1、“.....采取分布式原对偶次梯度算法，该算法基于在相邻的分布式能源之间的信息交换而设计的，即式和中与,表示目标函数的次梯度，与为凸集合上南京邮电大学届本科生毕业设计论文的投影。,是和之间通信信道的权重值。算法原理在第次迭代中......”。

2、“.....即,和同时每个以为变量的火电机组又会获取相邻机组中,的信息。然后该以为变量的火电机组函数会在约束量和下沿着,投影的方向修正自己所决定的式中是个递减的步长。如果在火电机组和之间的存在个通信信道，那么权重量，否则。权重值是由通信传输性能确定并且满足,。令表示相邻火电机组的集合，式中。在个典型的拉格朗日松弛方法中......”。

3、“.....在采用的算法中，每个火电机组的迭代更新是依据自身的成本自身的容量信息相邻的火电机组决策变量相邻的火电机组拉格朗日乘数进行的。文献已经证明，对于个凸优化问题，会有对原始对偶的最优解使原对偶次梯度算法达到全局收敛。当成本函数在前章中呈现凸性，问题是凸性的，因此可以得到它的全局最优解并且与发电系统的大小无关，即如果优化问题是非凸性的......”。

4、“.....此时类似于集中式的方法。算例分析选取个小型算例系统，假设此时负荷需求预测为，风电机在个平均风速下运行，功率约为。火电机组参数为表小型算例中火电机组参数机组编号最小出力最大出力通信传输性能权重值南京邮电大学届本科生毕业设计论文根据建立的优化模型，由采用的算法进行优化后，得到机组优化调度的结果为号机组，号机组，号机组，风电机组，此时的耗量成本为若风电机组不参与，调度结果为号机组......”。

5、“.....号机组，风电机组，则耗量成本为。结果表明，风电并入电力系统会减少耗量成本，同时在火电机组优化调度时，优先调度参数性能好的机组。另个算例系统含有十台火电机组，与个等效风电场系统。该系统规模适中，方便对结果进行分析，系统机组的数据和负荷需求采用文献中所设置的，表为系统机组数据，表为内小时负荷需求。表十台火电机组的数据参数机组编号最大最小所有的风机以个等效风电场表示，这就可以将该系统的技术约束集中起，简单起见......”。

6、“.....对于实际运行的火电机组，该算例系统考虑机组斜坡率约束，并将其设定为额定容量的。如果忽略风电，系统上升旋转备用需求在所有时期被设定为同样，假定所有风机都不提供备用，则每个火电机组的最大上升下降旋转备用贡献不超过其额定容量的。表小时内负荷需求时间负荷需求小时时间负荷需求小时时间负荷需求小时现在对两种情况进行分析。当风电场不并网时......”。

7、“.....考虑到实际中火电机组还要有启动耗量，故尽可能出现最少的火电机组处于运行状态。根据建立的优化模型，由采用的算法进行优化后，得到此时的耗量成本为。而当风电场并网后，假定风电量恒为，考虑系统上升旋转备用需求，得到的耗量成本为，结果表明，风电并入电力系统会极大减少化石燃料的成本。若考虑风电的不确定情况，每台风电机组出力根据风电场当地气象部门风速预报计算而得，称为风电机组出力预测值，见表......”。

8、“.....为方便计算，将其归算为的台风电机组，并只选取若干时段进行分析，火电机组出力情况，如表所示。表风电机组出力预测值时段出力时段出力时段出力表火电机组出力情况单位时段机组编号本文目标函数考虑了由于风电随机性带来的风险，用风火系统的发电成本来说明考虑风险时的优化结果。不考虑风电电并网风险时，发电成本明显比考虑时低很多，这是由于风电机组随机波动，使得电力系统要为其提供旋转备用，含新能源发电的电力系统中......”。

9、“.....火电机组要增加煤耗，系统的成本也就必须要增加，成本对比结果如表。表目标函数考虑风险与否的对比不考虑风险项考虑风险项差值,算例结果表明，含新能源发电的系统中，新能源并网虽然可以分担火电机组的部分负荷，降低火电机组的发电成本。但是，新能源的随机波动特性也会增加火电机组发电成本，甚至有时其波动会超出火电机组的爬坡约束。然而新能源发电的这种随机性是不可避免的，单纯依靠自身无法解决......”。