侯若松，劉 洋，胡 平，李洪濤，韓璟琳，張 帥

(1.國網(wǎng)河北省電力有限公司經(jīng)濟(jì)技術(shù)研究院，河北 石家莊 050081；2.國網(wǎng)河北省電力有限公司，河北石家莊 050081；3.天津大學(xué) 電氣自動(dòng)化與信息工程學(xué)院，天津 300072）

0 引言

在我國“雙碳”目標(biāo)提出的能源轉(zhuǎn)型背景下，風(fēng)電、光伏等可再生能源大量接入配電網(wǎng)，為節(jié)能減排做出了重大貢獻(xiàn)[1]，[2]。然而風(fēng)電、光伏出力存在很強(qiáng)的不確定性，儲(chǔ)能的接入可以在時(shí)間維度上轉(zhuǎn)移不平衡電量，起到削峰填谷的作用[3]，[4]。含可再生能源和儲(chǔ)能系統(tǒng)的柔性配電網(wǎng)在提升可再生能源消納、促進(jìn)經(jīng)濟(jì)性提升等方面優(yōu)勢(shì)顯著[5]，在考慮不確定性的情況下，魯棒優(yōu)化技術(shù)是解決兼顧系統(tǒng)運(yùn)行的經(jīng)濟(jì)性和環(huán)保性需求的重要手段 [6]～[8]。

針對(duì)配電網(wǎng)和魯棒優(yōu)化運(yùn)行方面的研究已有一定的理論成果。在配電網(wǎng)優(yōu)化運(yùn)行方面，文獻(xiàn)[9]綜合考慮經(jīng)濟(jì)成本最小化和減少碳排放量的目標(biāo)，在現(xiàn)有優(yōu)化調(diào)度約束的基礎(chǔ)上增加了碳排放約束，建立了包含碳目標(biāo)和需求側(cè)響應(yīng)的運(yùn)行優(yōu)化策略。文獻(xiàn)[10]選取電壓偏差、系統(tǒng)網(wǎng)損最小以及系統(tǒng)運(yùn)行成本最低為目標(biāo)函數(shù)建立優(yōu)化運(yùn)行模型，利用基于參考點(diǎn)的非支配排序方法的多目標(biāo)優(yōu)化算法進(jìn)行求解。文獻(xiàn)[11]為了兼顧能源利用與經(jīng)濟(jì)性，以能源利用火用效率最高和系統(tǒng)運(yùn)行成本最低為目標(biāo)函數(shù)優(yōu)化系統(tǒng)運(yùn)行。針對(duì)綠色證書 交 易(Green Certificate Trading，GCT）與 碳 排 放交 易(Carbon Emissions Trading，CET）聯(lián) 合 機(jī) 制，文獻(xiàn)[12]建立了碳-綠色證書聯(lián)合交易市場(chǎng)框架，以突破傳統(tǒng)碳排放量控制和綠色證書市場(chǎng)交易之間的壁壘，提出了綜合能源系統(tǒng)下的低碳經(jīng)濟(jì)調(diào)度模型。文獻(xiàn)[13]將綠證-碳交易機(jī)制引入綜合能源系統(tǒng)調(diào)度中，以實(shí)現(xiàn)碳捕集電廠和電轉(zhuǎn)氣設(shè)備的聯(lián)合運(yùn)行。在配電網(wǎng)魯棒優(yōu)化運(yùn)行方面，文獻(xiàn)[14]考慮了市場(chǎng)電價(jià)和可再生能源出力的不確定性，建立了以碳交易成本及運(yùn)行成本為目標(biāo)函數(shù)的魯棒優(yōu)化模型。文獻(xiàn)[15]針對(duì)配電網(wǎng)建立了基于風(fēng)電出力模糊集的分布魯棒優(yōu)化調(diào)度模型，并結(jié)合對(duì)偶理論和線性化手段轉(zhuǎn)化成線性化模型求解。文獻(xiàn)[16]考慮光伏與負(fù)荷的波動(dòng)性、隨機(jī)性，提出了一種不確定區(qū)間的預(yù)測(cè)方法，該魯棒運(yùn)行方案可以在提升負(fù)荷供應(yīng)能力的同時(shí)促進(jìn)光伏的消納。

現(xiàn)有研究主要關(guān)注傳統(tǒng)碳排放量，對(duì)于GCT-CET聯(lián)合機(jī)制的分析相對(duì)缺乏，并且未深入探索其在柔性配電網(wǎng)中的應(yīng)用。因此，有必要對(duì)GCT-CET聯(lián)合機(jī)制在柔性配電網(wǎng)中的應(yīng)用進(jìn)行進(jìn)一步研究，以提高配電網(wǎng)的靈活性和可持續(xù)性。同時(shí)，為了兼顧經(jīng)濟(jì)性和環(huán)保性需求，需要合理評(píng)估系統(tǒng)的魯棒程度。

本文提出了考慮碳排效益的含可再生能源柔性配電網(wǎng)自適應(yīng)魯棒優(yōu)化運(yùn)行策略?；陲L(fēng)光出力波動(dòng)性以及負(fù)荷不確定性，構(gòu)建了兩階段魯棒優(yōu)化運(yùn)行模型，并利用列與約束生成(Column and Constraint Generation，C&CG）算 法進(jìn)行求解，采用自適應(yīng)的不確定算子設(shè)置方法降低運(yùn)行決策解的保守性。算例分析采用IEEE-33節(jié)點(diǎn)系統(tǒng)，仿真結(jié)果表明，本文所提策略可以在適當(dāng)?shù)聂敯粜韵缕胶馀潆娋W(wǎng)的經(jīng)濟(jì)性與環(huán)保性指標(biāo)。

1 綠證-階梯碳交易模型

GCT-CET交易將綠色能源證書和碳排放權(quán)的交易機(jī)制結(jié)合起來[17]。通過GCT-CET聯(lián)合交易，配電網(wǎng)可以出售多余的綠色證書或者碳排放權(quán)獲取經(jīng)濟(jì)收益，從而激勵(lì)配電網(wǎng)采取各種措施提高清潔能源的消納水平，進(jìn)一步推動(dòng)低碳目標(biāo)的實(shí)現(xiàn)。

1.1 GCT機(jī)制

CCT機(jī)制可以表示為對(duì)含可再生能源配電網(wǎng)頒發(fā)的一種憑證，證明配電網(wǎng)有部分電力源于可再生能源，目的是將可再生能源發(fā)電由政府直補(bǔ)方式逐漸過渡到市場(chǎng)化補(bǔ)貼方式，從而有助于激勵(lì)配電網(wǎng)減少碳排放。GCT交易成本的計(jì)算式可表示如下：

式中：EGCT為GCT交易成本；λGCT為綠證的交易價(jià)格；為配電網(wǎng)持有的綠證數(shù)量配額；為使用可再生能源發(fā)電獲得的綠證數(shù)量；αs為綠證數(shù)量配額系數(shù)；Pe，t為用戶的實(shí)際電能需求；δGCT為可再生能源發(fā)電轉(zhuǎn)換為綠證數(shù)量的轉(zhuǎn)化系數(shù)，1本綠證對(duì)應(yīng)1 MW?h的可再生能源發(fā)電量；Pwt，t，Ppv，t分 別 為t時(shí) 刻 風(fēng) 機(jī)(WT）、光 伏(PV）的輸出功率。

考慮到綠證數(shù)量對(duì)交易價(jià)格的影響，本文采用數(shù)量競(jìng)爭的古諾交易模型描述綠證的交易價(jià)格。

1.2 CET機(jī)制

CET的主要目標(biāo)是通過設(shè)定不同的碳排放階梯標(biāo)準(zhǔn)和相應(yīng)的碳排放配額，鼓勵(lì)配電網(wǎng)減少碳排放量。本文認(rèn)為配電網(wǎng)中排放CO2的外購電力均來自燃煤電廠。

式中：DCET為配電網(wǎng)的實(shí)際碳排放量；為實(shí)際碳 排 放 量 總 量；SGrid為 無 償 碳 配 額；Pin，t為 配 電 網(wǎng)的外購電量；δe為單位電量碳排放分配額，取0.728 t/(MW?h）；x1，y1，z1為 燃 煤 機(jī) 組 的 碳 排 放 計(jì)算系數(shù)。

1.3 階梯型碳交易成本

本文采用分段設(shè)定碳交易價(jià)格并引入獎(jiǎng)勵(lì)和懲罰系數(shù)的方法，構(gòu)建獎(jiǎng)懲階梯型碳交易成本模型。當(dāng)配電網(wǎng)的碳排放量低于無償分配的碳配額時(shí)，政府部門會(huì)給予一定的技術(shù)補(bǔ)貼獎(jiǎng)勵(lì)。該部分的碳交易成本可以表示為

當(dāng)電力企業(yè)實(shí)際的碳排放量大于無償分配的碳配額時(shí)，需要在碳交易市場(chǎng)中購買超出的碳配額，該部分的碳交易成本可表示為

式中：μ為懲罰系數(shù)。

2 設(shè)備模型

2.1 SOP模型

智 能 軟 開 關(guān)(Soft Open Point，SOP）是 一 種 應(yīng)用于配電網(wǎng)替代傳統(tǒng)聯(lián)絡(luò)開關(guān)的新型柔性設(shè)備，它可以靈活調(diào)節(jié)兩端功率的流動(dòng)，具有精確的功率交換控制能力，有助于提高配電網(wǎng)運(yùn)行的安全性、靈活性與可靠性[18]，[19]。SOP的數(shù)學(xué)模型如下。

①SOP有功約束

SOP提供的有功、無功功率運(yùn)行示意圖見圖1。

圖1 SOP運(yùn)行區(qū)間Fig.1 SOP operation interval

2.2 儲(chǔ)能模型

儲(chǔ)能t時(shí)刻的電量模型和儲(chǔ)能出力約束為

式 中：Et為t時(shí) 刻 的 儲(chǔ) 能 電 量；Et+Δt為 下 一 時(shí) 刻 的儲(chǔ) 能 電 量；Pch，t，Pdis，t分 別 為t時(shí) 刻 儲(chǔ) 能 的 充、放 電功 率；Δt為 時(shí) 間 間 隔；ηch，ηdis分 別 為 充、放 電 效率；分別為儲(chǔ)能充、放電功率最大值。

當(dāng)儲(chǔ)能充放電效率嚴(yán)格小于1時(shí)，可以忽略充放電標(biāo)志位，最優(yōu)解自動(dòng)滿足儲(chǔ)能不同時(shí)充放電的約束條件[20]。儲(chǔ)能每時(shí)刻電量都需要滿足儲(chǔ)能電量上下限約束。

3 魯棒優(yōu)化運(yùn)行模型

3.1 目標(biāo)函數(shù)

本文以購電成本FBUY、損耗成本(網(wǎng)絡(luò)損耗與儲(chǔ)能充放電損耗）FLOSS、獎(jiǎng)懲階梯型碳交易成本EGCT和綠證交易成本ECET為目標(biāo)函數(shù)。

式 中：Ct為t時(shí) 刻 與 上 級(jí) 電 網(wǎng) 的 交 易 價(jià) 格；Pin，t為與上級(jí)電網(wǎng)交易電量；Pi，t為t時(shí)刻注入節(jié)點(diǎn)i的有 功 功 率；Ui，t為t時(shí) 刻 節(jié) 點(diǎn)i處 的 電 壓；ρ為 儲(chǔ) 能充放電損耗系數(shù)；分別為儲(chǔ)能充、放電功率；ES為 所 有 儲(chǔ) 能 的 集 合；Pij，t，Qij，t分 別 為t時(shí) 刻線路ij上流過的有功功率和無功功率；Rij為線路ij的電阻值。

3.2 約束條件

除了前文提及的SOP與儲(chǔ)能運(yùn)行約束外，約束條件還應(yīng)包括配電網(wǎng)潮流約束、運(yùn)行安全約束。

對(duì)于輻射狀配電系統(tǒng)，潮流分布采用DistFlow支路潮流模型描述。配電網(wǎng)潮流約束如下所示。

式 中：Iij，t為t時(shí) 刻 線 路ij上 流 過 的 電 流；Xij為 線路ij的電抗值；別為t時(shí)刻節(jié)點(diǎn)i上可再生能源、SOP、與負(fù)荷消納相關(guān)的有功功率；分別為t時(shí)刻節(jié)點(diǎn)i上可再生能 源、SOP、與 負(fù) 荷 消 納 相 關(guān) 的 無 功 功 率；μi，t為t時(shí)刻節(jié)點(diǎn)i的負(fù)荷波動(dòng)系數(shù)。

式(11），(12）表明，配電網(wǎng)所有節(jié)點(diǎn)必須保持有功和無功功率的平衡；式(13）表明了支路的有功、無功與支路的電流以及支路兩端節(jié)點(diǎn)電壓的關(guān)系；式(14）～(16）分別為節(jié)點(diǎn)的電壓、有功和無功功率表達(dá)式。

配電網(wǎng)運(yùn)行安全約束為

3.3 二階錐模型轉(zhuǎn)化

由于模型中存在非線性項(xiàng)，通過線性化和凸松弛的手段，轉(zhuǎn)化為如下形式，以提升求解效率[18]。

4 求解方法

4.1 不確定集合的構(gòu)建

風(fēng)力發(fā)電功率的不確定表現(xiàn)形式如下所示：

式中：wn，t為接入風(fēng)機(jī)節(jié)點(diǎn)n處t時(shí)刻風(fēng)力發(fā)電有功功率；w^n，t為接入風(fēng)機(jī)節(jié)點(diǎn)n處t時(shí)刻預(yù)測(cè)值；分別為接入風(fēng)機(jī)節(jié)點(diǎn)n處t時(shí)刻的向上和向下預(yù)測(cè)偏差邊界值；NW，T分別為風(fēng)機(jī)節(jié)點(diǎn)集合和整個(gè)調(diào)度周期；引入[0，1]隨機(jī)變量表示wn，t的波動(dòng)情況；不確定算子，體現(xiàn)魯棒程度。

光伏與負(fù)荷的不確定性表示與式(21）類似，此處不再贅述。

4.2 自適應(yīng)不確定算子

①區(qū)間寬度的計(jì)算

基于風(fēng)力、光伏和負(fù)荷不確定集，計(jì)算所對(duì)應(yīng)的區(qū)間寬度。

②不確定算子的計(jì)算

在獲得區(qū)間寬度后，基于預(yù)先設(shè)定的不確定算子的取值范圍，可以實(shí)現(xiàn)區(qū)間寬度與不確定算子之間的映射關(guān)系。

自此，自適應(yīng)不確定算子可根據(jù)不確定集的大小合理調(diào)整模型魯棒程度。

4.3 兩階段魯棒優(yōu)化求解流程

兩階段魯棒優(yōu)化模型可表示為緊湊的矩陣形式：

第一階段問題中的優(yōu)化變量為x，對(duì)應(yīng)SOP運(yùn)行策略，表示模型最外層的最小化；第二階段問題的優(yōu)化變量為最惡劣風(fēng)電出力場(chǎng)景u和實(shí)時(shí)調(diào)整決策y，表示模型內(nèi)層的最大最小化；A，C，D，E，M，N，Q為 相 應(yīng) 的 系 數(shù) 矩 陣；b，e，f，g，l，q為 系數(shù)向量。目標(biāo)函數(shù)對(duì)應(yīng)式(13），(14）；第1行約束對(duì) 應(yīng) 式(8），(9）；第2行 約 束 對(duì) 應(yīng) 式(6），(7）；第3行 約 束 對(duì) 應(yīng) 式(11），(12），(21），(22）；第4行 約 束對(duì) 應(yīng) 式(10），(15）～(18）；第5行 約 束 對(duì) 應(yīng) 式(19），(20）；第6行 約 束 對(duì) 應(yīng) 式(22）～(24）。

在優(yōu)化求解兩階段魯棒優(yōu)化模型時(shí)，本文采用高效的C&CG算法將復(fù)雜模型分解成主問題和子問題交互迭代求解。主問題為第一階段優(yōu)化問題，其目標(biāo)函數(shù)和約束條件如下所示：

θ為引入的輔助變量。子問題對(duì)應(yīng)上述第二階段問題。首先，基于主問題中已經(jīng)確定的優(yōu)化變量和相應(yīng)的約束條件，子問題生成包含不確定集合的最惡劣場(chǎng)景，得到子問題優(yōu)化變量的取值，并獲得模型上界；然后，生成基于最惡劣場(chǎng)景下的約束條件，傳遞并返回至主問題中進(jìn)行下一輪的迭代求解。子問題目標(biāo)函數(shù)和約束條件如下所示：

式 中：x*為 第 一 階 段 生 成 的 優(yōu) 化 方 案；α，β，λ，σ，μ為拉格朗日乘子。

子問題是雙層優(yōu)化形式中的復(fù)雜最大最小化問題，直接求解困難。因此本文利用對(duì)偶定理的方法，引入拉格朗日乘子將子問題轉(zhuǎn)化成易于求解的單層優(yōu)化問題[21]。

C&CG算法求解魯棒優(yōu)化運(yùn)行模型流程如圖2所示。

圖2 C&CG算法求解魯棒模型流程圖Fig.2 Flow chart of C&CG algorithm for solving robust model

算法具體步驟如下：

步驟1：初始化參數(shù)。設(shè)置迭代次數(shù)k=1，下界LB=-∞，上界UB=+∞和收斂精度ε；

步驟2：求解C&CG主問題，得到初步日前調(diào)度策略xk以及策略最優(yōu)值 θ，更新下界LB=max{LB，cTx+θ}；

步驟3：將求得的xk帶入求解C&CG子問題，得到目標(biāo)函數(shù)和最惡劣運(yùn)行場(chǎng)景uk，更新上界

步驟4：收斂性判斷，如果UB-LB≤ε，則問題收斂，停止迭代，輸出最優(yōu)運(yùn)行方案；否則，繼續(xù)迭代K=k+1，返回步驟2。

5 算例分析

本文在IEEE-33節(jié)點(diǎn)配電系統(tǒng)的基礎(chǔ)上增加了SOP裝置，將其改造為柔性配電網(wǎng)絡(luò)[22]，并對(duì)提出的含可再生能源的柔性配電網(wǎng)自適應(yīng)魯棒運(yùn)行優(yōu)化方法進(jìn)行驗(yàn)證分析。SOP連接節(jié)點(diǎn)為12～22，SOP容量為600 kV?A。節(jié)點(diǎn)1作為平衡節(jié)點(diǎn)，基準(zhǔn)電壓為12.66 kV，基準(zhǔn)容量為10 MV?A。網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。節(jié)點(diǎn)電壓允許值為0.95～1.05 p.u.。為充分考慮分布式可再生能源高滲透率接入的影響，在配電網(wǎng)中接入4組分布式電源，在節(jié)點(diǎn)5和16接入2組500 kW光伏，在節(jié)點(diǎn)19和30接入兩組400 kW風(fēng)機(jī)，功率因數(shù)為1。節(jié)點(diǎn)7，14和28接入儲(chǔ)能系統(tǒng)，容量均為600 kW?h，初始容量設(shè)置為300 kW?h，充放電效率為0.98。谷時(shí)段、平時(shí)段、峰時(shí)段的電價(jià)如表1所示。

表1 電價(jià)Table 1 Electricity price

圖3 改進(jìn)的IEEE-33節(jié)點(diǎn)系統(tǒng)示意圖Fig.3 Schematic diagram of the improved IEEE-33 node system

獎(jiǎng)勵(lì)系數(shù) ε和懲罰系數(shù) μ分別取0.2和0.15，單位碳交易價(jià)格c為245元/t，燃煤機(jī)組的實(shí) 際 碳 排 放 計(jì) 算 系 數(shù)x1，y1，z1分 別 為36，-0.38，0.003 4。

硬 件 環(huán) 境 為Intel(R）Core(TM）i7-10700CPU，主頻2.90 GHz，內(nèi)存32.0 GB，開 發(fā)環(huán) 境Win10 64位，仿真軟件為Matlab R2020a，使用YALMIP和GUROBI 9.1.2求解器求解該問題。

5.1 最惡劣場(chǎng)景下運(yùn)行結(jié)果分析

圖4為本文所提方法下的最惡劣場(chǎng)景。在最惡劣場(chǎng)景下，當(dāng)風(fēng)力和光照不足時(shí)，配電網(wǎng)需要從上級(jí)電網(wǎng)購買電力來滿足電力需求。購電費(fèi)用將取決于上級(jí)電網(wǎng)的電力價(jià)格和購電量。

圖4 最惡劣場(chǎng)景對(duì)比Fig.4 Worst scenario comparison

算例所得配電網(wǎng)的總成本為39 138元，其中配電網(wǎng)運(yùn)行費(fèi)用為38 595元，通過綠證交易盈利1 826元，碳交易成本為2 369元。通過綠證交易，可以激勵(lì)和推動(dòng)可再生能源的發(fā)展，配電網(wǎng)可以通過銷售綠證獲取額外的經(jīng)濟(jì)回報(bào)，從而提高對(duì)可再生能源的消納能力，促進(jìn)綠色能源的產(chǎn)生和利用。在考慮風(fēng)光荷不確定性的最惡劣場(chǎng)景下，碳排放相對(duì)較高，需要支付更高的碳交易費(fèi)用，對(duì)經(jīng)濟(jì)性產(chǎn)生負(fù)面影響。綠證-階梯碳交易提供了一種經(jīng)濟(jì)獎(jiǎng)勵(lì)機(jī)制，但這種新興的市場(chǎng)交易行為可能導(dǎo)致一定的成本增加。在長期內(nèi)，可以促進(jìn)可再生能源的發(fā)展，推動(dòng)能源結(jié)構(gòu)的轉(zhuǎn)型，增加可再生能源在能源供應(yīng)中的比例，為實(shí)現(xiàn)能源可持續(xù)發(fā)展打下基礎(chǔ)。

5.2 SOP與儲(chǔ)能的運(yùn)行結(jié)果分析

由圖5可以看出，SOP可以根據(jù)需要調(diào)節(jié)無功功率的流動(dòng)方向和大小，以維持電網(wǎng)的穩(wěn)定運(yùn)行。在最惡劣場(chǎng)景下，配電網(wǎng)可能面臨電壓下降、電流過載等問題。當(dāng)電網(wǎng)電壓偏低時(shí)，SOP可以吸收無功功率，提高電壓水平；當(dāng)電網(wǎng)電壓偏高時(shí)，SOP可以注入無功功率，降低電壓水平。同時(shí)，SOP相當(dāng)于在節(jié)點(diǎn)12～22之間構(gòu)成連接通路，潮流從節(jié)點(diǎn)22流向12，這不僅有助于減少配電網(wǎng)網(wǎng)絡(luò)損耗的費(fèi)用，同時(shí)促進(jìn)了WT1的消納。

圖5 SOP兩端有功無功輸出情況Fig.5 Active and reactive power output of SOP

儲(chǔ)能日內(nèi)電量情況如圖6所示。在最惡劣場(chǎng)景下，儲(chǔ)能系統(tǒng)可以通過充放電應(yīng)對(duì)可再生能源的波動(dòng)性或負(fù)荷的變化。當(dāng)電網(wǎng)負(fù)荷超過供電能力時(shí)，儲(chǔ)能系統(tǒng)可以供應(yīng)電能以平衡電力需求；反之，當(dāng) 夜 間 負(fù) 荷 較 低，如20：00-24：00時(shí)，儲(chǔ) 能 系統(tǒng)可以通過充電儲(chǔ)存多余的電能。同時(shí)，儲(chǔ)能的充放電行為也會(huì)受到階梯電價(jià)的影響，在電價(jià)較高時(shí)放電，有利于增加配電網(wǎng)的獲利。因此，在最惡劣場(chǎng)景下，儲(chǔ)能系統(tǒng)的電量變化情況將與可再生能源的出力以及電網(wǎng)負(fù)荷變化密切相關(guān)。

圖6 儲(chǔ)能日內(nèi)電量情況Fig.6 The situation of each energy storage power

5.3 系統(tǒng)的電壓與潮流分析

在最惡劣場(chǎng)景下，系統(tǒng)的安全性和穩(wěn)定性顯得尤為重要。因此，需要對(duì)柔性配電網(wǎng)的運(yùn)行情況進(jìn)行安全性分析，包括分析電壓穩(wěn)定性和潮流分布。圖7給出了自適應(yīng)不確定算子場(chǎng)景下日內(nèi)各節(jié)點(diǎn)的電壓和電流分布結(jié)果。

圖7 系統(tǒng)中節(jié)點(diǎn)電壓和線路電流結(jié)果Fig.7 Node voltage and line current results in the system

日內(nèi)，電壓保持在0.95～1.05 p.u.，峰谷差在0.05 p.u.以內(nèi)，電壓波動(dòng)較小，這說明本文所提策略在一定程度上緩和了可再生能源的不確定性出力造成的負(fù)面影響。SOP有序地調(diào)整了兩端的功率流動(dòng)，并提供無功功率提高節(jié)點(diǎn)電壓的安全性，有助于系統(tǒng)的優(yōu)化運(yùn)行調(diào)控。儲(chǔ)能起到一定的電量調(diào)節(jié)作用，在電價(jià)峰時(shí)釋放電能和在其他電能過剩時(shí)間存儲(chǔ)電能實(shí)現(xiàn)系統(tǒng)運(yùn)行經(jīng)濟(jì)性，實(shí)現(xiàn)了日內(nèi)的能量轉(zhuǎn)移和削峰填谷，有助于提升系統(tǒng)的經(jīng)濟(jì)性和環(huán)保性。

5.4 不確定性算例對(duì)比分析

為了驗(yàn)證所提魯棒優(yōu)化模型的有效性，與確定性運(yùn)行優(yōu)化模型進(jìn)行了對(duì)比。魯棒調(diào)節(jié)參數(shù)分別取0(確定性優(yōu)化）、NT(在整個(gè)周期內(nèi)，認(rèn)為風(fēng)電、光伏和負(fù)荷存在不確定性，魯棒優(yōu)化的保守性極強(qiáng)）和本文考慮的自適應(yīng)不確定算子調(diào)節(jié)參數(shù)，風(fēng)電、光伏和負(fù)荷不確定集的波動(dòng)范圍均為20%。

表2為魯棒參數(shù)為自適應(yīng)、0和NT3種情況的對(duì)比。

表2 不同魯棒參數(shù)結(jié)果對(duì)比Table 2 Comparison of results with different robust parameters 元

由表2可以看出：魯棒模型所需運(yùn)行成本要高于確定性模型。這是由于確定性運(yùn)行方案沒有考慮任何預(yù)測(cè)誤差，即預(yù)測(cè)出力情況即為實(shí)際出力情況，是一種極度理想的情況，因而所需的費(fèi)用較低，為35 248元；而本文所提魯棒模型在平衡保守性的同時(shí)考慮預(yù)測(cè)誤差，因而運(yùn)行成本較高，為41 209元。本文考慮的自適應(yīng)不確定算子有效調(diào)節(jié)了魯棒優(yōu)化的魯棒性與保守性。當(dāng)不確定集范圍較小時(shí)，自適應(yīng)不確定算子也會(huì)較小，系統(tǒng)為降低運(yùn)行成本，風(fēng)光出力較高，負(fù)荷需求降低；當(dāng)不確定集范圍較大時(shí)，自適應(yīng)不確定算子偏大，系統(tǒng)考慮惡劣場(chǎng)景，會(huì)降低風(fēng)光出力，同時(shí)增大可能存在的負(fù)荷需求。本文提出的魯棒優(yōu)化模型理論上可以為不同風(fēng)險(xiǎn)態(tài)度決策者提供決策依據(jù)。

綜上，本文提出的配電網(wǎng)兩階段自適應(yīng)魯棒優(yōu)化調(diào)度策略可以兼顧運(yùn)行經(jīng)濟(jì)性與環(huán)保性，取到了一個(gè)折中優(yōu)解，在一定程度上緩解了碳排放的壓力，對(duì)環(huán)境保護(hù)起到積極的作用。

6 結(jié)論

本文提出了考慮碳排效益的含可再生能源柔性配電網(wǎng)自適應(yīng)魯棒優(yōu)化運(yùn)行策略。建立了綠證-階梯碳交易模型，通過優(yōu)化運(yùn)行策略實(shí)現(xiàn)配電網(wǎng)的經(jīng)濟(jì)性與可靠性，并考慮光伏出力及負(fù)荷的不確定性，以及魯棒優(yōu)化方法的保守性和魯棒性的平衡，采用了一種考慮自適應(yīng)的不確定算子設(shè)置方法，通過C&CG算法求解。

IEEE-33系統(tǒng)的算例分析表明，本文所提策略能夠在考慮到源荷不確定的情況下，實(shí)現(xiàn)系統(tǒng)整體的運(yùn)行經(jīng)濟(jì)性，增加系統(tǒng)對(duì)于可再生能源的消納能力，促進(jìn)柔性配電網(wǎng)的協(xié)調(diào)可持續(xù)發(fā)展。