极端天气下沿海地区输配电网分布式协同优化调度初探

SHANDONGUNIVERSITY2025年12月SHANDONGUNIVERSITY2025年12月CONTENTS2主要学术贡献3最新研究进展33教育经历时间教育经历博士毕业，获北京市优秀毕业生、清华大学优秀博士论文、全国博士生论坛优秀论文、国际顶级会议IEEEPESGeneralMee中国电携工程坐会青年人才托举工程入选证书cectificateofppretiaIEEEPCCC优秀青年工程师奖2021年度电力科技创新奖证书-剪者，E研究助理教授ResearchAssistantCONTENTS2主要学术贡献3最新研究进展研究背景大力发展新能源，构建清洁低碳、安全充裕、经济高效、供需协同、灵活智能的新型电力系统，是保障国家能源安全、实现国家“双碳”战略的关键，也是我国实现可持续、高质量发展的内在要求。2023年国家能源局下发《新型电力系统发展蓝皮书》构建以新能源为主体的新型电力系统驱动2030年2030年新能源装机比重上升，逐渐成为电量供应主体，传统机组比重下降分布式电源和储能技术得到广泛应用需求侧响应机制逐步完善研究背景新型电力系统面临系统惯量和强度双低、大规模强随机波动性新能源并网、系统调节资源不足的问题，亟需从“源随荷动”的传统运行模式转变为“源网荷储”协同互动的新模式。传统电力系统电源：传统发电机组输电方式：传统高压交流输电用能主体：工、商、居民负荷“源随荷动”新型电力系统用能主体：负荷+储能“源网荷储”协同互动新的挑战系统惯量和强度双低随机波动性时空分布多样性研究背景研究背景面对这些新特点，传统输配电网缺少协同、各自为战的优化调控方式将难以为继：传统输配割裂的安全分析方法存在误警漏警隐患传统输配割裂的调度控制模式无法充分利用系统调节潜力，面临拥塞和电压问题3小时内分布式电源变化3小时内分布式电源变化13GW,系统能量不平衡美国加州光伏大规模入网2020发布《关于新形势下配电网高质量发展的指导意见》国家发改委与能源局2024)20182022输配电网缺乏必要协同，漏警误动，事故严重扩大南加州大停电事故，损失上亿美元缺少协同调控，引发全系统拥塞和电压问题国际能源署发布电力行业调研2011201520132025年底我国可再生能源在全国发电总装机容量中的占比约为60%,部分地区电网面临安全裕度低、调节能力不足等问题。如果不重视和解决上述问题，我国新型电力系统安全运行面临严重风险!输配电网协同安全分析和优化调控问题面临着约束和变量规模巨大、物理特性异质、随机性非线性强、计算效率要求高等研究难点。对此，常见的集中优化模式难以适用，而常规的分布式分析和优化算法通常会出现收敛非常缓慢、通信代价较高等问题，亟需提出新的高效分析和优化方法。省级输电网地区配电网低压线路负荷节点变压器光伏节点充电设备节点输电网长度配电网个数数量装机比例数万公里几千个十几万重点开展了“输配电网分布式安全分析和协同优化”研究，形成输配电网分布式安全分析、输配电网分布式协同优化和海量分布式资源协同优化三方面学术贡献。耦合加深，运行工况复杂，安全裕度下降市场信号输配电网调控资源缺少有效协同实现高维分散资源自适应主动支撑配电网输电网配电网点多面广特性复杂新型电力系统成果成果一成果二成果三模型数据融合的输配电网分布式安全分析方法物理特性嵌入的输配电网分布式协同优化方法面向电网运行需求的海量分布式资源协同优化方法协同利用输配资源增强需求创新成果一 成果一模型数据融合的输配电网分布式安全分析方法基于全局潮流方程，推导出传统输配割裂安全分析结果和真实潮流的理论差值，提出“PAC模型预估-分布式校验”的轻量化高精度分布式安全分析算法；提出了模型在线增量校正和增强状态估计方法，实现了低感知度配电网的安全感知。耦合机理分析广义主从分裂理论MM:主系统B:边界系统S:从高效分布计算配吨分布式校验配电增强感知线性模型自适应更新方法线性模型自适应更新方法增强抗差状态估计I37*I02.78*I0380×I0 成果二物理特性嵌入的输配电网分布式协同优化方法从互联异质能源系统耦合特性出发，建立物理特性嵌入的分布式主从优化理论，提出基于数据驱动的可信性增强不确定性决策方法，构建了基于鲁棒支撑域的主从无功电压协同优化模式，实现了输配电网有功和无功调节资源的高效协同互济，提升了备用决策和电压调节能力。新型优化理论输配耦合物理特性B高维优化问题minG(2ua)+Gs(Ka:23)快慢备用协同不不作风电场输配电网风电场输配电网通过消除不可信分布，提升了输配主动电压支撑支撑域计算模型e+aπ+(0g+0))≤7输配电网电压全部控制在安全范围内，网络损耗平均降低约13% 成果三■面向电网运行需求的海量分布式资源协同优化方法·提出了储能型灵活性资源充放电互补约束精确松弛优化方法和实用化判据；·设计了计及电网安全约束与分布式资源随机性的虚拟电厂聚合和有限理性决策方法；·提出了分布式资源下垂控制特性的多时间尺度协同自适应优化方法。经济安全聚合经济安全聚合市场出清市场出清边界调度中心可调度能力集群指令马尔科夫决策安全边界基于学习优化的秒级分布式指令响应算法分布式资源和响应能力增强精确互补松弛等价转化将强非凸性的储能优化问题等价转化为易解形式，求解效率提升2个数量级自适应支撑实时实时量测反馈控制量测反馈分布式能源1快速消除电压和频率越界12CONTENTS2主要学术贡献3最新研究进展研究背景 问题核心台风极端气象对大规模海上风电并网的电力系统安全运行带来挑战相较于陆上风电，海上风电更易受到台风极端气象的影响：尽管大多数台风(超过60%)并不直接登陆陆地，但其仍会对离岸建设的海上风电场造成影响。(1a)(1a)轴电网侧海上风电出力受迫于强风，海上风电被迫停机，风电功率出现瞬时滑坡，对系统的快速响应能力提出高要求当前台风预警尚无法准确获悉台风参数，致使风电功率滑坡时点难以预测，不确定性较正常气象条件下显著增强上述特点使得如何在兼顾安全性和经济性的条件下，对台风极端气象下含大规模海上风电的电力系统进行优化调度成为一项棘手的挑战。14研究背景研究背景局限于输电网层面的优化调度受制于火电机组缓慢的调节速率，不仅难以及时响应台风气象下突发的风电功率滑坡，也难以为风电功率可能出现的剧烈波动提供充足备用。输-配协同配-气协同锵配电网侧灵活性资源为输电网提供调节能力支撑配电网侧各类具备快速响应能力的灵活性资源的广泛配置，燃气机组快速调整出力时，其耗气量会在短时间内剧烈波使其能够更主动地参与到和输电网的协同调度中动，传统的独立调度模式无法保证天然气网的运行安全研究背景研究背景输-配-气综合能源系统规模庞大且各子系统存在隐私保护需求，使得集中式调度模式应用受限。输电网运营商配电网运营商天然气网运营商集中式调度模式计算负担过重为保护系统隐私两系统间不能频繁交互系统内部数据在输-配-气三层协同调度架构中，配电网运营商需同时与输电网运营商及天然气网运营商交互边界信息，致使分布式求解过程中存在嵌套迭代，亟需提高求解效率，避免过度迭代和频繁交互。研究内容研究内容1计及预测不确定性的台风场景生成及海上风电出力建模离岸台风能够对海上风电的正常运行产生显著影响，一方面可能造成海上风电的避风停机，引发输出功率的瞬时下滑，另一方面则可能对风机造成直接损坏，使其在风力减弱后仍无法重新投运。离岸台风干扰海上风电正常运行时间角度对特定某一海上风电场而言，根据其与台风中心的相对位置，可在时间尺度上将整个台风事件划分为三个阶段，即：無过境阶段空间角度对于所处位置不同的各海上风电场而言，其相对同一台风的所经历的接近、过境、远离三阶段的时间节点不同，所受影响的严重程度也不同。部分海上风电场在过境阶段地处台风临界破坏半径内，可能出现风机损坏。研究内容研究内容台风的预测参数(如路径、气压)可通过气象中心获取，然而受限于当前的预测技术，对于台风参数的预测仍存在误差，因此在建模中必须考虑到其参数的不确定性。构建台风静态风场模型R"“=exp[2.636-0.0005086△p?,+0.0394899y,+8,]JeTH,=2.0-(p,-900)160teT刻画台风参数预测不确定性K90)00]台风路径的预测误差来自于台风在各时刻预测误差。静态模型要求准确获知台风预测参数利用历史数据估计预测误差的概率分布有功出力最新研究进展：研究内容有功出力考虑台风影响的海上风电出力模型P台风接近阶段有功出力有功出力在该阶段，海上风电场的总出力达其额定功率。该阶段可直接依据输出功率-风速模型计算其出台风过境阶段风速，风机处于避风模式，有功出力为0,即：.=-I10-2)=4-)yele有功出力有功出力存在风机损坏台风远离阶段在该阶段，台风风速逐渐减弱，前一阶段未受损的风机此时可重新投运恢复发电，其有功出力可P?-(-2K2ver₄依照上述方式可构造海上风电场在台风影响全过程中的有功出研究内容研究内容20 研究内容2基于机会约束的输-配-气综合能源系统协同优化调度模型依据前述推论，台风不确定性的对海上风电场的影响可被转化为风电出力相较于其预测基线的偏差，可通过引入线性决策准则分配为应对该出力偏差而引起的输电网中的火电机组及配电网中的分布式灵活性资源的功率调整比例。率调整比例。计划发电量/边界功率风电出力偏差(待调整量)配网侧灵活性P"=,-3;Z(△P")*-{DG,GT,BSD,JeT资源出力：P=P,+β,Z(△P")*{BSC,P2G,teT输-配边界功率：PB=PTS+该配网所需承担的功率调整量：Z(△P")=a82wAP"T已知的线性分配因子火电机组出力:PP将风电出力偏差视作将风电出力偏差视作随机变量，引入机会约束对输电网及配电网进行调度建模。配电网侧随机经济调度模型存在随机变量目标函数：无法直接求解配电网侧决策向量常规约束：常规约束：机会约束：infPB₂(AP"T)sb.(P),k∈[K]21-8输电网侧决策向量输电网侧随机经济调度模型设定的风险系数目标函数:min机会约束：研究内容研究内容21考虑海上风电出力不确定性传播的配-气耦合约束转化燃气机组参与平抑海上风电出力偏差，为海上风电出力的不确定性向气网侧传播提供了渠道，将可能引发气网状态波动和安全风险，因此必须在配-气耦合约束中考虑到燃气机组的功率及取气量调整偏差。燃气机组耗气量：燃气机组的计划出力燃气机组的耗气系数(线性)展开为燃气机组的出力调整量(仍存在随机变量)可通过鲁棒转化的方式将上述燃气机组耦合约束转化为确定的线性约束：耗气量鲁棒转化后：最差情况下的燃气机组出力调整量(确定值)类似的，若配电网中存在电转气设备，则其耦合约束也可进行上述转化，转化后的约束可添加至常规气网侧调度模型中，此时气网侧调度模型中不含随机变量，可直接进行求解。研究内容研究内容22基于研究内容1中台风预测误差概率模型采样生成台风偏差场景集s,进而可计算各场景下海上风电出力的偏差值，记作{△P"T},seS,,利用样本平均近似可将目标函数中含随机变量的部分转化为确定值：类似的转化同样适用于模型中的机会约束，然而转化后的形式存在大量0-1变量，显著影响计算效率：机会约束一般形式：决策向量仿射形式直接松弛0-1变量会过分扩大可行域，引入紧化约束对可行域进行收紧：转化后的最优解紧化约束原始最优解紧化约束原始可行域(离散)直接松弛后不准确的可行域紧化后的可行域松弛0-1变量并引入紧化约束后的转化形式转化后可行域(线性)紧化约束√松弛为连续变量研究内容研究内容研究内容3基于多参数规划理论的高效分布式协同算法求解框架配网层级边界变量输电网运营商输电网运营商品配电网运营商输电网侧调度模型可表示为配网层级边研究内容研究内容24基于多参数规划理论计算局部目标函数及临界域根据多参数规划理论，在给定的临界域(限制了边界变量xBo的取值)内，子问题内部变量x的最优解可表示为边界变量xBDI的函数：构造子问题拉格朗日函数=cx+2T(Gd₁x+GDix(-8G)对偶乘子求解子向题构造KKT条件起作用约束系数矩阵当前参数卞子问题最优解计算临界域临界域(凸包)x6=x6(xm)x数是仿射的理论上，可一次性确定边界变量子问题最优解子问题最优解推出的所有临界域，此时x可表示为xBo的分段函数：求解：扩展的配网层级主问题上传min,B(x%,x'BD)+JBo(x)m气网运营商可将及临界域集合{)}发送至配电网运营商处，此时，配电网侧可通过求解扩展的配电层级主问题来获取配电层级协同优化最优解，而无需进行迭代计算。研究内容研究内容基于最优解方向估计的临界域搜索方法当边界变量维度较高时(如本研究所构建的多时段优化模型),一次性确定所有的临界域在计算上变得困难，故可采用迭代搜索的方式寻找全局最优解及其所属的临界域和局部目标函数。临界域搜索过程示意临界域搜索过程示意e05e不收敛输出全局最优解为边界变量添加步进向量获取当前边界变量求解扩展主问题上传临界域及局部目标函数发送求解子问题为加速搜索过程，可采用先粗搜((沿最优解估计方向搜索),再细搜(相邻临界域逐一搜索)的搜索策略。25取搜25取搜索方向为临界域边界负梯度方向，设置步进向量为：迭代求解主-子问题若干次，记录迭代中产生的局部目标函数值及边界变量取值：利用二次函数对全局目标函数进行拟合：jdo(x)=xHB×D+boxB+cD取搜索方向为全局最优解估计方向，设置步进向量为：△x=(x-xbK)在迭代过程中更新Jo和D。重新设置搜索方向为当前局部最优解所处临界域边界负梯度方向进行搜索，直至获得全局最优解。第二阶段搜索第一阶段搜索目标函数增大阶段搜索子问题无解第二26算例设置算例设置√协同调度的必要性验证注意到采用协同调度模式的Mode2相较于独立调度模式的Mode1具有更充沛的爬坡裕度，使其在预测的台风场景下不会出现不平衡功率，而Mode1则因为火电机组爬坡能力不足而被迫切负荷。27√考虑台风参数预测不确定性时各调度模式表现对比调度模式机会约束违反率预测场景下总成本(106%)预测场景下总成本(10⁶$)所有场景下平均总成本(10⁶S)Mode14.25264.46734.4282Mode246.5%4.03344.39484.3507Mode37.5%3.8831Mode3相较于Mode2在考虑到台风预测不确定性下的表现更为优异，其在样本外测试中出现的不平衡功率显著少于Mode2,且机会约束的违反概率也显著低于Mode2,保持在设定的风险阈值内(<10%)。Mode3的经济性表现也明显优于其他两种调度模式。√基于紧化约束-样本平均近似的模型重构方法有效性验证●以下计算结果通过集中式求解获得：算例规模算例规模重构方法总成本求解时间(s)计算误差T118D10SAAM-SAAMode3SAA3.9594201.46M-SAA3.8827场景数目对不同模型重构方法求解时间及计算误差的影响场景数目对不同模型重构方法求解时间及计算误差的影响基于紧化约束-样本平均近似的模型重构方法能够以较小的精度损失(<2%)换取极显著的计算效率提升，且这种提升在场景数目增多时变得愈发显著。√基于紧化约束-样本平均近似的模型重构方法有效性验证求解算法配网层级迭代次数/输网层级迭代次数/总求解时间(s)30时段基于多参数规划的分布式求解算法(采用临界域加速搜索方法)20/5/233.523/5/353.7基于多参数规划的分