(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 202210893504.5 (22)申请日 2022.07.27 (71)申请人 国网甘肃省电力公司经济技 术研究 院 地址 730050 甘肃省兰州市七里河区西津 东路628号 申请人 兰州理工大 学 (72)发明人 徐敏　李万伟　白望望　冯智慧　 张洪源　夏成璧　皮霞　魏占宏　 贾玲玲　 (74)专利代理 机构 北京慕达星云知识产权代理 事务所 (特殊普通合伙) 11465 专利代理师 符继超(51)Int.Cl. H02J 3/38(2006.01) H02J 3/46(2006.01) H02J 3/14(2006.01) G06F 30/20(2020.01) (54)发明名称 一种计及源荷不确定性的日前-日内协调优 化调度方法 (57)摘要 本发明公开了一种计及源荷不确定性的日 前‑日内协调优化调度方法， 包括： 利用多场景随 机规划法分别对日前风电出力预测和日前光伏 出力预测的不确定性进行描述， 构建日前风光出 力预测组合场景集； 基于日前风光出力预测组合 场景集， 结合火电机组和光热电站进行日前优化 调度； 通过梯形模糊数等价模型分别对日内风电 出力预测和日内光伏出力预测的不确定性进行 表征， 构建日内源荷模糊数据集； 将日前火电机 组和光热电站调度出力以及日内源荷模糊数据 集作为日内调度的输入量， 建立日前 ‑日内二层 调度模型； 通过该方法能有效缓解因预测误差和 风光出力波动导致的高 比例新能源高效消纳问 题， 有效减小风光并网后负荷的波动量， 从而减 小系统综合 运行成本 。 权利要求书3页 说明书12页 附图7页 CN 115189401 A 2022.10.14 CN 115189401 A 1.一种计及源荷不确定性的日前 ‑日内协调优化调度方法， 其特 征在于， 包括： S1、 利用多场景随机规划法分别对日前风电出力预测和日前光伏出力预测的不确定性 进行描述， 构建日前风 光出力预测组合场景集； S2、 基于所述日前风光出力预测组合场景集， 结合火电机组和光热电站进行日前优化 调度； S3、 通过梯形模糊数等价模型分别对日内风电出力预测和日内光伏出力预测的不确定 性进行表征， 构建日内源荷模糊数据集； 所述日内源荷模糊数据集包括日内风电出力预测 值、 日内光伏出力预测值和日内负荷预测值； S4、 将日前火电机组和光热电站调度 出力以及日内源荷模糊数据集作为日内调度的输 入量， 建立日前 ‑日内二层调度模型； S5、 通过所述日前 ‑日内二层调度模型， 实现计及源荷不确定性的日前 ‑日内协调优化 调度。 2.如权利要求1所述的一种计及源荷不确定性的日前 ‑日内协调优化调度方法， 其特征 在于， 所述S1具体包括： S11、 利用日前风电出力和日前光伏出力二者的不变出力预测值和可变出力预测误差 值， 分别对日前风电出力和日前光伏出力进行表示： 式中， Pw,t表示日前风电出力； Pw,t,y表示日前风电出力的不变出力预测值； Pw,t,c表示日 前风电出力的可变出力预测误差 值； Pv,t表示日前光伏出力； Pv,t,y表示日前光伏出力的不变 出力预测值； Pv,t,c表示日前光伏出力的可变出力预测误差值； S12、 利用标准正态概率分布分别对所述日前风电出力和日前光伏出力的预测误差进 行分析， 获得日前风电出力预测误差概率密度函数和日前光伏出力预测误差概率密度函 数， 表示为： 式中， f(pw,t,c)表示日前风电出力预测误差概率密度函数； δw,t,c表示t时刻日前风电出 力预测误差的方差； μw,t,c表示t时刻日前风电出力预测误差的期望值； f(pv,t,c)表示日前光 伏出力预测误差概率密度函数； δv,t,c表示t时刻日前光伏出力预测误差的方差； μv,t,c表示t 时刻日前光伏出力预测误差的期望值； S13、 采用拉丁超立方采样法对所述日前风电出力预测误差概率密度函数和日前光伏 出力预测误差概 率密度函数进行抽样， 生成日前风 光出力预测组合场景集。 3.如权利要求2所述的一种计及源荷不确定性的日前 ‑日内协调优化调度方法， 其特征 在于， 所述S13还 包括对所述日前风 光出力预测组合场景集进行 预处理， 具体包括： 在所述日前风光出力预测组合场景集中， 对预测误差超出预设范围内的场景予以删权　利　要　求　书 1/3 页 2 CN 115189401 A 2除； 采用同步回代消除法对日前风 光出力预测组合场景集进行场景消减处 理； 采用笛卡尔乘积法对消减后的日前风 光出力预测组合场景集进行场景组合。 4.如权利要求3所述的一种计及源荷不确定性的日前 ‑日内协调优化调度方法， 其特征 在于， 所述采用同步回代消除法对所述日前风光出力预测组合场景集进行场景消减处理， 具体包括： Step1、 对 任意场景 λm(m＝1,2,. ..L)， 计算与其距离最短的场景 λj； 表示为： 其中， λm表示第m个场景； λj表示第j个场景； L表示场景的数量； Dm,min表示对于某个场景 λm， 与其距离最短的场景λj的概率乘积； δj表示场景λj发生的概率； d( λm, λj)表示场景λm与场 景 λj之间的欧式距离； Step2、 确定L个场景中要删除的场景 λm。 其中， Dmin表示在L个场景中最小的概 率乘积。 Step3、 修改剩余场景数L＝L ‑1， 将被删除场景的概率累加到与其距离最近的场景上， 保证所有场景的概 率之和为1； Step4、 重复Step1 ‑Step3， 直至剩余场景 数达到期望的设定值。 5.如权利要求3所述的一种计及源荷不确定性的日前 ‑日内协调优化调度方法， 其特征 在于， 所述采用笛卡尔乘积法对消减后的日前风光出力预测组合场景集进行场景组合， 表 示为： 式中， Ns表示组合场景总数； Nw表示日前风电出力典型场景数； Nv表示日前光伏出力典 型场景数； Pm,j表示组合场景发生的概率； Pm表示风电出力典型场景发生的概率； Pj表示光伏 出力典型场景发生的概 率。 6.如权利要求1所述的一种计及源荷不确定性的日前 ‑日内协调优化调度方法， 其特征 在于， 在S2中， 所述结合火电机组和光热电站进行日前优化调度， 包括： 火电机组启停计划、 火电机组出力计划， 以及光热电站出力计划。 7.如权利要求1所述的一种计及源荷不确定性的日前 ‑日内协调优化调度方法， 其特征 在于， 所述S3具体包括： 将日内风电出力、 日内光伏出力以及日内负荷分别用梯形模糊参数 的四 元组表示 为： 式中， pwn,t表示梯形模糊参数 的梯形隶属度参数； pvn,t表示梯形模糊参数 的梯形权　利　要　求　书 2/3 页 3 CN 115189401 A 3