1、問題背景: 主動配電網中的不確定性因素給恢復控制帶來了挑戰
1.1配電網恢復控制原理
配電網通常呈輻射狀運行, 當電網發生故障時, 將導致故障點所在線路的下游區域全部停電。配電網中的開關一般分為常閉的分段開關和常開的聯絡開關兩類, 對故障進行定位與隔離后, 可通過協調這兩類開關的開合狀態, 將非故障停電區的負荷轉接到其他饋線或同一饋線的帶電支路上, 實現供電恢復。因此, 恢復控制本質上是一個滿足配電網運行約束下的開關組合優化問題。
1.2主動配電網中的不確定性
由于許多設備的操作需要人工執行, 實際的供電恢復是一個耗時過程, 期間存在的不確定性因素主要有:
1) 分布式電源出力波動: 以光伏和風電為代表的分布式電源(DG)的出力, 會受天氣和環境因素的影響而發生波動。隨著分布式電源在配電網中滲透率的不斷提高, 其出力不確定性對恢復控制的影響將日益顯著。
2)節點負荷波動: 節點負荷值取決于用戶用電情況, 是一個無法精確預測的時變量。
3) 負荷估計誤差: 由于目前配電網安裝的負荷量測裝置很少, 大部分非量測節點只能通過典型負荷曲線法或短期負荷預測法獲得偽量測數據, 因此其估計值與真實的負荷值之間可能存在較大偏差。
1.3傳統確定性算法存在的問題
在傳統的恢復控制算法中, 分布式電源出力和負荷均用單點預測值表示, 視為確定性參數, 這種確定決策模型存在安全隱患。例如, 倘若恢復期間實際的負荷高于預測值, 分布式電源出力低于預測值, 由確定性算法生成的恢復策略可能造成線路過載或電壓越限, 最終導致供電恢復失敗。因此, 主動配電網中的不確定性因素給傳統的確定性算法帶來了挑戰。本文提出一種新的魯棒恢復控制方法, 使得產生的恢復策略在這些不確定性參數(分布式電源出力、負荷波動和估計誤差)在給定的范圍波動時, 供電恢復方案總是能保證電網安全的, 即可行的。
2、算法模型: 保守性可調的魯棒恢復控制優化模型
常見的確定性建模方法可以分為隨機模型和魯棒模型, 但是隨機模型需要給定變量概率分布, 而且存在計算困難問題。為此, 本文對配電網恢復控制決策問題構建為一種兩階段魯棒優化方法問題, 包含以下幾個步驟:
步驟1: 將一般的恢復控制決策描述為一個混合整數線性規劃模型, 其目標函數為最大化恢復失電負荷, 約束條件包括輻射狀拓撲約束、功率平衡約束、線路容量約束和節點電壓安全約束等。該模型暫不考慮不確定性因素, 是一個確定性恢復控制優化模型(DROM)。
步驟2: 根據歷史數據, 構建出分布式電源出力和負荷的不確定性區間。
步驟3: 基于DROM和不確定性區間, 建立兩階段的魯棒恢復控制優化模型(RROM); 其第一階段為生成最優的失電負荷恢復策略, 第二階段是在不確定性區間中搜索出最惡劣的波動場景。
步驟4: 引入不確定性預算(Budget of Uncertainty)技術調節該模型模型保守度, 使得該方法能夠在魯棒性和保守性中做權衡。
最終, 考慮分布式電源出力不確定性和負荷不確定性的恢復控制決策, 被建立為保守度可調的兩階段魯棒優化模型。針對這樣的兩階段問題, 本文使用列約束生成法將其分解為主問題和子問題進行迭代求解。由該模型生成的恢復策略, 對于不確定性區間中的所有波動場景均能保證不出現配電網運行約束被破壞的情況。
3、算例驗證
采用PG&E 69節點配電系統進行算例驗證, 通過最惡劣波動場景測試和蒙特卡洛仿真, 對比分析確定性模型DROM和魯棒模型RROM的恢復控制效果。
1) 最惡劣波動場景測試
對整個算例測試系統進行一次“N-1”故障掃描, 提取出子問題中生成的最惡劣波動場景作為測試環境。確定性模型和魯棒模型的故障恢復情況如圖1所示: 紅色表示的確定性模型在最惡劣場景下出現了多次恢復失敗的情況, 需要額外切除部分負荷(恢復負荷量取負值)才使得恢復策略可行;而藍色表示的魯棒方法在所有線路故障的情況下均保證了決策的可行性和優化性。
圖1 PG&E 69節點系統的“N-1”掃描結果
2) 蒙特卡洛仿真測試
設實際的分布式電源出力和節點負荷是呈以預測值為中心的正態分布, 并對每個故障情況隨機生成3000個波動場景作為測試場景。四個典型線路故障案例的負荷恢復情況如表1所示, 其中魯棒方法一直保持著100%的恢復成功率和最優的恢復負荷量, 而確定性方法在不少場景下會出現恢復性能不佳, 甚至恢復失敗的情況。
4、結語
本文提出了一個保守度可調的兩階段魯棒恢復控制優化模型, 建立為混合整數線性規劃的形式。基于給定的不確定性區間, 該魯棒模型能夠搜索出最惡劣的波動場景, 并進行恢復控制策略的生成。算例結果驗證了本文方法的魯棒性和優化性;該方法可用于解決恢復過程中由于分布式電源出力波動、負荷變化以及負荷量測誤差大造成的恢復控制策略不可行問題。