Page 90 - 电力与能源2023年第二期

184 林君豪，等：基于蒙特卡罗树搜索和 ε 约束算法的配电网源网荷储协同运行优化方法

对 MCTS 搜索树的剪枝。 弃风弃光成本为 0.8 元·（kWh）；DG 的爬坡速率
-1
ε 约束算法 ［19］ 是一种寻找 Pareto 前沿的方法， r g，i 设为 0.5；ESS 的单台投资成本为 6 万元；ESS
对于本文的优化目标 F 1 和 F 2，ε 约束算法的主要 的参数 A ESS 设为 1 600，B ESS 设为 2.1；γ min 和 γ max 分
步骤如下。 别设置为 0 和 1；ESS 的充放电效率 η c 和 η d 设为
（1）分别单独考虑 F 1 和 F 2，求解其最优解及 0.9；单 台 ESS 的 容 量 P max 为 30 kWh，并 且 设 每
ESS
对应的最优 F 1 或 F 2 数值，则可以得到｛F 1，H，F 1，L， 小时充放电功率上限为 10 kWh；开关动作成本

F 2，H，F 2，L ｝，分别是 F 1 的最大/最小取值，以及 F 2 的 设为 7 元/次 ；系统向上级电网的购电成本设为
最大/最小取值。 1 元·（kWh） 。
-1
（2）取区间 F=［F 1，L，F 1，H ］或 F=［F 2，L，F 2，H ］， 测试系统的网络拓扑结构如图 2 所示。
将 F 分为若干子区间，并对原问题进行多次求解，
每次依 k 的取值增加不等式约束：
F 2，L +( k - 1 ) ε ≤ F 2 < F 2，L + kε
（20）
F 2，H - F 2，L
( k = 1，2，⋯ )
ε
式中 ε——划分 F 的子区间宽度。
图 2 测试系统的网络拓扑结构
（3）对于依次增加的式（20），分别求取单目标
在测试系统中，节点 5，31，36，52 接有风电，
优化问题来优化 F 1，并根据最优解来计算 F 2。这
节点 15，19，32，47 接有光伏，以上各节点 DG 机组
一过程可使用各种优化方法，包括数学法和智能
容量设为 150 kWh。节点 8，12，21，39，53，48，50
优化算法等。
接有 ESS。
（4）重复步骤 3 直至所有子区间都作为约束
4.1 配电网协同优化结果分析
进行 F 1 的优化求解。
相比于未进行运行优化的场景，协同优化后
在完整的 ε 约束算法中，还需要对步骤 4 中得
的结果如表 1 所示。
出的解集筛选非支配解。但本文需要求解的多时
表 1 不同方法结构坚强性综合各方法评分结果对比
段的运行优化方案，并且进行多时段优化时需要
指标 优化前 优化后
可选各时段的可选解集作为备选，需要单个时段
运行成本 F 1 /万元 9.255 9 8.758 6
Pareto 前沿之外的可行解防止多时段运行优化问 源荷相关系数 F 2 −0.482 3 −0.219 3
题陷入局部最优，故在单时段的可行解求解过程
优化前后的系统线损分布如图 3 所示。
不进行非支配解的筛选，直接将步骤 4 得到的结

果作为多时段运行优化中各时段的备选解。这样
做也有利于提高计算效率。
在实际应用时，相比于传统智能优化算法，
MCTS，可以采用多线程的方法同时对各时段进行
寻优，以此充分利用计算资源，降低计算时间。

4 算例分析 图 3 优化前后系统线损分布

以新美国 PG69 系统作为算例验证本文所提 从表 1 和图 3 可以看出，经过源网荷储的协同
出方法的有效性。系统中的负荷节点的日平均负 优化，电源侧和负荷侧资源实现了供需互补，系统
荷设定为 PG69 系统中对应节点的额定负荷。日 负荷与 DG 出力的同步程度得以提高，提高了系
内的负荷波动幅度可通过选取若干样例得到其 统内 DG 的消纳能力，并降低了系统的弃风弃光
-1
分布；用户进行 DR 的激励设为 0.75 元·（kWh）； 成本、系统向上级购电的成本以及系统网损，从而