基于数据驱动的交直流配电网分布鲁棒优化调度

清洁能源替代一方面有助于实现碳中和目标,另一方面风光等分布式电源(distributed generation,DG)的高比例接入又给配电网运行带来了新挑战。基于交直流网架配电提高了消纳率,但以往对VSC建模一般比较理想,且传统优化方法在处理DG和负荷不确定性方面具有很大的局限性。基于此,建立了基于数据驱动的交直流配电网分布鲁棒优化调度模型。首先,该模型以配网主体盈利最大为目标函数,考虑DG接入、电容器组投切、储能充放电调节、电价型需求响应、VSC运行以及网络重构等多种约束,以实现优化调度;其次,通过二阶锥松弛和McCormick线性化方法,将原始混合整数非线性模型(mixed integer nonlinear programming,MINLP)转化为混合整数二阶锥凸优化模型(mixed integer second-order cone programming,MISOCP);然后,结合风光和负荷的典型历史数据以及决策变量的调节特性,构建数据驱动的两阶段分布鲁棒优化调度模型,并综合1-范数和∞-范数同时约束不确定性概率分布置信集合;最后采用列与约束生成(the column and constraint generation,CCG)算法进行求解,基于修改的IEEE33节点算例验证了所提模型的有效性。