CN110165666A - 一种基于igdt的主动配电网调度方法 - Google Patents

Abstract

本发明公开了一种基于IGDT的主动配电网调度方法。本发明以主动配电网调度成本最低为目标，通过构建基于实时电价的价格弹性系数矩阵建立用户需求响应模型，该模型综合考虑网损成本、DG弃电惩罚成本、上级电网购电成本和负荷峰谷差惩罚成本，构建基于价格弹性系数矩阵的实时电价需求响应模型，并利用蒙特卡洛模拟分析了电动汽车在有序充电和无序充电时的负荷需求，并考虑主动配电网的多种管理手段，针对不同风险偏好的决策者，制定机会模型与鲁棒模型，为主动配电网调度提供决策基础。

Description

一种基于IGDT的主动配电网调度方法

技术领域

本发明涉及主动配电网调度领域，具体涉及一种基于IGDT的主动配电网调度方法。

背景技术

随着分布式清洁能源在主动配电网中的渗透率不断提高，其输出功率的不确定性及波动性给配电网调度带来风险及挑战。需求响应(demand response,DR)与电动汽车(electric vehicles,EV)有序充电参与配电网调度是减少风险的有效手段。因此，考虑DR和EV有序充电的主动配电网调度值得深入研究，对于提高主动配电网抗风险能力有着重要意义。

当前，配电网调度主要通过调节储能、有载调压变压器等主动管理设备来应对清洁能源出力不确定性带来的风险，这类研究集中在大量储能、无功补偿设备投资基础上，而且实际中由于主动管理设备配置容量通常有限，从而导致经常出现大量弃风、弃光的问题。而从用户侧出发，挖掘用户潜力、调控用户侧资源，充分探索DR参与主动配电网调度方法，是配电网运行及消纳清洁能源的有效途径。EV作为用户侧另一重要可调度资源，通过有效的有序充电策略能起到平滑负荷、提高配电网对分布式清洁能源发电接纳的能力。

与此同时，分布式发电(distributed generation,DG)出力的不确定性给主动配电网调度带来的风险不可忽视。目前处理风、光不确定性的方法主要有随机规划和鲁棒优化等。但是随机规划、鲁棒优化方法均存在一定的局限性，随机规划需要不确定参数精确的概率分布或需要生成大量场景，计算量较大，鲁棒优化方法求得的可行解过于保守，导致性不佳，与调度目标相悖。而信息间隙决策理论(Information gap decision theory,IGDT)是一种处理不确定性的新方法，与随机规划、鲁棒优化方法相比，IGDT无需不确定变量的概率分布、模糊隶属函数或不确定集，只着重不确定变量预测值与实际值之间的差异，能够较好的描述不确定信息，同时能够为不同风险偏好的决策者提供不同的调度策略，克服了计算量大以及保守决策的问题，为处理不确定性因素提供了新思路，研究IGDT在主动配电网调度方面的应用对于处理调度中不确定因素有重要意义。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于IGDT的主动配电网调度方法解决了考虑DR和EV有序充电的主动配电网调度的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于IGDT的主动配电网调度方法，包括以下步骤：

S1、基于实时电价的价格弹性系数矩阵建立用户需求响应模型；

S2、采用蒙特卡洛模拟分析EV有序及无序充电计算电动汽车充电负荷；

S3、根据电动汽车充电负荷及用户需求响应模型，建立主动配电网调度模型；

S4、考虑DG出力的不确定性，利用主动配电网调度模型建立基于IGDT的主动配电网调度模型；

S5、求解基于IGDT的主动配电网调度模型得到调度计划。

进一步地：所述步骤S2中电动汽车充电负荷的计算方法为：

S21、令电动汽车的辆数m＝1；

S22、获取第m辆电动汽车的日行驶里程、最后一次行驶结束时刻、电池容量和充电功率；

S23、根据日行驶里程、电池容量和充电功率计算第m辆电动汽车的充电持续时间；

S24、根据该地区电动汽车持有量判断该电动汽车是否有序充电，是则进入步骤S25，否则进入步骤S26；

S25、根据有序充电策略生成第m辆电动汽车的充电开始时刻，并进入步骤S27；

S26、以最后一次行程结束时刻作为第m辆电动汽车的充电开始时刻，并进入步骤S27；

S27、通过充电开始时刻和充电持续时间得到第m辆电动汽车的充电时段；

S28、将不同充电时段电动汽车的充电负荷累加，得到电动汽车充电负荷；

S29、当m大于或等于1000时，输出电动汽车充电负荷，否则令m加1，并返回步骤S22。

进一步地：所述步骤S3中主动配电网调度模型的目标函数为：

minF＝F^Loss+F^Cur+F^Sub+F^Peak-Valley

上式中，F为调度成本，F^Loss为网损成本，F^Cur为DG弃电成本，F^Sub为上级购电成本，F^Peak-Valley为负荷峰谷差惩罚成本；

所述网损成本F^Loss的计算公式为：

上式中，c^Loss为网损单位成本，E^Line为网络中所有支路的集合，为支路电流I_ij,t的平方，r_ij为支路ij的电阻，T为调度周期(24小时)，t为时刻，i和j均为节点；

所述DG弃电成本F^Cur的计算公式为：

上式中，c^Cur为DG弃电单位惩罚成本，N^DG为DG节点数，和分别为t时刻节点i处有功功率的预测值和经弃电后的有功功率实际值；

所述上级电网购电成本F^Sub的计算公式为：

上式中，c^Sub为从上级电网购电单位成本，N^Sub为变电站的节点数，为t时刻变电站节点f注入的有功功率；

所述负荷峰谷差惩罚成本F^Peak-Valley的计算公式为：

F^Peak-Valley＝c^Peak-Valley(P^Sum,max-P^Sum,min)

上式中，c^Peak-Valley为负荷谷差的单位惩罚成本，P^Sum,max和P^Sum,min分别为各时段系统总负荷的最大值和最小值；

上式中，为t时刻系统总负荷，计算公式为：

上式中，N^Bus为网络节点数，和分别为节点i未参与DR的用户负荷、参与DR后的用户负荷和EV充电负荷。

进一步地：所述步骤S3中主动配电网调度模型的约束条件包括功率平衡约束、安全运行及负荷功率约束、变电站功率约束、DG出力约束、需求响应约束、电容器组运行约束、SVG运行约束、支路开关网络辐射性与连通性约束和储能系统运行约束；

所述功率平衡约束为：

上式中，δ(j)为网络中以j为末端节点的支路的首端节点集合，π(j)为网络中以j为首端节点的支路的末端节点集合，P_ij,t和Q_ij,t分别为支路ij首端有功功率和无功功率，P_jk,t和Q_jk,t分别为支路jk首端有功率和无功功率，P_j,t和Q_j,t分别为节点j的有功功率和无功功率的净注入量；

上式中，和分别为t时刻变电站节点f注入的有功功率和无功功率，和分别为弃电后t时刻节点j处DG有功和无功功率实际值，和分别为t时刻节点j的储能系统充、放电功率，和分别为t时刻节点j的电容器组和静止无功补偿器的无功功率，和分别为t时刻节点j的总有功负荷和总无功负荷，V_i,t和V_j,t分别为t时刻节点i和节点j的电压，r_ij和x_ij分别为支路ij的电阻和电抗，||·||为向量的2-范数；

所述安全运行及负荷功率约束为：

上式中，和分别为系统运行允许的节点电压最小值和最大值，为支路ij的最大载流量，P^Sum,max和P^Sum,min分别为时间T内各时段系统总负荷的最大值和最小值；

所述变电站功率约束为：

上式中，和分别为变电站节点f有功功率传输的最小值和最大值，和分别为变电站节点f的无功功率传输的最小值和最大值；

所述DG出力约束为：

上式中，为节点i的DG有功出力的预测值，为节点i的DG功率因数角；

所述需求响应约束为：

上式中，c^min和c^max分别为用户电价最小值和最大值，为参与需求响应后的用户电价，D_s为用户用电方式满意度，P_j,t为节点j的有功功率净注入量，ΔP_i,t为参与需求响应后t时刻节点i的负荷变化量；

作为主动配电网的主动管理设备，电容器组和SVC调节是重要的无功优化方式，对于减小系统网损有重要意义。

所述电容器组运行约束为：

上式中，为节点i处一组电容器的补偿功率，为t时刻节点i处电容器投入状态，取值为0或1，y为电容器的组别标识， 为节点i出电容器的总组数，和分别为电容器投入和退出动作状态，为t时刻节点i处有电容器投入运行，为t时刻节点i处有电容器退出运行，两者均为0时，表示t时刻电容器运行状态不变，为时间T内电容器投切开关的最大操作次数；

所述SVC运行约束为：

上式中，和分别为节点i处SVC的最小补偿功率和最大补偿功率；

所述支路开关网络辐射性约束为：

上式中，为t时刻支路ij的开关状态变量，表示开关闭合，即支路ij连通，表示开关打开，即支路ij断开，和分别为支路ij的开关的动作变量，取值为0或1，表示支路ij的开关在t时刻由打开变为闭合，表示支路ij的开关在t时刻由闭合变为打开，两者为0时，开关无操作，为时间T内支路ij的开关的最大操作次数；

所述支路开关网络连通性约束为：

上式中，ρ_ij,t和ρ_ji,t均为变量，若节点j是节点i的父节点，则ρ_ij,t＝1，若节点i是节点j的父节点，则ρ_ji,t＝1，δ(i)为与节点i相连接节点的集合，δ(k)为与根节点k相连接节点的集合，n^Root为n个节点的根节点，即变电站节点；为保证配电网的辐射型拓扑结构以及网络连通性，需满足：根节点没有父节点；除根节点之外的其他所有节点均有且只有一个父节点。

所述储能系统运行约束为：

上式中，为t时刻节点i处储能系统容量，η^ESS,ch和η^ESS,dch分别为储能系统的充电效率和放电效率，和分别为t时刻节点i处储能系统经充放电的状态变量，为充电，为放电，和分别为t时刻节点i处储能系统的充电功率和放电功率，E^ESS,min为储能系统最小容量，E^ESS,max为储能系统最小容量，为储能系统最大充电功率，为储能系统最大放电功率。

进一步地：，所述步骤S4中基于IGDT的主动配电网调度模型包括机会模型和鲁棒模型；

所述机会模型(OM)的公式为：

上式中，α^DG为DG出力的不确定半径，F()为目标函数，x为系统的不确定性参数，v为决策变量，(1-β^OM)F₀为决策期望值，β^OM为预期成本低于基准值的可容许偏差程度，F₀为目标函数最优值，x^*为预测值，G为主动配电网调度模型的约束条件，U(α,x^*)为不确定性参数的波动范围；

所述鲁棒模型(RM)的公式为：

上式中，(1+β^RM)F₀为决策期望值，β^RM为预期成本高于基准值的可容许偏差程度。

进一步地：所述的调度计划通过DG出力的不确定半径决定调度成本，包括：

在机会模型中，当DG出力的不确定半径α^DG越大时，调度成本F越小，且DG出力在[(1-α^DG)P^DG*,(1+α^DG)P^DG*]范围内时，调度成本F低于决策期望值(1-β^OM)F₀；

在鲁棒模型中，当DG出力的不确定半径α^DG越大时，调度成本F越大，且DG出力在[(1-α^DG)P^DG*,(1+α^DG)P^DG*]范围内时，调度成本F低于决策期望值(1+β^RM)F₀。

本发明的有益效果为：本发明以主动配电网调度成本最低为目标，通过构建基于实时电价的价格弹性系数矩阵建立用户需求响应模型，该模型综合考虑网损成本、DG弃电惩罚成本、上级电网购电成本和负荷峰谷差惩罚成本，构建基于价格弹性系数矩阵的实时电价需求响应模型，并利用蒙特卡洛模拟分析了电动汽车在有序充电和无序充电时的负荷需求，并考虑主动配电网的多种管理手段，针对不同风险偏好的决策者，制定机会模型与鲁棒模型，为主动配电网调度提供决策基础。

附图说明

图1为本发明流程图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，一种基于IGDT的主动配电网调度方法，包括以下步骤：

S1、基于实时电价的价格弹性系数矩阵建立用户需求响应模型；

S2、采用蒙特卡洛模拟分析EV有序及无序充电计算电动汽车充电负荷；

电动汽车充电负荷的计算方法为：

S21、令电动汽车的辆数m＝1；

S22、获取第m辆电动汽车的日行驶里程、最后一次行驶结束时刻、电池容量和充电功率；

S23、根据日行驶里程、电池容量和充电功率计算第m辆电动汽车的充电持续时间；

S24、根据该地区电动汽车持有量判断该电动汽车是否有序充电，是则进入步骤S25，否则进入步骤S26；

S25、根据有序充电策略生成第m辆电动汽车的充电开始时刻，并进入步骤S27；

S26、以最后一次行程结束时刻作为第m辆电动汽车的充电开始时刻，并进入步骤S27；

S27、通过充电开始时刻和充电持续时间得到第m辆电动汽车的充电时段；

S28、将不同充电时段电动汽车的充电负荷累加，得到电动汽车充电负荷；

S29、当m大于或等于1000时，输出电动汽车充电负荷，否则令m加1，并返回步骤S22。

S3、根据电动汽车充电负荷及用户需求响应模型，建立主动配电网调度模型；

主动配电网调度模型的目标函数为：

minF＝F^Loss+F^Cur+F^Sub+F^Peak-Valley

上式中，F为调度成本，F^Loss为网损成本，F^Cur为DG弃电成本，F^Sub为上级购电成本，F^Peak-Valley为负荷峰谷差惩罚成本；

所述网损成本F^Loss的计算公式为：

上式中，c^Loss为网损单位成本，E^Line为网络中所有支路的集合，为支路电流I_ij,t的平方，r_ij为支路ij的电阻，T为调度周期(24小时)，t为时刻，i和j均为节点；

所述DG弃电成本F^Cur的计算公式为：

上式中，c^Cur为DG弃电单位惩罚成本，N^DG为DG节点数，和分别为t时刻节点i处有功功率的预测值和经弃电后的有功功率实际值；

所述上级电网购电成本F^Sub的计算公式为：

上式中，c^Sub为从上级电网购电单位成本，N^Sub为变电站的节点数，为t时刻变电站节点f注入的有功功率；

所述负荷峰谷差惩罚成本F^Peak-Valley的计算公式为：

F^Peak-Valley＝c^Peak-Valley(P^Sum,max-P^Sum,min)

上式中，c^Peak-Valley为负荷谷差的单位惩罚成本，P^Sum,max和P^Sum,min分别为各时段系统总负荷的最大值和最小值；

上式中，为t时刻系统总负荷，计算公式为：

上式中，N^Bus为网络节点数，和分别为节点i未参与DR的用户负荷、参与DR后的用户负荷和EV充电负荷。

主动配电网调度模型的约束条件包括功率平衡约束、安全运行及负荷功率约束、变电站功率约束、DG出力约束、需求响应约束、电容器组运行约束、SVG运行约束、支路开关网络辐射性与连通性约束和储能系统运行约束；

所述功率平衡约束为：

上式中，δ(j)为网络中以j为末端节点的支路的首端节点集合，π(j)为网络中以j为首端节点的支路的末端节点集合，P_ij,t和Q_ij,t分别为支路ij首端有功功率和无功功率，P_jk,t和Q_jk,t分别为支路jk首端有功率和无功功率，P_j,t和Q_j,t分别为节点j的有功功率和无功功率的净注入量；

上式中，和分别为t时刻变电站节点f注入的有功功率和无功功率，和分别为弃电后t时刻节点j处DG有功和无功功率实际值，和分别为t时刻节点j的储能系统充、放电功率，和分别为t时刻节点j的电容器组和静止无功补偿器的无功功率，和分别为t时刻节点j的总有功负荷和总无功负荷，V_i,t和V_j,t分别为t时刻节点i和节点j的电压，r_ij和x_ij分别为支路ij的电阻和电抗，||·||为向量的2-范数；

所述安全运行及负荷功率约束为：

上式中，和分别为系统运行允许的节点电压最小值和最大值，为支路ij的最大载流量，P^Sum,max和P^Sum,min分别为时间T内各时段系统总负荷的最大值和最小值；

所述变电站功率约束为：

上式中，和分别为变电站节点f有功功率传输的最小值和最大值，和分别为变电站节点f的无功功率传输的最小值和最大值；

所述DG出力约束为：

上式中，为节点i的DG有功出力的预测值，为节点i的DG功率因数角；

所述需求响应约束为：

上式中，c^min和c^max分别为用户电价最小值和最大值，为参与需求响应后的用户电价，D_s为用户用电方式满意度，P_j,t为节点j的有功功率净注入量，ΔP_i,t为参与需求响应后t时刻节点i的负荷变化量；

作为主动配电网的主动管理设备，电容器组和SVC调节是重要的无功优化方式，对于减小系统网损有重要意义。

所述电容器组运行约束为：

上式中，为节点i处一组电容器的补偿功率，为t时刻节点i处电容器投入状态，取值为0或1，y为电容器的组别标识， 为节点i出电容器的总组数，和分别为电容器投入和退出动作状态，为t时刻节点i处有电容器投入运行，为t时刻节点i处有电容器退出运行，两者均为0时，表示t时刻电容器运行状态不变，为时间T内电容器投切开关的最大操作次数；

所述SVC运行约束为：

上式中，和分别为节点i处SVC的最小补偿功率和最大补偿功率；

所述支路开关网络辐射性约束为：

上式中，为t时刻支路ij的开关状态变量，表示开关闭合，即支路ij连通，表示开关打开，即支路ij断开，和分别为支路ij的开关的动作变量，取值为0或1，表示支路ij的开关在t时刻由打开变为闭合，表示支路ij的开关在t时刻由闭合变为打开，两者为0时，开关无操作，为时间T内支路ij的开关的最大操作次数；

所述支路开关网络连通性约束为：

上式中，ρ_ij,t和ρ_ji,t均为变量，若节点j是节点i的父节点，则ρ_ij,t＝1，若节点i是节点j的父节点，则ρ_ji,t＝1，δ(i)为与节点i相连接节点的集合，δ(k)为与根节点k相连接节点的集合，n^Root为n个节点的根节点，即变电站节点；为保证配电网的辐射型拓扑结构以及网络连通性，需满足：根节点没有父节点；除根节点之外的其他所有节点均有且只有一个父节点。

所述储能系统运行约束为：

上式中，为t时刻节点i处储能系统容量，η^ESS,ch和η^ESS,dch分别为储能系统的充电效率和放电效率，和分别为t时刻节点i处储能系统经充放电的状态变量，为充电，为放电，和分别为t时刻节点i处储能系统的充电功率和放电功率，E^ESS,min为储能系统最小容量，E^ESS,max为储能系统最小容量，为储能系统最大充电功率，为储能系统最大放电功率。

S4、考虑DG出力的不确定性，利用主动配电网调度模型建立基于IGDT的主动配电网调度模型；

基于IGDT的主动配电网调度模型包括机会模型和鲁棒模型；

所述机会模型的公式为：

上式中，α^DG为DG出力的不确定半径，F()为目标函数，x为系统的不确定性参数，v为决策变量，(1-β^OM)F₀为决策期望值，β^OM为预期成本低于基准值的可容许偏差程度，F₀为目标函数最优值，x^*为预测值，G为主动配电网调度模型的约束条件，U(α,x^*)为不确定性参数的波动范围；将确定性模型的优化目标转化为求取满足目标成本不大于(1-β^OM)F₀的最小不确定半径α^DG，即DG有功出力存在严重不确定性的情况下，OM求得决策值v，当输入参数x在U内波动时都能有机会使目标值低于决策者的指定值(1-β^OM)F₀。OM得到的α^DG越小，表示对应的决策方案具有更大的可能性产生有利结果。

所述鲁棒模型的公式为：

上式中，(1+β^RM)F₀为决策期望值，β^RM为预期成本高于基准值的可容许偏差程度。将确定性模型的优化目标转化为求取满足目标成本不大于(1+β^RM)F₀的最大不确定半径α^DG，即DG有功出力存在严重不确定性的情况下，RM求得决策值v，当输入参数x在U内波动时都能保证目标值不超过决策者的指定值(1+β^RM)F₀。RM得到的α^DG越大，表示对应的决策方案对参数的不确定性越不敏感，即鲁棒性越好。

S5、求解基于IGDT的主动配电网调度模型得到调度计划。

基于IGDT的调度模型求解步骤为：

1)优化求解基于预测值x^*的确定性模型，得到确定性模型目标函数最优值F0，将其设置为基准值；

2)制定成本偏差因子β^RM、β^OM，确定决策者可接受的两种模型期望目标值(1-β^OM)F₀和(1+β^RM)F₀；

3)分别计算OM和RM，得到两种模型的不确定半径α^DG、成本F和调度计划。

调度计划通过DG出力的不确定半径决定调度成本，包括：

在机会模型中，当DG出力的不确定半径α^DG越大时，调度成本F越小，且DG出力在[(1-α^DG)P^DG*,(1+α^DG)P^DG*]范围内时，调度成本F低于决策期望值(1-β^OM)F₀；

在鲁棒模型中，当DG出力的不确定半径α^DG越大时，调度成本F越大，且DG出力在[(1-α^DG)P^DG*,(1+α^DG)P^DG*]范围内时，调度成本F低于决策期望值(1+β^RM)F₀。

Claims (6)

1.一种基于IGDT的主动配电网调度方法，其特征在于，包括以下步骤：

S1、基于实时电价的价格弹性系数矩阵建立用户需求响应模型；

S2、采用蒙特卡洛模拟分析EV有序及无序充电计算电动汽车充电负荷；

S3、根据电动汽车充电负荷及用户需求响应模型，建立主动配电网调度模型；

S4、考虑DG出力的不确定性，利用主动配电网调度模型建立基于IGDT的主动配电网调度模型；

S5、求解基于IGDT的主动配电网调度模型得到调度计划。

2.根据权利要求1所述的基于IGDT的主动配电网调度方法，其特征在于，所述步骤S2中电动汽车充电负荷的计算方法为：

S21、令电动汽车的辆数m＝1；

S22、获取第m辆电动汽车的日行驶里程、最后一次行驶结束时刻、电池容量和充电功率；

S23、根据日行驶里程、电池容量和充电功率计算第m辆电动汽车的充电持续时间；

S24、根据该地区电动汽车持有量判断该电动汽车是否有序充电，是则进入步骤S25，否则进入步骤S26；

S25、根据有序充电策略生成第m辆电动汽车的充电开始时刻，并进入步骤S27；

S26、以最后一次行程结束时刻作为第m辆电动汽车的充电开始时刻，并进入步骤S27；

S27、通过充电开始时刻和充电持续时间得到第m辆电动汽车的充电时段；

S28、将不同充电时段电动汽车的充电负荷累加，得到电动汽车充电负荷；

S29、当m大于或等于1000时，输出电动汽车充电负荷，否则令m加1，并返回步骤S22。

3.根据权利要求1所述的基于IGDT的主动配电网调度方法，其特征在于，所述步骤S3中主动配电网调度模型的目标函数为：

min F＝F^Loss+F^Cur+F^Sub+F^Peak-Valley

上式中，F为调度成本，F^Loss为网损成本，F^Cur为DG弃电成本，F^Sub为上级购电成本，F^{Peak -Valley}为负荷峰谷差惩罚成本；

所述网损成本F^Loss的计算公式为：

上式中，c^Loss为网损单位成本，E^Line为网络中所有支路的集合，为支路电流I_ij,t的平方，r_ij为支路ij的电阻，T为调度周期，t为时刻，i和j均为节点；

所述DG弃电成本F^Cur的计算公式为：

上式中，c^Cur为DG弃电单位惩罚成本，N^DG为DG节点数，和分别为t时刻节点i处有功功率的预测值和经弃电后的有功功率实际值；

所述上级电网购电成本F^Sub的计算公式为：

上式中，c^Sub为从上级电网购电单位成本，N^Sub为变电站的节点数，为t时刻变电站节点f注入的有功功率；

所述负荷峰谷差惩罚成本F^Peak-Valley的计算公式为：

F^Peak-Valley＝c^Peak-Valley(P^Sum,max-P^Sum,min)

上式中，c^Peak-Valley为负荷谷差的单位惩罚成本，P^Sum,max和P^Sum,min分别为各时段系统总负荷的最大值和最小值；

上式中，P_t ^Sum为t时刻系统总负荷，计算公式为：

上式中，N^Bus为网络节点数，和分别为节点i未参与DR的用户负荷、参与DR后的用户负荷和EV充电负荷。

4.根据权利要求3所述的基于IGDT的主动配电网调度方法，其特征在于，所述步骤S3中主动配电网调度模型的约束条件包括功率平衡约束、安全运行及负荷功率约束、变电站功率约束、DG出力约束、需求响应约束、电容器组运行约束、SVG运行约束、支路开关网络辐射性与连通性约束和储能系统运行约束；

所述功率平衡约束为：

上式中，δ(j)为网络中以j为末端节点的支路的首端节点集合，π(j)为网络中以j为首端节点的支路的末端节点集合，P_ij,t和Q_ij,t分别为支路ij首端有功功率和无功功率，P_jk,t和Q_jk,t分别为支路jk首端有功率和无功功率，P_j,t和Q_j,t分别为节点j的有功功率和无功功率的净注入量；

上式中，和分别为t时刻变电站节点f注入的有功功率和无功功率，和分别为弃电后t时刻节点j处DG有功和无功功率实际值，和分别为t时刻节点j的储能系统充、放电功率，和分别为t时刻节点j的电容器组和静止无功补偿器的无功功率，和分别为t时刻节点j的总有功负荷和总无功负荷，V_i,t和V_j,t分别为t时刻节点i和节点j的电压，和分别为V_i,t和V_j,t的平方，r_ij和x_ij分别为支路ij的电阻和电抗，||·||为向量的2-范数；

所述安全运行及负荷功率约束为：

上式中，V_i ^min和V_i ^max分别为系统运行允许的节点电压最小值和最大值，为支路ij的最大载流量，P^Sum,max和P^Sum,min分别为时间T内各时段系统总负荷的最大值和最小值；

所述变电站功率约束为：

上式中，和分别为变电站节点f有功功率传输的最小值和最大值，和分别为变电站节点f的无功功率传输的最小值和最大值；

所述DG出力约束为：

上式中，P_i ^DG*为节点i的DG有功出力的预测值，为节点i的DG功率因数角，和分别为弃电后t时刻节点i处DG有功和无功功率实际值；

所述需求响应约束为：

上式中，c^min和c^max分别为用户电价最小值和最大值，为参与需求响应后的用户电价，D_s为用户用电方式满意度，P_i,t为节点j的有功功率净注入量，ΔP_i,t为参与需求响应后t时刻节点i的负荷变化量；

所述电容器组运行约束为：

上式中，为节点i处一组电容器的补偿功率，为t时刻节点i处电容器投入状态，取值为0或1，y为电容器的组别标识，y∈[1,Y_i ^CB]，Y_i ^CB为节点i处电容器的总组数，和分别为电容器投入和退出动作状态，为t时刻节点i处有电容器投入运行，为t时刻节点i处有电容器退出运行，为时间T内电容器投切开关的最大操作次数，为t时刻节点i的电容器组的无功功率；

所述SVC运行约束为：

上式中，和分别为节点i处SVC的最小补偿功率和最大补偿功率，为t时刻节点i的静止无功补偿器的无功功率；

所述支路开关网络辐射性约束为：

上式中，为t时刻支路ij的开关状态变量，表示开关闭合，即支路ij连通，表示开关打开，即支路ij断开，和分别为支路ij的开关的动作变量，取值为0或1，表示支路ij的开关在t时刻由打开变为闭合，表示支路ij的开关在t时刻由闭合变为打开，为时间T内支路ij的开关的最大操作次数；

所述支路开关网络连通性约束为：

上式中，ρ_ij,t和ρ_ji,t均为变量，若节点j是节点i的父节点，则ρ_ij,t＝1，若节点i是节点j的父节点，则ρ_ji,t＝1，δ(i)为与节点i相连接节点的集合，δ(k)为与根节点k相连接节点的集合，n^Root为n个节点的根节点，即变电站节点；

所述储能系统运行约束为：

上式中，为t时刻节点i处储能系统容量，η^ESS,ch和η^ESS,dch分别为储能系统的充电效率和放电效率，和分别为t时刻节点i处储能系统经充放电的状态变量，为充电，为放电，和分别为t时刻节点i处储能系统的充电功率和放电功率，E^ESS,min为储能系统最小容量，E^ESS,max为储能系统最小容量，P_i ^ESS,ch,max为储能系统最大充电功率，P_i ^ESS,dch,max为储能系统最大放电功率。

5.根据权利要求4所述的基于IGDT的主动配电网调度方法，其特征在于，所述步骤S4中基于IGDT的主动配电网调度模型包括机会模型和鲁棒模型；

所述机会模型的公式为：

上式中，α^DG为DG出力的不确定半径，F()为目标函数，x为系统的不确定性参数，v为决策变量，(1-β^OM)F₀为决策期望值，β^OM为预期成本低于基准值的可容许偏差程度，F₀为目标函数最优值，x^*为预测值，G为主动配电网调度模型的约束条件，U(α,x^*)为不确定性参数的波动范围；

所述鲁棒模型的公式为：

上式中，(1+β^RM)F₀为决策期望值，β^RM为预期成本高于基准值的可容许偏差程度。

6.根据权利要求5所述的基于IGDT的主动配电网调度方法，其特征在于，所述的调度计划通过DG出力的不确定半径决定调度成本，包括：

在机会模型中，当DG出力的不确定半径α^DG越大时，调度成本F越小，且DG出力在[(1-α^DG)P^DG*,(1+α^DG)P^DG*]范围内时，调度成本F低于决策期望值(1-β^OM)F₀；

在鲁棒模型中，当DG出力的不确定半径α^DG越大时，调度成本F越大，且DG出力在[(1-α^DG)P^DG*,(1+α^DG)P^DG*]范围内时，调度成本F低于决策期望值(1+β^RM)F₀。