- 文献综述（或调研报告）：
随着可再生能源大量接入电网，配电网的优化运行变得更加的复杂。通常情况下，在配电网的运行决策中，我们可以通过一些预测算法来估计可再生能源的预测出力值。但是由于可再生能源出力的波动性和随机性常常导致预测值与实际值偏差较大，对于配电网运行产生很多不利的影响[2]。为了解决可再生能源出力的不确定性，许多学者对此进行了研究。目前主要采用的处理不确定性的解决方法有两类：随机规划和鲁棒优化。随机规划方法认为随机变量服从某种概率分布，其约束条件在一定的置信水平下成立，表现为概率约束的形式。而鲁棒优化方法是用不确定集的形式来描述问题的不确定性，通过优化方法来得到不确定变量在极端情况下的最优解。文献[3]中介绍了一种建立在机会约束规划下的风力发电机并网模型，但是其计算规模大，求解复杂，且因为在数学上的非凸性，难以获得最优解。这样的随机规划模型需要事先知道其不确定性参数的概率分布，要通过大量的抽样结果进行统计[4-5]。对于鲁棒优化模型来说，我们不需要知道不确定参数的概率模型，只需要知道该不确定参数的变化区间，也就是说，我们只需要规定不确定参数的上下限就可以了，避免了大量的抽样计算，求解规模较小。在鲁棒优化中，不确定集常用的形式有椭球型和盒式不确定集合。我们通常使用盒式不确定集合来解决二阶锥规划、半定优化问题[6]。鲁棒优化的核心思想其实是在最恶劣的情况下求得最优解，但是实际上最恶劣的情况在电网运行的过程中基本不会出现。采用鲁棒优化实际上是以牺牲经济性来保证系统运行的鲁棒性，这样会使得鲁棒优化得出的解过于保守，大大降低了配电网运行的经济性。为了解决鲁棒优化模型过于保守的问题，文献[7] 基于鲁棒优化理论，构建了一个可调节的两阶段鲁棒优化模型。对可再生能源出力和负荷波动建立了不确定性集合，设定了不确定性调节参数来调节优化解的保守度；第一阶段调度模型中考虑可调控单元的调度成本和网损的最小化，而在第二阶段调度模型中加入弃光、弃风最少的优化目标来提升可再生能源的消纳率。比起随机规划和鲁棒优化方法，这样的二阶段鲁棒优化不仅不需要知道不确定参数的概率分布情况，而且，比起一般的鲁棒优化模型来说，通过在不确定集合中引入易于获取的一部分概率信息来降低了过于保守的问题，提高配电网运行的经济性。而文献[8]则建立了线性自适应鲁棒无功优化模型，根据分布式电源的有功出力监测来自适应调整无功出力，实时跟踪配电网最优运行点。
由于配电网优化是一个混合整数非线性规划问题，其变量和约束条件多，且包含了离散和连续变量，求解困难，目前的优化求解方法有两类：传统的优化算法和人工智能算法。其中传统优化算法包括：线性规划、动态规划、非线性规划、混合整数法等。人工智能算法有遗传算法、粒子群优化算法、神经网络生成算法等。文献[9]采用了遗传算法来解决配电网运行中电压的稳定性问题，从而使得配电网运行最经济。在文献[10]中提出了一种改进的粒子群优化算法，设计一个模糊逻辑控制器使得算法在迭代过程中动态调整惯性因子来大幅提高算法的能力，避免陷入局部最优解。而在文献[11]中提出一种日前两阶段的分布式优化调度模型，第一阶段为有功优化，第二阶段为无功优化。采用交替方向乘子法[12]将两个阶段的集中优化数学模型分解成多个子模型来降低配电网的运营成本。文献[13]提出了一个基于二阶锥松弛及变量乘积线性化的模型转化方法，通过对约束条件中的非凸源进行凸化，从而将其转化成混合整数二阶锥问题来求解。文献[14]中提出了一种计及光伏出力模型误差的配电网优化调度方案，利用近似灵敏度建立配电网光伏调控量的模型，然后利用极限学习机来辅助决策。
以上的大多数研究的目标函数都是比较单一的，通常以运行成本或者是网损最小来建立目标函数，所以本课题打算建立一个多目标优化函数的优化模型，不仅考虑到配电网运行的经济性，还要考虑新能源的消纳能力，减少弃风弃光。由于鲁棒模型只需要知道新能源出力不确定的区间，模型比较简单，便于处理，不需要大量的历史数据，所以我们采用鲁棒模型来处理新能源出力的不确定性问题。但是由于鲁棒模型的解过于保守，为了降低它的保守性，引入一个可调节参数。最后，关于求解鲁棒优化模型，我们采用二阶锥松弛的方法，将优化模型转化成二阶锥规划模型，利用CPLEX软件求解。
四．方案论证
A.建模研究
1.可再生能源接入配电网模型
本课题所研究的配电网中，可再生能源包括风力发电和太阳能光伏发电，储能装置为蓄电池储能装置，系统负荷由柔性负荷和刚性负荷构成。同时，该配电网还与上一级电网相连，进行功率的双向交互，箭头表示功率流向。
（1）考虑可再生能源出力不确定性的模型
考虑到可再生能源出力的不确定性，假设其波动范围为一个对称区间，本文采用不确定出力区间来描述其出力，即
(1)
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
