基于多场景随机规划的分布式协同优化方法：用于分布式能源资源（DER）聚合框架，以及基于用量的系统级芯片（SoC）分解与DER运行可视化

《IEEE Access》：Multi-Scenario Stochastic Programming-Based Distributed Cooperative Optimization for DER Aggregation Framework and Use-Based SoC Decomposition and Visualization of DER Operation

　　

摘要：

随着低压分布式能源资源（DERs）的大规模部署逐步推进，以实现2050年的碳中和目标，人们对电网灵活性不足的担忧日益增加。基于聚合器的商业模式通过整合低压DERs参与市场，正受到越来越多的关注。然而，目前尚未建立起能够主动考虑消费者光伏发电量和需求不确定性的竞价策略。本研究提出了一种市场竞价数量确定方法，该方法利用基于极端情景的同时多场景优化来明确解决由此类不确定性引发的不平衡风险。通过将电池储能系统的充电状态分解为三个运行功能——消费者自用、市场竞价和不平衡缓解——可以透明地向各个消费者传达电池的运行情况。与传统蒙特卡洛多场景方法相比，所提出的方法通过引入极端情景方法，在更少的场景数量下实现了DERs的运行规划和市场竞价策略，同时考虑了最坏情况。此外，还引入了基于交替方向乘子法（ADMM）的分布式协同优化框架来减少优化计算量。基于对一个典型日的模拟，与传统方法相比，所提出的方法将不平衡成本降低了约34%，并使整体净平衡提高了约1.3%。年度评估显示，67%的改进效果归因于动态置信区间选择，这主要得益于对11月至2月（北半球冬季）期间高成本异常天气的管理。这些基于模拟的结果表明，所提出的框架在尊重消费者约束的同时，有效平衡了市场收入最大化与不平衡风险管理，从而证明了其作为实际管理框架的可行性...

显示更多