CN114389262A - 一种弹性环境下基于鲁棒优化的区域电网调度方法 - Google Patents

Abstract

本发明属于电力系统调度优化技术领域，更具体地，涉及一种弹性环境下基于鲁棒优化的区域电网调度方法，其建立了考虑源荷双侧可调度资源调度潜力的鲁棒优化调度模型。首先，针对可再生能源发电出力不确定性，构造其不确定集；然后，分析源荷双侧可调度资源调度潜力，包括火电机组深度调峰、可削减负荷和可平移负荷；其次，结合电力系统调度的序贯决策特点，建立鲁棒优化调度模型；最后，对鲁棒优化模型进行求解。该方法可应用于含可再生能源发电的区域电网日前调度计划制定，有利于提高电力系统运行鲁棒性、灵活性和经济性。

Description

一种弹性环境下基于鲁棒优化的区域电网调度方法

技术领域

本发明属于区域电网调度优化领域，更具体地，涉及一种弹性环境下基于鲁棒优化的区域电网调度方法。

背景技术

近年来，风力、光伏等可再生能源发电在世界范围内得到了迅猛发展，截至2020年底，我国累计并网风电装机容量达28153万千瓦，占全国电源总装机容量的12.8％。然而可再生能源发电具有明显的随机性与波动性，加剧了电网运行的不确定性。单纯依靠传统火电机组的调节能力难以满足调度需求，因此，有必要充分挖掘电力系统源荷双侧可调度潜力，进一步促进可再生能源的消纳。

电源侧方面，现阶段我国电力系统的电源结构仍以火电为主，深入挖掘火电机组的灵活运行能力，将能较大程度地提升电力系统的调节空间。对火电机组进行灵活性改造以降低机组的最低出力极限，利用火电机组进行深度调峰是有效的方法之一。负荷侧方面，随着智能电网的快速发展和应用，出现了能够根据激励或者电价调节自身的用电需求的柔性负荷。作为发电调度的补充，柔性负荷调度能够削峰填谷、平衡间歇式能源波动和提供辅助服务，有利于丰富电网调度运行的调节手段。然而目前的研究中，未能对源荷双侧可调度潜力进行充分挖掘。

目前，针对电力系统运行不确定性问题的解决方法主要包括随机规划法与鲁棒优化法。随机规划方法反映了不确定性参数的概率特性，可以得到数学期望意义下的最优调度，但存在生成场景数量多，计算量大、机会约束难以求解等问题。鲁棒优化方法由于不需要场景采样，避免了维数灾问题，并可保证满足所有随机场景的运行约束，提升系统运行的鲁棒性，因而得到了广泛应用。因此，对考虑源荷双侧弹性资源可调度潜力的鲁棒优化调度进行深入研究，具有重要的理论意义和应用价值。

发明内容

针对现有技术中存在的问题，本发明提出一种弹性环境下基于鲁棒优化的区域电网调度方法，该方法能够充分挖掘源荷双侧可调度资源调度潜力，提升电力系统运行鲁棒性与灵活性。

为实现上述目的，本发明采用如下技术方案：

一种弹性环境下基于鲁棒优化的区域电网调度方法，其特征在于，该方法包括如下步骤：

步骤1：根据预测数据，对区域电网内可再生能源发电出力构建不确定集；

步骤2：针对区域电网内深度调峰机组及柔性负荷建立模型；

步骤3：以最小化系统运行成本与调控风险成本为目标，以区域电网中的运行设备和负荷为约束，建立区域电网鲁棒优化调度模型；

步骤4：完成鲁棒优化调度模型求解，获得日前调度计划。

本技术方案进一步的优化，所述区域电网包含区域电网调度中心、常规火电机组、深度调峰机组、风力发电机组、光伏发电机组和用户负荷；所述用户负荷包括刚性负荷、可削减负荷和大工业可平移负荷；所述可削减负荷包括A类可削减负荷和B类可削减负荷；A类可削减负荷为响应速度较慢，提前通知时间较长的负荷，调度中心在日前对A类可削减负荷做出计划并下达指令；B类可削减负荷为调节周期较短、响应速度较快的负荷，调度中心在日内较短时间内对B类可削减负荷做出计划并下达指令，将B类可削减负荷作为负荷侧备用资源。

本技术方案进一步的优化，所述日前调度计划包括常规火电机组的启停状态、发电功率和上下备用容量，深度调峰机组的启停状态、发电功率和上下备用容量，可平移负荷开始时间，A类可削减负荷的负荷削减量，B类可削减负荷的负荷备用量，可平移负荷、A类可削减负荷和B类可削减负荷的补偿价格。

本技术方案进一步的优化，所述步骤1具体包括构建光伏发电出力不确定集和风力发电出力不确定集：

所述光伏发电出力不确定集表征，如下式所示：

其中，

分别为第k个光伏电站在t时刻的实际出力、日前预测期望值、最大预测误差，

为相应的误差系数；

所述风力发电出力不确定集表征，如下式所示：

其中，

分别为第j个风电厂在t时刻的实际出力、日前预测期望值、最大预测误差，

为相应的误差系数。

本技术方案进一步的优化，所述步骤2具体包括，

步骤2.1：建立深度调峰机组成本模型：

深度调峰机组的运行成本包括燃料成本、附加煤耗成本、寿命损耗成本和机组启停成本，如下式所示：

其中，

和

分别为深度调峰机组i在t时段的运行成本、燃料成本、附加煤耗成本、寿命损耗成本和机组启停成本；

步骤2.2：建立可削减负荷模型：

对于可削减负荷，区域电网调度中心在日前发布次日的补偿价格，可削减负荷聚合商根据发布的补偿价格申报次日各时段可削减负荷容量，区域电网调度中心根据聚合商申报的可削减负荷容量做出日前计划，并给予用户补偿，因此，可削减负荷模型可如下式所示：

其中，d∈{A,B}代表A/B类可削减负荷，

为可削减负荷计划削减量，

为t时刻可削减负荷容量上限即申报容量，

为t时刻可削减负荷的补偿价格，

分别指可被电力用户接受并使其有意愿改变自身用电方式的补偿价格和电力用户响应能力达到上限的可削减负荷补偿价格，α^d为可削减负荷补偿价格系数，

为t时刻可削减负荷最大弹性可调量；

步骤2.3：建立可平移负荷模型：

由于大工业可平移负荷的工作曲线较为固定，在日前，由区域电网调度中心发布可平移负荷补偿价格，用户根据补偿价格上报可平移负荷的可接受平移时段，区域电网调度中心根据用户上报可接受平移时段安排可平移负荷的错峰计划，并给予用户错峰时间补偿，根据消费者心理学原理，可平移负荷模型可以表示为：

其中，t_tr为可平移负荷开始时间，ρ_tr为可平移负荷补偿价格，

分别指可平移负荷可接受最早开始时间和最晚开始时间，用户可接受平移时段与补偿价格相关，补偿价格不同其可接受平移时段一般不同。

本技术方案进一步的优化，所述步骤3建立了三层两阶段鲁棒优化模型，模型包括日前和调控两个阶段，具体包括以下步骤：

步骤3.1：建立鲁棒优化模型的目标函数：

其中，电网运行成本C_da包括常规火电机组燃料成本

启停成本

深度调峰机组成本

A类可削减负荷补偿成本

B类可削减负荷备用补偿成本

和可平移负荷补偿成本C^tr，日前方案的调控风险成本C_rt包括风电出力极端场景下由于系统调节能力不足所引起的弃风、弃光成本

和切负荷成本

T为整个调度周期的时段数，N_G为常规火电机组数目；N_Gd为深度调峰机组数目，x为决策变量，即最终所需的日前调度方案，u为反映风电、光伏出力不确定性的变量，y包括火电机组上、下调控量、可削减负荷备用调用量及切负荷与弃风电量等；

步骤3.2：建立鲁棒优化模型日前阶段约束条件：

所述约束条件主要包括功率平衡约束、火电机组出力上下限约束、火电机组爬坡约束、线路潮流约束、系统备用约束，如下式所示：

所述功率平衡约束：

其中，P_g,t、P_i,t为分别为常规火电机组g和深度调峰机组i在t时段的发电功率，P_load,t为系统在t时段的预测负荷，P_tr,t为可平移负荷在t时段的功率；

所述火电机组出力上下限约束：

P_i ^min≤P_i,t≤P_i ^max

其中，P_i ^min和P_i ^max分别为火电机组i的最大、最小出力，对于常规火电机组，P_i ^min为常规最小技术出力，对于经灵活性改造后的深度调峰机组，P_i ^min为机组改造后的最大调峰深度；

所述火电机组爬坡约束：

-r_d,iΔT≤P_i,t-P_i,t-1≤r_u,iΔT

其中，r_d,i和r_u,i分别为火电机组i向下和向上爬坡的速率；ΔT为t-1到t时段的时间间隔；

所述机组启停约束：

其中，z_i,t为0-1变量，代表机组启停状态，t_on,i(t-1)和t_off,i(t-1)分别为机组i在t时段时已连续开、关机的时间，T_on,i和T_off,i分别为机组i的最小开、关机时间；

所述线路潮流约束：

其中，T_l,g、T_l,i、T_l,j、T_l,k和T_l,b为功率传输分配系数，P_b,t为t时刻节点b的负荷，F_l ^max为线路l潮流上限；

所述系统备用约束：

其中，

和

分别为常规火电机组提供的上、下备用容量，

分别为深度调峰机组提供的上、下备用容量，R⁺、R^-分别为系统所需总上、下备用容量的最小值。

步骤3.3：建立鲁棒优化模型调控阶段约束条件：

所述约束条件主要包括功率平衡约束、火电机组出力上下限约束、火电机组爬坡约束、线路潮流约束和B类可削减负荷约束，如下式所示：

所述功率平衡约束：

式中：ΔP_g,t和ΔP_i,t为风电出力极端场景下，常规火电机组g和深度调峰机组i在t时段的发电功率调控量；

和

为t时段弃风量和弃光量；ΔP_t ^B为B类可削减负荷备用调用量；P_cl,t为t时段切负荷量。

所述火电机组出力约束：

P_i ^min≤P_i,t+ΔP_i,t≤P_i ^max

所述火电机组爬坡约束：

-r_d,iΔT≤(P_i,t+ΔP_i,t)-(P_i,t-1+ΔP_i,t-1)≤r_u,iΔT

线路传输容量约束：

其中，

为t时刻节点b的负荷减少量。

所述B类可削减负荷备用调用约束：

0≤ΔP_t ^B≤P_t ^B

本技术方案进一步的优化，所述步骤4具体包括以下步骤，

根据步骤3所建立的区域电网鲁棒优化调度模型，可将其表示为如下形式：

其中H_da(x)＝0和G_da(x)≤0分别代表步骤3.2中的等式约束和不等式约束；H_rt(x,u,y)＝0和G_rt(x,u,y)≤0分别代表步骤3.3中的等式约束和不等式约束。

步骤4.1：采用分解思想将原模型解耦为主问题MP与子问题SP：

其中θ为新引入的辅助变量，用于代替子问题目标；

步骤4.2：给定主问题初始可行解x₀，并将x₀代入子问题求解初始恶劣场景u₀，初始优化问题上界U₀＝+∞，L₀＝-∞，设置迭代次数k＝1，收敛间隙为较小正数λ；

步骤4.3：将恶劣场景集u_l代入主问题进行求解，获得最优解x_k，将主问题求解所得目标设为新的下界L_k，其中l＝0,1,2,…,；

步骤4.4：将x_k作为已知参数代入子问题获得最优解

取最恶劣场景u_k为

并将子问题的目标函数值与主问题所得C_da(x_k)之和设为新的上界U_k；

步骤4.5：判断U_k-L_k≤λ是否成立，若成立，返回最优解；否则，令k＝k+1，返回步骤4.3。

与现有技术相比，本发明有益效果主要表现在：

1.本发明对源荷双侧可调度资源的调度潜力进行了充分挖掘，分析了柔性负荷与补偿价格之间的关系，使得源荷双侧资源可以更加充分的参与到区域电网调度运行中，提升了区域电网运行经济性和灵活性。

2.本发明在考虑源荷双侧可调度资源调度潜力的情况下，采用鲁棒优化调度方法进行建模求解，增加了系统备用空间，从而增强了系统应对可再生能源出力不确定性的能力，提升了区域电网运行鲁棒性。

附图说明

图1为区域电网的架构示意图；

图2为区域电网鲁棒优化方法流程图；

图3为鲁棒模型求解算法流程图。

具体实施方式

为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。

本发明公开了一种基于鲁棒优化的弹性环境下区域电网调度方法，所述区域电网包含光伏发电和风力发电，给电网运行带来了不确定性，故建立了基于鲁棒优化的调度模型。同时，充分挖掘区域电网中源荷双侧可调度资源调度潜力，使其参与电网调度运行。该方法可以提高电力系统运行灵活性、鲁棒性和经济性。

请参阅图1所示，区域电网的架构示意图。区域电网的电力系统包括：常规火电机组、深度调峰机组、风力发电机组、光伏发电机组、刚性负荷和柔性负荷，柔性负荷包括可削减负荷和可平移负荷。

参阅如图2所示，一种基于鲁棒优化的弹性环境下区域电网调度方法的流程示意图，包括如下步骤，

步骤1：根据预测数据，针对区域电网中的可再生能源发电出力构建不确定集：

包括光伏发电出力不确定集、风力发电出力不确定集：

所述光伏发电出力不确定集表征，如下式所示：

其中，

分别为第k个光伏电站在t时刻的实际出力、日前预测期望值、最大预测误差，

为相应的误差系数。

所述风力发电出力不确定集表征，如下式所示：

其中，

分别为第j个风电厂在t时刻的实际出力、日前预测期望值、最大预测误差，

为相应的误差系数。

步骤2：针对区域电网内深度调峰机组及柔性负荷建立模型：

步骤2.1：建立深度调峰机组成本模型：

深度调峰机组的运行成本包括燃料成本、附加煤耗成本、寿命损耗成本和机组启停成本，如下式所示：

其中，

和

分别为深度调峰机组i在t时段的运行成本、燃料成本、附加煤耗成本、寿命损耗成本和机组启停成本；a_i、b_i、c_i为机组i的燃料成本系数，P_i,t为机组i在t时段的出力，z_i,t为0-1变量，用以表示机组开停状态；u_d,it为0-1变量，表示深度调峰机组i在t时段是否工作在深度调峰状态，b_un,i和b_r,min,i分别为机组i在深度调峰状态和常规最小技术出力状态下的煤耗率系数，δ_i为火电机组i在额定出力下的煤耗率，ΔT为t-1到t时段的时间间隔，C_coal为单位煤炭价格；N_it为机组i的转子致裂循环周次，ω₁为机组运行损耗系数，C_unit,i为机组i的购机成本；ξ_i为机组i每次启动/关闭的成本。

步骤2.2：建立可削减负荷模型：

所述可削减负荷包括A类可削减负荷和B类可削减负荷；A类可削减负荷为响应速度较慢，提前通知时间较长的负荷，调度中心在日前对A类可削减负荷做出计划并下达指令；B类可削减负荷为调节周期较短、响应速度较快的负荷，调度中心在日内较短时间内对B类可削减负荷做出计划并下达指令，将B类可削减负荷作为负荷侧备用资源。

对于可削减负荷，区域电网调度中心在日前发布次日的补偿价格，可削减负荷聚合商根据发布的补偿价格申报次日各时段可削减负荷容量，一般不同补偿价格下各时段的可削减负荷容量不同。区域电网调度中心根据聚合商申报的可削减负荷容量做出日前计划，并给予用户补偿。因此，可削减负荷模型可如下式所示：

其中，d∈{A,B}代表A/B类可削减负荷；P_t ^d为可削减负荷计划削减量；

为t时刻可削减负荷容量上限即申报容量；

为t时刻可削减负荷的补偿价格；

分别指可被电力用户接受并使其有意愿改变自身用电方式的补偿价格和电力用户响应能力达到上限的可削减负荷补偿价格；α^d为可削减负荷补偿价格系数；

为t时刻可削减负荷最大弹性可调量。

为t时刻可削减负荷补偿成本。

步骤2.3：建立可平移负荷模型：

由于大工业可平移负荷的工作曲线较为固定，在日前，由区域电网调度中心发布可平移负荷补偿价格，用户根据补偿价格上报可平移负荷的可接受平移时段。区域电网调度中心根据用户上报可接受平移时段安排可平移负荷的错峰计划，并给予用户错峰时间补偿。根据消费者心理学原理，可平移负荷模型可以表示为：

C^tr＝ρ_trQ_tr

其中，t_tr为可平移负荷开始时间；ρ_tr为可平移负荷补偿价格；

分别指可平移负荷可接受最早开始时间和最晚开始时间。用户可接受平移时段与补偿价格相关，补偿价格不同其可接受平移时段一般不同。C^tr为可平移负荷错峰成本，Q_tr为可平移负荷电量。

步骤3：以最小化系统运行成本与调控风险成本为目标，以区域电网中的运行设备和负荷为约束，建立三层两阶段鲁棒优化模型，模型包括日前和调控两个阶段：

步骤3.1：建立鲁棒优化模型的目标函数：

其中，系统运行成本C_da包括常规火电机组燃料成本

启停成本

深度调峰机组成本

A类可削减负荷补偿成本

可平移负荷补偿成本C^tr和B类可削减负荷备用补偿成本

日前方案的调控风险成本C_rt包括风电出力极端场景下由于系统调节能力不足所引起的弃风、弃光成本

和切负荷成本

T为整个调度周期的时段数，λ_cw、λ_cpv和λ_cl分别为单位电量的弃风、弃光和切负荷惩罚价格，

和P_cl,t分别为风电出力极端场景下t时段的弃风、弃光和切负荷功率；N_G为常规火电机组数目；N_Gd为深度调峰机组数目；x为决策变量，即最终所需的日前调度方案，包括机组启停及出力计划、可削减负荷补偿价格、A类负荷削减计划、可平移负荷开始时间等等；u为反映风电、光伏出力不确定性的变量；y包括火电机组上、下调控量、可削减负荷备用调用量及切负荷与弃风电量等。

步骤3.2：建立鲁棒优化模型日前约束条件：

所述约束条件主要包括功率平衡约束、火电机组出力上下限约束、火电机组爬坡约束、线路潮流约束等，如下式所示：

所述功率平衡约束：

其中，P_g,t为常规火电机组g在t时刻的发电功率；P_load,t为系统在t时段的预测负荷；P_tr,t为可平移负荷在t时段的功率。

所述火电机组出力上下限约束：

P_i ^min≤P_i,t≤P_i ^max

其中，P_i ^min和P_i ^max分别为火电机组i的最大、最小出力。对于常规火电机组，P_i ^min为常规最小技术出力；对于经灵活性改造后的深度调峰机组，P_i ^min为机组改造后的最大调峰深度。

所述火电机组爬坡约束：

-r_d,iΔT≤P_i,t-P_i,t-1≤r_u,iΔT

其中，r_d,i和r_u,i分别为火电机组i向下和向上爬坡的速率。

所述机组启停约束：

其中，t_on,i(t-1)和t_off,i(t-1)分别为火电机组i在t时段时已连续开、关机的时间；T_on,i和T_off,i分别为火电机组i的最小开、关机时间。

所述线路潮流约束：

其中，T_l,g、T_l,i、T_l,j、T_l,k和T_l,b为功率传输分配系数；P_b,t为t时刻节点b的负荷；F_l ^max为线路l潮流上限。

所述系统备用约束：

其中，

和

分别为常规火电机组提供的上、下备用容量；

分别为深度调峰机组提供的上、下备用容量；R⁺、R^-分别为系统所需总上、下备用容量的最小值。

步骤3.3：建立鲁棒优化模型调控阶段约束条件：

所述约束条件主要包括功率平衡约束、火电机组出力上下限约束、火电机组爬坡约束、线路潮流约束和B类可削减负荷约束，如下式所示：

所述功率平衡约束：

式中：ΔP_g,t和ΔP_i,t为风电出力极端场景下，常规火电机组g和深度调峰机组i在t时段的发电功率调控量；ΔP_t ^B为B类可削减负荷备用调用量。

所述火电机组出力约束：

P_i ^min≤P_i,t+ΔP_i,t≤P_i ^max

所述火电机组爬坡约束：

-r_d,iΔT≤(P_i,t+ΔP_i,t)-(P_i,t-1+ΔP_i,t-1)≤r_u,iΔT

线路传输容量约束：

其中，

为t时刻节点b的负荷减少量。

所述B类可削减负荷备用调用约束：

0≤ΔP_t ^B≤P_t ^B

步骤4：完成鲁棒优化模型求解，获得日前调度计划：

根据步骤3所建立的区域电网鲁棒优化调度模型，可将其表示为如下形式：

其中H_da(x)＝0和G_da(x)≤0分别代表步骤3.2中的等式约束和不等式约束；H_rt(x,u,y)＝0和G_rt(x,u,y)≤0分别代表步骤3.3中的等式约束和不等式约束。

步骤4.1：采用分解思想将原模型解耦为主问题MP与子问题SP：

其中θ为新引入的辅助变量，用于代替子问题目标；

步骤4.2：给定主问题初始可行解x₀，并将x₀代入子问题求解初始恶劣场景u₀。初始优化问题上界U₀＝+∞，L₀＝-∞；设置迭代次数k＝1，收敛间隙为较小正数λ。

步骤4.3：将恶劣场景集u_l代入主问题进行求解，获得最优解x_k，将主问题求解所得目标设为新的下界L_k，其中l＝0,1,2,…。

步骤4.4：将x_k作为已知参数代入子问题获得最优解

取最恶劣场景u_k为

并将子问题的目标函数值与主问题所得C_da(x_k)之和设为新的上界U_k。

步骤4.5：判断U_k-L_k≤λ是否成立，若成立，返回最优解；否则，令k＝k+1，返回步骤4.3。

本发明对源荷双侧可调度资源的调度潜力进行了充分挖掘，分析了柔性负荷与补偿价格之间的关系，使得源荷双侧资源可以更加充分的参与到区域电网调度运行中。同时，本发明在考虑源荷双侧可调度资源调度潜力的情况下，采用鲁棒优化调度方法进行建模求解，增加了系统备用空间，提升了区域电网运行鲁棒性、经济性和灵活性。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括……”或“包含……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的要素。此外，在本文中，“大于”、“小于”、“超过”等理解为不包括本数；“以上”、“以下”、“以内”等理解为包括本数。

尽管已经对上述各实施例进行了描述，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改，所以以上所述仅为本发明的实施例，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围之内。

Claims (7)

1.一种弹性环境下基于鲁棒优化的区域电网调度方法，其特征在于，该方法包括如下步骤：

步骤1：根据预测数据，对区域电网内可再生能源发电出力构建不确定集；

步骤2：针对区域电网内深度调峰机组及柔性负荷建立模型；

步骤3：以最小化系统运行成本与调控风险成本为目标，以区域电网中的运行设备和负荷为约束，建立区域电网鲁棒优化调度模型；

步骤4：完成鲁棒优化调度模型求解，获得日前调度计划。

2.如权利要求1所述的弹性环境下基于鲁棒优化的区域电网调度方法，其特征在于，所述区域电网包含区域电网调度中心、常规火电机组、深度调峰机组、风力发电机组、光伏发电机组和用户负荷；所述用户负荷包括刚性负荷、可削减负荷和大工业可平移负荷；所述可削减负荷包括A类可削减负荷和B类可削减负荷；A类可削减负荷为响应速度较慢，提前通知时间较长的负荷，调度中心在日前对A类可削减负荷做出计划并下达指令；B类可削减负荷为调节周期较短、响应速度较快的负荷，调度中心在日内较短时间内对B类可削减负荷做出计划并下达指令，将B类可削减负荷作为负荷侧备用资源。

3.如权利要求1所述的弹性环境下基于鲁棒优化的区域电网调度方法，其特征在于，所述日前调度计划包括常规火电机组的启停状态、发电功率和上下备用容量，深度调峰机组的启停状态、发电功率和上下备用容量，可平移负荷开始时间，A类可削减负荷的负荷削减量，B类可削减负荷的负荷备用量，可平移负荷、A类可削减负荷和B类可削减负荷的补偿价格。

4.如权利要求1所述的弹性环境下基于鲁棒优化的区域电网调度方法，其特征在于，所述步骤1具体包括构建光伏发电出力不确定集和风力发电出力不确定集：

所述光伏发电出力不确定集表征，如下式所示：

其中，

分别为第k个光伏电站在t时刻的实际出力、日前预测期望值、最大预测误差，

为相应的误差系数；

所述风力发电出力不确定集表征，如下式所示：

其中，

分别为第j个风电厂在t时刻的实际出力、日前预测期望值、最大预测误差，

为相应的误差系数。

5.如权利要求1所述的弹性环境下基于鲁棒优化的区域电网调度方法，其特征在于，所述步骤2具体包括，

步骤2.1：建立深度调峰机组成本模型：

深度调峰机组的运行成本包括燃料成本、附加煤耗成本、寿命损耗成本和机组启停成本，如下式所示：

其中，

和

分别为深度调峰机组i在t时段的运行成本、燃料成本、附加煤耗成本、寿命损耗成本和机组启停成本；

步骤2.2：建立可削减负荷模型：

对于可削减负荷，区域电网调度中心在日前发布次日的补偿价格，可削减负荷聚合商根据发布的补偿价格申报次日各时段可削减负荷容量，区域电网调度中心根据聚合商申报的可削减负荷容量做出日前计划，并给予用户补偿，因此，可削减负荷模型可如下式所示：

其中，d∈{A，B}代表A/B类可削减负荷，P_t ^d为可削减负荷计划削减量，

为t时刻可削减负荷容量上限即申报容量，

为t时刻可削减负荷的补偿价格，

分别指可被电力用户接受并使其有意愿改变自身用电方式的补偿价格和电力用户响应能力达到上限的可削减负荷补偿价格，α^d为可削减负荷补偿价格系数，

为t时刻可削减负荷最大弹性可调量；

步骤2.3：建立可平移负荷模型：

由于大工业可平移负荷的工作曲线较为固定，在日前，由区域电网调度中心发布可平移负荷补偿价格，用户根据补偿价格上报可平移负荷的可接受平移时段，区域电网调度中心根据用户上报可接受平移时段安排可平移负荷的错峰计划，并给予用户错峰时间补偿，根据消费者心理学原理，可平移负荷模型可以表示为：

其中，t_tr为可平移负荷开始时间，ρ_tr为可平移负荷补偿价格，

分别指可平移负荷可接受最早开始时间和最晚开始时间，用户可接受平移时段与补偿价格相关，补偿价格不同其可接受平移时段一般不同。

6.如权利要求1所述的弹性环境下基于鲁棒优化的区域电网调度方法，其特征在于，所述步骤3建立了三层两阶段鲁棒优化模型，模型包括日前和调控两个阶段，具体包括以下步骤：

步骤3.1：建立鲁棒优化模型的目标函数：

其中，电网运行成本C_da包括常规火电机组燃料成本

启停成本

深度调峰机组成本

A类可削减负荷补偿成本

B类可削减负荷备用补偿成本

和可平移负荷补偿成本C^tr，日前方案的调控风险成本C_rt包括风电出力极端场景下由于系统调节能力不足所引起的弃风、弃光成本

和切负荷成本

T为整个调度周期的时段数，N_G为常规火电机组数目；N_Gd为深度调峰机组数目，x为决策变量，即最终所需的日前调度方案，u为反映风电、光伏出力不确定性的变量，y包括火电机组上、下调控量、可削减负荷备用调用量及切负荷与弃风电量等；

步骤3.2：建立鲁棒优化模型日前阶段约束条件：

所述约束条件主要包括功率平衡约束、火电机组出力上下限约束、火电机组爬坡约束、线路潮流约束、系统备用约束，如下式所示：

所述功率平衡约束：

其中，P_g，t、P_i，t为分别为常规火电机组g和深度调峰机组i在t时段的发电功率，P_load，t为系统在t时段的预测负荷，P_tr，t为可平移负荷在t时段的功率；

所述火电机组出力上下限约束：

P_i ^min≤P_i，t≤P_i ^max

其中，P_i ^min和P_i ^max分别为火电机组i的最大、最小出力，对于常规火电机组，P_i ^min为常规最小技术出力，对于经灵活性改造后的深度调峰机组，P_i ^min为机组改造后的最大调峰深度；

所述火电机组爬坡约束：

-r_d，iΔT≤P_i，t-P_i，t-1≤r_u，iΔT

其中，r_d，i和r_u，i分别为火电机组i向下和向上爬坡的速率，ΔT为t-1到t时段的时间间隔；

所述机组启停约束：

其中，z_i，t为0-1变量，代表机组启停状态，t_on，i(t-1)和t_off，i(t-1)分别为机组i在t时段时已连续开、关机的时间，T_on，i和T_off，i分别为机组i的最小开、关机时间；

所述线路潮流约束：

其中，T_l，g、T_l，i、T_l，j、T_l，k和T_l，b为功率传输分配系数，P_b，t为t时刻节点b的负荷，F_l ^max为线路l潮流上限；

所述系统备用约束：

其中，

和

分别为常规火电机组提供的上、下备用容量，

分别为深度调峰机组提供的上、下备用容量，R⁺、R^-分别为系统所需总上、下备用容量的最小值；

步骤3.3：建立鲁棒优化模型调控阶段约束条件：

所述约束条件主要包括功率平衡约束、火电机组出力上下限约束、火电机组爬坡约束、线路潮流约束和B类可削减负荷约束，如下式所示：

所述功率平衡约束：

式中：ΔP_g，t和ΔP_i，t为风电出力极端场景下，常规火电机组g和深度调峰机组i在t时段的发电功率调控量；

和

为t时段弃风量和弃光量；ΔP_t ^B为可削减负荷备用调用量；P_cl，t为t时段切负荷量；

所述火电机组出力约束：

P_i ^min≤P_i，t+ΔP_i，t≤P_i ^max

所述火电机组爬坡约束：

-r_d，iΔT≤(P_i，t+ΔP_i，t)-(P_i，t-1+ΔP_i，t-1)≤r_u，iΔT

所述线路传输容量约束：

其中，

为t时刻节点b的负荷减少量；

所述B类可削减负荷备用调用约束：

0≤ΔP_t ^B≤P_t ^B。

7.如权利要求6所述的弹性环境下基于鲁棒优化的区域电网调度方法，其特征在于，所述步骤4具体包括以下步骤：

根据步骤3所建立的区域电网鲁棒优化调度模型，将其表示为如下形式：

其中H_da(x)＝0和G_da(x)≤0分别代表步骤3.2中的等式约束和不等式约束；H_rt(x，u，y)＝0和G_rt(x，u，y)≤0分别代表步骤3.3中的等式约束和不等式约束；

步骤4.1：采用分解思想将原模型解耦为主问题MP与子问题SP：

MP:

SP:

其中θ为新引入的辅助变量，用于代替子问题目标；

步骤4.2：给定主问题初始可行解x₀，并将x₀代入子问题求解初始恶劣场景u₀，初始优化问题上界U₀＝+∞，L₀＝-∞，设置迭代次数k＝1，收敛间隙为较小正数λ；

步骤4.3：将恶劣场景集u_l代入主问题进行求解，获得最优解x_k，将主问题求解所得目标设为新的下界L_k，其中l＝0，1，2，…，k-1；

步骤4.4：将x_k作为已知参数代入子问题获得最优解

取最恶劣场景u_k为

并将子问题的目标函数值与主问题所得C_da(x_k)之和设为新的上界U_k；

步骤4.5：判断U_k-L_k≤λ是否成立，若成立，返回最优解；否则，令k＝k+1，返回步骤4.3。

Images