CN113285457B - 非理想通信下区域电力系统的分布式经济调度方法及系统 - Google Patents

Abstract

本公开公开的非理想通信下区域电力系统的分布式经济调度方法及系统，包括：构造分布式经济调度的通信图，通信图实现通用节点与发电机节点间的双向通信连接；在通信图的基础上，以全局功率平衡为约束，发电机组运营成本最小为目标建立分布式优化调度模型；将分布式优化调度模型用拉格朗日原对偶进行描述；获取所有负荷功率；将负荷功率输入拉格朗日原对偶描述中进行求解，获得每个发电机的发电量。利用原对偶原理将经济调度问题分解为若干并行子问题，解决了分布式区域电力系统供需平衡的计算问题，可以在保证微增率一致性的前提下，将负荷合理分配给发电机组以实现最优调度。

Description

非理想通信下区域电力系统的分布式经济调度方法及系统

技术领域

本发明涉及电力行业的区域电力系统的经济调度技术领域，尤其涉及非理想通信下区域电力系统的分布式经济调度方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

随着分布式能源的日益普及，电力系统的灵活性和可扩展性是保证区域电力系统可靠运行的必要条件。适当的调度策略必须允许系统扩展，并且对拓扑扰动具有鲁棒性。此外，应大幅削减更新/扩展费用，以满足不断增长的负荷需求和不断增长的分布式新能源的数量。近年来，对大规模集成分布式系统和可扩展区域电力系统的稳定运行进行了大量的研究。

经济调度问题是电力系统中最重要的问题之一。其主要目标是在满足全局需求约束和本地发电约束的同时，提供最优调度策略，以降低运营成本。许多方法有助于解决经济调度问题。传统的凸优化包括二次规划、拉格朗日松弛等，人工智能算法提供了一种先进的趋优解搜索方法。值得一提的是，所有这些方法都建立在调度中心的基础上，在调度中心集中控制器要收集所有分布式发电的运行信息，以获得并发布最优的功率分配方案。然而，在广域分布式系统中，集中式调度通常是不可扩展且不划算的。

此外，分布式设备的增加给信息交互和全局优化带来了更大的复杂性，这给传统的集中控制策略带来了前所未有的挑战。首先，广域分布式系统管理需部署强大的计算中心和垂直控制以应对大规模的计算量并降低单点故障风险。其次，由于延迟和服务器容量的限制，集中调度策略的滚动修正难以实现令人满意的跟踪性能。第三，集中管理缺乏对发电商和用户隐私的保护。

随着无线通信和传感器网络技术的应用，分布式经济调度方法在区域电力系统研究中引起了广泛的关注。但现有的分布式经济调度具有以下限制：1)参与者很难通过邻居通信获得一些全局信息，如果没有这些信息，将无法解决全局优化问题。2)一些关键信息需要共享，不能有效保护用户隐私。3)各区域代理的供需平衡全局约束难以实时满足。4)分布式经济调度中未考虑机组的启停状态，在极端运行情况下可能导致没有可行解的问题。

发明内容

本公开为了解决上述问题，提出了非理想通信下区域电力系统的分布式经济调度方法及系统，利用原对偶原理将经济调度问题分解为若干并行子问题，解决了分布式区域电力系统供需平衡的计算问题，可以在保证微增率一致性的前提下，将负荷合理分配给发电机组以实现最优调度。

为实现上述目的，本公开采用如下技术方案：

第一方面，提出了非理想通信下区域电力系统的分布式经济调度方法，包括：

构造分布式经济调度的通信图，通信图实现通用节点与发电机节点间的双向通信连接；

在通信图的基础上，以全局功率平衡为约束，发电机组运营成本最小为目标建立分布式优化调度模型；

将分布式优化调度模型用拉格朗日原对偶进行描述；

获取所有负荷功率；

将负荷功率输入拉格朗日原对偶描述中进行求解，获得每个发电机的发电量。

第二方面，提出了非理想通信下区域电力系统的分布式经济调度系统，包括：

通信图构造模块，用于构造分布式经济调度的通信图，通信图实现通用节点与发电机节点间的双向通信连接；

分布式优化调度模型创建模块，用于在通信图的基础上，以全局功率平衡为约束，发电机组运营成本最小为目标建立分布式优化调度模型；

原对偶描述模块，用于将分布式优化调度模型用拉格朗日原对偶进行描述；

负荷功率获取模块，用于获取所有负荷功率；

发电机发电量获取模块，用于将负荷功率输入拉格朗日原对偶描述中进行求解，获得每个发电机的发电量。

第三方面，提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成非理想通信下区域电力系统的分布式经济调度方法所述的步骤。

第四方面，提出了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成非理想通信下区域电力系统的分布式经济调度方法所述的步骤。

与现有技术相比，本公开的有益效果为：

1、本公开提出的分布式经济调度方法，利用原对偶原理将经济调度问题分解为若干并行子问题，解决了分布式区域电力系统供需平衡的计算问题，可以在保证微增率一致性的前提下，将负荷合理分配给发电机组以实现最优调度。机组组合优化通过控制机组的启/停状态来扩展区域运行边界。

2、本公开通过在迭代的过程中使用Push-sum协议和一致性增益函数，通过Push-sum协议避免了每次迭代前的邻域拓扑信息更新，大大简化了邻居的交互，保证了基于时变通信拓扑的收敛性。通过一致性增益函数有利于消除通信噪声的不利影响，提高收敛精度，减少通信噪声的干扰。

3、本公开提出的分布式经济调度方法，不需要中央主站可节省土地资源和中央服务器投资；局部决策能够快速感知拓扑扰动；在发出调度命令时没有引入通信延迟，有助于快速跟踪参考，且本地决策对于单点故障也具有较强的鲁棒性；分布式方法避免了新的母线和发电机接入系统时的软件更新；一些关键信息可以通过辅助变量进行加密，如成本函数和功耗，从而在交互过程中保护参与者的隐私。

4、本公开以分布式的方法对机组进行实时优化组合，通过时变摄动下的邻居相互作用满足全局供需平衡，方法实用速度快，且大大节省了计算量。

本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为本公开实施例1公开方法的总体流程图；

图2为本公开实施例1公开的区域电力系统DED框架图；

图3为本公开实施例1公开的增量成本-发电图。

具体实施方式：

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”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，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。

本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。

实施例1

在该实施例中，公开了非理想通信下区域电力系统的分布式经济调度方法，包括：

构造分布式经济调度的通信图，通信图实现通用节点与发电机节点间的双向通信连接；

在通信图的基础上，以全局功率平衡为约束，发电机组运营成本最小为目标建立分布式优化调度模型；

将分布式优化调度模型用拉格朗日原对偶进行描述；

获取所有负荷功率；

将负荷功率输入拉格朗日原对偶描述中进行求解，获得每个发电机的发电量。

进一步的，将分布式优化调度模型用拉格朗日原对偶进行描述时，根据发电机功率上下限对应的增量成本与拉格朗日乘数的关系，将拉格朗日原对偶描述的目标函数定义为分段函数，对分段函数进行求解，获得每个发电机的发电量。

进一步的，在对分段函数进行求解时，定义g_i为从拉格朗日乘数λ到发电机发电量P_i的分段映射；通过g_i获得拉格朗日乘数λ的目标函数，将拉格朗日乘数λ的目标函数与发电机的增量成本函数联立，求解获得拉格朗日乘数最优解λ^*及每个发电机的发电量。

进一步的，在求解拉格朗日乘数最优解时，构造包含每个发电机加载信息的辅助变量y_i[k]，计算辅助变量y_i[k]的收敛值

根据辅助变量

构建描述发电机节点和负荷节点间个数差别的放缩变量s_i，并计算放缩变量s_i的收敛值s^*；

根据收敛值

和收敛值s^*，获得发电机组的平均发电量

根据发电机功率的上下限，定义拉格朗日乘数的上界λ⁺[k]和下界λ^-[k]；

根据拉格朗日乘数的上界λ⁺[k]和下界λ^-[k]，定义分段边界λ^j/N[k]；

对于每个发电机计算区段边界P_i ^j/N[k]；

构造描述分段边界λ^j/N[k]内发电机分段发电量的辅助变量

并计算辅助变量

的收敛值

根据每个收敛值

与对应的平均发电量

的关系，升级拉格朗日乘数的λ⁺[k+1]和下界λ^-[k+1]；

分段更新获得拉格朗日乘数的最优解λ^*。

进一步的，仅当辅助变量y_i[k]的收敛值

位于发电机功率上下限对应的收敛值

和

之间时，才能计算获取拉格朗日乘数的最优解λ^*，进而计算获得每个发电机的发电量。

进一步的，当辅助变量y_i[k]的收敛值

大于发电机功率上限对应的收敛值

时，请求甩负荷；

当辅助变量y_i[k]的收敛值

小于发电机功率下限对应的收敛值

时，计算各发电机的增量成本，控制增量成本最高的发电机停止运行；当发电机组的增量成本相同时，控制输出功率最小的发电机停止运行。

进一步的，定义w′来描述通信拓扑的扰动，定义方程y_i[k]＝w_i[k]/w′_i[k]使y_i[k]收敛到均值；

在包含每个发电机加载信息的辅助变量y_i[k]的迭代中引入增益函数。

对本实施例公开的非理想通信下区域电力系统的分布式经济调度方法进行详细说明。

本实施例公开的非理想通信下区域电力系统的分布式经济调度方法，利用原对偶原理将经济调度问题分解为若干并行子问题，解决了分布式区域电力系统供需平衡的计算问题，可以在保证微增率一致性的前提下，将负荷合理分配给发电机组以实现最优调度。机组组合优化是通过控制机组的启/停状态来扩展区域运行边界。此外，该方法还集成了两个改进方案：Push-sum协议和增益函数，Push-sum协议避免了每次迭代前的邻域拓扑信息更新，保证了算法在时变拓扑下的收敛性，增益函数可以减少通信噪声的干扰，采用如下技术方案：

1.分布式分段近似逼近设计

1.1面向DED的基于多代理的调度框架

不同于传统的集中式经济调度，在完全分散的调度策略中不需要配置调度中心和集中通信设备。根据系统大小，系统调度可以是独立的系统操作员，也可以是具有调度权限的发电公司。图2显示了区域电力系统的分布式经济调度(DED)框架，负荷和发电机分布较广。母线节点部署了两种代理：负荷代理和发电机代理。负荷代理监控本地母线节点的负荷信息并与邻居进行交互，而发电机代理基于交互辅助变量优化本地发电功率。

这种基于多代理的DED体系结构可以从使用邻域通信而代替放射型通信。分布式方法的优点包括：第一，不需要中央主站可节省土地资源和中央服务器投资；第二，局部决策能够快速感知拓扑扰动，在发出调度命令时没有引入通信延迟，有助于快速跟踪参考，本地决策对于单点故障也具有较强的鲁棒性；第三，分布式方法避免了新的母线和发电机接入系统时的软件更新；最后，一些关键信息可以通过辅助变量进行加密，从而在交互过程中保护参与者的隐私。

基于多智能体的DED框架的运行机制可以概括为：(a)负载和发电机智能体检测系统调度的可行性，发电机智能体根据发电机组运营成本最小确定机组最优投入方案。(b)分布式迭代使每个发电机代理能够获得一些全局一致的辅助变量，通过该辅助变量，使得发电机组的发电量满足功率平衡约束。(c)各发电机代理根据全局辅助信息及其自身的运行特点独立制定调度计划。

基于DED框架，假设通信网络是一个强连通有向图。通用节点的通信连接对应于物理系统的连接。电力线载波通信非常适合这种情况。建立双向通信图G_m＝(V_m,E_m),G_n＝(V_n,E_n)，其中V_m和V_n分别是通用节点集和发电机节点集。区域电力系统总节点数和发电机节点数分别表示为m和n(m＞＞n)。E_m表示图G_m的一组有向边，E_n表示G_n的边集合。

1.2DED问题描述

根据发电机的实际运行特点，假设经济调度优化问题具有最优解。

假设：对于每个发电机节点

发电机i的成本函数

是连续的，可微的，它有一个反函数。

根据叠加定理，多发电机和的成本函数也是连续的、可微的，并且具有反函数。为了便于分析，将成本函数假定为二次函数，其海森矩阵是严格正定的。

假设L_j是节点j的负荷，P_i是节点i的发电量，由于功率平衡，发电量之和应等于总负荷P^*。

其中v_i∈{0,1}是发电机i的启/停状态变量。v_i＝1表示发电机i正在运行，反之亦然。

为了最大限度地降低运营成本，以全局功率平衡为约束，发电机组运营成本最小为目标，建立了分布式优化调度模型，具体如下：

v_i∈{0,1}

其中，P_i 和

分别表示发电机i的功率上下限。R是表示确定的备用容量，等于总负荷和备用百分比δ的乘积。由于目标函数(2)是凸的，且所有约束都是线性的，因此可以证明满足KKT条件的解是最优的。

将发电机i的增量成本γ_i定义为：

根据上述公式，γ_i(P_i)是一个连续单调递增函数。类似地，γ_i ^-1是连续且单调递增的。

在最优机组组合的情况下，即0-1变量处于最优状态，分布式优化调度模型，即公式(2)是一个线性规划问题，可以描述为拉格朗日原对偶问题：

其中，P表示P_i的可行域。

是拉格朗日乘数。

根据发电机功率上下限对应的增量成本

和γ_i(P_i )与拉格朗日乘数的关系，将拉格朗日原对偶描述的目标函数定义为分段函数，对偶问题的目标函数可以重新定义为：

在对分段函数(5)进行求解时，定义g_i为从拉格朗日乘数λ到发电机发电量P_i的分段映射。由于

是基于最优条件λ_t＝γ_i(P_i ^t)的映射，λ与目标函数中的P_i无关，通过g_i获得拉格朗日乘数λ的目标函数为：

如果问题是可行的，将拉格朗日乘数λ的目标函数(公式6)与发电机的增量成本函数(公式3)联立，计算获得公式(3)的最优解如下：

因此，每个发电机代理都可以根据公式P_i＝-g_i(λ^*)获得P_i。

1.3问题分解和分布式求解

所有发电机代理应以完全分布式的方式获取全局功率平衡信息

全局功率平衡约束可重写为：

定义图G_m的标准化邻接矩阵

构造双随机矩阵H：

其中，图G_m中j点的出界度描述为

同样，

表示图G_n中j点的出界度。定义图G_n标准化邻接矩阵：

对于i∈V_m，构造辅助变量y_i[k]并将其初始化为y_i[0]＝L_i。y_i[k]的离散迭代规则设计如下：

其中

是图G_m中节点i的邻居集合。通过上述迭代，辅助变量y_i[k]收敛到相同值

此外，每个代理的加载信息都包含在辅助变量

中。

代理可以通过构造辅助变量来估计某些全局信息。构造放缩变量

来描述发电机节点和负荷节点之间的个数差别，并根据以下原则对放缩变量

进行初始化：

并行迭代如下：

放缩变量s_i将负荷信息从G_m传输到G_n。经过多次迭代，放缩变量s_i收敛到相同的值s^*：

s^*＝lim_k→∞s[k]＝n/m²×P^* (14)

对于

构造辅助变量u_i。每个代理将

值设置为：

通过上述方程(11)-(15)，将整个区域系统的放缩负荷信息u_i告知所有发电机代理。u_i表示平均发电量

其满足功率平衡约束。但是，这个过程需要多次迭代。为了减少计算量，设计了一种分段逼近算法来加速收敛。

对于发电机

分别将拉格朗日乘数的上界和下界定义为λ⁺[k]和λ^-[k]：

定义分段边界λ^j/N[k]：

λ^j/N[k]＝λ^-[k]+j/N(λ⁺[k]-λ^-[k]),j＝1,2,…,N-1 (17)

每个发电机代理计算区段边界：

P_i ^j/N[k]＝-g_i(λ^j/N[k]) (18)

构造辅助变量

并将其初始化为

迭代过程设计如下：

当全部

收敛时，得到：

其中，

为分段边界λ^j/N[k]内的分段发电量。

表示每个段边界上的平均发电量。为了缩小这个可行区域，每个代理将

与相同的

进行比较，并升级上界λ⁺[k+1]和下界λ^-[k+1]：

分段更新使拉格朗日乘数近似于最优解λ^*。终止条件为λ⁺[k]-λ^-[k]≤ε。当满足该条件时，可用上下界的平均值λ^*＝1/2(λ⁺[k]+λ^-[k])来计算最优拉格朗日乘数。

在T次分段逼近法的基础上，在一定的目标范围η≤1/2N^T+1内对λ的误差进行控制。

每个代理都可以通过以下公式计算全局最优解：

2.机组组合部分的求解算法

这部分设计了三个必要的机制或算法来在DED框架中求解机组组合问题。

2.1可行性检测

构造两个辅助变量y _i[k],

来描述分配给发电机i的出力边界。将它们初始化为y _i[0]＝v_i P_i ,

并行运行以下迭代：

假设y _i收敛于

且

收敛于

只有当

时，原始问题可行。注意到，如果其中一台发电机满足

则所有发电机均满足该条件，并且该机组的机组组合方案是可行的，从而计算获取拉格朗日乘数的最优解λ^*，进而计算获得每个发电机的发电量；当辅助变量y_i[k]的收敛值

大于发电机功率上限对应的收敛值

时，请求甩负荷；当辅助变量y_i[k]的收敛值

小于发电机功率下限对应的收敛值

时，对发电机组进行启停控制。

2.2机组退出机制

本小节提出了一种先进的机组退出机制，以进一步降低运营成本。

图3显示了增量成本与发电量之间的关系。由于C_i是非负凸函数，所有机组都需要在较低的功率水平下工作。由于当发电量较小时，边际成本较低，因此默认情况下，所有发电机在初始阶段都处于运行状态。机组组合优化是选择边际成本较高的机组优先退出运行。有两种情况可以决定发电机的退出。首先，应选择增量成本最高的发电机。其次，应选择输出功率最小的机组，因为如果所有机组的增量成本相等，输出最小运行功率的发电机在同等运行情况下增量成本更高，如图3中的点P2和P3的比较所示。

2.3极限值分布协同求解算法

本节介绍了一种分布式协同搜索极值的算法，用于机组退出机制中。在具有n个相互连接代理的多代理系统中，将x_i视为发电机i的目标变量，并设置X_i∈{0,1}为检查x_i是否是极值的标志。初始化x_i为1。每个代理重复以下迭代n-1次：

如果x_i变化，则设置标志X_i＝0。经过迭代，每个代理都可以在这个多代理系统中获得极端状态。此外，代理将知道其值

是否是极值。

3.分布式迭代改进技术

非理想通信在实际工程中普遍存在。一般来说，邻接点通信的延迟较小，本实施例采用的离散一致性迭代可以通过延长采样时间来消除延迟的影响。π/2λ_n(L)是多智能体系统在一致迭代过程中所能承受的最大延迟，其中λ_n(L)是拓扑拉普拉斯矩阵的最大特征值。因此，本实施例重点研究了其它三种非理想情况：代理退出、重连和噪声干扰。这三个通信问题的模型如下：

a.代理退出

在时变拓扑中，代理可能突然与多代理系统断开连接。以(11)式中y_i的离散通信过程为例。如果代理a断开连接，则更新公式为：

在代理a断开之前，双随机矩阵H保持不变。

b.代理重新连接

同样，如果重新连接代理a，代理a及其邻居的更新公式将重新公式化为：

在重新连接代理a之前，双随机矩阵H保持不变。E′_m是新的边缘集。

c.噪声干扰

网络中任意两个代理之间存在随机通信噪声ω_ij[k]，破坏了进程通信。为了减轻噪声干扰，可以将(11)式中y_i的离散迭代重新公式化为：

3.1应用于时变有向图的Push-sum协议

根据公式(9-10)，[H]_ij和[R]_ij需要两个节点之间的最大出度信息，这意味着[H]_ij和[R]_ij应该被实时更新以准确描述时变拓扑。这增加了通信计算负担。为了解决这个问题，Push-sum协议被仅通过交互本地出度实现。Push-sum是一种类似于一致性的方法，其中每个节点通过采用相邻节点的值的线性组合来更新其值。由于线性组合，某些节点比其他节点影响更大。为了抵消节点不平衡的影响，w′被用来描述拓扑的扰动，方程y_i[k]＝w_i[k]/w′_i[k]使y_i[k]收敛到均值。

以y_i的迭代过程为例，定义两个向量w,

代理i设置w_i[0]＝y_i[0],w′_i[0]＝1。

对于i＝1,…,n,

式中

为图G_m中节点j的时变出度，它反映了拓扑扰动。

3.2一致抗噪增益函数

为了有效地降低通信不确定性的负面影响，需要在迭代中引入增益函数F[k]。因此，新的自治系统表示如下：

如果随机通信噪声具有白噪声的边界，则通信噪声存在一个平均一致性条件。参见下面的引理：

引理1：基于上述假设，如果有

和

离散一致性迭代收敛到一个一致的值：

基于公式(11),(30)，y^*不仅由初始值y_i[0]确定，而且由双随机矩阵H确定：

其中|E|是图G_m的边集合。σ²(y^*)表示y^*的方差。σ_W表示矩阵H的最大标准偏差。

由以上分析可知，一致性增益函数随着迭代次数增加而衰减，进而降低通信权重，消除了不确定噪声引起的一致性残差。这有助于代理有效地利用相邻代理的信息来搜索目标值。

根据上述引理1的条件设计函数F[k]，设计了两个功能：

其中c₁和c₂表示衰减系数且有c₁,c₂>0。

定义偏差

来评估变量y_i的收敛性和收敛速度。

其中

是理想通信环境下的理想迭代值。T表示迭代次数。采样数表示为M。

3.3DED分段近似逼近程序总流程

本实施例公开的分布式经济调度方法考虑了机组组合的优化以进一步降低运行成本，保证分布式算法的实时功率平衡，具体流程如算法1所示。图1展示了本实施例公开的分布式经济调度方法的总体流程图。

本实施例公开的非理想通信下区域电力系统的分布式经济调度方法，在完全分布式的框架中实现，与集中式调度相比，分布式经济调度方法在完全分布式的框架中实现，因此可有效避免单节点拥塞，一些关键信息可以通过辅助变量进行加密，如成本函数和功耗，从而在交互过程中保护参与者的隐私，并且对单点故障有较强的鲁棒性。

与传统的分散方式不同，本实施例以分布式的方法对机组进行实时优化组合，通过时变摄动下的邻居相互作用满足全局供需平衡，方法实用速度快，且大大节省了计算量。

本实施例提出的Push-sum协议避免了每次迭代前邻居拓扑信息的更新，大大简化了邻居的交互，保证了基于时变通信拓扑的收敛性；构造的一致性增益函数，有利于消除通信噪声的不利影响，提高收敛精度。

实施例2

在该实施例中，公开了非理想通信下区域电力系统的分布式经济调度系统，包括：

通信图构造模块，用于构造分布式经济调度的通信图，通信图实现通用节点与发电机节点间的双向通信连接；

分布式优化调度模型创建模块，用于在通信图的基础上，以全局功率平衡为约束，发电机组运营成本最小为目标建立分布式优化调度模型；

原对偶描述模块，用于将分布式优化调度模型用拉格朗日原对偶进行描述；

负荷功率获取模块，用于获取所有负荷功率；

发电机发电量获取模块，用于将负荷功率输入拉格朗日原对偶描述中进行求解，获得每个发电机的发电量。

实施例3

在该实施例中，公开了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1公开的非理想通信下区域电力系统的分布式经济调度方法所述的步骤。

实施例4

在该实施例中，公开了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1公开的非理想通信下区域电力系统的分布式经济调度方法所述的步骤。

以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (9)

1.非理想通信下区域电力系统的分布式经济调度方法，其特征在于，包括：

构造分布式经济调度的通信图，通信图实现通用节点与发电机节点间的双向通信连接；

在通信图的基础上，以全局功率平衡为约束，发电机组运营成本最小为目标建立分布式优化调度模型；

所述分布式优化调度模型为：

v_i∈{0，1}

其中，v_i∈{0,1}是发电机i的启/停状态变量，P_i是节点i的发电量，m表示区域电力系统总节点数，n表示发电机节点数，且m＞＞n，P_i和

分别表示发电机i的功率上下限，R表示确定的备用容量，等于总负荷P*和备用百分比δ的乘积，L_j是节点j的负荷，Ci表示发电机组的运行成本；

将分布式优化调度模型用拉格朗日原对偶进行描述；

获取所有负荷功率；

将负荷功率输入拉格朗日原对偶描述中进行求解，获得每个发电机的发电量；

定义w′来描述通信拓扑的扰动，定义方程y_i[k]＝w_i[k]/w_i[k]使y_i[k]收敛到均值；

在包含每个发电机加载信息的辅助变量y_i[k]的迭代中引入增益函数；

所述增益函数F[k]为：

其中，c₁和c₂表示衰减系数且有c₁,c₂＞0，k表示迭代次数；

为了进一步降低发电机组运营成本，引入机组退出机制，即选择边际成本较高的机组优先退出运行；

在机组退出机制中引入分布式协同搜索极值的算法，定义x_i表示发电机i的目标变量，并设置X_i∈{0,1}为检查x_i是否是极值的标志，初始化x_i为1，每个代理重复以下迭代n-1次：

如果x_i变化，则设置标志X_i＝0，经过迭代，每个代理都可以在多代理系统中获得极端状态，此外，代理将知道其值

是否是极值。

2.如权利要求1所述的非理想通信下区域电力系统的分布式经济调度方法，其特征在于，将分布式优化调度模型用拉格朗日原对偶进行描述时，根据发电机功率上下限对应的增量成本与拉格朗日乘数的关系，将拉格朗日原对偶描述的目标函数定义为分段函数，对分段函数进行求解，获得每个发电机的发电量。

3.如权利要求2所述的非理想通信下区域电力系统的分布式经济调度方法，其特征在于，在对分段函数进行求解时，定义g_i为从拉格朗日乘数λ到发电机发电量P_i的分段映射；通过g_i获得拉格朗日乘数λ的目标函数，将拉格朗日乘数λ的目标函数与发电机的增量成本函数联立，求解获得拉格朗日乘数最优解λ^*及每个发电机的发电量。

4.如权利要求3所述的非理想通信下区域电力系统的分布式经济调度方法，其特征在于，在求解拉格朗日乘数最优解λ^*时，构造包含每个发电机加载信息的辅助变量y_i[k]，计算辅助变量y_i[k]的收敛值

根据辅助变量

构建描述发电机节点和负荷节点间个数差别的放缩变量s_i，并计算放缩变量s_i的收敛值s^*；

根据收敛值

和收敛值s^*，获得发电机组的平均发电量

根据发电机功率的上下限，定义拉格朗日乘数λ的上界λ⁺[k]和下界λ^-[k]；

根据拉格朗日乘数λ的上界λ⁺[k]和下界λ^-[k]，定义分段边界λ^j/N[k]；

对于每个发电机计算区段边界P_i ^j/N[k]；

构造描述分段边界λ^j/N[k]内发电机分段发电量的辅助变量

并计算辅助变量

的收敛值

根据每个收敛值

与对应的平均发电量

的关系，升级拉格朗日乘数λ的λ⁺[k+1]和下界λ^-[k+1]；

分段更新获得拉格朗日乘数最优解λ^*。

5.如权利要求4所述的非理想通信下区域电力系统的分布式经济调度方法，其特征在于，仅当辅助变量y_i[k]的收敛值

位于发电机功率上下限对应的收敛值

和

之间时，才能计算获取拉格朗日乘数最优解λ^*，进而计算获得每个发电机的发电量。

6.如权利要求4所述的非理想通信下区域电力系统的分布式经济调度方法，其特征在于，当辅助变量y_i[k]的收敛值

大于发电机功率上限对应的收敛值

时，请求甩负荷；

当辅助变量y_i[k]的收敛值

小于发电机功率下限对应的收敛值

时，计算各发电机的增量成本，控制增量成本最高的发电机停止运行；当发电机组的增量成本相同时，控制输出功率最小的发电机停止运行。

7.非理想通信下区域电力系统的分布式经济调度系统，其特征在于，包括：

通信图构造模块，用于构造分布式经济调度的通信图，通信图实现通用节点与发电机节点间的双向通信连接；

分布式优化调度模型创建模块，用于在通信图的基础上，以全局功率平衡为约束，发电机组运营成本最小为目标建立分布式优化调度模型；

所述分布式优化调度模型为：

v_i∈{0,1}

其中，v_i∈{0,1}是发电机i的启/停状态变量，P_i是节点i的发电量，m表示区域电力系统总节点数，n表示发电机节点数，且m＞＞n，P_i和

分别表示发电机i的功率上下限，R表示确定的备用容量，等于总负荷P*和备用百分比δ的乘积，L_j是节点j的负荷，Ci表示发电机组的运行成本；

原对偶描述模块，用于将分布式优化调度模型用拉格朗日原对偶进行描述；

负荷功率获取模块，用于获取所有负荷功率；

发电机发电量获取模块，用于将负荷功率输入拉格朗日原对偶描述中进行求解，获得每个发电机的发电量；

定义w′来描述通信拓扑的扰动，定义方程y_i[k]＝w_i[k]/w_i[k]使y_i[k]收敛到均值；

在包含每个发电机加载信息的辅助变量y_i[k]的迭代中引入增益函数；

所述增益函数F[k]为：

其中，c₁和c₂表示衰减系数且有c₁,c₂＞0，k表示迭代次数；

为了进一步降低发电机组运营成本，引入机组退出机制，即选择边际成本较高的机组优先退出运行；

在机组退出机制中引入分布式协同搜索极值的算法，定义x_i表示发电机i的目标变量，并设置X_i∈{0,1}为检查x_i是否是极值的标志，初始化x_i为1，每个代理重复以下迭代n-1次：

如果x_i变化，则设置标志X_i＝0，经过迭代，每个代理都可以在多代理系统中获得极端状态，此外，代理将知道其值

是否是极值。

8.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-6任一项所述的非理想通信下区域电力系统的分布式经济调度方法的步骤。

9.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-6任一项所述的非理想通信下区域电力系统的分布式经济调度方法的步骤。

Images