基于主從博弈的輸配電網(wǎng)協(xié)同經(jīng)濟調(diào)度

李本新，劉 振，陳厚合，姜 濤，李 雪，王長江，王昌榮

基于主從博弈的輸配電網(wǎng)協(xié)同經(jīng)濟調(diào)度

李本新1，劉 振1，陳厚合1，姜 濤1，李 雪1，王長江1，王昌榮2

(1.現(xiàn)代電力系統(tǒng)仿真控制與綠色電能新技術(shù)教育部重點實驗室(東北電力大學)，吉林 吉林 132012；2.吉林電力股份有限公司松花江熱電公司，吉林 吉林 132000)

針對市場環(huán)境下如何協(xié)調(diào)主動配電網(wǎng)與輸電網(wǎng)的運行策略以實現(xiàn)二者共贏的問題，提出一種基于主從博弈的輸配電網(wǎng)協(xié)同經(jīng)濟調(diào)度策略。首先，采用主從博弈架構(gòu)建立了輸配電網(wǎng)雙層經(jīng)濟調(diào)度優(yōu)化模型，其中上層為輸電網(wǎng)價格出清模型，下層為考慮二階錐交流潮流約束的配電網(wǎng)經(jīng)濟調(diào)度模型。然后，應用二階錐重構(gòu)技術(shù)、KKT (Karush-Kuhn-Tucker)條件、強對偶定理和線性松弛技術(shù)將所提雙層模型轉(zhuǎn)化為混合整數(shù)二階錐單層規(guī)劃模型進行求解。最后通過算例驗證了模型和方法的有效性。結(jié)果表明，所提輸配協(xié)同經(jīng)濟調(diào)度策略可以有效降低輸電網(wǎng)電能及備用出清價格，同時提高了配電網(wǎng)運行經(jīng)濟性。

輸配協(xié)同；經(jīng)濟調(diào)度；主動配電網(wǎng)；備用；主從博弈

0 引言

在“雙碳”目標驅(qū)動下，以新能源為主體的新型電力系統(tǒng)將加速構(gòu)建[1-2]，配電網(wǎng)與輸電網(wǎng)間的耦合互動將愈加頻繁，如何協(xié)調(diào)輸配兩級電網(wǎng)間的運行策略以提高新能源消納能力，降低電網(wǎng)運行成本已成為研究的熱點問題[3]。

對此，國內(nèi)外學者進行了諸多相關(guān)研究。文獻[4]提出了一種基于異構(gòu)分解的輸配電網(wǎng)協(xié)同經(jīng)濟調(diào)度模型和方法；文獻[5]考慮節(jié)點邊際電價靈敏性，提出了一種基于改進異構(gòu)分解法的輸配協(xié)同優(yōu)化調(diào)度方法，進一步提高了算法的收斂性能；文獻[6]提出了計及發(fā)電機組頻率調(diào)節(jié)效應和負荷電壓靜態(tài)特性的輸配協(xié)同動態(tài)經(jīng)濟調(diào)度模型，有效減少了棄風電量；文獻[7]基于改進并行子空間算法對輸配兩級電網(wǎng)進行協(xié)同優(yōu)化；文獻[8]提出了一種基于加速增廣拉格朗日法的輸配電網(wǎng)分布式經(jīng)濟調(diào)度協(xié)調(diào)架構(gòu)；文獻[9]基于交替乘子法構(gòu)建了輸配電網(wǎng)分布式魯棒經(jīng)濟調(diào)度協(xié)調(diào)決策模型和方法；文獻[10]計及風力發(fā)電的不確定性，提出一種高比例新能源電力系統(tǒng)輸配分層協(xié)同優(yōu)化調(diào)度方法；文獻[11]考慮主動配電網(wǎng)對輸電網(wǎng)的備用容量支撐，構(gòu)建了集中式分布魯棒優(yōu)化調(diào)度模型，并應用目標級聯(lián)法予以分散求解。目前針對輸配電網(wǎng)協(xié)同運行優(yōu)化方面的研究更加強調(diào)整體利益，多是基于輸配一體化經(jīng)濟調(diào)度模型開展不同類型的分布式優(yōu)化方法的研究，較少從不同利益主體的角度開展對輸配兩級電網(wǎng)協(xié)同經(jīng)濟調(diào)度策略的研究。

隨著電力體制改革的逐步深化[12-13]，配電網(wǎng)將成為電力市場的積極參與者[14-16]，并在特定條件下與輸電網(wǎng)構(gòu)成對立統(tǒng)一的利益關(guān)系。在此背景下，設(shè)計一種考慮輸配電網(wǎng)不同利益的協(xié)同經(jīng)濟調(diào)度策略以實現(xiàn)二者的共贏就顯得非常重要。

針對多利益主體的電力系統(tǒng)經(jīng)濟調(diào)度問題，主從博弈作為一種處理不同利益主體復雜經(jīng)濟行為的有效工具獲得了廣泛應用[17-19]，其在強調(diào)整體利益的同時，更關(guān)注不同利益主體的個體利益。文獻[20]針對配電網(wǎng)風電消納問題，運用動態(tài)主從博弈理論，結(jié)合用戶負荷特性，同時考慮價格型需求響應的不確定性，提出一種以配電網(wǎng)側(cè)為主體、用戶負荷側(cè)為從體的主從博弈模型；文獻[21]考慮到增量市場環(huán)境下的多供電主體，研究了在外部監(jiān)管和自由競

爭兩種場景下基于主從博弈理論的配電網(wǎng)運營商與用戶的電能交易過程；文獻[22]提出了基于雙層主從博弈、多重激勵需求響應思想的微電網(wǎng)群“群-網(wǎng)-荷”一體化利益博弈優(yōu)化調(diào)度策略。上述文獻都是基于主從博弈對配電網(wǎng)和用戶之間的交互行為進行模擬，尚未涉及輸電網(wǎng)與多主動配電網(wǎng)間的均衡博弈過程。

為此，本文在前人工作基礎(chǔ)上，假設(shè)輸配電網(wǎng)所有市場成員均基于成本特性進行報價，基于運行方式進行報量[23-24]，通過模擬市場環(huán)境下多主動配電網(wǎng)同時參與輸電網(wǎng)能量和備用輔助服務市場的博弈過程，提出了一種基于主從博弈的輸配電網(wǎng)雙層經(jīng)濟調(diào)度模型，用以出清輸電網(wǎng)各節(jié)點電能和備用的邊際價格，并優(yōu)化配電網(wǎng)的購電和備用服務策略。

1 輸配電網(wǎng)主從博弈雙層經(jīng)濟調(diào)度模型

隨著電力市場化改革的不斷深入，輸電網(wǎng)和主動配電網(wǎng)將成為不同的投資運營主體，為均衡二者不同的利益訴求，本文采用主從博弈架構(gòu)描述輸電系統(tǒng)運營商(Transmission System Operator, TSO)和配電系統(tǒng)運營商(Distribution System Operator, DSO)之間的博弈關(guān)系，構(gòu)建了基于主從博弈的輸配電網(wǎng)雙層經(jīng)濟調(diào)度優(yōu)化模型，其博弈架構(gòu)如圖1所示。

圖1 輸電網(wǎng)-配電網(wǎng)主從博弈架構(gòu)

上層模型中，TSO是制定輸-配電網(wǎng)邊界節(jié)點電能和備用出清價格的領(lǐng)導者。下層模型中，DSO扮演追隨者的角色，響應TSO定價并將其購電策略和備用輔助服務策略發(fā)送給TSO，TSO據(jù)此對電能及備用出清價格進行再調(diào)整。當輸-配電網(wǎng)邊界節(jié)點電能和備用出清價格不再改變時，即達到博弈平衡點。

1.1 上層TSO價格出清模型

1.1.1目標函數(shù)

上層模型中，TSO根據(jù)DSO的購電及備用策略，以輸電網(wǎng)總運行成本最小為目標對輸-配電網(wǎng)邊界節(jié)點電能及備用價格進行出清，即

1.1.2約束條件

1) 有功平衡約束

2) 備用約束

3) 機組功率上、下限約束

4) 機組爬坡約束

式中，D為一個調(diào)度時段的延續(xù)時間。

5) 線路潮流約束

1.1.3 輸-配電網(wǎng)邊界節(jié)點電能和備用價格出清

為計算輸-配電網(wǎng)邊界節(jié)點電能及備用的出清價格，本節(jié)將式(1)—式(11)所示的TSO價格出清模型轉(zhuǎn)化為等價的對偶形式，如式(12)、式(13)所示。

基于上述TSO價格出清對偶模型，參考文獻[25]，配電網(wǎng)與輸電網(wǎng)邊界節(jié)點的電能和備用出清價格可表示為

1.2 下層DSO經(jīng)濟調(diào)度模型

下層模型中，各配電網(wǎng)基于上層TSO出清的輸-配電網(wǎng)邊界節(jié)點的電能和備用價格優(yōu)化自身的購電和備用策略，對于第個配電網(wǎng)，其經(jīng)濟調(diào)度模型構(gòu)造如下。

1.2.1目標函數(shù)

分布式電源包括可再生能源發(fā)電和可控分布式電源，本文忽略風、光等可再生能源發(fā)電的運維成本，以配電網(wǎng)運行成本最小為目標，基于上層輸電網(wǎng)出清的邊界節(jié)點的電能和備用價格，優(yōu)化其可控分布式電源的發(fā)電和備用策略，即

1.2.2約束條件

1) 功率平衡約束

2) 電壓降方程和節(jié)點電壓約束[26]

3) 線路潮流約束

借鑒文獻[27]，基于二階錐形式的線路潮流約束可表示為

4) 分布式電源出力上下限約束

5) 備用約束

由于配電系統(tǒng)中的可控分布式電源響應速度快，在一個調(diào)度時段內(nèi)功率可以在上限值和下限值之間自由調(diào)節(jié)[9]，因此本文忽略分布式電源備用響應的爬坡速率限制。

6) 輸配電網(wǎng)耦合支路傳輸容量約束

2 求解方法

對于所構(gòu)建的輸配電網(wǎng)主從博弈雙層優(yōu)化模型，由于上層價格出清策略與下層主動配電網(wǎng)購電及備用策略相互嵌套，因此難以直接進行求解，同時下層模型中二階錐形式的線路潮流約束亦加劇了模型求解的困難。對此，本文首先應用二階錐重構(gòu)技術(shù)[28]和KKT最優(yōu)性條件[29-32]將主從博弈雙層優(yōu)化模型轉(zhuǎn)化為單層的均衡數(shù)學規(guī)劃模型，然后利用強對偶定理及線性松弛技術(shù)將均衡數(shù)學規(guī)劃模型轉(zhuǎn)化為易于求解的混合整數(shù)二階錐規(guī)劃模型。求解流程如圖2所示。

1) 在二階錐線路潮流約束重構(gòu)基礎(chǔ)上，用KKT條件等效替代下層DSO經(jīng)濟調(diào)度模型，并以附加約束條件的形式添加到上層TSO出清模型的對偶問題中，由此將主從博弈雙層優(yōu)化模型轉(zhuǎn)化為單層的均衡約束數(shù)學規(guī)劃模型。

2) 對于轉(zhuǎn)化后均衡約束數(shù)學規(guī)劃模型中的KKT互補松弛約束等非凸約束，應用線性松弛技術(shù)對其作線性化處理，轉(zhuǎn)化為凸約束。

3) 為了便于求解，對于轉(zhuǎn)化后均衡約束數(shù)學規(guī)劃目標函數(shù)中的非線性項，利用強對偶定理[30]進行線性化處理，使其轉(zhuǎn)化為混合整數(shù)二階錐規(guī)劃模型，最后通過調(diào)用商業(yè)求解器CVX /CPLEX進行求解，獲得輸電網(wǎng)與多主動配電網(wǎng)主從博弈經(jīng)濟調(diào)度雙層優(yōu)化模型的均衡解。

圖2 求解過程示意圖

3 算例分析

本節(jié)分別采用T6D2系統(tǒng)和T118D10系統(tǒng)來驗證本文所提模型和方法的有效性。

3.1 T6D2系統(tǒng)

3.1.1算例介紹

如圖3所示，T6D2系統(tǒng)由1個6節(jié)點輸電網(wǎng)與2個配電網(wǎng)構(gòu)成，其中配電網(wǎng)1和配電網(wǎng)2分別經(jīng)邊界節(jié)點B3、B4與輸電網(wǎng)聯(lián)結(jié)，系統(tǒng)各時段的總負荷、各時段輸電網(wǎng)和配電網(wǎng)的上調(diào)(下調(diào))備用需求見圖4、圖5，機組參數(shù)在文獻[33]的基礎(chǔ)上略作修改，見表1。

為說明本文所提模型和方法的有效性，設(shè)置以下3種場景。

場景1：不考慮輸配電網(wǎng)之間的博弈，將配電網(wǎng)視為固定負荷且不向輸電網(wǎng)提供備用支撐。該場景下，風電按預測值出力，其他分布式電源出力設(shè)為0。

圖3 T6D2測試系統(tǒng)

圖4 系統(tǒng)總負荷

圖5 各時段輸電網(wǎng)和各配電網(wǎng)的備用需求

表1 T6D2系統(tǒng)各機組數(shù)據(jù)

場景2：僅考慮輸配電網(wǎng)間交互的有功功率博弈，配電網(wǎng)中分布式電源不向輸電網(wǎng)提供備用支撐，僅提供配電網(wǎng)自身所需備用。

場景3：輸配兩級電網(wǎng)之間有功功率和備用同時博弈，即配電網(wǎng)分布式電源在主動參與輸電網(wǎng)有功平衡的同時，也考慮為其提供備用輔助服務。

3.1.2結(jié)果分析

1) 配電網(wǎng)運行策略對電能出清價格影響分析。

本節(jié)以邊界節(jié)點B3為例分析配電網(wǎng)購電和備用輔助服務策略對電能出清價格的影響。圖6給出了3種場景下邊界節(jié)點B3的電能出清價格。圖7給出了3種場景下輸電網(wǎng)各機組出力情況(同一時段下的3組數(shù)據(jù)分別對應場景1、場景2和場景3，“剩余出力”表示各機組實際出力與機組最小技術(shù)出力之差)；圖8給出了3種場景下各配電網(wǎng)的購電策略(同一時段下的3組數(shù)據(jù)分別對應3種場景)；圖9給出了場景2、場景3下輸配電網(wǎng)各機組所提供的上調(diào)備用(同一時段下的兩組數(shù)據(jù)分別為場景2、場景3)。

由圖6、圖7可以看出，01：00—10：00時段、23：00—24：00時段由于負荷較低，3種場景下節(jié)點B3的電能出清價格一致，均為10.46美元/MWh，在11：00—14：00時段、20：00—22：00時段，隨著用電負荷的增加，場景1中報價較低的G1機組滿發(fā)，機組G3變?yōu)檫呺H機組，由此使節(jié)點B3電能出清價格上升為12.7美元/MWh，在15：00—19：00時段，隨著負荷進一步增加，機組G1、G3均滿發(fā)，報價較高的機組G2變?yōu)檫呺H機組，從而使節(jié)點B3電能出清價格進一步上升為15.39美元/MWh。結(jié)合圖8可以看出，場景2由于配電網(wǎng)分布式電源參與了輸電網(wǎng)有功平衡，降低了配電網(wǎng)的購電功率，間接減少了輸電網(wǎng)報價較高機組出力，使場景2在10：00—15：00時段、18：00—22：00時段的邊際機組仍為G1，電能出清價格保持10.46美元/MWh不變，而16：00—17：00時段由于負荷達到峰值，此時機組G1滿發(fā)，機組G3成為了邊際機組，節(jié)點B3電能出清價格小幅度上升至12.7美元/MWh，但仍低于場景1的出清價格?？梢姡紤]配電網(wǎng)主動參與輸電網(wǎng)有功平衡能減少輸電網(wǎng)報價較高機組輸出功率，降低輸電網(wǎng)電能出清價格。

圖6 3種場景下節(jié)點B3出清電價

圖7 3種場景下輸電網(wǎng)各機組出力

圖8 3種場景下各配電網(wǎng)的購電功率

圖9 場景2、場景3下各機組所提供的上調(diào)備用容量

對比場景2和場景3，由圖6、圖9可知，在16：00—17：00時段，由于場景3下配電網(wǎng)向輸電網(wǎng)提供備用支撐，輸電網(wǎng)電能報價較低機組G1不再提供備用，而是將該部分容量用于發(fā)電，使邊際機組由場景2下的G3變?yōu)镚1，節(jié)點B3的電能出清價格由場景2的12.7美元/MWh下降為10.46美元/MWh?？梢姡紤]配電網(wǎng)向輸電網(wǎng)提供備用支撐能夠降低對輸電網(wǎng)機組的備用負擔，使經(jīng)濟性較好的機組更多地用于發(fā)電，從而降低輸電網(wǎng)的電能出清電價。

2) 配電網(wǎng)運行策略對備用出清價格影響分析。

本節(jié)以上調(diào)備用為分析對象研究配電網(wǎng)運行策略對備用出清價格的影響。圖10給出了場景2、場景3下系統(tǒng)的上調(diào)備用出清電價。

圖10 場景2、場景3下的上調(diào)備用出清價格

由圖10可知，01：00—24：00時段，場景2的上調(diào)備用出清價格均高于場景3的上調(diào)備用的出清電價。結(jié)合圖9可以看出，在01：00—10：00時段和23：00—24：00時段，場景2下輸電網(wǎng)所需上調(diào)備用均由機組G1、G3承擔，其中G1機組為備用邊際機組，此時上調(diào)備用的出清價格為G1的上調(diào)備用報價，而在11：00—22：00時段，G1、G3機組所提供的備用達到其上限值，此時G2機組成為了備用邊際機組；對于場景3，在01：00—24：00時段，配電網(wǎng)向輸電網(wǎng)支持備用，此時備用的邊際機組由輸電網(wǎng)的G1機組變成了配電網(wǎng)1中更加經(jīng)濟的分布式電源機組，從而使該場景備用出清價格低于場景2的備用出清價格?？梢?，配電網(wǎng)參與輸電網(wǎng)備用輔助服務市場博弈，能夠降低輸電網(wǎng)中備用報價較高機組所承擔的備用，提高配電網(wǎng)中分布式電源的利用率，有效降低系統(tǒng)備用出清價格。

3) 輸配電網(wǎng)主從博弈策略對電網(wǎng)運行經(jīng)濟性的影響分析。

表2 3種場景下T6D2系統(tǒng)運行成本

表2給出了3種場景下T6D2系統(tǒng)輸電網(wǎng)和各配電網(wǎng)的運行成本?？梢园l(fā)現(xiàn)：相較于場景1，場景2中輸電網(wǎng)的運行成本由56 782美元下降到48 114美元，這是由于配電網(wǎng)主動參與輸電網(wǎng)有功平衡博弈后，分布式電源在輸-配邊界節(jié)點價格信號引導下增發(fā)有功功率，從而使輸電網(wǎng)機組有功出力減少，引起輸電網(wǎng)運行成本降低。與此同時，配電網(wǎng)1(2)的運行成本也由場景1的13 152美元(22 402美元)減少為場景2的8414美元(21 337美元)，一方面是由于配電網(wǎng)參與輸電網(wǎng)有功平衡后有效降低了輸配電網(wǎng)邊界節(jié)點的出清價格，即降低了配電網(wǎng)從輸電網(wǎng)購買電能的價格；另一方面是由于配電網(wǎng)中較為經(jīng)濟的分布式電源響應價格信號增發(fā)有功功率，降低了配電網(wǎng)以較高電價從輸電網(wǎng)購買的電量。

相較于場景2，場景3中由于考慮了配電網(wǎng)向輸電網(wǎng)提供備用支撐，降低了輸電網(wǎng)中機組的備用負擔，使電能報價較低機組G1在16：00—17：00時段的備用容量轉(zhuǎn)而用于發(fā)電，由此使場景3下輸電網(wǎng)的運行成本進一步下降到46 194美元。此外，相對于場景2，場景3中由于16：00—17：00時段配電網(wǎng)向輸電網(wǎng)購電價格的降低以及配電網(wǎng)向輸電網(wǎng)提供備用所獲得的收益，使得場景3下配電網(wǎng)1(2)的運行成本進一步減少為6972美元(21 089美元)?？梢姡鲃优潆娋W(wǎng)同時參與輸電網(wǎng)的有功和備用博弈，可以有效降低輸配電網(wǎng)運行成本。

3.2 T118D10系統(tǒng)

由于輸配電網(wǎng)實際系統(tǒng)算例數(shù)據(jù)難以獲得，為驗證本文所提模型和方法在大系統(tǒng)算例中的有效性，構(gòu)造T118D10系統(tǒng)予以分析說明。T118D10測試系統(tǒng)是由1個IEEE118節(jié)點的輸電網(wǎng)與5個PG&E69節(jié)點[34]的主動配電網(wǎng)以及5個改進的IEEE33節(jié)點主動配電網(wǎng)組成。其中輸電網(wǎng)的節(jié)點18、32、34、40、55[35]各連接一個69節(jié)點配電網(wǎng)；節(jié)點70、74、77、92和112分別連接一個33節(jié)點配電網(wǎng)。IEEE118節(jié)點的輸電網(wǎng)和IEEE33節(jié)點的配電網(wǎng)數(shù)據(jù)詳見http://motor.ece.iit.edu/data，并假設(shè)輸電網(wǎng)各機組按最大技術(shù)出力對應的平均成本報價；69節(jié)點配電網(wǎng)和33節(jié)點配電網(wǎng)機組參數(shù)詳見表3。

表3 69節(jié)點和33節(jié)點配電網(wǎng)機組數(shù)據(jù)

本節(jié)繼續(xù)沿用3.1節(jié)設(shè)置的3種場景分析輸配電網(wǎng)主從博弈策略對電網(wǎng)運行經(jīng)濟性影響。表4給出了3種場景下T118D10系統(tǒng)的運行成本，可以發(fā)現(xiàn)，輸電網(wǎng)及各配電網(wǎng)在場景1、場景2和場景3的運行成本依次降低，進一步地驗證了本文所提基于主從博弈的輸配電網(wǎng)經(jīng)濟調(diào)度雙層優(yōu)化模型的有效性。

表4 3種場景下T118D10系統(tǒng)運行成本

為了說明本文所提方法的優(yōu)越性，本節(jié)采用基于異構(gòu)分解法(Heterogeneous Decentralized algorithm, HGD)[4]的模型求解方法與本文所提基于KKT條件的優(yōu)化方法進行對比。

表5給出了基于HGD和KKT不同方法計算的T118D10系統(tǒng)的運行成本?？梢园l(fā)現(xiàn)，兩種算法優(yōu)化得到的各輸配電網(wǎng)的運行成本相近，以HGD算法優(yōu)化結(jié)果為基準的相對偏差均在0.1%以下，且基于KKT條件計算的各輸配電網(wǎng)運行成本略小于HGD算法的優(yōu)化結(jié)果，也就是說，本文基于KKT條件的雙層模型求解方法能夠更有效地找到輸配電網(wǎng)主從博弈雙層經(jīng)濟調(diào)度模型的最優(yōu)均衡解。

表5 基于HGD和KKT條件計算的T118D10系統(tǒng)運行成本

此外，采用HGD算法求解時，輸配電網(wǎng)需要交替迭代3次，計算耗時為47 min, 而采用KKT條件的優(yōu)化方法計算時間為3.2 min。即基于KKT條件的雙層模型優(yōu)化方法所需時間要遠小于HGD算法，這是由于采用HGD算法時，每次迭代過程均需對每一個主動配電網(wǎng)進行一次電網(wǎng)潮流分析以得到交互迭代量，由于配電網(wǎng)模型采用交流潮流模型，故每次迭代的時間較長。而本文所提的基于KKT條件的雙層模型優(yōu)化算法可以將模型轉(zhuǎn)化為單層混合整數(shù)二階錐規(guī)劃模型，無需迭代，從而大大地減少了計算時間。

4 結(jié)論

本文在主從博弈框架下描述輸電網(wǎng)和主動配電網(wǎng)間的交互關(guān)系，提出一種基于主從博弈的輸配協(xié)同經(jīng)濟調(diào)度雙層優(yōu)化模型和方法，經(jīng)分析驗證結(jié)論如下。

1) 相比于傳統(tǒng)輸配分離調(diào)度模式，本文所提基于主從博弈的輸配協(xié)同經(jīng)濟調(diào)度策略可以有效地降低輸電網(wǎng)電能及備用的出清價格。

2) 主動配電網(wǎng)同時參與電能及備用輔助服務，不僅能夠提高分布式電源的利用率，降低配電網(wǎng)的運行成本，也能提高輸電網(wǎng)運行經(jīng)濟性。

3) 采用了基于KKT條件的雙層模型優(yōu)化算法能夠有效避免傳統(tǒng)雙層模型求解算法繁瑣的交叉迭代過程，提高計算效率。

未來工作將進一步考慮風電預測概率特性對主從博弈架構(gòu)下輸配協(xié)同經(jīng)濟調(diào)度的影響，進一步提升新能源消納能力。

[1] 李軍徽, 馮喜超, 嚴干貴, 等. 高風電滲透率下的電力系統(tǒng)調(diào)頻研究綜述[J]. 電力系統(tǒng)保護與控制, 2018, 46(2): 163-170.

LI Junhui, FENG Xichao, YAN Gangui, et al. Survey on frequency regulation technology in high wind penetration power system[J]. Power System Protection and Control, 2018, 46(2): 163-170.

[2] Zhang D, Li J, Hui D. Coordinated control for voltage regulation of distribution network voltage regulation by distributed energy storage systems[J]. Protection and Control of Modern Power Systems, 2018, 3(1): 35-42.

[3] Calum E, Stuart G, Ian E, et al. Design of a DSO-TSO balancing market coordination scheme for decentralized energy[J]. IET Generation, Transmission & Distribution, 2020, 14(5): 707-718．

[4] Li Z, Guo Q, Sun H, et al.Coordinated economic dispatch of coupled transmission and distribution systems using heterogeneous decomposition[J]. IEEE Transactions on Power Systems, 2016, 31(6): 4817-4830.

[5] LI Z, GUO Q, SUN H, et al. A new LMP-sensitivity- based heterogeneous decomposition for transmission and distribution coordinated economic dispatch[J]. IEEE Transactions on Smart Grid, 2018, 9(2): 931-941.

[6] Du P, Zhao Q, Deng H, et al. Bi-level distributed day ahead economic dispatch model of transmission and distribution networks[C] // 2020 International Conference on Electrical Engineering and Control Technologies (CEECT),December 10-13, 2020, Melbourne, VIC, Australia.

[7] 葉暢, 苗世洪, 李超, 等. 基于改進并行子空間算法的輸配兩級電網(wǎng)協(xié)同優(yōu)化[J]. 電工技術(shù)學報, 2018, 33(23): 5509-5522.

YE Chang, MIAO Shihong, LI Chao, et al. Coordination optimal scheduling strategy for transmission and distribution system based on improved CSSO algorithm[J]. Transactions of China Electrotechnical Society, 2018, 33(23): 5509-5522.

[8] Arpanahi M K, Golshan M E H, Siano P. A comprehensive and efficient decentralized framework for coordinated multiperiod economic dispatch of transmission and distribution systems[J]. IEEE Systems Journal, 2021, 15(2): 2583-2594.

[9] Chen Z, Guo C, Dong S, et al. Distributed robust dynamic economic dispatch of integrated transmission and distribution systems[J]. IEEE Transactions on Industry Applications, 2021, 57(5): 4500-4512.

[10] 張旭, 王洪濤. 高比例可再生能源電力系統(tǒng)的輸配協(xié)同優(yōu)化調(diào)度方法[J]. 電力系統(tǒng)自動化, 2019, 43(3): 67-83, 115.

ZHANG Xu, WANG Hongtao. Optimal dispatch method of transmission and distribution coordination for power systems with high proportion of renewable energy[J]. Automation of Electric Power Systems, 2019, 43(3): 67-75, 115.

[11] Li P, Wu Q, Yang M, et al. Distributed distributionally robust dispatch for integrated transmission-distribution systems[J]. IEEE Transactions on Power Systems, 2021, 36(2): 1193-1205.

[12] 關(guān)于進一步深化電力體制改革的若干意見(中發(fā)[2015] 9號文) [EB/OL]. [2015-03-15]. https://smartgrids.of week. com/2015-03/ART-290010-8480-28942130.html．

[13] 何黎君, 程杉, 陳梓銘. 考慮交互功率控制和雙邊競價交易的多微電網(wǎng)雙層優(yōu)化調(diào)度[J]. 電力系統(tǒng)保護與控制, 2020, 48(11): 10-17.

HE Lijun, CHENG Shan, CHEN Ziming. A scheduling model of a multi-microgrid system based on bi-layer optimization with consideration of PCC power control and bilateral bidding[J]. Power System Protection and Control, 2020, 48(11): 10-17.

[14] 艾欣, 陳煒. 考慮容量管理的主動配電網(wǎng)市場化實時競價運營模式[J]. 中國電機工程學報, 2014, 34(22): 3743-3749.

AI Xin, CHEN Wei. Marketization real-time bidding operation mode of the active distribution network with consideration of capacity management[J]. Proceedings of the CSEE, 2014, 34(22): 3743-3749.

[15] 朱洪強, 王磊. 增量配電網(wǎng)發(fā)展前景分析[J]. 科學技術(shù)創(chuàng)新, 2019(32): 165-166．

ZHU Hongqiang, WANG Lei. Analysis of development prospect of incremental distribution network[J]. Scientific and Technological Innovation Information, 2019(32): 165-166.

[16] 國家電網(wǎng)公司. 國家電網(wǎng)公司發(fā)布進一步支持和推進增量配電業(yè)務改革的意見[EB/OL]. [2020-03-01]. http://www.js.sgcc.com.cn/html.

[17] Wu T, Rothleder M, Alaywan Z, et al. Pricing energy and ancillary services in integrated market systems by an optimal power flow[J]. IEEE Transactions on Power Systems, 2004, 19(1): 339-347.

[18] Mei S, Wang Y, Liu F, et al. Game approaches for hybrid power system planning[J]. IEEE Transactions on Sustainable Energy, 2012, 3(3): 506-517.

[19] Mei S, Zhang D, Wang Y, et al. Robust optimization of static reserve planning with large scale integration of wind power: a game theoretic approach[J]. IEEE Transactions on Sustainable Energy, 2014, 5(2): 535-545.

[20] 邱革非, 何超, 駱釗, 等. 考慮新能源消納及需求響應不確定性的配電網(wǎng)主從博弈經(jīng)濟調(diào)度[J]. 電力自動化設(shè)備, 2021, 41(6): 66-74.

QIU Gefei, HE Chao, LUO Zhao, et al. Economic dispatch of Stackelberg game in distribution network considering new energy consumption and uncertainty of demand response[J]. Electric Power Automation Equipment, 2021, 41(6): 66-74.

[21] 劉源, 潘雪莉, 楊軍, 等. 增量市場環(huán)境下多供電主體市場博弈模型與交易行為分析[J]. 電力自動化設(shè)備, 2019, 39(12): 162-168.

LIU Yuan, PAN Xueli, YANG Jun, et al. Market game model and trading behavior analysis of multiple power supply agents in increment electricity market[J]. Electric Power Automation Equipment, 2019, 39(12): 162-168.

[22] 林凱駿, 吳俊勇, 劉迪, 等. 基于雙層Stackelberg博弈的微能源網(wǎng)能量管理優(yōu)化[J]. 電網(wǎng)技術(shù), 2019, 43(3): 973-983.

LIN Kaijun, WU Junyong, LIU Di, et al. Energy management optimization of micro energy grid based on hierarchical Stackelberg game theory[J]. Power System Technology, 2019, 43(3): 973-983.

[23] 劉聰, 周京陽, SHAHIDEHPOUR M, 等. 市場環(huán)境下輸配電系統(tǒng)一體化分布式交易優(yōu)化方法[J]. 電力系統(tǒng)自動化, 2019, 43(21): 103-110.

LIU Cong, ZHOU Jingyang, SHAHID EHPOUR M, et al. Optimization method for decentral transaction of integrated transmission and distribution system in market environment[J]. Electric Power Automation Equipment, 2019, 43(21): 103-110.

[24] Jabr R A, Singh R, Pal B C. Minimum loss network reconfiguration using mixed-integer convex programming[J]. IEEE Transactions on Power Systems, 2012, 27(2): 1106-1115.

[25] 史新紅, 鄭亞先, 薛必克, 等. 機組運行約束對機組節(jié)點邊際電價的影響分析[J]. 電網(wǎng)技術(shù), 2019, 43(8): 2658-2665.

SHI Xinhong, ZHENG Yaxian, XUE Bike, et al. Effect analysis of unit operation constraints on locational marginal price of unit nodes[J]. Power System Technology, 2019, 43(8): 2658-2665.

[26] 張蕊, 李鐵成, 李曉明, 等. 考慮設(shè)備動作損耗的配電網(wǎng)分布式電壓無功優(yōu)化[J]. 電力系統(tǒng)保護與控制, 2021, 49(24): 31-40.

ZHANG Rui, LI Tiecheng, LI Xiaoming, et al. Distributed optimization for distribution networks volt/var control considering the operation cost of equipment[J]. Power System Protection and Control, 2021, 49(24): 31-40.

[27] 劉一兵, 吳文傳, 張伯明, 等. 基于混合整數(shù)二階錐規(guī)劃的三相有源配電網(wǎng)無功優(yōu)化[J]. 電力系統(tǒng)自動化, 2014, 38(15): 58-64.

LIU Yibing, WU Wenchuan, ZHANG Boming, et al. Reactive power optimization for three-phase distribution networks with distributed generators based on mixed integer second-order cone programming[J]. Automation of Electric Power Systems, 2014, 38(15): 58-64.

[28] Stephen B, Lieven V. Convex optimization[M]. Cambridge: Cambridge University Press, 2004: 93-97.

[29]白浩, 袁智勇, 周長城, 等. 計及新能源波動與相關(guān)性的配電網(wǎng)最大供電能力調(diào)度方法[J]. 電力系統(tǒng)保護與控制, 2021, 49(8): 66-73.

BAI Hao, YUAN Zhiyong, ZHOU Changcheng, et al. Dispatching method of maximum power supply capacity of a power distributed network considering fluctuation and correlation of renewable energy[J]. Power System Protection and Control, 2021, 49(8): 66-73.

[30] 張立輝, 戴谷禹, 聶青云, 等. 碳交易機制下計及用電行為的虛擬電廠經(jīng)濟調(diào)度模型[J]. 電力系統(tǒng)保護與控制, 2020, 48(24): 154-163.

ZHANG Lihui, DAI Guyu, NIE Qingyun, et al. Economic dispatch model of virtual power plant considering electricity consumption under a carbon trading mechanism[J]. Power System Protection and Control,2020, 48(24): 154-163.

[31] 陳厚合, 何旭, 姜濤, 等. 計及可中斷負荷的電力系統(tǒng)可用輸電能力計算[J]. 電力系統(tǒng)自動化, 2017, 41(15): 81-87, 106.

CHEN Houhe, HE Xu, JIANG Tao, et al. Available transfer capability calculation of power systems considering interruptible load[J]. Automation of Electric Power Systems, 2017, 41(15): 81-87, 106.

[32] 陳厚合, 吳桐, 李本新, 等. 考慮建筑熱慣性的園區(qū)代理商電價策略及用能優(yōu)化[J]. 電力系統(tǒng)自動化, 2021, 45(3): 148-156.

CHEN Houhe, WU Tong, LI Benxin, et al. Electricity pricing strategy of park retailer and energy optimization considering thermal inertia of building[J]. Automation of Electric Power Systems, 2021, 45(3): 148-156.

[33] Kargarian A, Fu Y. System of systems based security constrained unit commitment incorporating active distribution grids[J]. IEEE Transactions on Power Systems, 2014, 29(5): 2489-2498.

[34] Savier J S, DASD. Impact of network reconfiguration on loss allocation of radial distribution systems[J]. IEEE Transactions on Power Delivery, 2007, 22(4): 2473-2480.

[35] Chen Z, Li Z, Guo C, et al. Fully distributed robust reserve scheduling for coupled transmission and distribution systems[J]. IEEE Transactions on Power Systems, 2021, 36(1): 169-182.

Collaborative economic dispatch of coupled transmission and distribution networks based on the Stackelberg game

LI Benxin1, LIU Zhen1, CHEN Houhe1, JIANG Tao1, LI Xue1, WANG Changjiang1, WANG Changrong2

(1. Key Laboratory of Modern Power System Simulation and Control & Renewable Energy Technology, Ministry of Education (Northeast Electric Power University), Jilin 132012, China; 2. Songhuajiang Thermal Power Generation Co., Ltd., Jilin Electric Power Co., Ltd., Jilin 132000, China)

There is a problem of how to coordinate the operation strategy of coupled transmission and distribution networks to achieve a win-win situation in the market environment. Thus a cooperative economic dispatch strategy of coupled transmission and distribution networks based on the Stackelberg game is proposed. First, a bi-level optimization model is established to solve the economic dispatch of coupled transmission and distribution networks using Stackelberg game architecture, in which the upper level is the transmission network price clearing model and the lower level is the economic dispatch model of each distribution network. This considers second order cone alternating current power flow constraints. Then, the second order cone reconstruction technique, KKT (Karush-Kuhn-Tucker) conditions, strong duality theorem and linear relaxation technique are applied to transform the proposed bi-level model into a mixed integer second-order cone programming single-layer model for analysis. Finally, the simulations verify the effectiveness of the proposed model and method. The results show that the proposed cooperative economic dispatch strategy can effectively reduce the clearing price of transmission energy and reserve, and reduce the operational cost of the distribution networks.

coordination of transmission and distribution networks; economic dispatch; active distribution network; reserve; Stackelberg game

10.19783/j.cnki.pspc.211714

2021-12-15；

2022-02-23

李本新(1987—)，男，博士，講師，碩士生導師，研究方向為電力系統(tǒng)運行與控制；E-mail: benxinli@163.com

劉 振(1995—)，男，碩士研究生，研究方向為電力系統(tǒng)經(jīng)濟運行；E-mail: zhenliu12138@aliyun. com

陳厚合(1978—)，男，教授，博士生導師，研究方向為電力系統(tǒng)安全性與穩(wěn)定性等。E-mail: chenhouhe@126.com

吉林省科技發(fā)展計劃項目資助(20210508031RQ)

This work is supported by the Science and Technology Project of Jilin Province (No. 20210508031RQ).

(編輯 許 威)