[发明专利]基于改进Wasserstein测度的电热联合系统分布鲁棒优化调度方法

权利要求书

1.基于改进Wasserstein测度的电热联合系统分布鲁棒优化调度方法，其特征在于，包括以下步骤：

步骤一：构建风电预测误差的不确定集该不确定集为以经验分布为圆心、ε_w为半径的Wasserstein球，表达式如下：

其中，为风电输出功率的预测值，为具有支撑的所有概率分布Ξ的集合，

为真实分布的期望值，其中为欧几里德范数，为真实分布和经验分布的联合概率分布，ξ_w和分别为真实分布和经验分布的随机变量、且分别服从和inf(·)为下确界函数；

步骤二：将风电输出功率的极端情景指标引入风电预测误差的不确定集中，建立极端场景下风电预测误差的不确定集

其中，α₁和α₂分别为风电预测误差可允许的向上和向下的波动百分比，和分别为向上和向下爬坡功率的阈值；

步骤三：分别构建充电和放电状态下电动汽车运行特性的不确定集，

充电状态下电动汽车运行特性的不确定度集为：

其中，为t时刻充电状态下电动汽车的总充电功率，为t时刻充电状态下电动汽车的预测充电功率，和分别为t时刻充电状态下电动汽车的向上和向下最大波动充电功率，和均为0～1的变量、且为充电状态下电动汽车的调节系数、且T为总调度周期；

放电状态下电动汽车运行特性的不确定度集为：

其中，为t时刻放电状态下电动汽车的总放电功率，为t时刻放电状态下电动汽车的预测放电功率，和分别为t时刻放电状态下电动汽车的向上和向下最大波动放电功率，和均为0～1的变量、为放电状态下电动汽车的调节系数、且

步骤四：建立不确定集下分布鲁棒优化调度模型：

其中，为常规机组的运行成本，为第i个常规机组在t时刻的输出功率，和分别为常规机组的启动和停止状态量，当常规机组的启动时当常规机组的停止时为热电联产机组的燃料成本，为热电联产机组的电力输出功率值，为电动汽车的折旧成本，和分别为第n辆电动汽车在t时刻的充电功率和放电功率，N_G为常规机组的总数，N_CHP热电联产机组的总数，N_EV为电动汽车的总数，P为电热联合系统的总不确定集，E_P[·]为P中任一分布P的期望值，

其中，x为常规机组和热电联产机组的输出功率调整值集合，为风电功率预测误差和电动汽车充放电功率的波动值集合，C^EVR为电动汽车电池的更换成本，为第n辆电动汽车电池的充放电总容量，和分别为充电状态和放电状态下电动汽车的功率波动值，c_G,i和c_CHP,i分别为第i个常规机组和第i个热电联产机组输出功率调整成本系数，和分别为第i个常规机组和第i个热电联产机组在t时刻的参与系数，和分别为常规机组和热电联产机组的调节功率。

2.根据权利要求1所述的基于改进Wasserstein测度的电热联合系统分布鲁棒优化调度方法，其特征在于，根据历史风电预测功率误差数据集构建经验分布

其中，N为历史样本总数，j＝1,2,...,N，为第j个历史风电预测功率误差数据的狄拉克测度。

3.根据权利要求1或2所述的基于改进Wasserstein测度的电热联合系统分布鲁棒优化调度方法，其特征在于，欧几里德范数的表达式如下：

4.根据权利要求1所述的基于改进Wasserstein测度的电热联合系统分布鲁棒优化调度方法，其特征在于，步骤二所述极端情景包括以下两种情况：

第一种为风电输出功率为最大值或最小值，则t时刻最大风电输出功率和最小风电输出功率的表达式为：

其中，为t时刻风电输出功率的预测值；

第二种为风电的爬坡功率超出其阈值，则风电在时间间隔(t,t+Δt)内的极端爬坡功率为：

其中，和分别为风电的向上和向下爬坡功率，P_w,t和P_w,t+Δt分别为t和t+Δt时刻风电的输出功率，Δt为时间增量。