论文部分内容阅读
本文提出一种结合二阶锥规划松弛法(second order cone programming relaxation,SOCP relaxation)和二次规划算法(quadratic programming,QP)的方法求解电力系统最优潮流问题,有效地解决SOCP松弛非严格获得不可行解问题,以及解决QP算法对初值敏感问题,保证算法的收敛性且提高计算效率。本文的基本策略是先引入松弛变量,利用SOCP松弛技术对含松弛变量的不等式约束和二次等式约束进行凸松弛形成二阶锥约束;然后用平方项替换潮流方程中的变量,从而将原有的非线性方程转化为线性方程。该策略成功地将原始最优潮流模型转化为凸SOCP松弛模型,不仅在理论上保证了优化结果的全局最优性,同时为原问题提供一个良好的下界值,可以合理地评价解的优劣性。该模型为系统机组出力及所有节点电压幅值和角度等变量提供了位于全局最优解附近的初始值,可以满足QP算法对初值的要求。本文首先利用IEEE-14节点环网系统分别对原始最优潮流模型和SOC P松弛模型进行仿真分析,对比结果发现,SOCP松弛模型得到的不是原始问题的最优解,而是其下界值。说明了 SOCP松弛模型的确存在松弛无法精确的可能性。在该结论的基础上,本文将SOCP松弛法与QP算法相结合,利用IEEE-300节点等四个系统完成仿真分析。结果表明,SOCP松弛法初始化的QP算法能获得可行解,与采用平启动的QP算法相比,可快速有效跳出局部最优解,减少计算时间与迭代次数,计算效率更高,同时其求解结果与内点非线性规划的结果基本一致,进一步说明所提方法能保证最终解的全局最优性。此外,SOCP松弛模型所给出全局最优解的下界值还可以合理地衡量最终解的优劣性。最终解与其下界值间的相对误差越小则表明最终解越靠近全局最优解,则求解质量越优。同时,本文在原有的确定性最优潮流问题的基础上引入风电等不确定性变量,并采用仿射可调整策略鲁棒优化方法处理风电的不确定性。算例结果表明,在风电接入电力系统的情况下,本文方法仍可成功求解该问题,并且能根据风电的不确定性水平做出相应机组出力计划,以平衡风电不确定性。证明了该方法既可兼顾系统的安全性和经济性,且具有普适性和扩展性。