鲁棒优化在电力系统调度决策中的应用研究

可再生能源发电并网规模的扩大使电力系统运行中的不确定性加强，增加了调度的复杂性。本项目以此为线索，结合鲁棒优化方法，提出解决机组组合确定情况下受随机扰动影响的电力系统优化调度问题的鲁棒调度理论与方法。鲁棒优化的特点在于对给定扰动集内的任意扰动，优化约束条件必满足，该特点恰能反映随机运行环境中电力系统安全运行对调度方法的要求，而模型易求解是其另一个突出优点。在此基础上，所提出的鲁棒调度方法更吸取了随机规划方法的特点，将资源实现价值期望最大化与实现风险最小化作为调度所追求的目标，在刚性的约束域内实现柔性的决策。对"扰动集优选"、"关键扰动筛选"等关键问题的解决，不仅可以增加方法的实用性，更可以挖掘鲁棒优化与随机规划的内在联系，从而具有鲜明的理论价值。最后，经济学分析将揭示调度模型背后对应的经济含义。本项目的开展能够适应电力系统当前的发展趋势、符合我国国情、具有明显的紧迫性和理论、技术储备意义。

随着电网中可再生能源特别是可再生清洁能源发电规模不断扩大，电力系统运行环境中不确定性因素正逐渐增多，调度理论发展由确定性方式向不确定性方式或随机性方式转变已成为必然。.本研究将优化数学领域的最新进展应用到电力系统的调度决策问题中，对机组组合确定情况下受随机扰动影响的电力系统调度决策问题进行研究，系统地分析调度中随机扰动因素的规律，揭示随机运行条件下调度决策的基本理念与分析原理及方法，构建“鲁棒调度”理论与方法。已从鲁棒调度的基础研究、核心研究和提升研究三个部分对项目进行了深入研究，在理论与工程方面均取得了显著成果。在基础研究中，对于短期风电功率预测建立了有效的数学模型与求解方法，提出了基于误差校正的风电场短期输出功率的单点值预测、基于分量稀疏贝叶斯学习的风电场短期输出功率概率预测、多风电场短期输出功率的联合概率密度预测等方法。在核心研究中，解决了“扰动集优选”、“关键扰动筛选”等问题，建立了鲁棒优化的模型及有效的求解方法，如计及接纳风电能力的电网调度模型、计及机组备用响应能力的电力系统区间经济调度、基于场景分析的含风电系统机组组合的两阶段随机优化、概率动态调度问题的Benders 分解算法等,对大规模风电并网后系统的调度方法进行了深入研究。在提升研究中，结合鲁棒调度模型，利用边际分析原理，给出随机扰动环境下资源价值的量化方法，并在鲁棒调度方式下，对电力系统的负荷预测、电网主接线的可靠性分析、电网安全与稳定等问题进行了扩展研究，说明了鲁棒调度对当前电网发展所能带来的经济效益。.通过本项目的开展，鲁棒优化在电力系统调度应用中的优势已突出显现。其相关理论的提出以及工程实践中取得的社会价值，能够充分说明本项目的研究顺应了我国电网发展方向，并应该作为热点进一步深入研究。