CN112186802A - 一种动态经济调度的多时间尺度滚动调度方法及其系统 - Google Patents

Abstract

本发明公开一种动态经济调度的多时间尺度滚动调度方法及其系统，调度方法包括以下步骤:基于电力系统发电组成结构，构建具有互补发电特质的新能源发电聚合方；建立负荷匹配系数，对负荷曲线进行平滑优化；依据优化负荷最大匹配原则对发电商出力制定日前计划，求解出负荷匹配系数最小情况下新能源聚合商实时出力；根据日内调度模型对发电端进行出力调整；根据实时调度模型对发电端进行出力微调。本发明多时间尺度滚动调度方法对具有互补特性的新能源进行聚合调度；考虑电力供需匹配度，优化负荷，并平抑常规能源机组出力波动；有效地增加了新能源消纳率，减少了弃风、弃光现象，同时减轻了电网对常规能源机组调度负担及调节成本。

Description

一种动态经济调度的多时间尺度滚动调度方法及其系统

技术领域

本发明涉及动态经济调动领域，具体是一种动态经济调度的多时间尺度滚动调度方法及其系统。

背景技术

2011年，我国已经成为世界二氧化碳排放第一大国，由于我国能源结构组成使得环境问题日益加重，新能源依据其清洁、可再生的特点受到了广泛重视。截止至2018年，全球累计风电装机容量达到591GW，全球累计光伏装机容量超过510GW，新能源机组近年来快速普及。然而，由于新能源机组出力具有不确定性、可控性低及消纳率差等因素，大规模新能源并网问题不容忽视。

新能源出力之间具有时间互补的特性。风机出力与风速有关，光伏机组出力受太阳辐射值和温度影响。因此，受限于风速、温度、光照，从季节的角度来看，风能在夏季出力较低，但太阳能极充沛；冬季风机出力较大，但光电机组出力极低，可见在季节方面，风机与光机具有良好的互补特性。从日时间的角度来看，晴天光伏出力较大，但风力较小；阴雨天光照不足，但具有较多的风量，可见各类天气均有出力较强的新能源机组。从小时的角度来看，白天光照相对充足，但风量较弱；夜间几乎无光照，但风量充沛。无论是季节尺度、日尺度亦或是小时尺度，风力发电机组与光伏发电机组均具有良好的出力互补特性，因此将风能与光能聚合统一调度较为合理，且对新能源进行优化调度可以为电力系统带来较好的环境效益。

由于风力发电机组及光伏发电机组具有出力不确定性，对其进行多时间尺度的动态优化调度是有必要的。由于各类新能源随季节、天气、小时的变化有很强的规律性，对其进行日前优化调度具有一定的实用价值，为了提升预测准确率，依次进行日内及实时调度计划，缩短时间尺度，增强了新能源并网后的适应性。

目前新能源机组的应用仅是以独立的个体为单位进行并网，并没有针对新能源之间特有的出力互补特性，对新能源机组进行聚合统一调度，同时针对弃风、弃光问题处理的较为简单，致使弃风、弃光现象始终未能得到改善。同时电力系统对新能源出力预测基本上是在单一时间尺度下，没有利用多时间尺度可以增强新能源出力预测准确率这一优势。本发明基于风力及光伏能源互补的特点，构建新能源聚合调度主体，建立负荷匹配系数，使负荷需求平滑化，以负荷匹配系数最小为目标，加大系统发电量与负荷需求量的匹配度，优化系统发电端出力调度。在此基础上，建立多时间尺度电力系统动态调度模型，提升新能源出力预测准确度，从而带来更高的负荷供需平衡，并降低常规能源机组出力波动，提升系统经济效益及环境效益。

发明内容

本发明的目的在于提供一种动态经济调度的多时间尺度滚动调度方法及其系统，对具有互补特性的新能源进行聚合调度；考虑电力供需匹配度，可以优化负荷，并平抑常规能源机组出力波动；有效地增加了新能源消纳率，减少了弃风、弃光现象，同时减轻了电网对常规能源机组调度负担及调节成本。

本发明的目的可以通过以下技术方案实现：

一种动态经济调度的多时间尺度滚动调度方法，调度方法包括以下步骤:

S1：基于电力系统发电组成结构，构建具有互补发电特质的新能源发电聚合方，统一调度监管各类新能源机组出力；

S2：建立负荷匹配系数，对负荷曲线进行平滑优化；

S3：依据优化负荷最大匹配原则对发电商出力制定日前计划，求解出负荷匹配系数最小情况下新能源聚合商实时出力；

S4：根据日内调度模型对发电端进行出力调整，维持日内优化负荷与日前优化负荷保持一致的前提下，常规能源机组运行调整状态、发电成本以及弃风、弃光情况；

S5：根据实时调度模型对发电端进行出力微调，求解出维持实时优化负荷与日内优化负荷保持一致的前提下，常规能源小机组微调出力、发电成本以及新能源端弃风、弃光情况。

进一步的，所述S1中：

将电力系统内风力发电机组及光伏发电机组聚合，根据其互补特性，形成新能源互补聚合模型；

新能源聚合商出力为风电机组和光电机组各时段出力之和，风电机组出力与该时段风速有关，光电机组出力受温度、太阳辐射值影响，新能源互补聚合模型为：

P_x,t＝P_w,t+P_s,t

进一步的，所述P_x,t表示新能源聚合商时段t出力；P_w,t表示风电机组时段t出力；P_s,t表示光伏机组时段t出力；v_in表示风电机组的切入风速；v_r表示风电机组的额定风速；v_out表示风电机组的切出风速；

为额定功率；T_nom、S_nom为光伏电池温度参考值和太阳辐射参考值；

为光伏机组额定出力。

进一步的，所述S2中：

在对新能源互补聚合统一调度的基础上，设置负荷匹配系数，平滑负荷出力，增强负荷与发电端出力匹配程度，提升需求平衡率；

负荷匹配系数主要由三部分衡量：负荷波动程度、负荷波动标准差、负荷变化度；负荷匹配系数越小，表明负荷越平滑，电力供给量与需求量平衡程度越高；

L_ε＝c₁L_α+c₂L_f+c₃L_γ

式中：L_ε表示负荷匹配系数，c₁、c₂、c₃为负荷波动程度L_α、负荷波动标准差L_f、负荷变化度L_γ对负荷匹配影响度权重值，随系统要求动态改变。

进一步的，所述负荷波动程度衡量了发电量与负荷电力需求偏差的波动程度，L_α越小表明新能源聚合出力与负荷曲线越接近，供需两侧匹配程度越高；

式中：P_L,t表示负荷实时电力需求；P_L,av为电力需求平均值；

负荷波动标准差衡量了负荷离散程度，负荷离散程度越小，表明系统电力需求波动越小，负荷越平滑，定义优化负荷P_y,t来衡量电力负荷需求与新能源聚合商出力实时偏差；

P_y,t＝P_L,t-P_x,t

式中：P_y,av为优化负荷平均值；

负荷变化度衡量电力需求一日最大变化范围，负荷变化度越小曲线越优化；

式中：P_y,max表明优化负荷偏差最大值；P_y,min表明优化负荷偏差最小值。

进一步的，所述S3中：

以24小时为调度周期，以15分钟为调度单位，依据优化负荷最大匹配原则对发电商出力制定日前计划；考虑发电端出力利用率及经济成本，多优化目标为负荷匹配系数最小、常规能源运行成本最低；常规能源运行成本考虑发电成本及启动成本，在日前调度中，可以考虑大型发电机组的启停；

minL_ε＝c₁L_α+c₂L_f+c₃L_γ

式中：NG表示常规能源机组总数量；λ_g,t为二进制变量，表示常规发电机组g在时段t的启停状态，λ_g,t＝1表示发电机组g在时段t运行，否则为停运；a_g、b_g、c_g分别为常规机组发电的二次系数、一次系数及常数系数；P_g,t为发电机组g在时段t的出力；Q_g为发电机组g启动一次的成本。

进一步的，所述日前调度中需要保证电力供需平衡，并对机组有功出力、爬坡能力、弃风弃光进行约束；

1)、功率平衡约束：

2)、机组有功出力约束：

3)、机组爬坡约束：

式中：

为机组滑坡，

为爬坡速率；

4)、弃风、弃光约束：

式中：η_w为最大弃风率；η_s为最大弃光率。

进一步的，所述S4中：

日内调度以4小时为调度周期，每4小时对发电端进行一次调度策略调整，将4小时分为16个时段，为了使日前调度与日内调度优化曲线具有更好的匹配度，避免对常规能源机组的调节出现大规模变动，因此将本时段的优化负荷与日前优化负荷一致设为调度目标，以此调节常规能源机组，并以常规机组调整策略时经济成本最小为另一优化目标；

式中：

表示发电机组g在日内调度中相对日前调度出力调整量；φ_g,t表示发电机组g在时段t单位出力调整成本；

根据日内调整的难度和经济成本，对新能源聚合商的弃风、弃光率进行约束，使日前计划中弃风、弃光较大的时段在日内调度中拥有更大的弃风、弃光上调阈值，增强新能源消纳率；

式中：

分别为日内调度弃风、弃光最大允许调整量；β₁、β₂分别为调整系数；

为日前计划弃风、弃光量；χ₁、χ₂为常数；

常规能源机组在日内调度中只调整启停时间小于调度周期的机组；

式中：T_g,on、T_g,off分别为机组g的启动、停运时间。

进一步的，所述S5中：

实时调度以15分钟为调度周期，对发电端进行出力调整，实时调度考虑调度速度、调度难度、调度经济性，以及日内调度的预测精度，对常规机组启停状态不进行更改，只对调整难度、成本较低的机组；

式中：

表示发电机组g在实时调度中相对日内调度出力调整量；

实时调度约束与日内调度策略的优化尺度不同，其余均一致；

式中：

分别为实时调度弃风、弃光最大允许调整量；β₃、β₄分别为调整系数；χ₃、χ₄为常数。

一种计及动态经济调度的多时间尺度滚动调度系统，所述调度系统包括可中断负荷响应度确定模块、电力系统供电多目标模型构建模块、改进NSGA-II求解Pareto前沿模块、熵TOPSIS法选择最优解模块，所述可中断负荷响应度确定模块采用用户i在价格c下负荷下降率的最大界限和最小界限之间均匀分配描述用户响应度；

所述电力系统供电多目标模型构建模块目标函数包括分布式电源主动控制成本、网络重构成本与可中断负荷成本，约束包括母线电压约束、负荷衰减率约束、功率平衡约束、发电机组出力约束、功率衰减成本约束和补偿价格约束；

所述改进NSGA-II求解Pareto前沿模块首先初始化电力系统基本参数，接下来获取初始种群，然后进行潮流计算，利用快速非支配分类计算拥挤距离，使用逐步淘汰策略形成父代种群，交叉、突变获得后代种群，计算最大供电容量和主动控制成本，将当前种群与子代繁殖种群组合，保留精英选择下一次迭代的父群体，更新Pareto前沿；

所述熵TOPSIS法选择最优解模块首先计算Pareto解集熵权，用算子的主观权重修正权重系数，建立加权归一化评价矩阵，确定最好、最坏情况，计算Pareto与最差情况相似的阈度，选择最优解。

本发明的有益效果：

1、本发明多时间尺度滚动调度方法对具有互补特性的新能源进行聚合调度；

2、本发明多时间尺度滚动调度方法考虑电力供需匹配度，可以优化负荷，并平抑常规能源机组出力波动；

3、本发明多时间尺度滚动调度方法有效地增加了新能源消纳率，减少了弃风、弃光现象，同时减轻了电网对常规能源机组调度负担及调节成本。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明多时间尺度滚动调度方法算法流程图；

图2是本发明IEEE 33节点系统简化结构示意图；

图3是本发明多时间尺度动态调度框架示意图；

图4是本发明多时间尺度负荷预测曲线示意图；

图5是本发明多时间尺度风电出力预测曲线示意图；

图6是本发明多时间尺度光伏出力预测曲线示意图；

图7是本发明多时间尺度弃风功率预测曲线示意图；

图8是本发明多时间尺度调度结果示意图；

图9是本发明调度系统流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

以IEEE 33节点互联电网系统为示例，根据发电端组成结构进行新能源聚合调度，优化负荷实时数据，对发电端制定日前、日内、实时多时间尺度动态经济调度，并滚动修正。

一种动态经济调动的多时间尺度滚动调度系统，所述调度系统包括可中断负荷响应度确定模块、电力系统供电多目标模型构建模块、改进NSGA-II求解Pareto前沿模块、熵TOPSIS法选择最优解模块，所述可中断负荷响应度确定模块采用用户i在价格c下负荷下降率的最大界限和最小界限之间均匀分配描述用户响应度。

所述电力系统供电多目标模型构建模块目标函数包括分布式电源主动控制成本、网络重构成本与可中断负荷成本，约束包括母线电压约束、负荷衰减率约束、功率平衡约束、发电机组出力约束、功率衰减成本约束和补偿价格约束。

所述改进NSGA-II求解Pareto前沿模块首先初始化电力系统基本参数，接下来获取初始种群，然后进行潮流计算，利用快速非支配分类计算拥挤距离，使用逐步淘汰策略形成父代种群，交叉、突变获得后代种群，计算最大供电容量和主动控制成本，将当前种群与子代繁殖种群组合，保留精英选择下一次迭代的父群体，更新Pareto前沿。

所述熵TOPSIS法选择最优解模块首先计算Pareto解集熵权，用算子的主观权重修正权重系数，建立加权归一化评价矩阵，确定最好、最坏情况，计算Pareto与最差情况相似的阈度，选择最优解。

一种计及动态经济调度的多时间尺度滚动调度方法，调度方法包括以下步骤:

S1：基于电力系统发电组成结构，构建具有互补发电特质的新能源发电聚合方，统一调度监管各类新能源机组出力；

将电力系统内风力发电机组及光伏发电机组聚合，根据其互补特性，形成新能源互补聚合模型。

新能源聚合商出力为风电机组和光电机组各时段出力之和，风电机组出力与该时段风速有关，光电机组出力受温度、太阳辐射值影响，新能源互补聚合模型为：

P_x,t＝P_w,t+P_s,t

式中：P_x,t表示新能源聚合商时段t出力；P_w,t表示风电机组时段t出力；P_s,t表示光伏机组时段t出力；v_in表示风电机组的切入风速；v_r表示风电机组的额定风速；v_out表示风电机组的切出风速；

为额定功率；T_nom、S_nom为光伏电池温度参考值和太阳辐射参考值；

为光伏机组额定出力。

S2：建立负荷匹配系数，对负荷曲线进行平滑优化，增强发电端出力与需求负荷之间的匹配效果；

在对新能源互补聚合统一调度的基础上，设置负荷匹配系数，平滑负荷出力，增强负荷与发电端出力匹配程度，提升需求平衡率。

负荷匹配系数主要由三部分衡量：负荷波动程度、负荷波动标准差、负荷变化度；负荷匹配系数越小，表明负荷越平滑，电力供给量与需求量平衡程度越高。

L_ε＝c₁L_α+c₂L_f+c₃L_γ

式中：L_ε表示负荷匹配系数，c₁、c₂、c₃为负荷波动程度L_α、负荷波动标准差L_f、负荷变化度L_γ对负荷匹配影响度权重值，随系统要求动态改变。

负荷波动程度衡量了发电量与负荷电力需求偏差的波动程度，L_α越小表明新能源聚合出力与负荷曲线越接近，供需两侧匹配程度越高。

式中：P_L,t表示负荷实时电力需求；P_L,av为电力需求平均值。

负荷波动标准差衡量了负荷离散程度，负荷离散程度越小，表明系统电力需求波动越小，负荷越平滑，定义优化负荷P_y,t来衡量电力负荷需求与新能源聚合商出力实时偏差。

P_y,t＝P_L,t-P_x,t

式中：P_y,av为优化负荷平均值。

负荷变化度衡量电力需求一日最大变化范围，负荷变化度越小曲线越优化。

式中：P_y,max表明优化负荷偏差最大值；P_y,min表明优化负荷偏差最小值。

S3：依据优化负荷最大匹配原则对发电商出力制定日前计划，求解出负荷匹配系数最小情况下新能源聚合商实时出力；

以24小时为调度周期，以15分钟为调度单位，依据优化负荷最大匹配原则对发电商出力制定日前计划。考虑发电端出力利用率及经济成本，多优化目标为负荷匹配系数最小、常规能源运行成本最低。常规能源运行成本考虑发电成本及启动成本，在日前调度中，可以考虑大型发电机组的启停。

minL_ε＝c₁L_α+c₂L_f+c₃L_γ

式中：NG表示常规能源机组总数量；λ_g,t为二进制变量，表示常规发电机组g在时段t的启停状态，λ_g,t＝1表示发电机组g在时段t运行，否则为停运；a_g、b_g、c_g分别为常规机组发电的二次系数、一次系数及常数系数；P_g,t为发电机组g在时段t的出力；Q_g为发电机组g启动一次的成本。

日前调度中需要保证电力供需平衡，并对机组有功出力、爬坡能力、弃风弃光进行约束。

1)、功率平衡约束：

2)、机组有功出力约束：

3)、机组爬坡约束：

式中：

为机组滑坡，

为爬坡速率。

4)、弃风、弃光约束：

式中：η_w为最大弃风率；η_s为最大弃光率。

S4：根据日内调度模型对发电端进行出力调整，维持日内优化负荷与日前优化负荷保持一致的前提下，常规能源机组运行调整状态、发电成本以及弃风、弃光情况；

日内调度以4小时为调度周期，每4小时对发电端进行一次调度策略调整，将4小时分为16个时段，为了使日前调度与日内调度优化曲线具有更好的匹配度，避免对常规能源机组的调节出现大规模变动，因此将本时段的优化负荷与日前优化负荷一致设为调度目标，以此调节常规能源机组，并以常规机组调整策略时经济成本最小为另一优化目标。

式中：

表示发电机组g在日内调度中相对日前调度出力调整量；φ_g,t表示发电机组g在时段t单位出力调整成本。

根据日内调整的难度和经济成本，对新能源聚合商的弃风、弃光率进行约束，使日前计划中弃风、弃光较大的时段在日内调度中拥有更大的弃风、弃光上调阈值，增强新能源消纳率。

式中：

分别为日内调度弃风、弃光最大允许调整量；β₁、β₂分别为调整系数；

为日前计划弃风、弃光量；χ₁、χ₂为常数。

常规能源机组在日内调度中只调整启停时间小于调度周期的机组。

式中：T_g,on、T_g,off分别为机组g的启动、停运时间。

S5：根据实时调度模型对发电端进行出力微调，求解出维持实时优化负荷与日内优化负荷保持一致的前提下，常规能源小机组微调出力、发电成本以及新能源端弃风、弃光情况；

实时调度以15分钟为调度周期，对发电端进行出力调整，实时调度考虑调度速度、调度难度、调度经济性，以及日内调度的预测精度，对常规机组启停状态不进行更改，只对调整难度、成本较低的机组。

式中：

表示发电机组g在实时调度中相对日内调度出力调整量。

实时调度约束与日内调度策略的优化尺度不同，其余均一致。

式中：

分别为实时调度弃风、弃光最大允许调整量；β₃、β₄分别为调整系数；χ₃、χ₄为常数。

IEEE 33节点互联电网系统发电机组及负荷进行多时间尺度优化调度，验证多时间尺度出力预测的准确性。图4为多时间尺度优化负荷预测曲线，结果表明，多时间尺度动态滚动调度下，调度时间周期越短预测精度越高，如图5、图6所示，多时间尺度风电、光伏出力预测曲线，结果表明，多时间尺度动态滚动调度后，实时调度预测值与风电实际出力值匹配度较高。

在日内计划及实时计划中，如图7所示，对日前计划中弃风弃光现象较重的时段进行约束上调修正，增强了风光消纳率，同时平抑了常规机组出力波动。

综合多时间尺度优化调度结果，对全网电力供需状况进行比较分析，可见滚动修正后，常规能源机组出力较为平缓，无较大波动，仅在新能源聚合体出力较弱时段出现凸起。新能源聚合商出力对负荷需求量具有较好的匹配度。

如图8所示，通过电网系统算例仿真和分析可以看出，对具有互补特性的新能源进行聚合调度，并考虑电力供需匹配度，可以优化负荷，并平抑常规能源机组出力波动。多时间尺度滚动优化有效地增加了新能源消纳率，减少了弃风、弃光现象，同时减轻了电网对常规能源机组调度负担及调节成本。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (10)

1.一种动态经济调度的多时间尺度滚动调度方法，其特征在于，调度方法包括以下步骤:

S1：基于电力系统发电组成结构，构建具有互补发电特质的新能源发电聚合方，统一调度监管各类新能源机组出力；

S2：建立负荷匹配系数，对负荷曲线进行平滑优化；

S3：依据优化负荷最大匹配原则对发电商出力制定日前计划，求解出负荷匹配系数最小情况下新能源聚合商实时出力；

S4：根据日内调度模型对发电端进行出力调整，维持日内优化负荷与日前优化负荷保持一致的前提下，常规能源机组运行调整状态、发电成本以及弃风、弃光情况；

S5：根据实时调度模型对发电端进行出力微调，求解出维持实时优化负荷与日内优化负荷保持一致的前提下，常规能源小机组微调出力、发电成本以及新能源端弃风、弃光情况。

2.根据权利要求1所述的动态经济调动方法,其特征在于，所述S1中：

将电力系统内风力发电机组及光伏发电机组聚合，根据其互补特性，形成新能源互补聚合模型；

新能源聚合商出力为风电机组和光电机组各时段出力之和，风电机组出力与该时段风速有关，光电机组出力受温度、太阳辐射值影响，新能源互补聚合模型为：

P_x,t＝P_w,t+P_s,t

3.根据权利要求2所述的动态经济调动方法,其特征在于，所述P_x,t表示新能源聚合商时段t出力；P_w,t表示风电机组时段t出力；P_s,t表示光伏机组时段t出力；v_in表示风电机组的切入风速；v_r表示风电机组的额定风速；v_out表示风电机组的切出风速；

为额定功率；T_nom、S_nom为光伏电池温度参考值和太阳辐射参考值；

为光伏机组额定出力。

4.根据权利要求1所述的动态经济调动方法,其特征在于，所述S2中：

在对新能源互补聚合统一调度的基础上，设置负荷匹配系数，平滑负荷出力，增强负荷与发电端出力匹配程度，提升需求平衡率；

负荷匹配系数主要由三部分衡量：负荷波动程度、负荷波动标准差、负荷变化度；负荷匹配系数越小，表明负荷越平滑，电力供给量与需求量平衡程度越高；

L_ε＝c₁L_α+c₂L_f+c₃L_γ

式中：L_ε表示负荷匹配系数，c₁、c₂、c₃为负荷波动程度L_α、负荷波动标准差L_f、负荷变化度L_γ对负荷匹配影响度权重值，随系统要求动态改变。

5.根据权利要求4所述的动态经济调动方法,其特征在于，所述负荷波动程度衡量了发电量与负荷电力需求偏差的波动程度，L_α越小表明新能源聚合出力与负荷曲线越接近，供需两侧匹配程度越高；

式中：P_L,t表示负荷实时电力需求；P_L,av为电力需求平均值；

负荷波动标准差衡量了负荷离散程度，负荷离散程度越小，表明系统电力需求波动越小，负荷越平滑，定义优化负荷P_y,t来衡量电力负荷需求与新能源聚合商出力实时偏差；

P_y,t＝P_L,t-P_x,t

式中：P_y,av为优化负荷平均值；

负荷变化度衡量电力需求一日最大变化范围，负荷变化度越小曲线越优化；

式中：P_y,max表明优化负荷偏差最大值；P_y,min表明优化负荷偏差最小值。

6.根据权利要求1所述的动态经济调动方法,其特征在于，所述S3中：

以24小时为调度周期，以15分钟为调度单位，依据优化负荷最大匹配原则对发电商出力制定日前计划；考虑发电端出力利用率及经济成本，多优化目标为负荷匹配系数最小、常规能源运行成本最低；常规能源运行成本考虑发电成本及启动成本，在日前调度中，可以考虑大型发电机组的启停；

minL_ε＝c₁L_α+c₂L_f+c₃L_γ

式中：NG表示常规能源机组总数量；λ_g,t为二进制变量，表示常规发电机组g在时段t的启停状态，λ_g,t＝1表示发电机组g在时段t运行，否则为停运；a_g、b_g、c_g分别为常规机组发电的二次系数、一次系数及常数系数；P_g,t为发电机组g在时段t的出力；Q_g为发电机组g启动一次的成本。

7.根据权利要求6所述的动态经济调动方法,其特征在于，所述日前调度中需要保证电力供需平衡，并对机组有功出力、爬坡能力、弃风弃光进行约束；

1)、功率平衡约束：

2)、机组有功出力约束：

3)、机组爬坡约束：

式中：

为机组滑坡，

为爬坡速率；

4)、弃风、弃光约束：

式中：η_w为最大弃风率；η_s为最大弃光率。

8.根据权利要求1所述的动态经济调动方法,其特征在于，所述S4中：

日内调度以4小时为调度周期，每4小时对发电端进行一次调度策略调整，将4小时分为16个时段，为了使日前调度与日内调度优化曲线具有更好的匹配度，避免对常规能源机组的调节出现大规模变动，因此将本时段的优化负荷与日前优化负荷一致设为调度目标，以此调节常规能源机组，并以常规机组调整策略时经济成本最小为另一优化目标；

式中：

表示发电机组g在日内调度中相对日前调度出力调整量；φ_g,t表示发电机组g在时段t单位出力调整成本；

根据日内调整的难度和经济成本，对新能源聚合商的弃风、弃光率进行约束，使日前计划中弃风、弃光较大的时段在日内调度中拥有更大的弃风、弃光上调阈值，增强新能源消纳率；

式中：

分别为日内调度弃风、弃光最大允许调整量；β₁、β₂分别为调整系数；

为日前计划弃风、弃光量；χ₁、χ₂为常数；

常规能源机组在日内调度中只调整启停时间小于调度周期的机组；

式中：T_g,on、T_g,off分别为机组g的启动、停运时间。

9.根据权利要求1所述的动态经济调动方法,其特征在于，所述S5中：

实时调度以15分钟为调度周期，对发电端进行出力调整，实时调度考虑调度速度、调度难度、调度经济性，以及日内调度的预测精度，对常规机组启停状态不进行更改，只对调整难度、成本较低的机组；

式中：

表示发电机组g在实时调度中相对日内调度出力调整量；

实时调度约束与日内调度策略的优化尺度不同，其余均一致；

式中：

分别为实时调度弃风、弃光最大允许调整量；β₃、β₄分别为调整系数；χ₃、χ₄为常数。

10.根据权利要求1-9任意一项所述的动态经济调动系统的调度系统，所述调度系统包括可中断负荷响应度确定模块、电力系统供电多目标模型构建模块、改进NSGA-II求解Pareto前沿模块、熵TOPSIS法选择最优解模块，其特征在于，所述可中断负荷响应度确定模块采用用户i在价格c下负荷下降率的最大界限和最小界限之间均匀分配描述用户响应度；

所述电力系统供电多目标模型构建模块目标函数包括分布式电源主动控制成本、网络重构成本与可中断负荷成本，约束包括母线电压约束、负荷衰减率约束、功率平衡约束、发电机组出力约束、功率衰减成本约束和补偿价格约束；

所述改进NSGA-II求解Pareto前沿模块首先初始化电力系统基本参数，接下来获取初始种群，然后进行潮流计算，利用快速非支配分类计算拥挤距离，使用逐步淘汰策略形成父代种群，交叉、突变获得后代种群，计算最大供电容量和主动控制成本，将当前种群与子代繁殖种群组合，保留精英选择下一次迭代的父群体，更新Pareto前沿；

所述熵TOPSIS法选择最优解模块首先计算Pareto解集熵权，用算子的主观权重修正权重系数，建立加权归一化评价矩阵，确定最好、最坏情况，计算Pareto与最差情况相似的阈度，选择最优解。

Images