文献综述
近年来，由于能源日益匮乏，且环境污染问题的逐渐凸显，低碳经济的发展理念得到越来越多的关注与重视。与此同时，新能源技术快速发展、电力市场和能源政策逐步开放。在上述因素的综合影响下，未来配电网势必存在大量的分布式可再生能源。为了适应可再生能源的不确定性发展，配电网需要配置一定的主动管理设备，以促进新能源的高效利用、电网的安全运行和负荷的可靠供给。分布式能源和可控管理手段的融入，使得传统配电网正逐渐向主动配电网方向发展。为了充分发挥系统内各种可控资源的效益，降低其控制的冲突负面影响，实现全网络的经济高效运行，国内外学者以“最优化思想”为核心，从最优潮流、最优规划以及最优经济运行三个方面开展主动配电网相关的一些基础理论和应用研究，而不确定性是这几类课题研究的基础和关键组成部分。不确定性研究涉及电力系统的方方面面。在清洁能源快速发展的大环境下，无论是大电网安全分析，还是配电网规划运行，新的不确定性表征方法显得尤为重要。大体上，常用的不确定性建模方式包括概率分布模型、模糊数模型和不确定性集合，进而相应地形成了随机规划理论、模糊规划理论和鲁棒优化理论。
随机规划方法通过随机概率描述系统的不确定性，广泛应用于管理科学、运筹学、经济学、最优控制等领域，主要包括期望值、机会约束规划和相关机会规划3种模型，其中前两类在电力系统优化中较为常见。由文献[1]知，主动配电网规划包含上层投资层和下层运行层，而各不确定性主要集中在下层运行模拟过程中。因此，无论是配电网规划还是调度运行环节，不确定性均表征为运行过程中的模拟。在传统配电网中，由于DG接入有限，因此主要是考虑负荷的不确定性。而由于分布式能源接入后的主动配电网规划和运行需要详细模拟各种运行情况，决策过程面临更多的不确定性因素。根据事件边界的可辨识与否，不确定性要素可表现出不同的数理特性。总体上，在实际应用中，随机规划包括机会约束规划和基于场景模拟规划。机会约束规划由Charnes和Cooper首先提出，它是随机规划的一个重要分支，主要针对约束条件中含有随机变量，且必须在观测到随机变量的实现之前作出决策的情况。允许所做决策在一定程度上不满足约束条件，但该决策应使约束条件成立的概率不小于某一置信水平。文献[2]对风电、光伏和负荷分别采用威布尔、贝塔和正态分布进行概率描述，并对支路潮流运用机会约束进行概率限制，以决策配电网最大安装容量和配置位置，最后采用粒子群算法进行求解。文献[3]充分考虑了可再生能源和负荷的不确定性，对电压调节进行了概率约束，建立了配电系统机会约束交流最优潮流模型，并应用到模型预测控制中。可以看出在配电网以及主动配电网中，机会约束规划广泛应用于故障恢复、阻塞管理、优化运行、配置规划以及最优潮流中，其求解难度主要集中于对目标函数和约束条件的概率置信区间的可靠表达。当前研究主要分为两大类：1)转化为确定性模型进行求解；将随机变量按照其概率分布进行等效转化，利用置信度的分位点进行相应界定边界值。2)应用场景抽样方法进行反复验证，该方法与场景集合概率方法类似，其主要难度集中于大量场景导致模型的复杂化，不易得到良好的可靠收敛解。而由于场景模拟方法简单实用的优点，相比机会约束规划，其应用范围更为广泛。文献[4]列举了 8 组包含负荷、风电和光伏的随机场景，每组场景内的负荷、风电和光伏又细分为3个不同的发展水平，最终形成216个等概率的场景集，从而建立总期望成本最小的随机投资决策模型。文献[5]基于无损变换对风电出力、光伏发电和电动汽车充放电功率进行采样，并以网络总运行成本最小为目标，建立了配电网随机调度模型。对于场景模拟方法的求解算法，主要难点在于代表性运行场景的筛选，以及对应场景概率的确定。尽管大量场景的生成理论上可能获得更准确的优化结果，但是计算量也会相应增大。为了处理计算负担问题(即：“场景”过多)，常常应用场景削减技术来抽取典型场景，但这种处理手段不可避免的导致实际优化结果与原随机规划问题存在一定的误差。因此，无论是场景模拟还是机会约束方法，在应用上均存在很难计算获得原规划模型解的难题，且在实际运行过程中由于缺乏历史数据或者本身不服从随机概率特性，从而很难获得不确定参数的客观随机分布，随机规划在主动配电网规划运行过程中的应用也尚处于理论探索阶段。
随机规划方法以不确定性的概率分布为基础。然而，在实际应用中，DG或者充电式电动汽车充电负荷的随机分布无法有效获得，因此国内外学者也开始研究基于可能性分布的模糊规划方法。不确定参数采用相应的模糊隶属度函数表征，然后再加入到优化模型中进行求解。模糊规划方法可以有效处理系统中无法获得准确值而产生的不确定性因素。近年来，由于其在处理不确定性参数方法上的适用性和有效性，其在配电网规划和运行等领域均得到了广泛的应用。文献[6]应用模糊期望值模型，以年投资费用的模糊期望最小为目标函数，建立分布式电源规划方案，并应用遗传算法进行求解。文献[7][8]应用模糊数学理论，综合考虑了负荷、投资和电价等不确定因素，提出了配电网的模糊预测方法、模糊潮流算法和模糊规划方法。文献[9]对负荷增长率不确定性采用模糊集表达，建立了一种新颖的长期配电网定价模型，并采用普遍适用的重心方法进行去模糊化求解。
虽然随机规划和模糊优化方法从理论上能够对配电网，乃至电力系统的不确定性模拟等进行较好的刻画。但在实际应用中，不确定性因素的概率分布较难获得，同时，恰当的隶属度函数也较难选取，但各不确定性因素的取值范围(边界数据)或者集合却相对容易获取。基于此，该类不确定性可采用鲁棒不确定性集表征，从而采用鲁棒优化进行决策。鲁棒优化主要集中于不确定性集合中寻找到最恶化的目标函数值，继而决策最恶化目标值的最优方案，决策模型通常为双层优化模型。由于鲁棒优化方法简单实用，因此在配电网以及主动配电网规划运行各个方面均得到了广泛关注。在电压控制和无功优化方面，文献[10]采用区间集合描述光伏出力和负荷不确定性，提出了鲁棒区间电压控制方法，并在改进的IEEE33节点算例系统上与蒙特卡洛仿真进行了相应对比分析。文献[11]考虑了负荷和光伏发电出力的不确定性，基于支路潮流模型(BFM)建立了鲁棒电压控制模型。文献[12]对主动配电网中风电出力采用区间集合进行描述，构建了两阶段鲁棒无功优化模型，采用松弛手段和列与约束生成算法(CCG)对两阶段非线性模型进行快速求解。在配电网重构方面，文献[13]考虑了负荷的随机性给传统静态配电网重构带来的挑战，建立了包含混合整数二阶锥问题的两阶段鲁棒优化模型，并采用CCG算法对两阶段问题进行反复迭代求解。在配电网/微网(MG)运行和经济调度方面。文献[14]对智能配电网中负荷和可再生能源的不确定性采用鲁棒优化进行描述，建立了“最小-最大-最小”日前调度优化模型，同时在优化模型中考虑用户需求响应(DR)对配电网能量管理和备用优化的影响，最后采用基于对偶割平面的分解算法求解上述复杂模型。由此可见，近年来在微网、配电网以及主动配电网领域，鲁棒优化均有一定的应用研究，其有效性也在较多的文献中得到论证。然而，鲁棒优化由于其不确定性集合的限制，导致得到的相应优化方案过于保守，因此文献[15]和[16]也尝试引入不确定度或者保守度对鲁棒优化中的不确定性进行鲁棒性度量；文献[17]引入的鲁棒代价也类似于保守度方法，主要用于保守性和不考虑不确定性的风险性之间的平衡。此外，探索恰当的不确定集合来表征特定对象的不确定性也是鲁棒优化研究的另一个难点。
参考文献：
[1] 高红均, 刘俊勇, 魏震波, 等. 主动配电网分层鲁棒规划模型及其求解方法[J]. 中国 电机工程学报, 2016(优先出版).
[2] Z. Sun, W. Li, J. Zhu, et al. A planning method for siting and sizing of distributed generation based on chance-constrained programming[C]// International Conference on Electric Utility Deregulation and Restructuring and Power Technologies. IEEE, 2015:527-531.
[3] E. D. Anese, K. Baker, T. Summers. Chance-Constrained AC Optimal Power Flow for Distribution Systems with Renewables [J]. IEEE Transactions on Power Systems, to be published.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
