[发明专利]基于多仿射策略的数据驱动鲁棒优化调度实现方法

权利要求书

1.一种基于多仿射策略的数据驱动鲁棒优化调度实现方法，其特征在于，通过建立两阶段鲁棒优化模型并求解得到调度策略，采用自组织映射神经网络对风电样本数据集进行聚类处理以得到多不确定集，再以基于多仿射策略的鲁棒优化模型求解方法，通过采用多仿射策略对优化模型进行变换，并结合对偶原理将原优化模型转换为线性规划问题进行求解，实现数据驱动鲁棒优化调度。

2.根据权利要求1所述的基于多仿射策略的数据驱动鲁棒优化调度实现方法，其特征是，所述的建立两阶段鲁棒优化模型，具体包括：建立第一阶段模型，其优化目标为常规机组发电与备用成本之和最小，并根据电力系统功率平衡约束、常规机组出力上下限约束、线路传输功率范围约束、常规机组备用范围约束以及爬坡能力，构建第一阶段模型所需考虑的约束条件；建立第二阶段模型，其优化目标为常规机组再调度成本、弃风成本与削负荷成本之和最小，并根据电力系统功率平衡约束、线路传输功率范围约束、弃风范围与削负荷范围约束、常规机组再调度出力范围约束以及爬坡能力，构建第二阶段模型所需考虑的约束条件。

3.根据权利要求2所述的基于多仿射策略的数据驱动鲁棒优化调度实现方法，其特征是，所述的第一阶段模型的目标函数为常规机组发电与备用成本之和最小，即：其中：p_G,j,t、r_Gu,j,t、r_Gd,j,t分别为t时刻常规机组j的有功出力、正备用及负备用；a_G,j、b_G,j、c_G,j为常规机组j的发电成本系数；d_Gu,j、d_Gd,j分别为常规机组j的正备用成本系数、负备用成本系数；N_G为常规机组数量；t为时间；

所述的目标函数为二次函数，采用分段线性化的方法将其转换为一系列线性函数；对于第j台机组，其t时刻的运行成本函数转换为线性约束，具体为：其中：W_G,j,t为新引入的成本变量；和为第i组线性化系数，其上标表示线性函数段数；d为分段数，则第一阶段模型的目标函数更新为：

所述的构建第一阶段模型时所需考虑的约束条件包括：电力系统功率平衡约束、常规机组出力上下限约束、线路传输功率范围约束、常规机组备用范围约束以及爬坡能力，具体为：

其中：N_R、N_L分别为风电机组数量、负荷数量；p_R,i,t、p_L,k,t分别为t时刻风电机组i的预测有功出力、负荷k的有功需求；p_G,j,_min、p_G,j,_max分别为常规机组j出力下限和上限；F_l为线路l最大传输功率；π_G,lj、π_R,li、π_L,lk分别为常规机组j、风电机组i、负荷k与线路l之间的功率传输分布因子；R_Gu,j、R_Gd,j分别为常规机组j最大正备用范围、最大负备用范围；p_G,j,_ramp为常规机组j最大爬坡功率。