久久88香港三级台湾三级中文-久久91-久久91精品国产91久-久久91精品国产91久久-久久91精品国产91久久户

隨著配電網(wǎng)規(guī)模的不斷擴大，大力發(fā)展風電和光伏發(fā)電等分布式電源（Distribution Generation, DG）已成為未來電網(wǎng)的發(fā)展方向。在獲取經(jīng)濟效益的同時，為了應對DG的接入問題，傳統(tǒng)配電網(wǎng)必須向具備潮流主動控制能力和與負荷互動能力的主動配電網(wǎng)（Active Distribution Network, ADN）轉變。

此外，電動汽車（Electric Vehicle, EV）作為一種全新的交通工具，在環(huán)保和節(jié)能方面具有重要的作用，因此也得到了廣泛的應用。但電動汽車充電站的接入將帶來充電負荷，其選址問題不僅與EV用戶出行的便利有關，也將影響配電網(wǎng)的穩(wěn)定性。因此，為了更好地解決能源危機和環(huán)境問題，建立EV充電站與配電網(wǎng)的協(xié)調規(guī)劃模型將更具意義。

近年來，與EV充電站選址相關的研究成果已有不少。但是這些文獻雖在充電站規(guī)劃或ADN規(guī)劃上做了大量工作，但就EV和ADN的協(xié)同規(guī)劃方面還有所欠缺。此外，考慮EV充電問題的ADN系統(tǒng)含有大量的不確定元素，主要包括交通網(wǎng)絡中的用戶充電需求、配電網(wǎng)絡中的負荷需求和DG出力。現(xiàn)有研究多采用隨機規(guī)劃法或魯棒優(yōu)化法來建立相關不確定性模型。

隨機規(guī)劃法通常以場景期望值法或是基于概率密度分布函數(shù)的機會約束規(guī)劃法來建立模型。前者為了保證精度，通常需要大量的場景數(shù)據(jù)，進而降低計算效率，無法適用于大規(guī)模優(yōu)化問題；后者不僅難以獲得準確的概率密度分布，且屬于非凸規(guī)劃，需轉為確定性模型才可求解，過程相對復雜。

相比之下，魯棒優(yōu)化基于確定性集合來建立不確定性模型，不僅易于實現(xiàn)，而且不需大量的數(shù)據(jù)或是被概率分布所限制。因此，魯棒優(yōu)化在處理不確定性模型中更具優(yōu)勢且得以廣泛應用。

有學者針對風電與價格型需求響應存在的不確定性，提出了一種適用于預調度方案可行性檢測的魯棒調度方法。有學者均考慮了風電出力的不確定性，分別以無功優(yōu)化和配電網(wǎng)擴展規(guī)劃為重點進行魯棒優(yōu)化。

目前，國內(nèi)外關于魯棒優(yōu)化在充電站選址或是ADN規(guī)劃中還鮮有應用。有學者對DG和負荷建立了一定保守度的不確定性時序集合，構建了主動配電網(wǎng)分層魯棒規(guī)劃模型。有學者采用基約束魯棒方法，考慮EV充電需求的不確定性，建立了充電站選址決策模型。前者雖考慮了場景的魯棒性，但本質上仍屬于場景法，不屬于魯棒優(yōu)化的范疇；后者雖應用了魯棒優(yōu)化，但沒有考慮EV充電對配電網(wǎng)的影響，也沒有涉及ADN，模型偏于簡單。

針對以上不足，武漢大學電氣與自動化學院的研究人員通過耦合單元來聯(lián)系ADN和交通網(wǎng)，考慮系統(tǒng)中主要的不確定性元素，提出了一種含EV充電站選址決策的ADN二階段魯棒規(guī)劃模型。

第一階段優(yōu)化投資決策方案，在考慮第二階段可行性的基礎上展開規(guī)劃，不僅包括電動汽車充電站的選址、配電線路的升級與擴建，而且考慮分布式電源、靜止無功補償器、有載調壓變壓器、儲能等設備的投資；第二階段考慮運行層，用于不確定參數(shù)的關鍵場景辨識和可行性檢測。針對所提模型呈現(xiàn)的min-max-min形式的二階段優(yōu)化問題，采用列約束生成與Benders分解相結合的二階段法進行求解。最后，以一個由改進的33節(jié)點配電系統(tǒng)和25節(jié)點交通系統(tǒng)耦合而成的網(wǎng)絡為例進行仿真。仿真結果表明，模型的不確定度將對規(guī)劃結果產(chǎn)生較大的影響。當合理選擇不確定度的數(shù)值時，二階段魯棒規(guī)劃將比確定性規(guī)劃更具經(jīng)濟價值。

研究人員最后指出，該規(guī)劃方法充分考慮了耦合系統(tǒng)中相關不確定元素以及OLTC、SVC、ESS和DG的聯(lián)合投資運行，能夠針對魯棒規(guī)劃問題為規(guī)劃人員提供新的思路，并得出以下結論：

• 1）在配電網(wǎng)規(guī)劃中考慮多種投資設備的聯(lián)合運行能夠有效改善網(wǎng)絡的功率和電壓分布，充分體現(xiàn)了此類規(guī)劃方案的優(yōu)越性。
• 2）CCG-Benders法能夠有效求解含min-max- min形式的二階段魯棒規(guī)劃問題，且具備較高的求解效率。
• 3）當不確定度選取合理時，相比確定性模型，魯棒規(guī)劃模型可以有效降低運行成本和交通充電成本，并在規(guī)劃年限內(nèi)成功回收投資成本，更具經(jīng)濟價值。
• 4）對魯棒規(guī)劃模型而言，不確定度的增大會提高系統(tǒng)的年運行成本。當不確定度取得過大時，模型的迭代次數(shù)和尋優(yōu)時間均會變得更大，甚至無可行解。因此，在實際應用中應合理選擇不確定度的數(shù)值。

以上研究成果發(fā)表在2020年第5期《電工技術學報》，論文標題為“含電動汽車充電站的主動配電網(wǎng)二階段魯棒規(guī)劃模型及其求解方法”，作者為孔順飛、胡志堅、謝仕煒、楊黎、鄭云飛。