Eli Brock · Haixiang Zhang · Javad Lavaei · Somayeh Sojoudi · IEEE Transactions on Power Systems · 2025年1月

在不确定性环境下，设计最优潮流（OPF）问题的鲁棒算法对大规模电力系统控制至关重要。机会约束最优潮流（CCOPF）为运行成本与约束满足率之间的权衡提供了自然建模方式。本文提出一种基于分布鲁棒优化（DRO）的数据驱动CCOPF算法，证明所提出的分布鲁棒机会约束重构是精确的，而现有方法多依赖保守近似。我们建立了分布外样本的鲁棒性保证，并证明该解在具有相同保证的所有方法中最优。通过IEEE标准系统的仿真，验证了所提算法相较于现有方法的优越性能。

解读: 该分布鲁棒机会约束最优潮流技术对阳光电源储能系统和光伏并网产品具有重要应用价值。在PowerTitan大型储能系统中，可应用于多时间尺度功率调度优化，在新能源出力不确定性下保证电网约束满足率与经济性平衡。对于ST系列储能变流器的能量管理系统，该数据驱动算法可提升实时调度鲁棒性，避免传统随机优化的过度...