考虑风电随机性的微网多时间尺度能量优化调度_徐立中

格式：pdf
大小：537.80 KB
文档页数：8

下载文档原格式

计及风光不确定性的虚拟电厂多目标随机调度优化模型

计及风光不确定性的虚拟电厂多目标随机调度优化模型王冠;李鹏;焦扬;何楠;张玮;谭忠富【摘要】为缓解风电和光伏发电不确定性对虚拟电厂稳定运行的影响,引入鲁棒随机优化理论,建立了计及不确定性和需求响应的虚拟电厂随机调度优化模型.首先,风力发电、光伏发电、燃气轮机发电,以及储能系统和需求响应集成为虚拟电厂,然后最大化虚拟电厂运营收益、最小化系统运行成本和弃能成本被作为目标函数,建立虚拟电厂调度优化模型.再应用鲁棒随机优化理论来转换光伏发电以及风力发电不确定性变量的约束条件,建立了虚拟电厂随机调度模型.最后,选择中国国电云南分布式电源示范工程为实例分析对象.分析结果显示:所提模型能够降低系统运行成本,双重鲁棒系数的引入能够为不同风险态度决策者提供灵活的虚拟电厂调度决策工具,协助应对风电和光伏发电的随机特性.储能系统能够借助自身充放电特性,替代燃气轮机发电机组为风电和光伏发电提供备用服务,促进风电和光伏发电并网.将需求响应纳入虚拟电厂能够实现发电侧与用电侧联动优化目标,平缓化用电负荷曲线,系统整体运营效益达到最佳.%In order to mitigate wind and photovoltaic power generation uncertainty on stable operation of virtual power plant,a multiobjective stochastic scheduling optimization model with consideration of uncertainty and demand response is proposed with robust stochastic optimization theory.Firstly,wind power,photovoltaic power generation,gas turbine (GT) power generation,energy storage systems (ESS) and demand response are integrated into a virtual power plant.Secondly,maximize operational benefits of virtual power plant and minimize system operating cost and abandoned energy costs are selected as objective functions.Then by application of robust stochasticoptimization theory,a virtual power plant (VPP) scheduling optimization model is established.The proposed method is applied to distributed power demonstration project in Yunnan,China as an example.The results show that the proposed model can reduce system power shortage penalty cost.The introduction of dual Robust coefficients can provide flexible VPP scheduling decision tools for different risk attitudes of decision makers and respond to wind power and photovoltaic power generation stochastic characteristics effectively.ESS can replace GT unit to provide backup services for wind power and photovoltaic power generation because of its charge and discharge characteristics.It can also smooth VPP output power curve and promote grid connection between wind power and photovoltaic power generation.Demand response is incorporate into VPP to realize power generation side and power side linkage optimization,smooth electric load curve and improve overall operational effectiveness.【期刊名称】《中国电力》【年(卷),期】2017(050)005【总页数】7页(P107-113)【关键词】鲁棒随机优化理论;虚拟电厂;随机调度优化模型;风电;光伏发电【作者】王冠;李鹏;焦扬;何楠;张玮;谭忠富【作者单位】华北电力大学能源经济与环境研究所,北京 102206;国网河南省电力公司经济技术研究院,河南郑州450052;华北电力大学能源经济与环境研究所,北京102206;国网节能服务有限公司北京 100191;华北电力大学能源经济与环境研究所,北京 102206;华北电力大学能源经济与环境研究所,北京 102206【正文语种】中文【中图分类】TM732能源危机和环境污染日渐严峻，以风能、太阳能为代表的分布式可再生能源在能源格局中的角色日益重要。

基于Wasserstein两阶段分布鲁棒的多主体多能微网合作博弈优化调度

基于Wasserstein两阶段分布鲁棒的多主体多能微网合作博弈优化调度目录一、内容概述 (2)1. 研究背景与意义 (3)1.1 微网发展现状及面临的挑战 (3)1.2 多主体多能微网调度问题的复杂性 (4)1.3 Wasserstein两阶段分布鲁棒优化的应用前景 (6)2. 研究目的与内容 (7)2.1 研究目的 (8)2.2 研究内容 (9)2.3 技术路线 (10)二、微网概述及多主体多能微网调度问题分析 (11)1. 微网基本概念与特点 (11)1.1 微网定义及分类 (13)1.2 微网的优势与挑战 (14)2. 多主体多能微网调度问题解析 (14)2.1 多主体概述 (16)2.2 多能微网的能源类型及特点 (17)2.3 调度问题的难点与挑战 (18)三、Wasserstein两阶段分布鲁棒优化理论 (19)1. Wasserstein距离概念及性质 (21)1.1 Wasserstein距离定义 (21)1.2 Wasserstein距离的性质与应用领域 (23)2. 两阶段分布鲁棒优化理论介绍 (24)2.1 分布鲁棒优化的基本概念 (25)2.2 两阶段分布鲁棒优化的原理及步骤 (26)四、基于Wasserstein两阶段分布鲁棒的多主体多能微网合作博弈优化调度模型构建281. 模型假设与符号说明 (29)1.1 模型假设 (30)1.2 符号说明与定义 (31)2. 优化调度模型建立 (32)一、内容概述本文档主要研究了基于Wasserstein两阶段分布鲁棒的多主体多能微网合作博弈优化调度问题。

在这个问题中，我们考虑了一个由多个智能体组成的微网，这些智能体具有不同的能量存储能力和计算能力。

为了实现微网的能量高效利用和优化调度，我们需要设计一个合适的合作博弈策略，使得各个智能体能够在满足自身需求的同时，为整个微网提供稳定的能量供应。

为了解决这个问题，我们首先引入了Wasserstein距离的概念，将微网中各个智能体的能量分布看作是空间中的点，通过Wasserstein距离可以衡量这些点之间的相似性。

风电集群有功功率模型预测协调控制策略

第41卷第17期中国电机工程学报Vol.41 No.17 Sep. 5,20212021 年 9 月5 日Proceedings of the CSEE ©2021 Chin.Soc.for Elec.Eng. 5887 DOI：10.13334/j.0258-8013.pcsee.201887 文章编号：0258-8013 (2021) 17-5887-13 中图分类号：TM 73 文献标志码：A风电集群有功功率模型预测协调控制策略路朋S叶林|+,裴铭、何博宇、汤涌2,翟丙旭3，曲萤4,李卓1(1.中国农业大学信息与电气工程学院，北京市海淀区100083; 2.电网安全与节能国家重点实验室(中国电力科学研究院有限公司），北京市海淀区100192; 3.国网冀北电力有限公司，北京市西城区100053; 4.国网山西省电力公司电力科学研究院，山西省太原市030001)Coordinated Control Strategy for Active Power ofWind Power Cluster Based on Model Predictive ControlL U Peng1,Y E Lin1 ,PEI M i n g1,H E B o y u1,T A N G Yon g2,Z H A I Bingxu3,Q U Ying4,LI Z h u o1(1. College of Information and Electrical Engineering, China Agricultural University, Haidian District, Beijing 100083, China;2. State Key Laboratory of Power Gird Safety and Energy Conservation (China Electric Power Research Institute), Haidian District,Beijing 100192, China; 3. State Grid Jibei Electric Company Limited, Xicheng District, Beijing 100053, China;4. State Grid Corp of China Shanxi Electric Power Research Institute, Taiyuan 030001, Shanxi Province, China)ABSTRACT: The uncertainty of large-scale wind power will cause a large deviation in wind power tracking control commands, which will lead to over-limit power transmission sections. The traditional control approach is difficult to effectively alleviate the power fluctuation caused by wind power randomness. Therefore, a coordinated control strategy of wind power cluster based on model predictive control (MPC) was proposed. The strategy was based on the ultra-short-term wind power prediction information that includes the current time state and the future 4 times states, and then a dynamic grouping strategy based on the power change trend factor was developed in wind farms. Further, a rolling time-domain optimization control strategy of wind power clusters was established, which can realize the typical condition control of wind power clusters such as up-regulation control, early warning control, down-regulation control, and emergency control. Finally, a simulation test platform for real-time control of the wind power cluster was developed, and the actual data of the wind power cluster in north China was used as an example for test. The results showed that the proposed control strategy can not only guarantee the safety of wind power transmission line, but also alleviate the wind power fluctuation.KEY WORDS: wind power cluster; model predictive control; coordinated control strategy摘要：大规模风电的不确定性会造成其有功功率跟踪控制指令偏差大，导致输电断面功率越限，传统控制方法难以有效基金项目：国家电网有限公司科技项目(5100-20丨955009A-0-0-00); 国家自然科学基金项目(51977213)。

冀北电网新能源多时间尺度优化调度关键技术应用00.鉴定意见草稿

（3）提出了基于关键气象因子聚类分析的空间统计升尺度新能源集群短期预测方法，采用典型的新能源场站进行快速建模，适应我国新能源快速发展的需求，并显著提高了新能源集群功率的预测精度。
（4）提出了计及气象变化趋势和误差动态修正的超短期新能源功率预测方法，提出了基于灵敏度分析的可用输电容量快速计算方法，建立了输电容量动态约束的调度-场站两层有功最大滚动优化控制模型，精细化提升了全网新能源消纳能力。
鉴定意见
2016年3月24日，中国电机工程学会在北京组织召开了“冀北电网新能源多时间尺度优化调度关键技术应用”项目技术鉴定会。鉴定委员会听取了项目的工作报告、技术报告、经济效益分析报告、测试报告、用户报告和科技查新报告。经讨论，形成鉴定意见如下：
1、提交的鉴定资料完整、规范，符合鉴定要求。
2、项目开展了新能源中长期电量预测及计划、日前预测及协调优化发电计划、超短期预测及滚动控制、优先调度后评价等关键技术研究，研发了新能源多时间尺度优化调度系统，实现了新能源的可预测、可调度、可控制以及后评估等四大环节的闭环运行，为提升大规模新能源消纳能力、减少弃风/弃光提供了系统性的技术解决方案。
（5）考虑了地形、地表特征、云层等影响因素，采用新能源资源模拟技术，建立了多模型在线交互校验及自适应融合的新能源场站理论功率计算方法，实现了不同数据条件下的理论功率计算及弃风/弃光电量评估功能。
3、以上成果首先在冀北电网实现应用，自2014年系统整体上线运行以来减少弃风/弃光8.9亿千瓦时，显著提高了新能源发电受限地区的消纳能力，并在国内22个省级及以上电网成功推广应用。
项目主要创新性包括：
（1）基于中尺度气象模式和计算流体力学模型动态耦合的长期历史气象数据精细化模拟方法，构建了气象参数和发电量的长期数据序列，揭示了中长期资源波动规律，提出了多模型融合的中长期电量预测方法，解决了观测数据缺失条件下的中长期电量准确预测难题。

基于储能电站服务的冷热电多微网系统双层优化配置

第45卷第丨0期2021年10月电网技术Power System TechnologyVol.45 No. 10Oct. 2021文章编号：1000-3673 (2021) 10-3822-08 中图分类号：TM 721 文献标志码： A 学科代码：470 40基于储能电站服务的冷热电多微网系统双层优化配置吴盛军，李群，刘建坤，周前，汪成根(国网江苏省电力有限公司电力科学研究院，江苏省南京市211103)Bi-level Optimal Configuration for Combined Cooling Heating and Power Multi-microgridsBased on Energy Storage Station ServiceWU Shengjun,LI Qun,LIU Jiankun,ZHOU Qian,WANG Chenggen(State Grid Jiangsu Electric Power Co., Ltd., Research Institute, Nanjing 211103, Jiangsu Provine, China)ABSTRACT: With the development of energy storage technology and sharing economy, the mode of the sharing energy storage station will become a new form of the energy storage application on the customer-side in the future. A bi-level optimal configuration method for combined cooling, heating and power multi-microgrids based on energy storage station service is proposed in this paper. Firstly, a new type of the sharing energy storage mode for energy storage station service was presented, and the operation mode and profit mechanism of the public energy storage station were analyzed. Secondly, the energy storage station service was applied to the combined cooling, heating and power multi-microgrids, and a bi-level programming model considering two different time scales was established: The upper layer model solved the optimal capacity allocation problem of the energy storage station in the long time scale; The lower layer model solved the optimization operation problem of the combined cooling heating and power multi-microgrids in the short time scale. Thirdly, according to the Karush-Kuhn-Tucher (KKT) condition in the lower layer model, the lower layer model was converted and added into the constraints of the upper layer model, and the nonlinear problem was linearized by the Big-M method. Finally, the rationality and effectiveness of the proposed bi-level programming model were demonstrated through the analysis of the three scenarios. It proves that the proposed sharing energy storage station service can effectively reduce the cost of customers, save energy storage resources and realize the mutual benefit and win-win situation between the customers and the energy storage station operator.KEY WORDS: sharing energy storage station; energy storage基金项目：国家电网公司总部科技项目(5418-202018247A-0-0-00)。

电力系统中的风光储一体化调度优化研究

电力系统中的风光储一体化调度优化研究随着气候变化日益严峻的形势和全球对可再生能源的需求日益增长，风力和光伏发电已经成为了现代电力系统中不可或缺的组成部分。

然而，由于风力和光伏发电的间歇性和不稳定性，其在电力系统中的集成面临一系列的技术挑战。

为了解决这些问题，风光储一体化技术应运而生。

本文将探讨电力系统中的风光储一体化调度优化的研究。

风光储一体化技术的基本原理是将风力发电和光伏发电与储能技术有机地结合起来，以便在供电不足或电网负荷过高时能够实现能量存储和释放。

通过储能系统，风力和光伏发电可以将其产生的电力存储起来，以便在需要时能够供应给电力系统。

这种一体化调度的关键在于找到最优的调度策略，以最大化可再生能源利用，保证电力系统的可靠性和经济性。

在优化调度方面，主要存在三个问题：最优发电调度问题、储能装置容量配置问题和电网容量优化问题。

首先，最优发电调度问题是指如何合理安排风力和光伏发电的输出功率，以使得系统总体效益最大化。

这个问题涉及到对风力和光伏发电的输出进行预测和调度的方法，以及对电力系统的负荷需求进行准确预测的技术。

其次，储能装置容量配置问题是指如何确定合适的储能装置容量，以应对不同的电力系统需求。

储能设备的容量大小直接影响到风光储一体化系统的性能和经济效益。

因此，在进行储能装置的容量配置时，需要考虑到系统稳定性、经济性和环境可持续发展的要求。

最后，电网容量优化问题是指如何通过合理规划电力系统的输电线路和变电站容量，以满足风光储一体化设备的供应需求。

由于风光储一体化系统通常分布在电力系统的各个节点，因此需要对电网进行优化设计，以确保风光储一体化系统的稳定运行，并降低电网的损耗和成本。

为了解决以上问题，研究学者们提出了不同的优化调度方法和算法。

一种常用的方法是基于模型预测控制（Model Predictive Control，MPC）的调度优化方法。

该方法通过建立数学模型来预测风力和光伏发电的输出及负荷需求，以根据最优控制策略来调整发电和储能的功率输出。

计及多重差异的交直流混合多能微网多时间尺度优化调度

计及多重差异的交直流混合多能微网多时间尺度优化调度蔡瑶;卢志刚;潘尧;何良策;周长磊【期刊名称】《电工技术学报》【年(卷),期】2024(39)11【摘要】近年来,可再生能源发电、热电联产、储能和电力电子变压器(PET)等技术发展迅速,有利于构建多能互补、清洁高效的交直流混合多能微网(MEMG),但不成熟的PET模型和复杂的不确定性为系统的优化调度带来了挑战。

为此,首先构建了一种基于三级式PET的交直流混合MEMG结构,建立了包括PET在内的设备模型和不确定性模型;其次,提出了计及多重差异的MEMG多时间尺度优化调度策略,明确了日前-日内-实时三时间尺度调度的协调机制,其中,多重差异包含需求响应资源、系统调度目标和源荷预测精度在时间尺度上的差异,以及不同能量的响应特性差异;再次,建立了对应的多时间尺度优化调度模型,包括日前鲁棒机会约束优化模型、日内随机优化模型和实时分层滚动修正模型,并在日前调度中,改进了传统储能和电热耦合设备的备用模型,设计了基于PET的交直流系统备用共享机制,将调度模型转换为混合整数线性规划模型,给出了利用CPLEX求解器求解多时间尺度调度模型的步骤;最后,通过算例分析表明,所提调度策略可以通过逐级修正调度计划应对不确定性,且所设计备用方案兼具可靠性和灵活性。

【总页数】19页(P3392-3410)【作者】蔡瑶;卢志刚;潘尧;何良策;周长磊【作者单位】燕山大学电力电子节能与传动控制河北省重点实验室;济宁曲阜机场有限公司【正文语种】中文【中图分类】TM732【相关文献】1.计及不同主体的含PET交直流混合微网双层优化调度2.计及源荷不确定性的独立型交直流混合微网多能源协调优化调度3.计及多能共享的互联微能源网的分布式协同优化调度4.考虑多重不确定性的交直流混合微网多目标优化运行因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

1 微网模型
本文研究的微网系统包括小型热电联产发电机组、风力发电机组、热电储能设备以及燃气锅炉等。为了加强微网系统中热和电系统之间的关联，引入电热转化设备，可以在电力富余和价格较低的时段，通过加热装置转化为热能；同时，电热转化装置调节用电功率的速度快，可以在实时运行时参与调节风电出力的波动。 1.1 微网的优化运行微网通过热、电联合优化和多种设备间的协调控制，实现微网的协调优化运行。在微网日前调度中，以经济运行为优化目标，利用分时电价（TOU）实现用电的削峰填谷。通常,用电负荷高峰一般出现在白天，而热负荷高峰则在早晨和晚上[8]，所以可以让CHP在白天电负荷高峰时发电，由于此时的热负荷并不匹配，因此需要通过储热装置存储多余热能。晚上，电负荷较低、热负荷较高时，储热装置会释放热能供热，同时由于此时电价较低，电热转化装置会利用电能转化为热能进行供热。 1.2 考虑风电随机性的微网多时间尺度能量优化调度随着分布式发电，尤其是可再生能源接入电网，必将给电网带来很多影响。以微网整合分布式电源，实现微网内各种设备的协调优化控制，减少对外部电网的影响。大量研究发现风电存在很大的随机性[9]，风电的随机性需要电网在运行时提供大量旋转备用，这必然会降低电网的经济运行水平，大量的风电接入可能还会影响电网的安全稳定运行[10]。本文通过日前调度计划和实时运行调整的多时间尺度协调优化调度，降低微网内部风电的随机性对外部电网的影响。在日前调度计划时，在优化模型中利用场景手段考虑第二天风电的可能出力，保证在日内实时运行时风电出力偏离日前预测时，调度计划可以灵活调整，从而降低风电随机性对外部电网的影响。另外，通过考虑微网公共连接点(PCC)处的波
T
T
T nCHP
徐立中，等
考虑风电随机性的微网多时间尺度能量优化调度
h max 0 HB HB h h 1 | HB HB | RB
- 3 -
出功率)；Fi h 是 h 时刻 CHP i 的燃气流量；FBh 是 h 时刻锅炉的燃气流量。利用一次曲线对CHP的燃气流量和电功率进行拟合[17]，如式(2)。 Fi h f i ( Pi h ) aFi Pi h bFi I ih (2) 其中： Pi h 表示CHP在 h 时刻的电功率； I ih 是CHP在 h 时刻的开停机状态。类似地，CHP余热回收可用式(3)拟合。
h h Fobj cGrid PGrid cGas FBh cGas Fi h (1) h 1 h 1 h 1 i 1
h h 是 h 时刻的电价；cGas 是燃气价格； PGrid 其中：cGrid 是 h 时刻 PCC 处的电能交换(大于 0 表示外部电网向微网输送功率，小于 0 则表示微网向外部电网输
Multi-time scale optimal energy dispatch of microgrid considering stochastic wind power
XU Li-zhong1, YI Yong-hui2, ZHU Cheng-zhi1, ZHAO Bo3, XIANG Zhong-ming1, XIE Ying-jie1 (1. Zhejiang Electric Power Corporation, Hangzhou 310007, China; 2. XJ Group Corporation, Xuchang 461000, China; 3. Zhejiang Electric Power Test & Research Institute, Hangzhou 310014, China) Abstract: Multi-time-scale scheduling model of electricity and heat for microgrid with volatile wind power generation is proposed, which coordinates the day-ahead schedule and real-time dispatch for microgrid in different time scales. In this model, the objective of day-ahead scheduling is to minimize the operational cost of microgrid, while the flexibility of microgrid operation is improved to adapt to the volatile wind power with the stochastic wind output represented by scenarios; and the real-time power exchange between microgrid and external grid approaches to the day-ahead scheduled curve as close as possible by the real-time dispatch, in which the fluctuation of wind power is accommodated by rapid response facilities. According to the multi-time-scale scheduling model, the impact of the volatile wind power on the external grid is mitigated while the economic operation of microgrid is achieved through the coordination of facilities. Simulation results show the effectiveness of this scheduling model. Key words: microgrid; wind power; stochastic property; day-ahead scheduling; real-time dispatch 中图分类号： TM619; TM73 文献标识码：A 文章编号： 1674-3415(2014)23-0001-08
动，实现微网对外部电网的可调度性。而在实时运行时，当风电出力偏离日前预测值时，利用电热转化和电储能装置的快速响应[11]，保证日前调度的有效性。在日前调度中，系统通过投资成本较低的热储能，优化热、电负荷的匹配，实现系统削峰填谷，而且在日前调度模型中，利用多场景手段描述风电出力的随机性，提高了系统适应风电出力随机性的灵活性；而在实时运行时，通过响应速度较快的电热转化装置和电储能系统，实现微网系统对风电出力波动的消纳，减小风电出力随机性对电网的影响。在实时运行时利用电热转换设备和储热装置快速调节风电随机性带来的影响，可以有效减少电储能系统的容量配置。这在当前电储能成本较高[8]的情况下，可以极大地降低系统建设成本。
-2-
电力系统保护与控制
在能量优化调度，对于可再生能源出力随机性的影响以及多时间尺度的协调控制并没有予以考虑。本文研究了微网多时间尺度能量优化调度，通过日前能量调度计划和实时运行调整的多时间尺度协调优化调度，研究热、电的联合优化，实现系统最优运行的同时，提高微网对于外部电网的可调度性。在日前能量调度模型中，考虑风电出力随机性，利用热、电系统之间的关联，通过大容量储热装置和电热转化设备，实现用电的削峰填谷和微网的灵活运行；在实时运行时，当超短期预测与日前预测的风电出力出现偏差时，通过调整日前调度计划，实现日前调度计划的有效性。
第 42 卷第 23 期 2014 年 12 月 1 日
Power System Protection and Controlห้องสมุดไป่ตู้
电力系统保护与控制
Vol.42 No.23 Dec. 1, 2014
考虑风电随机性的微网多时间尺度能量优化调度
徐立中 1，易永辉 2，朱承治 1，赵波 3，项中明 1，谢颖捷 1
0 引言
分布式发电系统因其明显的经济和社会效益，近年来得到了快速发展。分布式发电靠近用电负荷，可以有效减少输电线网损；同时与大电网联网，互为补充运行，节省系统建设成本的同时提高供电可靠性[1-2]。分布式发电的主要形式包括风能和太阳能等可再生能源，以及热电联产等高效的小型发电机组，不仅可以有效减少污染物排放，而且通过余热回收能极大地提高能源的利用效率，实现节能减排。但是，随着大量分布式发电接入配电系统，电力系统的安全稳定运行面临严峻挑战。尤其是当可
(1.国网浙江省电力公司，浙江杭州 310007；2.许继集团有限公司，河南许昌 461000； 3.国网浙江省电力试验研究院，浙江杭州 310014) 摘要：提出了考虑风电随机性的微网多时间尺度能量优化调度模型，实现了微网日前调度计划和实时调整之间的协调优化调度。该模型的日前调度部分以微网经济运行为目标，考虑风电出力的随机性，利用多场景方法提高了微网适应风电出力随机性的灵活性。在实时运行调整环节，利用响应速度较快的可控负荷消纳风电出力波动，使微网和外部电网的功率交换遵循日前调度计划，保证日前调度计划的有效性。该多时间尺度调度模型通过优化协调各种设备的运行，实现微网经济运行的同时，很好地消纳了风电随机性给外部电网带来的影响，实现了含风力发电微网对外部电网的可调度性。算例仿真验证了该模型的有效性。关键词：微网；风电；随机性；日前调度；实时运行调度
2 考虑风电随机性的日前调度
2.1 风电随机性的场景描述本文采用场景描述方法描述风电出力的随机性。结合日前风电预测，利用拉丁超立方抽样(Latin Hypercube Sampling, LHS)[12]产生第二天风电可能的出力曲线；然后利用场景削减技术削减场景数量，从而减少模型求解的计算量。假设风电出力满足 N ( , 2 ) 正态分布，其中是日前预测风电出力值，是风电可能出力的标准差，用来表征风电的随机性，并假设标准差与预测值成一定比例关系[13]。与随机采样不同，LHS方法可以更精确描述变量的分布。对于每一个变量，其累计概率分布被等分为 N 份，然后在每一等份中随机选取一个值。通过 LHS采样，风电出力的随机性可以通过大量的场景来描述。然后采用考虑Kantorovich距离[14]的场景削减方法对场景进行削减。 2.2 微网日前调度的确定性模型以系统总运行成本最低作为微网日前调度的目标，考虑热、电平衡约束，设备出力上下限和爬坡率约束，机组最小开停机时间等约束[15-16]。本文中日前调度时间间隔为1 h。 2.2.1 目标函数微网日前调度的目标是系统总成本费用最低，包括与外部电网的电能交换成本、发电机和锅炉的燃料成本。