[发明专利]基于改进轻鲁棒优化模型的风电与火电机组组合方法

说明书

技术领域

本发明涉及一种电力调度技术，尤其是涉及一种基于改进轻鲁棒优化模型的风电与火电机组组合方法。

背景技术

随着节能减排的推进，风电已开始大规模并网，这给机组组合问题(Unit Commitment，UC)给带来了新的挑战，如何让传统确定性UC问题适应风电所带来的不确定性，成为近期关注的热点问题之一。

近年来，鲁棒优化(Robust Optimization，RO)理论取得较大进展，为UC问题的研究提供了一个新的数学工具。鲁棒优化模型的突出优点是不需要事先给定不确定参数的概率分布，而是通过一个不确定集来描述参数的波动，只要参数波动在不确定集范围之内，其最优解一定可行；因此便于工程应用。由于鲁棒优化理论的上述优点，引起了电力研究者关注，并运用于经济调度、电网规划等领域中。在基于鲁棒优化理论UC问题研究中，按不确定参数大致可分为：故障的不确定、风电和负荷的不确定以及电价的不确定。本发明主要研究基于鲁棒优化的计及风电或负荷不确定性的UC问题，下面分别从不确定集构造、整体建模及求解策略方面阐述当前国内外此类问题的研究现状：

在不确定集构造方面，通常将负荷、风电或者二者合并视为不确定参数，可在给定区间内任意取值，为了改善保守性，一般还通过一个预算约束对同一阶段下波动总量进行限制，此类不确定集称为预算不确定集。主要的预算不确定集有：通过预算约束沿时间轴对波动发生的总小时数进行限制；或者对不确定参数的波动用0-1变量与波动幅度之积来表示，但这种表示方式不适用于预算值非整数的情况；将总时间分为三个阶段，每个阶段风电波动总量的加权和不低于给定下限；使每小时风电出力加权和以及所有小时的风电出力加权和不低于给定下限。这些不确定集均未加波动总量上限约束，因此解的保守性较大。

在整体建模方面，现有研究主要计及风电和负荷的不确定性、需求侧响应机制、利用抽水蓄能电站来吸收风电的波动，建立随机－鲁棒联合优化模型来改善保守性，但随机模型的引入使建模复杂，求解更困难；而一些学者提出了一种针对超短期发电计划的两阶段二次规划RO-UC模型，通过给引入风电出力区间值来替代传统的风电接纳出力值，可减少弃风量和调节频度。

在求解策略方面，鲁棒优化模型一般转换为一个多层嵌套的确定性问题，并通过对偶变换来消去最内层优化问题，由于此过程会产生非线性项，因此常用外逼近、双线性启发方法进行迭代求解，求解过程因需要反复迭代，计算量往往比较大；有研究对可调两阶段RO-UC模型子问题中所有的不确定参数转移至目标函数中，使子问题成为易解的MILP而避免了出现非线性项；或者将对偶变化后出现的非线性项用大M来进行线性化，转换为MILP模型，但大M取值不当可能影响结果；此外还有研究提出了列和约束生成方法来求解，该方法不必对偶，但在每次迭代中变量会增加一组变量。

基于如上综述，不难看出，当前RO-UC模型仍存在如下缺点：

(1)目前计及风电的RO-UC模型均未像随机优化模型那样考虑对风电的控制策略，其模型均是按完全接纳所有风电出力进行设计，这与实际情况并不符。实际系统运行中风电并不一定要求被全部接纳或不能完全接纳，在一定情况下进行一定量的弃风，反而会得到更好的综合效益，例如我国华北地区前、后夜风都比较大，而此时负荷往往最小，若此时完全接纳风电，会使一些机组深调甚至停机，但机组启停增加的成本可能会比风电节省的费用更高，而且机组减少后，供电可靠性可能也不满足要求。

(2)目前的RO-UC模型解的保守性还比较大。首先，RO-UC的鲁棒性要求其解对不确定集中的所有情况完全可行，而不确定集中往往包含了一些出现概率很低的极端情况；再者，由于把所有约束均视为不容违背的“硬约束”，容易出现无解的情况，例如在夏冬极端气候条件下，电网很容易因制冷制热负荷突增而出现输变电设备短时过载或者不满足N-1要求的情况，但这些设备一般具有短时过载能力，实际运行时也允许短时过载，而现有的方法对此不加区别，均处理成必须满足的“硬约束”(即视为不可过载)。以上两个因素均导致了RO-UC模型解的保守性较大。

(3)目前的RO-UC模型求解难度较大。许多方法采用对偶变换，不但编程复杂，而且会产生非线性项，而不得不采用外近似等迭代求解或者大M法来线性化，使求解难度增加。

发明内容