兼顾隐私保护与不确定性的水风光系统非迭代调度方法

本发明属于电力调度领域，涉及参与主体的隐私保护与多能互补，尤其是一种兼顾隐私保护与不确定性的水风光互补系统非迭代调度方法。

背景技术：

1、随着能源与环境问题的日益突出，风光等可再生能源迎来了大规模的发展，逐渐成为电力系统的主导能源之一。然而，风光具有较强的不确定性，直接并网会对电网造成冲击，影响系统的鲁棒性。为此，可引入灵活性发电资源，进行多能互补，从而解决风光在电力系统中的消纳问题。在灵活性发电资源中，水电具有技术成熟、装机容量大、清洁无污染等优点，可作为风光并网的主要支撑。目前，多能互补系统的研究主要聚焦于两个方面：

2、一方面是风光出力的不确定性问题。随着风电、光伏等发电设备的大规模装机，出力不确定性对电网造成的影响逐渐增大，随机优化、鲁棒优化等先进的不确定性优化算法成为了研究热点。随机优化一般以期望值为目标函数，求解结果相对保守，且需预设不确定性参数的概率分布。而鲁棒优化则在不确定性场景中求解出最劣结果。与传统不确定性算法相比，基于wasserstein距离的分布鲁棒优化算法通过调节系统的置信度来改变求解结果的保守性，且最终的求解模型为单层的确定性优化模型，可直接通过商业求解器进行求解。

3、另一方面是联盟各成员的隐私保护问题。风光发电量在电力市场中的占比日益增大，加剧了与传统发主体之间的竞争关系。在水风光多能互补系统中，水风光各参与主体为维护自身的市场优势，有效的隐私保护机制成为各方共同的需求。为保护联盟中各成员的隐私，目前常用的处理方法为建立多主体的合作博弈模型，并进行分布式求解。常见的方法是构建基于纳什谈判理论的合作博弈模型，并通过均值不等式将其转化为两个子问题，然后使用交叉方向乘子法进行分布式求解。该类方法需要多个子系统之间进行迭代式信息交换，存在收敛性差、可扩展性弱等缺点。

技术实现思路

1、发明目的：为解决风光不确定性与参与主体隐私保护问题，本发明提出了一种兼顾隐私保护与不确定性的水风光互补系统非迭代调度方法。

2、技术实现要素：本发明所述的一种兼顾隐私保护与不确定性的水风光互补系统非迭代调度方法，实现过程如下：

3、(1)针对互补发电系统中的风光不确定性，构建基于wasserstein距离的新能源不确定集合；

4、(2)结合分布鲁棒优化与机会约束优化方法，建立水风光互补发电系统分布鲁棒机会约束优化模型；

5、(3)通过强对偶理论将分布鲁棒机会约束优化模型转换为单层混合整数线性规划模型；

6、(4)构建以水风光发电主体、加密中心与云计算中心为核心的隐私保护机制，在保护参与主体隐私的前提下，实现模型的非迭代求解，输出水风光互补系统的调度结果。

7、进一步地，步骤(1)所述的基于wasserstein距离的风光不确定集合，具体包括：

8、不确定性变量包括风电出力与光伏出力，实际出力为：

9、

10、出力偏差样本集均通过拉丁超立方抽样生成；通过wasserstein距离量化两个分布之间的相似程度，并以此来构建不确定集合；其中，wasserstein距离定义为：

11、

12、其中，不确定性参数θ、ξ分别服从分布pe和pn；π表示θ和ξ的联合分布；||·||表示1-范数；

13、新能源不确定集合p：

14、p＝{p∈p(ξ)：w(p，pn)≤ε(m)}

15、其中，ξ为随机变量的支撑集，即ε(m)为wasserstein球的半径：

16、

17、其中，β为置信水平；μ为样本均值。

18、进一步地，步骤(2)所述的水风光互补发电系统分布鲁棒机会约束优化模型包括水电主体的运行模型、风电主体的运行模型和光伏主体的运行模型。

19、进一步地，所述水电主体的运行模型为混合整数线性规划模型，即确定性模型，具体形式如下：

20、

21、s.t.  ph，k，t＝ηkhkqk，t

22、ph，k，t＝ηkhkqk，t

23、

24、vk，t＝vk，end

25、

26、sk，t≥0

27、

28、其中，t为总时段数；nh为水电电站的数目；rk为水电站k的上级水库集合；ψg为ph，k，t为负荷时段g的集合；水电站k在t时段的出力；qk，t为水电站k在t时段的发电流量；sk，t为水电站k在t时段的弃水流量；vk，t为水电站k在t时段的水库容；eh，t为水电主体的共享电量；ft为t时段的售电价；ηk为水电站k的水电转换系数；tlk为水滞时间；和分别为水电站k出力的上限和下限；和分别为水电站k库容的上限和下限；和分别为水电站k发电流量的上限和下限；wk，t为水电站k在t时段的自然来水量；τg为g负荷时段的比例系数。

29、进一步地，所述风电主体的运行模型为分布鲁棒机会约束优化模型，即不确定性模型，具体形式如下：

30、

31、pw，m，t≥0

32、

33、其中，nw为风电站的数目；pw，m，t为风电站m在t时段的出力；ew，m，t为风电站m在t时段的共享电量；为风电站m在t时段的实际出力；ξw，m，t为风电站m在t时段的预测误差；fpen为可再生能源惩罚电价；为风电站m在t时段的预测出力。

34、进一步地，所述光伏主体的运行模型为分布鲁棒机会约束优化模型，即不确定性模型，具体形式如下：

35、

36、pv，n，t≥0

37、

38、其中，nv为光伏电站的数目；pv，n，t为光伏电站n在t时段的出力；ev，n，t为光伏电站n在t时段的共享电量；为光伏电站n在t时段的实际出力；ξv，n，t为光伏电站n在t时段的预测误差；fpen为可再生能源惩罚电价；为光伏电站n在t时段的预测出力。

39、进一步地，所述步骤(3)实现过程如下：

40、(31)对风电和光伏主体运行模型的目标函数的对偶转换：

41、风电和光伏主体运行模型的目标函数统一为：

42、

43、式中，第一阶段变量x，y和z位于集合χ上；g(x，ξ)为关于x和ξ的线性表达式；对于第二项，运用强对偶理论转化为以下形式：

44、

45、根据凸转换理论，进一步转化为：

46、

47、此时，目标函数最终转化为：

48、

49、(32)鲁棒机会约束转换：

50、风电主体与光伏主体由于机会约束被统一为：

51、

52、通过引入风光出力误差ξt的下界将机会约束重写为：

53、

54、为获得风光出力误差严密的下界，构建以下模型并求解：

55、

56、基于cvar和强对偶理论对此类模型进行重构，最终被转换为：

57、

58、所述风光出力误差的下界为0；

59、(33)构建水风光联合调度模型：

60、将水风光各主体运行模型变为紧凑型矩阵形式，水电主体运行模型为混合整数非线性规划问题，风电与光伏主体运行模型为线性规划问题；各主体紧凑型模型被表示为：

61、

62、其中，i为发电主体的索引，包括水电站、风电站和光伏电站；xi为线性决策变量；yi为整数型决策变量；z为整数型决策变量，即{eh，t，ew，n，t，ev，n，t}；

63、对于水电站，xi＝{ph，k，t，qk,t，sk，t，vk，t}、yi＝{ih，k，t}；对于风电站，xi＝{pw，m，t，λm，sm，k}，对于光伏电站；对于光伏电站，xi＝{pv，n，t，λn，sn，k}，为实现水风光的多能互补，联合调度模型p0被建立：

64、

65、式中，ez＝0为交互变量之间的约束，表示每个时段的各主体交互电量之和为0，具体为：

66、

67、进一步地，所述步骤(4)实现过程如下：

68、采取去中心化的策略，将系统管理权分担给水风光发电主体、加密中心和云计算中心；其中，水风光发电主体由多个节点组成，包括水电、风电和光伏主体，加密手段为消元、列变换、行变换和仿射变换；加密中心属于用户端公共资产，其只能机械的执行事先设定的指令，且运行与维护受用户端所有主体的监督；加密手段为列变换、行变换和仿射变换；云计算中心通过互联网并以按使用量付费的计算资源，实现多种优化模型的求解。

69、进一步地，所述优化模型的求解具体为：

70、水风光发电主体数据预处理：各主体随机选取需消元的变量xi，并通过fm刻画安全域对φi进行行变换，即和记变换后的安全域为对进行列变换，即和记变换后的安全域为对进行仿射变换，即和变换后的安全域为各主体分别将安全域与系数矩阵e加密传输至加密中心；

71、加密中心加密：构建模型并将其转换为紧凑形式up＝{min aupxup+aup s.t.bupxup+cupyup≤bup}；其中，对up进行行变换，即和记变换后的模型为up-h；对up-h进行列变换，即和记变换后的模型为up-l；对up-l进行仿射变换，即和变换后的模型将模型up-s加密传输至云计算中心；

72、云计算中心计算：云计算求解模型up-s，并将最优解集加密传输至加密中心；

73、加密中心解密：对进行解密，即其中并将结果z*与加密传输至相应的发电主体i；

74、参与主体分布式求解：各主体求解模型{maxωis.t.ωi＝aixi+ai，bixi+ciyi+diz*≤bi}，即完成水风光协调优化调度的求解。

75、有益效果：与现有技术相比，本发明的有益效果：本发明提出的水风光分布鲁棒机会约束方法能够通过场景生成、强对偶理论等处理系统中的不确定性因素，并且最终模型为单层模型，易于求解；提出的隐私保护机制，可在实现各主体隐私保护的基础上，实现对单层分布鲁棒模型的求解；同时，该方法无需水风光主体之间的迭代信息交互；本发明实现了非迭代的水风光协调优化调度，同时兼顾参与主体的隐私保护与新能源出力的不确定性。