[发明专利]一种风电-电动汽车联合系统随机鲁棒优化调度方法

权利要求书

1.一种风电-电动汽车联合系统随机鲁棒优化调度方法，其特征在于，包括：

(1)由历史风电出力曲线确定初始聚类中心，根据每条历史风电出力曲线与各初始聚类中心的距离对历史风电出力曲线进行分类，计算每个类别中新的聚类中心并重新聚类，直至聚类准则函数不再发生变化，以得到各类风电出力场景的概率；

(2)以最小化系统运行成本为目标，结合各类风电出力场景的概率，建立二阶段日前随机调度模型；

(3)基于二阶段日前随机调度模型以及鲁棒理论，以各调度时段处于行驶状态的电动汽车数量为扰动变量，建立含电动汽车的二阶段日前随机鲁棒调度模型，以对系统常规机组出力及电动汽车充放电进行优化；

所述二阶段日前随机调度模型表示为：

其中，N_T为调度时段数目，N_G为常规机组数目，N_w为风电场数目，N_s为风电出力的场景数目，为常规机组g在时段t的启动费用，为风电场w的单位弃风惩罚费用，为风电场w的弃风量，u_g,t,s为常规机组g在时段t的启停状态，为0或1变量，为1表示运行状态，为0表示停运状态，ρ_s为风电出力场景s出现的概率，P_g,t,s为常规机组g第t时段出力，C_EV,t为电动汽车放电补贴费用，为电动汽车放电功率，f(P_g,t,s)为P_g,t,s出力下常规机组的运行成本，F为调度周期内综合成本；

所述二阶段日前随机调度模型满足的约束条件为：功率平衡约束、输电容量约束、机组爬坡约束、机组启停约束、电动汽车电池电量约束以及电动汽车功率约束；

所述含电动汽车的二阶段日前随机鲁棒调度模型表示为：

其中，X_t,s，H_t,s均为等价转换中引入的辅助决策变量，无具体意义，Γ为鲁棒系数，N_TR,t表示t时刻处于行驶状态的电动汽车总数，N_d,t为t时刻处于行驶状态的电动汽车数量的预测值，N_f,t为t时刻处于行驶状态的电动汽车数量的最大波动范围，为t时段的处于放电状态的电动汽车数量，为t时段的处于充电状态的电动汽车数量，当Γ为0时，该模型为确定性模型，未考虑电动汽车不确定性的影响，当Γ为1时，该模型为最保守形式下的随机鲁棒日前调度模型，N表示聚类中心数目。

2.根据权利要求1所述的方法，其特征在于，步骤(1)具体包括：

(1.1)从k条历史风电出力曲线P_m(m＝1,2,3,...,k)中选出N_S条风电出力曲线作为初始聚类中心M_s(s＝1,2,3,…N_S)；

(1.2)根据用户需求确定各调度时段风电出力在聚类过程中所占的权重系数w_t(t＝1,2,3,...,N_T)，N_T＝24；

(1.3)依次计算每条风电出力曲线与各初始聚类中心M_s的距离l_ms，将风电出力曲线分类到与该风电出力曲线距离最近的初始距聚类中心对应的类别中，其中，P_mt表示风电出力曲线P_m在t时刻的出力值，M_st表示初始聚类中心M_s在t时刻的出力值；

(1.4)计算每个类别中新的聚类中心并重新聚类，直至聚类准则函数不再发生变化，以得到各类风电出力场景的概率。

3.根据权利要求2所述的方法，其特征在于，所述聚类准则函数为：其中，e_ms为状态变量，且R_s为第s类风电出力场景中所有风电出力曲线的集合，D表示加权欧式距离；

第s类风电出力场景的概率为