CN104299173A - 一种适用于多种能源接入的鲁棒优化日前调度方法 - Google Patents

Abstract

本发明涉及一种适用于多种能源接入的鲁棒优化日前调度方法。首先获取节能发电调度***制定的中调火电机组和水电机组的日前发电计划、机组参数；获取负荷、风电和小水电、光伏、燃气发电等的短期预测值，将各种可再生能源发电功率按各自装机容量的一定比例设置若干出力场景；建立鲁棒优化日前调度约束条件；以一天96时段中调火电机组的燃料费用及各种可再生能源发电费用的总和最小为优化目标，建立鲁棒优化日前调度模型；采用一种人工智能优化算法求解鲁棒优化日前调度模型，寻优得到全局最优解，修正节能发电调度***中调火电机组的日前发电计划。本发明简化了各种可再生能源发电功率的场景处理方法，有效避免无效备用容量和冗余备用容量。

Description

一种适用于多种能源接入的鲁棒优化日前调度方法

技术领域

本发明涉及电力***及自动化领域，尤其是涉及一种适用于多种能源接入的鲁棒优化日前调度方法。

背景技术

风力、光伏、小水电群、燃气等可再生能源发电具有清洁环保的优点，在实际电网中的渗透率越来越高。然而，风/光/水/气等可再生能源发电具有随机性、间歇性，其发电功率的预测存在较大误差，增加了并网后调度计划制定的不确定性。

传统的日前调度根据预测负荷、机组发电及检修计划、联络线交换功率计划、机组耗量特性等编制次日的发电计划，是电力***经济调度的核心内容之一。考虑风/光/水/气等可再生能源发电大规模并网后，传统的日前调度方法忽略了这些可再生能源出力不确定性的影响，原有的确定性日前调度方法将不再适用，寻找新的日前调度方法显得尤为重要，关系到电力***能否经济安全运行。

发明内容

本发明主要是解决风/光/水/气等可再生能源发电大规模并网后，其出力的随机性、间歇性给电网日前调度计划制定带来的不确定性问题。针对含风/光/水/气等可再生能源发电的电力***，提出一种适用于多种能源接入的鲁棒优化日前调度方法。在节能发电调度***制定的日前中调火电机组启停机计划和出力计划的基础上，不改变机组的启停安排，对中调火电机组的出力进行适当修正，以满足风/光/水/气等可再生能源发电的接入需求。

考虑到可再生能源发电的随机性和间歇性，根据可再生能源发电功率的短期预测值进行场景的处理，优化了鲁棒运行轨迹的机组出力以适应所有的出力场景，并通过协调优化中调火电机组的出力与备用，有效避免无效备用容量和冗余备用容量。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种适用于多种能源接入的鲁棒优化日前调度方法，其特征在于，基于一个适用于风/光/水/气等多种能源接入的基于节能发电调度***的鲁棒优化日前调度的目标函数以及鲁棒优化调度约束条件，该目标函数是以一天96时段火电机组的燃料费用及各种可再生能源的发电费用总和最小为目标，公式如下：

即：

$\min \left\{\underset{s\∈X_j}{\max }\underset{\underset{\mathrm{\Ω}(\mathrm{\α},X_j)}{s}}{\min }\right\{\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{f}_i[p_{\mathrm{it}}+q_{\mathrm{it}}\left(s\right)]{\mathrm{\α}}_{\mathrm{it}}+\mathrm{\Σ\Σ}{C}_{\mathrm{\λ}}{P}_{\mathrm{\λ}}\left\}\right\}$    式一

其中：s为特定的某个场景；X_j对应可再生能源发电功率在96个时段下所处场景的列向量；t为时段序号，t＝1,2,K,T；α_it为机组i第t时段的运行状态，取值0或1，0代表停机，1代表开机；p_it为火电机组i第t时段鲁棒轨迹上的计划出力；q_it(s)为场景s下火电机组i第t时段的调整出力；N_G为火电机组台数；C_λ为光伏、燃气等其他新能源单位功率输出的成本；P_λ为光伏、燃气等其他新能源输出总功率；

其中：

$f_i\left(p_{\mathrm{it}}\right)=a_i{p}_{\mathrm{it}}^2+b_i{p}_{\mathrm{it}}+c_i$    式二

a_i、b_i、c_i分别为机组i的能耗二次项、一次项系数和常数项系数；

所述鲁棒优化调度约束条件是基于量化风/光/水气等多种能/源接入对***备用的需求所建立，分为等式约束条件和不等式约束条件；分别是：

等式约束条件一：考虑新能源预测误差下有功功率平衡，公式如下：

$\left\{\begin{array}{cc}\begin{array}{c}\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{p}_{\mathrm{it}}^0=\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}[p_{\mathrm{it}}+q_{\mathrm{it}}\left(s^{\′}\right)]+{\mathrm{\ΔP}}_{\mathrm{it}}^{\′}\\ \underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{p}_{\mathrm{it}}^0=\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}[p_{\mathrm{it}}+q_{\mathrm{it}}\left(s^{\′\′}\right)]+{\mathrm{\ΔP}}_{\mathrm{it}}^{\′\′}\\ \underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{p}_{\mathrm{it}}^0=\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{p}_{\mathrm{it}}+\mathrm{\Δ}\stackrel{\‾}{P_t}\end{array}& \∀t\end{array}\right.$    式三

式中：为节能发电调度***给出的第t时段中调火电机组的计划出力；p_it为机组i第t时段有功出力；q_it(s')为场景s'下中调火电机组i第t时段的调整出力，q_it(s")为场景s"下中调火电机组i第t时段的调整出力；s'、s"为当前场景s所处的上下边界场景(s"≤s≤s')；ΔP′_it为场景s'下第t时段的可再生能源发电功率预测误差，ΔP"_it为场景s"下第t时段的可再生能源发电功率预测误差；为第t时段的可再生能源发电功率预测误差平均值；

不等式约束条件一：中调火电机组各时段调整出力约束，公式如下：

$\left\{\begin{array}{cc}\begin{array}{c}-\mathrm{\Δt}\×{\mathrm{\Δp}}_{i,\mathrm{dn}}\≤q_{\mathrm{it}}\left(s^{\′}\right)\≤\mathrm{\Δt}\×{\mathrm{\Δp}}_{i,\mathrm{up}}\\ -\mathrm{\Δt}\×{\mathrm{\Δp}}_{i,\mathrm{dn}}\≤q_{\mathrm{it}}\left(s^{\′\′}\right)\≤\mathrm{\Δt}\×{\mathrm{\Δp}}_{i,\mathrm{up}}\end{array}& \∀t,\∀i\end{array}\right.$    式四

式中：Δp_i,up、Δp_i,dn分别为机组i出力上调、下调的最大速率；Δt为中调火电机组旋转备用响应时间，设置为5min；

不等式约束条件二：中调火电机组出力上下限约束，公式如下：

$\left\{\begin{array}{cc}\begin{array}{c}{\mathrm{\α}}_{\mathrm{it}}{p}_{i\min }\≤p_{\mathrm{it}}+q_{\mathrm{it}}\left(s^{\′}\right)\≤{\mathrm{\α}}_{\mathrm{it}}{p}_{i\max }\\ {\mathrm{\α}}_{\mathrm{it}}{p}_{i\min }\≤p_{\mathrm{it}}+q_{\mathrm{it}}\left(s^{\′\′}\right)\≤{\mathrm{\α}}_{\mathrm{it}}{p}_{i\max }\end{array}& \∀t,\∀i\end{array}\right.$    式五

式中：p_imax、p_imin分别为机组i技术出力上、下限；

不等式约束条件三：鲁棒轨迹上，机组出力范围约束，公式如下：

$\max (p_{i\min },0.9p_{\mathrm{it}}^0){\mathrm{\α}}_{\mathrm{it}}\≤p_{\mathrm{it}}\≤\min (p_{i\max },1.1p_{\mathrm{it}}^0){\mathrm{\α}}_{\mathrm{it}}$    式六

该约束考虑到修正日前计划与原有日前计划偏离程度不应过大；

该适用于多种能源接入的鲁棒优化日前调度方法包括以下步骤：

步骤1，获取节能发电调度***制定的中调火电机组和水电机组的日前发电计划、机组参数；按照节能、经济的原则，优先调度水电机组，不改变水电机组的日前发电计划；

步骤2，获取风电和小水电、光伏、燃气发电等的短期预测值，将各种可再生能源发电功率按各自装机容量的设定比例设置若干出力场景；

步骤3，采用粒子群优化算法求解鲁棒优化调度模型，寻优得到全局最优解，即得到各机组鲁棒轨迹下的计划出力p_it和调整出力q_it(s')、q_it(s")；在寻优过程中，机组的初始出力在式六确定的区间内随机设置，迭代收敛条件是全局最优粒子适应值的改变量连续K次在收敛精度范围内，迭代收敛精度设置为0.001，其中，K取大于等于20的正整数。

在上述的一种适用于多种能源接入的鲁棒优化日前调度方法，所述的步骤2中，获取风电和小水电、光伏、燃气发电等的短期预测值，将各种可再生能源发电功率按各自装机容量的一定比例设置若干出力场景；

根据96时段的可再生能源发电功率短期预测值，分别对每个时段判断各种可再生能源发电功率所处的区间，进而确定各个时段下各种可再生能源发电功率所处的场景；最后，可形成一个反映各种可再生能源发电功率在不同时段下对应不同场景的矩阵：

[X₁,X₂，…,X_j…,X_n]   式七

其中，X₁对应风电在96个时段下所处场景的列向量，X_j表示其他可再生能源如小水电、光伏、燃气。

本发明具有如下优点：简化了各种可再生能源发电功率的场景处理方法；所提的鲁棒优化调度方法以一天96时段火电机组的燃料费用及各种可再生能源发电费用的总和最小为优化目标，满足一定等式约束和不等式约束条件下，通过协调优化中调火电机组的出力与备用，有效避免无效备用容量和冗余备用容量。

附图说明

附图1是本发明的实施例中风电场24小时出力预测曲线。

附图2是本发明的实施例中小水电群24小时出力预测曲线。

附图3是风电功率预测场景示意图。

附图4是本发明的工作原理示意图。

附图5是日前计划火电机组的参数信息。

附图6是实例中鲁棒优化日前调度总的发电成本结果。

附图7是实例中某电厂机组#1鲁棒优化日前调度结果。

附图8是设定的可再生能源装机总容量情况下，程序计算的正负备用结果。

具体实施方式

下面通过实例，并结合附图，对本发明的技术方案作进一步具体的说明。

本发明包括以下步骤：

步骤1，获取节能发电调度***制定的中调火电机组和水电机组的日前发电计划、机组参数。

获取实施例中节能发电调度***给定的中调火电机组和水电机组的日前发电计划、机组参数。如附图5所示为实施例机组参数信息，包括能耗函数二次项系数、一次项系数、常数项，机组最大出力、最小出力、上爬坡速率和下爬坡速率。

步骤2，获取风电和小水电、光伏、燃气发电等的短期预测值，将各种可再生能源发电功率按各自装机容量的一定比例设置若干出力场景。

获取实施例中负荷、小水电和风电功率、光伏、燃气等的短期预测值。根据96时段的可再生能源发电功率短期预测值，分别对每个时段判断各种可再生能源发电功率所处的区间，进而确定各个时段下各种可再生能源发电功率所处的场景。最后，可形成一个反映各种可再生能源发电功率在不同时段下对应不同场景的矩阵：

[X₁,X₂，L,X_n]   (8)

其中，X₁对应风电在96个时段下所处场景的列向量，X₂,L,X_n表示其他可再生能源如小水电、光伏、燃气。

在本实施例中，

光伏和燃气发电的装机容量远小于风电和小水电群的装机容量。以风电和小水电群的出力预测曲线为例，图1为实施例中风电场24小时出力预测曲线，其中风电场1的装机容量为1300MW，风电场2的装机容量为1100MW。图2为实施例中小水电群24小时出力预测曲线，其中小水电1、小水电2的装机均为1000MW。

分别以风电、小水电群发电功率为其各自装机容量的20％，40％，60％，80％，100％为依据设置5种场景。

风电、小水电、光伏、燃气的出力场景设置需注意场景区间的选择，如附图3中第4时段预测风电功率在场景3和场景4之间，则第4时段的风电出力场景上边界以场景4考虑，场景下边界以场景3考虑。同理，第3时段预测风电功率刚好处于场景3，则第3时段的风电出力场景上边界以场景4考虑，场景下边界以场景3考虑。

步骤3，根据电力负荷经典预测方法，获取负荷短期预测值。如实施例中采用最小二乘法进行电力负荷预测。

步骤4，量化风/光/水/气等多种能源接入对***备用的需求，建立鲁棒优化调度约束条件，分为等式约束条件和不等式约束条件。

实施例中，以考虑风电功率预测场景为例，建立鲁棒优化调度约束条件，具体包括以下约束：

1)中调火电机组出力总和调整前后相等：

$\left\{\begin{array}{cc}\begin{array}{c}\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{p}_{\mathrm{it}}^0=\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}[p_{\mathrm{it}}+q_{\mathrm{it}}\left(s^{\′}\right)]+{\mathrm{\ΔP}}_{\mathrm{it}}^{\′}\\ \underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{p}_{\mathrm{it}}^0=\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}[p_{\mathrm{it}}+q_{\mathrm{it}}(s^{\′\′}]+{\mathrm{\ΔP}}_{\mathrm{it}}^{\′\′}\\ \underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{p}_{\mathrm{it}}^0=\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{p}_{\mathrm{it}}+\mathrm{\Δ}\stackrel{\‾}{P_t}\end{array}& \∀t\end{array}\right.---\left(9\right)$

式中：为节能发电调度***给出的第t时段中调火电机组的计划出力；p_it为机组i第t时段有功出力；q_it(s')为场景s'下中调火电机组i第t时段的调整出力，q_it(s")为场景s"下中调火电机组i第t时段的调整出力；s'、s"为当前场景s所处的上下边界场景(s"≤s≤s')；ΔP′_it为场景s'下第t时段的可再生能源发电功率预测误差，ΔP″_it为场景s"下第t时段的可再生能源发电功率预测误差；为第t时段的可再生能源发电功率预测误差平均值。

2)中调火电机组各时段调整出力约束：

$\left\{\begin{array}{cc}\begin{array}{c}-\mathrm{\Δt}\×{\mathrm{\Δp}}_{i,\mathrm{dn}}\≤q_{\mathrm{it}}\left(s^{\′}\right)\≤\mathrm{\Δt}\×{\mathrm{\Δp}}_{i,\mathrm{up}}\\ -\mathrm{\Δt}\×{\mathrm{\Δp}}_{i,\mathrm{dn}}\≤q_{\mathrm{it}}\left(s^{\′\′}\right)\≤\mathrm{\Δt}\×{\mathrm{\Δp}}_{i,\mathrm{up}}\end{array}& \∀t,\∀i\end{array}\right.---\left(10\right)$

式中：Δ_pi,up、Δ_pi,dn分别为机组i出力上调、下调的最大速率；Δt为中调火电机组旋转备用响应时间，设置为5min。

3)中调火电机组出力上下限约束：

$\left\{\begin{array}{cc}\begin{array}{c}{\mathrm{\α}}_{\mathrm{it}}{p}_{i\min }\≤p_{\mathrm{it}}+q_{\mathrm{it}}\left(s^{\′}\right)\≤{\mathrm{\α}}_{\mathrm{it}}{p}_{i\max }\\ {\mathrm{\α}}_{\mathrm{it}}{p}_{i\min }\≤p_{\mathrm{it}}+q_{\mathrm{it}}\left(s^{\′\′}\right)\≤{\mathrm{\α}}_{\mathrm{it}}{p}_{i\max }\end{array}& \∀t,\∀i\end{array}\right.---\left(11\right)$

式中：p_imax、p_imin分别为机组i技术出力上、下限。

4)鲁棒轨迹上，机组出力范围约束：

$\max (p_{i\min },0.9p_{\mathrm{it}}^0){\mathrm{\α}}_{\mathrm{it}}\≤p_{\mathrm{it}}\≤\min (p_{i\max },1.1p_{\mathrm{it}}^0){\mathrm{\α}}_{\mathrm{it}}---\left(12\right)$

该约束考虑到修正日前计划与原有日前计划偏离程度不应过大。

步骤5，建立适用于风/光/水/气等多能源接入的基于节能发电调度***的鲁棒优化日前调度的目标函数，以一天96时段火电机组的燃料费用及各种可再生能源的发电费用总和最小为目标函数。

即：

$\begin{array}{cc}\min \left\{\underset{s\∈X_j}{\max }\underset{\underset{\mathrm{\Ω}(a,X_j)}{s}}{\min }\right\{\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{f}_i[p_{\mathrm{it}}+q_{\mathrm{it}}\left(s\right)]{\mathrm{\α}}_{\mathrm{it}}+\mathrm{\Σ\Σ}{C}_{\mathrm{\λ}}{P}_{\mathrm{\λ}}\left\}\right\}& \∀t\end{array}---\left(13\right)$

其中：s为特定的某个场景；X_j对应可再生能源发电功率在96个时段下所处场景的列向量；t为时段序号，t＝1,2,K,T；α_it为机组i第t时段的运行状态，取值0或1；p_it为火电机组i第t时段鲁棒轨迹上的计划出力；q_it(s)为场景s下火电机组i第t时段的调整出力；N_G为火电机组台数；C_λ为光伏、燃气等其他新能源单位功率输出的成本；P_λ为光伏、燃气等其他新能源输出总功率。

其中：

$f_i\left(p_{\mathrm{it}}\right)=a_i{p}_{\mathrm{it}}^2+b_i{p}_{\mathrm{it}}+c_i---\left(14\right)$

分别为机组i的能耗二次项、一次项系数和常数项系数。

步骤6，采用粒子群优化算法求解鲁棒优化调度模型，寻优得到全局最优解，修正日前发电计划。

实例中设置人工智能优化算法的迭代次数为100。通过程序进行计算，得出鲁棒优化日前调度计划及总的发电成本。对同一组数据源进行10次计算，如附图6所示，定义：

   (15)

由附图6可知，每次计算所得总的发电成本最大偏差小于0.001，收敛性能好。附图7为实例中某电厂机组#1鲁棒优化日前调度结果。

在设定小水电群的装机总容量为2000MW，小水电群、光伏电站、风电场、燃机发电的装机总容量为4000MW的情况下，通过鲁棒优化日前调度算法，计算出96时段内的火电机组的正负备用如附图8所示。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (2)

1.一种适用于多种能源接入的鲁棒优化日前调度方法，其特征在于，基于一个适用于风/光/水/气等多种能源接入的基于节能发电调度***的鲁棒优化日前调度的目标函数以及鲁棒优化调度约束条件，该目标函数是以一天96时段火电机组的燃料费用及各种可再生能源的发电费用总和最小为目标，公式如下：

即：

$\min \left\{\underset{s\∈X_j}{\max }\underset{\underset{\mathrm{\Ω}(\mathrm{\α},X_j)}{s}}{\min }\right\{\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{f}_i[p_{\mathrm{it}}+q_{\mathrm{it}}\left(s\right)]{\mathrm{\α}}_{\mathrm{it}}+\mathrm{\Σ\Σ}{C}_{\mathrm{\λ}}{P}_{\mathrm{\λ}}\left\}\right\}$      式一

其中：s为特定的某个场景；X_j对应可再生能源发电功率在96个时段下所处场景的列向量；t为时段序号，t＝1,2,K,T；α_it为机组i第t时段的运行状态，取值0或1，0代表停机，1代表开机；p_it为火电机组i第t时段鲁棒轨迹上的计划出力；q_it(s)为场景s下火电机组i第t时段的调整出力；N_G为火电机组台数；C_λ为光伏、燃气等其他新能源单位功率输出的成本；P_λ为光伏、燃气等其他新能源输出总功率；

其中：

$f_i\left(p_{\mathrm{it}}\right)=a_i{p}_{\mathrm{it}}^2+b_i{p}_{\mathrm{it}}+c_i$           式二

a_i、b_i、c_i分别为机组i的能耗二次项、一次项系数和常数项系数；

所述鲁棒优化调度约束条件是基于量化风/光/水气等多种能/源接入对***备用的需求所建立，分为等式约束条件和不等式约束条件；分别是：

等式约束条件一：考虑新能源预测误差下有功功率平衡，公式如下：

$\left\{\begin{array}{c}\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{p}_{\mathrm{it}}^0=\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}[p_{\mathrm{it}}+q_{\mathrm{it}}\left(s^{\′}\right)]+{\mathrm{\ΔP}}_{\mathrm{it}}^{\′}\\ \underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{p}_{\mathrm{it}}^0=\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}[p_{\mathrm{it}}+q_{\mathrm{it}}\left(s^{\′\′}\right)]+\mathrm{\Δ}{P}_{\mathrm{it}}^{\′\′}\\ \underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{p}_{\mathrm{it}}^0=\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{p}_{\mathrm{it}}+\mathrm{\Δ}\stackrel{\‾}{P_t}\end{array}\right.,\∀t$       式三

式中：为节能发电调度***给出的第t时段中调火电机组的计划出力；p_it为机组i第t时段有功出力；q_it(s')为场景s'下中调火电机组i第t时段的调整出力，q_it(s")为场景s"下中调火电机组i第t时段的调整出力；s'、s"为当前场景s所处的上下边界场景(s"≤s≤s')；ΔP′_it为场景s'下第t时段的可再生能源发电功率预测误差，为场景s"下第t时段的可再生能源发电功率预测误差；为第t时段的可再生能源发电功率预测误差平均值；

不等式约束条件一：中调火电机组各时段调整出力约束，公式如下：

$\left\{\begin{array}{c}-\mathrm{\Δt}\×{\mathrm{\Δp}}_{i,\mathrm{dn}}\≤q_{\mathrm{it}}\left(s^{\′}\right)\≤\mathrm{\Δt}\×{\mathrm{\Δp}}_{i,\mathrm{up}}\\ -\mathrm{\Δt}\×{\mathrm{\Δp}}_{i,\mathrm{dn}}\≤q_{\mathrm{it}}\left(s^{\′\′}\right)\≤\mathrm{\Δt}\×{\mathrm{\Δp}}_{i,\mathrm{up}}\end{array}\right.,\∀t,\∀i$      式四

式中：Δp_i,up、Δp_i,dn分别为机组i出力上调、下调的最大速率；Δt为中调火电机组旋转备用响应时间，设置为5min；

不等式约束条件二：中调火电机组出力上下限约束，公式如下：

$\left\{\begin{array}{c}{\mathrm{\α}}_{\mathrm{it}}{p}_{i\min }\≤p_{\mathrm{it}}+q_{\mathrm{it}}\left(s^{\′}\right)\≤{\mathrm{\α}}_{\mathrm{it}}{p}_{i\max }\\ {\mathrm{\α}}_{\mathrm{it}}{p}_{i\min }\≤p_{\mathrm{it}}+q_{\mathrm{it}}\left(s^{\′\′}\right)\≤{\mathrm{\α}}_{\mathrm{it}}{p}_{i\max }\end{array}\right.,\∀t,\∀i$          式五

式中：p_imax、p_imin分别为机组i技术出力上、下限；

不等式约束条件三：鲁棒轨迹上，机组出力范围约束，公式如下：

$\max (p_{i\min },0.9p_{\mathrm{it}}^0){\mathrm{\α}}_{\mathrm{it}}\≤p_{\mathrm{it}}\≤\min (p_{i\max },1.1p_{\mathrm{it}}^0){\mathrm{\α}}_{\mathrm{it}}$         式六

该约束考虑到修正日前计划与原有日前计划偏离程度不应过大；

该适用于多种能源接入的鲁棒优化日前调度方法包括以下步骤：

步骤1，获取节能发电调度***制定的中调火电机组和水电机组的日前发电计划、机组参数；按照节能、经济的原则，优先调度水电机组，不改变水电机组的日前发电计划；

步骤2，获取风电和小水电、光伏、燃气发电等的短期预测值，将各种可再生能源发电功率按各自装机容量的设定比例设置若干出力场景；

步骤3，采用粒子群优化算法求解鲁棒优化调度模型，寻优得到全局最优解，即得到各机组鲁棒轨迹下的计划出力p_it和调整出力q_it(s')、q_it(s")；在寻优过程中，机组的初始出力在式六确定的区间内随机设置，迭代收敛条件是全局最优粒子适应值的改变量连续K次在收敛精度范围内，迭代收敛精度设置为0.001，其中，K取大于等于20的正整数。

2.根据权利要求1所述的一种适用于多种能源接入的鲁棒优化日前调度方法，其特征在于，所述的步骤2中，获取风电和小水电、光伏、燃气发电等的短期预测值，将各种可再生能源发电功率按各自装机容量的一定比例设置若干出力场景；

根据96时段的可再生能源发电功率短期预测值，分别对每个时段判断各种可再生能源发电功率所处的区间，进而确定各个时段下各种可再生能源发电功率所处的场景；最后，可形成一个反映各种可再生能源发电功率在不同时段下对应不同场景的矩阵：

[X₁,X₂，…,X_j…,X_n]               式七

其中，X₁对应风电在96个时段下所处场景的列向量，X_j表示其他可再生能源如小水电、光伏、燃气。