论文部分内容阅读
优化潮流(OPF)概念是在20世纪60-70年代,由于美国等发达国家发生的几次大停电事故,使计及安全约束的优化潮流(SCOPF)研究与实践得到高度重视,如今OPF已是电力系统控制、调度、检修、规划等决策的基础工具,应用领域十分广泛。本文针对电力系统调度、规划、检修及风险评估中反复涉及的校正控制安全约束最优潮流(CSCOPF)的求解问题,在深入机理分析基础上,提出一种基于奔德斯(Benders)分解与协调的模型和算法,使复杂大电网的求解得以进行。首先,针对CSCOPF模型的特点,将其约束分为正常状态下约束、预想事件状态下约束及二者耦联约束等三类,在对这三类约束间的集合蕴含关系分析基础上,得出预想事件与正常状态最优运行模式之间的三种关系,为本文的分解算法和预想事件筛选算法提供了理论依据。其次,采用奔德斯分解思想对CSCOPF模型进行分解与协调,基于上述的约束分类,采用奔德斯主问题处理正常状态下的约束,采用奔德斯子问题处理预想事件状态的约束,而预想事件状态与正常状态之间的耦联关系则通过奔德斯割反映,从而将CSCOPF模型分解成为一系列的OPF模型,之间的关联信息通过奔德斯割进行协调。再次,奔德斯分解思想需要对每一个预想事件均形成子问题模型,对大电网而言,众多优化模型的求解必然耗费巨大的计算量,而实际中,起作用的预想事件仅占少数,针对众多的预想事件,本文采用基于选取主导事件的预想事件筛选方法进行预想事件的筛选,避开无效预想事件约束,缩减了子问题集的规模。最后,奔德斯分解算法中形成的主问题和子问题模型均为典型的最优潮流(OPF)模型,模型中存在众多的冗余约束(主要是输电元件安全约束),本文采用基于选取主宰输电元件方法求解主问题及子问题优化模型,在变动的运行模式下寻求电网的主宰输电元件以形成最小约束集合,从而避开了大量冗余约束,提高求解效率。