Two-Stage Optimization for Dynamic Line Rating and Energy Storage Deployment

📄 arXiv: 2606.23586v1 📥 PDF

作者: Abanish Tiwari, Phurba T. Sherpa, Chandan Chaudhary, Mohammed Ben-Idris, Joydeep Mitra

分类: eess.SY

发布日期: 2026-06-22

备注: To appear in Proceedings of IEEE PES GM 2026

💡 一句话要点

提出双阶段优化方法以解决动态线路评级与储能部署问题

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 动态线路评级 储能系统 优化方法 电力传输 分布式能源

📋 核心要点

  1. 现有的静态线路评级方法往往低估了热极限，导致传输网络的拥堵和可靠性问题。
  2. 本文提出的双阶段优化方法通过最小化运营成本和负荷削减罚款，选择DLR走廊和ESS公交站。
  3. 在IEEE RTS 24-bus系统上的实验表明，协调的DLR和ESS规划显著提高了传输能力，减轻了拥堵。

📝 摘要（中文）

随着分布式能源资源（DER）和气候变化引起的波动性增加，传输网络的拥堵和可靠性压力加剧。因此，提升现有基础设施的利用率变得至关重要。静态线路评级（SLR）依赖于保守的环境假设，往往低估热极限，而动态线路评级（DLR）则根据天气条件调整容量，释放额外的传输能力。本文提出了一种双阶段优化方法，联合规划DLR安装和大规模储能系统（ESS），以提高传输能力、缓解拥堵并增强系统在天气变化下的适应性。

🔬 方法详解

问题定义：本文旨在解决由于分布式能源资源和气候变化引起的传输网络拥堵和可靠性问题。现有的静态线路评级方法未能充分利用传输能力，导致系统效率低下。

核心思路：论文提出的双阶段优化方法通过动态线路评级和储能系统的联合规划，旨在提升传输网络的利用率和可靠性。第一阶段通过混合整数线性规划选择DLR走廊和ESS公交站，第二阶段确定ESS的能量容量和运行计划。

技术框架：整体方法分为两个阶段。第一阶段使用混合整数线性规划，考虑DC功率流和投资约束，优化DLR和ESS的选址。第二阶段基于环境驱动的线路评级，利用环境数据生成DLR配置，并通过序贯蒙特卡洛模拟评估系统的适应性。

关键创新：本研究的创新点在于将动态线路评级与储能系统的规划结合起来，形成了一种新的优化框架，能够更好地应对气候变化带来的不确定性。与传统方法相比，该方法能够更准确地反映实时的传输能力。

关键设计：在模型中，设置了多个关键参数，包括运营成本、DER削减和负荷削减罚款等，同时采用了序贯蒙特卡洛模拟来评估系统的适应性，确保了优化结果的可靠性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在对修改后的IEEE RTS 24-bus系统进行实验时，提出的方法显示出显著的性能提升，成功提高了传输能力，减轻了拥堵，并在天气变化下增强了系统的适应性，具体提升幅度未知。

🎯 应用场景

该研究的潜在应用领域包括电力传输网络的优化设计和运营管理。通过有效的动态线路评级和储能系统部署，可以显著提升电网的稳定性和可靠性，尤其是在可再生能源比例逐渐增加的背景下，具有重要的实际价值和未来影响。

📄 摘要（原文）

The increasing penetration of distributed energy resources (DER) and weather-driven variability has intensified congestion and reliability stress in transmission networks. Strategies that enhance the utilization of existing infrastructure, such as static line ratings (SLR) and energy storage systems (ESS), have therefore become necessary. SLRs rely on conservative ambient assumptions and often understate thermal limits, whereas dynamic line ratings (DLR) adjust capacity according to weather conditions and unlock additional transfer capability. Energy storage systems provide temporal flexibility, but their transmission-level effectiveness depends on proper siting and sizing. This paper proposes a two-stage optimization method for joint placement of DLR installations and utility-scale energy storage. In the first stage, a mixed-integer linear program selects DLR corridors and ESS buses by minimizing operating cost, DER curtailment, and load-shedding penalties subject to DC power flow and investment constraints. In the second stage, the model determines ESS energy capacity and operating schedules under ambient-driven line ratings. Ambient weather data is used to generate DLR profiles, and sequential Monte Carlo simulation is applied to assess system adequacy. The proposed method, when deployed on the modified IEEE RTS 24-bus system, shows that coordinated DLR and ESS planning improves transmission capability, mitigates congestion, and strengthens system adequacy under weather variability.