Day-Ahead Transmission Grid Topology Optimization Considering Renewable Energy Sources' Uncertainty
作者: Giacomo Bastianel, Dirk Van Hertem, Hakan Ergun, Line Roald
分类: eess.SY
发布日期: 2025-09-17
💡 一句话要点
提出考虑可再生能源不确定性的输电网拓扑优化模型，提升电网运行经济性。
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 电网拓扑优化 可再生能源不确定性 随机优化 混合整数规划 电力系统运行 日前调度 交流最优潮流 场景生成
📋 核心要点
- 现有输电网面临可再生能源高渗透带来的不确定性，以及网络拥塞和增强措施延误的挑战。
- 提出一种基于场景的随机优化模型，通过调整电网拓扑结构，优化输电效率，降低运行成本。
- 实验结果表明，该方法在包含高比例可再生能源的电网中，能有效降低成本，并验证了考虑不确定性的必要性。
📝 摘要（中文）
随着可再生能源渗透率的提高，电力系统运行面临着显著的不确定性。同时，现有的输电网络经常出现拥塞，而急需的增强措施由于各种限制而被延误。为了应对这些挑战，基于拥塞模式调整电网拓扑被认为是一种低成本的补救措施，以保证高效的电力传输。本文提出了一种电网拓扑优化模型，结合了最优传输切换和母线分割，适用于交流和混合交直流电网。该方法通过基于场景的随机优化方法，结合真实的离岸风电数据和K-means聚类来生成具有代表性的预测误差场景，从而纳入了可再生能源预测的不确定性。所提出的模型包括几种公式，可以与简单的最优潮流（OPF）模型进行比较：每小时优化拓扑，24小时使用一个拓扑，或一天内限制切换动作的次数。电网拓扑优化模型被表述为一个混合整数二次凸问题，基于日前（D-1）可再生能源预测进行优化，并通过交流最优潮流（AC-OPF）公式验证交流可行性。基于可行性检查的发电设定点，然后计算基于测量的（D）可再生能源实现的重新调度模拟。该方法在交流30节点测试用例和混合交直流50节点测试用例上进行了测试，时间序列分别为24小时（30节点）和14天（两个测试用例）。结果突出了电网拓扑优化为高可再生能源渗透率的拥塞测试用例带来的经济效益。此外，结果表明，即使限制拓扑动作的频率，考虑至少6到8个场景的可再生能源不确定性也会导致比确定性日前预测更低或相当的总成本。
🔬 方法详解
问题定义：论文旨在解决高比例可再生能源接入下，输电网由于预测不确定性导致的拥塞问题。现有方法通常采用确定性优化，无法有效应对可再生能源发电的波动性，导致次优的电网运行策略和较高的运行成本。
核心思路：论文的核心思路是通过优化电网拓扑结构（包括线路开关和母线分割），来适应可再生能源发电的不确定性。通过日前预测和场景生成技术，将不确定性纳入优化模型，从而得到更鲁棒和经济的电网运行方案。
技术框架：该方法包含以下主要阶段：1) 基于历史数据和K-means聚类生成可再生能源预测误差场景；2) 构建混合整数二次凸优化模型，同时优化电网拓扑和发电计划，目标是最小化运行成本；3) 使用日前预测进行优化，并通过交流最优潮流（AC-OPF）验证交流可行性；4) 基于实际可再生能源发电量进行重新调度模拟，评估优化效果。
关键创新：该论文的关键创新在于将电网拓扑优化与可再生能源不确定性建模相结合。传统的拓扑优化往往基于确定性场景，而该方法通过场景生成和随机优化，能够更好地应对可再生能源发电的波动性，从而提高电网运行的鲁棒性和经济性。
关键设计：该模型采用混合整数二次凸规划（MIQCP）进行求解，其中整数变量表示线路开关和母线分割的状态，连续变量表示发电量和线路潮流。目标函数为运行成本，约束条件包括潮流方程、线路容量限制、发电机出力限制等。此外，论文还比较了不同拓扑优化策略，例如每小时优化、一天优化一次、限制切换次数等，以评估不同策略的性能。
📊 实验亮点
在AC 30节点和混合AC/DC 50节点测试系统中，该方法在24小时和14天的时间序列上进行了验证。结果表明，考虑可再生能源不确定性的拓扑优化能够显著降低电网运行成本。与确定性日前预测相比，即使限制拓扑动作的频率，考虑至少6到8个场景的不确定性也能获得更低或相当的总成本。
🎯 应用场景
该研究成果可应用于实际电力系统的日前调度和运行规划中，尤其适用于可再生能源高渗透的地区。通过优化电网拓扑结构，可以提高可再生能源的消纳能力，降低电网运行成本，并提高电网的可靠性和安全性。该方法还可以扩展到包含储能和需求响应等资源的电力系统。
📄 摘要（原文）
The increasing renewable penetration introduces significant uncertainty in power system operations. At the same time, the existing transmission grid is often already congested, and urgently needed reinforcements are frequently delayed due to several constraints. To address these challenges, adjusting the grid topology based on congestion patterns is considered a non-costly remedy to guarantee efficient power transmission. Based on this idea, this paper proposes a grid topology optimization model combining optimal transmission switching and busbar splitting for AC and hybrid AC/DC grids. The methodology incorporates RES forecast uncertainty through a scenario-based stochastic optimization approach, using real offshore wind data and K-means clustering to generate representative forecast error scenarios. The proposed model includes several formulations to be compared with a plain optimal power flow (OPF) model: hourly optimizing the topology, one topology for 24 hours, or a limited number of switching actions over a day. The grid topology optimization model is formulated as a Mixed-Integer Quadratic Convex Problem, optimized based on the day-ahead (D-1) RES forecast and validated for AC-feasibility via an AC-OPF formulation. Based on the generation setpoints of the feasibility check, a redispatch simulation based on the measured (D) RES realization is then computed. The methodology is tested on an AC 30-bus test case and a hybrid AC/DC 50-bus test case, for a 24-hours (30-bus) and a 14-days (both test cases) time series. The results highlight the economic benefits brought by grid topology optimization for congested test cases with high penetration of RES. In addition, the results demonstrate that accounting for RES uncertainty with at least 6 to 8 scenarios leads to lower or comparable total costs to deterministic day-ahead forecasts, even when limiting the frequency of topological actions.