基于数据驱动自适应鲁棒优化的电-热耦合系统协同调度

随着电-热系统的紧密耦合,电-热联合调度已成为当前研究的热点。通过挖掘供热系统在源、网、荷侧的灵活性,为电力系统的风电消纳提供了额外空间。然而,可用的风电出力难以准确预测,且其相应的概率分布无法事先获取,而鲁棒调度又过于保守。为了解决这一问题,提出一种基于数据驱动的电-热耦合系统自适应鲁棒调度方法。该方法结合随机规划和鲁棒优化的优势,利用历史数据模拟最坏的概率分布场景,实现了经济性和保守性的平衡。通过在包含6节点电网和6节点热网的耦合系统进行仿真测试,验证所提方法的有效性。