论文部分内容阅读
【摘要】：近年来，环境污染、能源短缺的问题越来越严重，已经开始制约我国经济及社会的发展，为了改善这一现状，我国制定了节能减排、低碳环保的政策，该政策实施及发展过程中，关键在于开发利用可再生能源。风力发电作为可再生能源中的一种，在电力系统中得到广泛的应用，随着电力系统优化调度中鲁棒优化方法的应用，越来越多的学者开始研究多场景鲁棒调度方法，本文即重点阐述了风电电力系统的多场景鲁棒调度方法。
【关键词】：风电电力系统;多场景;鲁棒调度;方法
前言
风电电力系统运行过程中，存在不确定性，优化时多采用随机优化方法，相应的约束条件成立概率给定后，在置信水平下，优化目标期望值，此种方法优化效果具备良好的经济性，然而优化时需要进行大量的计算，导致其实际应用受到较大的限制。近年来，电力系统优化调度中开始应用鲁棒优化方法，此种方法能够抵抗不确定因素的干扰，提高电力系统运行的安全性及稳定性，基于此，本文着重研究了风电电力系统的多场景鲁棒调度方法。
一、鲁棒调度的定义
在统计学中，鲁棒性是一个专业术语，上个世纪70年代，在控制论中进入鲁棒性，是指一种性能，此种性能能够保证即使控制系统的特征及参数发生摄动，仍然能够保持控制系统原有的本质。而在本文中，对鲁棒性的定义进行了引申，定义为即使受到扰动影响，决策依然能够实现预期目标。由鲁棒性的定义可知，所谓鲁棒调度，是指在未能完全的掌握电力系统在未来调度目标时段内的运行信息时，能够在一定程度上免疫不确定性因素，一定扰动范围内，电力系统依然可以保证可靠、安全的运行，而且预期的调度目标能够最大限度的实现。
与其他的优化问题相似，鲁棒调度在进行刻画时，角度也包含两个，一个为约束角度，一个目标角度[1]。对于鲁棒调度来说，约束的属性为刚性，即在一定扰动集内，电力系统必须要满足运行约束，目标的属性为柔性，即决策者需要科学的权衡期望收益与实现风险。电力系统运用鲁棒调度时，最大的优势在于决策时的假设前提为系统运行中存在的不确定性。由此也可看出，在不确定运行条件下，电力系统调度理论新的发展即为鲁棒调度。
二、风电电力系统多场景鲁棒调度模式
（一）备用模式
传统鲁棒调度备用模式中，风电所存在的不确定性并未充分的考虑，为了弥补这种不足之处，本文在模拟风电多种场景的基础上，提出多场景鲁棒备用调度模式。同时，对机组鲁棒运行轨迹进行了定义，即，改变系统场景后，在一定时间内，鲁棒运行轨迹机组过渡到不同场景时，运行能够保证平稳性。水电机组运行时，具备比较强的调节能力，升降出力在较短时间内即可完成，因此，不同场景过渡的时间多设置在10～30s之间，根据机组自身调节特性，确定具体的时间值[2]。在规定的时间内，鲁棒运行轨迹点可以过渡到任何一个其他场景的运行点上，一定程度上来说，具备可控性。此种鲁棒调度备用模式目标性及前瞻能力都比较强，可提前安排好场景，将紧急开停机时的调峰压力降低，提高了电力系统的安全性。
（二）经济模式
系统运行经济性的兼顾是研究鲁棒调度时的关键问题之一。在本文中，将鲁棒优化思想有引入并结合之后，构建了多场景鲁棒调度经济模式。与随机优化建模不同，鲁棒优化建模的基础为最坏情况下的优化，通过对目标函数下限值的优化，保证给定集合内不确定因素改变时，调度方案的经济性仍然能够保证。鲁棒经济调度中，对硬性约束条件首先强调，即对于可行域的要求，任何一个不确定变量都可以满足，从而创造了应用鲁棒备用调度模式的条件，此外，在优化方式最大、最小时，控制对象对不确定因素扰动的敏感性非常低，避免了显著的降低经济性能，保证经济性。
三、风电电力系统多场景鲁棒调度的两阶段优化模型
（一）构建模型
以上述两种调度模式为基础，构建了两阶段优化模型，第一阶段中，对鲁棒备用调度下的机组启动、停止进行优化，第二阶段中，在预测场景集中，将鲁棒经济调度的最有解求出。首先，确定目标函数，风电调度优先进行为首先考虑的问题，预测场景下，全额上网，由此，启停费用及运行费用共同组成了风电成本，在目标函数中，建立鲁棒运行轨迹点、不同场景常规机组备用需求模型时，统一进行，目的在于协调优化机组出力与备用，便于系统备用容量优化配置工作的实施。对于两阶段优化模型的目标函数来说，总体目标为最大限度的降低发电成本，同时，在第二阶段中，对运行成本的最恶劣情况进行优化，最终，实现整体鲁棒调度的经济性，统一两种模式下的多场景鲁棒调度[3]。其次，确定鲁棒可行域，机组出力变量属于传统的约束鲁棒可行域的对象，此外，不同场景中机组出力调整量也为约束对象，由不同场景中机组出力调整量的公式可知，鲁棒约束条件包含系统有功平衡、机组出力限制、机组爬坡限制、断面功率限制、水电日流量以及时间调节范围。最后，确定企业约束，除了上述两项主要的约束条件外，启停状态约束、最小启停时间约束约为需要考虑的约束条件。
（二）求解方法
火电机组运行费用的目标函数属于二次函数，在进行求解之前，首先进行线性化处理，经过处理之后方可进行。风电场景拟合时，可能会包含众多的数量，如果统一求解所有场景的鲁棒可行性，那么会导致计算复杂程度显著提升，因此，在求解时，应用极端场景法，缩减相应的约束条件。在各个时段中，将场景中风电的最小出力定义为“系统等效负荷最大场景”，而最大出力时则定义为最小场景，通过对这两个场景中约束优化模型的引入，完成求解，而在全部场景中，该解可将所有满足性满足[4]。在进行第二阶段优化时，原有的maxmin形式经过求对偶问题之后，转变为max形式，完成求解。以Benders分解思想为基础，将算法整体框架构建出来。首先分割鲁棒两阶段优化问题，促使问题变为上层问题和下层问题，进行交替求解，每次进行算法的迭代时，这两个部分问题的优化均包含其中，计算过程中，初始化各个参数之后，初始点及场景集给定，对上、下参数、迭代次数、容许误差进行设置，求出解。
结论
风电电力系统包含多个场景时，鲁棒调度模式可采用备用及经济两种，在两阶段优化模型的优化之后，对备用调度及经济调度两种模式进行优化，实现各个场景中的平稳过渡，最大化的减少不确定性因素的影响，实现风电电力系统经济性的同时，保证风电电力系统安全、稳定的运行。
参考文献：
[1]于丹文，杨明，翟鹤峰，等.鲁棒优化在电力系统调度决策中的应用研究综述[J].电力系统自动化，2016（07）：134-143+148.
[2]付一木，刘明波.求解多目标随机动态经济调度问题的场景解耦方法[J].电力系统自动化，2014（09）：34-40.
[3]赵文猛，刘明波，朱建全.考虑风电随机性的电力系统厂/网双层分解协调经济调度方法[J].电网技术，2015（07）：1847-1854.
[4]梅生伟，郭文涛，王莹莹，等.一类电力系统鲁棒优化问题的博弈模型及应用实例[J].中国电机工程学报，2013（19）：47-56+20.
【关键词】：风电电力系统;多场景;鲁棒调度;方法
前言
风电电力系统运行过程中，存在不确定性，优化时多采用随机优化方法，相应的约束条件成立概率给定后，在置信水平下，优化目标期望值，此种方法优化效果具备良好的经济性，然而优化时需要进行大量的计算，导致其实际应用受到较大的限制。近年来，电力系统优化调度中开始应用鲁棒优化方法，此种方法能够抵抗不确定因素的干扰，提高电力系统运行的安全性及稳定性，基于此，本文着重研究了风电电力系统的多场景鲁棒调度方法。
一、鲁棒调度的定义
在统计学中，鲁棒性是一个专业术语，上个世纪70年代，在控制论中进入鲁棒性，是指一种性能，此种性能能够保证即使控制系统的特征及参数发生摄动，仍然能够保持控制系统原有的本质。而在本文中，对鲁棒性的定义进行了引申，定义为即使受到扰动影响，决策依然能够实现预期目标。由鲁棒性的定义可知，所谓鲁棒调度，是指在未能完全的掌握电力系统在未来调度目标时段内的运行信息时，能够在一定程度上免疫不确定性因素，一定扰动范围内，电力系统依然可以保证可靠、安全的运行，而且预期的调度目标能够最大限度的实现。
与其他的优化问题相似，鲁棒调度在进行刻画时，角度也包含两个，一个为约束角度，一个目标角度[1]。对于鲁棒调度来说，约束的属性为刚性，即在一定扰动集内，电力系统必须要满足运行约束，目标的属性为柔性，即决策者需要科学的权衡期望收益与实现风险。电力系统运用鲁棒调度时，最大的优势在于决策时的假设前提为系统运行中存在的不确定性。由此也可看出，在不确定运行条件下，电力系统调度理论新的发展即为鲁棒调度。
二、风电电力系统多场景鲁棒调度模式
（一）备用模式
传统鲁棒调度备用模式中，风电所存在的不确定性并未充分的考虑，为了弥补这种不足之处，本文在模拟风电多种场景的基础上，提出多场景鲁棒备用调度模式。同时，对机组鲁棒运行轨迹进行了定义，即，改变系统场景后，在一定时间内，鲁棒运行轨迹机组过渡到不同场景时，运行能够保证平稳性。水电机组运行时，具备比较强的调节能力，升降出力在较短时间内即可完成，因此，不同场景过渡的时间多设置在10～30s之间，根据机组自身调节特性，确定具体的时间值[2]。在规定的时间内，鲁棒运行轨迹点可以过渡到任何一个其他场景的运行点上，一定程度上来说，具备可控性。此种鲁棒调度备用模式目标性及前瞻能力都比较强，可提前安排好场景，将紧急开停机时的调峰压力降低，提高了电力系统的安全性。
（二）经济模式
系统运行经济性的兼顾是研究鲁棒调度时的关键问题之一。在本文中，将鲁棒优化思想有引入并结合之后，构建了多场景鲁棒调度经济模式。与随机优化建模不同，鲁棒优化建模的基础为最坏情况下的优化，通过对目标函数下限值的优化，保证给定集合内不确定因素改变时，调度方案的经济性仍然能够保证。鲁棒经济调度中，对硬性约束条件首先强调，即对于可行域的要求，任何一个不确定变量都可以满足，从而创造了应用鲁棒备用调度模式的条件，此外，在优化方式最大、最小时，控制对象对不确定因素扰动的敏感性非常低，避免了显著的降低经济性能，保证经济性。
三、风电电力系统多场景鲁棒调度的两阶段优化模型
（一）构建模型
以上述两种调度模式为基础，构建了两阶段优化模型，第一阶段中，对鲁棒备用调度下的机组启动、停止进行优化，第二阶段中，在预测场景集中，将鲁棒经济调度的最有解求出。首先，确定目标函数，风电调度优先进行为首先考虑的问题，预测场景下，全额上网，由此，启停费用及运行费用共同组成了风电成本，在目标函数中，建立鲁棒运行轨迹点、不同场景常规机组备用需求模型时，统一进行，目的在于协调优化机组出力与备用，便于系统备用容量优化配置工作的实施。对于两阶段优化模型的目标函数来说，总体目标为最大限度的降低发电成本，同时，在第二阶段中，对运行成本的最恶劣情况进行优化，最终，实现整体鲁棒调度的经济性，统一两种模式下的多场景鲁棒调度[3]。其次，确定鲁棒可行域，机组出力变量属于传统的约束鲁棒可行域的对象，此外，不同场景中机组出力调整量也为约束对象，由不同场景中机组出力调整量的公式可知，鲁棒约束条件包含系统有功平衡、机组出力限制、机组爬坡限制、断面功率限制、水电日流量以及时间调节范围。最后，确定企业约束，除了上述两项主要的约束条件外，启停状态约束、最小启停时间约束约为需要考虑的约束条件。
（二）求解方法
火电机组运行费用的目标函数属于二次函数，在进行求解之前，首先进行线性化处理，经过处理之后方可进行。风电场景拟合时，可能会包含众多的数量，如果统一求解所有场景的鲁棒可行性，那么会导致计算复杂程度显著提升，因此，在求解时，应用极端场景法，缩减相应的约束条件。在各个时段中，将场景中风电的最小出力定义为“系统等效负荷最大场景”，而最大出力时则定义为最小场景，通过对这两个场景中约束优化模型的引入，完成求解，而在全部场景中，该解可将所有满足性满足[4]。在进行第二阶段优化时，原有的maxmin形式经过求对偶问题之后，转变为max形式，完成求解。以Benders分解思想为基础，将算法整体框架构建出来。首先分割鲁棒两阶段优化问题，促使问题变为上层问题和下层问题，进行交替求解，每次进行算法的迭代时，这两个部分问题的优化均包含其中，计算过程中，初始化各个参数之后，初始点及场景集给定，对上、下参数、迭代次数、容许误差进行设置，求出解。
结论
风电电力系统包含多个场景时，鲁棒调度模式可采用备用及经济两种，在两阶段优化模型的优化之后，对备用调度及经济调度两种模式进行优化，实现各个场景中的平稳过渡，最大化的减少不确定性因素的影响，实现风电电力系统经济性的同时，保证风电电力系统安全、稳定的运行。
参考文献：
[1]于丹文，杨明，翟鹤峰，等.鲁棒优化在电力系统调度决策中的应用研究综述[J].电力系统自动化，2016（07）：134-143+148.
[2]付一木，刘明波.求解多目标随机动态经济调度问题的场景解耦方法[J].电力系统自动化，2014（09）：34-40.
[3]赵文猛，刘明波，朱建全.考虑风电随机性的电力系统厂/网双层分解协调经济调度方法[J].电网技术，2015（07）：1847-1854.
[4]梅生伟，郭文涛，王莹莹，等.一类电力系统鲁棒优化问题的博弈模型及应用实例[J].中国电机工程学报，2013（19）：47-56+20.