这篇文档属于类型a，即报告了一项原创性研究。以下为详细的学术报告：
主要作者及发表信息
本研究由华东交通大学电气与自动化工程学院的孙惠娟、宋煜钧、陈俐、彭春华、姜治合作完成，成果发表于《电力自动化设备》（*Electric Power Automation Equipment*）2024年4月第44卷第4期。
学术背景
研究领域为新型电力系统优化调度，核心关注如何在新能源高占比背景下平衡电力系统的经济性与安全性。随着风电、光伏等可再生能源渗透率提升（预计2030年风光发电占比超25%），电源结构的强不确定性和弱可控性导致电网运行风险加剧。传统备用容量配置方法（如固定比例法）存在局限性：未量化备用不足引发的潮流越限风险（如功率越限、电压越限），且未充分协同源-网侧灵活资源。为此，本研究提出一种计及备用风险性的源网协同调度模型，旨在通过随机潮流量化风险并优化调度策略。
研究流程与方法
1. 备用风险评估指标开发
- 理论基础：基于随机潮流（Stochastic Power Flow, SPF）和半不变量法（Cumulant Method），构建潮流越限风险量化模型。
- 随机潮流计算：利用半不变量法处理风光荷的随机性（如风速威布尔分布、光伏出力Beta分布），通过Cornish-Fisher级数生成节点电压与支路功率的概率分布。
- 风险指标设计：提出功率越限风险指标（如式6），综合越限概率与严重程度（如支路功率超出限值的积分期望），并引入系统整体风险（平均风险）与最薄弱环节风险（最大风险）的加权（式7-8）。
2. 源网协同调度模型构建
- 目标函数：
- 最小化系统运行成本（包含常规机组电量成本与备用容量成本，式9）。
- 最小化系统运行越限风险指标（含功率与电压越限风险，式10-11）。
- 决策变量：
- 源侧：常规机组出力、正/负旋转备用容量（约束见式14-19）。
- 网侧：有载调压变压器（OLTC）变比、电容器组无功补偿容量（约束见式24-26）。
- 创新约束：考虑爬坡速率（式16）、备用不足对潮流的影响（式19）及无功设备操作次数限制（式26）。
3. 求解算法设计
- 布朗-莱维多目标微分进化算法（BL-MODE）：
- 机制融合：结合布朗运动（局部精细搜索）与莱维飞行（全局跳跃搜索），通过莱维飞行阈值（ε=0.0001）动态切换搜索模式（式28-31）。
- 优势：避免传统多目标算法（如NSGA-Ⅱ、MODE）的早熟收敛问题，提升Pareto前沿的分布均匀性（图5）。
4. 仿真验证
- 算例设置：改进IEEE 30节点系统（节点13改光伏、节点22加风电）和IEEE 57节点系统，对比固定比例法与本文方法。
- 数据输入：风光出力曲线（图1）、机组参数（附录C表C1）、负荷需求（附录C图C2）。
- 算法参数：种群规模100，迭代次数500，交叉概率0.8。
主要结果
备用容量动态优化：
- 在风光出力波动大的时段（如高峰/低谷），本文方法自适应增加备用容量（图3），而固定比例法存在冗余配置。例如，G3机组因备用成本低且爬坡快，承担更多备用任务（图2）。
- 经济-安全平衡：相比固定比例法，本文方法运行成本仅增加3.12%（75,659 vs 73,372美元），但越限风险降低49.8%（0.0631 vs 0.1256）（表1）。
电压风险控制：
- 节点21电压概率密度曲线显示，本文方法将电压波动严格限制在1.05 p.u.内，而固定比例法存在越限（图4）。
- 网侧可控资源（如节点29电容器组）的无功补偿量动态调整，有效改善电压分布（附录D表D1-D2）。
算法性能：
- BL-MODE在Pareto前沿覆盖性、收敛速度上优于NSGA-Ⅱ和MODE（图5），计算耗时最短（附录D表D3）。
结论与价值
科学价值：
- 提出首个结合随机潮流与备用风险的量化指标，解决了传统方法未计及事故后果严重性的问题。
- 构建源-网协同调度框架，验证了网侧可控资源（如OLTC、电容器）对降低越限风险的贡献。
应用价值：
- 为高比例新能源电力系统提供兼顾经济性与安全性的调度方案，支持“碳达峰”目标下电网灵活调节需求。
- BL-MODE算法可拓展至源-网-荷-储协同优化场景。
研究亮点
- 创新指标：首次将半不变量法应用于备用风险量化，实现潮流越限的动态评估。
- 模型协同性：同时优化源侧备用与网侧无功设备，提升资源利用效率。
- 算法突破：布朗-莱维机制显著提升多目标优化的深度寻优能力。
其他价值
附录提供了随机潮流计算流程（图A2）、算法伪代码（图B1）及扩展算例（IEEE 57节点系统），增强了研究的可复现性。