一种交直流互联电网风、火协调动态经济调度优化方法

摘要

本发明公开了一种交直流互联电网风、火协调动态经济调度优化方法，属于电力调度自动化技术领域，包括：获取动态经济调度优化基础数据；构建动态经济调度优化的主模型及多个时段的子模型，求解动态经济调度优化主模型，得到最优解，并将计算结果传递给各时段子模型；将主模型的最优解代入子模型作为已知条件构造子模型约束，并行计算校验各个子模型的优化目标，如果各子模型优化目标ω均为0，或达到迭代最大次数，将所得结果作为该交直流互联电网风、火协调动态经济调度优化的最优解。本发明可用于优化含风电、火电的交直流互联电网日前发电计划，有效的提升了计算精度和计算效率，保障了发输电计划的安全性，具有重要的现实意义和良好的应用前景。

说明书

技术领域

本发明属于电力调度自动化技术领域，特别提供了一种基于奔德斯分解法的交直流互联电网风、火协调动态经济调度优化方法。

背景技术

近年来，风电与特高压直流输电技术在中国实现了跨越式发展，截至2014年底，全国全口径风电累计并网容量已达95.8GW，同比增长25.6％，大规模交直流互联电网在跨区、跨省资源配置和可再生能源消纳方面正在发挥重要作用。根据国务院签发的《能源发展战略行动计划(2014-2020年)》，十三五期间我国将继续大力发展风电，重点规划建设甘肃酒泉、新疆哈密等9个大型现代风电基地，中西部风电远距离向东部负荷中心大规模外送的客观需求将更为迫切。而高压直流输电技术是大规模、远距离、高效率传输电能的重要手段，为我国风电基地、水电基地等新能源大规模跨区消纳提供了有力的物理平台。目前，我国跨区直流输送容量已超过5000万千瓦，交直流互联电网的基本格局已初步形成。传统的安全约束机组经济调度和直流输电计划已经难以适应未来发展的需求，面临巨大的挑战。

风、火协调的交直流互联电网发电计划本质上是涵盖火电机组有功、无功发电计划、直流输电计划、风电运行状态优化以及电容/电抗投切计划等多维协同优化问题，目前尚无有效的解决方案。文献(Abbas R,Alireza S,Andrew K.Information Gap DecisionTheoryBased OPF With HVDC Connected Wind Farms(基于信息间隙决策理论的直流互联风场最优潮流优化方法的研究)[J].IEEE Transactions on Power Systems,2015,30(6):3396-3406.)中虽然在直流互联系统中考虑风电模型，但其本质是针对单时段的最优潮流优化问题，难以解决当前日前调度计划多时段协调优化的需求，而且该文献未提出求解方法，求解效率难以满足实际需求。经查阅，现有专利中尚无全面考虑本发明所提相关要求和约束的专利。

随着风电远距离外送规模的不断扩大和交直流互联电网的快速发展，对于送端电网而言，大规模风电场和直流换流站的接入对系统无功潮流分布造成极大影响，传统基于直流潮流的有功发、输电计划模式将难以满足电网调度计划工作的实际需求。因而，含风电接入的交直流互联电网动态经济调度优化在传统发电计划基础上亟待解决如下难题：①风力发电机组有功、无功及电压特性的精确建模；②交直流互联电网的交流潮流约束及校核；③直流输电系统系统建模及控制运行参数的动态优化；④火电、风电、直流换流站及电容/电抗运行特性约束的有功、无功动态协调优化；⑤该复杂非线性问题的高效求解。因此，上述这些问题在当前实际电力调度运行工作中亟待解决。

发明内容

本发明的目的是为克服已有技术的不足之处，提供一种交直流互联电网风、火协调动态经济调度优化方法，本发明能够在常规动态经济调度优化模型基础上，精细化考虑电容、电抗器日内投切次数限制、直流输电运行特性、双馈风机的有功、无功耦合特性、时段间耦合特性等复杂约束条件，通过机组有功出力、直流系统内部控制参数、风机内部运行参数以及电容/电抗器投切的协调优化最大化电网有功、无功协调优化效益；通过精细化考虑交流潮流约束和直流系统稳态运行约束，有效保障了发输电计划的安全性；构建了适用于本发明的可行性奔德斯割约束，实现考虑交直流电网运行约束、双馈风机运行约束以及电容/电抗运行特性的动态经济调度优化问题的主、子问题协调优化，在确保模型求解最优的同时提升计算效率。

本发明提出了一种交直流互联电网风、火协调动态经济调度优化方法，其特征在于，该方法采用奔德斯分解法协调风电的交直流互联电网的动态经济调度优化，该方法主要包括以下步骤：

1)获取动态经济调度优化基础数据；

2)根据动态经济调度优化基础数据构建动态经济调度优化的主模型及多个时段的子模型，其中，动态经济调度优化的主模型为考虑直流运行特性约束和电容/电抗器投切次数约束限制的多时段动态经济调度优化模型，子模型为各时段考虑交流潮流约束、直流稳态运行约束、双馈风机运行约束以及电容/电抗运行特性约束的最优潮流优化模型，并将相应迭代次数k置0；

3)采用线性混合整数规划算法，求解动态经济调度优化主模型，得到主模型的最优解，包括机组有功出力计划、直流有功输电计划、电容/电抗器投切计划，并将计算结果传递给各时段子模型；

4)采用非线性内点法并行计算求解各子模型：

将主模型的最优解代入子模型作为已知条件构造子模型约束，并行计算校验各个子模型的优化目标ω是否为0，如果各子模型优化目标ω均为0，或达到迭代最大次数将所得结果作为该交直流互联电网风、火协调动态经济调度优化的最优解，迭代流程结束，将所得结果发放给各机组作为交直流互联电网风、火协调动态经济调度优化方案；否则转步骤5)；

5)如果所有子模型ω≠0或部分子模型ω≠0，根据奔德斯分解协调优化方法，构建所有优化目标不为0时段子模型的奔德斯反馈约束条件；

将所述奔德斯反馈约束条件均反馈回主模型作为主模型新增的约束条件，迭代次数k＝k+1，返回步骤3)。

本发明的技术特点及有益效果：

本发明能够在动态经济调度优化模型中精细化考虑交流潮流约束、直流输电系统、双馈风机运行约束以及电容/电抗器运行特性，实现对包含风、火、无功补偿设备的交直流互联系统的有功、无功协调优化。针对该模型复杂约束多、非线性程度高、计算规模大，提出了基于奔德斯分解法的交直流互联电网动态经济调度优化的求解模式和方法，构建了主、子问题分解迭代模式，将原模型转化为考虑直流系统多时段电量约束和电容/电抗器投切次数约束限制的动态经济调度优化主模型和各个时段考虑交流潮流约束、直流稳态运行约束、双馈风机运行约束以及电容/电抗运行特性约束的最优潮流优化子模型分别求解。算例结果表明，本发明所提方法能够在确保电网运行安全前提下，具有计算高效、结果更优的特点，为交直流电网考虑风、火、直流系统协调运行的经济调度精益化编制及高效求解提供了有效的思路，具有很好的实际应用价值。电网公司能够根据本发明优化得到的机组出力计划、直流输电计划以及电容/电抗投切计划，合理控制和经济调度电网发电和无功资源，同时满足电网安全和潮流优化的实际需求，达到资源优化配置和节能减排的目标。

附图说明

图1是本发明的方法流程框图。

具体实施方式

下面结合附图及实施方式对本发明作进一步详细的说明。应当理解，此处所描述的具体实施方式可用以解释本发明，但并不限定本发明。

本发明提供的基于奔德斯分解法的交直流互联电网风、火协调动态经济调度优化方法，动态经济调度优化是指以电网运行成本最低、电网能源消耗最少等为目标，以发电机组出力、直流有功功率计划、电容/电抗器投切计划以及风电有功出力为控制变量，满足电力平衡约束、电量约束、机组运行约束、交流潮流运行约束、直流稳态运行约束、双馈风机运行约束以及电容/电抗等无功补偿装置运行约束等约束条件，优化每天的发电机组出力、直流有功功率计划、电容/电抗器投切计划以及风电有功出力计划。

本发明提供了基于奔德斯分解法的交直流互联电网风、火协调动态经济调度优化方法，如图1所示，包括以下具体实施步骤：

1)获取动态经济调度优化基础数据；

所述日前调度基础数据是指发电机组的运行特性数据、负荷预测数据、风功率预测数据、各机组的日电量计划、直流传输功率上下限、直流输电日电量计划约束、直流功率上调/下调速率限值、交直流电网拓扑数据及优化参数数据、电容/电抗器投切次数限制、电容/电抗器的运行特性、直流换流站内控制系统特性、风电机组运行特性，等构建交直流互联电网机组日前经济调度数学模型所需的数据；

所述发电机组的运行特性数据包括发电机组的燃料费用、出力变化上限/下限、最小/最大技术出力数据、最大增减出力限值；由电网公司调度中心根据电厂上报统计后提供。

所述负荷预测数据为根据负荷预测软件得到的未来电力负荷需求情况，包括未来各日各时段电网的总负荷数据、各时段各节点的节点负荷数据；由电网公司调度中心负荷预测系统提供。

所述风功率预测数据为根据风功率预测软件或者风电场上报的未来各风电场的预计发电出力曲线。有电网公司调度中心风功率预测系统或者风电场管理信息系统中获得。

所述机组日电量计划为各机组根据年度及月度电量计划，逐日滚动分解所得日电量计划；日电量计划可由电网公司调度中心按规则分解后提供。

所述直流传输功率上下限为交直流互联系统中高压直流传输功率的上下限制；由电网公司调度中心生产管理系统中直接获取。

所述直流传输电量限值为电力系统中高压直流线路在计算时间跨度内电量传输的限值要求；由电网公司交易中心交易计划系统确定，计算前调度中心直接从生产管理系统中获取。

所述直流传输功率上调、下调速率限值直流线路功率在单位时间内向上、向下调整的功率限制，由电网公司调度中心生产管理系统中直接获取。

所述交直流电网拓扑数据包括电力网络的节点与输电线路的连接关系、各输电断面的有功潮流极限及其所包含的线路ID、各发电机组及节点负荷对每条输电线路阻抗与导纳、节点电压上下限、交流/直流输电系统控制变量；有电网公司调度中心能量管理系统中直接获取。

所述电容/电抗器限制是指电容以及电抗器日内投切次数限制；由电网公司调度中心生产管理系统中直接获取。

所述电容/电抗器的运行特性是指电容/电抗器的无功-电压特性；

所述直流换流站内控制系统特性是指换流站内触发角、换流变等控制变量的控制方式运行要求等；由电网公司调度中心生产管理系统中直接获取。

所述风机机组数据包括风力发电机组有功、无功及电压特性的运行约束要求；由电网公司调度中心生产管理系统中直接获取。

2)根据动态经济调度优化基础数据构建动态经济调度优化的主模型及多个时段的子模型，其中，动态经济调度优化的主模型为考虑直流运行特性约束和电容/电抗器投切次数约束限制的多时段动态经济调度优化模型，子模型为各时段考虑交流潮流约束、直流稳态运行约束、双馈风机运行约束以及电容/电抗运行特性约束的最优潮流优化模型；

具体包括：

2-1)构建考虑直流运行特性约束和电容/电抗器投切次数约束限制的多时段动态经济调度优化主模型：

本发明中的主模型在考虑经典经济调度约束条件的基础上，精细考虑了机组电量、直流传输电量、电容/电抗器投切次数等多时段耦合约束条件。因此，主模型为多时段的协调优化问题，以获得机组有功出力计划、直流有功传输计划以及电容/电抗器投切计划的全局最优解。主模型所得上述计划结果将递给子模型，进行可行性校验。

主模型的目标函数表达式如式(1)所示：

$Min\underset{t=1}{\overset{T}{\Sigma }}\underset{i=1}{\overset{N_G}{\Sigma }}\left[C_i^G\right(P_{i,t}^G\left)\right]+\xi (\underset{p=1}{\overset{N_C}{\Sigma }}\underset{t=1}{\overset{T}{\Sigma }}{\alpha }_{p,t}^C+\underset{q=1}{\overset{N_L}{\Sigma }}\underset{t=1}{\overset{T}{\Sigma }}{\alpha }_{q,t}^L)+M\underset{t=1}{\overset{T}{\Sigma }}{\delta }_t---\left(1\right)$

式中，为发电机组i在时段t的有功出力，为主模型优化变量；为发电机组i的发电成本函数，由基础数据中获得；T为优化总时段数，日前一般为一天96点，15分钟一点；N_G为发电机组总数，由基础数据中获得；分别为电容、电抗器组u、v在时段t的投入标识变量，为0/1整数变量，其取值满足式(2)约束；N_C、N_L分别为并联电容、电抗器总组数；ξ为数量级远小于发电成本的罚因子，用于尽量减少并联电容、电抗器日内的投切次数，取值建议为发电成本下限值的千分之一；δ_t≥0为该时段的网损松弛变量，为主模型优化变量。主模型基于直流潮流，未考虑系统网损；而子模型基于交流潮流，所得机组有功出力中包含网损，为保证子模型反馈回主模型的机组有功出力修正条件有效，需在约束式(3)电力平衡约束中考虑网损松弛，并在主问题中引入较大罚值M限值各时段网损量。

主模型约束条件包括如下：

①电容/电抗器投切状态约束

$\begin{array}{c}{\alpha }_{u,t}^C\ge S_{u,t}^C-S_{u.t-1}^C\\ {\alpha }_{v,t}^L\ge S_{v,t}^L-S_{v,t-1}^L\\ {\alpha }_{u,t}^C,{\alpha }_{v,t}^L\ge 0\end{array}---\left(2\right)$

式中，分别为并联电容、电抗器组u、v在时段t的状态标识变量，为0/1整数变量，取0值表示该电容/电抗器组未投入，反之则代表投入。

②系统负荷平衡约束

$\underset{i=1}{\overset{N_G}{\Sigma }}{P}_{i,t}^G+\underset{j=1}{\overset{N_W}{\Sigma }}{P}_{j,t}^W-\underset{k=1}{\overset{N_K}{\Sigma }}{\mathrm{KP}}_{k,t}^D=\underset{d=1}{\overset{N_d}{\Sigma }}{D}_{d,t}+{\delta }_t---\left(3\right)$

式中，为风电场j在时段t的风电有功出力预测值，N_W为风电场个数；D_d,t为节点d在时段t的有功负荷，N_d为负荷节点总数，均由基础数据中获得；为直流线路k的功率，为主模型优化变量；N_K为接入系统的直流线路总数，由实际问题规模确定；K为整流器/换流器标志位，整流器取1，逆变器取-1；δ_t≥0为该时段的网损松弛变量，为主模型优化变量。

③线路有功潮流约束

$(1-\lambda )f_l^{\min }\le \underset{i=1}{\overset{N_G}{\Sigma }}{G}_i^l{P}_{i,t}^G-\underset{d=1}{\overset{N_d}{\Sigma }}{G}_d^l{D}_{d,t}-K\underset{k=1}{\overset{N_K}{\Sigma }}{G}_k^l{P}_{k,t}^D\le \left(1+\lambda \right)f_l^{\max }---\left(4\right)$

式中，分别为机组、负荷及直流换流器所在节点i、d、k对线路l的节点输出功率转移分布因子，该分布因子可由基础数据中网络拓扑数据计算获得；f_l^max和f_l^min分别为线路l的有功潮流上、下限，由基础数据中获得。λ为调整系数，一般取10％，为直流潮流计算最大经验偏差。精确潮流限值将在子模型交流潮流中集中考虑，λ的引入可在不影响求解最优性的前提下，预估全网潮流分布，避免主模型所得最优解潮流越限情况过于严重而引起的主、子模型迭代次数增加。

④机组出力及直流功率爬坡约束

${\mathrm{\Delta P}}_{D,i}^{\max }\le P_{i,t}-P_{i,t-1}\le {\mathrm{\Delta P}}_{U,i}^{\max }---\left(5\right)$

${\mathrm{\Delta P}}_{D,k}^{D,max}\le P_{k,t}^D-P_{k,t-1}^D\le {\mathrm{\Delta P}}_{U,k}^{D,max}---\left(6\right)$

式中，分别为发电机组i的最大增出力速率、最大减出力速率限值；分别为直流线路k的最大允许上调速率、最大允许下调速率限值，以上数据均可由基础数据中获得。

⑤机组发电量约束

$Q_i^G(1-{\beta }_i)\le \underset{t=1}{\overset{T}{\Sigma }}{P}_{i,t}^G\le Q_i^G(1+{\beta }_i)---\left(7\right)$

式中，为机组i的日电量计划，可由基础数据中获得；β_i为相应机组的允许电量偏差比例，实际工作中一般选为3％。

⑥直流传输电量约束

$(1-{\delta }_k)Q_k^D\le \underset{t=1}{\overset{T}{\Sigma }}{P}_{k,t}^D\le \left(1+{\delta }_k\right)Q_k^D---\left(8\right)$

式中，为直流线路k的直流输电日电量计划约束，由基础数据中获得；δ_k为直流线路k输电电量的允许偏差比例，一般选为3％。

⑦机组出力及直流功率上下限约束

$P_{i,t}^{G,min}\le P_{i,t}^G\le P_{i,t}^{G,max}---\left(9\right)$

$P_{k,t}^{D,min}\le P_{k,t}^D\le P_{k,t}^{D,max}---\left(10\right)$

式中，分别为发电机组i的有功出力上、下限；分别为直流线路k的传输功率上、下限。以上数据均由基础数据中获得。

⑧并联电容、电抗器日投切次数约束，这里仅需限制投入次数即可。

$\begin{array}{c}\underset{t=1}{\overset{T}{\Sigma }}{\alpha }_{u,t}^C\le Z_C\\ \underset{t=1}{\overset{T}{\Sigma }}{\alpha }_{v,t}^L\le Z_L\end{array}---\left(11\right)$

式中，Z_C、Z_L分别为并联电容器电抗器日投入次数限制，可由基础数据中获得。

⑨火电机组运行特性约束

本模型还考虑火电机组最大、最小出力约束、爬坡速率约束、最小启停时间约束、启停成本约束等运行特性约束条件，这些约束条件为常规基本约束，此处不再赘述。

所述主模型为考虑直流运行特性约束和电容/电抗器投切次数约束限制的多时段动态经济调度优化模型，该模型基于直流潮流建模，本质为混合整数线性规划问题。主模型优化所得的机组有功出力计划、直流有功输电计划、电容/电抗器投切计划传入子模型，作为子模型约束条件的参数，引导子模型优化的目标和方向。

2-2)构建各个时段考虑交流潮流约束、直流稳态运行约束、双馈风机运行约束以及电容/电抗运行特性约束的最优潮流优化子模型：

由于主模型中没有考虑电网交流潮流约束、直流系统稳态运行约束条件、双馈风机运行约束以及电容/电抗器运行特性约束，主模型所得机组有功出力计划、直流有功输电计划以及电容/电抗器投切计划等优化结果可能造成交流潮流越限或者不满足直流、风机、电容/电抗运行特性约束。为此，需要构建精细考虑考虑交流潮流约束、直流稳态运行约束、双馈风机运行约束以及电容/电抗运行特性约束的最优潮流优化子模型，对主模型所得结果进行安全校核。由于所有时段间耦合约束均已在主模型中考虑，子模型仅需要均针对各个时段进行单时段建模，下述公式中均省略时标t。

子模型的目标函数：由于子模型的主要作用是对主模型的优化结果进行安全校验，因此主模型将优化所得机组有功出力计划、直流有功输电计划、电容/电抗器投切计划传递给子模型，子模型优化的目标即为所得优化结果相对主模型优化结果偏离最小；当子模型优化目标为0时，说明子模型优化结果与主模型一致，主模型优化结果也满足子模型的约束条件。因此，子模型优化目标表达如式(12)所示：

$\begin{array}{cc}Min& \omega =\underset{i=1}{\overset{N_G}{\Sigma }}({ϵ}_{iG}^{+}+{ϵ}_{iG}^{-})+\underset{dk=1}{\overset{N_K}{\Sigma }}({ϵ}_{dk}^{+}+{ϵ}_{dk}^{-})+\underset{m=1}{\overset{B}{\Sigma }}({ϵ}_{mC}^{+}+{ϵ}_{mC}^{-})+\underset{n=1}{\overset{B}{\Sigma }}({ϵ}_{nL}^{+}+{ϵ}_{nL}^{-})\end{array}---\left(12\right)$

式中，为主、子模型间发电机组出力的偏差松弛变量；为主、子模型间直流传输功率的偏差松弛变量；为主、子模型间节点m上投入并联电容器的偏差松弛变量；为主、子模型间节点n上投入并联电抗器的偏差松弛变量。该优化目标ω度量了主模型的优化结果在子模型中的不可行程度，当ω＝0即满足主、子模型收敛性条件，否则子模型需要向主模型反馈修正约束条件。

子模型的约束条件包括：

①考虑风电接入的交直流互联电网潮流约束。根据基尔霍夫第一定律，建立交流潮流约束，描述交流电网中各控制变量和状态变量之间的约束关系，如式(13)、(14)所示。

$P_m^G+P_m^W-V_m\underset{n\in m}{\Sigma }{V}_n(G_{mn}{\mathrm{cos\theta }}_{mn}+B_{mn}{\mathrm{sin\theta }}_{mn})-{\mathrm{KV}}_{dk}{I}_{dk}=P_m^D---\left(13\right)$

式中，分别为节点m上发电机组注入的有功、无功出力，为子模型优化变量；分别为节点m上的有功负荷和无功负荷，可直接由基础数据中获得；Q_mC、Q_mL分别为节点i上并联电容、电抗器的无功注入/输出，为子模型优化变量。

V_m、V_n分别为节点m、n的节点电压幅值，θ_mn为节点m与节点n的相角差，为子模型优化变量；G_mn、B_mn分别为连接节点m和节点n线路的电导和电纳，由基础数据中获得；V_dk、I_dk、分别为接入节点i直流线路的换流变交流侧母线电压、电流及功率因数角，为子模型优化变量。若节点m与直流线路整流侧相连，则若节点m与直流线路逆变侧相连，则模型中其余直流系统相应变量同理，不再赘述。分别为节点m上双馈风机的有功和无功出力，为子模型优化变量。由式(15)确定。

$\left(\begin{array}{c}{P}_m^W=\underset{u=1}{\overset{N_m^W}{\Sigma }}{P}_e^w\\ Q_m^W=\underset{u=1}{\overset{N_m^W}{\Sigma }}{Q}_e^w\end{array}\right)---\left(15\right)$

式中，分别为节点i上风电场内第e台风电机组的有功、无功出力，为节点m上风电场接入的并联风电机组台数。可依据风功率预测结果确定，由基础数据中获得。上、下限则主要受变流器转子侧电流限制，由式(16)确定。

$\left(\begin{array}{c}{P}_e=\frac{r_r{x}_{ss}^2}{x_m^2{U}_s^2}(P_s^2+Q_e^2)+\frac{2r_r{x}_{ss}}{x_m^2}{Q}_e+(1-s)P_s+\frac{r_r{U}_s^2}{x_m^2}\\ P_s^2+{\left(Q_e+\frac{U_s^2}{x_{ss}}\right)}^2\le \frac{U_s^2{x}_m^2}{x_{ss}^2}{I}_{r\max }^2\end{array}\right)---\left(16\right)$

式(16)中，简便起见省略了风电机组上标w，P_s为定子侧有功，I_{r>为转子侧电流限额。设双馈风机定子功率因数角为则风机定子有功、无功之间满足以下约束条件：}

结合式(16)、(17)，可得风机无功约束：

其中，

风机有功功率P_e一般由风功率预测确定，则根据式(18)风机无功功率Q_e主要由节点电压U_s和功率因数角决定，传统运行中通常采用定电压或者定功率因数控制方法。本发明的动态最优潮流的目的是通过优化各类变量使得系统中各元件协调运行在最佳运行点，因此U_s和在本发明中均为优化变量，从而可以根据系统需要充分发挥双馈风机的无功调节能力，支撑系统电压，降低系统损耗。

以上关于风电的各变量、参量中，除Q_e、U_s和为子模型优化变量外，其余均为固定参数，可由基础数据中获得。

②直流系统稳态运行约束

V_dk-k_TkV_t>dk+X_ckI_dk＝0(19)

$\left(\begin{array}{c}{I}_{d1}\\ I_{d2}\end{array}\right)=\left(\begin{array}{cc}1/R& -1/R\\ -1/R& 1/R\end{array}\right)\left(\begin{array}{c}{V}_{d1}\\ V_{d2}\end{array}\right)---\left(21\right)$

式中，k_Tk为换流变变比，θ_dk为换流器的控制角(对于整流器是触发角α，对于逆变器是熄弧角μ)，为换流器功率因数，这些变量均为子模型优化变量，参与子模型优化求解。X_ck为换流变电抗，k_γ为常数；R_k为直流线路k的电阻，V_t为交流侧母线电压幅值，这些参数均由基础数据中交直流电网拓扑参数中获得。

③主、子模型连接约束

$V_{dk}{I}_{dk}-{ϵ}_{dk}^{+}+{ϵ}_{dk}^{-}=P_k^{D*}---\left(22\right)$

$P_i^G-{ϵ}_{iG}^{+}+{ϵ}_{iG}^{-}=P_i^{G*}---\left(23\right)$

$\begin{array}{c}{Q}_{mC}+{ϵ}_{mC}^{+}-{ϵ}_{mC}^{-}=\underset{u\in m}{\Sigma }{x}_u^C{S}_u^{C*}\\ Q_{nL}+{ϵ}_{nL}^{+}-{ϵ}_{nL}^{-}=\underset{v\in n}{\Sigma }{x}_v^L{S}_v^{L*}\end{array}---\left(24\right)$

式(22)为主、子模型的直流传输功率偏差控制约束，其中P_k^D*为主模型求得最优直流线路有功传输功率；

式(23)为主、子模型的发电机组有功出力偏差控制约束，其中P_i^G*为主，模型求得最优解对应的节点i上所有发电机组有功出力之和；

式(24)为主、子模型的并联电容、电抗器无功注入/输出偏差控制约束，依据主模型最优投切计划以及并联电容、电抗器单组容抗感抗计算得到，u∈m、v∈n分别表示并联在节点m和n上的电容、电抗器。

④潮流限值约束

上述所有潮流变量V_m、θ_m、V_dk、I_dk、V_t、k_Tk、θ_dk均应满足相应变量上、下限约束，均由电网公司调度中心能量管理系统及生产管理系统中获得。交流线路传输潮流约束采用支路有功注入约束方式如下。

$-P_{mn}^{f,max}\le P_{mn}^f(V,\theta )=V_m{V}_n(G_{mn}{\mathrm{cos\theta }}_{mn}+B_{mn}{\mathrm{sin\theta }}_{mn})\le P_{mn}^{f,max}---\left(25\right)$

式中，为支路mn在节点m处的有功潮流注入，由“＝”右边的计算公式确定；为相应的注入限值(相应限值可由调度中心生产管理系统中获得)；。

由式(12)～(25)构成的子模型为考虑交流潮流约束、直流稳态运行约束、双馈风机运行约束以及电容/电抗运行特性约束的最优潮流优化模型，本质为复杂非线性规划问题。

模型建立后，迭代次数k清零，即k＝0(k的取值为大于0的正数，具体应用时可根据实际精度要求和时间限制确定迭代次数上限，建议上限值不超过15次)；

2)采用线性混合整数规划算法求解主模型，并将计算结果，包括机组有功出力计划、直流有功输电计划、电容/电抗器投切计划，传递给各时段子模型作为已知条件，构造子模型约束条件，并将这些主模型的最优解传递给子模型。

3)采用非线性内点法并行计算求解各子模型；将主模型的最优解代入子模型约束作为已知条件，并行计算校验各个子模型的优化目标ω是否为0，如果各子优化目标ω均为ω＝0，即主模型最优解满足子模型可行性约束的要求，子模型无需反馈任何约束条件，则主、子模型迭代收敛，或达到迭代最大次数，将所得结果作为该交直流互联电网动态经济调度的最优解，迭代流程结束，将所得结果发放给各机组作为交直流互联电网动态经济调度计划方案；否则转步骤5)；

4)如果所有子模型ω≠0或部分子模型ω≠0，即主模型最优解不满足所有子模型可行性约束条件，需要构建所有优化目标不为0时段子模型的主模型反馈约束条件。

如式(26)所示：

$\underset{k=1}{\overset{N_K}{\Sigma }}{\lambda }_{dk}\left(P_k^D-P_k^{D*}\right)+\underset{i=1}{\overset{N_G}{\Sigma }}{\lambda }_{iG}\left(P_i^G-P_i^{G*}\right)+\underset{m=1}{\overset{B}{\Sigma }}\underset{u\in m}{\Sigma }{\lambda }_m^u{x}_u^C\left(S_u^C-S_u^{C*}\right)+\underset{m=1}{\overset{B}{\Sigma }}\underset{v\in m}{\Sigma }{\lambda }_m^v{x}_v^L\left(S_v^L-S_v^{L*}\right)\le -\omega ---\left(26\right)$

其中，λ_dk、λ_iG、分别为内点法求解结果中约束(22)-(24)的拉格朗日乘子，，可在各子模型内点法优化计算结果中直接获得；该反馈约束描述了根据主、子模型计算结果偏差，而需要主模型优化变量的调整量，以约束的形式反馈回主模型中，约束变量的优化方式。

5)将式(26)对应的奔德斯约束反馈回主模型作为主模型新增的约束条件，迭代次数k＝k+1，返回步骤3)；

值得一提的是，本发明所提出的实施步骤中的目标函数可根据电力市场、节能发电调度以及三公调度等不同调度模式的需要，灵活选择和定制经济性最优、煤耗最低或者电量进度均衡等不同优化目标，约束条件可以根据实际需求进一步添加机组、直流系统实际运行约束条件，可扩展性强。因此，以上实施步骤仅用以说明而非限制本发明的技术方案。不脱离本发明精神和范围的任何修改或局部替换，均应涵盖在本发明的权利要求范围当中。