面向 Contingency-Aware Nodal Power 投资的高时间分辨率情境感知最优方案

我们提出 CANOPI，一种用于求解 Contingency-Aware Nodal Power 投资问题的新型算法框架，这是一个大规模非线性优化问题，联合优化发电、储能及输电升级的投资，包括单元承诺和长期储能的表示。由于输电升级对阻抗的影响导致问题呈非线性，且问题的大规模源于空间与时间分辨率的交汇，故面临计算挑战。我们提出了算法方法以应对这些挑战：构建整个非线性模型的线性近似模型，并开发固定点算法以补偿非线性阻抗反馈效应。我们采用专用分层包方法求解大规模线性扩张模型，创新性地采用交错方式生成情境约束。我们引入最小环基算法，以提高基于循环的直流潮流公式的数值稀疏性，从而加速 operational子问题的求解。CANOPI 在由真实地理网络数据构建的 1493 节点西部联网测试系统上进行演示，涵盖 52 周长的小时级运行情景，总计可能的 200 亿 个单独输电情境约束。数值结果量化了在集成规划模型中纳入输电情境的可靠性与经济收益，并凸显所提出方法的计算优势。