Noise-Aware Bayesian Optimization Approach for Capacity Planning of the Distributed Energy Resources in an Active Distribution Network

📄 arXiv: 2412.08370v1 📥 PDF

作者: Ruizhe Yang, Zhongkai Yi, Ying Xu, Dazhi Yang, Zhenghong Tu

分类: cs.NE, eess.SY

发布日期: 2024-12-11

备注: 27 pages, 9 figures, journal

💡 一句话要点

提出噪声感知贝叶斯优化方法，用于主动配电网分布式能源容量规划，提升可再生能源消纳能力。

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 分布式能源 容量规划 主动配电网 贝叶斯优化 噪声感知 可再生能源 需求响应

📋 核心要点

  1. 主动配电网中可再生能源渗透率的提高导致运行场景复杂且不确定，给电网运行带来显著偏差和风险。
  2. 论文提出一种噪声感知的贝叶斯优化算法，利用概率代理模型克服环境噪声干扰，高效优化分布式能源容量规划模型。
  3. 数值模拟验证了所提方法在应对环境噪声、降低年度成本和提高计算效率方面的优越性，证明了其有效性。

📝 摘要（中文）

本文提出了一种主动配电网（ADN）中分布式能源（DER）的协同容量规划方法，旨在提高可再生能源（RES）的消纳能力。该模型考虑了RES的波动性、可调节需求响应资源的特性、ADN的双向潮流以及安全运行限制。为了解决运行模拟与实际环境之间不可避免的偏差所引起的噪声问题，提出了一种改进的噪声感知贝叶斯优化算法，该算法具有概率代理模型，可以克服环境噪声的干扰，并在噪声环境下高效地优化容量规划模型。数值模拟结果验证了该方法在应对环境噪声、降低年度成本和提高计算效率方面的优越性。

🔬 方法详解

问题定义：论文旨在解决主动配电网中，由于可再生能源高渗透率带来的运行不确定性以及模拟环境与真实环境偏差导致的噪声问题，从而优化分布式能源的容量规划。现有方法难以有效处理这些噪声，导致规划结果偏离实际，影响电网的安全稳定运行。

核心思路：论文的核心思路是利用噪声感知的贝叶斯优化算法，该算法能够识别并降低噪声对优化过程的影响，从而更准确地评估不同容量规划方案的性能。通过建立概率代理模型，算法可以有效地探索搜索空间，并在噪声环境下找到最优或接近最优的解决方案。

技术框架：整体流程包括：1) 建立考虑可再生能源波动性、需求响应特性、双向潮流和安全运行限制的分布式能源容量规划模型；2) 利用历史数据或仿真数据训练概率代理模型（如高斯过程）；3) 使用噪声感知的采集函数选择下一个采样点；4) 在选定的采样点进行容量规划模型的评估（仿真或实际运行）；5) 更新概率代理模型；6) 重复步骤3-5，直到满足停止条件（如达到最大迭代次数）。

关键创新：关键创新在于提出了噪声感知的贝叶斯优化算法，该算法能够显式地建模和处理环境噪声。与传统的贝叶斯优化算法相比，该算法在采集函数的设计中考虑了噪声的影响，从而能够更有效地探索搜索空间，并找到对噪声具有鲁棒性的最优解。

关键设计：论文中噪声感知的采集函数是关键设计之一。具体而言，采集函数可能采用期望改进（Expected Improvement, EI）或置信上限（Upper Confidence Bound, UCB）等形式，但需要进行修改以考虑噪声的影响。例如，在EI中，需要估计噪声的方差，并在计算期望改进时将其纳入考虑。此外，概率代理模型的选择也很重要，常用的选择包括高斯过程回归（Gaussian Process Regression, GPR），它能够提供预测结果的不确定性估计，从而有助于噪声的建模。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

数值模拟结果表明，所提出的噪声感知贝叶斯优化算法在应对环境噪声方面表现出色，与传统方法相比，能够以更低的年度成本和更高的计算效率实现分布式能源的容量规划。具体性能提升数据未知，但摘要强调了其在噪声环境下的优越性。

🎯 应用场景

该研究成果可应用于智能电网、微电网等场景下的分布式能源容量规划，帮助电力公司更合理地配置分布式电源，提高可再生能源的消纳能力，降低电网运行成本，并提升电网的安全性和稳定性。此外，该方法也可推广到其他存在噪声的优化问题，例如机器人路径规划、参数调优等。

📄 摘要（原文）

The growing penetration of renewable energy sources (RESs) in active distribution networks (ADNs) leads to complex and uncertain operation scenarios, resulting in significant deviations and risks for the ADN operation. In this study, a collaborative capacity planning of the distributed energy resources in an ADN is proposed to enhance the RES accommodation capability. The variability of RESs, characteristics of adjustable demand response resources, ADN bi-directional power flow, and security operation limitations are considered in the proposed model. To address the noise term caused by the inevitable deviation between the operation simulation and real-world environments, an improved noise-aware Bayesian optimization algorithm with the probabilistic surrogate model is proposed to overcome the interference from the environmental noise and sample-efficiently optimize the capacity planning model under noisy circumstances. Numerical simulation results verify the superiority of the proposed approach in coping with environmental noise and achieving lower annual cost and higher computation efficiency.