微电网容量配置的鲁棒优化与工程实践

1. 多微网系统容量配置的挑战与鲁棒优化思路

微电网作为分布式能源的重要载体，其容量配置直接影响系统经济性和可靠性。传统单层优化方法在面对源荷双重不确定性时，往往陷入"配置即过时"的困境——刚完成设备选型，实际运行工况就已偏离设计场景。我在参与某工业园区微网项目时，曾遇到光伏实际出力连续5天低于预测值40%的情况，导致配置方案完全失效。

两阶段鲁棒优化的核心价值在于：外层决策（容量配置）和内层决策（运行调度）形成博弈关系。这种"领导者-跟随者"框架能自动捕捉最恶劣场景，确保配置方案在任何情况下都保持可行性。举个例子，当我们在内层优化中考虑±20%的负荷波动时，外层配置会自动预留足够的备用容量，这种保守性正是工程实践中最需要的安全边际。

2. 环境友好型微网建模的关键要素

2.1 双层优化框架设计

主问题建模采用YALMIP的sdpvar变量定义电源容量：

matlab复制P_pv = sdpvar(1,'full'); % 光伏容量决策变量
P_wt = sdpvar(1,'full'); % 风机容量决策变量
C_inv = cp*P_pv + cw*P_wt; % 投资成本计算

这里特别设置'full'参数保证变量完全自由度，避免因对称性导致求解困难。投资成本系数cp和cw需要根据当地设备价格动态调整，建议采用近三年市场均价。

2.2 环境成本内生化处理

将碳排放转化为经济惩罚的创新方法：

matlab复制% 排放系数(gCO2/kWh)
co2_coef = [800 600 50]; % 燃机、柴油机、购电
lambda = 0.02; % 碳价转换系数($/kg)
env_cost = lambda*(co2_coef*P_gen)/1000; 

这个转换系数的确定需要参考：

1. 当地碳交易市场价格
2. 环保法规处罚标准
3. 企业社会责任成本
   建议采用敏感性分析确定合理区间，我们项目最终选择0.02是基于10年期的成本效益平衡。

3. 不确定性建模与鲁棒对策

3.1 盒式不确定集的工程校准

负荷波动率设置需要历史数据支撑：

matlab复制% 基于3σ原则确定波动范围
load_hist = xlsread('load_profile_5y.xlsx');
d_mean = mean(load_hist);
d_std = std(load_hist);
d_load = 3*d_std/d_mean; % 99.7%置信区间

实际项目中我们发现，工业负荷的波动性具有明显时段特征，建议采用分时段的动态不确定集：

matlab复制for t=1:24
    if ismember(t,7:18) % 白天时段
        d_load(t) = 0.15;
    else % 夜间时段
        d_load(t) = 0.25;
    end
end

3.2 可再生能源出力的模糊建模

风机出力的不确定性处理：

matlab复制P_wt_actual = P_wt * kappa; % kappa为归一化出力系数
kappa_unc = uncertain(1);
Cons = [0.3 <= kappa_unc <= 1.0]; % 根据风场特性设置

这里0.3的下限是基于风机切入风速和额定风速的转换关系计算得出，不同机型需要调整该参数。

4. C&CG算法实现细节

4.1 主-子问题迭代流程

列与约束生成算法的MATLAB实现框架：

matlab复制iter = 1;
gap = inf;
while gap > 1e-4 && iter < 50
    % 主问题求解
    optimize(master_cons, master_obj);
    UB = value(master_obj);
    
    % 固定主问题变量求解子问题
    P_pv_fix = value(P_pv);
    P_wt_fix = value(P_wt);
    optimize(sub_cons, sub_obj);
    LB = max(LB, value(sub_obj));
    
    % 生成Benders割
    new_cut = (sub_obj >= ...);
    master_cons = [master_cons, new_cut];
    
    gap = UB - LB;
    iter = iter + 1;
end

4.2 数值稳定性处理技巧

1. 对偶变量归一化：在生成Benders割前，将对偶变量缩放至[0,1]区间，避免数值爆炸
2. 正则化项添加：在主问题目标函数中加入0.001*norm(x,2)防止病态解
3. 可行性检查：每次迭代后执行feasibility(master_cons)验证约束一致性

我们在某微网项目中发现，当光伏容量超过2MW时，直接使用对偶变量生成的割平面会导致主问题无解。通过引入正则化项和人工变量，成功解决了这一数值稳定性问题。

5. 工程实践中的经验总结

5.1 参数敏感性分析实战

环境惩罚因子λ的影响规律：

matlab复制lambda_range = linspace(0,0.1,20);
results = zeros(20,3);
for i=1:20
    lambda = lambda_range(i);
    optimize(cons,obj);
    results(i,:) = [value(P_pv), value(P_wt), value(obj)];
end

通过绘制P_pv、P_wt随λ变化的曲线，可以清晰观察到配置方案的相变点。在某沿海项目中，当λ>0.035时，系统配置从"燃气轮机主导"突变为"风光储联合"，这种非线性特征必须通过参数扫描才能发现。

5.2 求解器选型建议

CPLEX与GUROBI的性能对比：

1. 对于<1000变量的两阶段问题，CPLEX 12.10求解速度更快
2. 当存在整数变量时，GUROBI 9.0的启发式策略更有效
3. 遇到子问题退化时，CPLEX的预处理更稳健

实际案例：在某含储能的微网配置中，CPLEX求解时间比GUROBI少17%，但当加入设备启停约束后，GUROBI反而快23%。建议准备两套求解环境，根据模型特性灵活选择。

6. 典型结果分析与决策支持

6.1 配置方案的经济-环保权衡

某工业园区微网的优化结果：

鲁棒方案虽然成本增加18.7%，但相比纯经济方案碳排放降低26%，且能承受±25%的源荷波动。这种折中特性使其成为大多数工程项目的首选。

6.2 不确定集大小的边际效应

波动率参数d对配置的影响：

code复制d_load(%) | PV配置(MW) | 成本增长率(%) 
10       | 0.9       | +4.2
20       | 1.2       | +11.5 
30       | 1.6       | +23.8

数据显示，当d_load>25%后，成本增长呈现超线性特征。建议在实际项目中控制不确定集在15-20%之间，通过历史数据校准获得最佳平衡点。

7. 代码优化与扩展方向

7.1 计算效率提升技巧

1. 热启动技术：将上一次求解的变量值作为初始点

matlab复制assign(P_pv, prev_pv);
assign(P_wt, prev_wt);
optimize(cons,obj,ops);

2. 并行计算：使用parfor循环同步求解多个场景
3. 模型简化：对非关键约束进行线性逼近

在某省级微网规划项目中，通过热启动技术使计算时间从6.2小时缩短至2.8小时，迭代次数减少56%。

7.2 多微网耦合的扩展建模

考虑微网间功率交换的增强模型：

matlab复制P_ex = sdpvar(N,N,T,'full'); % 微网间交换功率
Cons = [sum(P_ex,1) == 0]; % 功率平衡

需要新增以下约束：

1. 联络线容量限制
2. 过网费计算
3. 交换功率的鲁棒性约束

这种扩展会使问题复杂度呈指数增长，建议先采用聚类方法将微网分组，再分层优化。