趙晉泉，汪 晶

（河海大學(xué)能源與電氣學(xué)院，江蘇南京210098）

在電力系統(tǒng)的短期經(jīng)濟(jì)運(yùn)行中，機(jī)組組合是一個核心問題。它是在一個調(diào)度周期內(nèi)，通過合理安排火電機(jī)組的開、停以及出力大小，在滿足系統(tǒng)運(yùn)行約束和機(jī)組自身約束的前提下，實(shí)現(xiàn)全系統(tǒng)總運(yùn)行成本最低的目標(biāo)。半個多世紀(jì)以來，隨著技術(shù)進(jìn)步、網(wǎng)絡(luò)安全性、環(huán)境保護(hù)和節(jié)約能源要求提高、電力市場化改革以及多種可再生能源發(fā)電的接入，機(jī)組組合問題不斷發(fā)展，始終吸引著電力工業(yè)界和學(xué)者的目光。電力系統(tǒng)機(jī)組組合問題本質(zhì)上是一個不確定性優(yōu)化問題。傳統(tǒng)機(jī)組組合問題[1，2]把這種不確定性隱式表達(dá)為一個備用不等式約束。這樣處理存在兩種可能。一是過高估計了風(fēng)險，造成成本太高，不經(jīng)濟(jì)；二是低估了風(fēng)險，造成系統(tǒng)運(yùn)行不安全。因此，更加合理地考慮機(jī)組組合問題中的隨機(jī)性，在安全和經(jīng)濟(jì)之間尋找更好的折衷點(diǎn)一直是研究的重點(diǎn)。隨著風(fēng)力發(fā)電大量接入電網(wǎng)，由于風(fēng)能隨機(jī)性強(qiáng)，機(jī)組組合問題中的隨機(jī)性更受到重視，同時數(shù)學(xué)上隨機(jī)優(yōu)化技術(shù)的發(fā)展也為隨機(jī)機(jī)組組合的應(yīng)用帶來了可能。文中對基于方案樹的隨機(jī)規(guī)劃、模糊優(yōu)化和機(jī)會約束規(guī)劃3種顯式處理不確定性的技術(shù)進(jìn)行了分析、比較和評述。

1傳統(tǒng)機(jī)組組合問題

不計備用機(jī)組組合問題的數(shù)學(xué)模型為：

式中：T為總時段數(shù)；N為機(jī)組總數(shù)；F為總發(fā)電成本；γti為機(jī)組i在t時段的狀態(tài)；pti為機(jī)組i在 t時段的出力；ptd為預(yù)測的第t時段系統(tǒng)總負(fù)荷；式（3）為機(jī)組出力約束，pimax，pimin分別為i機(jī)組的最大和最小出力限值；式（4）、式（5）為機(jī)組最小啟停時間約束；Toin，Toiff分別為i機(jī)組的最小運(yùn)行和最小停機(jī)時間。

不計備用的機(jī)組組合問題僅是系統(tǒng)負(fù)荷的函數(shù)，其解可表示為：

式中：P為pt的向量形式。如果次日系統(tǒng)實(shí)際負(fù)荷

dd完全與預(yù)測相同，則上述不計備用的機(jī)組組合問題可得到滿足經(jīng)濟(jì)和安全的最優(yōu)解。

然而實(shí)際電力系統(tǒng)運(yùn)行存在很多不確定性。大致包括兩類不確定性事件：負(fù)荷預(yù)測偏差和設(shè)備的不可靠。一般而言，可以把機(jī)組組合問題中的不確定性隱式表達(dá)為一個固定備用需求的不等式約束，加入上述模型中，如下式：

式中：Rt為t時段系統(tǒng)備用需求，通常取為一定比例的系統(tǒng)負(fù)荷（如10%）或系統(tǒng)中最大的發(fā)電機(jī)額定功率。

式中：R為Rt的向量形式。計及備用的機(jī)組組合問題構(gòu)成了機(jī)組組合的確定性模型。它簡單，求解方便，但也存在兩種可能，Rt太大，造成不經(jīng)濟(jì)；或者Rt太小，造成不安全。因此，需要尋求能夠更加合理地處理機(jī)組組合問題中隨機(jī)性的方法。數(shù)學(xué)上不確定優(yōu)化技術(shù)的發(fā)展為電力系統(tǒng)隨機(jī)機(jī)組組合的提出和應(yīng)用奠定了基礎(chǔ)?？紤]不確定事件概率，顯式表達(dá)不確定性成為近期的研究熱點(diǎn)。

2不確定性機(jī)組組合問題

負(fù)荷預(yù)測偏差屬于連續(xù)事件，而諸如發(fā)電機(jī)和線路故障退出等設(shè)備不可靠屬于離散事件。隨著風(fēng)力發(fā)電大量接入電網(wǎng)，由于風(fēng)能隨機(jī)性強(qiáng)，則機(jī)組組合問題中的風(fēng)電出力也是一個不確定量。一般而言，風(fēng)電場根據(jù)風(fēng)力的大小來決定其發(fā)電量，不受調(diào)度員的控制。因此，風(fēng)電出力相當(dāng)于傳統(tǒng)機(jī)組組合問題中的一個負(fù)的負(fù)荷，則風(fēng)電的隨機(jī)性也可處理為負(fù)荷的隨機(jī)性。

在不確定性規(guī)劃中，對不確定問題的處理有2種方法[3]：一是隨機(jī)規(guī)劃，二是模糊規(guī)劃?；谶@兩類數(shù)學(xué)方法的原理，比較了3種顯式處理機(jī)組組合問題中不確定性的方法：基于方案樹的隨機(jī)規(guī)劃法[4]，模糊優(yōu)化方法和基于機(jī)會約束規(guī)劃的方法。

2.1基于方案樹的隨機(jī)規(guī)劃機(jī)組組合問題

1996年法國學(xué)者Carpentier等人[5]和美國學(xué)者Takriti等人[6]分別提出了基于方案樹的隨機(jī)規(guī)劃機(jī)組組合模型。該方法將無限維的不確定性用有限數(shù)量的場景（或稱方案、情形）來模擬，并編組為一個方案樹，并給定各方案相應(yīng)的概率作為權(quán)重，求取各方案綜合的最優(yōu)發(fā)電計劃。在該方法中，目標(biāo)函數(shù)變?yōu)楦鞣N方案的加權(quán)發(fā)電成本最小。

式中：S為方案樹中的總方案數(shù)；Js為方案s的概率，滿足：

負(fù)荷平衡約束條件（10）考慮了多種可能的負(fù)荷情況；約束條件（12）為聯(lián)系各種不同方案的束約束（Bundle-constraints），B（s1，t）代表在方案 s1下從開始到t時段的部分決策；式（12）表示如果根據(jù)t時段的信息無法區(qū)分出在時段t內(nèi)2種不同的情況s1和s2，那么這2種方案從開始到t時段時的決策一樣。束約束屬于系統(tǒng)耦合約束。方案樹如圖1所示。

圖1方案樹

基于方案樹的機(jī)組組合問題是各種方案發(fā)生概率和具體方案的函數(shù)，表示為如下形式：

式中：JS，分別為 JS，的向量形式。

式（14）存在2個特例。一是：

式（16）表示在機(jī)組組合問題中不發(fā)生任何隨機(jī)事件，則此時該問題退化為不考慮備用的機(jī)組組合問題，見式（6）。

在該方法中，方案樹的選擇和確定至關(guān)重要，方案選擇過多，計算復(fù)雜度和計算時間成倍增長；方案選擇過少，則無法模擬各種可能從而存在一定的風(fēng)險。

在式（9—13）的基礎(chǔ)上，若增加考慮網(wǎng)絡(luò)安全約束，從而可考慮網(wǎng)絡(luò)中支路故障的隨機(jī)性，形成計及網(wǎng)絡(luò)安全約束的隨機(jī)機(jī)組組合問題[7，8]。

僅通過方案分解這種隨機(jī)規(guī)劃方法考慮不確定性，仍可能存在一些風(fēng)險。如負(fù)荷變化這種連續(xù)變化事件用方案樹來離散處理，可能無法準(zhǔn)確描述該類事件的可能情況，即方案樹上的有限種方案終究是不能涵蓋機(jī)組組合問題中所有可能存在的不確定性。文獻(xiàn)[9]提出雙重隨機(jī)性考慮：即固定備用大小的傳統(tǒng)做法與方案樹隨機(jī)優(yōu)化方法相結(jié)合。用固定備用來考慮系統(tǒng)中負(fù)荷預(yù)測偏差這類連續(xù)事件的隨機(jī)性，而用隨機(jī)優(yōu)化處理發(fā)電機(jī)和線路故障跳出這類大的隨機(jī)離散事件。因此需要在備用的容量和選取的方案間找到一個平衡點(diǎn)，使得該問題既可靠又安全。

2.2模糊機(jī)組組合問題

模糊優(yōu)化理論起源于20世紀(jì)70年代Bellman和Zadeh提出的模糊決策概念和模糊環(huán)境下的決策模型[10]。將優(yōu)化問題中不確定量用模糊方式表達(dá)，不僅能表示可行解，而且對不可行解可按距離可行域的遠(yuǎn)近程度進(jìn)行模糊處理，是處理不確定性信息的有效方法。

由于系統(tǒng)負(fù)荷的隨機(jī)性，可處理成模糊量，從而機(jī)組組合的總成本也同樣是模糊數(shù)，經(jīng)過模糊處理的系統(tǒng)負(fù)荷可表示為某一個區(qū)間的值而不是一個具體的可能存在誤差的值。假設(shè)采用三角模糊函數(shù)表示負(fù)荷隸屬度函數(shù)：

其隸屬度函數(shù)如圖2所示。

圖2負(fù)荷的隸屬度函數(shù)

設(shè)采用梯形函數(shù)表示總成本的隸屬度函數(shù)：

式中：F0為系統(tǒng)的理想成本；F0+ΔF為最大可接受成本。隸屬度函數(shù)如圖3所示。

這樣，原來成本最小的目標(biāo)函數(shù)相應(yīng)變?yōu)樽畲蟪潭鹊臐M足各種模糊關(guān)系。目標(biāo)函數(shù)如下：

max μ （19）

s.t. μ ≤ μd（x） （20）

μ ≤ μF（x） （21）

0≤ μ ≤1 （22）

圖3總成本的隸屬度函數(shù)

在模糊集理論中，式(19—22)可等價于下面的目標(biāo)函數(shù):

上述分段線性隸屬度函數(shù)，對于約束條件的滿足關(guān)系描述得比較直觀。但文獻(xiàn)[11]首次將模糊集理論用于處理不確定性機(jī)組組合問題時，采用的是連續(xù)的隸屬度函數(shù)。2種表示方法都能起到很好的模糊處理的效果。在以后的研究過程中，連續(xù)[12]與分段線性[13，14]的模糊函數(shù)都得到了很好的應(yīng)用。

模糊機(jī)組組合問題[15-18]是系統(tǒng)負(fù)荷向量Pd和負(fù)荷預(yù)測最大允許偏差向量ΔPd的函數(shù)，其解可近似表示為如下形式：x=F（ΔPd，Pd） （24）當(dāng)所有Δ=0時，其存在特解：x*= （0，Pd） （25）

此時，特解的形式與式（6）等價，則該問題退化為不計備用的機(jī)組組合問題。

該方法中，使用隸屬度函數(shù)來描述差異的中間過渡，處理了模糊現(xiàn)象，因此，隸屬度函數(shù)的選擇對問題的求解影響較大。

模糊邏輯是另一種利用模糊優(yōu)化理論處理不確定性問題的方法。它主要對工程中很難用精確數(shù)學(xué)關(guān)系表示的問題采用模糊邏輯規(guī)則的推理形式描述，文獻(xiàn)[19，20]將這種模糊邏輯方法應(yīng)用于機(jī)組組合中。其方法如下：對該問題中的模糊輸入量選取適當(dāng)?shù)碾`屬度函數(shù)，使之有對應(yīng)的模糊語義然后根據(jù)輸入的模糊語義通過模糊規(guī)則推出輸出的模糊語義，最后通過逆模糊化得到輸出的準(zhǔn)確值。但是，該方法的模糊推理規(guī)則是與具體研究對象相關(guān)的，因人因景而異，它對優(yōu)化結(jié)果有直接影響。

2.3基于機(jī)會約束規(guī)劃的機(jī)組組合問題

機(jī)會約束規(guī)劃是隨機(jī)規(guī)劃的重要分支，由Char-nes和Cooper首先提出，主要針對的是約束條件中含有隨機(jī)變量，且必須在觀測到隨機(jī)變量的實(shí)現(xiàn)之前做出決策的問題[21]。機(jī)會約束規(guī)劃方法是將不確定性問題中的軟約束 （即允許一定程度不滿足的約束）以一定的概率進(jìn)行松弛處理，用約束條件成立的概率來表示和量度風(fēng)險[22]，達(dá)到通過冒一定風(fēng)險節(jié)省成本的目的，也是一種較好的不確定性風(fēng)險管理方法。

針對固定備用約束（見式（7）），可采用通過冒風(fēng)險的方式使之以一定置信度滿足。這樣由于約束條件的松弛，可以節(jié)省一部分發(fā)電成本。因此，該方法就是通過對利潤和風(fēng)險之間的協(xié)調(diào)，找到一個折衷點(diǎn)。其數(shù)學(xué)模型大致為：

式中，Pr｛｝為 ｛｝中事件成立的概率；α、β分別為決策者預(yù)先給定的對應(yīng)目標(biāo)函數(shù)和約束條件的置信水平；Fˉ為機(jī)組組合目標(biāo)函數(shù)F在概率水平至少是α?xí)r所取的最小值。

該模型要求系統(tǒng)調(diào)度員在（0，1）范圍內(nèi)適當(dāng)?shù)剡x擇約束條件的置信水平和相應(yīng)的調(diào)度方案，并允許所形成的調(diào)度方案在某些比較極端的情況下不滿足約束條件，但這些情況發(fā)生的概率必須小于該置信水平。該置信水平的高低可以反映出對電力系統(tǒng)運(yùn)行水平的要求。

基于機(jī)會約束規(guī)劃的機(jī)組組合問題是目標(biāo)函數(shù)和備用約束條件置信水平α，β的函數(shù)，同時也是系統(tǒng)負(fù)荷和系統(tǒng)備用的函數(shù)。其解可用如下形式表示為：

x=F （α，β，R，Pd） （29）

置信水平β的值是備用約束不等式成立的概率。當(dāng)α=β=1.0時，則此時備用約束條件完全成立，特解形式如下：

x=F （R，Pd） （30）此時式(28)變?yōu)槭?7)，該問題退化為計及固定備用約束的機(jī)組組合問題。

當(dāng)α=β=0時，此時完全沒有考慮系統(tǒng)備用，此時的特解表示為：

x=F （Pd） （31）

此時模型退化為不考慮備用的機(jī)組組合問題（6）。

文獻(xiàn)[23]首次將機(jī)會約束規(guī)劃用來處理機(jī)組組合問題的不確定性，松弛處理的是負(fù)荷平衡約束，沒有考慮備用約束。其數(shù)學(xué)模型為：

這種處理使負(fù)荷平衡約束的置信水平必須取得很大，否則風(fēng)險比較大。與這種方法相比，在必須滿足負(fù)荷平衡約束的基礎(chǔ)上松弛備用約束，如果置信水平取得合適，則相對安全。

3 3種不確定性處理方法的比較

上述3種方法在處理機(jī)組組合中的不確定性時都能較好的考慮電力系統(tǒng)運(yùn)行過程中出現(xiàn)的不確定情況，并且與傳統(tǒng)的機(jī)組組合相比都能獲得一定的經(jīng)濟(jì)效益。

基于方案樹的隨機(jī)規(guī)劃處理方法對系統(tǒng)中不確定方案的形式?jīng)]有要求，無論是離散事件還是連續(xù)事件，它都能通過方案樹描述，并且該處理對機(jī)組組合問題的求解方法沒有太多要求，用傳統(tǒng)的分解方法即可。但該技術(shù)通過將連續(xù)事件離散化處理，系統(tǒng)難免會有風(fēng)險存在，并且計算量很大，無論是方案的選擇，還是后面的分解計算，都有一定的復(fù)雜性。并且方案樹的選擇也至關(guān)重要，它既關(guān)系到計算復(fù)雜度又關(guān)系到解的質(zhì)量。

模糊優(yōu)化根據(jù)隸屬度函數(shù)對系統(tǒng)中模糊量直接進(jìn)行松弛，因此隸屬度參數(shù)的選取，會對系統(tǒng)的優(yōu)化結(jié)果產(chǎn)生影響。也就是說該方法對隸屬度參數(shù)有較大的依賴性。目前，這些隸屬度函數(shù)參數(shù)的選取常常根據(jù)系統(tǒng)運(yùn)行的條件，結(jié)合調(diào)度運(yùn)行人員的經(jīng)驗(yàn)來確定，沒有嚴(yán)格的理論依據(jù)。該方法能很好的對連續(xù)變化量進(jìn)行模糊處理，且計算比較簡單，但對機(jī)組組合問題中的離散隨機(jī)事件處理不好。

基于機(jī)會約束規(guī)劃的機(jī)組組合方法中，約束條件和目標(biāo)成本的實(shí)現(xiàn)概率為方案的風(fēng)險，這種方案風(fēng)險的直觀定義方式，可以幫助決策者協(xié)調(diào)利潤和風(fēng)險，但調(diào)度方案也大大依賴于置信水平。由于優(yōu)化模型中引入了隨機(jī)變量和機(jī)會約束，如果運(yùn)用常規(guī)算法則需要將隨機(jī)規(guī)劃模型轉(zhuǎn)化為確定性優(yōu)化模型，實(shí)際應(yīng)用中往往難以轉(zhuǎn)化。而求解該模型需要用到隨機(jī)模擬技術(shù)和現(xiàn)代智能算法。對求解方法要求較高，求解相對復(fù)雜。

表1為不同角度3種方法的定性比較結(jié)果。

4結(jié)束語

電力系統(tǒng)機(jī)組組合問題是典型的不確定性優(yōu)化問題，隨著以風(fēng)力發(fā)電等可再生能源大量接入電網(wǎng)，該問題的隨機(jī)性更強(qiáng)了。文中對基于方案樹的隨機(jī)規(guī)劃法、模糊優(yōu)化方法和基于機(jī)會約束規(guī)劃的方法等3種技術(shù)進(jìn)行了分析和比較。本文認(rèn)為：

（1）在處理考慮負(fù)荷的隨機(jī)性和涉及風(fēng)電波動性的機(jī)組組合問題時，模糊優(yōu)化方法簡單直觀，計算量也相對較小，是一種比較好的處理技術(shù)。

表1 3種處理機(jī)組組合不確定性的方法比較

（2）在需要處理如發(fā)電機(jī)、線路退出等隨機(jī)事件時，可通過選擇合適的方案樹來模擬，其發(fā)生概率也能提供。因此，基于方案樹的隨機(jī)規(guī)劃方法有較大的優(yōu)勢。

（3）在某些不具備直接給出事件概率和模糊參數(shù)的情形下，調(diào)度人員可以根據(jù)系統(tǒng)的實(shí)際情況給出一個置信水平，兼顧費(fèi)用和風(fēng)險，通過機(jī)會約束規(guī)劃方法，實(shí)現(xiàn)最優(yōu)化決策。

因此，在解決不確定機(jī)組組合問題時，可根據(jù)實(shí)際情況來選擇不同的技術(shù)。

[1]陳浩勇，王錫凡.機(jī)組組合問題的優(yōu)化方法綜述[J].電力系統(tǒng)自動化，1999，23（4）：51-56．

[2]NARAYANA P P.Unit Commitment-a Bibliographical Survey[J]．IEEE Transactions on Power Systems，2004，19（2）：1196-1205．

[3]劉寶碇，趙瑞清.隨機(jī)規(guī)劃與模糊規(guī)劃[M].北京：清華大學(xué)出版社，1998.

[4]SHIINA T，BIRGE J R.Stochastic Unit Commitment Problem[J].International Transactions in Operational Research，2004， 11：19-32.

[5]CARPENTIER P，COHEN G，CULIOLI J C，et al.Stochastic Optim ization of Unit Comm itment:a New Decomposition Framework[J].IEEE Transactions on Power Systems， 1996，11（2）： 1067-1073.

[6]TAKRITI S，BIRGE J， LONG E.A Stochastic Model for the Unit Comm itment Problem[J].IEEE Transactions on Power Systems， 1996， 11（3）： 1497-1508.

[7]WUL，SHAHIDEHPOURM，LIT.StochasticSecurity-constrained Unit Comm itment[J].IEEE Transactions on Power Systems，2007， 22（2）： 800-811.

[8]BOUFFARD F，GALIANA F D.Stochastic Security for Operations Planning with Significant Wind Power Generation[J].IEEE Transactions on Power Systems，2008，23（2）：306-316.

[9]RUIZ P A，PHILBRICK C R，ZAK E，et al.Uncertainty Management in the Unit Commitment problem[J].IEEE Transactions on Power Systems， 2009， 24（2）：642-651.

[10]唐加福，汪定偉．模糊優(yōu)化理論與方法的研究綜述[J]．控制理論與應(yīng)用，2000，17（2）：159-164．

[11]SU C C，HUS Y Y.Fuzzy Dynamic Programming:an Application to Unit Commitment[J].IEEE Transactions on Power Systems， 1991， 6（3）：1231-1237.

[12]LIANG R H，LIAO J H.A Fuzzy-Optimization Approach for Generation Scheduling w ith Wind and Solar Energy Systems[J].IEEE Transactionson Power Systems，2007，22（4）：1665-1674.

[13]EL-SAADAWI M M，TANTAWI M A，TAWFIK.A Fuzzy Optimization-Based Approach to Large Scale Thermal Unit Comm itment[J].Electric Power Systems Research， 2004，72：245-252.

[14]ATTAVIRIYANUPAP P，KITA H，TANAKA E，et al.A Fuzzy-Optim ization Approach to Dynamic Economic Dispatch Considering Uncertainties[J].IEEE Transactions on Power Systems，2004， 19（3）：1299-1307.

[15]艾 琳，華 棟．基于模糊優(yōu)化和內(nèi)點(diǎn)法的水火電系統(tǒng)短期經(jīng)濟(jì)調(diào)度[J]．電力自動化設(shè)備，2008，28（8）：46-50．

[16]VLADIM IRO M，PUN S H.Economic Dispatch Model with Fuzzy Wind Constraints and Attitudes of Dispatchers[J].IEEE Transactions on Power Systems，2005，20 （4） ：2143-2145．

[17]VENKATESH B，PENG Y，GOOI H B，et al.Fuzzy M ILP Unit Comm itment Incorporating Wind Generators[J].IEEE Transactions on Power Systems， 2008， 19（3）： 1738-1746.

[18]TUOHY A，MEIBOM P，DENNY E，et al.Unit Comm itment for Systems with Significant Wind Penetration[J].IEEE Transactions on Power Systems， 2009， 24（2）：592-601.

[19]SEYADRASOUL S，PRASAD N R，SMOLLECK H A.A Fuzzy Logic Approach to Unit Comm itment[J].IEEE Transactions on Power Systems， 1997， 12（2）：988-995.

[20]MANTAWY A H.A Genetic A lgorithm Solution to a New FuzzyUnit Comm itment Model[J].Electric Power Systems Research， 2004， 72：171-178.

[21]孫元章，吳 俊，李國杰，等.基于風(fēng)速預(yù)測和隨機(jī)規(guī)劃的含風(fēng)電場電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度[J].中國電機(jī)工程學(xué)報，2009，29（4）：41-47.

[22]朱建全，吳杰康．水火電力系統(tǒng)短期優(yōu)化調(diào)度的不確定性模型[J]．電力系統(tǒng)自動化，2008，32（6）：51-54.

[23]OZTURK U A，MAZUMDAR M.A Solution to the Stochastic Unit Commitment Problem Using Chance Constrained Programm ing[J].IEEE Transactions on Power Systems，2004， 19（3）：1589-1598.