1、投稿网址:www stae com cn2023 年 第23 卷 第5 期2023，23(5):01997-10科学技术与工程Science Technology and EngineeringISSN 16711815CN 114688/T收稿日期:2022-05-03;修订日期:2022-11-19基金项目:国网上海市电力公司 2021 年度第二批科技创新“举手制”项目(B30932210005)第一作者:肖金星(1983)，男，汉族，上海人，硕士，高级工程师。研究方向:电力经济。E-mail:1981262273 qq com。*通信作者:李勇汇(1973)，男，汉族，广西桂平人，博士，
2、副教授。研究方向:电力系统运行控制。E-mail:85458001 qq com。引用格式:肖金星，徐冰雁，叶影，等 基于生成对抗网络的配电网与多微网随机调度 J 科学技术与工程，2023，23(5):1997-2006Xiao Jinxing，Xu Bingyan，Ye Ying，et al Stochastic scheduling of distribution network and multi-microgrids based on generative adversarialnetworksJ Science Technology and Engineering，2023，23(5
3、):1997-2006基于生成对抗网络的配电网与多微网随机调度肖金星1，徐冰雁1，叶影1，曹春1，张宇威2，杨军2，李勇汇2*(1 国网上海市电力公司，上海 200122;2 武汉大学电气与自动化学院，武汉 430072)摘要随着可再生能源机组以多微网的形式接入配电网，其出力的不确定性会给配电网与多微网调度带来挑战。因此，如何对配电网与多微网中可再生能源的特性进行分析，准确把握可再生能源的出力特性，建立考虑可再生能源出力特性的配电网与多微网调度模型，成为目前亟待研究和解决的问题。提出了一种基于 Wasserstein 生成对抗网络的配电网与多微网日前随机调度方法。首先，针对风电以及光伏日前预测
4、的不确定性，采用基于 Wasserstein 生成对抗网络的数据驱动算法，对风电和光伏出力预测误差进行场景生成;其次，对于生成的风光出力场景，基于 K-mediods 场景削减法得到风光典型场景;最后，在配电网与多微网调度目标函数中综合考虑调度的经济性指标以及韧性指标，基于场景法模拟可再生能源出力的不确定性，建立配电网与多微网日前随机调度模型并求解。仿真结果表明，所提的配电网与多微网随机调度模型在可再生能源出力场景生成方面，相比于传统假定概率分布的生成方法，其生成的场景更接近实际场景。关键词配电网与多微网;Wasserstein 生成对抗网络;随机调度;可再生能源中图法分类号TM734;文献标
5、志码AStochastic Scheduling of Distribution Network and Multi-microgridsBased on Generative Adversarial NetworksXIAO Jin-xing1，XU Bing-yan1，YE Ying1，CAO Chun1，ZHANG Yu-wei2，YANG Jun2，LI Yong-hui2*(1 State Grid Shanghai Electric Power Company，Shanghai 200122，China;2 School of Electrical Engineering and
6、Automation，Wuhan University，Wuhan 430072，China)Abstract As renewable energy generations connect to the distribution network(DN)through multi-microgrids(MMGs)，the un-certainty will bring challenges to the dispatch of the DN and MMGs Therefore，how to analyze the characteristics of renewable energyin D
7、N and MMGs，accurately grasp the output characteristics of renewable energy in the microgrid，and establish a scheduling modelfor the DN and MMGs considering the output characteristics of renewable energy，has become an urgent problem to be solved A day-ahead stochastic scheduling method for DN and MMG
8、s considering the output characteristics of renewable energy was proposed Firstly，aiming at the uncertainty of wind power and photovoltaic forecasts，the data-driven method based on Wasserstein generative adversarialnetwork was used to generate scenarios for the wind power and photovoltaic output，and
9、 the typical scenarios were obtained based on thescenario reduction method Secondly，for the generated scenery output scenarios，typical scenery scenes were obtained based on K-me-diods scene reduction method Finally，in the distribution network and multi microgrid scheduling objective function，the eco
10、nomic in-dicators and resilience indicators of the scheduling were comprehensively considered The uncertainty of renewable energy output wassimulated based on the scenario method，and the distribution network and multi microgrid daily random scheduling model was estab-lished and solved The simulation
11、 results illustrate that in terms of the generation of renewable energy output scenarios，the proposedtwo-stage stochastic scheduling model of DN and MMGs generates scenarios that are closer to actual scenarios than the traditional sce-nario generation methods that assume the probability distribution
12、 of renewable energy output Keywords distribution network and multi-microgrids;Wasserstein generative adversarial networks;stochastic scheduling;renew-able energy近年来，在“碳达峰，碳中和”的目标要求下，大规模可再生能源接入电网，电网的可再生能源渗透率不断增加。随着以风电和光伏为代表的可再生能源发电技术的发展，如何实现可再生能源安全、经济并网已成为目前研究的热点1。实践与研究发现大规模可再生能源的接入给配电网与多微网投稿网址:www
13、stae com cn系统在调度运行方面带来巨大的挑战2-3。光伏、风电的出力与光照强度、风速等自然因素相关，具有一定波动性与随机性。含高比例新能源的多微网接入配电网，微网中新能源出力的不确定性会给配电网与多微网系统调度运行的可靠性和经济性带来挑战4。如何对配电网与多微网中可再生能源的特性进行分析，准确把握可再生能源的出力特性，建立考虑可再生能源出力特性的配电网与多微网调度模型，综合提升配电网与多微网调度运行的经济性和鲁棒性，成为亟待研究和解决的问题。考虑不确定性的配电网与多微网调度模型包括随机调度5-9、机会约束调度10-12、鲁棒调度等13-16。机会约束优化模型考虑可再生能源的不确定性，
14、允许调度决策在一定程度上不满足调度约束。文献 11 首先建立可再生能源随机出力模型，在旋转备用约束中通过机会约束方法来描述系统备用不足的情况。鲁棒优化基于可再生能源出力的历史数据，建立鲁棒不确定性集合来涵盖可再生能源出力的不确定性，并要求调度决策能够应对不确定集合中最恶劣的场景，从而提高调度鲁棒性。文献 13 建立配电网与多微网双层调度模型，其中各微网在下层模型中通过两阶段鲁棒模型处理可再生能源集成和负荷带来的不确定性，配电网上层调度模型通过考虑潮流约束来保证运行质量，实现配电网与多微网协调调度。文献 15针对可再生能源出力的不确定性，通过二阶段可调鲁棒调度方法进行配电网与多微网调度建模，并通
15、过列约束生成算法以及拉格朗日对偶进行求解。机会约束方法需要难以准确获取的概率密度函数，且由于非凸约束导致其求解较为困难，难以得到全局最优解。鲁棒优化问题过多考虑了实际调度中难以出现的极限场景，经济性相对较差，且在求解中需要对子问题进行对偶，较为复杂。随机优化模型通过场景生成方法进行风光出力场景抽样，从而生成大量可再生能源出力场景，然后基于场景削减法提取出典型场景。随机优化求解较为简单，且相对于鲁棒优化方法经济性更好。文献 5 采用随机优化处理微网中可再生能源出力的不确定性，采用拉丁超立方采样来模拟可再生能源出力典型场景，并基于同步回代削减法来提取场景典型特征。文献 7 考虑可再生能源发电的不确
16、定性，提出了一种主动配电网与多微网的两阶段随机调度模型，建立配网运营商与多微电网之间相互作用的双层模型，将所提出的双层模型通过库恩-塔克条件和线性化方法转化为混合整数线性模型并进行求解。文献 8 考虑多重功率预测误差的不确定性影响，提出一种以综合能源消费成本最小化为目标的随机调度期望值模型和算法，并基于典型系统进行案例分析。文献 9 利用随机机会约束优化理论，计及违反安全约束风险，提出了一种考虑风电出力不确定性与自动发电控制机组出力特性的日前随机备用调度模型，并将所构造的随机备用调度模型等效为半定规划问题进行直接求解。目前配电网与多微网随机调度模型主要采用蒙特卡洛抽样或者拉丁超立方抽样来生成可再生能源出力典型场景，然而上述方法均需要假定可再生能源出力的相关参数服从某一确定的概率分布，并通过概率分布拟合可再生能源出力，这与可再生能源实际出力情况存在一定差异，可能会影响调度的精确性。对此，现提出一种基于 Wasserstein 生成对抗网络的配电网与多微网日前随机调度方法。首先采用Wasserstein 生成对抗网络算法对可再生能源出力预测误差进行数据驱动式场景生成，并基于场景削减法得到风
