一种柔性配电网分布鲁棒运行方法和系统与流程

1.本发明涉及配电技术领域，特别涉及一种柔性配电网分布鲁棒运行方法和系统、一种柔性配电网分布鲁棒优化模型及其建立方法。


背景技术：

2.随着电动车充电桩的井喷式发展，电动车的用电需求日益增长，电动车的储能特性以及多样的充放电特性必将导致配电网能量流动进一步复杂，为了保证在电动车的用电需求得到满足的同时，使配电网安全稳定运行，亟需开展适应大规模充电负荷接入的柔性配电网运行优化方法研究。近年来突飞猛进的柔性配电技术，为解决这一难题提供了契机。智能软开关是安装于传统联络开关处的电力电子装置，能实现馈线间的常态化柔性连接和灵活功率传输控制，具有连续精确调节、响应速度更快、动作成本更低、故障影响更小的特点，大大提高了配电系统控制的灵活性和快速性，可为配电系统的高电能质量、高供电可靠性等电力需求提供技术支撑。
3.国内外已经开展了考虑电动车接入的配电网运行优化问题的研究，主要集中在电动车有序充电的智能配电网优化控制上，但是在考虑分布式光伏和电动车不确定性、缓解大规模充电负荷接入冲击、实现配电网节能降损和减小电动车购电费用方面仍然存在不足，没有能够同时考虑不同类型电动车的行为特性和智能软开关与电动车的柔性功率调节的技术方案。


技术实现要素：

4.为解决上述问题，本发明提供了一种柔性配电网分布鲁棒运行方法和系统、一种柔性配电网分布鲁棒优化模型及其建立方法。
5.第一方面，本发明实施例提供一种柔性配电网分布鲁棒运行方法，包括：采集柔性配电网参数信息、电动车充电负荷参数信息和智能软开关参数信息；所述柔性配电网参数信息包括全年分布式光伏出力数据，所述电动车充电负荷参数信息包括全年电动车到达充电站时间分布数据；根据电动车充电负荷参数信息和智能软开关参数信息，构建基于虚拟储能的电动车聚合商运行约束；根据柔性配电网参数信息和基于虚拟储能的电动车聚合商运行约束，建立柔性配电网确定性运行优化模型；根据全年分布式光伏出力数据和全年电动车到达充电站时间分布数据，构建分布式光伏和电动车不确定性场景集；根据分布式光伏和电动车不确定性场景集和柔性配电网确定性运行优化模型，建立考虑分布式光伏和电动车不确定性的柔性配电网分布鲁棒优化模型；对所述考虑分布式光伏和电动车不确定性的柔性配电网分布鲁棒优化模型进行求解，得到运行策略数据；
根据运行策略数据，运行配电网。
6.第二方面，本发明实施例提供一种柔性配电网分布鲁棒运行系统，包括：参数信息采集模块，用于采集柔性配电网参数信息、电动车充电负荷参数信息和智能软开关参数信息；所述柔性配电网参数信息包括全年分布式光伏出力数据，所述电动车充电负荷参数信息包括全年电动车到达充电站时间分布数据；聚合商运行约束构建模块，用于根据电动车充电负荷参数信息和智能软开关参数信息，构建基于虚拟储能的电动车聚合商运行约束；运行优化模型建立模块，用于根据柔性配电网参数信息和基于虚拟储能的电动车聚合商运行约束，建立柔性配电网确定性运行优化模型；分布鲁棒优化模型建立模块，用于根据全年分布式光伏出力数据和全年电动车到达充电站时间分布数据，构建分布式光伏和电动车不确定性场景集；根据分布式光伏和电动车不确定性场景集和柔性配电网确定性运行优化模型，建立考虑分布式光伏和电动车不确定性的柔性配电网分布鲁棒优化模型；运行策略求解模块，用于对所述考虑分布式光伏和电动车不确定性的柔性配电网分布鲁棒优化模型进行求解，得到运行策略数据；根据运行策略数据，运行配电网。
7.基于同一发明构思，本发明实施例提供一种柔性配电网分布鲁棒优化模型建立方法，包括：采集柔性配电网参数信息、电动车充电负荷参数信息和智能软开关参数信息；所述柔性配电网参数信息包括全年分布式光伏出力数据，所述电动车充电负荷参数信息包括全年电动车到达充电站时间分布数据；根据电动车充电负荷参数信息和智能软开关参数信息，构建基于虚拟储能的电动车聚合商运行约束；根据柔性配电网参数信息和基于虚拟储能的电动车聚合商运行约束，建立柔性配电网确定性运行优化模型；根据全年分布式光伏出力数据和全年电动车到达充电站时间分布数据，构建分布式光伏和电动车不确定性场景集；根据分布式光伏和电动车不确定性场景集和柔性配电网确定性运行优化模型，建立考虑分布式光伏和电动车不确定性的柔性配电网分布鲁棒优化模型。
8.基于同一发明构思，本发明实施例提供一种柔性配电网分布鲁棒优化模型，所述柔性配电网分布鲁棒优化模型由前述的方法建立。
9.本发明实施例提供的上述技术方案的有益效果至少包括：能够解决柔性配电网的运行经济性提升问题，充分考虑基于虚拟储能的电动汽车聚合商充放电潜力和智能软开关的精准潮流调节，建立考虑分布式光伏和电动汽车不确定性的柔性配电网分布鲁棒优化模型，得到智能软开关运行策略，有效减小了不确定环境下策略供电量和实际电动汽车功率需求量之间的不匹配度，在满足电动汽车用户需求的同时保证了配电网的经济高效运行。
10.本发明的其它特征和优点将在随后的说明书中阐述，或者通过实施本发明实施例而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
11.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
12.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。在附图中：图1为本发明实施例中一种适应充电负荷接入的柔性配电网分布鲁棒运行方法流程图；图2为本发明实施例中多端智能软开关端口换流器接入位置示意图；图3为本发明实施例中全年光伏出力数据示意图；图4为本发明实施例中全年电动汽车到达充电站时间分布数据示意图；图5为本发明实施例中系统分时电价示意图。
具体实施方式
13.下面将参照附图更详细地描述本公开示例性实施例。虽然附图中显示了本公开示例性实施例，然而应当理解，可以以各种形式实现本发明技术方案而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
14.为了解决现有技术中存在的问题，本发明实施例提供一种柔性配电网分布鲁棒运行方法和系统、一种柔性配电网分布鲁棒优化模型及其建立方法。
15.实施例一本发明实施例一提供一种柔性配电网分布鲁棒运行方法，其流程如图1所示，包括如下步骤：步骤s1：采集柔性配电网参数信息、电动车充电负荷参数信息和智能软开关参数信息；所述柔性配电网参数信息包括全年分布式光伏出力数据，所述电动车充电负荷参数信息包括全年电动车到达充电站时间分布数据。
16.步骤s2：根据电动车充电负荷参数信息和智能软开关参数信息，构建基于虚拟储能的电动车聚合商运行约束；根据柔性配电网参数信息和基于虚拟储能的电动车聚合商运行约束，建立柔性配电网确定性运行优化模型。
17.在一些具体的实施例中，所述基于虚拟储能的电动车聚合商运行约束，包括：电动车用户行为特性约束、电动车聚合商充放电功率约束、电动车聚合商电量约束、基于智能软开关直流环节的电动车聚合商接入约束。
18.在一些具体的实施例中，按照是否参与电网调节以及离网时间是否已知可将电动车用户行为分为四类，所述电动车用户行为特性约束，包括：i类电动车用户行为特性：不参与电网调节，恒以最大功率充电，充满即走，使充电时间最短，
其中，表示第n个i类电动车用户需要的充电时长；表示第n个i类电动车用户要求离开时要达到的预期电量；表示第n个i类电动车用户的初始电量；表示t时段第n个i类电动车用户的充电功率；表示第n个i类电动车用户的充电功率最大值；表示每个调度时段的时长；表示第n个i类电动车用户开始充电的时间；表示第n个i类电动车用户充电结束并离开的时间；ii类电动车用户行为特性：不参与电网调节，以最大功率充电直至电量达到预期电量，而后不再充电，且不立刻离开，在预期离开时间脱离充电站，其中，表示第n个ii类电动车用户需要的充电时长；表示第n个ii类电动车用户要求离开时要达到的预期电量；表示第n个ii类电动车用户的初始电量；表示t时段第n个ii类电动车用户的充电功率；表示第n个ii类电动车用户的充电功率最大值；表示每个调度时段的时长；表示第n个ii类电动车用户开始充电的时间；第n个ii类电动车用户充电结束的时间；表示第n个ii类电动车用户的预期离开时间；iii类电动车用户行为特性：参与电网调节，响应电价引导，在接入充电站期间，充电功率根据电网运行状态进行优化调整，在电价低于低电价阈值时以大于大功率阈值的功率进行充电，在电价高于高电价阈值时以小于小功率阈值的功率充电或者不充电，其中，表示t时段第n个iii类电动车用户的充电功率；表示第n个iii类电
动车用户的充电功率最大值；表示第n个iii类电动车用户要求离开时要达到的预期电量；表示第n个iii类电动车用户的初始电量；表示第n个iii类电动车用户的容量；表示每个调度时段的时长；表示第n个iii类电动车用户开始充电的时间；表示第n个iii类电动车用户离开的时间；iv类电动车用户行为特性：参与电网调节，在接入充电站期间，在电价高于高电价阈值时向电网放电，电价低于低电价阈值时充电，响应电价引导和电网运行优化需求，其中，表示t时段第n个iv类电动车用户的充电功率，假设功率从配电网流向电动车为充电正方向；表示第n个iv类电动车用户的充电功率最大值；表示第n个iv类电动车用户的放电功率最大值；第n个iv类电动车用户离开时要求达到的预期电量；表示第n个iv类电动车用户的初始电量；表示t时段第n个iv类电动车用户的电量；表示第n个iv类电动车用户的容量；表示第n个iv类电动车用户电量的下限；表示每个调度时段的时长；表示第n个iv类电动车用户开始充电的时间；第n个iv类电动车用户离开的时间；上述i至iv类电动车用户行为特性还包括：其中，表示电动车离开充电站时间的分段概率密度函数；表示电动车离开充电站的时间；表示电动车离开充电站时间平均值；表示电动车离开充电站时间标准差；表示电动车初始荷电量的概率密度函数；表示电动车初始荷电量；表示电动车初始荷电量平均值；表示电动车初始荷电量标准差；表示电动车的初始电量，表示电动车电量上限。
19.在一些具体的实施例中，所述电动车聚合商充放电功率约束，包括：
其中，表示t时段电动车聚合商节点k处的充电功率，假设功率从配电网流向电动车聚合商为正方向；表示t时段电动车聚合商充电功率最大值；表示t时段电动车聚合商放电功率最大值；表示电动车类型；表示电动车类型集合，；n表示电动车索引；表示第n个类电动车充电功率最大值；表示t时段充电站中类电动车数量；表示第n个类电动车放电功率最大值。
20.在一些具体的实施例中，所述电动车聚合商电量约束，包括：其中，表示t时段电动车聚合商的电量；表示t时段电动车聚合商充电功率，假设功率从配电网流向电动车聚合商为正方向；表示每个调度时段的时长；表示t时段电动车接入充电站导致增加的聚合商电量；表示t时段电动车离开充电站导致减少的聚合商电量；表示电动车类型；表示电动车类型集合，；n表示电动车索引；表示t时段接入充电站的类电动车数量；表示t时段离开充电站的类电动车数量，表示t时段充电站中类电动车数量；表示第n个类电动车接入充电站时的初始电量；表示第n个类电动车离开充电站时的电量；表示t时段电动车聚合商电量最大值；表示第n个类电动车的容量。
21.在一些具体的实施例中，所述基于智能软开关直流环节的电动车聚合商接入约束，包括：
其中，表示t时段电动车聚合商节点k处的充电功率，假设功率从配电网流向电动车聚合商为正方向；表示t时段sop在节点处换流器的有功损耗；表示t时段sop注入节点的有功功率；表示t时段sop注入节点的无功功率；、分别表示sop注入节点的有功功率上、下限；分别表示sop注入节点的无功功率上、下限；表示节点处sop的损耗系数；表示节点处换流器的容量；表示接入sop的节点索引，；表示接入sop的节点集合，。
22.在一些具体的实施例中，根据柔性配电网参数信息和基于虚拟储能的电动车聚合商运行约束，建立柔性配电网确定性运行优化模型，包括：以柔性配电网运行成本和电动车聚合商购电成本整体最小为目标函数的目标，考虑基于虚拟储能的电动车聚合商运行约束、分布式光伏运行约束和柔性配电网运行约束，建立柔性配电网确定性运行优化模型。
23.在一些具体的实施例中，所述目标函数表示为：其中，f表示整体目标函数；表示配电网运行成本；表示电动车聚合商购电成
本；表示配电网有功损耗费用；表示配电网电压越限成本；表示配电网支路集合；表示支路的电阻值；表示t时段支路上的电流的平方；表示t时段节点i处的sop损耗；表示接入sop的节点集合；表示每个调度时段的时长；表示网络损耗的单位成本；表示t时段节点的电压幅值的平方；表示配电网节点总数；表示总时段数；表示t时段节点i处的有功负荷；表示节点电压上限；表示节点电压下限；表示节点电压优化区间上限；表示节点电压优化区间下限，当节点电压不在优化区间时，通过系统优化减小电压偏离优化区间的程度；表示t时段节点i处电压越限的单位惩罚成本；表示配电网节点集合；表示惩罚成本参数；表示t时段聚合商k从配电网吸收的有功功率；表示t时段的分时电价；将线性化后的表达式如下：其中，表示电压辅助变量；表示t时段节点的电压幅值的平方；表示节点电压优化区间上限；表示节点电压优化区间下限，当节点电压不在优化区间时，通过系统优化减小电压偏离优化区间的程度；表示t时段节点i处电压越限的单位惩罚成本；表示惩罚成本参数。
24.在一些具体的实施例中，所述分布式光伏运行约束，包括：其中，表示t时段节点i上的分布式电源的有功出力；表示t时段节点i上的分布式电源的有功出力的预测值；表示t时段节点i上的分布式电源的无功出力；表示t时段节点i上的分布式电源的无功出力的上下限；表示节点i处分布式电源的容量。
25.在一些具体的实施例中，所述柔性配电网运行约束，包括：
其中，表示t时段节点处电压幅值的平方；表示t时段支路电流幅值的平方；表示节点j的上游支路、表示节点j的下游支路；表示配电网支路集合；分别表示支路的电阻和电抗；表示t时段支路上从节点i流向节点j的有功功率；表示t时段支路上从节点i流向节点j的无功功率；表示t时段注入节点i的有功功率；表示t时段注入节点i的无功功率；表示t时段连接在节点i上的分布式光伏注入节点的有功功率；表示t时段连接在节点i上的分布式光伏注入节点的无功功率；表示t时段sop注入节点i的有功功率；表示t时段sop注入节点的无功功率；表示t时段节点上负荷消耗的有功功率；表示t时段节点i上负荷消耗的无功功率；表示t时段节点的电压幅值；表示t时段支路上从节点i流向节点j的电流大小；分别表示节点的电压上、下限。
26.步骤s3：根据全年分布式光伏出力数据和全年电动车到达充电站时间分布数据，构建分布式光伏和电动车不确定性场景集；根据分布式光伏和电动车不确定性场景集和柔性配电网确定性运行优化模型，建立考虑分布式光伏和电动车不确定性的柔性配电网分布鲁棒优化模型。
27.在一些具体的实施例中，所述分布式光伏和电动车不确定性场景集，包括：
其中，表示数据驱动的分布式光伏和电动车不确定性场景集；下标表示不确定性场景索引，取值范围为表示聚类生成的典型场景数，表示聚类生成的具有离散概率的典型不确定性场景；表示第个典型场景的概率，表示典型场景概率实数集；表示由各典型场景初始概率组成的列向量，p表示由各典型场景概率组成的列向量；和分别表示第个典型场景实际概率和初始概率；n表示历史数据的场景总数；表示数据驱动的分布式光伏和电动车不确定性场景概率的置信集合；和分别表示1-范数和范数约束的置信区间；与表示概率分布集的可信度；和表示场景概率的置信度。
28.在一些具体的实施例中，所述考虑分布式光伏和电动车不确定性的柔性配电网分布鲁棒优化模型，包括：其中，a、b、c、d、e、f表示各类约束对应的系数矩阵；表示各类约束中的常数列向量；z表示sop决策变量集合；表示第个典型场景中的待优化变量集合，包括表征配电系统运行状态的节点电压变量和线路传输功率变量以及电动车充放电功率变量等；表示第个场景中的不确定变量，即光伏的出力水平和电动车到达充电站时间分布。
29.步骤s4：对所述考虑分布式光伏和电动车不确定性的柔性配电网分布鲁棒优化模
型进行求解，得到运行策略数据；根据运行策略数据，运行配电网。
30.在一些具体的实施例中，对所述考虑分布式光伏和电动车不确定性的柔性配电网分布鲁棒优化模型进行求解，得到运行策略数据，包括：采用列和约束生成算法求解所述考虑分布式光伏和电动车不确定性的柔性配电网分布鲁棒优化模型，得到智能软开关运行策略、聚合商充电策略，配电网运行成本以及电动车购电成本。
31.在一些具体的实施例中，采用列和约束生成算法求解所述考虑分布式光伏和电动车不确定性的柔性配电网分布鲁棒优化模型，包括：将求解所述考虑分布式光伏和电动车不确定性的柔性配电网分布鲁棒优化模型分为主问题和子问题，进行迭代求解；其中，主问题表示为：给定第一阶段变量情况下，子问题可表示为：内层子问题和外层子问题可分别表示为：其中，下标r表示迭代次数索引，取值范围为为模型迭代求解总次数；为求解主问题时引入的辅助变量；为第r次迭代时第个典型场景中的待优化变量集合；为第个场景的可行域；为第r次迭代时第个典型场景的概率；为第r次迭代中主问题计算得到的sop运行策略；表示内层子问题；表示外层子问题；表示内层子问题获得的第个场景的最优目标函数值，表示第个典型场景的概率；设定主问题总运行成本下界值，子问题总运行成本上界值，并初始化迭代次数；求解主问题,获得最优sop出力策略、最优sop运行策略下系统总运行成本，并更新主问题下界值；
将主问题求解所得的sop最优调度策略带入内层子问题，求解内层子问题，获取各典型场景最小运行成本；求解外层子问题，得到使系统运行成本最恶劣的场景概率分布，并更新子问题上界值；判断主问题和子问题的上下界值之差是否小于设定的收敛精度，若小于，停止迭代，输出计算所得总运行成本；否则，更新主问题各场景概率分布，在主问题中添加新的待优化变量及含变量的不等式约束和二阶锥约束、含变量和sop运行策略变量z的不等式约束、含优化变量和涉及不确定性变量的不等式约束，更新迭代次数，，重新求解主问题。
32.例如，在一个具体的实施例中，一种适应充电负荷接入的柔性配电网分布鲁棒运行方法，其流程图1所示，包括如下步骤：1）根据选定的柔性配电网，输入柔性配电网参数信息，包括：配电网络拓扑和参数信息、电力负荷接入位置和参数信息、分布式光伏接入位置和全年分布式光伏出力数据、系统分时电价；输入电动汽车充电负荷参数信息，包括：各电动汽车类型、充放电功率上下限、电池容量、初始电量、预期充电电量、全年电动汽车到达充电站时间分布数据；输入智能软开关参数信息，包括：端口换流器容量、端口接入位置、有功损耗系数；对于本实施例，首先输入改进的天津配电网中线路参数、负荷参数及网络拓扑连接关系，包含4条馈线，额定电压为10.5kv，总有功负荷为9.988mw，总无功需求为7.335mvar，详细参数见表1~表2。设定配电网中接入5台分布式光伏，接入位置如图2中pv连接的节点所示，各分布式光伏容量均为1000kw，并以恒功率因数1.0运行，全年分布式光伏出力数据如图3所示。设定一天内充电站接待的电动汽车总数为300辆，四种类型电动汽车的数量比为1:1:3:5，电动汽车充放电功率最大值均为7kw，电池容量为40kwh，全年电动汽车到达充电站时间分布数据如图4所示。设定系统分时电价如图5所示，网络损耗单位成本、电压偏差惩罚成本如表3所示。设定多端智能软开关端口换流器接入位置，如图2所示，各个换流器的容量均为3mva，有功损耗系数设为0.01，规定正方向为向节点注入功率的方向。
33.2）根据步骤1）提供的电动汽车充电负荷参数信息和智能软开关参数信息，构建基于虚拟储能的电动汽车聚合商运行约束，包括：电动汽车用户行为特性约束、电动汽车聚合商充放电功率约束、电动汽车聚合商电量约束、基于智能软开关直流环节的电动汽车聚合商接入约束；（1）按照是否参与电网调节以及离网时间是否已知可将电动车用户行为分为四类，所述的电动汽车用户行为特性约束，可表示为：
①ꢀ
i类电动汽车用户行为特性：不参与电网调节，恒以最大功率充电，充满即走，使充电时间最短，
其中，表示第n个i类电动车用户需要的充电时长；表示第n个i类电动车用户要求离开时要达到的预期电量；表示第n个i类电动车用户的初始电量；表示t时段第n个i类电动车用户的充电功率；表示第n个i类电动车用户的充电功率最大值；表示每个调度时段的时长；表示第n个i类电动车用户开始充电的时间；表示第n个i类电动车用户充电结束并离开的时间；
②ꢀ
ii类电动汽车用户行为特性：不参与电网调节，以最大功率充电直至电量达到预期电量，而后不再充电，且不立刻离开，在预期离开时间脱离充电站，其中，表示第n个ii类电动车用户需要的充电时长；表示第n个ii类电动车用户要求离开时要达到的预期电量；表示第n个ii类电动车用户的初始电量；表示t时段第n个ii类电动车用户的充电功率；表示第n个ii类电动车用户的充电功率最大值；表示每个调度时段的时长；表示第n个ii类电动车用户开始充电的时间；第n个ii类电动车用户充电结束的时间；表示第n个ii类电动车用户的预期离开时间；
③ꢀ
iii类电动汽车用户行为特性：参与电网调节，响应电价引导。这类车在接入充电站期间，充电功率可以根据电网运行状态进行优化调整，在电价低时以较大的功率进行充电，在电价高时以较小的功率充电或者不充电，其中，表示t时段第n个iii类电动车用户的充电功率；表示第n个iii类电动车用户的充电功率最大值；表示第n个iii类电动车用户要求离开时要达到的预期电量；表示第n个iii类电动车用户的初始电量；表示第n个iii类电动车用户的容量；表示每个调度时段的时长；表示第n个iii类电动车用户开始充电的时间；表示第n个iii类电动车用户离开的时间；
④ꢀ
iv类电动汽车用户行为特性：参与电网调节，既可以充电又可以向电网放电。这类车在接入充电站期间，可在电价高时向电网放电，电价低时大量充电，响应电价引导和电网运行优化需求，实现系统的削峰填谷，
其中，表示t时段第n个iv类电动车用户的充电功率，假设功率从配电网流向电动车为充电正方向；表示第n个iv类电动车用户的充电功率最大值；表示第n个iv类电动车用户的放电功率最大值；第n个iv类电动车用户离开时要求达到的预期电量；表示第n个iv类电动车用户的初始电量；表示t时段第n个iv类电动车用户的电量；表示第n个iv类电动车用户的容量；表示第n个iv类电动车用户电量的下限；表示每个调度时段的时长；表示第n个iv类电动车用户开始充电的时间；第n个iv类电动车用户离开的时间；上述所有类型的电动汽车用户均符合下面的离开时间和初始荷电量特性：其中，表示电动车离开充电站时间的分段概率密度函数；表示电动车离开充电站的时间；表示电动车离开充电站时间平均值；表示电动车离开充电站时间标准差；表示电动车初始荷电量的概率密度函数；表示电动车初始荷电量；表示电动车初始荷电量平均值；表示电动车初始荷电量标准差；表示电动车的初始电量，表示电动车电量上限。
34.（2）所述的电动汽车聚合商充放电功率约束，可表示为：其中，表示t时段电动车聚合商节点k处的充电功率，假设功率从配电网流向电动车聚合商为正方向；表示t时段电动车聚合商充电功率最大值；表示t时段电动车聚合商放电功率最大值；表示电动车类型；表示电动车类型集合，；n表示电动车索引；表示第n个类电动车充电功率最大值；表示t时段充电站中类电动车数量；表示第n个类电动车放电功率最大值。
35.（3）所述的电动汽车聚合商电量约束，可表示为：其中，表示t时段电动车聚合商的电量；表示t时段电动车聚合商充电功率，假设功率从配电网流向电动车聚合商为正方向；表示每个调度时段的时长；表示t时段电动车接入充电站导致增加的聚合商电量；表示t时段电动车离开充电站导致减少的聚合商电量；表示电动车类型；表示电动车类型集合，；n表示电动车索引；表示t时段接入充电站的类电动车数量；表示t时段离开充电站的类电动车数量，表示t时段充电站中类电动车数量；表示第n个类电动车接入充电站时的初始电量；表示第n个类电动车离开充电站时的电量；表示t时段电动车聚合商电量最大值；表示第n个类电动车的容量。
36.（4）所述的基于智能软开关直流环节的电动汽车聚合商接入约束，可表示为：其中，表示t时段电动车聚合商节点k处的充电功率，假设功率从配电网流向电动车聚合商为正方向；表示t时段sop在节点处换流器的有功损耗；表示t时段sop注入节点的有功功率；表示t时段sop注入节点的无功功率；、分别表示sop注入节点的有功功率上、下限；分别表示sop注入节点的无功功率上、下限；表示节点处sop的损耗系数；表示节点处换流器的容量；表示接入sop的节点索引，；表示接入sop的节点集合，。
37.3）根据步骤1）提供的柔性配电网参数信息和步骤2）提供的基于虚拟储能的电动汽车聚合商运行约束，建立适应大规模充电负荷接入的柔性配电网确定性运行优化模型及紧凑形式，包括：以柔性配电网运行成本和电动汽车聚合商购电成本整体最小为目标函数，考虑基于虚拟储能的电动汽车聚合商运行约束、分布式光伏运行约束以及柔性配电网运行
约束；（1）所述的以柔性配电网运行成本和电动汽车聚合商购电成本整体最小为目标函数，可表示为：其中，f表示整体目标函数；表示配电网运行成本；表示电动车聚合商购电成本；表示配电网有功损耗费用；表示配电网电压越限成本；表示配电网支路集合；表示支路的电阻值；表示t时段支路上的电流的平方；表示t时段节点i处的sop损耗；表示接入sop的节点集合；表示每个调度时段的时长；表示网络损耗的单位成本；表示t时段节点的电压幅值的平方；表示配电网节点总数；表示总时段数；表示t时段节点i处的有功负荷；表示节点电压上限；表示节点电压下限；表示节点电压优化区间上限；表示节点电压优化区间下限，当节点电压不在优化区间时，通过系统优化减小电压偏离优化区间的程度；表示t时段节点i处电压越限的单位惩罚成本；表示配电网节点集合；表示惩罚成本参数；表示t时段聚合商k从配电网吸收的有功功率；表示t时段的分时电价；将线性化后的表达式如下：其中，表示电压辅助变量；表示t时段节点的电压幅值的平方；表示节点电压优化区间上限；表示节点电压优化区间下限，当节点电压不在优化区间时，通过系统优化减小电压偏离优化区间的程度；表示t时段节点i处电压越
限的单位惩罚成本；表示惩罚成本参数。
38.（2）所述的分布式光伏运行约束，可表示为：其中，表示t时段节点i上的分布式电源的有功出力；表示t时段节点i上的分布式电源的有功出力的预测值；表示t时段节点i上的分布式电源的无功出力；表示t时段节点i上的分布式电源的无功出力的上下限；表示节点i处分布式电源的容量。
39.（3）所述的柔性配电网运行约束，可表示为：其中，表示t时段节点处电压幅值的平方；表示t时段支路电流幅值的平方；表示节点j的上游支路、表示节点j的下游支路；表示配电网支路集合；分别表示支路的电阻和电抗；表示t时段支路上从节点i流向节点j的有功功率；表示t时段支路上从节点i流向节点j的无功功率；表示t时段注入节点i的有功功率；表示t时段注入节点i的无功功率；表示t时段连接在节点i上的分布式光伏注入节点的有功功率；表示t时段连接在节点i上的分布式光伏注入节点的无功功率；表示t时段sop注入节点i的有功功率；表示t时段sop注入节点的无功功率；表示t时段节点上负荷消耗的有功功率；表示t时段节点i上负荷消耗的无功功率；表示t时段节点的电压幅值；表示t时段支路上从节点i流向节点j的电流大小；分别表示节点的电压上、下限。
40.4）根据步骤1）中输入的全年分布式光伏出力数据和全年电动汽车到达充电站时
间分布数据，构建数据驱动的分布式光伏和电动汽车不确定性场景集；（1）所述的数据驱动的分布式光伏和电动汽车不确定性场景集，可表示为：其中，表示数据驱动的分布式光伏和电动车不确定性场景集；下标表示不确定性场景索引，取值范围为表示聚类生成的典型场景数，表示聚类生成的具有离散概率的典型不确定性场景；表示第个典型场景的概率，表示典型场景概率实数集；表示由各典型场景初始概率组成的列向量，p表示由各典型场景概率组成的列向量；和分别表示第个典型场景实际概率和初始概率；n表示历史数据的场景总数；表示数据驱动的分布式光伏和电动车不确定性场景概率的置信集合；和分别表示1-范数和范数约束的置信区间；与表示概率分布集的可信度；和表示场景概率的置信度。
41.5）根据步骤4）得到的分布式光伏和电动汽车不确定性场景集和步骤3）得到的适应大规模充电负荷接入的柔性配电网确定性运行优化模型，建立考虑分布式光伏和电动汽车不确定性的柔性配电网分布鲁棒优化模型；（1）所述的考虑分布式光伏和电动汽车不确定性的柔性配电网分布鲁棒优化模型，可表示为：其中，a、b、c、d、e、f表示各类约束对应的系数矩阵；表示各类约束中的常数列向量；z表示sop决策变量集合；表示第个典型场景中的待优化变量集合，包括表征配电系统运行状态的节点电压变量和线路传输功率变量以及电动车充放电功率变量等；表示第个场景中的不确定变量，即光伏的出力水平和电动车到达充电站时
间分布。
42.6）根据步骤5）得到的考虑分布式光伏和电动汽车不确定性的柔性配电网分布鲁棒优化模型，采用列和约束生成算法求解柔性配电网分布鲁棒优化模型，得到智能软开关运行策略、聚合商充电策略，配电网运行成本以及电动汽车购电成本。
43.求解柔性配电网分布鲁棒优化模型，可表示为：原问题为两阶段三层优化问题，求解使用列与约束生成算法，将模型分为主问题和子问题，进行反复迭代求解。
44.①
主问题
②
子问题给定第一阶段变量情况下，子问题可表示为：内层子问题和外层子问题可分别表示为：其中，下标r表示迭代次数索引，取值范围为为模型迭代求解总次数；为求解主问题时引入的辅助变量；为第r次迭代时第个典型场景中的待优化变量集合；为第个场景的可行域；为第r次迭代时第个典型场景的概率；为第r次迭代中主问题计算得到的sop运行策略；表示内层子问题；表示外层子问题；表示内层子问题获得的第个场景的最优目标函数值，表示第个典型场景的概率；模型具体求解步骤如下：(1)设定主问题总运行成本下界值，子问题总运行成本上界值，并初始化迭代次数；(2)求解主问题,获得最优sop出力策略、最优sop运行策略下系统总运行成本，并更新主问题下界值；(3)将主问题求解所得的sop最优调度策略带入内层子问题，求解内层子问题
（17.a），获取各典型场景最小运行成本；(4)求解外层子问题（17.b），得到使系统运行成本最恶劣的场景概率分布，并更新子问题上界值；(5)判断主问题和子问题的上下界值之差是否小于设定的收敛精度，若小于，停止迭代，输出计算所得总运行成本；否则，更新主问题各场景概率分布，在主问题中添加新的待优化变量及含变量的不等式约束和二阶锥约束、含变量和sop运行策略变量z的不等式约束、含优化变量和涉及不确定性变量的不等式约束，更新迭代次数，，返回步骤(2)，重新求解主问题。
45.为充分验证本发明方法的先进性，本实施例中，采取如下三种方案进行对比分析：方案1：电动汽车与智能软开关均不控制，得到配电网的初始运行状态；方案2：不考虑光伏和电动汽车不确定性，得到智能软开关确定性出力策略；方案3：考虑光伏和电动汽车不确定性，得到智能软开关分布鲁棒出力策略。
46.在全年数据中随机取100种场景，对智能软开关的确定性出力策略和分布鲁棒出力策略结果进行对比分析。
47.方案1和方案2的优化结果对比见表4，方案2和方案3的优化结果对比见表5。
48.执行优化计算的计算机硬件环境为intel(r) xeon(r) cpu e5-2603，主频为1.60ghz，内存为12gb；软件环境为windows 10操作系统。
49.由方案1和方案2对比可以看出，电动汽车的虚拟储能特性和智能软开关的灵活调节特性能够有效减小配电网的网络损耗，避免电压越限，保障了电网的安全可靠运行，降低了电动汽车的购电成本。由方案2和方案3对比可以看出，考虑分布式光伏和电动汽车不确定性供电策略，有效减少了策略供电量与实际需求量不匹配而引起的惩罚费用，使用户侧和系统侧的总费用降低，提升了社会效益。
50.本实施例的上述方法中，能够解决柔性配电网的运行经济性提升问题，充分考虑基于虚拟储能的电动汽车聚合商充放电潜力和智能软开关的精准潮流调节，建立考虑分布式光伏和电动汽车不确定性的柔性配电网分布鲁棒优化模型，得到智能软开关运行策略，有效减小了不确定环境下策略供电量和实际电动汽车功率需求量之间的不匹配度，在满足电动汽车用户需求的同时保证了配电网的经济高效运行。
51.本领域技术人员能够对上述顺序进行变换而并不离开本发明的保护范围。
52.实施例二本发明实施例二提供一种柔性配电网分布鲁棒运行系统，包括：参数信息采集模块，用于采集柔性配电网参数信息、电动车充电负荷参数信息和智能软开关参数信息；所述柔性配电网参数信息包括全年分布式光伏出力数据，所述电动车充电负荷参数信息包括全年电动车到达充电站时间分布数据；聚合商运行约束构建模块，用于根据电动车充电负荷参数信息和智能软开关参数信息，构建基于虚拟储能的电动车聚合商运行约束；
运行优化模型建立模块，用于根据柔性配电网参数信息和基于虚拟储能的电动车聚合商运行约束，建立柔性配电网确定性运行优化模型；分布鲁棒优化模型建立模块，用于根据全年分布式光伏出力数据和全年电动车到达充电站时间分布数据，构建分布式光伏和电动车不确定性场景集；根据分布式光伏和电动车不确定性场景集和柔性配电网确定性运行优化模型，建立考虑分布式光伏和电动车不确定性的柔性配电网分布鲁棒优化模型；运行策略求解模块，用于对所述考虑分布式光伏和电动车不确定性的柔性配电网分布鲁棒优化模型进行求解，得到运行策略数据；根据运行策略数据，运行配电网。
53.本实施例中，能够解决柔性配电网的运行经济性提升问题，充分考虑基于虚拟储能的电动汽车聚合商充放电潜力和智能软开关的精准潮流调节，建立考虑分布式光伏和电动汽车不确定性的柔性配电网分布鲁棒优化模型，得到智能软开关运行策略，有效减小了不确定环境下策略供电量和实际电动汽车功率需求量之间的不匹配度，在满足电动汽车用户需求的同时保证了配电网的经济高效运行。
54.基于同一发明构思，本发明实施例还提供一种柔性配电网分布鲁棒优化模型建立方法，包括：采集柔性配电网参数信息、电动车充电负荷参数信息和智能软开关参数信息；所述柔性配电网参数信息包括全年分布式光伏出力数据，所述电动车充电负荷参数信息包括全年电动车到达充电站时间分布数据；根据电动车充电负荷参数信息和智能软开关参数信息，构建基于虚拟储能的电动车聚合商运行约束；根据柔性配电网参数信息和基于虚拟储能的电动车聚合商运行约束，建立柔性配电网确定性运行优化模型；根据全年分布式光伏出力数据和全年电动车到达充电站时间分布数据，构建分布式光伏和电动车不确定性场景集；根据分布式光伏和电动车不确定性场景集和柔性配电网确定性运行优化模型，建立考虑分布式光伏和电动车不确定性的柔性配电网分布鲁棒优化模型。
55.基于同一发明构思，本发明实施例还提供一种柔性配电网分布鲁棒优化模型，所述柔性配电网分布鲁棒优化模型由前述的柔性配电网分布鲁棒优化模型建立方法建立。
56.关于上述实施例中的柔性配电网分布鲁棒运行系统、柔性配电网分布鲁棒优化模型及其建立方法，其中具体实施方式已经在有关柔性配电网分布鲁棒运行方法的实施例中进行了详细描述，此处将不做详细阐述说明。
57.凡在本发明技术方案的原则范围内做的任何修改、补充和等同替换等，均应仍归属于本发明技术方案的专利涵盖范围内。