[论文解读] Robust Capacity Assessment of Distributed Generation in Unbalanced Distribution Networks Incorporating ANM Techniques

Xin Chen, Wenchuan Wu+1 more|arXiv (Cornell University)|Sep 12, 2017

Optimal Power Flow Distribution参考文献 24被引用 12

一句话总结

本文提出了一种两阶段可调鲁棒优化框架，用于评估在三相不平衡配电网中分布式发电（DG）的最大承载容量，结合了三相潮流建模与主动网络管理（ANM）技术。该方法能够稳健处理负荷与DG出力的不确定性，实现DG的最优容量与选址，同时生成时间特定的ANM策略，经IEEE 33节点系统验证，显示出更高的承载容量与鲁棒性。

ABSTRACT

To settle a large-scale integration of renewable distributed generations (DGs), it requires to assess the maximal DG hosting capacity of active distribution networks (ADNs). For fully exploiting the ability of ADNs to accommodate DG, this paper proposes a robust comprehensive DG capacity assessment method considering three-phase power flow modelling and active network management (ANM) techniques. The two-stage adjustable robust optimization is employed to tackle the uncertainties of load demands and DG outputs. With our method, system planners can obtain the maximum penetration level of DGs with their optimal sizing and sitting decisions. Meanwhile, the robust optimal ANM schemes can be generated for each operation time period, including network reconfiguration, on-load-tap-changers regulation, and reactive power compensation. In addition, a three-step optimization algorithm is proposed to enhance the accuracy of DG capacity assessment results. The optimality and robustness of our method are validated via numerical tests on an unbalanced IEEE 33-bus distribution system.

研究动机与目标

• 为解决在不确定性条件下准确评估三相不平衡配电网中分布式发电（DG）最大承载容量的挑战。
• 将主动网络管理（ANM）技术——如网络重构、有载调压分接头（OLTC）调节与无功功率补偿——整合到承载容量评估过程中。
• 开发一种鲁棒优化框架，以考虑负荷需求与可再生能源DG出力的不确定性。
• 为系统规划者提供最优的DG容量与选址决策，以及时间特定的ANM运行方案。
• 通过三步优化算法提升DG承载容量评估的准确性与可靠性。

提出的方法

• 构建两阶段可调鲁棒优化模型，利用可调鲁棒对偶方法处理负荷与DG出力的不确定性。
• 引入三相潮流建模，以准确反映三相不平衡配电网的运行状态。
• 将主动网络管理（ANM）技术——包括网络重构、有载调压分接头（OLTC）调节与无功功率补偿——作为优化框架中的决策变量嵌入。
• 提出一种三步优化算法，以提高鲁棒容量评估的计算精度与收敛性。
• 鲁棒优化框架为每个时间周期生成鲁棒最优的ANM方案，确保在不确定性集合内所有实现下的系统安全。
• 采用鲁棒优化求解器求解模型，不确定性集合基于负荷与DG出力的变化进行定义。

实验结果

研究问题

• RQ1 在考虑负荷与DG出力不确定性的情况下，三相不平衡配电网中的DG最大承载容量是多少？
• RQ2 如何实现ANM技术与DG接入的最优协调，以提升承载容量？
• RQ3 与平衡模型相比，三相不平衡建模对DG承载容量评估精度有何影响？
• RQ4 所提出的两阶段可调鲁棒优化框架如何提升鲁棒性与运行可靠性？
• RQ5 三步优化算法在提升解精度方面的计算性能与实际表现如何？

主要发现

• 与传统方法相比，所提方法通过有效利用ANM策略，实现了更高的DG承载容量。
• 三相潮流建模的集成显著提升了在三相不平衡网络中容量评估的精度。
• 两阶段可调鲁棒优化框架确保了在预设不确定性集合内所有实现下的系统安全。
• 三步优化算法提升了解的精度与收敛性，减少了容量评估中的最优性间隙。
• 在IEEE 33节点系统上的数值测试验证了该方法的鲁棒性与有效性，在不同负荷与DG出力场景下均表现出稳定性能。
• 该方法生成时间特定的最优ANM方案，包括网络重构与无功功率补偿，对运行可行性具有关键意义。