計(jì)及校正控制的安全約束最優(yōu)潮流的奔德斯分解算法.pdf

1、優(yōu)化潮流(OPF)概念是在20世紀(jì)60-70年代，由于美國(guó)等發(fā)達(dá)國(guó)家發(fā)生的幾次大停電事故，使計(jì)及安全約束的優(yōu)化潮流(SCOPF)研究與實(shí)踐得到高度重視，如今OPF已是電力系統(tǒng)控制、調(diào)度、檢修、規(guī)劃等決策的基礎(chǔ)工具，應(yīng)用領(lǐng)域十分廣泛。
　　 本文針對(duì)電力系統(tǒng)調(diào)度、規(guī)劃、檢修及風(fēng)險(xiǎn)評(píng)估中反復(fù)涉及的校正控制安全約束最優(yōu)潮流(CSCOPF)的求解問(wèn)題，在深入機(jī)理分析基礎(chǔ)上，提出一種基于奔德斯(Benders)分解與協(xié)調(diào)的模型和算法，使復(fù)

2、雜大電網(wǎng)的求解得以進(jìn)行。
　　 首先，針對(duì)CSCOPF模型的特點(diǎn)，將其約束分為正常狀態(tài)下約束、預(yù)想事件狀態(tài)下約束及二者耦聯(lián)約束等三類，在對(duì)這三類約束間的集合蘊(yùn)含關(guān)系分析基礎(chǔ)上，得出預(yù)想事件與正常狀態(tài)最優(yōu)運(yùn)行模式之間的三種關(guān)系，為本文的分解算法和預(yù)想事件篩選算法提供了理論依據(jù)。
　　 其次，采用奔德斯分解思想對(duì)CSCOPF模型進(jìn)行分解與協(xié)調(diào)，基于上述的約束分類，采用奔德斯主問(wèn)題處理正常狀態(tài)下的約束，采用奔德斯子問(wèn)題處理預(yù)想

3、事件狀態(tài)的約束，而預(yù)想事件狀態(tài)與正常狀態(tài)之間的耦聯(lián)關(guān)系則通過(guò)奔德斯割反映，從而將CSCOPF模型分解成為一系列的OPF模型，之間的關(guān)聯(lián)信息通過(guò)奔德斯割進(jìn)行協(xié)調(diào)。
　　 再次，奔德斯分解思想需要對(duì)每一個(gè)預(yù)想事件均形成子問(wèn)題模型，對(duì)大電網(wǎng)而言，眾多優(yōu)化模型的求解必然耗費(fèi)巨大的計(jì)算量，而實(shí)際中，起作用的預(yù)想事件僅占少數(shù)，針對(duì)眾多的預(yù)想事件，本文采用基于選取主導(dǎo)事件的預(yù)想事件篩選方法進(jìn)行預(yù)想事件的篩選，避開(kāi)無(wú)效預(yù)想事件約束，縮減了子問(wèn)題