本发明提出一种考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法，其建立了考虑风电和负荷不确定性的电力系统多阶段鲁棒机组组合模型。首先，针对风电出力和电力负荷的不确定性，构造基于其上、下边界的高维不确定集；然后，结合电力系统调度的序贯决策特点，建立基于该高维不确定集的多阶段鲁棒机组组合模型；最后，结合线性仿射规则和鲁棒对等变换，将上述min‑max形式的鲁棒优化问题转化为混合整数线性规划问题进行求解。该方法可应用于含风电电力系统的机组组合决策制定，有利于提高不确定运行条件下电力系统调度决策的可靠性和有效性。
1.一种考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法，其特征在于，包括以下步骤：步骤S1:根据风电出力和电力负荷的波动区间的上下边界，构造反映电力系统源荷波动特性的高维不确定集；
步骤S2:以风电、负荷的日前预测值和不确定集为基础，建立电力系统多阶段鲁棒机组组合模型的目标函数和运行约束条件；
步骤S3:引入线性仿射规则将步骤S2中建立的含min‑max结构的鲁棒机组组合模型转化为含不确定量的单层优化问题；
步骤S4:结合鲁棒对等变换，将步骤S3中含不确定量的单层优化问题转化为确定性的混合整数线性规划问题进行求解；
步骤S11：分别构造t时段的风电出力和电力负荷不确定集合：式中， 表示t时段的风电出力不确定集； 表示t时段的电力负荷不确定集； 表示t时段风电场w的出力不确定量； 表示t时段接入母线b的电力负荷不确定量； 和Pw,t分别为风电出力的上边界和下边界； 和Lb,t分别为电力负荷的上边界和下边界；w表示风电场索引；b为电力系统母线索引；t表示调度时段索引；
式中，Nw为风电场数目；Nb为接入可变电力负荷的母线数目；T为转置运算符； 表示t时段风电出力不确定量构成的向量； 表示t时段电力负荷不确定量构成的向量；
步骤S13：构造整个调度周期的高维不确定量：设整个调度周期的总时段数为T，获得：式中， 和 分别表示整个调度周期内风电出力和电力负荷的高维不确定量；ξ表示整个调度周期内源荷不确定量构成的高维向量。
2.根据权利要求1所述的考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法，其特征在于，步骤S2具体包括以下步骤：步骤S21：定义从初始调度1时段至t时段的不确定向量如下：式中， 表示风电场w从1时段至t时段风电出力的不确定向量； 表示从1时段至t时段接入母线b的电力负荷的不确定向量；
步骤S22：多阶段鲁棒机组组合模型的目标函数如下：其中， 为机组i的燃料价格； 表示机组i的开机成本； 和 分别表示机组i的上备用容量价格和下备用容量价格； 和 分别表示机组i的向上出力调整价格和向下出c c力调整价格；L 和W 分别表示弃负荷惩罚价格和弃风惩罚价格； 为机组i在时段t的基准出力；二进制变量uit表示机组i在时段t的开机变量，若机组i在时段t处于开机过程，则uit取值为1，否则uit取值为0； 和 为机组i在时段t提供的上备用容量和下备用容量；Gi表示机组i的发电成本函数，其中， ai、bi、ci为机组i的发电成本系数； 和 分别为机组i在时段t的向上调整出力和向下调整出力； 为母线b在时段t的弃负荷量； 为风电场w在时段t的弃风量；
步骤S23：电力系统在基准调度场景下的运行约束如下：其中， 和 分别为机组i至时段t‑1的开机持续时间和停机持续时间；Ii,t表示机组i在时段t的开停机状态；二进制变量vi,t为机组i在时段t的停机变量； 和 分别为机组i的最小开机时间和停机时间；Pimax和Pimin分别为机组i的出力上、下限； 和 分别为机组i的向上爬坡速率和向下爬坡速率； 为风电场w在时段t的预测出力； 为t时段接入母线b的电力负荷；kl,b为线路l对母线b的灵敏度因子；flmax为线路l的最大传输功率；
步骤S24：电力系统实时调度过程中的运行约束如下：其中， 和 分别表示机组i在实时调度过程中t时段的向上出力调整量和向下出力调整量，均为不确定向量 和 的函数。
3.根据权利要求2所述的考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法，其特征在于，步骤S3具体包括以下步骤：步骤S31：定义基准调度场景下的决策变量x和实时调度过程中t时段的决策变量yt如下：步骤S32：设实时调度过程中时段t的决策变量仅与该时段的不确定量有关，引入如下线性仿射规则：式中，Et和qt分别为系数待定的矩阵和向量；
步骤S33：定义整个调度周期内实时阶段的决策变量为y，得：T T T
结合式(3)所示整个调度周期内的高维不确定量ξ，获得如下线性仿射规则：y(ξ)＝Eξ+q (11)
步骤S34：基于以上定义的决策变量x和y，将多阶段鲁棒机组组合模型表示为如下形式：其中，c，d，b，g为常系数向量；A，B，C，D为常系数矩阵；
步骤S35：结合式(11)的线性仿射规则消除式(12)中的决策变量y，将其转化为如下含高维不确定量ξ的单层优化问题：式中，z为辅助变量；高维不确定量ξ对应的不确定集Ψξ如下：其中，ξjt为高维不确定量ξ中的元素；索引j的取值范围从1至Νw+Nb；索引t的取值范围从1至T； 和ξjt分别表示不确定量取值的上界和下界； 和 为取值范围从0至1的辅助变量；Γ为保守度控制参数。
4.根据权利要求3所述的考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法，其特征在于，步骤S4具体包括以下步骤：步骤S41：结合式(14)中不确定集，将式(13)中含高维不确定量ξ的第二行约束表示如下：并进一步将式(15)左侧的最大化问题转化为：
式中，γjt，μjt，νjt， 和 分别表示对应不等式约束的对偶变量；
步骤S42：根据鲁棒对等变换，将式(16)的最大化问题转化为如下最小化问题：T
式中，f0表示最小化问题的目标函数值； 表示向量(Ed)中的第j+(Nw+Nb)(t‑1)个元素；
步骤S43：结合式(14)中不确定集，将式(13)中含高维不确定量ξ的第三行约束表示如下：式中，g表示N行1列的列向量；
式(18)含有N个不等式约束；针对第n个不等式约束，将式(18)左侧的最大化问题转化为：式中，行向量 表示矩阵C的第n行元素；行向量 表示矩阵D的第n行元素；υnjt，ζnjt，χnjt， 和φnj分别表示对应不等式约束的对偶变量；
步骤S44：根据鲁棒对等变换，将式(19)的最大化问题转化为如下最小化问题：式中，fn表示最小化问题的目标函数值； 表示向量 中的第j+(Nw+Nb)(t‑1)个元素；
步骤S45：将含高维不确定量的优化问题(13)转化为如下确定性的混合整数线性规划问题：
5.根据权利要求4所述的考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法，其特征在于：根据步骤S4的结果，将含不确定量的多阶段鲁棒优化问题转换为确定性的混合整数线性规划问题，采用Gurobi求解器进行求解。
考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策
方法
技术领域
[0001] 本发明属于(含可再生能源的)电力系统调度自动化技术领域，涉及一种考虑源荷双重不确定性的电力系统多阶段鲁棒优化调度方法。
背景技术
[0002] 目前，针对不确定运行条件下电力系统调度方法的理论研究，鲁棒优化方法仅需根据不确定量的上、下边界构造不确定集合，无需对不确定量的概率分布特性进行建模，因此其建模求解简单从而得到广泛应用。根据传统鲁棒优化方法所建立的两阶段鲁棒机组组合模型分为预调度阶段和再调度阶段两个阶段。对于再调度阶段中的某个调度时段而言，不确定量在整个再调度阶段内所有时段的不确定实现都是假定预先已知的。然而，在电力系统的实时调度过程中，对于某一调度时段而言，只有该调度时段及之前时段的不确定量实现信息是已知的，该调度时段之后所有时段的不确定量信息是未知的。在两阶段鲁棒机组组合模型中，考虑融入未来时段不确定量信息来确定当前时段调度决策，该建模思想不符合电力系统的非预期性序贯决策过程，其机组组合决策无法保证电力系统运行的可靠性。
发明内容
[0003] 有鉴于此，为了弥补现有技术的空白和不足，本发明基于电力系统实时调度的非预期性序贯决策特性，提出一种考虑源荷双重不确定性的多阶段鲁棒机组组合决策方法，结合线性决策规则和鲁棒对等变换方法进行求解，寻求不确定运行条件下的最优调度决策方案。以弥补现有两阶段鲁棒机组组合决策方法的缺陷，获得不确定运行条件下电力系统的有效调度决策。
[0004] 本方法建立了考虑风电和负荷不确定性的电力系统多阶段鲁棒机组组合模型。首先，针对风电出力和电力负荷的不确定性，构造基于其上、下边界的高维不确定集；然后，结合电力系统调度的序贯决策特点，建立基于该高维不确定集的多阶段鲁棒机组组合模型；最后，结合线性仿射规则和鲁棒对等变换，将上述min‑max形式的鲁棒优化问题转化为混合整数线性规划问题进行求解。该方法可应用于含风电电力系统的机组组合决策制定，有利于提高不确定运行条件下电力系统调度决策的可靠性和有效性。
[0005] 本发明具体采用以下技术方案：
[0006] 一种考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法，其特征在于，包括以下步骤：
[0007] 步骤S1:根据风电出力和电力负荷的波动区间的上下边界，构造反映电力系统源荷波动特性的高维不确定集；
[0008] 步骤S2:以风电、负荷的日前预测值和不确定集为基础，建立电力系统多阶段鲁棒机组组合模型的目标函数和运行约束条件；
[0009] 步骤S3:引入线性仿射规则将步骤S2中建立的含min‑max结构的鲁棒机组组合模型转化为含不确定量的单层优化问题；
[0010] 步骤S4:结合鲁棒对等变换，将步骤S3中含不确定量的单层优化问题转化为确定性的混合整数线性规划问题进行求解。
[0011] 进一步地，步骤S1具体包括以下步骤：
[0012] 步骤S11：分别构造t时段的风电出力和电力负荷不确定集合：
[0013]
[0014] 式中， 表示t时段的风电出力不确定集； 表示t时段的电力负荷不确定集；表示t时段风电场w的出力不确定量； 表示t时段接入母线b的电力负荷不确定量； 和Pw,t分别为风电出力的上边界和下边界； 和Lb,t分别为电力负荷的上边界和下边界；w表示风电场索引；b为电力系统母线索引；t表示调度时段索引；
[0015] 步骤S12：构建t时段不确定量构成的向量如下：
[0016]
[0017] 式中，Nw为风电场数目；Nb为接入可变电力负荷的母线数目；T为转置运算符； 表示t时段风电出力不确定量构成的向量； 表示t时段电力负荷不确定量构成的向量；
[0018] 步骤S13：构造整个调度周期的高维不确定量：设整个调度周期的总时段数为T，获得：
[0019]
[0020] 式中， 和 分别表示整个调度周期内风电出力和电力负荷的高维不确定量；ξ表示整个调度周期内源荷不确定量构成的高维向量。
[0021] 进一步地，步骤S2具体包括以下步骤：
[0022] 步骤S21：定义从初始调度1时段至t时段的不确定向量如下：
[0023]
[0024] 式中， 表示风电场w从1时段至t时段风电出力的不确定向量； 表示从1时段至t时段接入母线b的电力负荷的不确定向量；
[0025] 步骤S22：多阶段鲁棒机组组合模型的目标函数如下：
[0026]
[0027] 其中， 为机组i的燃料价格； 表示机组i的开机成本； 和 分别表示机组i的上备用容量价格和下备用容量价格； 和 分别表示机组i的向上出力调整价格和向c c下出力调整价格；L 和W分别表示弃负荷惩罚价格和弃风惩罚价格； 为机组i在时段t的基准出力；二进制变量uit表示机组i在时段t的开机变量，若机组i在时段t处于开机过程，则uit取值为1，否则uit取值为0； 和 为机组i在时段t提供的上备用容量和下备用容量；Gi表示机组i的发电成本函数，其中， ai、bi、ci为机组i的发电成本系
数； 和 分别为机组i在时段t的向上调整出力和向下调整出力； 为母线b在时段t的弃负荷量； 为风电场w在时段t的弃风量；
[0028] 步骤S23：电力系统在基准调度场景下的运行约束如下：
[0029]
[0030] 其中， 和 分别为机组i至时段t‑1的开机持续时间和停机持续时间；Ii,t表示机组i在时段t的开停机状态；二进制变量vi,t为机组i在时段t的停机变量； 和 分别为机组i的最小开机时间和停机时间；Pimax和Pimin分别为机组i的出力上、下限； 和 分别为机组i的向上爬坡速率和向下爬坡速率； 为风电场w在时段t的预测出力； 为t时段接入母线b的电力负荷；kl,b为线路l对母线b的灵敏度因子；flmax为线路l的最大传输功率；
[0031] 步骤S24：电力系统实时调度过程中的运行约束如下：
[0032]
[0033] 其中， 和 分别表示机组i在实时调度过程中t时段的向上出力调整量和向下出力调整量，均为不确定向量 和 的函数。
[0034] 进一步地，步骤S3具体包括以下步骤：
[0035] 步骤S31：定义基准调度场景下的决策变量x和实时调度过程中t时段的决策变量yt如下：
[0036]
[0037] 步骤S32：设实时调度过程中时段t的决策变量仅与该时段的不确定量有关，引入如下线性仿射规则：
[0038]
[0039] 式中，Et和qt分别为系数待定的矩阵和向量；
[0040] 步骤S33：定义整个调度周期内实时阶段的决策变量为y，得：
[0041] y＝[y1T,…,yTT]T (10)
[0042] 结合式(3)所示整个调度周期内的高维不确定量ξ，获得如下线性仿射规则：
[0043] y(ξ)＝Eξ+q (11)
[0044] 式中，E和q分别为系数待定的矩阵和向量；
[0045] 步骤S34：基于以上定义的决策变量x和y，将多阶段鲁棒机组组合模型表示为如下形式：
[0046]
[0047] 其中，c，d，b，g为常系数向量；A，B，C，D为常系数矩阵；
[0048] 步骤S35：结合式(11)的线性仿射规则消除式(12)中的决策变量y，将其转化为如下含高维不确定量ξ的单层优化问题：
[0049]
[0050] 式中，z为辅助变量；高维不确定量ξ对应的不确定集Ψξ如下：
[0051]
[0052] 其中，ξjt为高维不确定量ξ中的元素；索引j的取值范围从1至Nw+Nb；索引t的取值范围从1至T； 和ξjt分别表示不确定量取值的上界和下界； 和 为取值范围从0至1的辅助变量；Γ为保守度控制参数。
[0053] 进一步地，步骤S4具体包括以下步骤：
[0054] 步骤S41：结合式(14)中不确定集，将式(13)中含高维不确定量ξ的第二行约束表示如下：
[0055]
[0056] 并进一步将式(15)左侧的最大化问题转化为：
[0057]
[0058] 式中，γjt，μjt，νjt， 和 分别表示对应不等式约束的对偶变量；
[0059] 步骤S42：根据鲁棒对等变换，将式(16)的最大化问题转化为如下最小化问题：
[0060]
[0061]T
[0062] 式中，f0表示最小化问题的目标函数值； 表示向量(Ed)中的第j+(Nw+Nb)(t‑1)个元素；
[0063] 步骤S43：结合式(14)中不确定集，将式(13)中含高维不确定量ξ的第三行约束表示如下：
[0064]
[0065] 式中，g表示N行1列的列向量；
[0066] 式(18)含有N个不等式约束；针对第n个不等式约束，将式(18)左侧的最大化问题转化为：
[0067]
[0068] 式中，行向量 表示矩阵C的第n行元素；行向量 表示矩阵D的第n行元素；υnjt，ζnjt，χnjt， 和φnj分别表示对应不等式约束的对偶变量；
[0069] 步骤S44：根据鲁棒对等变换，将式(19)的最大化问题转化为如下最小化问题：
[0070]
[0071]
[0072] 式中，fn表示最小化问题的目标函数值； 表示向量 中的第j+(Nw+Nb)(t‑1)个元素；
[0073] 步骤S45：将含高维不确定量的优化问题(13)转化为如下确定性的混合整数线性规划问题：
[0074]
[0075] 其中，(17b)，(20b)指的是包含这两个公式所体现的约束条件。
[0076] 由以上推导，可将含不确定量的多阶段鲁棒优化问题转换为确定性的混合整数线性规划问题，采用Gurobi求解器进行求解。
[0077] 本发明及其优选方案提出基于不确定集的多阶段鲁棒机组组合模型，与传统的两阶段鲁棒机组组合模型相比，可提高不确定运行条件下调度决策的可靠性和有效性，并降低调度决策的保守性。
附图说明
[0078] 下面结合附图和具体实施方式对本发明进一步详细的说明：
[0079] 图1为本发明实施例总体流程示意图；
[0080] 图2为本发明实施例多阶段鲁棒机组组合模型与现有两阶段鲁棒机组组合模型的调度决策成本对比示意图。
具体实施方式
[0081] 为让本专利的特征和优点能更明显易懂，下文特举实施例，作详细说明如下：
[0082] 如图1所示，本发明实施例提出的考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法，包括以下步骤：
[0083] 步骤1:根据风电出力和电力负荷的波动区间的上下边界，构造反映电力系统源荷波动特性的高维不确定集；
[0084] 步骤2:以风电、负荷的日前预测值和不确定集为基础，建立电力系统多阶段鲁棒机组组合模型的目标函数和运行约束条件；
[0085] 步骤3:引入一种线性仿射规则将步骤2中建立的含min‑max结构的鲁棒机组组合模型转化为含不确定量的单层优化问题；
[0086] 步骤4:结合鲁棒对等变换，将步骤3中含不确定量的单层优化问题转化为确定性的混合整数线性规划问题进行求解。
[0087] 针对上述考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法，步骤1的实现包括以下步骤：
[0088] 1)分别构造t时段的风电出力和电力负荷不确定集合：
[0089]
[0090] 式中， 表示t时段的风电出力不确定集； 表示t时段的电力负荷不确定集；表示t时段风电场w的出力不确定量； 表示t时段接入母线b的电力负荷不确定量； 和Pw,t分别为风电出力的上边界和下边界； 和Lb,t分别为电力负荷的上边界和下边界；w表示风电场索引；b为电力系统母线索引；t表示调度时段索引。
[0091] 2)构建t时段不确定量构成的向量如下：
[0092]
[0093] 式中，Nw为风电场数目；Nb为接入可变电力负荷的母线数目；T为转置运算符； 表示t时段风电出力不确定量构成的向量； 表示t时段电力负荷不确定量构成的向量。
[0094] 3)构造整个调度周期的高维不确定量：假设整个调度周期的总时段数为T，可得：
[0095]
[0096] 式中， 和 分别表示整个调度周期内风电出力和电力负荷的高维不确定量；ξ表示整个调度周期内源荷不确定量构成的高维向量。
[0097] 针对上述考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法，步骤2的实现包括以下步骤：
[0098] 1)定义从初始调度1时段至t时段的不确定向量如下：
[0099]
[0100] 式中， 表示风电场w从1时段至t时段风电出力的不确定向量； 表示从1时段至t时段接入母线b的电力负荷的不确定向量。
[0101] 2)多阶段鲁棒机组组合模型的目标函数如下：
[0102]
[0103] 其中， 为机组i的燃料价格； 表示机组i的开机成本； 表示机组i的上/c c下备用容量价格； 表示机组i的向上/向下出力调整价格；L 和W分别表示弃负荷惩罚价格和弃风惩罚价格； 为机组i在时段t的基准出力；二进制变量uit表示机组i在时段t的开机变量，若机组i在时段t处于开机过程，则uit取值为1，否则uit取值为0； 为机组i在时段t提供的上/下备用容量；Gi表示机组i的发电成本函数，其中，
ai、bi、ci为机组i的发电成本系数； 为机组i在时段t的向上/向下调整出力； 为母线b在时段t的弃负荷量； 为风电场w在时段t的弃风量。
[0104] 3)电力系统在基准调度场景下的运行约束如下：
[0105]
[0106] 其中， 为机组i至时段t‑1的开机/停机持续时间；Ii,t表示机组i在时段t的开停机状态；二进制变量vi,t为机组i在时段t的停机变量； 为机组i的最小开机/停机时间；Pimax和Pimin分别为机组i的出力上、下限； 为机组i的向上/向下爬坡速率；为风电场w在时段t的预测出力； 为t时段接入母线b的电力负荷；kl,b为线路l对母线b的灵敏度因子；flmax为线路l的最大传输功率。
[0107] 4)电力系统实时调度过程中的运行约束如下：
[0108]
[0109] 其中， 和 分别表示机组i在实时调度过程中t时段的向上/向下出力调整量，均为不确定向量 和 的函数。
[0110] 针对上述考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法，步骤3的实现包括以下步骤：
[0111] 1)定义基准调度场景下的决策变量x和实时调度过程中t时段的决策变量yt如下：
[0112]
[0113] 2)假设实时调度过程中时段t的决策变量仅与该时段的不确定量有关，引入如下线性仿射规则：
[0114]
[0115] 式中，Et和qt分别为系数待定的矩阵和向量。
[0116] 3)定义整个调度周期内实时阶段的决策变量为y，可得：
[0117] y＝[y1T,…,yTT]T (10)
[0118] 结合式(3)所示整个调度周期内的高维不确定量ξ，可得如下线性仿射规则：
[0119] y(ξ)＝Eξ+q (11)
[0120] 式中，E和q分别为系数待定的矩阵和向量。
[0121] 4)基于以上定义的决策变量x和y，可将多阶段鲁棒机组组合模型表示为如下形式：
[0122]
[0123] 其中，c，d，b，g均为常系数向量；A，B，C，D为常系数矩阵。
[0124] 5)结合式(11)的线性仿射规则消除式(12)中的决策变量y，将其转化为如下含高维不确定量ξ的单层优化问题：
[0125]
[0126] 式中，z为辅助变量；高维不确定量ξ对应的不确定集Ψξ如下：
[0127]
[0128] 其中，ξjt为高维不确定量ξ中的元素；索引j的取值范围从1至Nw+Nb；索引t的取值范围从1至T； 和ξjt分别表示不确定量取值的上界和下界； 和 为取值范围从0至1的辅助变量；Γ为保守度控制参数。
[0129] 针对上述考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法，步骤4的实现包括以下步骤：
[0130] 1)结合式(14)中不确定集，可将式(13)中含高维不确定量ξ的第二行约束表示如下：
[0131]
[0132] 进一步，可将式(15)左侧的最大化问题转化为：
[0133]
[0134] 式中，γjt，μjt，νjt， 和 分别表示对应不等式约束的对偶变量。
[0135] 2)根据鲁棒对等变换，可将式(16)的最大化问题转化为如下最小化问题：
[0136]
[0137]
[0138] 式中，f0表示最小化问题的目标函数值； 表示向量(ETd)中的第j+(Nw+Nb)(t‑1)个元素。
[0139] 3)结合式(14)中不确定集，可将式(13)中含高维不确定量ξ的第三行约束[0140] 表示如下：
[0141]
[0142] 式中，g表示N行1列的列向量。
[0143] 由此可知，式(18)含有N个不等式约束。针对第n个不等式约束，可将式(18)左侧的最大化问题转化为：
[0144]
[0145] 式中，行向量 表示矩阵C的第n行元素；行向量 表示矩阵D的第n行元素；υnjt，ζnjt，χnjt， 和φnj分别表示对应不等式约束的对偶变量。
[0146] 4)根据鲁棒对等变换，可将式(19)的最大化问题转化为如下最小化问题：
[0147]
[0148]
[0149] 式中，fn表示最小化问题的目标函数值； 表示向量 中的第j+(Nw+Nb)(t‑1)个元素。
[0150] 5)综上，含高维不确定量的优化问题(13)可转化为如下确定性的混合整数线性规划问题：
[0151]
[0152] 由以上推导，可将含不确定量的多阶段鲁棒优化问题转换为确定性的混合整数线性规划问题，采用Gurobi求解器进行求解。
[0153] 基于以上模型和流程设计，本实例在MATLAB环境下进行测试算例仿真，调用Gurobi求解器进行模型求解。其建模求解流程见图1所示。
[0154] 本实施例的多阶段鲁棒机组组合模型以电力系统在基准场景下的机组发电成本、开机成本、备用容量成本及实时调度过程中的机组出力调整成本、弃风、弃负荷成本之和最小为目标函数，包含了机组出力限制、最小启停时间限制、机组爬坡率和旋转备用约束、传输线路潮流限制及系统功率平衡等运行约束条件。
[0155] 根据本发明的一个实施例，将该基于不确定量模糊集的分布鲁棒优化方法应用于6节点电力系统进行验证，其中包含G1‑G3三台燃气机组，G4‑G5两台火电机组和一个风电场。
[0156] 根据本发明的一个实施例，将本发明的多阶段鲁棒机组组合方法和传统的两阶段鲁棒机组组合方法进行对比，结果如表1所示：
[0157] 表1不同鲁棒优化方法结果对比
[0158]
[0159] 分析表1中不同方法得到的仿真结果可以看出：多阶段鲁棒模型的总运行成本比两阶段鲁棒模型降低了1326.74$，且在整个调度周期内的开机小时数减小了5h。由以上分析可知，多阶段鲁棒机组组合方法能在兼顾调度决策可靠性的同时有效降低决策的保守性。
[0160] 当机组G1、G2、G4的爬坡率Uramp在原始爬坡率的0.7倍‑1.2倍之间变化，线路传输容量在原始容量的90％‑110％之间变化时，两阶段鲁棒机组组合模型和多阶段鲁棒机组组合模型的调度决策成本如图2所示。
[0161] 由图2可看出，在同一机组爬坡率和线路传输容量的参数条件下，多阶段鲁棒机组组合模型的总运行成本均小于两阶段鲁棒机组组合模型，从而验证了本发明的多阶段鲁棒机组组合方法所得调度决策的优越性。
[0162] 本发明方法实现的主要过程包括电力系统多阶段鲁棒机组组合模型的建立以及该模型的转化和求解方法。
[0163] 本发明基于风电出力和电力负荷波动的上、下边界信息构造其不确定集，在此基础上，建立了以基准场景下机组运行成本、备用容量成本以及实时调度过程中机组出力调整成本、弃风、弃负荷成本为目标函数的多阶段鲁棒机组组合模型，以总运行成本最小为目标对不确定运行条件下的电力系统进行优化调度。
[0164] 在模型转化求解方面，本发明结合线性仿射规则和鲁棒对等变换方法，将含不确定量具min‑max结构的优化问题转化为确定性的混合整数线性规划问题进行求解。可提高不确定运行条件下调度决策的可靠性和有效性，并降低调度决策的保守性。
[0165] 本专利不局限于上述最佳实施方式，任何人在本专利的启示下都可以得出其它各种形式的考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本专利的涵盖范围。
