电力系统调度方法、装置、设备及介质与流程

1.本发明涉及电力系统技术领域，尤其涉及一种电力系统调度方法、装置、设备及介质。


背景技术：

2.风电出力的随机性和间歇性给电力系统优化调度带来巨大挑战。如何对不确定性环境下的电力系统调度问题进行建模和求解是一个难题。已有处理电力系统调度中的风电出力的不确定性因素的方法主要分为基于模拟场景的随机规划方法，机会约束方法和鲁棒优化方法三类。
3.基于模拟场景的随机规划方法依赖于不确定变量的精确分布函数，然而，实际中，不确定变量的分布函数往往难以精确获知。此外，其计算规模将因模拟场景数量“组合爆炸”显著增加，不适用于大系统在线决策。基于机会约束的优化模型通常也需要不确定变量的精确概率分布。鲁棒优化方法是寻找最恶劣场景下的决策、决策规模适中且不依赖不确定变量分布函数。然而，鲁棒优化策略通常较为保守，导致系统运行成本较高，经济性较差。


技术实现要素：

4.本发明提供了一种电力系统调度方法、装置、设备及介质，以实现考虑风电出力不确定性的电力系统的优化调度，无需确定风电出力这一不确定变量的精确概率分布，同时，调度结果在经济性和保守性方面表现出良好的性能。
5.根据本发明的一方面，提供了一种电力系统调度方法，该方法包括：
6.确定电力系统中的风电出力对应的模糊集；
7.构建所述电力系统的分布鲁棒联合机会约束调度模型，其中，所述分布鲁棒联合机会约束调度模型包括目标函数以及分布鲁棒联合机会约束条件；
8.基于所述模糊集确定所述分布鲁棒联合机会约束条件对应的凸表达条件；
9.基于所述凸表达条件以及所述目标函数确定所述分布鲁棒联合机会约束调度模型对应的最优解，将所述最优解确定为所述电力系统的目标调度方案。
10.可选的，所述构建所述电力系统的分布鲁棒联合机会约束调度模型，包括：
11.根据所述电力系统的运行成本最小化原则，构建所述分布鲁棒联合机会约束调度模型中的目标函数；
12.针对所述电力系统中的每一个风电机组，基于各所述风电机组的可调度出力、备用出力以及风电出力，建立所述分布鲁棒联合机会约束调度模型中的分布鲁棒联合机会约束条件。
13.可选的，所述基于各所述风电机组的可调度出力、备用出力以及风电出力，建立所述分布鲁棒联合机会约束调度模型中的分布鲁棒联合机会约束条件，包括：
14.获取分布鲁棒联合机会约束条件对应的预设约束概率；
15.将各所述风电机组的可调度出力与备用出力的和不超过风电出力的概率不低于
所述预设约束概率，作为所述分布鲁棒联合机会约束条件。
16.可选的，所述分布鲁棒联合机会约束条件对应的公式如下：
[0017][0018]
其中，为第w个风电机组在t时刻的可调度出力，为第w个风电机组在t时刻的备用出力，为第w个风电机组在t时刻的风电出力，表示风电场中的风电机组的集合，表示概率分布，表示所述模糊集，ε为所述分布鲁棒联合机会约束的允许违反概率，1-ε为所述预设约束概率。
[0019]
可选的，所述分布鲁棒联合机会约束调度模型还包括发电机出力约束条件、发电机备用约束条件、发电机组爬坡约束条件、线路传输功率约束条件、系统有功功率平衡约束条件、风电备用出力约束条件以及可调度风电出力约束条件。
[0020]
可选的，所述目标函数对应的公式如下：
[0021][0022]
其中，表示发电机组的集合，表示风电场中的风电机组的集合，表示时段的集合，ci是第i个发电机组的边际发电成本；是第i个发电机组的备用成本；p
i,t
和r
i,t
分别为第i个发电机组在t时刻的发电出力和备用出力；是第w个风电机组提供的备用成本；是第w个风电机组在t时刻提供的备用出力。
[0023]
可选的，所述基于所述模糊集确定所述分布鲁棒联合机会约束条件对应的凸表达条件，包括：
[0024]
基于所述模糊集将所述分布鲁棒联合机会约束条件转化为联合约束条件组，其中，所述联合约束条件组包括待转换联合约束条件、所述允许违反概率对应的第一约束条件以及所述允许违反概率对应的第二约束条件；
[0025]
将所述待转换联合约束条件转换为确定性约束条件，并通过预设辅助变量将所述确定性约束条件转化为风电出力约束条件、所述允许违反概率对应的第一标准二阶锥约束条件以及所述允许违反概率对应的第二标准二阶锥约束条件。
[0026]
根据本发明的另一方面，提供了一种电力系统调度装置，所述装置包括：
[0027]
模糊集确定模块，用于确定电力系统中的风电出力对应的模糊集；
[0028]
调度模型构建模块，用于构建所述电力系统的分布鲁棒联合机会约束调度模型，其中，所述分布鲁棒联合机会约束调度模型包括目标函数以及分布鲁棒联合机会约束条件；
[0029]
凸表达推导模块，用于基于所述模糊集确定所述分布鲁棒联合机会约束条件对应的凸表达条件；
[0030]
调度模型求解模块，用于基于所述凸表达条件以及所述目标函数确定所述分布鲁棒联合机会约束调度模型对应的最优解，将所述最优解确定为所述电力系统的目标调度方案。
[0031]
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
[0032]
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的电力系统调度方法。
[0033]
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电力系统调度方法。
[0034]
本发明实施例的技术方案，通过确定风电出力对应的模糊集，并构建电力系统的分布鲁棒联合机会约束调度模型，进而根据模糊集确定该分布鲁棒联合机会约束调度模型中的分布鲁棒联合机会约束条件对应的凸表达条件，通过凸表达条件以及分布鲁棒联合机会约束调度模型中的目标函数，计算分布鲁棒联合机会约束调度模型的最优解，以确定电力系统的目标调度方案，实现了考虑风电出力不确定性的电力系统的优化调度，无需确定风电出力这一不确定变量的精确概率分布，可以应用于解决不确定环境下的电力系统调度问题，同时，调度结果在经济性和保守性方面表现出良好的性能。并且，通过推导出分布鲁棒联合机会约束条件的凸近似表达，使得分布鲁棒联合机会约束调度模型可以被高效求解，提高了电力系统调度效率。
[0035]
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0036]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]
图1是本发明实施例一提供的一种电力系统调度方法的流程示意图；
[0038]
图2是本发明实施例二提供的一种电力系统调度方法的流程示意图；
[0039]
图3是本发明实施例三提供的一种电力系统调度方法的流程示意图；
[0040]
图4是本发明实施例四提供的一种电力系统调度装置的结构示意图；
[0041]
图5是本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
[0042]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0043]
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用
的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0044]
实施例一
[0045]
图1为本发明实施例一提供的一种电力系统调度方法的流程示意图，本实施例可适用于对不确定风电出力下的电力系统的调度的情况，该方法可以由电力系统调度装置来执行，该电力系统调度装置可以采用硬件和/或软件的形式实现，该电力系统调度装置可配置于诸如手机、电脑、平板等电子设备中。如图1所示，该方法包括：
[0046]
s110、确定电力系统中的风电出力对应的模糊集。
[0047]
其中，风电出力可以是电力系统中的风电机组输出的有功功率。由于风电机组的风电出力的随机性和间歇性，使得风电出力具备不确定性。因此，在本实施例中，可以通过构建风电出力对应的模糊集，来对不确定性的风电出力进行建模。
[0048]
具体的，可以采用矩信息的模糊集刻画风电出力的不确定性。其中，模糊集可以是用于描述不确定性的风电出力的概率分布的集合。风电出力的模糊集的公式可以如下：
[0049][0050]
其中，为风电出力对应的模糊集，表示风电出力的概率分布，表示对概率分布的求期望；为第w个风电机组在t时刻的不确定性的风电出力，表示时段的集合，表示风电场的风电机组的集合，μ
w,t
和σ
w,t
分别表示第w个风电机组在t时刻的不确定性的风电出力的均值和标准差。
[0051]
在上述风电出力对应的模糊集的公式中，风电出力的均值和标准差可以通过历史风电出力数据计算得到。通过设置风电出力的均值和标准差，可以建立基于矩信息的模糊集。在本实施例中，通过建立风电出力对应的模糊集，可以无需确定风电出力的精确概率分布，解决现有技术中难以获取不确定变量的精确概率分布的技术问题。
[0052]
s120、构建所述电力系统的分布鲁棒联合机会约束调度模型，其中，所述分布鲁棒联合机会约束调度模型包括目标函数以及分布鲁棒联合机会约束条件。
[0053]
其中，分布鲁棒联合机会约束调度模型可以用于计算电力系统的最优调度方案。具体的，可以通过分布鲁棒联合机会约束调度模型中的目标函数以及分布鲁棒联合机会约束条件，求解分布鲁棒联合机会约束调度模型中的部分变量，得到最优调度方案。
[0054]
在本实施例中，可以分别建立目标函数以及分布鲁棒联合机会约束条件，以实现对分布鲁棒联合机会约束调度模型的构建。其中，目标函数可以为最小化电力系统运行成本，分布鲁棒联合机会约束条件可以是对电力系统中的每一个风电机组的可调度出力、备用出力以及风电出力的约束条件。
[0055]
在一种可选的实施方式中，所述构建所述电力系统的分布鲁棒联合机会约束调度模型，包括：根据所述电力系统的运行成本最小化原则，构建所述分布鲁棒联合机会约束调度模型中的目标函数；针对所述电力系统中的每一个风电机组，基于各所述风电机组的可
调度出力、备用出力以及风电出力，建立所述分布鲁棒联合机会约束调度模型中的分布鲁棒联合机会约束条件。
[0056]
其中，运行成本最小化原则可以是电力系统的发电机组和备用机组的成本最小化原则。
[0057]
具体的，所述目标函数对应的公式可以如下：
[0058][0059]
其中，表示发电机组的集合，表示风电场中的风电机组的集合，表示时段的集合，ci是第i个发电机组的边际发电成本；是第i个发电机组的备用成本；p
i,t
和r
i,t
分别为第i个发电机组在t时刻的发电出力和备用出力；是第w个风电机组提供的备用成本；是第w个风电机组在t时刻提供的备用出力。备用出力可以理解为发电机组或风电机组预留的偏差容量。
[0060]
在上述目标函数的公式中，通过最小化电力系统的运行成本，可以实现目标函数的构建。
[0061]
进一步的，需要根据电力系统中的每一个风电机组的可调度出力、备用出力以及风电出力，建立分布鲁棒联合机会约束调度模型中的分布鲁棒联合机会约束条件。其中，可调度出力可以是风电机组输出的可以被电力系统调度的有功功率，备用出力可以是风电机组输出的为电力系统预留的有功功率，风电出力可以是风电机组实际输出的有功功率。
[0062]
具体的，可以是通过限制每一个风电机组的可调度出力、备用出力以及风电出力之间的大小关系，构建分布鲁棒联合机会约束条件。
[0063]
需要说明的是，在本实施例中，根据每一个风电机组的可调度出力、备用出力以及风电出力构建分布鲁棒联合机会约束条件目的在于：通过对风电系统中的全部风电机组的约束，构建联合机会约束条件，与单一的机会约束条件相比，联合的机会约束条件为分布鲁棒联合机会约束调度模型提供了更强的可靠性保障。
[0064]
当然，本实施例中的分布鲁棒联合机会约束调度模型还可以包括其他约束条件。如，可选的，所述分布鲁棒联合机会约束调度模型还包括发电机出力约束条件、发电机备用约束条件、发电机组爬坡约束条件、线路传输功率约束条件、系统有功功率平衡约束条件、风电备用出力约束条件以及可调度风电出力约束条件。
[0065]
其中，发电机出力约束条件可以是对发电机组的发电出力的大小进行约束的条件，示例性的，发电机出力约束条件可以满足如下公式：
[0066][0067]
其中，和分别表示第i个发电机组的出力下限和出力上限，p
i,t
为第i个发电机组在t时刻的发电出力。
[0068]
发电机备用约束条件可以是对发电机组的备用出力的大小进行约束的条件，示例性的，发电机备用出力约束条件可以满足如下公式：
[0069]
[0070]
其中，为第i个发电机组的备用容量，r
i,t
为第i个发电机组在t时刻的备用出力。
[0071]
发电机组爬坡约束条件可以是对发电机组的出力变化值进行约束的条件，示例性的，发电机组爬坡约束条件可以满足如下公式：
[0072]-rdi≤p
i,t
r
i,t-p
i,t-1-r
i,t-1
≤rui；
[0073]
其中，rdi和rui分别为第i个发电机组的向下爬坡限值和向上爬坡限值。
[0074]
线路传输功率约束条件可以是对输电线路的传输功率进行约束的条件，示例性的，线路传输功率约束条件可以满足如下公式：
[0075][0076]
其中，为第l个输电线路的传输容量，ψ
l,i
为第i个发电机组对第l个输电线路的转移因子；ψ
l,w
为第w个风电机组对第l个输电线路的转移因子，为负荷de对第l个输电线路的转移因子，为t时刻负荷de的水平。
[0077]
系统有功功率平衡约束条件可以是对电力系统的有功功率进行约束的条件。示例性的，系统有功功率平衡约束条件可以满足如下公式：
[0078][0079]
其中，为第w个风电机组在t时刻的可调度功率，即可调度出力，为负荷的集合。
[0080]
风电备用出力约束条件可以是对风电机组的备用出力的大小进行约束的条件，示例性的，风电备用出力约束条件可以满足如下公式：
[0081][0082]
其中，为第w个风电机组在t时刻的最大备用出力，为第w个风电机组的备用出力上限。
[0083]
可调度风电出力约束条件可以是对风电机组的可调度出力的大小进行约束的条件，示例性的，可调度风电出力约束条件可以满足如下公式：
[0084][0085]
其中，为第w个风电机组在t时刻的可调度出力。
[0086]
s130、基于所述模糊集确定所述分布鲁棒联合机会约束条件对应的凸表达条件。
[0087]
具体的，在构建出分布鲁棒联合机会约束调度模型中的目标函数、分布鲁棒联合机会约束条件后，可以根据已构建的模糊集，确定分布鲁棒联合机会约束条件对应的凸表达条件。
[0088]
需要说明的是，确定分布鲁棒联合机会约束条件对应的凸表达条件的目的在于：通过将分布鲁棒联合机会约束条件转化为近似的凸表达条件，可以使得分布鲁棒联合机会约束调度模型可以被高效求解，进而提高调度效率。
[0089]
具体的，可以将模糊集的表达公式代入至分布鲁棒联合机会约束条件中，并通过广义切比雪夫不等式对分布鲁棒联合机会约束条件进行转化，再引入辅助变量将分布鲁棒联合机会约束条件转化为凸表达条件。
[0090]
s140、基于所述凸表达条件以及所述目标函数确定所述分布鲁棒联合机会约束调度模型对应的最优解，将所述最优解确定为所述电力系统的目标调度方案。
[0091]
具体的，在得到分布鲁棒联合机会约束条件对应的凸表达条件后，可以根据凸表达条件、目标函数，计算凸表达条件、目标函数中的变量的最优解，进而将最优解确定为电力系统的最优调度方案，即目标调度方案。其中，最优解的数量可以是一个，也可以是多个，若最优解的数量为多个，相应的，电力系统的目标调度方案的数量也可以为多个。
[0092]
例如，通过凸表达条件、目标函数，计算出分布鲁棒联合机会约束调度模型中各个发电机组的最优备用出力、各个发电机组的最优发电出力、发电机组的最优数量、各个风电机组的最优备用出力、各个风电机组的最优发电出力、风电机组的最优数量等，将其作为电力系统的目标调度方案。
[0093]
本实施例的技术方案，通过确定风电出力对应的模糊集，并构建电力系统的分布鲁棒联合机会约束调度模型，进而根据模糊集确定该分布鲁棒联合机会约束调度模型中的分布鲁棒联合机会约束条件对应的凸表达条件，通过凸表达条件以及分布鲁棒联合机会约束调度模型中的目标函数，计算分布鲁棒联合机会约束调度模型的最优解，以确定电力系统的目标调度方案，实现了考虑风电出力不确定性的电力系统的优化调度，无需确定风电出力这一不确定变量的精确概率分布，可以应用于解决不确定环境下的电力系统调度问题，同时，调度结果在经济性和保守性方面表现出良好的性能。并且，通过推导出分布鲁棒联合机会约束条件的凸近似表达，使得分布鲁棒联合机会约束调度模型可以被高效求解，提高了电力系统调度效率。
[0094]
实施例二
[0095]
图2为本发明实施例二提供的一种电力系统调度方法的流程示意图，本实施例在上述各实施例的基础上，可选的，所述基于各所述风电机组的可调度出力、备用出力以及风电出力，建立所述分布鲁棒联合机会约束调度模型中的分布鲁棒联合机会约束条件，包括：获取分布鲁棒联合机会约束条件对应的预设约束概率；将各所述风电机组的可调度出力与备用出力的和不超过风电出力的概率不低于所述预设约束概率，作为所述分布鲁棒联合机会约束条件。如图2所示，该方法包括：
[0096]
s210、确定电力系统中的风电出力对应的模糊集。
[0097]
s220、根据所述电力系统的运行成本最小化原则，构建所述分布鲁棒联合机会约束调度模型中的目标函数。
[0098]
s230、针对所述电力系统中的每一个风电机组，获取分布鲁棒联合机会约束条件对应的预设约束概率，将各所述风电机组的可调度出力与备用出力的和不超过风电出力的概率不低于所述预设约束概率，作为所述分布鲁棒联合机会约束条件。
[0099]
其中，预设约束概率可以基于分布鲁棒联合机会约束条件的允许违反概率得到，如，预设约束概率＝(1-允许违反概率)。具体的，分布鲁棒联合机会约束条件可以是：针对风电场中的每一个风电机组，各个风电机组可调度出力和备用出力的和不超过风电出力的概率不低于预设约束概率。换言之，各个风电机组的风电出力尽量大于可调度出力和备用
出力的和。
[0100]
示例性的，所述分布鲁棒联合机会约束条件可用公式表达：
[0101][0102]
其中，为第w个风电机组在t时刻的可调度出力，为第w个风电机组在t时刻的备用出力，为第w个风电机组在t时刻的风电出力，表示风电场中的风电机组的集合，表示概率分布，表示所述模糊集，ε为所述分布鲁棒联合机会约束的允许违反概率，1-ε为所述预设约束概率。
[0103]
需要说明的是，在上述公式中，通过限定了针对风电场中的每一个风电机组，均需要使风电机组的可调度出力和备用出力的和不超过风电出力的概率不低于1-ε，实现了联合机会约束的构建，相比单一的分布鲁棒机会约束的建模，联合机会约束的建模提供了更强的可靠性保障。
[0104]
s240、基于所述模糊集确定所述分布鲁棒联合机会约束条件对应的凸表达条件，基于所述凸表达条件以及所述目标函数确定所述分布鲁棒联合机会约束调度模型对应的最优解，将所述最优解确定为所述电力系统的目标调度方案。
[0105]
本实施例的技术方案，通过获取分布鲁棒联合机会约束条件对应的预设约束概率，进而将针对电力系统中的每一个风电机组，各风电机组的可调度出力与备用出力的和不超过风电出力的概率不低于预设约束概率作为分布鲁棒联合机会约束条件，实现了联合机会约束的建立，为分布鲁棒联合机会约束调度模型的构建提供了可靠性保障，进而提高了分布鲁棒联合机会约束调度模型所计算的最优调度方案的可靠性。
[0106]
实施例三
[0107]
图3为本发明实施例三提供的一种电力系统调度方法的流程示意图，本实施例在上述各实施例的基础上，可选的，所述基于所述模糊集确定所述分布鲁棒联合机会约束条件对应的凸表达条件，包括：基于所述模糊集将所述分布鲁棒联合机会约束条件转化为联合约束条件组，其中，所述联合约束条件组包括待转换联合约束条件、所述允许违反概率对应的第一约束条件以及所述允许违反概率对应的第二约束条件；将所述待转换联合约束条件转换为确定性约束条件，并通过预设辅助变量将所述确定性约束条件转化为风电出力约束条件、所述允许违反概率对应的第一标准二阶锥约束条件以及所述允许违反概率对应的第二标准二阶锥约束条件。如图3所示，该方法包括：
[0108]
s310、确定电力系统中的风电出力对应的模糊集，构建所述电力系统的分布鲁棒联合机会约束调度模型，其中，所述分布鲁棒联合机会约束调度模型包括目标函数以及分布鲁棒联合机会约束条件。
[0109]
s320、基于所述模糊集将所述分布鲁棒联合机会约束条件转化为联合约束条件组，其中，所述联合约束条件组包括待转换联合约束条件、允许违反概率对应的第一约束条件以及允许违反概率对应的第二约束条件。
[0110]
具体的，可以是将模糊集的表达式代入至分布鲁棒联合机会约束条件中，得到分布鲁棒联合机会约束条件的bonferroni近似，以得到联合约束条件组。
[0111]
示例性的，联合约束条件组的表达公式如下：
[0112]
待转换联合约束条件：
[0113]
允许违反概率对应的第一约束条件：
[0114]
允许违反概率对应的第二约束条件：ε
w,t
≥0；
[0115]
其中，为的概率分布；ε
wt
为分布鲁棒单个机会约束条件的允许违反概率。为的模糊集，具体的，的公式可以如下：
[0116][0117]
s330、将所述待转换联合约束条件转换为确定性约束条件，并通过预设辅助变量将所述确定性约束条件转化为风电出力约束条件、所述允许违反概率对应的第一标准二阶锥约束条件以及所述允许违反概率对应的第二标准二阶锥约束条件。
[0118]
具体的，在将分布鲁棒联合机会约束条件转化为联合约束条件组后，可以对联合约束条件组中的待转换联合约束条件进行进一步的转化，以将待转换联合约束条件转化为凸近似表达，得到凸近似的风电出力约束条件、第一标准二阶锥约束条件以及第二标准二阶锥约束条件。
[0119]
可选的，可以基于广义切比雪夫不等式，将待转换联合约束条件转换为一个确定性约束条件，该确定性约束条件可用如下公式表达：
[0120][0121]
由于分布鲁棒单个机会约束条件的允许违反概率ε
w,t
为优化变量，因此，上述确定性约束条件为强非凸约束。进一步的，可以引入预设辅助变量，对该确定性约束条件作进一步转化。
[0122]
例如，引入预设辅助变量r
w,t
，可以将上述确定性约束条件转化为风电出力约束条件，以及预设辅助变量r
w,t
对应的待转换条件，如下式所示：
[0123]
风电出力约束条件：
[0124]
预设辅助变量r
w,t
对应的待转换条件：
[0125]
其中，对于0≤ε
w,t
≤ε，有因此，预设辅助变量r
w,t
对应的待转换条件为非凸约束，本实施例可以进一步对该预设辅助变量r
w,t
对应的待转换条件进行近似转化，得到以下公式：
[0126][0127]
进一步的，对该公式两边进行平方处理，可以得到：
[0128][0129]
至此，可以引入预设辅助变量s
w,t
，可以进一步将转化为：
[0130][0131]
1≤s
w,trw,t
；
[0132]
进一步的，可以将上述两公式转化为标准的二阶锥约束，即允许违反概率对应的第一标准二阶锥约束条件，以及允许违反概率对应的第二标准二阶锥约束条件，如下式所示：
[0133]
允许违反概率对应的第一标准二阶锥约束条件：
[0134]
允许违反概率对应的第二标准二阶锥约束条件：
[0135]
至此，分布鲁棒联合机会约束条件已被转化为一组凸近似条件，分布鲁棒联合机会约束条件可以用如下凸约束的近似条件表达，即：
[0136]
允许违反概率对应的第一约束条件：
[0137]
允许违反概率对应的第二约束条件：ε
w,t
≥0；
[0138]
风电出力约束条件：
[0139]
第一标准二阶锥约束条件：
[0140]
第二标准二阶锥约束条件：
[0141]
通过上述五个凸表达条件，实现了将电力系统的分布鲁棒联合机会约束调度模型转化为二阶锥规划问题，可以被现有的优化软件(如gurobi,cplex)高效地求解。
[0142]
s340、基于凸表达条件以及所述目标函数确定所述分布鲁棒联合机会约束调度模型对应的最优解，将所述最优解确定为所述电力系统的目标调度方案。
[0143]
本实施例的技术方案，通过模糊集将分布鲁棒联合机会约束条件转化为待转换联合约束条件、允许违反概率对应的第一约束条件以及允许违反概率对应的第二约束条件，进而将待转换联合约束条件转化为确定性约束条件，并通过预设辅助变量将该确定性约束
条件进一步转化为风电出力约束条件、第一标准二阶锥约束条件以及第二标准二阶锥约束条件，实现了对分布鲁棒联合机会约束条件的凸约束表达，进而实现了对分布鲁棒联合机会约束调度模型的高效求解，提高了电力系统的调度效率。
[0144]
实施例四
[0145]
图4为本发明实施例四提供的一种电力系统调度装置的结构示意图。如图4所示，该装置包括：模糊集确定模块410、调度模型构建模块420、凸表达推导模块430以及调度模型求解模块440。
[0146]
模糊集确定模块410，用于确定电力系统中的风电出力对应的模糊集；
[0147]
调度模型构建模块420，用于构建所述电力系统的分布鲁棒联合机会约束调度模型，其中，所述分布鲁棒联合机会约束调度模型包括目标函数以及分布鲁棒联合机会约束条件；
[0148]
凸表达推导模块430，用于基于所述模糊集确定所述分布鲁棒联合机会约束条件对应的凸表达条件；
[0149]
调度模型求解模块440，用于基于所述凸表达条件以及所述目标函数确定所述分布鲁棒联合机会约束调度模型对应的最优解，将所述最优解确定为所述电力系统的目标调度方案。
[0150]
在本实施例中，通过确定风电出力对应的模糊集，并构建电力系统的分布鲁棒联合机会约束调度模型，进而根据模糊集确定该分布鲁棒联合机会约束调度模型中的分布鲁棒联合机会约束条件对应的凸表达条件，通过凸表达条件以及分布鲁棒联合机会约束调度模型中的目标函数，计算分布鲁棒联合机会约束调度模型的最优解，以确定电力系统的目标调度方案，实现了考虑风电出力不确定性的电力系统的优化调度，无需确定风电出力这一不确定变量的精确概率分布，可以应用于解决不确定环境下的电力系统调度问题，同时，调度结果在经济性和保守性方面表现出良好的性能。并且，通过推导出分布鲁棒联合机会约束条件的凸近似表达，使得分布鲁棒联合机会约束调度模型可以被高效求解，提高了电力系统调度效率。
[0151]
可选的，所述调度模型构建模块420包括目标函数构建单元和约束条件构建单元；其中，所述目标函数构建单元，用于根据所述电力系统的运行成本最小化原则，构建所述分布鲁棒联合机会约束调度模型中的目标函数；
[0152]
所述约束条件构建单元，用于针对所述电力系统中的每一个风电机组，基于各所述风电机组的可调度出力、备用出力以及风电出力，建立所述分布鲁棒联合机会约束调度模型中的分布鲁棒联合机会约束条件。
[0153]
可选的，所述约束条件构建单元，具体用于：
[0154]
获取分布鲁棒联合机会约束条件对应的预设约束概率；将各所述风电机组的可调度出力与备用出力的和不超过风电出力的概率不低于所述预设约束概率，作为所述分布鲁棒联合机会约束条件。
[0155]
可选的，所述分布鲁棒联合机会约束条件对应的公式如下：
[0156][0157]
其中，为第w个风电机组在t时刻的可调度出力，为第w个风电机组在t时刻
的备用出力，为第w个风电机组在t时刻的风电出力，表示风电场中的风电机组的集合，表示概率分布，表示所述模糊集，ε为所述分布鲁棒联合机会约束的允许违反概率，1-ε为所述预设约束概率。
[0158]
可选的，所述分布鲁棒联合机会约束调度模型还包括发电机出力约束条件、发电机备用约束条件、发电机组爬坡约束条件、线路传输功率约束条件、系统有功功率平衡约束条件、风电备用出力约束条件以及可调度风电出力约束条件。
[0159]
可选的，所述目标函数对应的公式如下：
[0160][0161]
其中，表示发电机组的集合，表示风电场中的风电机组的集合，表示时段的集合，ci是第i个发电机组的边际发电成本；是第i个发电机组的备用成本；p
i,t
和r
i,t
分别为第i个发电机组在t时刻的发电出力和备用出力；是第w个风电机组提供的备用成本；是第w个风电机组在t时刻提供的备用出力。
[0162]
可选的，所述凸表达推导模块430，具体用于：
[0163]
基于所述模糊集将所述分布鲁棒联合机会约束条件转化为联合约束条件组，其中，所述联合约束条件组包括待转换联合约束条件、所述允许违反概率对应的第一约束条件以及所述允许违反概率对应的第二约束条件；将所述待转换联合约束条件转换为确定性约束条件，并通过预设辅助变量将所述确定性约束条件转化为风电出力约束条件、所述允许违反概率对应的第一标准二阶锥约束条件以及所述允许违反概率对应的第二标准二阶锥约束条件。
[0164]
本发明实施例所提供的电力系统调度装置可执行本发明任意实施例所提供的电力系统调度方法，具备执行方法相应的功能模块和有益效果。
[0165]
实施例五
[0166]
图5为本发明实施例五提供的一种电子设备的结构示意图，图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
[0167]
如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
[0168]
电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0169]
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如电力系统调度方法。
[0170]
在一些实施例中，电力系统调度方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的电力系统调度方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行电力系统调度方法。
[0171]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0172]
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0173]
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0174]
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装
置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0175]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
[0176]
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
[0177]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
[0178]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。