一种电网机组组合与技改计划联合优化方法与流程

1.本发明属于电网技改优化领域，具体涉及一种考虑输配协同的电网机组组合与技改计划联合优化方法。


背景技术：

2.电网设备数量多、分布广，随着运行时间的累积，高故障风险的设备或难以满足电网运行需求的设备不断增加。为保障电网的安全稳定运行，电网公司每年都会投入大量人力财力开展电网设备技术改造工作，其中技改计划编制是重要的一环。
3.目前，技改计划编制方法主要有两种：一是根据设备的运行状态评价结果和重要性评价结果进行改造紧迫程度定级排序，再根据专家经验编制计划；二是构建技改计划优化编制模型，采用某种算法求解得到技改计划。方法一由于编制过程过于依赖主观经验，正逐渐被方法二取代。对于方法二，目前大多不考虑与机组组合问题的联合优化，且仅面向输配两级中的一级，这在一定程度上限制了输配系统整体运行经济性的进一步提升。随着新型电力系统建设的不断推进，新能源在输配两级的渗透率不断提高，大量可控分布式发电(controllable distributed generation, cdg)接入传统配电网使其演变为主动配电网，输配两级间的供需关系将更为复杂。因此，有必要综合利用系统协同理论实现输配两级电网的机组组合与技改计划联合优化。


技术实现要素：

4.本发明的目的是克服现有技术中存在的上述问题，提供一种充分考虑输配网间功率协调关系且具有良好收敛性的电网机组组合与技改计划联合优化方法。
5.为实现以上目的，本发明提供了以下技术方案：一种电网机组组合与技改计划联合优化方法，依次包括以下步骤：步骤a、分别构建输电网、配电网的机组组合与技改计划联合优化子模型，所述输电网优化子模型、配电网优化子模型均以机组组合成本与技改成本之和最小为优化目标；步骤b、基于输配电网的拓扑、负荷、机组、新能源、技改项目以及电价参数，采用改进的目标级联分析算法对构建的输电网优化子模型、配电网优化子模型进行求解，得到输、配电网的机组组合与技改计划优化结果。
6.步骤b中，所述改进的目标级联分析算法的目标函数为：步骤b中，所述改进的目标级联分析算法的目标函数为：上式中，、分别为采用改进的目标级联分析算法对一致性约束处理后
输、配电网的目标函数，、分别为输、配电网的目标函数，为t时段与输电网相连的配电网k在输配边界节点处的显性惩罚因子，、分别为t时段与输电网相连的配电网k在输配边界节点处输电网向配电网、配电网向输电网传输的未知耦合变量，、分别为t时段与输电网相连的配电网k在输配边界节点处输电网向配电网、配电网向输电网传输的已知耦合变量，为与输电网相连的配电网数量，t为时段总数。
7.所述步骤b依次包括以下步骤：步骤b1、令迭代次数x = 0，并设置、、的初值及、、，其中，为与输电网相连的配电网k在输配边界节点处的隐性惩罚因子，为的增长率，、分别为耦合变量、全局目标的收敛精度；步骤b2、令x = x+1，求解配电网优化子模型，得到，即第x次迭代时的；步骤b3、求解输电网优化子模型，得到，即第x次迭代时的；步骤b4、通过下式判断全局目标是否收敛，若收敛，则进入步骤b5，否则对所有惩罚因子进行更新后返回步骤b2：上式中，、分别为除去切负荷惩罚项的输、配电网的目标函数，、分别为第x次迭代时的、，、分别为输、配电网的节点数量，、分别为t时段输电网节点n、配电网节点m的切负荷量，m为一个充分大的正数；步骤b5、通过下式判断耦合变量是否收敛，若收敛，则输出优化结果，否则对所有惩罚因子进行更新后返回步骤b2：
。
8.步骤b4、b5中，所述对所有惩罚因子进行更新的方式为：上式中，为第x次迭代时的值，为第x次迭代时的，为t时段与输电网相连的配电网k在输配边界节点处的隐性惩罚因子，e为自然底数。
9.步骤a中，所述输电网优化子模型的目标函数为：为：上式中，t为时段总数，、分别为输电网中火电机组的运行、开机成本，为输电网的弃风成本，为输电网向配电网售电的增益，、、分别为输电网技改施工成本、切负荷成本、切负荷惩罚项，为输电网中火电机组数量，、分别为火电机组i的购电成本一次系数及常系数，为火电机组i在t时
段的出力，为火电机组i的开机成本，为火电机组i在t时段的启停状态，开机时为1，反之为0，为输电网的弃风成本系数，、分别为输电网在t时段的风电预测及实际出力，为与输电网相连的配电网数量，为与输电网相连的配电网k的输配边界节点在t时段的电价，为t时段与输电网相连的配电网k在输配边界节点的等效负荷，其正方向为输电网指向配电网，d为技改计划时段总数，为输电网技改工程数量，为d时段输电网技改工程v的施工费，为d时段输电网技改工程v的施工状态，施工时为1，反之为0，为输电网的节点数量，为t时段节点n的单位切负荷成本，为t时段节点n的切负荷量，m为一个充分大的正数；所述配电网优化子模型的目标函数为：为：上式中，为与输电网相连的配电网k中cdg机组的运行成本，为与输电网相连的配电网k向输电网购电的成本，为与输电网相连的配电网k的弃风成
本，、、、分别为与输电网相连的配电网k的技改施工成本、切负荷成本、联络支路投切成本、切负荷惩罚项，为配电网内cdg机组数量，、分别为配电网内cdg机组i的购电成本一次系数及常系数，为t时段cdg机组i的出力，为t时段与输电网相连的配电网k在输配边界节点的等效有功注入，其正方向为输电网指向配电网，为与输电网相连的配电网k的输配边界节点在t时段的电价，为配电网的弃风成本系数，、分别为t时段配电网的风电预测出力和风电实际出力，为配电网技改工程数量，为d时段配电网技改工程s的施工费，为d时段配电网技改工程s的施工状态，施工时为1，反之为0，为配电网节点数，为t时段配电网节点m的切负荷成本系数，为t时段配电网节点m的切负荷量，为联络支路数量，为联络支路q的单次投切成本，为t时段联络支路q的投切状态，投入时为1，反之为0，m为一个充分大的正数。
10.所述输电网优化子模型的约束条件包括火电机组出力约束、火电机组启停时间约束、火电机组爬坡率约束、风电出力约束、系统功率平衡约束、系统备用约束、输电网潮流约束、线路容量约束、技改施工状态约束、技改施工关联约束；所述配电网优化子模型的约束条件包括cdg出力约束、线路容量约束、风电出力约束、配电网潮流约束、配电网拓扑约束、节点电压约束、变电站容量约束、技改施工状态约束、技改施工关联约束。
11.步骤b中，所述输电网的机组组合与技改计划优化结果包括：火电机组启停状态、火电机组出力、节点切负荷量、输配边界功率、风电出力、技改施工计划、火电机组运行成本、火电机组开机成本、输电网弃风成本、输电网向配网售电的增益、输电网施工成本、输电网切负荷成本；所述配电网的机组组合与技改计划优化结果包括：cdg启停状态、cdg出力、节点切负荷量、联络支路投切状态、风电出力、技改施工计划、cdg运行成本、配电网向输电网购电的成本、配电网弃风成本、配电网施工成本、配电网切负荷成本、联络支路投切成本。
12.与现有技术相比，本发明的有益效果为：本发明一种电网机组组合与技改计划联合优化方法先以机组组合成本与技改成本之和最小为目标，分别构建输电网、配电网的机组组合与技改计划联合优化子模型，然后基于输配电网的拓扑、负荷、机组、新能源、技改项目以及电价参数，采用改进的目标级联分析算法对构建的输电网优化子模型、配电网优化子模型进行求解，得到输、配电网的机组组合与技改计划优化结果，一方面，该方法提出的机组组合与技改计划联合优化模型可以有效兼顾系统的负荷供电需求与技改施工需求，合理安排机组的启停计划及技改项目的施工计划，从而使系统的机组组合成本与技改施工成本最优，另一方面，本方法基于改进的目标级联分析算法对优化问题进行求解，该算法具有良好的收敛性，并且可通过分解庞大的输
配协同优化模型达到提高收敛性的效果，在高比例新能源电力系统中表现出很强的适应性，能够有效地协调输配双方的边界功率，大幅降低弃风比例。因此，本发明不仅有效兼顾系统的负荷供电需求与技改施工需求，而且提高了收敛性，在高比例新能源电力系统中表现出很强的适应性。
附图说明
13.图1为输配协同优化问题的分解示意图。
14.图2为实施例1的输配系统拓扑结构图。
15.图3为实施例1的优化结果中机组启停状态分布图。
16.图4为实施例1的优化结果中技改计划分布图。
17.图5为实施例1的优化结果中联络支路投切状态分布图。
18.图6为实施例1的配网拓扑变化图。
19.图7为t=139h的输配耦合变量迭代曲线。
20.图8为输配成本迭代曲线。
21.图9为风电倍率对优化目标的影响示意图。
22.图10为风电倍率对弃风比例的影响示意图。
具体实施方式
23.下面结合具体附图以及实施方式对本发明作进一步的说明。
24.本发明提供了一种电网机组组合与技改计划联合优化方法，选取输配边界节点有功功率作为耦合变量，将输配全局优化问题分解为输电网优化子问题和配电网优化子问题，如图1所示。系统分解后，输配边界节点有功功率在输电网侧等效为负荷，在配电网侧等效为电源。在优化过程中，边界耦合变量需满足一致性约束，如下式所示：在满足上述一致性约束的条件下，当分解后的各个输配电网个体优化目标收敛时，可认为输配全局优化目标（）达到最优。
25.目标级联分析（atc）算法是一种常用的多主体、多层级分布式优化算法，在本质上属于最优化理论中的乘子法。在atc优化框架下，输网与配网各自对所管辖区域进行优化，并将输配边界耦合变量的优化结果传输至对方调控中心，各调控中心通过在目标函数中增加耦合变量协同优化惩罚项使得自身耦合变量取值不断向对方提供的耦合变量靠拢，交替迭代一定次数后使得耦合变量满足上述一致性约束，从而达到输配全局最优。
26.常规atc算法的耦合变量协同优化惩罚项通常采用二阶对角罚函数、拉格朗日对偶罚函数等形式，这些罚函数中均含有耦合变量平方项。本发明所涉及的问题为机组组合与技改计划联合优化问题，具有0
‑
1状态变量多、输配耦合变量维度高、优化时间尺度大的特点，采用以上形式的罚函数难以保证优化模型的收敛，因此本发明提出一种改进atc算法，该算法对一致性约束处理后的目标函数为：
实施例1：一种电网机组组合与技改计划联合优化方法，依次按照以下步骤进行：1、分别构建输、配电网的机组组合与技改计划联合优化子模型，其中，所述输电网优化子模型的目标函数为：为：上式中，t为时段总数，、分别为输电网中火电机组的运行、开机成本，为输电网的弃风成本，为输电网向配电网售电的增益，、、分别为输电网技改施工成本、切负荷成本、切负荷惩罚项，为输电网中火电机组数量，、分别为火电机组i的购电成本一次系数及常系数，为火电机组i在t时段的出力，为火电机组i的开机成本，为火电机组i在t时段的启停状态，开机时
为1，反之为0，为输电网的弃风成本系数，、分别为输电网在t时段的风电预测及实际出力，为与输电网相连的配电网数量，为与输电网相连的配电网k的输配边界节点在t时段的电价，为t时段与输电网相连的配电网k在输配边界节点的等效负荷，其正方向为输电网指向配电网，d为技改计划时段总数，为输电网技改工程数量，为d时段输电网技改工程v的施工费，为d时段输网技改工程v的施工状态，施工时为1，反之为0，为输电网的节点数量，为t时段节点n的单位切负荷成本，为t时段节点n的切负荷量，m为一个充分大的正数；所述输电网优化子模型的约束条件包括火电机组出力约束、火电机组启停时间约束、火电机组爬坡率约束、风电出力约束、系统功率平衡约束、系统备用约束、输电网潮流约束、线路容量约束、技改施工状态约束、技改施工关联约束；所述火电机组出力约束为：上式中，、分别为火电机组i的最小技术出力、额定出力；所述火电机组启停时间约束为：上式中，、分别为t时段火电机组i开、关机后的状态保持时间，、分别为火电机组i的最小开、关机时间；所述火电机组爬坡率约束为：上式中，、分别为火电机组i的上、下爬坡率；所述风电出力约束为：所述系统功率平衡约束为：上式中，为t时段节点n的负荷预测值；所述系统备用约束为：
上式中，、分别为负荷、风电预测误差，为t时段输配全局负荷预测值，为t时段输配全局风电预测值；所述输电网潮流约束为：上式中，为t时段节点n1、n2之间线路传输的有功功率，上标*代表标幺值，、为t时段节点n1、n2的电压相位，为节点n1、n2之间线路电抗，为t时段节点n的注入功率，该注入功率为节点负荷、机组出力、切负荷量的叠加，h
n
为与节点n相连的节点集合；所述线路容量约束为：上式中，为节点n1、n2之间线路传输容量上限；所述技改施工状态约束为：所述技改施工状态约束为：
上式中，为技改工程v所需的工期，为d时段技改工程v的施工状态，为d时段技改工程v的施工开始状态，若技改工程v在d时段开始施工则该值为1，反之为0，为d时段技改工程v的施工结束状态，若技改工程v在d时段完成施工则该值为1，反之为0；所述技改施工关联约束为：技改对象的施工状态对其自身支路潮流有影响，对于未进行施工的时段，其支路潮流满足直流潮流表达式，反之，其支路潮流为0，如表1所示：假设技改工程v的施工线路两端节点为n1、n2，采用大“m”法将该表转化为线性表达式，以第3组为例给出如下约束条件：
上式中，为24h；所述配电网优化子模型的目标函数为：为：上式中，为与输电网相连的配电网k中cdg机组的运行成本，为与输电网相连的配电网k向输电网购电的成本，为与输电网相连的配电网k的弃风成
本，、、、分别为与输电网相连的配电网k的技改施工成本、切负荷成本、联络支路投切成本、切负荷惩罚项，为配电网内cdg机组数量，、分别为配电网内cdg机组i的购电成本一次系数及常系数，为t时段cdg机组i的出力，为t时段与输电网相连的配电网k在输配边界节点的等效有功注入，其正方向为输电网指向配电网，为与输电网相连的配电网k的输配边界节点在t时段的电价，为配电网的弃风成本系数，、分别为t时段配电网的风电预测出力和风电实际出力，为配电网技改工程数量，为d时段配网技改工程s的施工费，为d时段配电网技改工程s的施工状态，施工时为1，反之为0，为配电网节点数，为t时段配电网节点m的切负荷成本系数，为t时段配电网节点m的切负荷量，为联络支路数量，为联络支路q的单次投切成本，为t时段联络支路q的投切状态，投入时为1，反之为0，m为一个充分大的正数；所述配电网优化子模型的约束条件包括cdg出力约束、线路容量约束、风电出力约束、配电网潮流约束、配电网拓扑约束、节点电压约束、变电站容量约束、技改施工状态约束、技改施工关联约束；所述cdg出力约束为：上式中，、分别为cdg机组i的最小技术出力、额定出力；所述线路容量约束为：上式中，为t时段节点m1、m2之间线路传输的有功功率，为节点m1、m2之间线路传输容量上限；所述风电出力约束为：；所述配电网潮流约束为：
上式中，、分别为t时段节点m1、m2之间的线路有功功率、无功功率，上标*代表标幺值，、分别为节点m1、m2之间的线路电感、电纳，、分别为t时段节点m1、m2的电压幅值，、分别为t时段节点m1、m2的电压相位，、分别为t时段节点m的注入有功、无功功率，两种注入功率均为节点负荷、机组出力、切负荷量的叠加，、分别为t时段节点m、j之间的线路有功功率、无功功率，h
m
为与节点m相连的节点集合；所述配网拓扑约束为：所述配网拓扑约束为：所述配网拓扑约束为：上式中，为t时段节点m1、m2之间的主从状态，若m1为m2的父节点则该值取1，反之则取0，为d时段配电网中技改工程s的施工状态，施工时为1，反之为0，为d时段技改工程s的施工开始状态，若技改工程s在d时段开始施工则该值为1，反之为0，为d时段技改工程s的施工结束状态，若技改工程s在d时段结束施工则该值为1，反之为0，为技改工程s施工线路两端节点的集合，为联络支路q两端节点的集合；上述第1个式子说明，节点m1、m2之间的主从状态可用于指示两节点间线路的连通
状态，连通时m1、m2之间主从关系唯一确定，主从状态和为1；断开时m1、m2之间不存在主从关系，主从状态和为0；上述第2个式子进一步讨论了主从状态的取值情况，若节点上述之间的线路为常规线路，则其恒为连通状态，主从状态和为1；若该线路为联络支路，则主从状态和为联络支路投切状态，取值由第3个式子决定；若该线路为技改对象，则主从状态和受线路自身施工状态的影响，未进行施工的时段主从状态和为1，反之为0；上述第3个式子说明，输配边界节点没有父节点，其余节点有且只有一个父节点，从而使配电网拓扑为辐射状；当时，所述主从状态取值如表2所示：上表转化为线性约束条件的方法与表1类似；所述节点电压约束为：上式中，、分别为配电网节点电压最小值、最大值，为t时段节点m的电压；所述变压器容量约束为：上式中，为t时段与输电网相连的配电网k的输配边界节点处的等效无功注入，为与输电网相连的配电网k的输配边界节点的变压器传输容量上限；
所述施工状态约束为：所述施工状态约束为：所述施工状态约束为：所述施工状态约束为：上式中，为技改工程s所需的工期；所述技改施工关联约束为：配网技改对象的施工状态对支路潮流有影响，可转化为节点主从状态对支路潮流的影响。任意两节点间线路连通时，其潮流满足改进直流潮流约束，反之为0，如下式所示：约束1：约束2：约束3：
约束4：；2、确定输配电网的拓扑、负荷、机组、新能源、技改项目以及电价等参数，其中部分参数设置如下：运行环境：在cpu型号为intel xeon gold 2.70 ghz、内存为256 gb的计算机上进行测试，输配优化模型均通过matlab 2020b调用yalmip求解，求解器选用gurobi 9.1；优化时间尺度：1个自然周，对于机组组合问题而言，优化时间尺度为168h，对于技改计划编制问题而言，优化时间尺度为7d；负荷参数：负荷预测误差为5%；拓扑参数：拓扑结构图如图2所示；风电参数：风电预测误差20%，弃风成本系数200$/(mw
·
h)，功率因数0.95；其他参数：配电网节点电压上、下限标幺值分别取1.1、0.9，输配边界变压器容量上限取300mva，配电网联络支路投切成本取200$/次；3、令迭代次数x = 0，并设置、、的初值分别为0.5、0.5、0， 为1.4，、分别为0.001、0.01，其中，为与输电网相连的配电网k在输配边界节点处的隐性惩罚因子，为的增长率，、分别为耦合变量、全局目标的收敛精度；4、令x = x+1，采用改进的目标级联分析算法求解配电网优化子模型，得到，即第x次迭代时的，其中，所述改进的目标级联分析算法的目标函数为：上式中，为采用改进的目标级联分析算法对一致性约束处理后配电网的目标函数，为配电网的目标函数，为t时段与输电网相连的配电网k在输配边界节点处的显性惩罚因子，为t时段与输电网相连的配电网k在输配边界节点处配电网向输电网传输的未知耦合变量，为t时段与输电网相连的配电网k在输配边界节点处配电网向输电网传输的已知耦合变量，t为时段总数；5、采用改进的目标级联分析算法求解输电网优化子模型，得到，即第x次迭代时的，其中，所述改进的目标级联分析算法的目标函数为：上式中，为采用改进的目标级联分析算法对一致性约束处理后输电网的目
标函数，为输电网的目标函数，为t时段与输电网相连的配电网k在输配边界节点处输电网向配电网传输的未知耦合变量，为t时段与输电网相连的配电网k在输配边界节点处输电网向配电网传输的已知耦合变量，为与输电网相连的配电网数量；6、通过下式判断全局目标是否收敛：上式中，、分别为除去切负荷惩罚项的输、配电网的目标函数，、分别为第x次迭代时的、，、分别为输、配电网的节点数量，、分别为t时段输电网节点n、配电网节点m的切负荷量，m为一个充分大的正数；若收敛，则进入步骤7，否则按下式对所有惩罚因子进行更新后返回步骤4：上式中，为第x次迭代时的值，为第x次迭代时的，为t时段与输电网相连的配电网k在输配边界节点处的隐性惩罚因子，e为自然底数；上式说明，耦合变量差值越大，的更新幅度越大，但差值对更新幅度的导数越小，从而在加快收敛的同时避免因耦合变量过调而错过全局最优解；此外，在迭代初期，耦合变量差值较大，的更新幅度主要由对数项决定；随着迭代次数增加，耦合变量差值接近于0，此时对数项不再起决定作用，的更新幅度主要由决定；7、通过下式判断耦合变量是否收敛：若收敛，则输出输、配电网的机组组合与技改计划优化结果，所述输电网的机组组合与技改计划优化结果包括：火电机组启停状态、火电机组出力、节点切负荷量、输配边界功率、风电出力、技改施工计划、火电机组运行成本、火电机组开机成本、输网弃风成本、输
网向配网售电的增益、输网施工成本、输网切负荷成本，所述配电网的机组组合与技改计划优化结果包括：cdg启停状态、cdg出力、节点切负荷量、联络支路投切状态、风电出力、技改施工计划、cdg运行成本、配网向输网购电的成本、配网弃风成本、配网施工成本、配网切负荷成本、联络支路投切成本，否则对所有惩罚因子进行更新并返回步骤3。
27.采用上述方法得到的优化结果中，机组启停状态如图3所示；技改施工计划如图4所示，t4
‑
5表示输电网节点4与节点5之间的线路，d2
‑
3表示配电网节点2与节点3之间的线路，其余同理；联络支路投切状态如图5所示；配网拓扑变化如图6所示；输、配成本如表3所示：由图3可知，优化后的机组组合在满足1周负荷需求的同时，具有大容量机组负担基荷、中小容量机组负担腰荷与峰荷的特征。结合负荷预测曲线，双休日负荷明显偏高，系统会调用机组g2以支撑双休日峰荷，而在工作日，小容量机组g1、g2并没有投入使用，这体现出机组组合结果对负荷日历属性的适应性。结合表3分析，输配电网中弃风成本均为0，说明机组组合结果能够满足风电消纳需求。此外，表3中配网的cdg运行成本明显高于购电成本，体现了配网自给自足、差额购电、余量返送的供电特征。
28.由图4可知，输电网技改计划均安排在工作日，一方面为了避开双休日负荷高峰，另一方面为了避免支付双休日高昂的附加施工费用。配电网技改计划同样安排在工作日，但不同技改项目的施工时间并没有重叠，这主要是为了避免联络支路频繁投切，从而保证配电网拓扑结构相对稳定。由图5、图6可知，配电网技改项目施工时联络支路能够及时投入运行，从而保证配电网拓扑呈辐射状，避免出现切负荷。结合表3分析，输、配电网中切负荷成本均为0，说明本发明所提联合优化模型能够兼顾机组组合与技改计划的优化需求，避免出现切负荷。
29.为分析本发明所述改进的目标级联分析算法的收敛性，对实施例1所采用的系统进行集中式优化，集中式优化后的输配成本结果如表4所示。此外，本发明t = 139 h(该时段迭代结果最大)的输配边界耦合变量迭代曲线如图7所示，输配成本迭代曲线如图8所示：
对比分析表3、表4中的数据可知，采用本发明方法计算得出的输配总成本，仅比集中式优化结果高0.1353%，说明本发明方法对于求解机组组合与技改计划联合优化问题具有较好的收敛性。结合图7、图8分析，分布式优化经过10次迭代后达到收敛，迭代初期较小，耦合变量协同优化惩罚项对经济性目标的牵制作用较小，输配双方可以充分表达自身的经济利益诉求，此时输配双方成本均较低；随着迭代次数的增加，不断增大，这使得输配双方在寻求自身经济性最优的同时不断提高对耦合变量一致性约束的兼顾程度，在此过程中输配双方成本呈上升趋势；最终，输配双方满足一致性约束，完成迭代。
30.为考察惩罚因子、耦合变量以及收敛精度对改进atc算法性能的影响，进行如下测试：1、显性惩罚因子初值及隐性惩罚因子增长率对算法性能的影响设置初值为0.5y，取值为0.2y+1，y = 1,...,5，其余参数与实施例1相同，将初值与取值两两组合，共进行25次算例测试，分别考察惩罚因子对优化目标偏差的影响（所述偏差是指与集中式优化输配总成本相比的偏差）、惩罚因子对迭代次数的影响、惩罚因子对迭代时间的影响。
31.惩罚因子对优化目标偏差的影响测试结果显示，随着初值与的不断增大，优化目标偏差呈上升趋势，收敛性变差，且主要受的影响。这是因为主要影响迭代步长，越小，单步增长量越小，全局最优解的搜索过程越精细，从而得到更加准确的优化结果。初值主要影响耦合变量的迭代起点，初值越小，输配双方在首次迭代过程中表达自身经济利益诉求的空间越大，使得首次迭代结果中输电网侧耦合变量越大，配电网侧耦合变量越小，全局最优解的搜索空间越大，有助于求得更加准确的优化结果。此外，初值的影响在较大时更为明显，这是由于在搜索步长较大的情况下，搜索空间越小，算法越容易收敛至局部最优解。
32.优化目标的偏差最大值为1.9406%，最小值为
‑
0.4358%，出现负偏差说明采用本发
明方法得到的输配总成本优于集中式优化结果，这是由于，本发明方法将庞大的输配优化全局模型进行分解，减小了计算规模，当初值和均较小时，搜索精度高和分解计算量的优势同时体现，从而出现分布式优化输配总成本低于集中式优化的情况。
33.惩罚因子对迭代次数、迭代时间的影响测试结果为，算法迭代次数与迭代时间近似于呈正比关系，且随着的增大，迭代次数与迭代时间呈下降趋势，而初值的影响并不明显。这是由于，初值仅在迭代初期影响较大，后续的更新幅度主要由决定，越大则迭代步长越大，从而更有利于加快迭代进程。
34.2、输网侧耦合变量初值对改进atc算法性能的影响分析设置s1
‑
s10共10组抽样测试，s1
‑
s9的初值在[0,100]范围内随机生成，s10的初值保持为0，其余参数与实施例1相同。测试结果中，算法性能如表5所示：由表5结合各测试样本的优化目标迭代曲线可知，s1
‑
s10的迭代偏差、迭代次数均十分接近，10组输配总成本优化结果之间的最大偏差仅为0.0283%，这说明本发明算法对耦合变量初值的选取不敏感。
[0035]
3、收敛精度对改进atc算法性能的影响分析设置、均为10
‑
y，y = 1,...,5，其余参数与实施例1相同，取值与取值两两组合，共进行25次算例测试，分贝考察收敛精度对优化目标偏差、迭代次数、迭代时间的影响。
[0036]
由收敛精度对优化目标偏差的影响测试结果可知，优化目标偏差随的减小而减小，当减至10
‑
3以下后偏差不再变化，且偏差不受大小变化的影响。这说明，在与初值均为0.5、为1.4的情况下，输配双方的耦合变量在迭代一定次数后已十分接近，不存在剩余可优化空间，而输配总成本仍可以继续被优化，直至减至10
‑3以下，其可优化空间被消耗完毕。
[0037]
由收敛精度对迭代次数、迭代时间的影响测试结果可知，迭代次数与迭代时间近似于呈正比关系，且随减小而增大，不随变化。为满足的精度要求，需要通过增加迭代次数以减小输配总成本前后两次优化结果的偏差。
[0038]
为考察本发明方法相比于传统输配分立优化方法在高比例新能源电力系统中的优势，设置7组测试算例，对各组算例均分别进行集中式优化、分布式优化、分立优化。基于风电预测基准值，各组算例的风电倍率为0.25(y+1)，y = 1,...,7，其余参数与实施例1相同。测试结果中，风电倍率对优化目标、弃风比例的影响分别如图9、图10所示。
[0039]
由图9可知，随着风电倍率的增加，采用3种方法得到的输配总成本均呈现出先下降后上升的趋势，并且下降曲线基本重合。结合图10分析，当风电倍率较小时，系统可以完全消纳风电，此时风电倍率越大，常规机组出力越小，从而使得输配总成本不断减小。当风电倍率较大时，系统出现弃风，此时风电倍率越大，弃风量越大，弃风成本增加，从而使得输配总成本不断增大。此外，由于传统分立优化通常不允许配网风电返送，因此当风电倍率较大时，分立优化弃风比例高于集中式优化与分布式优化。而当风电倍率较小时，无论采用何种优化方法，风电均能完全消纳，此时采用分布式优化的优势并不明显。
[0040]
综上，本发明所述方法能够有效兼顾系统的负荷供电需求与技改施工需求，满足高比例新能源接入电网背景下输配两级分布式优化的需求，并且与传统的输配分立优化方法相比，对高比例新能源电力系统具有更强的适应能力。