[发明专利]一种智能电网混合优化模型的加速分布式优化方法

说明书

本发明公开了一种智能电网的混合优化模型，所述模型分为两个阶段：第一阶段：确定电价典型场景；第二阶段：在所述第一阶段的每个所述电价典型场景下进行可再生能源RE和负载的混合随机规划鲁棒优化；还包括一种基于智能电网的混合优化模型的加速分布式优化方法；本发明综合考虑了可再生能源、固定负荷和电价不确定性，结合随机规划和鲁棒优化的优点，随机场景被有效且合理地减少，因此降低了计算的复杂度，与集中式优化算法相比，该算法减少了计算量和通信量，具有更快的收敛速度，具有很高的实用价值。

技术领域

本发明涉及双电源供电技术领域，具体涉及一种智能电网的混合优化模型及加速分布式优化方法。

背景技术

发展清洁可再生能源发电已成为世界范围内解决环境污染和化石燃料枯竭问题的一种趋势，其中太阳能和风能是重要的可再生资源。然而，由于太阳能、风能等具有间歇性和不确定性，给智能电网带来了巨大的挑战。智能电网的能源管理是在满足供需平衡约束和各种运行不等式约束的前提下优化发电成本。在智能电网中，由于可再生能源和其他小规模分布式发电的渗透深度的增加，能量管理的复杂性将增加。通过对各种可再生能源和分布式能源的协调控制和优化，智能电网可以有效地挖掘潜在的灵活性，实现高效率和可靠性，并显著降低总成本，同时保证智能电网的安全稳定，这是目前很多科研机构和工程人员研究的热点之一。

目前的研究主要集中在如何解决智能电网优化问题的两个困难。

第一是在智能电网中，太阳能、风能等可再生能源具有间歇性和不确定性，会给电网带来安全和稳定性问题。通常不确定性优化采用的方法是随机规划和鲁棒优化。然而对于随机规划而言，如果考虑大量的场景，虽然增加了优化的精确度，但是模型复杂程度和计算负担同时也会大大增加。对鲁棒优化来说，结果的保守性和经济性很难衡量。如何要将两者有机结合起来解决不确定性问题是一个巨大的挑战；

第二是智能电网中接入了大量的分布式能源，如果用集中式算法来解决优化问题，可能会带来沉重的计算负担，并且缺乏对拓扑变化的适应性、对即插即用操作的鲁棒性和对大型系统的可扩展性。

发明内容

为此，本发明提供一种智能电网的混合优化模型及加速分布式优化方法，以解决现有技术中智能电网结合中存在计算量和精度相互矛盾的问题。

为了实现上述目的，本发明提供如下技术方案：

一种智能电网的混合优化模型，所述模型分为两个阶段：

第一阶段：确定电价典型场景；

第二阶段：在所述第一阶段的每个所述电价典型场景下进行可再生能源RE和负载的混合随机规划鲁棒优化。

作为本发明一种有选地方案，所电价典型场景的获取方法包括：通过对电价历史数据的分析，得到电价的预测分布，再进行场景选择。

作为本发明一种有选地方案，场景选择采用拉丁超立方体抽样方法，分别从(0,1)等分的n_s个子区间产生n_s个场景。

作为本发明一种有选地方案，所述第二阶段的鲁棒优化是将传统能源发电CGs、风力发电WGs、电池存储系统BSSs、可移动设备SAs和在 n_s个场景下与外部电网的销售/购买电力的总体预期成本降到最低：

其中：为第i个传统能源发电的成本函数，为第 i个风力发电的削减罚款函数，为第i个电池存储系统的成本函数，为第i个可移动设备不满意成本的函数，外部电网购买/出售电力的成本函数。

作为本发明一种有选地方案，第s个价格场景下各个成本具体为：