考慮大規(guī)模風(fēng)電接入的電網(wǎng)規(guī)劃優(yōu)化綜述

張 飛，亓 豪，田 程，段秋雨

（內(nèi)蒙古科技大學(xué)(信息工程學(xué)院)，內(nèi)蒙古 包頭 014010）

風(fēng)力發(fā)電作為新能源發(fā)電技術(shù)的一種，已經(jīng)得到了廣泛的應(yīng)用。依據(jù)我國風(fēng)資源的分布狀況，采用建設(shè)大規(guī)模風(fēng)電場與集中并網(wǎng)的發(fā)展方式，但這種方式會造成系統(tǒng)不穩(wěn)定和建設(shè)成本過高的弊端，因此，對含有風(fēng)電的輸電網(wǎng)規(guī)劃優(yōu)化問題的研究具有一定的技術(shù)價值。

1.風(fēng)電接入的輸電網(wǎng)規(guī)劃方法

電網(wǎng)依據(jù)不同的影響因素可劃分為不同的規(guī)劃方法。根據(jù)是否考慮到環(huán)境的不確定性因素，可分為確定性電網(wǎng)規(guī)劃方法和不確定性電網(wǎng)規(guī)劃方法；根據(jù)優(yōu)化目標(biāo)數(shù)目的多少，可分為單目標(biāo)電網(wǎng)規(guī)劃方法和多目標(biāo)優(yōu)化方法；根據(jù)時段的不同，可分為單時段規(guī)劃方法和多時段規(guī)劃方法。本文主要對是否考慮環(huán)境的不確定性因素進(jìn)行研究分析[1]。

確定性電網(wǎng)規(guī)劃是通過建立確定條件、約束及數(shù)學(xué)模型而得到確定電網(wǎng)規(guī)劃方案的一種方法。不確定性電網(wǎng)規(guī)劃是通過考慮如風(fēng)電功率和負(fù)荷而得到最優(yōu)規(guī)劃方案的一種方法。由于考慮到風(fēng)電功率等不確定性因素對于規(guī)劃的重要性，所以不確定性電網(wǎng)規(guī)劃方法成為了當(dāng)下研究熱點。根據(jù)處理不確定性因素的方法不同，可將其劃分為基于多場景分析的方法與基于不確定性信息準(zhǔn)確建模的方法兩大類。

基于多場景分析的方法：基于多場景分析方法通過分析未來的場景將不確定性因素轉(zhuǎn)化為一系列近似值，然后將這些近似值分別構(gòu)建成一個個場景，最后通過計算與比較得出最好的綜合優(yōu)化方案[2]。這種方法大大降低了電網(wǎng)規(guī)劃問題的建模和求解難度，但當(dāng)不確定性的因素過多或變化過于復(fù)雜時，問題求解困難。文獻(xiàn)[3]提出了一種基于極端場景集的輸電網(wǎng)綜合擴(kuò)展規(guī)劃的數(shù)學(xué)模型，減少需要進(jìn)行計算的場景數(shù)，從而降低了問題的求解難度。

基于不確定信息準(zhǔn)確建模方法：基于不確定性信息準(zhǔn)確建模方法是指通過引入隨機理論、盲數(shù)理論、模糊理論和灰色理論等進(jìn)行建模求解。隨機理論是指利用隨機變量來表示電網(wǎng)規(guī)劃中的不確定性因素，利用統(tǒng)計參數(shù)來表示不確定性的特征，利用概率的方法來描述未來可能產(chǎn)生的場景，并通過隨機潮流分析得到電力系統(tǒng)的潮流指標(biāo)，為系統(tǒng)規(guī)劃提供數(shù)據(jù)參考。利用隨機理論進(jìn)行規(guī)劃提供的信息更全面，更加符合實際場景，所以隨機理論在電網(wǎng)規(guī)劃的研究中得到了廣泛的應(yīng)用。文獻(xiàn)[4]提出了一個機會約束公式，以解決負(fù)荷和風(fēng)力發(fā)電機在輸電網(wǎng)絡(luò)擴(kuò)展規(guī)劃中的不確定性， 所提出的公式計算更多有效地處理傳輸網(wǎng)絡(luò)擴(kuò)展規(guī)劃中的不確定性。盲數(shù)理論可以描述和處理具有隨機性、模糊性和灰色性等的多種不確定性信息，并且可以利用盲數(shù)潮流計算分析電力系統(tǒng)運行狀態(tài)，求得在不同運行要求下的規(guī)劃方案，并最終按照一定的標(biāo)準(zhǔn)求取最優(yōu)的規(guī)劃方案。文獻(xiàn)[5]為了表示電網(wǎng)規(guī)劃當(dāng)中數(shù)量眾多的不確定信息而采取盲數(shù)理論的解決方案。模糊理論主要用于分析和處理數(shù)據(jù)缺失或者主觀因素較重的不缺性因素，最后得到一個最大的綜合滿意度的規(guī)劃方案。文獻(xiàn)[6]考慮了負(fù)荷的模糊性，將基于可信性理論的模糊潮流算法引入輸電網(wǎng)規(guī)劃中，建立相應(yīng)的模型與算法，進(jìn)行輸電網(wǎng)短期規(guī)劃分析?；疑碚摾没疑M技術(shù)將一些不確定性因素轉(zhuǎn)化為確定的信息進(jìn)行灰色建模。所使用的灰色關(guān)聯(lián)分析法常用來進(jìn)行電網(wǎng)規(guī)劃方案的綜合決策，其主要思想是根據(jù)實際問題的實際場景找到最優(yōu)方案的效果評價向量，最后依據(jù)各方案與理想方案的關(guān)聯(lián)程度來得出最優(yōu)解。

2.模型優(yōu)化求解方法

模型優(yōu)化求解算法主要分為啟發(fā)式方法、數(shù)學(xué)優(yōu)化算法與人工智能方法三類。

2.1 啟發(fā)式方法

啟發(fā)式算法是依賴于輸電規(guī)劃人員的工作經(jīng)驗而設(shè)計出實用性較強的方法，具有計算簡便和易于實現(xiàn)的優(yōu)點。文獻(xiàn)[7]為了解決輸電網(wǎng)擴(kuò)展規(guī)劃問題而采取將內(nèi)點法與構(gòu)造式算法結(jié)合起來，進(jìn)而尋求到最優(yōu)解的一種方法。

2.2 數(shù)學(xué)優(yōu)化算法

實現(xiàn)解的最優(yōu)性是數(shù)學(xué)優(yōu)化算法的主要優(yōu)點，但在實際應(yīng)用當(dāng)中，大的計算量一直制約著該算法的發(fā)展。現(xiàn)今該算法主要分為線性規(guī)劃法、非線性規(guī)劃法與混合整數(shù)規(guī)劃法三種。

2.2.1 線性規(guī)劃法

計算簡便是線性規(guī)劃法的主要優(yōu)點，但由于非線性是電網(wǎng)規(guī)劃的數(shù)學(xué)本質(zhì)，所以在實際求解過程中會出現(xiàn)誤差。文獻(xiàn)[8]提出了使用線性規(guī)劃進(jìn)行網(wǎng)絡(luò)分析，以確定哪里存在容量短缺，最重要的是，在哪里添加新電路以緩解短缺。

2.2.2 非線性規(guī)劃方法

文獻(xiàn)[8]通過修改目標(biāo)函數(shù)和操作約束以包括電暈功率損耗項，提出了傳輸擴(kuò)展計劃問題的修改公式，構(gòu)造出一個高度非線性目標(biāo)函數(shù)，使輸電網(wǎng)絡(luò)的投資成本達(dá)到最優(yōu)。文獻(xiàn)[9]提出了一種構(gòu)造性啟發(fā)式算法（CHA）用以解決長期傳輸網(wǎng)絡(luò)擴(kuò)展規(guī)劃的混合整數(shù)非線性編程問題。

2.2.3 混合整數(shù)規(guī)劃法

對同時含有離散和連續(xù)變量的規(guī)劃問題，混合整數(shù)規(guī)劃法可在理論上找到全局最優(yōu)解，但計算時間過長，且針對較大規(guī)模系統(tǒng)還要進(jìn)一步分解才能解決。文獻(xiàn)[10]提出了一種替代的混合整數(shù)線性析取公式，并結(jié)合啟發(fā)式模型，使其具有更好的調(diào)節(jié)特性。

2.3 人工智能方法

人工智能方法中的遺傳算法在解決電源規(guī)劃問題上得到了廣泛的應(yīng)用，且在解決復(fù)雜問題時，具有一定的優(yōu)勢。例如當(dāng)采取群體搜索策略時，由于可以對多個解進(jìn)行同時評估，所以其全局尋優(yōu)功能較好。

2.3.1 進(jìn)化優(yōu)化算法

進(jìn)化優(yōu)化算法當(dāng)中的遺傳算法，由于其具有較好的隨機優(yōu)化技術(shù)，所以在解決輸電網(wǎng)與電網(wǎng)擴(kuò)展規(guī)劃問題上，顯示出一定的優(yōu)越性。

2.3.2 模擬退火算法

在解決大規(guī)模組合優(yōu)化問題時，通常采用模擬退火算法。由于該算法采用Metropolis準(zhǔn)則，并用冷卻進(jìn)度表的參數(shù)去控制算法的進(jìn)程，所以可得出最優(yōu)解。文獻(xiàn)[11]在輸電網(wǎng)規(guī)劃問題中將其應(yīng)用，結(jié)果顯示出算法較好魯棒性與靈活性，但在算法的效率與性能方面，依賴于冷卻進(jìn)度表與退火方案的選取，且伴隨較大計算量。但當(dāng)其與遺傳算法或其他算法綜合使用時，可以解決上述問題。

2.3.3 禁忌搜索算法

作為全局性鄰域搜索算法的一種，禁忌搜索算法通過局部鄰域搜索機制和釋放被禁忌的優(yōu)良狀態(tài)，以達(dá)到全局最優(yōu)的效果。文獻(xiàn)[12]的結(jié)果表明，該算法對初始解的依賴性較強，且是串行的迭代過程。

2.3.4 群智能優(yōu)化算法

將無智能或簡單智能的個體通過群體協(xié)作而表現(xiàn)出智能優(yōu)化的行為，稱為群智能優(yōu)化算法[13-14]。該算法具有良好的靈活性、魯棒性與并行性，但缺乏基礎(chǔ)理論研究。其代表性算法有粒子群算法(PSO)和猴群算法。由于粒子群算法收斂速度快，所以將其廣泛應(yīng)用在輸電網(wǎng)的規(guī)劃研究當(dāng)中，但僅適用于小規(guī)模系統(tǒng)。而在直流潮流模型的輸電網(wǎng)規(guī)劃問題的求解上，采用猴群算法具有較大的優(yōu)勢。

2.3.5 混合智能算法

由于混合智能算法可以發(fā)揮各種算法的獨有優(yōu)勢，同時，彌補各自的不足，所以廣泛應(yīng)用在輸電網(wǎng)的規(guī)劃研究當(dāng)中[15]。

3.結(jié)語

在研究考慮風(fēng)電接入的電網(wǎng)規(guī)劃優(yōu)化問題時，本文依據(jù)是否考慮到環(huán)境的不確定性因素，將其分為確定性和不確定性電網(wǎng)規(guī)劃方法，并對不確性電網(wǎng)規(guī)劃進(jìn)行了分析。

關(guān)于考慮風(fēng)電接入的輸電網(wǎng)規(guī)劃優(yōu)化問題研究工作在逐步深入開展過程中，并且已經(jīng)取得了一定成果。本文經(jīng)過對當(dāng)前研究進(jìn)行歸納分析，對未來研究的方向有以下兩點展望：風(fēng)電消納的主要方式不是就地消納，而是發(fā)出的電能基本外送。在開發(fā)過程中，傳統(tǒng)的方案是規(guī)劃與后期調(diào)度運維分開考慮。如果合理地將電網(wǎng)規(guī)劃和后期調(diào)度運維成進(jìn)行綜合考慮，從而降低全生命周期成本。因此，如何將電網(wǎng)及運維調(diào)度一體化成為具有實際研究價值的課題。算法的深度與廣度搜索特性是影響算法性能的關(guān)鍵因素，因此，如何平衡二者之間的關(guān)系也是值得研究的課題。