本发明涉及发电优化调度技术领域，更具体地，涉及考虑风电接入的基于序数效用论的日前低碳调度决策方法。
背景技术：
节能发电调度改变了传统的发电调度方式，取消了按行政计划分配发电量指标的做法，以节能、环保为目标，以全电力系统内发、输、供电设备为调度对象，优先调度可再生和清洁发电资源，按能耗和污染物排放水平，由低到高依次调用化石类发电资源，最大限度地减少能源、资源消耗和污染物排放，促进电力系统高效、清洁运行。
节能发电调度要求可再生发电资源按其申报安排出力，但由于可再生能源出力具有不确定性，其实际出力与申报值存在偏差，但由于风电出力通常处理为确定形式，风电并网中传统的发电优化决策方法，通常以多目标优化方法兼顾发电调度的经济性与CO2排放目标，对其中多目标优化问题，通常先转化为单目标优化问题，然后利用相关数学优化算法对各单目标优化问题求解。
由于风电出力具有随机性与波动性，基于上述基于确定形式的发电优化决策方法进行优化调度可能导致实时运行中较严重的弃风情况，同时由于多目标问题转化为单目标进行求解这种处理方式对于决策者在多个目标之间的偏好信息刻画不够充分，不便于决策者得到符合自身偏好的优化方案。
综上所述，现有技术中亟待提供一种在不确定性风电接入下具有更强的适应性，且对于各个目标的偏好信息刻画得更为充分的低碳调度决策方法。
技术实现要素：
为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的日前低碳调度决策方法。
根据本发明实施例的第一方面，提供了一种日前低碳调度决策方法，包括：
根据决策者偏好，基于预先建立的调度决策的期望费用函数和CO2期望排放量函数，以最大化调度决策的效用为原则构建调度决策的目标函数；
根据调度决策的目标函数和预先构建的调度决策的约束条件，建立日前低碳调度决策模型，对所述日前低碳调度决策模型求解获得调度决策方案；其中，调度决策的约束条件包括第一阶段日前出清的约束条件和第二阶段日内实时平衡的约束条件。
进一步，所述根据决策者偏好，基于预先建立的调度决策的期望费用函数和CO2期望排放量函数，以最大化调度决策的效用为原则构建调度决策的目标函数，之前还包括：分别建立调度决策的期望费用函数与调度决策的CO2期望排放量函数。
进一步，根据决策者偏好，基于预先建立的调度决策的期望费用函数和CO2期望排放量函数，以最大化调度决策的效用为原则构建调度决策的目标函数，进一步包括：
构建初始目标函数：
其中，F为期望费用；为CO2期望排放量；U表示期望费用为F，CO2期望排放量为时的效用；获取所述初始目标函数的效用函数为：
其中，a、b为效用函数的系数，且a≥0,b≥0,ab≠0；
进一步，获取与所述效用函数对应的效用无差异曲线的斜率的绝对值为边际替代率ε，基于ε获得转换后的目标函数：
进一步，所述建立调度决策的期望费用函数，进一步包括：
其中，F为期望费用；NT为调度时段数目；NG为常规机组数目；NW为风电场数目；NS为风电出力的场景数目；ND为负荷数目；为常规机组g在时段t的启动费用；Cg(·)为常规机组g的报价函数，Cg(·)表示为二次函数形式且ag，bg，cg为机组g的报价曲线参数；为风电场w的单位弃风惩罚费用；为负荷d的单位切负荷惩罚费用；ug,t为常规机组g在时段t的启停状态，为0-1变量，ug,t＝1表示运行状态，ug,t＝0表示停运状态；Pg,t为第一阶段常规机组g在时段t的出力；ρs为风电出力场景s出现的概率；rg,t,s为第二阶段常规机组g在时段t场景s下出力的调整；为第二阶段风电场w在时段t场景s下的弃风功率；为第二阶段负荷d在时段t场景s下的切负荷量。
进一步，所述第一阶段日前出清的约束条件包括：系统功率平衡约束、线路输电容量约束、风电场出力约束和常规机组运行约束。
进一步，所述常规机组运行约束进一步包括：出力约束、最小开停机时间约束、启动费用约束和爬坡约束。
进一步，所述第二阶段日内实时平衡的约束条件包括：各场景等式约束、线路输电容量约束、常规机组在各场景下的约束、弃风约束和切负荷约束。
进一步，所述常规机组在各场景下的约束进一步包括：出力约束和爬坡约束。
根据本发明实施例的第二方面，提供了一种电子设备，包括：
处理器；以及与处理器通信连接的存储器，其中：
存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的日前低碳调度决策方法。
根据本发明实施例的第三方面，提供了一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的日前低碳调度决策方法。
本发明上述实施例提供一种日前低碳调度决策方法，本发明利用多场景方法对风电出力的不确定性进行描述，将发电调度决策问题构建为二阶段协调优化模型，此模型能够刻画调度决策的日前出清与实时平衡过程，使调度决策结果在不确定性风电接入下具有更强的适应性，同时本发明提出利用序数效用论兼顾经济性与碳排放目标，使决策者对于各个目标的偏好信息刻画得更为充分。
附图说明
图1为本发明实施例的一种日前低碳调度决策方法的流程示意图；
图2为本发明实施例的一种日前低碳调度决策方法中的与效用函数对应的效用无差异曲线的示意图；
图3为本发明实施例的一种电子设备的框图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
风电是资源潜力大、技术基本成熟的可再生能源，在减排温室气体、应对气候变化的新形势下，越来越受到世界各国的重视，并已在全球大规模开发利用。近年来，中国风电快速发展，风电装机容量连续翻番增长，设备制造能力快速提高，已形成了较完善的产业体系，为更大规模发展风电奠定了良好基础。随着风电技术进步和成本不断下降，我国对风电在未来能源结构调整和战略性新兴产业培育过程中的作用也寄予厚望。但由于风能资源具有随机性、间歇性和不可控性等特点，随着风电规模的扩大，风电并网中的发电优化决策方法已经成为制约风电发展的重要因素之一。
计及风电出力的不确定性特征，同时合理消纳风电，本发明实施例提出利用效用理论兼顾系统运行的经济性与CO2排放量目标，以二阶段模型刻画日前调度决策的出清及实时平衡过程，从而实现发电机组的日前低碳调度决策。
如图1，示出本发明实施例日前低碳调度决策整体流程图。总体上，包括以下步骤。
S1，根据决策者偏好，基于预先建立的调度决策的期望费用函数和CO2期望排放量函数，以最大化调度决策的效用为原则构建调度决策的目标函数。
S2，根据调度决策的目标函数和预先构建的调度决策的约束条件，建立日前低碳调度决策模型，对所述日前低碳调度决策模型求解获得调度决策方案；其中，调度决策的约束条件包括第一阶段日前出清的约束条件和第二阶段日内实时平衡的约束条件。
首先，本发明上述具体实施例通过预先分别构建经济性与碳排放目标函数，提出利用序数效用论兼顾两个目标，使决策者对于调度经济性与碳排放偏好的刻画更为充分。其次，将发电调度决策问题构建为二阶段协调优化模型，所述优化模型的第一阶段刻画了日前市场的出清过程，此阶段包含常规机组启停状态的优化与负荷分配；所述优化模型的第二阶段在保持第一阶段常规机组启停状态的情况下，模拟不确定风电出力下的实时平衡过程，涉及常规机组在各风电出力场景下基于日前优化出力的出力调整、弃风、切负荷等。此模型使调度决策结果在不确定性风电接入下具有更强的适应性。
具体地，S2中根据S1中所得的目标函数和预先构建的调度决策的约束条件，建立考虑不确定性风电接入的基于序数效用论的日前低碳调度决策模型，此模型为混合整数二次规划模型，本发明通过MATLAB平台编程调用CPLEX求解器求解，由此生成调度决策的方案，得到各发电机组的优化开停机状态及计划出力值。
在本发明上述具体实施例的基础上，提供一种日前低碳调度决策方法，所述根据决策者偏好，基于预先建立的调度决策的期望费用函数和CO2期望排放量函数，以最大化调度决策的效用为原则构建调度决策的目标函数，之前还包括：分别建立调度决策的期望费用函数与调度决策的CO2期望排放量函数。
在本发明上述具体实施例的基础上，提供一种日前低碳调度决策方法，根据决策者偏好，基于预先建立的调度决策的期望费用函数和CO2期望排放量函数，以最大化调度决策的效用为原则构建调度决策的目标函数，进一步包括：
构建初始目标函数：
其中，F为期望费用；为CO2期望排放量；U表示期望费用为F，CO2期望排放量为时的效用；获取所述初始目标函数的效用函数为：
其中，a、b为效用函数的系数，且a≥0,b≥0,ab≠0；
进一步，获取与所述效用函数对应的效用无差异曲线的斜率的绝对值为边际替代率ε，基于ε获得转换后的目标函数：
具体地，如图2所示，获得与与所述效用函数对应的效用无差异曲线，其中箭头所指方向为效用增大的方向，无差异曲线斜率的绝对值为边际替代率ε，且b＝εa，边际替代率越大代表决策者对于减少CO2排放的偏好越强，基于ε获得转换后的目标函数。
在本发明上述具体实施例的基础上，提供一种日前低碳调度决策方法，所述建立调度决策的期望费用函数，进一步包括：
其中，F为期望费用；NT为调度时段数目；NG为常规机组数目；NW为风电场数目；NS为风电出力的场景数目；ND为负荷数目；为常规机组g在时段t的启动费用；Cg(·)为常规机组g的报价函数，Cg(·)表示为二次函数形式且ag，bg，cg为机组g的报价曲线参数；为风电场w的单位弃风惩罚费用；为负荷d的单位切负荷惩罚费用；ug,t为常规机组g在时段t的启停状态，为0-1变量，ug,t＝1表示运行状态，ug,t＝0表示停运状态；Pg,t为第一阶段常规机组g在时段t的出力；ρs为风电出力场景s出现的概率；rg,t,s为第二阶段常规机组g在时段t场景s下出力的调整；为第二阶段风电场w在时段t场景s下的弃风功率；为第二阶段负荷d在时段t场景s下的切负荷量。
在本发明上述具体实施例的基础上，提供一种日前低碳调度决策方法，所述建立调度决策的CO2期望排放量函数，进一步包括：
其中，为CO2期望排放量，αg，βg，χg分别为机组g的碳排放特性曲线参数。
在本发明上述具体实施例的基础上，提供一种日前低碳调度决策方法，所述第一阶段日前出清的约束条件包括：
系统功率平衡约束、线路输电容量约束、风电场出力约束和常规机组运行约束。
具体地，其中所述系统功率平衡约束为：
其中，Ld,t为负荷点d在时段t的负荷预测值；Pw,t为风电场w在时段t的出力。
具体地，其中所述线路输电容量约束为：
其中，T为功率传输分配系数矩阵；Ptinj为时段t系统的注入功率列向量；和F分别为线路输电容量上下限的列向量。
具体地，其中所述风电场出力约束为：
其中，为风电场w在时段t的出力预测值。
在本发明上述具体实施例的基础上，提供一种日前低碳调度决策方法，所述常规机组运行约束进一步包括：出力约束、最小开停机时间约束、启动费用约束和爬坡约束。
具体地，其中所述出力约束为：
其中，与Pg分别为常规机组g的出力上下限。
具体地，其中所述最小开、停机时间约束为：
其中，与分别为常规机组g的最小开、停机持续时间。
具体地，其中所述启动费用约束为：
其中，为常规机组g的开机费用。
具体地，其中所述爬坡约束为：
其中，与分别为常规机组g的上下爬坡速率。
在本发明上述具体实施例的基础上，提供一种日前低碳调度决策方法，所述第二阶段日内实时平衡的约束条件包括：
各场景等式约束、线路输电容量约束、常规机组在各场景下的约束、弃风约束和切负荷约束。
具体地，其中所述各场景等式约束为：
其中，Pw,t,s为风电场w在时段t场景s下的出力预测值。
具体地，其中所述线路输电容量约束为：
其中，为时段t场景s下系统的注入功率列向量。
具体地，其中所述弃风约束为：
具体地，其中所述切负荷约束为：其中，κ为系统最大允许切负荷占总负荷的比例。
在本发明上述具体实施例的基础上，提供一种日前低碳调度决策方法，所述常规机组在各场景下的约束进一步包括：出力约束和爬坡约束。
具体地，其中所述出力约束为：
具体地，其中所述爬坡约束为：
基于上述具体实施例，提供一种电子设备。参见图3，该电子设备包括：处理器(processor)301、存储器(memory)302和总线303；
其中，处理器301及存储器302分别通过总线303完成相互间的通信；
处理器301用于调用存储器302中的程序指令，以执行上述实施例所提供的日前低碳调度决策方法，例如包括：根据决策者偏好，基于预先建立的调度决策的期望费用函数和CO2期望排放量函数，以最大化调度决策的效用为原则构建调度决策的目标函数；根据调度决策的目标函数和预先构建的调度决策的约束条件，建立日前低碳调度决策模型，对所述日前低碳调度决策模型求解获得调度决策方案；其中，调度决策的约束条件包括第一阶段日前出清的约束条件和第二阶段日内实时平衡的约束条件。
本发明实施例提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令使计算机执行上述实施例所提供的日前低碳调度决策方法，例如包括：根据决策者偏好，基于预先建立的调度决策的期望费用函数和CO2期望排放量函数，以最大化调度决策的效用为原则构建调度决策的目标函数；根据调度决策的目标函数和预先构建的调度决策的约束条件，建立日前低碳调度决策模型，对所述日前低碳调度决策模型求解获得调度决策方案；其中，调度决策的约束条件包括第一阶段日前出清的约束条件和第二阶段日内实时平衡的约束条件。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的信息交互设备等实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分方法。
最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明实施例的保护范围。凡在本发明实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。