CN110729765A - 一种考虑sop的配电网灵活性评估指标体系和优化调度方法 - Google Patents

Abstract

本发明公开了一种考虑SOP的配电网灵活性评估指标体系和优化调度方法，包括如下步骤：采用SOP运行优化，建立配电网灵活性量化评估指标，并将指标通过归一化系数和权重系数融入优化调度模型优化目标函数中；将可控负荷、储能作为第一阶段决策变量，将能够实时响应不确定性波动的SOP、可控DG作为第二阶段变量；采用配电网历史数据中的多典型场景和受综合范数约束的不确定性场景概率分布来表征配电网的复杂不确定特征，结合第一阶段决策变量和第二阶段决策变量，建立三层两阶段分布鲁棒优化模型；采用CCG算法对构建的三层两阶段分布鲁棒优化模型进行求解。通过本发明，可以实现配电网的经济灵活运行。

Description

一种考虑SOP的配电网灵活性评估指标体系和优化调度方法

技术领域

本发明涉及配电网经济灵活运行领域，具体是一种考虑SOP的配电网灵活性评估指标体系和优化调度方法。

背景技术

配电网作为电力系统的重要组成部分，是城市现代化建设的重要基础设施。当前配电系统在电力工业低碳化和智能化背景下面临基础性理论改变，配电网转型低碳智能配电系统的趋势愈发强烈。以光伏、风电为代表的可再生能源广泛接入配电网，同时高占比可再生能源出力的间歇性与不确定性对配电系统将产生大量的负面影响。因此，在主动配电网当中，需要对其容量进行合理的配置，以改善主动配电网的运行状态，并充分发挥出储能的资源效益。

发明内容

本发明的目的在于克服现有技术的不足，提供一种考虑SOP的配电网灵活性评估指标体系和优化调度方法，包括如下步骤：

步骤一：采用SOP运行优化，建立配电网灵活性量化评估指标，并将指标通过归一化系数和权重系数融入优化调度模型优化目标函数中；

步骤二：将可控负荷、储能作为第一阶段决策变量，将能够实时响应不确定性波动的SOP、可控DG作为第二阶段变量；

步骤三：采用配电网历史数据中的多典型场景和受综合范数约束的不确定性场景概率分布来表征配电网的复杂不确定特征，结合第一阶段决策变量和第二阶段决策变量，建立三层两阶段分布鲁棒优化模型；

步骤四：采用CCG算法对构建的三层两阶段分布鲁棒优化模型进行求解，实现配电网的经济灵活运行。

进一步的，所述步骤一中的灵活性量化评估指标包括净负荷适应率、支路负荷裕度两个灵活性评估指标，其中所述的净负荷适应率为节点型灵活性资源可调度裕量与净负荷变化量的比值，如下式所示：

式中：t是优化时段标识，j是网络节点标识；Δt是分段间隔，T是优化总时数；B为系统所有节点的集合，B^CD、B^CL、B^ESS分别代表接入可控DG、可控负荷、ESS的节点集合；F_t ^AR为第t时段的净负荷适应率，

分别为节点型灵活资源可上调裕量和可下调裕量，ΔP_t ^DL为相邻时段净负荷变化量，

和

分别表示净负荷变化量为正值和负值；P_t ^DL为第t时段净负荷,

和

分别表示j节点的光伏原始出力、风电原始出力和负荷有功数据；

为j节点在第t时段的可控DG出力，和表示其功率输出上下限值； 表示可控DG的上下爬坡率限值；

和

分别表示可控负荷节点正响应状态和负响应状态，为0-1变量，

表示第t时段CL节点的正负响应功率及上限值；

和

为ESS充放电状态标志，

和

表示第t时段ESS节点的充放电功率及上限值；

所述的支路负荷裕度为该线路最大允许传输容量与当前时段传输容量实际值的差值与最大允许传输容量的比值，如下式所示：

式中：E表示配电网络的普通支路集合，注意代替联络开关的SOP相关支路以功率注入节点形式等效；I_ij,t为支路ij在第t时段的传输电流，

为支路ij的传输电流最大值。

进一步的，所述步骤一中的目标函数如下式所示：

minf＝λ₁C-λ₂ζ(F^AR+F^BM)

C＝C^loss+C^CD+C^TR+C^PV+C^WT+C^ESS+C^CL

式中：λ₁、λ₂为各目标权重系数，ζ为归一化系数；c^Loss、c_t ^TR、c_t ^CD、c^PV、c^WT、c^ESS和

分别为网损、主网购电、可控DG、弃光、弃风、储能维护、可控负荷响应的单位成本。

进一步的，所述步骤三中的综合范数约束为在满足潮流约束、安全约束、灵活性资源约束和不可控DG约束的条件下，以典型场景的初始概率分布为基准，对场景概率分布进行1-范数和∞-范数的约束限制。

进一步的，步骤三中所述的三层两阶段分布鲁棒优化调度模型表达式如下：

s.t Ax≤d

Bx＝e

Cx+Dy_s＝f

Ey_s≤g

||Fy_s||₂≤k^Ty_s

Gy_s≤ξ_s

Hy_s＝h

式中：x为第一阶段决策变量，包含离散和连续两种类型；y为第二阶段变量，包括决策变量和运行状态变量两种类型；ξ为不确定性风光有功输出和负荷需求的预测值；约束条件分别对应了所述优化调度模型中的等式约束、不等式约束和二阶锥约束。

进一步的，步骤四中所述的采用CCG算法对构建的三层两阶段分布鲁棒优化模型进行求解包括如下过程：分布鲁棒优化调度模型为min-max-min三层两阶段优化问题，采用CCG算法分解为主问题和子问题进行迭代求解，当主问题提供的下界值与子问题提供的上界值之差满足设置的容许误差要求时，则停止迭代；具体过程如下所示：

1)设置LB＝0，UB＝+∞，K＝1；

2)求解CCG主问题，获得最优决策结果及最优解(x^*,a^Tx^*+L^*)，更新主问题提供的下界值LB＝max{LB，a^Tx^*+L^*}；

3)固定x^*，求解CCG子问题，得到最优子目标及最恶劣概率分布

更新子问题提供的上界值UB＝min{UB，a^Tx^*+L(x^*)}。如果(UB-LB)≤ε，停止迭代，返回最优解x^*；否则，更新主问题的有限恶劣场景概率分布

同时在主问题中定义新的第二阶段变量y_s,K+1以及关联约束Y_s,K+1；

4)更新K＝K+1，返回2)。

本发明的有益效果是：本发明采用分布鲁棒模型，由于分布鲁棒模型提前考虑场景概率的不确定性，其一阶段决策成本稍高于确定性模型，但随机模拟生成的场景中，其二阶段运行成本均值和最大值均明显小于确定性模型。

附图说明

图1为模型流程示意图

图2为灵活性的多维属性示意图；

图3为不同DG并网下的净负荷曲线示意图；

图4为净负荷变化曲线；

图5为SOP有功无功可行域；

图6为系统电压水平改善情况示意图；

图7为20时段的支路负荷裕度示意图；

图8为24时段的支路负荷裕度示意图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

如图1所示，考虑智能软开关的配电网灵活性评估指标体系和优化调度模型，引入SOP运行优化，考虑多类型灵活性资源的物理特性、灵活性的多维属性特征等因素，建立了高适用性的配电网灵活性量化评估指标，并通过归一化系数和权重系数融入优化调度模型优化目标函数中。

根据节点型和网络型灵活性资源的调节能力差异，将可控负荷、储能作为第一阶段决策变量，而将能够实时响应不确定性波动的SOP、可控DG作为第二阶段变量。

并采用大量历史数据中的多典型场景和受综合范数约束的不确定性场景概率分布来表征配电网的复杂不确定特征，进而建立了三层两阶段分布鲁棒优化模型。

然后采用big-M技术和二阶锥松弛技术对非线性部分进行线性处理，将其转化为MI-SOCP问题有效求解，进而采用CCG算法对构建的模型进行求解，最终实现了配电网的经济灵活运行。

对灵活性的多维属性特征、灵活性需求、灵活性资源、供需平衡机理进行了详细阐释，从供需匹配和传输通道两个角度出发建立了净负荷适应率、支路负荷裕度两个灵活性评估指标，以满足容量限制和有功平衡约束条件下的运行约束方程来等效表征SOP的潮流分布调节能力，在满足潮流约束、安全约束、灵活性资源约束和不可控DG约束的条件下，以典型场景的初始概率分布为基准，对场景概率分布进行1-范数和∞-范数约束限制，构建了灵活性和经济性最优下的两阶段分布鲁棒优化调度模型。

所述灵活性的多维属性特征：

配电网灵活性是在一定时间尺度内，计及灵活性资源的调控成本，通过合理调度节点型和网络型两类灵活性资源，有效应对电源和负荷的波动性和不确定性问题，使系统同时达到电力平衡和灵活性供需平衡，从而处于一个兼具经济性和灵活性的最优运行状态。其多维属性特征包含物理特性、空间特性、时间特性、方向性四个方面，如图2所示。

所述灵活性需求：

图3显示了不同DG并网下的净负荷曲线。净负荷定位为有功负荷除去不可控DG出力后，配电网需要供应的剩余电能需求。通过图3可以发现，风光并网下的净负荷曲线同时包含单独接入情况下净负荷曲线的特点，归纳为：1)荷峰降低，时序曲线整体下移；2)曲线出现多个低谷且存在负值；3)部分时段风光出力和负荷需求趋势不一致，从而导致净负荷曲线的波动频率和波动幅度较大。

上述特点体现了净负荷的波动性对灵活性资源在时序上的双向调节能力、爬坡率的要求。此外，由于风光出力和新型负荷需求受不确定性因素的影响，从而对可调度资源的调节能力要求更高，其灵活性需求增加。因此，需加强配电网一次系统和二次系统的灵活建设，优化经济调度的同时考虑其灵活性提升，从而避免弃风限电现象发生，让一次能源体系的可再生能源比重增大。

所述灵活性资源：

灵活性资源分为节点型和网络型两类，网络型资源与节点型资源不同，不能直接解决电力需求，但可以为灵活传输节点型资源提供可行通道，与其配合从而共同满足灵活性需求。节点型和网络型资源的运行特性应与灵活性的多维属性特征相对应，从而更好地发挥作用。配电网领域，节点型资源包括可控DG、储能、可控负荷，而网络型资源包括灵活互联装置和固有网架结构。

所述灵活性供需平衡机理：

节点型资源的状态调整能力并不直接等于系统的灵活性供应，其响应能力的充分发挥需建立在系统具有灵活传输通道的基础上，故将网络型资源作为节点型资源的支撑平台，当节点型资源的充裕度和网络型资源的灵活传输能力满足需求时，系统达到灵活性供需平衡。

基于图3风光并网的净负荷曲线绘制净负荷变化曲线如图4所示，净负荷变化量正反双向变化，且极值和波动幅度较大。可见，为了达到灵活性的供需平衡，节点型资源的调节能力需对净负荷变化曲线实现包络，且具备同样水平的灵活传输能力，从而保证系统的灵活性供应能在任意时刻满足灵活性需求。同时，还应该考虑系统的复杂不确定性特征会改变净负荷变化曲线的形状和大小，所以系统调节能力包络曲线在正反两个方向上应尽可能远离净负荷变化曲线。

所述SOP运行约束：

式中：k为SOP标识，E^SOP为SOP集合；

和

分别表示第k个SOP的两个VSC在第t个时段的有功传输值和无功注入值；

和

表示第k个SOP的两个VSC的无功注入上下限；S_k,i和S_k,j分别表示第k个SOP的两个变流器的安装容量。值得注意的是，为更清晰明了表达，后文公式省略了

等标识。

上述SOP运行约束方程是基于B2B VSC拓扑结构PQ-U_dcQ控制模式下的等效工作表达。忽略内部损耗下，SOP输出的无功功率和流经的有功功率受到自身容量限制，并且VSC1和VSC2向网络注入的有功功率之和在任意时段恒等于0，其运行可行域如图5所示。

容量限制约束为非线性约束，转化为旋转锥约束如下：

所述灵活性评估指标体系：

其中，净负荷适应率为节点型灵活性资源可调度裕量与净负荷变化量的比值，体现了灵活性供应资源匹配灵活性需求的能力。其中，可调度裕量由节点型资源物理特性和当前运行状态两者决定。如下式所示：

式中：t是优化时段标识，j是网络节点标识；Δt是分段间隔，T是优化总时数；B为系统所有节点的集合，B^CD、B^CL、B^ESS分别代表接入可控DG、可控负荷、ESS的节点集合；F_t ^AR为第t时段的净负荷适应率，分别为节点型灵活资源可上调裕量和可下调裕量，ΔP_t ^DL为相邻时段净负荷变化量，

和

分别表示净负荷变化量为正值和负值，实际算例分析时可根据聚类典型场景得到其状态值；P_t ^DL为第t时段净负荷,

和

分别表示j节点的光伏原始出力、风电原始出力和负荷有功数据；

为j节点在第t时段的可控DG出力，

和

表示其功率输出上下限值；

表示可控DG的上下爬坡率限值；

和

分别表示可控负荷节点正响应状态和负响应状态，为0-1变量，

表示第t时段CL节点的正负响应功率及上限值；

和

为ESS充放电状态标志，

和

表示第t时段ESS节点的充放电功率及上限值。

带min非线性项可以通过Big-M技术进行线性处理，后续也会分别对储能的充放电功率和可控负荷的正负响应功率进行带状态变量的约束限制，所以上式非线性约束可以转化为线性约束。例如：

其中，支路负荷裕度指标为该线路最大允许传输容量与当前时段传输容量实际值的差值比上前者，体现了灵活性的空间属性特征。

式中：E表示配电网络的普通支路集合，注意代替联络开关的SOP相关支路以功率注入节点形式等效；I_ij,t为支路ij在第t时段的传输电流，

为支路ij的传输电流最大值。

所述优化调度模型：

目标函数：

minf＝λ₁C-λ₂ζ(F^AR+F^BM)

C＝C^loss+C^CD+C^TR+C^PV+C^WT+C^ESS+C^CL

式中：λ₁、λ₂为各目标权重系数，ζ为归一化系数；c^Loss、c^PV、c^WT、c^ESS和

分别为网损、主网购电、可控DG、弃光、弃风、储能维护、可控负荷响应的单位成本。

潮流约束：

原始非线性潮流约束经过二阶锥松弛可以转化为线性约束。式中，α(j)为以j为初始节点的支路终端节点集合；β(j)为以j为终端节点的支路初始节点集合；r_ij、x_ij和g_j、b_j分别表示支路阻抗和节点导纳；V_j,t为节点电压大小；

分别表示节点j在第t个时段的主网、可控DG无功注入量和无功负荷，P_ij,t、Q_ij,t分别表示支路ij在第t个时段的有功和无功功率；

分别为j节点在第t个时段的光伏、风电实际有功出力。

安全约束：

式中：

和I _ij为支路ij的电流上下限；

和V _j分别为节点j的电压上下限。

可控DG约束：

式中：

和为j节点处可控DG的无功出力最大值和最小值。

储能约束：

式中：

为j节点处的ESS在第t个时段的电量，

和

为电量上下限值；

和

分别表示ESS的充放电效率，并满足：

可控负荷约束：

式中：

分别表示CL节j在总时段内的正负最大调节量。

主网约束：

式中：

分别为主网向配网注入的有功无功上下限；

为主网的上下爬坡率限值。

不可控DG约束：

所述的场景概率分布不确定性利用1-范数和∞-范数进行约束：

式中：p_s为第s个场景的可能概率取值，Φ为不确定性参数恶劣概率分布的可能存在区间；

表示由历史数据筛选后获得的第s个典型场景概率的初始值，θ₁和θ_∞分别表示在1-范数和∞-范数约束条件下的场景概率允许偏差限值。

上述范数约束下{p_s}满足的置信度水平为：

不等式右边为置信度，分别定义为α₁和α_∞，从而可以求解{p_s}满足该置信度条件下的θ₁和θ_∞为：

不确定性概率分布置信集合包含的绝对值非线性项通过引入0-1变量和概率正负偏差项进行线性转换，如下式：

式中：

分别表示恶劣概率正向偏离基础概率的差值和反向偏离基础概率的绝对值；

分别表示正向偏离和反向偏离基础概率的状态标识。上式分别为正反偏离的方向唯一性表达、∞-范数非线性约束的线性等价表达、1-范数非线性约束的线性等价表达。

考虑风光和负荷的不确定特征，将可控负荷、储能作为第一阶段决策变量，而将SOP、可控DG作为第二阶段决策变量，并基于上述综合范数约束下的不确定场景概率分布置信集合，构建三层两阶段分布鲁棒优化调度模型。整个优化问题第一阶段为：已知有限恶劣概率分布下，日前决策调节能力不足的变量；第二阶段为：已知第一阶段决策变量下，对内部双层优化问题解耦求解，寻求使第二阶段目标最恶劣的场景概率分布。

综上，所述三层两阶段分布鲁棒优化调度模型可以表达如下：

s.t Ax≤d

Bx＝e

Cx+Dy_s＝f

Ey_s≤g

||Fy_s||₂≤k^Ty_s

Gy_s≤ξ_s

Hy_s＝h

式中：x为第一阶段决策变量，包含离散和连续两种类型；y为第二阶段变量，包括决策变量和运行状态变量两种类型；ξ为不确定性风光有功输出和负荷需求的预测值；约束条件分别对应了所述优化调度模型中的等式约束、不等式约束和二阶锥约束。

CCG算法求解：

上述建立的分布鲁棒优化调度模型为min-max-min三层两阶段优化问题，采用CCG算法分解为主问题(master problem，MP)和子问题(sub-problem，SP)进行迭代求解，当主问题提供的下界值与子问题提供的上界值之差满足设置的容许误差要求时，则停止迭代。

主问题根据子问题提供的有限恶劣概率分布，在相关约束下获得最优解，为优化结果提供下界值。如下式：

式中：K为CCG算法求解两阶段模型的当前迭代次数，

为第k次迭代子问题返回的可能最恶劣概率分布。然后子问题根据第一阶段决策变量已知结果x^*，在概率可行区域寻找使第二阶段目标值最大的最恶劣概率，相当于为优化结果提供一个上界值。

由于第二阶段变量y与p的约束无耦合关系，因此max-min子问题可以分解为min问题和max问题进行独立求解：先对多典型场景分别进行min问题求解，得到其二阶段优化解序列，然后在可能概率分布置信集合里寻找使二阶段目标期望最恶劣的场景概率分布，将结果

返回给主问题。如下式：

综合上述求解思路，CCG求解两阶段分布鲁棒模型的详细求解流程如下：

1)设置LB＝0，UB＝+∞，K＝1；

2)求解CCG主问题，获得最优决策结果及最优解(x^*,a^Tx^*+L^*)，更新主问题提供的下界值LB＝max{LB，a^Tx^*+L^*}；

3)固定x^*，求解CCG子问题，得到最优子目标及最恶劣概率分布

更新子问题提供的上界值UB＝min{UB，a^Tx^*+L(x^*)}。如果(UB-LB)≤ε，停止迭代，返回最优解x^*；否则，更新主问题的有限恶劣场景概率分布

同时在主问题中定义新的第二阶段变量y_s,K+1以及关联约束Y_s,K+1；

4)更新K＝K+1，返回2)。

所述算例验证分析：

采用改进的IEEE33节点系统对计及SOP的优化调度模型进行求解验证，主要分为SOP运行优化分析、节点型灵活性资源运行优化分析、分布鲁棒模型结果及对比分析三个方面。

SOP运行优化分析：

设置SOP不同接入数量、不同地点的7种案例，并采用预测场景从改善电压水平、降低网损、提升网架结构灵活性三个方面对SOP运行优化进行验证分析。

表1 SOP应用方案

不同数量的SOP接入配电网得到的系统电压水平时序分布如图6所示。可见，SOP的接入使电压时序波动更为平缓，电压质量得到明显改善，表现为净负荷较大时的电压提升作用和净负荷较小时的电压降低作用。此外，随着SOP接入数量的增多，系统电压水平改善能力也逐渐降低。

SOP通过优化调整配电网络的有功和无功潮流分布，显著降低了网损成本，相应地也会减少有功购电成本和无功成本。如表2所示，系统未加SOP优化时的网损费用为$652.47。随着安装数目的增加，网损费用逐渐下降，数目达到3时，带来的经济效益不再明显，且安装位置不同会表现出不同的降损能力。

表2不同方案下的网损成本

SOP作为网络型灵活性资源，可以提高灵活性通道的支撑能力。与传统开关的日前单一状态决策不同，SOP能在日优化各时段发出不同的无功和传输大小、方向不同的有功，其潮流分布改善能力更好。如图7所示，SOP的接入增大了支路负荷裕度，使网架结构灵活性提高。

另外，增大风光的渗透率，对SOP接入前后的净负荷较小时段的支路负荷裕度进行对比，如图8所示。可见，风光的高渗透接入，使大部分支路的裕度趋于0，而SOP的接入显著提高了支路负荷裕度水平。

节点型灵活性资源运行优化分析：

表3储能对灵活性指标的影响

构建的灵活性指标加入优化调度能在相同场景下提高配电网的灵活性，而由弃风弃光成本反映灵活性不足问题。以节点型灵活性资源储能为例，通过增大储能的充放电功率，可以发现显著提高了相同场景下的配电网灵活性，如表3所示。而风光高比例接入下，可以看到储能作为节点型灵活性资源以较低的运行维护成本显著降低了弃风弃光成本，如表4所示。

表4储能对弃风光现象的影响

分布鲁棒模型结果及对比分析：

场景不确定性概率分布的置信度选择会影响概率的允许偏差限值，从而影响子问题的恶劣概率分布选取和主问题的变量决策。因此，考虑SOP应用方案4，分别在置信度α₁、α_∞不同取值下，对分布鲁棒模型进行优化决策，其结果整理在表5中。

表5不同置信水平下优化结果对比(单位：$)

通过表5可以发现：相同α₁取值下，随着α_∞的增加，优化值也增加，其原因是单个概率约束放宽，置信区间扩大，使鲁棒最恶劣概率分布的可能存在范围扩大，从而恶劣程度增加；同理，相同α_∞取值下，随着α₁的增加，优化值也增加。此外，我们可以发现表格第一列的优化值在相同α_∞不同α₁下没有变化，其原因是1-范数产生的概率偏差允许限值较大，从而对∞-范数约束失去了限制作用，所以此时的恶劣值寻优主要受∞-范数约束影响。

为了验证模型的有效性，随机模拟生成10000个风光和负荷场景，将α₁＝0.5、α_∞＝0.99置信水平下的分布鲁棒模型和确定性模型的决策结果进行测试比较。其测试结果对比如表6所示，可以发现分布鲁棒模型由于提前考虑场景概率的不确定性，其一阶段决策成本稍高于确定性模型。但随机模拟生成的场景中，其二阶段运行成本均值和最大值均明显小于确定性模型，说明了分布鲁棒模型的有效性。

表6分布鲁棒与确定性模型测试结果对比(单位：$)

以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (6)

1.一种考虑SOP的配电网灵活性评估指标体系和优化调度方法，其特征在于，包括如下步骤：

步骤一：采用SOP运行优化，建立配电网灵活性量化评估指标，并将指标通过归一化系数和权重系数融入优化调度模型优化目标函数中；

步骤二：将可控负荷、储能作为第一阶段决策变量，将能够实时响应不确定性波动的SOP、可控DG作为第二阶段变量；

步骤三：采用配电网历史数据中的多典型场景和受综合范数约束的不确定性场景概率分布来表征配电网的复杂不确定特征，结合第一阶段决策变量和第二阶段决策变量，建立三层两阶段分布鲁棒优化模型；

步骤四：采用CCG算法对构建的三层两阶段分布鲁棒优化模型进行求解，实现配电网的经济灵活运行。

2.根据权利要求1所述的一种考虑SOP的配电网灵活性评估指标体系和优化调度方法，其特征在于，所述步骤一中的灵活性量化评估指标包括净负荷适应率、支路负荷裕度两个灵活性评估指标，其中所述的净负荷适应率为节点型灵活性资源可调度裕量与净负荷变化量的比值，如下式所示：

式中：t是优化时段标识，j是网络节点标识；Δt是分段间隔，T是优化总时数；B为系统所有节点的集合，B^CD、B^CL、B^ESS分别代表接入可控DG、可控负荷、ESS的节点集合；F_t ^AR为第t时段的净负荷适应率，

分别为节点型灵活资源可上调裕量和可下调裕量，ΔP_t ^DL为相邻时段净负荷变化量，

和

分别表示净负荷变化量为正值和负值；P_t ^DL为第t时段净负荷,

和分别表示j节点的光伏原始出力、风电原始出力和负荷有功数据；

为j节点在第t时段的可控DG出力，

和

表示其功率输出上下限值；

表示可控DG的上下爬坡率限值；

和

分别表示可控负荷节点正响应状态和负响应状态，为0-1变量，表示第t时段CL节点的正负响应功率及上限值；

和

为ESS充放电状态标志，

和

表示第t时段ESS节点的充放电功率及上限值；

所述的支路负荷裕度为该线路最大允许传输容量与当前时段传输容量实际值的差值与最大允许传输容量的比值，如下式所示：

式中：E表示配电网络的普通支路集合，注意代替联络开关的SOP相关支路以功率注入节点形式等效；I_ij,t为支路ij在第t时段的传输电流，

为支路ij的传输电流最大值。

3.根据权利要求1所述的一种考虑SOP的配电网灵活性评估指标体系和优化调度方法，其特征在于，所述步骤一中的目标函数如下式所示：

min f＝λ₁C-λ₂ζ(F^AR+F^BM)

C＝C^loss+C^CD+C^TR+C^PV+C^WT+C^ESS+C^CL

式中：λ₁、λ₂为各目标权重系数，ζ为归一化系数；c^Loss、

^PV、c^WT、c^ESS和分别为网损、主网购电、可控DG、弃光、弃风、储能维护、可控负荷响应的单位成本。

4.根据权利要求1所述的一种考虑SOP的配电网灵活性评估指标体系和优化调度方法，其特征在于，所述步骤三中的综合范数约束为在满足潮流约束、安全约束、灵活性资源约束和不可控DG约束的条件下，以典型场景的初始概率分布为基准，对场景概率分布进行1-范数和∞-范数的约束限制。

5.根据权利要求1所述的一种考虑SOP的配电网灵活性评估指标体系和优化调度方法，其特征在于，步骤三中所述的三层两阶段分布鲁棒优化调度模型表达式如下：

s.t Ax≤d

Bx＝e

Cx+Dy_s＝f

Ey_s≤g

||Fy_s||₂≤k^Ty_s

Gy_s≤ξ_s

Hy_s＝h

式中：x为第一阶段决策变量，包含离散和连续两种类型；y为第二阶段变量，包括决策变量和运行状态变量两种类型；ξ为不确定性风光有功输出和负荷需求的预测值；约束条件分别对应了所述优化调度模型中的等式约束、不等式约束和二阶锥约束。

6.根据权利要求1所述的一种考虑SOP的配电网灵活性评估指标体系和优化调度方法，其特征在于，步骤四中所述的采用CCG算法对构建的三层两阶段分布鲁棒优化模型进行求解包括如下过程：分布鲁棒优化调度模型为min-max-min三层两阶段优化问题，采用CCG算法分解为主问题和子问题进行迭代求解，当主问题提供的下界值与子问题提供的上界值之差满足设置的容许误差要求时，则停止迭代；具体过程如下所示：

1)设置LB＝0，UB＝+∞，K＝1；

2)求解CCG主问题，获得最优决策结果及最优解(x^*,a^Tx^*+L^*)，更新主问题提供的下界值LB＝max{LB，a^Tx^*+L^*}；

3)固定x^*，求解CCG子问题，得到最优子目标及最恶劣概率分布

更新子问题提供的上界值UB＝min{UB，a^Tx^*+L(x^*)}；如果(UB-LB)≤ε，停止迭代，返回最优解x^*；否则，更新主问题的有限恶劣场景概率分布

同时在主问题中定义新的第二阶段变量y_s,K+1以及关联约束Y_s,K+1；

4)更新K＝K+1，返回2)。

Images