大规模间歇式能源接入的混合能源多目标鲁棒优化方法与流程

本发明公开了大规模间歇式能源接入的混合能源多目标鲁棒优化方法，属于电力系统自动化的技术领域。

背景技术：

由于大规模风电、光伏等间歇式能源的接入，间歇式能源发电过程的不确定性对电网系统的运行可靠性影响越来越大。传统的基于确定性因素的优化算法没有充分考虑间歇式能源发电的不确定性，无法满足电力系统运行的实际需求；而传统的随机优化方法存在着概率密度函数难以精确获取等问题。

技术实现要素：

本发明的发明目的是针对上述背景技术的不足，提供了大规模间歇式能源接入的混合能源多目标鲁棒优化方法，实现了大规模间歇式能源接入环境下的多能源优化配置，解决了在不确定环境下多能源联合优化的技术问题。

本发明为实现上述发明目的采用如下技术方案：

大规模间歇式能源接入的混合能源多目标鲁棒优化方法，包括如下步骤：

A、建立包含不确定性成本优化目标及不确定性预算约束的混合能源多目标联优化模型；

B、采用大系统分解协调优化理论将混合能源多目标联优化模型分解为以各能源群为主体的子系统优化模型；

C、根据不确定性预算约束确定各间歇式能源出力的不确定性集合；

D、根据各间歇式能源出力的不确定性集合求解以各能源群为主体的子系统优化模型得到各子系统的方案集；

E、结合实际工程需要的偏好，在不确定性集合下优选各子系统的方案集以确定各子系统的最佳方案集；

F、融合各子系统的最佳方案集得到混合能源多目标联优化模型的最优Pareto解集。

进一步的，大规模间歇式能源接入的混合能源多目标鲁棒优化方法中，步骤A的具体方法为：针对风机和光伏大规模接入的电力系统，以经济效益最小、环保污染最小、不确定性成本最小、蓄电池成本最小为目标，考虑负荷平衡约束、旋转备用约束、出力约束、出力爬坡率约束、不确定性预算约束、蓄电池充放电约束建立如下优化模型：

多目标：

负荷平衡约束：

旋转备用约束：

出力约束：P_ci,min≤P_ci,t≤P_ci,max，

出力爬坡率约束：DR_ci≤P_ci,t-P_ci,t-1≤UR_ci，

不确定性预算约束：

蓄电池充放电约束：

根据鲁棒优化原理将上述优化模型转化为混合能源多目标联优化模型：

其中，F₁、F₂、F₃、F₄分别为经济效益计算函数、环保污染衡量函数、不确定性成本计算函数、蓄电池成本计算函数，T为调度周期长度，N_c为火电机组数量，N_r为间歇式能源的数量，且N_r＝N_w+N_p，N_w为风机数量，N_p为光伏数量，a_i、b_i、c_i、d_i、e_i为第i个火电机组的成本系数，α_i、β_i、γ_i、ζ_i、λ_i为第i个火电机组的污染排放系数，P_ci,t、P_ci,t-1分别为第i个火电机组在t时刻、t-1时刻的出力，k_j为第j个间歇式能源不确定性的惩罚系数，P_rj,t、P_rj,t+1分别为第j个间歇式能源在t时刻、t+1时刻的出力，N_B为蓄电池个数，∏_d,t为第d个蓄电池在t时刻的成本系数，为第d个蓄电池在t时刻的充电量或放电量，P_D,t为在t时刻的负荷需求，P_loss,t为在t时刻的电力传输损失，分别为第m个能源、第n个能源在t时刻的出力，B_mn、B_0m、B₀₀为网络传输损失系数，P_ci,max、P_ci,min分别为第i个火电机组的最大出力、最小出力，P_d,max为第d个蓄电池的最大容量，L为旋转备用出力占t时刻负荷需求的比例程度，L∈[0,100)，DR_ci、UR_ci分别为第i个火电机组的最大爬坡率限制、最小爬坡率限制，Δ_t为在t时刻的不确定代价，Δ_t∈(0,N_r]，γ_rj,t为第j个间歇式能源在t时刻的不确定性区间系数，γ_rj,t∈(0,1]，为第j个间歇式能源在t时刻出力的预测值，分别为第j个间歇式能源在t时刻出力波动值的上下限，表示第d个蓄电池在t时刻处于放电状态，表示第d个蓄电池在t时刻处于充电状态，为第d个蓄电池在t时刻的最大放电量，为第d个蓄电池在t时刻的最大充电量，λ_t、为t时刻的松弛算子。

再进一步的，大规模间歇式能源接入的混合能源多目标鲁棒优化方法中，步骤B采用大系统分解协调优化理论将联优化模型分解为以风机为主体的风电子系统优化模型、以光伏为主体的光伏子系统优化模型、以蓄电池为主体的储能子系统优化模型、以火电机组为主体的火电子系统优化模型，

风电子系统优化模型：

光伏子系统优化模型：

储能子系统优化模型：

火电子系统优化模型：

更进一步的，大规模间歇式能源接入的混合能源多目标鲁棒优化方法中，步骤C的具体方法为：根据不确定性预算约束调节在t时刻的不确定代价以实现每个间歇式能源不确定性区间系数的动态调节，再由表达式：确定每个间歇式能源在t时刻的出力，集总各间歇式能源在t时刻的出力得到各间歇式能源出力的不确定性集合。

作为大规模间歇式能源接入的混合能源多目标鲁棒优化方法的进一步优化方案，步骤E的具体方法为：对不确定性集合造成的风险程度进行等级划分，选取各子系统中风险程度最低的方案集作为各子系统的最佳方案集。

本发明采用上述技术方案，具有以下有益效果：本发明引入间歇式能源发电的不确定性成本并将其作为多能源联合优化的目标函数，根据鲁棒优化模型建立多能源多目标联优化模型，采用大系统分解协调方法对联优化模型进行分解得到各子系统模型，降低了优化计算的复杂度，利用不确定成本的柔性可调确定间歇式能源出力的不确定性集合，并在不确定性集合下对各子系统模型分别进行优化求解，从而获得整体最优的Pareto方案集，为多能源的联合优化提供可靠的决策支持，实现了在不确定环境下的多能源联合优化。

附图说明

图1为本发明鲁棒优化的框架图。

具体实施方式

下面结合图1对发明的技术方案进行详细说明。本发明提出的混合能源多目标鲁棒优化方法获取在极端条件下的鲁棒优化方案，实现大规模间歇式能源接入下的多能源优化配置，解决了在不确定环境下多能源联合优化的技术难题。

首先，将间歇式能源出力的不确定性作为不确定性成本，并以混合能源优化的经济性、环保性、不确定性成本以及蓄电池充放电成本作为目标，考虑负荷平衡约束、网络传输损失约束、旋转备用约束、出力约束、爬坡率约束、不确定性预算约束以及蓄电池充放电约束等约束条件，建立混合能源的多目标优化模型。

其次，为了方便对多目标优化模型进行求解，采用鲁棒优化原理将上述多目标优化模型转化为确定性优化模型，鉴于混合能源的数量众多且模型过于复杂，采用大系统分解协调方法将该确定性模型分解为风电、光伏、储能以及火电四个子系统模型，根据不确定预算的柔性可调特性，确定各种不确定预算下的不确定性集合，在根据不确定性集合对各子系统模型进行优化求解。

最后，结合实际工程需求的偏好，对不确定性集合下的方案集进行优选得到各子系统的最佳方案或方案集，并对各子系统方案或方案集进行融合，进而得到多能源混合优化的最佳鲁棒优化方案集。

鉴于大规模间歇式能源的大量广泛接入，以经济性、环保性、储能成本以及不确定性成本为目标，充分考虑各种能源出力限制、爬坡率、负荷平衡约束、旋转备用容量以及机组启停开关等约束条件，首先建立以下混合能源联合多目标优化模型：

(1)优化目标：

经济性：

环保性：

不确定性成本：

蓄电池成本：

其中，T为调度周期长度，N_c为火电机组数量，N_r为间歇式能源的数量，且N_r＝N_w+N_p，N_w为风机数量，N_p为光伏的数量，a_i、b_i、c_i、d_i、e_i为第i个火电机组的成本系数，α_i、β_i、γ_i、ζ_i、λ_i为第i个火电机组的污染排放系数，P_ci,t为第i个火电机组在t时刻的出力，k_j为第j个间歇式能源不确定性的惩罚系数，P_rj,t、P_rj,t+1为第j个间歇式能源在t时刻、t+1时刻的出力，N_B为蓄电池个数，∏_d,t为第d个蓄电池在t时刻的成本系数，为第d个蓄电池在t时刻充电或放电量。

(2)约束条件：

①负荷平衡约束：

其中，P_D,t为在t时刻的负荷需求，P_loss,t为在t时刻的电力传输损失，其表达式为：分别为第m个能源、第n个能源在t时刻的出力，B_mn、B_0m、B₀₀为网络传输损失系数。

②旋转备用约束：

其中，P_d,max为第d个蓄电池的最大容量，P_ci,max为第i个火电机组最大出力，L为旋转备用出力占t时刻负荷需求的比例程度，L∈[0,100)。

③出力约束：P_ci,min≤P_ci,t≤P_ci,max (7)，

其中，P_ci,min为第i个火电机组最小出力。

④出力爬坡率约束：DR_ci≤P_ci,t-P_ci,t-1≤UR_ci (8)，

其中，DR_ci、UR_ci分别为第i个火电机组的最大和最小爬坡率限制。

⑤不确定性预算约束：

其中，Δ_t为在t时刻的不确定代价，Δ_t∈(0,N_r]，γ_rj,t为第j个间歇式能源在t时刻的不确定性区间系数，γ_rj,t∈(0,1]，而假设各间歇式能源的出力满足：

其中，为第j个间歇式电源在t时刻出力的预测值，为第j个间歇式电源在t时刻出力波动值的下限，为第j个间歇式电源在t时刻出力波动值的上限。

⑥蓄电池充放电约束：

其中，分别表示第d个蓄电池在t时刻处于放电充状态、状态，分别为第d个蓄电池在t时刻放电最大量、充电最大量。

其次，由于大量的间歇式能源的接入，使得上述模型呈现出较强的不确定特性。为了更好地便于优化，亟需将上述模型转化为确定性模型，基于鲁棒优化原理可得：

在此，将F₁,F₂,F₃,F₄等目标同等地位看待，即采用多目标优化方法对上述模型进行求解。

然后，鉴于加入的间歇式能源数量众多，导致式(12)所示的模型过于复杂，为了简化其计算复杂度，采用大系统分解协调的方法将式(12)所示的模型分解为若干个子系统优化模型。在此，将式(12)所示模型分解为风电、光伏、储能以及火电四个子系统模型，其分别为：

风电子系统为：

光伏子系统为：

储能子系统为：

火电子系统为：

在优化过程中，由于Δ_t柔性可调，可以根据实际情况对其不确定预算进行调整，使得γ_rj,t也随之动态变化，由此可以根据式(10)确定各间歇式能源出力的不确定集合。基于该不确定集合，分别对式(13)、式(14)、式(15)和式(16)所示各子系统模型进行优化，在上述子系统模型中，风电子系统、光伏子系统和储能子系统分别为单目标优化模型，采用一般的单目标优化方法即可求解，而火电子系统为多目标优化问题，其得到最优方案集，从而得到各子系统在不确定集合下的方案集。

然后，根据工程实际需求的偏好要求，对各不确定集合下的方案集进行优选，得到各子系统模型满足工程实际需求的鲁棒优化解或解集。具体方法为：

假设现已得到各子系统模型在不确定集合下的方案集X_w、X_p、X_B、X_c'，其中N_arc为式(16)中Archive外部档案集的大小。对各子系统方案集可能造成的电压越限、功率不平衡等风险程度进行等级划分，选取各方案集中风险程度最低的方案或方案集作为各子系统的鲁棒优化方案或方案集

最后，将得到的最优解或解集进行融合即为式(12)的最优方案集。