【技术实现步骤摘要】
本专利技术涉及电力系统调度，特别是涉及一种电力市场的优化调度方法及装置、存储介质、计算机设备。
技术介绍
1、由于电力资源与负荷需求呈现逆向分布，所以在电力市场上不仅出现了区域内的电力调度，还出现了区域间的电力调度。并且随着统一电力市场的建设，区域间市场和区域内市场的协调运作需求变得更加突出。另外，随着可再生能源发电比例的不断提高以及电动汽车等新兴负荷的大量接入，电源及负荷的不确定性因素也将对区域内电力市场和区域间电力市场的两级运作的经济调度决策过程产生影响。
2、目前，虽然在电力调度策略的制定过程中考虑了电源及负荷的不确定性因素，但是针对源-荷不确定性因素，传统优化方法为随机优化(stochastic optimization，so)。然而随机优化需要准确获取随机变量的概率分布，且计算结果的样本外表现不佳，且无法解决区域内-区域间两级市场运作下的日前-日内两阶段经济调度问题。
技术实现思路
1、有鉴于此，本专利技术提供一种电力市场的优化调度方法及装置、存储介质、计算机设备，主要目的在于解决如何在区域内-区域间两级市场运作下实现日前-日内两阶段的经济调度的问题。
2、依据本专利技术一个方面，提供了一种电力市场的优化调度方法，包括：
3、获取可再生能源机组和负荷的历史数据样本集，并对所述历史数据样本集进行数据处理，得到表征可再生能源机组出力和负荷需求的不确定性参数取值范围的不确定性集合；
4、以最小化区域内市场运行成本为目标以及以最小化
5、以最小化日内阶段购电区域的区域内市场再调度成本为目标构建日内经济调度模型；
6、基于所述不确定性集合、所述日前经济调度双层模型和所述日内经济调度模型构造两阶段鲁棒优化模型，并对所述两阶段鲁棒优化模型进行求解，得到电力市场调度结果。
7、进一步地，所述历史数据样本集进行数据处理，得到表征可再生能源机组出力和负荷需求的不确定性参数取值范围的不确定性集合包括：
8、采用蒙特卡洛抽样法从所述历史数据样本集中抽取多组样本数据，并生成与所述样本数据相对应的预测偏差场景；
9、采用k-means聚类方法对所述预测偏差场景进行场景削减处理，得到多个典型预测偏差场景；
10、基于所述典型预测偏差场景生成所述表征可再生能源机组出力和负荷需求的不确定性参数取值范围的不确定性集合。
11、进一步地，所述以最小化区域内市场运行成本为目标以及以最小化区域间市场购电成本为目标构造日前经济调度双层模型包括：
12、将区域内各节点的常规机组出力、机组上备用容量、机组下备用容量和区域间购电需求量确定为第一阶段中的上层决策变量；
13、基于所述上层决策变量以最小化区域内市场运行成本为目标确定上层模型目标函数；
14、将售电区域中各个节点上常规机组向购电区域输送的电能确定为第一阶段中的下层决策变量；
15、基于所述下层决策变量以最小化区域间市场购电成本为目标确定下层模型目标函数；
16、为所述上层模型目标函数添加上层约束条件，并为所述下层模型目标函数添加下层约束条件；
17、基于所述上层模型目标函数、所述上层约束条件、所述下层模型目标函数和所述下层约束条件构建所述日前经济调度双层模型。
18、进一步地，所述以最小化日内阶段购电区域的区域内市场再调度成本为目标构建日内经济调度模型包括：
19、将购电区域中各节点上常规机组的日内上调出力和日内下调出力、风电机组弃风量、光电机组弃光量和负荷调减量确定为第二阶段中的决策变量；
20、基于所述第二阶段中的决策变量以最小化日内阶段购电区域的区域内市场再调度成本为目标确定第二阶段的目标函数；
21、为所述第二阶段的目标函数添加日内约束条件，并基于所述第二阶段的目标函数和所述日内约束条件构建所述日内经济调度模型。
22、进一步地，所述基于所述不确定性集合、所述日前经济调度双层模型和所述日内经济调度模型构造两阶段鲁棒优化模型之前，所述方法还包括：
23、采用卡罗需-库恩-塔克条件法将所述日前经济调度双层模型中的下层模型转化为无目标的约束方程组；
24、将所述约束方程组确定为上层模型的附加条件，得到转化后的日前经济调度单层模型；
25、采用惩罚函数法对所述日前经济调度单层模型进行模型转化，得到日前经济调度单层混合整数线性规划模型。
26、进一步地，所述基于所述不确定性集合、所述日前经济调度双层模型和所述日内经济调度模型构造两阶段鲁棒优化模型包括：
27、将所述不确定性集合中的不确定性预测偏差作为随机变量；
28、基于所述随机变量和所述日前经济调度双层模型中的决策变量确定所述日内经济调度模型中决策变量的可行域；
29、基于所述日前经济调度模型中的上下层决策变量和相对应的第一阶段相关参数，所述日内经济调度模型中的决策变量和相对应的第二阶段相关参数，以及所述日内经济调度模型中决策变量的可行域构造所述两阶段鲁棒优化模型。
30、进一步地，所述对所述两阶段鲁棒优化模型进行求解包括：
31、将所述两阶段鲁棒优化模型中与所述日前经济调度双层模型相关的部分确定为两阶段鲁棒优化问题中的主问题；
32、将所述两阶段鲁棒优化模型中与所述日内经济调度模型相关的部分确定为两阶段鲁棒优化问题中的子问题；
33、对所述主问题进行求解，得到主问题求解结果；并对所述子问题进行求解，得到子问题求解结果；
34、将所述主问题求解结果确定为所述两阶段鲁棒优化模型的下界；并将所述子问题求解结果确定为所述两阶段鲁棒优化模型的上界；
35、持续迭代求解过程，并对所述上界和所述下界进行持续更新，直至所述两阶段鲁棒优化模型处于收敛状态，得到所述电力市场调度结果。
36、依据本专利技术另一个方面，提供了一种电力市场的优化调度装置，包括：
37、不确定性分析模块，用于获取可再生能源机组和负荷的历史数据样本集，并对所述历史数据样本集进行数据处理，得到表征可再生能源机组出力和负荷需求的不确定性参数取值范围的不确定性集合；
38、日前模型构建模块，用于以最小化区域内市场运行成本为目标以及以最小化区域间市场购电成本为目标构建日前经济调度双层模型；
39、日内模型构建模块，用于以最小化日内阶段购电区域的区域内市场再调度成本为目标构建日内经济调度模型；
40、鲁棒优化及求解模块，用于基于所述不确定性集合、所述日前经济调度双层模型和所述日内经济调度模型构造两阶段鲁棒优化模型，并对所述两阶段鲁棒优化模型进行求解，得到电力市场调度结果。
41、进一步地，所述不确定性分析模块还用于：
42、采用蒙特卡洛抽样法从所述历史数据样本集本文档来自技高网...
【技术保护点】
1.一种电力市场的优化调度方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对所述历史数据样本集进行数据处理，得到表征可再生能源机组出力和负荷需求的不确定性参数取值范围的不确定性集合包括：
3.根据权利要求1所述的方法，其特征在于，所述以最小化区域内市场运行成本为目标以及以最小化区域间市场购电成本为目标构造日前经济调度双层模型包括：
4.根据权利要求1所述的方法，其特征在于，所述以最小化日内阶段购电区域的区域内市场再调度成本为目标构建日内经济调度模型包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述不确定性集合、所述日前经济调度双层模型和所述日内经济调度模型构造两阶段鲁棒优化模型之前，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述不确定性集合、所述日前经济调度双层模型和所述日内经济调度模型构造两阶段鲁棒优化模型包括：
7.根据权利要求1～6任一项所述的方法，其特征在于，所述对所述两阶段鲁棒优化模型进行求解包括：
8.一种电力市场的优化调度装置
9.一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令执行如权利要求1-7中任一项所述的电力市场的优化调度方法对应的操作。
10.一种计算机设备，包括处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
...【技术特征摘要】
1.一种电力市场的优化调度方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对所述历史数据样本集进行数据处理，得到表征可再生能源机组出力和负荷需求的不确定性参数取值范围的不确定性集合包括：
3.根据权利要求1所述的方法，其特征在于，所述以最小化区域内市场运行成本为目标以及以最小化区域间市场购电成本为目标构造日前经济调度双层模型包括：
4.根据权利要求1所述的方法，其特征在于，所述以最小化日内阶段购电区域的区域内市场再调度成本为目标构建日内经济调度模型包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述不确定性集合、所述日前经济调度双层模型和所述日内经济调度模型构造两阶段鲁棒...
【专利技术属性】
技术研发人员：李晓刚，吴敏，陈中阳，刘福斌，洪元瑞，曾家国，张艳红，张国帅，吴冕，荆朝霞，赵昱宣，
申请(专利权)人：国家电网有限公司华东分部，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。