考虑大规模风电接入的电网规划优化综述

张 飞，亓 豪，田 程，段秋雨

（内蒙古科技大学(信息工程学院)，内蒙古 包头 014010）

风力发电作为新能源发电技术的一种，已经得到了广泛的应用。依据我国风资源的分布状况，采用建设大规模风电场与集中并网的发展方式，但这种方式会造成系统不稳定和建设成本过高的弊端，因此，对含有风电的输电网规划优化问题的研究具有一定的技术价值。

1.风电接入的输电网规划方法

电网依据不同的影响因素可划分为不同的规划方法。根据是否考虑到环境的不确定性因素，可分为确定性电网规划方法和不确定性电网规划方法；根据优化目标数目的多少，可分为单目标电网规划方法和多目标优化方法；根据时段的不同，可分为单时段规划方法和多时段规划方法。本文主要对是否考虑环境的不确定性因素进行研究分析[1]。

确定性电网规划是通过建立确定条件、约束及数学模型而得到确定电网规划方案的一种方法。不确定性电网规划是通过考虑如风电功率和负荷而得到最优规划方案的一种方法。由于考虑到风电功率等不确定性因素对于规划的重要性，所以不确定性电网规划方法成为了当下研究热点。根据处理不确定性因素的方法不同，可将其划分为基于多场景分析的方法与基于不确定性信息准确建模的方法两大类。

基于多场景分析的方法：基于多场景分析方法通过分析未来的场景将不确定性因素转化为一系列近似值，然后将这些近似值分别构建成一个个场景，最后通过计算与比较得出最好的综合优化方案[2]。这种方法大大降低了电网规划问题的建模和求解难度，但当不确定性的因素过多或变化过于复杂时，问题求解困难。文献[3]提出了一种基于极端场景集的输电网综合扩展规划的数学模型，减少需要进行计算的场景数，从而降低了问题的求解难度。

基于不确定信息准确建模方法：基于不确定性信息准确建模方法是指通过引入随机理论、盲数理论、模糊理论和灰色理论等进行建模求解。随机理论是指利用随机变量来表示电网规划中的不确定性因素，利用统计参数来表示不确定性的特征，利用概率的方法来描述未来可能产生的场景，并通过随机潮流分析得到电力系统的潮流指标，为系统规划提供数据参考。利用随机理论进行规划提供的信息更全面，更加符合实际场景，所以随机理论在电网规划的研究中得到了广泛的应用。文献[4]提出了一个机会约束公式，以解决负荷和风力发电机在输电网络扩展规划中的不确定性， 所提出的公式计算更多有效地处理传输网络扩展规划中的不确定性。盲数理论可以描述和处理具有随机性、模糊性和灰色性等的多种不确定性信息，并且可以利用盲数潮流计算分析电力系统运行状态，求得在不同运行要求下的规划方案，并最终按照一定的标准求取最优的规划方案。文献[5]为了表示电网规划当中数量众多的不确定信息而采取盲数理论的解决方案。模糊理论主要用于分析和处理数据缺失或者主观因素较重的不缺性因素，最后得到一个最大的综合满意度的规划方案。文献[6]考虑了负荷的模糊性，将基于可信性理论的模糊潮流算法引入输电网规划中，建立相应的模型与算法，进行输电网短期规划分析。灰色理论利用灰色模拟技术将一些不确定性因素转化为确定的信息进行灰色建模。所使用的灰色关联分析法常用来进行电网规划方案的综合决策，其主要思想是根据实际问题的实际场景找到最优方案的效果评价向量，最后依据各方案与理想方案的关联程度来得出最优解。

2.模型优化求解方法

模型优化求解算法主要分为启发式方法、数学优化算法与人工智能方法三类。

2.1 启发式方法

启发式算法是依赖于输电规划人员的工作经验而设计出实用性较强的方法，具有计算简便和易于实现的优点。文献[7]为了解决输电网扩展规划问题而采取将内点法与构造式算法结合起来，进而寻求到最优解的一种方法。

2.2 数学优化算法

实现解的最优性是数学优化算法的主要优点，但在实际应用当中，大的计算量一直制约着该算法的发展。现今该算法主要分为线性规划法、非线性规划法与混合整数规划法三种。

2.2.1 线性规划法

计算简便是线性规划法的主要优点，但由于非线性是电网规划的数学本质，所以在实际求解过程中会出现误差。文献[8]提出了使用线性规划进行网络分析，以确定哪里存在容量短缺，最重要的是，在哪里添加新电路以缓解短缺。

2.2.2 非线性规划方法

文献[8]通过修改目标函数和操作约束以包括电晕功率损耗项，提出了传输扩展计划问题的修改公式，构造出一个高度非线性目标函数，使输电网络的投资成本达到最优。文献[9]提出了一种构造性启发式算法（CHA）用以解决长期传输网络扩展规划的混合整数非线性编程问题。

2.2.3 混合整数规划法

对同时含有离散和连续变量的规划问题，混合整数规划法可在理论上找到全局最优解，但计算时间过长，且针对较大规模系统还要进一步分解才能解决。文献[10]提出了一种替代的混合整数线性析取公式，并结合启发式模型，使其具有更好的调节特性。

2.3 人工智能方法

人工智能方法中的遗传算法在解决电源规划问题上得到了广泛的应用，且在解决复杂问题时，具有一定的优势。例如当采取群体搜索策略时，由于可以对多个解进行同时评估，所以其全局寻优功能较好。

2.3.1 进化优化算法

进化优化算法当中的遗传算法，由于其具有较好的随机优化技术，所以在解决输电网与电网扩展规划问题上，显示出一定的优越性。

2.3.2 模拟退火算法

在解决大规模组合优化问题时，通常采用模拟退火算法。由于该算法采用Metropolis准则，并用冷却进度表的参数去控制算法的进程，所以可得出最优解。文献[11]在输电网规划问题中将其应用，结果显示出算法较好鲁棒性与灵活性，但在算法的效率与性能方面，依赖于冷却进度表与退火方案的选取，且伴随较大计算量。但当其与遗传算法或其他算法综合使用时，可以解决上述问题。

2.3.3 禁忌搜索算法

作为全局性邻域搜索算法的一种，禁忌搜索算法通过局部邻域搜索机制和释放被禁忌的优良状态，以达到全局最优的效果。文献[12]的结果表明，该算法对初始解的依赖性较强，且是串行的迭代过程。

2.3.4 群智能优化算法

将无智能或简单智能的个体通过群体协作而表现出智能优化的行为，称为群智能优化算法[13-14]。该算法具有良好的灵活性、鲁棒性与并行性，但缺乏基础理论研究。其代表性算法有粒子群算法(PSO)和猴群算法。由于粒子群算法收敛速度快，所以将其广泛应用在输电网的规划研究当中，但仅适用于小规模系统。而在直流潮流模型的输电网规划问题的求解上，采用猴群算法具有较大的优势。

2.3.5 混合智能算法

由于混合智能算法可以发挥各种算法的独有优势，同时，弥补各自的不足，所以广泛应用在输电网的规划研究当中[15]。

3.结语

在研究考虑风电接入的电网规划优化问题时，本文依据是否考虑到环境的不确定性因素，将其分为确定性和不确定性电网规划方法，并对不确性电网规划进行了分析。

关于考虑风电接入的输电网规划优化问题研究工作在逐步深入开展过程中，并且已经取得了一定成果。本文经过对当前研究进行归纳分析，对未来研究的方向有以下两点展望：风电消纳的主要方式不是就地消纳，而是发出的电能基本外送。在开发过程中，传统的方案是规划与后期调度运维分开考虑。如果合理地将电网规划和后期调度运维成进行综合考虑，从而降低全生命周期成本。因此，如何将电网及运维调度一体化成为具有实际研究价值的课题。算法的深度与广度搜索特性是影响算法性能的关键因素，因此，如何平衡二者之间的关系也是值得研究的课题。