Page 74 - 电力与能源2024年第三期

348 张晶晶，等：计及风光资源不确定性的独立型微电网容量优化配置

的一个重要环节，科学合理的配置方案对于降低 度波动给微网带来的运行风险，使得优化结果具
微网建设成本、保障供电可靠性、提升可再生能源 有更强的鲁棒性。
消 纳 水 平 以 及 减 少 污 染 排 放 等 均 具 有 重 要 本文以独立型风光柴储微网系统为优化配置
［3］
意义 。 对象，整体流程如图 1 所示。
国内外已有较多学者针对微网容量优化配置 （1）首先以典型年风光数据为基础，采用拉丁

问题展开广泛研究，然而现有的大部分研究都是 超立方抽样模拟生成大量的风光场景，并利用 K-
在确定性框架下进行的，即基于历史全年小时级 medoids 聚类算法对场景进行消减，得到若干特征
（或更短）数据或者典型运行场景对微网中各个电 明显、出现概率较大的场景；
源的容量进行优化配置 ［4-5］ 。这种方法求解得到 （2）其次，以微网供电可靠性为硬约束条件，
的“最优”配置方案仅是针对历史数据场景而言 综合考虑微网的经济性和可再生能源利用率指

的，无法反映系统未来可能出现的运行场景，存在 标，引入 CVaR 计量运行风险，建立以年均综合费
一定的局限性。事实上，微网中新能源的大量接 用最小为优化目标的随机优化模型，并采用二进
入，风光资源的随机性和波动性对其安全可靠运 制粒子群算法对模型进行求解；
行产生了较大影响，尤其是对于脱离大电网的独 （3）最后通过仿真算例对比分析确定性优化
立型微网，可靠性更是在规划设计时需要首要考 模型和随机优化模型的配置结果，并讨论不同风
虑的指标。因此考虑微网规划寿命周期内风光资 险系数对随机优化模型的影响。
源不确定性对微网设计的影响，并通过合理的优

化方法来规避不确定性带来的风险是一个亟待解
决的问题。
国内已有部分学者在进行微网容量优化配置
时考虑了风光资源不确定性的影响。文献［6］以全
寿命周期成本最小为优化目标，采用自平衡度、冗

余度、可再生能源利用率等指标作为约束条件来评
价微网性能，并且针对风光资源的不确定性，采用
拉丁超立方场景生成方法和场景缩减技术生成随
机场景，在多重随机场景下，结合鲁棒优化来修正
配置方案。文献［7］根据风、光、负荷的概率密度函
数构造每个月份典型日风光出力和负荷数据，利用
多状态系统理论对典型日各个时刻的风光出力和
负荷进行了多状态建模，得到多个随机组合场景， 图 1 微网容量化配置流程

并根据随机场景来验证配置结果的合理性。
1 风/光场景生成和消减方法
上述文献虽然考虑到风速和光照随机波动对
微网中风光出力的影响，但是未将这种不确定性 为计及风光资源不确定性对微网容量优化配
所带来的风险考虑到配置模型的目标函数中。风 置带来的影响，在已获得的历史数据基础上进行
险价值（VaR）和条件风险价值（CVaR）是金融领 风光场景的模拟。

域提出的计量收益损失的风险测量方法，近年来 本文采用拉丁超立方采样（LHS）方法模拟出
逐渐应用在电力系统的可靠性和稳定性领域，用 多个风、光出力场景，以此描述风光出力的随机性。
［8］
于度量电力系统运行风险 。本文将其应用在微 1.1 LHS 场景生成方法
网容量优化配置模型中，以此来度量风速、光照强 LHS 方法，是一种分层分维随机抽样方法，