高比例新能源接入的主動配電網(wǎng)規(guī)劃綜述

劉洪波，劉珅誠，蓋雪揚，劉永發(fā)，閻禹同

（東北電力大學電氣工程學院，吉林省 吉林市 132012）

0 引言

配電網(wǎng)是電力系統(tǒng)的重要組成部分，科學合理地規(guī)劃配電網(wǎng)，可提高電力系統(tǒng)的可靠性與經(jīng)濟性，提升電網(wǎng)的供電質量，減少運營商的投資運維成本。傳統(tǒng)配電網(wǎng)的電力潮流從上端變電站單一流向負荷節(jié)點，只需采用必要的容量裕度即可應對可能的場景，相當于被動配電網(wǎng)。分布式電源、分布式供電系統(tǒng)的出現(xiàn)，尤其是風、光等高滲透率新能源發(fā)電接入系統(tǒng)對潮流約束、可靠性約束的沖擊，給系統(tǒng)帶來了不可控性、隨機性和波動性問題[1]。為解決在配電側兼容這類間歇式可再生能源、提升綠色能源利用率、改變一次能源結構等問題，具有靈活可控特性的主動配電網(wǎng)(active distribution network，ADN)應運而生[2-3]。

主動配電網(wǎng)借助現(xiàn)代電力電子、自動化以及信息通信等技術，通過源-網(wǎng)-荷綜合主動管理措施進行協(xié)調優(yōu)化，是具有靈活拓撲結構的公共配電網(wǎng)[4]。主動配電網(wǎng)能夠有效應對大量分布式電源的并網(wǎng)并進行集成管理，減少棄風棄光，發(fā)揮多類型分布式電源并網(wǎng)的積極作用，以提升系統(tǒng)經(jīng)濟性和可靠性[5]。

與傳統(tǒng)配電網(wǎng)相比，主動配電網(wǎng)的主動性體現(xiàn)在以下方面[6]：1）能夠通過先進的信息通信技術(information and communication technology，ICT)及自動化技術，實現(xiàn)系統(tǒng)特定運行目標的最優(yōu)；2）具備動態(tài)的技術標準以實現(xiàn)定制供電；3）具備靈活的網(wǎng)絡結構以有效應對雙向的潮流特性；4）采用分散式管理，可進行精確的模擬計算。

本文綜合主動配電網(wǎng)規(guī)劃領域的研究成果，介紹主動配電網(wǎng)的基本結構及組成元素特點，對主動配電網(wǎng)規(guī)劃模型進行歸類，分析關鍵性問題，總結相關求解算法，并對未來發(fā)展趨勢進行展望。

1 主動配電網(wǎng)基本結構及組成元素

主動配電網(wǎng)除了從上級電網(wǎng)得到電能外，還可以由風電、光伏等分布式新能源供電。主動配電網(wǎng)還存在以燃氣輪機、內燃機等傳統(tǒng)分布式電源為主的冷熱電聯(lián)供系統(tǒng)，以及多類型儲能系統(tǒng)(如機械儲能、化學儲能等)，同時，還包含電動汽車(electric vehicle，EV)、微網(wǎng)等可交互系統(tǒng)。主動配電網(wǎng)中可以通過需求響應策略對負荷用電行為進行有效引導。這樣，具有多種分布式電源、多功能交互系統(tǒng)以及需求響應的用戶構成了主動配電網(wǎng)基本結構[7]，如圖1所示。所含有的規(guī)劃元素包括電源類型、分布及容量，儲能類型、位置及容量等。根據(jù)地區(qū)的負荷特點、用電需求，可選擇不同的規(guī)劃元素進行合理規(guī)劃。

圖1 主動配電網(wǎng)基本結構Fig.1 Active distribution network

傳統(tǒng)可控的分布式電源(如燃氣輪機、燃料電池)與分布式可再生能源形成互補發(fā)電系統(tǒng)，在一定程度上平衡風、光出力的波動性[8]。因此，如何合理規(guī)劃可控性分布式電源與不可控性分布式電源的容量、出力匹配，是分布式電源合理接入主動配電網(wǎng)需要解決的問題之一。

微網(wǎng)在分布式電源合理接入主動配電網(wǎng)方面具備優(yōu)勢。微網(wǎng)是由分布式電源、儲能裝置、能量轉換裝置、相關負荷和監(jiān)控、保護裝置匯集而成的小型發(fā)配電系統(tǒng)。微網(wǎng)常態(tài)方式下與主動配電網(wǎng)并聯(lián)運行，緊急情況下可以通過合理配置解列點孤立運行[9]。微網(wǎng)雖然不涉及用戶互動管理，但是可以將分散的分布式電源、分布式儲能系統(tǒng)、柔性負荷等多種分布式設備合理結合起來，并且不需要分布式就地控制器，只需采用常規(guī)量測裝置就能實現(xiàn)對整個電網(wǎng)的控制。因此，以微網(wǎng)群形式接入主動配電網(wǎng)能夠提高系統(tǒng)的可靠性和供電質量，這是未來配電系統(tǒng)的發(fā)展趨勢[10]。

儲能設備能很好地解決高滲透分布式電源并網(wǎng)所帶來的能源消納問題[11-12]。儲能設備可以通過對主動配電網(wǎng)充放電來實現(xiàn)平衡發(fā)電與負荷需求，從而起到調節(jié)電壓、降低網(wǎng)損、削峰填谷的作用，還可以解決因保用電可靠性而帶來的發(fā)電成本提高問題。儲能系統(tǒng)具有多種形式，其中蓄電池因具有高效性與經(jīng)濟性而成為規(guī)劃方案中儲能設備的首選[13]。高功率、高能量密度的蓄電池(如鈉硫電池)可通過公共交通運輸系統(tǒng)在一定范圍內實現(xiàn)動態(tài)的儲能增減配置，具備良好的移動潛力和巨大的發(fā)展空間[14]。氫儲綜合系統(tǒng)作為化學儲能的重要形式，近年來也受到廣泛關注。文獻[15]研究了電制氫(power-to-hydrogen，P2H)技術在提高主動配電網(wǎng)的靈活性、促進新能源消納等方面的應用。

電動汽車作為一種新型清潔用電設備，有可能成為移動儲能設備，具備解決能源消納問題的潛力，因此充電樁安裝位置、接入容量等電動汽車相關設備、配置優(yōu)化開始被納入主動配電網(wǎng)規(guī)劃方案中[16]。然而，電動汽車充放電基礎設施與風光互補系統(tǒng)的容量配比還需進一步研究。

需求側響應與用戶用電行為相伴而生，用戶可通過響應價格信號或者激勵機制改變用電行為，有效促進新能源的消納[17]。用戶的互動管理是主動配電網(wǎng)區(qū)別于傳統(tǒng)配電網(wǎng)的顯著特征，主動配電網(wǎng)可以通過改變用戶的用電方式、負荷柔性控制等實現(xiàn)需求側管理。目前，大多數(shù)規(guī)劃方案選擇特定激勵模式的需求側響應特性，但價格型需求響應在能源消納方面更具優(yōu)勢。文獻[18]根據(jù)電動汽車的需求側響應特性，使電動汽車可以有序充放電，同時考慮分布式電源相關性，對分布式電源和充電樁的投資-運行進行協(xié)同配置，可實現(xiàn)對系統(tǒng)負荷峰谷差的調節(jié)。

主動配電網(wǎng)考慮多種主動管理方式[19]，在提升系統(tǒng)穩(wěn)定方面具備明顯優(yōu)勢，能夠有效應對分布式電源的接入。主動配電網(wǎng)可通過管理電壓電流、分布式電源的出力等參數(shù)實現(xiàn)主動潮流管理，通過調節(jié)變壓器分接頭、接入無功補償設備等實現(xiàn)主動電壓調整，通過網(wǎng)絡重構合理地改變潮流分布。文獻[20]考慮有載調壓變壓器、分組投切電容器等多種主動管理手段，構建主動配電網(wǎng)分層魯棒規(guī)劃模型，對主動配電網(wǎng)進行升級改造。

2 主動配電網(wǎng)規(guī)劃模型

2.1 數(shù)學模型

傳統(tǒng)配電網(wǎng)規(guī)劃模型包括最大化變電站所帶負荷的變電站模型，最小化線路投資、運行費用的網(wǎng)架規(guī)劃模型，以及變電站網(wǎng)架聯(lián)合規(guī)劃模型[21]。主動配電網(wǎng)規(guī)劃模型與傳統(tǒng)配電網(wǎng)規(guī)劃模型相似，但主動配電網(wǎng)在規(guī)劃階段不僅要考慮各種不確定性工況，還要考慮多種電源的源-網(wǎng)協(xié)調優(yōu)化問題[22]。

主動配電網(wǎng)規(guī)劃模型一般為多目標、非線性的混合整數(shù)優(yōu)化問題。由于不同目標之間可能存在互斥關系，因此主動配電網(wǎng)規(guī)劃一般采用多層規(guī)劃模型來解決優(yōu)化問題。在多層規(guī)劃模型中，最上層作為規(guī)劃層面對自身最優(yōu)目標進行尋優(yōu)且反饋給下一層，下一層同時考慮上一層的結果進行自身目標的尋優(yōu)后，將包含自身最優(yōu)的結果反饋給上一層進行相應調整，通過這種層層遞進、反復循環(huán)的過程，形成主目標最優(yōu)、次目標相對最優(yōu)的方案。其模型公式表示如下：

x2由下面式子得到：

式中：xi(i=1, 2, …,n)為規(guī)劃模型的控制變量；fi為規(guī)劃方案的優(yōu)化目標；gi(?)與hi(?)分別為規(guī)劃模型的不等式約束與等式約束。

式(1)一般作為規(guī)劃模型的規(guī)劃層，是規(guī)劃方案主要的優(yōu)化目標；式(2)—(n)一般作為運行層，包含一些次要優(yōu)化目標，同時幫助主要優(yōu)化目標達到最優(yōu)解。

2.2 控制變量

選擇控制變量也就是選擇進行規(guī)劃的對象。主動配電網(wǎng)模型的控制變量一般可分為規(guī)劃層面、運行層面2種。運行層面控制變量一般為電壓質量、網(wǎng)絡損耗、電源出力等規(guī)劃方案中需要突顯的指標。規(guī)劃層面控制變量大體可分為2類：一類是電源規(guī)劃，如分布式電源、充電站等選址定容；另一類是在電源規(guī)劃的基礎上，考慮多種因素且以電網(wǎng)建設為主的綜合規(guī)劃[23]。

1）電源規(guī)劃

電源規(guī)劃直接影響規(guī)劃區(qū)域配電網(wǎng)的結構及系統(tǒng)運行的經(jīng)濟性、可靠性，合理的電源規(guī)劃能夠保證配電網(wǎng)未來的擴容，并為系統(tǒng)的安全穩(wěn)定運行提供合適的裕度。例如，文獻[24]將能源互聯(lián)配電網(wǎng)的能源耦合設備和分布式電源的選址定容作為決策變量，所構建模型為電源規(guī)劃的經(jīng)濟性和可靠性提供了參考。

2）綜合規(guī)劃

計及多種設備和技術融入的綜合規(guī)劃，考慮了電源選址定容、網(wǎng)架建設、主動管理等技術協(xié)調作用。例如，文獻[25]通過建立主動配電網(wǎng)3層模型，將規(guī)劃環(huán)節(jié)中的網(wǎng)架建設、分布式電源的選址定容以及不同時段的運行管理相結合。文獻[26]采用雙層規(guī)劃模型，建立以線路升級改造、分布式電源和儲能系統(tǒng)的選址定容為決策變量的上層模型，以各時序場景下分布式電源出力及其功率因數(shù)、分組電容投切、變壓器分接頭檔位、負荷削減系數(shù)、儲能系統(tǒng)充放電功率、智能軟開關(soft open point，SOP)各端口有功/無功輸出為決策變量的下層模型，從而形成了含SOP主動配電網(wǎng)源-網(wǎng)-荷-儲協(xié)調的綜合規(guī)劃。

2.3 優(yōu)化目標

主動配電網(wǎng)的優(yōu)化目標可以分為經(jīng)濟類目標、技術類目標和環(huán)保類目標[10,27]。

各種設備的投資運維成本、分布式電源運營商收益、配電網(wǎng)運行商收益、網(wǎng)損成本、儲能套利、用戶利益、用戶滿意度、棄風棄光成本、主網(wǎng)購電成本等是經(jīng)濟類目標優(yōu)化的重點，也是規(guī)劃層面通?？紤]的優(yōu)化目標[12,24,28]。

技術類目標與規(guī)劃方案重點關注的領域有關，包括分布式電源接入位置、電源出力及其滲透率，主動配電網(wǎng)電壓質量、電壓偏差，設備的安全性、可靠性指標等。例如，文獻[29]對儲能電池總體效率、允許放電深度、使用壽命等技術類目標進行規(guī)劃。

環(huán)保類目標(如可再生能源消納水平、環(huán)境污染指數(shù)、碳排放、可再生能源補貼等)近年來逐漸被納入規(guī)劃目標中，此類規(guī)劃目標可轉換為經(jīng)濟類指標出現(xiàn)在規(guī)劃層面或運行層面。

同時，計及經(jīng)濟、技術、環(huán)保等多目標規(guī)劃是近年來研究的熱點問題之一[30-31]。例如，文獻[30]以分布式電源滲透率、風光消納水平、經(jīng)濟效益以及電壓偏差指標作為優(yōu)化目標，建立了多目標規(guī)劃模型。

2.4 約束條件

由于配電網(wǎng)中規(guī)劃元素的增加以及主動管理的引入，需同時考慮多方面的約束條件，以保證主動配電網(wǎng)有效運行。約束條件分為等式約束與不等式約束，無論是傳統(tǒng)配電網(wǎng)還是主動配電網(wǎng)，考慮潮流約束及節(jié)點電壓、支路電流不越限約束等網(wǎng)絡安全約束是系統(tǒng)正常運行的基礎。

當分布式電源接入主動配電網(wǎng)時，需要考慮接入分布式電源的節(jié)點功率平衡、安裝數(shù)量等約束；當儲能接入主動配電網(wǎng)時，需要對儲能裝置的功率、容量等進行約束；當電動汽車接入主動配電網(wǎng)時，需要對電動汽車的充電效率、充電站容量等進行約束；考慮不同需求響應時，還有調節(jié)系數(shù)、可中斷負荷、激勵負荷量等約束。文獻[32]將風光儲與充電站進行協(xié)同規(guī)劃，考慮對電動汽車的充電需求約束，針對主動管理的方式對變壓器分接頭檔位、次數(shù)進行約束，并將場景的機會約束融入潮流計算中，以提高計算效率。

3 主動配電網(wǎng)模型求解算法及多目標處理

3.1 求解算法

傳統(tǒng)配電網(wǎng)規(guī)劃常采用啟發(fā)式算法，這種算法發(fā)展比較成熟完備，但由于其基于直觀和經(jīng)驗進行構造，缺少隨機元素，給定輸入，得到對應的固定輸出，因此得到的可行解與最優(yōu)解的偏離程度一般不可預計。文獻[33]為解決主動配電網(wǎng)發(fā)生故障時一部分會轉化為計劃孤島(即孤島分割)問題，提出采用前瞻性貪婪算法這種啟發(fā)式算法求解1-nkp模型。

目前，應用于主動配電網(wǎng)規(guī)劃模型的求解算法主要分為以下2類[34]：一類是數(shù)學優(yōu)化算法，這類算法適用于小規(guī)模系統(tǒng)，求解精度高，能得到理論上的最優(yōu)解，但是若系統(tǒng)規(guī)模增大，求解難度也隨之提高；另一類則是發(fā)展迅速的元啟發(fā)式算法，這類算法適用于大規(guī)模系統(tǒng)，計算效率高，通用強，但是容易陷入局部最優(yōu)解，計算速度會隨系統(tǒng)的增加變得緩慢，并且算法仍依賴經(jīng)驗來選擇參數(shù)。因此，對元啟發(fā)式算法的改進問題還需進行研究。

3.1.1 數(shù)學優(yōu)化算法

對于一些線性問題，可直接采用分支定界算法、Benders分解、內點法等數(shù)學優(yōu)化算法，或借助CPLEX、GUROBI、Mosek求解器進行求解。文獻[13]所構建模型的決策變量只有2個，約束條件較多，與元啟發(fā)式算法相比，采用數(shù)學優(yōu)化算法進行求解更好，因此最終采用動態(tài)規(guī)劃算法解決液流電池的配置問題。

目前，數(shù)學優(yōu)化算法大多采用松弛變換先將非線性問題轉化為線性問題，再借助求解器進行求解。文獻[11]在目標松弛變換的基礎上又采用ε-松弛法，用多面體來近似二階錐，以提高求解的速度。文獻[18-20,35-40]均采用二階錐松弛變換將非線性問題轉化為線性問題，目前研究已證明這種線性化過程并不影響優(yōu)化精度。文獻[35-36]中由于模型采用智能算法時求解效率低下，因此采用二階錐松弛變換將模型轉化為線性度更好的二階錐模型，并結合Benders分解進行求解。

3.1.2 元啟發(fā)式算法

對于越來越復雜、規(guī)模越來越大的主動配電網(wǎng)模型，元啟發(fā)式算法尤其是人工魚群算法、粒子群算法、遺傳算法等在求解速度、搜索效率方面表現(xiàn)良好，并且不需要對繁雜的約束條件、目標函數(shù)進行處理，已廣泛應用于主動配電網(wǎng)規(guī)劃模型的求解中。但元啟發(fā)式算法自身存在收斂速度慢、編譯復雜、易陷入局部最優(yōu)、依賴參數(shù)等缺點，需要進行改進。目前，對元啟發(fā)式算法的改進大致分為以下3個方向。

1）對初始種群進行改進

對目標種群進行優(yōu)化可以避免偽隨機數(shù)列的影響，同時減少落后種群不必要的迭代，顯著提高求解速度。文獻[25]考慮線路數(shù)量的不同和可能發(fā)生的變化，采用特殊編碼方式將線路映射到0~1的連續(xù)區(qū)間，生成特殊種群，實現(xiàn)快速求解。文獻[30]采用Logistic映射生成混沌初始化序列，對種群的位置與速度進行優(yōu)化，有效地提升了收斂速度和全局尋優(yōu)的效果。文獻[31]采用帳篷混沌映射生成初始種群，針對目標問題對根樹優(yōu)化算法進行改進，提出離散型根樹優(yōu)化算法。

2）對自身參數(shù)進行改進

元啟發(fā)式算法中的部分參數(shù)對搜尋、收斂能力等影響巨大，針對這些參數(shù)進行改進，可以提高尋優(yōu)能力、擺脫局部解、提升收斂速度。文獻[41]針對粒子群算法更新公式中慣性權重因子影響全局搜索能力的問題，對慣性權重因子進行改進，將其從1線性降低到0，并在算法中加入交叉與變異，通過多次計算得到最佳解集。文獻[35]針對遺傳算法編碼方式復雜、求解效率低等問題，提出了基于正態(tài)分布思想并結合進化策略中離散重組操作的正態(tài)分布交叉(normal distribution crossover，NDX)算子，以代替原有的模擬二進制交叉(simulated binary crossover，SBX)算子對交叉過程進行模擬，提升解的搜索能力，減輕局部最優(yōu)問題。文獻[42]采用混合整數(shù)編碼算子求解初始個體，采用混合整數(shù)變異算子求解變異個體，以提高求解效率。

3）融合其他算法

融合其他智能算法可以使當前算法擁有所融合算法的顯著優(yōu)點，但同時也要考慮對2種算法融合后的局限性進行改進。文獻[5]為減少計算時長，采用差分算法的變異交叉策略替代標準和聲搜索算法的音量調整和初始隨機選取新解的過程，結合并行計算技術提出了并行差分和聲搜索算法。文獻[43]采用應用于快速非支配遺傳算法的快速非支配法，根據(jù)各非支配解的擁擠-距離賦值，選擇每次迭代中的最優(yōu)解，得到Pareto最優(yōu)前沿的一組多樣性解集。

3.2 多目標處理

主動配電網(wǎng)規(guī)劃模型常通過對多目標進行規(guī)劃得到最優(yōu)解，求解模型前要對多目標進行處理，處理方式大致分為2種。一種通常出現(xiàn)在采用數(shù)學優(yōu)化算法求解的多目標模型中，這類方案常采用權重系數(shù)法[11-12,18,31,44]，在多個目標函數(shù)前加上權重，從而轉化為單個目標函數(shù)。但權重系數(shù)的選擇通常依靠經(jīng)驗，權重大小的確定較為主觀。

另一種則是基于Pareto多目標的智能優(yōu)化算法[17,28,30,43]。與權重系數(shù)法不同，這種方法是對多目標賦予同樣的權重，得到一組處于最優(yōu)前沿的解集。解集盡可能展現(xiàn)不同目標的多種可能性，規(guī)劃方案可以通過對某個指標的側重來選擇其中一組解，但這種方法求解時間長、計算量大。文獻[43]基于Pareto的多目標改進粒子群算法，得到10種可供決策者選擇的最優(yōu)備選方案集合。

4 主動配電網(wǎng)關鍵問題的處理

在主動配電網(wǎng)規(guī)劃設計過程中，普遍出現(xiàn)的問題是由于規(guī)劃元素(如分布式電源的出力、電價、負荷需求響應等)存在隨機性，給主動配電網(wǎng)實際運行管理帶來了不確定性。此外，追求切合實際的方案不僅要考慮傳統(tǒng)的投資運營方，還要逐漸向用戶、當?shù)毓芾碚?、第三方投資者等多個主體傾斜。

4.1 主動配電網(wǎng)不確定性特征處理

在規(guī)劃方案選擇規(guī)劃元素階段，分析所選元素的變化特性和規(guī)律，對具有不確定性的元件進行模擬建模，模擬越精細，越能體現(xiàn)配電網(wǎng)運行的實際工況[45]。

模擬建模的方法有2種：一種為體現(xiàn)時序特性的場景分析法，多用于在時間序列上能夠呈現(xiàn)一定規(guī)律的規(guī)劃元素建模；另一種為以概率模型為首的數(shù)學理論分析方法，常結合大量歷史數(shù)據(jù)，用于在統(tǒng)計層面呈現(xiàn)一定規(guī)律的規(guī)劃元素建模。

4.1.1 場景分析法

場景分析法包含場景的生成與削減2部分[46]。場景的生成可以用真實的數(shù)據(jù)或者概率統(tǒng)計數(shù)據(jù)按照時間序列生成所需場景，對生成的多場景進行分析，可使規(guī)劃結果更加精確、符合實際。在場景削減中，場景數(shù)量的確定存在計算工作量與計算精度間的矛盾。過多的場景可以充分體現(xiàn)數(shù)據(jù)所含有的特征，體現(xiàn)多樣性的同時也造成了計算負擔、計算效率低下等問題；過少的場景雖然提升了計算速度，但計算精度下降，使場景多樣性、代表性缺失。場景分析法大致分為以下2類：

1）選取四季典型日場景[8,20,32,47-49]進行分析。但這類方法選擇場景過于簡略，將其應用于各季日氣候差異不明顯的地區(qū)，或者是通過計算場景出現(xiàn)概率來選取場景進行分析的方案，存在一定的局限性。將負荷按特性分類，并計及風電、光伏出力特點以及二者之間的互補特性，選擇四季典型日場景，可具有更好的參考性[8]。

2）基于實際數(shù)據(jù)或預測數(shù)據(jù)建立多場景后，通過聚類算法對場景進行削減[5,17,25,30-31,43,50-51]。這類方法通常因為多種變量物理意義不同，先采用均一化的方法進行處理，再根據(jù)場景數(shù)量對單維變量進行聚類，最后對場景進行組合。如何確定方案所需場景數(shù)量(即聚類中心數(shù)量)、如何組合單維場景模擬實際場景，是這類方法研究的主要問題。文獻[30]采用改進模糊C均值聚類算法對風-光-荷樣本進行聚類，在聚類過程中通過計算樣本與聚類中心的歐式距離，并利用以此建立的隸屬度函數(shù)進行分類，重復步驟，以達到場景分類的效果。

在場景數(shù)量選擇方面，文獻[43]采用k均值聚類算法將負荷和可再生能源的365種場景聚類為典型場景，引入戴維斯柏丁指數(shù)來確定合適的聚類數(shù)量。文獻[51]除引入戴維斯柏丁指數(shù)外，還引入后向場景削減法、聯(lián)合概率分布，根據(jù)最優(yōu)聚類狀態(tài)自行設定初始的聚類中心，刪減調整聚類中心步驟，并聯(lián)合時序場景進行聚類，在保證削減后場景擬合精度的同時極大地減少了運算量。

在場景組合方面，通常采用遍歷法對場景進行組合，這種方法精度高但計算復雜。針對單維場景的組合，目前考慮分布式電源出力之間的相關性，可為不同場景的組合分析提供參考。如風速較大的天氣常伴隨著陰天出現(xiàn)，睛空萬里的天氣風速一般較低?？紤]分布式電源出力的相關性，可以使場景組合從首尾順序組合到有針對性地組合，能夠更貼近所模擬實際地區(qū)。文獻[18,36-37]從變量的角度考慮了相關性。文獻[36]首先利用Spearman秩相關系數(shù)對不確定性變量之間的概率相關性進行表征，然后通過Cholesky分解進行獨立變換，將原始變量轉化為相互獨立的隨機變量，從而可以研究不同不確定性變量之間的相關性對規(guī)劃決策的影響。

4.1.2 概率模型方法

目前，常采用數(shù)學上的概率模型對風速、光照等不確定性量進行模擬，可通過已有概率密度或者通過數(shù)學方法模擬出概率密度來描述不確定性，如風速、光照強度分別與Weibull分布、Beta分布相符，通常采用這2種概率模型來模擬風光變化[52-53]。另外，可在概率模型的基礎上結合采樣法(如蒙特卡洛、拉丁超立方、重要采樣法等)生成模擬風光出力的場景，但采用概率模型在描述其時間相關的特性方面表現(xiàn)較差。文獻[18,25,41,44]采用蒙特卡洛模擬對風速、光照進行采樣。文獻[26,52]則采用拉丁超立方采樣對不確定性進行處理。文獻[43]針對風光概率模型進行改進，并在用正態(tài)分布模擬的隨機負荷基礎上加入時序模型，使概率模型能夠有效地捕捉時序性，體現(xiàn)各可再生能源與負荷的相關性。

4.1.3 隨機網(wǎng)絡、模糊理論等方法

除了應用廣泛的概率模型以外，區(qū)間理論[38-39,43,48,53]、隨機網(wǎng)絡理論、模糊理論[24,29,42]等數(shù)學理論也可解決不確定性問題。文獻[40]在對光伏采用Beta模型的基礎上引入?yún)^(qū)間分布概率，進一步精確描述其不確定性。文獻[28]引入條件風險價值改進置信區(qū)間上下限的計算方法，采用條件置信區(qū)間表示光伏出力。文獻[24]考慮到風光目標函數(shù)實際上為隨機變量，采用基于Minimin形式的隨機機會約束規(guī)劃模型建立目標函數(shù)。

4.2 多利益主體、時間相關規(guī)劃問題

規(guī)劃方案與時間長短息息相關，考慮時間的規(guī)劃可以得到更加精細的規(guī)劃方案，能夠應對不同的工況。與時間相關的規(guī)劃方案通常包括以下2種：

1）以年甚至10年為單位的規(guī)劃問題和以小時為單位的運行問題之間的多時間尺度協(xié)調規(guī)劃方案。文獻[33]建立了雙層規(guī)劃模型，上層以長期規(guī)劃為目標，考慮長期的經(jīng)濟效益、系統(tǒng)可靠性以及環(huán)保性；下層以短期運行為目標，考慮不同時段的套利以及故障發(fā)生后快速恢復的能力。

2）中長期規(guī)劃通常指多階段規(guī)劃。多階段規(guī)劃分為2類：一類為每個階段分別尋優(yōu)；另一類為多階段統(tǒng)一規(guī)劃，即每個階段可能不是最優(yōu)，但可以保證總方案最優(yōu)。多階段統(tǒng)一規(guī)劃的主要難點在于，規(guī)劃階段數(shù)量、狀態(tài)變量、參數(shù)取值的選擇較難，與其他方法相比，優(yōu)勢不明顯[23]。

不同時間尺度之間的相互影響使得多階段、多時間模型求解更加復雜，因此與時間相關的規(guī)劃發(fā)展緩慢。

由于規(guī)劃方案更注重經(jīng)濟性，主要考慮投資方的收益，但是多種類型的能源、多樣的技術融入意味著主動配電網(wǎng)的規(guī)劃方案向著考慮多方主體利益的方向發(fā)展，通過多方利益博弈得到相對較優(yōu)的方案[54]。文獻[55]在規(guī)劃時考慮到電網(wǎng)公司以及第三方公司的利益，可以更好地對分布式電源和儲能裝置進行選址定容，決定哪一方對某種能源進行大力投資，實現(xiàn)利益最大化、系統(tǒng)可靠性最優(yōu)化。

5 結論

1）主動配電網(wǎng)規(guī)劃方案的難點在于對規(guī)劃元素不確定性的處理。不同元素的不確定性差異明顯，特別體現(xiàn)在與時間序列的密切相關性上，如分布式新能源的出力、居民的用電行為、電動汽車的使用習慣等。因此，基于時間維度對規(guī)劃元素進行分析建模，充分反映不同元素的實際運行情況，在一定程度上將不確定性變?yōu)橐?guī)律性，可使規(guī)劃方案變得更為合理。

2）在掌握規(guī)劃元素不確定性的基礎上，根據(jù)當?shù)仉娫?、負荷及電網(wǎng)特點，考慮各元素間的耦合關系，即不同元素之間的互補與互斥聯(lián)系。考慮這種相關性的規(guī)劃方案能使投資、運維等經(jīng)濟性指標顯著提升，也可以提高系統(tǒng)的安全可靠性。

3）在大力開發(fā)利用可再生能源的過程中以及在多種能源全面發(fā)展的形勢下，電能作為不同形態(tài)能源的紐帶，可以將不同特性的能源進行耦合，使大量多形態(tài)的分布式電源接入配電網(wǎng)中，而配電網(wǎng)運行規(guī)劃與用戶的用電可靠性、電能質量直接相關。因此，研究能容納多種能源、平衡協(xié)調出力、滿足多種負荷需求的主動配電網(wǎng)規(guī)劃是發(fā)展的必然趨勢。隨著多種類型能源的并網(wǎng)互動，配電網(wǎng)結構日益復雜，導致控制變量、優(yōu)化目標、約束條件的數(shù)量激增，加劇了計算負擔，因此，有效的建模方法和高效的求解手段是解決未來規(guī)劃方案的關鍵技術條件。