不确定性优化方法在电力系统研究中的应用

黎嘉明

【摘  要】随着经济的发展，用电情况已经普及到各个地区和领域，因此在电能的使用过程中，就需要对电力系统、电能的使用和调度进行规划和控制。随着分布式电源的接入以及现阶段电力市场的不断改革，这给电力系统对于电能的运行、调度和规划方面存在着许多的不确定性，而且这种不确定性给人们带来的影响也是不可忽略的，这个时候就需要采取相应的优化方法解决这些存在的不确定性的问题。本文简要的分析了随机规划中最广泛应用的机会约束规划和鲁棒优化方法，并且阐述了在电力系统中的相关应用。

【关键词】不确定性;优化方法;电力系统;机会约束规划;鲁棒;应用

1.引言

随着现阶段我国对电能源的使用，电力系统得到了不断地完善和发展，在一定程度上具有很大的随机性，目前间歇性的能源渐渐地接入到系统中去，其中负荷预测的不确定性以及市场中存在的一些不确定性，关于电力系统这方面的研究正在由过去传统比较单一确定性的研究方式，渐渐的转变为确定性与不确定性相结合的研究方式。因此，在研究关于不确定性问题的不确定性优化方法在电力系统中的应用必将会成为目前的必然趋势。在以往的电力系统中，往往会忽略不确定因素给整个系统带的不确定性的问题，如果用确定性的方法来解决类似的这种不确定性的问题，虽然把不确定性的问题当作是确定性的问题会比较容易解决，最重要的一点是不能正确的反映出电力系统中新能源的不确定性、相关电荷负荷的变化情况以及自然概率带来的影响。

2.机会约束规划

2.1机会约束规划的描述

机会约束规划在电力系统的优化过程中起着决定性的作用，但是机会约束规划却在相关的风险管理中不能准确地度量他的风险值。机会约束规划主要是属于随机规划的范畴内，如果采用目标函数或者是约束条件下满足的概率，解决含有不确定性因素的变化问题时，机会约束给出的数学模型可准确的描述为：

一般机会约束规划的求解，可以根据相应的数学方法进行等效的转换，在给定以上机会约束化的确定性的优化模型时，然后采用传统的优化方法和智能的算法精确的求解等价的确定性的优化模型，然后采用传统的优化方法和智能的算法求解相应的等价确定性的模型，但是对于一些比较多的随机变量、较为复杂的机会约束等规划问题时，在求解的过程中就会变得特别的复杂和困难，而且智能的算法使得高维随机复杂的随机问题的求解变得更加的准确与速率。

2.2机会约束规划的应用

近年来，机会约束已经广泛被用于金融方面、电力系统的随机规划方面以及相关的调度方面。一般机会约束规划在金融领域的应用主要是为投资者制定最优的投资策略，目的是使其回报率最大，并且风险被降到最低，而且电力系统应用机会约束的规划还是效仿金融领域的应用，在电力系统中因为风电和负荷的不确定性，建立了基于机会约束规划的相关电力系统的模型，根据模型的目标函数和约束条件来计算出电源出力和负荷的随机变量。目前阶段，机会约束规划不仅广泛应用于解决电力系统当中所规划的随机变量的问题，并且也能够很好的处理和解决系统调度决策中所含不确定因素等问题。应用机会约束规划理论创建的动态经济调度模型，能够直观的反映出电力系统在运行的过程中存在的潜在风险，机会约束规划理论在电力系统的发展中，例如：发电公司的检修策略问题、故障诊断以及相应的供电公司的购电策略等等都得到了广泛的应用。

3.鲁棒优化方法

3.1鲁棒优化方法的描述

鲁棒优化方法与上述所说的随机规划是不同的，在面对一些不确定问题中的不确定参数时，鲁棒优化方法是不需要知道具体问题地随机分布的，仅仅只需要知道问题所属的不确定空间即可。其中具体的建模过程为：假设不确定参数所属的范围是一个不确定因素的集合，那么在这个特定的不确定的集合范围内，将最严重情况下的目标函数或者相应的约束条件构建成一个最坏情况下的最优化的解决问题的方案。根据相应的不确定参数属于不同类型的合集，可以将鲁棒优化方法分为场景鲁棒优化方法和盒式鲁棒优化方法。

3.2场景鲁棒优化方法的应用

场景鲁棒优化方法是一种针对不确定参数，属于有限离散变量的一种鲁棒优化方法，其中具体的含义为：在不确定的场景的范圍内所做的决策在任意的场景下都是满足该场景下的数学模型，作为对应问题的目标函数，是在所有场景最坏情况下的一个最优化的函数，同时也表示不确定的参数所满足的场景约束，即不确定场景的不确定参数集合。主要用于解决离散不确定参数的一种不确定的优化方法，在这一类连续的不确定参数的场景鲁棒优化时，往往首先要用连续的随机变量离散化，再转换成一个个的离散的场景集合，根据相关的策略对场景进行合理的缩减，然后就可以得到一个既安全又经济的均衡场景集合。

3.3盒式鲁棒优化方法的应用

盒式鲁棒优化方法与相应的场景鲁棒优化方法进行简单的比较。相对来说简单，因此在电力系统中也得到了较大的作用，如果盒式鲁棒优化方法对于风电并网最大的装机容量进行了系统的探究。在获取系统旋转备用容量的问题也考虑了风电出力的随机可能性，如果采用盒式鲁棒优化方法，对于优化对偶原理化进行系统的规划，就可以得出相应问题的最优结论。针对风电的不确定性，如果采用盒式不确定集合表示现阶段的风速的不确定性，组建盒式集合鲁棒优化的风电场最大装机容量的模型，有利于有效的解决问题。

4.结束语

在电力系统中受不确定因素影响的增加，再解决和优化问题上的难度也在增加，而采用机会约束规划来解决电力系统中的复杂的不确定性的问题时，求解也是比较困难的，只有在运行的过程中，发现问题，对机会约束模型和盒式鲁棒优化方法进行系统的学习，有助于处理和解决问题。

参考文献：

[1]甄纪亮.复杂条件下耦合可再生能源消纳的复合系统优化与管理研究[D].华北电力大学（北京），2017.

[2]解蛟龙.风/光/负荷典型场景缩减方法及在电网规划中的应用[D].合肥工业大学，2017.

[3]周任军，刘志勇，闵雄帮，李献梅，彭子扬，刘旭鹏.不确定性优化方法在电力系统研究中的应用[J].电力科学与技术学报，2014，29（02）：21-29.

（作者单位：广东工业大学华立学院）