CN112290564B - 一种降低电力系统亚区间功率不匹配度的方法及系统 - Google Patents

Abstract

本发明公开了一种降低电力系统亚区间功率不匹配度的方法及系统，综合考虑风电功率短期波动的爬坡参数以及经济调度相关约束，建立了电力系统亚区间安全风险评估的线性规划模型，计算电力系统亚区间各个时刻的功率不匹配度；根据模型求得的亚区间各个时刻的功率不匹配度，提出了一种新的降低亚区间最大功率不匹配度的预防调度模型，通过有限次迭代最终使得亚区间最大功率不匹配度降低到安全阈值之内，以保证系统备用容量能够完全补偿电力系统亚区间功率不匹配度。本发明在未牺牲过多经济性的基础上有效地将电力系统亚区间功率不匹配度降低到安全阈值之内，保证了电力系统整个调度区间内部的安全，提高了电力系统的安全性与可靠性。

Description

一种降低电力系统亚区间功率不匹配度的方法及系统

技术领域

本发明涉及电力系统调度安全技术领域，涉及一种降低电力系统调度区间功率不匹配度的方法及系统。

背景技术

近年来，各国风力发电量占电力系统总发电量的比例逐渐升高。然而，风电功率具有波动性和不确定性，这给电力系统的运行带来了极大的安全风险，比如功率不平衡、线路过载等问题。在传统的电力系统调度方法中，遵循一个共同的假设：当电力系统调度区间两端的功率满足平衡时，调度区间内部的功率平衡也可以得到保证。事实上，当风电功率出现非线性波动时，上述假设将不再成立，即电力系统调度区间内部可能会出现功率不匹配现象，为电力系统调度亚区间功率不匹配问题。当风电功率波动比较剧烈时，电力系统亚区间最大功率不匹配度可能超过系统备用容量，导致系统频率偏移，严重影响电力系统安全运行。

然而，目前没有针对电力系统亚区间功率不匹配问题提出有效的解决方案。考虑到电力系统功率不匹配会给系统带来严重的安全风险，因此亟需提出一种降低电力系统亚区间功率不匹配度的方法以保证电力系统调度区间内部的安全。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种降低电力系统亚区间功率不匹配度的方法及系统，在风电功率极端波动场景下将亚区间最大功率不匹配度降低到安全阈值之内，保证电力系统的调度安全。

为解决上述技术问题，本发明所采用的技术方案是：一种降低电力系统亚区间功率不匹配度的方法，包括以下步骤：

S1、输入调度区间两端风电功率预测值

其中

和

分别表示迭代弃风前调度区间两端第i个风电场的风电功率初始预测值，T₀和T₁分别表示调度区间的首端时刻与末端时刻；设定安全阈值R^max、安全阈值临界值γ、初始迭代次数k＝0；设置初始的调度区间末端T₁时刻的弃风功率为W_k＝0；初始化风电功率：

其中

和

分别表示第k次迭代更新的第i个风电场的调度区间两端的风电功率预测值；

S2、利用步骤S1的数据，建立电力系统调度亚区间功率不匹配风险评估模型；

S3、根据S2中的电力系统亚区间功率不匹配风险评估模型，计算亚区间各个时刻的最大功率不匹配度，从而获得亚区间最大功率不匹配度M_k； M_k＝sup{M^t，t∈[0，NT]}；sup{.}表明电力系统亚区间最大功率不匹配度为亚区间各个时刻功率不匹配度的最大值；NT为调度区间[T₀，T₁]的子区间个数；M^t表示调度区间内各时刻的功率不匹配度；

S4、判断M_k≤R^max是否成立，若成立，表明此时调度区间[T₀，T₁]内部的最大功率不匹配度已经进入安全阈值之内，不需要继续弃除风电功率，则输出此时电力系统亚区间功率不匹配风险评估模型求得的调度区间末端火力发电机功率值向量

和此时弃风功率W_k的值；若不成立，则继续弃除风电功率，将迭代次数k的值加1，更新弃风功率W_k；

S5、基于更新后的弃风功率，更新调度区间两端的风电功率值

和

返回执行步骤S2，直至M_k≤R^max成立时，迭代停止。

在调度区间连续时间直接求取最大功率不匹配值是一个十分复杂难以求解的非线性问题，而且风电功率的连续变化也难以刻画。因此，在上述步骤中，电力系统亚区间功率不匹配风险评估模型的优势在于采用了分割近似的思路，在区间分割的基础上，通过查阅文献的研究结论，选取两个参数来有效限制风电功率变化，这使得对亚区间风电功率变化的刻画十分方便，而且基于分割近似的电力系统亚区间功率不匹配风险评估模型便于求解且求解速度较快，可以快速求得亚区间最大功率不匹配值，在迭代过程中不会浪费大量时间；本发明提出了启发式的方法进行迭代弃风，即每次迭代弃风只是弃除由电力系统亚区间功率不匹配风险评估模型求得的亚区间最大功率不匹配值超过临界值的部分，这样做的优势在于可以弃除尽可能少的风电资源以保证电力系统调度区间内部安全，追求更多风力资源的消纳，提高经济性。另外，更新调度区间两端的风电功率值采用了总弃风量均分到每个风电场的思路和一个调度区间内一个风电场保持同一比例弃风的原则，此方法优势在于更加符合实际现场，可操作性也较强。

步骤S1中，R^max设定为电力系统备用容量。本发明的目的是降低调度区间内部最大的功率不匹配值到一个安全阈值内，保证电力系统整个经济调度区间内部的安全。当亚区间功率不匹配值过大时，即使电力系统投入全部备用也无法完全补偿掉功率不匹配值，这样势必会出现功率不平衡问题，从而引发严重的安全问题。而本发明选择电力系统备用容量作为安全阈值的优势在于只要将经济调度区间内最大的功率不匹配值降低到系统备用容量内，即使系统经历了最坏情况下的风电功率波动时，即系统出现最大可能的功率不匹配值时，系统可以调用系统备用完全补偿掉出现的功率不匹配值，此时系统将不会由于调度区间内过大的功率不匹配度而出现安全问题。

优选地，临界值γ小于R^max。按前文叙述，本发明的目的是将亚区间最大功率不匹配值降低到安全阈值内，即电力系统备用容量范围内。但根据本发明提出的启发式迭代方法，若直接选取系统备用容量作为临界值，无论经过多少次迭代亚区间最大功率不匹配值都会高于临界值，无限趋近于临界值，此时，经过有限次迭代后，调度区间内最大功率不匹配值仍略高于系统备用容量。因此，本发明选取了一个略小于安全阈值(即系统备用容量)的值作为临界值，其优势在于可以即提高迭代收敛速度，即保证在有限次迭代后，亚区间最大功率不匹配值降低到安全阈值以内，从而使得系统能调用备用完全补偿亚区间功率不匹配值。

步骤S2中，电力系统调度亚区间功率不匹配风险评估模型表达式如下：

其中，M^t表示调度区间内各时刻的功率不匹配度。

如前文所述，直接在经济调度区间连续时间求解亚区间最大功率不匹配值是一个复杂难以求解的非线性问题，因此本发明提出的电力系统调度亚区间最大功率不匹配值的评估方法采用分割近似思路，将调度区间划分为多个子区间，通过最大化每个子区间的功率不匹配值的和，从而可以求得每个子区间的最大功率不匹配值，最终可以求得亚区间最大功率不匹配值，即所有子区间最大功率不匹配值中的最大值，其优势在于可以简单快速的求得亚区间最大功率不匹配值。

步骤S3中，调度区间内各时刻的功率不匹配度M^t的计算公式为：

其中，上式的约束条件包括：

P_g,min和P_g,max分别表示第g台火力发电机发电功率的下限和上限；R_g表示第g台火力发电机的爬坡上限；

表示第i个风电场的额定功率；

和

分别表示第k次迭代时第i个风电场在调度区间两端的功率预测值；δ表示亚区间相邻两个时刻的功率变化率的最大值；σ表示实际风电功率w^t相对于风电线性爬坡功率

的最大非线性偏离程度；

为上一个调度区间执行经济调度已经获取的第g台火电机组在调度区间首端的发电功率，

为待求的第g台火电机组在调度区间末端的发电功率；SF为转移因子矩阵，KP、KW和KD为关联矩阵， p^t、w^t和d^t分别为t时刻的火电机组发电功率向量、风电场发电功率向量和负荷向量；PL_max为线路潮流上限值向量；a_ij、b_ij和σ_ij是描述相关性的参数，

表示置信度1-α/2、自由度NT的t分布值；g表示火力发电机的索引、i表示风电场索引、j表示负荷索引，t表示时间索引。

上述约束包括经济调度常规约束和风电功率亚区间爬坡约束，结合目标函数构成一个线性规划模型，该模型采用分割近似的思路，优势在于可以方便快捷求得调度区间内各个子区间的最大功率不匹配值，从而求得亚区间最大功率不匹配值，避免了经济调度区间连续时间上最大功率不匹配值难以直接求解的问题。

δ和σ是描述调度区间内风电功率波动状态的两个参数，这两个参数是基于区间分割的，根据一些文献对风电功率历史数据的研究结果，风电功率短期波动剧烈程度是有限的。因此，本发明设置这两个参数描述亚区间功率波动，其优势在于更符合文献结论中所揭示的风电功率实际波动情况。

弃风功率W_k的更新公式为：W_k＝W_k-1+M_k-1-γ。每次迭代时弃风量只叠加本次迭代时最大功率不匹配值超过临界值的量，从而保证每次迭代都不会弃除过多的风电功率。总体情况下，弃除尽可能少的风电资源以保证整个调度区间内部的安全，保证更多风电资源的消纳，提升经济性。

步骤S5中，迭代停止后，输出迭代结束后的弃风量W_k和火电机组调度计划

并确定最终风电场应该弃风的比例以及调度区间两端的弃风功率；其中，更新调度区间两端的风电功率预测值

和

的表达式如下：

其中，[NW]表示风电场的集合，NW表示风电场的个数，i表示风电场索引， k表示迭代次数，

和

分别表示调度区间两端第i个风电场在第k次迭代后的风电功率预测值，

和

分别表示调度区间两端风电功率预测值；W_k表示第k次迭代更新的弃风功率。

第i个风电场应该弃风的比例为

在上述步骤中，本发明采用了均分的思路，即将总的弃风量均分到每个风电场，其优势在于，在每个风电场装机容量一致时，均分更符合实际，也更加容易操作；另外，每个风电场在调度区间各个时刻(包括T₀和T₁)应保持同一弃风比例，即保证一个经济调度区间弃风比例固定，其优势在于保持一个调度区间内同一比例弃风在现实中可操作性更强，而在一个时间跨度短的经济调度区间内多次调整弃风比例操作难度较大，可以直接在T₁时刻计算每个风电场的弃风比例，即分配到该风电场的弃风量W_k/NW与T₁时刻的初始风电功率(即风电功率预测值初始值)的比值。

相应地，本发明还提供了一种降低电力系统亚区间功率不匹配度的系统，包括计算机设备；所述计算机设备被配置或编程为用于执行本发明所述方法的步骤。

与现有技术相比，本发明所具有的有益效果为：

(1)本发明针对风电功率波动带来的电力系统亚区间安全问题，提出了一种基于线性规划的调度亚区间最大功率不匹配度的评估方法，可以快速、高效评估风电功率波动给电力系统带来的亚区间功率不平衡风险，弥补了电力系统目前缺少的亚区间风险评估的不足。

(2)针对调度区间功率不平衡问题，本发明提出了一种迭代式的弃风策略，通过舍弃尽可能少的风电功率来降低亚区间最大功率不匹配度到安全阈值之内，实现了在保证调度区间安全的同时，尽可能的消纳更多的风电资源，弥补了现有技术未能解决的由风电非线性波动带来的电力系统亚区间功率不平衡问题。

(3)本发明在未牺牲过多经济性的基础上有效地将电力系统亚区间功率不匹配度降低到安全阈值之内，保证了电力系统整个调度区间内部的安全，提高了电力系统的安全性与可靠性。

附图说明

图1是本发明的实施流程图。

图2是本发明涉及的电力系统经济调度与亚区间示意图。

图3是本发明涉及的风电功率爬坡参数介绍示意图。

具体实施方式

图1给出了降低调度区间功率不匹配度的方法的执行过程，具体按照以下步骤进行：

S1：输入调度区间两端风电功率预测值

其中

和

表示迭代前调度区间两端第i个风电场的风电功率初始预测值，T₀和T₁分别表示调度区间的首端(起始时刻)与末端(终止时刻)。

S2：设定一个安全阈值R^max，在此基础上设定一个安全阈值临界值γ；设置初始迭代次数k＝0；设置初始的调度区间末端T₁时刻的弃风功率为W_k＝0。初始化风电功率：

其中

和

分别表示第k次迭代更新的第i个风电场的调度区间两端的风电功率预测值。

其中，初始化参数R^max可认定为系统备用容量，当电力系统功率不匹配度在系统备用容量范围内时，系统备用可以完全补偿功率不匹配度；临界值γ按照略小于R^max的条件选取，因为根据提出的启发式迭代弃风方法的迭代思想，经过多次迭代，亚区间最大功率不匹配度会从一直大于临界值，直至无限次迭代收敛到临界值，如果设置临界值为R^max，会导致有限次迭代之后亚区间最大功率不匹配度仍大于R^max。

S3：根据S1、S2的输入数据，建立电力系统调度亚区间功率不匹配风险评估模型。

本发明所提出的降低电力系统亚区间最大功率不匹配度的方法是基于经济调度方法的，图2呈现了电力系统经济调度和亚区间的示意图。从图2可以看到，调度区间[T₀，T₁]的调度计划是在上一个调度区间[T₀-5min，T₀]之内确定的(以 5min经济调度区间为例)，而亚区间指的是经济调度区间[T₀，T₁]内部的时间段。由于在经济调度连续时间段上求取区间内最大功率不匹配度比较困难，因此本发明采用近似的思想，将一个经济调度区间[T₀，T₁]等距离划分为NT个子区间，每个子区间长度为(T₁-T₀)/NT，其中，调度区间两端T₀和T₁分别对应时刻0和NT，即[T₀，T₁]可以写为[0，NT]。通过最大化每个子区间的功率不匹配度，最终求得经济调度区间内最大功率不匹配度。

从数学上，电力系统亚区间功率不匹配评估表示为以下的线性规划模型：

目标函数表达式为：

其中，M^t表示调度区间内各时刻的功率不匹配度，优化目标为最大化亚区间各个时刻的功率不匹配度之和，即找到风电功率波动最坏情况下调度区间内各个时刻的功率不匹配度，从而便于步骤S4求得电力系统调度亚区间最大功率不匹配度；

所有约束包括：

亚区间功率不足约束：

其中，NG、NW和ND分别表示火力发电机数目、风电场数目和负荷数目，

为t时刻第g台火力发电机的发电功率、

为t时刻第i个风电场的实际发电功率、

为t时刻第j台负荷功率。本发明只考虑亚区间功率不足的情况，即火电功率和风电功率之和不足以供应负荷。因为当火电功率和风电功率之和高于负荷时，一般直接通过弃风就可以免于电力系统遭受安全问题，而功率不足则会带来亚区间安全问题。

亚区间各时刻功率不匹配度：

其中，M^t表示调度区间内各时刻的功率不匹配度，即亚区间各时刻负荷与火电功率加风电功率的差额；

功率平衡约束：

上式为经济调度的基本约束，保证调度区间末端功率平衡；

火力电电机发电功率上下限约束：

其中，P_g,min和P_g,max表示第g台火力发电机发电功率的下限和上限；

火力发电机爬坡约束：

其中，R_g表示第g台火力发电机的爬坡上限；

风电功率出力上下限约束：

其中，

表示第i个风电场的额定功率，上式表明风电场发电功率不会超过额定值；

风电功率线性爬坡值约束：

其中，

和

分别表示第k次迭代时第i个风电场在调度区间两端的功率预测值，由步骤S7获取；

为t时刻第i个风电场从

线性爬坡到

的功率线性爬坡值。

风电预测功率约束：

该约束表示调度区间两端的实际风电功率与风电功率线性爬坡值相同。

风电功率实际爬坡约束：

其中，δ和σ是描述风电功率爬坡的两个参数。如图3所示，δ表示亚区间相邻两个时刻的功率变化率的最大值，表达式为：

σ表示实际风电功率w^t相对于风电线性爬坡功率

的最大非线性偏离程度，表达式为：

δ和σ越大时，亚区间功率不匹配度越大。

火电功率线性爬坡值约束：

其中，

为上一个调度区间执行经济调度已经获取的第g台火力发电机在调度区间首端的发电功率，

为待求的第g台火力发电机在调度区间末端的发电功率。

潮流约束：

其中，SF为转移因子矩阵，KP、KW和KD为关联矩阵，p^t、w^t和d^t分别为t时刻的火力发电机发电功率向量、风电场发电功率向量和负荷向量，分别有 NG、NW和ND个元素，PL_max为线路潮流上限值向量。

风电场相关性约束：

上式描述了风电场i1和风电场i2的线性相关性关系，其中，a_ij、b_ij和σ_ij是描述相关性的参数，

表示置信度1-α/2、自由度NT的t分布值，t分布值可查表获取。

以上目标函数和所有约束中，g表示火电机组的索引、i表示风电场索引、j 表示负荷索引，t表示时间索引。

上述目标函数和所有约束构成一个线性规划模型，在给定风电功率预测值基础上，通过求解这个线性规划模型对电力系统调度亚区间功率不匹配风险进行评估。每次迭代时输入步骤S7获取的更新后的

和

重新评估亚区间功率不匹配度风险，然后便于步骤S4求取新的亚区间最大功率不匹配度以及后续步骤进行。

S4：根据S3中的电力系统亚区间功率不匹配风险评估模型，求得亚区间各个时刻的最大功率不匹配度，计算亚区间最大功率不匹配度M_k，其公式如下：

M_k＝sup{M^t,t∈[0,NT]} (14)

其中，sup{.}表明电力系统亚区间最大功率不匹配值为亚区间各个时刻功率不匹配度的最大值。

S5：判断M_k≤R^max是否成立，若该式成立，表明此时调度区间[T₀,T₁]内部的最大功率不匹配度已经进入安全阈值之内，不需要继续弃风，输出此时电力系统亚区间功率不匹配风险评估模型求得的

(调度区间末端火电机组功率值向量)和此时弃风功率W_k的值；若该式不成立，执行S6。

S6：此时调度区间[T₀，T₁]内部最大功率不匹配度仍高于安全阈值，需要继续弃除风电功率，则k＝k+1，然后更新弃风功率W_k，其公式如下：

W_k＝W_k-1+M_k-1-γ (15)

进一步的，弃风功率的原则是每次迭代弃风功率为上一次迭代的弃风功率叠加上亚区间最大功率不匹配值与安全阈值临界值的差值。该弃风更新方法可以实现尽可能少的弃风，保障亚区间最大功率不匹配度刚好在安全阈值R^max之内，在鲁棒性的基础上尽可能追求更好的经济性。

S7：基于步骤5中更新的W_k，更新调度区间两端的风电功率预测值

和

然后返回执行S3。一般来说，一个风电场在一个调度区间内按照某一比例弃风，因此，一个风电场调度区间两端T₀和T₁的弃风量应符合同样比例，

和

的更新公式如下：

其中，[NW]表示风电场的集合，NW表示风电场的个数，i表示风电场索引，k表示迭代次数，

和

分别表示调度区间两端第i个风电场在第k次迭代后的风电功率预测值，

和

分别表示调度区间两端风电功率初始预测值，W_k表示步骤S6求得的第k次迭代更新的弃风功率。

S8：迭代过程不断进行，直至S5里M_k≤R^max成立，迭代停止。最后输出迭代结束后的弃风量W_k和火电机组调度计划

然后根据(16)确定最终风电场应该弃风的比例以及调度区间两端的弃风功率，第i个风电场的弃风比例为

Claims (10)

1.一种降低电力系统亚区间功率不匹配度的方法，其特征在于，包括以下步骤：

S1、输入调度区间两端风电功率预测值

其中

和

分别表示迭代弃风前调度区间两端第i个风电场的风电功率初始预测值，T₀和T₁分别表示调度区间的首端时刻与末端时刻；设定安全阈值R^max、安全阈值临界值γ、初始迭代次数k＝0；设置初始的调度区间末端T₁时刻的弃风功率为W_k＝0；初始化风电功率：

其中

和

分别表示第k次迭代更新的第i个风电场的调度区间两端的风电功率预测值；

S2、利用步骤S1的数据，建立电力系统调度亚区间功率不匹配风险评估模型；电力系统调度亚区间功率不匹配风险评估模型表达式如下：

M^t表示调度区间内各时刻的功率不匹配度；调度区间内各时刻的功率不匹配度M^t的计算公式为：

NG、NW和ND分别表示火力发电机数目、风电场数目和负荷数目，

为t时刻第g台火力发电机的发电功率，

为t时刻第i个风电场的实际发电功率，

为t时刻第j台负荷功率；

所述亚区间定义为：将一个经济调度区间[T₀，T₁]等距离划分为NT个子区间，每个子区间长度为(T₁-T₀)/NT，其中，调度区间两端T₀和T₁分别对应时刻0和NT，即[T₀，T₁]写为[0，NT]，亚区间即经济调度区间[0，NT]内部的时间段；

S3、根据S2中的电力系统亚区间功率不匹配风险评估模型，计算亚区间各个时刻的最大功率不匹配度，从而获得亚区间最大功率不匹配度M_k；M_k＝sup{M^t，t∈[0，NT]}；sup{.}表明电力系统亚区间最大功率不匹配度为亚区间各个时刻功率不匹配度的最大值；NT为调度区间[T₀，T₁]的子区间个数；M^t表示调度区间内各时刻的功率不匹配度；

S4、判断M_k≤R^max是否成立，若成立，则输出此时电力系统亚区间功率不匹配风险评估模型求得的调度区间末端火电机组功率值向量

和此时弃风功率W_k的值；若不成立，则继续弃除风电功率，将迭代次数k的值加1，更新弃风功率W_k；

S5、基于更新后的弃风功率，更新调度区间两端的风电功率值

和

返回执行步骤S2，直至M_k≤R^max成立时，迭代停止。

2.根据权利要求1所述的降低电力系统亚区间功率不匹配度的方法，其特征在于，步骤S1中，R^max设定为电力系统备用容量。

3.根据权利要求2所述的降低电力系统亚区间功率不匹配度的方法，其特征在于，临界值γ小于R^max。

4.根据权利要求1所述的降低电力系统亚区间功率不匹配度的方法，其特征在于，步骤S3中，调度区间内各时刻的功率不匹配度M^t的计算公式的约束条件包括：

P_g，min和P_g，max分别表示第g台火力发电机发电功率的下限和上限；R_g表示第g台火力发电机的爬坡上限；W_i ^max表示第i个风电场的额定功率；

和

分别表示第k次迭代时第i个风电场在调度区间两端的功率预测值；δ表示亚区间相邻两个时刻的功率变化率的最大值；σ表示实际风电功率w^t相对于风电线性爬坡功率

的最大非线性偏离程度；

为上一个调度区间执行经济调度已经获取的第g台火电机组在调度区间首端的发电功率，

为待求的第g台火电机组在调度区间末端的发电功率；SF为转移因子矩阵，KP、KW和KD为关联矩阵，p^t、w^t和d^t分别为t时刻的火电机组发电功率向量、风电场发电功率向量和负荷向量；PL_max为线路潮流上限值向量；a_ij、b_ij和σ_ij是描述相关性的参数，

表示置信度1-α/2、自由度NT的t分布值；g表示火力发电机的索引、i表示风电场索引、j表示负荷索引，t表示时间索引。

5.根据权利要求4所述的降低电力系统亚区间功率不匹配度的方法，其特征在于，

6.根据权利要求4所述的降低电力系统亚区间功率不匹配度的方法，其特征在于，

7.根据权利要求1所述的降低电力系统亚区间功率不匹配度的方法，其特征在于，弃风功率W_k的更新公式为：W_k＝W_k-1+M_k-1-γ。

8.根据权利要求1～7之一所述的降低电力系统亚区间功率不匹配度的方法，其特征在于，步骤S5中，迭代停止后，输出迭代结束后的弃风量W_k和火电机组调度计划

并确定最终风电场应该弃风的比例以及调度区间两端的弃风功率；其中，更新调度区间两端的风电功率预测值

和

的表达式如下：

其中，[NW]表示风电场的集合，NW表示风电场的个数，i表示风电场索引，k表示迭代次数，

和

分别表示调度区间两端第i个风电场在第k次迭代后的风电功率预测值，

和

分别表示调度区间两端风电功率预测值；W_k表示第k次迭代更新的弃风功率。

9.根据权利要求8所述的降低电力系统亚区间功率不匹配度的方法，其特征在于，第i个风电场应该弃风的比例为

10.一种降低电力系统亚区间功率不匹配度的系统，其特征在于，包括计算机设备；所述计算机设备被配置为用于执行权利要求1～9之一所述方法的步骤。

Images