技术领域
[0001] 本
申请涉及电力系统调度技术领域，特别是涉及一种电力系统优化调度方法、装置、计算机设备和存储介质。
背景技术
[0002] 随着用电量规模的扩大，电负荷不断增加，电力系统处于极限运行状态的概率大大增加，为确保电力系统的安全稳定运行，需要电力系统在断路、
短路等扰动情况下，能够自适应灵活控制其运行方式，使得电力系统可以在发生可信预想事故时仍能适当应对，即需要实现弹性电力系统(Resilient Power System)。
[0003] 然而，在实现过程中，
发明人发现传统技术中至少存在如下问题：目前的电力系统调度方法在确定间歇性
可再生能源出力及负荷
波动等不确定性因素时，多数只考虑单一类型的不确定性，在发生可信预想事故时，调度灵活性差。
发明内容
[0004] 基于此，有必要针对上述技术问题，提供一种能够灵活性好的电力系统优化调度方法、装置、计算机设备和存储介质。
[0005] 为了实现上述目的，本申请
实施例提供了一种电力系统优化调度方法，包括以下步骤：
[0006] 获取燃
煤机组数据、
可再生能源机组数据、电力系统的历史负荷数据和各线路的负载率；所述燃煤机组数据包括燃煤机组的燃煤历史出力数据和燃煤运维成本；所述可再生能源机组数据包括间歇性可再生能源机组的可再生能源历史出力数据、可再生能源运维成本；
[0007] 处理所述燃煤历史出力数据、所述燃煤运维成本、所述可再生能源历史出力数据和所述可再生能源运维成本，得到确定性模型；所述确定性模型包括目标函数和基本约束条件；
[0008] 根据功率传输分布因子、所述燃煤历史出力数据、所述可再生能源历史出力数据以及各所述负载率，建立安全约束条件；所述安全约束条件包括备用可用性约束条件、失负荷比例约束条件和负载严重度约束条件；
[0009] 利用所述基本约束条件和所述安全约束条件求解所述目标函数，得到调度结果；所述调度结果用于指示所述电力系统进行优化调度。
[0010] 本申请实施例提供了一种电力系统优化调度装置，装置包括：
[0011] 数据获取模
块，用于获取燃煤机组数据、可再生能源机组数据、电力系统的历史负荷数据和各线路的负载率；所述燃煤机组数据包括燃煤机组的燃煤历史出力数据和燃煤运维成本；所述可再生能源机组数据包括间歇性可再生能源机组的可再生能源历史出力数据、可再生能源运维成本；
[0012] 确定性模型建立模块，用于处理所述燃煤历史出力数据、所述燃煤运维成本、所述可再生能源历史出力数据和所述可再生能源运维成本，得到确定性模型；所述确定性模型包括目标函数和基本约束条件；
[0013] 安全约束条件建立模块，用于根据功率传输分布因子、所述燃煤历史出力数据、所述可再生能源历史出力数据以及各所述负载率，建立安全约束条件；所述安全约束条件包括备用可用性约束条件、失负荷比例约束条件和负载严重度约束条件；
[0014] 调度结果获取模块，用于利用所述基本约束条件和所述安全约束条件求解所述目标函数，得到调度结果；所述调度结果用于指示所述电力系统进行优化调度。
[0015] 本申请实施例提供了一种计算机设备，包括
存储器和处理器，所述存储器存储有
计算机程序，其特征在于，所述处理器执行上述任一项电力系统优化调度方法的步骤。
[0016] 本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述任一项电力系统优化调度方法的步骤。
[0017] 上述技术方案中的一个技术方案具有如下优点和有益效果：
[0018] 通过处理燃煤机组数据和可再生能源机组数据，得到目标函数和基本约束条件，并基于功率传输分布因子、燃煤历史出力数据、可再生能源历史出力数据以及各线路的负载率，建立安全约束条件，且利用安全约束条件和基本约束条件求解目标函数，得到调度结果，从而可确定源荷不确定性波动对电力系统运行的影响，在发生可信预想事故时，电力系统可根据调度结果进行优化调度，提高调度灵活性，电力系统可根据调度结果调整调度策略，以尽可能满足系统负荷需求；同时还实现兼顾电力系统运行的安全性和经济性。
附图说明
[0019] 通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
[0020] 图1为一个实施例中电力系统优化调度方法的应用环境图；
[0021] 图2为一个实施例中电力系统优化调度方法的示意性流程示意图；
[0022] 图3为一个实施例中
风电出力场景示意图；
[0023] 图4为一个实施例中接入间歇性可再生能源的IEEE 39
节点系统示意图；
[0024] 图5为一个实施例中负荷预测曲线示意图；
[0025] 图6为一个实施例中机组31故障停运时故障线路的负载严重度示意图；
[0026] 图7为一个实施例中机组31发生故障时负荷的损失情况示意图；
[0027] 图8为一个实施例中机组31发生故障时的备用可用性示意图；
[0028] 图9为一个实施例中电力系统优化调度装置的结构
框图；
[0029] 图10为一个实施例中计算机设备的内部结构图。
具体实施方式
[0030] 为了便于理解本申请，下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的首选实施例。但是，本申请可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本申请的公开内容更加透彻全面。
[0031] 除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的
说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0032] 随着可再生能源发电技术的发展，通过将间歇性可再生能源接入电力系统，从而可缓解电力系统承受的符合压力。由于间歇性可再生能源发电出力具有随机性且不可调控，并网后会增加电力系统的不确定性，从而影响电力系统的稳定运行。为使得发电量与负荷实现实时平衡，燃煤机组必须在电力高峰和低谷时安排机组进行调峰，提高了调度的成本。目前的调度方法还存在着无法兼顾安全性和经济性的问题。
[0033] 为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0034] 本申请提供的电力系统优化调度方法，可以应用于如图1所示的应用环境中。其中，调度中心与各发
电机组之间可以通过网络进行通信。调度中心可以获取各
发电机组的机组数据，并对获取到的机组数据进行存储，以得到各发电机组对应的历史机组数据。同时，调度中心还可以向各发电机组传输控制指令。各发电机组向调度中心传输机组数据，以及根据接收到的控制指令调整自身的工作状态。其中，发电机组的工作状态包括但不局限于启停机状态和实时出力量等。
[0035] 在一个实施例中，如图2所示，提供了一种电力系统优化调度方法，以该方法应用于图1中的调度中心为例进行说明，包括以下步骤：
[0036] 步骤202，获取燃煤机组数据、可再生能源机组数据、电力系统的历史负荷数据和各线路的负载率；燃煤机组数据包括燃煤机组的燃煤历史出力数据和燃煤运维成本；可再生能源机组数据包括间歇性可再生能源机组的可再生能源历史出力数据、可再生能源运维成本。
[0037] 具体地，燃煤机组数据包括但不局限于燃煤机组的燃煤历史出力数据和燃煤运维成本；可再生能源机组数据包括但不局限于间歇性可再生能源机组的可再生能源历史出力数据和可再生能源运维成本。间歇性可再生能源机组包括但不局限于风电机组和光伏机组。
[0038] 进一步地，发电机组可包括燃煤机组和间歇性可再生能源机组。调度中心可通过分别向发电机组传输数据获取指令，发电机组在接收到对应的数据获取指令时，将其历史出力数据和运维成本数据通过网络通信传输至调度中心；或者发电机组可在预设周期到来时，向调度中心传输其在预设周期内出力数据和运维成本，调度中心将接收到的数据进行统计分析，以生成各发电机组对应的机组数据。例如，发电机组可以每隔一小时向调度中心传输其在一小时内出力数据和运维成本。其中，预设周期内出力数据和可以为发电机组在一小时内的平均出力数据，或者一小时内(即预设周期内)的出力数据随时间变化而变化的曲线等。同理，预设周期内的运维成本也可以为平均运维成本，或者一小时内的运维成本随时间变化而变化的曲线。
[0039] 步骤204，处理燃煤历史出力数据、燃煤运维成本、可再生能源历史出力数据和可再生能源运维成本，得到确定性模型；确定性模型包括目标函数和基本约束条件。
[0040] 具体地，根据燃煤历史出力数据、燃煤运维成本、可再生能源历史出力数据和可再生能源运维成本，以系统运行总成本最小为目标，建立确定性模型。其中，确定性模型包括目标函数和基本约束条件。进一步地，基本约束条件中包括但不限于传输功率约束条件和放弃可再生能源的惩罚成本等。
[0041] 步骤206，根据功率传输分布因子、燃煤历史出力数据、可再生能源历史出力数据以及各负载率，建立安全约束条件；安全约束条件包括备用可用性约束条件、失负荷比例约束条件和负载严重度约束条件。
[0042] 具体地，在传统的电力系统调度中，备用需求
水平一般被设定为不低于某个容量，然而在实际应用中，即使提供的备用容量可以满足电力系统的总备用需求，当电力系统受到较大的扰动时，由于线路传输容量的限制，容易导致预留的备用容量无法全部投入使用，从而使得备用容量不足。通过生成备用可用性约束条件，从而能够在调度过程中合理配置传输线路的安全裕度。
[0043] 失负荷比例(Loss of Load Rate，LOLR)，即电力系统总输出功率小于系统总负荷的比例。负载严重度用于表征线路抵御过载风险的能力，其中，线路过载风险反映电力系统发生事故后导致线路传输功率过载的可能性和危害程度。当线路传输功率越接近其容量极限，即线路负载率越高时，线路越容易发生过载。为避免线路发生过载，可将线路传输功率控制在其容量极限的90％以下。当电力系统中的部分线路停运时，其他线路的负载率极有可能因为潮流转移而大幅上升。可通过负载严重度反映事故发生后
电网线路负载率的上升程度。
[0044] 步骤208，利用基本约束条件和安全约束条件求解目标函数，得到调度结果；调度结果用于指示电力系统进行优化调度。
[0045] 具体地，基本约束条件、安全约束条件和目标函数可用于生成非线性规划模型，通过求解非线性规划模型，从而可得到调度结果。调度结果可用于指示电力系统进行优化调度，为计及安全约束时的系统运行水平。
[0046] 在一个实施例中，获取燃煤机组数据、可再生能源机组数据、电力系统的历史负荷数据和各线路的负载率的步骤之前，还包括：
[0047] 获取电力系统的拓扑参数。
[0048] 具体地，电力系统的拓扑参数可以为电力系统的网络结构，包括但不局限于多个节点以及连接各节点的线路。进一步地，电力系统的拓扑参数还可以包括各节点的类型，例如节点31为燃煤机组，节点35为风电机组等。
[0049] 在一个实施例中，根据功率传输分布因子、燃煤历史出力数据、可再生能源历史出力数据以及各负载率，建立安全约束条件的步骤，包括：
[0050] 按照以下公式、根据功率传输分布因子生成备用可用性约束条件：
[0051]
[0052] Sml,t<δl，l∈L
[0053] 其中，Sml,t为线路l在时段t内的备用可用性；Fl为线路l允许的最大传输功率；nUC为燃煤机组的数量；nDG为间歇性可再生能源机组的数量；nload为电力系统中负荷节点的数量； 为燃煤机组i的出力对线路l的功率传输分布因子； 为间歇性可再生能源机组j的出力对线路l的功率传输分布因子； 为负荷节点k处负荷对对线路l的功率传输分布因子；Pi,t为燃煤机组i在时段t内的出力；Pj,t为间歇性可再生能源机组j在时段t内的出力；dk,t为负荷节点k在时段t的负荷；δl为线路l的备用可用性最小约束；L为所有线路集合；
[0054] 按照以下公式、根据燃煤历史出力数据和可再生能源历史出力数据生成失负荷比例约束条件：
[0055]
[0056] 其中，PLOLR为失负荷比例；γ为供电可靠性的置信区间；
[0057] 按照以下公式、根据电力系统中各线路的负载率建立负载严重度约束条件：
[0058]
[0059]
[0060] 其中，Iline为一条或多条线路停运后
电路系统的线路负载严重度；nl为电力系统中的线路数量；Lml(Ek)为线路l在场景Ek下的负载率严重度；κ为电力系统可接受的失负荷水平；γl为线路l的负载率；g为系数。
[0061] 具体地，当电力系统中潮流发生变化时，可调动剩余的传输容量。具体而言，备用可用性约束条件可按照下式得到：
[0062]
[0063] Sml,t<δl，l∈L
[0064] 从上述可以看出，对于线路l而言，当线路l正常运行时，备用可用性大于零，此时，线路l的备用可用性且越接近零，线路l越接近于满载状态；当线路l的备用可用性小于零时，线路l处于过载状态，存在其所连接的备用容量不可用的风险。通过增加备用可用性约束条件，从而可通过Sml,t得到线路l的工作状态，并可基于线路l的工作状态，确定备用容量是否可用。
[0065] 失负荷比例可按照下式确定：
[0066]
[0067] 则失负荷比例约束条件可通过下式进行确定：
[0068]
[0069] 其中，P[]为概率函数。
[0070] 当电力系统正常运行时，失负荷比例PLOLR为正值，即此时电力系统输出有功功率能满足系统负荷需求。当电力系统发生故障导致负荷损失时，失负荷比例为负值，且失负荷比例的绝对值越大，失负荷越多。
[0071] 负载严重度可通过下式进行确定：
[0072]
[0073] 其中，Lml(Ek)为线路l在场景Ek下的负载率严重度；κ为电力系统可接受的失负荷水平；γl为线路l的负载率，即线路l的传输功率与容量极限的比值，当线路l停运时，γl可为1；g为系数，可以为g＝5In(2)。
[0074] 在此
基础上，一条或多条线路停运后电网线路的负载严重度可以按照下式确定：
[0075]
[0076] 其中，Iline为一条或多条线路停运后电路系统的线路负载严重度；nl为电力系统中的线路数量；κ为电力系统可接受的失负荷水平。
[0077] 在一个实施例中，间歇性可再生能源机组包括风电机组和光伏机组；可再生能源历史出力数据包括风电历史出力数据和光伏历史出力数据；可再生能源运维成本包括风电运维成本和光伏运维成本；
[0078] 处理燃煤历史出力数据、燃煤运维成本、可再生能源历史出力数据和可再生能源运维成本，得到确定性模型的步骤，包括：
[0079] 采用快速搜索
密度聚类
算法对历史风速数据进行聚类，得到风速典型场景，并采用随机抽样法对风速典型场景对应的风电机组的风电历史出力数据进行抽样，基于抽样的结果确定风电出力预测值；风电出力预测值为不确定性数据；
[0080] 采用快速搜索密度
聚类算法对历史
辐射强度数据进行聚类，得到辐射强度典型场景，并采用随机抽样法对辐射强度典型场景对应的光伏机组的光伏历史出力数据进行抽样，基于抽样的结果确定光伏出力预测值；光伏出力预测值为不确定性数据；
[0081] 处理燃煤历史出力数据、燃煤运维成本、风电历史出力数据、光伏历史出力数据、风电运维成本、光伏运维成本、风电出力预测值和光伏出力预测值，得到目标函数；
[0082] 根据燃煤历史出力数据、风电历史出力数据、光伏历史出力数据、风电出力预测值和光伏出力预测值建立基本约束条件。
[0083] 具体地，获取历史风速数据和历史辐射强度数据。采用快速搜索密度聚类算法处理历史风速数据，得到风速典型场景，并确定对应于风速典型场景的风电历史出力数据。通过随机抽样法对风电历史出力数据进行抽样，得到风电出力预测值，且风电出力预测值为不确定性数据。在一个示例中，风电出力场景可如图3所示。
[0084] 类似地，采用快速搜索密度聚类算法处理历史辐射强度数据，得到辐射强度典型场景，并确定对应于辐射强度典型场景的光伏历史出力数据。通过随机抽样法对光伏历史出力数据进行抽样，得到光伏出力预测值，且光伏出力预测值为不确定性数据。
[0085] 在一个示例中，风电出力预测值或光伏出力预测值可按照下式确定：
[0086]
[0087] 其中， 为间歇性可再生能源机组的最大出力预测值，即风电出力预测值或光伏出力预测值；λ间歇性可再生能源机组的出力最大波动量，即风速机组的出力最大波动量或者光伏机组的出力最大波动量。
[0088] 在一个实施例中，实际负荷值与预测负荷值的偏差可以按照下式确定：
[0089]
[0090] 其中，χ为扰动变量； 为节点k的预测负荷值；Uload为电力系统中所有节点的集合。
[0091] 通过上式可确定实际负荷值与预测负荷值的偏差，从而可得到电力系统中的不确定性扰动。
[0092] 在一个实施例中，根据燃煤历史出力数据、燃煤运维成本、风电历史出力数据、光伏历史出力数据、风电运维成本、光伏运维成本、风电出力预测值和光伏出力预测值建立目标函数的步骤，包括：
[0093] 按照以下公式、根据风电历史出力数据、光伏历史出力数据、风电出力预测值和光伏出力预测值生成惩罚项：
[0094]
[0095] 其中，Cpunish为惩罚项；T为预设周期内的调度时段数量；cWT为单位电量的弃风惩罚成本；cPV为单位电量的弃光惩罚成本； 为时段t内风电出力预测值； 为时段t内光伏出力预测值；PWT,t为时段t内风电机组的风电实际出力值；PPV,t为时段t内光伏机组的光伏实际出力值；
[0096] 按照以下公式、根据燃煤历史出力数据和燃煤运维成本，生成燃煤机组的二次运行成本函数：
[0097] CUC,i,t＝agPi,t2+bgPi,t+cg i∈UUC
[0098] 其中，CUC,i,t为燃煤机组i在时段t内的运行成本；ag为煤耗函数的第一成本系数；bg为煤耗函数的第二成本系数；cg为煤耗函数的第三成本系数；Pi,t为燃煤机组i在时段t内的出力；UUC为所有燃煤机组节点的集合；
[0099] 按照以下公式、根据风电历史出力数据、光伏历史出力数据、风电运维成本和光伏运维成本，生成间歇性可再生能源机组的运维成本函数：
[0100] CDG,j,t＝Pj,t×cDC,j j∈UDG
[0101] 其中，CDG,j,t为间歇性可再生能源机组j在时段t内的运维成本；Pj,t为间歇性可再生能源机组j在时段t内的出力；cDC,j为间歇性可再生能源机组j的单位出力运维成本；UDG为所有间歇性可再生能源机组节点的集合；
[0102] 按照以下公式、根据惩罚项、二次运行成本函数和运维成本函数，得到目标函数：
[0103]
[0104] 其中，nUC为燃煤机组的数量；nDG为间歇性可再生能源机组的数量；Cpunish,j,t为间歇性可再生能源机组j在时段t内的弃风弃光惩罚成本。
[0105] 具体地，以电力系统运行总成本最小为目标，生成目标函数，目标函数可按照下式进行确定：
[0106]
[0107] 其中，T为预设周期内的调度时段数量，例如可以为一天内所包括的调度时段的数量；CUC,i,t为燃煤机组i在时段t内的运行成本；CDG,j,t为间歇性可再生能源机组j在时段t内的运维成本；Cpunish,j,t为惩罚项，可以间歇性可再生能源机组j在时段t内的弃风弃光惩罚成本；nUC为燃煤机组的总数量；nDG为间歇性可再生能源机组的总数量，例如风电机组和光伏机组的总数量。
[0108] 进一步地，燃煤机组i在时段t内的运行成本可按照下式确定：
[0109] CUC,i,t＝agPi,t2+bgPi,t+cg i∈UUC
[0110] 间歇性可再生能源机组j在时段t内的运维成本可按照下式进行确定：
[0111] CDG,j,t＝Pj,t×cDC,j j∈UDG
[0112] 其中，Pj,t为间歇性可再生能源机组j在时段t内的有功功率。
[0113] 惩罚项可以为通过下式进行确定：
[0114]
[0115] 通过在目标函数中引入惩罚项，从而可减少风、光等间歇性可再生能源被
切除或者少发功率的情况，以提升对间歇性可再生能源发电的消纳。
[0116] 在一个实施例中，基本约束条件包括功率平衡和备用约束条件、机组出力约束条件、机组爬坡滑坡约束条件和功率传输约束条件；
[0117] 按照以下公式确定功率平衡和备用约束条件：
[0118]
[0119]
[0120]
[0121] 其中，nUC为燃煤机组的数量；nDG为间歇性可再生能源机组的数量；nload为电力系统中负荷节点的数量；Pi,t为燃煤机组i在时段t内的出力；Pj,t为间歇性可再生能源机组j在时段t内的出力；dk,t为负荷节点k在时段t的负荷； 为燃煤机组i在时段t内可以提供的正备用总量； 为燃煤机组i在时段t内可以提供的负备用总量； 为正备用需求量； 为负备用需求量；
[0122] 按照以下公式确定机组出力约束条件：
[0123] Pi,min
[0124] 其中，Pi,min为燃煤机组i输出的有功功率下限值；Pi,max为燃煤机组i输出的有功功率上限值；UUC为所有燃煤机组节点的集合；
[0125] 按照以下公式确定机组爬坡滑坡约束条件：
[0126]
[0127]
[0128] 其中，RUi为燃煤机组i的最大爬坡速率；RDi为燃煤机组i的最大滑坡速率；
[0129] 按照以下公式确定功率传输约束条件：
[0130] Pl,min
[0131] 其中，Pl,min为线路l的传输有功功率下限值；Pl,min为线路l的传输有功功率上限值；Pl,t为线路l在时段t内传输的有功功率；L为所有线路集合。
[0132] 具体地， 为正备用需求量， 为负备用需求量，可以按照当前负荷水平的预设比例确定 和
[0133] 在一个实施例中，机组出力约束条件包括风电机组出力约束条件和光伏机组出力约束条件；
[0134] 按照以下公式确定风电机组出力约束条件：
[0135]
[0136] 其中， 为时段t内风电出力预测值；PWT,t为时段t内风电机组的风电实际出力值；
[0137] 按照以下公式确定光伏机组出力约束条件：
[0138]
[0139] 其中， 为时段t内光伏出力预测值；PPV,t为时段t内光伏机组的光伏实际出力值。
[0140] 在一个实施例中，利用基本约束条件和安全约束条件求解目标函数，得到调度结果的步骤之后，还包括：
[0141] 采用蒙特卡洛方法生成多个机组运行状态；
[0142] 利用基本约束条件和安全约束条件求解目标函数，得到各机组运行状态对应的调度结果；
[0143] 根据各调度结果确定确定性模型的鲁棒性。
[0144] 具体地，利用随机数发生器产生[0,1]区间的随机数，当产生的随机数小于机组的强迫停运率时，则机组停运；当产生的随机数大于或等于机组的强迫停运率时，机组正常运行，重复利用基本约束条件和安全约束条件求解目标函数，从而可得到多个调度结果。通过将各调度结果进行对比，从而可确定非线性规划模型的鲁棒性。
[0145] 为便于理解本申请的方案，下面通过一个具体的示例进行说明。如图4所示，图4示出了IEEE(Institute of Electrical and Electronics Engineers，电气和
电子工程师协会)39节点电力系统，在IEEE 39节点电力系统中，燃煤机组位于节点30到34，以及节点37到39；风电机组位于节点35；光伏机组位于节点36；各发电机组的参数如表1所示，其中，MW为兆瓦，MW/h为兆瓦每小时。
[0146] 表1各发电机组参数
[0147]
[0148] 电力系统一天内的总负荷预测曲线如图5所示。当机组31故障停运时，图6为机组31故障停运时故障线路的负载严重度示意图，如图6所示，线路3和线路27在机组31发生故障时会出现安全裕度不足的情况，即会存在安全风险。通过增加安全约束条件后，相较于传统调度方法，线路负载严重度降低，安全裕度有了较大的提高。同时通过图6示出的线路负载严重度，可以反映出存在过载风险的线路情况，以便及时对相应的线路进行加固或者扩容。
[0149] 图7示出了机组31发生故障时负荷的损失情况，图8示出了机组31发生故障时的备用可用性。从图7和图8对比可知，增加了备用可用性约束条件、失负荷比例约束条件以及线路负载严重度约束条件等安全约束条件后，在电路熊他那个发生可信预想事故时，可以根据调度结果、调整调度策略，以应对电力系统的负荷需求，同时还可以兼顾电力系统的安全性和经济性。同时，如图7和图8所示，在18到21时段中，由于电力系统本身的负荷压力较大，即使加入了安全性约束条件仍然出现了较大的负荷损失和备用不足。针对这种情况，可以采用切负荷等措施，保证电力系统的安全运行。
[0150] 上述电力系统优化调度方法中，通过处理燃煤机组数据和可再生能源机组数据，得到目标函数和基本约束条件，并基于功率传输分布因子、燃煤历史出力数据、可再生能源历史出力数据以及各线路的负载率，建立安全约束条件，且利用安全约束条件和基本约束条件求解目标函数，得到调度结果，从而可确定源荷不确定性波动对电力系统运行的影响，在发生可信预想事故时，电力系统可根据调度结果进行优化调度，提高调度灵活性，电力系统可根据调度结果调整调度策略，以尽可能满足系统负荷需求；同时还实现兼顾电力系统运行的安全性和经济性。
[0151] 应该理解的是，虽然图1-8的
流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-8中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0152] 在一个实施例中，如图9所示，提供了一种电力系统优化调度装置，包括：
[0153] 数据获取模块，用于获取燃煤机组数据、可再生能源机组数据、电力系统的历史负荷数据和各线路的负载率；燃煤机组数据包括燃煤机组的燃煤历史出力数据和燃煤运维成本；可再生能源机组数据包括间歇性可再生能源机组的可再生能源历史出力数据、可再生能源运维成本；
[0154] 确定性模型建立模块，用于处理燃煤历史出力数据、燃煤运维成本、可再生能源历史出力数据和可再生能源运维成本，得到确定性模型；确定性模型包括目标函数和基本约束条件；
[0155] 安全约束条件建立模块，用于根据功率传输分布因子、燃煤历史出力数据、可再生能源历史出力数据以及各负载率，建立安全约束条件；安全约束条件包括备用可用性约束条件、失负荷比例约束条件和负载严重度约束条件；
[0156] 调度结果获取模块，用于利用基本约束条件和安全约束条件求解目标函数，得到调度结果；调度结果用于指示电力系统进行优化调度。
[0157] 关于电力系统优化调度装置的具体限定可以参见上文中对于电力系统优化调度方法的限定，在此不再赘述。上述电力系统优化调度装置中的各个模块可全部或部分通过
软件、
硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0158] 在一个实施例中，提供了一种计算机设备，该计算机设备可以是
服务器，其内部结构图可以如图10所示。该计算机设备包括通过
系统总线连接的处理器、存储器、网络
接口和
数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有
操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储燃煤机组数据、可再生能源机组数据、历史负荷数据和各线路的负载率等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电力系统优化调度方法。
[0159] 本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0160] 在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0161] 获取燃煤机组数据、可再生能源机组数据、电力系统的历史负荷数据和各线路的负载率；燃煤机组数据包括燃煤机组的燃煤历史出力数据和燃煤运维成本；可再生能源机组数据包括间歇性可再生能源机组的可再生能源历史出力数据、可再生能源运维成本；
[0162] 处理燃煤历史出力数据、燃煤运维成本、可再生能源历史出力数据和可再生能源运维成本，得到确定性模型；确定性模型包括目标函数和基本约束条件；
[0163] 根据功率传输分布因子、燃煤历史出力数据、可再生能源历史出力数据以及各负载率，建立安全约束条件；安全约束条件包括备用可用性约束条件、失负荷比例约束条件和负载严重度约束条件；
[0164] 利用基本约束条件和安全约束条件求解目标函数，得到调度结果；调度结果用于指示电力系统进行优化调度。
[0165] 在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0166] 获取燃煤机组数据、可再生能源机组数据、电力系统的历史负荷数据和各线路的负载率；燃煤机组数据包括燃煤机组的燃煤历史出力数据和燃煤运维成本；可再生能源机组数据包括间歇性可再生能源机组的可再生能源历史出力数据、可再生能源运维成本；
[0167] 处理燃煤历史出力数据、燃煤运维成本、可再生能源历史出力数据和可再生能源运维成本，得到确定性模型；确定性模型包括目标函数和基本约束条件；
[0168] 根据功率传输分布因子、燃煤历史出力数据、可再生能源历史出力数据以及各负载率，建立安全约束条件；安全约束条件包括备用可用性约束条件、失负荷比例约束条件和负载严重度约束条件；
[0169] 利用基本约束条件和安全约束条件求解目标函数，得到调度结果；调度结果用于指示电力系统进行优化调度。
[0170] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。
非易失性存储器可包括
只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括
随机存取存储器(RAM)或者外部
高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
[0171] 以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0172] 以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明
专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干
变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附
权利要求为准。
