面向高韧性配电网的智能线路动态增容与网络重构协同规划方法

《Next Energy》：A trade-off between line hardening and dynamic line rating by a new convex optimization model for resilient micro-grid-oriented expansion planning of reconfigurable smart distribution networks incorporated with renewable energy sources

为解决极端天气下配电网韧性不足、可再生能源消纳能力有限及线路容量固定导致的运行效率低下等问题，研究人员开展了融合动态/静态线路增容（DLR/SLR）与网络重构的协同规划研究。该研究构建了考虑线路类型更换、SLR/DLR设备选型与配置、分布式能源（DG）与可再生能源（RES）接入的混合整数二阶锥规划（MISOCP）模型。结果表明，所提方法能有效提升系统在故障场景下的负荷恢复能力（韧性指数RIw），降低总成本（投资成本IC、运行成本OC、停电损失EMCw），并通过优化线路载流容量与网络拓扑，显著增强了配电网的韧性与经济性。此项工作为构建智能、高效、高韧性的现代配电网提供了重要的理论依据与解决方案。

　　

随着全球能源转型的持续推进和极端天气事件的频发，现代电力系统，尤其是配电网，正面临着前所未有的挑战。一方面，风电、光伏等间歇性可再生能源（RES）的大规模接入，使得电网的功率波动加剧，对系统的灵活调节能力提出了更高要求。另一方面，飓风、冰雪等极端天气事件可能导致配电线路大规模停运，引发长时间、大范围的停电事故，严重威胁社会经济的正常运行和公共安全。传统的配电网规划与运行方式主要基于静态线路额定值（SLR），即根据最恶劣的环境条件（如最高环境温度、最低风速）来确定线路的载流容量。这种保守的策略虽然保证了安全性，但却在很大程度上低估了线路在绝大多数正常运行时间内的实际输电能力，造成了资产利用效率的低下，尤其在需要输送大量可再生能源电力或进行故障后网络重构时，可能成为制约系统性能的瓶颈。

为了破解这一困境，动态线路增容（DLR）技术应运而生。DLR通过实时监测线路周围的环境参数（如环境温度、风速、日照强度），动态调整线路的允许载流量，从而在确保安全的前提下，充分挖掘现有线路的潜载能力。将DLR技术与网络重构、分布式能源（DG）调度等手段相结合，被认为是构建高韧性配电网（Resilient Distribution Network）的关键途径。然而，如何将DLR的部署作为一个长期的规划决策，与线路的加固（更换为更高容量的导线）、网络拓扑的优化（形成孤岛微电网）、以及分布式资源的配置进行协同优化，形成一个统一的经济高效的规划框架，仍然是一个亟待解决的复杂问题。这项发表在《Next Energy》上的研究，正是为了回答这个问题而展开的。研究人员旨在开发一种创新的协同规划方法，以期在应对极端事件时，最大限度地保持供电能力，提升配电网的韧性。

为开展此项研究，作者构建了一个考虑多场景（正常与N-1故障场景）、多时段（24小时）的两阶段随机混合整数二阶锥规划（MISOCP）模型。该模型的第一阶段决策涉及长期投资，包括选择是否更换线路导体类型、以及是否为线路配备SLR或DLR设备。第二阶段则针对不同的故障场景（由线路中断模拟）和不同时段，进行运行优化，决策内容包括分布式电源和可再生能源的出力、负荷削减量、网络重构（通过微电网MG形成实现）以及潮流分布。研究采用了基于线性化支路潮流（LFB）的DistFlow模型来保证计算效率，并引入了热平衡方程（HBE）来精确计算SLR和DLR条件下的线路动态容量。模型最终目标是最小化总投资成本、运行成本以及期望停电损失。

2.2.1. 负荷削减约束

该部分约束确保了系统的韧性。模型允许在故障情况下削减负荷，但要求有功和无功负荷的削减量成比例，且不得超过该节点的总负荷。最终，通过计算故障场景下恢复的负荷百分比，定义了系统的韧性指数（RI_w），作为衡量规划方案韧性的关键指标。

2.2.2. 导体新类型选择与SLR/DLR配置

这是本研究的核心创新点。模型通过引入二进制变量，来决定是否对现有线路进行硬化（更换导体类型）。更重要的是，模型创新性地提出了一个凸优化公式，用于在SLR和DLR这两种技术之间做出最优选择。对于每条线路，规划方案需确定是采用保守但成本较低的SLR，还是采用能动态提升容量但需额外监测设备的DLR。约束条件确保了不会选择容量更低的导体类型，且每条线路只能选择一种增容技术。

2.2.3. 潮流方程

研究人员采用了线性化支路潮流（LFB）模型来刻画配电网的物理特性，该模型将线路硬化、SLR/DLR配置导致的线路容量变化、网络重构（微电网形成）以及分布式电源接入等因素统一纳入考量。方程涵盖了节点功率平衡、电压关系、线路功率极限以及分布式电源出力限制等，确保了规划方案在技术上的可行性。

2.2.4. 动态/静态线路额定值计算

本研究的关键在于精确量化SLR和DLR带来的容量提升。通过建立详细的热平衡方程（HBE），模型描述了导线发热（由电流焦耳热和日照吸热引起）与散热（通过对流和辐射）之间的平衡关系。对于SLR，采用固定的、保守的环境参数（如最高温度、最低风速）计算其额定容量。而对于DLR，则利用随时间变化的实时环境参数（环境温度T^A_t,?、风速V^wind_t,?、日照辐射Q^se_t,?）来动态计算线路的瞬时最大允许电流J^Max_t,k,?，从而显著提高了线路容量的利用效率。

2.2.5. 可控型DG的限制

约束条件规定了可控分布式电源（如同步发电机）的有功和无功出力上下限，其视在功率不能超过额定容量，并且有功出力的变化率受爬坡率（RR）限制，保证了DG运行的稳定性和可行性。

2.2.6/2.2.7. 风机与光伏单元的关系

模型考虑了可再生能源的间歇性。风机（WT）的输出功率是风速的函数，分为切入、额定运行和切出等不同区间。光伏（PV）单元的最大输出功率则与实时日照强度、环境温度以及光伏板本身的特性（如短路电流I^SCPV、开路电压V^OCPV）密切相关。这些关系确保了模型能够准确反映可再生能源发电的实际能力。

2.2.8. 微电网形成关系

为了提升故障后的供电恢复能力，模型引入了微电网（MG）形成机制。通过一组凸约束，模型将配电网自动划分为多个由单一变电站供电的孤岛。这些约束确保了每个节点都必须归属于一个微电网，并且只有连通的线路才能位于同一微电网内，从而保证了故障后形成的微电网自身能够稳定运行。

本研究通过严谨的数学建模和优化计算，得出了若干重要结论。首先，协同规划方法（同时优化线路硬化、SLR/DLR部署、网络重构和分布式资源调度）在提升配电网韧性方面，显著优于任何单一技术的应用。DLR技术通过充分利用线路的动态容量，在大多数情况下比SLR更能有效减少负荷削减，特别是在环境条件良好（如风速较高、气温较低）时，其优势更为明显。然而，研究也指出，DLR的价值高度依赖于当地的气候条件。在气候条件恶劣或变化不大的地区，SLR可能更具成本效益。其次，优化网络重构（微电网形成）对于在故障后快速恢复对关键负荷的供电至关重要，它与DLR技术相结合，能够实现“1+1>2”的韧性提升效果。从经济性角度看，虽然DLR的初始投资高于SLR，但其带来的运行效率提升和停电损失减少，往往能在全生命周期内带来更低的综合成本。

该研究的成功表明，将动态线路增容（DLR）作为一项主动的规划策略，并与网络重构、分布式能源管理进行深度协同，是构建未来高韧性、高效率智能配电网的必由之路。这项工作为电网规划人员提供了一套强大的决策支持工具，有助于他们在面对不确定性日益增大的未来能源格局时，做出更科学、更经济的投资与运行决策，最终保障电力供应的安全、可靠和清洁。