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 最优潮流 混合整数规划
📋 核心要点
- 可再生能源高渗透率给电力系统带来不确定性，现有输电网拥塞问题日益突出，亟需低成本的解决方案。
- 提出一种基于随机优化的电网拓扑优化模型，通过调整电网拓扑结构，降低拥塞，提高可再生能源利用率。
- 实验结果表明，该模型能有效降低电网运行成本，即使限制拓扑调整频率，也能获得优于确定性预测的结果。
📝 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。本文提出了一个电网拓扑优化模型，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，结合实际海上风电数据和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能带来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，输电网络拥塞问题日益严重，且现有电网扩容受限的难题。现有方法通常忽略可再生能源预测的不确定性，导致优化结果在实际运行中表现不佳。
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），在不增加额外投资的前提下，提高电网的输电能力和可再生能源的消纳能力。同时，考虑可再生能源预测的不确定性，采用随机优化方法，提高优化结果的鲁棒性。
技术框架：整体框架包括以下几个阶段：1) 基于历史可再生能源数据，利用K-means聚类生成代表性的预测误差场景；2) 构建混合整数二次凸优化模型，目标是最小化电网运行成本，约束包括潮流方程、线路容量限制、拓扑约束等；3) 利用日前可再生能源预测和生成的场景，求解优化模型，得到最优的电网拓扑结构；4) 通过交流最优潮流（AC-OPF）验证拓扑结构的可行性；5) 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：论文的关键创新在于：1) 将电网拓扑优化与可再生能源不确定性相结合，提高了优化结果的实用性；2) 提出了多种拓扑优化策略，包括每小时优化、单日优化和限制切换次数优化，适应不同的应用场景；3) 将电网拓扑优化问题建模为混合整数二次凸问题，可以使用现有的优化求解器高效求解。
关键设计：在场景生成方面，使用K-means聚类方法，根据历史预测误差数据生成6-8个代表性场景。在优化模型中，采用交流潮流方程，并考虑了线路容量限制、节点电压限制等约束。为了限制拓扑切换的频率，引入了二进制变量，并对切换次数进行了约束。
🖼️ 关键图片
📊 实验亮点
在AC 30节点和混合AC/DC 50节点测试系统中，实验结果表明，考虑可再生能源不确定性的电网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，即使限制拓扑切换频率，采用6-8个场景的随机优化也能获得更低或相当的总成本。该方法在高可再生能源渗透率的拥塞电网中具有显著的经济效益。
🎯 应用场景
该研究成果可应用于电力系统调度运行，帮助电网运营商在可再生能源高渗透率的情况下，优化电网拓扑结构，降低运行成本，提高电网的安全性和可靠性。该方法也可用于指导电网规划，评估不同拓扑结构对可再生能源消纳能力的影响。
📄 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.