；加入常规发电机组模型约束；加入可中断负荷模型约束；加入联络线功率约束；下层模型考虑用户发生N-x最恶劣故障情况并构建系统功率平衡方程；加入N-x安全约束。
作为本发明所述的考虑可中断负荷不确定性的N-x鲁棒优化调度方法的一种优选方案，其中：所述系统功率平衡方程如下，
式中，PGi(t)为发电机i在时刻t的出力，ui(t)为机组i在t时刻的运行状态，若机组运行则为1，否则为0；Pj(t)为t时刻可中断用户j提供的中断容量；vj(t)表示可中断负荷在t时刻的中断状态，用户中断时为1，否则为0；PTL(t)为t时刻系统与大电网间联络线功率，当大电网向系统输送功率时PTL(t)为正，反之为负；PL(t)为t时刻系统负荷预测值。
作为本发明所述的考虑可中断负荷不确定性的N-x鲁棒优化调度方法的一种优选方案，其中：所述常规发电机组模型，约束关系如下，
式中，PGi min和PGi max为机组i最小和最大技术；rGid和rGiu分布为机组i的下行、上行爬坡速率；TUimin为机组i最小开机时间；TDimin为机组i最小停机时间。
作为本发明所述的考虑可中断负荷不确定性的N-x鲁棒优化调度方法的一种优选方案，其中：所述可中断负荷模型约束，如下，
式中，Pj max为可中断用户j申报的最大中断容量；TDILjmin为可中断用户j的最小中断时间；TDILj max为可中断用户j的最大中断持续时间；TUILjmin为可中断用户j的最小中断时间间隔；Nj max为调度时段T内可中断用户j允许的最大中断次数。
作为本发明所述的考虑可中断负荷不确定性的N-x鲁棒优化调度方法的一种优选方案，其中：所述联络线功率约束如下，
|PTL(t)|≤PTLmax
式中，PTL max为联络线最大功率限值。作为本发明所述的考虑可中断负荷不确定性的N-x鲁棒优化调度方法的一种优选方案，其中：所述用户发生N-x最恶劣故障情况下系统满足功率平衡约束如下：
式中，P*为考虑可中断用户出现N-x故障的最恶劣情况下能提供的中断容量。
作为本发明所述的考虑可中断负荷不确定性的N-x鲁棒优化调度方法的一种优选方案，其中：所述N-x约束如下：
作为本发明所述的考虑可中断负荷不确定性的N-x鲁棒优化调度方法的一种优选方案，其中：所述鲁棒双层优化调度模型包括考虑可中断负荷不确定性的上层优化调度模型和下层优化调度模型；所述上层优化调度模型包含的目标函数如下：
min C＝min(CG+CIL+CTL)
目标函数中各项根据下式计算：
式中：aGi、bGi、cGi分别为机组i的运行成本系数，SCGi为机组i的开机成本；Ej为可中断用户j可获得的单位中断容量补偿费用；Qt为t时刻系统与大电网间交易电价，当PTL(t)＞0时，系统从大电网购电，此时Q采用购电电价，反之Q采用售电电价；所述下层优化调度的目标函数如下：
P*为考虑可中断用户出现N-x故障的最恶劣情况下能提供的中断容量。
作为本发明所述的考虑可中断负荷不确定性的N-x鲁棒优化调度方法的一种优选方案，其中：所述鲁棒单层优化模型包括以下转化步骤，引入对偶变量y(t)和z(t)，将鲁棒下层优化的目标函数及约束用其对偶可行约束替代。
引入对偶变量，如下式：
将鲁棒下层优化的目标函数及约束用其对偶可行约束替代，如下式：
式中，Pj(t)为t时刻可中断用户j提供的中断容量；vj(t)表示可中断负荷在t时刻的中断状态；PGi(t)为发电机i在时刻t的出力；ui(t)为机组i在t时刻的运行状态。
本发明的有益效果：充分结合用户自身信誉度对其响应调度指令效果的影响，合理设定故障概率参数即可实现调度结果不考虑可靠性较高的用户发生故障的情况，避免因鲁棒优化方法考虑用户故障的最恶劣情况而可能造成的调度方案与实际运行情况间出现偏差。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明所述电网系统结构示意图；
图2为本发明所述负荷预测曲线示意图；
图3为本发明所述不确定集形态对比的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
本实施例提出一种考虑可中断负荷不确定性的N-x鲁棒优化调度方法。其中可中断负荷(IL)是根据供需双方事先的合同约定，在电网高峰时段由IL实施机构向用户发出中断请求信号，经用户响应后中断部分供电的一种方法。由于用户生产生活计划调整、用户对合同激励不敏感、物理通道损坏等原因，用户可能出现不响应调度指令的情况,使调度计划的执行存在一定不确定性。
本实施例涉及可中断负荷对调度指令响应状态的不确定性，利用鲁棒优化理论刻画上述不确定性。在考虑可中断用户响应不确定性的条件下，使用计及用户信誉度的N-x不确定集刻画上述不确定性，建立含可中断负荷的鲁棒优化调度模型。
下面将简述本实施例方法考虑不确定性的基本思路。
采用的基于N-x不确定集的鲁棒优化模型以N-k不确定集为基础，并引入可中断用户信誉度而建立。在基础可中断负荷合同中引入基于“供给者保险”理论的保险合同，通过保险合同的签订获取各用户的信誉度信息，即用户可靠响应调度指令的概率信息。将可中断用户不响应指令的情况视为用户故障，以用户故障状态为决策变量，结合用户信誉度，建立N-x不确定集，并基于N-x不确定集建立含可中断负荷鲁棒优化调度模型。
具体的，考虑可中断负荷不确定性的N-x鲁棒优化调度方法包括以下步骤：
S1：将基于“供给者保险”的保险合同引入可中断负荷合同，通过合同签订获取用户信誉度信息；
S2：根据保险合同确定的用户信誉度，建立计及用户信誉度的以用户故障状态为决策变量的N-x不确定集；
S3：根据N-x不确定集，建立考虑可中断负荷不确定性的机组组合与可中断负荷联合优化调度的鲁棒双层优化调度模型；
S4：根据对偶理论将鲁棒下层约束条件用其对偶可行约束替代，将鲁棒双层优化模型转化为鲁棒单层优化模型；
S5：根据Lingo软件编程求得鲁棒单层优化模型的最优解，进行机组组合与可中断负荷联合优化调度。
在可中断负荷合同中引入了基于“供给者保险”的保险合同。
保险合同是基于不同信誉度的差别性合同，可中断负荷为保险提供者，电力公司则为保险购买者，信誉度即为可中断负荷为电力公司可靠提供服务的概率。电力公司根据事先掌握的信息设定可中断负荷保险费率表，包括用户信誉度Sj及其对应的保险金ω(Sj)和赔偿金τ(Sj)信息，用户可以结合保单费率及对自身响应能力的预估选择所签订的保单信誉度Sj，电力公司则支付给用户该信誉度相对应的保险金ω(Sj)。保险合同确定的用户信誉度Sj即可视为可中断用户j响应调度指令的概率。
进一步的，基于可中断负荷保险合同确定的保单信誉度，建立计及用户信誉度的以用户故障状态为决策变量的N-x不确定集，具有包括以下步骤，
将用户不响应调度指令的情况视为故障状态，用一个二型变量lj表示用户j的故障状态，当用户故障时lj为0，否则lj为1。保单信誉度Sj为用户j响应调度指令的概率，那么(1-Sj)即为用户发生故障的概率。以用户故障状态为指数，则表示用户j的故障状态为lj时对应的概率，设定计及用户信誉度的N-x不确定集为：
式中，为故障概率参数，该参数确定了N-x安全约束对于不确定集内包含的故障情况发生概率的限制，因而其决定了N-x不确定集的形态和故障阶数x的值。
为便于程序实现，将N-x安全约束两端同时取对数可得：
变形后即：
本实施例涉及基于N-x不确定集建立含可中断负荷的鲁棒优化调度模型，更加具体的，上述步骤S3包括以下步骤：
S3.1：考虑的系统结构参照图1的示意。
系统内主要包括发电机组(UC)、可中断负荷(IL)、不可控负荷(UL)、联络线(TL)、大电网(Grid)等单元。
根据所示系统结构信息，列出系统功率平衡方程：
其中，PGi(t)为发电机i在时刻t的出力；ui(t)为机组i在t时刻的运行状态，若机组运行则为1，否则为0；Pj(t)为t时刻可中断用户j提供的中断容量；vj(t)表示可中断负荷在t时刻的中断状态，用户中断时为1，否则为0；PTL(t)为t时刻系统与大电网间联络线功率，当大电网向系统输送功率时PTL(t)为正，反之为负；PL(t)为t时刻系统负荷预测值。
S3.2：根据所述的系统结构信息，加入常规发电机组模型，其约束如式(5)所示：
式中：PGi min和PGi max为机组i最小和最大技术；rGid和rGiu分布为机组i的下行、上行爬坡速率；TUimin为机组i最小开机时间；TDimin为机组i最小停机时间。
S3.3：根据所述的系统结构信息，加入可中断负荷模型及约束，如式(6)所示：
式中：Pj max为可中断用户j申报的最大中断容量；TDILjmin为可中断用户j的最小中断时间；TDILj max为可中断用户j的最大中断持续时间；TUILjmin为可中断用户j的最小中断时间间隔；Nj max为调度时段T内可中断用户j允许的最大中断次数。
S3.4：根据所述系统结构信息，在模型中加入联络线功率约束，如式(7)所示：
|PTL(t)|≤PTLmax (7)
式中：PTL max为联络线最大功率限值。
进一步的，本实实施例建立基于N-x不确定集的鲁棒双层优化调度模型，所述考虑可中断负荷不确定性的鲁棒上层优化调度模型包含的目标函数如式(8)所示：
min C＝min(CG+CIL+CTL) (8)
目标函数中各项可根据下式计算：
式中：aGi、bGi、cGi分别为机组i的运行成本系数，SCGi为机组i的开机成本；Ej为可中断用户j可获得的单位中断容量补偿费用；Qt为t时刻系统与大电网间交易电价，当PTL(t)＞0时，系统从大电网购电，此时Q采用购电电价，反之，Q采用售电电价。
鲁棒下层优化调度的目标函数为可中断用户能提供的中断容量最小，其约束如式(10)所示：
式中，P*为考虑可中断用户出现N-x故障的最恶劣情况下能提供的中断容量。
进一步的，运用对偶原理将双层鲁棒优化转化为单层鲁棒优化，更加具体的，上述所示步骤S4还包括以下步骤：
S4.1：利用N-x不确定集刻画可中断负荷响应不确定性:。
N-x不确定集的表达式如式(1)所示，其变形如式(3)所示，根据式(3),可以得到考虑可中断负荷响应不确定性的不确定集约束如式(11)所示：
式(11)即构成了鲁棒下层优化约束中对用户响应状态不确定的约束。
此外，应考虑用户发生N-x最恶劣故障情况下系统满足功率平衡，其约束如式(12)所示：
S4.2：将鲁棒下层优化的目标函数及约束用其对偶可行约束替代，实现鲁棒双层优化模型到单层优化模型的转换：
根据对偶理论，通过引入对偶变量y(t)和z(t)，可将式(10)-(12)用其对偶可行约束替代，如式(13)所示：
S4.3：将鲁棒下层优化模型运用对偶原理进行转化后，即实现了鲁棒双层优化向单层优化的转换，使用Lingo软件可以求得最优解，进行含可中断负荷的优化调度。
实施例2
本实施例以图1所示的系统为例，微能源网运行参数如表1所示，负荷预测曲线如图2所示。选取调度时刻总数为24h，单位调度时间为1h。系统与大电网间联络线最大交换功率为90MW。参与可中断负荷项目的用户最大中断次数均为2次，最小中断持续时间均为1h，最大中断持续时间均为2h，最小中断时间间隔均为4h。
表1：常规机组相关数据。
系统与大电网间联络线功率交换采用峰谷平电价，考虑到直接参与可中断负荷管理项目的可中断用户多为大容量工业用户，因此采用工业区分时电价，电价信息如表2所示。
表2：工业区分时电价。
假定有3个用户参与可中断负荷项目，用户信息如表3所示。
表3：可中断用户基本信息。
采用N-1和N-x两种方案进行求解，在N-x鲁棒优化方案中设定两种方案下总成本和可中断用户调度结果如表4所示。
表4：两种方案下运行费用及可中断负荷调度结果对比。
由表4可以看出，N-1鲁棒优化以一个用户故障时可中断用户提供的中断容量最小为最恶劣情况，其最终运行结果考虑的故障情况为容量较大的用户3发生故障。N-x鲁棒优化方案中，故障概率参数的设定使得N-x不确定集内不包含信誉度较高的用户3发生故障的情况，此时鲁棒优化将在其余故障情况中寻找最恶劣情况下的可行解作为其最终运行结果，因此该方案最终考虑的是用户2故障的情况。两种方案下的不确定集形态如图3阴影部分所示。
由图3可知，设定时，相比于N-1不确定集，N-x不确定集内包含的故障状态少了点(1,1,0)，即用户3故障的情况。由于用户3的信誉度较高，其发生故障的可能性较低，因此N-x鲁棒优化运行结果相比于N-1鲁棒优化运行结果更符合实际情况。改变故障概率参数/>的取值，另/>此时N-x鲁棒优化方案中可中断用户调度结果如表5所示。
表5：可中断负荷调度结果。
由表5可以看出，当设定时，可中断负荷调度结果考虑用户1和用户2均发生故障，而用户3仍正常中断。这是因为此时/>的设定使得不确定集内包含了用户1和用户2同时发生故障的情况，而用户3故障的情况仍未包含在不确定集内。对比表5和表4中N-x方案的调度结果可知，适当调整故障概率参数的取值可以改变N-x不确定集内包含的用户故障情况，因此，调度方案考虑的用户故障阶数由/>的值确定，从决策者的角度难以预知，由此体现了N-x不确定集中“x”的含义。/>
本发明方法采用N-x鲁棒优化方法考虑可中断负荷响应不确定性后，比较N-1鲁棒优化调度，该方法调度结果可充分结合用户自身信誉度对其响应调度指令效果的影响，合理设定故障概率参数即可实现调度结果不考虑可靠性较高的用户发生故障的情况，避免因鲁棒优化方法考虑用户故障的最恶劣情况而可能造成的调度方案与实际运行情况间出现偏差。
此外，通过适当调整故障概率参数的取值可改变N-x安全约束所考虑的用户阶数，使决策者可结合对故障情况发生概率考虑的需要，通过改变故障概率参数的限制来改变考虑的用户故障阶数，同时弥补了N-k鲁棒优化方法中故障阶数k预先设定，无法兼顾发生概率较高的故障阶数大于k的用户故障情况。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (11)
1.一种考虑可中断负荷不确定性的N-x鲁棒优化调度方法，其特征在于：包括以下步骤，
获取用户信誉度信息；
建立以用户故障状态为决策变量并计及所述用户信誉度的N-x不确定集；
基于所述N-x不确定集建立含可中断负荷的鲁棒优化调度模型；
建立机组组合与可中断负荷的联合优化调度的鲁棒双层优化调度模型；
利用对偶理论将鲁棒下层约束条件用其对偶可行约束替代，将所述鲁棒双层优化调度模型转化为鲁棒单层优化模型；
求得所述鲁棒单层优化模型的最优解，进行机组组合与可中断负荷的联合优化调度；
所述N-x不确定集包括以下建立步骤，
将用户不响应调度指令的情况视为故障状态；
定义二型变量lj表示用户j的故障状态，当用户故障时lj为0，否则lj为1；
定义保单信誉度Sj为用户j响应调度指令的概率，则(1-Sj)即为用户发生故障的概率；
以用户故障状态为指数，则表示用户j的故障状态为lj时对应的概率；
设定计及用户信誉度的N-x不确定集为：
式中，为故障概率参数，所述故障概率参数确定了N-x安全约束对于不确定集内包含的故障情况发生概率的限制，并决定了N-x不确定集的形态和故障阶数x的值；
将N-x安全约束两端同时取对数可得：
2.如权利要求1所述考虑可中断负荷不确定性的N-x鲁棒优化调度方法，其特征在于：所述获取用户信誉度信息的过程包括，
在可中断负荷合同中引入了基于“供给者保险”的保险合同；
根据事先掌握的信息设定可中断负荷保险费率表，包括用户信誉度Sj及其对应的保险金ω(Sj)和赔偿金τ(Sj)信息；
用户结合保单费率及对自身响应能力的预估选择所签订的保单信誉度Sj，电力机构则支付给用户该信誉度相对应的保险金ω(Sj)；
保险合同确定的用户信誉度Sj即可视为可中断用户j响应调度指令的概率。
3.如权利要求2所述考虑可中断负荷不确定性的N-x鲁棒优化调度方法，其特征在于：所述鲁棒优化调度模型包括以下构建步骤，
鲁棒上层优化模型：
考虑电网系统结并构建系统功率平衡方程；
加入常规发电机组模型约束；
加入可中断负荷模型约束；
加入联络线功率约束；
鲁棒下层优化模型：
考虑用户发生N-x故障最恶劣情况构建系统功率平衡方程；
加入N-x安全约束。
4.如权利要求3所述考虑可中断负荷不确定性的N-x鲁棒优化调度方法，其特征在于：所述系统功率平衡方程如下，
式中，PGi(t)为发电机i在时刻t的出力，ui(t)为机组i在t时刻的运行状态，若机组运行则为1，否则为0；
Pj(t)为t时刻可中断用户j提供的中断容量；
vj(t)表示可中断负荷在t时刻的中断状态，用户中断时为1，否则为0；
PTL(t)为t时刻系统与大电网间联络线功率，当大电网向系统输送功率时PTL(t)为正，反之为负；
PL(t)为t时刻系统负荷预测值。
5.如权利要求4所述考虑可中断负荷不确定性的N-x鲁棒优化调度方法，其特征在于：所述常规发电机组模型，约束关系如下，
式中，PGimin和PGimax为机组i最小和最大技术；rGid和rGiu分布为机组i的下行、上行爬坡速率；TUimin为机组i最小开机时间；TDimin为机组i最小停机时间。
6.如权利要求5所述考虑可中断负荷不确定性的N-x鲁棒优化调度方法，其特征在于：所述可中断负荷模型约束，如下，
式中，Pjmax为可中断用户j申报的最大中断容量；TDILjmin为可中断用户j的最小中断时间；TDILjmax为可中断用户j的最大中断持续时间；TUILjmin为可中断用户j的最小中断时间间隔；Njmax为调度时段T内可中断用户j允许的最大中断次数。
7.如权利要求6所述考虑可中断负荷不确定性的N-x鲁棒优化调度方法，其特征在于：所述联络线功率约束如下，
|PTL(t)|≤PTLmax
式中，PTLmax为联络线最大功率限值。
8.如权利要求7所述考虑可中断负荷不确定性的N-x鲁棒优化调度方法，其特征在于：所述考虑用户发生N-x故障最恶劣情况构建系统功率平衡方程如下，
式中，P*为考虑可中断用户出现N-x故障的最恶劣情况下能提供的中断容量。
9.如权利要求8所述考虑可中断负荷不确定性的N-x鲁棒优化调度方法，其特征在于：所述N-x安全约束如下，
10.如权利要求9所述考虑可中断负荷不确定性的N-x鲁棒优化调度方法，其特征在于：所述鲁棒双层优化调度模型包括考虑可中断负荷不确定性的上层优化调度模型和下层优化调度模型；
所述上层优化调度模型包含的目标函数如下：
min C＝min(CG+CIL+CTL)
目标函数中各项根据下式计算：
式中：aGi、bGi、cGi分别为机组i的运行成本系数，SCGi为机组i的开机成本；Ej为可中断用户j可获得的单位中断容量补偿费用；Qt为t时刻系统与大电网间交易电价，当PTL(t)＞0时，系统从大电网购电，此时Q采用购电电价，反之Q采用售电电价；
所述下层优化调度的目标函数如下：
P*为考虑可中断用户出现N-x故障的最恶劣情况下能提供的中断容量。
11.如权利要求10所述考虑可中断负荷不确定性的N-x鲁棒优化调度方法，其特征在于：所述鲁棒单层优化模型包括以下转化步骤，
引入对偶变量y(t)和z(t)，如下式：
将鲁棒下层优化的目标函数及约束用其对偶可行约束替代，如下式：
式中，为故障概率参数，确定了N-x安全约束对于不确定集内包含的故障情况发生概率的限制；Sj为用户保单信誉度，为可中断用户j响应调度指令的概率；PL(t)为t时刻系统负荷预测值；Pj(t)为t时刻可中断用户j提供的中断容量；vj(t)表示可中断负荷在t时刻的中断状态；PGi(t)为发电机i在时刻t的出力；ui(t)为机组i在t时刻的运行状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010214315.1A CN111414697B (zh) | 2020-03-24 | 2020-03-24 | 一种考虑可中断负荷不确定性的N-x鲁棒优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010214315.1A CN111414697B (zh) | 2020-03-24 | 2020-03-24 | 一种考虑可中断负荷不确定性的N-x鲁棒优化调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111414697A CN111414697A (zh) | 2020-07-14 |
| CN111414697B true CN111414697B (zh) | 2023-07-18 |
Family
ID=71493162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010214315.1A Active CN111414697B (zh) | 2020-03-24 | 2020-03-24 | 一种考虑可中断负荷不确定性的N-x鲁棒优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111414697B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014110878A1 (zh) * | 2013-01-16 | 2014-07-24 | 国电南瑞科技股份有限公司 | 风火协调调度模式下日前调度计划优化辅助分析方法 |
| CN105305423A (zh) * | 2015-10-15 | 2016-02-03 | 南方电网科学研究院有限责任公司 | 一种考虑间歇性能源不确定性的最优误差边界的确定方法 |
| CN107069807A (zh) * | 2017-03-22 | 2017-08-18 | 广西大学 | 含不确定性预算调节的无平衡节点微网鲁棒调度方法 |
| 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 |
-
2020
- 2020-03-24 CN CN202010214315.1A patent/CN111414697B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014110878A1 (zh) * | 2013-01-16 | 2014-07-24 | 国电南瑞科技股份有限公司 | 风火协调调度模式下日前调度计划优化辅助分析方法 |
| CN105305423A (zh) * | 2015-10-15 | 2016-02-03 | 南方电网科学研究院有限责任公司 | 一种考虑间歇性能源不确定性的最优误差边界的确定方法 |
| CN107069807A (zh) * | 2017-03-22 | 2017-08-18 | 广西大学 | 含不确定性预算调节的无平衡节点微网鲁棒调度方法 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 计及电转气精细化模型的综合能源系统鲁棒随机优化调度;朱兰;王吉;唐陇军;刘伸;黄超;电网技术(第001期);116-126 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111414697A (zh) | 2020-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Khodaei et al. | SCUC with hourly demand response considering intertemporal load characteristics | |
| JP6028102B2 (ja) | 電力系統制御装置、電力系統システムおよび電力系統制御方法 | |
| JP5679847B2 (ja) | エネルギー管理システムおよびエネルギー管理方法 | |
| US20170285720A1 (en) | Method and system for mitigating transmission congestion via distributed computing and blockchain technology | |
| Huang et al. | Robust coordination expansion planning for active distribution network in deregulated retail power market | |
| JP6471566B2 (ja) | 電力流通管理装置、方法及びプログラム | |
| US20150286973A1 (en) | Multi-modal network and method for distributing resources in a multi-modal network | |
| JP6763193B2 (ja) | 需給計画装置、需給計画方法及びプログラム | |
| Kia et al. | An efficient linear model for optimal day ahead scheduling of CHP units in active distribution networks considering load commitment programs | |
| JP2023016595A (ja) | ディマンドレスポンス応動装置及びディマンドレスポンスシステム | |
| JP6038085B2 (ja) | 産業用デマンドレスポンス制御システムおよび産業用デマンドレスポンス制御方法 | |
| Teimourzadeh et al. | A three-stage approach for resilience-constrained scheduling of networked microgrids | |
| KR101965301B1 (ko) | 잉여 전력 생산을 유도하는 전력 거래 중개 시스템 및 방법 | |
| JP2015106218A (ja) | デマンドレスポンスのアグリゲータ選択サーバ装置及びアグリゲータ選択プログラム | |
| CN111414697B (zh) | 一种考虑可中断负荷不确定性的N-x鲁棒优化调度方法 | |
| JP5994282B2 (ja) | ヒートポンプ機器エネルギー管理装置 | |
| JP4725199B2 (ja) | 電力系統停止評価方法及び装置、並びに電力系統管理方法及び装置 | |
| JP6232275B2 (ja) | 需給調整方法およびシステム | |
| JP6862656B2 (ja) | 電力取引支援装置、電力取引支援方法及びプログラム | |
| JP7008580B2 (ja) | 発電計画策定装置 | |
| Galiana et al. | Economics of electricity generation | |
| JP6560359B2 (ja) | 電力管理サーバ及び電力管理方法 | |
| JP2016136313A (ja) | 最適取引量決定システム、最適取引量決定方法及びプログラム | |
| JP6816962B2 (ja) | 電力モニタ、表示制御方法および表示制御プログラム | |
| JP2017169320A (ja) | 太陽光発電装置の制御装置、サーバ、太陽光発電システム、情報配信方法、太陽光発電装置の制御方法およびプログラム |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |