Trust-Region Benders for Scalable Multiperiod Expansion Planning for Transmission and Storage
作者: Kevin Wu, Rabab Haider, Pascal Van Hentenryck
分类: eess.SY
发布日期: 2026-10-23
备注: Presented at PowerUp 2026, September 9-11, 2026, Boulder, Colorado
💡 一句话要点
提出信任域Benders方法以解决多周期传输扩展规划问题
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 传输扩展规划 能源存储 Benders分解 信任域方法 多周期优化 电力系统 投资决策 可再生能源
📋 核心要点
- 现有的传输扩展规划方法在应对未来需求和可再生能源整合时，往往缺乏对多周期投资的有效协调。
- 本文提出了一种基于Benders分解的信任域方法，能够高效地联合优化传输和能源存储投资，提升规划灵活性。
- 在2000节点的德克萨斯系统上，所提方法的投资计划在2030-2045年间实现了最优性间隙低于1.0%的优异表现。
📝 摘要（中文）
传输扩展规划（TEP）旨在识别成本效益高的投资策略，以确保电力系统可靠满足未来需求，同时考虑基础设施升级的地点、时机和运营影响。随着需求增长和可再生能源渗透增加，联合建模能源存储投资以增强运营灵活性变得愈发重要。本文提出了一种多周期模型，联合优化传输重构和能源存储安装。为高效解决大规模问题，提出了一种带有每周期信任域稳定化的Benders分解方法及基于松弛的热启动程序。该方法在2000节点的德克萨斯系统上进行了验证，生成了2030-2045年的投资计划，最优性间隙低于1.0%，并与滚动视野方法进行了比较，以突出多周期协调的优势。
🔬 方法详解
问题定义：本文旨在解决传输扩展规划中的投资协调问题，现有方法在多周期规划中效率低下，无法有效整合传输与能源存储投资。
核心思路：通过引入信任域Benders分解方法，结合每周期的稳定化技术，提升了大规模问题的求解效率，确保了投资决策的灵活性与可靠性。
技术框架：整体方法包括问题建模、Benders分解、信任域稳定化和热启动程序四个主要模块。首先建立多周期模型，然后应用Benders分解进行求解，最后通过信任域方法优化每个周期的决策。
关键创新：最重要的创新在于将信任域方法与Benders分解结合，显著提升了求解效率，并有效降低了最优性间隙，与传统方法相比具有本质的性能提升。
关键设计：在参数设置上，采用了适应性的信任域大小和松弛策略，以确保求解过程的稳定性和收敛性，具体的损失函数和优化目标则围绕投资成本和需求满足进行设计。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提方法在2000节点的德克萨斯系统上生成的投资计划在2030-2045年间实现了最优性间隙低于1.0%，相比于传统的滚动视野方法，展现出显著的性能提升，证明了多周期协调的有效性。
🎯 应用场景
该研究在电力系统的传输扩展与能源存储投资领域具有广泛的应用潜力，能够为电力公司提供高效的投资决策支持，帮助其在可再生能源日益增长的背景下优化资源配置，提升系统的整体灵活性和可靠性。未来，该方法也可扩展至其他基础设施投资领域，如交通和水资源管理等。
📄 摘要（原文）
Transmission expansion planning (TEP) seeks to identify cost-effective investment strategies that enable power systems to reliably meet future demand, while accounting for the location, timing, and operational impacts of infrastructure upgrades. As demand grows and renewable penetration increases, there is growing interest in jointly modeling energy storage investments to enhance operational flexibility. This work presents a multiperiod formulation that co-optimizes transmission reconductoring and energy storage installation across multiple planning periods. To solve the resulting large-scale problem efficiently, a Benders decomposition with per-period trust-region stabilization and a relaxation-based warm-start procedure is proposed. The approach is demonstrated on a 2,000-bus Texas system, producing an investment plan spanning 2030-2045 with optimality gap below 1.0%, and is compared against a rolling-horizon approach to highlight the benefits of multiperiod coordination.