一种基于源网荷储不确定性的预防控制方法及相关设备与流程

1.本发明主要涉及电力系统优化计算领域，特别涉及一种基于源网荷储不确定性的预防控制方法及相关设备。


背景技术：

2.风电等新能源机组与传统新能源机组相比，其不确定性较大，对电网的安全预防带来了不小的挑战。同时，电网的发展紧跟互联网时代脚步，智能程度、复杂程度以及容量都大幅度增加，在对国民经济发展做出巨大贡献的同时，各种故障问题也频发不断。如何针对各种故障制定完善的应对策略具有重要意义。此外，节点负荷的波动以及储能设备在不同时段运行的波动，都对系统的安全稳定运行造成了不可忽视的影响。源网荷储是一种包含电源、电网、负荷、储能整体解决方案的运营模式，可精准控制用电负荷以及储能资源。对源网荷储相关系统的研究应用，对能源发展意义重大，一是提高大电网故障应对能力，而是支撑分布式电源发展。
3.目前针对源网荷储不确定性的预防控制方法研究较少，因此，如何面对源网荷储不确定性提出安全预防控制策略具有重要的应用价值。


技术实现要素：

4.本技术的目的在于提供一种基于源网荷储不确定性的预防控制方法及相关设备，能够对源网荷储不确定性提出安全预防控制。
5.第一方面，本技术提供一种基于源网荷储不确定性的预防控制方法，包括：对电网系统运行过程中的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模并生成源网荷储不确定场景；在源网荷储不确定场景下，基于电网系统成本函数以及电网系统安全裕度构建两阶段预防控制优化模型；根据两阶段预防控制优化模型确定电网系统调度方案，完成在源网荷储不确定性下对电网系统的预防控制。
6.在本技术中，先通过对电网系统运行过程中的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模并生成源网荷储不确定场景；然后在源网荷储不确定场景下，基于电网系统成本函数以及电网系统安全裕度构建两阶段预防控制优化模型；最后根据两阶段预防控制优化模型确定电网系统调度方案，完成在源网荷储不确定性下对电网系统的预防控制。本技术能够对源网荷储不确定性提出安全预防控制，考虑了源网荷储不确定性下使用综合了经济性与安全性的两阶段预防控制优化模型，能够有效为电网预防故障提供更安全、更经济的调度方案。
7.在第一方面的一种实现方式中，对电网系统运行过程中的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模并生成源网荷储不确定场景，包括：对电网系统运行过程中风电机组的源不确定性进行建模，得到风电机组功率pw与风速之间的关系方程，风电机组功率pw与风速v之间的关系方程表示为：
其中，pn表示风电机组的额定功率，v
in
表示风电机组的切入风速，vo表示风电机组的切出风速，vn表示风电机组的额定风速；对电网系统运行过程中通信网络故障切除时间的不确定性进行建模，得到故障切除时间ti的正态分布方程，故障切除时间ti的正态分布方程表示为：其中，μ
t
为故障切除时间的期望，σ
t
为故障切除时间的方差；对电网系统运行过程中节点负荷不确定性进行建模，得到节点有功功率pn的正态分布方程，节点有功功率pn的正态分布方程表示为：其中，μn表示节点有功功率的期望，σn表示节点有功功率的方差。
8.在本技术中，在对电网系统运行过程的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模时，包括了对电网系统运行过程中风电机组的源不确定性进行建模、对电网系统运行过程中通信网络故障切除时间的不确定性进行建模以及对电网系统运行过程中节点负荷不确定性进行建模。本技术充分考虑了电网系统发生故障时不确定性的各种来源，能够有效基于源网荷储不确定性对电网系统进行优化预防控制。
9.在第一方面的一种实现方式中，对电网系统运行过程中的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模并生成源网荷储不确定场景，还包括：利用非序贯蒙特卡洛法生成电网系统运行过程中的各个不确定参数，得到源网荷储不确定场景。
10.在本技术中，能够通过利用非序贯蒙特卡洛法生成电网系统运行过程中的各个不确定参数，得到源网荷储不确定场景。本技术采用了基于非序贯蒙特卡洛法生成场景法，主要利用不确定变量的概率信息，生成大量确定的场景来代替原有不确定信息进行调度优化。非序贯蒙特卡洛法本质上是一种两阶段随机方法，具有简便、速度快等的特性，用其来进行系统场景的模拟生成，即用场景来准确描述变量的不确定性，使得模型更为精确，提高了后续模型精度。
11.在第一方面的一种实现方式中，在源网荷储不确定场景下，基于电网系统成本函数以及电网系统安全裕度构建两阶段预防控制优化模型，包括：在源网荷储不确定场景下，基于电网系统成本函数以及电网系统安全裕度构建第一阶段多目标优化模型，两阶段预防控制优化模型包括第一阶段多目标优化模型和第二阶段单目标优化模型，第一阶段多目标优化模型表示为：min{α1f
g-α2f
σ
}，其中，α1和α2分别为发电机成本和安全裕度的比例系数，fg为发电机的成本函数，发电机的成本函数表示为：为第i个发电机组在t时刻的有功功率，n
t
表示电网系统运行时间，ng表示发电机组总数，ai、bi、ci分别为发电机组
的费用系数；f
σ
为电网系统安全裕度，电网系统安全裕度表示为：其中，t
t
为最大回摆角时刻，pa(t
t
)为最大回摆角时刻的不平衡功率，最大回摆角为θu为持续故障法确定的不稳定平衡点；基于电网系统安全裕度构建第二阶段多目标优化模型，第二阶段单目标优化模型表示为：其中，为电网安全裕度最大值。
12.在本技术中，两阶段预防控制优化模型是一个两阶段控制模型，第一阶段为经济性及安全性控制阶段，即第一阶段多目标优化模型，目标是在保证电网系统平稳运行的同时，使运行成本最小化。第二阶段为安全性控制阶段，即第二阶段单目标优化模型，目标是在遇突发状况时，能够在第一阶段的执行策略基础上，计算对应运行点的安全裕度，电网系统的安全运行。
13.在第一方面的一种实现方式中，基于电网系统成本函数以及电网系统安全裕度构建两阶段预防控制优化模型，还包括：获取第一阶段多目标优化模型的约束方程以及第二阶段单目标优化模型的约束方程；第一阶段多目标优化模型以及第二阶段单目标优化模型的约束方程均包括潮流约束、静态安全不等式约束以及安全裕度约束；第一阶段多目标优化模型的潮流约束表示为：其中，n为电网系统中的节点总数；分别为第z个节点在t时刻的有功负荷和无功负荷；分别为第z个节点在t时刻的有功功率和无功功率；为第z个发电机组在t时刻的无功功率；g
zj
、b
zj
为支路zj的导纳；u
z,t
、u
j,t
分别为第z个节点和第j个节点的电压幅值；δ
zj,t
为第 z个节点和第j个节点的电压相角差；第二阶段单目标优化模型的潮汐约束表示为其中，分别为电网系统发生故障前的潮流约束，分别为电网系统发生故障后的潮流约束，x为电网系统中的状态变量；静态安全不等式约束表示为：其中,表示第i个
发电机组的无功功率，分别表示第i个发电机组的无功功率的最小值和最大值；u
z,max
、u
z,min
分别为第z个节点的电压幅值上限和下限；分别为第k 条线路的视在功率和视在功率上限；αq、αu、αs分别为无功功率的概率阈值、电压的概率阈值以及视在功率的概率阈值；安全裕度约束表示为：其中，p
me
、p
ee
分别为单机映射后的等值机械功率与电磁功率；tu为达到不稳定平衡的时刻； pa为不平衡功率。
14.在本技术中，第一阶段多目标优化模型的约束方程包括潮流约束、静态安全不等式约束以及安全裕度约束，第二阶段单目标优化模型的约束方程也包括了潮流约束、静态安全不等式约束以及安全裕度约束，第二阶段单目标优化模型的约束方程中包括电网系统发生故障前的潮流约束以及电网系统发生故障后的潮流约束，电网系统发生故障前的潮流约束与第一阶段多目标优化模型的潮流约束相互对应。第一阶段多目标优化模型的静态安全不等式约束、安全裕度约束与第二阶段单目标优化模型的静态安全不等式约束、安全裕度约束相对应。
15.在本技术中，建立两阶段预防控制优化模型分为两个阶段：对第一阶段进行目标函数的建立以及约束条件的生成，其中，经济性目标函数聚焦于系统发电成本，安全性目标函数聚焦的系统的安全裕度大小。第一阶段多目标优化模型的约束包含潮流约束、静态安全不等式约束以及安全裕度约束三个部分。第一阶段保证系统安全裕度控制在最大范围内，也保证电网系统策略的经济性。对第二阶段进行目标函数的建立以及约束条件的生成，其中，第二阶段的目标函数为电网安全裕度，第二阶段单目标优化模型的约束包含潮流约束、静态安全不等式约束以及安全裕度约束三个部分。
16.在第一方面的一种实现方式中，根据两阶段预防控制优化模型确定电网系统调度方案，完成在源网荷储不确定性下对电网系统的预防控制，包括：获取电网系统在上一运行状态下对应的电网安全裕度；将电网系统在上一运行状态下对应的电网安全裕度输入至第一阶段多目标优化模型，采用多目标粒子群算法对第一阶段多目标优化模型进行求解，得到电网系统的当前运行状态数据；将电网系统的当前运行状态数据输入至第二阶段单目标优化模型，采用粒子群算法对第二阶段单目标优化模型进行求解，得到电网系统在当前运行状态下对应的电网安全裕度。
17.在本技术中，对包含发电成本和安全裕度的第一阶段多目标优化模型采用多目标粒子群算法进行求解，对包含安全裕度的第二阶段单目标优化模型采用粒子群算法求解。在求解过程中，两阶段之间的关键变量及结果将根据需要进行交互传递，交互体现为：第一阶段优化每确定一个当前运行点，都将该运行点数据即当前运行状态数据传递至第二阶段优化中，由第二阶段优化计算出该运行点对应的电网安全裕度，并将其传递到第一阶段优化中。这一交互操作具有时序关系，在确定每一个当前运行点时，先从第一阶段操作开始，然后进入第二阶段操作，最后再返回到第一阶段操作，如此循环往复地进行交替操作，但在
每一步的操作时间上，本技术没有严格的限制。
18.在第一方面的一种实现方式中，根据两阶段预防控制优化模型确定电网系统调度方案，完成在源网荷储不确定性下对电网系统的预防控制，还包括：当电网系统未发生故障时，根据两阶段预防控制优化模型中的第一阶段多目标优化模型确定电网系统调度方案；当电网系统发生故障时，根据两阶段预防控制优化模型中的第二阶段单目标优化模型确定电网系统调度方案。
19.本技术中，第二阶段模型属于紧急预防控制方案，该方案主要是电网系统发生紧急故障时，根据第一阶段多目标优化模型传递进来的当前运行点数据信息，以最大化电网安全裕度。
20.第二方面，本技术提供了一种基于源网荷储不确定性的预防控制装置，包括：不确定性建模模块，用于对电网系统运行过程中的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模并生成源网荷储不确定场景；控制模型构建模块，用于在源网荷储不确定场景下，基于电网系统成本函数以及电网系统安全裕度构建两阶段预防控制优化模型；调度方案确定模块，用于根据两阶段预防控制优化模型确定电网系统调度方案，完成基于源网荷储不确定性下对电网系统的预防控制。
21.第三方面，本技术提供一种电子设备，包括：存储器，存储器存储有多条指令；处理器，处理器从存储器中加载指令，以执行如本技术实施例所提供的任一项基于源网荷储不确定性的预防控制方法中的步骤。
22.第四方面，本技术提供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，该程序被基于源网荷储不确定性的预防控制设备执行时实现本技术实施例所提供的任一项基于源网荷储不确定性的预防控制方法中的步骤。
23.本技术通过对电网系统运行过程中的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模并生成源网荷储不确定场景，然后在源网荷储不确定场景下，基于电网系统成本函数以及电网系统安全裕度构建两阶段预防控制优化模型，两阶段预防控制优化模型是一个两阶段控制模型，第一阶段为经济性及安全性控制阶段，即第一阶段多目标优化模型，目标是在保证电网系统平稳运行的同时，使运行成本最小化。第二阶段为安全性控制阶段，即第二阶段单目标优化模型，目标是在遇突发状况时，能够在第一阶段的执行策略基础上，计算对应运行点的安全裕度，电网系统的安全运行。
24.本技术能够对源网荷储不确定性提出安全预防控制，并且构建了源网荷储不确定性下使用综合了经济性与安全性的两阶段预防控制优化模型，能够有效为电网预防故障提供更安全、更经济的调度方案。
附图说明
25.图1为本技术一实施例的基于源网荷储不确定性的预防控制方法的应用场景示意图。
26.图2a为本技术一实施例的基于源网荷储不确定性的预防控制方法的流程示意图。
27.图2b为本技术一实施例的各类故障类型的概率分布图。
28.图2c为本技术一实施例的故障位置离散化处理后的概率分布图。
29.图2d为本技术一实施例的对两阶段预防控制优化模型进行求解的流程示意图。
30.图2e为本技术一实施例的三种控制策略下的系统出力结果对比图。
31.图2f为本技术一实施例的系统暂态稳定概率对比图。
32.图3为本技术一实施例的基于源网荷储不确定性的预防控制装置的结构示意图。
33.图4为本技术一实施例的电子设备的结构示意图。
具体实施方式
34.以下通过特定的具体实例说明本技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本技术的其他优点与功效。本技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
35.需要说明的是，以下实施例中所提供的图示仅以示意方式说明本技术的基本构想，遂图式中仅显示与本技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
36.随着可再生能源如风能、太阳能等大规模地参与并网发电,以及需求侧资源如可控负荷、分布式储能、电动汽车等的主动接入,现代电网系统的长期可持续性和灵活性得到了大大增强, 但与此同时波动性和不确定性也接踵而至。愈加复杂的电网系统使传统的优化调度工作难以高效进行,具体表现为电网系统设备运行的调度信息难以通过快速计算及时获取,以及源-荷双侧不确定性对电网优化调度产生未知的负面影响。为了应对上述问题,需要研究在计算上更加高效的电网调度控制或优化算法,并从概率学视角对源-荷双侧不确定性进行建模和分析,以期转变传统的确定性电网优化调度思路,适应不确定性下电力系统优化调度的新要求。
37.本技术以下实施例提供了一种基于源网荷储不确定性的预防控制方法、装置、电子设备及介质，实现了通过构建源网荷储不确定性下综合了经济性与安全性的两阶段预防控制优化模型，能够有效为电网预防故障提供更安全、更经济的调度方案。其中，该基于源网荷储不确定性的预防控制方法或装置具体可以集成在电子设备中，该电子设备可以为终端、服务器等设备。其中，终端可以为手机、平板电脑、智能蓝牙设备、笔记本电脑、或者个人电脑 (personal computer，pc)等设备；服务器可以是单一服务器，也可以是由多个服务器组成的服务器集群。
38.在一些实施例中，该基于源网荷储不确定性的预防控制装置还可以集成在多个电子设备中，例如，基于源网荷储不确定性的预防控制装置可以集成在多个服务器中，由多个服务器来实现本技术的基于源网荷储不确定性的预防控制方法。
39.在一些实施例中，服务器也可以以终端的形式来实现。
40.例如，参考图1，该电子设备可以包括电网设备10、存储终端11、服务器12等，电电网设备10可以包括风电机组、电压表、功率计、若干节点等等，存储终端11可以用于电网系统运行状态数据，电网设备10、存储终端11、服务器12之间相互连接，在此不再赘述。
41.其中，服务器12可以包括处理器和存储器等。其中，服务器12可以包括处理器和存
储器等。服务器12可以通过对电网系统运行过程中的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模并生成源网荷储不确定场景；然后在源网荷储不确定场景下，基于电网系统成本函数以及电网系统安全裕度构建两阶段预防控制优化模型；最后根据两阶段预防控制优化模型确定电网系统调度方案，完成在源网荷储不确定性下对电网系统的预防控制等。
42.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行详细描述。
43.如图2a所示，以服务器12为执行主体，本实施例提供一种基于源网荷储不确定性的预防控制方法，包括步骤s210至步骤s250，如下：s210、服务器12对电网系统运行过程中的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模并生成源网荷储不确定场景。
44.在一实施例中，对电网系统运行过程中的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模并生成源网荷储不确定场景，包括：对电网系统运行过程中风电机组的源不确定性进行建模，得到风电机组功率pw与风速之间的关系方程，风电机组功率pw与风速v之间的关系方程表示为：其中，pn表示风电机组的额定功率，v
in
表示风电机组的切入风速，vo表示风电机组的切出风速，vn表示风电机组的额定风速；对电网系统运行过程中通信网络故障切除时间的不确定性进行建模，得到故障切除时间ti的正态分布方程，故障切除时间ti的正态分布方程表示为：其中，μ
t
为故障切除时间的期望，σ
t
为故障切除时间的方差；对电网系统运行过程中节点负荷不确定性进行建模，得到节点有功功率pn的正态分布方程，节点有功功率pn的正态分布方程表示为：其中，μn表示节点有功功率的期望，σn表示节点有功功率的方差。
45.本实施例中，对于源不确定性建模，以风电为例，考虑风速和风电机组故障的不确定性导致风电机组出力状况会随机波动。采用weibull分布来实现对风速的描速，其风速的概率密度函数可表示为：其中，c表示尺度系数，k表示形状系数，v表示输入风机的风速。
46.本实施例中，网不确定性主要是由系统的各类设备故障导致的，主要考虑故障的类型、位置以及切除时间。针对故障的类型的网不确定性，本实施例可以先获取电网运行历史数据，根据电网运行历史数据离散统计得到网不确定性。本实施例根据ieee协会获得的四类故障离散概率分布如图2b所示，各类故障类型包括三相接地故障f1、双相接地故障f2、
单相接地故障f3以及相间故障f4,其中，单相接地故障f3的概率为93％，相间故障f4的概率为4％，双相接地故障f2的概率为2％，三相接地故障f1的概率为1％。
47.针对故障的位置的网不确定性，本实施例可以将本应为连续性变量的故障位置进行离散化处理，其概率分布图如图2c所示，当故障位置离线路源头距离占线路总长度比值在 0至0.2范围之间时，故障位置概率为20％；当故障位置离线路源头距离占线路总长度比值在0.2至0.8范围之间时，故障位置概率为60％；当故障位置离线路源头距离占线路总长度比值在0.8至1范围之间时，故障位置概率为20％。
48.另外，故障切除时间的不确定性对电网的影响不容忽视，切除时间的快慢将决定故障对电网的影响冲击还会持续多久。由于继电保护和通信网络运行状态不同，故障切除时间ti具有一定的不确定性，本实施例采用了正态分布进行模拟。
49.本实施例中，在对电网系统运行过程的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模时，包括了对电网系统运行过程中风电机组的源不确定性进行建模、对电网系统运行过程中通信网络故障切除时间的不确定性进行建模以及对电网系统运行过程中节点负荷不确定性进行建模。本技术充分考虑了电网系统发生故障时不确定性的各种来源，能够有效基于源网荷储不确定性对电网系统进行优化预防控制。
50.在一实施例中，对电网系统运行过程中的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模并生成源网荷储不确定场景，还包括：利用非序贯蒙特卡洛法生成电网系统运行过程中的各个不确定参数，得到源网荷储不确定场景。
51.本实施例中，考虑非序贯蒙特卡洛法具有简便，速度快、对算力的要求不高的特性，因此用其来进行系统场景的模拟生成。首先对电网系统每个部件状态进行采样。假设电网系统包含n个部件，ek为部件k的运行状态，其中k＝1,2,3
……
n，则ek值为1时代表该部件正常运行，ek为0时代表部件k运行状态异常，即对每个部件的采样值为其中，tk为部件k不在正常运行状态的概率，hk为在[0,1]区间内服从均匀分布的一个随机数。再重复以上步骤生成其余部件的运行状态。当所有部件的状态都确定时，即完成了一次整体系统场景随机模拟生成。设该次模拟生成的系统运行状态为ei，对应的整个系统运行状态概率其中，no为系统中运行状态异常的部件个数。最后为了提高精度需结合大数定律，即当采样的次数尽可能地多时，样本的均值将会无限接近于样本的期望值。
[0052]
本实施例中，能够通过利用非序贯蒙特卡洛法生成电网系统运行过程中的各个不确定参数，得到源网荷储不确定场景。本技术采用了基于非序贯蒙特卡洛法生成场景法，主要利用不确定变量的概率信息，生成大量确定的场景来代替原有不确定信息进行调度优化。非序贯蒙特卡洛法本质上是一种两阶段随机方法，具有简便、速度快等的特性，用其来进行系统场景的模拟生成，即用场景来准确描述变量的不确定性，使得模型更为精确，提高了后续模型精度。
[0053]
s220、服务器12在源网荷储不确定场景下，基于电网系统成本函数以及电网系统
安全裕度构建两阶段预防控制优化模型。
[0054]
在一实施例中，在源网荷储不确定场景下，基于电网系统成本函数以及电网系统安全裕度构建两阶段预防控制优化模型，包括：在源网荷储不确定场景下，基于电网系统成本函数以及电网系统安全裕度构建第一阶段多目标优化模型，两阶段预防控制优化模型包括第一阶段多目标优化模型和第二阶段单目标优化模型，第一阶段多目标优化模型表示为：min{α1f
g-α2f
σ
}，其中，α1和α2分别为发电机成本和安全裕度的比例系数，fg为发电机的成本函数，发电机的成本函数表示为：为第i个发电机组在t时刻的有功功率，n
t
表示电网系统运行时间，ng表示发电机组总数，ai、bi、ci分别为发电机组的费用系数；f
σ
为电网系统安全裕度，电网系统安全裕度表示为：其中，t
t
为最大回摆角时刻，pa(t
t
)为最大回摆角时刻的不平衡功率，最大回摆角为θu为持续故障法确定的不稳定平衡点；基于电网系统安全裕度构建第二阶段多目标优化模型，第二阶段单目标优化模型表示为：其中，为电网安全裕度最大值。
[0055]
本实施例中，两阶段预防控制优化模型是一个两阶段控制模型，第一阶段为经济性及安全性控制阶段，即第一阶段多目标优化模型，目标是在保证电网系统平稳运行的同时，使运行成本最小化。第二阶段为安全性控制阶段，即第二阶段单目标优化模型，目标是在遇突发状况时，能够在第一阶段的执行策略基础上，计算对应运行点的安全裕度，电网系统的安全运行。
[0056]
在一实施例中，基于电网系统成本函数以及电网系统安全裕度构建两阶段预防控制优化模型，还包括：获取第一阶段多目标优化模型的约束方程以及第二阶段单目标优化模型的约束方程；第一阶段多目标优化模型以及第二阶段单目标优化模型的约束方程均包括潮流约束、静态安全不等式约束以及安全裕度约束。
[0057]
本实施例中，电网系统的功率方程选择极坐标的形式表示，因此用潮流模型建立静态等式约束，第一阶段多目标优化模型的潮流约束表示为：其中，n为电网系统中的节点总数；分别为第z个节点在t时刻的有功负荷和无功负荷；分别为第z个节点在t时刻的有功功率和无功功率；为第z个发电机组在t时刻的无功功率；g
zj
、b
zj
为支路zj的导纳；u
z,t
、u
j,t
分别为第z个节点和第j个节点的电压幅值；δ
zj,t
为第 z个节点和第j个节点的电压相角差。
[0058]
第二阶段单目标优化模型的潮汐约束表示为
其中，分别为电网系统发生故障前的潮流约束，分别为电网系统发生故障后的潮流约束，x为电网系统中的状态变量。
[0059]
在本实施例中，静态安全不等式约束为节点电压越限的概率、输电线路过负荷的概率及发电机组无功出力越限概率的约束，静态安全不等式约束表示为：其中,表示第i个发电机组的无功功率，分别表示第i个发电机组的无功功率的最小值和最大值；u
z,max
、u
z,min
分别为第z个节点的电压幅值上限和下限；分别为第k条线路的视在功率和视在功率上限；αq、αu、αs分别为无功功率的概率阈值、电压的概率阈值以及视在功率的概率阈值。
[0060]
在本实施例中，考虑电网系统不稳定情形，同步机等值电磁功率与机械功率在不稳定平衡点处需满足安全裕度约束，安全裕度约束表示为：其中，p
me
、p
ee
分别为单机映射后的等值机械功率与电磁功率；tu为达到不稳定平衡的时刻； pa为不平衡功率。
[0061]
本实施例中，第一阶段多目标优化模型的约束方程包括潮流约束、静态安全不等式约束以及安全裕度约束，第二阶段单目标优化模型的约束方程也包括了潮流约束、静态安全不等式约束以及安全裕度约束，第二阶段单目标优化模型的约束方程中包括电网系统发生故障前的潮流约束以及电网系统发生故障后的潮流约束，电网系统发生故障前的潮流约束与第一阶段多目标优化模型的潮流约束相互对应。第一阶段多目标优化模型的静态安全不等式约束、安全裕度约束与第二阶段单目标优化模型的静态安全不等式约束、安全裕度约束相对应。
[0062]
本实施例中，建立两阶段预防控制优化模型分为两个阶段：对第一阶段进行目标函数的建立以及约束条件的生成，其中，经济性目标函数聚焦于系统发电成本，安全性目标函数聚焦的系统的安全裕度大小。第一阶段多目标优化模型的约束包含潮流约束、静态安全不等式约束以及安全裕度约束三个部分。第一阶段保证系统安全裕度控制在最大范围内，也保证电网系统策略的经济性。对第二阶段进行目标函数的建立以及约束条件的生成，其中，第二阶段的目标函数为电网安全裕度，第二阶段单目标优化模型的约束包含潮流约束、静态安全不等式约束以及安全裕度约束三个部分。
[0063]
s230、服务器12根据两阶段预防控制优化模型确定电网系统调度方案，完成在源网荷储不确定性下对电网系统的预防控制。
[0064]
在一实施例中，根据两阶段预防控制优化模型确定电网系统调度方案，完成在源
网荷储不确定性下对电网系统的预防控制，包括：获取电网系统在上一运行状态下对应的电网安全裕度；将电网系统在上一运行状态下对应的电网安全裕度输入至第一阶段多目标优化模型，采用多目标粒子群算法(multi-objective particle swarm optimization，mopso)对第一阶段多目标优化模型进行求解，得到电网系统的当前运行状态数据；将电网系统的当前运行状态数据输入至第二阶段单目标优化模型，采用粒子群算法(particle swarm optimization，pso)对第二阶段单目标优化模型进行求解，得到电网系统在当前运行状态下对应的电网安全裕度。
[0065]
本实施例中，pso和mopso算法的模型为：其中，vi为记忆项，vi表示粒子i的速度；xi为粒子i当前的位置；c1、c2分别为学习因子；rand表示介于(0,1)之间的随机数；ω为惯性因子，惯性因子的大小定了全局寻优与局部寻优的能力强弱。另外，本实施例引入惩罚函数对模型中的约束问题做进一步处理，加入惩罚因子，并利用目标函数和约束函数共同构造适应度函数，适应度函数表示为：其中m2、m3均为惩罚因子；f1、f2分别为第一阶段多目标优化模型的适应度函数；f3为第二阶段单目标优化模型的适应度函数。
[0066]
本实施例通过mopso算法得到一组帕累托最优前沿后，利用模糊集理论计算pareto 解的隶属度，从而为决策者确定合适的最优解。pareto解在某一维适应度函数中的隶属度可表示为:其中，为第r个pareto解的第m维适应度函数值，m＝{1,2,
…
,m}；f
m,min
和f
m,max
分别为第m维适应度函数值的最小值和最大值。各个帕累托解的标准化隶属度计算公式为：其中，l为帕累托解的个数；λr为第r个帕累托解的综合隶属度，选择λr最大的解作为折衷最优解。
[0067]
如图2d所示，本实施例通过多目标粒子群算法以及粒子群算法对两阶段预防控制优化模型进行求解的流程，如下：s2d1、初始化粒子群参数，比如将惯性因子设置为0.68，学习因子c1、c2可以分别取值为2。
[0068]
s2d2、计算各粒子的适应度，得到非支配解。
[0069]
s2d3、将非支配解存储在精英集中。
[0070]
s2d4、在目标空间根据各粒子的地理位置画网格。
[0071]
s2d5、更新粒子速度、位置及适应度。
[0072]
s2d6、判断粒子是否满足变异条件，若是，则进入s2d7；若否，则进入s2d8；s2d7、选择适应度差的粒子进行变异操作。
[0073]
s2d8、计算各粒子适应度，进入步骤s2d9，并同时调用pso算法求解第二阶段单目标优化模型，即调用pso算法求解电网安全裕度策略；当调用pso算法求解电网安全裕度策略时，重新初始化粒子群参数，并更新粒子速度、位置及适应度。
[0074]
s2d9、更新外部精英集和全局最优解，判断是否满足迭代停止条件，若是，则输出pareto 最优前沿，选择折衷最优解；若否，则返回s2d4。
[0075]
本实施例中，对包含发电成本和安全裕度的第一阶段多目标优化模型采用多目标粒子群算法进行求解，对包含安全裕度的第二阶段单目标优化模型采用粒子群算法求解。在求解过程中，两阶段之间的关键变量及结果将根据需要进行交互传递，交互体现为：第一阶段优化每确定一个当前运行点，都将该运行点数据即当前运行状态数据传递至第二阶段优化中，由第二阶段优化计算出该运行点对应的电网安全裕度，并将其传递到第一阶段优化中。这一交互操作具有时序关系，在确定每一个当前运行点时，先从第一阶段操作开始，然后进入第二阶段操作，最后再返回到第一阶段操作，如此循环往复地进行交替操作，但在每一步的操作时间上，本技术没有严格的限制。
[0076]
在一实施例中，根据两阶段预防控制优化模型确定电网系统调度方案，完成在源网荷储不确定性下对电网系统的预防控制，还包括：当电网系统未发生故障时，根据两阶段预防控制优化模型中的第一阶段多目标优化模型确定电网系统调度方案；当电网系统发生故障时，根据两阶段预防控制优化模型中的第二阶段单目标优化模型确定电网系统调度方案。
[0077]
本实施例中，第二阶段模型属于紧急预防控制方案，该方案主要是电网系统发生紧急故障时，根据第一阶段多目标优化模型传递进来的当前运行点数据信息，以最大化电网安全裕度。
[0078]
继电保护的动作以及潮流重新分配是使电网运行状态进一步恶化的主因，及时采取预防控制措施显得尤为重要。预防控制通过改变当前运行点防止事故发生后可能造成的系统安全稳定问题，增加了正常运行的费用，收益与是否发生故障和故障后果直接相关，因而选择最佳控制策略具备博弈的本质特征。现有技术中通过连续修改参数、比较可靠性成本，可以得到最优检修周期，但是计算效率极低。也并有未引入优化算法来解决多个约束下检修周期的最优值问题。
[0079]
在本发明，先通过对电网系统运行过程中的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模并生成源网荷储不确定场景；然后在源网荷储不确定场景下，基于电网系统成本函数以及电网系统安全裕度构建两阶段预防控制优化模型；最后根据两阶段预防控制优化模型确定电网系统调度方案，完成在源网荷储不确定性下对电网系统的预防控制。本技术能够对源网荷储不确定性提出安全预防控制，考虑了源网荷储不确定性下使用综合了经济性与安全性的两阶段预防控制优化模型，能够有效为电网预防故障提供更安全、更经济的调度方案。
[0080]
本实施例中，选用改进的ieee118节点系统为例，展开分析以验证本发明所提方法的有效性。改进的ieee 118节点系统中包含10个风电场站，每个风电场站均由100台2mw的双馈风机组成。系统电压的取值范围为[0.97,1.06]。
[0081]
ieee118节点系统系统的不确定性通过蒙特卡洛抽样模拟生成(用于生成系统里各个不确定参数)，其中其不确定性参数设置如下：(1)节点负荷功率为正态分布，系统提供的标准数据为均值，方差为
±
10％，耦合节点的负荷相关系数为0.15。
[0082]
(2)风机的切入、切出以及定额风速分别为3m/s、25m/s以及12m/s。
[0083]
(3)模拟支路38-65发生故障，故障类型及故障位置的概率值采用表1、表2中的数据；另外故障切除时间为正态分布，均值为350ms，标准差为10％。
[0084]
本实施例在展开第一阶段预防控制优化策略前，系统维持工作为前一时刻的非优化状态，其系统单位时间平均费用为98,483$/h。当展开第一阶段预防控制策略计算后，经过一系列调整，在满足系统安全约束的同时，实现了系统的平均费用下降，降低至93,559$/h。通过与优化前相比，系统的平均费用降低了5.1％。由此可见，第一阶段的控制策略具有提高系统经济性的能力。
[0085]
当支路38-65发生故障后，系统展开紧急的仅考虑暂态稳定的第二阶段紧急预防控制策略，经过优化计算，系统的平均发电成本有所上升，升高至98,954$/h。较优化控制前上升了0.4％的系统成本。但由于故障的发生，若沿用优化控制前的系统调度策略，将导致节点23 处电压越限，支路47-69的功率越限，系统的安全稳定约束无法得到满足。因此，第二阶段的预防控制策略，系统虽然牺牲了一定的经济性，但是保证了系统运行的安全性与稳定性。
[0086]
三种控制策略下的系统出力结果如图2e所示。由于系统规模相对较大，三种不同策略下的调度方案相差不大。仅在对部分发电机组进行启停状态的调整，如节点编号为72和节点编号为73处的发电机。其中，功率波动较大的发电机为节点编号为25和节点编号为47处的发电机。而波动幅值较大的为节点编号74和节点编号77的发电机。这是由于故障的支路38-65 位于这附近，而大部分发电机的功率变化均在5％的范围内波动。
[0087]
本实施例展开稳定裕度分析时，在第一阶段预防控制过程中，要求系统具有一定的安全裕度，经济性和安全性的权重各取0.5。本实施例展开具体的安全裕度分析时，当支路的故障属于三相短路，且其故障位置在节点38附件时，节点38电压幅值满足系统运行合理范围的概率仅为85％，略低于要求的概率水平95％。而支路47-69传输功率不越限的概率为0.88，低于额定要求的95％。同时根据本发明所提的故障类型、故障位置的概率函数模型，通过仿真计算，获得的系统暂态稳定概率如图2f所示，系统第一阶段稳定预防控制策略下，系统的稳定概率为0.786，而系统第二阶段稳定预防控制策略给出的暂态稳定预防控制策略计算获得的稳定裕度则为0.987。通过对比，可以得到第一阶段的预测控制模型(即第一阶段多目标优化模型)兼顾了经济性与稳定裕度的需求，但在追求经济性的同时，会适当降低系统的安全稳定裕度。而当故障发生后，系统通过第二阶段单目标优化模型能够得到较高的安全性，因此稳定裕度满足需求但经济性较低于第一阶段的预测控制模型。
[0088]
本技术实施例的基于源网荷储不确定性的预防控制方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本技术的原理所做的现有技术的步骤增减、步骤替换
所实现的方案都包括在本技术的保护范围内。
[0089]
本技术实施例还提供一种基于源网荷储不确定性的预防控制装置，基于源网荷储不确定性的预防控制装置可以实现本技术的基于源网荷储不确定性的预防控制方法，但本技术的基于源网荷储不确定性的预防控制方法的实现装置包括但不限于本实施例列举的基于源网荷储不确定性的预防控制装置的结构，凡是根据本技术的原理所做的现有技术的结构变形和替换，都包括在本技术的保护范围内。
[0090]
如图3所示，本技术提供一种基于源网荷储不确定性的预防控制装置，包括：不确定性建模模块310、控制模型构建模块320和调度方案确定模块330，不确定性建模模块310，被配置于对电网系统运行过程中的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模并生成源网荷储不确定场景；控制模型构建模块320，被配置于在源网荷储不确定场景下，基于电网系统成本函数以及电网系统安全裕度构建两阶段预防控制优化模型；调度方案确定模块330，被配置于根据两阶段预防控制优化模型确定电网系统调度方案，完成基于源网荷储不确定性下对电网系统的预防控制。
[0091]
在本实施例中，先通过对电网系统运行过程中的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模并生成源网荷储不确定场景；然后在源网荷储不确定场景下，基于电网系统成本函数以及电网系统安全裕度构建两阶段预防控制优化模型；最后根据两阶段预防控制优化模型确定电网系统调度方案，完成在源网荷储不确定性下对电网系统的预防控制。本技术能够对源网荷储不确定性提出安全预防控制，考虑了源网荷储不确定性下使用综合了经济性与安全性的两阶段预防控制优化模型，能够有效为电网预防故障提供更安全、更经济的调度方案。
[0092]
在一实施例中，不确定性建模模块310包括建模子模块，建模子模块被配置于：对电网系统运行过程中风电机组的源不确定性进行建模，得到风电机组功率pw与风速之间的关系方程，风电机组功率pw与风速v之间的关系方程表示为：其中，pn表示风电机组的额定功率，v
in
表示风电机组的切入风速，vo表示风电机组的切出风速，vn表示风电机组的额定风速；对电网系统运行过程中通信网络故障切除时间的不确定性进行建模，得到故障切除时间ti的正态分布方程，故障切除时间ti的正态分布方程表示为：其中，μ
t
为故障切除时间的期望，σ
t
为故障切除时间的方差；对电网系统运行过程中节点负荷不确定性进行建模，得到节点有功功率pn的正态分布方程，节点有功功率pn的正态分布方程表示为：其中，μn表示节点有功功率的期望，σn表示节点有功功率的方差。
[0093]
在本实施例中，在对电网系统运行过程的源不确定性、网不确定性、荷不确定性以
及储不确定性分别进行建模时，包括了对电网系统运行过程中风电机组的源不确定性进行建模、对电网系统运行过程中通信网络故障切除时间的不确定性进行建模以及对电网系统运行过程中节点负荷不确定性进行建模。本技术充分考虑了电网系统发生故障时不确定性的各种来源，能够有效基于源网荷储不确定性对电网系统进行优化预防控制。
[0094]
在一实施例中，不确定性建模模块310还包括场景生成模块，场景生成模块被配置于：利用非序贯蒙特卡洛法生成电网系统运行过程中的各个不确定参数，得到源网荷储不确定场景。
[0095]
在本实施例中，能够通过利用非序贯蒙特卡洛法生成电网系统运行过程中的各个不确定参数，得到源网荷储不确定场景。本技术采用了基于非序贯蒙特卡洛法生成场景法，主要利用不确定变量的概率信息，生成大量确定的场景来代替原有不确定信息进行调度优化。非序贯蒙特卡洛法本质上是一种两阶段随机方法，具有简便、速度快等的特性，用其来进行系统场景的模拟生成，即用场景来准确描述变量的不确定性，使得模型更为精确，提高了后续模型精度。
[0096]
在一实施例中，控制模型构建模块320包括目标构建模块，目标构建模块被配置于：在源网荷储不确定场景下，基于电网系统成本函数以及电网系统安全裕度构建第一阶段多目标优化模型，两阶段预防控制优化模型包括第一阶段多目标优化模型和第二阶段单目标优化模型，第一阶段多目标优化模型表示为：min{α1f
g-α2f
σ
}，其中，α1和α2分别为发电机成本和安全裕度的比例系数，fg为发电机的成本函数，发电机的成本函数表示为：为第i个发电机组在t时刻的有功功率，n
t
表示电网系统运行时间，ng表示发电机组总数，ai、bi、ci分别为发电机组的费用系数；f
σ
为电网系统安全裕度，电网系统安全裕度表示为：其中，t
t
为最大回摆角时刻，pa(t
t
)为最大回摆角时刻的不平衡功率，最大回摆角为θu为持续故障法确定的不稳定平衡点；基于电网系统安全裕度构建第二阶段多目标优化模型，第二阶段单目标优化模型表示为：其中，为电网安全裕度最大值。
[0097]
在本实施例中，两阶段预防控制优化模型是一个两阶段控制模型，第一阶段为经济性及安全性控制阶段，即第一阶段多目标优化模型，目标是在保证电网系统平稳运行的同时，使运行成本最小化。第二阶段为安全性控制阶段，即第二阶段单目标优化模型，目标是在遇突发状况时，能够在第一阶段的执行策略基础上，计算对应运行点的安全裕度，电网系统的安全运行。
[0098]
在一实施例中，控制模型构建模块320还包括约束获取模块，约束获取模块被配置于：获取第一阶段多目标优化模型的约束方程以及第二阶段单目标优化模型的约束方程；第一阶段多目标优化模型以及第二阶段单目标优化模型的约束方程均包括潮流约束、静态安全不等式约束以及安全裕度约束；第一阶段多目标优化模型的潮流约束表示为：
其中，n为电网系统中的节点总数；分别为第z个节点在t时刻的有功负荷和无功负荷；分别为第z个节点在t时刻的有功功率和无功功率；为第z个发电机组在t时刻的无功功率；g
zj
、b
zj
为支路zj的导纳；u
z,t
、u
j,t
分别为第z个节点和第j个节点的电压幅值；δ
zj,t
为第 z个节点和第j个节点的电压相角差；第二阶段单目标优化模型的潮汐约束表示为其中，分别为电网系统发生故障前的潮流约束，分别为电网系统发生故障后的潮流约束，x为电网系统中的状态变量；静态安全不等式约束表示为：其中,表示第i个发电机组的无功功率，分别表示第i个发电机组的无功功率的最小值和最大值；u
z,max
、u
z,min
分别为第z个节点的电压幅值上限和下限；分别为第k条线路的视在功率和视在功率上限；αq、αu、αs分别为无功功率的概率阈值、电压的概率阈值以及视在功率的概率阈值；安全裕度约束表示为：其中，p
me
、p
ee
分别为单机映射后的等值机械功率与电磁功率；tu为达到不稳定平衡的时刻； pa为不平衡功率。
[0099]
在本实施例中，第一阶段多目标优化模型的约束方程包括潮流约束、静态安全不等式约束以及安全裕度约束，第二阶段单目标优化模型的约束方程也包括了潮流约束、静态安全不等式约束以及安全裕度约束，第二阶段单目标优化模型的约束方程中包括电网系统发生故障前的潮流约束以及电网系统发生故障后的潮流约束，电网系统发生故障前的潮流约束与第一阶段多目标优化模型的潮流约束相互对应。第一阶段多目标优化模型的静态安全不等式约束、安全裕度约束与第二阶段单目标优化模型的静态安全不等式约束、安全裕度约束相对应。
[0100]
在本实施例中，建立两阶段预防控制优化模型分为两个阶段：对第一阶段进行目标函数的建立以及约束条件的生成，其中，经济性目标函数聚焦于系统发电成本，安全性目标函数聚焦的系统的安全裕度大小。第一阶段多目标优化模型的约束包含潮流约束、静态安全不等式约束以及安全裕度约束三个部分。第一阶段保证系统安全裕度控制在最大范围内，也保证电网系统策略的经济性。对第二阶段进行目标函数的建立以及约束条件的生成，其中，第二阶段的目标函数为电网安全裕度，第二阶段单目标优化模型的约束包含潮流约
束、静态安全不等式约束以及安全裕度约束三个部分。
[0101]
在一实施例中，调度方案确定模块330包括第一确定模块，第一确定模块被配置于：获取电网系统在上一运行状态下对应的电网安全裕度；将电网系统在上一运行状态下对应的电网安全裕度输入至第一阶段多目标优化模型，采用多目标粒子群算法对第一阶段多目标优化模型进行求解，得到电网系统的当前运行状态数据；将电网系统的当前运行状态数据输入至第二阶段单目标优化模型，采用粒子群算法对第二阶段单目标优化模型进行求解，得到电网系统在当前运行状态下对应的电网安全裕度。
[0102]
在本实施中，对包含发电成本和安全裕度的第一阶段多目标优化模型采用多目标粒子群算法进行求解，对包含安全裕度的第二阶段单目标优化模型采用粒子群算法求解。在求解过程中，两阶段之间的关键变量及结果将根据需要进行交互传递，交互体现为：第一阶段优化每确定一个当前运行点，都将该运行点数据即当前运行状态数据传递至第二阶段优化中，由第二阶段优化计算出该运行点对应的电网安全裕度，并将其传递到第一阶段优化中。这一交互操作具有时序关系，在确定每一个当前运行点时，先从第一阶段操作开始，然后进入第二阶段操作，最后再返回到第一阶段操作，如此循环往复地进行交替操作，但在每一步的操作时间上，本技术没有严格的限制。
[0103]
在一实施例中，调度方案确定模块330包括第二确定模块，第二确定模块被配置于：当电网系统未发生故障时，根据两阶段预防控制优化模型中的第一阶段多目标优化模型确定电网系统调度方案；当电网系统发生故障时，根据两阶段预防控制优化模型中的第二阶段单目标优化模型确定电网系统调度方案。
[0104]
本实施例中，第二阶段模型属于紧急预防控制方案，该方案主要是电网系统发生紧急故障时，根据第一阶段多目标优化模型传递进来的当前运行点数据信息，以最大化电网安全裕度。
[0105]
具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个模块的具体实施可参见前面的方法实施例，在此不再赘述。
[0106]
由上可知，本技术提供的基于源网荷储不确定性的预防控制装置能够先通过对电网系统运行过程中的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模并生成源网荷储不确定场景；然后在源网荷储不确定场景下，基于电网系统成本函数以及电网系统安全裕度构建两阶段预防控制优化模型；最后根据两阶段预防控制优化模型确定电网系统调度方案，完成在源网荷储不确定性下对电网系统的预防控制。本技术能够对源网荷储不确定性提出安全预防控制，考虑了源网荷储不确定性下使用综合了经济性与安全性的两阶段预防控制优化模型，能够有效为电网预防故障提供更安全、更经济的调度方案。
[0107]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置或方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅是示意性的，例如，模块/单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或单元可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0108]
作为分离部件说明的模块/单元可以是或者也可以不是物理上分开的，作为模块/
单元显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块/单元来实现本技术实施例的目的。例如，在本技术各个实施例中的各功能模块/单元可以集成在一个处理模块中，也可以是各个模块/单元单独物理存在，也可以两个或两个以上模块/单元集成在一个模块/单元中。
[0109]
本领域普通技术人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0110]
本技术实施例还提供一种电子设备，该电子设备可以为终端、服务器等设备。其中，终端可以为手机、平板电脑、智能蓝牙设备、笔记本电脑、个人电脑，等等；服务器可以是单一服务器，也可以是由多个服务器组成的服务器集群，等等。
[0111]
在一些实施例中，本技术提供的基于源网荷储不确定性的预防控制装置还可以集成在多个电子设备中，例如，基于源网荷储不确定性的预防控制装置可以集成在多个服务器中，由多个服务器来实现本技术的基于源网荷储不确定性的预防控制方法。或者，基于源网荷储不确定性的预防控制装置可以集成在多个服务器中，由多个服务器来实现本技术的基于源网荷储不确定性的预防控制方法。
[0112]
在本实施例中，将以本实施例的电子设备是服务器为例进行详细描述，例如，如图4 所示，其示出了本技术实施例所涉及的服务器的结构示意图，具体来讲：该服务器可以包括一个或者一个以上处理核心的处理器410、一个或一个以上计算机可读存储介质的存储器420、电源430、输入模块440以及通信模块450等部件。本领域技术人员可以理解，图4中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：处理器410是该服务器的控制中心，利用各种接口和线路连接整个服务器的各个部分，通过运行或执行存储在存储器420内的软件程序和/或模块，以及调用存储在存储器420内的数据，执行服务器的各种功能和处理数据，从而对服务器进行整体监控。在一些实施例中，处理器 410可包括一个或多个处理核心；在一些实施例中，处理器410可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器410中。
[0113]
存储器420可用于存储软件程序以及模块，处理器410通过运行存储在存储器420的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(例如声音播放功能、图像播放功能等)等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器420还可以包括存储器控制器，以提供处理器410对存储器420的访问。
[0114]
服务器还包括给各个部件供电的电源430，在一些实施例中，电源430可以通过电源管理系统与处理器410逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源430还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
[0115]
该服务器还可包括输入模块440，该输入模块440可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
[0116]
该服务器还可包括通信模块450，在一些实施例中通信模块450可以包括无线模块，服务器可以通过该通信模块450的无线模块进行短距离无线传输，从而为用户提供了无线的宽带互联网访问。例如，该通信模块450可以用于帮助用户收发电子邮件、浏览网页和访问流式媒体等。
[0117]
尽管未示出，服务器还可以包括显示单元等，在此不再赘述。具体在本实施例中，服务器中的处理器410会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器420中，并由处理器410来运行存储在存储器420中的应用程序，从而实现基于源网荷储不确定性的预防控制装置的各种功能。
[0118]
本实施例的服务器可以先通过对电网系统运行过程中的源不确定性、网不确定性、荷不确定性以及储不确定性分别进行建模并生成源网荷储不确定场景；然后在源网荷储不确定场景下，基于电网系统成本函数以及电网系统安全裕度构建两阶段预防控制优化模型；最后根据两阶段预防控制优化模型确定电网系统调度方案，完成在源网荷储不确定性下对电网系统的预防控制。本技术能够对源网荷储不确定性提出安全预防控制，考虑了源网荷储不确定性下使用综合了经济性与安全性的两阶段预防控制优化模型，能够有效为电网预防故障提供更安全、更经济的调度方案。
[0119]
在一些实施例中，本技术还提供了一种计算机可读存储介质。本领域普通技术人员可以理解实现上述实施例的方法中的全部或部分步骤是可以通过程序来指令处理器完成，的程序可以存储于计算机可读存储介质中，存储介质是非短暂性(non-transitory)介质，例如随机存取存储器，只读存储器，快闪存储器，硬盘，固态硬盘，磁带(magnetic tape)，软盘 (floppy disk)，光盘(optical disc)及其任意组合。上述存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如数字视频光盘(digitalvideo disc，dvd))、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
[0120]
本技术实施例还可以提供一种计算机程序产品，计算机程序产品包括一个或多个计算机指令。在计算设备上加载和执行计算机指令时，全部或部分地产生按照本技术实施例的流程或功能。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机或数据中心进行传输。
[0121]
计算机程序产品被计算机执行时，计算机执行前述方法实施例的方法。该计算机程序产品可以为一个软件安装包，在需要使用前述方法的情况下，可以下载该计算机程序
产品并在计算机上执行该计算机程序产品。
[0122]
上述各个附图对应的流程或结构的描述各有侧重，某个流程或结构中没有详述的部分，可以参见其他流程或结构的相关描述。
[0123]
上述实施例仅例示性说明本技术的原理及其功效，而非用于限制本技术。任何熟悉此技术的人士皆可在不违背本技术的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本技术所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本技术的权利要求所涵盖。