束，用数学函数表述如下；
[0042]
[004引其中，吁'为第i台常规机组在负荷经济分配中的出力水平；巧为第i台常规 机组在求取关口最大交易能力时的出力水平。
[0044] (3)节点负荷水平的约束，用数学函数表述如下：
[0045]
[004引其中，f"为除关口节点外的其它节点负荷；为除关口节点外其它节点负荷的 给定值；巧r、与t；T为关口节点负荷、关口节点负荷的最小值和最大值。
[0047] 步骤（4):采用随机生产模拟技术与多智能体粒子群算法相结合的方法进行优化 解算，求解关口外送电交易能力期望值。
[0048] 上述模型中即有多个目标又含有随机变量，其解必须在随机变量实现前得出，为 了使系统的解不至过于保守设置了概率形式的约束条件。因为上述模型难W进行确定性的 转化，需要借助于随机生产模拟技术，虽然随机模拟技术只是一个统计算法，而且使得程序 计算时间延长，但对于没有解析解的问题，目前该种方法是唯一有效的解决手段。W约束条 件巧）式为例说明随机模拟算法；①在时段t内，设m= 0;②根据（7)式生成随机风速V， 根据做式求得风电机组的出力，如果满足 ，则m=m+l;⑨ 重复2)步骤n次，如果n足够大，使得m/n> ni，则（5)式成立。
[0049] 在本方法中，每一个多智能体t为a。假设本方法中种群规模为mXNg，则多智能 体的总数也为mXNg。每个多智能体包含两个信息，一个是粒子的位置，一个是粒子的速度。 为了充分发挥单个多智能体与邻域之间的协作与学习，为各多智能体配置一定的邻居。在 种群刚开始迭代时，由于各个粒子适应度值差别较大，可W随机为每个多智能体配置邻居， 数目可根据实际需要加W设置。
[0050] 首先，本方法W优化需要得到的是一个购电成本极小化的解集，因此每个多智能 体的邻居数可W适当减少，本方法最大值取10,即刚开始迭代时每个多智能体可W随机拥 有10个邻居，随着迭代次数的增加，粒子趋近于稳定，每个多智能体的配置的邻居数目可 W适当减少，因为此时邻里已经趋近于一致或达成共识，协作与相互之间的学习的必要性 降低。本方法根据第（10)式d大小判断种群收敛的情况，根据（11)式适当减少邻里数目。
[0053] 式中，m为粒子群规模，为第i个粒子的适应度，f 为粒子群目前的全局最优 个体的适应度；/!表示刚开始迭代每个多智能体配置的邻居数目，隶示第k次迭代的邻 居数目，dl为第（10)式第一次的计算值，int表示取整。
[0054] 其次，本方法再优化是基于上次优化的基础之上进行优化，为了种群的多样性，每 个多智能体随机配置的邻居数起始值为15,并同样根据（11)式的变化逐步减少邻里数目。
[0055]假设与其邻里之间通过各自适应值的比较，发现f(a1)《f(P) (f(e)为Qi邻里之间适应值最小或fUi) >f(e)最大（f(e)为a;邻里之间适应值最大），则a i 为一优质粒子，可W继续在解空间中保持不变；否则为一劣质粒子，需要向其它粒子学习， 式（12)则充分反映了中各智能体的协作与相互学习的过程。
[0056] 曰化=Pik+rand(-1, 1)(0化-曰化)k=1, 2, . . . ,Ng (。）
[0057] 根据（12)式对劣质a进行更新，其新的位置必须满足约束条件 听麵 < 巧< /严?x或约束条件矿斗猫^巧壓。
[0058] 当每个多智能体进行上述协作与学习后，结合粒子群算法，与粒子群中最优粒子 进行信息交换。粒子群算法的引入克服了单个多智能体与邻里局部学习和协作的限制性， 提升了其寻优的速度，而多智能体结合粒子群算法则使得其解具有多样性，防止局部收敛， 共同完成对本问题的求解，提高了最优解获取的效率与质量。
【主权项】
1. 一种评估含大规模风电电网关口外送电交易能力的方法，其特征在于，该方法包括 如下具体步骤： 步骤（1):提取系统信息；提取电网与发电厂的各种运行经济信息、跨省跨区交易信 息、电网物理信息； 步骤（2):建立最小的电网购电成本期望值模型；最小的电网购电成本不是一个确定 的值，而是一个期望值，具体是：所有电网公司向各发电机组的购电总成本的期望值最小， 用数学函数表述如下：其中，/H/f)为常规机组i的报价函数，即WP/) = ' +~户广；知卜为发 电机i的报价系数；E[ ?]表示数学期望；Ng为参与市场的常规发电机组数；Ii为常规发电 机组i的运行状态，0表示停机，1表示运行；^为常规发机组i的发电有功功率。 步骤（3):建立最大的含大规模风电电网关口外送电交易能力期望值模型；关口指某 省电网或某区域电网对外送出电力电量的出口，交易能力指关口某个交易时间段内送出的 电量（或功率），用数学函数表述如下： maxE(Pgate) 其中，Pgate表不关口的交易能力； 具体是：电力系统中所有能参与外送电交易的发电机组能送到关口的功率潮流之和扣 除关口上的本系统负荷，求最大值的期望；通过上调关口的外送电负荷大小，机组的i的发 电有功功率上升为巧M，则第i台机组参与外送电交易的出力为C-if)，因此具体可 以表示为：其中，(^表示参与外送电机组的意愿，1表示愿意参加，〇表示不参加。 步骤（4):求解关口外送电交易能力期望值。2. 根据权利1要求所述的一种评估含大规模风电电网关口外送电交易能力的方法，为 了求取最小的电网购电成本期望值和求取最大的含大规模风电电网关口外送电交易能力 期望值，包括以下约束条件： (1)系统约束，具体包括发电与负荷功率平衡要求的期望值、系统正备用功率要求的期 望值、系统负备用功率要求的期望值、发电机组允许向上最大爬坡率要求的期望值、发电机 组允许向下最大爬坡率要求的期望值、各线输电线路的输送极限要求的期望值，用数学函 数表述如下：其中，队为有接负荷的母线数；p;为母线j的负荷有功需求量；PJ. ?}为{. ?}中事 件成立的概率；ni为事先给定的约束条件的置信水平，以下类推；/fmax、/fmin为常 规机组i发电功率限制的上限和下限；Pu、PD为系统正、负旋转备用有功功率； 为常规机组i每分钟有功功率变化允许最大上爬坡和下爬坡速率，一般表示为额定容量的 百分比；sk为每分钟风电机组k可能的最大出力变化情况，一般表示为风电额定容量的百 分比；1为输电线i的有功潮流，x厂x为输电线i的输送极限；乂为并网的风电机组数； 为随机变量，即风电机组k的有功出力； (2) 机组出力约束，用数学函数表述如下：其中，为第i台常规机组在负荷经济分配中的出力水平；Pigg为第i台常规机组在求 取关口最大交易能力时的出力水平； (3) 节点负荷水平的约束，用数学函数表述如下：其中，< 为除关口节点外的其它节点负荷；/广为除关口节点外其它节点负荷的给定 值；Atf、CX为关口节点负荷、关口节点负荷的最小值和最大值。
【专利摘要】一种评估含大规模风电电网关口外送电交易能力的方法，利用多目标随机相关机会约束规划理论来建立电网关口外送电交易能力的评估模型，采用随机生产模拟技术与多智能体粒子群算法相结合的方法进行优化解算。以大规模风电并网的电力系统经济运行为前提，在极小化系统购电成本的基础上，评估电网关口最大外送电交易能力。通过电网关口外送电交易能力的评估，可以为区域电网争取更多的外送电交易机会或者减少不必要的交易损失；可以进一步挖掘可用交易资源，减少省间或区域间的壁垒效应；可以为发电厂参与外送电交易竞争提供合理的评估依据；可以增加电力市场运作的透明度和公平性，提高电力市场交易的经济性和社会的用电效益。
【IPC分类】G06F19/00
【公开号】CN104951650
【申请号】CN201510281995
【发明人】方日升, 刘文彬, 江岳文, 王颖帆, 温步瀛, 王良缘
【申请人】国网福建省电力有限公司
【公开日】2015年9月30日
【申请日】2015年5月28日