1.本发明属于电力系统中的规划评估技术领域，具体涉及一种基于两阶段随机优化的输电网和储能联合规划方法及系统。
背景技术：
2.可再生能源高比例接入电网给电力系统带来一系列的不确定因素，尤其是风、光等出力的间歇性与波动性的特性，会对电力系统的净负荷造成剧烈的波动。可再生能源渗透率的逐年增长可能会带来输电网的阻塞，这给输电网的规划与运行带来了一定挑战。
3.因此，为提高电力系统灵活性与可再生能源消纳能力，合理地配置输电工程对于实现30.60碳排放地目标意义重大。与此同时，储能系统具有对功率与能量的时间迁移能力且安装位置灵活，对于应对系统灵活性不足与输电阻塞具有重要作用，被认为是未来高比例可再生能源电力系统的重要技术支撑之一。几十年来，围绕电力系统扩展规划和储能规划都各自拥有大量地研究。而联合规划可以从电力系统规划的全局出发，可以充分考虑储能与输电网在规划、运行层面上的相互作用关系，并在此基础上以低碳经济为目标确定统一的多设备规划组合方案。
4.因此，研究输电网-储能联合规划方法对于实现低碳目标，提高电力系统灵活性并减少电网投资与运行成本具有重要意义。
技术实现要素：
5.本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于两阶段随机优化的输电网和储能联合规划方法及系统，用于解决现有的规划方法未考虑多场景问题线性化处理与加速策略且对输电阻塞与新能源外送困难应对能力较差的技术问题。
6.本发明采用以下技术方案：
7.基于两阶段随机优化的输电网和储能联合规划方法，包括以下步骤：
8.基于电力系统基本技术数据建立日净负荷曲线的集合，通过场景削减得到反应负荷与新能源不确定性的典型场景集合；
9.基于反应负荷与新能源不确定性的典型场景集合建立基于输电网-储能联合规划模型；
10.基于输电网-储能联合规划模型的第一阶段约束为输电线路与储能元件投建数量上限，构建输电网与储能的投建决策；
11.线性化处理基于输电网-储能联合规划模型的第二阶段约束中的双线性项与整数变量；
12.采用benders分解框架对线性化处理后输电网-储能联合规划模型进行求解；将模型拆分为投资主问题和一系列的运行子问题进行迭代求解，将输电网与储能的规划决策作为投资主问题，典型场景的运行校核作为运行子问题，根据投资主问题求解得到整数参数，求解整数参数下最优性子问题的解，并向主问题返回最优割约束，同时得到联合规划问题
的上界；继续求解更新最优割约束下的投资主问题，得到新的整数参数，并得到联合规划问题的下界；不断迭代求解投资主问题与运行子问题，基于得到的联合规划问题解实现输电网和储能联合规划。
13.具体的，通过场景削减得到反应负荷与新能源不确定性的典型场景集合具体为：
14.选取所需典型场景的数量，或者将误差平方和曲线的拐点作为最佳的典型场景数量，将其作为聚类的簇数，采用k-means聚类的方法对所有的净负荷曲线进行聚类，将全部的日净负荷曲线分为给定数量的曲线簇；
15.基于给定数量的曲线簇，计算曲线簇内所有曲线与其簇心之间的灰色关联度，选取关联度最大的一条曲线作为该簇曲线的代表性日净负荷曲线，并对应于典型日。
16.进一步的，灰色关联度ε(k)计算如下：
[0017][0018]
其中，x0(k)为簇心序列曲线的第k个点的位置；xi(k)为第i条序列曲线的第k个点的位置；ρ为分辨系数。
[0019]
具体的，基于输电网-储能联合规划的两阶段随机优化的初步模型的目标函数为最小化输电网-储能联合规划的投建成本与各个典型场景下机组组合运行成本，具体为：
[0020][0021]
其中，c
inv
\c
op
为投资成本与运行成本；ω
nl
\ω
nes
为系统中所有待选线路的集合与储能候选节点的集合；为第k条线路的投建成本与0-1投建变量；为第i个节点的单位储能设备的投建成本与投建数量整数变量；ξ为待投建设备的资金回收系数；ωb\ωs为系统中所有节点的集合与典型场景的集合；ω
wt
\ω
pv
为系统中所有风电机组的集合与所有光伏机组的集合；c
load,curt
为单位失负荷电量的成本；为第i个节点在j个场景下t时刻的失负荷电量；为第i台火电机组在j个场景下的发电成本函数，t时刻的出力，启动成本，停机成本；c
wt,curt
/c
pv,curt
为单位弃风力发电与弃光伏发电的惩罚成本；为第i台风电机组与光伏机组在j个场景下t时刻的超出风力发电与光伏发电最大允许的弃电量部分。
[0022]
进一步的，约束条件如下：
[0023]
输电网与储能的规划决策阶段的约束：
[0024]
第一阶段的约束条件包括线路走廊输电线路投建数量上限与候选节点储能设备投建数量上限，具体如下：
[0025][0026]
典型场景运行校核阶段的约束：
[0027]
第二阶段的约束包括火电机组运行成本：
[0028][0029]
火电机组出力限制：
[0030][0031]
火电机组最短开停机时间约束：
[0032][0033]
火电机组运行状态的逻辑约束：
[0034][0035]
新能源机组的出力区间：
[0036][0037]
新能源消纳约束：
[0038][0039]
储能充放电功率区间：
[0040][0041]
限制储能同充同放：
[0042][0043]
储能电量约束：
[0044][0045]
已存在线路的网络安全约束：
[0046][0047]
待选线路的直流潮流模型：
[0048][0049]
待选线路两端节点的相角：
[0050][0051]
待选线路潮流上下限约束：
[0052][0053]
节点功率平衡约束：
[0054][0055]
其中，ω
lc
/ωr为系统中所有输电走廊的集合与负荷的集合；为输电走廊中允许的最大的线路数量与第i条走廊中已存在的线路数量；为第i台机组的单次开机成本与单次停机成本为第i台机组在s场景下t时刻的运行状态0-1变量、开机状态0-1变量与关机状态0-1变量；k
i,j
/h
i,j
为第i台机组线性化发电成本曲线中第j段的斜率与截距；为第i台机组的出力下限，出力上限、爬坡率、最短开机时间与最短关机时间；为第i台风电机组在j场景下t时刻的风资源曲线与最大弃风率；为第i台光伏机组在j场景下t时刻的光资源曲线与最大弃光率；
为第i个候选节点的储能在j场景下的充电功率与放电功率；为第i个候选节点的储能设备的充电效率与放电效率；为第i个候选节点在j场景下t时刻的储能的充电状态0-1变量与放电状态0-1变量；为第i个候选节点单位储能设备的最大充电功率、放电功率、电量下限与电量上限；p
k,s,t
/θ
k,i,s,t
为第k条线路在s场景下t时刻的线路潮流，i端节点的相角值与线路电抗；为节点相角的最小值与最大值；为第k条线路的线路电抗与线路容量。
[0056]
具体的，线性化处理输电网-储能联合规划模型的第二阶段约束中的双线性项与整数变量具体为：
[0057]
针对输电网-储能联合规划模型第二阶段储能运行约束中，进行松弛化处理；针对模型第二阶段待投建输电线路的直流潮流中，通过mccormick进行线性化处理；
[0058]
基于消除第二阶段约束中的双线性项，将第二阶段约束转化为混合整数线性问题。
[0059]
进一步的，松弛化处理如下：
[0060][0061][0062]
线性化处理如下：
[0063][0064]
其中，为第i个候选节点的储能在j场景下的充电功率，ni为，为，为第i个候选节点的储能在j场景下的放电功率，为第i个候选节点单位储能设备的最大放电功率，为第i个候选节点在j场景下t时刻的储能的充电状态0-1变量，zk为第k条线路的0-1投建变量，θ
k,i,s,t
为第k条线路在s场景下t时刻的i端节点的相角值，θ
k,j,s,t
为第k条线路在s场景下t时刻的j端节点的相角值，xk为第k条线路的线路容量，p
k,s,t
为第k条线路在s场景下t时刻的线路潮流，ω
nl
为系统中所有待选线路的集合，ωb为系统中所有节点的集合，s为运行场景的索引，t为调度周期内时间断面的数量。
[0065]
进一步的，将第二阶段约束转化为混合整数线性问题具体为：
[0066]
将火电机组运行约束中所有的布尔变量全部转化为连续变量如下：
[0067][0068]
其中，为第i台机组在s场景下t时刻的运行状态0-1变量，为第i台机组在s
场景下t时刻的开机状态0-1变量，为第i台机组在s场景下t时刻的关机状态0-1变量；
[0069]
在运行子问题中，储能运行过程中的充放电状态为0-1整数变量，在目标函数的运行成本中加入储能运行的能量损耗成本避免单台储能设备的同充同放，目标函数去掉与储能充放电状态相关的约束，目标函数如下：
[0070][0071]
其中，c
inv
\c
op
为投资成本与运行成本；ω
nl
\ω
nes
为系统中所有待选线路的集合与储能候选节点的集合；为第k条线路的投建成本与0-1投建变量；为第i个节点的单位储能设备的投建成本与投建数量整数变量；ξ为待投建设备的资金回收系数；ωb\ωs为系统中所有节点的集合与典型场景的集合；ω
wt
\ω
pv
为系统中所有风电机组的集合与所有光伏机组的集合；c
load,curt
为单位失负荷电量的成本；为第i个节点在j个场景下t时刻的失负荷电量；为第i台火电机组在j个场景下的发电成本函数，t时刻的出力，启动成本，停机成本；c
wt,curt
/c
pv,curt
为单位弃风力发电与弃光伏发电的惩罚成本；为第i台风电机组与光伏机组在j个场景下t时刻的超出风力发电与光伏发电最大允许的弃电量部分；c
l
为储能设备运行过程中能量损耗的惩罚成本。
[0072]
具体的，投资主问题：
[0073][0074]
运行子问题：
[0075][0076]
其中，us为约束条件子问题中约束条件的对偶乘子的向量，为已经确定的整数变量的向量y，y为布尔型整数变量的向量，η为辅助变量，d
t
/c
st
为第s个场景下的目标函数的系数向量，xs为第s个场景下的连续变量的向量，a/es/fs为约束的系数矩阵，b/hs为约束右端的常数列向量，ωs为系统中所有典型场景的集合。
[0077]
第二方面，本发明实施例提供了一种基于两阶段随机优化的输电网和储能联合规划系统，包括：
[0078]
场景模块，基于电力系统基本技术数据建立日净负荷曲线的集合，通过场景削减得到反应负荷与新能源不确定性的典型场景集合；
[0079]
构建模块，基于反应负荷与新能源不确定性的典型场景集合建立基于输电网-储能联合规划模型；
[0080]
处理模块，基于输电网-储能联合规划模型的第一阶段约束为输电线路与储能元件投建数量上限，构建输电网与储能的投建决策；线性化处理基于输电网-储能联合规划模型的第二阶段约束中的双线性项与整数变量；
[0081]
规划模块，采用benders分解框架对线性化处理后输电网-储能联合规划模型进行求解；将模型拆分为投资主问题和一系列的运行子问题进行迭代求解，将输电网与储能的规划决策作为投资主问题，典型场景的运行校核作为运行子问题，根据投资主问题求解得到整数参数，求解整数参数下最优性子问题的解，并向主问题返回最优割约束，同时得到联合规划问题的上界；继续求解更新最优割约束下的投资主问题，得到新的整数参数，并得到联合规划问题的下界；不断迭代求解投资主问题与运行子问题，基于得到的联合规划问题解实现输电网和储能联合规划。
[0082]
与现有技术相比，本发明至少具有以下有益效果：
[0083]
一种基于两阶段随机优化的输电网和储能联合规划方法，将模型建立为两阶段的随机优化模型，第一阶段确定输电网与储能的布局，第二阶段满足机组组合的运行要求，确定了模型的结构。目标函数考虑了规划问题的经济性与系统运行的安全性，约束条件充分反应了系统实际的运行状态。
[0084]
进一步的，利用k-means方法对原始的日净负荷曲线进行聚类是本发明构建典型场景集合的必要步骤。对日净负荷曲线的聚类，是减少场景数量的基础，可以有效地降低模型的复杂度，提高求解效率，选取与聚类簇心关联度最大的一条日净负荷曲线作为代表性曲线是本发明构建典型场景集合的关键步骤。典型场景需要尽可能最大限度地反应实际中负荷与新能源的波动情况，与聚类簇心关联度最大的一条曲线既能较为充分地代表该簇曲线的特征，又能反应实际净负荷曲线的波动情况，保证了典型场景的有效性。
[0085]
进一步的，灰色关联度ε(k)，用于衡量日净负荷曲线与其聚类后的簇心曲线之间的关联程度。选取与簇心曲线灰色关联度最大的日净负荷曲线所在日作为典型日，既可以得到该簇曲线尽可能多的共同特征，也可以体现出实际净负荷曲线的波动情况。
[0086]
进一步的，基于输电网-储能联合规划的两阶段随机优化的初步模型的目标函数为最小化输电网-储能联合规划的投建成本与各个典型场景下机组组合运行成本，统筹考虑联合规划问题经济性与系统运行的安全性。在保证了规划问题经济性最优的同时，也保障了规划结果在实际运行中的合理性。
[0087]
进一步的，约束条件反应与刻画投建过程的限制与系统的运行状态。根据模型的结构，将约束条件分为两阶段考虑，既保证了约束条件的合理性与清晰度，同时也利于模型的进一步化简与分解。
[0088]
进一步的，消除模型第二阶段约束中的非线性项，是本发明对第二阶段约束进行线性化处理的关键步骤。将模型的第二阶段约束由非线性转化为混合整数线性，大大减小
了模型的复杂度，直接消除或线性化松弛第二阶段约束中的整数变量，是本发明对第二阶段约束进行线性化处理的关键步骤。将第二阶段约束中的整数变量直接消除或松弛为连续变量，从而将混合整数线性转化为线性，大大提高了模型的求解效率。由于采用benders求解框架需要保证子问题为线性问题，子问题的决策变量均为连续变量，将整数变量直接消除或线性化松弛，为模型的benders求解提供了求解条件。
[0089]
进一步的，松弛化处理和线性化处理，消除掉联合规划问题中0-1整数变量与连续变量的乘积组成的双线性项，大大减小了模型的复杂度，也有利于模型的分解。
[0090]
进一步的，将第二阶段约束转化为混合整数线性问题，消除掉第二阶段约束中的整数变量，在加快了模型的求解效率的同时，也为模型的benders分解提供了条件。
[0091]
进一步的，采用benders算法求解线性化处理后的输电网-储能联合规划模型，是本发明的核心算法。将输电网-储能联合规划的模型划分为主子问题，将含有投建的0-1整数变量的输电网-储能联合规划决策作为主问题，将线性化后的典型场景的运行校核作为子问题，通过求解主子问题的不断迭代求解，提高了模型的求解效率。
[0092]
可以理解的是，上述第二方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
[0093]
综上所述，本发明非常适合用于电力系统规划方案减少输电阻塞，保证新能源外送以及提高求解大规模输电网-储能联合规划问题的计算效率。
[0094]
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0095]
图1为本发明流程图；
[0096]
图2为ieee24节点测试系统示意图。
具体实施方式
[0097]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0098]
在本发明的描述中，需要理解的是，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0099]
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0100]
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本发明中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0101]
应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述预设范
围等，但这些预设范围不应限于这些术语。这些术语仅用来将预设范围彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一预设范围也可以被称为第二预设范围，类似地，第二预设范围也可以被称为第一预设范围。
[0102]
取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
[0103]
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
[0104]
本发明提供了一种基于两阶段随机优化的输电网和储能联合规划方法，基于典型场景的随机优化方法充分考虑负荷与新能源的波动性与不确定性，引入了k-means曲线聚类与灰色关联度分析的方法，得到给定数量的典型日。此外，采用了约束松弛与mccormick线性化的方法对规划-运行耦合约束进行了处理，将模型由非线性问题转化为混合整数线性问题。进而采用了benders分解框架，将整体问题拆分为投资性主问题与运行子问题，通过主子问题的迭代求解，大大提高了求解的效率。本发明所提的方法消除了输电网-储能规划模型中第二阶段约束中的双线性项与整数变量，进而采用了benders分解的框架对问题进行了求解，在尽可能保证问题的准确性的情况下，通过将整体问题拆分为投资性主问题与一系列的运行子问题，求解规模较小的主问题与子问题，减小了问题求解的难度，改善了求解的效率，因此本发明所提方法适用于提高求解大规模的输电网-储能联合规划问题的计算效率。
[0105]
请参阅图1，本发明一种基于两阶段随机优化的输电网和储能联合规划方法，包括以下步骤：
[0106]
s1、从电力系统规划部门获取系统基本技术数据；
[0107]
系统基本技术数据包括：电力系统中各类型电源的技术参数，已有输电网架及网络参数，待投建的输电网架的技术参数与投建成本，待投建的各类型储能设备的技术参数与经济参数，长时间尺度的负荷需求及新能源发电的历史信息。
[0108]
s2、建立日净负荷曲线的集合，通过场景削减，得到反应负荷与新能源不确定性的典型场景集合；
[0109]
s201、选取所需典型场景的数量，或者将误差平方和曲线的拐点作为最佳的典型场景数量，将其作为聚类的簇数，采用k-means聚类的方法对所有的净负荷曲线进行聚类，将全部的日净负荷曲线分为给定数量的曲线簇；
[0110]
s2011、选取聚类的簇数k，给出k个初始的聚类中心；
[0111]
s2012、计算各点到各个中心点的距离(通常采用欧式距离)，然后把每个点归到离他最近的聚类中心的那一簇之中；
[0112]
s2013、计算各个簇的中所有点的重心，作为新的簇心；
[0113]
s2014、重复步骤s2012与s2013，当簇心不再移动时，得到结果，停止。
[0114]
在以上四个步骤中，步骤s2011选择合理的聚类簇数较为重要。由于k-means算法无法确定最佳的聚类簇数，所以在聚类同时，还需要选择出聚类的簇数。
[0115]
目前常用的方法为，选择误差平方和曲线的拐点处对应的聚类簇数作为最佳的聚类簇数。误差平方和(17)为评判聚类有效性的重要指标之一，其数值会随着聚类的簇数的增加而减小。
[0116][0117]
其中，xi为第i个聚类簇中的曲线的集合；ci为第i个聚类簇的聚类中心；d(ci,x)为向量x到聚类中心ci的欧式距离。
[0118]
s202、基于步骤s201得到给定数量的曲线簇，计算曲线簇内所有曲线与其簇心之间的灰色关联度(17)，选取关联度最大的一条曲线作为该簇曲线的代表性日净负荷曲线，该曲线对应于典型日。
[0119][0120]
其中，x0(k)为簇心序列曲线的第k个点的位置；xi(k)为第i条序列曲线的第k个点的位置；ρ为分辨系数，一般取值0～0.8。
[0121]
s3、建立输电网-储能联合规划模型；
[0122]
基于步骤s2得到了新能源与负荷的典型场景集合的基础之上，建立输电网-储能联合规划模型。目标函数为最小化输电网-储能联合规划的投建成本与各个典型场景下机组组合运行成本。进而分阶段考虑约束，第一阶段是输电网与储能的规划决策阶段，在投建成本上限约束的条件下，构建出输电网与储能的投建决策。第二阶段是典型场景运行校核阶段，在第一阶段确定好输电网与储能的布局后，对第二阶段运行变量进行调节，以适应新能源与负荷的波动情况。
[0123]
(1)构建目标函数的表达式
[0124]
输电网-储能联合规划模型的目标函数为最小化投建成本与各个典型场景下的运行成本，投建成本包括输电线路与储能建设费用的等年值，运行成本包括火电机组发电成本、切负荷惩罚成本以及弃风弃光成本。
[0125][0126]
其中，c
inv
\c
op
为投资成本与运行成本；ω
nl
\ω
nes
为系统中所有待选线路的集合与
储能候选节点的集合；为第k条线路的投建成本与0-1投建变量；为第i个节点的单位储能设备的投建成本与投建数量整数变量；ξ为待投建设备的资金回收系数；ωb\ωs为系统中所有节点的集合与典型场景的集合；ω
wt
\ω
pv
为系统中所有风电机组的集合与所有光伏机组的集合；c
load,curt
为单位失负荷电量的成本；为第i个节点在j个场景下t时刻的失负荷电量；为第i台火电机组在j个场景下的发电成本函数，t时刻的出力，启动成本，停机成本；c
wt,curt
/c
pv,curt
为单位弃风力发电与弃光伏发电的惩罚成本；为第i台风电机组与光伏机组在j个场景下t时刻的超出风力发电与光伏发电最大允许的弃电量部分。
[0127]
(2)构建输电网与储能的规划决策阶段的约束
[0128]
在系统网架的限制与投建成本上限约束的条件下，第一阶段的约束条件包括线路走廊输电线路投建数量上限(4)与候选节点储能设备投建数量上限(5)。
[0129][0130]
(3)构建典型场景运行校核阶段的约束
[0131]
第二阶段在第一阶段确定好输电网与储能的布局后，对第二阶段运行变量进行调节，以适应新能源与负荷的波动情况。第二阶段的约束包括火电机组运行成本(6)、火电机组出力限制(7)、火电机组最短开停机时间约束(8)、火电机组运行状态的逻辑约束(9)、新能源机组的出力区间(10)、新能源消纳约束(11)、储能充放电功率区间(12)、限制储能同充同放(13)、储能电量约束(14)、已存在线路的网络安全约束(15)、待选线路的直流潮流模型(16)、待选线路两端节点的相角(17)、待选线路潮流上下限约束(18)与节点功率平衡约束(19)。
[0132][0133][0134][0135][0136]
[0137][0138][0139][0140][0141][0142][0143][0144][0145][0146]
其中，ω
lc
/ωr为系统中所有输电走廊的集合与负荷的集合；为输电走廊中允许的最大的线路数量与第i条走廊中已存在的线路数量；为第i台机组的单次开机成本与单次停机成本为第i台机组在s场景下t时刻的运行状态0-1变量、开机状态0-1变量与关机状态0-1变量；k
i,j
/h
i,j
为第i台机组线性化发电成本曲线中第j段的斜率与截距；为第i台机组的出力下限，出力上限、爬坡率、最短开机时间与最短关机时间；为第i台风电机组在j场景下t时刻的风资源曲线与
最大弃风率；为第i台光伏机组在j场景下t时刻的光资源曲线与最大弃光率；为第i个候选节点的储能在j场景下的充电功率与放电功率；为第i个候选节点的储能设备的充电效率与放电效率；为第i个候选节点在j场景下t时刻的储能的充电状态0-1变量与放电状态0-1变量；为第i个候选节点单位储能设备的最大充电功率、放电功率、电量下限与电量上限；p
k,s,t
/θ
k,i,s,t
为第k条线路在s场景下t时刻的线路潮流，i端节点的相角值与线路电抗；为节点相角的最小值与最大值；为第k条线路的线路电抗与线路容量。
[0147]
s4、线性化处理输电网-储能联合规划模型的第二阶段约束中的双线性项与整数变量；
[0148]
s401、针对输电网-储能联合规划模型第二阶段储能运行约束中，由于储能的投建数量与充/放电状态两个决策变量相乘产生的双线性项，对其进行松弛化处理；针对模型第二阶段待投建输电线路的直流潮流中，由于投建变量与节点相角两个决策变量相乘产生的双线性项，通过mccormick进行线性化处理；
[0149]
(1)松弛化处理储能投建数量变量与充、放电状态变量相乘产生的双线性项
[0150]
储能充放电功率区间(12)为非线性不等式约束，含有双线性项，松弛化处理后改写为：
[0151][0152][0153]
(2)mccormick线性化处理待投建输电线路的0-1投建变量与节点相角相乘产生的双线性项
[0154]
待选线路的直流潮流模型(16)为非线性等式约束，含有双线性项，mccormick线性化处理后可以改写为：
[0155][0156]
s402、基于步骤s401消除第二阶段约束中的双线性项，将第二阶段约束转化为混合整数线性问题。采用线性化松弛，将第二阶段火电机组运行约束中所有的运行状态整数变量全部转化为连续变量。同时在目标函数的运行成本中加入储能运行的能量损耗成本，避免储能同充同放，以此消除第二阶段储能运行约束中充放电状态的整数变量。
[0157]
(1)火电机组状态松弛
[0158]
输电网-储能联合规划的初始模型中，火电机组的启停状态变量与跨时序的约束(8)，对模型的求解有很大的影响。此外，由于长时间尺度的规划问题对运行阶段的精确度要求不高，因此本发明采用了线性化的松弛。将火电机组运行约束中所有的布尔变量全部
转化为连续变量：
[0159][0160]
(2)储能充放电状态的削减与转化
[0161]
在运行子问题中，储能运行过程中的充放电状态为0-1整数变量。为了保证在benders分解求解的过程中子问题模型线性，应当将和储能的充放电状态相关的约束去掉。然而为了保证储能运行的经济性，不能允许单台储能设备同充同放。所以在目标函数的运行成本中加入储能运行的能量损耗成本避免单台储能设备的同充同放：
[0162][0163]
其中，c
l
为储能设备运行过程中能量损耗的惩罚成本。
[0164]
因此，目标函数改为(24)，同时去掉与储能充放电状态相关的约束(13)与(21)。
[0165][0166]
s5、采用benders分解框架对线性化处理后输电网-储能联合规划模型进行求解；将模型拆分为投资主问题和一系列的运行子问题进行迭代求解，将输电网与储能的规划决策看作投资主问题，典型场景的运行校核看作运行子问题。
[0167]
经过步骤s401与步骤s402模型的线性化处理，线性化后模型的目标函数为(24)，第一阶段的约束条件包括(4)(5)，第二阶段的约束条件包括(6)-(11)、(14)-(15)、(17)-(20)与(21)-(22)；进而，输电网-储能规划的整体问题表示为紧凑型格式：
[0168][0169]
其中，xs为第s个场景下连续变量的向量；y为0-1整数变量的向量；cs/ds为第s个场景下的目标函数的系数向量；a/es/fs为约束的系数矩阵；b/hs为约束右端的常数列向量。
[0170]
本发明构建的含投资和运行成本的两阶段输电网-储能联合规划模型：
[0171]
第一阶段为在线路扩建和储能设备投建约束下的输电线路与储能规划决策问题，确定系统的网架与储能的分布；
[0172]
第二阶段在输电线路与储能的决策状态确定之后，在各个典型场景下机组组合的约束的条件下的运行模拟，表达式如下：
[0173][0174]
在此基础之上，将整体问题拆分为主问题与子问题，主问题mp的表达式如下所示：
[0175][0176]
而各个典型场景下的机组组合的运行模拟作为子问题sp，表达式如下所示：
[0177][0178]
其中，us为约束条件子问题中约束条件的对偶乘子的向量；为已经确定的整数变量的向量y。
[0179]
由于随着整数变量y取值的变化，子问题的可行域也在不断地发生变化，同时由于考虑多个场景且约束条件数量过多，约束条件的数量远远大于决策变量，因此将子问题转化为对偶问题进行求解，子问题sdp表达式如下所示：
[0180][0181]
通过求解子问题sdp得到的最优解，可以向主问题返回最优割，表达式形式如下所示：
[0182][0183]
求解主问题mp得到原问题的下界，求解子问题sdp得到原问题的上界，通过主子问题的迭代，子问题sdp不断地向主问题返回最优割，直到满足收敛间隙。
[0184]
本发明再一个实施例中，提供一种基于两阶段随机优化的输电网和储能联合规划系统，该系统能够用于实现上述基于两阶段随机优化的输电网和储能联合规划方法，具体的，该基于两阶段随机优化的输电网和储能联合规划系统包括场景模块、构建模块、处理模块以及规划模块。
[0185]
其中，场景模块，基于电力系统基本技术数据建立日净负荷曲线的集合，通过场景
削减得到反应负荷与新能源不确定性的典型场景集合；
[0186]
构建模块，基于反应负荷与新能源不确定性的典型场景集合建立基于输电网-储能联合规划模型；
[0187]
处理模块，基于输电网-储能联合规划模型的第一阶段约束为输电线路与储能元件投建数量上限，构建输电网与储能的投建决策；线性化处理基于输电网-储能联合规划模型的第二阶段约束中的双线性项与整数变量；
[0188]
规划模块，采用benders分解框架对线性化处理后输电网-储能联合规划模型进行求解；将模型拆分为投资主问题和一系列的运行子问题进行迭代求解，将输电网与储能的规划决策作为投资主问题，典型场景的运行校核作为运行子问题，根据投资主问题求解得到整数参数，求解整数参数下最优性子问题的解，并向主问题返回最优割约束，同时得到联合规划问题的上界；继续求解更新最优割约束下的投资主问题，得到新的整数参数，并得到联合规划问题的下界；不断迭代求解投资主问题与运行子问题，基于得到的联合规划问题解实现输电网和储能联合规划。
[0189]
本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor、dsp)、专用集成电路(application specificintegrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于基于两阶段随机优化的输电网和储能联合规划方法的操作，包括：
[0190]
基于电力系统基本技术数据建立日净负荷曲线的集合，通过场景削减得到反应负荷与新能源不确定性的典型场景集合；基于反应负荷与新能源不确定性的典型场景集合建立基于输电网-储能联合规划模型；基于输电网-储能联合规划模型的第一阶段约束为输电线路与储能元件投建数量上限，构建输电网与储能的投建决策；线性化处理基于输电网-储能联合规划模型的第二阶段约束中的双线性项与整数变量；采用benders分解框架对线性化处理后输电网-储能联合规划模型进行求解；将模型拆分为投资主问题和一系列的运行子问题进行迭代求解，将输电网与储能的规划决策作为投资主问题，典型场景的运行校核作为运行子问题，根据投资主问题求解得到整数参数，求解整数参数下最优性子问题的解，并向主问题返回最优割约束，同时得到联合规划问题的上界；继续求解更新最优割约束下的投资主问题，得到新的整数参数，并得到联合规划问题的下界；不断迭代求解投资主问题与运行子问题，基于得到的联合规划问题解实现输电网和储能联合规划。
[0191]
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的
一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速ram存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0192]
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关基于两阶段随机优化的输电网和储能联合规划方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：
[0193]
基于电力系统基本技术数据建立日净负荷曲线的集合，通过场景削减得到反应负荷与新能源不确定性的典型场景集合；基于反应负荷与新能源不确定性的典型场景集合建立基于输电网-储能联合规划模型；基于输电网-储能联合规划模型的第一阶段约束为输电线路与储能元件投建数量上限，构建输电网与储能的投建决策；线性化处理基于输电网-储能联合规划模型的第二阶段约束中的双线性项与整数变量；采用benders分解框架对线性化处理后输电网-储能联合规划模型进行求解；将模型拆分为投资主问题和一系列的运行子问题进行迭代求解，将输电网与储能的规划决策作为投资主问题，典型场景的运行校核作为运行子问题，根据投资主问题求解得到整数参数，求解整数参数下最优性子问题的解，并向主问题返回最优割约束，同时得到联合规划问题的上界；继续求解更新最优割约束下的投资主问题，得到新的整数参数，并得到联合规划问题的下界；不断迭代求解投资主问题与运行子问题，基于得到的联合规划问题解实现输电网和储能联合规划。
[0194]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0195]
请参阅图2，为验证本发明所提方法的有效性，选取ieee24节点的测试系统进行计算分析。该系统网架结构设置如图1所示，总共包含24个节点、5台变压器、34条输电线路、14台火电机组、6台风电机组和4台光伏机组。火电、风电和光伏装机分别为3405mw、1200mw和1550mw。在现有系统网架的基础之上，本发明设置每回线路走廊最大允许支路数设为3条，进而得到了系统网架的待选集，同时设置典型场景的数量为30个。
[0196]
表1三种不同模型的成本对比
[0197][0198]
表2三种不同模型失负荷、弃风与弃光情况对比
[0199][0200]
表3benders分解与一体化求解时间对比
[0201][0202]
具体计算结果如表1、表2和表3所示。由表1中的成本对比表明，输电网-储能联合规划比输电网与储能的单独规划的成本都要低，验证了联合规划成本低于单独规划成本的经济性。由表2的结果对比表明，输电网-储能联合规划的失负荷电量与弃风弃光电量均为0，验证了联合规划比输电网与储能的单独规划更能减少由于输电阻塞导致的失负荷问题，以及由于新能源发电量高占比导致的新能源外送困难问题，保证了新能源的消纳。由表3的结果对比表明，benders求解更为高效，相对于一体化求解，效率提升69％，很大程度上提高了求解的效率。
[0203]
综上所述，本发明一种基于两阶段随机优化的输电网和储能联合规划方法及系统，能够应对由于负荷增长导致的输电阻塞与新能源外送困难应对能力较差的问题，同时在保证充分考虑负荷与新能源不确定性的情况下，提高输电网-储能联合规划模型的计算效率。相比于传统的电力系统规划问题，本发明所提的方法选取的规划对象为输电网与储能，两者联合规划可以充分应对电力系统中由于负荷增长与高比例新能源发电占比导致的输电阻塞与新能源外送困难的问题。本发明所提的方法消除了输电网-储能规划模型中第
二阶段约束中的双线性项与整数变量，进而采用了benders分解的框架对问题进行了求解，在尽可能保证问题的准确性的情况下，通过将整体问题拆分为投资性主问题与一系列的运行子问题，求解规模较小的主问题与子问题，减小了问题求解的难度，改善了求解的效率，因此本发明所提方法适用于提高求解大规模的输电网-储能联合规划问题的计算效率。
[0204]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0205]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0206]
本领域普通技术人员可以意识到，结合本发明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、或者计算机软件和电子硬件的结合来实现。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发明的范围。
[0207]
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，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，例如多个单元或组件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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0208]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，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单元来实现本实施例方案的目的。
[0209]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0210]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁
碟、光盘、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(randomaccess memory，ram)、电载波信号、电信信号以及软件分发介质等，需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
[0211]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0212]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0213]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0214]
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。