《Results in Engineering》：A Multi-Stage Hierarchical Microgrid Planning Approach for Maximizing the Hosting Capacity of Renewable Energy
编辑推荐：
鉴于将高比例可再生能源（Renewable Energy）集成到微电网（Microgrid）中由于光伏（Photovoltaics， PV）和风力（Wind）等资源的固有波动性以及需求（Demand）和市场动态（Market Dynamics）的不确定性而面临
鉴于将高比例可再生能源（Renewable Energy）集成到微电网（Microgrid）中由于光伏（Photovoltaics， PV）和风力（Wind）等资源的固有波动性以及需求（Demand）和市场动态（Market Dynamics）的不确定性而面临巨大挑战，研究人员提出了一种多阶段分层优化框架（Multi-stage Hierarchical Optimization Framework），该框架系统地协调长期基础设施投资与短期运行策略，以最大化可再生能源接纳容量（Hosting Capacity）。该框架采用三级结构：（1）一个主问题（Master Problem）用于优化资产容量（包括光伏、风力涡轮机（Wind Turbines）、电解槽（Electrolyzers）、燃料电池（Fuel Cells）、氢/电池储能（Hydrogen/Battery Storage）、电动汽车（Electric Vehicles， EVs）和需求响应（Demand Response， DR））；（2）基于情景（Scenario-based）的子问题（Subproblems）用于在不确定性下进行运行调度（Operational Dispatch）；（3）通过Benders分解（Benders Decomposition）进行迭代协调（Iterative Coordination），以使规划与实时性能保持一致。一个考虑风险（Risk-aware）的多目标函数（Multi-objective Function）平衡了投资成本（Investment Costs）、运行费用（Operational Expenses）以及在95%置信水平下的条件风险价值（Conditional Value-at-Risk， CVaR），以缓解极端财务风险。仿真结果表明，与传统方法相比，该框架将可再生能源接纳容量提高了15-20%，同时将运行成本降低了12%，并增强了对不利情景（Adverse Scenarios）的恢复力（Resilience）。通过集成多样化的能源资产、风险管理以及通过分层分解（Hierarchical Decomposition）提高计算效率，该方法为设计具有高可再生能源渗透率的可持续微电网提供了稳健的工具。
研究背景方面，当前可再生能源资源（如光伏板和风力涡轮机）的间歇性对微电网的实时供需平衡和发电量预测带来了显著的不确定性。同时，现代微电网日益复杂，集成了多种资产，包括发电单元、储能系统（含电池和氢能存储）、电解槽、燃料电池、电动汽车和需求响应机制。平衡这些多元化资产的投资与运行成本，并同时确保系统的可靠性与恢复力，是一个艰巨的任务。传统规划方法往往难以平衡整合可变可再生能源与微电网可靠运行所固有的经济、技术和风险相关方面。因此，有必要开发一个能同时处理长期投资决策和短期运行挑战的综合框架，这也是本研究的动机所在。
研究人员为此开展了多阶段分层优化框架的研究。该框架的核心是设计一个三维结构：第一级为主问题，负责战略性投资决策，确定每种能源资产的最优容量；第二级为情景子问题，针对每个情景优化运行调度，考虑可再生能源发电和负荷需求的不确定性；第三级通过Benders分解等高级技术进行协调和迭代优化，连接投资与运行决策。为量化和缓解极端成本情景，框架将条件风险价值（CVaR）直接嵌入规划问题，实现了风险感知优化。模型同时优化光伏板、风力涡轮机、电解槽、燃料电池、氢储能、电池储能、电动汽车和需求响应等多样化资源，并通过一个包含投资成本、期望运行成本、风险值和可再生能源接纳容量项的多目标函数进行综合决策。得出的结论是，该框架相比传统方法，能将可再生能源接纳容量提升15-20%，降低运行成本12%，并增强系统在不利情景下的鲁棒性。论文发表于《Results in Engineering》。
该研究用到的主要关键技术方法包括：（1）基于Benders分解的三阶段分层分解（Hierarchical Decomposition）方法，用于高效求解大规模随机优化问题；（2）将条件风险价值（CVaR）作为风险度量指标嵌入多目标规划模型，实现风险感知优化；（3）基于历史数据并考虑时间相关性的场景生成（Scenario Generation）方法，用于表征可再生能源出力和负荷需求的不确定性；（4）在模型中综合协调多种灵活性资源（电池、氢能系统、电动汽车和需求响应），以提升系统灵活性。研究使用了来自伊朗伊斯兰阿扎德大学塞姆南分校（Islamic Azad University, Semnan, Iran）的模拟数据集。
研究结果部分首先展示了投资决策优化结果。通过所提框架优化后，微电网中各类资产的最优安装容量分别为：光伏500 kW，风力涡轮机400 kW，电解槽200 kW，燃料电池150 kW，氢储能800 kWh，电池储能600 kWh，聚合电动汽车容量350 kWh，需求响应容量250 kW。该配置旨在平衡不同资源，以最大化利用可再生能源并维持运行稳定性。
接着分析了关键运行性能指标。研究评估了基础情景、高可再生能源、低可再生能源、高峰需求和价格波动五种情景。结果显示，在高可再生能源情景下，总运行成本最低（22,000美元），可再生能源接纳容量最高（14,500 kWh），电网进口电量最低（2,800 kWh）。相反，在高峰需求情景下，运行成本最高（30,000美元），可再生能源接纳容量降至11,000 kWh，电网进口电量达4,500 kWh。不同情景的电网进出口量显著不同，高可再生能源情景出口电量最高（1,600 kWh）。
风险分析与条件风险价值（CVaR）结果表明，各情景的期望成本与CVaR值存在差异。基础情景的期望成本为25,000美元，CVaR为27,500美元，风险溢价（Risk Premium）为2,500美元。高可再生能源情景具有最低的期望成本（22,000美元）和CVaR（24,000美元），风险溢价最低（2,000美元）。高峰需求情景风险最高，CVaR达33,500美元，风险溢价为3,500美元。这凸显了纳入风险感知优化策略的重要性。
论文主体部分的内容综合讨论如下：为应对可再生能源集成挑战，研究人员提出了一个创新的多阶段分层优化框架。该框架的显著特点是打破了传统方法将投资、运行与接纳容量评估分离处理的模式，通过Benders分解实现了三者在同一随机优化结构内的紧密耦合。模型直接将最大化可再生能源接纳容量作为规划目标的一部分，而非事后计算指标。框架通过三级结构高效解决了这一复杂问题：主问题确定最优投资方案，子问题基于多个生成的情景计算最优运行调度，并通过迭代切割（Benders Cuts）不断协调两层决策。在目标函数中，研究创新性地将条件风险价值（CVaR）与投资成本、运行成本一并优化，使得规划决策主动规避极端财务风险，增强了微电网在不确定环境下的经济韧性。此外，模型综合考虑了光伏、风电、氢能系统、电池储能、电动汽车聚合及需求响应等多种资源的协同调度，其灵活性共同贡献于可再生能源接纳能力的提升。灵敏度分析表明，框架对投资成本、可再生能源容量因子和CVaR置信水平等关键参数的变化具有稳健性，能够反映不同规划偏好（如成本导向或接纳容量导向）下的权衡。与传统一体化规划（TIP）和解耦两阶段优化（DTSO）方法相比，所提框架在可再生能源接纳容量、总成本、风险管理和计算效率方面均表现出显著优势。计算效率分析证实，得益于分层分解和并行处理，框架在面对问题规模扩大时表现出良好的可扩展性。这些结果共同证明，该框架为设计可持续、高渗透可再生能源的微电网提供了坚实的理论基础和实用的工程化解决方案。
论文的结论部分指出：本文提出了一种多阶段分层优化框架，旨在最大化微电网中的可再生能源接纳容量，同时平衡经济效率、运行恢复力和风险缓解。该框架通过将长期投资规划与基于情景的运行调度相结合，解决了由可再生能源间歇性、需求波动和市场不确定性带来的关键挑战。其三级层次结构——战略性容量规划、情景驱动的运行优化以及通过Benders分解实现的迭代协调——确保了投资决策与实时性能动态对齐，从而实现自适应且稳健的微电网设计。关键贡献包括：明确纳入条件风险价值（CVaR）以管理极端财务风险；全面整合多样化能源资产（可再生能源、氢能系统、电池、电动汽车和需求响应）；以及通过并行处理和分层分解提升计算效率。仿真结果证明，与传统方法相比，该框架将可再生能源接纳容量提升了15-20%，运行成本降低了12%，并增强了对不利情景的恢复力。可扩展性分析确认了其适用于更大系统的潜力，即使问题复杂性增加，计算时间也呈线性增长。该框架为政策制定者和规划者开发具有高可再生能源渗透率的可持续微电网提供了实用蓝图，减少了对化石燃料的依赖并增强了电网稳定性。
