一种考虑风电随机性的电力系统广域协调消纳方法与流程

本发明涉及一种能够在确保数据隐私和调度独立的情况下消纳大规模随机风电的方法，属于输配电技术领域。

背景技术：

随着风电并网容量在我国的快速不断增长，风电发展逐渐形成了密集发电、集中并网、能源和负荷逆向分布的电源格局，风力发电的随机性和间歇性使得传统的电网调度控制方式难以有效解决大规模风电出力波动，大规模风电协调消纳能力问题已经成为风电可持续发展的瓶颈。针对大规模风电的协调消纳问题,主要分为以下几种。

基于场景法的随机动态经济调度模型中含有大量风电出力可能出现的场景，利用这些场景来代表风电出力的波动。场景数量较少时，该方法不能有效反映系统运行成本的均值；场景数量较多时，该方法计算量太大。因此，多场景的电力系统调度模型需要根据实际系统的历史运行情况选取典型场景，并计算每个场景对应的概率。

基于机会约束的经济调度模型的基本思想是确保在风电随机波动的情况下系统约束条件能够在一定的置信水平下成立。虽然新能源发电出力具有一定的随机性，但其预测误差分布具有一定的规律。考虑约束条件中的随机变量，将约束条件中的严格成立的不等式约束转化为在一定置信水平上成立的机会约束，构建机会约束的电力系统经济调度模型，能更好地描述随机变量带来的不确定性。

鲁棒经济调度旨在找出风电出力对系统的安全性和经济性影响最大的最坏场景，通过建立合理的风电出力不确定集合，确保风电等新能源发电出力在预测误差范围内的任意一种场景，电力系统都能安全运行；通过对最坏场景下系统运行成本的控制，实现系统经济运行，确保其他任何场景下的系统运行成本不高于最坏场景下的系统运行成本。

基于现代电力系统分层分区互联运行的特点，多级电力调度中心对互联系统实施分散协调调度是一种有效的调度方法。有人提出了多级协调调度模式(计及风电时空互补特性的互联电网有功调度与控制方案.电力系统保护与控制，2014，42(21)：p140-144)，它充分利用风电时空互补的特点，统一协调多个区域的备用和调峰安排。也有人提出了分级协调控制的互联电网有功调度方案(适应大规模风电接入的互联电网有功调度与控制方案.电力系统自动化，2010，34(17)：37-41)，实现了分级控制的就地平衡和全网统一平衡方式，解决了分散控制的资源浪费和协调困难的问题。还有人提出了一种基于目标级联分析的分散协调风险调度方法(多区互联电力系统的分散协调风险调度方法.电机工程学报，2015，35(14)：3724-3733)，上级调度实现互联区域间联络线功率的协调处理，下级调度实现各子电网风险约束调度方案。各子系统的下级调度独立运行，保证各个子系统的自治调控；上级调度优化联络线功率，实现整体系统的经济运行。

常规的电力系统经济调度问题均是在集中优化的框架中进行，调度中心对全网机组出力进行调度，因此调度中心需要处理大量数据，容易造成通信阻塞，而且也不利于多区域电力系统中各区域电网的调度独立性和数据隐私性。

采用分层优化调度模型对多区域动态经济调度问题进行求解可以解决上述问题，分层优化调度模型各个层级任务明确，下级调度中心只和上级调度中心交换数据，各区域调度中心之间无需交换数据，实现了区域内部的数据保密。但是，上下层优化目标可能不同，不利于求取全局最优解，且需要设置上级调度中心，调度结构相对复杂，因此有必要进一步加以改进。

技术实现要素：

本发明的目的在于针对现有技术之弊端，提供一种考虑风电随机性的电力系统广域协调消纳方法，以实现风电出力的广域协调消纳。

本发明所述问题是以下述技术方案解决的：

一种考虑风电随机性的电力系统广域协调消纳方法，所述方法包括以下步骤：

a.将多区域互联电网解耦为几个相对独立的区域，不同区域之间通过联络线边界节点变量互联；

b.建立不考虑风电随机性的预测场景下的多区域动态经济调度模型：

①建立集中式多区域动态经济调度模型：

其中，ba、da和ea为a区域内部约束方程的系数矩阵；pa为a区的火电机组出力向量；θa为a区内部节点电压相角向量；在a区的联络线边界节点中，z^aa为属于a区的节点集合，z^ab为不属于a区的节点集合；m、n为边界节点；分别为a区中的m、n节点在时刻t的相角值，分别为b区中的m、n节点在时刻t的相角值；fa为a区的发电费用和弃风惩罚费用之和，即：

其中，分别为a区常规机组i的发电费用系数；q为弃风惩罚系数；为a区常规机组i在时段t的有功出力，为a区的风电场w在时段t的预测有功出力，为该风电场在时段t的调度有功出力；n为总区域数，nt为调度总时段数，为a区总常规机组数，为a区总风电场数；

②基于多代理技术利用目标级联分析法(atc)求解多区域动态经济调度模型：

在每一个分解后的子区域中构建各区域代理(agent)，再构建一个虚拟的总协调agent，将上述集中式动态经济调度模型分为区域优化子问题和总协调主问题：

各区域电网优化子问题模型如下：

其中，为耦合约束中的拉格朗日乘子，为二次罚函数乘子；为第k次迭代总协调主问题下发到子问题的边界节点相角值；分别为各区域电网中的边界节点相角值；

总协调主问题模型如下：

其中，分别为总协调agent的边界节点相角值；为第k次迭代各区域电网子问题上传到总协调agent的边界节点相角值；

③迭代求解主、子问题；

c.建立引入风电误差场景的随机动态经济调度模型，具体方法如下：

①各区域电网的误差场景子问题

目标函数：

其中，s为误差场景个数；ps为第s个场景出现的概率；δww,t,s为第s个场景下第w个风电场在时刻t的弃风功率，δdt,s为第s个场景下时刻t的虚拟切负荷功率；q为弃风惩罚系数；cd为虚拟切负荷惩罚费用；nt为调度总时段；nw为风电场总数；

约束条件：

区域内部节点直流潮流方程：

其中，是在第s个场景下a区在时段t的火电机组出力向量，为风电场调度出力向量，为节点负荷向量；sb为潮流基准值；b^a为a区忽略支路电阻和对地支路的节点导纳矩阵；为第s个场景下a区在时段t的节点相角向量；

火电机组出力上下限约束：

其中，和分别为火电机组i的有功出力下限和上限；为第s个场景下a区的常规机组i在时段t的有功出力；

风电机组出力上下限约束：

其中，为a区的风电场w在时段t的预测有功出力；

机组爬坡与滑坡约束：

其中，和分别为机组i的有功出力爬坡和滑坡限制；nt为总调度时段；

线路传输功率约束：

其中，为第s个场景下a区的线路kl在时段t的传输功率值；分别为第s个场景下节点k、l在时刻t的相角值；为该线路的最大传输功率值；为线路kl的电抗值；

同一时段预测场景与误差场景下的出力调节速率约束：

-δi≤pi,t-pi,t,s≤δi

其中，δi为火电机组i在10分钟内可以迅速调节的出力增量；pi,t为预测场景下该区域内常规机组i在时段t的有功出力；pi,t,s第s个场景下该区域内常规机组i在时段t的有功出力；

边界节点相角值约束：

其中，分别为第s个场景下和预测场景下区域a中节点m在时段t的节点相角值；别为第s个场景下和预测场景下区域a中节点n在时段t的节点相角值；

②预测场景主问题

目标函数：

其中，为a区域的中间变量，d为中间变量的个数；fa为最优切割系数向量；ma、na为最优切割系数矩阵；e为单位向量；为a区的火电机组出力向量的转置；为a区内部节点电压相角向量的转置；

d.交替求解全网分散优化问题和区域随机优化问题，得到各边界节点的相角值。

上述考虑风电随机性的电力系统广域协调消纳方法，所述多区域动态经济调度模型的约束条件如下：

①区域内部约束条件

a区节点直流潮流方程为：

其中，为时段t的常规机组出力向量，为时段t的风电场调度出力向量，为时段t的节点负荷向量；sb为潮流基准值；b^a为忽略支路电阻和对地支路的节点导纳矩阵；为时段t的节点相角向量；

②火电机组出力上下限约束：

其中，和分别为火电机组i的有功出力下限和上限；

③风电机组出力上下限约束：

④机组爬坡与滑坡约束：

其中，和分别为机组i的有功出力爬坡和滑坡限制；

⑤线路传输功率约束为：

其中，为线路kl在时刻t的传输功率值，为该线路的最大传输功率值；和分别为节点k、l在时刻t的相角；为线路kl的电抗值；

⑥区域间的耦合约束

存在区域间联络线的a、b两相邻区域间的边界节点功率平衡约束为：

其中，m、n为边界节点，z为整个多区域电网的区域间边界节点集合；

分别为区域a、b在时刻t时的边界节点相角值。

上述考虑风电随机性的电力系统广域协调消纳方法，在迭代求解主、子问题时，需要更新罚函数乘子使得主、子问题求解出的边界节点相角值趋于相等，罚函数乘子更新公式如下：

其中，α为调节步长的参数，一般情况下，步长取值范围为[1,3]；

判断算法收敛的公式为：

其中，ε为收敛精度。

本发明采用了多代理技术，不仅可在确保数据隐私和调度独立的情况下消纳大规模随机风电，而且能够实现不同区域风电资源的优势互补，实现风电出力广域协调消纳，使得电网留有更多的裕度以应对风电的随机性。该方法采用目标级联分析法求解全网分散动态经济调度模型和各区域随机动态经济调度问题，其计算速度较快，适用于求解大规模电网动态经济调度问题。

附图说明

下面结合附图对本发明作进一步详述。

图1是电力系统广域协调消纳方法流程图；

图2是ieee-39标准测试系统图。

文中各符号分别表示为：以区域a为例，和分别为火电机组i的有功出力下限和上限；为线路kl的最大传输功率值；为常规机组i在时刻t的有功出力；为线路kl在时刻t的传输功率值，为第s个场景下a区的线路kl在时段t的传输功率值；为第s个场景下的常规机组i在时刻t的有功出力；ps为第s个场景出现的概率；为时段t的常规机组出力向量，是在第s个场景下a区在时段t的火电机组出力向量，为风电场w在时段t的预测出力；为时段t的风电场调度出力向量，为风电场调度出力向量，为时段t的节点负荷向量；为节点负荷向量；pa为a区的火电机组出力向量；fa为最优切割系数向量；fa为a区的发电费用和弃风惩罚费用之和；sb为潮流基准值；z为整个多区域电网的区域间边界节点集合；α为调节步长的参数；ε为收敛精度；ba、da和ea为a区域内部约束方程的系数矩阵；z^aa为属于a区的节点集合，z^ab为不属于a区的节点集合；n为总区域数；m、n为边界节点；为耦合约束中的拉格朗日乘子，为二次罚函数乘子；s为误差场景个数；δww,t,s为第s个场景下第w个风电场在时刻t的弃风功率，δdt,s为第s个场景下时刻t的虚拟切负荷功率；cd为虚拟切负荷惩罚费用；nt为总调度时段；nw为风电场总数；b^a为a区忽略支路电阻和对地支路的节点导纳矩阵；和分别为机组i的有功出力爬坡和滑坡限制；为线路kl的电抗值；δi为火电机组i在10分钟内可以迅速调节的出力增量；为a区域的中间变量；d为中间变量的个数；ma、na为最优切割系数矩阵；e为单位向量；为a区的火电机组出力向量的转置；为a区内部节点电压相角向量的转置；分别为第s个场景下节点k、l在时刻t的相角值；θa为a区内部节点电压相角向量；为第s个场景下a区在时段t的节点相角向量；和分别为节点k、l在时刻t的相角；分别为第s个场景下和预测场景下区域a中节点m在时段t的节点相角值；别为第s个场景下和预测场景下区域a中节点n在时段t的节点相角值；为第k次迭代各区域电网子问题上传到总协调agent的边界节点相角值；为第k次迭代总协调主问题下发到子问题的边界节点相角值；分别为各区域电网中的边界节点相角值；分别为总协调agent的边界节点相角值；为时段t的节点相角向量。

具体实施方式

本发明提供了一种考虑风电随机性的电力系统广域协调消纳方法，其具体步骤如下：

1、对多区域电网分解协同优化，引入联络线变量建立区域间的耦合约束，具体方法如下：

将多区域互联电网解耦为几个相对独立的区域进行协调调度，分区后的电力子系统通过联络线边界节点变量互联。以a、b两区域间有一条联络线为例，将a、b两区域中间的联络线边界节点m、n复制一遍，则同一个节点在不同区域变量应该相等，满足以下耦合约束：

其中，分别为节点m、n的相位角；分别为节点m、n到开断点的线路电抗；为a区域内的节点m流向开断点的有功潮流，为b区域内节点n流向开断点的有功潮流。同理，电网当中其它区域之间的联络线上边界节点变量也进行如上复制即可。

2、建立不考虑风电随机性的预测场景下的多区域动态经济调度模型，具体方法如下：

根据上述区域分解原则，可以建立集中式的多区域动态经济调度模型，为简化模型，假设：1)采用不考虑损耗的直流最优潮流模型，设节点电压幅值为1；2)火电机组的发电费用使用二次凸函数来表达。

(1)目标函数

以最小化全网各区域所有常规机组(火电机组)在调度周期内的总发电费用和弃风惩罚费用之和为目标，即：

其中，分别为a区常规机组i的发电费用系数；q为弃风惩罚系数；为a区常规机组i在时段t的有用出力，为a区的风电场w在时段t的预测有功出力，为该风电场在时段t的调度有功出力；n为总区域数，nt为调度总时段数，为a区总常规机组数，为a区总风电场数。

(2)区域内部约束条件

以a区为例：

节点直流潮流方程为：

其中，为时段t的常规机组出力向量，为时段t的风电场调度出力向量，为时段t的节点负荷向量；sb为潮流基准值，设其为100mva；b^a为忽略支路电阻和对地支路的节点导纳矩阵；为时段t的节点相角向量。

火电机组出力上下限约束：

其中，和分别为火电机组i的有功出力下限和上限。

风电机组出力上下限约束：

机组爬坡与滑坡约束：

其中，和分别为机组i的有功出力爬坡和滑坡限制。

线路传输功率约束为：

其中，为线路kl在时刻t的传输功率值，为该线路的最大传输功率值；和分别为节点k、l在时刻t的相角；为线路kl的电抗值。

(3)区域间的耦合约束

以a、b两相邻区域为例，其间存在着区域间联络线，边界节点为i、j，那么a、b区域间的边界节点功率平衡约束为：

其中，z为整个多区域电网的区域间边界节点集合。

(4)集中式多区域动态经济调度模型

那么综上所述，集中式多区域动态经济调度模型可写为以下形式：

其中，fa为a区的发电费用和弃风惩罚费用之和；ba、da和ea为a区域内部约束方程的系数矩阵；pa为a区的火电机组出力向量；θa为a区内部节点电压相角向量，θ^a为a区边界节点的相角向量；在a区的联络线边界节点中，z^aa为属于a区的节点集合，z^ab为不属于a区的节点集合。

(5)基于多代理技术利用目标级联分析法求解模型

目标级联分析法(atc)主要用于解决多层级结构的协调优化问题，它允许上层结构对上层优化问题自主决策，并对下层结构的优化问题进行协调优化而获得全局最优解，具有收敛速度快的特点。多代理技术采用“分而治之”的核心思想将大规模问题划分为小的子任务分配给各个agent，各agent之间相互独立，同时通过上层agent与其他agent交换信息，非常适合处理电力系统广域协调问题。

利用atc和多代理技术求解上述多区域动态经济调度模型，在每一个分解后的子区域中构建各区域agent，区域agent包含本区域联络线功率、发电费用等本地信息；再构建一个虚拟的总协调agent，复制所有区域的边界节点相角向量用代表总协调agent中的边界节点相角向量，且要满足则耦合约束实际上等价为：

为采用atc求解多区域电力系统优化问题，实现总协调agent与下层区域agent的交替迭代求解，将上述集中式动态经济调度模型分为区域优化子问题和总协调主问题：

各区域电网优化子问题的目标函数是在本区域总费用基础上，利用增广拉格朗日函数将耦合约束(10)松弛到函数中，引入拉格朗日二次项以降低振荡、减少收敛的迭代次数，同时构造罚函数使得在迭代求解过程中子问题的边界向量与主问题边界向量不断接近。子问题模型如下：

其中，为耦合约束中的拉格朗日乘子，为二次罚函数乘子；为第k次迭代总协调主问题下发到子问题的边界节点相角值；分别为各区域电网中的边界节点相角值；

总协调主问题的作用是对总协调agent求解出的边界节点相角值和各区域子问题中求解出的相角值进行协调，模型如下：

其中，分别为总协调agent的边界节点相角值；为第k次迭代各区域电网子问题上传到总协调agent的边界节点相角值；

在迭代求解主、子问题时，需要更新罚函数乘子使得主、子问题求解出的边界节点相角值趋于相等，罚函数乘子更新公式如下：

其中，α为调节步长的参数，一般情况下，步长取值范围为[1,3]。

判断算法收敛的公式为：

3、建立引入风电误差场景的随机动态经济调度模型，具体方法如下：

步骤2中的集中式动态经济调度模型是在不考虑风电的随机性下建立的，是预测场景下问题的优化。为了确保系统留有足够的旋转备用以应对风电随机性，采用场景法在步骤3引入各区域的风电误差场景，建立各区域的随机动态经济调度模型，并利用atc将模型分为预测场景主问题和误差场景子问题进行交替迭代求解。

(1)各区域电网的误差场景子问题

目标函数：最小化各个误差场景下的弃风量和虚拟切负荷惩罚费用，公式如下：

其中，s为误差场景个数；ps为第s个场景出现的概率；δww,t,s为第s个场景下第w个风电场在时刻t的弃风功率，δdt,s为第s个场景下时刻t的虚拟切负荷功率；q为弃风惩罚费用；cd为虚拟切负荷惩罚费用；nt为调度总时段；nw为风电场总数；

约束条件：

区域内部节点直流潮流方程：

其中，是在第s个场景下a区在时段t的火电机组出力向量，为风电场调度出力向量，为节点负荷向量；sb为潮流基准值，设为100mva；b^a为a区忽略支路电阻和对地支路的节点导纳矩阵；为第s个场景下a区在时段t的节点相角向量。

火电机组出力上下限约束：

风电机组出力上下限约束：

机组爬坡与滑坡约束：

线路传输功率约束：

其中，为第s个场景下a区的线路kl在时段t的传输功率值；分别为第s个场景下节点k、l在时刻t的相角值。

同一时段预测场景与误差场景下的出力调节速率约束：

-δi≤pi,t-pi,t,s≤δi(21)

其中，δi为火电机组i在10分钟内可以迅速调节的出力增量。

边界节点相角值约束：

(2)预测场景主问题

目标函数：在区域电网子问题上，增加了误差场景子问题中的中间变量和最优切割，公式如下：

其中，为a区域的中间变量；fa为最优切割系数向量；ma、na为最优切割系数矩阵。第一个约束条件为各子区域内部约束条件，第二个约束条件为各区域内部误差场景形成的最优切割。

4、交替求解全网分散优化问题和区域随机优化问题，具体方法如下：

(1)求解全网分散优化问题

利用atc对集中式多区域动态经济调度模型进行全网分散优化时，引入总协调agent相当在各相邻区域的边界上构造一个虚拟区域，该虚拟区域包含所有的区域联络线，使得所有不同的区域与之相连而不是直接与相邻区域相连。为每一个分解后的区域建立一个区域agent，可以获得联络线上功率流动、功率需求、生产费用等本地信息。总协调agent实时监测和管理下级的区域agent，各区域agent通过总协调agent进行信息交换。

各区域agent求解本区域的区域优化子问题时，求解得到边界节点相角值将相角值上传到总协调agent中；总协调agent根据下层子问题上传的相角值求解总协调主问题，计算得到上层边界节点相角值再向各下层区域agent下发计算结果，由此实现上下层交替迭代求解。通过不断更新罚函数乘子进行交替迭代求解，由此各区域agent边界变量与总协调agent边界变量不断接近，又因为总协调agent中存在约束条件a、b区域求解得出的相角值也不断逼近。

(2)求解区域随机优化问题

引入风电误差场景对预测场景的相角值进行修正时，预测场景主问题求解得出边界变量值下发给误差场景子问题，通过求解模型得出边界变量值再上传给主问题，并不断更新罚函数乘子使得预测场景主问题的边界变量值得到修正，从而实现随机优化。

误差场景同时对预测场景的边界节点和机组出力进行修正，边界节点的相角值可能发生改变，因此随机优化后可能需要再次进行全网分散优化，利用总协调agent对各区域边界节点相角进行协调，确保其满足耦合约束。

实施例

以ieee-39标准测试系统为实施例，ieee-39系统各区域电网均包含10台火电机组、39个节点，其中a区域中含有一个风电场，其具体拓扑图如图2所示。系统广域协调消纳流程如下(参看图1)：

第一步：初始化参数

0)设置步长调节参数α＝1.05，各区域边界节点相角值初始值为0；

第二步：进行预测场景下的分散优化

1)对每个区域求解各区域电网优化子问题，求解得出边界节点相角值上传至总协调agent；

2)求解上层总协调主问题，计算得出边界节点相角值下发给各区域电网调度中心；

3)判断收敛性：若满足收敛条件，进入第三步；否则，更新罚函数乘子进行下一次迭代，重新进行第二步，返回2)；

第三步：进行每个区域的随机优化

4)求解该区域的预测场景主问题；

5)求解该区域的误差场景子问题；

6)判断收敛性：若满足收敛条件，则认为该区域的误差修正优化已经收敛，将边界节点相角值上传给总协调agent，进入7)；否则，重新进行第三步进行下一次迭代，返回4)；

7)判断是否所有区域的误差修正优化均为收敛：若已经全部收敛，进入第四步；否则，重新进行第三步，返回4)；

第四步：再次分散协调优化

8)求解上层总协调主问题，计算得出边界节点相角值下发给各区域电网调度中心；

9)判断收敛性：若满足收敛条件，则认为整个多场景分散式调度模型已经完全收敛，算法终止，输出全网发电调度方案；否则，更新罚函数乘子，重新进行第二步，返回2)。

风电预测功率如表1所示。

表1ieee-39系统a区域风电预测功率表

1、总协调agent在多区域动态经济调度模型中的协调情况。

表2给出了在t＝1，对于同一个边界节点，由总协调agent、a区域agent、b区域agent分别算出的节点相角值情况。可以看出，a、b区域agent算出的节点相角值随着迭代的进行不断接近，而总协调agent的节点相角值一直处于两区域的值中间，说明总协调agent起到了协调作用，使得不同区域算出的相角值逐渐接近。

表2同一时刻同一边界节点相角值

2、联络线功率情况。

在考虑风电随机性的情况下，分别采用集中式动态经济调度模型(模型1)和本发明中的分散协调调度模型(模型2)进行计算，表3给出了同一条联络线上在不同时刻流过的功率值，可以看出：

(1)大多数时刻，模型2联络线功率小于模型1，是因为模型2中各区域机组都要应对本区域风电随机性而留存更多旋转备用；

(2)负荷低谷时段，模型2联络线功率有所抬升，有利于将a区域低谷时段富余风电送到b区域，从而实现大规模风电的跨区消纳。

表3不同模型算出的联络线功率值

本发明提出的考虑风电随机性的电力系统广域协调消纳方法，采用多代理技术，能够在确保数据隐私和调度独立的情况下消纳大规模随机风电，符合分散优化的要求，能够实现不同区域风电资源在空间上的优势互补，实现风电出力广域协调消纳，使得电网留有更多的裕度以应对风电的随机性，采用目标级联分析法求解全网分散动态经济调度模型和各区域随机动态经济调度问题，计算速度较快，适用于求解大规模电网动态经济调度问题。

本发明中的专业术语解释

目标级联分析法(atc)：主要用于解决多层级结构的协调优化问题，它允许上层结构对上层优化问题自主决策，并对下层结构的优化问题进行协调优化而获得全局最优解，具有收敛速度快的特点。

多代理系统(multi-agentsystem)：agent的中文表述为“代理”或“智能体”，人工智能想要达到的目标就是开发出可以像人类一样思考并处理问题的智能体。单个agent的计算、处理问题的效果其实十分有限，但是由于多个agent可以组成一个整体的系统共同应对庞大系统并解决十分繁杂的问题，即多代理系统。多代理系统由多个功能独立的agent构成，具备分布式控制和分布式计算的能力，以增强多区域电力系统中上级调度中心的控制能力和计算能力。多代理技术采用“分而治之”的核心思想将大规模问题划分为小的子任务分配给各个agent，各agent之间相互独立，同时通过上层agent与其他agent交换信息，非常适合处理电力系统广域协调问题。