基于风险的多目标方法:提升低压配电网中光伏发电限电措施的公平性
《Electricity》:Risk-Based Multi-Objective Approach for Improving Fairness of PV Curtailment in Low-Voltage Distribution Networks
【字体:
大
中
小
】
时间:2025年12月25日
来源:Electricity 1.8
编辑推荐:
提出一种基于风险的多目标方法,通过区间相对距离测度(RDM)建模光伏发电、负荷和 Slack 电压的不确定性,结合 Pareto 模拟退火算法(PSA)生成多目标优化方案集,并利用区间 TOPSIS 方法考虑决策者风险偏好,最终确定兼顾成本与公平的最优限幅计划,适用于高渗透率光伏的平衡与非平衡低压配电网。
本文提出了一种基于风险的多目标方法,用于解决高光伏渗透率低压电网中光伏发电公平性优化问题。该研究针对现有方法在不确定性建模、多目标权衡和风险偏好集成方面的不足,通过引入区间相对距离测度(RDM)和Pareto模拟退火算法,构建了完整的公平性优化框架。以下从问题背景、方法创新、实验验证和实际意义四个方面进行解读:
### 一、研究背景与问题分析
随着分布式光伏的快速部署,低压电网中光伏发电占比显著提升,导致传统优化方法面临以下挑战:
1. **不确定性建模缺失**:现有研究多假设输入参数(如负载、光伏出力、 Slack电压)为确定值,但实际中这些参数存在显著波动和关联性。例如,商业负载与光伏出力可能呈现负相关,若忽视这种关联会导致调度策略失效。
2. **单目标优化局限**:公平性改进需平衡多目标(如成本最小化、电压约束满足率、公平性损失),但多数方法仅以单一目标(如成本)为优化对象,导致方案片面。
3. **风险偏好未量化**:决策者对风险的承受能力(如保守型或激进型)直接影响方案选择,但传统方法缺乏对风险偏好的显式建模。
### 二、方法创新与核心思路
研究团队提出的三阶段解决方案具有显著创新性:
1. **不确定性建模技术**:
- 采用RDM区间算术替代传统区间方法,通过引入关联系数(如r=0.5表示正相关)约束区间参数组合,避免过度保守的解决方案。例如,当某节点光伏出力偏高时,自动调整其关联负载的区间范围,确保参数间的统计相关性。
- 区间参数设定基于实测数据与专家经验,如光伏出力区间取预测值的55%-115%,电压区间根据历史极值确定。
2. **多目标优化框架**:
- 定义三个核心目标:光伏弃风成本(C_c)、电压越限成本(C_v)、公平性损失(U_f)。通过Pareto模拟退火算法生成非支配解集,该算法通过动态调整邻域搜索概率,有效平衡解集多样性。
- 引入动态权重机制:根据决策者风险偏好(通过Hurwicz系数δ调整),在TOPSIS评价中动态分配权重。例如,δ=0.2时更关注成本最小化,δ=0.8时侧重公平性提升。
3. **风险量化与决策支持**:
- 开发区间TOPSIS方法,将每个方案的成本、电压惩罚、公平性损失表示为区间值(如[0.85,1.15]),通过区间运算保持不确定性特征。
- Hurwicz准则将风险偏好参数δ(0≤δ≤1)引入评估函数,当δ=0.5时采用经典TOPSIS,δ越接近1则越偏向保守方案,δ越接近0则更倾向冒险方案。
### 三、实验验证与结果分析
基于25节点低压网络(含20个用户负荷点及光伏单元)的测试案例,通过对比6种典型方案得出以下结论:
1. **Pareto解集质量**:
- 方案P1(δ=0.2)在成本上最优(总成本降低18%),但公平性损失高达32%;方案P6(δ=0.8)在公平性指标上提升27%,但成本增加15%。中间方案P4(δ=0.5)在成本、电压、公平性三指标间取得平衡,综合得分最高。
2. **不确定性建模效果**:
- 当忽略Slack电压不确定性(如方案P8)时,成本惩罚增加12%,公平性损失提升19%。验证了Slack电压区间建模的重要性。
- 考虑相关性后的方案P4相比不考虑相关性的方案P7,在电压越限成本上降低23%,公平性损失减少18%。
3. **算法计算效率**:
- 单节点计算耗时约57.6秒(5.8GHz处理器),采用并行计算可提升16倍效率。算法在处理200节点网络时,通过分布式计算将总时长从1924秒缩短至120秒。
### 四、实际应用价值与局限性
1. **工程应用价值**:
- 为电网运营商提供动态调度工具:可根据不同时段的δ值调整优化目标权重,例如在用电高峰时段(δ=0.3)侧重成本控制,在可再生能源丰富的时段(δ=0.7)侧重公平性。
- 支持多利益相关方决策:通过可视化区间TOPSIS评估结果(如成本区间[0.85,1.15]),帮助政府、企业和用户理解不同方案的潜在影响。
2. **局限性及改进方向**:
- **模型简化假设**:未考虑分布式储能的充放电状态影响,未来可扩展多资源耦合优化模型。
- **参数敏感性**:实验显示权重分配对结果影响显著,需开发智能权重调整机制。
- **计算复杂度**:大规模网络需优化算法并行度,如引入GPU加速计算。
3. **政策启示**:
- 研究验证了《能源正义政策指南》(引用[19])中关于"公平性不应牺牲成本"的核心原则。当δ=0.5时,方案P4在成本与公平性指标间取得最佳平衡,支持政策制定者选择合规性方案。
- 提出"风险-公平性转换函数",为电网补贴机制设计提供理论依据,如对风险厌恶型决策者(δ>0.6)可提供更高补贴以激励光伏投资。
### 五、技术对比与行业影响
相较于现有方法(如[5-13]),本方案具有以下优势:
1. **不确定性处理**:
- 区别于[9]的鲁棒优化方法(通过最坏情况约束),本方案采用区间RDM,可保留±15%的弹性空间,避免过度保守。
- 相较于[13]的静态TOPSIS,本方案通过动态权重和区间运算,使评估误差降低至8%以下。
2. **多目标协同**:
- [11]采用线性化OPF模型,导致公平性指标误差达22%;本方案保留非线性功率流约束,公平性损失降低至5%以内。
3. **决策支持**:
- 提供完整的Pareto前沿(748个候选方案),相比传统方法生成非支配解数量减少60%-80%,但通过区间聚合保持多样性。
### 六、未来研究方向
1. **多时间尺度扩展**:当前模型基于单时段优化,需扩展至日前-实时混合调度框架。
2. **机器学习集成**:利用LSTM预测未来30分钟不确定性参数,动态调整优化过程。
3. **虚拟电厂协同**:将储能系统作为虚拟节点加入优化,实现削峰填谷的公平调度。
该研究为新能源电网的公平性优化提供了新的方法论,其核心价值在于将不确定性建模、多目标权衡和风险偏好决策有机结合,为后续研究建立基础框架。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号