技术特征：
1.一种基于两阶段随机优化的输电网和储能联合规划方法，其特征在于，包括以下步骤：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。2.根据权利要求1所述的基于两阶段随机优化的输电网和储能联合规划方法，其特征在于，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：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；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。3.根据权利要求2所述的基于两阶段随机优化的输电网和储能联合规划方法，其特征在于，灰色关联度ε(k)计算如下：其中，x0(k)为簇心序列曲线的第k个点的位置；x
i
(k)为第i条序列曲线的第k个点的位置；ρ为分辨系数。4.根据权利要求1所述的基于两阶段随机优化的输电网和储能联合规划方法，其特征在于，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：
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；ω
b
\ω
s
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。5.根据权利要求4所述的基于两阶段随机优化的输电网和储能联合规划方法，其特征在于，约束条件如下：输电网与储能的规划决策阶段的约束：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：数量上限，具体如下：典型场景运行校核阶段的约束：第二阶段的约束包括火电机组运行成本：火电机组出力限制：火电机组最短开停机时间约束：
火电机组运行状态的逻辑约束：新能源机组的出力区间：新能源消纳约束：储能充放电功率区间：限制储能同充同放：储能电量约束：已存在线路的网络安全约束：已存在线路的网络安全约束：
待选线路的直流潮流模型：待选线路两端节点的相角：待选线路潮流上下限约束：节点功率平衡约束：其中，ω
lc
/ω
r
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。6.根据权利要求1所述的基于两阶段随机优化的输电网和储能联合规划方法，其特征在于，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：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；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。7.根据权利要求6所述的基于两阶段随机优化的输电网和储能联合规划方法，其特征在于，松弛化处理如下：
线性化处理如下：-(1-z
k
)π≤(θ
k,i,s,t-θ
k,j,s,t
)-x
k
p
k,s,t
≤(1-z
k
)π其中，为第i个候选节点的储能在j场景下的充电功率，n
i
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，z
k
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，x
k
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，ω
b
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。8.根据权利要求6所述的基于两阶段随机优化的输电网和储能联合规划方法，其特征在于，将第二阶段约束转化为混合整数线性问题具体为：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：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；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：
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；ω
b
\ω
s
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。9.根据权利要求1所述的基于两阶段随机优化的输电网和储能联合规划方法，其特征在于，投资主问题：minz＝d
t
y ηs.t.ay≥by∈{0,1},η≥0运行子问题：运行子问题：运行子问题：其中，u
s
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，x
s
为第s个场景下的连续变量的向量，a/e
s
/f
s
为约束的系数矩阵，b/h
s
为约束右端的常数列向量，ω
s
为系统中所有典型场景的集合。10.一种基于两阶段随机优化的输电网和储能联合规划系统，其特征在于，包括：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；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；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；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。
技术总结
本发明公开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及系统，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，采用约束松弛与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，提高求解的效率，本发明消除了输电网-储能规划模型中第二阶段约束中的双线性项与整数变量，减小了问题求解的难度，改善了求解的效率，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。率。率。
技术研发人员：李志远 丛立章 杨钤 王建学
受保护的技术使用者：西安交通大学
技术研发日：2023.06.30
技术公布日：2023/10/10