[发明专利]基于风电预测与需求响应的鲁棒双层优化模型的求解方法

说明书

本发明提供一种基于风电预测与需求响应的鲁棒双层优化模型的求解方法，鲁棒双层优化模型包括机组组合优化模型与经济调度优化模型；方法包括：建立机组组合优化模型；根据机组组合优化模型建立经济调度优化模型；根据经济调度优化模型建立并求解鲁棒双层优化模型。本发明提供的鲁棒双层优化模型包括机组组合优化部分与经济调度优化部分，从发电侧与需求侧两方面进行考虑，提高风电的消纳水平以及解决风电出力的不确定性问题。

技术领域

本发明涉及一种求解方法，具体涉及一种基于风电预测与需求响应的鲁棒双层优化模型的求解方法。

背景技术

在能源互联网的大背景下，风电作为重要的可再生能源具有广阔的经济发展前景。例如，美国能源部提出到2030年，风电发电量将达到国内发电总量的20％[文献1]。但由于风电的波动性、间歇性等特点，使得风电出力很难预测，加之其又具有反调峰性，大大限制了风电并网容量与装机容量的同步增长。为了解决这些问题，可以从在发电侧建立随机优化调度模型和在用户侧采用需求响应(Demand Response，DR)措施两方面考虑[文献2]。

从发电侧考虑，针对风电出力预测的不确定性，文献[3]利用机会约束规划方法建立基于预测风电功率可信度水平的分级模型；文献[4]提出将可信性理论与模糊机会约束规划引入到动态经济调度中，给出模糊置信水平下的调度决策方法；文献[5]通过建立风电场景模拟及场景削减策略来模拟风电功率的不确定性。上述方法均从随机规划建模的角度来模拟风电机组出力，考虑到具有代表性的风电场景，但难以准确地反映出所有情景。

从需求侧考虑，需求响应分为价格型需求响应(Price-based Demand Response,PBDR)和激励型需求响应(Incentive-based Demand Response,IBDR)，可以引导用户改善用电模式，实现“削峰填谷”，达到平滑负荷曲线的效果，从而降低常规机组的调峰难度，并通过减少机组启停次数来降低发电成本，为风电消纳提供更大的负荷空间。文献[5]利用储能系统和需求响应的协作效应来抑制风电的不确定性，提高风电并网容量；文献[6]基于风电与电动汽车的充放电特性，建立两者之间的协同调度模型；文献[7]将分时电价机制与储能技术纳入到风电消纳模型，通过改变系统负荷分布提高风电的消纳水平；文献[2]和文献[8]均引入多种价格型与激励型的需求响应措施，构建多类型需求响应下的风电随机优化调度模型。上述需求响应建模在分析分时电价时，考虑到价格弹性对峰、平、谷各时段电量、电价变化的影响。但这种价格弹性的制定未能考虑非弹性需求与弹性需求的区别。

[文献1]U.S.Department of Energy,20％Wind Energy by 2030:IncreasingWind Energy’s Contribution to U.S.Electricity Supply,2008.

[文献2]鞠立伟，秦超，吴鸿亮，何璞玉，于超，谭忠富.计及多类型需求响应的风电消纳随机优化调度模型[J].电网技术，2015,07:1839-1846.

[文献3]王成福，梁军，张利，等.基于机会约束规划的风电预测功率分级处理[J].电力系统自动化，2011，35(17)：14-19.

[文献4]艾欣，刘晓.基于可信性理论的含风电场电力系统动态经济调度[J].中国电机工程学报，2011，31(S1)：12-18.

[文献5]鞠立伟，于超，谭忠富.计及需求响应的风电储能两阶段调度优化模型及求解算法[J].电网技术，2015,05:1287-1293.

[文献6]于大洋，宋曙光，张波，等.区域电网电动汽车充电与风电协同调度的分析[J].电力系统自动化，2011，35(14)：24-29.

[文献7]宋艺航，谭忠富，李欢欢，等.促进风电消纳的发电侧、储能及需求侧联合优化模型[J].电网技术，2014，38(3)：610-615.