主动配电网动态多目标鲁棒进化优化方法研究

The increasing proliferation of distributed energy resources and microgrids, demand side participation and electricity market strategies have brought complexity and various temporal-spatial uncertainties in active distribution networks. The traditional deterministic optimal management strategy won’t be able to realize the secure, stable and economical operation. Considering the high penetration of distributed energy resources and flexible loads in active distribution network, a novel dynamic multiple object robust evolutionary optimization strategy has been proposed in this research to solve the optimal dispatching issues under various uncertainties. Firstly, the uncertain scenario modeling will be carried out. Secondly, a robust optimization model with multiple scenarios and multiple time will be constructed in active distribution networks. A modified light robust optimization algorithm will be delivered to address the conservation of the solution, the issues related to the robustness and deterioration. Thirdly, a decision making model will be proposed for active distribution networks with multiple participators in continuous dynamic environment. Finally, a hardware in the loop test platform will be constructed to testify the feasibility. The outcome of this research will support the secure, stable and economical operation of active distribution networks, promote the energy efficiency and low-carbon economy development.

主动配电网中分布式电源的大规模接入，微网的广泛存在，需求侧响应的推广，电力市场机制的开放，使得配电系统运行的复杂性和时空不确定性显著增加，传统的确定型优化调度方法无法保证系统安全、稳定、经济运行。基于此，本课题以含高比例分布式能源、柔性负荷的主动配电网为研究对象，提出应用动态多目标鲁棒进化优化方法解决不确定运行环境下含多决策主体的电力系统调度决策问题的新思路。首先，通过对主动配电网典型不确定场景建模，生成不确定场景集合；其次，提出计及多场景、多时段的鲁棒优化策略，采用改进弱鲁棒优化算法解决鲁棒优化结果过度保守，及解的鲁棒性与目标函数恶化之间的问题。再次，提出适用于连续动态环境及多参与主体的主动配电网动态多目标鲁棒优化决策模型。最后，构建硬件在环的仿真测试平台，验证所提出方法的可行性。研究成果将能够为未来主动配电网的安全、稳定、经济运行提供保障，促进能源高效利用、节能减排和低碳经济的发展。

全球能源变革推动分布式可再生能源在配电网中的广泛渗透，供需互动的主动配电网（Active Distribution Network，ADN）已成为未来智能电网发展的重要方向之一。相比于传统配电网，ADN具有更多样化的能源供给，更灵活的分布式能源（Distributed Energy Resources，DERs）接入方式，更全面的可观性，更灵活多元的可控性，更友好的柔性负荷激励策略以及更开放的市场机制。与此同时，能源间歇性，拓扑多变性，负荷时空不确定性以及市场的动态变化使得其运行不确定性大大增加，如不加以有效管控将成为ADN有效推广的主要障碍。.为此，本课题针对多重不确定性环境下ADN动态多目标鲁棒优化方法开展深入研究。首先，基于“集合”形式描述变量的不确定性，通过场景生成、场景集选择以及不确定性演化分析，合理构建均衡网络安全性，鲁棒性，经济性以及计算复杂性的不确定性场景集合，以及量化边缘计算及分布式优化对不确定性的解耦简化作用。其次，通过对鲁棒优化调度可控资源建模，建立了计及多时段、多场景的集中式及分层分区的分布式鲁棒优化策略，评估解的可行性和目标函数的恶化程度。再次，提出适用于连续动态环境及多参与主体的ADN动态多目标鲁棒优化模型，验证不完全信息下多参与主体博弈决策过程，提出帕累托最优解保守性和鲁棒性的量化分析方法。最后，构造了一个融合硬件在环和合成网络的实时仿真测试平台和具备概率统计特性的合成网络算例集合。该平台用于测试鲁棒优化方案以及鲁棒调度决策的可操作性。同时，设计符合ADN实际情况的概率性测试案例，有效验证研究的正确性、可行性及适用性。.通过以上研究，本课题建立了一整套满足ADN能源不确定、需求不确定、网络不确定以及市场不确定环境下的多目标协调优化鲁棒调度模型与决策方法，在实现ADN安全、稳定、经济运行的同时，满足多参与主体在安全性、经济性、环保性等多方面需求，研究成果有助于“双碳”能源战略在配电网中的有效实施。