1、第 47 卷 第 2 期 电 网 技 术 Vol.47 No.2 2023 年 2 月 Power System Technology Feb.2023 文章编号：1000-3673（2023）02-0709-13 中图分类号：TM 721 文献标志码：A 学科代码：47040 电力系统中时序场景生成和约简方法研究综述董骁翀1，张姝1，李烨2，王新迎2，蒲天骄2，孙英云1（1新能源电力系统国家重点实验室(华北电力大学)，北京市 昌平区 102206；2中国电力科学研究院有限公司，北京市 海淀区 100192）Review of Power System Temporal Scenario Ge
2、neration and Reduction Methods DONG Xiaochong1,ZHANG Shu1,LI Ye2,WANG Xinying2,PU Tianjiao2,SUN Yingyun1(1.State Key Laboratory of Alternate Electrical Power System With Renewable Energy Sources(North China Electric Power University),Changping District,Beijing 102206,China;2.China Electric Power Res
3、earch Institute,Haidian District,Beijing 100192,China)1ABSTRACT:With the promotion of energy transformation,the penetration of renewable energy and novel load is continuously increasing,which brings great challenges to the security and economic operation of the power system.Accurate modeling of the
4、uncertain factors in the power system is the basis of ensuring the safe and stable operation of the new generation power system.The key to promoting the development of uncertain optimization in power systems is modeling of uncertain factors using the temporal scenario generation and the reduction me
5、thods.The methods of scenario generation and scenario reduction are thoroughly discussed in this paper.To begin with,the fundamental concepts of scenario generation in power systems are presented from the standpoints of the research objects and a mathematical problem.Secondly,the existing research m
6、ethods,evaluation indexes and typical application scenarios of the scenario generation and reduction in the power system are summarized.Finally,the problems existing in the current researches are induced,and the future development trends and challenges are prospected.KEY WORDS:scenario generation;sc
7、enario reduction;uncertainty;stochastic programming;probabilistic model 摘要：随着能源转型的推进，可再生能源以及新型负荷的渗透率不断提高，其引入的不确定性给电力系统安全与经济运行带来极大的挑战。对电力系统中不确定性因素精确建模是保证新一代电力系统安全稳定运行的基础。采用时序场景生成和约简技术对不确定性因素建模是推动电力系统不确定优化技术发展的关键。针对电力系统中时序场景生成和约简方法进行了系统性综述。首先，从研究对象和数学问题阐述了电力系统时序场景生成和约简的基本概念。其次，综述了 基金项目：国家重点研发计划项目(2020
8、YFB0905900)；国家自然科学基金项目(51777065)。Project Supported by National Key Research&Development Program of China(2020YFB0905900);National Natural Science Foundation of China(51777065).电力系统中场景生成和约简的现有研究方法、评价指标以典型应用场景。最后对现阶段研究中存在的问题进行了归纳，并展望了未来的发展趋势和挑战。关键词：场景生成；场景约简；不确定性；随机优化；概率模型 DOI：10.13335/j.1000-3673.pst
9、.2021.2328 0 引言 随着全球能源需求的不断增长，传统能源的大量开发导致资源紧张、环境污染、气候变化等问题日益突出，建立在化石能源基础上的传统能源发展方式已难以为继。我国为有效应对全球能源与环境问题，宣示力争于 2030 年前实现碳达峰，2060 年前实现碳中和的目标1。碳中和这一宏伟目标的实现需要在全社会层面实现能源结构的转型，传统电力系统将从以化石能源为主向清洁能源为主转变，促进绿色生产和消费，实现能源结构低碳化。绿色生产将推动新能源发展，促进能源供给清洁化，采用风电、光伏等清洁能源替代传统化石能源发电。绿色消费将实施电能替代，完善电力基础设施建设，促进终端能源消费电气化。能源结
10、构的转型给电力系统引入了新的问题。电源端随着新能源发电渗透率的提高，源端出力不确定性增强、可控性变差。负荷端随着电气化程度提高，终端负荷需求的增加伴随着负荷需求不确定性的增强。源-荷不确定性将给新一代电力系统的安全稳定运行、系统调控及系统规划带来巨大的挑战。电力系统领域能够有效应对不确定性因素的优化决策方法主要包含鲁棒优化(robust optimization，RO)、随机优化(stochastic optimization，SO)和分布鲁棒优化(distributionally robust optimization，DRO)。710 董骁翀等：电力系统中时序场景生成和约简方法研究综述 V
11、ol.47 No.2 RO 采用不确定性因素的边界信息构成不确定性集合，其不包含不确定因素的概率信息，RO 在不确定性集合中选择最恶劣的场景进行优化决策2。基于期望值模型的 SO 需要对不确定性因素建立概率模型，并将概率模型离散为有限的离散场景，通过期望值目标函数进行优化决策，进而转化为确定性优化问题3。DRO 为解决 SO 中概率建模不准确的问题，将概率模型转化为概率分布的模糊集，DRO在不确定性因素最恶劣的概率分布下进行优化决策4-5。相比采用不确定性集合的 RO，SO 和 DRO均需要对不确定性因素进行概率建模。由于难以在优化模型中融入解析的概率模型求解，SO 和 DRO的求解过程中通常
12、需要使用有限的离散场景近似代替概率模型6-7。而场景约简技术可以降低大量离散场景带来的计算复杂度，有效提升优化问题的计算效率。相比不确定性集合，离散场景在电力系统不确定性优化中能够带来更可靠稳定的决策解8。面对电力系统中日益复杂的源-荷不确定性，在考虑一段时间内的优化决策问题时需要将时序场景作为 SO 与 DRO 模型的边界条件9-12。因此采用时序场景生成和约简技术对未来不确定性因素建模是推动电力系统不确定性优化技术发展的关键。电力系统中源-荷不确定性可分为随机不确定性(aleatoric uncertainty，AU)和 认 知 不 确 定 性(epistemic uncertainty，
13、EU)2 类13。AU 主要由自身特性或量测手段的限制引起，也被称之为内在随机性。EU 则是认知不充分所引起的不确定性，EU 随着数据的积累及对所研究对象认知的不断深入可逐渐降低。时序场景生成中应充分利用与不确定性因素相关的先验知识，并挖掘数据集中的时序特征降低 EU。而时序场景约简中应充分保留时序特征，降低场景约简引入的不确定性损失。随着新一代电力系统对灵活性需求的提升，提高时序场景的建模精度将有效降低电力系统优化决策的保守性并提升经济性。近年来国内外学者针对电力系统时序场景生成和约简已经展开了大量的研究14-16。随着人工智能技术的迅猛发展以及电力物联网的推广应用，电力系统中存储的海量源-
14、荷数据结合先进的计算机技术给时序场景生成和约简研究带来了新的机遇，也将成为推动能源革命的关键技术支撑。本文从可再生能源出力和新型负荷需求不确定性出发，给出电力系统时序场景的基本定义，对其研究对象和对应数学问题进行阐述。针对电力系统时序场景生成和约简主要包含的概率建模、场景抽样和场景约简3个步骤系统性综述了现有研究方法及优缺点，并介绍了电力系统时序场景生成和约简中相应的评价指标。然后分析了时序场景在电力系统典型应用中对场景生成和约简的技术需求。最后对电力系统时序场景生成和约简方法研究中存在的问题进行了总结并展望未来研究的方向和挑战。1 时序场景的概念和特征 1.1 基本定义 电力系统场景在表现形
15、式上可分为静态场景和时序场景17。可再生能源出力或负荷需求在 T 个连续时段内存在的不确定性可视为一个随机过程。将此随机过程X定义在样本空间上，用一组 T维随机变量12,.Tx xx表示，构成一个 T 维随机向量，随机变量间存在时序相关性。如果固定一组随机变量值12,.tx xx，将得到一个 T 维时间序列，这是随机过程X的一次抽样，称该时间序列为随机过程X的一个时序场景。如果固定一个时间 t，将得到随机变量tx的独立概率分布()tP x。对固定时刻的随机变量概率分布()tP x进行一次抽样，将得到一个静态场景。通过对随机过程X的反复抽样，即可得到一个时间序列集合，称为时序场景集。时序场景集可
16、视为由时序场景组成的离散概率分布，用于近似表示随机过程X。因此时序场景生成可定义为对电力系统中某个连续时段内的不确定性进行概率建模，并将概率模型离散化为有限的时序场景。与直接采用概率模型描述不确定性相比，时序场景生成可视为采用概率模型描述不确定性的扩展性研究，能够将概率模型的理论创新更好地应用于实际电力系统不确定优化问题中18。依据研究优化决策问题的时间尺度进行划分，可将电力系统场景生成研究分为超短期场景、短期场景和中长期场景。不同类型场景的时间特征与应用场景如表 1 所示。尽管电力系统中存在风电、光伏、负荷多种不确定性因素，但对于时序场景生成和约简的基本概念与方法是相通的。图 1 以风电为例，给出了在短 表 1 不同时间尺度下场景生成的特征及应用 Table 1 Characteristics and applications of scenario generation in different temporal scales 类型 时间尺度 时序性 应用场景 超短期 数分钟至 数小时 时序/静态 模型预测控制、实时 经济调度、实时市场交易 短期 数小时至 数天 时序 机组组合优化
