主動配電網（Active Distribution Network, ADN）作為解決大規模分布式能源接入以及配電網優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據。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。

• 有學者提出利用區間描述不確定性，并采用區間序關系模型轉換方法，將基于區間不確定性的優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化調度模型。
• 隨著多狀態隨機場景建模技術的發展，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據樣本，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，并通過優化手段得到“最惡劣”場景下系統的調度方案，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化目標，構建了主動配電網分層魯棒規劃模型。有學者引入魯棒測度表征微電網中不確定性因素的特性，構建了微電網魯棒經濟與環境優化調度模型。

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

現階段，已有研究將可調節魯棒優化方法應用于電網調度中，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接入數量、調度成本和系統魯棒性之間的協調關系。

鑒于以上研究現狀，本文考慮儲能系統及柔性負荷接入，采用基于魯棒成本的可調節魯棒優化方法處理REG出力不確定性，構建主動配電網魯棒優化經濟調度模型。通過線性對偶理論和拉格朗日變換，將其轉換為常規混合整數線性優化問題。同時通過嚴格的數學推導，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有魯棒優化邊界而言，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，本文引入可調節魯棒優化方法，構建了主動配電網魯棒優化經濟調度模型，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線性優化問題，該問題可直接采用商業軟件CPLEX進行求解。同時通過一系列數學推導，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，可靈活選取系統魯棒成本大小，有效協調系統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化方法，得到的調度結果經濟性更優。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化解的問題，具有一定的實際應用價值。