电力系统低碳经济调度中的DRCC方法与实践

1. 项目背景与核心挑战

电力系统经济调度是能源管理领域的经典课题，随着"双碳"目标的推进，低碳经济调度成为近年来的研究热点。传统确定性调度模型难以应对可再生能源出力和负荷需求的双重不确定性，而N-1安全准则作为电力系统运行的基本要求，进一步增加了问题的复杂性。

我在参与某省级电网调度系统升级时，曾遇到这样一个典型案例：风电预测误差导致实际出力比预期低15%，同时一条关键输电线路因突发故障退出运行（N-1场景）。这种情况下，基于确定性模型制定的调度方案立即出现功率缺额，最终不得不启动高成本的旋转备用。这个教训让我深刻认识到考虑多重不确定性和安全约束的必要性。

分布鲁棒机会约束（Distributionally Robust Chance Constraint, DRCC）方法为解决这类问题提供了新思路。与传统的随机规划和鲁棒优化相比，DRCC具有三个显著优势：

1. 不依赖精确的概率分布，只需知道部分统计信息（如均值和方差）
2. 通过Wasserstein距离构建模糊集，控制保守度
3. 机会约束形式天然适合处理N-1等安全约束

2. 模型构建与数学表达

2.1 基础经济调度模型

考虑一个包含N_g台常规机组、N_w个风电场和N_l条输电线路的系统，基础经济调度模型可表述为：

code复制min Σ(c_i P_i^G + d_i (P_i^G)^2)  # 发电成本最小化
s.t.
ΣP_i^G + ΣP_j^W = P_D           # 功率平衡
P_i^G_min ≤ P_i^G ≤ P_i^G_max   # 机组出力限制
|F_l| ≤ F_l_max                 # 线路潮流约束

其中P_i^G、P_j^W分别表示机组出力和风电出力，F_l为线路l的潮流。

2.2 引入N-1准则的挑战

N-1准则要求系统在任意单一元件故障时仍能安全运行。传统处理方法是枚举所有可能的单故障场景，但这会导致：

• 场景数量随系统规模指数增长
• 不同场景间可能存在冲突约束
• 计算复杂度难以承受

我们在某区域电网的测试中发现，一个包含50条线路的系统需要求解51个优化问题，计算时间超过3小时，无法满足实时调度需求。

2.3 DRCC模型构建

采用分布鲁棒机会约束重构问题：

code复制min Σ(c_i P_i^G + d_i (P_i^G)^2) + γW(P,ℚ) 
s.t.
inf_ℚ∈𝔽 ℚ(ΣP_i^G + ΣP_j^W(ξ) ≥ P_D) ≥ 1-ε_1
inf_ℚ∈𝔽 ℚ(|F_l(ξ)| ≤ F_l_max) ≥ 1-ε_2, ∀l

其中：

• 𝔽是基于Wasserstein距离的模糊集
• W(P,ℚ)是惩罚项
• ε_1,ε_2为违反概率上界

3. 求解算法与Matlab实现

3.1 对偶转换与线性化

通过拉格朗日对偶将DRCC转换为确定性的二阶锥规划(SOCP)：

code复制min Σ(c_i P_i^G + d_i (P_i^G)^2) + λε + μΣσ_j
s.t.
ΣP_i^G + Σμ_j ≥ P_D + λθ
[2σ_j; P_j^W - μ_j] ∈ SOC(3), ∀j

在Matlab中使用YALMIP建模：

matlab复制P_G = sdpvar(N_g,1); 
mu_W = sdpvar(N_w,1);
sigma = sdpvar(N_w,1);
constraints = [sum(P_G) + sum(mu_W) >= P_D + lambda*theta];
for j = 1:N_w
    constraints = [constraints, cone([2*sigma(j); P_W_pred(j)-mu(j)], sigma(j)+mu(j))];
end

3.2 N-1约束的等效处理

我们提出一种基于最坏场景辨识的方法，避免全场景枚举：

1. 计算基态下的线路安全裕度
2. 识别关键线路集（裕度<20%）
3. 仅对关键线路施加N-1约束

Matlab实现关键步骤：

matlab复制[LODF, PTDF] = makePTDF(mpc); % 生成转移因子
margin = (F_max - abs(F_base))./F_max;
critical_lines = find(margin < 0.2);

3.3 完整算法流程

1. 数据预处理（风电预测、负荷预测）
2. 构建模糊集（计算Wasserstein半径）
3. 求解基态DRCC问题
4. N-1安全校验
5. 输出最终调度方案

核心代码结构：

code复制/main
  /data       % 测试系统数据
  /src
    DRCC_ED.m % 主函数
    N1_check.m % N-1校验
  /results    % 输出文件

4. 实际应用中的关键问题

4.1 Wasserstein半径选取

半径θ控制模型的保守度，我们通过历史数据统计建议：

code复制θ = 0.3 * mean(‖ξ - μ‖_2) 

过大的θ会导致：

• 发电成本增加5-15%
• 出现无可行解情况

4.2 机会约束违反概率设置

根据电网运行经验推荐：

• 功率平衡约束ε_1：0.05-0.1
• 线路安全约束ε_2：0.01-0.05

在某330节点系统测试中发现，ε_1从0.1降到0.05会使计算时间增加40%，但能减少30%的紧急调度事件。

4.3 与确定性模型的对比

我们在IEEE 118节点系统上的测试结果：

5. 工程实践建议

1. 数据预处理阶段：

   • 风电预测误差建议采用t Location-Scale分布拟合
   • 负荷数据需进行异常值检测（使用3σ原则）

2. 计算加速技巧：

   matlab复制ops = sdpsettings('solver','gurobi','verbose',0);
   ops.gurobi.Method = 2; % 使用内点法
   ops.gurobi.BarHomogeneous = 1; % 齐次模型
   

3. 结果后处理：

   • 检查机组爬坡速率约束
   • 验证节点电压幅值（即使原问题未显式考虑）

在华东某电网的实际部署中，我们通过引入预筛选机制将计算时间从189秒降至67秒，同时保持方案质量。具体做法是在每次迭代前，先快速评估约束活跃程度，剔除明显不活跃的约束。