一种基于拟谱型配点法的含风电电力系统概率最优潮流确定方法、设备及介质与流程

本发明属于电力系统，涉及考虑风电场出力随机性的电力系统经济调度，尤其是涉及一种基于拟谱型配点法的含风电电力系统概率最优潮流确定方法、设备及介质。

背景技术：

1、最优潮流(optimal power flow，opf)问题是电力系统规划和运行最重要的工具之一，内点法应用于电力系统优化计算成功实现了大规模电力系统最优潮流问题的求解。常规的最优潮流问题基于确定性模型，忽略了系统中的随机因素。但是，由于风力发电因成本较低、技术成熟、可靠性较高，大规模的风电场以集中的形式接入电力系统，而风电场的功率输出受自然条件的影响而具有很强的随机性和间歇性，这就使得最优潮流问题的解决需要面临更多不确定因素，给电力系统的经济调度和安全运行带来极大的挑战。风电随机性影响下概率最优潮流的计算是电力系统不确定性下静态稳定控制的重要依据，它考虑随机因素的影响，得到满足经济性和静态稳定性的最优调度方案，比常规最优潮流计算更能揭示电力系统的运行特性。

2、概率最优潮流依赖于不确定参数的假定概率密度函数，通常需要大量的采样场景。求解概率最优潮流的难点在于机会约束的处理。一般可以采用启发式优化方法或将随机优化模型转化为确定性优化模型来解决需要反复迭代求解的问题。目前，有许多求解概率最优潮流的方法，如使用benders分解来解决考虑间歇性风力发电的安全约束机组组合问题、使用蒙特卡罗模拟方法将随机干扰建模为场景树，并将优化问题分解为确定性的长期安全约束机组组合子问题等。

技术实现思路

1、本发明第一个目的在于，针对现有技术中存在的不足，提供一种基于拟谱型配点法的含风电电力系统概率最优潮流确定方法。

2、为此，本发明的上述目的通过如下技术方案实现：

3、一种基于拟谱型配点法的含风电电力系统概率最优潮流确定方法，其特征在于：所述方法包括如下步骤：

4、步骤s1、建立含风电电力系统的概率最优潮流数学模型；

5、概率最优潮流问题可以表述为以下非线性规划问题：

6、优化目标为：

7、

8、约束条件为：

9、0＝g(y,u；p)                         (1.2)

10、p{h(y,u；p)≤hmax}≥β                   (1.3)

11、其中，y为系统状态变量，u为待优化变量，p为包含风机出力的随机参数，e{·}为期望运算符，c(y,u；p)为优化问题的目标函数，可以表示燃料成本、网络损耗或线路传输容量等；g(y,u；p)为表示电力系统稳态数学模型的函数向量；式(1.3)表示稳态不等式约束条件，其中p{·}为概率运算符，h(y,u；p)表示表述了系统状态的函数向量，其上界为hmax，主要包括对母线电压幅值、发电机有功和无功输出的限制等，β为指定的概率限制；

12、为了确定概率最优潮流，首先需要在考虑风电场随机出力的基础上，确定含风电电力系统潮流关于随机参数及控制参数的定量关系式；然后根据所求得的定量关系式，对随机参数的不确定性进行量化，将式(1.1)-(1.3)中的随机优化模型转化为确定性的优化模型；

13、步骤s2、基于步骤s1所建立的数学模型，将随机不等式约束重新构造为确定性的不等式约束：

14、(1)、基于配点法和构造描述系统状态变量与随机参数及控制参数定量关系的多项式逼近式：

15、首先，电力系统稳态数学模型(1.1)隐式地描述了系统变量与随机参数、控制参数之间的定量关系，该定量关系可以用如下多项式基函数{φ(p)}的线性组合显式地表示：

16、

17、其中，是随机参数和控制参数的紧凑形式，为系统状态变量y的近似值，nb为多项式基函数的个数，为第k个多项式基函数对应的逼近系数，k为计数变量，φ(p)为多项式基函数；

18、然后，通过拟谱型配点法，待定系数可以由下式求解：

19、

20、其中，χk＝∫dφk(p)φk(p)ω(p)dp为多项式基函数的模，d是p的定义域，ω(p)为p的概率密度函数；p(m)为配置点，其中：m＝1,...,m；y(p(m))是配置点p(m)处系统状态变量的采样值，αm是p(m)的积分系数，配置点和对应的积分系数αm是通过稀疏网格法确定的；需要注意的是，当多项式基函数选定时，χk，αm，p(m)已在配点法中预先设计，所以将受到配置点处采样结果y(p(m))的影响，通过式(2.2)，即可求解式(2.1)中的待定系数进而得到描述系统变量y与随机参数及控制参数定量关系的多项式逼近式；

21、(2)、基于描述系统变量与随机参数及控制参数定量关系的多项式逼近式，将随机不等式约束重新构造为确定性的不等式约束：

22、将基于配点法及gram-charlier展开提出随机不等式约束转换方法，其具体过程如下：

23、1)基于系统变量关于随机参数和控制参数的多项式逼近式，求解系统变量受随机参数影响的第i阶矩：

24、

25、其中，为线路潮流的第i阶矩，e{·}为期望运算符，f(p)为随机参数的概率分布函数；

26、2)基于线路潮流的第i阶矩式(2.3)，结合配点法及gram-charlier展开，对式(1.2)中随机风电场出力的不确定性进行量化，求解不等式约束满足安全约束的概率随控制参数的定量关系；

27、首先，根据稀疏网格法得到一系列控制参数的配置点u(m)，m＝1,...,m；对于每一个配置点u(m)，基于gram-charlier展开计算h(y,u；p)≤hmax的概率：

28、

29、其中，μ和σ分别为h(y,u；p)的平均值和标准差，n(*)为正态分布函数，ki为由h(y,u；p)各阶矩推导求出的累积量；

30、基于配点法，随机不等式约束满足要求的概率随控制参数变化的定量关系可以构造为如下多项式逼近式：

31、

32、其中，为近似概率，系数可由下式求解：

33、

34、3)将式(2.5)代入随机不等式约束式(1.3)，即可将式(1.3)转化为如下确定性的不等式约束：

35、

36、步骤s3、基于步骤s2所建立的确定性不等式约束，将随机优化模型重新构造为确定性的优化模型：

37、将概率最优潮流的随机优化模型中的式(1.3)替换为式(2.5)，即可得到如下确定性的优化模型：

38、优化目标为：

39、

40、约束条件为：

41、0＝g(y,u；p)  (3.2)

42、

43、确定性的优化模型式(3.1)-(3.3)为一组非线性规划模型，可采用原对偶内点法进行求解，所得的最优解即为概率最优潮流式(1.1)-(1.3)的近似最优解。

44、本发明第二个目的在于，针对现有技术中存在的不足，提供一种电子设备。

45、为此，本发明的上述目的通过如下技术方案实现：

46、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行计算机程序时实现如前文所述的基于拟谱型配点法的含风电电力系统概率最优潮流确定方法步骤。

47、本发明还有一个目的在于，针对现有技术中存在的不足，提供一种非暂态计算机可读存储介质。

48、为此，本发明的上述目的通过如下技术方案实现：

49、一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如前文所述的基于拟谱型配点法的含风电电力系统概率最优潮流确定方法步骤。

50、本发明提供一种基于拟谱型配点法的含风电电力系统概率最优潮流确定方法、设备及介质，通过提出基于拟谱型配点法的考虑风电场出力随机性的电力系统该流程最优潮流确定方法，可对最优潮流求解中风电场随机出力的影响进行量化，将含随机参数的概率最优潮流随机优化模型转化为便于求解的确定性优化模型，对考虑了风电场随机出力对电力系统最优潮流求解的影响，考虑控制成本的经济性以及含风电电力系统运行的安全稳定性，能够更全面地反映系统经济调度方案受风电场等新能源出力的影响，可用于降低发电机发电成本、提高系统的静态稳定性，能更全面地评估系统静态稳定性能的受风电场等新能源出力的影响。该方法可适用于含风电电力系统概率最优潮流的确定，具有较高的控制效率，可为风电电力系统的安全稳定分析及控制提供科学合理的分析方案。