【鲁棒优化、无功优化】两阶段鲁棒优化的主动配电网动态无功优化【IEEE33节点】（Matlab代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

文献来源：

摘要：随着分布式电源渗透率的不断提高,分布式电源的随机性和波动性给配电网无功优化带来很大挑战,传统配电网正逐步向主动配电网转变。主动配电网是从“源”、“网”、“荷”三方面来主动管理,“源”是有一定比例的可控有功电源和无功电源;“网”是配电网具有灵活的网络结构;“荷”是具有灵活可控的负荷,即需求侧管理。一方面如何协调制定主动管理装置的控制策略关系到配电网的优化运行,另一方面,受分布式电源和负荷预测不确定性的影响,传统的确定性优化方法会使得制定的控制策略不准确,为此在制定的控制策略时需考虑分布式电源和负荷的不确定性。本文在分析主动配电网无功电压特性的基础上,依次建立了储能(energy storage system,ESS)、静止无功补偿器(static VAR compensation,SVC)、分组投切电容器组(capacitors banks,CB)和有载调压分接头(On-load Tap Changer,OLTC)的数学模型,然后介绍了分布式电源的并网方式及等效模型,针对配电网不同于输电网的特性,介绍了前推回代法、回路阻抗法、隐式Zbus法和支路潮流法。为了促进分布式能源的消纳,降低网损和减小电压偏差,建立了主动配电网多目标无功优化模型。由于支路潮流等式的非凸,为提高求解速率,利用二阶锥规划理论,将潮流等式松弛为二阶锥规划的形式,针对模型中的非线性量,利用Big-M法线性化,利用层次分析法将多目标函数加权为单目标函数,由此模型变成混合整数二阶锥规划模型来进行求解,在修改得IEEE33节点上仿真分析表明:优化后的网损明显降低,电压得到明显的改善,随着分布式电源渗透率的不断提高,网损先减小后增大,ESS、OLTC、CB能有效降低网损减小电压偏差和弃光,证明本文所建模型的有效性和合理性。为减少分布式电源和负荷的不确定性带来的影响,建立了两阶段鲁棒优化动态无功优化模型,根据控制变量调节的快慢,提出将储能是否充放电和分组投切电容器的投切组数作为第一阶段的变量,储能充放电的功率和静止无功补偿器的补偿量放在第二阶段,使得第一阶段的控制策略保证第二阶段的控制策略在最恶劣的场景下能够保持配电网安全、稳定的运行。为避免鲁棒优化的结果偏于保守性,引入了不确定预算来降低鲁棒优化的的保守性。使用列约束生成算法来求解两阶段的鲁棒优化,在改进的IEEE33节点进行仿真分析,结果表明所提出的的鲁棒优化控制策相比与确定性优化策略更具有优越性。

关键词：

无功优化;两阶段鲁棒优化;主动配电网;二阶锥规划;列约束生成算法;

电力系统中由于模型、参数测量等难免会存在误差，又加上分布式电源和负荷预测的误差，如果仅仅用预测的值,这样会给制定优化控制策略带来干扰，传统的对不确定性处理是采用一种“事后分析”方法，即灵敏度分析方法，通过对优化结果的分析，衡量模型不确定性对结果的影响程度，从而判断制定的控制策略的工作性能。

由于分布式电源以及负荷的随机性、波动性以及测量误差给配电网运行决策带来了很多不确定性。为了制定全局最优的控制策略，需要充分考虑分布式电源和负荷的不确定性。目前对不确定性的处理大概有三种方法:模糊理论[44-45]、随机概率类优化[4647]、鲁棒优化[+8-49]。模糊理论是通过模糊变量对不确定性量进行描述，以隶属度函数衡量约束的满意程度来进行求解，但其建立隶属度函数受人的主观因素较大;随机概率需要已知不确定参数的分布，需要大量的抽样结果进行统计计算，否则不能保证模型的精确，从而增加了求解的难度;鲁棒优化只关心不确定参量边界的情况，它通过将不确定性参数限定在一个区间里，避免了对变量概率分布的信息需求，求解规模相对来说较小，目前受到了广泛的应用。
鲁棒优化中的不确定集常用的形式有椭球型不确定集合和盒式不确定集合[50]。盒式不确定集合使得二阶锥规划、半定优化等问题能良好的解决。鲁棒优化的实质是求解在最恶劣的场景下的解,
是以牺牲经济性来满足鲁棒性的，但在实际电网运行中有些极端场景只有理论上才可能出现，这样鲁棒优化带来的解会过于保守。文献[51]提出了可调鲁棒优化，有效协调了鲁棒性与经济性的矛
盾，但是由于所建的模型求解比较繁琐，增加了求解难度。文献[52]提出了不确定区间可调节的鲁棒优化，使得模型易于求解。文献[53]首次将两阶段鲁棒优化引入主动配电网无功优化中，将离散的控制变量作为第一阶段，连续变量作为第二阶段来进行无功优化。文献[54]根据无功优化控制的快慢，将控制慢的作为第一阶段，控制迅速的作为第二阶段，保证在最恶劣的情况下在第一阶段的控制策略能够使第二阶段的控制策略在最恶劣的场景下使得网损最小。