为应对高比例新能源接入给配电系统带来的挑战，沈祎淳、彭弘毅、晏鸣宇（均来自华中科技大学电气与电子工程学院，强电磁技术全国重点实验室）在 《smart power》智慧电力期刊的 2025年第53卷第10期上发表了一项题为 “高比例新能源接入的交直流混联配电系统分散协同调度方法” 的研究。此项研究属于电力系统及其自动化领域，聚焦于新型电力系统优化与低碳运行的前沿问题。近年来，中国正大力构建以新能源为主体的新型能源体系，随着分布式新能源、直流负荷大量接入交流配电网，引发了电能质量下降、系统经济性降低等问题。交直流混联配电系统（AC/DC Hybrid Distribution System）通过换流器灵活分隔和连接交直流侧，被证明是提升新能源消纳能力、保障供电可靠性与运行灵活性的有效架构。然而，高比例新能源出力的强随机性与波动性，使得系统的最优调度面临巨大不确定性。传统的集中式调度方法存在计算负担重、隐私泄露风险；而现有的分布式调度研究，或在建模时未充分考虑新能源不确定性，导致调度方案实时性与抗扰动性不足，或在求解时难以兼顾计算精度与效率。为此，本研究旨在提出一种能够精准刻画新能源不确定性、保护区域隐私、且高效求解的交直流混联配电系统分布式风险鲁棒备用优化调度方法，以实现在保障系统安全可靠运行的前提下，降低整体运行成本的目标。
本研究的工作流程系统且严谨，主要包含数学模型构建、分布式求解框架设计、算法改进以及仿真验证四大核心步骤，并辅以详细的数据分析。
第一步，构建交直流混联配电系统两阶段风险鲁棒优化模型。 研究首先建立了涵盖预调度（第一阶段）和再调度（第二阶段）的鲁棒优化模型。研究对象为整个交直流混联配电系统，其基本架构由交流配网、直流配网以及连接二者的换流器构成，这种柔性互联架构显著提升了系统的可调度空间与调节裕度。在建模中，研究的关键创新在于引入了运行风险建模。研究识别出系统运行中的两类主要风险：弃风光风险和失负荷风险，并采用条件风险价值（Conditional Value at Risk, CVaR）的思想进行量化，但将其表述为线性化的风险函数。具体而言，通过积分形式计算当新能源实际出力超出或低于系统消纳上下限时的期望惩罚成本。这种方法相较于传统区间鲁棒优化（仅考虑最恶劣边界场景），能够更精细地刻画不确定性的概率分布，从而有效避免了传统方法因过于保守而导致的经济性不佳的问题。第一阶段优化目标是最小化包含常规机组运行成本、备用容量成本和上述运行风险惩罚在内的总成本，并满足交流/直流配电网的潮流约束、机组运行与备用约束、线路传输容量约束以及联络线功率约束。第二阶段则是在第一阶段确定备用容量的基础上，针对新能源可能出现的“最恶劣”波动场景进行再调度，其目标是最大化系统的抗扰动能力，即在任何允许的不确定性范围内，都确保不发生弃风、弃光及负荷削减，并满足调整后的各类安全约束。
第二步，设计基于改进交替方向乘子法（ADMM）的分布式调度求解框架。 为解决集中式求解的弊端，研究将上述复杂的全局两阶段鲁棒优化问题，按照地理位置分解为“送端”与“受端”两个子问题。这两个子区域各自拥有独立的调度中心，只需通过交换连接彼此的联络线上的边界信息（即联络线功率及其可调范围的设定值）进行协同。每个子问题的目标函数在自身运行成本的基础上，增加了基于ADMM算法的增广拉格朗日惩罚项，该惩罚项用于衡量本地决策的联络线功率与全局共识值之间的偏差。通过迭代求解送端和受端子问题，并更新拉格朗日乘子和耦合变量的平均值，最终使双方就边界交换功率达成一致，从而获得全局最优调度方案。这一框架的核心优势在于实现了完全分布式并行求解，各区域仅需本地信息和有限的边界信息，保护了用户隐私和商业机密。
第三步，提出改进的ADMM算法与子问题求解策略。 这是本研究在方法上的核心创新点。首先，对于分解后的送端或受端子问题（本身仍是一个两阶段鲁棒优化问题），研究采用列与约束生成算法（Column-and-Constraint Generation, C&CG） 进行求解。C&CG算法通过主问题（确定调度方案）和子问题（寻找最恶劣场景）的交替迭代，高效处理两阶段鲁棒优化。其次，也是更重要的，研究对传统的ADMM算法进行了改进。传统ADMM的惩罚因子通常是固定值，这会影响收敛速度。本研究提出了一种依据原-对偶残差动态修正惩罚因子的自适应更新策略。简单来说，算法会根据每次迭代中原始可行性与对偶可行性的偏差大小，自动调整惩罚因子的数值，从而大幅加速分布式协同求解的收敛过程。整个求解流程是：初始化后，送受端各自用C&CG算法并行求解本地子问题，得到本地联络线功率决策；交换边界信息并计算残差；根据残差自适应更新惩罚因子和拉格朗日乘子；判断收敛条件（边界功率偏差小于设定阈值）；若未收敛，则开始新一轮迭代。
第四步，在标准测试系统上进行仿真验证与对比分析。 研究选取了2区域12节点和2区域66节点两个不同规模的交直流混联配电系统作为研究案例（算例）。所有建模与求解均在数学优化软件环境中编程实现，通过数值仿真来验证所提方法的有效性。在12节点系统中，设计了三个对比算例：算例1（孤岛独立运行）、算例2（仅预调度协同）、算例3（预调度与备用协同）。在66节点系统中，设计了另三个对比算例，以对比确定性优化（算例4）与不同不确定集范围的鲁棒优化（算例5和算例6）。研究详细记录了各算例的总运行成本、负荷缺失期望值、最大负荷缺失量、备用容量分布、联络线功率曲线、算法迭代次数与收敛时间等关键数据。
本研究取得了多方面的重要结果，这些结果层层递进，有力地支撑了研究的最终结论。
在经济性方面，12节点系统的仿真结果（表1）显示，协同调度模式相比孤岛模式经济效益显著。算例2和算例3的总成本比算例1分别降低了21.67%和23.75%。这证明了通过交直流配网协同优化，可以避免发电资源的局部过载或闲置，实现跨区域互补。更重要的是，算例3（两阶段备用协同）的成本低于算例2（仅预调度协同），说明考虑备用协同能进一步促进新能源消纳，提升系统整体经济性。
在系统运行灵活性方面，对算例3联络线功率的分析（图4）表明，优化得到的联络线功率可调区间随时间动态变化，范围宽泛（占容量3%-20%），且在新能源过剩的低谷负荷时段出现了功率从直流配网反向输送到交流配网的“倒送”现象。这直观证实了所提模型能够有效表征并利用柔性互联架构提供的灵活调节潜力，使调度计划能紧密跟随新能源波动。
在算法性能方面，收敛曲线对比（图5）清晰显示，本研究提出的改进ADMM方法，其收敛所需的迭代次数明显少于原始ADMM方法。这意味着在达到相同精度的调度方案时，所提方法能显著减少计算时间，提升了分布式计算效率，这对于大规模系统在线调度的实时性要求至关重要。
在安全可靠性方面，66节点系统的结果（表2）极具说服力。采用鲁棒优化方法的算例5和算例6，其负荷缺失期望值和最大负荷缺失量，相比确定性优化的算例4呈数量级下降。例如，算例6的负荷缺失期望值仅为0.32 kW，而算例4高达10.56 kW。尽管鲁棒优化因配置更多备用导致运行成本略有上升（算例6成本略高于算例5），但以微小的经济代价换来了供电可靠性的大幅提升。此外，图6展示了鲁棒优化模型（算例5）能根据新能源波动预测，动态优化上下调备用容量，而非像确定性模型（算例4）那样配置固定备用，从而实现了经济性与安全性的更好平衡。图7进一步展示了优化后的“可消纳新能源域”，表明系统通过配置充足的上调备用，能够应对较大范围的新能源出力不足场景。
基于以上系统的研究工作与详实的结果分析，本研究得出以下核心结论：第一，所提出的交直流混联配电系统协同调度框架在经济上具有显著优势，能够有效降低系统总运行成本。第二，所构建的风险量化鲁棒优化模型，通过线性化风险函数刻画不确定性，在不过度保守的前提下，显著提升了系统应对极端波动的能力，实现了更高安全性的调度。第三，所设计的基于改进ADMM的完全分布式求解框架，成功将复杂问题解耦为可并行求解的子问题，在保护各区域信息隐私的同时，大幅提升了计算效率，验证了分布式协同调度方案的工程可行性。
本研究的价值与亮点突出。其科学价值在于为高不确定性环境下电力系统的优化调度提供了一种新的建模与求解范式，即“风险感知的鲁棒优化”与“自适应惩罚的分布式计算”相结合，推动了电力系统优化理论的发展。其应用价值则直接面向新型电力系统建设的实际需求，所提方法可为未来含高比例新能源的交直流柔性配电网的调度控制系统开发提供核心算法支撑，助力提升电网消纳新能源的能力与安全经济运行水平。研究的亮点具体体现在三方面：1) 模型创新：引入线性化风险函数改进传统鲁棒优化，兼具鲁棒性与经济性；2) 架构创新：构建了基于ADMM的隐私保护型分布式调度框架，契合未来电网分布式自治的趋势；3) 算法创新：提出了原-对偶残差驱动的惩罚因子自适应更新策略，有效提升了分布式协同求解的收敛速度与计算性能。这些创新点使得该研究在应对高比例新能源接入的挑战时，展现出了理论上的先进性与工程上的实用性。