[發明專利]一種風電接入系統的場景解耦動態經濟調度模型求解方法

有效

• 申請號: 201811025211.5
• 申請日: 2018-09-04
• 公開（公告）號: CN109193756B
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 謝敏;程培軍;胡昕彤;韋薇;張悅;劉明波
• 申請（專利權）人: 華南理工大學
• 主分類號: H02J3/38
• 分類號: H02J3/38
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 裴磊磊

本發明公開了一種風電接入系統的場景解耦動態經濟調度模型求解方法，包括：S1、基于場景法建立考慮風電接入系統的動態經濟調度模型；S2、在MCO方法計算結構的基礎上建立動態最優松弛優化模型，根據系統級與各誤差場景級決策變量間的耦合關系求取最優松弛變量；S3、基于MCO的核心思想建立基于動態最優松弛的高維場景解耦動態經濟調度模型，將原模型按照誤差場景進行解耦，得到電力系統動態經濟調度的高維場景解耦模型；S4、對步驟S3所建模型進行迭代求解，直至系統級目標函數值達到收斂條件。所述方法與傳統的場景法求解電力系統動態經濟調度相比，計算難度大大降低，計算速度快，具有一定的實用價值。

技術領域

本發明涉及電力系統動態經濟調度領域，具體涉及一種風電接入系統的場景解耦動態經濟調度模型求解方法。

背景技術

目前，針對含有風電等隨機變量的電力系統動態經濟調度問題，國內外研究大都直接采用場景法進行建模求解。為了避免當場景數較多使得模型的決策變量和約束條件大幅增長進而導致模型的計算量和計算時間呈指數增加等問題，有學者提出對生成的隨機誤差場景進行縮減以達到提高求解效率的目的，常用的場景縮減主要有基于概率距離的快速前代消除技術以及聚類技術。基于概率距離的快速前代消除技術首先根據風電出力服從的概率分布生成大量的隨機誤差場景并假設原始各場景出現的概率都是相同的，然后確定需要的場景個數，并根據各個場景間的歐式距離消除誤差場景中相似度較高的場景，使得縮減之后的誤差場景集合能夠以較少的場景體現原始場景的特征。利用聚類技術進行場景縮減，聚類技術也是根據數據間的相似性進行聚合的技術，利用數據的不同特征可以得到不同的聚類方法，常見的有K-means聚類方法，它需要設定初始的聚類中心，然后計算所有場景下風電出力與各個聚類中心的歐氏距離，將各個場景劃分到距離最近的聚類中心，然后計算分類以后各類數據的均值并以此作為新的聚類中心，以此重復計算，直至聚類中心不再變化，則計算得到的聚類中心便是場景縮減后具有代表性的隨機誤差場景。此外，有學者提出采用分布式優化方法解決基于場景法的電力系統動態經濟調度問題中存在的求解規模過大等不足。常見的分布式優化方法主要有兩種，一種是針對求解的系統進行分區，降低了整個系統的求解維度，從而提高求解效率；另一種是對原始求解模型進行簡化，使得各個場景約束方程的系數矩陣變成一個稀疏矩陣，并根據該系數矩陣具有的對角加邊結構進行分布式求解，實現對原模型的快速求解。

上述關于優化場景法求解效率的方法主要存在以下局限性：1)通過場景縮減技術處理后得到的誤差場景僅能體現風電出力的部分特征，不能描述可能存在的極端情況，雖然在一定程度上提高了求解效率，但求解結果可能無法滿足系統運行的安全性要求。此外，場景個數的選取不夠客觀，存在較大的隨機性。2)分布式優化方法雖然采用分解的思想提高了求解效率，但仍不能有效解決當場景數增大到一定數量時導致的計算量大幅增加和“維數災”等問題。

多學科協同優化算法(Multidisciplinary Collaborative Optimization,MCO)可以根據模型的特點提出有效的計算框架結構，將復雜的優化問題進行解耦以減輕原問題的計算復雜度，避免“維數災”等問題。MCO方法的求解有許多改進模式，常用的方法是通過在系統級的一致性約束中引入松弛變量，降低迭代難度，提高算法的收斂效率。考慮動態松弛的MCO方法利用各子學科間的最大不一致信息乘以松弛因子得到相應的松弛變量，根據MCO優化算法理論，系統級的一致性約束可以視為高維空間中的超球體，而松弛變量則是超球體半徑的平方，通過選取合適的松弛變量，使得各子學科形成的超球體具有相交區域，即系統級優化問題具有可行域，但如何選取合適的松弛變量成為了一大難點。對此，有學者提出動態罰因子協同優化算法，根據各子學科間優化變量的最大不一致量作為懲罰因子，將一致性約束作為懲罰項加到系統級目標函數中，進而解決了系統級一致性約束的可行域不光滑以及系統級約束在最優解處為奇異矩陣，導致系統級優化的Kuhn-Tucker條件無法滿足等問題。但現有的計算方法大都出現了求解時間過長甚至是求解規模過大導致計算機內存容量不足等問題，無法滿足實際應用的需要。

發明內容