一种电力系统的风光储鲁棒配置方法及装置与流程

本发明涉及能源经济计算领域，尤其涉及一种电力系统的风光储鲁棒配置方法及装置。

背景技术：

在当前全球能源安全问题突出、环境污染问题严峻的大背景下，大力发展风电、太阳能发电、水电等可再生能源，实现能源生产向可再生能源转型，是全球能源与经济实现可持续发展的重大需求。可再生能源近年来发展迅猛，2030年前可再生能源的发电量占比将达30％以上。一方面，可再生能源消纳面临严峻局面，大量弃风弃光，造成了极大的浪费；另一方面，高比例可再生能源并网将成为电力系统的必然发展趋势和未来重要特征。在可再生能源革命驱动下，对高比例可再生能源电力系统开展深入的理论研究，为大型可再生能源电站并网和高比例可再生能源电力系统规划与运行奠定理论基础，对促进高比例可再生能源消纳，减少弃水、弃风、弃光电量，提高整个能源系统效率等具有重要意义。更进一步，对于部分水电资源丰富的地区，可以探索建立全清洁能源供电的电力系统，研究全清洁能源下的电源配置方案，实现真正的“清洁供电”。

当前，电力系统在发生低频事故后参与频率支撑按电源划分，一般有传统同步机，可再生能源电站和储能。传统同步机转子转速与系统频率自然耦合，依靠释放转子中储存的动能进行惯性响应，并通过调速器进行一次调频。然而，随着可再生能源渗透率的不断提高，火电机组逐渐退役，传统同步机提供的频率支撑能力占比将越来越小。可再生能源电站主要通过虚拟惯量控制和功率备用控制向电力系统注入功率以提供频率支撑，其中，功率备用控制使风机减载运行来预留紧急备用，然而，这种方式使风机偏离最大功率点运行，会造成一定的弃风问题；虚拟惯量控制通过释放储存在风机转子中的动能提供频率支撑，然而,这种方式可能会导致系统频率二次跌落，影响系统运行的安全性和稳定性。

技术实现要素：

本发明的目的是提供一种电力系统的风光储鲁棒配置方法及装置，能够提升电力系统的安全性和稳定性。

第一方面，本发明实施例提供一种电力系统的风光储鲁棒配置方法，包括：

创建风光储鲁棒配置模型；其中所述风光储鲁棒配置模型包括事故后系统频率响应模型、用于参与事故后频率支撑的储能装置、两阶段目标函数、事故前系统运行约束条件以及事故后系统运行约束条件，所述两阶段目标函数中的第一阶段目标函数为风电和光伏机组规划成本、水电开关机成本和储能日历老化成本，所述两阶段目标函数中的第二阶段目标函数为最劣场景下的水电机组运行成本和储能循环老化成本；

将所述风光储鲁棒配置模型转换为混合整数线性规划milp优化模型；

基于预设的双层循环算法对所述milp优化模型进行求解，输出配置结果；其中所述双层循环算法中的内层循环用于寻找所述最劣场景，所述双层循环算法中的外层循环用于求解包含所有已获得场景下的机组组合方案。

可选地，所述事故后系统频率响应模型包括的约束条件的公式如下：

-δfmax≤δf(t)≤δfmax；(4)

式中，h为系统总惯量，d为负载阻尼系数，δf(t)为频率变化，pg,it、分别为事故前后处理，公式(1)为系统频率变化率和频率低点的约束条件，公式(2)为事故后各机组的故障状态的约束条件，若mit＝1，则机组i正常，若mit＝0，则机组i故障。dit、δf、f0、fdb分别为机组调速器下垂系数、系统频率变化量、系统正常频率和死区频率。当事故发生后，若机组i故障或未故障但事故前满发，则机组i不参与系统频率支撑；若系统频率下降并未超出死区频率，则所有机组不参与一次调频；若系统频率下降超过死区频率，则系统中未故障且未满发机组按下垂系数dit增加出力。

可选地，所述储能装置参与事故后频率支撑的模式为：事故发生后向电力系统注入最大有功功率，减小同步发电机调频能力负担的剩余功率缺额，以确保系统频率变化量和频率最小值不越限。

可选地，所述两阶段目标函数的公式如下：

式中，i,k,m分别为待规划储能、风电、光伏节点集合；分别为日历老化和循环老化配置成本系数；δτ为调度时间间隔；sui,t、sdi,t为机组启停成本；cwind为单位容量风电机组规划成本；csolar为单位容量光伏机组规划成本；cost为最严重场景的运行费用；cgi,p、pgi,t,p分别为水电机组分段成本系数和出力水平；η为储能功率损失系数；pess,dis,i,t、pess,ch,i,t分别为储能稳态运行时的充放电功率。

可选地，所述事故前系统运行约束条件包括储能运行约束、功率平衡约束、线路潮流约束、机组出力约束、机组爬坡约束以及机组启停及启停成本约束。

可选地，所述事故后系统运行约束条件的公式如下：

式中，为事故后储能装置放电功率；pess,dis,i,t、pess,ch,i,t分别为事故前储能放电功率和充电功率；δpmloss(t)为所有的储能装置释放所有剩余电力以应对突发事件时的电力系统剩余电力短缺；δploss,max为电力系统中的意外故障引起的原始电力短缺；δei,t为储能装置参与频率支撑所需能量；δt1为储能装置参与一次调频的持续时间；ei,t和ei,in分别为t时刻储能装置存储能量和储能装置规划能量容量。

第二方面，本发明实施例提供一种电力系统的风光储鲁棒配置装置，包括：

创建模块，用于创建风光储鲁棒配置模型；其中所述风光储鲁棒配置模型包括事故后系统频率响应模型、用于参与事故后频率支撑的储能装置、两阶段目标函数、事故前系统运行约束条件以及事故后系统运行约束条件，所述两阶段目标函数中的第一阶段目标函数为风电和光伏机组规划成本、水电开关机成本和储能日历老化成本，所述两阶段目标函数中的第二阶段目标函数为最劣场景下的水电机组运行成本和储能循环老化成本；

转换模块，用于将所述风光储鲁棒配置模型转换为混合整数线性规划milp优化模型；

处理模块，用于基于预设的双层循环算法对所述milp优化模型进行求解，输出配置结果；其中所述双层循环算法中的内层循环用于寻找所述最劣场景，所述双层循环算法中的外层循环用于求解包含所有已获得场景下的机组组合方案。

可选地，所述储能装置参与事故后频率支撑的模式为：事故发生后向电力系统注入最大有功功率，减小同步发电机调频能力负担的剩余功率缺额，以确保系统频率变化量和频率最小值不越限。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法。

本发明实施例提供的电力系统的风光储鲁棒配置方法及装置，提出了考虑频率支撑能力的全清洁能源电力系统风光储鲁棒优化配置模型，充分考虑了储能装置对电力系统的频率支撑作用，有助于提升电力系统的安全性和稳定性。同时，引入两阶段鲁棒优化方法处理风光出力的不确定，使得调度计划能够准确分配用于应对风光出力不确定性和应对低频故障的储能功率和能量备用，进而得到更加符合实际的储能配置结果。最后，对所提规划模型采用双层循环算法进行求解，具有计算高效简单、易于投入工程实践等优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种电力系统的风光储鲁棒配置方法流程图；

图2为本发明实施例提供的一种储能装置的事故后出力曲线示意图；

图3为本发明实施例提供的一种电力系统的风光储鲁棒配置装置结构示意图；

图4为本发明实施例提供的一种电子设备的实体结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例公开了一种电力系统的风光储鲁棒配置方法，包括：

101、创建风光储鲁棒配置模型；其中所述风光储鲁棒配置模型包括事故后系统频率响应模型、用于参与事故后频率支撑的储能装置、两阶段目标函数、事故前系统运行约束条件以及事故后系统运行约束条件，所述两阶段目标函数中的第一阶段目标函数为风电和光伏机组规划成本、水电开关机成本和储能日历老化成本，所述两阶段目标函数中的第二阶段目标函数为最劣场景下的水电机组运行成本和储能循环老化成本；

考虑到储能装置可提供比传统同步机更快速的频率响应和更大的功率备用空间，从而提出考虑频率支撑能力的全清洁能源电力系统风光储鲁棒优化配置慢跑鞋，电力系统中常规机组只包含水电机组而不包含火电机组。

102、将所述风光储鲁棒配置模型转换为混合整数线性规划milp优化模型；

由于风光储鲁班配置模型为两阶段的非凸非线性优化模型，难以直接求解。所以引入0-1整数变量，将原非凸非线性优化模型转换为混合整数线性规划(milp，mixed-integerlinearprogramming)优化模型。

103、基于预设的双层循环算法对所述milp优化模型进行求解，输出配置结果；其中所述双层循环算法中的内层循环用于寻找所述最劣场景，所述双层循环算法中的外层循环用于求解包含所有已获得场景下的机组组合方案。

上述步骤102中的milp优化模型的第二阶段的max-min优化问题中含有0-1决策变量，因此该问题是milp，即该问题虽然目标函数和约束都是线性的，但却是非凸优化。在此情况下，强对偶理论将不再适用，因此不能按照现有方案中直接应用karushkuhn-tucker(简称kkt)条件转换成单层问题求解。为了求解该问题，构造了两层循环(如ccg循环)，其中外层循环为常规的ccg算法，内层循环为nccg算法，用于寻找最恶劣的场景。ccg算法是求解鲁棒优化问题的高效算法，其核心思想是将原问题分解为主问题与子问题，内层循环用于寻找最严重的的场景，并将该场景返回到主问题中；外层循环则是求解包含所有已获得场景下的机组组合方案。

本发明实施例提供的电力系统的风光储鲁棒配置方法，提出了考虑频率支撑能力的全清洁能源电力系统风光储鲁棒优化配置模型，充分考虑了储能装置对电力系统的频率支撑作用，有助于提升电力系统的安全性和稳定性。同时，引入两阶段鲁棒优化方法处理风光出力的不确定，使得调度计划能够准确分配用于应对风光出力不确定性和应对低频故障的储能功率和能量备用，进而得到更加符合实际的储能配置结果。最后，对所提规划模型采用双层循环算法进行求解，具有计算高效简单、易于投入工程实践等优点。

在前述方法实施例的基础上，所述事故后系统频率响应模型包括的约束条件的公式如下：

-δfmax≤δf(t)≤δfmax；(4)

式中，h为系统总惯量，d为负载阻尼系数，δf(t)为频率变化，pg,it、分别为事故前后处理，公式(1)为系统频率变化率和频率低点的约束条件，公式(2)为事故后各机组的故障状态的约束条件，若mit＝1，则机组i正常，若mit＝0，则机组i故障。dit、δf、f0、fdb分别为机组调速器下垂系数、系统频率变化量、系统正常频率和死区频率。当事故发生后，若机组i故障或未故障但事故前满发，则机组i不参与系统频率支撑；若系统频率下降并未超出死区频率，则所有机组不参与一次调频；若系统频率下降超过死区频率，则系统中未故障且未满发机组按下垂系数dit增加出力。

在前述方法实施例的基础上，所述储能装置参与事故后频率支撑的模式为：事故发生后向电力系统注入最大有功功率，减小同步发电机调频能力负担的剩余功率缺额，以确保系统频率变化量和频率最小值不越限。

具体地，本发明的同步机转子转速与系统频率自然耦合。同时，储能装置采取基于功率模式的预设功率方案控制策略，储能装置的事故后出力曲线(控制过程)如图2所示，图2中事故发生后，储能装置迅速在δt0内由pess增加到最大有用功率在随后的δt1时长内保持为最后在δt2时长内逐渐减小至0。故本发明储能装置参与系统频率支撑的模式为：事故发生后迅速向电网注入最大有功功率，减小同步发电机调频能力负担的剩余功率缺额，从而确保系统频率变化率和频率最小值不越限。

由于电网中存在与系统频率自然耦合的旋转元件，且储能装置从响应到提升出力仅需几百毫秒(δt0)，因此，储能装置的响应时间可以忽略。

当发生诸如发电机跳闸之类的意外事件时，每个电池储能将释放所有可用的额外电力，以减少系统中的电力不平衡。此过程表示为

式中：为事故后储能放电功率；pess,dis,i,t、pess,ch,i,t分别为事故前储能放电功率和充电功率。此时，系统的功率缺额为

其中δpmloss(t)(mw)是当所有储能装置释放所有剩余电力以应对突发事件时的电力系统剩余电力短缺，而δploss,max(mw)是由电网中的意外故障引起的原始电力短缺。该阶段对应于系统惯性响应周期可以为δt11＝5s。

当电力系统的频率偏差超过发电机的调速器死区时，将启动一次频率控制。在此阶段，电池的放电功率保持稳定在最大放电功率。时间周期约为δt12＝25s。

在惯性和一次频率响应之后，频率已从频率最低点恢复。然后，二次频率控制将生效以使频率达到标称值。在此时间段内，能量存储的放电功率将恢复为0。此时间间隔持续时间约为5分钟，即δt2＝5min。

为了确保在时刻t发生故障之后，节点i上的电池储能具有足够的能量来提供频率支撑，应为该辅助服务保留一部分能量。可以通过下式计算(δt1＝δt11+δt12)：

0≤ei,t-δei,t≤ei,in；(8)

式中：δei,t为储能参与频率支撑所需能量；δt1为储能参与一次调频的持续时间，设为30s；储能完成频率支撑任务后，为防止储能出力突然下降造成频率跌落，故令储能出力线性下降；ei,t和ei,in分别为t时刻储能存储能量和储能规划能量容量。公式(7)和公式(8)确保了每个电池储能都具有一定备用来对紧急故障事件进行响应。

在前述方法实施例的基础上，所述两阶段目标函数的公式如下：

式中，i、k、m分别为待规划储能、风电、光伏节点集合；分别为日历老化和循环老化配置成本系数；δτ为调度时间间隔；sui,t,sdi,t为机组启停成本；cwind为单位容量风电机组规划成本；csolar为单位容量光伏机组规划成本；cost为最严重场景的运行费用；cgi,p、pgi,t,p分别为水电机组分段成本系数和出力水平；η为储能功率损失系数；pess,dis,i,t、pess,ch,i,t分别为储能稳态运行时的充放电功率。

具体地，在本发明中，待规划的装置为风电机组、光伏机组和储能设施，其中储能设置为电池储能，例如锂离子电池和铅酸电池，因为它们可以根据技术应用和环境场景的特定要求进行叠加以提供所需的能量容量和功率容量。如果放电深度在预定范围内，则锂离子和铅酸电池的总等效循环寿命将保持稳定。换言之，电池的寿命是根据循环寿命来计算的，循环寿命是通过总能量消耗来衡量的。

电池存储成本表示如下：

cb＝ci-cr+co+cm；(9)

式中：cb是能量存储的总成本，它包括四个部分：ci是与整个等效循环的总数或电池在整个生命周期中可能使用的总能量相对应的投资成本；cr是残差值，它表示回收后电池的净残值。co是运营成本，cm是电池的维护成本。如果所有已安装电池的将用尽其全部寿命(cr＝0)，那么与电池能量容量(usd/kwh)成正比的总成本可以转化为实际使用过程中电池的能耗成本，表示如下：

cbit＝λfix,iδt+λcd,i(1+γi)pbi,tδt；(10)

pbi,t＝pess,dis,i,t+pess,ch,i,t；(11)

式中：cbit是与时间t时节点i的电池相关的成本：λfix,i是每小时i节点电池储能的固定运行成本(usd/h)，其中包括逆变器和其他硬件等设备的投资成本以及公式(9)中的运营成本co和维护成本cm；λcd,i是节点i上电池存储的充电/放电成本(usd/kwh)；λcd,i(1+γi)pbi,tδt涵盖了公式(9)中的投资成本ci和残差值cr之间的差值，可以通过将电池成本(usd/kwh)除以总的能量充放电来计算某些类型电池在整个循环寿命中的容量(kwh)；pbi,t是在时刻t在节点i处的电池的充电功率pess,ch,i,t或放电功率pess,dis,i,t。γi是电池i的损耗系数，它取决于充电和放电效率；δt是两个相邻时间点之间的时间间隔，此工作中的时间间隔持续时间为1小时。将上述电池投资运行模型代入鲁棒优化方法中，可得目标函数为公式(12)。

模型由两阶段目标函数构成，其中第一阶段的目标函数为风电和光伏机组规划成本，水电开关机成本和储能日历老化成本，第二阶段为最劣场景下的水电机组运行成本和储能循环老化成本。

式中：i,k,m分别为待规划储能、风电、光伏节点集合；分别为日历老化和循环老化配置成本系数；δτ为调度时间间隔；sui,t、sdi,t为机组启停成本；cwind为单位容量风电机组规划成本；csolar为单位容量光伏机组规划成本；cost为最严重场景的运行费用；cgi,p、pgi,t,p分别为水电机组分段成本系数和出力水平；η为储能功率损失系数；pess,dis,i,t、pess,ch,i,t分别为储能稳态运行时的充放电功率。

风电、光伏与储能规划约束：

式中：ewind为风电规划容量；esolar为光伏规划容量；ewind,min、ewind,max、esolar,min、esolar,max分别风电、光伏在各节点规划容量的上下限。

式中:pes,it为光伏出力基准值；pew,it为风电出力基准值；χsit、χwit分别为风电、光伏出力的基准百分比，为已知常数。

式中：δwu/v分别表示风电、光伏的出力误差，用以构建鲁棒不确定集合，本发明设置风电、光伏的出力误差为基准出力的20％；由于本发明中并无明确的储能规划约束，因而认为储能的规划功率容量和能量容量为实际运行时功率曲线的最大值。

风电、光伏出力不确定集合可以用下述的盒式不确定集合描述：

式中：pw/s,it、pe,it分别为风电和光伏实际出力和预测出力；分别为不确定集合边界辅助变量；δwu、δwv分别为风电出力误差上界和下界；γs、γt为空间和时间不确定预算。

在前述方法实施例的基础上，所述事故前系统运行约束条件包括储能运行约束、功率平衡约束、线路潮流约束、机组出力约束、机组爬坡约束以及机组启停及启停成本约束。

具体说明如下：

(1)储能运行约束

如下公式(22)为储能运行约束集合，其中，第一个约束限制了储能在同一时刻的充放电状态，该约束可通过大m法转化为混合整数线性规划；第二个约束限制了储能在一天中的初始状态，认为储能装置的soc在一天当中的0时刻为50％；第三个约束为能量容量与功率容量的关系约束；第四和第五个约束为变量的非负约束。

(2)功率平衡约束：

该约束表明系统在一天中的任意时刻维持有功功率平衡，由于是输电系统无功无法远距离传输，因而本发明仅考虑有功平衡，而无功采取节点的就地平衡方式。

(3)线路潮流约束：

线路潮流约束限制了线路的功率峰值，本发明采取直流潮流约束法，采用直流功率转移分布因子计算各条线路上的潮流结果。

(4)机组出力约束：

(5)机组爬坡约束：

在调度过程中，水电机组出力调节能力存在一定限制，无法自由调节，因而在上一时刻与下一时刻的水电机组出力关系须由机组爬坡约束描述。

(6)机组启停及启停成本约束：

机组在日前调度中需决定其启停状态，然而，机组的启停会额外产生成本且机组必须保证最小连续运行时间和最小关机时间，因此，须引入机组的最小启停时间和机组成本约束对机组的起停决策进行限制。

式中：pi,max、ei,max分别为节点可规划的最大功率容量；pi,in、ei,in分别为实际规划能量和功率容量；pw,it为风电出力；ps,it为光伏出力；pg,it、pload,it分别为水电出力和节点负荷；ζlb、flmax、分别为直流潮流转移因子，线路潮流上限和各节点注入功率；uit、vit分别为启停决策变量；rup、rdt和sup、sdt分别为运行爬坡限制和启停爬坡限制；cup,i、coff,i为启停成本系数。公式(22)为储能运行约束，公式(23)-公式(28)为系统运行约束。

在前述方法实施例的基础上，所述事故后系统运行约束条件的公式如下：

式中，为事故后储能装置放电功率；pess,dis,i,t、pess,ch,i,t分别为事故前储能放电功率和充电功率；δpmloss(t)为所有的储能装置释放所有剩余电力以应对突发事件时的电力系统剩余电力短缺；δploss,max为电力系统中的意外故障引起的原始电力短缺；δei,t为储能装置参与频率支撑所需能量；δt1为储能装置参与一次调频的持续时间；ei,t和ei,in分别为t时刻储能装置存储能量和储能装置规划能量容量。

具体地，当事故发生后，系统需始终保持功率平衡状态，在惯性响应阶段，系统的功率平衡有一阶摆动方程描述；在一次调频及后续阶段，系统的功率平衡动态由公式(29)描述。

其中，公式(5)-公式(7)和公式(29)-公式(30)共同组成事故后运行约束。

下面对步骤103中的基于预设的双层循环算法对所述milp优化模型进行求解，输出配置结果进行如下说明：

由于步骤102中的milp优化模型的第二阶段的max-min优化问题中含有0-1决策变量，因此该问题是milp，即该问题虽然目标函数和约束都是线性的，但却是非凸优化。在此情况下，强对偶理论将不再适用，因此不能按照现有方案中直接应用karushkuhn-tucker(简称kkt)条件转换成单层问题求解。为了求解该问题，构造了两层循环(如ccg循环)，其中外层循环为常规的ccg算法，内层循环为nccg算法，用于寻找最恶劣的场景。ccg算法是求解鲁棒优化问题的高效算法，其核心思想是将原问题分解为主问题与子问题，内层循环用于寻找最严重的的场景，并将该场景返回到主问题中；外层循环则是求解包含所有已获得场景下的机组组合方案。

(a)双层ccg循环推导

上述风-光-储规划问题可简写为以下形式矩阵形式

式中：a^t,b^t,z,c,d,q,k为常系数；y为连续变量；u为第一阶段0-1变量。i为ccg子问题的0-1整数变量；g(u)为最劣场景。公式(31)的第一条约束表示原问题的公式(27)-公式(28)；第二条约束代表原问题中的公式(14)-公式(20)，公式(22)-公式(26)，公式(29)-公式(30)。

由于原问题的第二阶段中含有0-1变量，无法直接使用ccg算法，故提出双层ccg算法进行求解。其中，外层为常规ccg算法，而内层是为了解决ccg子问题中含有0-1变量的问题而插入的nccg算法。

(a-1)ccg主问题(外层迭代)

外层循环为ccg算法循环：内层循环每找到一个最严重的场景，就在主问题建立一组新的变量，并求解主问题。主问题的模型如下：

式中：η为引入的中间变量；带上标r的变量为第r次迭代生成的新变量；g^r(u)为第r次迭代由内层迭代返回的最劣场景；k为迭代总次数。

(a-2)ccg子问题(内层迭代)

内层子问题用于寻找最劣场景，并将该场景返回到主问题中，模型如下：

式中：x^*为ccg主问题得到第一阶段决策值。ccg子问题中含有0-1变量，不能直接使用kkt条件转化为单层问题。鉴于此，采用nccg算法求解，此时，nccg算法的主问题模型为:

式中：δ是nccg主问题目标函数值；λ^o是第o次迭代产生的对偶变量；为第o次迭代由nccg子问题返回的0-1变量；r为内层nccg循环迭代总次数。公式(34)中第四条约束为kkt条件，其可通过大m法线性化为:

nccg算法的子问题模型为

式中：为nccg主问题得到的决策值。

(b)加速策略

理论上而言，采用kkt条件对该问题进行转换是有解的。但是实际应用中，kkt条件会引入过多双线性约束，从而会有过多的大m约束，使得整个问题的可行域非常不稳定，造成求解困难。因此本发明采用强对偶定理(strongdualitytheory)来代替kkt条件，以加速问题的求解。如果用强对偶定理来代替kkt条件，公式(34)变为：

公式(37)同样存在双线性约束。根据现有技术可知，最严重的场景一定是发生在风光出力波动的最大值或最小值，因此可用下述线性约束来描述不确定场景g(u)：

式中：和为风电、光伏出力的最大上下偏差；为0-1整数变量。此时，约束中的双线性项变为连续变量乘以0-1变量引入变量分别替代和并采用大m法，可得混合线性整数规划表达式：

虽然强对偶定理同样会引入大m约束，但是其大m约束数量仅和含随机变量约束的数量一致。以本发明模型为例，如果采用kkt条件，公式(14)-公式(20)，公式(22)-公式(26)，公式(29)-公式(30)均需要应用大m法进行转换。而如果采用强对偶定理，仅公式(23)和公式(30)需要利用大m法转换。显然，用强对偶定理代替kkt条件，模型中的大m约束数量将会显著降低，其求解域也会变得稳定。

(c)收敛判断

ccg主问题(公式(32))的目标函数值是原问题目标函数的下界lb^out，而ccg子问题(公式(37))得到的值是原问题目标函数的上界ub^out。若ub^out和lb^out满足如下收敛判据，则终止外层迭代

|ub^out-lb^out|≤ε；(40)

ε为一足够小常数。

内层迭代为nccg算法，其中，nccg主问题(公式(34))的目标函数值是内层循环nccg原问题(公式(33))的目标函数的下界lbⁱⁿ，而nccg子问题(公式(36))得到的值是原问题目标函数的上界ubⁱⁿ。若ubⁱⁿ和lbⁱⁿ满足如下收敛判据，则终止内层迭代。

|ubⁱⁿ-lbⁱⁿ|≤ε；(41)

(d)算法流程

综上所述，双层ccg算法流程如下：

步骤1、设定初值k＝0，初始上界ub^out＝+∞，初始下界lb^out＝-∞；

步骤2、求解ccg主问题(公式(32))，得到x^*；更新外层迭代下界lb^out＝a^t·x^*+η^*；

步骤3、设定ccg子问题中nccg算法的初值r＝1，初始上界ubⁱⁿ＝+∞，初始下界lbⁱⁿ＝-∞，并给定整数变量初始值i^sub,o＝0*；

步骤4、求解nccg主问题(公式(37))：如果该问题有解，则得到场景g^r(u)并更新下界lbⁱⁿ＝max{δ,lbⁱⁿ}，进入步骤5；如果该问题无解，则直接将场景g^r(u)返回公式(32)，并进入步骤3；

步骤5、将场景代入nccg子问题(公式(36))，并求解，更新上界ubⁱⁿ＝b^t·y；

步骤6、如果不满足公式(41)，则令r＝r+1，将求得的整数变量值代入到公式(37)，并进入步骤4；如果满足公式(41)，则令ubⁱⁿ＝ub^out，并进入步骤7；

步骤7、判断公式(40)是否满足，若不满足，将场景g^r(u)返回公式(32)，令k＝k+1；如果满足公式(40)，则终止迭代，输出规划结果。

基于上述实施例的内容，本发明实施例提供了一种电力系统的风光储鲁棒配置装置，该电力系统的风光储鲁棒配置装置用于执行上述方法实施例中提供的电力系统的风光储鲁棒配置方法。参见图3，该装置包括：

创建模块301，用于创建风光储鲁棒配置模型；其中所述风光储鲁棒配置模型包括事故后系统频率响应模型、用于参与事故后频率支撑的储能装置、两阶段目标函数、事故前系统运行约束条件以及事故后系统运行约束条件，所述两阶段目标函数中的第一阶段目标函数为风电和光伏机组规划成本、水电开关机成本和储能日历老化成本，所述两阶段目标函数中的第二阶段目标函数为最劣场景下的水电机组运行成本和储能循环老化成本；

转换模块302，用于将所述风光储鲁棒配置模型转换为混合整数线性规划milp优化模型；

处理模块303，用于基于预设的双层循环算法对所述milp优化模型进行求解，输出配置结果；其中所述双层循环算法中的内层循环用于寻找所述最劣场景，所述双层循环算法中的外层循环用于求解包含所有已获得场景下的机组组合方案。

本发明实施例提供的电力系统的风光储鲁棒配置装置，提出了考虑频率支撑能力的全清洁能源电力系统风光储鲁棒优化配置模型，充分考虑了储能装置对电力系统的频率支撑作用，有助于提升电力系统的安全性和稳定性。同时，引入两阶段鲁棒优化方法处理风光出力的不确定，使得调度计划能够准确分配用于应对风光出力不确定性和应对低频故障的储能功率和能量备用，进而得到更加符合实际的储能配置结果。最后，对所提规划模型采用双层循环算法进行求解，具有计算高效简单、易于投入工程实践等优点。

在一些可能的实施例中，所述储能装置参与事故后频率支撑的模式为：事故发生后向电力系统注入最大有功功率，减小同步发电机调频能力负担的剩余功率缺额，以确保系统频率变化量和频率最小值不越限。

本发明实施例的电力系统的风光储鲁棒配置装置，可以用于执行前述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)401、通信接口(communicationsinterface)402、存储器(memory)403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储器403中的逻辑指令，以执行如下方法：创建风光储鲁棒配置模型；其中所述风光储鲁棒配置模型包括事故后系统频率响应模型、用于参与事故后频率支撑的储能装置、两阶段目标函数、事故前系统运行约束条件以及事故后系统运行约束条件，所述两阶段目标函数中的第一阶段目标函数为风电和光伏机组规划成本、水电开关机成本和储能日历老化成本，所述两阶段目标函数中的第二阶段目标函数为最劣场景下的水电机组运行成本和储能循环老化成本；将所述风光储鲁棒配置模型转换为混合整数线性规划milp优化模型；基于预设的双层循环算法对所述milp优化模型进行求解，输出配置结果；其中所述双层循环算法中的内层循环用于寻找所述最劣场景，所述双层循环算法中的外层循环用于求解包含所有已获得场景下的机组组合方案。

此外，上述的存储器403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各实施例提供的方法，例如包括：创建风光储鲁棒配置模型；其中所述风光储鲁棒配置模型包括事故后系统频率响应模型、用于参与事故后频率支撑的储能装置、两阶段目标函数、事故前系统运行约束条件以及事故后系统运行约束条件，所述两阶段目标函数中的第一阶段目标函数为风电和光伏机组规划成本、水电开关机成本和储能日历老化成本，所述两阶段目标函数中的第二阶段目标函数为最劣场景下的水电机组运行成本和储能循环老化成本；将所述风光储鲁棒配置模型转换为混合整数线性规划milp优化模型；基于预设的双层循环算法对所述milp优化模型进行求解，输出配置结果；其中所述双层循环算法中的内层循环用于寻找所述最劣场景，所述双层循环算法中的外层循环用于求解包含所有已获得场景下的机组组合方案。

以上所描述的装置实施例仅仅是示意性的，其中所述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所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。