[发明专利]一种基于联合机会约束的迭代拆分方法及系统

说明书

本发明实施例提供一种基于联合机会约束的迭代拆分方法及系统，该方法包括：建立含机会约束的优化模型，确定所述含机会约束的优化模型的约束条件；基于迭代拆分框架，对所述约束条件中联合机会约束进行拆分，得到单一事件概率和任意事件组合概率。本发明实施例通过准确的估计任意事件组合概率，用以近乎等价地将联合概率拆分为单一事件概率和以及任意事件组合概率，降低联合机会约束拆分的保守性。

技术领域

本发明涉及电力系统技术领域，尤其涉及一种基于联合机会约束的迭代拆分方法及系统。

背景技术

在电力系统中，考虑联合机会约束的随机优化模型可以提供更强的安全保障，从而应对可再生能源带来的不确定性。但是，由于联合机会约束是强非线性且非凸的，当前并没有算法能直接获得含联合机会约束的优化问题的全局最优解。将联合机会约束拆分为单一机会约束，然后再利用分位数转化将单一机会约束转化为确定性约束，是解决含联合机会约束优化问题行之有效的解决办法。这一技术的关键在于如何将联合机会约束拆分为单一机会约束。

已有的拆分算法都是直接利用布尔不等式，将联合事件的概率拆分为若干个单一事件概率之和，然后再将均分的风险阈值或优化后的风险阈值分给每个单一事件，形成单一机会约束。然而，联合事件的概率并不等价于单一事件概率之和，而是等于单一事件概率之和减去联合事件交叉项概率。换句话说，联合事件的概率远远小于单一事件概率之和。因此，已有的拆分算法将引入大量的保守性，导致最终的解仅仅是次优的。

为了解决这一问题，现有技术提出了一种估计算法，即利用样本估计所有事件同时发生的概率，从而将联合事件的概率转化为单一事件概率之和减去所有事件同时发生的概率，降低了保守性。进一步，现有技术又提出了一种改进的估计算法，尝试利用样本去估计任意事件组合同时发生的概率，进而将联合事件的概率转化为单一事件概率之和减去所有的事件组合同时发生的概率，又进一步降低了保守性。然而，事件发生的真实概率本质上是原始问题最优解决定的，只有获得原始问题最优解，才能估计出真实的事件发生概率。但是，只有获得真实的事件发生的概率，才有可能获得原始问题最优解。这是典型的“先有鸡还是先有蛋”的逻辑困境。上述两种算法均没有考虑这一关键问题，而是采用了人工生成的样本去估计。这会导致估计结果和随后的所谓的“最优解”不相兼容，出现过估计甚至矛盾，从而未能满足联合机会约束，也就无法保证联合机会约束对应的系统的安全性。

因此，现在亟需一种基于联合机会约束的迭代拆分方法及系统来解决上述问题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种基于联合机会约束的迭代拆分方法及系统。

第一方面，本发明实施例提供了一种基于联合机会约束的迭代拆分方法，包括：

建立含机会约束的优化模型，确定所述含机会约束的优化模型的约束条件；

基于迭代拆分框架，对所述约束条件中联合机会约束进行拆分，得到单一事件概率和任意事件组合概率。

进一步地，所述含机会约束的优化模型的目标函数为：

其中，g_t表示可调度机组在t时刻的出力。

进一步地，所述约束条件包括机组容量约束、爬坡约束、功率平衡约束以及线路容量约束，其中，所述线路容量约束为联合机会约束。

进一步地，所述联合机会约束为：

其中，l_it表示线路i在t时刻的潮流，和分别表示线路i潮流的上界和下界，集合表示关注的线路集合。

进一步地，所述基于迭代拆分框架，对所述约束条件中联合机会约束进行拆分，得到单一事件概率和任意事件组合概率，包括：

生成每一个时刻的风电样本；