基于置信间隙决策理论（CGDT）的海上风电场集群AC/DC集约鲁棒调度

《Modelling》：AC/DC Intensive Scheduling of Offshore Wind Farm Clusters Under Uncertainty: A Confidence Gap Decision Theory Approach

　　

海上风电场集群大规模并网因风电出力固有不确定性和交直流混合输电基础设施（AC/DC hybrid transmission infrastructure）的高资本成本而面临显著运行挑战。研究人员提出一种基于置信间隙决策理论（confidence gap decision theory, CGDT）的海上风电场集群集约优化调度策略。首先，所提方法采用等效单机聚合模型（equivalent single-unit aggregation model）表征风电场集群的汇集出力。其次，构建面向AC/DC集约网络配置的多目标确定性调度模型，旨在最大化风电消纳、供电比例和输电走廊集约利用。进一步，采用核密度估计（kernel density estimation, KDE）拟合风电出力预测误差分布以描述海上风电出力不确定性，并基于CGDT建立并求解不确定鲁棒优化模型（uncertain robust optimization model）。最后，以某海上风电场集群AC/DC系统为例，对所提方法的调度性能及参数对调度结果的影响进行仿真分析。结果表明，所提方法的调度指标均值和稳定性均优于传统方法。通过合理设置目标显著性水平，可实现调度鲁棒性与经济性的平衡。所提策略可为海上风电场集群AC/DC集约优化调度提供理论基础。

在“双碳”目标驱动下，可再生能源大规模并网成为电力系统清洁低碳转型趋势，海上风电因资源丰富、发电效率高和占地少成为高比例可再生能源发展的重要路径。但海上风电场集群通常远离陆上负荷中心，出力受海洋气象水文条件影响大，高效消纳依赖坚强输电走廊；AC/DC混合输电系统结合交流组网灵活性与直流远距离大容量优势，是海上风电并网外送的主要技术方案。现有AC/DC电网优化调度研究多集中于稳态调度、控制策略或暂态分析，对不确定性下AC/DC输电走廊调度仍需探索；不确定性处理方面，传统鲁棒优化常依赖主观不确定集，场景生成法不能保证全不确定性空间遍历；经济性方面，AC/DC走廊建设成本高、周期长，需追求最大输电效率和资源集约利用，但现有文献对AC/DC线路集约高效运行研究有限。为此，研究人员基于置信间隙决策理论（confidence gap decision theory, CGDT，一种通过最大化满足调度约束置信水平来平衡鲁棒性与经济性的鲁棒决策方法）研究海上风电场集群AC/DC集约调度，以在合理处理风电不确定性的同时实现高效集约输电调度。研究人员建立等效单机聚合模型表征集群出力；构建以风电消纳、供电比例和输电走廊集约利用为目标的多目标确定性调度模型；采用KDE拟合预测误差分布，构建CGDT机会约束鲁棒优化模型并转化为凸线性规划；以某海上风电场集群AC/DC系统为案例，比较确定性、传统信息间隙决策理论（information gap decision theory, IGDT）和多场景随机规划方法，并分析参数影响。结论表明，所提CGDT方法在调度指标均值和稳定性上优于传统方法，可通过合理设置目标显著性水平β平衡鲁棒性与经济性，为海上风电场集群AC/DC集约优化调度提供理论基础。

关键技术方法方面，作者采用等效单机聚合模型并计入Jensen尾流效应（Jensen wake effect，尾流衰减模型）汇集集群出力；采用核密度估计（KDE）非参数拟合风电预测误差分布，并按Silverman经验规则确定带宽；构建CGDT机会约束鲁棒优化模型，利用累积分布函数及其逆函数将概率机会约束转化为确定性代数约束；将模型化为凸线性规划并用CPLEX求解；采用Monte Carlo（蒙特卡洛，随机抽样模拟）在鲁棒波动区间内生成场景进行可行性验证。案例来源为某海上风电场集群AC/DC集约联网系统，历史预测误差样本1000组；未涉及试剂、培养或质粒构建。

研究结果如下。4.1 Case Parameter Setting：案例为深海海上风电场集群AC/DC集约联网系统，含风电场集群、AC/DC走廊及岸上AC/DC负荷子网；采用Gaussian核KDE、Silverman带宽和1000组历史预测误差样本，β初设0.10，置信水平满足0≤1?α≤1，并在MATLAB R2025b中采用CPLEX V22.1.1求解。4.2 Analysis of Robust Scheduling Results Based on CGDT：确定性模型基准最优值F₀=0.926；β=0.05、0.10、0.15分别对应低、中、高鲁棒性要求。β从0.05增至0.15时，1?α由0.0632升至0.2924，鲁棒性增强；但风电消纳率由97.2%降至94.8%，负荷供电率由91.8%降至88.6%，走廊集约利用率由60.6%降至56.8%，说明鲁棒性与经济性相互制约，工程中应合理选择β。β=0.10时AC/DC走廊功率随风电和负荷峰谷动态调整。4.3 Comparative Analysis of Different Optimization Methods：以确定性模型、传统IGDT和多场景随机规划为对照，采用1000个Monte Carlo随机风电场景评价；多场景法用拉丁超立方采样（Latin hypercube sampling, LHS）生成100个初始场景并保留20个代表场景。CGDT的调度指标均值最优、波动范围最窄；以风电消纳率为例，其波动范围仅7.5个百分点，比确定性模型窄56.4%；CGDT计算效率显著高于多场景法，仅略低于IGDT。原因在于CGDT通过KDE和逆累积分布函数概率校准不确定性区间，可反映尾部风险；确定性模型忽略预测误差，IGDT采用对称区间且忽略偏度，多场景法场景缩减不能保证不确定性空间全覆盖。4.4 Influence Analysis of Target Significance Level：β在0.02~0.2变化时，1?α随β非线性增加且增速加快，风电消纳率近似线性下降；β<0.05偏经济，0.05≤β<0.15较平衡，β≥0.15偏稳健且消纳率低于95%。引入缩放因子k_KDE调整带宽，k_KDE从0.6增至1.4时，等效误差标准差由0.072增至0.168，1?α由0.1145升至0.1685，风电消纳率由96.8%降至94.7%；β=0.20时k_KDE由0.6增至1.4使消纳率降3.0%，β=0.05时仅降1.1%；k_KDE≤1.2且β∈[0.05,0.15]时消纳率保持94.5%以上。4.5 Discussion on System Scale and Applicability：理论上，所提CGDT框架可推广至大规模混合AC/DC输电网格，前提是潮流和运行约束可线性或凸表达；但实际大系统含数百母线、多换流站和复杂拓扑，节点电压调节、换流器运行模式切换、多馈入交互等未在当前简化系统中覆盖；规模扩大增加变量维度和计算时间，多换流站控制耦合、换流站损耗非线性及AC/DC子网交互对工程适应性提出更高要求；因此结论主要适用于本文海上风电场集群AC/DC集约输电场景，推广至任意规模或拓扑需进一步验证和适配。

讨论部分总结：4.5节指出方法在理论上具有向大规模混合AC/DC系统扩展的可能，但工程适用性受模型线性/凸性、计算规模、换流站控制与损耗非线性、多馈入交互及节点电压调节等因素约束，本文结论应限定于所研究的海上风电场集群AC/DC集约输电场景。研究结论翻译：本文建立并验证了面向AC/DC集约联网海上风电场集群的基于CGDT的鲁棒优化调度策略。已建立等效单机聚合模型以表征海上风电场集群汇集出力。已构建含风电消纳、负荷供电率和AC/DC走廊集约利用率三个协同目标的确定性调度框架。为克服传统鲁棒与随机优化方法处理海上风电不确定性的局限，引入CGDT，其中预测误差分布由KDE拟合，概率机会约束转化为确定性代数约束，使模型可作为凸线性规划问题高效求解。案例结果表明，所提CGDT方法优于确定性、IGDT和多场景随机规划方法，在所有调度指标上取得最高均值并具有最窄波动范围。未来工作将进一步考虑极端海洋气象条件下风电出力的突变特性，并将源网荷储协调调控与电力市场交易机制相结合，构建更实用的集约优化调度模型，以提升系统综合运行效率和抗干扰能力。