面向高比例可再生能源的输电网规划方法的研究进展

摘要：为应对高比例可再生能源接入带来的消纳问题，提出了以多场景技术、鲁棒优化技术和协同规划技术为核心的输电网规划理论，涵盖不同适用条件或需求场景下的4种不同规划方法，即基于多场景的输电网随机规划方法、基于概率驱动的输电网鲁棒规划方法、考虑多源互补的网-源协同规划方法以及与配电网相协同的输电网规划方法，能够从输电网规划的角度在安全稳定前提下提高可再生能源消纳能力。在此基础上，对未来输电网规划方法进行了展望，提出了满足更高安全稳定需求、协同更广泛的源-网-荷-储柔性互动、推动大数据应用和挖掘电力市场机制激励空间的可能研究方向，并探讨了研究难点和解决方式。

关键词：可再生能源;输电网规划;随机规划;鲁棒规划;协同规划

0引言

高比例可再生能源并网将成为未来电力系统的基本特征[1]。然而，高比例可再生能源运行特性区别于传统电源，电源波动甚至超过了负荷波动而成为系统不确定性的主要来源。由于电源增长与负荷增长不匹配，或系统调峰能力有限、外送通道不畅，高比例可再生能源的消纳一直都是世界性难题。另外，随着可再生能源跨地区、跨流域远距离输送，中国电力系统电力电子化、交直流混联化的趋势逐步显现，对电力系统安全稳定运行带来一定隐患，也提出了更高要求。

传统的输电网规划以满足峰值负荷为目的。高比例可再生能源并网下，电力系统运行方式多样化促进输电网规划考虑多场景，电力电量平衡概率化促进输电网规划概率化，电力系统源-荷界限模糊化促使输电网规划考虑与电源协同，电网潮流双向化促使输电网规划考虑与配电网相协同。因此，有必要提出面向高比例可再生能源的输电网规划理论与方法，在计算效率效果、适用性和协同对象上对传统的输电网规划做出改进。

从国外研究现状来看，研究人员普遍关注到了如何在规划过程中处理可再生能源的不确定性问题，提高可再生能源消纳、增强安全稳定。文献[2-3]将鲁棒优化理论用于不确定性因素建模;文献[4-5]则基于多场景理论提出输电网规划模型。也有部分研究开始着眼于协同规划，文献[6-9]提出了可再生能源与输电网线路的联合扩展模型。从国内研究现状来看，研究者多从指标[10-13]和协同[14-16]2个方面入手应对可再生能源问题。文献[10]提出电力系统供需灵活性指标，建立多目标优化的双层输电网扩展规划模型;文献[11]提出电网运行效率评价指标，建立了考虑投资成本、运行成本、弃风损失与电网运行效率的输电网规划优化模型;文献[12-13]提出适应性指标，建立输电网多目标规划模型;文献[14-15]均是网-储协调规划模型;文献[16]则是风电场接入与输电网协调规划模型。

1典型研究进展和成果

文献[17]指出，到2050年中国可再生能源能够供应60%以上的一次能源消费，为中国进行能源战略的部署指明了方向。2016年开始，中国科学技术部陆续部署了一批战略性、基础性、前瞻性重点研发计划项目，在涉及可再生能源方面取得了不少进展和突破。2016年立项的“分布式可再生能源发电集群灵活并网集成关键技术及示范”项目，提出了高渗透率分布式发电集群优化规划设计方法。2016年立项的“支撑低碳冬奥的智能电网综合示范工程”项目，突破了多能互补的分布式能源与微网系统及其相关技术。2017年立项的“交直流混合的分布式可再生能源关网规划中需要考虑海量场景的多样性。基于多场景技术的输电网随机规划模型[19]目标函数为：

本文基于2016年开展的国家重点研发计划项目研究成果，针对文献[1]提出的关键科学问题“高比例可再生能源并网对电力系统形态演化的影响机理和源-荷的强不确定性约束下输配电网规划和运行问题”，以文献[18]提出的科学问题为指引，提出了以多场景技术、鲁棒优化技术和协同规划技术为核心的输电网规划理论，涵盖不同适用条件或需求场景下的4种不同规划方法。首先是基于多场景的输电网随机规划方法，为应对可再生能源不确定性带来的海量场景。文献[19]内嵌场景削减，采用少量典型场景乘子平均值逼近原有多个场景的平均值加速随机规划求解。其次是基于概率驱动的输电网鲁棒规划方法。文献[20-21]分别构建了基于风电极限场景和基于概率驱动的两阶段输电网鲁棒规划模型，前者将规划模型鲁棒性转化为可行性，保证规划方案对极限场景集内的任意风电波动均具鲁棒性，同时取得经济性最优;后者充分利用可获取的概率分布信息降低鲁棒规划方案保守性。然后是面向高比例可再生能源考虑多源互补的网-源协同规划方法，文献[22]内嵌多类型电源运行模拟，同时考虑可再生能源和负荷的长短期不确定性。最后是面向高比例可再生能源与配电网相协同的输电网规划方法，文献[23]建立了混合输配电网的分布式随机优化规划模型，采用分析目标级联法解耦输电网和配电网。上述4种规划方法均将运行与规划相结合，分别适合已知可再生能源概率分布强调经济性的规划场景、未知可再生能源概率分布强调安全性的规划场景、可再生能源集中接入源侧的规划场景和可再生能源接入不同电压等级电网的规划场景，较其他文献提高了可再生能源消纳能力，能够适应未来高比例可再生能源接入的电力系统。上述方法有助于丰富中国电力系统规划理论与方法，也将有助于促使传统的输电网规划方法向考虑多场景、概率化和协同化的方向发展。

2基于多场景的输电网随机规划方法

2.1随机规划模型

高比例可再生能源的时空分布特性导致系统运行状态多样化，且不同时刻运行状态差异较大，在电式中：cl为待建线路l的投资成本;cg为常规机组g的单位发电成本;cn为节点n的单位切负荷成本;xl为线路l投建与否的决策变量;Pg，s，t为常规机组g在时段t、场景s的出力;pr，n，s，t为节点n在时段t、场景s的切负荷;αs为场景s出现的年电量贡献率概率，这里的场景是包含多个时段以天为单位的场景;T为总时段;ΩLN为待建线路集合;ΩS为场景集合;ΩG为常规机组集合;ΩN为节点集合。

式(1)中，第1项为年化线路投资成本，第2项为发电出力运行成本，第3项为切负荷惩罚成本。上述模型的约束条件包括节点功率平衡约束、已建线路功率潮流表达式、待建线路功率潮流表达式、节点切负荷约束、已建线路功率潮流容量约束、待建线路功率潮流容量约束、常规发电机组输出功率的上下限约束、可再生能源输出功率的上下限约束、可再生能源消纳约束和决策变量的整数约束。

上述模型为大规模混合整数规划问题，随机规划模型框架如图1所示。

2.2基于海量场景内嵌场景削减的Benders算法

Benders算法将电网规划问题分解为投资规划主问题和多个场景的运行模拟子问题，通过迭代得到最优解。但是，将海量运行场景直接融入优化模型中，往往会带来巨大的计算负担，甚至导致计算资源不足难以求解。在Benders算法的迭代过程中，引入多参数规划方法研究不同场景参数(如负荷和可再生能源出力等)对最优解的影响，形成参数等值空间进行场景聚类。求解聚类场景对应的运行子问题并反馈给规划主问题，从而更好地保留海量场景提供的不确定信息，保证解的最优性[19]。内嵌场景削减的Benders算法流程图如图2所示。

单位切负荷成本;Pg，s为常规机组g在场景s的出力;pn，a，s为节点n在场景s的弃能量;pr，n，s为节点n在场景s的切负荷量;Ψ为可再生能源出力的概率集合;y(⋅)为运行约束。

式(2)中，第1项为年化线路投资成本，第2项为发电出力运行成本，第3项为可再生能源弃能成本，第4项为切负荷惩罚成本。模型从整体上属于三层优化问题，外层优化寻找最小化的投资扩展策略;中间层在外层给定的投资扩展策略下，寻找最恶劣的概率波动;内层在外层投资扩展策略和中间层概率不确定集给定的情况下，寻找最优的系统运与复杂的聚类方法相比，内嵌场景削减在一定程度上保证了对总体刻画的有效性，在迭代过程中并不舍弃任何一个场景，真正意义上保留了总体信息，保证了计算高效性，降低了内存存储规模，非常适合大规模电力系统计算。

3基于概率驱动的输电网鲁棒规划方法

3.1鲁棒规划模型

传统鲁棒规划问题是min-max-min模型，核心思想是已知不确定参数可能取值的集合，寻找一个在不确定参数所有可能取值下均可行且优化结果较好的解。为了降低保守性，充分利用可获取的概率行策略。式(2)与2.1节随机规划模型的约束条件类似，此外，鲁棒规划模型的约束条件还包括不确定集约束和可再生能源弃能约束。

3.2可并行列与约束生成求解算法

列与约束生成(columnandconstraintgeneration，CCG)算法相比Benders算法具有更低的复杂度，对变量类型不敏感，但对大规模优化问题仍然难以求解。并行CCG算法[21]将中层和内层的max-min两层优化问题分解为多个可以并行计算的小型线性优化问题，从而避免了高度非凸双线性项的出现。算法主问题决定模型第1阶段的投资决策变量，对于第k次迭代，在主问题给定的情况下，子问题尝试寻找最严重的运行状况。根据子问题是否能够取得最优解，迭代地向主问题动态添加一系列起作用的积极约束。因此，主问题由原问题的松弛约束组成。由于主问题是一个混合整数线性规划模型，可以由先进求解器有效求解。鲁棒规划模型的并行CCG算法流程图如图3所示。

分布信息，构建了包含1-范数和无穷范数的混合不确定集刻画可再生能源出力场景s的概率q，这里的s场景为小时级场景。基于概率驱动的输电网鲁棒规划模型[21]目标函数为：

4面向高比例可再生能源考虑多源互补的网-源协同规划方法

4.1网-源协同规划模型

电源与电网建设主体具有多样性的特点。近年来，电源与电网规划建设的不协调和不匹配受到广泛关注，为了优化利用资源，电源规划与电网规划需要协同考虑、协调进行。为了克服传统规划以机组作为模型优化变量带来的忽略电源地理特点和无法计及施工约束等缺点，以电厂装机和电网线路建设与否作为网-源协同规划模型的优化变量，建立网-源协同规划模型[22]的目标函数为：化可再生能源消纳能力。最后，再优化各机组时序式中：Y为规划周期;Cg，i，y为第y年电厂i的投资成本;CL，j，y为第y年线路j的投资成本;Co，y为第y年运行成本，包括发电成本和网源运行维护成本;Ca，y为第y年可再生能源弃能成本;Cr，y为第y年切负荷成本;ΩGN为新建电厂集合。

模型约束条件包括网侧约束条件与源侧约束条件。网侧约束条件与2.1节随机规划模型的约束条件类似。源侧约束条件包括投资决策约束(电厂投运年限、装机规模、建设时序、厂址互斥和可再生能源渗透率等)、运行优化约束(备用、调峰平衡、电量平衡、启停时间、台数约束和爬坡约束等)和可靠性约束(年电量不足期望值约束等)。传统规划仅考虑全年最大负荷，而本节则考虑了全年8760h的负荷状况，提高了规划的精确性，同时考虑了可再生能源的渗透率及弃电率约束，实现了可再生能源的容量替代效益的最大化。

4.2分解协调算法

网-源协同规划模型可分为2层：第1层是电源和电网规划，向第2层传递电源和网架方案;第2层是发输电运行模拟，向第1层反馈运行成本、潮流和出力方式等运行信息。采用分解协调的思路，对2层模型分别进行求解和反复迭代，其框架结构如图4所示。

针对第2层发输电运行进行模拟。第1步，不考虑电网输电能力约束，仅对系统及各分区进行8760h时序运行模拟，优化分区间交换的电力电量、各类机组开机、机组工作位置和发电出力，得到不考虑电网输电能力约束下系统各机组8760h的出力并输出计算结果。多类型电源包括火电、水电、核电、可再生能源、光热和储能。

5面向高比例可再生能源与配电网相协同的输电网规划方法

5.1输配电网分布式优化规划模型

随着可再生能源不断接入配电网，在某些时刻配电网可能体现出“源”的属性。为了应对“源”属性的配电网，建立输配电网分布式优化规划模型，通过输配电网边界传输的有功功率和节点电压将模型分解为输电子系统和配电子系统[23]。分解后的输配电子系统独立求解满足本区域投资、运行约束的线路建设和发电调度方案，仅需要向相邻系统传递边界功率和节点电压信息。

输电子系统目标函数如式(4)所示。式(4)中：第1项为年化输电网线路投资成本，第2项为输电网发电出力运行成本，第3项为切负荷惩罚成本。输电子系统既需优化输电网网架结构，又涉及对发电机出力和目标变量的优化。根据分解协调思想将其建立为双层规划模型。上层为输电网网架规划问题，下层为发电机出力和输电网向配电网提供的有功功率的优化问题。上层将输电网网架结构传递给下层，下层则在此基础上进行发电机出力和输电网侧共享变量的规划，并将计算结果传递给上层。约束条件为：化值。第2步，基于直流潮流约束对火电开机容量进行再优化。第3步，计算各类电站运行约束最大式中：cH，g为输电网中常规机组g的单位发电成本;