(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210986073.7 (22)申请日 2022.08.17 (71)申请人 大连理工大 学 地址 116024 辽宁省大连市甘井 子区凌工 路2号 (72)发明人 刘本希　靳晓雨　廖胜利　程春田　 刘腾远　王海东　 (74)专利代理 机构 大连理工大 学专利中心 21200 专利代理师 梅洪玉 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) H02J 3/06(2006.01)H02J 3/38(2006.01) (54)发明名称 一种基于两阶段分布鲁棒优化的梯级水电 站短期调峰模型 (57)摘要 本发明涉及大规模可再生能源并网情况下， 梯级水电站日前调峰调度领域， 是一种充分利用 水电的灵活调节能力， 有效补偿可再生能源随机 性和波动性的水电站日前最优调峰调度优化模 型， 具体为一种基于两阶段分布鲁棒优化的梯级 水电站短期调峰模型。 其技术方案为： 第一阶段 为调峰调度， 以剩余负荷最大值最小作为优化目 标， 以风光预测出力进行决策， 同时考虑各种复 杂约束； 在实际运行中， 风光预测出力具有一定 偏差， 为了减缓可再生能源不确性干扰， 在第二 阶段以不确定集描述风光不确定性， 降低风光电 源预测误差对第一阶段调度策略的影 响， 水电以 耗水量调整量最小原则调整出力来弥补风光不 确定性。 权利要求书3页 说明书8页 附图5页 CN 115271244 A 2022.11.01 CN 115271244 A 1.一种基于两阶段分布鲁棒优化的梯级水电站短期调峰模型， 其特征在于， 包括两个 阶段： 第一阶段为调峰调度， 以剩余负荷最大值最小作为优化目标， 以风光预测出力进行决 策， 同时考虑各种复杂约束； 在实际运行中， 风光预测出力具有一定偏差， 为了减缓可再生 能源不确 性干扰， 在第二阶段以不确定集描述风光不确定性， 降低风光电源预测误差对第 一阶段调度策略的影响， 水电以耗水量调整量最小原则调整出力来弥补风光不确定性； 其 中， 不确定集的建模方式与两阶段分布鲁棒优化模型 具体如下： (1)基于Was serstein距离不确定集 采用DRO方法进行建模， 不确定集形式为基于Wasserstein距离不确定集， 具体步骤如 下： Step1： 混合能源系统中的所有风电厂和光伏电厂分别聚合 为虚拟发电厂： 式中： 和 是单个电厂在时段t的预测风电和光伏的出力； NW和NS分别为风电厂和 光伏电厂的数量； 和 分别是预测的风电总出力和光伏总出力； Step2： 实际净负荷 原始电力系统负荷Ct和在时段t的可再生能源出力之间的关系 如式(3)所示： 式中： 和 分别是时段t的实际光伏总出力和实际风电总出力； Step3： 根据式(3)， 可 再生能源不确定性 误差或净负荷不确定性 表述为： 式中： 和 分别表示预测的风电和光伏误差； Step4： 有限的历史不确定数据样本难以准确描述不确定变量 的具体分布， 但可以从 中提取不确定 变量的经验分布 而且当N趋于无穷大时， 经验分布就越趋近于不确定 变量 的真实分布； Was serstein距离可以用来度量两个分布之间的距离， 表示 为等式(5)： 式中： 和 分别遵循 分布和 分布； ||·||表示范数； 表示 到 的距 离； 表示不确定集中的任意分布， Ξ 为样本分布空间； Step5： 结合Step4中Wasserstein距离的定义， 基于Wasserstein距离的不确定集表示 为： 式中： 非负参数∈N代表以经验分布 为中心的Was serstein球P的半径； ∈N在给定置信权　利　要　求　书 1/3 页 2 CN 115271244 A 2度β 下由式(7)推导出： 式中： 为根据等式(8)优化得到的常数； 表示样本均值； ρ 是辅助决策变量； (2)两阶段分布鲁棒优化模型 为了推求大规模新能源 并网后的调峰调度 策略， 在第 一阶段依据风光预测出力进行调 峰调度， 目标函数为剩余负荷最大值最小， 即 同时为了弥补实时运行 中风光不确定性给电力系统带来的影响， 在第二阶段充分利用水电的灵活性以耗水量调整 量 最 小 快 速 响 应 风 光 不 确 定 性 ，即 具 体 目 标 函 数 形 式 为 其中， 和 分别表示t时段电网的预测 净负荷和t时段 水电站m的出力； 表示期望， 为简化描述， 代指第二阶段水电耗水 量调整最小函数， x代指第二阶段决策变量； 该目标函数包括最大值最小函数形式与分布鲁 棒函数形式， 无法直接求 解， 具体转换步骤如下： Step1： 通过引入辅助变量将第一阶段的min ‑max目标函数 转化为 如下线性 等价函数： 式中： 为辅助变量， 表示剩余负荷的最大值； Step2： 采用强对偶原理将第二阶段的分布鲁棒目标函数 进行转换： 式中： 是对偶变量， 基于式(1 1)引入辅助变量 进一步表示为： 式中： 在区间 和 显然是凸的， 故必在顶点处获得式(12)的最优解， 依据凸函数性质， 式(12)等效转 化为下式：权　利　要　求　书 2/3 页 3 CN 115271244 A 3