第1章绪论
　　1.1现代电力系统调度的发展历程
　　电力系统调度部门是指挥、监督和管理电力生产、传输和运行的枢纽中心，领导电力系统内发电、输电、变电、配电，以及供电部门遵循安全、经济运行的原则，向用户不间断地提供优质电能，并在事故情况下迅速排查故障，为电力系统恢复正常运行提供决策[1]。电力系统调度主要包含中长期、短期和实时调度。中长期或者短期调度通常以提高周期内的运行经济性与安全性为目标。实时调度根据电力系统实时运行状态调整系统运行方式。随着新能源发电、大数据、云计算等新兴技术在电力系统中的发展和应用，电网调度技术取得了长足进展。我国电网调度的发展建设主要包含四段历程。
　　（1）传统电力系统分层、分级的集中式调度
　　电力系统调度研究起步较早，相关研究在20世纪20年代就已展开[2]。起初电力系统调度中心主要依靠电话获取并网小型火电厂和水电站的运行情况，离线制定电网的经济调度策略。至1940年，数据采集与监视控制（supervisory control and data acquisition，SCADA）系统开始在电网运行中应用[3]。调度中心可以依靠采集的遥测、遥信数据全面地判断整个电力系统的运行状况。20世纪50年代，随着计算机技术和自动化技术的快速发展和应用，电网损耗计算和最优潮流（optimal powerflow，OPF）理论[4]开始引入电力系统经济调度模型中。20世纪70年代至21世纪初期，随着500kV及更高电压等级电网的建设，大型火电厂和水电站实现远距离传输，同时SCADA系统、广域测量系统（wide area measurement system，WAMS）等手段在电力系统中广泛应用，电力调度中心逐渐具备电网数据采集、状态估计、网络安全分析、潮流计算等功能。由于各时间段负荷预测技术的发展，考虑负荷未来发展趋势和最优机组组合的动态电力系统经济调度方式逐渐形成。例如，Bechert等[5]在考虑发电机、锅炉、汽轮机输出功率变化速率约束的基础上，提出经济调度与机炉电相协调的思想。同时，动态OPF和考虑时间约束关系的非线性OPF的模型构建和求解算法引起人们广泛的关注，出现状态估计、动态状态估计、动态预估技术，逐渐形成包含完善的分层、分级集中式调度功能的电力系统能量管理系统（energy management system，EMS）。
　　（2）可再生能源并网的电力系统调度
　　进入21世纪以来，随着化石燃料日趋枯竭、全球气温持续上升、环境污染等问题不断出现，加快开发利用风能、太阳能等可再生能源已成为全球应对日益严峻的能源环境问题的必由之路。据统计，2010年以来全球范围内可再生能源装机容量以平均每年8%的速度增长，预期到2050年可再生能源约占全球总能源使用量的三分之二[6]。《中国2050高比例可再生能源发展情景暨路径研究》提出，到2050年建立以可再生能源为主的能源体系，实现可再生能源发电量占总发电量85%以上的目标[7]。随着可再生能源接入比例的不断提高，主动电源、常规负荷、不确定性被动电源（风、光等可再生能源）、主动负荷（电动汽车、储能、可中断负荷（interruptible load，IL）等）共存，使电力系统呈现多元、互补、关联的复杂形态，电力系统调度中的不确定性因素增加，考虑不确定性的随机优化[8]和鲁棒优化[9]等优化方法开始在电力系统及综合能源系统调度中得到重视与应用。
　　随着集成分布式新能源的智能电网和主动配电网的建设和发展，调配和消纳可再生能源成为新一代电力系统调度的一个基本要求。由于数量众多、地理分散且特性各异的分布式发电、分布式储能、用户需求响应资源等新型可调控单元接入比例的不断增大，传统集中式调度方法难以满足高渗透率分布式电能资源接入背景下电力系统经济调度的需求，存在调度中心通信和计算压力过大、调度方案可靠性低等问题[10]。分布式经济调度因具有可靠性高、可扩展性强、通信计算负载均匀等特点，成为适应高比例可再生能源电力系统调度的可行方案。
　　自2002年电力体制改革实施以来，电力行业破除了独家办电的体制束缚，从根本上改变指令性计划体制和政企不分、厂网不分等局势，初步形成电力市场主体多元化竞争格局[11]。同时，具有波动性与随机性的可再生能源的并网对电力系统的安全可靠运行提出了新挑战。　　（3）大数据环境下的电力系统调度
　　传统电力系统调度采取垂直一体化的集中控制制度，每一级的控制中心只对上一级负责。系统各等级之间信息共享不充分，总体数据信息缺乏整合与规划，电网调度系统存在“信息孤岛”问题。随着大数据挖掘和信息资源动态共享能力的发展，以及现代电力调度系统基于SCADA系统、EMS、配电网管理系统（distribution management system，DMS）、WAMS、电力市场公共信息等各种软硬件资源集成信息系统的融合，实现数据资源的动态优化和合理分配，构建具有强大计算能力、高效处理海量信息、快速网络互联、稳定可靠的电网调度自动化信息处理平台成为现代电力系统调度发展的必然趋势。在这种背景下，云计算技术在电网调度系统的发展中占据核心地位[12]。云计算在我国的发展势头非常迅猛，一系列相关的计算服务标准和技术标准先后发布，并在深圳、上海、杭州、无锡和北京等五个城市开展云计算服务创新试点示范工作。目前，国家电网有限公司、中国南方电网有限责任公司已经开始研究运用云计算进行数据监控和信息管理分析，并建立国调、网调、省调的云计算数据中心。结合智能电网的相关技术建立电力系统智能云，并搭建电力调度中心统一的智能数据平台，成为实现现代电力系统全方位调度的数据基础。
　　近年来，随着电网量测系统的完善，以及可再生能源的发展，积累了海量的可再生能源发电数据。基于数据驱动的优化调度方法能克服传统基于随机优化与鲁棒优化的调度方法在实际应用中的不足。这些数据驱动的优化调度方法一般基于可再生能源发电历史或预测数据建立随机变量模型[13]，通过挖掘数据表征的统计信息建立基于数据驱动的分布鲁棒优化模型，解决传统随机优化中不确定性因素建模不准确的难题，提高调度方案在实际系统运行中的适用性。
　　（4）“双碳”目标下的电力系统调度
　　2020年9月，中国宣布力争于2030年前实现碳达峰、2060年前实现碳中和。在“双碳”背景下，传统电力系统加速向以新能源为主体的新型电力系统转变，电力系统调度迎来全新的挑战。高比例风光新能源接入会对电力系统运行的安全性产生巨大影响，如调峰不足、线路潮流越限、电压越限等问题，考虑新能源接入的有功与无功潮流优化调度研究将为电力系统应对新能源不确定性提供安全理论与技术支撑。用户侧电动汽车、储能、热电联产等多能互补方式增加了负荷柔性比例，电力用户既是电能消费者又是生产者，因此电力系统调度需在更大范围内开展，实现荷随网动、源网荷储协调互动[14]。在“双碳”背景下，低碳成为继安全、经济之后电力系统调度运行中重要的目标之一。碳捕集与封存技术（carbon capture and storage，CCS）是减少温室气体排放经济可行的方法，碳捕集电厂（carbon capture power plants，CCPP）是未来电厂的发展方向之一[15，16]，因此需考虑CCPP的低碳效益对节能发电调度（energy-saving generation dispatching，ESGD）的影响，对含CCPP的系统进行低碳电力调度（low-carbon generation dispatching，LCGD）和ESGD的一致性评估。按照各个机组的节能效益和低碳效益的不同，调整系统负荷在各机组中的分配，通过差异化和互动式节能优化调度提升电力调度的低碳效益。“双碳”背景下的电力系统需要利用虚拟电厂、主动需求响应、综合能源系统、智慧能源等技术[17]，实现安全可控、低碳节能、双向互动、智能高效的电力系统优化调度。
　　综上所述，现代电力系统正在朝着安全可控、清洁低碳、灵活高效、源网荷友好互动的方向发展，逐步形成高度智能化的电网。智能电网调度是现代电力系统调度的重要特征。未来电力系统调度将在电网运行状态全景可观测的基础上，形成电网运行状态全景过程化可观测数据，通过提炼观测数据的规律，基于大数据处理技术预测发电、输电、用电的特征，建立协调发电、输电、用电的电网区域自治模型和集中统筹调度策略，实现电力系统调度的自动化、信息化和智能化。
　　1.2智能电网优化调度的特征
　　新能源发电的高比例接入、高压直流输电多点互联、柔性交流输电装置的不断并入、电动汽车充电设施的规模化使用等，使电网呈现出高度的复杂性、非线性与不确定性，增加了电网优化调度的难度[18]。同时，发电企业、电网企业、用户侧海量数据的存储和实时分析、调度中心大规模数据信息的处理等给现代电力系统优化调度带来新挑战。如何在减少温室气体及污染物排放的前提下，提高电力系统调度的安全性、经济性、灵活性、互动性，提高可再生能源的消纳率，与用户形成良好的供需互动是智能电网调度亟需解决的问题。在大数据、云计算、人工智能等新兴技术蓬勃发展的背景下，智能电网调度呈现出新的特征[19]，具体包括以下特征。
　　（1）大规模新能源并网，电网调度的不确定性因素增强
　　新能源是实现绿色电力的重要手段。一方面，风电、光伏等新能源大规模发电并网具有低碳、清洁和可再生的优势，可以提高电网运行的经济性。另一方面，新能源发电受到不确定性气象因素的影响较大，例如风力发电主要受风速影响，光伏发电主要受光照强度影响，这些不确定性因素难以进行精准计算或预测，因此新能源发电功率和负荷功率通常被当作电力系统不确定性的输入数据。这些不确定性数据会对电力系统安全稳定运行造成威胁，如电网出现调峰不足、线路潮流越限和电压越限等问题。由于系统调控能力不足，我国部分地区弃风、弃光问题较为严重，造成资源浪费，因此可以从有功调度和无功调度两方面对考虑风电、光伏等新能源电源不确定性的优化调度开展研究，以提高新能源发电的利用率和渗透率。
　　（2）市场化程度更高，调度方式灵活、互动性强
　　在电力体制改革后，市场主体更加多样，交易品种更加丰富，调度方式更加灵活。电价是电力市场的支点，合理的电价是激励用户参与需求响应的重要手段，通过市场供需关系确定电价，建立电力市场中需求侧电价优化模型，能够在兼顾发电方、供电方和用电方利益的同时减轻阻塞。电动汽车、储能系统等柔性负荷的大量接入，可以促进需求侧参与的互动节能优化调度的实现。互动是智能电网区别于传统电网的主要特征。互动是指电网企业、发电企业、用户之间的互相协作，统一协调和深度优化，能更经济、可靠地维持电力系统平衡，解决传统电网中发电企业自主权有限、用户几乎不能参与协调带来的种种弊端。电动汽车等柔性负荷可以提供需求响应等辅助服务，在电网负荷较低的时候吸纳电能，在电网负荷较高时释放电能，辅助电网有效接纳波动性发电容量，为智能电网与用户的双向互动提供新渠道。针对渗透率较高的弹性负荷，建立用户参与互动式调度的负荷时间弹性及解析理论，分析影响负荷变化的各因素之间的耦合性可以提升负荷预测的准确度。调度机构应主动适应电力体制改革带来的变化，利用智能电网先进的通信、控制技术，以及双向互动平台技术，让用户参与互动，实现对电力系统的灵活调度，保证电力市场高效有序运作。
　　（3）在保证电网运行安全性的前提下，更加低碳、节能、环保
　　在以绿色工业为核心的第四次工业革命的时代背景下，电力行业成为实施“双碳”战略的主力军，实现低碳、节能、环保的优化调度是现代电力系统调度的重要目标[20]。我国电力系统长期坚持集中调度，但是集中调度在

目录
前言
第1章 绪论 1
1.1 现代电力系统调度的发展历程 1
1.2 智能电网优化调度的特征 4
1.3 智能电网调度面临的问题 6
参考文献 8
第2章 电网的短期负荷智能预测 10
2.1 概述 10
2.2 短期负荷预测相似日选取方法 11
2.2.1 算法设计思路 11
2.2.2 主要影响因素相似度计算方式 13
2.2.3 算法的参数自适应性 16
2.2.4 算例分析 17
2.3 基于解耦机制的短期负荷智能预测 18
2.3.1 小地区负荷预测的特点 18
2.3.2 解耦机制的基本模型 18
2.3.3 标幺*线预测方法 21
2.3.4 基准值预测方法 22
2.3.5 应用情况介绍 24
2.4 基于解耦决策树的短期负荷智能预测 24
2.4.1 解耦决策树算法的基本原理 24
2.4.2 生成决策树的方法 25
2.4.3 应用情况介绍 28
2.5 本章小结 33
参考文献 34
第3章 现代电力系统发电侧节能调度 36
3.1 概述 36
3.2 面向节能发电调度的日前机组组合智能优化 37
3.2.1 机组组合模型的完善 37
3.2.2 扩展贪婪因子的机组开机排序 39
3.2.3 机组组合优化方法过程描述 41
3.2.4 算例分析 44
3.3 基于综合煤耗微增率的机组出力优化分配 46
3.3.1 火电机组综合煤耗微增率 47
3.3.2 出力分配的*优性条件与优化算法 48
3.3.3 算例分析 52
3.4 集中调度与发电企业自主调度相协调的节能调度 54
3.4.1 基本设计 54
3.4.2 初始发电计划协调 54
3.4.3 发电计划调整的协调过程 56
3.4.4 算例分析 58
3.5 低碳调度与节能调度的一致性评估 60
3.5.1 调度优化数学模型 61
3.5.2 多目标优化的一致性评估方法 62
3.5.3 电力调度典型条件下的一致性分析 64
3.5.4 算例分析 67
3.6 本章小结 71
参考文献 71
第4章 现代电力系统负荷侧优化调度 74
4.1 概述 74
4.2 可中断负荷参与节能调度 75
4.2.1 可中断负荷调度的节能效益评估 76
4.2.2 可中断负荷参与的节能调度计划制定 86
4.2.3 考虑低碳效益的可中断负荷调度 96
4.2.4 算例分析 102
4.3 管制电力市场中的居民用电阶梯式电价优化 106
4.3.1 阶梯电价优化模型 106
4.3.2 居民用电需求分析 109
4.3.3 算例分析 113
4.4 基于高维目标优化的多家庭协调需求响应 114
4.4.1 配电变压器负荷管理模型 115
4.4.2 家庭侧协调用电优化模型 117
4.4.3 EMOHP 算法框架 122
4.4.4 算例分析 126
4.5 本章小结 136
参考文献 137
第5章 智能电网互动式优化调度 140
5.1 概述 140
5.2 互动式节能优化调度理论框架 142
5.2.1 智能电网互动式调度理论框架 142
5.2.2 基于尖峰负荷导致的边际能耗测算 152
5.2.3 用户侧互动节能优化调度 158
5.2.4 算例分析 172
5.3 考虑电动汽车充放电的互动式优化调度 175
5.3.1 电动汽车对电网影响评估 175
5.3.2 考虑分时电价和SOC *线的电动汽车充电优化 186
5.3.3 考虑风电出力波动的电动汽车充放电策略 193
5.4 考虑低碳效益的互动式节能优化调度 208
5.4.1 考虑低碳效益的节能发电调度分析 208
5.4.2 考虑低碳效益的互动式优化调度模型 210
5.4.3 算例分析 213
5.5 本章小结 217
参考文献 217
第6章 新能源接入的有功与无功潮流优化调度 220
6.1 概述 220
6.2 考虑新能源接入的配电网有功调度 221
6.2.1 考虑风险的配电网两阶段随机风电调度模型 222
6.2.2 考虑电压与功率越限的配网运行风险描述方法 224
6.2.3 基于两点估计法和粒子群算法的求解方法 227
6.2.4 算例分析 229
6.3 考虑新能源接入的电力系统无功调度 234
6.3.1 区间无功优化模型 234
6.3.2 基于改进遗传算法的区间无功优化 238
6.3.3 算例分析 244
6.4 本章小结 253
参考文献 254
第7章 智能优化算法在电力系统调度中的应用 256
7.1 概述 256
7.2 改进的群集智能优化算法 257
7.2.1 克隆选择算法 257
7.2.2 改进免疫算法及其收敛性分析 259
7.2.3 粒子群优化算法 267
7.2.4 改进粒子群优化算法及其收敛性分析 271
7.3 群集智能优化算法在电力系统优化运行中的应用 276
7.3.1 改进免疫算法在*优潮流中的应用 277
7.3.2 改进粒子群优化算法在机组组合中的应用 283
7.4 多智能体系统在电力系统无功优化中的应用 288
7.4.1 无功优化的数学模型 289
7.4.2 基于粒子群优化算法的多智能体系统 290
7.4.3 多智能体系统在无功优化中的应用 294
7.5 本章小结 301
参考文献 302
第8章 虚拟发电厂与微电网能源管理系统设计 305
8.1 概述 305
8.2 虚拟发电厂两阶段随机优化调度 306
8.2.1 虚拟发电厂的结构与运营模式 306
8.2.2 基于循环周期数法的电池寿命损耗模型 308
8.2.3 计及电池寿命损耗成本的两阶段随机优化调度 311
8.2.4 算例分析 316
8.3 微电网能源管理系统设计 326
8.3.1 微电网数据采集与监控的特点 326
8.3.2 海岛微电网SCADA/EMS 架构 327
8.3.3 EMS基本框架 328
8.3.4 调度计划模块 331
8.4 基于云计算技术的优化调度系统设计 333
8.4.1 基于云技术的优化调度计算能力分析 333
8.4.2 基于云技术的智能电网计算平台架构设计 335
8.4.3 基于云平台的智能电网协同优化调度架构 338
8.5 本章小结 340
参考文献 341