[发明专利]计及污染气体排放风险的环境经济调度方法

权利要求书

1.一种计及污染气体排放风险的环境经济调度方法，其特征在于，具体步骤如下：

1)构建环境经济调度污染气体排放风险评估指标；

2)在多场景理论框架内建成计及污染气体排放风险的多目标随机动态环境经济调度模型；

3)由所建模型对风电出力场景进行模拟，采用后向场景削减技术对模拟出的风电出力场景进行削减，然后在削减后的风电出力场景集合基础上进行环境经济调度的优化决策；

4)采用内嵌目标相对占优的遗传算法，对削减后形成的复杂动态非线性模型进行求解，得到综合最优解；

5)调度机构根据综合最优解对风电出力污染气体排放风险进行评估及管理；

步骤1)中所述的构建环境经济调度污染气体排放风险评估指标包括：

1-1)污染气体排放风险评估指标的定义：以环境经济调度的调度机构作为行为主体，把风电出力作为影响环境经济调度污染气体排放的随机因素；在风电随机出力环境下，将在设定的调度周期内，火电机组总的污染气体排放量超出期望值的部分作为污染气体排放风险；污染气体排放风险的严重程度作为污染气体排放风险的度量指标，称为环境经济调度污染气体排放风险评估指标；

1-2)采取半绝对离差风险评估指标来构建环境经济调度中污染气体排放风险评估指标，在半绝对离差风险的概念中总回报率及其期望值表示如下：

R(x)=Σi=1NRixi---(1)]]>

r(x)=Σi=1Nrixi---(2)]]>

式(1)(2)中，N表示投资资产的总数，R_i表示第i种投资资产的随机回报率，r_i表示R_i的期望，x_i表示在总的投资资产中第i种资产的比例；

根据(1)(2)式，采用半绝对离差风险的概念来度量投资组合风险时其风险评估指标可表示如下：

L_(x)＝E[|R(x)-E(R(x))|_](3)

式中E表示期望算子，E(R(x))表示对随机变量R(x)取期望；

针对任意的v，有下式成立：

|v|_＝max{0；-v}(4)

式(4)的具体含义为：当v≥0时该表达式取值为0，反之则取值为-v；

1-3)基于半绝对离差风险评估的污染气体排放风险评估指标：在环境经济调度中度量污染气体排放风险的评估指标构建如下：

M+=E{|Σi=1NG[fi(Pi,G)-E(fi(Pi,G))]|+}---(5)]]>

式中N_G表示火电机组的台数，P_i,G表示火电机组i的随机出力，f_i(P_i,G)表示火电机组i的污染气体排放量函数；其中对任意的v有下式成立：

|v|₊＝max{0；v}(6)

式(6)的具体含义为：当v≥0时该表达式取值为v，反之则取值为0；

构建的环境经济调度污染气体排放风险评估指标将应用于计及污染气体排放风险的多目标随机动态环境经济调度模型中，该模型的构建如下：

以日调度周期内环境经济调度火电机组污染气体排放量的期望值，以及污染气体排放风险均最低作为多目标函数，并将火电机组发电运行成本的期望作为约束条件，具体的目标函数及约束条件为：

2-1)设置多目标函数为：

2-1-1)取污染气体排放量的期望值最小值：

minΣs∈SpsΣt=1TΣi=1NGfi(Pi,Gt,s)---(7)]]>

式中s表示场景序号，s∈S表示场景s属于集合S，p_s表示场景s发生的概率，T表示调度周期时段数，表示第i台火电机组在场景s环境下第t个时段的出力；

其中采用污染气体综合排放函数表示，如下所示：

fi(Pi,Gt,s)=αi+βiPi,Gt,s+γi(Pi,Gt,s)+ηieδiPi,Gt,s---(8)]]>

式中α_i、β_i、γ_i、η_i和δ_i表示火电机组i的污染气体综合排放函数的系数；

2-1-2)使污染气体排放风险达到最小的方式为：将式(5)具体化到调度周期的各时段，则得到下式：

minΣs∈Sps|Σt=1TΣi=1NG[fi(Pi,Gt,s)-E(fi(Pi,Gt,s))]|+---(9)]]>

2-2)设置约束条件为：

2-2-1)系统运行约束条件为：

2-2-1-1)火电机组发电运行成本期望约束条件为：

Σs∈SpsΣt=1TΣi=1NGgi(Pi,Gt,s)≤C---(10)]]>

式中C表示火电机组发电运行成本期望值上限，表示火电机组i的发电运行成本函数，具体表达式如下：

g(Pi,Gt,s)=ai+biPi,Gt,s+ci(Pi,Gt,s)2+|disin(ei(Pi,G,min-Pi,Gt,s))|---(11)]]>

式中a_i、b_i、c_i、d_i和e_i表示火电机组i的发电运行成本函数的系数；

2-2-1-2)系统功率平衡约束条件为：

Σi=1NGPi,Gt,s+Σj=1NWPj,Wt,s=PDt,t∈T;s∈S---(12)]]>

式中表示在场景s环境下风电机组j在第t个时段的功率，表示第t个时段的系统负荷功率；

2-2-1-3)系统上下旋转备用约束条件为：

Σi=1NG(Pi,G,max-Pi,Gt,s)≥USRt,t∈T;s∈S---(13)]]>

Σi=1NG(Pi,Gt,s-Pi,G,min)≥DSRt,t∈T;s∈S---(14)]]>

式中P_i,G,max、P_i,G,min分别表示火电机组i的出力上下限，分别表示系统在第t个时间段的上下旋转备用；

2-2-2)机组运行约束条件为：

2-2-2-1)火电机组出力上下限约束条件为：

Pi,G,min≤Pi,Gt,s≤Pi,G,max,t∈T;i∈NG;s∈S---(15)]]>

2-2-2-2)火电机组爬坡能力约束条件为：

Pi,Gt,s-Pi,Gt-1,s≤Ri,u,t∈T;i∈NG;s∈S---(16)]]>

Pi,Gt-1,s-Pi,Gt,s≤Ri,d,t∈T;i∈NG;s∈S---(17)]]>

式中R_i,u、R_i,d分别表示火电机组i在相邻时段出力允许的最大上升和下降值；

2-2-2-3)火电机组快速调整量约束条件为：用于保证在不同场景发生时火电机组能及时调整处理，以适应风电出力的随机性变化，表达式为：

Pi,Gt,avg=Σs∈SpsPi,Gt,s,t∈T;i∈NG;s∈S---(18)]]>

-Δi,DG≤Pi,Gt,s-Pi,Gt,avg≤Δi,UG,t∈T;i∈NG;s∈S---(19)]]>

式中表示火电机组i在时段t时各个场景中出力的期望值，即最终的机组调度出力，表示场景s环境下在时段t时火电机组i的调度出力与其最终调度出力之间的差值，△_i,UG、△_i,DG分别表示火电机组i的快速调整量上下限。

2.如权利要求1所述的计及污染气体排放风险的环境经济调度方法，其特征在于，采用该模型进行风电出力的场景模拟并采用后向削减技术对模拟出的场景削减后，形成的复杂动态非线性模型采用内嵌目标相对占优的遗传算法来求解，具体求解方式如下：

3-1)基于目标相对占优的染色体适应度函数构造：将种群中的各染色体分别根据每个子目标函数值排序，选取每次迭代过程中使得各子目标函数值最小且不为0的染色体作为各子目标函数的基点，然后再计算各染色体相对各基点的目标值之和，目标值之和最优的染色体即为每次迭代过程中的最优染色体，在满足终止条件时最优染色体就为所求多目标模型的综合最优解，据此，基于目标相对占优的染色体适应度函数可构造如下：

A(xi)=1/(F(xi)+Σj=1Ny(ωj×gj(xi)))---(20)]]>

式中A(x_i)表示染色体x_i的适应度函数，g_j(x_i)表示惩罚函数，ω_j表示惩罚函数系数，N_y表示需要判断的总约束数，F(x_i)表示染色体x_i相对各基点的目标函数值之和，表达式为：

F(xi)=Σj=1Nj(fj(xi)/fj(xj_0))---(21)]]>

式中f_j(x_i)表示染色体对应的子目标函数j的函数值，f_j(x_{j_0})表示子目标函数j的基点x_{j_0}对应的函数值，N_j表示子目标函数的个数；

3-2)内嵌目标相对占优的遗传算法具体步骤如下：

3-2-1)输入原始数据：输入拉丁超立方采样规模、风电出力场景削减后场景集合的场景数、遗传算法中要求的种群规模、交叉概率、变异概率；

3-2-2)风电出力场景生成和削减：首先采用拉丁超立方采样技术生成大量风电出力的原始场景，然后采用后向场景削减技术对该原始场景进行削减，得到满足求解效率和精度要求的风电出力场景集合；

3-2-3)产生初始种群：根据式(15)对随机个体进行编码产生；

3-2-4)启发式调整：对初始种群中的火电机组出力变量进行启发式调整，以满足系统功率平衡约束条件；

3-2-5)适应度评价根据式(21)的目标相对占优的适应度函数对初始种群中的每个随机个体进行适应度评价；

3-2-6)产生子种群：对父代种群中的随机个体进行选择、交叉和变异操作，生成本次迭代的新一代子种群，并对该种群进行启发式调整；

3-2-7)合并种群：合并父代和子代种群以形成本次迭代的新种群；

3-2-8)适应度评价：根据式(21)的目标相对占优的适应度函数进对合并后种群中的每个随机个体进行适应度评价；

3-2-9)保留父代种群：基于最优保存策略，将本次迭代中父代和子代共2N个个体组成新群体，并根据适应度值进行从大到小排序，选择0.5N个优良个体、0.3N个次优个体和0.2N个不良个体，组成N个个体的新的父代种群，保留该新的父代种群；

3-2-10)终止判断：判断是否满足迭代终止条件，若满足终止条件则输出最优个体，否则返回步骤3-2-6)。