完全分布式的电力系统机组投入配置方法及系统与流程

本发明涉及电力系统领域，尤其涉及一种完全分布式的电力系统机组投入配置方法及系统。

背景技术：

随着电力系统规模的增大和日益加剧的能源危机，人们对电力系统经济性的运行要求越来越高。电力系统机组组合优化对电力系统经济运行、安全调度具有重要影响，它不仅可以节省大量的经济成本，而且通过一定的旋转备用来提高电力系统的可靠性。机组组合优化问题涉及两个子问题，一个是机组组合，用于确定有哪些机组出力；另外一个是经济负荷分配，用于确定需要这些机组出多少力。机组组合优化问题的决策变量不仅涉及表示机组运行状态(运行、停机分别用1,0表示)的离散变量，而且涉及表示机组出力的半连续变量，需要考虑包括功率平衡、旋转备用、最小启停等大量线性、非线性的等式或不等式约束。

电力系统的机组组合(Unit Commitment,简称UC)问题需要确定机组在不同的操作约束和环境下每个时间段，不同负载的机组运行计划。复杂的操作限制和非凸性，以及问题的规模，使得大规模的UC问题的解决具有挑战性。现有的解决UC问题的方法包括人工智能(AI)算法和数值优化技术。这些方法大部分是近似方法，并不能实现电力系统机组的完全解耦和分布式计算，尤其对于大规模完全分布式的机组组合问题，求解的复杂度高，且无法保护机组间的隐私。

技术实现要素：

本发明提供一种完全分布式的电力系统机组投入配置方法及系统，用于解决现有的电力系统机组配置方法不能实现电力系统机组的完全解耦和分布式计算，求解的复杂度高，且无法保护机组间的隐私的问题。

本发明的第一个方面是提供一种完全分布式的电力系统机组投入配置方法，包括：

根据电力系统机组组合中各机组的基础数据，构建机组组合模型，所述基础数据包括：电机组的运行特性数据、负荷预测数据以及各时段的旋转备用数据；

对所述机组组合模型的约束条件进行划分，获得第一约束集、第二约束集和第三约束集，所述第一约束集包括机组启动费用、出力、爬坡速率、最小启停时间、初始状态和状态逻辑关系约束，所述第二约束集包括机组功率平衡约束和旋转备用约束，所述第三约束集包括状态和启动变量0-1约束和投影后机组出力和启动费用变量非负约束；

根据所述第一约束集、第二约束集和第三约束集，对所述机组组合模型进行整理，并根据整理后的所述机组组合模型，利用交替方向乘子(Alternating Direction Method of Multipliers,ADMM)，获得对应的交替方向乘子法迭代式，所述交替方向乘子法迭代式迭代变量包括原始变量x、原始变量z和对偶变量u；

根据所述第一约束集和所述第三约束集，对所述机组组合模型进行解耦，分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量其中k+1为本次上层迭代的次数，i为机组编号；

将基于所述第二约束集构建的二次规划问题转化为拉格朗日对偶问题，按照机组对所述拉格朗日对偶问题的目标函数进行解耦，根据每个机组当前的原始变量利用协同ADMM方法，分别完全分布式求解出本次上层迭代下每个机组的原始变量

根据每个机组当前的原始变量和原始变量基于所述交替方向乘子法迭代式，求出本次上层迭代下每个机组的对偶变量

根据每个机组当前的原始变量求解出本次上层迭代下每个机组的目标函数值和耦合约束违反度值，分别对所述各机组当前的目标函数值和耦合约束违反度值求和，获得本次上层迭代下所述机组组合模型的目标函数值和耦合约束违反度值；

判断所述机组组合模型当前的目标函数值和耦合约束违反度值是否满足预设的第一条件，若满足，则记录每个机组当前的原始变量和所述机组组合模型当前的目标函数值，否则返回执行所述分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量的步骤；

判断所述机组组合模型当前的耦合约束违反度值是否满足预设的第二条件，若满足，则停止上层迭代，根据每个机组当前的原始变量和所述机组组合模型当前的目标函数值，对所述各机组进行配置，否则，判断本次上层迭代的次数k+1是否超出预设的迭代最大值，若超出，则停止上层迭代，根据每个机组当前的原始变量和所述机组组合模型当前的目标函数值，对所述各机组进行配置，否则返回执行所述分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量的步骤。

本发明的第二个方面是提供一种完全分布式的电力系统机组投入配置系统，包括：

构建模块，用于根据电力系统机组组合中各机组的基础数据，构建机组组合模型，所述基础数据包括：发电机组的运行特性数据、负荷预测数据以及各时段的旋转备用数据；

划分模块，用于对所述机组组合模型的约束条件进行划分，获得第一约束集、第二约束集和第三约束集，所述第一约束集包括机组启动费用、出力、爬坡速率、最小启停时间、初始状态和状态逻辑关系约束，所述第二约束集包括机组功率平衡约束和旋转备用约束，所述第三约束集包括状态和启动变量0-1约束和投影后机组出力和启动费用变量非负约束；

整理模块，用于根据所述第一约束集、第二约束集和第三约束集，对所述机组组合模型进行整理，并根据整理后的所述机组组合模型，利用交替方向乘子，获得对应的交替方向乘子法迭代式，所述交替方向乘子法迭代式迭代变量包括原始变量x、原始变量z和对偶变量u；

第一解耦模块，用于根据所述第一约束集和所述第三约束集，对所述机组组合模型进行解耦，分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量其中k+1为本次上层迭代的次数，i为机组编号；

第二解耦模块，用于将基于所述第二约束集构建的二次规划问题转化为拉格朗日对偶问题，按照机组对所述拉格朗日对偶问题的目标函数进行解耦，根据每个机组当前的原始变量利用协同ADMM方法，分别完全分布式求解出本次上层迭代下每个机组的原始变量

对偶模块，用于根据每个机组当前的原始变量和原始变量基于所述交替方向乘子法迭代式，求出本次上层迭代下每个机组的对偶变量

求解模块，用于根据每个机组当前的原始变量求解出本次上层迭代下每个机组的目标函数值和耦合约束违反度值，分别对所述各机组当前的目标函数值和耦合约束违反度值求和，获得本次上层迭代下所述机组组合模型的目标函数值和耦合约束违反度值；

第一判断模块，用于判断所述机组组合模型当前的目标函数值和耦合约束违反度值是否满足预设的第一条件，若满足，则记录每个机组当前的原始变量和所述机组组合模型当前的目标函数值，否则指示所述第一解耦模块再次执行所述分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量的步骤；

第二判断模块，用于判断所述机组组合模型当前的耦合约束违反度值是否满足预设的第二条件，若满足，则停止上层迭代，根据每个机组当前的原始变量和所述机组组合模型当前的目标函数值，对所述各机组进行配置，否则，判断本次上层迭代的次数k+1是否超出预设的迭代最大值，若超出，则停止上层迭代，根据每个机组当前的原始变量和所述机组组合模型当前的目标函数值，对所述各机组进行配置，否则指示所述第一解耦模块再次执行所述分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量的步骤。

本发明提供的完全分布式的电力系统机组投入配置方法及系统，利用电力系统机组组合中各机组的基础数据，构建机组组合模型并对其约束条件集进行划分，利用交替方向乘子法，基于第一约束集和第三约束集，解耦机组组合模型；基于第二约束集构建二次规划问题，并转化为拉格朗日对偶问题对其目标函数进行解耦，利用协同交替方向乘子法，求解机组组合模型的目标函数值和耦合约束违反度值；当机组组合模型当前的目标函数值和耦合约束违反度值满足预设的条件时，则根据每个机组的原始变量x和机组组合模型的目标函数值对各机组进行配置。上述方案基于交替方向乘子法的完全分布式求解方法实现了电力系统机组的完全解耦和分布式计算，能够保护机组间的隐私。

附图说明

图1为本发明实施例一提供的完全分布式的电力系统机组投入配置方法的流程示意图；

图2为本发明实施例二提供的完全分布式的电力系统机组投入配置方法的流程示意图；

图3为本发明实施例四提供的完全分布式的电力系统机组投入配置系统的结构示意图；

图4为本发明实施例五提供的完全分布式的电力系统机组投入配置系统的结构示意图。

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的一部分实施例，而不是全部实施例。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获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例一提供的完全分布式的电力系统机组投入配置方法的流程示意图，如图1所示，所述方法包括如下步骤：

101、根据电力系统机组组合中各机组的基础数据，构建机组组合模型，所述基础数据包括：发电机组的运行特性数据、负荷预测数据以及各时段的旋转备用数据。

举例来说，发电机组的运行特性数据可包括但不限于：发电机组的燃料费用、启动费用、冷启动时间、最小启停时间、机组爬坡速率上界/下界、机组出力上界/下界、机组初始启动状态和出力数据。

以实际场景举例来说：根据电力系统机组组合中各机组的基础数据：发电机组的运行特性数据、负荷预测数据以及各时段的旋转备用数据，构建基于二类状态变量的电力系统机组组合模型。

102、对所述机组组合模型的约束条件进行划分，获得第一约束集、第二约束集和第三约束集。

其中，所述第一约束集包括机组启动费用、出力、爬坡速率、最小启停时间、初始状态和状态逻辑关系约束，所述第二约束集包括机组功率平衡约束和旋转备用约束，所述第三约束集包括状态和启动变量0-1约束和投影后机组出力和启动费用变量非负约束。

103、根据所述第一约束集、第二约束集和第三约束集，对所述机组组合模型进行整理，并根据整理后的所述机组组合模型，利用交替方向乘子(Alternating Direction Method of Multipliers,简称ADMM)，获得对应的交替方向乘子法迭代式，所述交替方向乘子法迭代式迭代变量包括原始变量x、原始变量z和对偶变量u。

104、根据所述第一约束集和所述第三约束集，对所述机组组合模型进行解耦，分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量

其中k+1为本次上层迭代的次数，i为机组编号。

105、将基于所述第二约束集构建的二次规划问题转化为拉格朗日对偶问题，按照机组对所述拉格朗日对偶问题的目标函数进行解耦，根据每个机组当前的原始变量利用协同ADMM方法，分别完全分布式求解出本次上层迭代下每个机组的原始变量

106、根据每个机组当前的原始变量和原始变量基于所述交替方向乘子法迭代式，求出本次上层迭代下每个机组的对偶变量

107、根据每个机组当前的原始变量求解出本次上层迭代下每个机组的目标函数值和耦合约束违反度值，分别对所述各机组当前的目标函数值和耦合约束违反度值求和，获得本次上层迭代下所述机组组合模型的目标函数值和耦合约束违反度值。

108、判断所述机组组合模型当前的目标函数值和耦合约束违反度值是否满足预设的第一条件，若满足，则记录每个机组当前的原始变量和所述机组组合模型当前的目标函数值，否则返回执行104中所述分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量的步骤。

举例来说，上述的第一条件可包括：

其中，N为机组数量，为第k+1次上层迭代下每个机组的目标函数值，为第k次上层迭代后机组组合模型的目标函数值，B_i为所述第二约束集中机组i的不等式系数矩阵，为所述第二约束集中机组i的等式系数矩阵，为所述第二约束集的等式约束常数矩阵，c为所述第二约束集的不等式约束常数矩阵，ε^c为耦合约束违反度值，ε^feasible为可行收敛参数。

109、判断所述机组组合模型当前的耦合约束违反度值是否满足预设的第二条件，若满足，则停止上层迭代，根据每个机组当前的原始变量和所述机组组合模型当前的目标函数值，对所述各机组进行配置，否则，判断本次上层迭代的次数k+1是否超出预设的迭代最大值，若超出，则停止上层迭代，根据每个机组当前的原始变量和所述机组组合模型当前的目标函数值，对所述各机组进行配置，否则返回执行104中所述分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量的步骤。

举例来说，上述的第二条件可包括：

其中，N为机组数量，B_i为所述第二约束集中机组i的不等式系数矩阵，为所述第二约束集中机组i的等式系数矩阵，为所述第二约束集的等式约束常数矩阵，c为所述第二约束集的不等式约束常数矩阵，ε^c为耦合约束违反度值，ε^feasible为可行收敛参数，η为范围在0～1之间的收敛系数。

本实施例提供的完全分布式的电力系统机组投入配置方法，利用电力系统机组组合中各机组的基础数据，构建机组组合模型并对其约束条件集进行划分，利用交替方向乘子法，基于第一约束集和第三约束集，解耦机组组合模型；基于第二约束集构建二次规划问题，并转化为拉格朗日对偶问题对其目标函数进行解耦，利用协同交替方向乘子法，求解机组组合模型的目标函数值和耦合约束违反度值；当机组组合模型当前的目标函数值和耦合约束违反度值满足预设的条件时，则根据每个机组的原始变量x和机组组合模型的目标函数值对各机组进行配置。上述方案基于交替方向乘子法的完全分布式求解方法实现了电力系统机组的完全解耦和分布式计算，能够保护机组间的隐私。

图2为本发明实施例二提供的完全分布式的电力系统机组投入配置方法的流程示意图，如图2所示，在实施例一的基础上，105包括：

201、基于所述第二约束集构建二次规划问题，利用拉格朗日对偶函数，将所述二次规划问题转化为所述拉格朗日对偶问题；

202、对所述拉格朗日对偶问题的目标函数的系数矩阵按机组进行解耦，并进行整理，根据所述每个机组当前的原始变量利用协同ADMM方法得到的对偶交替方向乘子法迭代式，计算获得本次下层迭代下的原始变量以及每个机组的原始变量和对偶变量其中为本次下层迭代的次数；

203、判断本次下层迭代下的原始变量和每个机组的原始变量是否满足预设的第三条件，若满足，则停止下层迭代，将本次下层迭代下的原始变量通过二次规划的最优性条件分布式求解出本次上层迭代下每个机组的原始变量否则判断本次下层迭代的次数是否超出预设的迭代最大值，若超出，则停止下层迭代，将本次下层迭代下的原始变量通过二次规划的最优性条件分布式求解出本次上层迭代下每个机组的原始变量否则返回执行202中所述利用协同ADMM方法得到的对偶交替方向乘子法迭代式，计算获得本次下层迭代下的原始变量以及每个机组的原始变量和对偶变量的步骤。

举例来说，上述203中的第三条件可包括：

‖p^r‖₂≤ε^pri，‖d^r‖₂≤ε^dual；

其中，

其中，ε^abs＝10^-5，ε^rel＝10^-4，N为机组数量，ρ₂为下层迭代的罚参数，T为调度总时段数。

进一步的，上述203中将本次下层迭代下的原始变量通过二次规划的最优性条件分布式求解出本次上层迭代下每个机组的原始变量可包括：

其中，和分别为所述第二约束集中机组i的不等式系数矩阵B_i和等式系数矩阵的转置矩阵。

本实施例提供的完全分布式的电力系统机组投入配置方法，在完全分布式求解本次上层迭代下每个机组的原始变量z的过程中，利用协同ADMM方法计算获得本次下层迭代下的原始变量以及每个机组的原始变量和对偶变量若本次下层迭代下的和每个满足第三条件，则将本次下层迭代下的通过二次规划的最优性条件分布式求解出本次上层迭代下每个机组的原始变量z。上述方案能够对电力系统机组进行更完全的解耦和分布式计算，尤其适用于大规模完全分布式的机组组合问题。

本发明实施例三提供一种完全分布式的电力系统机组投入配置方法，具有如下步骤：

301、收集电力系统机组组合基础数据并设置算法参数，所述机组组合基础数据包括发电机组的运行特性数据、负荷预测数据以及各时段的旋转备用数据；

具体的，发电机组的运行特性数据可包括发电机组的燃料费用、启动费用、冷启动时间、最小启停时间、机组爬坡速率上界/下界、机组出力上界/下界、机组初始启动状态和出力数据；负荷预测数据可为根据负荷预测软件得到的未来若干个时段的电力负荷需求情况，包括未来各时段电网的总负荷数据；

302、根据步骤301所收集的电力系统相关数据，构建基于二类状态变量的电力系统机组组合模型；

具体的，二类状态变量的电力系统机组组合模型的目标函数及约束条件如下：

目标函数：

其中，

机组启动费用约束：

机组出力约束：

功率平衡约束：

旋转备用约束：

爬坡速率约束：包括向上爬坡约束和向下爬坡约束；其中，

向上爬坡约束：

向下爬坡约束：

其中，

机组最小启停时间约束：包括开机时间约束和关机时间约束；其中，开机时间约束：

关机时间约束：

其中：U_i＝{min[T,u_i,0(T_on,i-T_i,0)]}⁺，L_i＝{min[T,u_i,0(T_off,i+T_i,0)]}⁺；

机组初始状态约束：

u_i,t＝u_i,0,t∈[1,…,U_i+L_i] (11)；

机组状态约束：

u_i,t-u_i,t-1≤s_i,t (12)；

其中，F_C是优化目标,表示机组i的出力成本，即机组燃料费用，i表示机组下标，t表示时段下标,N表示机组数量，T表示调度总时段数，α_i，β_i，γ_i表示机组i的二次燃料费用函数系数，表示机组i进行投影变换的二次燃料费用函数系数，C_hot,i表示机组i的热启动费用，C_cold,i表示机组i的冷启动费用，T_on,i表示机组i的最小开机时间，T_off,i表示机组i的最小停机时间，T_cold,i表示计算机组i冷启动时间，f′_init，i，t表示机组i在t时刻计及热启动费用超出的部分，{·}⁺表示max(0,·)，U_i表示机组i在初始时刻仍需开机时间，L_i表示机组i在初始时刻仍需关机时间，表示机组i的出力上界，P_i表示机组i的出力下界，表示二类状态变量机组模型的机组i在t时刻的出力大小，P_D,t表示t时段时电力系统所需负荷，R_t表示t时段电力系统所需旋转备用值，P_up,i表示机组i的向上爬坡速率，表示机组i进行投影变换后的向上爬坡速率，P_down,i表示机组i的向下爬坡速率，表示机组i进行投影变换后的向下爬坡速率，P_start,i表示机组i开机时的最小出力值，表示机组i进行投影变换后的在开机时的最小出力值，P_shut,i表示机组i关机时的最大出力值，表示机组i进行投影变换后的在关机时的最大出力值，u_i,0表示机组i的初始状态，T_i,0表示机组i初始时已经运行或停机的时间，u_i,t表示机组i在t时刻的运行状态，s_i,t表示机组i在t时刻开机，表示机组i在t时刻热启动费用超出的部分，表示机组i在时刻开机；

二类状态变量的电力系统机组组合模型如下：

303、根据302所构建的二类状态变量的电力系统机组组合模型，将模型中的约束划分为三个约束集合，其中，第一约束集包括：机组启动费用、出力、爬坡速率、最小启停时间、初始状态、状态逻辑关系约束；第一约束集中的所有约束对每个机组相互独立，可按照机组编号完全解耦；第二约束集包括：机组功率平衡、旋转备用两组约束；第二约束集中所有约束可按时段完全解耦；第三约束集包括：状态和启动变量0-1约束和投影后机组出力和启动费用变量非负约束；根据第一约束集、第二约束集和第三约束集对机组组合模型进行整理；

具体的，所有变量按照机组编号分组顺序排列，三个约束集中的约束按照机组编号分组顺序排列；

设

设且

定义集合：

χ₁＝{x|(1),(3),(7),(8),(9),(10),(11),(12)} (14)；

χ₂＝{x|(5),(6)} (15)；

χ₁按机组解耦后整理如下：

整理出第一约束集的系数矩阵A和常数矩阵b，其中，第一约束集的系数矩阵A按机组分块形成约束系数A_i以对角矩阵形式排列，第一约束集的常数矩阵b＝[b₁；…；b_N]，b_i为第一约束集约束的常数矩阵；

χ₂按周期解耦后整理如下：

整理出第二约束集的系数矩阵B、以及常数矩阵c、其中，第二约束集的系数矩阵B＝[B₁，B₂,…,B_N],B_i为第二约束集机组i的不等式系数矩阵，为第二约束集机组i的等式系数矩阵，c为第二约束集的不等式约束常数矩阵，为第二约束集的等式约束常数矩阵；

为满足使用ADMM方法，将机组组合模型整理如下：

其中I_χ定义为在集合χ的指示函数,如下所示：

304、按照303中整理后的机组组合模型，写出所对应的上层交替方向乘子法迭代式，迭代变量包括原始变量x、原始变量z和对偶变量u；

具体的，上层交替方向乘子法迭代式为：

u^k+1＝u^k+(x^k+1-z^k+1) (23)；

其中，k+1为本次上层迭代的次数，ρ₁为上层迭代的罚参数，x^k+1为本次上层迭代下的原始变量x，z^k+1为本次上层迭代下的原始变量z，u^k+1为本次上层迭代下的原始变量u；

305、更新本次上层迭代的原始变量x，包括：结合第一约束集和第三约束集，按照机组解耦，对解耦后的混合整数二次规划问题按照机组顺序进行计算；

具体的，对原始变量x的更新包括：

按照公式(21)，令随机产生上层迭代次数k+1＝1～M₂，ρ₁＞0，结合第一约束集、第三约束集，组成混合整数二次规划问题，按照机组解耦，求解以下子问题：

根据求解获得的x_i对本次上层迭代的原始变量x进行更新；

306、更新本次上层迭代的原始变量z，包括如下步骤：

步骤一：结合303中整理后的第二约束集组成二次规划问题：

对其可以先按机组解耦为子问题，再按周期进行解耦计算；

步骤二：将上述二次规划问题整理为如下形式：

其中r＝x^k+1+u^k；

步骤三：考虑到原始变量z更新时函数的强对偶性，根据上述问题的拉格朗日对偶函数找出满足最优性条件时原始变量z的函数：

其中，λ是第二约束集等式约束的拉格朗日乘子向量、γ是第二约束集不等式约束的拉格朗日乘子向量，B^T、分别为系数矩阵B、的转置矩阵；

步骤四：将上述原始变量z的函数转化为与原始变量z无关的二次规划问题的对偶问题：

令：

其中，

二次规划问题的对偶问题：

步骤五：将对偶问题中目标函数的系数矩阵按机组进行解耦，使用共识交替方向乘子法，写出下层共识交替方向乘子法迭代式：

其中，

ρ₂为下层迭代的罚参数，为本次下层迭代的次数，为本次下层迭代下每个机组的原始变量x，为本次下层迭代下的原始变量z，为本次下层迭代下每个机组的原始变量u；

步骤六：按照上述步骤五中的下层迭代式更新计算与原始变量z相关的函数变量：

令M₃＝50，下层迭代次数ρ₂＞0；

对于由优化条件可得，更新如下：

其中，I为单位矩阵；

更新为：

更新为：

步骤七：判断本次下层迭代下的原始变量和每个机组的原始变量是否满足下层迭代的终止条件；

下层迭代的终止条件为：

‖p^r‖₂≤ε^pri，‖d^r‖₂≤ε^dual；

其中，

其中，ε^abs＝10^-5，ε^rel＝10^-4；

若满足，则停止下层迭代，令：

返回原始变量值到上层迭代中，更新本次上层迭代的原始变量z；

否则判断本次下层迭代的次数是否超出预设的迭代最大值M₃，若超出，则停止下层迭代，令：

返回原始变量值到上层迭代中，更新本次上层迭代的原始变量z；

否则返回执行步骤五；

307、根据305、306中更新的本次上层迭代的原始变量x、原始变量z，结合公式：更新本次上层迭代的对偶变量u；

308、计算本次上层迭代下机组组合模型目标函数值：

其中，表示每个机组i的目标函数值；

以及本次上层迭代下机组组合模型当前的耦合约束违反度值：

其中，

309、判断机组组合模型当前的目标函数值和耦合约束违反度值是否满足如下条件：

其中，为第k次上层迭代后机组组合模型的目标函数值，ε^feasible为可行收敛参数；

若满足，则将本次上层迭代下的原始变量x更新为最优解x_best＝x^k+1，以及将本次上层迭代下的机组组合模型的目标函数值更新为最优解否则返回执行305；

判断机组组合模型当前的耦合约束违反度值是否满足如下条件：

其中，η为范围在0～1之间的收敛系数；

若满足，则停止上层迭代，根据x_best和对各机组进行配置；

否则，判断本次上层迭代的次数k+1是否超出预设的迭代最大值M₂，若超出，则停止上层迭代，根据x_best和对各机组进行配置，否则返回执行305。

本实施例提供的完全分布式的电力系统机组投入配置方法，利用电力系统机组组合中各机组的基础数据，构建机组组合模型并对其约束条件集进行划分，利用交替方向乘子法，基于第一约束集和第三约束集，解耦机组组合模型；基于第二约束集构建二次规划问题，并转化为拉格朗日对偶问题对其目标函数进行解耦，利用协同交替方向乘子法，求解机组组合模型的目标函数值和耦合约束违反度值；当机组组合模型当前的目标函数值和耦合约束违反度值满足预设的条件时，则根据每个机组的原始变量x和机组组合模型的目标函数值对各机组进行配置。上述方案基于交替方向乘子法的完全分布式求解方法实现了电力系统机组的完全解耦和分布式计算，能够保护机组间的隐私。

图3为本发明实施例四提供的完全分布式的电力系统机组投入配置系统的结构示意图，如图3所示，所述系统包括：

构建模块31，用于根据电力系统机组组合中各机组的基础数据，构建机组组合模型，所述基础数据包括：发电机组的运行特性数据、负荷预测数据以及各时段的旋转备用数据；

划分模块32，用于对所述机组组合模型的约束条件进行划分，获得第一约束集、第二约束集和第三约束集，所述第一约束集包括机组启动费用、出力、爬坡速率、最小启停时间、初始状态和状态逻辑关系约束，所述第二约束集包括机组功率平衡约束和旋转备用约束，所述第三约束集包括状态和启动变量0-1约束和投影后机组出力和启动费用变量非负约束；

整理模块33，用于根据所述第一约束集、第二约束集和第三约束集，对所述机组组合模型进行整理，并根据整理后的所述机组组合模型，利用交替方向乘子，获得对应的交替方向乘子法迭代式，所述交替方向乘子法迭代式迭代变量包括原始变量x、原始变量z和对偶变量u；

第一解耦模块34，用于根据所述第一约束集和所述第三约束集，对所述机组组合模型进行解耦，分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量其中k+1为本次上层迭代的次数，i为机组编号；

第二解耦模块35，用于将基于所述第二约束集构建的二次规划问题转化为拉格朗日对偶问题，按照机组对所述拉格朗日对偶问题的目标函数进行解耦，根据每个机组当前的原始变量利用协同ADMM方法，分别完全分布式求解出本次上层迭代下每个机组的原始变量

对偶模块36，用于根据每个机组当前的原始变量和原始变量基于所述交替方向乘子法迭代式，求出本次上层迭代下每个机组的对偶变量

求解模块37，用于根据每个机组当前的原始变量求解出本次上层迭代下每个机组的目标函数值和耦合约束违反度值，分别对所述各机组当前的目标函数值和耦合约束违反度值求和，获得本次上层迭代下所述机组组合模型的目标函数值和耦合约束违反度值；

第一判断模块38，用于判断所述机组组合模型当前的目标函数值和耦合约束违反度值是否满足预设的第一条件，若满足，则记录每个机组当前的原始变量和所述机组组合模型当前的目标函数值，否则指示第一解耦模块34再次执行所述分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量的步骤；

第二判断模块39，用于判断所述机组组合模型当前的耦合约束违反度值是否满足预设的第二条件，若满足，则停止上层迭代，根据每个机组当前的原始变量和所述机组组合模型当前的目标函数值，对所述各机组进行配置，否则，判断本次上层迭代的次数k+1是否超出预设的迭代最大值，若超出，则停止上层迭代，根据每个机组当前的原始变量和所述机组组合模型当前的目标函数值，对所述各机组进行配置，否则指示第一解耦模块34再次执行所述分别求解出本次上层迭代下所述电力系统机组组合中每个机组的原始变量的步骤。

图4为本发明实施例五提供的完全分布式的电力系统机组投入配置系统的结构示意图，如图4所示，在实施例四的基础上，第二解耦模块35包括：

转化单元401，用于基于所述第二约束集构建二次规划问题，利用拉格朗日对偶函数，将所述二次规划问题转化为所述拉格朗日对偶问题；

整理单元402，用于对所述拉格朗日对偶问题的目标函数的系数矩阵按机组进行解耦，并进行整理，根据所述每个机组当前的原始变量利用协同ADMM方法得到的对偶交替方向乘子法迭代式，计算获得本次下层迭代下的原始变量以及每个机组的原始变量和对偶变量其中为本次下层迭代的次数；

判断单元403，用于判断本次下层迭代下的原始变量和每个机组的原始变量是否满足预设的第三条件，若满足，则停止下层迭代，将本次下层迭代下的原始变量通过二次规划的最优性条件分布式求解出本次上层迭代下每个机组的原始变量否则判断本次下层迭代的次数是否超出预设的迭代最大值，若超出，则停止下层迭代，将本次下层迭代下的原始变量通过二次规划的最优性条件分布式求解出本次上层迭代下每个机组的原始变量否则指示整理单元402再次执行所述利用协同ADMM方法得到的对偶交替方向乘子法迭代式，计算获得本次下层迭代下的原始变量以及每个机组的原始变量和对偶变量的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。