1.一种基于Benders分解的多阶段分解方法，其特征在于，它用于对机组组合决策的日前调度模型进行问题的分解，在分解后包括基本场景下的UC决策主问题、基本场景下的网络安全校核子问题、以及最坏场景下的鲁棒校核子问题；

在进行问题的分解的时候包括以下步骤：

步骤1，进行UC主问题的建模及求解；

步骤2，进行基本场景下的安全子问题建模及求解；

步骤3，进行考虑不确定场景下的安全子问题建模及求解；

在步骤2中，基本场景下的安全子问题如式(27)，其通过校验UC主问题的潮流越限情况来确保调度方案的网络安全；

式中：λ1,l,t,λ2,l,t是网络安全约束的对偶变量，vl,t为松弛变量， 表示线路最大潮流约束，SFl,m表示节点功率转移因子，U(m)、D(m)、W(m)和V(m)分别为常规机组、负荷、风电以及光伏所在母线集合。

2.根据权利要求1所述的基于Benders分解的多阶段分解方法，其特征在于，在约束条件不能满足时，用松弛变量暂时缓解网络安全约束，以保证子问题始终有解；

若最终优化得出的vl,t大于给定的安全阈值，则表示主问题求得的最优机组组合方案不能满足网络安全约束，因此需要返回Benders割如下：式中， 表示机组i在t时刻的有功出力，SFl,m为节点功率转移因子，U(m)、W(m)和V(m)分别为常规机组、风电以及光伏所在母线集合。

3.根据权利要求1所述的基于Benders分解的多阶段分解方法，其特征在于，在步骤3中，不确定场景下的安全子问题模型如式(29)所示，其校验在最坏场景 和 下能否满足安全约束，

S.t.

0≤v1,lt,v2t,v3t               (29)式中： 和 为最坏场景下的机组出力、风电出力、光伏出力以及负荷的实际值；λ1,it,λ2,it,μ1,it,μ2,it,η1,it,η2,it是旋转备用约束、机组容量约束、爬坡约束的对偶变量，U(m)、D(m)、W(m)和V(m)分别为常规机组、负荷、风电以及光伏所在母线集合；

min max

SFl,m为节点功率转移因子， 为线路最大潮流约束，Pi 与Pi 分别表示火电机组i的最小和最大有功出力， 和 为常规机组的正、负旋转备用，URi和DRi为常规机组爬坡功率限制。

4.根据权利要求3所述的基于Benders分解的多阶段分解方法，其特征在于，如果不能满足安全约束，则返回Benders割式(30)到主问题，其作为约束条件，使得机组组合和出力方案在最坏场景上自适应调整满足网络安全约束和功率平衡；

min

和 为常规机组的正、负旋转备用，URi和DRi为常规机组爬坡功率限制，Pi 与max

Pi 分别表示火电机组i的最小和最大有功出力， 表示机组i在t时刻的状态； 表示机组i在t时刻的有功出力。