💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
📋📋📋本文目录如下：🎁🎁🎁
目录
💥1 概述
📚2 运行结果
🎉3 参考文献
🌈4 Matlab代码、数据、文献
💥1 概述
文献来源：
摘要：随着天然气发电机组数量的逐渐增长,电力网络和天然气网络之间的耦合加深,它们之间的协同运行变得愈发重要。同时,不确定性新能源的接入给电力和天然气互联系统的经济安全运行带来了挑战。为了应对风电不确定性给互联系统带来的运行风险,采用分布鲁棒机会约束,通过数据驱动的方式,以少量的风电预测误差历史数据得到与矩信息有关的模糊集,并将形成的机会约束问题转化为易于求解的形式。另外,为了保护电、气系统各自的隐私信息,在假设存在第三方可信任的协调者的前提下,利用松弛交替乘子法,实现互联系统的分布式协同运行。仿真结果表明,分布鲁棒优化相比较于传统的随机优化可以实现较低的机会约束违反概率。另外,相比较于传统交替乘子法,松弛交替乘子法能够以更小的迭代次数达到同等的收敛精度。
关键词：
电-气互联网络;分布鲁棒优化;风电;协同;松弛交替乘子法;
当前，天然气和可再生能源在电力系统中大量使用[1-2]。天然气机组（natural gas units, NGUs）是电力系统中的电力供应商，同时也是天然气网络中的天然气消费者。另外，风能作为最重要的可再生能源之一，在过去几十年中经历了飞速发展[3]。但是，可再生能源固有的间歇性和波动性给电力和天然气互联系统（integrated electricity and natural gas system, IEGS）的联合运营带来了极大的不确定性，从而使其安全性易受影响[4]。因此，具有风电不确定性的IEGS协调调度问题具有重要的研究意义。已经有学者研究机会约束的IEGS最优调度，以应对不确定风电预测误差所引起的运行风险[5]。在机会约束规划中，以概率表示的风险约束是针对物理约束（例如传输的电力流和气体流量），以一定的安全水平来限制不确定风电对线路过载或者管道过载的影响[6]。机会约束规划的解决方案包括场景近似[7]，鲁棒优化[8]，以及依赖于特定概率分布的分析形式[9]。但是，场景近似通常在计算上比较繁琐，总体上比较保守，而鲁棒优化与场景近似相比更为保守。如果
不确定的参数不符合假定的概率分布，依赖特定分布的求解可能会导致结果不可靠[10]。机会约束的另一个挑战在于可再生能源具有不稳定的特性，难以获得大量的历史数据去刻画可再生能源的概率分布。为了解决这些缺点，有学者提出了基于分布鲁棒的机会约束（distributionally robust chance constraint, DRCC）。在DRCC中，不确定的约束需要在一定的概率下满足在模糊集中的所有分布。例如，文献[11]研究了DRCC基于不确定性参数的均值和协方差矩阵的矩模糊集，考虑风电不确定性对IEGS运行的影响。在文献[12]中，风能不确定性由Wasserstein模糊集描述，即在
Wasserstein距离意义上围绕经验分布的候选分布。
📚2 运行结果
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
[1]钱瞳,陈星宇,张文浩等.不确定风功率接入下电-气互联系统的协同经济调度[J].全球能源互联网,2020,3(06):582-589.DOI:10.19705/j.cnki.issn2096-5125.2020.06.005.
