交直流混合配電網(wǎng)多階段隨機(jī)優(yōu)化調(diào)度模型

裴 蕾，衛(wèi)志農(nóng)，陳 勝，趙景濤，傅 強(qiáng)

交直流混合配電網(wǎng)多階段隨機(jī)優(yōu)化調(diào)度模型

裴 蕾1，衛(wèi)志農(nóng)1，陳 勝1，趙景濤2，傅 強(qiáng)2

(1.河海大學(xué)能源與電氣學(xué)院，江蘇 南京 211100；2.國(guó)電南瑞科技股份有限公司，江蘇 南京 211100)

高比例間歇性分布式光伏的接入給交直流混合配電網(wǎng)的運(yùn)行帶來(lái)了挑戰(zhàn)。當(dāng)前所提兩階段隨機(jī)優(yōu)化調(diào)度模型對(duì)不確定變量的觀測(cè)較為粗略，導(dǎo)致配電網(wǎng)實(shí)時(shí)決策與日前決策偏差較大。鑒于此，提出了基于場(chǎng)景樹(shù)的交直流混合配電網(wǎng)多階段隨機(jī)優(yōu)化模型。所提模型以日前購(gòu)電成本、日內(nèi)調(diào)節(jié)成本和實(shí)時(shí)平衡成本之和最小為目標(biāo)，通過(guò)儲(chǔ)能裝置的充放電功率調(diào)節(jié)、換流站輸出功率調(diào)節(jié)和需求響應(yīng)等靈活調(diào)節(jié)措施，實(shí)現(xiàn)了間歇性光伏的就地消納和系統(tǒng)的削峰填谷。多階段隨機(jī)優(yōu)化模型的日前離散決策變量可隨日內(nèi)和實(shí)時(shí)階段的不確定信息改變而自適應(yīng)調(diào)整，更符合實(shí)際高比例光伏滲透下交直流混合配電網(wǎng)的運(yùn)行需求，為其經(jīng)濟(jì)靈活運(yùn)行提供技術(shù)支撐。

交直流混合配電網(wǎng)；多階段決策；隨機(jī)優(yōu)化；場(chǎng)景樹(shù)；分布式光伏

0 引言

近年來(lái)，間歇性分布式光伏(Photovoltaic, PV)和儲(chǔ)能裝置(Energy Storage System, ESS)等直流電源大量并入配電網(wǎng)，配電網(wǎng)側(cè)大功率電力電子設(shè)備技術(shù)快速發(fā)展，電動(dòng)汽車(Electric Vehicle, EV)等直流荷的需求日益增加，傳統(tǒng)交流配電網(wǎng)正演變?yōu)榻恢绷骰旌吓潆娋W(wǎng)[1-2]。相比于傳統(tǒng)交流配電網(wǎng)，交直流混合配電網(wǎng)傳輸容量更大，運(yùn)行更為靈活，更有利于分布式光伏的接入[3-4]。當(dāng)分布式光伏高比例滲透時(shí)，交直流混合配電網(wǎng)如何利用靈活性資源實(shí)現(xiàn)配電網(wǎng)的優(yōu)化調(diào)度，減少配電網(wǎng)運(yùn)行成本成為目前亟需解決的問(wèn)題之一。

分布式光伏的接入、儲(chǔ)能裝置的控制和靈活負(fù)荷的需求響應(yīng)使得交直流混合配電網(wǎng)的主動(dòng)性更強(qiáng)，合理的優(yōu)化調(diào)度策略可以保證配電網(wǎng)的安全經(jīng)濟(jì)運(yùn)行。文獻(xiàn)[5]提出了基于二階錐松弛的日前交直流混合配電網(wǎng)確定性優(yōu)化調(diào)度模型，考慮了分布式光伏、儲(chǔ)能裝置和分組電抗器的主動(dòng)調(diào)節(jié)作用，實(shí)現(xiàn)了日前配電網(wǎng)運(yùn)行成本的優(yōu)化。但是間歇性分布式光伏出力具有很大的隨機(jī)性，確定性優(yōu)化調(diào)度模型的優(yōu)化結(jié)果通常較為保守，建立計(jì)及光伏出力不確定性的隨機(jī)優(yōu)化調(diào)度模型更加符合實(shí)際情況。

描述光伏或風(fēng)電出力等不確定因素的模型通常有隨機(jī)規(guī)劃模型、機(jī)會(huì)約束模型、魯棒優(yōu)化模型和分布魯棒優(yōu)化模型[6]。其中，隨機(jī)規(guī)劃模型通常基于概率理論采用場(chǎng)景的方法描述不確定信息或用服從一定概率分布的隨機(jī)變量描述不確定因素，建立以期望成本最小為目標(biāo)的隨機(jī)模型[7]。機(jī)會(huì)約束模型采用隨機(jī)變量的表達(dá)式描述不確定因素，最大特點(diǎn)為允許所做的決策在一定程度上不滿足配電網(wǎng)運(yùn)行約束條件[8]。魯棒優(yōu)化模型則通過(guò)構(gòu)建不確定集合來(lái)對(duì)光伏和風(fēng)電出力建模，該模型可以得到最惡劣場(chǎng)景下的優(yōu)化方案，但是通常容易使得優(yōu)化結(jié)果過(guò)于保守[9-10]。分布魯棒優(yōu)化模型結(jié)合了魯棒優(yōu)化模型和隨機(jī)優(yōu)化模型的優(yōu)點(diǎn)，可得到隨機(jī)變量最惡劣概率分布情況下的決策[11]。文獻(xiàn)[12]考慮了新能源出力的波動(dòng)區(qū)間，以期望場(chǎng)景的網(wǎng)損成本最小為目標(biāo)，建立交直流混合配電網(wǎng)魯棒優(yōu)化模型。文獻(xiàn)[13]采用場(chǎng)景削減技術(shù)生成相應(yīng)概率的光伏出力場(chǎng)景和風(fēng)電出力場(chǎng)景集合，生成了光伏出力和風(fēng)電出力的典型場(chǎng)景。文獻(xiàn)[14]采用樣本均值近似方法將原機(jī)會(huì)約束規(guī)劃模型轉(zhuǎn)化為較易求解的確定性優(yōu)化模型。文獻(xiàn)[15]提出了以降低運(yùn)行成本和控制無(wú)功電壓為目標(biāo)的交直流混合配電網(wǎng)二階段魯棒優(yōu)化模型，該模型為雙層規(guī)劃模型，能夠得到最惡劣新能源出力場(chǎng)景下運(yùn)行成本最少的無(wú)功電壓控制方案。文獻(xiàn)[16]研究了兩階段主動(dòng)配電網(wǎng)優(yōu)化調(diào)度模型，日前階段以配電網(wǎng)運(yùn)行成本最低為目標(biāo)，日內(nèi)階段根據(jù)新能源出力的預(yù)測(cè)誤差進(jìn)行滾動(dòng)優(yōu)化調(diào)整。文獻(xiàn)[17]考慮微電網(wǎng)和配電網(wǎng)兩個(gè)不同利益體，采用極端場(chǎng)景集描述不確定性因素，構(gòu)建日內(nèi)-實(shí)時(shí)兩階段隨機(jī)規(guī)劃模型。文獻(xiàn)[18]對(duì)分布魯棒優(yōu)化方法在電力系統(tǒng)中的應(yīng)用進(jìn)行了綜述，分析了不同類型分布魯棒優(yōu)化方法的優(yōu)缺點(diǎn)。

值得注意的是，當(dāng)前針對(duì)隨機(jī)規(guī)劃模型與魯棒優(yōu)化模型的研究主要側(cè)重兩階段優(yōu)化調(diào)度模型。文獻(xiàn)[19]提出了考慮非預(yù)期約束條件的電力系統(tǒng)多階段隨機(jī)規(guī)劃模型，發(fā)現(xiàn)多階段隨機(jī)規(guī)劃可以得到更低的優(yōu)化目標(biāo)值，規(guī)劃方法也更加靈活，但是僅應(yīng)用于輸電網(wǎng)規(guī)劃問(wèn)題中。兩階段優(yōu)化調(diào)度模型通常分為日前和實(shí)時(shí)階段，日前階段決策變量不會(huì)隨實(shí)時(shí)階段不確定因素變化而調(diào)整，實(shí)時(shí)階段可根據(jù)實(shí)時(shí)觀察到的場(chǎng)景而進(jìn)行優(yōu)化調(diào)度策略的調(diào)整。然而，日前階段對(duì)于光伏出力的觀測(cè)精度十分有限，當(dāng)日前階段觀測(cè)的光伏出力與實(shí)時(shí)階段光伏的實(shí)際出力存在較大偏差時(shí)，不可避免地影響了光伏的消納及配電網(wǎng)的安全經(jīng)濟(jì)運(yùn)行。相比而言，在日內(nèi)階段光伏出力觀測(cè)精度要明顯高于日前階段。因此，包括日前、日內(nèi)和實(shí)時(shí)三個(gè)階段的多階段隨機(jī)優(yōu)化模型更值得研究。其中日前階段離散決策變量可根據(jù)未來(lái)不確定信息的變化而進(jìn)行調(diào)整；多階段模型計(jì)及了日內(nèi)調(diào)節(jié)階段，一定程度上可避免日前新能源出力預(yù)測(cè)誤差較大造成的實(shí)時(shí)階段調(diào)節(jié)成本過(guò)高。最后，實(shí)際配電網(wǎng)優(yōu)化調(diào)度問(wèn)題中每一階段觀察到的不確定場(chǎng)景都可以影響之前的決策，但是當(dāng)前階段同一不確定場(chǎng)景下決策需保持一致性，因此需要增加非預(yù)期約束條件[20-21]。

綜上所述，本文提出計(jì)及間歇性光伏不確定性的交直流混合配電網(wǎng)多階段隨機(jī)優(yōu)化調(diào)度模型，采用儲(chǔ)能裝置的充放電功率調(diào)節(jié)、換流器輸出功率調(diào)節(jié)和需求響應(yīng)等靈活調(diào)節(jié)措施實(shí)現(xiàn)日前購(gòu)電成本、日內(nèi)調(diào)節(jié)成本和實(shí)時(shí)平衡成本最小化的目標(biāo)。本文所提交直流混合配電網(wǎng)多階段隨機(jī)優(yōu)化調(diào)度模型有望為配電網(wǎng)安全經(jīng)濟(jì)運(yùn)行奠定基礎(chǔ)。

1 交直流混合配電網(wǎng)二階錐松弛模型

本節(jié)首先介紹了交流配電網(wǎng)和直流配電網(wǎng)的非線性潮流模型，其次對(duì)電壓源換流器進(jìn)行數(shù)學(xué)建模，最后進(jìn)行變量替換，將原非凸潮流方程進(jìn)行二階錐松弛。

1.1 交流配電網(wǎng)潮流模型

采用Distflow支路模型[22]描述交流配電網(wǎng)多時(shí)段潮流模型：

1.2 直流配電網(wǎng)潮流模型

根據(jù)交流電網(wǎng)支路潮流建模方法，可得到直流配電網(wǎng)多時(shí)段潮流模型。

1.3 換流器建模

本文采用電壓源換流器(Voltage Source Converter, VSC)單相模型，主要由等值阻抗和理想VSC組成，換流損耗由等值電阻消耗功率等效[23]。

1.4 二階錐松弛

將式(15)和式(18)進(jìn)行二階錐松弛，得到

2 交直流混合配電網(wǎng)多階段優(yōu)化調(diào)度模型

由于日前、日內(nèi)和實(shí)時(shí)階段的光伏出力的觀測(cè)值一般不一致，因此在各階段運(yùn)行決策中，配電網(wǎng)從主網(wǎng)的購(gòu)電量會(huì)存在偏差。交直流混合配電網(wǎng)三階段交易模式可簡(jiǎn)述為：在日內(nèi)/實(shí)時(shí)階段存在功率缺額時(shí)，可向主網(wǎng)高價(jià)購(gòu)買(mǎi)額外的電量；而當(dāng)日內(nèi)/實(shí)時(shí)功率過(guò)剩時(shí)，可低價(jià)將多余的電量售出。

多階段隨機(jī)優(yōu)化模型將配電網(wǎng)優(yōu)化調(diào)度過(guò)程分為多個(gè)階段，每階段的決策變量可依據(jù)最新觀測(cè)到的光伏的不確定性出力信息而調(diào)整，并且同一場(chǎng)景下的決策保持一致性，即當(dāng)前的決策不應(yīng)該依賴于未來(lái)的隨機(jī)因素和決策量。

2.1 目標(biāo)函數(shù)

目標(biāo)函數(shù)由日前主網(wǎng)購(gòu)電費(fèi)用、日內(nèi)調(diào)節(jié)費(fèi)用、實(shí)時(shí)調(diào)節(jié)費(fèi)用和實(shí)時(shí)需求響應(yīng)補(bǔ)償費(fèi)用構(gòu)成，如式(22)—式(25)所示。

2.2 交直流混合配電網(wǎng)運(yùn)行約束

交直流混合配電網(wǎng)潮流方程約束見(jiàn)式(1)—式(21)。

2.2.1交流配電網(wǎng)安全約束條件

交流配電網(wǎng)的運(yùn)行需滿足以下安全約束。

2.2.2直流配電網(wǎng)安全約束條件

直流配電網(wǎng)的運(yùn)行需滿足以下安全約束。

儲(chǔ)能裝置的充放電策略在日前階段確定，并在日內(nèi)階段和實(shí)時(shí)階段保持不變。儲(chǔ)能裝置運(yùn)行約束包括充放電功率約束、充放電次數(shù)約束和儲(chǔ)能電量約束[25]，如式(36)—式(40)所示。

2.2.3換流器安全約束條件

2.3 場(chǎng)景樹(shù)的構(gòu)建

圖1 場(chǎng)景樹(shù)的構(gòu)建

2.4 非預(yù)期約束條件

多階段隨機(jī)優(yōu)化模型中含有非預(yù)期約束條件，決策變量可隨著未來(lái)不確定因素的確定化過(guò)程不斷調(diào)節(jié)，根據(jù)觀察到的實(shí)時(shí)信息進(jìn)行調(diào)整，但是當(dāng)前決策只取決于當(dāng)前所觀察到的光伏出力場(chǎng)景，即當(dāng)前階段同一光伏出力場(chǎng)景下的決策需保持一致性[21]，如圖2所示。

圖2 非預(yù)期約束示意圖

本文所提交直流混合配電網(wǎng)多階段隨機(jī)優(yōu)化模型非預(yù)期約束條件如式(45)和式(46)所示。

需要說(shuō)明的是，所提模型為混合整數(shù)二階錐規(guī)劃(Mixed Integer Second-order Cone Programming, MISOCP)問(wèn)題。

2.5 交直流混合配電網(wǎng)兩階段優(yōu)化調(diào)度模型

傳統(tǒng)兩階段優(yōu)化模型只包括日前和實(shí)時(shí)兩個(gè)階段，數(shù)學(xué)模型如式(47)所示。

區(qū)別于多階段隨機(jī)優(yōu)化模型，傳統(tǒng)兩階段隨機(jī)優(yōu)化模型缺少日內(nèi)調(diào)節(jié)階段，第一階段決策變量不隨第二階段不確定場(chǎng)景變化而調(diào)整，第二階段決策變量可根據(jù)不確定場(chǎng)景實(shí)時(shí)變化而靈活調(diào)整[27]。

此處定義多階段經(jīng)濟(jì)價(jià)值指標(biāo)(Value of Multi- stage Operation, VMO)，VMO等于三階段優(yōu)化調(diào)度模型與兩階段優(yōu)化調(diào)度模型運(yùn)行總成本的百分比之差，該指標(biāo)用于定量衡量所提多階段隨機(jī)優(yōu)化模型相比于傳統(tǒng)兩階段優(yōu)化模型的經(jīng)濟(jì)價(jià)值。

3 算例分析

圖3 修改的45節(jié)點(diǎn)測(cè)試系統(tǒng)拓?fù)鋱D

3.1 儲(chǔ)能裝置的調(diào)節(jié)作用

儲(chǔ)能裝置的充放電策略在日前階段確定，合理的ESS調(diào)度方案可緩解PV出力不確定性帶給配電網(wǎng)的影響，起到削峰填谷的作用。本文得到了直流配電網(wǎng)中儲(chǔ)能裝置一天內(nèi)的電量變化曲線，結(jié)果如圖4所示。

圖4 ESS裝置儲(chǔ)存電量變化曲線

由圖4可知：在00：00—03：00時(shí)段，負(fù)荷較少且電價(jià)較低，配電網(wǎng)向主網(wǎng)低價(jià)購(gòu)電，ESS裝置充電，儲(chǔ)存電量上升；在07：00—10：00時(shí)段，負(fù)荷較重且電價(jià)較高，但是光伏機(jī)組出力較大，在滿足負(fù)荷需求的同時(shí)對(duì)ESS裝置充電，為下一階段的放電過(guò)程做準(zhǔn)備；在13：00—19：00時(shí)段，光照強(qiáng)度變?nèi)?，用電到達(dá)高峰期，ESS裝置開(kāi)始放電，以此達(dá)到減少主網(wǎng)購(gòu)電成本的目的。同時(shí)，為保證下一個(gè)充放電周期正常進(jìn)行，ESS裝置恢復(fù)至原始荷電狀態(tài)。

3.2 兩階段與多階段調(diào)度的需求響應(yīng)對(duì)比

交直流混合配電網(wǎng)較接近主動(dòng)配電網(wǎng)，便于電動(dòng)汽車充電樁等可直接中斷負(fù)荷的接入。柔性負(fù)荷可實(shí)現(xiàn)配電網(wǎng)與用戶間能量雙向傳遞，通過(guò)合理的調(diào)度策略可達(dá)到促進(jìn)光伏消納、減少負(fù)荷峰谷差和降低主網(wǎng)購(gòu)電成本等目的。

設(shè)定柔性負(fù)荷的需求響應(yīng)僅發(fā)生在實(shí)時(shí)平衡階段，圖5和圖6分別展示了在15個(gè)場(chǎng)景下兩階段和多階段隨機(jī)優(yōu)化模型的柔性負(fù)荷響應(yīng)量的需求響應(yīng)量，兩圖表明在09：00—11：00和14：00用電高峰時(shí)段，實(shí)時(shí)階段平衡成本較高，此時(shí)若配電網(wǎng)存在功率缺額，柔性負(fù)荷響應(yīng)的補(bǔ)償費(fèi)用較低，則調(diào)度人員增加柔性負(fù)荷的響應(yīng)量。

圖5 兩階段隨機(jī)優(yōu)化模型的柔性負(fù)荷響應(yīng)量

圖6 多階段隨機(jī)優(yōu)化模型的柔性負(fù)荷響應(yīng)量

由于兩階段優(yōu)化調(diào)度模型缺少日內(nèi)調(diào)節(jié)環(huán)節(jié)，相比于多階段優(yōu)化調(diào)度模型，兩階段調(diào)度模型下柔性負(fù)荷的響應(yīng)量更大，等價(jià)于增加了實(shí)時(shí)運(yùn)行階段的調(diào)整成本。

3.3 不同光伏出力場(chǎng)景下調(diào)節(jié)成本對(duì)比

光伏出力不同會(huì)導(dǎo)致日內(nèi)和實(shí)時(shí)階段的調(diào)節(jié)成本變化，假設(shè)日前、日內(nèi)及實(shí)時(shí)階段光伏出力僅分為高、中、低三種情況，不同階段光伏出力情況不同，觀察各階段成本的變化，結(jié)果如表1所示。

表1 各階段不同光伏出力情況下調(diào)節(jié)成本對(duì)比

表1說(shuō)明當(dāng)光伏出力不足而無(wú)法滿足負(fù)荷需求時(shí)，即日內(nèi)/實(shí)時(shí)階段存在功率缺額，可向主網(wǎng)高價(jià)購(gòu)買(mǎi)額外的電量，此時(shí)調(diào)節(jié)成本為正。而當(dāng)光伏出力冗余，日內(nèi)/實(shí)時(shí)功率過(guò)剩時(shí)，可低價(jià)將多余的電量售出，調(diào)節(jié)成本則為負(fù)。此外，日前階段的儲(chǔ)能裝置通過(guò)合理的充放電調(diào)度策略可實(shí)現(xiàn)電價(jià)較低時(shí)充電，電價(jià)較高時(shí)放電。因此，當(dāng)日前階段光伏出力較少無(wú)法滿足08：00—12：00電價(jià)較高時(shí)段的負(fù)荷需求時(shí)，儲(chǔ)能裝置將在此時(shí)段放電。由于儲(chǔ)能裝置的充放電策略在日內(nèi)和實(shí)時(shí)階段保持不變，當(dāng)日內(nèi)和實(shí)時(shí)階段光伏出力高于日前出力時(shí)，多余的光伏出力可向主網(wǎng)出售，且不存在柔性負(fù)荷調(diào)節(jié)成本，因此日前光伏出力較低的場(chǎng)景的總成本相對(duì)較低。

3.4 兩階段與三階段調(diào)度的總成本對(duì)比

表2 兩階段與多階段調(diào)度下總運(yùn)行成本對(duì)比

本文提出的交直流混合配電網(wǎng)多階段隨機(jī)優(yōu)化模型的原模型為混合整數(shù)非線性規(guī)劃(Mixed Integer Nonlinear Programming, MINLP)模型，利用二階錐松弛技術(shù)可將其轉(zhuǎn)化MISOCP問(wèn)題，表3為兩種模型的求解結(jié)果比較。

表3 MINLP與MISOCP的求解結(jié)果對(duì)比

本文所提MISOCP模型的運(yùn)行成本與MINLP模型一致，驗(yàn)證了MISOCP模型解的有效性(即二階錐松弛的嚴(yán)格性)。此外，采用MISOCP模型的求解效率明顯快于MINLP模型。

4 結(jié)語(yǔ)

間歇性分布式光伏的接入增加了交直流混合配電網(wǎng)的不確定性，合理的調(diào)度策略可以實(shí)現(xiàn)配電網(wǎng)的經(jīng)濟(jì)運(yùn)行。本文提出了交直流混合配電網(wǎng)多階段隨機(jī)優(yōu)化模型，基于算例結(jié)果可得出如下結(jié)論。

1) 合理的儲(chǔ)能裝置充放電策略可以起到消納光伏出力和削峰填谷的作用，且能緩解光伏出力不確定性帶給配電網(wǎng)的影響。

2) 相比于傳統(tǒng)兩階段隨機(jī)優(yōu)化模型，多階段隨機(jī)優(yōu)化模型的日前離散決策變量可隨日內(nèi)和實(shí)時(shí)階段的不確定信息改變而自適應(yīng)調(diào)整，因此更適用于高比例新能源滲透的交直流混合配電網(wǎng)。

3) 多階段隨機(jī)優(yōu)化模型由于增加了日內(nèi)調(diào)節(jié)環(huán)節(jié)使得實(shí)時(shí)階段的平衡成本和需求響應(yīng)的補(bǔ)償費(fèi)用大為降低，減少了交直流混合配電網(wǎng)的總運(yùn)行成本。

附錄

附表1 45節(jié)點(diǎn)算例結(jié)構(gòu)數(shù)據(jù)

Attached Table 1 Data of 45-node test system

節(jié)點(diǎn)i節(jié)點(diǎn)j支路阻抗/W節(jié)點(diǎn)i節(jié)點(diǎn)j支路阻抗/W 120.0922+j0.047023240.8980+j0.7091 230.4930+j0.251124250.8960+j0.7011 340.3660+j0.18646260.2030+j0.1034 450.3811+j0.194126270.2842+j0.1447 560.8190+j0.707027281.0590+j0.9337 670.1872+j0.618828290.8042+j0.7006 780.7114+j0.235129300.5075+j0.2585 891.0300+j0.740030310.9744+j0.9630 9101.0440+j0.740031320.3105+j0.3619 10110.1996+j0.065032330.3410+j0.5362 11120.3744+j0.123834351.45 12131.4680+j1.155035361.5 13140.5416+j0.712936371.75 14150.5910+j0.526037381.5 15160.7463+j0.545038391.65 16171.2890+j1.721039401.75 17180.3720+j0.574040411.5 2190.1640+j0.156541421.5 19201.5042+j1.355442431.5 20210.4095+j0.478443441.5 21220.7089+j0.937334451.5 3230.4512+j0.308344451.5

附圖1 有功負(fù)荷曲線

Attached Fig. 1 Active load curve

[1] 張福民, 劉國(guó)鑫, 李占凱, 等. 基于二階錐規(guī)劃的交直流混合配電網(wǎng)優(yōu)化調(diào)度[J]. 智慧電力, 2020, 48(3): 117-123.

ZHANG Fumin, LIU Guoxin, LI Zhankai, et al. Optimal dispatch of AC/DC hybrid distribution network based on second-order cone programming[J]. Smart Power, 2020, 48(3): 117-123.

[2] 張璐, 唐巍, 盧瑩, 等. 面向新型源荷接入的交直流混合配電網(wǎng)關(guān)鍵技術(shù)研究綜述[J]. 供用電, 2020, 37(10): 3-9, 21.

ZHANG Lu, TANG Wei, LU Ying, et al. Overview of hybrid AC/DC distribution network key technologies facing novel source and load integration[J]. Distribution & Utilization, 2020, 37(10): 3-9, 21.

[3] 崔福博, 郭劍波, 荊平, 等. 直流配電技術(shù)綜述[J]. 電網(wǎng)技術(shù), 2014, 38(3): 556-564.

CUI Fubo, GUO Jianbo, JING Ping, et al. A review of DC power distribution technology[J]. Power System Technology, 2014, 38(3): 556-564.

[4] 曾嘉思, 徐習(xí)東, 趙宇明. 交直流配電網(wǎng)可靠性對(duì)比[J]. 電網(wǎng)技術(shù), 2014, 38(9): 2582-2589.

ZENG Jiasi, XU Xidong, ZHAO Yuming. Reliability comparison of AC and DC distribution network[J]. Power System Technology, 2014, 38(9): 2582-2589.

[5] 馬鑫, 郭瑞鵬, 王蕾, 等. 基于二階錐規(guī)劃的交直流主動(dòng)配電網(wǎng)日前調(diào)度模型[J]. 電力系統(tǒng)自動(dòng)化, 2018, 42(22): 144-150.

MA Xin, GUO Ruipeng, WANG Lei, et al. Day-ahead scheduling model for AC/DC active distribution network based on second-order cone programming[J]. Automation of Electric Power Systems, 2018, 42(22): 144-150.

[6] 胡代豪, 郭力, 劉一欣, 等. 計(jì)及光儲(chǔ)快充一體站的配電網(wǎng)隨機(jī)-魯棒混合優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù), 2021, 45(2): 507-519.

HU Daihao, GUO Li, LIU Yixin, et al. Stochastic/robust hybrid optimal dispatching of distribution networks considering fast charging stations with photovoltaic and energy storage[J]. Power System Technology, 2021, 45(2): 507-519.

[7] 錢(qián)科軍, 劉乙, 張新松, 等. 考慮電動(dòng)汽車充電負(fù)荷的配電系統(tǒng)場(chǎng)景概率潮流分析[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(24): 62-70.

QIAN Kejun, LIU Yi, ZHANG Xinsong, et al. Scenario- based probabilistic power flow calculation of distribution systems with electric vehicle charging loads[J]. Power System Protection and Control, 2020, 48(24): 62-70.

[8] LI Pan, JIN Baihong, WANG Dai, et al. Distribution system voltage control under uncertainties using tractable chance constraints[J]. IEEE Transactions on Power Systems, 2019, 34(6): 5208-5216.

[9] 蔡宇, 林今, 萬(wàn)燦, 等. 市場(chǎng)環(huán)境下基于隨機(jī)規(guī)劃的主動(dòng)配電網(wǎng)運(yùn)行交易二層優(yōu)化模型[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2016, 36(20): 5391-5402.

CAI Yu, LIN Jin, WAN Can, et al. A bi-level stochastic programming approach for strategic active distribution network operation in electricity market[J]. Proceedings of the CSEE, 2016, 36(20): 5391-5402.

[10] CHEN Sheng, WEI Zhinong, SUN Guoqiang, et al. Adaptive robust day-ahead dispatch for urban energy systems[J]. IEEE Transactions on Industrial Electronics, 2019, 66(2): 1379-1390.

[11] 陳澤雄, 張新民, 王雪鋒, 等. 分布式光伏電站接入配電網(wǎng)的分布魯棒優(yōu)化配置方法[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(13): 30-42.

CHEN Zexiong, ZHANG Xinmin, WANG Xuefeng, et al. A distributionally robust optimal allocation method for distributed photovoltaic generation stations integrated into a distribution network[J]. Power System Protection and Control, 2021, 49(13): 30-42.

[12] 孫峰洲, 劉海濤, 陳慶, 等. 考慮新能源波動(dòng)區(qū)間的交直流配電網(wǎng)下垂斜率魯棒優(yōu)化方法[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(14): 62-70.

SUN Fengzhou, LIU Haitao, CHEN Qing, et al. Robust optimization method for droop slopes in AC/DC distribution network considering fluctuation interval of renewable energy source[J]. Automation of Electric Power Systems, 2020, 44(14): 62-70.

[13] 白斌, 韓明亮, 林江, 等. 含風(fēng)電和光伏的可再生能源場(chǎng)景削減方法[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(15): 141-149.

BAI Bin, HAN Mingliang, LIN Jiang, et al. Scenario reduction method of renewable energy including wind power and photovoltaic[J]. Power System Protection and Control, 2021, 49(15): 141-149.

[14] 許寅, 李佳旭, 王穎, 等. 考慮光伏出力不確定性的園區(qū)配電網(wǎng)日前運(yùn)行計(jì)劃[J]. 電力自動(dòng)化設(shè)備, 2020, 40(5): 85-91, 105.

XU Yin, LI Jiaxu, WANG Ying, et al. Day-ahead operation plan for campus distribution network considering uncertainty of photovoltaic output[J]. Electric Power Automation Equipment, 2020, 40(5): 85-91, 105.

[15] 符楊, 張智泉, 李振坤, 等. 基于二階段魯棒博弈模型的微電網(wǎng)群及混合交直流配電系統(tǒng)協(xié)調(diào)能量管理策略研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2020, 40(4): 1226-1240.

FU Yang, ZHANG Zhiquan, LI Zhenkun, et al. A two-stage robust game approach for coordinated energy management in hybrid AC/DC distribution system with microgrid clusters[J]. Proceedings of the CSEE, 2020, 40(4): 1226-1240.

[16] 劉一欣, 郭力, 王成山. 微電網(wǎng)兩階段魯棒優(yōu)化經(jīng)濟(jì)調(diào)度方法[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2018, 38(14): 4013-4022.

LIU Yixin, GUO Li, WANG Chengshan. Economic dispatch of microgrid based on two stage robust optimization[J]. Proceedings of the CSEE, 2018, 38(14): 4013-4022.

[17] 黃張浩, 張亞超, 鄭峰, 等. 基于不同利益主體協(xié)調(diào)優(yōu)化的主動(dòng)配電網(wǎng)日前-實(shí)時(shí)能量管理方法[J]. 電網(wǎng)技術(shù), 2021, 45(6): 2299-2308.

HUANG Zhanghao, ZHANG Yachao, ZHENG Feng, et al. Day-ahead and real-time energy management method for active distribution networks based on coordinated optimization of different stakeholders[J]. Power System Technology, 2021, 45(6): 2299-2308.

[18] 賀帥佳, 阮賀彬, 高紅均, 等. 分布魯棒優(yōu)化方法在電力系統(tǒng)中的理論分析與應(yīng)用綜述[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(14): 179-191.

HE Shuaijia, RUAN Hebin, GAO Hongjun, et al. Overview on theory analysis and application of distributionally robust optimization method in power system[J]. Automation of Electric Power Systems, 2020, 44(14): 179-191.

[19] 丁濤, 李澄, 胡源, 等. 考慮非預(yù)期條件的電力系統(tǒng)多階段隨機(jī)規(guī)劃建模理論與方法[J]. 電網(wǎng)技術(shù), 2017, 41(11): 3566-3572.

DING Tao, LI Cheng, HU Yuan, et al. Multi-stage stochastic programming for power system planning considering nonanticipative constraints[J]. Power System Technology, 2017, 41(11): 3566-3572.

[20] DING T, HU Y, BIE Z. Multi-stage stochastic programming with nonanticipativity constraints for expansion of combined power and natural gas systems[J]. IEEE Transactions on Power Systems, 2018, 33(1): 317-328.

[21] ABBASPOURTORBATI F, CONEJO A J, WANG J, et al. Three-or two-stage stochastic market-clearing algorithm?[J]. IEEE Transactions on Power Systems, 2017, 32(4): 3099-3110.

[22] 劉一兵, 吳文傳, 張伯明, 等. 基于混合整數(shù)二階錐規(guī)劃的主動(dòng)配電網(wǎng)有功-無(wú)功協(xié)調(diào)多時(shí)段優(yōu)化運(yùn)行[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2014, 34(16): 2575-2583.

LIU Yibing, WU Wenchuan, ZHANG Boming, et al. A mixed integer second-order cone programming based active and reactive power coordinated multi-period optimization for active distribution network[J]. Proceedings of the CSEE, 2014, 34(16): 2575-2583.

[23] 王守相, 陳思佳, 謝頌果. 考慮安全約束的交直流配電網(wǎng)儲(chǔ)能與換流站協(xié)調(diào)經(jīng)濟(jì)調(diào)度[J]. 電力系統(tǒng)自動(dòng)化, 2017, 41(11): 85-91.

WANG Shouxiang, CHEN Sijia, XIE Songguo. Security- constrained coordinated economic dispatch of energy storage systems and converter stations for AC/DC distribution networks[J]. Automation of Electric Power Systems, 2017, 41(11): 85-91.

[24] SHANG L, GUO H, ZHU W. An improved MPPT control strategy based on incremental conductance algorithm[J]. Protection and Control of Modern Power Systems, 2020, 5(2): 66-73.

[25] 陳長(zhǎng)青, 陽(yáng)同光. 計(jì)及柔性負(fù)荷的電網(wǎng)儲(chǔ)能和光伏協(xié)調(diào)規(guī)劃研究[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(4): 169-177.

CHEN Changqing, YANG Tongguang. Research on grid energy storage and photovoltaic coordination planning with flexible load[J]. Power System Protection and Control, 2021, 49(4): 169-177.

[26] 鄭超,周孝信,李若梅,等.VSC-HVDC穩(wěn)態(tài)特性與潮流算法的研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2005, 25(6): 1-5.

ZHENG Chao, ZHOU Xiaoxin, LI Ruomei, et al. Study on the steady characteristic and algorithm of power flow for VSC-HVDC[J]. Proceedings of the CSEE, 2005, 25(6): 1-5.

[27] 莊慧敏, 肖建. 主動(dòng)配電網(wǎng)的兩階段優(yōu)化調(diào)度模型[J]. 西南交通大學(xué)學(xué)報(bào), 2015, 50(5): 928-934.

ZHUANG Huimin, XIAO Jian. Two-stage optimal schedule model for active distribution network[J]. Journal of Southwest Jiaotong University, 2015, 50(5): 928-934.

[28] 馬鑫, 郭瑞鵬, 柳勁松, 等. 三相不平衡下交直流配電網(wǎng)狀態(tài)估計(jì)[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(23): 65-71.

MA Xin, GUO Ruipeng, LIU Jinsong, et al. State estimation for three-phase unbalanced AC/DC distribution network[J]. Automation of Electric Power Systems, 2019, 43(23): 65-71.

Multi-stage stochastic optimization dispatch model for AC-DC hybrid distribution power networks

PEI Lei1, WEI Zhinong1, CHEN Sheng1, ZHAO Jingtao2, FU Qiang2

(1. College of Energy and Electrical Engineering, Hohai University, Nanjing 211100, China;2. NARI Technology Company Limited, Nanjing 211100, China)

The high proportion of intermittent distributed photovoltaic access brings challenges to the operation of an AC-DC hybrid distribution network. The current two-stage stochastic optimization dispatch model leads to a large deviation between real-time and day-ahead decision-making. This paper presents a multi-stage stochastic optimization model based on a scenario tree. The proposed model aims at minimizing the sum of day-ahead purchase cost, day-ahead adjustment cost and real-time balance cost. The model also realizes photovoltaic absorption and peak load filling through flexible adjustment measures such as energy storage device adjustment, converter station output power adjustment and demand response. The discrete decision variables of the multi-stage stochastic optimization model can be adjusted adaptively with the change of uncertain information in the intra-day and real-time stage. This can meet the operational requirements of an AC-DC hybrid distribution network with a high proportion of PV penetration and provide technical support for its economical and flexible operation.

AC-DC hybrid distribution network; multi-stage decision-making; stochastic optimization; scenario tree; distributed PV

10.19783/j.cnki.pspc.211212

國(guó)家自然科學(xué)基金項(xiàng)目資助 (U1966205)

This work is supported by the National Natural Science Foundation of China (No. U1966205).

2021-09-01；

2021-12-24

裴 蕾(1996—)，女，碩士研究生，主要研究方向?yàn)榻恢绷骰旌吓潆娋W(wǎng)運(yùn)行與控制；E-mail: 2474533628@qq.com

衛(wèi)志農(nóng)(1962—)，男，通信作者，博士，教授，主要研究方向?yàn)榕潆娋W(wǎng)態(tài)勢(shì)感知與優(yōu)化運(yùn)行；E-mail: wzn_nj@ 263.net

陳 勝(1990—)，男，博士，副教授，主要研究方向?yàn)槭袌?chǎng)環(huán)境下的綜合能源系統(tǒng)規(guī)劃與運(yùn)行。E-mail: chenshenghhu@163.com

(編輯 姜新麗)