[发明专利]基于场景解耦和异步迭代的多目标随机动态经济调度方法

说明书

技术领域

本发明涉及一种用于省级电力系统日前运行调度的基于场景解耦和异步迭代的多目标随机动态经济调度方法，属于电气工程技术领域。

背景技术

风电场接入电力系统后的动态经济调度问题实际上是一个随机优化问题。这方面早期的研究是利用机会约束模型和鲁棒优化模型。机会约束模型考虑随机性不够精确，而鲁棒优化模型的计算结果偏于保守。近期，美国阿贡国家实验室对随机规划的相关研究的思路是采用场景树模型生成大量随机误差场景，用巨型计算机对该问题进行精确计算。目前，国内电网有功调度执行的是节能发电调度模式，目标函数只有一个或是几个目标函数的加权和。调度运行方式需要兼顾经济性和环保性，但有时这两个目标会互相冲突，即，只考虑某个目标时，另一个目标就无法达到较优的指标。所以在经济调度模型中同时优化两个及两个以上目标函数的做法能为调度员或决策者带来方便。

将基于场景法的随机动态经济调度模型当应用到中国某省级电网时，用蒙特卡洛法生成1000个采样场景，变量数达到了16,432,417；等式约束数量为99,101；不等式约束数量为115,319,756，即使采用关键线路搜索法处理网络约束，不等式约束数量也为49,686,237。这个非线性规划问题的规模仍然十分巨大。如果要为电网调度中心提供方便而考虑多目标问题时，计算规模进一步扩大。但是，采用一些商业软件如GAMS/CONOPT求解器或传统内点法均不能求解这个问题。

发明内容

针对现有技术的不足，本发明提出了一种基于场景解耦和异步迭代的多目标随机动态经济调度方法，其能够有效求解省级电力系统的多目标随机动态调度问题。

本发明解决其技术问题采取的技术方案是：一种基于场景解耦和异步迭代的多目标随机动态经济调度方法，它包括以下步骤：

1)给定相关计算参数；

2)建立多目标随机动态经济调度模型；

3)采用场景解耦和异步迭代改进内点法求解多目标随机动态经济调度模型。

进一步地，在步骤1)中，所述相关计算参数包括常规发电机组成本系数及出力上下限参数，输电支路阻抗及容量参数，抽水蓄能机组运行参数，以及电力系统的负荷和风电功率参数。

进一步地，其特征是，在步骤2)中，

所述多目标随机动态经济调度模型中的目标函数为：

①购电费用

第一个目标是最小化预测场景的购电费用，定义如下：

其中，a_g是第g^th台常规机组的购电费用；a_wind是风电场的购电费用；为预测场景中第g^th台机组在时段t的出力；为预测场景中第w^th个风电场在时段t的调度出力；N_G和N_W是常规机组台数和系统的并网风电场个数；

②污染气体排放量

第二个目标是最小化常规机组的污染气体排放量，定义如下：

其中，b_2,g，b_1,g和b_0,g是第g^th台常规机组的排放系数；所述常规机组的污染气体至少包括SO₂和NOx气体；

所述多目标随机动态经济调度模型中的基本约束为：

①功率平衡约束：

忽略有功网损，预测场景和误差场景中的有功功率平衡约束定义如下：

其中，是预测场景和误差场景中第g^th台常规机组的在时段t的出力；为预测场景和误差场景中第w^th个风电场在时段t的调度出力；P_mt为负荷节点m在时段t的负荷；N_D是负荷节点数目，T和N_S均为正整数；

②常规机组出力约束：

a)预测场景和误差场景中的常规机组出力上下限约束，表达如下：

其中，P_gmax和P_gmin是第g^th台常规机组的出力上下限；

b)预测场景和误差场景中的爬坡/滑坡约束，表达如下：

其中，r_ug和r_dg分别是第g^th台常规机组的爬坡/滑坡系数；ΔT为动态调度两相邻时刻的时间间隔；

c)场景转移约束