[发明专利]一种考虑风电出力和需求响应不确定性的优化调度方法

权利要求书

1.一种考虑风电出力和需求响应不确定性的优化调度方法，其特征在于，包括以下步骤：

步骤1、基于扩展概率性序列运算理论，分别建立表征激励型负荷和价格型负荷响应不确定性的概率模型，考虑需求响应不确定性对成本的影响；

步骤2、以应对风电波动性和随机性为背景，基于风险约束和风险成本理论，构建同时考虑风电出力和需求响应不确定性的电力系统日前优化调度模型；

步骤3、通过对目标函数和约束条件的转化，将随机优化问题转化为一个线性凸优化问题进行求解。

2.如权利要求1所述的考虑风电出力和需求响应不确定性的优化调度方法，其特征在于，步骤1的实现包括以下步骤：

步骤1.1建立激励型负荷响应不确定性概率模型包括：

步骤1.1.1建立优化模型：

minΣi=-NnNp[x(i)-a0(i)]2s.t.x(i)=a1(i)!a2(i)ak(i)=12πσke-(i-μk)22σk2,k=0,1,2σ1,σ2>0---(1)]]>

(1)式中，a₀为需求响应参与的电力需求的实际分布函数，σ₀为电力需求的预测误差，x(i)为对a₀进行序列化得到的概率性序列；a₁为实际的基线负荷，a₂为负荷削减量，σ₁和σ₂分别为特定预测值μ₁和μ₂下实际基线负荷a₁和负荷削减量a₂的分布函数的方差，a₁(i)为基线负荷的概率性序列，a₂(i)为负荷削减量的概率性序列；

步骤1.1.2确定激励型负荷响应成本C_I,n,t：通过步骤1.1所述优化模型求解得到σ₁、σ₂，μ₂和σ₂可知，激励型负荷响应成本C_I,n,t为负荷削减量q_I,n,t的二次函数：

CI,n,t=aI,n,t·qI,n,t2+bI,n,t·qI,n,t---(2)]]>

(2)式中，a_I,n,t、b_I,n,t分别表示削减负荷补偿成本的二次项系数和一次项系数；

当用户欠响应时，电力公司按照实际负荷削减量根据式(2)对用户进行补偿；

当用户过响应时，电力公司按照下达的负荷削减量根据式(2)对用户进行补偿；

步骤1.1.3确定考虑负荷削减不确定性的激励型负荷响应成本C′_I,n,t:

CI,n,t′=aI,n,t·(q‾I,n,t+ϵI,n,t)2bI,n,t·(q‾I,n,t+ϵI,n,t)-kI,ov·ϵI,n,t,ϵI,n,t<0aI,n,t·q‾I,n,t2+bI,n,t·q‾I,n,t+kI,un·ϵI,n,t,ϵI,n,t>0---(3)]]>

(3)式中，为负荷削减量调度值，ε_I,n,t表示的负荷削减的偏差量，k_I,ov表示高估代价系数，k_I,un表示低估代价系数；

步骤1.2建立价格型负荷响应不确定性的概率模型包括以下过程：

1)统计各母线上的负荷实测数据，根据负荷预测水平和电价激励水平将负荷实测数据分为若干组G₁,G₂...G_n，n为正整数；

2)统计不同负荷预测水平和电价激励水平下的负荷实测值，得到不同负荷水平、不同电价水平激励下的负荷响应偏差量概率分布函数；

具体求解步骤如下：

步骤1.2.1建立价格型负荷响应的边际成本C_P,k,t：通过所述1)、2)的模型得到价格型负荷响应偏差的概率分布，价格型负荷响应的边际成本C_P,k,t为负荷响应量q_P,k,t的二次函数；

CP,k,t=aP,k,t·qP,k,t2+bP,k,t·qP,k,t+cP,k,t---(4)]]>

(4)式中，a_P,k,t、b_P,k,t和c_P,k,t分别表示的负荷削减对应的电力公司成本系数；

步骤1.2.2确定考虑不确定性的价格型负荷的响应成本C′_p,k,t：价格型负荷的响应成本按照用户的响应量计算，考虑不确定性的价格型负荷的响应成本C′_p,k,t为：

CP,k,t′=aP,k,t·(q‾P,k,t+ϵP,k,t)2+bP,k,t·(q‾P,k,t+ϵP,k,t)+cP,k,t+-kP.ov·ϵP,k,t,ϵP,k,t<0+kP,un·ϵP,k,t,ϵP,k,t>0--(5)]]>

(5)式中，为价格型负荷响应量调度值，ε_P,k,t为价格型负荷响应量偏差值，k_P,ov为高估代价系数，k_P,un为低估代价系数；

步骤1.2.3建立风电场功率预测误差的模型：

为修正统计的风电功率预测误差概率分布曲线具有偏轴特性，采用通用分布来描述风电功率的概率分布，通用分布的概率密度函数为：

f(x)=αβe-α(x-γ)(1+e-α(x-γ))β+1---(6)]]>

(6)式中，形状参数α、β和γ满足α＞0,β＞0,-∞＜γ＜+∞；

通用分布的累积分布函数CDF定义为：

F(x)＝(1+e^-α(x-γ))^-β (7)

其对应的逆函数为

F-1(c)=γ-1αln(c-1/β-1)---(8)]]>

(8)式中，c为累积分布概率；

通过对风电功率预测数据和实测数据进行统计，采用通用分布PDF/CDF曲线直接对实际分布PDF/CDF曲线进行最小二乘拟合得到α、β和γ。