[发明专利]一种风电—抽水蓄能联合系统的多目标优化方法

摘要

本发明公开一种风电—抽水蓄能联合系统的多目标优化方法，基于日前风电功率预测值已知且负荷确定，包括步骤：基于风电输出功率预测及预测误差的概率分布，采用自回归滑动平均模型进行场景采样并建立一组初始场景；采用场景缩减对初始场景进行处理得到最优风电场景树；建立以低碳和低成本为目标的数学优化模型，将机组的启停状态及机组在每时段的有功出力分配作为决策变量，采用二阶随机优化模型对最优风电场景树进行优化，输出最优的机组调度。本发明结合场景树创建和缩减技术得到最优风电场景，基于二阶随机优化，以最小成本和低碳为目标，采用增强ε约束的多目标算法及混合整数线性规划，最终得到最优的机组调度，可靠性和适用性好。

主权项

1.一种风电—抽水蓄能联合系统的多目标优化方法，基于日前风电功率预测值已知且负荷确定，其特征在于，包括以下步骤：基于风电输出功率预测及预测误差的概率分布，采用自回归滑动平均模型进行场景采样并建立一组初始场景；采用场景缩减对初始场景进行处理得到最优风电场景树；建立以低碳和低成本为目标的数学优化模型，将机组的启停状态及机组在每时段的有功出力分配作为决策变量，采用二阶随机优化模型对最优风电场景树进行优化，输出最优的机组调度；采用自回归滑动平均模型进行场景采样并建立一组初始场景，包括以下步骤：采用自回归滑动平均模型对风电输出功率预测误差进行估计，即，则，场景S下风电场在各个时段的输出有功为：随机产生S个风电场输出功率场景，记为初始场景S，概率密度记为P；其中，p、q分别为自回归滑动平均模型的自回归及滑动平均部分的阶数，取1；θ_j为模型参数，估计得到；ε_t～N(0,σ_E)；为预测跨度为t个时段的风电场输出功率预测误差与预测期望功率值的比值；采用场景缩减对初始场景进行处理得到最优风电场景树，包括以下步骤：采用场景缩减删除一组场景J，缩减后场景树的概率密度记为Q；采用Kantorovich距离Dk衡量初始场景和缩减后场景的距离，则，其中，表示场景i和j的间距；设最优场景树为H，则，H＝S‑J；对应的删减场景J满足使minD_k(P,Q)，则，缩减后场景的概率为其初始概率和所有与之距离接近而删除的场景的概率之和，即：所述低碳的碳排放包括机组碳排放和大电网等值碳排放，所述低成本的成本包括机组启动费用和运行费用，则，其中，Femission为碳排放量，Fcost为总费用；βh为场景h的概率；描述机组i在t时段的启动状态；机组处于启动状态，机组处于停止状态，为机组i在t时段的启动费用，当连续停机时间小于热启动临界时间t_ih时，取热启动费用反之，取冷启动费用描述场景h下机组i在t时段的燃料费，a_i、b_i、c_i为机组运行成本的相关系数，a_is、b_is、c_is为机组碳排放的相关系数。