羅 旭，羅 瀟，溫力力，范 麗，李 博，劉璐橈，劉華勇，任洲洋

(1.國網(wǎng)重慶市電力公司經(jīng)濟(jì)技術(shù)研究院，重慶 401120；2.重慶大學(xué) 輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，重慶 400044)

配電網(wǎng)與絕大部分電力用戶相聯(lián)，直接影響用戶的生產(chǎn)生活。為了滿足負(fù)荷增長和電網(wǎng)發(fā)展的需求，傳統(tǒng)配電網(wǎng)規(guī)劃的目的是確定變電站和線路新建或擴(kuò)容的時(shí)間、地點(diǎn)和類型[1]。

目前，考慮新能源、EV、ESS、多能耦合設(shè)備等對(duì)象的配電網(wǎng)規(guī)劃研究主要包含以下3個(gè)方面：

1)源荷功率模擬。由于電源側(cè)和負(fù)荷側(cè)功率均具有隨機(jī)性和多樣性，因此源荷功率模擬是研究配電網(wǎng)規(guī)劃的基礎(chǔ)，其主要涉及到可再生能源出力特性、負(fù)荷不確定性等。

2)優(yōu)化規(guī)劃模型。面對(duì)大規(guī)模接入的新型設(shè)備，需結(jié)合其自身的運(yùn)行特性，在建立優(yōu)化規(guī)劃模型時(shí)全面考慮其給配電網(wǎng)帶來的新變化，以求獲得可靠、經(jīng)濟(jì)、環(huán)保的規(guī)劃方案。

3)優(yōu)化規(guī)劃策略與求解算法。針對(duì)變量規(guī)模和隨機(jī)性都大幅提高的優(yōu)化規(guī)劃模型，采用與之相匹配的優(yōu)化策略及求解算法能夠保證模型尋優(yōu)的精確、高效。

筆者將從上述3個(gè)方面，圍繞新型設(shè)備大規(guī)模接入下的配電網(wǎng)規(guī)劃研究展開綜述。首先，介紹配電網(wǎng)規(guī)劃中的源荷功率模擬方法；其次，對(duì)配電網(wǎng)規(guī)劃模型、規(guī)劃策略與求解算法進(jìn)行分析；最后，面向人工智能技術(shù)和能源互聯(lián)網(wǎng)，展望新形勢(shì)下配電網(wǎng)規(guī)劃可能的發(fā)展方向。

1 配電網(wǎng)規(guī)劃中的源荷功率模擬

配電網(wǎng)穩(wěn)態(tài)運(yùn)行時(shí)，會(huì)受到各種不確定性擾動(dòng)的影響[6]，如圖1所示。在電源側(cè)，不確定性主要來源于可再生能源出力的間歇性和波動(dòng)性，以及化石燃料價(jià)格的不確定性；在電網(wǎng)側(cè)，大量一次設(shè)備的故障發(fā)生時(shí)間及類型難以準(zhǔn)確預(yù)測(cè)[7]；在負(fù)荷側(cè)，用戶的用電行為差異性大，并常伴突發(fā)狀況[8]。

圖1 配電網(wǎng)中的不確定性

由于新型設(shè)備的不斷接入，電源側(cè)和負(fù)荷側(cè)的不確定性對(duì)配電網(wǎng)規(guī)劃影響進(jìn)一步提升。本節(jié)將對(duì)配電網(wǎng)規(guī)劃中的源荷功率模擬方法進(jìn)行綜述。

1.1 電源側(cè)功率模擬

電源側(cè)的火電、水電等機(jī)組能夠?qū)崿F(xiàn)人為調(diào)控，而風(fēng)電場(chǎng)、光伏電站的輸出功率受天氣、地形、機(jī)組排布方式等多重因素的影響，輸出功率預(yù)測(cè)精度低且具有難可控性。因此，文獻(xiàn)重點(diǎn)關(guān)注了風(fēng)光場(chǎng)站的功率模擬。

概率建模是電源功率模擬最常用的方法，風(fēng)光的概率性通常基于Weibull分布和Beta分布[9-11]建模，計(jì)及相關(guān)性時(shí)可采用聯(lián)合概率分布[12]或Copula函數(shù)[13]?；诟怕誓Ｐ?，采用Monte Carlo模擬法[11,14]、拉丁超立方抽樣[9]等抽取離散或連續(xù)的功率狀態(tài)，實(shí)現(xiàn)對(duì)風(fēng)光功率的表征。然而，概率分布類型的確定具有主觀性，致使建模精度不足。文獻(xiàn)[15]基于貝葉斯非參數(shù)模型生成典型的光伏出力統(tǒng)計(jì)特征，相較于上述方法，模擬精度有所提高。

模糊分析、區(qū)間分析和場(chǎng)景分析法也常用于電源側(cè)不確定性建模。模糊分析法的基本思想是構(gòu)建合理的風(fēng)光功率或氣象要素的隸屬度函數(shù)、盒式不確定集[16]和三角模糊數(shù)[17]常用于描述不確定性。區(qū)間分析是將不確定因素描述成一個(gè)確定性的區(qū)間，文獻(xiàn)[2]將風(fēng)速和風(fēng)功率描述為預(yù)測(cè)值和波動(dòng)量組成的區(qū)間形式；文獻(xiàn)[18]通過區(qū)間分析找到最惡劣的風(fēng)光出力，用于制定規(guī)劃方案。場(chǎng)景分析法基于研究對(duì)象的不確定性特征，生成若干含有概率的確定性時(shí)序場(chǎng)景，其突出特點(diǎn)在于能夠模擬對(duì)決策影響較大的關(guān)鍵事件。文獻(xiàn)[10]利用自回歸滑動(dòng)平均模型生成風(fēng)光場(chǎng)站的時(shí)序運(yùn)行狀態(tài)，并通過Kantorovich方法篩選典型場(chǎng)景集。文獻(xiàn)[19]結(jié)合概率分布函數(shù)和聚類算法提取風(fēng)光出力的典型場(chǎng)景?？紤]到新能源滲透率的提高，配電網(wǎng)規(guī)劃對(duì)于電源功率的模擬精度提出了更高的需求。在這一背景下，上述方法可能難以準(zhǔn)確刻畫不確定性因素的高維非線性特征，適用性降低。

與傳統(tǒng)算法相比，神經(jīng)網(wǎng)絡(luò)算法能夠在減少使用復(fù)雜數(shù)學(xué)原理的前提下，深入挖掘變量間的非線性映射關(guān)系[20]，在電源功率模擬方面展現(xiàn)出更加良好的性能。為了預(yù)測(cè)下一年的風(fēng)速，文獻(xiàn)[21]結(jié)合風(fēng)速數(shù)據(jù)及其統(tǒng)計(jì)特征，基于神經(jīng)網(wǎng)絡(luò)和模式識(shí)別方法依次預(yù)測(cè)年、月、日和小時(shí)級(jí)的風(fēng)速趨勢(shì)。文獻(xiàn)[22]提出了光伏年度發(fā)電量預(yù)測(cè)方法，提取光伏出力特征，并采用特征提取后的數(shù)據(jù)訓(xùn)練時(shí)序模型，生成時(shí)序數(shù)據(jù)，在此基礎(chǔ)上，基于多層感知器、卷積神經(jīng)網(wǎng)絡(luò)等構(gòu)建組合預(yù)測(cè)模型，生成光伏發(fā)電量數(shù)據(jù)。

1.2 負(fù)荷側(cè)功率模擬

傳統(tǒng)負(fù)荷特性與社會(huì)經(jīng)濟(jì)發(fā)展水平、人口規(guī)模、氣候等條件有關(guān)。相較于風(fēng)光出力模擬，負(fù)荷功率模擬研究的開始時(shí)間更早，發(fā)展也更加成熟，概率與回歸建模、模糊分析、場(chǎng)景分析等方法同樣適用于此類問題。然而，EV等新型負(fù)荷具有更強(qiáng)的隨機(jī)性[23]，需要引入新的研究思路適應(yīng)這一變化。因此，神經(jīng)網(wǎng)絡(luò)算法在中長期負(fù)荷功率模擬中應(yīng)用更加廣泛。由于相應(yīng)方法的特點(diǎn)已在1.1節(jié)詳細(xì)說明，因此本節(jié)僅按照傳統(tǒng)算法和神經(jīng)網(wǎng)絡(luò)算法對(duì)現(xiàn)有方法簡要介紹。

1)傳統(tǒng)算法。正態(tài)分布可用于負(fù)荷[9]、EV行駛里程和出行時(shí)間[24]的建模。文獻(xiàn)[25]采用偏最小二乘回歸方法建立負(fù)荷預(yù)測(cè)模型。盒式不確定集、三角模糊數(shù)[16-17]和梯形模糊數(shù)[26]等模糊理論，以及基于聚類的場(chǎng)景生成法[3,27]，也可以用于描述負(fù)荷的不確定性。文獻(xiàn)[28]以高峰日典型負(fù)荷曲線為基礎(chǔ)，分別對(duì)分布式電源(distributed generation，DG)的可信出力和柔性負(fù)荷功率建模，并修正典型負(fù)荷峰值。

2)神經(jīng)網(wǎng)絡(luò)算法。在長期負(fù)荷預(yù)測(cè)方面，文獻(xiàn)[29]提出了基于Elman神經(jīng)網(wǎng)絡(luò)的長期負(fù)荷預(yù)測(cè)方法。文獻(xiàn)[30]基于人工神經(jīng)網(wǎng)絡(luò)，構(gòu)建了用于配電網(wǎng)規(guī)劃的負(fù)荷曲線庫。文獻(xiàn)[31]基于氣溫?cái)?shù)據(jù)和電表負(fù)荷數(shù)據(jù)，采用混合深度學(xué)習(xí)算法預(yù)測(cè)未來的負(fù)荷功率。文獻(xiàn)[32]為了預(yù)測(cè)饋線的年負(fù)荷，選取負(fù)荷的影響因素及其特性指標(biāo)，并對(duì)其數(shù)據(jù)進(jìn)行降噪和降維處理；之后采用長短期記憶網(wǎng)絡(luò)和門控循環(huán)單元網(wǎng)絡(luò)進(jìn)行時(shí)序負(fù)荷預(yù)測(cè)。

1.3 小結(jié)

綜上所述，現(xiàn)有的中長期源荷功率模擬研究存在如下特點(diǎn)：

1)為了減輕計(jì)算負(fù)擔(dān)，以概率建模、模糊分析、區(qū)間分析、場(chǎng)景分析法為代表的模型驅(qū)動(dòng)方法在配電網(wǎng)規(guī)劃中被廣泛應(yīng)用。盡管上述方法操作簡便，但其存在主觀性強(qiáng)、建模精度低等缺陷，難以適應(yīng)新型設(shè)備大規(guī)模接入的配電網(wǎng)規(guī)劃。

2)神經(jīng)網(wǎng)絡(luò)算法是一種數(shù)據(jù)驅(qū)動(dòng)方法，對(duì)于難以通過數(shù)學(xué)公式直觀描述的非線性特征，該方法可通過網(wǎng)絡(luò)訓(xùn)練過程逐步擬合，因此更加適合配電網(wǎng)未來的發(fā)展趨勢(shì)。

3)由于配電網(wǎng)規(guī)劃的研究時(shí)段長，源荷預(yù)測(cè)考慮的因素更復(fù)雜，導(dǎo)致其對(duì)精準(zhǔn)度的控制遜色于短期預(yù)測(cè)[33]。因此，神經(jīng)網(wǎng)絡(luò)算法雖已被應(yīng)用在長期源荷功率模擬中，但相較于短期預(yù)測(cè)[34]，在數(shù)據(jù)預(yù)處理、訓(xùn)練特征構(gòu)建、精細(xì)化建模[35]、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)等方面仍有較大研究空間。

2 配電網(wǎng)優(yōu)化規(guī)劃模型

傳統(tǒng)配電網(wǎng)大多采用“閉環(huán)設(shè)計(jì)，開環(huán)運(yùn)行”的方式，電源即為上級(jí)變電站，線路組成配電網(wǎng)絡(luò)，用戶為傳統(tǒng)的工業(yè)、商業(yè)和居民負(fù)荷[36]。現(xiàn)代配電網(wǎng)的規(guī)模更大，優(yōu)化變量類型更多，建模方法也更加復(fù)雜。一般地，配電網(wǎng)規(guī)劃模型需重點(diǎn)關(guān)注規(guī)劃對(duì)象、目標(biāo)函數(shù)、約束條件等要素。本節(jié)從上述要素出發(fā)，針對(duì)傳統(tǒng)配電網(wǎng)和考慮新型設(shè)備與主動(dòng)管理手段的配電網(wǎng)規(guī)劃模型分別進(jìn)行綜述，并總結(jié)不同規(guī)劃模型的特點(diǎn)。

2.1 傳統(tǒng)配電網(wǎng)規(guī)劃模型

傳統(tǒng)配電網(wǎng)規(guī)劃主要是為滿足未來年負(fù)荷增長和電網(wǎng)發(fā)展需求，確定何時(shí)何地新建或擴(kuò)建何種類型的線路、變電站和新增電源等設(shè)備。傳統(tǒng)配電網(wǎng)的規(guī)劃可分為電源規(guī)劃、網(wǎng)架規(guī)劃和源網(wǎng)協(xié)同規(guī)劃等類型。

傳統(tǒng)的配電網(wǎng)電源規(guī)劃主要以變電站、無功電源為研究對(duì)象，從經(jīng)濟(jì)性、可靠性等角度出發(fā)建立優(yōu)化規(guī)劃模型。電源規(guī)劃模型一般以經(jīng)濟(jì)成本最小為目標(biāo)，包括投資成本、設(shè)備維護(hù)成本、網(wǎng)損成本等，并考慮規(guī)劃對(duì)象出力約束、調(diào)度約束、潮流約束以及投資約束、容量約束、位置約束[37]等運(yùn)行和技術(shù)約束條件。文獻(xiàn)[38]建立了以變電站及其低壓側(cè)線路初始投資和運(yùn)行年費(fèi)用最小為目標(biāo)的選址定容模型，并在約束條件中計(jì)及變電站負(fù)載率和供電半徑等。文獻(xiàn)[39]針對(duì)經(jīng)濟(jì)性因素，以設(shè)備全壽命周期成本最小為目標(biāo)建立了變電站規(guī)劃模型。上述傳統(tǒng)電源規(guī)劃模型只考慮了確定型負(fù)荷，難以直接用于接入的柔性負(fù)荷的配電網(wǎng)規(guī)劃。

傳統(tǒng)網(wǎng)架規(guī)劃問題的核心是根據(jù)負(fù)荷和網(wǎng)架的發(fā)展需求，對(duì)網(wǎng)架結(jié)構(gòu)進(jìn)行調(diào)整，或?qū)€路容量擴(kuò)容。文獻(xiàn)[17]所構(gòu)建的網(wǎng)架規(guī)劃模型以含DG的配網(wǎng)饋線建設(shè)成本和網(wǎng)損成本期望值最小為目標(biāo)，在約束條件中保證了輻射形網(wǎng)架拓?fù)洹?/p>

上述獨(dú)立規(guī)劃方法固然可降低建模與求解維度，然而，電源與網(wǎng)架在電能輸送、成本優(yōu)化、資源整合等方面具有較強(qiáng)的耦合關(guān)系。因此，在規(guī)劃中同時(shí)考慮電源與網(wǎng)架，建立源網(wǎng)協(xié)同規(guī)劃模型就顯得尤為重要。文獻(xiàn)[40]建立了投資、運(yùn)行總成本最小的綜合規(guī)劃模型，為降低求解難度，將混合整數(shù)非線性規(guī)劃模型轉(zhuǎn)化為二次約束規(guī)劃模型進(jìn)行求解；文獻(xiàn)[41]將配電網(wǎng)規(guī)劃問題分解為中壓變電站規(guī)劃和高壓變電站與中壓饋線規(guī)劃2個(gè)子問題，并采用了特殊編碼的遺傳算法改進(jìn)了其全局最優(yōu)解的有效性。

2.2 考慮新型設(shè)備與主動(dòng)管理手段的規(guī)劃模型

隨著DG、EV、ESS、多能耦合設(shè)備等新型設(shè)備的大規(guī)模接入，以及主動(dòng)管理手段在配電網(wǎng)中的啟用，與傳統(tǒng)配電網(wǎng)相比，現(xiàn)代配電網(wǎng)具有隨機(jī)性強(qiáng)、設(shè)備規(guī)模大、特性復(fù)雜等新特點(diǎn)，由此造成了配電網(wǎng)規(guī)劃模型的非線性、多約束、高維度等特征。圍繞上述特點(diǎn)，下面將對(duì)含新型設(shè)備與主動(dòng)管理手段的配電網(wǎng)規(guī)劃模型進(jìn)行綜述。

DG的發(fā)展對(duì)電源功率預(yù)測(cè)、配電網(wǎng)潮流流向、電源組成等帶來了大量的不確定性因素，如何合理規(guī)劃DG的容量和位置，使其與電網(wǎng)擴(kuò)展規(guī)劃相配合，是目前主動(dòng)配電網(wǎng)規(guī)劃面臨的主要難點(diǎn)。文獻(xiàn)[42]從經(jīng)濟(jì)性角度對(duì)含DG的ADN規(guī)劃技術(shù)進(jìn)行闡述；文獻(xiàn)[43]利用了場(chǎng)景分析技術(shù)解決DG出力不確定性和間歇性問題，建立了考慮DG運(yùn)行的配電網(wǎng)雙層規(guī)劃模型。文獻(xiàn)[44]建立了以系統(tǒng)有功損耗最小為目標(biāo)的DG優(yōu)化配置模型，并基于錐優(yōu)化算法求解，大大提升了規(guī)劃模型的求解效率。

EV的充電行為和模式具有強(qiáng)隨機(jī)性，但其具有儲(chǔ)能特性，能夠作為可調(diào)控的需求響應(yīng)資源[3]。文獻(xiàn)[3]在考慮配電網(wǎng)建設(shè)和運(yùn)維成本的基礎(chǔ)上，重點(diǎn)研究了EV充放電對(duì)系統(tǒng)潮流平衡的影響。對(duì)于多類型充電樁的協(xié)調(diào)互補(bǔ)規(guī)劃問題，文獻(xiàn)[45]考慮了EV分布不平衡情況下的充電需求和充電距離，建立了多類型充電樁整體規(guī)劃模型，使得規(guī)劃結(jié)果更加貼合實(shí)際。

ESS響應(yīng)速度快、調(diào)節(jié)精度高，能夠?qū)崿F(xiàn)能量的時(shí)空轉(zhuǎn)移[46]，然而ESS造價(jià)高昂，需對(duì)其接入點(diǎn)和容量進(jìn)行合理規(guī)劃。文獻(xiàn)[2]建立了ESS在配電網(wǎng)中的選址定容優(yōu)化模型，將ESS的功率約束、運(yùn)行約束和容量約束加入模型中，在保證風(fēng)電全部消納的同時(shí)，提高配電網(wǎng)的經(jīng)濟(jì)性。

2.3 小結(jié)

綜上，兩類規(guī)劃模型的規(guī)劃要素和優(yōu)化目標(biāo)可直觀總結(jié)如圖2所示。

圖2 配電網(wǎng)規(guī)劃模型

對(duì)于第二類模型，由于每類新型設(shè)備具有不同特征，因此詳細(xì)總結(jié)其難點(diǎn)及研究重點(diǎn)：

1)與火電、水電機(jī)組相比，DG具有更強(qiáng)的不確定性和難可控性。因此，在配電網(wǎng)規(guī)劃中準(zhǔn)確量化DG給配電網(wǎng)供電帶來的風(fēng)險(xiǎn)，合理確定DG與上級(jí)變電站容量的配比，有助于電力系統(tǒng)碳排放的降低。另外，由于分布式能源接入傳統(tǒng)輻射狀配網(wǎng)后，會(huì)帶來頻率調(diào)節(jié)能力弱和電壓控制困難等問題，現(xiàn)有的配網(wǎng)形態(tài)無法滿足未來配網(wǎng)發(fā)展需求[52]。有學(xué)者指出，將傳統(tǒng)的輻射狀網(wǎng)絡(luò)發(fā)展為靈活可控的環(huán)形網(wǎng)絡(luò)是促進(jìn)分布式能源接入的重要方式和必然趨勢(shì)[53]。

2)盡管EV具有儲(chǔ)能特性，但其單體容量遠(yuǎn)小于配電網(wǎng)負(fù)荷總功率，若希望將EV用于配電網(wǎng)功率的調(diào)節(jié)，需要發(fā)揮其數(shù)量優(yōu)勢(shì)。然而，EV的隨機(jī)性使得對(duì)其群體調(diào)度十分困難。如何在配電網(wǎng)規(guī)劃中，化零為整，整合EV的儲(chǔ)能資源，是含EV的配電網(wǎng)規(guī)劃中需要面對(duì)的難題。

3)ESS能夠?qū)﹄娔軐?shí)現(xiàn)較大規(guī)模的儲(chǔ)存，因而可用于平抑DG出力波動(dòng)、削峰填谷等。但是，ESS目前的成本較高，不利于配電網(wǎng)的經(jīng)濟(jì)性。所以，在配電網(wǎng)規(guī)劃中，權(quán)衡ESS的成本與收益、合理配比不同類型的儲(chǔ)能容量、通過市場(chǎng)化手段對(duì)儲(chǔ)能進(jìn)行定容與調(diào)控、充分發(fā)揮其與源/網(wǎng)/荷的互動(dòng)能力等，均可促進(jìn)ESS的大規(guī)模發(fā)展。

4)多能耦合設(shè)備作為溝通不同能量系統(tǒng)的紐帶，其容量和接入位置對(duì)于多能耦合系統(tǒng)的運(yùn)行具有決定性作用。并且，不同能源形式的轉(zhuǎn)化與傳輸，豐富了配電網(wǎng)中電能的調(diào)配與儲(chǔ)存方式?？紤]多能耦合設(shè)備接入后，更加劇配網(wǎng)形態(tài)演變的需求和趨勢(shì)。因此，研究適用于電、天然氣、冷熱、氫氣等異質(zhì)能源互聯(lián)的配電網(wǎng)形態(tài)及其規(guī)劃方法，可作為目前配電網(wǎng)規(guī)劃中重要的研究方向。

3 配電網(wǎng)優(yōu)化規(guī)劃策略與求解算法

基于不同的規(guī)劃模型與對(duì)象，需要選擇條理清晰的優(yōu)化策略，并采用高效準(zhǔn)確的求解算法。本節(jié)將綜述4種配電網(wǎng)優(yōu)化規(guī)劃策略及其求解算法。

3.1 單層規(guī)劃方法

單層規(guī)劃方法可處理單目標(biāo)優(yōu)化問題，或加權(quán)后的多目標(biāo)優(yōu)化問題。文獻(xiàn)[26]從經(jīng)濟(jì)、技術(shù)和環(huán)境三方面建立DG選址定容多目標(biāo)優(yōu)化模型，采用實(shí)數(shù)對(duì)DG的接入點(diǎn)、容量和技術(shù)參數(shù)編碼，并基于帶有精英策略和非支配排序的遺傳算法求解。

該類方法規(guī)模相對(duì)較小，求解便捷，但優(yōu)化對(duì)象的時(shí)間尺度等較為單一，難以在規(guī)劃中考慮配網(wǎng)的運(yùn)行狀況。

3.2 多層規(guī)劃方法

多層規(guī)劃方法可按照規(guī)劃、運(yùn)行等不同尺度，或不同利益主體，構(gòu)建2層及以上的優(yōu)化模型，不同層間利用傳遞變量傳遞優(yōu)化結(jié)果，總結(jié)了2種不同的建模思路。

另一方面，根據(jù)配電網(wǎng)規(guī)劃中的不同利益主體建立多層優(yōu)化模型。文獻(xiàn)[54]針對(duì)多利益主體建立3層優(yōu)化模型，分析了3個(gè)利益主體之間的靜態(tài)和動(dòng)態(tài)博弈關(guān)系，結(jié)合迭代搜索法和極大極小值法求解博弈行為的納什均衡點(diǎn)。

雙層和多層規(guī)劃方法可降低每一層的變量規(guī)模，模型意義清晰。然而，該類方法構(gòu)建的優(yōu)化模型整體規(guī)模較大，需要不斷迭代得到每一層模型的最優(yōu)解，求解復(fù)雜度相對(duì)較高。

3.3 多階段規(guī)劃方法

實(shí)際工程中，電網(wǎng)規(guī)劃的跨度通常為5～15年，需要逐步構(gòu)建合理可靠的電網(wǎng)[47]；在理論研究中，現(xiàn)有文獻(xiàn)考慮社會(huì)、經(jīng)濟(jì)、負(fù)荷等動(dòng)態(tài)因素在規(guī)劃期內(nèi)的變化，提出了多種多階段規(guī)劃方法。

文獻(xiàn)[27]提出的主問題為配電網(wǎng)多階段規(guī)劃問題，子問題為考慮配網(wǎng)重構(gòu)的運(yùn)行問題，基于Benders分解方法對(duì)主問題和子問題迭代求解。文獻(xiàn)[28]同樣構(gòu)建了雙層多階段規(guī)劃模型，主模型優(yōu)化完整規(guī)劃期內(nèi)的投資成本，子模型優(yōu)化規(guī)劃期內(nèi)各個(gè)階段的運(yùn)行策略。該模型將傳統(tǒng)粒子群算法和快速非支配遺傳算法相結(jié)合，求解多階段規(guī)劃模型。文獻(xiàn)[3]將多階段規(guī)劃模型轉(zhuǎn)化為兩類單階段規(guī)劃模型。第一類模型僅用于規(guī)劃期末，確定規(guī)劃期的整體規(guī)劃方案；第二類從規(guī)劃期倒數(shù)第二年到規(guī)劃初期倒序應(yīng)用，確定設(shè)備新建和升級(jí)的實(shí)施年份。

多階段規(guī)劃方法從動(dòng)態(tài)視角制定配電網(wǎng)的規(guī)劃策略，以各階段結(jié)束時(shí)的規(guī)劃方案作為下一階段的起始狀態(tài)，能夠計(jì)及不同階段間動(dòng)態(tài)因素的變化。

3.4 不確定性規(guī)劃方法

不確定性規(guī)劃的核心是將含有不確定性變量的模型轉(zhuǎn)化為若干確定性規(guī)劃模型，從而降低求解難度?，F(xiàn)有的不確定性規(guī)劃方法包括魯棒優(yōu)化、模糊理論、區(qū)間分析、隨機(jī)規(guī)劃、場(chǎng)景分析等，該類規(guī)劃方法最適用于當(dāng)前不確定性逐步增強(qiáng)的配電網(wǎng)規(guī)劃問題。

在最極端場(chǎng)景下，文獻(xiàn)[16]采用內(nèi)點(diǎn)法對(duì)雙層魯棒優(yōu)化模型迭代求解。文獻(xiàn)[2]基于二階錐松弛技術(shù)將所提模型凸化，之后采用魯棒對(duì)偶轉(zhuǎn)化方法，將雙層凸規(guī)劃問題轉(zhuǎn)化為單層凸規(guī)劃模型。

文獻(xiàn)[17]構(gòu)建的模糊期望值模型中，將不等式約束作為懲罰函數(shù)加到目標(biāo)函數(shù)中，利用遺傳算法求解。為了避免中壓配網(wǎng)負(fù)荷預(yù)測(cè)的誤差，文獻(xiàn)[48]采用負(fù)荷上下限計(jì)算確定性潮流，得到配網(wǎng)擴(kuò)展規(guī)劃投資與網(wǎng)損總成本的區(qū)間值。

文獻(xiàn)[55]提出了一種光伏場(chǎng)站和ESS接入低壓配網(wǎng)的隨機(jī)規(guī)劃方法。每次求解迭代基于低壓配網(wǎng)裝機(jī)容量的歷史統(tǒng)計(jì)數(shù)據(jù)，隨機(jī)在負(fù)荷節(jié)點(diǎn)中選擇場(chǎng)站的接入點(diǎn)和容量。

3.5 小結(jié)

綜上，4種規(guī)劃策略的基本原理對(duì)比如圖3所示。

圖3 配電網(wǎng)規(guī)劃策略

由于配網(wǎng)規(guī)劃問題的復(fù)雜性帶來求解模型非線性化和優(yōu)化目標(biāo)多樣化，使用傳統(tǒng)的數(shù)學(xué)優(yōu)化算法和啟發(fā)式算法往往會(huì)導(dǎo)致模型維數(shù)災(zāi)難，求解效率下降等問題[56]。深度強(qiáng)化學(xué)習(xí)是人工智能領(lǐng)域的一個(gè)新的研究熱點(diǎn)，它以一種通用的形式將深度學(xué)習(xí)的感知能力與強(qiáng)化學(xué)習(xí)的決策能力相結(jié)合[57]，但應(yīng)用至規(guī)劃領(lǐng)域尚處于探索階段，目前只有少部分強(qiáng)化學(xué)習(xí)應(yīng)用于包含簡單策略集的規(guī)劃問題的研究[58]。深度強(qiáng)化學(xué)習(xí)可以克服強(qiáng)化學(xué)習(xí)策略表征能力差，無法解決大狀態(tài)空間策略集等問題[57-59]，未來有望在配網(wǎng)規(guī)劃領(lǐng)域?qū)崿F(xiàn)突破。

4 總結(jié)與展望

4.1 總結(jié)

文章圍繞配電網(wǎng)規(guī)劃問題，從源荷功率模擬、規(guī)劃模型、優(yōu)化策略與求解算法綜述了配電網(wǎng)規(guī)劃的研究現(xiàn)狀，從中可總結(jié)如下問題：

1)由于配電網(wǎng)規(guī)劃橫跨時(shí)段長，源荷功率變化明顯，現(xiàn)有方法缺少對(duì)規(guī)劃期內(nèi)源荷功率的精細(xì)化、個(gè)性化、多元化模擬方法，致使規(guī)劃建模沒有足夠精確的依據(jù)。

2)隨著配電網(wǎng)規(guī)模的增大、接入配電網(wǎng)設(shè)備的隨機(jī)性和多樣性增強(qiáng)，配電網(wǎng)規(guī)劃建模與求解愈發(fā)困難，目前的優(yōu)化策略及求解算法可能難以應(yīng)對(duì)這一趨勢(shì)。

3)隨著多能源的深度耦合，電網(wǎng)在能源互聯(lián)網(wǎng)體系中必將發(fā)揮主干作用。然而，現(xiàn)有的配電網(wǎng)形態(tài)可能無法滿足能源轉(zhuǎn)換與集成的要求，這將阻礙能源的輸送與消納。

4.2 展望

人工智能技術(shù)與能源互聯(lián)網(wǎng)的發(fā)展，能夠從算法和能源融合2個(gè)層面，為配電網(wǎng)提供新的發(fā)展方向，以適應(yīng)中國能源革命和電網(wǎng)建設(shè)的發(fā)展趨勢(shì)。針對(duì)現(xiàn)有問題，從人工智能和能源互聯(lián)網(wǎng)兩方面考慮，未來配電網(wǎng)規(guī)劃存在如下3個(gè)潛在的研究方向：

1)充分借鑒深度學(xué)習(xí)算法在短期源荷功率預(yù)測(cè)中的思路，準(zhǔn)確評(píng)估中長期預(yù)測(cè)的多元影響因素及其耦合關(guān)系和特性，發(fā)展基于深度學(xué)習(xí)的中長期概率預(yù)測(cè)或場(chǎng)景分析方法，提高源荷功率的模擬精度。

2)將深度強(qiáng)化學(xué)習(xí)應(yīng)用至配網(wǎng)規(guī)劃領(lǐng)域，提高配網(wǎng)規(guī)劃方案的制定效率。

3)為了充分發(fā)揮配電網(wǎng)在能源互聯(lián)網(wǎng)中的樞紐作用，應(yīng)基于現(xiàn)有的輻射狀結(jié)構(gòu)，探索適應(yīng)多能耦合特點(diǎn)的配電網(wǎng)新形態(tài)及規(guī)劃方法，以提高能源的轉(zhuǎn)換效率與傳輸能力。