电网优化

充分挖掘多元需求侧资源的灵活性，对于提升分布式新能源广泛接入背景下的新型配电网运行可靠性和经济性具有重要意义。然而，目前关于需求响应策略的解析化方法大多基于较为理想的用户行为观测和参数假设，纯数据驱动方法难以兼顾电网侧运行的复杂约束，策略的可用性存疑。为此，文章提出基于数据驱动知识显式嵌入的需求响应策略，首先，考虑到需求侧资源灵活性的强时段耦合特性，提出需求侧资源动态模型，定量分析需求侧灵活性资源的响应特性；其次，提出数据驱动知识的显式解析方法，将需求侧灵活性描述为混合整数线性模型并嵌入至配电网优化运行模型中，实现灵活实用的新型配电网供需交互与协调运行。最后，通过仿真算例验证所提方法兼具解析模型和数据驱动方法的优势，为不完全信息观测条件下源网荷协调运行提供较为实用化的解决方案。

​4月30日，2022年国家电网有限公司三大重点改造工程之一——三峡近区电网优化工程投产。工程投运后，华中电网安全稳定水平进一步提升，解决了三峡近区短路电流水平偏高、电磁环网潮流穿越、电力疏散能力不足等问题，使丰水期恩施地区电力外送能力最大提升80万千瓦，湖北西电东送通道输送能力最大提升95万千瓦，鄂西丰富的清洁能源消纳力度进一步加大，可有力支撑区域“双碳”目标的落实。

为了解决大规模电动汽车入网难以实现个体调度以及集群调度存在“维数灾”的问题，建立基于车辆到电网(vehicle-to-grid，V2G)模式的有源配电网分层分区优化运行模型。其中，上层优化模型对电动汽车集控中心(electric vehicle agent,EVA)进行调度，优化各区域EVA的充放电功率并作为下层优化模型的输入；下层优化模型调整各调压方式。在优化算法方面，提出一种自适应差分进化-生物地理学优化(self-adaptive differential evolution-biogeography-based optimization,SaDE-BBO)算法，并在改进的IEEE 33节点配电系统中进行仿真分析。结果表明：在不同充电控制策略下，V2G模式与各调压方式的协调互动在降低各区域EVA运营成本、平抑负荷波动以及保证有源配电网的安全和经济运行方面优势显著，与其他优化算法相比，SaDE-BBO算法具有更优质的解和更好的收敛性。

​智能配电网是智能电网的重要组成部分，满足信息化，智能化及互动化特征，发展智能配网，应使其具备更强的可控性，协调更丰富的资源，满足更复杂的用户需求。 智能配电网在供电安全性、电能质量和电网资产利用率方面都比传统电网有显著提升。智能配电网优化了配电和用电两个领域的专业界限，由于智能配电网的建设是建立在配电网发展到一定阶段的基础上的，因此并不是所有地区都适合建设智能配电网，当前阶段智能配电网建设应首先从一个城市的局部区域逐步开展。　　 下一步南方电网公司将继续研究并提出配电网智能化评价模型与评价方法，有序开展智能化评价工作;推进配电网通讯网建设，实现配网通信覆盖率100%;在全网范围内打通营配数据接口，实现配网采集数据一体化;探索云大物移智等新技术在配电网中的应用工作。"

随着配电网拓扑结构的复杂程度提高，针对高比例可再生能源出力预测误差会导致配电网优化调度决策的准确性下降的问题，提出考虑分级重构方法的配电网安全低碳两阶段优化方法。首先，分析了配电网两类分级开关的影响程度和两阶段运行优化框架。其次，提出了配电网日前-日内两阶段优化方法，通过协调分级开关动作、储能系统、工业负荷需求响应等手段实现配电网最优化运行。然后，考虑到光伏出力在不同时间尺度上预测误差，分别构建了以低碳性为目标的日前全局低碳经济调度模型及以安全性为目标的日内滚动安全经济调度模型。最后，算例验证了所提模型能够在光伏高比例渗透背景下，有效支撑复杂配电网安全低碳运行。

电价型需求响应离不开对用户价格响应的精准刻画，然而用户对价格的响应大多发生在与聚合商的交互中。并且出于隐私保护需求，这些交互数据往往不被公开，呈现为数据孤岛。针对现阶段用户数据隐私需求和电网调度需求相互冲突的问题，提出了基于联邦学习的用户电价响应行为刻画及其应用方法。首先，构建基于联邦学习的用户电价响应行为刻画的分布式交互框架，将原始数据信息交互转变为特征信息交互。然后，利用差分隐私-联邦近端算法实现不同聚合商电价响应模型的参数聚合，获得区域用户电价响应模型。最后，提出嵌入响应模型的配电网优化运行应用方法，利用改进的策略近端优化算法求解系统实时电价和储能出力。算例表明，所提方法在保障用户用能信息隐私下，能准确刻画区域用户电价响应行为，并改善配电网综合效益。

随着风电渗透率的不断提高，如何在提高主动配电网运行稳定性的同时减少运行成本，成为亟待解决的问题。考虑储能、燃气轮机以及变压器分接头、电容器组投切等主动管理措施，建立以降低配电网运行成本和缩小电压偏差为目标的主动配电网有功无功协调鲁棒优化调度模型。针对风电机组出力相关性，利用最小体积封闭椭球(minimum volume enclosing ellipsoid,MVEE)算法将风电出力场景转化为椭圆不确定集合约束，改善了传统区间不确定集合过于保守的缺点。利用锥对偶理论，将构建的鲁棒模型转化为上下两层混合整数二阶锥规划问题，采用列约束生成算法进行求解。在改进的IEEE 33节点配电网算例中进行仿真分析，研究了风电出力相关性对配电网优化调度的影响，验证了所提方法的经济性和鲁棒性。

针对微电网中风光出力不确定性对微电网优化调度的影响，文中提出了一种基于Wasserstein距离的条件生成对抗网络(conditional Wasserstein generative adversarial networks, C-WGAN)方法生成风光场景的微电网多时间尺度优化调度策略。首先，通过C-WGAN模拟生成指定的风光场景。然后，在日前优化调度阶段综合考虑蓄电池退化成本和联络线功率交互成本，并引入优化系数来优化联络线的交互功率。在日内优化调度阶段，以跟踪日前优化调度的结果为主要目标，从而有效减少日前可再生能源以及负荷的预测数据误差所带来的影响。算例结果表明，文中所提方法不但能够很好地减小可再生能源输出不确定性所带来的影响，也能够有效保证微电网运行的经济性，对微电网运行调度研究具有一定意义。

稳定配电网潮流分布、明确分布式电源的接入位置和容量是含分布式电源配电网优化运行的重要问题。提出一种基于深度强化学习算法的储能调控优化模型，实现分布式电源配置与用电负荷需求关系的匹配，从而稳定高渗透率下配电网的潮流分布。以线路损耗与电压波动性为损失函数，提出基于多目标遗传算法的分布式电源选址定容决策模型。在IEEE 14节点系统进行测试，结果表明该算法能够有效选择分布式电源的最佳接入位置和容量，在保证电压幅值不产生过大波动的同时，进一步降低了整体网络的线路损耗。

源荷多元不确定性给“源荷储”一体化微电网优化调度带来了诸多挑战，但传统方案存在优化模型过于片面极端和时间尺度单一导致调度不合理的问题，无法兼顾可靠性和经济性，并且难以协调不确定性分析方法与不同时间尺度之间的配合关系。文中基于数据驱动的多离散场景分布鲁棒方法，提出一种微电网两阶段分布鲁棒日前优化调度模型，使用列和约束生成算法进行求解。结合改进分布鲁棒优化的不确定方法、多时间尺度调度策略和模型预测控制理论，通过逐级细化调度时间尺度和减小预测周期的长度来提高精度，以最小化发电成本以及调节成本等为目标建立日前-日内多时间尺度滚动优化调度模型，较大程度上抵抗系统不确定性因素的影响。结合算例仿真分析，进一步说明了所提模型能够有效消纳新能源、降低运行成本同时兼顾安全性和经济性。