[8]。1）基于傳統(tǒng)數(shù)學(xué)建模的電力系統(tǒng)經(jīng)濟(jì)調(diào)度優(yōu)化模型構(gòu)建傳統(tǒng)數(shù)學(xué)建模模型是尋找一個(gè)最優(yōu)解，使需求目標(biāo)達(dá)到最優(yōu)值。第一類可以分為計(jì)及經(jīng)濟(jì)調(diào)度模型構(gòu)建中的常規(guī)約束條件，關(guān)注重點(diǎn)在于對所求模型的目標(biāo)函數(shù)，以此來量化風(fēng)電并網(wǎng)對電力系統(tǒng)帶來的影響，常見形式為在目標(biāo)函數(shù)中設(shè)定多個(gè)分目標(biāo)求取和的最優(yōu)解或構(gòu)建含多目標(biāo)的模型，使其均達(dá)到最優(yōu)解。文獻(xiàn)REF_Ref69996869\r\h[9]及文獻(xiàn)REF_Ref69997063\r\h[10]同時(shí)計(jì)及風(fēng)電預(yù)測的誤差性對于電網(wǎng)調(diào)度的影響及火電機(jī)組排放污染物，在模型中引入了正備用罰函數(shù)、風(fēng)功率剩余罰函數(shù)，反映風(fēng)并網(wǎng)后對火電機(jī)組備用容量的需求變化；考慮運(yùn)用二次曲線刻畫火電機(jī)組排放污染物的特性，引入環(huán)境目標(biāo)函數(shù)，構(gòu)建計(jì)及風(fēng)電成本的日內(nèi)調(diào)度模型；文獻(xiàn)REF_Ref69997462\r\h[11]考慮運(yùn)用水電機(jī)組實(shí)現(xiàn)電網(wǎng)調(diào)峰，同時(shí)刻畫火電機(jī)組運(yùn)行成本及包含風(fēng)電機(jī)組運(yùn)營成本在內(nèi)的風(fēng)電綜合成本，運(yùn)用機(jī)組組合理論，構(gòu)建含多目標(biāo)同時(shí)優(yōu)化的調(diào)度模型；文獻(xiàn)REF_Ref69997772\r\hREF_Ref69997772\r\h[12]計(jì)及風(fēng)電隨機(jī)性引發(fā)的調(diào)峰成本，通過引入沖激函數(shù)，考慮將風(fēng)速的概率分布函數(shù)利用數(shù)學(xué)方式轉(zhuǎn)化為風(fēng)功率的概率模型，以此為基礎(chǔ)，參照文獻(xiàn)REF_Ref69996869\r\h[9]構(gòu)建風(fēng)電的罰成本函數(shù)，作為目標(biāo)函數(shù)納入模型中；文獻(xiàn)REF_Ref69997661\r\h[13]中將因棄風(fēng)引發(fā)的影響作了分段處理，通過把棄風(fēng)分段懲罰因子引入成本函數(shù)，定義風(fēng)電棄風(fēng)懲罰成本進(jìn)行優(yōu)化建模，構(gòu)建了火電與風(fēng)電共同優(yōu)化的調(diào)度模型。模型在保證安全穩(wěn)定運(yùn)行的條件下會優(yōu)先對風(fēng)電進(jìn)行消納，允許特殊狀態(tài)下的棄風(fēng)。第二部分可以分為基于傳統(tǒng)的電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型，對原有的約束條件進(jìn)行優(yōu)化或者增加新的約束條件，以此衡量風(fēng)電并網(wǎng)對電力系統(tǒng)經(jīng)濟(jì)調(diào)度的影響能力。文獻(xiàn)REF_Ref69999816\r\h[14]考慮了在并網(wǎng)風(fēng)電全部利用的基礎(chǔ)上，調(diào)整火電機(jī)組的出力，實(shí)現(xiàn)經(jīng)濟(jì)調(diào)度的靈活性，優(yōu)化了有關(guān)備用容量約束的部分，將上網(wǎng)負(fù)荷和并網(wǎng)風(fēng)功率的一部分作為正負(fù)備用容量納入約束條件，將風(fēng)電場額定出力峰值同計(jì)劃出力差值的一部分當(dāng)作對負(fù)備用容量的需求納入，有效解決風(fēng)電出力誤差對電網(wǎng)運(yùn)行帶來的影響；文獻(xiàn)REF_Ref70000011\r\h[15]針對不同風(fēng)功率水平出現(xiàn)的預(yù)測誤差，建立了不連續(xù)的概率模型，將停止運(yùn)行量用高斯函數(shù)擬合表示，通過表達(dá)式將風(fēng)電并網(wǎng)對系統(tǒng)運(yùn)行的風(fēng)險(xiǎn)納入備用約束條件中，優(yōu)化得到了在概率備用約束基礎(chǔ)上的經(jīng)濟(jì)調(diào)度模型。2）基于風(fēng)電出力不確定性的電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型構(gòu)建為了更好地刻畫由于風(fēng)電隨機(jī)性對并網(wǎng)后的電網(wǎng)調(diào)峰調(diào)度的影響，關(guān)鍵在于如何準(zhǔn)確描述無法準(zhǔn)確預(yù)測的風(fēng)功率，而基于不確定規(guī)劃理論中引入的概率變量可以體現(xiàn)風(fēng)電的這一特殊性，基于此構(gòu)建的模型可以更好的模擬實(shí)際情況。文獻(xiàn)[16-24]對此展開了研究，研究內(nèi)容可以分為以下三個(gè)方面：第一類為基于模糊集理論的方法，文獻(xiàn)REF_Ref70000081\r\h[16]以模糊變量定義風(fēng)電的隨機(jī)出力，而處理模糊變量的關(guān)鍵點(diǎn)在于確定該模糊數(shù)的隸屬度函數(shù)，該文利用梯形隸屬度函數(shù)來體現(xiàn)風(fēng)電出力不確定，引入了滿意程度這一標(biāo)準(zhǔn)來衡量規(guī)劃者的決策意見，更好地優(yōu)化了調(diào)度；文獻(xiàn)REF_Ref70000163\r\h[17]將傳統(tǒng)火電機(jī)組運(yùn)行出力和風(fēng)電功率均定為模糊量，火電機(jī)組對應(yīng)的模糊隸屬度較大，采用半梯形作為隸屬度函數(shù)，風(fēng)電機(jī)組出力同文獻(xiàn)REF_Ref70000081\r\h[16]一致，亦為梯形隸屬度函數(shù)，并引入模糊滿意度作為評價(jià)指標(biāo)，將上述經(jīng)濟(jì)調(diào)度問題等效為在滿足約束的條件下實(shí)現(xiàn)滿意度指標(biāo)η最大化的問題。第二類從期望值的角度出發(fā)，在模型的目標(biāo)函數(shù)或約束條件中引入所用不確定函數(shù)的期望值。文獻(xiàn)REF_Ref69998999\r\hREF_Ref69998999\r\h[18]基于采用基于威布爾概率密度函數(shù)的隨機(jī)表征風(fēng)速的方法，同時(shí)提出了過高或過低估計(jì)風(fēng)電出力帶來經(jīng)濟(jì)損失所設(shè)置的成本，將其納入目標(biāo)函數(shù)優(yōu)化原有經(jīng)濟(jì)調(diào)度模型；文獻(xiàn)REF_Ref69999530\r\h[19]和文獻(xiàn)REF_Ref70000620\r\h[20]采用Weibull分布模型來刻畫風(fēng)速變化，得到該分布下風(fēng)速的概率分布，同時(shí)由風(fēng)速與風(fēng)電功率對應(yīng)函數(shù)，可得風(fēng)電基于此分布下的概率密度函數(shù)，充分計(jì)及風(fēng)電預(yù)測偏差帶來的消極影響：文獻(xiàn)REF_Ref69999530\r\h[19]以風(fēng)電實(shí)際出力和預(yù)測出力的差值的期望值作為高估期望和低估期望，分別乘以相應(yīng)的系數(shù)作為風(fēng)電的高估出力期望和低估出力期望，以此納入目標(biāo)函數(shù)計(jì)算；文獻(xiàn)REF_Ref70000620\r\h[20]運(yùn)用積分求概率分布的方法描述風(fēng)電出力被高估及低估情形下的分布，在此基礎(chǔ)上求得期望推導(dǎo)出風(fēng)電成本表達(dá)式計(jì)入調(diào)度模型目標(biāo)函數(shù)中，兩種方法都能使優(yōu)化結(jié)果既能體現(xiàn)出風(fēng)能的利用率，同時(shí)又可以得出總經(jīng)濟(jì)成本；文獻(xiàn)REF_Ref70000766\r\h[21]采用Beta分布擬合了有關(guān)風(fēng)電出力預(yù)測的差量，根據(jù)預(yù)測均值及標(biāo)準(zhǔn)差計(jì)算出Beta函數(shù)的參數(shù)α和β，得到風(fēng)電實(shí)際出力的，同文獻(xiàn)REF_Ref70000620\r\h[20]相似，該文章定義“過調(diào)度”和“欠調(diào)度”，由此定義由于風(fēng)電預(yù)測不準(zhǔn)確導(dǎo)致的補(bǔ)償費(fèi)用，同時(shí)考慮考慮到CO2排放成本帶來的電力公司報(bào)價(jià)策略，定義電力市場運(yùn)營指標(biāo)，構(gòu)建綜合經(jīng)濟(jì)模型。第三類利用數(shù)學(xué)中的機(jī)會約束規(guī)劃概念，其定義為允許在一定程度上所做決定不滿足設(shè)定的約束條件，但該決定下約束條件能夠成立的概率不小于人為給定的置信水平，將不確定性問題其轉(zhuǎn)化為數(shù)學(xué)建模問題；文獻(xiàn)REF_Ref70000911\r\h[22]引入了機(jī)會約束規(guī)劃理論中的概率約束，定義了風(fēng)電場能夠?qū)崿F(xiàn)計(jì)劃出力的可能性，優(yōu)化了風(fēng)電場原計(jì)劃出力的上限，同時(shí)結(jié)合風(fēng)功率歸一化處理的出力服從β分布，設(shè)置條件期望描述風(fēng)電計(jì)劃出力與實(shí)際風(fēng)功率差值，使備用約束條件計(jì)及風(fēng)電隨機(jī)性；文獻(xiàn)REF_Ref70001455\r\h[23]考慮到不能以傳統(tǒng)的經(jīng)濟(jì)調(diào)度方法規(guī)劃含風(fēng)電并網(wǎng)的調(diào)度問題，選擇運(yùn)用時(shí)間序列實(shí)現(xiàn)對風(fēng)速的預(yù)測，結(jié)合風(fēng)電機(jī)組的功率輸出同風(fēng)速之間的關(guān)系曲線，引入含機(jī)會約束規(guī)劃的數(shù)學(xué)模型，以常規(guī)火電機(jī)組運(yùn)行成本的數(shù)學(xué)期望最小值作為模型的目標(biāo)函數(shù)，將隨機(jī)變量以概率的形式引入以刻畫機(jī)組爬坡約束與系統(tǒng)備用約束，運(yùn)用混合智能算法求解動態(tài)經(jīng)濟(jì)調(diào)度問題；文獻(xiàn)REF_Ref70001095\r\h[24]和文獻(xiàn)REF_Ref70001455\r\h[23]相類似，文章通過統(tǒng)計(jì)一定數(shù)量的實(shí)際風(fēng)功率同預(yù)測出力差值，推導(dǎo)得風(fēng)電出力誤差的概率密度函數(shù)，分析得到風(fēng)電出力誤差的實(shí)際分布應(yīng)介于兩種常用分布——拉普拉斯分布與高斯分布之間，為準(zhǔn)確描述，在兩分布前分別添加系數(shù)將其綜合，構(gòu)建了基于風(fēng)電誤差的分布函數(shù)，基于機(jī)會約束規(guī)劃構(gòu)建了綜合多種因素在內(nèi)的旋轉(zhuǎn)備用模型，反映了旋轉(zhuǎn)備用的充分性對系統(tǒng)經(jīng)濟(jì)性的影響。3）含風(fēng)電的綜合能源聯(lián)合作用下的電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型構(gòu)建隨著新能源的發(fā)展，風(fēng)力發(fā)電，光伏發(fā)電及水力發(fā)電等先后成為可再生能源發(fā)電領(lǐng)域拓展的重要一環(huán)，且多種新能源發(fā)電并網(wǎng)后對電力系統(tǒng)會產(chǎn)生影響，文獻(xiàn)[25-27]研究了其綜合不確定性，構(gòu)建了經(jīng)濟(jì)調(diào)度模型。文獻(xiàn)REF_Ref70001628\r\h[25]考慮到風(fēng)速、光照及系統(tǒng)負(fù)荷由于預(yù)測誤差對電網(wǎng)的影響，令以上因素服從于正態(tài)分布，并分析各因素內(nèi)在關(guān)聯(lián)，引入了隨機(jī)變量間的相關(guān)系數(shù)，綜合構(gòu)建了風(fēng)-光-荷聯(lián)合概率密度函數(shù)；采用優(yōu)化后的超分位數(shù)方法，將對非線性問題的處理線性化；文獻(xiàn)REF_Ref70001700\r\h[26]分析了風(fēng)電、光電以及電網(wǎng)負(fù)荷預(yù)測誤差的概率分布特性，利用模糊隨機(jī)變量的模糊和隨機(jī)特點(diǎn)描述風(fēng)功率預(yù)測誤差，光伏輸出功率與光照強(qiáng)度有關(guān)，用正態(tài)分布描述光照預(yù)測誤差，結(jié)合光照強(qiáng)度同光伏輸出功率的線性關(guān)系，故用隨機(jī)變量描述光伏，在此基礎(chǔ)上計(jì)及環(huán)境因素引入環(huán)境成本，并采用基于層次分析法的模糊綜合多目標(biāo)處理策略進(jìn)行處理；文獻(xiàn)REF_Ref70001987\r\h[27]在兼顧電力系統(tǒng)約束條件的前提下以綜合成本為目標(biāo)函數(shù)，考慮風(fēng)力發(fā)電、光伏發(fā)電及傳統(tǒng)火電協(xié)調(diào)出力調(diào)度。1.2含大規(guī)模風(fēng)電經(jīng)濟(jì)調(diào)度求解算法研究現(xiàn)狀目前求解含風(fēng)電的電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型主要包含傳統(tǒng)優(yōu)化算法和人工智能算法及其優(yōu)化算法，應(yīng)用較為廣泛的有粒子群算法[28-30]、遺傳算法[31-32]、模擬退火算法[30]、進(jìn)化規(guī)劃算法及分支定界算法等，近年來也有很多新的優(yōu)化算法出現(xiàn)，如蜂群算法[33]、螢火蟲算法[34]及布谷鳥算法[35]等。相較于傳統(tǒng)優(yōu)化算法，人工智能算法及其優(yōu)化算法的特點(diǎn)是具有一定的全局搜索能力，但尋優(yōu)時(shí)間較長，且可能出現(xiàn)困于局部最優(yōu)解的問題，且人工智能算法通常不以找到理論上的最優(yōu)解為目的，而是盡可能地趨近于最優(yōu)解。1）傳統(tǒng)人工智能算法文獻(xiàn)REF_Ref70002205\r\h[28]提出了用Copula函數(shù)來描述風(fēng)電的隨機(jī)出力性，考慮風(fēng)電與光電的關(guān)聯(lián)性構(gòu)建日內(nèi)調(diào)度模型，并應(yīng)用粒子群算法求解；文獻(xiàn)REF_Ref70002214\r\h[29]考慮風(fēng)電并網(wǎng)的經(jīng)濟(jì)調(diào)度，利用簡化梯度法結(jié)合改進(jìn)的粒子群優(yōu)化算法對不同約束條件下的優(yōu)化結(jié)果進(jìn)行優(yōu)化。將簡化梯度法若干次迭代的初步解作為初始粒子群的一種。在此基礎(chǔ)上，運(yùn)用模擬退火算法求解以避免出現(xiàn)陷于局部最優(yōu)解或不收斂的情況；文獻(xiàn)REF_Ref70002223\r\h[30]設(shè)置雙重目標(biāo)函數(shù)，即令風(fēng)電消納量最大化，火電機(jī)組出力最小化；運(yùn)用混沌算法在可完全遍歷的優(yōu)勢，將其同粒子群算法結(jié)合形成優(yōu)化算法用以求解模型；文獻(xiàn)REF_Ref70002230\r\h[31]運(yùn)用遺傳算法，使各火電機(jī)組都以盡可能小的煤耗成本最優(yōu)地滿足系統(tǒng)負(fù)荷的需求；文獻(xiàn)REF_Ref70002239\r\h[32]在含風(fēng)電的短期調(diào)度模型中考慮到風(fēng)電并網(wǎng)帶來的影響，運(yùn)用條件風(fēng)險(xiǎn)價(jià)值理論表征風(fēng)電隨機(jī)性，求解過程中采用遺傳算法同免疫算法相結(jié)合并引入自適應(yīng)概念的優(yōu)化算法，提高運(yùn)算精度。2）新優(yōu)化算法文獻(xiàn)REF_Ref70002245\r\h[33]將歷史風(fēng)電功率和風(fēng)速等參數(shù)采用統(tǒng)計(jì)后預(yù)測的方法得到，并將其作為BP神經(jīng)網(wǎng)絡(luò)的輸入矢量，采用人工蜂群算法優(yōu)化得到神經(jīng)網(wǎng)絡(luò)的相關(guān)參數(shù)，建立基于神經(jīng)網(wǎng)絡(luò)的風(fēng)電出力預(yù)測模型；文獻(xiàn)REF_Ref70002250\r\h[34]考慮環(huán)境友好與系統(tǒng)運(yùn)行經(jīng)濟(jì)性的前提下建立經(jīng)濟(jì)調(diào)度模型，針對傳統(tǒng)螢火蟲算法在尋找最優(yōu)解的過程中易出現(xiàn)的問題，該文提出一種結(jié)合步長變化的螢火蟲算法以解決其振蕩性，對模型進(jìn)行求解；文獻(xiàn)REF_Ref70002257\r\h[35]在計(jì)及火電機(jī)組運(yùn)行成本及環(huán)境成本等多目標(biāo)函數(shù)構(gòu)建的優(yōu)化模型下，運(yùn)用虛擬解理論，將多目標(biāo)尋求最優(yōu)解的過程轉(zhuǎn)化為單目標(biāo)最優(yōu)值求解，求解方法選用布谷鳥算法。參考文獻(xiàn)國家統(tǒng)計(jì)局.中華人民共和國2020年國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計(jì)公報(bào)[N].人民日報(bào),2021-03-01(010).國務(wù)院辦公廳發(fā)布《能源發(fā)展戰(zhàn)略行動計(jì)劃(2014—2020年)》[J].煤化工,2014,42(06):71.韓雪,陶冶.2018年我國風(fēng)電產(chǎn)業(yè)發(fā)展形勢及2019年展望[J].中國能源,2019,41(05):43-47.尹明,王成山,葛旭波.風(fēng)電并網(wǎng)經(jīng)濟(jì)技術(shù)評價(jià)研究綜述[J].電力系統(tǒng)及其自動化學(xué)報(bào),2010,22(05):102-108.范李平,楊力森,武粉桃.風(fēng)電場并網(wǎng)對電力系統(tǒng)穩(wěn)定性影響[J].電網(wǎng)與清潔能源,2009,25(06):58-61.孫元章,吳俊,李國杰.風(fēng)力發(fā)電對電力系統(tǒng)的影響(英文)[J].電網(wǎng)技術(shù),2007(20):55-62.黃德琥,陳繼軍,張嵐.大規(guī)模風(fēng)電并網(wǎng)對電力系統(tǒng)的影響[J].廣東電力,2010,23(07):27-30.周瑋,孫輝,顧宏,陳曉東.含風(fēng)電場的電力系統(tǒng)經(jīng)濟(jì)調(diào)度研究綜述[J].電力系統(tǒng)保護(hù)與控制,2011,39(24):148-154.任博強(qiáng),彭鳴鴻,蔣傳文,欒士巖,林海濤,李磊,趙巖.計(jì)及風(fēng)電成本的電力系統(tǒng)短期經(jīng)濟(jì)調(diào)度建模[J].電力系統(tǒng)保護(hù)與控制,2010,38(14):67-72.袁鐵江,晁勤,吐爾遜·伊不拉音,童菲.電力市場環(huán)境下含風(fēng)電機(jī)組的環(huán)境經(jīng)濟(jì)調(diào)度模型及其仿真[J].電網(wǎng)技術(shù),2009,33(06):67-71.李茜,劉天琪,李興源.大規(guī)模風(fēng)電接入的電力系統(tǒng)優(yōu)化調(diào)度新方法[J].電網(wǎng)技術(shù),2013,37(03):733-739.翁振星,石立寶,徐政,盧強(qiáng),倪以信,姚良忠.計(jì)及風(fēng)電成本的電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度[J].中國電機(jī)工程學(xué)報(bào),2014,34(04):514-523.徐帆,王穎,楊建平,張凱鋒,陳之栩,楊爭林.考慮電網(wǎng)安全的風(fēng)電火電協(xié)調(diào)優(yōu)化調(diào)度模型及其求解[J].電力系統(tǒng)自動化,2014,38(21):114-120.周瑋,彭昱,孫輝等.含風(fēng)電場的電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度[J].中國電機(jī)工程學(xué)報(bào),2009,29(25):13-18.孟祥星,王宏.大規(guī)模風(fēng)電并網(wǎng)條件下的電力系統(tǒng)調(diào)度[J].東北電力大學(xué)學(xué)報(bào),2009,29(1):1-7.陳海焱,陳金富,段獻(xiàn)忠.含風(fēng)電場電力系統(tǒng)經(jīng)濟(jì)調(diào)度的模糊建模及優(yōu)化算法[J].電力系統(tǒng)自動化,2006,30(2):22-26.張曉花,趙晉泉,陳星鶯.含風(fēng)電場機(jī)組組合的模糊建模和優(yōu)化[J].科技導(dǎo)報(bào),2009,27(20):102-105.J.Hetzer,D.C.YuandK.Bhattarai,"AnEconomicDispatchModelIncorporatingWindPower,"inIEEETransactionsonEnergyConversion,vol.23,no.2,pp.603-611,June2008.Y.J.Liu,L.B.Shi,R.WangandL.Z.Yao,"S