一种考虑相关性的随机-确定耦合电源调度方法及系统与流程

技术特征：
1.一种考虑相关性的随机-确定耦合电源调度方法，其特征在于，包括如下步骤：确定电力系统随机-确定耦合电源调度模型，所述电源调度模型以电力系统运行总费用最小为目标来确定各时段火电机组的调度方案，电力系统的电源包括：确定性电源和随机性电源，所述确定性电源包括：火电机组和大型水电机组，随机性电源包括：风电机组、光伏电机组以及小型水电机组；确定所述确定性电源和随机性电源对应的多维机会约束关系；采用非参数核密度估计方法，对随机性电源的历史数据进行估计，得到每个随机性电源的累积分布函数；采用连接函数将所有随机性电源的累积分布函数连接，建立所有随机性电源的联合累积分布函数，并结合不同连接函数对应的联合累积分布函数和对应的欧式距离确定最优的联合累积分布函数；基于最优联合累积分布函数，利用随机数生成法，生成大量满足联合累积分布函数的随机场景集矩阵，随机场景集矩阵的每一行对应一个场景，该行中的每个元素为对应场景下每个随机性电源的随机场景值；每个场景下各个随机性电源的随机场景值包含所有随机性电源之间的非线性相关性信息；对每个随机性电源在不同场景下的随机场景值进行从小到大排序，取对应满足置信度的概率分位点，将小于概率分位点的随机场景值用概率分位点代替，以对每个随机性电源的随机场景值进行bundle预处理；将bundle预处理后的随机场景进行唯一场景处理，保证一种场景只出现一次，得到唯一场景处理后的随机场景集，并确定所述处理后随机场景集中每个场景在原场景中的概率；结合处理后的随机场景集中各个随机场景值和处理后每个场景在原场景中的概率，以最优联合累积分布函数的中各个随机性电源概率分位点的和最小为目标，确定所述最优联合累积分布函数中各个随机性电源的概率分位点；基于随机性电源的累积分布函数确定各个随机性电源累积分布函数的逆函数，并将确定的概率分位点代入逆函数求取各个随机性电源满足多维机会约束置信度的场景分位点；基于各个随机性电源的场景分位点将所述多维机会约束关系转化为确定性约束关系；基于所述确定性约束关系将随机-确定耦合电源调度模型转化为确定性电源模型，并对所述确定性电源模型求解，得到各时段火电机组的调度方案。2.根据权利要求1所述的调度方法，其特征在于，所述确定性电源和随机性电源对应的多维机会约束关系的一般表达式为：pr{g(p
g
，p
h
，p
l
)≥p
r，1
p
r，2

…
p
r，k
}≥p其中，p
g
表示火电机组出力的向量，为确定性电源；p
h
表示大型水电机组出力向量，为确定性电源；p
l
是总负荷，g(p
g
，p
h
，p
l
)表示包含确定性电源和总负荷的函数；p
r，k
为第k个随机性电源，对应k个具有不同概率分布的随机性电源的出力，k∈(1，2，...，k)，随机性电源之间具有相关性；p是多维机会约束置信度，而pr{
·
}表示内部约束事件成立的概率不小于p。3.根据权利要求1所述的调度方法，其特征在于，采用非参数核密度估计方法，对k个随机性电源的历史数据观测值进行估计，得到它们的累积分布函数f1(p
r，1
)，f2(p
r，2
)，
…
，f
k
(p
r，k
)；利用连接函数将k个随机性电源的累积分布函数连接起来，建立联合累积分布函数，具体为：令u1＝f1(p
r，1
)，
…
，u
k
＝f
k
(p
r，k
)，分别使用正态函数、frank函数、gumbel函数以及
clayton函数4种连接函数计算随机性电源的联合累积分布函数c(u1，u2，
…
，u
k
)；根据欧式距离，确定上述4种连接函数中最优的联合累积分布函数，欧式距离d可以表示为：式中，i是每个随机性电源的第i个历史数据，n是历史数据样本量，c
n
(u1，u2，
…
，u
k
)为经验的联合累积分布函数，其定义如下：式中i
[
·
]
为指示函数，当时，则否则其中k∈(1，2，...，k)，为第k个随机性电源出力的第i个历史数据；比较上述4种连接函数计算得到的联合累积分布函数的欧式距离d，欧式距离d最小对应的联合累积分布函数为最优的联合累积分布函数。4.根据权利要求1所述的调度方法，其特征在于，基于最优的联合累积分布函数，利用随机数生成法，生成大量满足联合累积分布函数的s
×
k个随机场景集矩阵，对于随机场景集矩阵而言，矩阵的某一行称为一个场景，s是生成的随机场景总数，k为随机性电源的总数，即有随机场景集数，即有随机场景集为第k个随机性电源的累积分布函数的第s个随机场景；基于最优的联合累积分布函数生成的随机场景集包含了多个随机性电源之间的非线性相关性信息。5.根据权利要求1所述的调度方法，其特征在于，对随机场景集进行bundle预处理，具体为：首先对每个随机性电源的随机场景进行从小到大的排序，取每个随机性电源各自随机场景的满足置信度p的概率分位点，即对于排序后的取其长度s
×
p向下取整数所对应的点，记为v
k
；定义bundle预处理方法如下：所述bundle预处理为将小于等于v
k
的随机场景用v
k
代替，大于v
k
的场景不变，是bundle预处理后的随机场景；对bundle预处理后的随机场景进行唯一场景处理，即某一场景只出现一次，得到新的场景s1为唯一场景处理后的场景总数，s1是新场景的场景索引号；求取场景在原场景的概率，首先求取s1×
k阶唯一场景矩阵的每一行场景在原s
×
k阶场景矩阵中出现的次数，将求取的次数除以总场景数量s就是该场景的概率，记为6.根据权利要求5所述的调度方法，其特征在于，构造以下优化模块，以求取最优联合累积分布函数的概率分位点：
式中，为二进制变量，e
k
为最优联合累积分布函数的概率分位点，是连续变量e
k
。7.根据权利要求6所述的调度方法，其特征在于，通过如下步骤求取概率分位点对应的场景分位点：求取随机性电源各自的累计分布函数的逆函数然后将联合累积分布函数的概率分位点e
k
代入得到场景分位点q
k
，即q
k
为随机性电源z
k
的满足多维机会约束置信度p的场景分位点；基于场景分位点q
k
，将所述多维机会约束关系转化为确定性约束关系：g(p
g
，p
h
，p
l
)≥q1 q2
…
q
k
。8.一种考虑相关性的随机-确定耦合电源调度系统，其特征在于，包括：调度模型确定单元，用于确定电力系统随机-确定耦合电源调度模型，所述电源调度模型以电力系统运行总费用最小为目标来确定各时段火电机组的调度方案，电力系统的电源包括：确定性电源和随机性电源，所述确定性电源包括：火电机组和大型水电机组，随机性电源包括：风电机组、光伏电机组以及小型水电机组；约束关系确定单元，用于确定确定性电源和随机性电源对应的多维机会约束关系；分布函数确定单元，用于采用非参数核密度估计方法，对随机性电源的历史数据进行估计，得到每个随机性电源的累积分布函数；采用连接函数将所有随机性电源的累积分布函数连接，建立所有随机性电源的联合累积分布函数，并结合不同连接函数对应的联合累积分布函数和对应的欧式距离确定最优的联合累积分布函数；随机场景生成单元，用于基于最优联合累积分布函数，利用随机数生成法，生成大量满足联合累积分布函数的随机场景集矩阵，随机场景集矩阵的每一行对应一个场景，该行中的每个元素为对应场景下每个随机性电源的随机场景值；每个场景下各个随机性电源的随机场景值包含所有随机性电源之间的非线性相关性信息；bundle预处理单元，用于对每个随机性电源在不同场景下的随机场景值进行从小到大排序，取对应满足置信度的概率分位点，将小于概率分位点的随机场景值用概率分位点代替，以对每个随机性电源的随机场景值进行bundle预处理；将bundle预处理后的随机场景进行唯一场景处理，保证一种场景只出现一次，得到唯一场景处理后的随机场景集，并确定所述处理后随机场景集中每个场景在原场景中的概率；场景分位点求取单元，用于结合处理后的随机场景集中各个随机场景值和处理后每个场景在原场景中的概率，以最优联合累积分布函数的中各个随机性电源概率分位点的和最小为目标，确定所述最优联合累积分布函数中各个随机性电源的概率分位点；基于随机性电源的累积分布函数确定各个随机性电源累积分布函数的逆函数，并将确定的概率分位点代入逆函数求取各个随机性电源满足多维机会约束置信度的场景分位点；调度模型求解单元，用于基于各个随机性电源的场景分位点将所述多维机会约束关系转化为确定性约束关系；基于所述确定性约束关系将随机-确定耦合电源调度模型转化为确定性电源模型，并对所述确定性电源模型求解，得到各时段火电机组的调度方案。
9.根据权利要求8所述的调度系统，其特征在于，所述分布函数确定单元，采用非参数核密度估计方法，对k个随机性电源的历史数据观测值进行估计，得到它们的累积分布函数f1(p
r，1
)，f2(p
r，2
)，
…
，f
k
(p
r，k
)；利用连接函数将k个随机性电源的累积分布函数连接起来，建立联合累积分布函数，具体为：令u1＝f1(p
r，1
)，
…
，u
k
＝f
k
(p
r，k
)，分别使用正态函数、frank函数、gumbel函数以及clayton函数4种连接函数计算随机性电源的联合累积分布函数c(u1，u2，
…
，u
k
)；根据欧式距离，确定上述4种连接函数中最优的联合累积分布函数，欧式距离d可以表示为：式中，i是每个随机性电源的第i个历史数据，n是历史数据样本量，c
n
(u1，u2，
…
，u
k
)为经验的联合累积分布函数，其定义如下：分布函数，其定义如下：式中i
[
·
]
为指示函数，当时，则否则其中k∈(1，2，...，k)，为第k个随机性电源出力的第i个历史数据；比较上述4种连接函数计算得到的联合累积分布函数的欧式距离d，欧式距离d最小对应的联合累积分布函数为最优的联合累积分布函数；所述随机场景生成单元基于最优的联合累积分布函数，利用随机数生成法，生成大量满足联合累积分布函数的s
×
k个随机场景集矩阵，对于随机场景集矩阵而言，矩阵的某一行称为一个场景，s是生成的随机场景总数，k为随机性电源的总数，即有行称为一个场景，s是生成的随机场景总数，k为随机性电源的总数，即有为第k个随机性电源的累积分布函数的第s个随机场景；基于最优的联合累积分布函数生成的随机场景集包含了多个随机性电源之间的非线性相关性信息。10.根据权利要求8所述的调度系统，其特征在于，所述bundle预处理单元对随机场景集进行bundle预处理，具体为：首先对每个随机性电源的随机场景进行从小到大的排序，取每个随机性电源各自随机场景的满足置信度p的概率分位点，即对于排序后的取其长度s
×
p向下取整数所对应的点，记为v
k
；定义bundle预处理方法如下：所述bundle预处理为将小于等于v
k
的随机场景用v
k
代替，大于v
k
的场景不变，是bundle预处理后的随机场景；对bundle预处理后的随机场景进行唯一场景处理，即某一场景只出现一次，得到新的场景s1为唯一场景处理后的场景总数，s1是新场景的场景索引号；求取场景在原场景的概率，首先求取s1×
k阶唯一场景矩阵的每一行场景在原s
×
k阶场景矩阵中出现的次数，将求取的次数除以总场景数量s就是该场景的概率，记为

技术总结
本发明提供一种考虑相关性的随机-确定耦合电源调度方法及系统，利用多维机会约束模型建立同时考虑多种异质能源的旋转备用机会约束，并建立能够考虑随机能源之间非线性相关性的随机能源联合概率分布函数，然后利用联合概率分布函数构造新的求解算法来求取概率分位点，基于概率分位点求得对应的场景分位点，并利用场景分位点将多维机会约束转化为确定性约束，实现了随机-确定耦合电源调度模型向确定性模型的解耦，最后运用常规确定性方法求解调度模型便可得到调度结果。本发明考虑异质随机能源之间非线性相关性，实现了联合概率分布函数求逆的功能，将联合机会约束直接转化为确定性约束，有较高转换精度。有较高转换精度。有较高转换精度。


技术研发人员：孙艳 陈雁 莫东 覃松涛 崔长江 凌武能 李秋文 卓毅鑫
受保护的技术使用者：南方电网科学研究院有限责任公司
技术研发日：2022.04.29
技术公布日：2022/8/30