一种面向低碳电力系统的鲁棒经济调度确定方法及系统与流程

本发明涉及电力系统优化调度领域，特别是涉及一种面向低碳电力系统的鲁棒经济调度确定方法及系统。

背景技术：

经济调度(EconomicDispatch，ED)是电力系统运行中最基本、最重要的问题之一，其主要任务是以最低发电成本在满足运行约束的前提下完成电能生产任务。由于技术先进、排放较低的大型火电机组上网电价往往较高，导致调度清洁性与经济性相互矛盾。为兼顾电力系统调度的清洁性与经济性，目前主要采用排放约束经济调度(EmisionConstrainedEconomicDispatch，ECED)和环境/经济调度(Environmental-EconomicDispatch，EED)。

ECED在传统经济调度模型里加入额外的排放量约束，所得调度策略的排放不会超过模型中给定的配额给定，同时ECED是传统的单目标优化问题，易于求解，若没有明确的碳排放配额，则可采用EED。作为双目标优化，EED同时优化发电成本和二氧化碳排放量，解决EED的方法可以分为两类：第一类将EED转化为单目标问题以便获取可以兼顾两个目标的优化策略，包括目标规划法和加权平均法；其中，目标规划法是以发电成本或排放量之一作为优化目标，而将另一目标满足某一特定的指标作为约束条件，排放约束经济调度即为此类方法的代表；加权平均法是将两个目标的加权和作为优化目标，从而将EED转化为单目标优化问题。显然，如何选取约束条件的临界值和目标函数的权重值是目标规划法和加权平均法的关键问题，这适合于调度员对某个目标有主观倾向的情况。第二类则为调度员提供整个Pareto前沿或多个分布均匀的非劣解，调度员根据具体情况选择一个合理解作为调度策略。目前，大多数研究集中在如何生成Pareto前沿或均匀分布的非劣解集合。

在过去的十几年中，新技术的应用促成了多种低碳发电方法，如以风力发电为代表的可再生能源发电无需化石燃料，以及在大型火电机组上加装碳捕捉设备，均可显著减少二氧化碳的排放，然而，新问题亦随之而生。一方面，虽然可再生能源发电清洁廉价，但其间歇性和波动性对电力系统调度构成了巨大挑战，一些现有研究在洁净经济调度中利用随机性概率分布考虑风力发电，优化发电成本和排放数量的期望值，然而，精确的概率分布函数往往难以获得。近来，两阶段鲁棒优化(TwoStageRobustOptimization，TSRO)成为解决不确定环境下决策问题的有力工具，并已应用机组组合、经济调度、发电和备用联合优化、以及潮流优化等电力系统调度问题。与概率模型相比，二阶鲁棒优化使用集合描述潜在的不确定性，只需要关于不确定因素的简单信息，比如期望值和方差，但是，二阶鲁棒优化尚未用于电力调度中的双目标优化问题，且应用于经济调度确定时的灵活性不够。另一方面，尽管碳捕捉机组(CarbonCapturePlants，CCPs)在经济调度确定问题上更灵活，由于风电等新能源发电机组的接入，引起了发电机组处理的不确定性与随机性，无法确定双目标优化问题的最优解，即电力系统的最优鲁棒经济调度，且碳捕捉设备的额外能源消耗会增加发电成本，在确定鲁棒经济调度的同时无法兼顾发电成本以及碳排放量。

技术实现要素：

本发明的目的是提供一种面向低碳电力系统的鲁棒经济调度确定方法及系统，以解决现有技术中无法在确定鲁棒经济调度的同时无法兼顾发电成本以及碳排放量的问题。

为实现上述目的，本发明提供了如下方案：

一种面向低碳电力系统的鲁棒经济调度确定方法，包括：

获取碳捕捉机组CCPs的运行数据；所述运行数据包括发电成本、碳排放量以及在风力发电值下的运行约束条件；所述运行约束条件由每个风电场的出力值确定，所述运行约束条件为所述风电场出力的不确定集；

根据所述运行数据建立鲁棒经济调度模型；所述鲁棒经济调度模型的调度过程包括预调度过程和再调度过程；所述预调度过程为发电计划，当实际风电处理确定后，在所述预调度过程的基础上部署再调度过程；

根据所述鲁棒经济调度模型确定Pareto最优解集；

利用纳什Nash协商准则在所述Pareto最优解集中确定调度策略；所述调度策略兼顾所述发电成本以及所述碳排放量；

根据所述调度策略，利用黄金分割法确定鲁棒经济调度。

可选的，所述获取碳捕捉机组CCPs的运行数据之前，还包括：

获取所述CCPs的总功率、网侧功率以及碳捕捉量；

根据所述总功率、所述网侧功率以及所述碳捕捉量确定所述CCPs的运行状态。

可选的，所述根据所述运行数据建立鲁棒经济调度模型，具体包括：

根据公式确定所述CCPs的总发电成本；

根据公式确定所述CCPs的二氧化碳总排放量；

根据公式s.t.x＝{p^Gf,p^Nf,E^Cf,r^C,p^f,r^G}∈X确定预调度；

根据公式确定再调度；

根据所述总发电成本、所述二氧化碳总排放量、所述预调度以及所述再调度建立鲁棒经济调度模型；

其中，F^C为总发电成本，ai、bi为CCPs机组i的发电成本系数；为CCPs机组i预调度的总出力；为CCPs机组i预调度的网侧出力；ci为CCPs机组i的备用成本系数，ri^C为CCPs机组i提供的旋转备用容量；aj、bj为传统机组j的发电成本系数，为传统机组j预调度的出力，cj为传统机组j的备用成本系数，为传统机组j提供的旋转备用容量，F^E为二氧化碳总排放量，ei为CCPs机组i的排放系数，为CCPs机组i预调度的CO2捕捉量，ej为传统机组j的排放系数；x为预调度，X为预调度x的不确定集W^D，即在风力发电值下的运行约束条件，又称鲁棒可行性约束；为CCPs机组i预调度的CO2捕捉量；ri^C为CCPs机组i提供的旋转备用容量；为传统机组j预调度的出力；为传统机组j提供的旋转备用容量；为CCPs机组i再调度的总出力；为CCPs机组i再调度的网侧出力；为CCPs机组i再调度的CO2捕捉量；为传统机组j再调度的出力；Y(x,w)为再调度的可行集。

可选的，所述根据公式s.t.x＝{p^Gf,p^Nf,E^Cf,r^C,p^f,r^G}∈X确定预调度，具体包括：

根据公式确定所述预调度；

其中，为CCPs机组i的爬坡率；为传统机组j的爬坡率；Δt为调度时段时长；为风电场k出力预测值，wi^C为CCPs机组i捕捉单位CO2的能耗；γi为CCPs机组i的捕捉效率；Qq为负荷q的功率需求；为CCPs机组i捕捉系统的固定能耗；πil为从CCPs机组i到传输线l的功率转移分布因子；πjl为从传统机组j到传输线l的功率转移分布因子；πkl为从风电场k到传输线l的功率转移分布因子；πql为从负荷q到传输线l的功率转移分布因子；Fl^C为传输线l的容量。

可选的，所述根据公式确定再调度，具体包括：

根据公式确定再调度；

其中，为风电场k的实际出力，不确定集合中的变量，

一种面向低碳电力系统的鲁棒经济调度确定系统，包括：

运行数据获取模块，用于获取碳捕捉机组CCPs的运行数据；所述运行数据包括发电成本、碳排放量以及在风力发电值下的运行约束条件；所述运行约束条件由每个风电场的出力值确定；

鲁棒经济调度模型建立模块，用于根据所述运行数据建立鲁棒经济调度模型；所述鲁棒经济调度模型的调度过程包括预调度过程和再调度过程；所述预调度过程为发电计划，当实际风电处理确定后，在所述预调度过程的基础上部署再调度过程；

最优解集确定模块，用于根据所述鲁棒经济调度模型确定Pareto最优解集；

调度策略确定模块，用于利用纳什协商准则在所述Pareto最优解集中确定调度策略；所述调度策略兼顾所述发电成本以及所述碳排放量；

鲁棒经济调度确定模块，用于根据所述调度策略，利用黄金分割法确定鲁棒经济调度。

可选的，还包括：

CCPs参数获取单元，用于获取所述CCPs的总功率、网侧功率以及碳捕捉量；

运行状态确定单元，用于根据所述总功率、所述网侧功率以及所述碳捕捉量确定所述CCPs的运行状态。

可选的，所述鲁棒经济调度模型建立具体包括：

总发电成本确定单元，用于根据公式确定所述CCPs的总发电成本；

二氧化碳总排放量确定单元，用于根据公式确定所述CCPs的二氧化碳总排放量；

预调度确定单元，用于根据公式s.t.x＝{p^Gf,p^Nf,E^Cf,r^C,p^f,r^G}∈X确定预调度；

再调度确定单元，用于根据公式确定再调度；

鲁棒经济调度模块建立单元，用于根据所述总发电成本、所述二氧化碳总排放量、所述预调度以及所述再调度建立鲁棒经济调度模型；

其中，F^c为总发电成本，ai、bi为CCPs机组i的发电成本系数；为CCPs机组i预调度的总出力；为CCPs机组i预调度的网侧出力；ci为CCPs机组i的备用成本系数，ri^C为CCPs机组i提供的旋转备用容量；aj、bj为传统机组j的发电成本系数，为传统机组j预调度的出力，cj为传统机组j的备用成本系数，为传统机组j提供的旋转备用容量，F^E为二氧化碳总排放量，ei为CCPs机组i的排放系数，为CCPs机组i预调度的CO2捕捉量，ej为传统机组j的排放系数；x为预调度，X为预调度x的不确定集W^D，即在风力发电值下的运行约束条件，又称鲁棒可行性约束；为CCPs机组i预调度的CO2捕捉量；ri^C为CCPs机组i提供的旋转备用容量；为传统机组j预调度的出力；为传统机组j提供的旋转备用容量；为CCPs机组i再调度的总出力；为CCPs机组i再调度的网侧出力；为CCPs机组i再调度的CO2捕捉量；为传统机组j再调度的出力；Y(x,w)为再调度的可行集。

可选的，所述预调度确定单元具体包括：

预调度确定子单元，用于根据公式确定所述预调度；

其中，为CCPs机组i的爬坡率；为传统机组j的爬坡率；Δt为调度时段时长；为风电场k出力预测值，wi^C为CCPs机组i捕捉单位CO2的能耗；γi为CCPs机组i的捕捉效率；Qq为负荷q的功率需求；为CCPs机组i捕捉系统的固定能耗；πil为从CCPs机组i到传输线l的功率转移分布因子；πjl为从传统机组j到传输线l的功率转移分布因子；πkl为从风电场k到传输线l的功率转移分布因子；πql为从负荷q到传输线l的功率转移分布因子；Fl^C为传输线l的容量。

可选的，所述再调度确定单元具体包括：

再调度确定子单元，用于根据公式确定再调度；

其中，为风电场k的实际出力，不确定集合中的变量，

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供了一种面向低碳电力系统的鲁棒经济调度确定方法及系统，首先，通过考虑风电场出力的不确定性以及碳捕捉机组的运行数据，从而建立鲁棒经济调度模型，根据所建立的鲁棒经济调度模型确定鲁棒经济调度，从而能够兼顾发电成本以及碳排放量，提高低碳电力系统的稳定性；

其次，为了应对波动的风力发电对低碳电力系统调度的影响，将调度过程分为预调度过程以及再调度过程，所述预调度过程为发电计划，当实际风电处理确定后，在所述预调度过程的基础上部署再调度过程，预调度的鲁棒可行性保证了再调度过程的存在性，从而进一步提高低碳电力系统的稳定性；

采用Nash协商准则确定调度策略，能够为目标函数数量级不同的多目标优化问题提供合理的Pareto最优解，无需任何附加参数，能够为低碳调度模式提供参考，为调度员提供更可靠、经济及环保的调度策略。

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，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所提供的鲁棒经济调度确定方法流程图；

图2为本发明所提供的鲁棒经济调度确定系统结构图。

具体实施方式

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，所描述的实施例仅仅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做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。

本发明的目的是提供一种面向低碳电力系统的鲁棒经济调度确定方法及系统，以能够兼顾发电成本以及碳排放量，提高低碳电力系统的稳定性。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明所提供的鲁棒经济调度确定方法流程图，如图1所示，一种面向低碳电力系统的鲁棒经济调度确定方法，包括：

步骤101：获取碳捕捉机组CCPs的运行数据；所述运行数据包括发电成本、碳排放量以及在风力发电值下的运行约束条件；所述运行约束条件由每个风电场的出力值确定，所述运行约束条件为所述风电场出力的不确定集。

在步骤101之前，(1)采用p^G、p^N及碳捕捉量E^C这三个独立的变量来描述CCPs的运行状态，CCPs的能量平衡方程为：

p^N＝p^G-p^C-P^B (1.1)

其中，P^B、p^C分别为碳捕捉系统中的固定能耗和变化能耗。

通常可认为p^C与碳捕捉量E^C成正比，即：

p^C＝w^CE^C (1.2)

与此同时，E^C为总碳排放的一部分。因此其范围表示如下：

0≤E^C≤γep^G (1.3)

其中，e为CCPs的排放因子，表示单位总功率的边际碳排量；γ为CCPs的最大捕捉效率，w^C为CCPs机组捕捉单位CO2的能耗，此外，CCPs总出力需满足容量限制，即

P^l≤p^G≤P^u (1.4)

其中，P^l和P^u分别是CCPs总功率的最小值和最大值。

网侧碳排量E^N如下：

E^N＝ep^G-E^C (1.5)

由式(1.1)、(1.2)和(1.5)可知

E^N＝e(p^N+P^B)-(1-ew^C)E^C (1.6)

当网侧功率p^N一定时，为减小网侧碳排量E^N，应增加碳捕捉量E^C(由于能量损耗，必定有ew^C＜1)，以至于总功率p^G也将增加，导致发电成本上升。故清洁性与经济性是一对矛盾的目标函数。另一方面，由式(1.1)可知，即使总功率p^G保持不变，仍然能够通过改变p^C(或E^C)，来调节CCPs的网侧功率p^N。因此，CCPs能够为电力系统提供更加灵活的运行环境。

步骤102：根据所述运行数据建立鲁棒经济调度模型；所述鲁棒经济调度模型的调度过程包括预调度过程和再调度过程；所述预调度过程为发电计划，当实际风电处理确定后，在所述预调度过程的基础上部署再调度过程。

(2)风电不确定性建模：在鲁棒清洁经济调度中，用不确定集合W来描述变化的风电功率。鲁棒清洁经济调度是单时段调度问题。风电出力的变化特征，可通过以下三个方面简化：

(2-1)假设每个风电场的出力均在如下置信区间内

其中，为风电场k出力下界，为风电场k出力上界；

鉴于空间集群效应，每个风电场的出力值不可能同时达到其边界值。因此，可以用如下1-范数约束来控制风电总体绝对预测误差，参数Γ称为不确定性的预算

其中，为风电场k出力预测值；为风电场k出力预测区间之半，Γ为不确定性的预算.

(2-2)式(2.2)反映了统计学中的加权平均绝对误差，事实上，任何风电场的预测误差都不可能同时为正或负。换句话说，尽管总体绝对预测误差很大，预测误差总和仍可能会很小。用下式来限制总预测误差的大小：

其中，εr为总预测误差的上界；

(2-3)式(2.3)与统计学中的平均预测误差类似，通过适当地选择约束式(2.1)-(2.3)中的参数，可使得实际风电出力以一定概率出现在不确定集合W中，细节讨论如下：设想每个风电场风力发电的随机性是独立的，并且已知其预期值和方差

注意到1-范数约束(2.2)可以用2K+1个线性不等式(2.4)替代，

其中，vk是风电场的一个额外变量，包含约束式(2.1)-(2.3)的不确定集W可以写成一个多面体形式

即扩展不确定向量则扩展的不确定集W^D可定义为：

W^D＝{w|(2.1),(2.3),(2.4)}(3.2)

上述不确定集和W^D包含2K个连续型变量和总共4K+3个线性不等式。

(3)鲁棒清洁经济调度的数学模型：

(3-1)鲁棒洁净经济调度的数学模型可以表述为：

s.t.x＝{p^Gf,p^Nf,E^Cf,r^C,p^f,r^G}∈X (4.3)

其中，目标函数式(4.1)为总发电成本，包括电力生产成本、CCPs及传统机组的备用成本；目标函数式(4.2)为二氧化碳总排放量；式(4.3)为风力发电预测值下的运行约束条件；式(4.4)为不确定集W^D中所有可能的风力发电值下的运行约束条件，称为鲁棒可行性约束；y(w)表示y是关于w的函数，即再调度决策量y是根据不确定性w确定的，可理解为针对w的反馈；约束式(4.4)确保在任何可能的风电出力场景中，至少存在一个有效的调度策略使系统正常运行。

(3-2)预调度x的可行集合X为：

其中，约束(5.1)和(5.2)分别是计及旋转备用容量的CCPs和传统机组的容量限制；约束(5.3)是CCPs的能量平衡条件；约束(5.4)定义了二氧化碳的捕捉范围；约束(5.5)和(5.6)分别为风电出力预测场景中的系统平衡条件和传输容量限制；不等式(5.7)保证CCPs和传统发电机组具有足够的爬坡速度以提供相应的旋转备用容量。当风电场的实际输出偏离其预测值时，传统发电机组也应相应调整其输出。

(3-3)再调度的可行集Y(x,w)为：

其中，约束(6.1)和(6.2)在预调度基础上限定了再调度的调整范围；约束(6.3)-(6.6)是可能的风电出力场景下系统运行约束，含义与标称场景中的约束式(5.3)-(5.6)具有相似意义。

步骤103：根据所述鲁棒经济调度模型确定Pareto最优解集。

步骤104：利用纳什Nash协商准则在所述Pareto最优解集中确定调度策略；所述调度策略兼顾所述发电成本以及所述碳排放量。

步骤105：根据所述调度策略，利用黄金分割法确定鲁棒经济调度。

(4)求解方法：在鲁棒清洁经济调度模型(4)中，目标函数(4.1)为二阶凸函数，目标函数(4.2)与约束条件(4.3)为线性函数。式(4.4)归结为无穷多组线性不等式约束，故该模型为半无限双目标二次凸优化问题。

式(3.2)中的不确定集合W^D可表示为

Hw≤h

系数矩阵H和向量h对应于约束条件(2.1)，(2.3)及(2.4)中的系数。根据向量x和y的定义，约束条件(6.1)至(6.6)可写为如下形式

Ax+By(w)≤b-Cw

其中矩阵A，B，C及向量b对应于约束条件(6.1)至(6.6)中的系数。

(4-1)关键场景集及可行性辨识

鲁棒可行性约束(4.4)可表示为

描绘Λ的难点在于集合W^D中有无限多元素，但只有W^D的极值才有可能是起作用场景，因此可采用W^D的极点集vert(W^D)＝{w^d},d＝1,2,...,m简化约束(4.4)，其中m为极点的个数。如果即再调度可行域非空，那么W^D中的任何元素可表示为极点的凸组合，即相应的，再调度也能满足系统运行约束。有鉴于此，Λ可简化为：

定义关于x的场景约束集Ψ(C^S)为对给定的包含有限元素的结合C^S＝{w^s},s＝1,2,...,S，关于变量x的场景约束集为

定义关键场景集为，若Ψ(C^S)＝Λ，则称为一个关键场景集，其中C^S的元素被称为关键场景，关键场景集必定是W^D极点的子集，对预调度策略x施加了的鲁棒可行性约束，以确保再调度策略的存在性。鲁棒清洁经济调度问题的关键场景集并不是唯一的，不同的关键场景集对x的约束是相同的，在C^S的作用下，约束条件(4.4)可以表示成如下线性不等式

Ax+By^s≤b-Cw^s,s＝1,2,...,S(8)

从计算的角度，希望集合C^S中的元素越少越好。采用如下步骤：1)放宽公式(4.4)的限制，仅选择vert(W^D)的一个子集作为C^S的初始估计；2)求出预调度值x；3)检查x是否满足(4.4)，若不满足，找出使违反公式(4.4)的关键场景，将之加入集合C^S。持续上述过程直至约束条件(4.4)被满足。

对于给定的x，检验对任意w∈W^D集合Y(x,w)是否非空可归结为如下线性极大极小问题

其中，s⁺和s^-为正松弛向量。若最优值R＝0，那么约束(4.4)可以满足，x具有鲁棒可行性。若R>0，那么x不具有鲁棒可行性，最优解w即为一个关键场景。利用线性规划对偶原理可知，问题(9)等同于一个双线性规划(BLP)

其中，u是问题(9)中内部最小问题的对偶变量。注意到关于u和w的限制条件是解耦的，可将问题(10)线性化为如下互补约束线性规划

maxu^T(b-Ax)+ξ^Th (11.1)

s.t.B^Tu＝0,-1≤u≤0,C^Tu+H^Tξ＝0 (11.2)

0≤ξ⊥h-Hw≥0 (11.3)

其中，ξ表示W^D中约束条件的对偶变量，ξ⊥h－Hw表示ξ^T(h－Hw)＝0。通过引入附加0-1变量可将互补松弛条件(11.3)表示为线性约束，故问题(11)等价于如下混合整数线性规划(MILP)

其中，M是一个足够大的正数。集合W^D中共有4K+3个线性不等式，故向量θ有4K+3个0-1变量构成。MILP(12)可采用商业软件求解。注意到u＝0是BLP(10)的一个可行解，故MILP(12)中的最优值R必定是非负的。注意到MILP(12)的最优解也是BLP(10)的最优解，假设对偶变量解为u*，那么w*必定满足如下线性规划

max(b-Ax-Cw)^Tu^*

s.t.w∈W

由线性规划的性质可知，上述线性规划的最优解w^*∈vert(W^D)。

(4-2)Nash协商准则：鲁棒可行性约束(4.4)可被线性约束(8)取代，故鲁棒清洁经济调度问题(4)是线性约束的双目标优化问题，其Pareto最优解集X^P及Pareto前沿P^R可表示为

X^P＝∪λ∈[0,1]x(λ),P^R＝∪λ∈[0,1]PEC(x(λ)) (13.1)

当λ∈[0,1]时，x(λ)是如下以λ为参数的二次优化问题的最优解

min{λF^C+(1-λ)F^E|s.t.(4.3),(8)}(13.2)

PEC(x(λ))是二位坐标平面上的点，其横坐标为F^C(x(λ))，纵坐标为F^E(x(λ))，发电成本函数F^C和碳排放量函数F^E已经在(4.1)和(4.2)中定义。

利用Nash协商准则可在Pareto最优解集X^P中找到一个兼顾发电成本和碳排放量的调度策略。协商解是如下优化问题的最优解

其中，{FCD，FED}是协商破裂点，代表协商中一方能接受的最坏的结果，可选为

进一步考虑到Pareto解集可由单变量λ参数化，可以利用黄金分割法搜索X^P中的协商解。黄金分割法通过不断缩小包含极值的区间直至搜索区域小于给定的误差，算法流程如下。这里假定关键场景集C^S已知

算法1

步骤1:获取关键场景集C^S。令λ^a＝0，λ^b＝1。根据公式(13.4)和(13.5)分别计算谈判破裂点FCD和FED。设置常量φ＝0.618和收敛误差ε>0。

步骤2:令λ¹＝φλ^a+(1－φ)λ^b，λ²＝(1－φ)λ^a+φλ^b.在λ＝λ¹和λ＝λ²处求解问题(13.2)，最优解分别为x¹和x²。利用下式计算f¹和f²

步骤3:若λ^b－λ^a<ε，执行步骤5；否则执行步骤4.

步骤4:若f¹<f²，令λ^b＝λ²，λ²＝λ¹，f²＝f¹，λ¹＝φλ^a+(1－φ)λ^b，采用λ¹求解问题(13.2)，并将最优解x¹代入(14.1)得到f¹，到步骤3；否则令λ^a＝λ¹，λ¹＝λ²，f¹＝f²，λ²＝(1－φ)λ^a+φλ^b，采用λ²求解问题(13.2)，并将最优解x²代入(14.2)得到f²，到步骤3.

步骤5:结束，返回最优预调度策略x和权重λ^*＝0.5(λ¹+λ²)。

算法1中，区间[λ^a，λ^b]收缩到每个迭代过程中原始的长度的61.8％。因此，算法1将在n次迭代之后终止，这里n应满足φⁿ<ε，或者

n＝[ln(ε)/ln(φ)]+1≈1-2.08ln(ε) (15)

其中，[a]表示不超出a的最大整数，注意到算法1也提供了一个最优权重，此权重满足Nash协商准则。当调度员在经济性和清洁性上没有特殊偏好时，协商准则为选择折衷解提供了合理的解决方案。

(4-2)鲁棒清洁经济调度问题的求解算法：基于C&CG算法及上述结论，鲁棒清洁经济调度问题(4)的求解方法如下：

算法2:

步骤1:选择初始关键场景集

步骤2:利用C^S以及算法1求解如下松弛的主问题

min{F^C,F^E|s.t.(4.3),(8)} (16)

记最优解为x。

步骤3:固定当前x值求解MILP(12)。最优解中w部分为w^s，最优值为R，若R＝0，终止求解，返回预调度值x；否则更新C^S＝C^S∪w^s和约束条件(8)，返回步骤2。

步骤4:当实际风电出力被观测到以后，求解如下确定性清洁经济调度问题，获得实际调度策略

预调度x的鲁棒可行性保证问题(17)必定存在可行解。

图2为本发明所提供的鲁棒经济调度确定系统结构图，如图2所示，一种面向低碳电力系统的鲁棒经济调度确定系统，包括：

运行数据获取模块201，用于获取碳捕捉机组CCPs的运行数据；所述运行数据包括发电成本、碳排放量以及在风力发电值下的运行约束条件；所述运行约束条件由每个风电场的出力值确定；

鲁棒经济调度模型建立模块202，用于根据所述运行数据建立鲁棒经济调度模型；所述鲁棒经济调度模型的调度过程包括预调度过程和再调度过程；所述预调度过程为发电计划，当实际风电处理确定后，在所述预调度过程的基础上部署再调度过程。

最优解集确定模块203，用于根据所述鲁棒经济调度模型确定Pareto最优解集。

调度策略确定模块204，用于利用纳什协商准则在所述Pareto最优解集中确定调度策略；所述调度策略兼顾所述发电成本以及所述碳排放量。

鲁棒经济调度确定模块205，用于根据所述调度策略，利用黄金分割法确定鲁棒经济调度。

在实际应用中，还包括：CCPs参数获取单元，用于运行数据获取模块201获取碳捕捉机组CCPs的运行数据之前，获取所述CCPs的总功率、网侧功率以及碳捕捉量；运行状态确定单元，用于根据所述总功率、所述网侧功率以及所述碳捕捉量确定所述CCPs的运行状态。

在实际应用中，所述鲁棒经济调度模型建立具体包括：

总发电成本确定单元，用于根据公式确定所述CCPs的总发电成本；

二氧化碳总排放量确定单元，用于根据公式确定所述CCPs的二氧化碳总排放量；

预调度确定单元，用于根据公式s.t.x＝{p^Gf,p^Nf,E^Cf,r^C,p^f,r^G}∈X确定预调度；

再调度确定单元，用于根据公式确定再调度；

鲁棒经济调度模块建立单元，用于根据所述总发电成本、所述二氧化碳总排放量、所述预调度以及所述再调度建立鲁棒经济调度模型；

其中，F^C为总发电成本，ai、bi为CCPs机组i的发电成本系数；为CCPs机组i预调度的总出力；为CCPs机组i预调度的网侧出力；ci为CCPs机组i的备用成本系数，ri^C为CCPs机组i提供的旋转备用容量；aj、bj为传统机组j的发电成本系数，为传统机组j预调度的出力，cj为传统机组j的备用成本系数，为传统机组j提供的旋转备用容量，F^E为二氧化碳总排放量，ei为CCPs机组i的排放系数，为CCPs机组i预调度的CO2捕捉量，ej为传统机组j的排放系数；x为预调度，X为预调度x的不确定集W^D，即在风力发电值下的运行约束条件，又称鲁棒可行性约束；为CCPs机组i预调度的CO2捕捉量；ri^C为CCPs机组i提供的旋转备用容量；为传统机组j预调度的出力；为传统机组j提供的旋转备用容量；为CCPs机组i再调度的总出力；为CCPs机组i再调度的网侧出力；为CCPs机组i再调度的CO2捕捉量；为传统机组j再调度的出力；Y(x,w)为再调度的可行集。

在实际应用中，所述预调度确定单元具体包括：

预调度确定子单元，用于根据公式确定所述预调度；

其中，为CCPs机组i的爬坡率；为传统机组j的爬坡率；Δt为调度时段时长；为风电场k出力预测值，wi^C为CCPs机组i捕捉单位CO2的能耗；γi为CCPs机组i的捕捉效率；Qq为负荷q的功率需求；为CCPs机组i捕捉系统的固定能耗；πil为从CCPs机组i到传输线l的功率转移分布因子；πjl为从传统机组j到传输线l的功率转移分布因子；πkl为从风电场k到传输线l的功率转移分布因子；πql为从负荷q到传输线l的功率转移分布因子；Fl^C为传输线l的容量。

在实际应用中，所述再调度确定单元具体包括：

再调度确定子单元，用于根据公式确定再调度；

其中，为风电场k的实际出力，不确定集合中的变量，

本发明提供的鲁棒经济调度确定方法及系统，具有以下优势：1)构建了综合考虑碳捕捉机组运行和风力发电不确定性的鲁棒洁净经济调度模型，为了应对波动的风力发电对系统调度的影响，将调度过程分为预调度和再调度，预调度代表发电计划；当实际风电出力确定以后，在预调度的基础上部署再调度，预调度的鲁棒可行性保证了再调度策略的存在性。

2)用Nash协商准则来权衡发电成本和碳排放这两个目标。由于双目标优化问题的Pareto前沿可以用单变量参数化，并且协商函数在Pareto前沿上具有单峰性，故可采用一维黄金分割搜索算法求解Nash协商问题。Nash协商准则的优点是最优解不依赖于两个目标的数量级，这对于清洁经济调度问题这种目标函数表示不同物理量的问题颇具吸引力。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。