CN109508857B - 一种主动配电网多阶段规划方法 - Google Patents

Abstract

本发明公开了一种主动配电网多阶段规划方法。如何在配电网规划中综合考虑源荷网储多种因素运行的不确定性，是目前配电网规划优化需要深入研究的问题。本发明包括步骤：输入电力系统参数、历史运行数据、地区发展规划需求和预测不确定因素数据；计算各规划决策量在多时间尺度的各个运行场景中的影子价格；根据影子价格和各个场景发生概率，建立包括极端场景和经典场景的运行受限场景库；根据运行受限场景库修正上层多阶段规划优化模型。本发明筛选出具有针对性和典型性的规划场景库来修正规划投建的优化模型，用来模拟运行决策者对规划决策者的反馈，从而提高配电网海量运行场景结果的可观性，并将不同时间尺度的决策变量分层求解，降低求解难度。

Description

一种主动配电网多阶段规划方法

技术领域

本发明涉及电力系统领域，特别是一种计及多时间尺度运行受限场景的主动配电网多阶段规划方法。

背景技术

近年来分布式电源、储能系统、能源互联网等配电系统新技术的引入促进了电能来源的清洁化、多元化发展；柔性负荷、电动汽车、储能等多形态电力需求的逐步渗透，推动了配电系统的市场化、互动化发展，具有重要的应用价值和推广意义。为将上述多元要素大量引入配电网并有机融合，实现安全、可靠、优质、高效、智能的电力服务，国内外学者对配电网新元件的应用技术展开了广泛研究。风、光资源的随机性与波动性带来了电力调峰、电压稳定、逆向潮流、穿透功率极限、弃风、弃光等问题，对新技术的规模化渗透形成了阻力。配电网的运行形态随各类运行对象的引入将有很大不同。弃风、弃光、切负荷等多样化的运行方式与场景化的系统不确定性深度耦合，状态相依。随着时间尺度的复杂化，这些随机性与波动性被进一步传导并耦合，构成整体配电网的复杂不确定性特征，使其从规划建设到运行调度的全过程技术体系都面临着巨大挑战。除此之外，从数学模型上看，规划优化的决策量具有多时间尺度性、离散性和非线性，难以建模求解；而运行问题模型简单，求解速度快。由于海量运行场景增加了规划的决策变量，规划问题的求解复杂度指数提升，而对于只考虑给定场景的运行问题只是线性化的增加了问题个数。

现有的方法一般通过将不确定性的场景转换为多个可能发生的确定性场景，来处理场景的随机性。采用模糊C均值、K均值等聚类思想处理场景，将得到的典型场景数据用于求解配网调度或配网规划问题，减小计算量。或采用极端场景法对随机性场景集进行削减，减小DG的随机波动性对电网经济运行的影响。

如何在配电网规划中综合考虑源荷网储多种因素运行的不确定性，是目前配电网规划优化需要深入研究的问题。可见，现有关于考虑运行因素的电网规划方法还有待改进。

发明内容

本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种计及多时间尺度运行受限场景的主动配电网多阶段规划方法，其用影子价格筛选和处理运行场景，形成规划问题中的运行边界。

为此，本发明采用以下的技术方案：一种主动配电网多阶段规划方法，其包括：

模拟电力系统运行与规划的业务流程，建立考虑复杂运行场景的规划双层优化模型；上层为配电网统一多阶段规划模型，下层(运行)为复杂多场景运行模型；下层通过运行影子价格作为受限评估值，将相应受限场景反馈到上层(规划)，反映电力系统电网规划过程中规划人员调研、分析运行受限的业务环节；上层以建设资金限制、线路选型选址限制、储能选址限制和下层得到的运行受限场景库约束条件形成规划边界条件，以投资运行维护成本最小为目标函数，得到规划方案，反映电力系统电网规划过程中规划人员对配网资源配置优化业务环节；

所述的上层将规划方案传递到下层，下层在新的规划方案基础上，重新对各个场景进行优化调度，形成新的运行影子价格，得到新的受限评估值，再次向上层反馈，反映电力系统电网规划过程中的规划方案进行运行校验环节。

本发明考虑复杂运行场景的规划双层优化模型为一个闭环的反馈过程，模拟了实际生产中配网规划决策者和配网运行人员的业务环节交互过程，反复迭代，得到考虑复杂场景的配电网多阶段网-储的联合扩展规划方案。

作为上述技术方案的补充，主动配电网多阶段规划方法还包括：根据电力系统运行业务流程和历史数据，形成考虑负荷需求、分布式电源装机容量、风速和光照强度不确定因素的多时间尺度配电网复杂运行场景库。

作为上述技术方案的补充，主动配电网多阶段规划方法还包括：对建立的多时间尺度配电网复杂运行场景库中各个场景，建立以配电网电力电量平衡和源-网-荷-储限制为约束条件，以运行成本最小为目标函数的最优调度模型，即下层模型。

作为上述技术方案的补充，快速序贯求解上述复杂运行场景库中各个场景的最优调度模型，将各个运行场景中对应规划资源限制的影子价格进行标准化处理，进一步结合场景发生概率，定量评估运行场景受限程度，挖掘筛选对规划决策起作用的典型场景或极端场景，形成运行受限场景库。

由于运行子场景调度成本的产生机理复杂，生成的规划场景库应采用技术手段排除其他成因，针对性地找出因规划决策量受限而付出经济代价的极端场景和典型场景。而影子价格是对资源的边际效益或产品的边际成本的一种估价，这种估价可以针对具体运行场景、具体规划决策量而存在。

作为上述技术方案的补充，采用规划决策量在各运行场景中的影子价格作为运行优化受规划决策量限制的量化指标，并结合场景发生概率量化各运行场景受限程度，所述的影子价格根据单位扩容成本，统一各约束边际效益的数量级与单位，为：

ζ_s＝Ψ_sp_s＝(Ψ^ESS+Ψ^net)p_s，s∈Ω_O，

式中：ζs表示运行场景受规划决策的限制程度，即对规划问题的影响因子；Ψs，p_s为场景s的影子价格及发生概率；Ψ^ESS、Ψ^Line分别表示储能和线路的标准化影子价格；ψ_s,st为规划决策量在各运行场景下标准化的影子价格，实质为收益投入比；st表示约束编号；Δt为调度时段时长；Ω_O表示复杂运行场景集；Ω_st表示与规划决策量相关的约束集合；c_st为资源单位成本；μ_s,st,t为子场景运行问题的影子价格，反映单位扩容所能产生的边际效益；f_s表示运行层目标函数，x表示参与运行调度的规划决策相关量。

受限程度高的运行场景被视为对规划决策影响大的场景列入规划场景库；即在所有可能发生的运行工况中，用于刻画规划优化模型边界的少数具有典型性和针对性的运行场景的集合，是运行场景库的子集。

作为上述技术方案的补充，所述下层模型(即运行层模型)的目标函数为：目标函数计及DG供电并网成本，交易电能成本，弃风、弃光、切负荷调度手段使用成本及潮流倒送的惩罚成本；

式中：i，j为节点编号；Ω_WF，Ω_PV，Ω_gr，Ω_L，Ω_ESS分别为风机节点、光伏节点、连接主网节点、负荷节点、储能节点集合；c^WF，c^PV，

c^WFP，c^PVP，c^ENS分别表示风、光供电、从主网购电、弃风、弃光、失负荷的单位成本；c^RPF表示潮流倒送的惩罚成本；其

采用分时电价；

表示场景s下的风、光发电各时段的满发出力；

分别表示DG出力、主网购电量、切负荷量和储能的充放电量，是运行层的决策变量；

表示倒送主网的电力；

表示该场景的经济调度成本；T表示场景内的所有调度时段。

作为上述技术方案的补充，所述下层模型的约束条件包括：

源侧约束：分布式电源的出力限制如下：

式中：θ_WF，θ_PV分别表示配电系统允许的最大弃风、弃光率；

网侧约束：直流潮流约束如下：

式中：Ω_Line为配电系统线路集合；

表示线路的直流潮流；S_ij表示线路ij的最大供电容量；

为01变量，分别表示储能的充放电状态；

是节点负荷；

荷侧约束：失负荷约束如下：

式中：λ_j表示最大切负荷率；

是节点负荷；

储侧约束：储能侧的约束包括充放电状态、调度周期内充放电功率、荷电状态和充放电量的约束；

储能可调度的充放电功率受到其电力容量的限制，充放电功率约束如下：

荷电状态及充放电量约束如下：

式中：

为ESS的功率最大值，是规划层的决策变量之一；

表示储能的剩余电量水平；ε为单位时段储能的自放电率；

为ESS的电量容量，是规划层的决策变量；η^Ch，η^Dis分别为储能充放电效率；E^SOC,min为最小荷电状态；E^SOC,max为最大荷电状态。

作为上述技术方案的补充，所述上层模型(即规划层模型)的目标函数包括：

以经济性的成本最小为目标，其中，成本包括规划投资成本、维护成本及规划场景库场景运行总成本；当目标函数取最小值时，上层模型的决策变量处于配电网规划的经济边界；

式中：

x_l,m,n、x_l',n分别为储能建设、线路建设和线路改造状态变量；

分别表示所建储能的容量和电量，是上层规划的决策变量；I为折现率；n为规划阶段；M^l为线路种类集合，m表示线路型号；

为投资成本转化的等年值费用；R^ESS、R^Line分别表示储能和线路的资产回收率；ρ^ESS、ρ^l储能和线路的使用寿命；L_l表示线路长度；Ω_NL、Ω_Line、Ω_NE、Ω_ESS分别为配电系统备选线路和已有线路集合及储能节点备选集合和已配置储能节点集合；c_s，c_P，c_E分别为储能基础建设成本、单位功率和容量对应的扩容成本；c_l,m，c_l’分别表示新建线路和扩容线路的单位建设成本；c_m表示线路单位长度的维护成本；ω表示考虑的规划场景库运行的目标函数权重；

表示场景s的配电网运行调度成本。

作为上述技术方案的补充，所述上层模型的约束条件包括：规划决策阶段的选型约束、预算约束和运行受限场景构成的规划边界；

选型约束：

式中：

为可选储能的最大容量；

为可建设储能的最大电量；

预算约束：

式中：

表示第n阶段的最高投资成本；

运行受限场景构成的规划边界：运行受限场景集合中各个场景的调度约束纳入配电网多阶段规划优化约束条件。

本发明具有的有益效果如下：

本发明提供的以运行影子价格构造边界条件的配网及储能联合规划方法，综合考虑了源荷网储的不确定性和运行手段的多样性，通过快速求解最优运行调度，提取配电网海量运行子问题的场景概率与相应最优调度的影子价格，筛选出具有针对性和典型性的规划场景库来修正规划投建的优化模型，用来模拟运行决策者对规划决策者的反馈，从而提高配电网海量运行场景结果的可观性，并将不同时间尺度的决策变量分层求解，降低求解难度。将配电网规划优化的运行边界模型化，该模型能够根据灵活性需求的增长趋势预期合理安排扩建改造计划，通过建设储能系统与分布式电源匹配，可以延缓配电网线路投资，最大化经济效益。本发明采用影子价格挑选场景的模型来修正配电网规划，可以考虑规模更加庞大复杂的运行子场景，更能适应分布式电源、可控负荷等引入电网的发展趋势。

本发明所提出的方法能够较好地处理海量运行场景问题，从而实现考虑多时间尺度多因素的复杂场景运行的配电网规划。

附图说明

图1为本发明具体实施方式中基于规划场景库的配网规划优化模型架构图；

图2为本发明具体实施方式中扩展的IEEE 33节点系统算例图；

图3为本发明具体实施方式中规划场景库类型与概率特征图(a为规划场景库场景类型，b为规划场景库概率特点)；

图4为本发明具体实施方式中典型运行场景各场景影子价格图。

具体实施方式

为了更好地理解本发明的目的、技术方案以及技术效果，以下结合附图对本发明进行进一步的讲解说明。

实施例

本发明提出了一种计及多时间尺度运行受限场景的主动配电网多阶段规划方法，如图1所示，其实施流程包括如下详细步骤：

步骤1、根据电力系统运行业务流程和历史数据，形成考虑负荷需求、分布式电源装机容量、风机出力、光伏出力等多种不确定因素的多时间尺度的配电网复杂运行场景库；

配电网运行的场景全集在不同时间尺度下具有不同的不确定性和规律性，相对应地，配电网调度运行方式也有所不同。

年度负荷发展、DG接入规模等预测具有显著的随机性，对应地，长时间尺度下配电网的年前运行方式表现为：收集下年新设备的投产计划，预测下年每月最高负荷和电量，提供下一年度设备检修计划，进行发用电平衡预计等；

年内的光照、风速、来水量等气候因素表现为具有季节特征的随机波动性，对应地，月度运行方式表现为：校核新设备的投产计划，初步安排机组调停计划，完成分月、分旬的电力电量平衡等。随着预测时间尺度边长，影响可再生能源和负荷预测的不确定因素增加，预测准确度逐渐降低，年前、年内调度计划往往无法满足功率平衡需求。

日前运行调度的单位时间间隔为1h，周期为24h。日负荷波动、风电、光伏出力波动等场景数据在运行阶段预测相对准确，然而总体上数据量庞大，在规划阶段难以完整获取。相对应地，日前运行方式包括：根据周计划，核对机组停役信息，水电、风电、光伏等优先消纳类机组申报发电计划，电厂有功出力曲线、机组运行、检修、备用及开停机时间，确定系统中OLTC、补偿电容器、可中断负荷等慢动态设备在次日的动作状态及动作量等；其中可中断负荷在实时过程中需要提前通知用户以避免带来过大的停电损失，且提前通知时间一般为2小时～1天。这些可调设备由于调节速度受限，不适用于日内实时调度运行，需在日前阶段确定调度计划。

日内实时优化是基于超短期预测的负荷、光伏和电网状态信息，对风电、光伏等开展优化控制，控制周期通常为15min。实时优化调度同样需要满足功率平衡等式约束储能相关约束，这些条件作为硬约束，在优化过程中必须严格满足。其中，由于频繁的充放电对储能单元寿命影响较为明显，所以实时计划中的储能充放电状态由日前计划给定，不做修改；

Ω_o＝{s₁,s₂,…,s_N}＝U，

式中：Ω_p为规划场景库，运行场景数据可以用矩阵S_O表示；S^WF、S^PV、S^L分别表示各类风电场景、光伏场景和负荷场景矩阵；表示各场景矩阵组合相乘；U表示全集；N为运行场景库中的子场景个数。

步骤2、对配电网复杂运行场景库中各个场景建立以配电网电力电量平衡和源-网-荷-储的限制为约束条件，以运行成本最小为目标函数的最优模型，即下层模型为：

目标函数计及DG供电并网成本，交易电能成本，弃风、弃光、切负荷等调度手段使用成本及潮流倒送的惩罚成本。

式中：i，j为节点编号；Ω_WF，Ω_PV，Ω_gr，Ω_L分别为风机节点、光伏节点、连接主网节点、负荷节点集合；c^WF，c^PV，c^Pur，c^WFP，c^PVP，c^ENS分别表示风、光供电、从主网购电、弃风、弃光、失负荷的单位成本；c^RPF表示潮流倒送的惩罚成本；其中c^Pur采用分时电价；

表示场景s下的风、光发电各时段的满发出力；P^WF，P^PV，P^Pur，P^ENS，P^Ch，P^Dis分别表示DG出力、主网购电量、切负荷量和储能的充放电量，是运行层的决策变量；P^RPF表示倒送主网的电力。该目标函数表示运行层充分利用DG、合理调度ESS充放电，都可以降低子场景的运行成本。

源侧约束：分布式电源的出力限制如下

式中：θ_WF，θ_PV分别表示系统允许的最大弃风、弃光率。

网侧约束：直流潮流约束如下

式中：Ω_Line为配电系统线路集合；P^Line表示线路的直流潮流；S_ij表示线路ij的最大供电容量；Y^Ch,Y^Dis为01变量，分别表示储能的充放电状态。

荷侧约束：失负荷约束如下：

式中：λ表示最大切负荷率；P^Load是节点负荷。

储侧约束：储能侧的约束包括充放电状态、调度周期内充放电功率、荷电状态和充放电量的约束。

储能可调度的充放电功率受到其电力容量的限制。充放电功率约束如下：

考虑储能装置的使用寿命，储能的剩余电量应控制在一定范围内。因此，荷电状态及充放电量约束如下：

式中：P^max为ESS的功率最大值，是规划层的决策变量之一；E^SOC表示储能的剩余电量水平；ε为单位时段储能的自放电率；E^max为ESS的电量容量，是规划层的决策变量；η^Ch，η^Dis分别为储能充放电效率。E^SOC,min为最小荷电状态；E^SOC,max为最大荷电状态。

步骤3、采用规划决策量在各运行场景中的影子价格作为运行优化受规划决策量限制的量化指标，并结合场景发生概率量化各运行场景受限程度，具体计算方法为：

ζ_s＝Ψ_sp_s＝(Ψ^ESS+Ψ^Line)p_s，s∈Ω_O，

st∈Ω_st，

式中：ζs表示运行场景受规划决策的限制程度，即对规划问题的影响因子；Ψs，p_s为场景s的影子价格及发生概率；Ψ^ESS、Ψ^Line分别表示储能和线路的标准化影子价格；ψ_s,st为规划决策量在各运行场景下标准化的影子价格，实质为收益投入比；st表示约束编号；Δt为调度时段时长；Ω_O表示复杂运行场景集；Ω_st表示与规划决策量相关的约束集合；c_st为资源单位成本；μ_s,st,t为子场景运行问题的影子价格，反映单位扩容所能产生的边际效益；f_s表示运行层目标函数，x表示参与运行调度的规划决策相关量。

步骤4、通过快速序贯仿真配电系统海量运行问题，将规划决策量在各个运行场景中对应规划资源的影子价格进行标准化处理，进一步结合场景发生概率，定量评估运行场景受限程度，挖掘受限程度高的运行场景，即典型场景或极端场景，视为对规划决策影响大的场景列入规划场景库。

步骤5、建立考虑复杂运行场景的规划双层优化模型，上层为统一规划模型，下层为复杂多场景运行模型。下层详见步骤2、步骤3所示，通过运行影子价格作为受限评估值，将相应受限场景反馈到上层规划模型，反映了电力系统电网规划过程中规划人员调研、分析运行受限的业务环节；下层以筛选得到的受限场景形成受限场景库，上层以建设资金限制、线路选型选址限制、储能选址限制、和运行受限场景库等约束条件形成规划边界条件，以投资运行维护成本最小为目标函数，得到规划方案，反映了电力系统电网规划过程中规划人员对配网资源配置优化业务环节。

具体计算方法为：

式中：

x_l,m,n、x_l',n分别为储能建设、线路建设和线路改造状态变量；

分别表示所建储能的容量和电量，是上层规划的决策变量；I为折现率；n为规划阶段；M^l为线路种类集合，m表示线路型号；

为投资成本转化的等年值费用；R^ESS、R^Line分别表示储能和线路的资产回收率；ρ^ESS、ρ^l储能和线路的使用寿命；L_l表示线路长度；Ω_NL、Ω_Line、Ω_NE、Ω_ESS分别为配电系统备选线路和已有线路集合及储能节点备选集合和已配置储能节点集合；c_s，c_P，c_E分别为储能基础建设成本、单位功率和容量对应的扩容成本；c_l,m，c_l’分别表示新建线路和扩容线路的单位建设成本；c_m表示线路单位长度的维护成本；ω表示考虑的规划场景库运行的目标函数权重；

表示场景s的配电网运行调度成本。

选型约束：配电网的网-储投资选型的限制如下：

式中：

为可选储能的最大容量；

为可建设储能的最大电量。

预算约束：规划优化中各规划阶段的投资成本应满足预算约束

式中：

表示第n阶段的最高投资成本。

规划场景库运行约束：规划场景集中各运行场景的调度约束将用于修正规划上层模型。

步骤6、上层将规划方案传递到下层，运行在新的规划方案基础上，重新对各个场景进行优化调度，形成新的运行影子价格，得到新的受限评估值，反映了电力系统电网规划过程中的规划方案进行运行校验环节。考虑复杂运行场景的规划双层优化模型为一个闭环的反馈过程，模拟了实际生产中配网规划决策者和配网运行人员的业务环节交互过程。根据运行场景受限程度对原复杂运行场景库进行削减，影子价格为0的场景不再仿真，上次反馈过的场景也不再重复反馈，再将规划结果代入进行海量运行的序贯仿真，重复步骤2～步骤5，反复迭代，直到得出最优建设方案。

应用例

选用扩展的IEEE 33节点配电系统进行算例分析，如图2所示，DG配置的数据和目标网架的线路参数见表1、表2。节点1和节点34均为变电站节点，其余节点为负荷节点，各节点均可根据需要建设储能系统。基本参数设定如下：假设该配电网络中的负荷节点包括工业负荷(节点22-节点33)和商业负荷(节点2-节点21；节点35-节点37)；规划分为四个阶段，每阶段时长一年；假定年利率为8％；规划线路有两种型号可供选择，型号I单价为10万元/km，容量为150kW，型号II单价为12万元/km，容量200kW；每年的投资预算为150万元；运行调度以一天24h为一个完整的调度周期，间隔时长为1h；弃风、弃光惩罚成本为1万元/MWh，失负荷成本为2万元/MWh。认为该区域负荷与分布式电源发展具有明显的阶段性特征，Case1中每阶段负荷增长率为7.15％，分布式电源发展率为2.13％；Case2与Case1其他条件相同，预测的负荷增长率为3.15％，预测的分布式电源发展率为6.2％；Case3与Case12相比，其他条件相同，储能选址的固定成本提高。

以总成本最低作为迭代终点，对该算例进行求解，得出不同案例的多阶段规划投资优化结果如表3所示。

表1应用例DG配置参数

节点	类型	容量/kW
			21	光伏	150
22	光伏	100
			25	光伏	400
33	风电	100

表2目标网架线路及长度

序号	末节点	首节点	线路长度/km
				1	19	36	12.4
2	30	37	3.8
				3	10	24	5.2
4	25	35	25.2

表3多阶段规划结果

从表3和附图3-4中可以看出：

各案例的规划结果中储能的建设位置都选择在了DG接入的节点，这样既尽可能充分地利用了分布式电源，也可以对负荷进行削峰填谷。

由于线路建设成本较高，Case1中的节点25通过较早投建储能与所在节点处的DG配合，使线路10-24得以延缓至第二年投建。而在Case2中由于DG发展速度较快，只要配置表中所示容量的储能，就可以使线路10-24甚至延缓至第四年投建。

Case3与Case2相比，由于储能选址的固定成本提高，规划方案不再选用在21/22节点分散建储，而是选择集中在22节点建设更大的储能。而33节点的风电规模有限，因此需在第一年就配置线路36-30，保证节点的正常供电，以上规划结果与一般的规划优化思路相同，说明本发明的可行性。

原配网网架进行多阶段优化运行模拟时，筛选出的规划场景库中的场景类型中风电出力和工业负荷的场景特点高度一致。全部规划场景库中的场景都具有工作日和微风的特点。此时，工业区所有节点净负荷值大，风电出力小，运行要付出切负荷的成本代价，因此线路受限的影子价格整体上相对较高。

从光伏场景选择了春晴、夏晴场景可以看出，依据影子价格修正值挑选的规划场景库中的场景与传统意义上的极限场景不完全等同，该场景库并不等同于DG出力最小且负荷最大的场景。由于春晴、夏晴的光伏出力波动更大，PV所在节点的储能SP值随之提高，因此被纳入规划场景库。

商业负荷所在配电网节点，不受到网架和储能资源限制，因此筛选出的场景在商业负荷这项上不具有明显特征。

规划场景库中的运行子场景也不等同于概率最高的所有典型场景。这说明规划场景库兼具场景的典型性和针对性，规划优化求解结果同时满足典型场景的普遍适用性和极端场景的针对适应性。

扇形的每条半径代表一个元件，点到圆心的距离表示其影子价格，各点连线围成的面积反映了各场景总影子价格的大小。

三个场景都是规划第四阶段的微风工作日场景。其中，场景1为夏晴，商业淡季的运行场景；场景2为春晴，商业淡季的运行场景；场景3为冬晴，商业旺季的运行场景。三种场景中，场景3净负荷最大，场景1净负荷波动最明显。节点21/22同时为光伏节点与商业负荷节点，由于夏晴场景光伏波动最大，节点21处储能的影子价格随之增加。

线路36/37/39的影子价格随光伏节点净负荷的增加而增加。说明影子价格的大小可以说明不同运行场景的受限程度。

综上，本发明的方法可以综合考虑配电网源荷网储的不确定因素和丰富的调度手段。在规划投资阶段有效考虑多时间尺度多因素的复杂场景运行。

Claims (7)

1.一种主动配电网多阶段规划方法，其特征在于，包括：

模拟电力系统运行与规划的业务流程，建立考虑复杂运行场景的规划双层优化模型；上层为配电网统一多阶段规划模型，下层为复杂多场景运行模型；下层通过运行影子价格作为受限评估值，将相应受限场景反馈到上层；上层以建设资金限制、线路选型选址限制、储能选址限制和下层得到的运行受限场景库约束条件形成规划边界条件，以投资运行维护成本最小为目标函数，得到规划方案；

所述的上层将规划方案传递到下层，下层在新的规划方案基础上，重新对各个场景进行优化调度，形成新的运行影子价格，得到新的受限评估值，再次向上层反馈；

根据电力系统运行业务流程和历史数据，形成考虑负荷需求、分布式电源装机容量、风速和光照强度不确定因素的多时间尺度配电网复杂运行场景库；

采用规划决策量在各运行场景中的影子价格作为运行优化受规划决策量限制的量化指标，并结合场景发生概率量化各运行场景受限程度，所述的影子价格根据单位扩容成本，统一各约束边际效益的数量级与单位，为：

ζ_s＝Ψ_sp_s＝(Ψ^ESS+Ψ^Line)p_s，s∈Ω_O，

式中：ζs表示运行场景受规划决策的限制程度，即对规划问题的影响因子；Ψs，p_s为场景s的影子价格及发生概率；Ψ^ESS、Ψ^Line分别表示储能和线路的标准化影子价格；ψ_s,st为规划决策量在各运行场景下标准化的影子价格，实质为收益投入比；st表示约束编号；Δt为调度时段时长；Ω_O表示复杂运行场景集；Ω_st表示与规划决策量相关的约束集合；c_st为资源单位成本；μ_s,st,t为子场景运行问题的影子价格，反映单位扩容所能产生的边际效益；f_s表示运行层目标函数，x表示参与运行调度的规划决策相关量。

2.根据权利要求1所述的主动配电网多阶段规划方法，其特征在于，还包括：

对建立的多时间尺度配电网复杂运行场景库中各个场景，建立以配电网电力电量平衡和源-网-荷-储限制为约束条件，以运行成本最小为目标函数的最优调度模型，即下层模型。

3.根据权利要求2所述的主动配电网多阶段规划方法，其特征在于，快速序贯求解上述复杂运行场景库中各个场景的最优调度模型，将各个运行场景中对应规划资源限制的影子价格进行标准化处理，进一步结合场景发生概率，定量评估运行场景受限程度，挖掘筛选对规划决策起作用的典型场景或极端场景，形成运行受限场景库。

4.根据权利要求1-3任一项所述的主动配电网多阶段规划方法，其特征在于，所述下层模型的目标函数为：目标函数计及DG供电并网成本，交易电能成本，弃风、弃光、切负荷调度手段使用成本及潮流倒送的惩罚成本；

式中：i，j为节点编号；Ω_WF，Ω_PV，Ω_gr，Ω_L，Ω_ESS分别为风机节点、光伏节点、连接主网节点、负荷节点、储能节点集合；c^WF，c^PV，

c^WFP，c^PVP，c^ENS分别表示风、光供电、从主网购电、弃风、弃光、失负荷的单位成本；c^RPF表示潮流倒送的惩罚成本；其

采用分时电价；

表示场景s下的风、光发电各时段的满发出力；

分别表示DG出力、主网购电量、切负荷量和储能的充放电量，是运行层的决策变量；

表示倒送主网的电力；

表示该场景的经济调度成本；T表示场景内的所有调度时段；Ω_O表示复杂运行场景集；Δt为调度时段时长。

5.根据权利要求4所述的主动配电网多阶段规划方法，其特征在于，所述下层模型的约束条件包括：

源侧约束：分布式电源的出力限制如下：

式中：θ_WF，θ_PV分别表示配电系统允许的最大弃风、弃光率；

网侧约束：直流潮流约束如下：

式中：Ω_Line为配电系统线路集合；

表示线路的直流潮流；S_ij表示线路ij的最大供电容量；

为01变量，分别表示储能的充放电状态；

是节点负荷；

荷侧约束：失负荷约束如下：

式中：λ_j表示最大切负荷率；

储侧约束：储能侧的约束包括充放电状态、调度周期内充放电功率、荷电状态和充放电量的约束；

储能可调度的充放电功率受到其电力容量的限制，充放电功率约束如下：

荷电状态及充放电量约束如下：

式中：

为ESS的功率最大值，是规划层的决策变量之一；

表示储能的剩余电量水平；ε为单位时段储能的自放电率；

为ESS的电量容量，是规划层的决策变量；η^Ch，η^Dis分别为储能充放电效率；E^SOC,min为最小荷电状态；E^SOC,max为最大荷电状态；Δt为调度时段时长；T表示场景内的所有调度时段。

6.根据权利要求1-3任一项所述的主动配电网多阶段规划方法，其特征在于，所述上层模型的目标函数包括：

以经济性的成本最小为目标，其中，成本包括规划投资成本、维护成本及规划场景库场景运行总成本；当目标函数取最小值时，上层模型的决策变量处于配电网规划的经济边界；

式中：

x_l,m,n、x_l',n分别为储能建设、线路建设和线路改造状态变量；

分别表示所建储能的容量和电量，是上层规划的决策变量；I为折现率；n为规划阶段；M^l为线路种类集合，m表示线路型号；

为投资成本转化的等年值费用；R^ESS、R^Line分别表示储能和线路的资产回收率；ρ^ESS、ρ^l储能和线路的使用寿命；L_l表示线路长度；Ω_NL、Ω_Line、Ω_NE、Ω_ESS分别为配电系统备选线路和已有线路集合及储能节点备选集合和已配置储能节点集合；c_s，c_P，c_E分别为储能基础建设成本、单位功率和容量对应的扩容成本；c_l,m，c_l’分别表示新建线路和扩容线路的单位建设成本；c_m表示线路单位长度的维护成本；ω表示考虑的规划场景库运行的目标函数权重；

表示场景s的配电网运行调度成本；p_s为场景s的影子价格及发生概率。

7.根据权利要求6所述的主动配电网多阶段规划方法，其特征在于，所述上层模型的约束条件包括：规划决策阶段的选型约束、预算约束和运行受限场景构成的规划边界；

选型约束：

式中：

为可选储能的最大容量；

为可建设储能的最大电量；

预算约束：

式中：

表示第n阶段的最高投资成本；

运行受限场景构成的规划边界：运行受限场景集合中各个场景的调度约束纳入配电网多阶段规划优化约束条件。

Images