[发明专利]一种求解两阶段鲁棒优化机组组合模型的分段仿射方法

说明书

本发明提供了一种求解两阶段鲁棒优化机组组合模型的分段仿射方法，属于电力系统机组组合的鲁棒优化模型领域，具体包括以下步骤：基于火电机组出力调节能力，建立max‑min‑max形式的两阶段鲁棒优化机组组合模型；火电机组出力调节能力用于应对电力系统负荷不确定性以及风电不确定性；基于单纯形的分段仿射方法，将不确定集合仿射至单纯形空间，获取单纯形空间中的两阶段鲁棒优化机组组合模型；将单纯形空间中的两阶段鲁棒优化机组组合模型转换为仿射空间的鲁棒优化机组组合模型；求解仿射空间的鲁棒优化机组组合模型，获取火电机组组合方式。相比于传统的迭代算法，本发明提供的求解两阶段鲁棒优化机组组合模型的分段仿射方法更为快速简单。

技术领域

本发明属于电力系统机组组合的鲁棒优化模型领域，更具体地，涉及一种求解两阶段鲁棒优化机组组合模型的分段仿射方法。

背景技术

电力系统机组组合在应对可再生能源出力不确定性中扮演着重要的角色。机组组合的本质是以电力系统运行成本最小为目标，同时考虑实际工程中的相应约束的经济调度类数学问题。与传统机组组合问题不同的是，可再生能源并网出力的随机波动性，使得新型机组组合问题中出现了随机变量，使得机组组合问题由确定性规划变为不确定规划，增加了调度人员制定机组启停计划应对可再生能源出力不确定性的难度。

鲁棒优化模型的求解通常是一个困难的过程，因此，需要对原模型进行一定程度地转化，转化后的模型需要在多项式时间中可以方便地求解。传统的静态鲁棒优化模型属于max-min博弈格局，而新型的两阶段鲁棒优化模型属于max-min-max的博弈格局。传统的静态鲁棒优化模型必须在不确定性获知以后才能够做出，属于Here-and-now的优化模型。新型的两阶段鲁棒优化模型的第一阶段是Here-and-now的优化模型，第二阶段为Wait-and-see的优化模式。因此，新型的两阶段鲁棒优化模型的部分方法可以在不确定性被观测以后做出，这种反馈机制使得新型的两阶段鲁棒优化模型较传统的静态鲁棒优化模型保守性较低。

在“电力系统鲁棒经济调度(二)应用实例”中公开了对两阶段鲁棒优化在电力系统中的应用，首先构建了应对风电不确定性的两阶段鲁棒优化模型，其次提出了表征风电不确定性的不确定集合。虽然以上模型可以有效地应对风电的不确定性，但是该模型的求解相对复杂，而采用传统的Bender分解法虽然可以对模型进行求解，但是Bender分解法无法保证求解过程的迭代次数。文献“Solving two-stage robust optimization problemsusing a column-and-constraint generation method”提出了CCG列和约束生成法对两阶段鲁棒优化模型进行求解，该方法虽然可以有效提升求解效率并降低求解过程的迭代次数，然而其依赖主观参数进行线性化的Big-M法使得模型的求解结果过于主观。试验中Big-M法的M值将严重影响最终的模型求解结果。研究文献“A tractable approach fordesigning piecewise affine policies in two-stage adjustable robustoptimization”提出了基于单纯形的分段仿射方法，认为两阶段鲁棒优化的第二阶段决策变量为不确定变量的隐函数，实现将两阶段鲁棒优化转换为单一阶段鲁棒优化问题。然而，在实际工程应用中不同形式的不确定集合将影响转换后模型的准确性。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种求解两阶段鲁棒优化机组组合模型的分段仿射方法，旨在解决现有的鲁棒优化模型中由于存在不确定集合导致求解较为复杂的问题。

为实现上述目的，本发明提供了一种求解两阶段鲁棒优化机组组合模型的分段仿射方法，包括以下步骤：