配电网自治单元规划研究综述与展望

doi:10.11930/j.issn.1004-9649.202304096

中国电力 ›› 2023, Vol. 56 ›› Issue (12): 9-19.DOI: 10.11930/j.issn.1004-9649.202304096

• 分布式智能电网的规划、运行和电力交易 • 上一篇下一篇

配电网自治单元规划研究综述与展望

陈璨¹^,³(), 王晶²(), 于宗民², 马原¹^,³, 王乙², 范梁晨曦², 丁然⁴, 李红权²

1. 国网冀北电力有限公司电力科学研究院，北京　100045
2. 清华四川能源互联网研究院，四川成都　610042
3. 风光储并网运行与实证技术实验室，北京　100045
4. 国网冀北电力有限公司，北京　100045

收稿日期:2023-04-26 录用日期:2023-07-25 发布日期:2023-12-23 出版日期:2023-12-28
作者简介:陈璨（1988—），女，通信作者，博士，高级工程师，从事大规模新能源及分布式电源仿真建模及调控运行研究，E-mail： wscc0621@163.com
王晶（1989—），女，硕士，高级工程师，从事新能源规划、调度与运行控制技术研究，E-mail： wangjingepri@163.com
基金资助:
国家电网有限公司科技项目（高比例分布式光伏接入县域电网协同优化控制技术研究， 52018K220015）。

Review and Outlook of Autonomous Unit Planning of Distribution Network

Can CHEN¹^,³(), Jing WANG²(), Zongmin YU², Yuan MA¹^,³, Yi WANG², Liangchenxi FAN², Ran DING⁴, Hongquan LI²

1. State Grid Jibei Electric Power Co., Ltd. Electric Power Research Institute, Beijing 100045, China
2. Sichuan Energy Internet Research Institute, Tsinghua University, Chengdu 610042, China
3. Laboratory of Grid-Connected Operation and Demonstration Technology of Wind, Solar Storage, Beijing 100045, China
4. State Grid Jibei Electric Power Co., Ltd., Beijing 100045, China

Received:2023-04-26 Accepted:2023-07-25 Online:2023-12-23 Published:2023-12-28
Supported by:
This work is supported by Science and Technology Project of SGCC (Research on Synergistic Optimization and Control Technology for High Proportion of Distributed Photovoltaic Integration into County-level Power Grids, No.52018K220015).

摘要/Abstract

摘要：

配网侧分布式资源的规模化发展加大了配网安全可靠供电保障难度。合理规划自治单元能以最小经济成本提升自治单元灵活性、供电安全可靠性以及消纳能力。然而现有的规划方法大多只考虑供电可靠性和经济性约束，未考虑资源相关性、调控模式以及电力市场因素，造成规划结果冗余及资源浪费。从自治单元的物理范围、容量规划影响因素、建模方法及求解算法4个方面进行综述分析，明晰自治单元的物理含义，分析源荷随机不确定性及相关性、调控模式、电力市场政策等因素对自治单元容量规划的影响，讨论考虑多因素的自治单元建模方法，比较不同规划求解算法的适用条件。最后，总结当前自治单元容量规划的不足，并提出相应建议及展望。

关键词: 自治单元规划, 不确定性模型, 调控模式, 电力市场, 求解算法

Abstract:

The development of distributed power generation, new energy storage, and adjustable load on the distribution network side increased the difficulty of ensuring secure and reliable power supply. Rational planning of autonomous units can enhance flexibility, power supply security, and ability to integrate energy at the minimum economic cost. However, existing planning methods mostly consider constraints of power supply reliability and economic efficiency, without considering resource relevance, control modes, and electricity market factors, resulting in redundant planning results and resource waste. This paper reviewed and analyzed the physical scope of autonomous units, influencing factors of capacity planning, modeling methods and solving algorithms, clarifies the physical meaning of autonomous units, analyzes the influence of source-load random uncertainty and correlation, regulation mode, electricity market policy and other factors on autonomous unit capacity planning, discusses the autonomous unit modeling method considering multiple factors, and compares the applicable conditions of different solving algorithms. Finally, the shortcomings of the current autonomous unit capacity planning were summarized, and corresponding suggestions and prospects were proposed.

Key words: autonomous unit planning, uncertainty models, regulation mode, electricity market, solving algorithms

陈璨, 王晶, 于宗民, 马原, 王乙, 范梁晨曦, 丁然, 李红权. 配电网自治单元规划研究综述与展望[J]. 中国电力, 2023, 56(12): 9-19.

Can CHEN, Jing WANG, Zongmin YU, Yuan MA, Yi WANG, Liangchenxi FAN, Ran DING, Hongquan LI. Review and Outlook of Autonomous Unit Planning of Distribution Network[J]. Electric Power, 2023, 56(12): 9-19.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.202304096

https://www.electricpower.com.cn/CN/Y2023/V56/I12/9

图/表 8

参考文献 70

1	国家能源局发布2022年可再生能源发展情况并介绍完善可再生能源绿色电力证书制度有关工作进展等情况[EB/OL]. (2023-02-14)[2023-04-20].http://www.gov.cn/xinwen/2023-02/14/content_5741481.htm.
2	苏南, 董梓童. 新型电力系统规划设计面临诸多新挑战: 访国网经济技术研究院总工程师李晖[N]. 中国能源报, 2022-10-17(9).
3	丁宇洁, 余万荣, 华龙, 等. 基于自治单元的配电网可靠性分析及优化配置[J]. 电力大数据, 2019, 22 (5): 68- 73.
	DING Yujie, YU Wanrong, HUA Long, et al. Reliability analysis and optimization configuration of distribution network based on autonomous control unit[J]. Power Systems and Big Data, 2019, 22 (5): 68- 73.
4	孙景博, 王阳, 杨晓帆, 等. 中国风光资源气候风险时空变化特征分析[J]. 中国电力, 2023, 56 (5): 1- 10.
	SUN Jingbo, WANG Yang, YANG Xiaofan, et al. Analysis of spatial and temporal variation character of climate risks of wind and solar resources in China[J]. Electric Power, 2023, 56 (5): 1- 10.
5	BEERTEN J, BELMANS R. MatACDC - an open source software tool for steady-state analysis and operation of HVDC grids[C]//11th IET International Conference on AC and DC Power Transmission. Birmingham, UK. Institution of Engineering and Technology, 2015.
6	WANG W Y, BARNES M. Power flow algorithms for multi-terminal VSC-HVDC with droop control[J]. IEEE Transactions on Power Systems, 2014, 29 (4): 1721- 1730. DOI
7	赵毅, 吴志, 钱仲豪, 等. 计及源—荷时空相关性的主动配电网分布式优化调度[J]. 电力系统自动化, 2019, 43 (19): 68- 76.
	ZHAO Yi, WU Zhi, QIAN Zhonghao, et al. Distributed optimal dispatch of active distribution network considering source-load temporal and spatial correlations[J]. Automation of Electric Power Systems, 2019, 43 (19): 68- 76.
8	张倩, 丁津津, 张道农, 等. 基于集群划分的高渗透率分布式系统无功优化[J]. 电力系统自动化, 2019, 43 (3): 130- 137.
	ZHANG Qian, DING Jinjin, ZHANG Daonong, et al. Reactive power optimization of high-penetration distributed generation system based on clusters partition[J]. Automation of Electric Power Systems, 2019, 43 (3): 130- 137.
9	王皓, 艾芊, 吴俊宏, 等. 基于交替方向乘子法的微电网群双层分布式调度方法[J]. 电网技术, 2018, 42 (6): 1718- 1727.
	WANG Hao, AI Qian, WU Junhong, et al. Bi-level distributed optimization for microgrid clusters based on alternating direction method of multipliers[J]. Power System Technology, 2018, 42 (6): 1718- 1727.
10	李元丽. 智能配电云边协同安全关键技术已在路上[N]. 人民政协报, 2023-04-04(5).
11	LUO P, LIANG J F, FAN H, et al. Real-time distributed dispatch strategy for distribution transformer supply zone cluster based on cloud-edge collaboration architecture[J]. Frontiers in Energy Research, 2022, 10, 1019349. DOI
12	ZHU X, YANG J, ZHAN X P, et al. Cloud-edge collaborative distributed optimal dispatching strategy for an electric-gas integrated energy system considering carbon emission reductions[J]. International Journal of Electrical Power & Energy Systems, 2022, 143, 108458.
13	孙玲玲, 贾清泉, 张弓, 等. 考虑运营交易的微电网优化配置方法[J]. 中国电机工程学报, 2020, 40 (7): 2221- 2233, 2401.
	SUN Lingling, JIA Qingquan, ZHANG Gong, et al. Optimal configuration method of micro-grid considering operating and exchanging[J]. Proceedings of the CSEE, 2020, 40 (7): 2221- 2233, 2401.
14	LIU Y X, GUO L, HOU R S, et al. A hybrid stochastic/robust-based multi-period investment planning model for island microgrid[J]. International Journal of Electrical Power & Energy Systems, 2021, 130, 106998.
15	KHODAEI A, BAHRAMIRAD S, SHAHIDEHPOUR M. Microgrid planning under uncertainty[J]. IEEE Transactions on Power Systems, 2015, 30 (5): 2417- 2425. DOI
16	SHABAN BOLOUKAT M H, AKBARI FOROUD A. Stochastic-based resource expansion planning for a grid-connected microgrid using interval linear programming[J]. Energy, 2016, 113, 776- 787. DOI
17	张长久, 贾清泉, 赵铁军, 等. 考虑需求响应的增量配电网分布式电源优化配置[J]. 电力系统及其自动化学报, 2020, 32 (8): 7- 16.
	ZHANG Changjiu, JIA Qingquan, ZHAO Tiejun, et al. Optimal configuration of distributed generations in incremental distribution network considering demand-side response[J]. Proceedings of the CSU-EPSA, 2020, 32 (8): 7- 16.
18	GAO Y J, HU X B, YANG W H, et al. Multi-objective bilevel coordinated planning of distributed generation and distribution network frame based on multiscenario technique considering timing characteristics[J]. IEEE Transactions on Sustainable Energy, 2017, 8 (4): 1415- 1429. DOI
19	HUANG C, ZHANG H C, SONG Y H, et al. Demand response for industrial micro-grid considering photovoltaic power uncertainty and battery operational cost[J]. IEEE Transactions on Smart Grid, 2021, 12 (4): 3043- 3055. DOI
20	SALEHI BORUJENI M, AKBARI FOROUD A, DIDEBAN A. Accurate modeling of uncertainties based on their dynamics analysis in microgrid planning[J]. Solar Energy, 2017, 155, 419- 433. DOI
21	李鹏, 韩建沛, 殷云星, 等. 电转氢作为灵活性资源的微网容量多目标优化配置[J]. 电力系统自动化, 2019, 43 (17): 28- 35, 139.
	LI Peng, HAN Jianpei, YIN Yunxing, et al. Multi-objective optimal capacity configuration of microgrid with power to hydrogen as flexible resource[J]. Automation of Electric Power Systems, 2019, 43 (17): 28- 35, 139.
22	YIN M J, LI K, YU J. A data-driven approach for microgrid distributed generation planning under uncertainties[J]. Applied Energy, 2022, 309, 118429. DOI
23	赵波, 李得民, 吴在军, 等. 基于100%绿色能源供电目标的海岛微电网群容量优化配置[J]. 中国电机工程学报, 2021, 41 (3): 932- 946.
	ZHAO Bo, LI Demin, WU Zaijun, et al. Capacity optimal sizing of island microgrid clusters based on the target of 100% green energy power supply[J]. Proceedings of the CSEE, 2021, 41 (3): 932- 946.
24	赵波, 汪湘晋, 张雪松, 等. 考虑需求侧响应及不确定性的微电网双层优化配置方法[J]. 电工技术学报, 2018, 33 (14): 3284- 3295.
	ZHAO Bo, WANG Xiangjin, ZHANG Xuesong, et al. Two-layer method of microgrid optimal sizing considering demand-side response and uncertainties[J]. Transactions of China Electrotechnical Society, 2018, 33 (14): 3284- 3295.
25	孙可, 张全明, 王蕾, 等. 考虑安全裕度的微电网两阶段鲁棒规划[J]. 电网技术, 2020, 44 (12): 4617- 4626.
	SUN Ke, ZHANG Quanming, WANG Lei, et al. Two-stage robust planning for microgrid considering security margin[J]. Power System Technology, 2020, 44 (12): 4617- 4626.
26	XIE P, CAI Z X, LIU P, et al. Microgrid system energy storage capacity optimization considering multiple time scale uncertainty coupling[J]. IEEE Transactions on Smart Grid, 2019, 10 (5): 5234- 5245. DOI
27	EHSAN A, YANG Q. Scenario-based investment planning of isolated multi-energy microgrids considering electricity, heating and cooling demand[J]. Applied Energy, 2019, 235, 1277- 1288. DOI
28	LI J H, LAN F, WEI H. A scenario optimal reduction method for wind power time series[J]. IEEE Transactions on Power Systems, 2016, 31 (2): 1657- 1658. DOI
29	WEI J D, ZHANG Y, WANG J X, et al. Multi-period planning of multi-energy microgrid with multi-type uncertainties using chance constrained information gap decision method[J]. Applied Energy, 2020, 260, 114188. DOI
30	MOUTIS P, SKARVELIS-KAZAKOS S, BRUCOLI M. Decision tree aided planning and energy balancing of planned community microgrids[J]. Applied Energy, 2016, 161, 197- 205. DOI
31	GUO L, HOU R S, LIU Y X, et al. A novel typical day selection method for the robust planning of stand-alone wind-photovoltaic-diesel-battery microgrid[J]. Applied Energy, 2020, 263, 114606. DOI
32	PINTO R S, UNSIHUAY-VILA C, TABARRO F H. Coordinated operation and expansion planning for multiple microgrids and active distribution networks under uncertainties[J]. Applied Energy, 2021, 297, 117108. DOI
33	任洲洋, 颜伟, 项波, 等. 考虑光伏和负荷相关性的概率潮流计算[J]. 电工技术学报, 2015, 30 (24): 181- 187.
	REN Zhouyang, YAN Wei, XIANG Bo, et al. Probabilistic power flow analysis incorporating the correlations between PV power outputs and loads[J]. Transactions of China Electrotechnical Society, 2015, 30 (24): 181- 187.
34	李勇, 姚天宇, 乔学博, 等. 基于联合时序场景和源网荷协同的分布式光伏与储能优化配置[J]. 电工技术学报, 2022, 37 (13): 3289- 3303.
	LI Yong, YAO Tianyu, QIAO Xuebo, et al. Optimal configuration of distributed photovoltaic and energy storage system based on joint sequential scenario and source-network-load coordination[J]. Transactions of China Electrotechnical Society, 2022, 37 (13): 3289- 3303.
35	李姚旺, 苗世洪, 刘君瑶, 等. 考虑需求响应不确定性的光伏微电网储能系统优化配置[J]. 电力系统保护与控制, 2018, 46 (20): 69- 77.
	LI Yaowang, MIAO Shihong, LIU Junyao, et al. Optimal allocation of energy storage system in PV micro grid considering uncertainty of demand response[J]. Power System Protection and Control, 2018, 46 (20): 69- 77.
36	ZIA M F, ELBOUCHIKHI E, BENBOUZID M. Optimal operational planning of scalable DC microgrid with demand response, islanding, and battery degradation cost considerations[J]. Applied Energy, 2019, 237, 695- 707. DOI
37	ZHANG J, LI K J, WANG M Q, et al. A Bi-level program for the planning of an islanded microgrid including CAES[J]. IEEE Transactions on Industry Applications, 2016, 52 (4): 2768- 2777. DOI
38	李奇, 赵淑丹, 蒲雨辰, 等. 考虑电氢耦合的混合储能微电网容量配置优化[J]. 电工技术学报, 2021, 36 (3): 486- 495.
	LI Qi, ZHAO Shudan, PU Yuchen, et al. Capacity optimization of hybrid energy storage microgrid considering electricity-hydrogen coupling[J]. Transactions of China Electrotechnical Society, 2021, 36 (3): 486- 495.
39	郭玲娟, 魏斌, 韩肖清, 等. 基于集合经验模态分解的交直流混合微电网混合储能容量优化配置[J]. 高电压技术, 2020, 46 (2): 527- 537.
	GUO Lingjuan, WEI Bin, HAN Xiaoqing, et al. Capacity optimal configuration of hybrid energy storage in hybrid AC/DC micro-grid based on ensemble empirical mode decomposition[J]. High Voltage Engineering, 2020, 46 (2): 527- 537.
40	李彦哲, 郭小嘉, 董海鹰, 等. 风/光/储微电网混合储能系统容量优化配置[J]. 电力系统及其自动化学报, 2020, 32 (6): 123- 128.
	LI Yanzhe, GUO Xiaojia, DONG Haiying, et al. Optimal capacity configuration of wind/PV/storage hybrid energy storage system in microgrid[J]. Proceedings of the CSU-EPSA, 2020, 32 (6): 123- 128.
41	朱翰超, 马蕊. 考虑需求侧管理的冷热电联供微电网优化配置方法[J]. 电力系统保护与控制, 2019, 47 (2): 139- 146.
	ZHU Hanchao, MA Rui. Optimal configuration method of CCHP microgrid considering demand side management[J]. Power System Protection and Control, 2019, 47 (2): 139- 146.
42	WOUTERS C, FRAGA E S, JAMES A M. An energy integrated, multi-microgrid, MILP (mixed-integer linear programming) approach for residential distributed energy system planning - A South Australian case-study[J]. Energy, 2015, 85, 30- 44. DOI
43	KIPTOO M K, LOTFY M E, ADEWUYI O B, et al. Integrated approach for optimal techno-economic planning for high renewable energy-based isolated microgrid considering cost of energy storage and demand response strategies[J]. Energy Conversion and Management, 2020, 215, 112917. DOI
44	ZIDAN A, GABBAR H A, ELDESSOUKY A. Optimal planning of combined heat and power systems within microgrids[J]. Energy, 2015, 93, 235- 244. DOI
45	OBARA S, NAGANO K, OKADA M. Facilities introduction planning of a microgrid with CO2 heat pump heating for cold regions[J]. Energy, 2017, 135, 486- 499. DOI
46	ALUISIO B, DICORATO M, FORTE G, et al. Integration of heat production and thermal comfort models in microgrid operation planning[J]. Sustainable Energy, Grids and Networks, 2018, 16, 37- 54. DOI
47	唐静, 王琦, 周霞, 等. 考虑备用共享的互联电网备用容量分配方法[J]. 电力系统及其自动化学报, 2017, 29 (2): 32- 38.
	TANG Jing, WANG Qi, ZHOU Xia, et al. Method for reserve distribution of multi-area network considering reserve sharing[J]. Proceedings of the CSU-EPSA, 2017, 29 (2): 32- 38.
48	TANG W J, SHIH S Y, YANG H T. Day-ahead optimal reserve capacity planning based on stochastic RE and DR models[C]//2018 IEEE PES Innovative Smart Grid Technologies Conference Europe (ISGT-Europe). Sarajevo, Bosnia and Herzegovina. IEEE, 2018: 1–6.
49	LEE S Y, JIN Y G, YOON Y T. Determining the optimal reserve capacity in a microgrid with islanded operation[J]. IEEE Transactions on Power Systems, 2016, 31 (2): 1369- 1376. DOI
50	陈厚合, 王杨, 张儒峰, 等. 考虑源荷协调的风电并网系统旋转备用容量优化[J]. 电力自动化设备, 2017, 37 (8): 185- 192.
	CHEN Houhe, WANG Yang, ZHANG Rufeng, et al. Spinning reserve capacity optimization considering coordination between source and load for power system with wind power[J]. Electric Power Automation Equipment, 2017, 37 (8): 185- 192.
51	LIU Z H, LIU S L, LI Q H, et al. Optimal day-ahead scheduling of islanded microgrid considering risk-based reserve decision[J]. Journal of Modern Power Systems and Clean Energy, 2020, 9 (5): 1149- 1160.
52	肖逸, 谢俊, 刘若平, 等. 计及风电功率预测误差的备用容量计算新方法[J]. 电力系统保护与控制, 2019, 47 (9): 72- 79.
	XIAO Yi, XIE Jun, LIU Ruoping, et al. A new calculation method of reserve capacity considering wind power forecasting error[J]. Power System Protection and Control, 2019, 47 (9): 72- 79.
53	李茜, 刘天琪, 何川, 等. 含风电系统的有功和备用协调优化方法[J]. 电力自动化设备, 2016, 36 (7): 7- 14.
	LI Qian, LIU Tianqi, HE Chuan, et al. Coordinated optimization of active power and reserve capacity for power grid with wind farm[J]. Electric Power Automation Equipment, 2016, 36 (7): 7- 14.
54	MEI S W, ZHANG D, WANG Y Y, et al. Robust optimization of static reserve planning with large-scale integration of wind power: a game theoretic approach[J]. IEEE Transactions on Sustainable Energy, 2014, 5 (2): 535- 545. DOI
55	陈哲, 王橹裕, 郭创新, 等. 计及风电备用容量与需求响应的多备用资源鲁棒优化[J]. 电力系统自动化, 2020, 44 (10): 50- 58.
	CHEN Zhe, WANG Luyu, GUO Chuangxin, et al. Robust optimization of multiple reserve resources considering reserve capacity of wind power and demand response[J]. Automation of Electric Power Systems, 2020, 44 (10): 50- 58.
56	刘振国, 胡亚平, 陈炯聪, 等. 基于双层优化的微电网系统规划设计方法[J]. 电力系统保护与控制, 2015, 43 (8): 124- 133.
	LIU Zhenguo, HU Yaping, CHEN Jiongcong, et al. A planning and design method for microgrid based on two-stage optimization[J]. Power System Protection and Control, 2015, 43 (8): 124- 133.
57	杨冬锋, 姜超, 蔡国伟, 等. 考虑电热耦合的交直流微电网多目标优化配置[J]. 电力系统自动化, 2020, 44 (8): 124- 132.
	YANG Dongfeng, JIANG Chao, CAI Guowei, et al. Multi-objective optimal configuration of AC/DC microgrid considering electricity/heat coupling[J]. Automation of Electric Power Systems, 2020, 44 (8): 124- 132.
58	丁明, 史盛亮, 潘浩, 等. 含电动汽车充电负荷的交直流混合微电网规划[J]. 电力系统自动化, 2018, 42 (1): 32- 38, 81. DOI
	DING Ming, SHI Shengliang, PAN Hao, et al. Planning of AC/DC hybrid microgrid with integration of electric vehicles charging load[J]. Automation of Electric Power Systems, 2018, 42 (1): 32- 38, 81. DOI
59	HEMMATI R, SABOORI H, SIANO P. Coordinated short-term scheduling and long-term expansion planning in microgrids incorporating renewable energy resources and energy storage systems[J]. Energy, 2017, 134, 699- 708. DOI
60	YU N, KANG J S, CHANG C C, et al. Robust economic optimization and environmental policy analysis for microgrid planning: an application to Taichung Industrial Park, Taiwan[J]. Energy, 2016, 113, 671- 682. DOI
61	李咸善, 方婧, 郭诗书, 等. 基于灵敏度分析的并网型微电网容量优化配置[J]. 电力系统保护与控制, 2018, 46 (23): 8- 17.
	LI Xianshan, FANG Jing, GUO Shishu, et al. Capacity sizing optimal for grid-connected micro-grid based on sensitivity analysis[J]. Power System Protection and Control, 2018, 46 (23): 8- 17.
62	王树东, 杜巍, 林莉, 等. 基于合作博弈的需求侧响应下光储微电网优化配置[J]. 电力系统保护与控制, 2018, 46 (1): 129- 137.
	WANG Shudong, DU Wei, LIN Li, et al. Optimal allocation of photovoltaic energy storage microgrid under the demand side response based on cooperative game[J]. Power System Protection and Control, 2018, 46 (1): 129- 137.
63	NARAYAN A, PONNAMBALAM K. Risk-averse stochastic programming approach for microgrid planning under uncertainty[J]. Renewable Energy, 2017, 101, 399- 408. DOI
64	MISHRA S, BORDIN C, TOMASGARD A, et al. A multi-agent system approach for optimal microgrid expansion planning under uncertainty[J]. International Journal of Electrical Power & Energy Systems, 2019, 109, 696- 709.
65	PHAM A, JIN T D, NOVOA C, et al. A multi-site production and microgrid planning model for net-zero energy operations[J]. International Journal of Production Economics, 2019, 218, 260- 274. DOI
66	马国龙, 蔡泽祥, 刘平. 考虑电价激励需求响应下多主体微电网电源容量优化[J]. 电力自动化设备, 2019, 39 (5): 96- 102, 108.
	MA Guolong, CAI Zexiang, LIU Ping. Power capacity optimization of microgrid with multiple subjects considering price incentive demand response[J]. Electric Power Automation Equipment, 2019, 39 (5): 96- 102, 108.
67	黄弦超. 计及可控负荷的独立微网分布式电源容量优化[J]. 中国电机工程学报, 2018, 38 (7): 1962- 1970, 2211.
	HUANG Xianchao. Capacity optimization of distributed generation for stand-alone microgrid considering controllable load[J]. Proceedings of the CSEE, 2018, 38 (7): 1962- 1970, 2211.
68	陈璨, 吴文传, 张伯明, 等. 考虑光伏出力相关性的配电网概率潮流[J]. 电力系统自动化, 2015, 39 (9): 41- 47.
	CHEN Can, WU Wenchuan, ZHANG Boming, et al. Probabilistic load flow of distribution network considering correlated photovoltaic power output[J]. Automation of Electric Power Systems, 2015, 39 (9): 41- 47.
69	PRATHAPANENI D R, DETROJA K P. An integrated framework for optimal planning and operation schedule of microgrid under uncertainty[J]. Sustainable Energy, Grids and Networks, 2019, 19, 100232. DOI
70	董军, 聂麟鹏, 聂仕麟, 等. 考虑需求响应与风电不确定性的两阶段鲁棒旋转备用容量优化模型[J]. 电力建设, 2019, 40 (11): 55- 64.
	DONG Jun, NIE Linpeng, NIE Shilin, et al. Two-stage robust optimization model for spinning reserve capacity considering demand response and uncertainty of wind power[J]. Electric Power Construction, 2019, 40 (11): 55- 64.

资源类型		物理边界	资产属性		运营方
资源类型		物理边界	电源	网架	运营方
自治台区		单台配变的供电范围	用户	供电企业	供电企业
并网型微电网	并网自用型微电网	由微电网内部的电气接线网络结构、相应负荷和分布式电源所在微电网的节点位置决定	用户	用户	用户/ 第三方
并网型微电网	并网公用型微电网	由微电网内部的电气接线网络结构、相应负荷和分布式电源所在微电网的节点位置决定	第三方	供电企业/ 第三方	供电企业/ 第三方
乡镇供电网格		乡镇网格行政边界	用户	供电企业	供电企业

资源类型		物理边界	资产属性		运营方
资源类型		物理边界	电源	网架	运营方
自治台区		单台配变的供电范围	用户	供电企业	供电企业
并网型微电网	并网自用型微电网	由微电网内部的电气接线网络结构、相应负荷和分布式电源所在微电网的节点位置决定	用户	用户	用户/ 第三方
并网型微电网	并网公用型微电网	由微电网内部的电气接线网络结构、相应负荷和分布式电源所在微电网的节点位置决定	第三方	供电企业/ 第三方	供电企业/ 第三方
乡镇供电网格		乡镇网格行政边界	用户	供电企业	供电企业

不确定性种类	处理方法	建模方法	参考文献
风光发电及负荷的不确定性	鲁棒优化	采用不确定变量区间鲁棒优化	[13-15]
	鲁棒优化	区间线性规划	[16]
	基于概率模型	中值拉丁超立方抽样	[17]
		拉丁超立方抽样	[18]
		基于Copula方法的光伏发电概率模型	[19]
	场景分析法	基于数据的季节行为进行分类生成各不确定变量场景	[20]
	场景分析法	基于K-means聚类进行典型场景分析	[21]
	不确定集合	基于数据驱动压缩不确定性集	[22]
		引入0-1变量建立源荷不确定区间集合	[23]
		引入0-1变量建立风光不确定区间集合	[24]
		改进的不确定多面体集合	[25]
		采用包络模型和盒式不确定集合	[26]
		采用不确定度矩阵处理	[27]
		同时最小化风电出力原始场景和典型场景的空间距离和矩距离	[28]
	机会约束	建立基于机会约束的多时段规划模型，协调长期不确定性和短期不确定性	[29]
	决策树辅助	基于决策树辅助的自治单元规划方法	[30]
价格的不确定性	随机优化	处理能源价格波动的长期不确定性	[14]
	鲁棒优化	采用鲁棒优化方法的市场价格区间代替随机优化的概率分布函数	[15]
	信息差距决策	基于信息差距决策的多能源微网多时段规划模型	[14]
异常情况的不确定性	极端灾害场景	极端灾害场景被处理为灵活约束	[31]
异常情况的不确定性	故障事件	采用故障事件约束的方法	[32]
光伏出力相关性	点估计方法	基于Nataf变换的点估计方法	[4]
光伏和负荷相关性	标准正态随机分布	基于等概率转换原则和Cholesky分解技术，生成存在相关性的光伏功率、负荷随机样本	[33]
光伏和负荷的时序相关性	动态规划	基于动态弯曲距离构造光-荷联合时序场景	[33-34]

不确定性种类	处理方法	建模方法	参考文献
风光发电及负荷的不确定性	鲁棒优化	采用不确定变量区间鲁棒优化	[13-15]
	鲁棒优化	区间线性规划	[16]
	基于概率模型	中值拉丁超立方抽样	[17]
		拉丁超立方抽样	[18]
		基于Copula方法的光伏发电概率模型	[19]
	场景分析法	基于数据的季节行为进行分类生成各不确定变量场景	[20]
	场景分析法	基于K-means聚类进行典型场景分析	[21]
	不确定集合	基于数据驱动压缩不确定性集	[22]
		引入0-1变量建立源荷不确定区间集合	[23]
		引入0-1变量建立风光不确定区间集合	[24]
		改进的不确定多面体集合	[25]
		采用包络模型和盒式不确定集合	[26]
		采用不确定度矩阵处理	[27]
		同时最小化风电出力原始场景和典型场景的空间距离和矩距离	[28]
	机会约束	建立基于机会约束的多时段规划模型，协调长期不确定性和短期不确定性	[29]
	决策树辅助	基于决策树辅助的自治单元规划方法	[30]
价格的不确定性	随机优化	处理能源价格波动的长期不确定性	[14]
	鲁棒优化	采用鲁棒优化方法的市场价格区间代替随机优化的概率分布函数	[15]
	信息差距决策	基于信息差距决策的多能源微网多时段规划模型	[14]
异常情况的不确定性	极端灾害场景	极端灾害场景被处理为灵活约束	[31]
异常情况的不确定性	故障事件	采用故障事件约束的方法	[32]
光伏出力相关性	点估计方法	基于Nataf变换的点估计方法	[4]
光伏和负荷相关性	标准正态随机分布	基于等概率转换原则和Cholesky分解技术，生成存在相关性的光伏功率、负荷随机样本	[33]
光伏和负荷的时序相关性	动态规划	基于动态弯曲距离构造光-荷联合时序场景	[33-34]

综合措施类型	物理模型	约束条件	数学建模方法	参考文献
储能	铅酸蓄电池	放电深度和循环次数约束	清晰等价处理模糊机会优化约束	[35]
	锂离子电池	放电深度和循环次数约束	直流微电网优化配置模型	[36]
	压缩空气储能	备用约束	双层优化配置模型	[37]
	电氢耦合的混合储能	电解槽的最大输入功率与燃料电池的最大输出功率约束	NLP混合储能优化配置模型	[38]
	锂电池和超级电容器	能量偏差约束	NLP交直流混合储能优化配置模型	[39]
	氢储能和蓄电池混合	通用约束	MINLP混合储能优化配置模型	[40]
冷热电耦合	冷热电联供	通用约束	NLP冷热电联供优化配置模型	[41]
	冷热电联供	供热管网传递最大热能约束	MILP多微网优化配置模型	[42]
	电-储热系统	通用约束	MILP微电网优化配置模型	[43]
	热电联供	储存热能容量约束、储热系统的充放电速率约束	MILP微电网优化配置模型	[44]
		CO₂热循环平衡、热泵平衡	MILP微电网优化配置模型	[45]
		CHP换热器平衡	线性处理交流方程	[46]
备用需求	随机故障	事故概率	提出考虑成本收益比的备用容量分配方法	[47]
		将机会约束最优潮流作为概率约束	提出一种自治单元随机备用容量优化模型	[48]
		自治单元孤岛概率	提出考虑孤岛惩罚项的有功-频率控制的最优备用容量配置方法	[49]
	预测误差	风光电预测误差	基于多场景概率旋转备用模型	[50]
			采用拉丁超立方抽样	[51]
			提出一种发电机备用容量计算方法	[52]
			提出了考虑运行时有功调度策略的备用需求模型	[53]
			min-max两阶段博弈模型	[54]
			建立了考虑风电备用与需求侧备用的两阶段鲁棒备用容量优化模型	[55]
		负荷预测误差	建立一种考虑备用共享的备用容量分配模型	[47]

配电网自治单元规划研究综述与展望

Review and Outlook of Autonomous Unit Planning of Distribution Network

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 70

相关文章 15

编辑推荐

Metrics

自治单元运行及调控建模		描述	参考文献
运行约束	功率交换约束	自治单元与配电网的交互功率的大小需要根据线路传输能力进行约束	[13, 19, 24-26, 36, 41, 56-60]
	自平衡率约束	反映自治单元独自运行的能力	[58, 61]
	RES渗透率约束	保证可再生能源最低发电量	[61-63]
	RES利用率约束	保证尽可能使用可再生能源	[24, 57]
	自治单元倒送功率约束	为了合理把控自治单元向配电网倒送功率的风险	[35]
	能量偏差约束	保证加入储能后的平抑效果	[39]
调控模式	分散式控制	基于本地信息，快速响应分布式电源频繁波动	[63-64]
	分布式控制	共享交互边界信息，兼顾控制快速性与全局协调能力	[65-67]
	云边协同控制	边端聚合灵活控制能力、云端协调分解控制指令，减轻集中控制负担	[33, 68-69]

多阶段协同问题类型	数学建模	参考文献
规划和运行协同	MINLP两阶段随机优化模型	[59, 63]
规划和运行协同	基于多代理的MILP两阶段机会约束随机MILP模型	[64]
调度和规划协调	机会约束转化为确定性对等问题	[65]

需求响应类型	物理模型	数学建模	参考文献
价格型需求响应	电价约束	清晰等价处理模糊机会优化约束	[35]
	需求响应供电方和用电方约束	基于机会约束的双层增量配电网优化配置模型	[17]
	消费者负荷功率约束	两阶段优化模型(离散NLP+MINLP)	[66]
	电价上下界约束	清晰等价处理模糊机会优化约束	[35]
	电价上下界约束	MILP优化配置模型	[43]
激励型需求响应	负荷需求容量约束	MILP优化配置模型	[43]
激励型需求响应	可控负荷约束和可转移时间约束	直流微电网优化配置模型	[36]
可控负荷需求响应	负荷转移约束	MILP双层优化配置模型	[24]
	负荷中断功率约束和平移负荷上限约束	NLP冷热电供微电网优化配置模型	[41]
	可中断负荷的中断容量约束、中断持续时间约束和调度间隔时间约束，可平移负荷的连续供电约束和调度次数约束	线性化可控负荷调动成本的绝对值问题和约束的最小值问题	[67]
	可中断负荷的中断容量、中断次数和连续中断事件约束	SOCP松弛微电网潮流方程	[13, 33, 68]
	电动汽车最大充电功率约束	单层模型变为MILP双层优化模型	[69]

求解算法	优点	缺点	适用场景
解析类算法	普遍具有更高的计算效率	求解速度依赖于实际自治单元规模的大小，可能陷入局部最优解	小规模场景
智能类算法	能够求解黑箱模型	搜索性能和收敛速度的好坏主要取决于其控制参数的选择，而参数则依靠经验法进行制定	较大规模场景、训练模型较难
双层优化算法	可以简化模型并降低求解难度，模型的层次更加清晰	分层结构可能会带来非凸和层级之间不可连接的问题	较大规模场景，计算效率较高

[1]	叶小宁, 王彩霞, 时智勇, 步雨洛, 杨超, 吴思. 国外高比例新能源消纳分析及对中国新能源可持续发展的建议[J]. 中国电力, 2025, 58(6): 137-144.
[2]	刘姜伟, 陈亦平, 肖云鹏, 陈凯, 郭瑾程, 王建学. 水电参与电力市场研究综述[J]. 中国电力, 2025, 58(6): 156-171.
[3]	王艳阳, 李建朝, 刘景青, 唐程, 王剑涛, 卢锦玲, 任惠. 电碳耦合机制下多元主体综合成本分析[J]. 中国电力, 2025, 58(6): 180-189.
[4]	赵彤, 李雪松, 周浩, 丁羽, 杨斌, 王文涛, 王鹏. 基于动态碳排放强度的电碳市场耦合建模方法及市场优化机制分析[J]. 中国电力, 2025, 58(4): 31-43.
[5]	王景亮, 许喆, 陈晓东, 牟春风. 计及能量-备用联合出清的区域电力市场增益分配机制[J]. 中国电力, 2025, 58(10): 216-224.
[6]	高政南, 姜楠, 陈启鑫, 徐江, 王海利, 辛力, 徐青贵. 德国电力市场能源转型建设及启示[J]. 中国电力, 2024, 57(6): 204-214.
[7]	李汶龙, 周云, 罗祾, 陈甜甜, 冯冬涵. 计及现货交易的电能量交易全环节用电碳责任分摊[J]. 中国电力, 2024, 57(5): 99-112.
[8]	谭虎, 王小亮, 徐亭亭, 赵珂, 宿连超, 张文玉, 辛征. 风光沼储交直流混合农村微电网经济技术优化[J]. 中国电力, 2024, 57(3): 27-33.
[9]	郭娟娟, 沈迪, 童朴, 闫琨, 张小凡, 何昉. 中国三代核电经济评价方法与参数优化[J]. 中国电力, 2024, 57(3): 206-212, 223.
[10]	高志远, 庄卫金, 耿建, 李峰, 薛必克, 杨晓雷, 白柯鞠. 基于经济人假设的负荷侧资源市场化调节作用机理分析[J]. 中国电力, 2024, 57(3): 213-223.
[11]	李超英, 檀勤良. 基于智能体建模的新型电力系统下火电企业市场交易策略[J]. 中国电力, 2024, 57(2): 212-225.
[12]	仪忠凯, 侯朗博, 徐英, 吴永峰, 李志民, 吴俊飞, 冯腾, 韩柳. 市场环境下灵活性资源虚拟电厂聚合调控关键技术综述[J]. 中国电力, 2024, 57(12): 82-96.
[13]	任景, 高敏, 程松, 张小东, 刘友波. 面向新能源不确定性的西北电力电量平衡机制[J]. 中国电力, 2023, 56(9): 66-78.
[14]	薛贵元, 吴垠, 诸晓骏, 谈健, 明昊. 计及用能权配额约束的发电商竞价策略双层优化方法[J]. 中国电力, 2023, 56(5): 51-61.
[15]	赵建立, 向佳霓, 汤卓凡, 漆磊, 艾芊, 王帝, 殷爽睿. 虚拟电厂在上海的实践探索与前景分析[J]. 中国电力, 2023, 56(2): 1-13.

模态框（Modal）标题

配电网自治单元规划研究综述与展望

Review and Outlook of Autonomous Unit Planning of Distribution Network

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 70

相关文章 15

编辑推荐

Metrics