聶宏展，趙瑩，馬建勃

(東北電力大學(xué)電氣工程學(xué)院，吉林省吉林市132012)

風(fēng)電并網(wǎng)時考慮緊急需求側(cè)響應(yīng)及魯棒優(yōu)化的輸電網(wǎng)規(guī)劃

聶宏展，趙瑩，馬建勃

(東北電力大學(xué)電氣工程學(xué)院，吉林省吉林市132012)

風(fēng)電場輸出的功率具有波動性和隨機性，風(fēng)電場并網(wǎng)后其出力的不確定性會導(dǎo)致電網(wǎng)供電量不足，影響電網(wǎng)的安全穩(wěn)定運行，且由多場景方法得到的一系列規(guī)劃方案并不都是綜合最優(yōu)方案。針對上述情況在輸電網(wǎng)規(guī)劃中引入緊急需求側(cè)響應(yīng)策略，并根據(jù)魯棒優(yōu)化思想引入權(quán)衡方案魯棒性與可行性的懲罰模型以及評判方案風(fēng)險性的平均變量模型來確定綜合最優(yōu)方案。算例分析證明，引入緊急需求側(cè)響應(yīng)法在風(fēng)電出力少時雖需削減負荷，并額外支付用戶部分補償費用，但卻可以有效減少電網(wǎng)投資費用及線路過負荷量，且所得綜合最優(yōu)方案對各個場景具有概率意義上的綜合適應(yīng)性。

輸電網(wǎng)規(guī)劃;風(fēng)電并網(wǎng);多場景;緊急需求側(cè)響應(yīng);魯棒優(yōu)化

1 前言

電力系統(tǒng)中風(fēng)電場所占比重越來越高，風(fēng)電輸出功率的隨機性和波動性為輸電網(wǎng)規(guī)劃帶來新的挑戰(zhàn)。文獻［1］從場景發(fā)生概率和方案對場景的適應(yīng)性出發(fā)，尋求對各個場景均適應(yīng)的綜合最優(yōu)方案;文獻［2］將機會約束規(guī)劃用于解決市場環(huán)境下的輸電網(wǎng)規(guī)劃問題;文獻［3］分析了大規(guī)模風(fēng)電接入對電力系統(tǒng)的影響;文獻［4-6］進一步將多場景概率法和機會約束規(guī)劃用于解決含風(fēng)電場的輸電網(wǎng)規(guī)劃問題;文獻［7］針對風(fēng)電并網(wǎng)給電網(wǎng)帶來的不確定性，建立了基于需求側(cè)響應(yīng)機制的輸電網(wǎng)規(guī)劃模型。

多場景概率法既考慮到未來可能發(fā)生的不確定情況又考慮到其發(fā)生概率，將不確定規(guī)劃問題轉(zhuǎn)化為多個概率已知的確定性問題來求解，簡化了建模和求解的難度。本文根據(jù)風(fēng)電場不同出力來劃分場景，由于風(fēng)電場出力的波動性，在某些場景下會出現(xiàn)供電量小于負荷需求的情況，這時傳統(tǒng)規(guī)劃要求電網(wǎng)應(yīng)有足夠的電源和輸電容量來滿足最大負荷需求，但以電網(wǎng)擴容的方式來滿足負荷需求的做法不經(jīng)濟也不合理，所以考慮以緊急需求側(cè)響應(yīng)方法來解決電力供需矛盾不失為一種可行的方案。多場景下得到的各方案只是相對于其對應(yīng)的場景具有最優(yōu)性，而實際情況并不是某個特定的場景，因此本文根據(jù)魯棒優(yōu)化思想引入方案綜合評價方法，根據(jù)實際情況在得到的方案集中尋找對各個場景都具有較強適應(yīng)性且較經(jīng)濟的綜合規(guī)劃方案。

經(jīng)過計算分析證明在多場景概率法中，考慮緊急需求側(cè)響應(yīng)策略有效地減少了電網(wǎng)投資的成本，加強了電網(wǎng)運行的靈活性。對于最優(yōu)方案的確定問題采用的綜合評價方法，考慮了方案的經(jīng)濟、可行和風(fēng)險性，能靈活應(yīng)對實際需求，具有較強的實用性。

2 考慮緊急需求側(cè)響應(yīng)的輸電網(wǎng)規(guī)劃模型

2.1 風(fēng)電機組輸出功率模擬

風(fēng)電場的輸出功率是隨風(fēng)速的變化而變動的。風(fēng)速分布通常用Weibull分布進行模擬。文獻［4］給出了風(fēng)電機組的輸出功率P和風(fēng)機輪轂高度處的風(fēng)速v之間的關(guān)系。如果風(fēng)速分布和風(fēng)機特性已知，風(fēng)電機組輸出功率的分布可利用蒙特卡洛模擬法獲得。假定某額定功率為PN的風(fēng)機參數(shù)如下:切入風(fēng)速vci=3m/s，額定風(fēng)速vN=11m/s，切出風(fēng)速vco=25m/s，且風(fēng)速期望值Ewind=6.6890m/s及標準差σwind=3.6154 m/s。經(jīng)10000次模擬后，風(fēng)電機組經(jīng)離散化的有功出力概率密度如圖1所示。

圖1 風(fēng)電機組出力分布Fig．1 Distribution ofWTG output

一般的，因同一風(fēng)場風(fēng)況近似相同，風(fēng)場中同型號的風(fēng)電機組出力分布近似相同，因此可認為風(fēng)電場出力分布與風(fēng)電機組出力分布一致。

2.2 多場景下考慮緊急需求側(cè)響應(yīng)的規(guī)劃模型

設(shè)場景n發(fā)生的概率為pn。場景n下的常規(guī)輸電網(wǎng)規(guī)劃模型如下:

式中，F(xiàn)n(X)為場景n下，規(guī)劃方案為X時的目標函數(shù)值;xij為方案X下節(jié)點i與j間的線路建設(shè)回路數(shù);cij為單回輸電線路建設(shè)費用;w0為過負荷罰函數(shù)系數(shù);P0n為場景n下總的過負荷量;k為常數(shù);rij為線路阻抗;Pij為線路傳輸功率;P為網(wǎng)絡(luò)節(jié)點注入功率矩陣;B為輸電線路節(jié)點導(dǎo)納陣;θ為網(wǎng)絡(luò)節(jié)點電壓相角矩陣;P為線路傳輸容量最大值;PGi、PWi、PDi分別為節(jié)點i的常規(guī)機組出力、風(fēng)電機組出力和負荷量。

當(dāng)在電網(wǎng)規(guī)劃中考慮風(fēng)電場時，若要保證所有線路在任何情況下都不過負荷，電網(wǎng)投資會很大，且在計算中會造成備選方案多樣性不足，影響優(yōu)化結(jié)果，因此引入過負荷量度系數(shù)β(本文取1.05)，將存在輕微過負荷的方案也加入備選方案集。

風(fēng)電場并網(wǎng)后，由于其出力的不確定性，難免會出現(xiàn)供電量不足的情況，此時電網(wǎng)電壓下降，電流增加，造成部分線路過載，時間過長便會引發(fā)事故，此時需要在電量補償和削減用電量間做出權(quán)衡。許多西方國家通過實踐證明需求側(cè)響應(yīng)機制可以有效地解決這一問題。緊急需求側(cè)響應(yīng)策略是近十年興起的，其在出現(xiàn)可靠性事故時削減用戶負荷，并根據(jù)系統(tǒng)運營機構(gòu)設(shè)置的激勵性支付價格對消費者進行補償，這種削減是自愿的，激勵性支付水平也是事先規(guī)定好的(本文取100美元/(MW·h))。

根據(jù)以上敘述將式(1)進行修改，考慮緊急需求側(cè)響應(yīng)方法的輸電網(wǎng)規(guī)劃模型如下:

相應(yīng)地將約束條件式(3)和式(4)修改為:

式中，α為激勵性支付水平系數(shù);δi為節(jié)點i的負荷削減量。γij為線路過負荷量，如式(8)所示:

3 基于魯棒優(yōu)化的綜合方案評價

魯棒優(yōu)化方法與常用的不確定優(yōu)化方法，如模糊規(guī)劃、機會約束規(guī)劃、盲數(shù)規(guī)劃等不同，它考慮了對系統(tǒng)魯棒性的優(yōu)化，通過權(quán)衡系統(tǒng)魯棒性和經(jīng)濟性實現(xiàn)兩者兼顧［8］?；诙鄨鼍案怕史ǖ玫降姆桨钢皇沁m應(yīng)于對應(yīng)場景的最優(yōu)方案，但實際情況并不是某個特定的場景，而是所有可能發(fā)生場景的集合，單純采用多場景概率法并不能找到符合實際要求的最優(yōu)方案，最優(yōu)方案需要經(jīng)過綜合評價和比較來確定。文獻［1］采用基于方案發(fā)生概率的投資期望值作為綜合評價方法，如下:

式(9)是魯棒優(yōu)化的特殊情況，但由該方法得到的最終規(guī)劃方案不能保證對所有的場景都保持可行(即魯棒性)和優(yōu)化。如果電網(wǎng)在建設(shè)過程留有很大的冗余，那么有可能找到對所有的場景都滿足可行和優(yōu)化的方案，否則就需要在方案的可行性和優(yōu)化性之間做權(quán)衡?，F(xiàn)實中不可行性是不能避免的，其需要在模型之外去解決，罰函數(shù)的構(gòu)造取決于所描述系統(tǒng)的特殊形式［9］。

考慮上述權(quán)衡方案魯棒性和優(yōu)化性的方法并結(jié)合本文輸電網(wǎng)規(guī)劃模型特點，在綜合評價方法中引入一個測量在約束條件下各情景的可行性誤差項，將評價方案修改為:

式中，fn(X)為場景n下得到的規(guī)劃方案X所需的建線費用;a為魯棒性權(quán)重系數(shù)，用以權(quán)衡方案的優(yōu)化性和魯棒性;ρ(z)為不可行性罰函數(shù)，描述方案在各場景下與約束條件的沖突，zn為方案在場景n下總的可行性偏差量。本文根據(jù)所描述的模型及約束條件的特點取罰函數(shù)ρ(z)=w0∑pn·max{0，zn}。通過引入ρ(z)可找到最小程度沖突約束條件的解。

式(10)并不適用于不確定條件下的高風(fēng)險決策，因為它忽略了決策的風(fēng)險屬性［9］。通常處理這種風(fēng)險的方法是平均變量模型［10］，以目標函數(shù)值的變化量來代表風(fēng)險。對于目標函數(shù)，變動幅度越大預(yù)示著結(jié)果可疑性越高，因此希望最小化目標函數(shù)值的變動幅度，從而引入風(fēng)險罰函數(shù)σ(X)，將式(10)進一步修改為;

式中，σ(X)表示目標函數(shù)值對各個場景總的變動幅度，其值越小表示方案X風(fēng)險性越小，綜合適應(yīng)性越強，方案越穩(wěn)定，具體描述為:σ(X)={∑pi·［Fi(X)－∑pnFn(X)］2}1/2;b為風(fēng)險系數(shù)，用以權(quán)衡目標函數(shù)值(式(10)所得的綜合評價值)和風(fēng)險性。

4 算法流程

目前輸電網(wǎng)規(guī)劃求解方法較成熟，多為改進的智能優(yōu)化算法。例如文獻［11，12］所采用的混合人工魚群算法、多策略差分進化算法等。本文采用的多種群混合并行遺傳算法［13］源于種群之間的共同進化和競爭資源理論。主要求解步驟如下:

(1)初始化控制參數(shù):子種群數(shù)p，各子種群規(guī)模No．i，各子種群的交叉概率Pci，變異概率Pmi;

(2)隨機產(chǎn)生p個初始種群，設(shè)定迭代次數(shù)D =0;

(3)設(shè)定子種群進化代數(shù)d=0;

(4)分別對各子種群進行以下操作，進而生成p個新的子種群:

1)評價各子種群中個體的適應(yīng)度值f(Xi);

2)從第i個子種群中隨機選取兩個母體Xi、Xj，按交叉概率Pci交叉，生成新個體Xi1，Xj1，若f(Xi1)≤f(Xi)則選擇Xi1為新個體，否則保留Xi，Xj1選擇方法同Xi1;

3)交叉后得到的子種群按變異概率Pmi變異，并按步驟2)中方法判斷是否接受新個體;

(5)若d小于最大進化次數(shù)dmax，則令d=d+ 1，轉(zhuǎn)步驟(4)，否則轉(zhuǎn)步驟(6);

(6)尋找p個子種群中的當(dāng)前最優(yōu)解，并將其傳播到p個子種群中;

(7)若D等于最大迭代次數(shù)Dmax或當(dāng)前最優(yōu)個體滿足收斂條件，進化結(jié)束，返回最優(yōu)解;

(8)若D小于最大迭代次數(shù)Dmax，對子種群進行鄰域搜索，產(chǎn)生新的子種群，轉(zhuǎn)到步驟(3)。

5 算例分析

對IEEE18節(jié)點系統(tǒng)進行如下修改:分別在節(jié)點12、13、18加入額定容量為100MW、95MW、142MW的風(fēng)電場，節(jié)點11、16的常規(guī)機組容量分別改為440MW、400MW。18節(jié)點系統(tǒng)如圖2所示。需要指出，為了簡化場景劃分及計算，設(shè)3個風(fēng)電場相關(guān)系數(shù)為1且參數(shù)相同，3個風(fēng)電場變化具有同步性，詳細分析見文獻［14］。

圖2 18節(jié)點系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)Fig．2 18-bus system network structure

將圖1模擬的離散風(fēng)電場出力分布進行整理，劃分為7個區(qū)間，取每個區(qū)間平均值作為風(fēng)電場出力，由此劃分7個場景，見表1。

表1 場景劃分Tab．1 Division of scene

實際工程中，由于風(fēng)電場小于額定容量出力與最大負荷不可能總是同時出現(xiàn)，電網(wǎng)不會始終在最大負荷模式下運行，且考慮風(fēng)電場中含有儲能設(shè)備以及現(xiàn)代技術(shù)對風(fēng)速和負荷預(yù)測的精確性，調(diào)度部門有充足的時間調(diào)配，來保持電網(wǎng)供需平衡，從而使考慮緊急需求側(cè)響應(yīng)方法所需的切負荷量最小、總的時間最短。因此，引入系數(shù)δ來修改削減負荷總的時間(本文取δ=0.1)，切負荷量按保證無線路過負荷、投資最小且保證電網(wǎng)穩(wěn)定運行來選取。

設(shè)輸電網(wǎng)運行年限為15年，利率為8%，線路建設(shè)費用為25萬美元/千米，采用等年值法進行方案比較，表2為常規(guī)規(guī)劃方法A和考慮緊急需求側(cè)響應(yīng)策略的規(guī)劃方法B的規(guī)劃結(jié)果。

表2 輸電網(wǎng)規(guī)劃結(jié)果Tab．2 Transmission planning results

表2中方法A、B投資指線路建設(shè)費用。由表2中數(shù)據(jù)可以看出，方法B在場景5、6、7下即使需要額外支付較大的補償費用，但與方法A相比，仍可分別節(jié)省A投資的16.8%、13.5%和16.3%。

在場景5、6、7下，方法A得到的規(guī)劃方案中線路1-2過負荷量分別為15.6%、28.4%和22.5%，線路2-3過負荷量分別為0、21.3%和41.8%(無滿足約束條件的最優(yōu)方案)。這意味著，此時系統(tǒng)處于過負荷運行狀態(tài)，嚴重時將引發(fā)事故，這會影響系統(tǒng)的安全穩(wěn)定運行。綜合分析可知，考慮緊急需求側(cè)響應(yīng)的規(guī)劃方法比常規(guī)規(guī)劃更經(jīng)濟和安全。

對于最優(yōu)規(guī)劃方案，需要對各個場景下的規(guī)劃結(jié)果進行比較來獲得。根據(jù)式(11)對方案的經(jīng)濟性、魯棒性及風(fēng)險性進行比較。方案A1～A7、B1～B7分別代表方法A、方法B在場景1～7下的規(guī)劃結(jié)果。表3為常規(guī)規(guī)劃綜合比較結(jié)果，方案A1投資費用最小，A7不可行性罰值最小，A6風(fēng)險性最小。

表3 方案比較ATab．3 Scheme comparison A

表4為考慮緊急需求側(cè)響應(yīng)策略時的方案綜合比較結(jié)果，方案B5投資費用最小，B4不可行性罰值最小，B3風(fēng)險性最小。

表4 方案比較BTab．4 Scheme comparison B

對比表3和表4，兩種方法得到的方案罰值差距較大。對于不可行性罰值A(chǔ)最小為B的1.3倍(場景7下)，最大可達B的4.1倍(場景4下);對于風(fēng)險罰值A(chǔ)最小為B的1.2倍(場景6下)，最大可達B的5.9倍(場景3下)。但是考慮任意一個指標都不能反映出實際要求，最優(yōu)方案需綜合考慮所有指標獲得。表5為當(dāng)魯棒權(quán)系數(shù)a=0.5、風(fēng)險系數(shù)b=0.5時的綜合方案選取情況。由表5可知，方法A最優(yōu)方案的綜合評價值約為方法B的3.4倍，由此可知方法A的綜合適應(yīng)性遠不如B，最優(yōu)方案為B4。

表5 綜合方案Tab．5 Comprehensive solution

考慮了方案魯棒性和風(fēng)險性的綜合方案選取方法簡單明了，實際情況復(fù)雜多樣，但都可通過調(diào)節(jié)a、b的值來協(xié)調(diào)。不同的a、b取值對應(yīng)不同的實際情況，決策者可以根據(jù)實際要求，通過調(diào)整a、b的值得到一系列可行方案，進而從中選擇符合實際的最優(yōu)方案，這也是采用式(11)選取綜合規(guī)劃方案的靈活性和實用性所在。

6 結(jié)論

并網(wǎng)風(fēng)電場輸出功率的不確定性增加了輸電網(wǎng)規(guī)劃的難度。風(fēng)電并網(wǎng)時，在多場景概率方法的基礎(chǔ)上考慮緊急需求側(cè)響應(yīng)方法，可以有效地減少電網(wǎng)投資建設(shè)費用，亦可有效避免輸電線路過負荷情況的發(fā)生，在利于電網(wǎng)安全穩(wěn)定運行的同時，也提高了電網(wǎng)運行的靈活性。

本文在尋求綜合最優(yōu)規(guī)劃方案時，不是單純考慮綜合期望值最小，而是根據(jù)魯棒優(yōu)化思想引入了不可行性及風(fēng)險性罰項，從更全面的角度分析展現(xiàn)了各個方案的優(yōu)劣。根據(jù)實際情況亦可通過調(diào)節(jié)a、b的值找到符合實際要求的最優(yōu)方案。該方法能很好地與多場景概率法結(jié)合，適用于未來電力市場復(fù)雜多變環(huán)境下的電網(wǎng)建設(shè)，具有一定的靈活性和實用性。由得出的數(shù)據(jù)也可看出，對于方案綜合評價，考慮緊急需求側(cè)響應(yīng)得出的各評價指標值明顯優(yōu)于常規(guī)規(guī)劃得出的結(jié)果。

［1］高賜威，程浩忠，王旭(Gao Ciwei，Cheng Haozhong，Wang Xu)．考慮場景發(fā)生概率的柔性約束電網(wǎng)規(guī)劃模型(Electric power network flexible planning model based on the probability of scene occurrence)［J］．中國電機工程學(xué)報(Proceedings of the CSEE)，2004，24 (11):34-38．

［2］楊寧，文福拴(Yang Ning，Wen Fushuan)．基于機會約束規(guī)劃的輸電系統(tǒng)規(guī)劃方法(Transmission system expansion planning based on chance constrained programming)［J］．電力系統(tǒng)自動化(Automation of Electric Power Systems)，2004，28(14):23-27．

［3］遲永寧(Chi Yongning)．風(fēng)電接入對電力系統(tǒng)的影響(Study on impact of wind power integration on power system)［J］．電網(wǎng)技術(shù)(Power System Technology)，2007，31(3):77-81．

［4］袁越，吳博文，李振杰，等(Yuan Yue，Wu Bowen，Li Zhenjie，et al．)．基于多場景概率的含大型風(fēng)電場的輸電網(wǎng)柔性規(guī)劃(Flexible planning of transmission system with large wind farm based onmulti-scenario probability)［J］．電力自動化設(shè)備(Electric Power Automation Equipment)，2009，29(10):8-12．

［5］于晗，鐘志勇，黃杰波，等(Yu Han，Zhong Zhiyong，Huang Jiebo，et al．)．考慮負荷和風(fēng)電出力不確定性的輸電系統(tǒng)機會約束規(guī)劃(A chance constrained transmission network expansion planning method associated with load and wind farm variations)［J］．電力系統(tǒng)自動化(Automation of Electric Power Systems)，2009，33(2):20-24．

［6］Yu H，Chung C Y，Wong K P，et al．A chance constrained transmission network expansion planning method with consideration of load and wind farm uncertainties［J］．IEEE Transactions on Power Systems，2009，24 (3):1568-1576．

［7］曾鳴，呂春泉，邱柳青，等(Zeng Ming，Lv Chunquan，Qiu Liuqing，etal．)．風(fēng)電并網(wǎng)時基于需求側(cè)響應(yīng)的輸電網(wǎng)規(guī)劃模型(A demand-side response-based transmission planning model with grid-connected wind farms)［J］．電網(wǎng)技術(shù)(Power System Technology)，2011，35(4):129-134．

［8］John M Mulvey，Robert JVanderbei，Stavros A Zenios，et al．Robust optimization of large-scale systems［J］．Operations Research，1995，43(2):264-281．

［9］張萍(Zhang Ping)．不確定條件下供應(yīng)鏈魯棒優(yōu)化模型及算法研究(Robust optimization of supply chain management system under uncertain conditions)［D］．武漢:華中科技大學(xué)(Wuhan:Huazhong University of Science and Technology)，2011．

［10］Markiwitz H M．Portfolio selection:Efficiency diversification of investments，second edition［M］．Cambridge: Basil Blackwell，1991．

［11］聶宏展，喬怡，呂盼，等(Nie Hongzhan，Qiao Yi，Lv Pan，et al．)．基于混合人工魚群算法的輸電網(wǎng)規(guī)劃(Transmission network expansion planning based on hybrid artificial fish school algorithm)［J］．電網(wǎng)技術(shù)(Power System Technology)，2009，33(2):78-83．

［12］聶宏展，鄭鵬飛(Nie Hongzhan，Zheng Pengfei)．基于多策略差分進化算法的輸電網(wǎng)規(guī)劃(Transmission network planning based on multi-strategy differential evolution algorithm)［J］．電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy)，2013，32(1):13-18．

［13］吳浩揚，常炳國，朱長純，等(Wu Haoyang，Chang Bingguo，Zhu Changchun，et al．)．基于模擬退火機制的多種群并行遺傳算法(A multi-group parallel genetic algorithm based on simulated annealing method)［J］．軟件學(xué)報(Journal of Software)，2000，11(3):416-420．

(，cont．on p.23)(，cont．from p.11)

［14］周天睿，王旭，張謙，等(Zhou Tianrui，Wang Xu，Zhang Qian，et al．)．大規(guī)模風(fēng)電對江蘇電網(wǎng)規(guī)劃影響的證實分析(Empirical research on impact of largescale wind power on Jiangsu power system planning)［J］．中國電力(Electric Power)，2010，43(2): 11-15．

Transm ission network planning w ith grid-connected w ind farm s based on emergency demand-side response and robust optim ization

NIE Hong-zhan，ZHAO Ying，MA Jian-bo
(School of Electrical Engineering，Northeast Dianli University，Jilin 132012，China)

The output ofwind farms has volatility and randomness．After wind farms are connected to the grid，the uncertainty of its output can lead to insufficient power supply，which has an effect on the safe and stable operation of the power grid．And a series of planning scheme obtained bymulti-scenariomethod is notalways the comprehensive optimal solution．For this sake，emergency demand-side response is introduced in transmission network planning．And according to the idea of robust optimization，the comprehensive optimal scheme is determined by the punishmentmodel toweigh the robustness and feasibility of the strategy and the average variablemodel to assess the plan’s risk．Example analysis shows that the introduction of emergency demand-side response can effectively reduce the investment cost of power grid and the amount of line overload，though which need to cut the load and pay users part of the compensation fees additionally when wind power output is low．And the obtained comprehensive optimal solution has a better integrated adaptability in probability sense for each scenario．

transmission network planning;wind power integration;multi-scenario;emergency demand-side response;robust optimization

TM715

A

1003-3076(2015)03-0007-05

2013-07-27

聶宏展(1962-)，男，遼寧籍，教授，碩士，研究方向為電力系統(tǒng)規(guī)劃;趙瑩(1988-)，女，吉林籍，碩士研究生，研究方向為電力系統(tǒng)規(guī)劃。