适用于高光伏渗透率配电系统的时空稀疏动态重构调度方法

《Energies》：Spatiotemporal Sparsified Dynamic Reconfiguration Scheduling Method for High-Photovoltaic-Penetration Distribution Systems

　　

为应对光伏系统高渗透率给配电网络带来的运行挑战——如系统阻塞、电压越限和配电损耗增加——本研究提出了一种考虑实际配电系统运行实施的时空稀疏化动态重构调度方法。所提出的框架包含两个互补的稀疏化机制。空间稀疏化通过在二维净负荷空间中对每小时净负荷分布进行聚类，以聚合特征净负荷模式，从而将潮流评估和配置筛选限制在一小组代表性模式上，显著降低了计算负担。时间稀疏化通过求解一个整数线性规划（ILP）问题来实现，在每日重构频率约束下优化重构计划，从而优化重构时机并减少过多的开关操作。在确定性预测假设下的数值实验表明，所提出的方法能够有效消除阻塞和电压越限，同时在两个场景中分别实现了比传统方法降低4.56%和27.4%的损耗，且计算可扩展性显著提高。

高光伏渗透率配电系统面临系统阻塞、电压越限和损耗增加等运行挑战。传统配置优化方法（如静态重构或长期规划）无法有效应对日内功率流的快速反转，因为光伏出力与负荷需求的波动导致正向和反向功率流在一天内频繁切换。虽然动态重构理论上可解决这些问题，但其计算负担随可控开关数量指数增长，限制了在大规模系统中的实际部署。为此，研究人员提出了一种时空稀疏化动态重构调度方法，旨在降低计算负担的同时保持运行可行性，相关论文发表在《Energies》。

研究人员开展的研究包括：提出一个由空间稀疏化和时间稀疏化组成的框架。空间稀疏化通过k-means聚类算法对年度净负荷数据进行模式聚合，提取代表性运行状态，预先筛选优质配置候选；时间稀疏化通过整数线性规划（ILP）优化每日重构计划，并在重构频率约束下最小化损耗。针对大规模系统，引入基配置邻域优先搜索方法，通过限制开关差异数（Δ_SD）缩小搜索空间。数值实验基于日本JST-CREST126配电线路模型，设置三馈线（场景1，605种可行配置）和六馈线（场景2，32,576,225种可行配置）两种情境，采用日本群马县太田市的实测光伏和负荷数据（训练期和验证期分离）。通过轮廓系数和损耗均方根误差（RMSE）确定聚类数K，通过敏感性分析确定优质配置数g。

结果部分保留以下小标题：
4.2.1. 场景1（三馈线系统）
通过轮廓系数和损耗RMSE评估，确定K=22。随g增加，系统违规（阻塞）在g≥2时消除，损耗降低趋于稳定。Case 2（基于真实状态的时间稀疏化动态重构）较Case 1（固定配置）降低损耗4.58%；Case 3（所提时空稀疏化方法）在g=2时损耗降低4.56%，接近Case 2，且g每增加1个单位损耗降低小于0.01%，故g=2为合适值。基配置邻域优先搜索的合理性通过性能指标F与Δ_SD的分布得到验证：优质配置集中在基配置附近（小Δ_SD区域）。

4.2.2. 场景2（六馈线系统）
确定K=17。Case 2损耗降低31.2%；Case 3在g=5时损耗降低27.4%，且消除所有系统违规。更大损耗降低源于六馈线系统中固定配置基准本身损耗较高（因寻找单一固定配置同时避免违规更困难），而非方法效率的实质性提升。性能指标F的分布再次支持基配置邻域优先搜索的有效性。

4.2.3. 计算时间
所提方法显著降低了计算负担。场景1中，每日计算时间从Case 2的2.2分钟降至Case 3的2.6秒；场景2中，从251.4分钟降至17.3秒。离线准备时间（年度更新）在场景2中通过限制Δ_SD≤6将候选配置降至33,841种，使得准备过程在24小时内可完成。

4.2.4. 关于预测不确定性的讨论
当前研究假设准确预测数据，但所提框架通过两个机制减轻预测误差影响：其一，最终配置选择基于最新预测进行功率流重算，减少了聚类误差和前期预测误差；其二，由于计算时间大幅减少，调度可更接近运行时间执行（如提前1小时），利用更准确的短期预测。此外，框架允许在预测与实际出现显著偏差时重新优化。但定量评估不同预测误差情景下的鲁棒性是未来研究的重要方向。

研究结论翻译如下：
为应对高光伏渗透率配电系统中的系统阻塞、电压越限和损耗增加问题，并减轻计算负担，本研究提出了一种时空稀疏化动态重构调度方法。该方法通过引入基于k-means聚类的净负荷空间模式聚合，增强了计算可扩展性。针对大规模系统中可行配置的组合爆炸问题，整合了基配置邻域优先搜索策略，显著减少了待评估候选配置数量，同时保持运行意义。数值实验中，所提方法消除了系统阻塞和电压越限，实现了接近基于真实状态的时间稀疏化动态重构方法（TSDRS）的损耗降低，且计算负担大幅降低。此外，介绍了聚类数K和优质配置数g的参数确定方法，可通过该方法实现所提方法的鲁棒性能。本研究的局限性在于数值计算依赖准确的日前预测，因此显著的预测误差可能降低所选配置的有效性。未来工作应纳入光伏出力和负荷需求的预测不确定性并评估随机运行条件下的鲁棒性。同时，所提方法因计算速度快，可利用更接近运行时间的更新预测进行重调度或实时纠正操作，以减轻预测误差影响。实际部署还需考虑通信延迟、开关设备约束、保护协调、运营商审批流程等现场运行规则，这些内容将在后续研究中整合。此外，当前验证基于单一网络模型和单一年份条件，未来需使用不同拓扑、负荷构成及时间周期的配电系统来进一步检验方法的普适性。