主動配電網(wǎng)（Active Distribution Network, ADN）作為解決大規(guī)模分布式能源接入以及配電網(wǎng)優(yōu)化運行問題的有效解決方案，已成為近年來的研究熱點。隨著各類可再生能源發(fā)電（Renewable Energy Generation, REG）、柔性負荷、儲能及新型電力電子控制裝置的大規(guī)模接入，ADN的控制及調度變得更加靈活而復雜。

通常，在ADN調度決策過程中，REG可通過特定的預測算法得到相應的預測出力數(shù)據(jù)。但REG固有的出力波動性和隨機性通常會導致預測出力偏差較大，影響優(yōu)化調度的結果。為解決該問題，近年來研究者提出了多種REG出力不確定性處理方法。

• 有學者提出利用區(qū)間描述不確定性，并采用區(qū)間序關系模型轉換方法，將基于區(qū)間不確定性的優(yōu)化模型轉換為一般確定性模型。
• 有學者則利用模糊隨機理論對REG出力不確定性進行描述，并建立了基于模糊隨機機會約束的優(yōu)化調度模型。
• 隨著多狀態(tài)隨機場景建模技術的發(fā)展，有學者基于馬爾可夫鏈的多場景技術對REG出力進行模擬，并利用聚類思想得到典型場景用于ADN優(yōu)化調度。

然而，無論是隨機機會約束法還是場景分析法均需要采集大量數(shù)據(jù)樣本，以得到較為準確的REG出力概率曲線，從而導致問題進一步復雜化。魯棒優(yōu)化方法因其不需要已知確定的概率分布，僅需利用不確定集描述REG出力不確定性范圍，并通過優(yōu)化手段得到“最惡劣”場景下系統(tǒng)的調度方案，因此更加符合實際應用需求。

如有學者通過建立一定保守度下的不確定時序場景集，以棄風、棄光和失負荷最少為優(yōu)化目標，構建了主動配電網(wǎng)分層魯棒規(guī)劃模型。有學者引入魯棒測度表征微電網(wǎng)中不確定性因素的特性，構建了微電網(wǎng)魯棒經濟與環(huán)境優(yōu)化調度模型。

目前，根據(jù)不確定集的類型，魯棒優(yōu)化方法通?？煞譃閳鼍棒敯魞?yōu)化方法、盒式魯棒優(yōu)化方法及橢球魯棒優(yōu)化方法。其中，盒式魯棒優(yōu)化的不確定集是一個線性約束，當目標函數(shù)及約束條件也是線性函數(shù)時，該方法能保證模型得到快速有效求解，但通常會使得優(yōu)化結果過于保守。因此，D.Bertsimas等提出了一種基于“魯棒成本（the price of robustness）”的可調節(jié)魯棒優(yōu)化方法，利用該方法可通過調整魯棒成本，協(xié)調優(yōu)化經濟性和魯棒性之間的平衡，以滿足實際需求。

現(xiàn)階段，已有研究將可調節(jié)魯棒優(yōu)化方法應用于電網(wǎng)調度中，但其大都將研究重點放在魯棒模型的轉換和求解上，未對系統(tǒng)經濟性和魯棒性的平衡作深入研究，同時也未進一步深入探討REG接入數(shù)量、調度成本和系統(tǒng)魯棒性之間的協(xié)調關系。

鑒于以上研究現(xiàn)狀，本文考慮儲能系統(tǒng)及柔性負荷接入，采用基于魯棒成本的可調節(jié)魯棒優(yōu)化方法處理REG出力不確定性，構建主動配電網(wǎng)魯棒優(yōu)化經濟調度模型。通過線性對偶理論和拉格朗日變換，將其轉換為常規(guī)混合整數(shù)線性優(yōu)化問題。同時通過嚴格的數(shù)學推導，提出了基于改進不確定邊界的魯棒成本決策方法，并對含不確定變量約束的最大置信度進行了定量分析。

該改進邊界相比于現(xiàn)有魯棒優(yōu)化邊界而言，不僅具有較小的保守度，同時還具有較好的求解特性。最后，采用算例對所提調度策略進行了仿真分析及驗證。

結論

為了解決可再生能源出力不確定性問題，本文引入可調節(jié)魯棒優(yōu)化方法，構建了主動配電網(wǎng)魯棒優(yōu)化經濟調度模型，并利用線性對偶理論和拉格朗日變換，將其轉換為僅含確定變量的混合整數(shù)線性優(yōu)化問題，該問題可直接采用商業(yè)軟件CPLEX進行求解。同時通過一系列數(shù)學推導，提出了基于改進不確定邊界的魯棒成本決策方法。利用該方法，可靈活選取系統(tǒng)魯棒成本大小，有效協(xié)調系統(tǒng)經濟性和魯棒性要求。

算例表明，在約束被滿足概率相同的情況下，采用基于改進不確定邊界的魯棒優(yōu)化方法，得到的調度結果經濟性更優(yōu)。本文提出的改進不確定邊界不僅具有較小的保守度，同時具有較好的求解特性，可有效避免因保守度過小而難以得到優(yōu)化解的問題，具有一定的實際應用價值。