[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

说明书

基于改进Wasserstein测度的电热联合系统分布鲁棒优化调度方法，涉及电热联合系统中可再生能源调度技术领域。本发明是为了解决传统的Wasserstein测度构建的不确定性集合在理论上是包含无穷多个的概率分布，影响优化调度模型的求解效率；并且在电热联合系统中对于电动汽车集群的不确定性建模方法局限于概率分布函数，无法满足多场景调度需求的问题。本发明构建风电预测误差的不确定集，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，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，最后建立不确定集下分布鲁棒优化调度模型。

技术领域

本发明属于电热联合系统中可再生能源调度技术领域。

背景技术

针对电热联合系统中可再生能源不确定性优化问题，分布鲁棒优化方法可以很好的避免随机优化以及鲁棒优化在处理不确定性问题时存在经济性较差以及保守性较高的缺点。然而，对于分布鲁棒优化问题的不确定性集合建模一直以来是分布鲁棒优化模型的关键难点。

基于Wasserstein测度的不确定性集合构建弥补了基于概率分布函数以及KL(Kullback-Leibler)散度在不确定性集合构建方面的缺点。但是，传统的Wasserstein测度构建的不确定性集合在理论上是包含无穷多个的概率分布，严重影响优化调度模型的求解效率。同时，在电热联合系统中对于电动汽车集群的不确定性建模方法局限于概率分布函数，难以符合实际的多场景调度需求。

发明内容

本发明是为了解决传统的Wasserstein测度构建的不确定性集合在理论上是包含无穷多个的概率分布，影响优化调度模型的求解效率；并且在电热联合系统中对于电动汽车集群的不确定性建模方法局限于概率分布函数，无法满足多场景调度需求的问题，现提供基于改进Wasserstein测度的电热联合系统分布鲁棒优化调度方法。

基于改进Wasserstein测度的电热联合系统分布鲁棒优化调度方法，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，P_t^Char为t时刻充电状态下电动汽车的总充电功率，P_t^Prechar为t时刻充电状态下电动汽车的预测充电功率，P_t^Upchar和P_t^Downchar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：