一种电力系统经济调度方法与流程

技术特征：

1.一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。

2.根据权利要求1所述的电力系统经济调度方法，其特征在于，在所述步骤S100之前，所述电力系统经济调度方法还包括：

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

3.根据权利要求1所述的电力系统经济调度方法，其特征在于，在所述步骤S100之后、所述步骤S200之前，所述电力系统经济调度方法还包括：

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

4.根据权利要求3所述的电力系统经济调度方法，其特征在于，在所述步骤S300之后、所述步骤S400之前，所述电力系统经济调度方法还包括：

步骤S300’、将所述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。

5.根据权利要求4所述的电力系统经济调度方法，其特征在于，所述步骤S400包括：

步骤S410、设定所述电力系统中参数的初始值，所述初始值包括所述协调中心中分别与各所述区域对应的初始分布式优化结果；

步骤S420、根据各所述区域的区域预测场景模型，计算各所述区域的初始经济调度结果，并利用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，使各所述区域的初始经济调度结果均满足第一收敛判据；

步骤S430、根据各所述区域的区域预测场景模型，计算各所述区域的预测经济调度结果；

步骤S440、根据各所述区域的区域误差场景模型，计算各所述区域的随机优化结果；

步骤S450、判断各所述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，将各所述区域的预测经济调度结果中边界节点的参数上传至所述协调中心，执行步骤S460；

当不满足时，建立最优切割模型，并利用所述最优切割模型和各所述区域的随机优化结果计算各所述区域的最优切割值，将各所述区域的最优切割值对应并入所述区域预测场景模型的约束条件，执行所述步骤S430；

步骤S460、根据所述区域间协调模型，计算分别对应于各所述区域的迭代分布式优化结果；

步骤S470、判断各所述区域的预测经济调度结果与分别对应于各所述区域的迭代分布式优化结果是否均满足所述第一收敛判据；

当满足时，将各所述区域的预测经济调度结果作为所述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，利用所述参数更新模型，计算更新后的参数，执行所述步骤S430；

步骤S480、输出所述电力系统的经济调度结果。

6.根据权利要求5所述的电力系统经济调度方法，其特征在于，所述电力系统经济调度模型为：

目标函数：

$\begin{array}{c}\min \underset{a=1}{\overset{N}{\Σ}}(f_a+\underset{s=1}{\overset{S_a}{\Σ}}{f}_{a,s})=\underset{a=1}{\overset{N}{\Σ}}\underset{t=1}{\overset{N_T}{\Σ}}\left\{\underset{i=1}{\overset{N_g^a}{\Σ}}\[{\mathrm{\α}}_i^a{\left(P_{i,t}^a\right)}^2+{\mathrm{\β}}_i^a{P}_{i,t}^a+{\mathrm{\γ}}_i^a\]+\underset{w=1}{\overset{N_w^a}{\Σ}}{q}_W{\mathrm{\ΔW}}_{w,t}^a+\underset{d=1}{\overset{N_d^a}{\Σ}}{q}_D{\mathrm{\ΔD}}_{d,t}^a\right\}\\ +\underset{a=1}{\overset{N}{\Σ}}\underset{t=1}{\overset{N_T}{\Σ}}\left\{\underset{s=1}{\overset{S_a}{\Σ}}{p}_s\[q_W\underset{w=1}{\overset{N_w^a}{\Σ}}{\mathrm{\ΔW}}_{w,t,s}^a+q_D\underset{d=1}{\overset{N_d^a}{\Σ}}{\mathrm{\ΔD}}_{d,t,s}^a\]\right\}\end{array};$

约束条件：

所述区域的预测场景约束条件：

B_aP_a+D_aθ_a≤E_a；1≤a≤N；

所述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；

所述协调中心的约束条件：

所述协调中心与所述区域之间的耦合约束条件：

其中，所述区域的预测场景约束条件包括：

$P_{G,t}^a+(P_{W,t}^a-{\mathrm{\ΔW}}_{W,t}^a)-(P_{D,t}^a-{\mathrm{\ΔD}}_{D,t}^a)=B^a{\mathrm{\θ}}_t^a;1\≤a\≤N,1\≤t\≤N_T;$

${\underset{\‾}{P}}_i^a\≤P_{i,t}^a\≤{\stackrel{\‾}{P}}_i^a;1\≤a\≤N,1\≤t\≤N_T,1\≤i\≤N_g^a;$

$0\≤P_{w,t}^a\≤{\tilde{P}}_{w,t}^a;1\≤a\≤N,1\≤t\≤N_T,1\≤w\≤N_d^a;$

$r_{di}^a\≤P_{i,t}^a-P_{i,t-1}^a\≤r_{ui}^a;1\≤a\≤N,2\≤t\≤N_T,1\≤i\≤N_g^a;$

$-{\stackrel{\‾}{P}}_j^a\≤\frac{{\mathrm{\θ}}_{j1,t}^a-{\mathrm{\θ}}_{j2,t}^a}{x_j^a}{S}_B\≤{\stackrel{\‾}{P}}_j^a;1\≤a\≤N,1\≤t\≤N_T,1\≤j\≤N_J;$

$-{\mathrm{\Δ}}_i^a\≤P_{i,t}^a-P_{i,t,s}^a\≤{\mathrm{\Δ}}_i^a;1\≤i\≤N_g^a,1\≤t\≤N_T,1\≤s\≤S_a;$

所述区域的误差场景约束条件包括：

$P_{G,t,s}^a+(P_{W,t,s}^a-{\mathrm{\ΔW}}_{W,t,s}^a)-(P_{D,t,s}^a-{\mathrm{\ΔD}}_{D,t,s}^a)=B^a{\mathrm{\θ}}_{t,s}^a;1\≤a\≤N,1\≤t\≤N_T,1\≤s\≤S_a;$

${\underset{\‾}{P}}_i^a\≤P_{i,t,s}^a\≤{\stackrel{\‾}{P}}_i^a;1\≤a\≤N,1\≤t\≤N_T,1\≤i\≤N_g^a;$

$0\≤P_{w,t,s}^a\≤{\tilde{P}}_{w,t,s}^a;1\≤a\≤N,1\≤t\≤N_T,1\≤w\≤N_d^a,1\≤s\≤S_a;$

$r_{di}^a\≤P_{i,t,s}^a-P_{i,t-1,s}^a\≤r_{ui}^a;1\≤a\≤N,2\≤t\≤N_T,1\≤i\≤N_g^a,1\≤s\≤S_a;$

$-{\stackrel{\‾}{P}}_j^a\≤\frac{{\mathrm{\θ}}_{j1,t,s}^a-{\mathrm{\θ}}_{j2,t,s}^a}{x_j^a}{S}_B\≤{\stackrel{\‾}{P}}_j^a;1\≤a\≤N,1\≤t\≤N_T,1\≤s\≤S_a,1\≤j\≤N_J;$

$\left\{\begin{array}{c}{\mathrm{\θ}}_{m,t}^a-{\mathrm{\θ}}_{m,t,s}^a=0\\ {\mathrm{\θ}}_{n,t}^a-{\mathrm{\θ}}_{n,t,s}^a=0\end{array}\right.;m\∈{\mathrm{TL}}^{ab,a},n\∈{\mathrm{TL}}^{ab,b},1\≤a\≤N,1\≤b\≤N,a\≠b,1\≤t\≤N_T,1\≤s\≤S_a;$

所述协调中心的约束条件具体为：

所述协调中心与所述区域之间的耦合约束条件具体为：

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为所述区域的个数；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；θ_a为区域a在预测场景下各节点在各时段的相角矩阵；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；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；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；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；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；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；为区域a中边界节点m在各时段的相角矩阵；为区域a中边界节点n在各时段的相角矩阵；

为在时段t，区域a在预测场景下各常规机组的出力矩阵；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；为在时段t，区域a在预测场景下各负荷节点的负荷矩阵；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；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；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；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为所述电力系统中与区域a有关的线路的个数，所述线路包括区域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；

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；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；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；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；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；为在时段t，区域a在误差场景s下各节点的相角矩阵；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；

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。

7.根据权利要求6所述的电力系统经济调度方法，其特征在于，

所述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；

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所述协调中心与所述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所述协调中心与所述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；

所述区域误差场景模型为：

目标函数：

$\min f_{a,s}=min\underset{t=1}{\overset{N_T}{\Σ}}\{\underset{s=1}{\overset{S_a}{\Σ}}{p}_s\[q_W\underset{w=1}{\overset{N_w^a}{\Σ}}{\mathrm{\ΔW}}_{w,t,s}^a+q_D\underset{d=1}{\overset{N_d^a}{\Σ}}{\mathrm{\ΔD}}_{d,t,s}^a\]\};$

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；

P_a,l为第l次随机优化迭代，根据所述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，根据所述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；

所述区域间协调模型为：

目标函数为：

约束条件为：

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

8.根据权利要求7所述的电力系统经济调度方法，其特征在于，

所述第一收敛判据为：

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；

所述第二收敛判据为：

$\frac{U_a-L_a}{U_a}\<\mathrm{\ϵ};1\≤a\≤N;$

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。

9.根据权利要求7所述的电力系统经济调度方法，其特征在于，

所述最优切割模型为：

π_a,s,l为第l次随机优化迭代，所述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，每个所述误差场景聚合组包括S_a/X^a个误差场景。

10.根据权利要求7所述的电力系统经济调度方法，其特征在于，

所述参数更新模型为：

均为第k-1次分布式优化迭代对应于所述协调中心与所述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所述协调中心与所述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。