💻 computer science

Enhancing Power Systems Transmission Adequacy via Optimal BESS Siting and Sizing using Benders Decomposition with Feasibility Cuts

本文提出了一种基于广义 Benders 分解与可行性割的通用框架，通过求解混合整数二阶锥规划问题，实现了大规模交直流电网中电池储能系统的最优选址定容，从而在满足高时间分辨率网络约束的同时提升输电系统的资源充裕度。

原作者： Ginevra Larroux, Matthieu Jacobs, Keyu Jia, Fabrizio Sossan, Mario Paolone

发布于 2026-03-05

📖 1 分钟阅读☕ 轻松阅读

原作者： Ginevra Larroux, Matthieu Jacobs, Keyu Jia, Fabrizio Sossan, Mario Paolone

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇文章讲述了一个关于如何给大型电网“安装”最佳位置的巨型充电宝（电池储能系统），以解决电力供应不足和电压不稳问题的故事。

想象一下，电网就像是一个巨大的、错综复杂的城市交通系统。

1. 核心问题：交通拥堵与电压“发烧”

现在的电网里，风力发电和太阳能发电越来越多。它们就像天气一样不可预测：有时候风很大（电太多），有时候没风（电不够）。这导致电网经常面临两个麻烦：

拥堵（Congestion）： 某些路段（电线）太挤了，电流过不去，就像早晚高峰的堵车。
电压不稳（Voltage Issues）： 某些地方的电压忽高忽低，就像发烧一样，会让电器损坏或导致停电。

传统的解决办法是“修路”（升级电线），但这太贵、太慢。这篇文章提出一个更聪明的办法：在关键路口放置“巨型充电宝”（BESS）。

当电太多时，充电宝把电存起来（缓解拥堵）。
当电不够时，充电宝把电放出来（防止停电）。
它还能像“稳压阀”一样，把电压调平。

2. 最大的挑战：这是一个“超级复杂的数学迷宫”

要在全国范围内决定在哪里放（选址）和放多大（ sizing），并且要考虑未来一整年每一天的天气变化，这就像是要解一个超级复杂的数学迷宫。

这个迷宫里有成千上万个变量（时间、地点、电量、电压）。
如果试图一次性算出所有答案，计算机可能会算到“死机”，或者算上几百年都算不完。

3. 作者的解决方案：把大任务拆成小任务（Benders 分解）

为了解决这个难题，作者发明了一种**“分而治之”的策略，就像一个精明的项目经理带着一群工人**：

项目经理（主问题）： 负责做宏观决策。他手里有一张地图，决定：“我们在 A 城市放一个大电池，在 B 城市放一个小电池”。他不需要知道每一分钟电是怎么流动的，他只看大概的成本。
工人们（子问题）： 负责具体执行。每个工人负责检查一天的情况。项目经理给出一套方案，工人们就拿着这个方案去模拟：“如果按这个方案，今天会不会堵车？电压会不会爆表？”
- 如果可行： 工人们说：“没问题，但成本有点高，下次试着少放点。”（这叫最优性割）。
- 如果不可行（比如电压爆了）： 工人们说：“不行！A 城市放电池没用，必须移到 C 城市，或者加大容量！”（这叫可行性割）。

循环迭代：
项目经理根据工人的反馈，调整方案，再发给工人。工人再检查，再反馈。这个过程像打乒乓球一样来回进行，直到方案既省钱又完美可行。

4. 独特的创新点：为什么这篇论文很厉害？

并行计算（多线程）：
通常这种计算是一个接一个做的，很慢。但这篇论文让所有工人同时工作。想象一下，如果有 100 个工人，他们同时检查 100 天的情况，速度就快了 100 倍。这使得在普通笔记本电脑上也能算完一整年的数据。
处理“死胡同”（可行性割）：
很多旧方法只会在方案“可行”时优化，一旦遇到“死胡同”（比如电压严重超标）就卡住或乱猜。这个方法专门设计了**“探路机制”**。如果方案行不通，它会生成一个明确的“路障”（数学上的割平面），告诉项目经理：“别往这个方向走了，前面是悬崖！”这保证了最终一定能找到一个可行的方案。
从“松弛”到“精准”的修正：
为了算得快，数学模型一开始做了一些“简化”（就像画地图时把弯曲的路画直了）。算出结果后，作者还加了一个**“精修步骤”**：把算出来的结果代入真实的、复杂的物理公式里再跑一次，确保它真的符合物理定律，不会在现实中“翻车”。

5. 结果如何？

作者用了一个包含 118 个节点的复杂电网模型（相当于一个中型城市的电网）做测试：

速度： 即使要规划一整年（365 天）的情况，在普通的 Mac 电脑上，不到 5 个小时就算出了最佳方案。
效果： 成功解决了原本会导致电压崩溃和线路过载的问题，而且算出来的电池位置和大小是最划算的。

总结

这就好比是给电网请了一位超级智能的“交通指挥官”。
它不再盲目地修路，而是通过**“宏观规划 + 微观模拟 + 快速反馈”**的循环，精准地在最需要的地方放置“充电宝”。这不仅省钱，还能让电网在面对不稳定的新能源时，依然保持强壮、稳定和安全。

对于未来的电网来说，这种**“算得快、算得准、能处理大麻烦”**的方法，是确保我们未来用电无忧的关键钥匙。

这是一份关于论文《Enhancing Power Systems Transmission Adequacy via Optimal BESS Siting and Sizing using Benders Decomposition with Feasibility Cuts》（通过带可行性割的 Benders 分解优化电池储能系统选址定容以增强电力系统输电充裕度）的详细技术总结。

1. 研究背景与问题定义 (Problem)

背景：随着现代电力系统中随机性可再生能源（如风能、光伏）占比的增加，输电系统的资源充裕度（Resource Adequacy）面临巨大压力。输电系统运营商（TSO）需要部署市场中性（Market-neutral）的电池储能系统（BESS）来优化再调度成本，减少电网加固需求，并支持系统的经济、安全和可靠运行。
核心挑战：
1. 高时间分辨率与长规划周期：需要捕捉日内快速波动（小时级分辨率）并考虑季节性变化（年际规划），导致问题规模巨大。
2. 非线性与非凸性：为了物理可行性，必须考虑交流潮流（AC-OPF）的非线性约束（如电压幅值、相角、支路容量限制）。这导致原始问题是一个混合整数非线性规划（MINLP）问题，对于实际规模的电网而言是计算不可行的。
3. 可行性与松弛的矛盾：传统的凸松弛（如二阶锥规划 SOCP）在网状网络中可能无法保证解的紧密性（Tightness），即松弛解可能不满足原始 AC 潮流方程，导致电压相角循环约束不满足。
4. 不可行边界条件：在规划初期，网络可能处于不可行状态（存在电压越限或线路拥堵），算法必须能够处理这些不可行性并生成相应的割平面。

2. 方法论 (Methodology)

论文提出了一种通用的框架，将复杂的 MINLP 问题转化为混合整数二阶锥规划（MISOCP），并通过**广义 Benders 分解（Generalized Benders Decomposition, GBD）**进行求解。

A. 问题分解架构

主问题（Master Problem, MP）：
- 形式：混合整数线性规划（MILP）。
- 决策变量：BESS 的选址（二进制变量 $U_s$ ）和定容（能量 $C_s$ 和功率 $W_s$ ）。
- 目标：最小化投资成本（CAPEX）加上来自子问题的运营成本代理变量。
子问题（Subproblems, SP）：
- 形式：二阶锥最优潮流（SOC-OPF）。
- 时间粒度：将一年划分为多个子问题（例如每天一个子问题，共 365 个）。
- 决策变量：给定主问题确定的 BESS 容量和位置后，优化运行状态（电压、相角、有功/无功功率、储能状态等）。
- 目标：最小化系统损耗（运营成本 OPEX）。
耦合机制：
- BESS 的容量变量作为连接主问题和子问题的“链接变量”。
- 通过迭代交换信息：主问题提出新的选址/定容方案，子问题评估其可行性和最优性，并返回最优性割（Optimality Cuts）或可行性割（Feasibility Cuts）。

B. 关键算法创新

处理不可行性的可行性割：
- 当子问题在给定容量下不可行（如电压越限）时，求解一个辅助的可行性检查子问题（FC-SBP）。
- 该子问题引入松弛变量（Slack variables）来最小化违反约束的程度，并利用 Farkas 引理生成可行性割，反馈给主问题以修正选址/定容决策。
- 理论保证：尽管主问题包含连续变量（导致可行域非有限），论文证明了在特定条件下（如链接变量松弛变量线性进入锥约束），GBD 算法仍具有收敛性保证。
并行化计算：
- 子问题之间相互独立（仅依赖主问题的链接变量），因此可以并行求解。
- 利用多核 CPU 并行处理所有子问题，显著降低了计算时间。
AC 潮流可行性恢复（Heuristic Recovery）：
- 由于 SOC 松弛在网状网络中可能不紧密，松弛解可能不满足原始 AC 方程。
- 论文提出一种定制启发式方法：在 GBD 收敛后，利用松弛解作为初始值，直接求解非近似的 AC 潮流方程，以恢复一个物理上可行的运行点。

3. 主要贡献 (Key Contributions)

具有严格收敛保证的 GBD 方案：
- 针对混合整数主变量（导致非有限可行域）和不可行边界条件的情况，提出了同时生成最优性割和可行性割的方案，并提供了数学上的收敛性证明。
网状网络中的 AC 可行性恢复：
- 提出了一种从 SOC 松弛解恢复 AC 可行运行点的启发式方法，解决了传统松弛方法在网状拓扑下可能产生非物理解的问题。
高性能并行计算框架：
- 实现了子问题的并行求解，使得在便携式硬件（如 MacBook Pro）上也能在数小时内解决包含 365 天时间序列和大规模节点（IEEE 118 节点）的规划问题。

4. 实验结果 (Results)

测试系统：IEEE 118 节点系统，规划周期为 365 天（小时级分辨率）。
收敛性验证：
- 在可行和不可行两种边界条件下，分解方案与集中式方案（松弛后）的链接变量残差接近于零，验证了割平面的正确性。
可扩展性（Scalability）：
- 子问题数量（规划长度）：主问题求解时间随规划长度呈近似线性增长；子问题并行求解效率极高，总时间随子问题数量线性增加，但受限于并行核数。
- 链接变量数量（候选站点数）：这是主要瓶颈。随着候选站点数量增加，Benders 迭代次数迅速增加，导致总求解时间显著上升。
松弛紧密度（Tightness）：
- 单纯使用线性损耗惩罚时，虽然松弛间隙（Gap）很小，但 AC 潮流残差较大（非可行）。
- 使用二次损耗惩罚可稍微改善分布，但仍无法完全消除 AC 不可行性。
- 最终方案：通过最后的 AC 潮流求解步骤，成功获得了物理可行的运行点，且计算开销可接受（每个时间步约 0.09 秒）。
案例应用：
- 在 12 个候选节点（存在电压越限的节点）进行选址定容。
- 结果：算法在 148 次迭代后收敛，总耗时约 4.5 小时。成功消除了网络不可行性，总成本（CAPEX + OPEX）约为 1.1 万瑞士法郎（注：此处为归一化单位或特定假设下的数值，实际意义在于展示了优化能力）。

5. 意义与结论 (Significance & Conclusion)

对 TSO 的价值：该框架为输电系统运营商提供了一种实用的工具，用于在考虑高时间分辨率和物理约束的前提下，优化 BESS 的部署。它能够在不依赖昂贵电网加固的情况下，通过市场中性资源解决拥堵和电压问题。
计算效率：证明了通过 MISOCP 重构和并行 GBD 分解，可以将原本不可解的长周期、高粒度 AC 规划问题转化为可在数小时内求解的问题。
局限性：算法的主要瓶颈在于候选 BESS 站点的数量（链接变量维度）。因此，在实际应用中，建议结合先验知识筛选稀疏的候选站点集合。
未来工作：计划扩展到真实世界的大规模电网，纳入 N-1 安全校核，并研究随机规划以处理更复杂的不确定性。

总结：这篇论文提出了一种数学上严谨且计算高效的框架，成功解决了大规模输电网络中电池储能的选址定容问题。它巧妙地结合了二阶锥松弛、广义 Benders 分解和启发式恢复技术，平衡了计算复杂性与物理可行性，为高比例新能源背景下的电网规划提供了重要的方法论支持。