考慮大規模風電接入的電網規劃優化綜述

張 飛，亓 豪，田 程，段秋雨

（內蒙古科技大學(信息工程學院)，內蒙古 包頭 014010）

風力發電作為新能源發電技術的一種，已經得到了廣泛的應用。依據我國風資源的分布狀況，采用建設大規模風電場與集中并網的發展方式，但這種方式會造成系統不穩定和建設成本過高的弊端，因此，對含有風電的輸電網規劃優化問題的研究具有一定的技術價值。

1.風電接入的輸電網規劃方法

電網依據不同的影響因素可劃分為不同的規劃方法。根據是否考慮到環境的不確定性因素，可分為確定性電網規劃方法和不確定性電網規劃方法；根據優化目標數目的多少，可分為單目標電網規劃方法和多目標優化方法；根據時段的不同，可分為單時段規劃方法和多時段規劃方法。本文主要對是否考慮環境的不確定性因素進行研究分析[1]。

確定性電網規劃是通過建立確定條件、約束及數學模型而得到確定電網規劃方案的一種方法。不確定性電網規劃是通過考慮如風電功率和負荷而得到最優規劃方案的一種方法。由于考慮到風電功率等不確定性因素對于規劃的重要性，所以不確定性電網規劃方法成為了當下研究熱點。根據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化為一系列近似值，然后將這些近似值分別構建成一個個場景，最后通過計算與比較得出最好的綜合優化方案[2]。這種方法大大降低了電網規劃問題的建模和求解難度，但當不確定性的因素過多或變化過于復雜時，問題求解困難。文獻[3]提出了一種基于極端場景集的輸電網綜合擴展規劃的數學模型，減少需要進行計算的場景數，從而降低了問題的求解難度。

基于不確定信息準確建模方法：基于不確定性信息準確建模方法是指通過引入隨機理論、盲數理論、模糊理論和灰色理論等進行建模求解。隨機理論是指利用隨機變量來表示電網規劃中的不確定性因素，利用統計參數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生的場景，并通過隨機潮流分析得到電力系統的潮流指標，為系統規劃提供數據參考。利用隨機理論進行規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規劃的研究中得到了廣泛的應用。文獻[4]提出了一個機會約束公式，以解決負荷和風力發電機在輸電網絡擴展規劃中的不確定性， 所提出的公式計算更多有效地處理傳輸網絡擴展規劃中的不確定性。盲數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，并且可以利用盲數潮流計算分析電力系統運行狀態，求得在不同運行要求下的規劃方案，并最終按照一定的標準求取最優的規劃方案。文獻[5]為了表示電網規劃當中數量眾多的不確定信息而采取盲數理論的解決方案。模糊理論主要用于分析和處理數據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劃方案。文獻[6]考慮了負荷的模糊性，將基于可信性理論的模糊潮流算法引入輸電網規劃中，建立相應的模型與算法，進行輸電網短期規劃分析。灰色理論利用灰色模擬技術將一些不確定性因素轉化為確定的信息進行灰色建模。所使用的灰色關聯分析法常用來進行電網規劃方案的綜合決策，其主要思想是根據實際問題的實際場景找到最優方案的效果評價向量，最后依據各方案與理想方案的關聯程度來得出最優解。

2.模型優化求解方法

模型優化求解算法主要分為啟發式方法、數學優化算法與人工智能方法三類。

2.1 啟發式方法

啟發式算法是依賴于輸電規劃人員的工作經驗而設計出實用性較強的方法，具有計算簡便和易于實現的優點。文獻[7]為了解決輸電網擴展規劃問題而采取將內點法與構造式算法結合起來，進而尋求到最優解的一種方法。

2.2 數學優化算法

實現解的最優性是數學優化算法的主要優點，但在實際應用當中，大的計算量一直制約著該算法的發展。現今該算法主要分為線性規劃法、非線性規劃法與混合整數規劃法三種。

2.2.1 線性規劃法

計算簡便是線性規劃法的主要優點，但由于非線性是電網規劃的數學本質，所以在實際求解過程中會出現誤差。文獻[8]提出了使用線性規劃進行網絡分析，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 非線性規劃方法

文獻[8]通過修改目標函數和操作約束以包括電暈功率損耗項，提出了傳輸擴展計劃問題的修改公式，構造出一個高度非線性目標函數，使輸電網絡的投資成本達到最優。文獻[9]提出了一種構造性啟發式算法（CHA）用以解決長期傳輸網絡擴展規劃的混合整數非線性編程問題。

2.2.3 混合整數規劃法

對同時含有離散和連續變量的規劃問題，混合整數規劃法可在理論上找到全局最優解，但計算時間過長，且針對較大規模系統還要進一步分解才能解決。文獻[10]提出了一種替代的混合整數線性析取公式，并結合啟發式模型，使其具有更好的調節特性。

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劃問題上得到了廣泛的應用，且在解決復雜問題時，具有一定的優勢。例如當采取群體搜索策略時，由于可以對多個解進行同時評估，所以其全局尋優功能較好。

2.3.1 進化優化算法

進化優化算法當中的遺傳算法，由于其具有較好的隨機優化技術，所以在解決輸電網與電網擴展規劃問題上，顯示出一定的優越性。

2.3.2 模擬退火算法

在解決大規模組合優化問題時，通常采用模擬退火算法。由于該算法采用Metropolis準則，并用冷卻進度表的參數去控制算法的進程，所以可得出最優解。文獻[11]在輸電網規劃問題中將其應用，結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，依賴于冷卻進度表與退火方案的選取，且伴隨較大計算量。但當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良狀態，以達到全局最優的效果。文獻[12]的結果表明，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 群智能優化算法

將無智能或簡單智能的個體通過群體協作而表現出智能優化的行為，稱為群智能優化算法[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，所以將其廣泛應用在輸電網的規劃研究當中，但僅適用于小規模系統。而在直流潮流模型的輸電網規劃問題的求解上，采用猴群算法具有較大的優勢。

2.3.5 混合智能算法

由于混合智能算法可以發揮各種算法的獨有優勢，同時，彌補各自的不足，所以廣泛應用在輸電網的規劃研究當中[15]。

3.結語

在研究考慮風電接入的電網規劃優化問題時，本文依據是否考慮到環境的不確定性因素，將其分為確定性和不確定性電網規劃方法，并對不確性電網規劃進行了分析。

關于考慮風電接入的輸電網規劃優化問題研究工作在逐步深入開展過程中，并且已經取得了一定成果。本文經過對當前研究進行歸納分析，對未來研究的方向有以下兩點展望：風電消納的主要方式不是就地消納，而是發出的電能基本外送。在開發過程中，傳統的方案是規劃與后期調度運維分開考慮。如果合理地將電網規劃和后期調度運維成進行綜合考慮，從而降低全生命周期成本。因此，如何將電網及運維調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鍵因素，因此，如何平衡二者之間的關系也是值得研究的課題。