安全约束经济调度是电力系统调度的关键问题之一,同时也是电力市场实时出清的关键环节。安全约束经济调度考虑系统在正常状态和所有“N-1”预想故障状态下的传输容量约束,以最小化正常状态的总发电成本为优化目标,计算调度方案。校正型安全约束经济调度是安全约束经济调度的一种特殊情况,在预想故障发生后对调度方案进行调整,从而降低总发电成本。现有的基于模型的校正型安全约束经济调度求解方法由于需要进行费时的迭代,难以满足实时调度的时间限制。数据驱动方法则在求解精度上存在限制,生成的调度方案中的决策变量难以满足优化模型的所有约束,不能保证可行解。为了解决上述问题,本文将优化模型与数据驱动结合起来,提出了一种模型-数据混合驱动的校正型安全约束经济调度求解方法。具体工作内容如下:首先,本文结合基于模型的预想故障筛选和数据驱动的预想故障分类,提出模型-数据混合驱动的校正型安全约束经济调度计算框架:离线训练阶段,使用基于模型的预想故障筛选方法标注历史净负荷样本对应的预想故障类型;在线调度阶段,基于实时的节点净负荷数据快速生成有效预想故障集,用于计算调度方案;此外,在线调度阶段可基于预想故障筛选方法进行后续迭代,进一步提升调度方案的准确性。其次,本文研究基于模型机理改进预想故障分类模块:分析电力系统运行方式与预想故障之间的关系,在输入的节点净负荷数据基础上加入正常状态机组出力,共同作为预想故障分类的训练特征,提升分类精度;采用特征提取和聚类抽样方法,发掘其中的有效特征和代表样本,加快离线阶段的训练速度。最后,本文研究预想故障分类模块中数据驱动方法的改进,应用轻量梯度提升机进行预想故障分类。引入正则化缓解轻量梯度提升机的过拟合程度,提高泛化能力;使用分类阈值移动减少假阴性错误,提高调度方案的准确性。