一种电力系统经济调度方法与流程

本发明涉及电力系统优化运行技术领域，尤其涉及一种电力系统经济调度方法。

背景技术：

目前，能源环境问题的提出，促使了新能源电场的迅速发展，例如，风能电场、太阳能电场、潮汐电场等。然而，由于新能源电场具有较大的随机性和波动性，因而导致并入了新能源电场的电力系统面临较为严峻的形式，尤其是电力系统的经济调度面临较大的挑战。

电力系统的经济调度是指在保证电力系统安全、可靠运行和满足电能质量、用电需要的前提下，对电力系统中各机组的机组出力进行调度，使整个电力系统的能耗、运行费用最少，以获得最大的经济效益。现有的电力系统的经济调度通常由调度中心统一做出，即采用集中优化的方式来获得电力系统的经济调度结果，例如，可以将电力系统中常规机组(例如火电机组、水电机组等)在调度周期内的总发电费用与弃新能源(例如弃风、弃太阳能、弃潮汐)发电切负荷惩罚费用之和作为电力系统经济调度的目标，即求解电力系统中常规机组(例如火电机组、水电机组等)在调度周期内的总发电费用与弃新能源(例如弃风、弃太阳能、弃潮汐)发电切负荷惩罚费用之和最小的经济调度结果，以实现对电力系统进行经济调度，此时，调度中心通常需要获取电力系统的全网数据。然而，随着新能源电场的逐步并入，电力系统的规模不断扩大，由调度中心统一对电力系统进行经济调度时，调度中心所获取的全网数据较庞大且繁杂，容易造成通信堵塞和数据缺失，进而造成电力系统的经济调度的可靠性较差。

技术实现要素：

本发明的目的在于提供一种电力系统经济调度方法，用于解决现有的电力系统的经济调度的可靠性较差的问题。

为了实现上述目的，本发明提供如下技术方案：

一种电力系统经济调度方法，其特征在于，包括：

步骤S100、将电力系统解耦为协调中心和多个区域；

步骤S200、根据所述协调中心和多个所述区域，建立电力系统经济调度模型，其中，所述电力系统经济调度模型的目标为所述电力系统中常规机组在调度时长内的总发电费用和弃新能源发电切负荷惩罚费用之和；

步骤S300、将所述电力系统经济调度模型分解为区域间协调模型和多个区域调度模型，其中，多个所述区域调度模型与多个所述区域一一对应，所述区域间协调模型与所述协调中心对应，所述区域间协调模型对各所述区域的边界节点进行分布式优化；

步骤S400、根据所述区域间协调模型和多个所述区域调度模型，计算电力系统的经济调度结果。

本发明提供的电力系统经济调度方法中，将电力系统解耦为协调中心和多个区域，然后根据协调中心和多个区域建立电力系统经济调度模型，然后将电力系统经济调度模型分解为区域间协调模型和多个区域调度模型，然后根据区域间协调模型和多个区域调度模型，计算电力系统的经济调度结果。因此，在本发明中，计算电力系统的经济调度结果时，分别对多个区域调度模型进行计算，利用区域间协调模型对各区域调度模型进行分布式优化，即每个区域的经济调度结果由对应于该区域的区域调度模型计算得到，利用区域间协调模型对该区域的边界节点进行分布式优化，因而，协调中心在利用区域间协调模型对各区域的边界节点进行分布式优化时，协调中心只需获取各区域的边界节点的变量，而无需获取各区域内的其它变量，即协调中心无需获取电力系统的全网数据，因此不会因需要获取的全网数据而造成通信堵塞和数据缺失，从而可以改善电力系统的经济调度的可靠性。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例中电力系统经济调度方法的流程图一；

图2为本发明实施例中电力系统经济调度方法的流程图二；

图3为本发明实施例中电力系统解耦示意图。

具体实施方式

为了进一步说明本发明实施例提供的电力系统经济调度方法，下面结合说明书附图进行详细描述。

请参阅图1，本发明实施例提供的电力系统经济调度方法包括：

步骤S100、将电力系统解耦为协调中心和多个区域。

步骤S200、根据协调中心和多个区域，建立电力系统经济调度模型，其中，电力系统经济调度模型的目标为电力系统中常规机组在调度时长内的总发电费用和弃新能源发电切负荷惩罚费用之和。

步骤S300、将电力系统经济调度模型分解为区域间协调模型和多个区域调度模型，其中，多个区域调度模型与多个区域一一对应，区域间协调模型与协调中心对应，区域间协调模型对各区域的边界节点进行分布式优化。

步骤S400、根据区域间协调模型和多个区域调度模型，计算电力系统的经济调度结果。

具体地，将电力系统解耦为协调中心和多个区域时，可以采用构造虚拟区域和复制边界节点变量的方法，举例来说，请参阅图3，以将电力系统解耦为协调中心和两个区域为例进行说明，先利用构造虚拟区域的方法将电力系统构造为两个区域，分别为区域a和区域b，两个区域由一条区域间联络线路连接，该区域间联络线路的一端与区域a的边界节点m连接，该区域间联络线路的另一端与区域b的边界节点n连接，其中，边界节点可以理解为某一区域与其它区域连接的节点，然后利用复制边界节点变量的方法，将边界节点m的相角变量和边界节点n的相角变量复制一次，分别为和其中，和属于区域a，和属于区域b。形成协调中心时，利用复制边界节点变量的方法，将边界节点m的相角变量和边界节点n的相角变量再复制一次，分别为和如此，对同一个边界节点，各相关区域和协调中心具有一组对应的变量表示该边界节点的相角。

将电力系统解耦为协调中心和多个区域后，则可以根据解耦形成的协调中心和多个区域，建立电力系统经济调度模型，其中，电力系统经济调度模型的目标可以设定为电力系统中常规机组在调度时长内的总发电费用和弃新能源发电切负荷惩罚费用之和，即求解得到的电力系统的经济调度结果，要求电力系统中常规机组在调度时长内的总发电费用和弃新能源发电切负荷惩罚费用之和最小，该电力系统经济调度模型为整个电力系统的经济调度模型，包括各个区域内所有的参数以及区域间的参数，即包括电力系统的全网数据。

完成电力系统经济调度模型后，利用目标级联分析法和含部分聚合的多切割分解算法，将电力系统经济调度模型分解为对应于协调中心的区域间协调模型、以及一一对应于对个区域的多个区域调度模型，协调中心接收由各区域上传的边界节点的变量(例如相角变量)，并根据区域间协调模型计算协调中心中对应于各边界节点的变量，然后将协调中心中对应于各边界节点的变量下发至对应的区域，以对各区域的边界节点进行分布式优化。

将电力系统经济调度模型分解为区域间协调模型和多个区域调度模型后，根据区域间协调模型和多个区域调度模型，通过区域间协调模型和各区域调度模型之间的多次分布式优化，计算得到电力系统的经济调度结果，电力系统的经济调度结果由各区域的区域调度结果组成。

由上述可知，在本发明实施例提供的电力系统经济调度方法，将电力系统解耦为协调中心和多个区域，然后根据协调中心和多个区域建立电力系统经济调度模型，然后将电力系统经济调度模型分解为区域间协调模型和多个区域调度模型，然后根据区域间协调模型和多个区域调度模型，计算电力系统的经济调度结果。因此，在本发明实施例中，计算电力系统的经济调度结果时，分别对多个区域调度模型进行计算，利用区域间协调模型对各区域调度模型进行分布式优化，即每个区域的经济调度结果由对应于该区域的区域调度模型计算得到，利用区域间协调模型对该区域的边界节点进行分布式优化，因而，协调中心在利用区域间协调模型对各区域的边界节点进行分布式优化时，协调中心只需获取各区域的边界节点的变量，而无需获取各区域内的其它变量，即协调中心无需获取电力系统的全网数据，因此不会因需要获取的全网数据而造成通信堵塞和数据缺失，从而可以改善电力系统的经济调度的可靠性。

另外，在本发明实施例中，每个区域的经济调度结果由对应于该区域的区域调度模型计算得到，利用区域间协调模型对该区域的边界节点进行分布式优化，因而，协调中心在利用区域间协调模型对各区域的边界节点进行分布式优化时，协调中心只需获取各区域的边界节点的变量，而无需获取各区域内的其它变量，即协调中心无需获取电力系统的全网数据。因此，可以实现各区域的独立调度，并实现某些区域的数据隐私的保护。

再者，在本发明实施例中，将电力系统经济调度模型分解为区域间协调模型和多个区域调度模型，即将一个较大的问题分解为多个小的问题，然后对多个小的问题分别进行计算，因而可以简化计算电力系统的经济调度结果的过程，并可以提高计算电力系统的经济调度结果的效率，同时，由于每个小的问题所涉及的参数的数量较少，从而可以进一步改善电力系统的经济调度的可靠性。

请参阅图1和图2，在步骤S100之前，本发明实施例提供的电力系统经济调度方法还包括：

步骤S10、确定对电力系统进行经济调度的调度时长，并将调度时长平均划分为n_T个时段，其中，n_T≥2。

举例来说，对电力系统进行经济调度的调度时长可以设定为一天，即24小时，将调度时长平均划分为n_T个时段，其中，n_T个时段中，各个时段的时长相同，例如，可以将24小时划分为24个时段，每小时为一个时段，或者，可以将24小时划分为96个时段，每15分钟为一个时段。

请继续参阅图2，在步骤S100之后、步骤S200之前，本发明实施例提供的电力系统经济调度方法还包括：

步骤S100’、对各区域设定预测场景，并对具有新能源电场的区域抽取多个误差场景。

具体地，可以采用场景法对各区域设定预测场景，并对具有新能源电场的区域抽取误差场景，例如，对具有新能源电场的区域，可以抽取100个误差场景，完成预测场景的设定和误差场景的抽取后，建立电力系统经济调度模型时，电力系统经济调度模型包括预测场景的相关参数和误差场景的相关参数，电力系统经济调度模型考虑了新能源电场的随机性和波形性，且以此建立的电力系统经济调度模型可以应对电力系统中新能源电场的随机性和波动性。

请继续参阅图2，在步骤S300之后、步骤S400之前，本发明实施例提供的电力系统经济调度方法还包括：

步骤S300’、将区域调度模型分解为区域预测场景模型和区域误差场景模型。

在步骤S300’中，对于具有新能源电场的区域，将该区域的区域调度模型分解为区域预测场景模型和区域误差场景模型，在计算区域的经济调度结果时，先计算区域预测场景模型，然后利用区域误差场景模型对计算区域预测场景模型后得到的结果进行多次随机优化。因此，在本发明实施例中，在计算区域的经济调度结果时，也将该区域的一个大问题分解为分别对应于预测场景和误差场景的两个小问题，因而可以简化计算区域的经济调度结果的过程，并可以提高计算区域的经济调度结果的效率，同时，由于每个小的问题所涉及的参数的数量较少，从而可以改善区域的经济调度的可靠性，进而进一步改善电力系统的经济调度的可靠性。

上述实施例中，电力系统经济调度模型可以为：

目标函数：

约束条件：

区域的预测场景约束条件：

B_aP_a+D_aθ_a≤E_a；1≤a≤N (2)

区域的误差场景约束条件：

B_a,sP_a,s+D_a,sθ_a,s≤E_a,s+G_a,sP_a+H_a,sθ_a；1≤a≤N,1≤s≤S_a (3)

协调中心的约束条件：

协调中心与区域之间的耦合约束条件：

上述公式中，f_a为区域a的预测场景总费用；f_a,s为区域a的误差场景弃新能源发电费用；N为区域的个数；为区域a内常规机组的个数；为区域a新能源机组的个数；为在时段t区域a的负荷节点的个数；S_a为区域a的误差场景的个数；为在时段t区域a，在预测场景下常规机组i的有功出力；和分别为区域a内常规机组i的发电费用系数；为在时段t，区域a在预测场景下新能源机组w的弃新能源发电功率；q_W为区域a的弃新能源发电惩罚费用系数；为在时段t，区域a在预测场景下负荷节点d的切负荷功率；q_D为区域a的切负荷惩罚费用系数；p_s为区域a的误差场景s的概率，p_s＝1/S_a；为在时段t，区域a在误差场景s下新能源机组w的弃新能源发电功率；为在时段t，区域a在误差场景s下负荷节点d的切负荷功率。

P_a为区域a在预测场景下各常规机组在各时段的出力矩阵，出力矩阵P_a的元为区域a在预测场景下常规机组i在时段t的出力，出力矩阵P_a为的矩阵或的矩阵；θ_a为区域a在预测场景下各节点在各时段的相角矩阵，节点包括：区域a内的节点(负荷节点、非负荷节点等)、区域a的边界节点、以及其它区域中与区域a连接的边界节点，相角矩阵θ_a的元为区域a在预测场景下某一节点在时段t的相角；B_a、D_a和E_a均为区域a在预测场景下的参数矩阵；P_a,s为区域a在误差场景s下各常规机组在各时段的出力矩阵，出力矩阵P_a,s的元为区域a在误差场景s下常规机组i在时段t的出力，出力矩阵P_a,s为的矩阵或的矩阵；θ_a,s为区域a在误差场景s下各节点在各时段的相角矩阵，相角矩阵θ_a,s的元为区域a在误差场景s下某一节点在时段t的相角；B_a,s、D_a,s、E_a,s、G_a,s和H_a,s均为区域a在误差场景s下的参数矩阵；TL^ab,a为区域a中与区域b相连接的边界节点合集；TL^ab,b为区域b中与区域a相连接的边界节点合集，且m和n为连接区域a和区域b的连接线对应的两个边界节点；为协调中心对应于区域a中边界节点m在各时段的相角矩阵，相角矩阵的元为协调中心对应于区域a中边界节点m在时段t的相角；为协调中心对应于区域a中边界节点n在各时段的相角矩阵，相角矩阵的元为协调中心对应于区域a中边界节点n在时段t的相角；为协调中心对应于区域b中边界节点m在各时段的相角矩阵，相角矩阵的元为协调中心对应于区域b中边界节点m在时段t的相角；为协调中心对应于区域b中边界节点n在各时段的相角矩阵，相角矩阵的元为协调中心对应于区域b中边界节点n在时段t的相角；为区域a中边界节点m在各时段的相角矩阵，相角矩阵的元为区域a中边界节点m在时段t的相角；为区域a中边界节点n在各时段的相角矩阵，相角矩阵的元为区域a中边界节点n在时段t的相角。

上述电力系统经济调度模型为紧凑型，实际地，上述电力系统经济调度模型中，

区域的预测场景约束条件包括：

为在时段t，区域a在预测场景下各常规机组的出力矩阵，出力矩阵为行矩阵或列矩阵，出力矩阵的元为在时段t，区域a在预测场景下常规机组i的出力；为在时段t，区域a在预测场景下各新能源机组的出力矩阵，出力矩阵为行矩阵或列矩阵，出力矩阵的元为在时段t，区域a在预测场景下新能源机组w的出力；为在时段t，区域a在预测场景下各负荷节点的负荷矩阵，负荷矩阵为行矩阵或列矩阵，负荷矩阵的元为在时段t，区域a在预测场景下负荷节点d的负荷；为在时段t，区域a在预测场景下各新能源机组的弃新能源发电功率矩阵，弃新能源发电功率矩阵为行矩阵或列矩阵，弃新能源发电功率矩阵的元在时段t，区域a在预测场景下新能源机组w的弃新能源发电功率；为在时段t，区域a在预测场景下各负荷节点的切负荷功率矩阵，切负荷功率矩阵为行矩阵或列矩阵，切负荷功率矩阵的元为在时段t，区域a在预测场景下负荷节点d的负荷；B^a为区域a的忽略支路电阻和对地支路建立起来的节点导纳矩阵；为在时段t，区域a在预测场景下各节点的相角矩阵，相角矩阵为行矩阵或列矩阵，相角矩阵的元为在时段t，区域a在预测场景下某一节点的相角；为区域a内常规机组i的有功出力下限；为区域a内常规机组i的有功出力上限；为在时段t，区域a在预测场景下新能源机组w的有功出力；为在时段t区域a内新能源机组w的最大有功出力；为区域a内常规机组i的有功出力爬坡限制；为区域a内常规机组i的有功出力滑坡限制；为在时段t-1，区域a在预测场景下常规机组i的有功出力；N_J为电力系统中与区域a有关的线路的个数，线路包括区域a的内部线路以及连接区域a和其它区域的区域间联络线路；为与区域a有关的线路j的最大传输功率值；为与区域a有关的线路j的电抗值；为在时段t、预测场景下线路j的节点j1的相角；为在时段t、预测场景下线路j的节点j2的相角；S_B为基准值，S_B＝100MW；为区域a内常规机组i在10分钟内可调节的出力增量；为在时段t，区域a在误差场景s下常规机组i的有功出力。

区域的误差场景约束条件包括：

为在时段t，区域a在误差场景s下各常规机组的出力矩阵，出力矩阵为行矩阵或列矩阵，出力矩阵的元为在时段t，区域a在误差场景s下常规机组i的出力；在时段t，区域a在误差场景s下各新能源机组的出力矩阵，出力矩阵为行矩阵或列矩阵，出力矩阵的元为在时段t，区域a在误差场景s下新能源机组w的出力；为在时段t，区域a在误差场景s下各负荷节点的负荷矩阵，负荷矩阵为行矩阵或列矩阵，负荷矩阵的元为在时段t，区域a在误差场景s下负荷节点d的负荷；为在时段t，区域a在误差场景s下各新能源机组的弃新能源发电功率矩阵，弃新能源发电功率矩阵为行矩阵或列矩阵，弃新能源发电功率矩阵的元在时段t，区域a在误差场景s下新能源机组w的弃新能源发电功率；为在时段t，区域a在误差场景s下各负荷节点的切负荷功率矩阵，切负荷功率矩阵为行矩阵或列矩阵，切负荷功率矩阵的元为在时段t，区域a在误差场景s下负荷节点d的负荷；为在时段t，区域a在误差场景s下各节点的相角矩阵，相角矩阵为行矩阵或列矩阵，相角矩阵的元为在时段t，区域a在误差场景s下某一节点的相角；为在时段t，区域a在误差场景s下新能源机组w的有功出力；为在时段t，区域a在误差场景s下新能源机组w的最大有功出力；为在时段t-1，区域a在误差场景s下常规机组i的有功出力；为在时段t、误差场景s下线路j的节点j1的相角；为在时段t、误差场景s下线路j的节点j2的相角；为在时段t，区域a在预测场景下边界节点m的相角；为在时段t，区域a在误差场景s下边界节点m的相角；为在时段t，区域a在预测场景下边界节点n的相角；为在时段t，区域a在误差场景s下边界节点n的相角。

协调中心的约束条件具体为：

协调中心与区域之间的耦合约束条件具体为：

为在时段t协调中心对应于区域a中边界节点m的相角；为在时段t协调中心对应于区域b中边界节点m的相角；为在时段t协调中心对应于区域a中边界节点n的相角；为在时段t协调中心对应于区域b中边界节点n的相角。

区域预测场景模型为：

目标函数：

约束条件：

B_aP_a+D_aθ_a≤E_a；1≤a≤N (21)

为第k次分布式优化迭代协调中心下发到区域a的边界节点m在各时段的相角矩阵；是第k次分布式优化迭代协调中心下发到区域a的边界节点n在各时段的相角矩阵；均为第k次分布式优化迭代对应于协调中心与区域之间的耦合约束条件在各时段的拉格朗日乘子，均为第k次分布式优化迭代对应于协调中心与区域之间的耦合约束条件在各时段的二次罚函数乘子；为区域a与误差场景聚合组x对应的中间变量，共X^a个；e为列矩阵，列矩阵的元均为1的；F_a为最优切割系数矩阵；M_a和N_a均为最优切割系数矩阵；P_a^T为区域a在预测场景下各常规机组在各时段的出力矩阵的转置矩阵；为区域a在预测场景下各节点在各时段的相角矩阵的转置矩阵。

区域误差场景模型为：

目标函数：

约束条件：

B_a,sP_a,s+D_a,sθ_a,s≤E_a,s+G_a,sP_a,l+H_a,sθ_a,l；1≤a≤N,1≤s≤S_a (24)

P_a,l为第l次随机优化迭代，根据区域预测场景模型计算得到的区域a在预测场景下各常规机组在各时段的出力矩阵；θ_a,l为第l次随机优化迭代，根据区域预测场景模型计算得到的区域a在预测场景下各节点在各时段的相角矩阵。

区域间协调模型为：

目标函数为：

约束条件为：

为第k次分布式优化迭代，根据区域预测场景模型计算得到、并上传到协调中心的区域a的边界节点m在各时段的相角矩阵；为第k次分布式优化迭代，根据区域预测场景模型计算得到、并上传到协调中心的区域a的边界节点n在各时段的相角矩阵。

请继续参阅图2，在本发明实施例中，步骤S400可以包括：

步骤S410、设定电力系统中参数的初始值，初始值包括协调中心中分别与各区域对应的初始分布式优化结果。具体地，可以设置分布式优化迭代次数k＝1，设置参数即，第1次分布式优化迭代对应于协调中心与区域之间的耦合约束条件在各时段的拉格朗日乘子均为100，第1次分布式优化迭代对应于协调中心与区域之间的耦合约束条件在各时段的二次罚函数乘子也均为100，在时段t，第1次分布式优化迭代在时段t区域a在预测场景下边界节点m的相角，第1次分布式优化迭代在时段t区域a在预测场景下边界节点n的相角为0。

步骤S420、根据各区域的区域预测场景模型，计算各区域的初始经济调度结果，并利用区域间协调模型对各区域的边界节点进行分布式优化，使各区域的初始经济调度结果均满足第一收敛判据，其中，第一收敛判据为：

ε为收敛精度，ε＝10^-3；为第k次分布式优化迭代，在时段t协调中心对应于区域a中边界节点m的相角；为第k次分布式优化迭代，在时段t区域a在预测场景下边界节点m的相角；为第k次分布式优化迭代，在时段t协调中心对应于区域b中边界节点m的相角；为第k次分布式优化迭代，在时段t区域a处于预测场景下区域b中边界节点m的相角。

根据各区域的区域预测场景模型，计算各区域的初始经济调度结果，并利用区域间协调模型对各区域的边界节点进行分布式优化，可以为后续的计算提供一个较好的拉格朗日乘子初值，便于后续的计算，并减少计算时间。

步骤S430、根据各区域的区域预测场景模型，计算各区域的预测经济调度结果。即根据步骤S420中获得的拉格朗日乘子初值、区域预测场景模型，计算各区域的预测经济调度结果。

步骤S440、根据各区域的区域误差场景模型，计算各区域的随机优化结果。即利用步骤S430中计算得到的预测经济调度结果、区域误差场景模型，计算各区域的随机优化结果。

步骤S450、判断各区域的预测经济调度结果与各区域的随机优化结果是否均满足第二收敛判据；当满足时，将各区域的预测经济调度结果中边界节点的参数上传至协调中心，执行步骤S460；当不满足时，建立最优切割模型，

并利用最优切割模型和各区域的随机优化结果计算各区域的最优切割值，将各区域的最优切割值对应并入区域预测场景模型的约束条件，执行步骤S430。

其中，第二收敛判据为：

其中，

f_a,l为第l次随机优化迭代，区域a的预测场景总费用；为第l次随机优化迭代，区域a中边界节点m在各时段的相角矩阵；为第l次随机优化迭代，区域a中边界节点n在各时段的相角矩阵。

最优切割模型为：

π_a,s,l为第l次随机优化迭代，区域误差场景模型的约束条件在各时段的对偶变量矩阵；X^a为将区域a的误差场景的个数S_a平均聚合后形成的误差场景聚合组的个数，每个误差场景聚合组包括S_a/X^a个误差场景。

步骤S430至步骤S450实际为利用区域的区域误差场景模型对由该区域的区域预测场景模型计算得到的该区域的预测经济调度结果进行随机优化，当各区域的预测经济调度结果与各区域的随机优化结果均满足第二收敛判据时，表明各区域的随机优化均收敛，则完成随机优化；当各区域的预测经济调度结果与各区域的随机优化结果中，其中至少有一个区域的预测经济调度结果与该区域的随机优化结果不满足第二收敛判据时，则表明该区域的随机优化收敛，此时则需要继续利用该区域的区域误差场景模型对由该区域的区域预测场景模型计算得到的该区域的预测经济调度结果进行随机优化，即进行下一次随机优化。如此，通过多次随机优化，得到最优的各区域的预测经济调度结果。

在上述实施例中，最优切割模型采用将S_a个误差场景平均聚合后形成的X^a个误差场景聚合组构造，在实际应用中，最优切割模型也可以直接采用S_a个误差场景直接进行构造，具体地，最优切割模型可以为：

其中，为区域a与误差场景s对应的中间变量，共S_a个。

此时，区域预测场景模型可以为：

目标函数：

约束条件：

B_aP_a+D_aθ_a≤E_a；1≤a≤N (21)

步骤S460、根据区域间协调模型，计算分别对应于各区域的分布式优化结果。完成利用区域的区域误差场景模型对由该区域的区域预测场景模型计算得到的该区域的预测经济调度结果进行随机优化后，则协调中心根据各区域上传的预测经济调度结果中边界节点的参数，并根据区域间协调模型，计算得到分布式优化结果。

步骤S470、判断各区域的预测经济调度结果与分别对应于各区域的分布式优化结果是否均满足第一收敛判据；当满足时，将各区域的预测经济调度结果作为电力系统的经济调度结果，执行步骤S480；当不满足时，建立参数更新模型，利用参数更新模型，计算更新后的参数，执行步骤S430。其中，参数更新模型为：

均为第k-1次分布式优化迭代对应于协调中心与区域之间的耦合约束条件在各时段的拉格朗日乘子；均为第k-1次分布式优化迭代对应于协调中心与区域之间的耦合约束条件在各时段的二次罚函数乘子；α为调节步长参数，1≤α≤3，例如，α＝1.05。

步骤S460和步骤S470实际上是协调中心利用区域间协调模型对各区域的边界节点进行分布式优化，以计算得到最优的区域预测经济调度结果；当各区域的预测经济调度结果与分别对应于各区域的分布式优化结果均满足第一收敛判据时，此时，协调中心对各区域的边界节点的分布式优化收敛，则各区域的预测经济调度结果共同构成电力系统的经济调度结果；当各区域的预测经济调度结果与分别对应于各区域的分布式优化结果中，其中至少一个区域的预测经济调度结果与对应于该区域的分布式优化结果不满足第一收敛判据时，则表明协调中心对各区域的边界节点的分布式优化不收敛，则需要进行下一次分布式优化，进行下一次分布式优化时，由于参数根据参数更新模型进行了更新，则需要重新利用区域的区域误差场景模型对由该区域的区域预测场景模型计算得到的该区域的预测经济调度结果进行随机优化。

步骤S480、输出电力系统的经济调度结果。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。