[發明專利]一種區域能源互聯網不確定優化調度方法及系統

有效

• 申請號: 201810009344.7
• 申請日: 2018-01-05
• 公開（公告）號: CN108365608B
• 公開（公告）日: 2022-01-18
• 發明（設計）人: 李燁;蒲天驕;陳乃仕;范士雄;楊占勇;楊洋;衛澤晨;韓巍;王偉;劉幸蔚;吳錕;李蘊;黃仁樂;賈東強;汪偉;王存平;孫健;王海云
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網公司;國網北京市電力公司
• 主分類號: H02J3/06
• 分類號: H02J3/06
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

1.一種區域能源互聯網不確定優化調度方法，其特征在于，包括：

獲取隨機變量數據；

基于所述隨機變量的誤差概率分布生成多個場景；

對所述多個場景進行削減得到典型場景；

對所述典型場景進行處理獲得離散組合優化場景；

根據所述離散組合優化場景通過長時間不確定優化調度模型進行優化，并對優化結果根據短時間滾動修正模型進行修正；

所述基于所述隨機變量的誤差概率分布生成多個場景，包括：

將誤差離散化為n個區間，每個區間所圍面積分別為S_1,t,S_2,t…S_n,t，構成當前時刻的誤差狀態向量：m_t＝[S_1,t,S_2,t…S_n,t],其中，S_1,t,S_2,t…S_n,t代表每個區間發生的概率；

基于馬爾科夫理論修正所述隨機變量的誤差狀態向量；

對所述誤差狀態向量隨機抽樣，將選中的誤差狀態向量對應的誤差區間轉換為多個場景；

所述對所述誤差狀態向量隨機抽樣，將所述選中的誤差狀態向量對應的誤差區間轉換為多個場景，包括：

根據t時刻各誤差狀態概率，對所述誤差狀態向量進行隨機抽樣；

進行N次抽樣后，構成狀態矩陣其中各個區間的選中情況構成了一個長度為N的二進制向量(X_t)_N×1，所述二進制向量(X_t)_N×1中令x_i(i＝1…n)表示誤差區間的選中狀態：若被選中，則x_i＝1，否則x_i＝0；

對所述狀態矩陣通過蒙特卡洛抽樣將所述狀態矩陣構成t₀-T時段的場景。

2.如權利要求1所述的區域能源互聯網不確定優化調度方法，其特征在于，所述基于馬爾科夫理論修正所述隨機變量的狀態向量，按下式計算：

式中，E表示一步狀態轉移矩陣，表示t＝t₀時刻時的誤差狀態向量。

3.如權利要求1所述的區域能源互聯網不確定優化調度方法，其特征在于，對所述多個場景進行削減得到典型場景，包括：

將所述多個場景采用模糊c均值聚類算法進行場景削減，并計算所述典型場景概率。

4.如權利要求3所述的區域能源互聯網不確定優化調度方法，其特征在于，按下式將所述多個場景采用模糊c均值聚類算法進行場景削減：

1≤m≤∞

式中，U：隸屬度矩陣，V為中心向量矩陣，C：典型場景數目，M₀：原始場景數目，V_c：第c個聚類場景集的中心向量，X_i：第i個原始場景向量，μ_ci：第i個場景向量到第c個聚類場景集的隸屬度函數，m：收斂因子，J：各個類別內部的場景與中心向量的相似程度。

5.如權利要求4所述的區域能源互聯網不確定優化調度方法，其特征在于，所述第c個聚類場景集的中心向量V_c概率，按下式計算：

式中，N_c：可聚類為中心向量V_c的場景數量。

6.如權利要求5所述的區域能源互聯網不確定優化調度方法，其特征在于，所述典型場景概率進行處理獲得離散組合優化場景，包括：

所述離散組合優化場景的概率，按下式計算：

式中，I：光伏最優典型場景數目，K：風機最優典型場景數目，J：負荷最優典型場景數目，M為組合場景個數；δ_i^PV：光伏電源發生第i個場景的概率，風機發生第k個場景的概率，負荷發生第j個場景的概率。