[发明专利]一种基于分布鲁棒优化的合同电量分解方法

说明书

本发明公开了一种基于分布鲁棒优化的合同电量分解方法，包括如下步骤：S1、采集成本信息、月发电量与合同电量的差额信息、机组参数以及功率数据，并根据其建立合同电量分解模型；S2、根据合同电量分解模型，建立考虑风电不确定性的分布鲁棒优化模型；S3、根据分布鲁棒优化模型，采用列与约束生成算法，得到风电不确定场景发生的概率值结果；S4、根据概率值结果，采用分布鲁棒优化模型，得到合同电量分解结果；本发明解决了风电以及负荷的不确定性在合同电量分解中的问题，减少了风电不确定性所带来的波动。

技术领域

本发明属于电力市场领域，具体涉及一种基于分布鲁棒优化的合同电量分解方法。

背景技术

合同电量的分解是电网公司电力交易中心的主要任务之一。例如，省电网在年初制定发电计划时，需要根据月负荷预测曲线、机组检修计划、热电联产等因素将年合同电量划分为月份。同时，每月发电计划也需要分解为一天甚至一段时间。高质量的合同电能分解方案可以大大降低后续日调度的难度，是电网经济调度和节能发电调度的基础，因此具有重要的意义。此外，在发电计划的实际实施中，需要根据一天内各时段负荷的不确定性，对所有设备进行调整，对分解方案进行修正，以使电力合同偏差最小。

月度机组组合作为一种中长期电力的资源优化，可以较长时间考虑电网的运行效率。这种能源结构也决定了机组不应该采用频繁启动和关闭的最佳运行模式，从而提高了月度机组组合在实际生产中的重要性。因此，可以考虑基于月度机组组合的月度发电计划来解决合同功率分解问题。

然而，近年来，随着风力发电等分布式发电系统的接入，电力系统变得越来越复杂。合同电量的分解可能会面临一个巨大的挑战，以适应不确定的DG输出和负载。对于DG输出的不确定性建模，常用的方法通常包括随机优化(SO)和鲁棒优化(RO)。虽然这两种不确定性方法在一定程度上达到了一定的处理效果，但它们也有各自的缺陷。分布式鲁棒优化(DRO)作为一种很有前途的不确定性建模方法，近年来得到了广泛的研究。它把随机优化和鲁棒优化结合起来，在给定的置信集范围内寻找最坏概率分布。然而，DRO方法通常通过利用Wasserstein度量或不确定的一阶/二阶矩信息来构造概率分布集，因此通过使用对偶性和刻画矩信息，求解过程相当复杂。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于分布鲁棒优化的合同电量分解方法，用于解决风电以及负荷的不确定性在合同电量分解中的问题，减少风电不确定性所带来的波动。

为了达到上述发明目的，本发明采用的技术方案为：

一种基于分布鲁棒优化的合同电量分解方法，包括如下步骤：

S1：采集成本信息、月发电量与合同电量的差额信息、机组参数以及功率数据，并根据其建立合同电量分解模型；

S2：根据合同电量分解模型，建立考虑风电不确定性的分布鲁棒优化模型；

S3：根据分布鲁棒优化模型，采用列与约束生成算法，得到风电不确定场景发生的概率值结果；

S4：根据概率值结果，采用分布鲁棒优化模型，得到合同电量分解结果。

进一步地，步骤S1中，建立合同电量分解模型，包括如下步骤：

S1-1：根据成本信息和月发电量与合同电量的差额信息，构建合同电量分解模型的目标函数；

S1-2：根据机组参数和功率数据，制定合同电量分解模型的约束条件。

进一步地，步骤S1-1中，目标函数的公式为：

F＝min(F₁+F₂+F₃)

式中，F为总体的优化目标函数；F₁为机组起停成本；F₂为机组月发电量与合同电量的差额；F₃为弃风成本。