基于交替方向乘子法的源網協同多適應規劃

李婷，葉希，唐權，王云玲，瞿小斌，文云峰

(1.國網四川省電力公司經濟技術研究院，成都市 610041；2.輸配電裝備及系統安全與新技術國家重點實驗室(重慶大學)，重慶市 400044)

基于交替方向乘子法的源網協同多適應規劃

李婷1，葉希1，唐權1，王云玲1，瞿小斌2，文云峰2

(1.國網四川省電力公司經濟技術研究院，成都市 610041；2.輸配電裝備及系統安全與新技術國家重點實驗室(重慶大學)，重慶市 400044)

電源規劃與電網規劃緊密相關，有必要考慮其相互影響進行協同規劃。該文兼顧分布式決策環境與多適應性條件，提出了一種電源與電網協同的多適應規劃框架，利用交替方向乘子法(alternating direction method of multipliers，ADMM)分別構建了耦合共享變量的電源規劃決策子問題與電網規劃決策子問題，2個子問題相互通信、交替求解，實現了電源與網架協同的分布式自治規劃。該框架和方法保留了決策主體信息的私密性，同時確保了電源規劃方案和電網規劃方案所構成的整體系統的經濟性和適應性。在Garver-6系統上對該文方法的有效性進行了驗證。

電源規劃；電網規劃；交替方向乘子法(ADMM)；協同；分布式

0 引 言

電源規劃和電網規劃是電力規劃的主要內容[1]。電源規劃對電源布局進行戰略決策，根據規劃時間尺度內的負荷預測，在滿足技術合理性和考慮多種類電廠相互協調的前提下尋求最經濟的電源發展方案，主要確定在何時何地投建何種類型和多大容量的機組[2]。電網規劃是在給定負荷預測和電源規劃方案的基礎上，確定投資和運行費用最小的網架擴展規劃方案，主要解決何時何地新建多少線路以適應電力供需變化的問題[3]。

傳統經驗型的電力系統規劃一般將電源與電網規劃分割考慮：由負荷及資源確定電源，由電源確定電網，串序進行電源規劃和電網規劃[4]。這種高度獨立的方式所確定的網源裕度配合方案可能造成電源和電網規劃不協調的現象，如電源冗余度過高或電網安全水平過低。由于電源規劃和電網規劃的決策執行方案緊密相關，為確保規劃系統在未來的安全、可靠、經濟和高效運行，有必要考慮電源和電網規劃方案的相互作用和影響，制定具有多適應性的源網協同最優規劃方案[5-6]。

然而，在“廠網分開，競價上網”的電力市場環境下，電廠與電網分別成立了獨立的發電公司和具有自然壟斷地位的電網公司。由于發電公司和電網公司分屬不同利益的決策主體，使得電源規劃和電網規劃相互獨立，從根本上改變了原始垂直一體化電力系統規劃的理念，增加了電源與電網協同規劃的難度和不確定性[7]。另一方面，在近年來我國清潔能源基地大規模建設與發展的過程中，配套網架規劃和建設相對脫節和滯后，局部地區棄風、棄光、棄水限電問題嚴重[8]，進一步凸顯電源規劃和電網規劃協同的緊迫性。

近年來，電源與電網協同規劃的研究已逐漸引起國內外學者的重視。文獻[9]提出了電源電網協調規劃模型，著重考慮了調節型電源的裝機規劃與輸電線路選址問題。文獻[10]從可靠性均衡角度，提出一種利用虛擬機組進行源網協調規劃的方法。文獻[11]通過線路容量限制修正電源規劃方案以尋求電源與電網規劃的協調。文獻[12]針對風電場接入系統與輸電網擴展的協調規劃問題，建立了2步式電網擴展規劃綜合模型，尋求綜合效益最優的規劃方案。然而，這些研究將電源和電網2個獨立規劃問題的目標函數和約束條件統一到同一個優化模型中，形成源網集成大規模規劃模型。該模型與廠網分開、分布決策的市場環境不符，破環了決策主體本體信息的私密性。此外，若考慮投資、技術、環保和政策等紛繁復雜的適應性約束，模型將過于龐大，求解困難。

本文提出一種兼顧分布式決策環境的源網協同多適應規劃框架，利用交替方向乘子法構建電源規劃決策主體與電網規劃決策主體的分布式協同互動交互機制和優化求解流程。該框架和方法保留決策主體信息的私密性，同時確保電源規劃方案和電網規劃方案所構成的整體系統的經濟性和適應性。

1 電源與電網協同的多適應規劃框架

區別于源網集成統一規劃方式，本文所建立的源網協同規劃方法立足“廠網分開”競爭市場環境，充分考慮了電源規劃中心與電網規劃中心的協同和互動，實現分布自治決策，其框架如圖1所示。該分布式協同規劃框架的特點如下詳述。

(1) 電源規劃中心和電網規劃中心分別構建耦合共享變量的電源規劃模型和電網規劃模型，各自在滿足投資、技術、環保和政策等多適應性約束的前提下自治決策本體最優的規劃方案；

(2) 電源規劃中心與電網規劃中心2個決策主體間通過少量多次的信息傳遞(共享變量和價格信號)和迭代計算(規劃方案校核與更新)，達到電源規劃與電網規劃分布自治決策、協同實現全系統最優多適應規劃。

圖1 電源與電網協同的多適應規劃框架Fig.1 Framework of synergistic adaptive planning ofgeneration and transmission

發電機組有功功率為電源在電網中的表現形式，是電源規劃問題和電網規劃問題的共享變量。共享變量既滿足電源規劃問題所有約束又滿足電網規劃問題所有約束，將電源規劃和電網規劃進行耦合，有效保證數據的私密性和規劃方案的可行性。

在電源規劃和電網規劃分布式協同交互過程中須滿足如下一致性關系式：

(1)

2 ADMM算法簡介

交替方向乘子法(alternating direction method of multipliers, ADMM)是一種求解分布式優化問題的算法。ADMM通過分解協調機制，將大規模全局優化問題分解為多個小規模子問題，通過子問題協調通信求解得到全局問題的最優解。其具有形式簡單，收斂性好，魯棒性強等優點，是近年來獲得廣泛應用的分布式數學優化方法[13-15]。由于ADMM算法能夠保留決策主體的數據保密性并顯著降低計算規模，因此適用于電源規劃與電網規劃的分布自治決策和互動協同。

其算法形式簡述如下：

minH(x,z)=f(x)+g(z)

(2)

s.t.Axc+Bzc=C

(3)

式中：H(x,z)表示全局優化問題目標函數；f(x)、g(z)為全局問題拆分的2個子問題的目標函數；x、z分別為“X子問題”和“Z子問題”的變量，x∈Rn，z∈Rm；xc、zc為共享變量；A、B、C為共享變量的約束矩陣，A∈Rp×n，B∈Rp×m，C∈Rp。

將耦合約束式(3)加入原目標函數構造如下的計及約束的目標函數Lω(x,z,y)：

Lω(x,z,y)=f(x)+g(z)+

(4)

式中：λ為乘子向量；ω為常數懲罰因子；‖·‖2為2范數算子。

式(4)將耦合約束轉換到目標函數中，為原問題的拆分及分布式求解提供了契機。

將式(4)中1個子問題的共享變量作為已知量進行拆分得到迭代方程，由此全局問題拆分為多個子問題。迭代方程為

(5)

式(5)求解過程如下：首先，“X子問題”處于計算狀態，待計算完成將共享變量傳遞至“Z子問題”，并處于待命狀態，之后等待“Z子問題”計算完成后傳回共享變量。完成1輪求解后2個子問題按照式(6)更新乘子變量λ，并轉入下一輪優化計算。

乘子向量的迭代公式為

(6)

式中λk為第k次迭代計算后變量λ的值。

ADMM算法收斂判據由2部分組成：

(7)

(8)

式中：rk+1、sk+1分別為第k+1次迭代計算后的原始殘差和對偶殘差；ρ為對偶殘差公式系數；εpri、εdual分別為原始殘差和對偶殘差的容忍上限。

3 基于ADMM分布式算法的源網協同多適應性規劃

以規劃水平年整個電力系統投資成本及運行成本最低為目標，考慮風電出力、負荷持續曲線的多場景運行方式，計及基態線路潮流約束和N-1安全約束，基于ADMM算法構建相互耦合的電源規劃子問題和電網規劃子問題。2個子問題相互通信、交替求解，實現電源與網架的協同規劃。本文采用文獻[16-17]所述區間分析法考慮風電出力的不確定性。

3.1 電源規劃子問題

耦合共享變量的電源規劃子問題目標函數為

(9)

電源規劃子問題需滿足的多種適應性約束條件如下詳述。

(1)常規發電機出力上、下限約束。

(10)

(11)

(2)風電場出力約束。

(12)

(3)機組爬坡約束。

(13)

(14)

(15)

式(13)為機組在相鄰時段平行場景下的爬坡約束；式(14)、(15)為風電出力在相鄰時段極端上、下限間波動(s2、s3場景間相互轉換)時系統內其他常規機組的爬坡約束。

(4)電力平衡約束。

(16)

式中PD,t為t時刻與電源相連電網總負荷。

(5)根據文獻[18],可以確定負荷正、負備用約束。

(17)

(18)

(6)火電燃料消耗約束。

(19)

式中：βi、Ui分別為第i臺發電機組平均燃料單耗及燃料消耗限量；ΩH為火電機組集合。

(7)系統污染物排放約束。

(20)

式中γi、Vi分別為第i臺發電機組污染物排放系數及最大污染排放量。

3.2 電網規劃子問題

耦合共享變量的電網規劃子問題目標函數為

(21)

電網規劃子問題需滿足的多種適應性約束條件如下詳述。

(1)節點功率平衡約束。

(22)

式中：NL為與節點q相連的支路集合；NG、NW分別為與節點q相連的常規發電機集合和風電場集合；Fl,t,s為s場景下與節點q相連的第l條支路在t時刻的功率；PD,q,t為節點q在t時刻的有功負荷。

(2)線路輸送功率約束。

(23)

(3)潮流方程約束。

現有線路潮流計算等式和選中線路潮流計算等式為：

θA,l,t,s-θB,l,t,s=xlFl,t,s,l∈ΨE,t∈T,s∈S

(24)

θA,l,t,s-θB,l,t,s=xlFl,t,s,l∈ΨC,t∈T,s∈S,ZL,l=1

(25)

式中：θA,l,t,s、θB,l,t,s為s場景下t時刻線路l首、末兩端電壓相角；xl為線路l的電抗。

式(25)雖有線性表述形式，但實則只有在ZL,l=1時才成立，因此，對其做如下線性化處理[19]：

-E(1-ZL,l)≤(θA,l,t,s-θB,l,t,s)-xlFl,t,s≤

E(1-ZL,l) ,l∈ΨC,t∈T,s∈S

(26)

式中：E為一個很大的常數。

分析式(26)可以看出：當ZL,l=1時，式(26)簡化為該線路的潮流方程；當ZL,l=0時，結合線路傳輸功率約束式(23)可確定線路潮流為0。

(4)N-1安全約束。

(27)

(28)

(29)

(30)

(31)

(5)基態、N-1狀態關聯約束。

(32)

式中：φ表示N-1故障線路。

關聯約束保證了在任意N-1故障情況下線路規劃方案同基態線路規劃方案一致。

3.3 源網協同規劃算法流程

基于ADMM算法的電源、電網分布式協同規劃求解流程如下詳述。

步驟4按式(33)、(34)更新乘子系數：

(33)

(34)

步驟5根據式(7)、(8)判斷收斂性，若收斂判據成立，則停止計算輸出結果，否則迭代次數k加1，并轉至步驟2開始下一次分布式自治優化計算。

4 算例分析

在Windows 8系統Intel(R) Core(TM) i5-6500 CPU(3.2 GHz)和16 GB的電腦上利用Matlab 2015a平臺編寫基于ADMM的源網協同規劃算法程序，調用CPLEX 12.7優化包輔助求解。以Garver-6電力系統規劃為測試算例，與非協同規劃結果進行了對比，驗證開展協同規劃的必要性；并與集中式規劃結果進行對比，以說明本文所提方法的有效性。

為滿足電力系統規劃計算，本文對Garver-6系統稍作修改，計劃在節點K1處增設待選常規電源G3、風電W1，在節點K4處增設待選常規電源G4，網絡中增加待選線路L6-L8，具體結構如圖2所示。假定風電出力不確定性取±20%的波動幅度[17]，所有線路潮流限值為250 MW。

圖2 Garver-6電力系統規劃結構圖Fig.2 Planning structure of Garver-6 power system

4.1 原始潮流結果

進行機組及線路擴建前，列出電源最大有功出力及電網最大有功負荷，具體見表1。規劃前系統在最大負荷下的發電機出力及線路潮流曲線如圖3、4所示。09:00—24:00，電源G1、G2基本處于滿載狀態，線路L5會出現潮流越限情況。若考慮N-1故障，形勢將更加嚴峻，急需對電源及線路進行擴建。

表1機組容量及節點最大負荷情況
Table1Capacityofgeneratorsandmaximumnodesload

圖3 規劃前發電機組出力曲線Fig.3 Power output curve of pre-planning

4.2 非協同規劃結果

考慮非協同規劃(源網分割、串序規劃)情況所得結果見表2(其中電源狀態和線路狀態：“1”表示投建，“0”表示不投建)。電源規劃選擇新增建設W1，電網規劃結果新增建設線路L6-L8，規劃后網絡結構如圖5所示，圖中虛線代表新增建設電源或輸電線路。該規劃方案將所有待選線路擴建，電網建設費用CN較高，為2.000 0×107$，對應的電源建設及運行費用CG為3.061 8×107$，規劃水平年源網建設及運行總費用CT為5.061 8×107$。

圖4 規劃前線路潮流曲線Fig.4 Power flow curve of pre-planning

表2非協同規劃方案
Table2Resultofnon-synergisticplanning

圖5 Garver-6非協同規劃后網絡結構Fig.5 Garver-6 network structure ofnon-synergistic planning

4.3 協同規劃結果

采用本文所提基于ADMM的源網分布式協同規劃算法進行協同規劃計算。ADMM計算所需參數及初值設定見表3，ADMM分布式協同規劃和集中式協同規劃(電源和電網2個獨立規劃問題的目標函數和約束條件集成到同一個優化模型中)的計算結果見表4。其中，N為迭代次數，t為求解耗時。可以看出，集中式和ADMM分布式2種方法均得出了W1、G3、L7、L8投建，G4、L6不投建的規劃方案，且2種模型計算所得的規劃水平年源網總費用均為4.146 8×107$，說明基于ADMM的源網分布式協同規劃可達到與集中式統一源網規劃模型同樣精度的計算結果。雖然集中式協同規劃計算耗時較少，但該方法與實際中“廠網分開”的電力市場管理模式不符(電廠與電網分屬不同的利益決策主體)。分布式協同規劃解決了集中式方法信息傳遞量大、信息私密性差等重要問題，因而更具有實際意義。此外，由于本文是在單機環境中運行分布式協同規劃的計算程序，若采用多臺計算機構建的分布式計算資源，將有望有效提升計算效率。

規劃后網絡結構如圖6所示，圖中虛線代表新增電源或輸電線路。相較于非協同規劃擴建1臺機組和3條線路的方案，協同規劃方案采取擴建2臺機組和2條線路的方案，整體經濟性更佳。

表3ADMM計算參數及初值
Table3ParameterandinitialvaluesofADMMcalculation

表4 協同規劃方案Table 4 Result of synergistic planning

圖6 Garver-6協同規劃后網絡結構Fig.6 Garver-6 network structure of synergistic planning

對比了非協同規劃、協同規劃2種方案的費用情況，如圖7所示。由圖7所知，協同規劃的總費用CT=4.146 8×107$，相較5.061 8×107$的非協同規劃總費用降低了18.1%，經濟性優于非協同規劃方案。這是因為，非協同方式下，電源規劃僅考慮電源投建及運行費用最低，得到CG=3.061 8×107$，低于協同規劃方案的電源投資及運行費用 (3.146 8×107$)，但由于電源規劃與電網規劃相互分割、串序執行，導致電網規劃的費用(2.000 0×107$)遠高于協同規劃方式下的費用(1.000 0×107$)。綜上所述，因協同規劃方案的全局最優性，使得協同規劃的源網投資及運行費用低于非協同規劃情況。

圖7 非協同規劃、協同規劃費用對比Fig.7 Cost comparison of non-synergistic andsynergistic planning

ADMM分布式源網協同規劃計算過程中的費用收斂曲線如圖8所示。由于迭代過程中電源及電網2個規劃子問題的共享變量(發電機組有功功率)相互協調、逐漸趨于相等，使得總的投資及運行費用逐漸降低直至收斂。懲罰因子ω變化對ADMM算法計算性能的影響見表5，可以看出ω的取值對ADMM算法收斂速度有一定影響，在本算例情況下ω的最佳取值為35。

圖8 規劃水平年費用收斂曲線Fig.8 Convergence curves of planning level year costs

5 結 論

(1)提出了一種兼顧分布式決策環境的源網協同多適應規劃框架，解決了電源規劃與電網規劃不匹配問題，改善了規劃方案的經濟性。

(2)基于ADMM構建了電源規劃決策主體與電網規劃決策主體的分布式協同交互問題和實現流程，在保留決策主體信息的私密性的同時可得到與集中式源網規劃一致的規劃結果，確保了分布協同規劃的經濟性和適應性。

在下一步工作中將研究考慮系統暫態穩定性的更為完善的源網協同分布式多適應規劃模型，并進一步探索提高分布式源網協同規劃求解效率的計算方法。

[1] 程浩忠. 電力系統規劃 [M]. 第2版.北京: 中國電力出版社, 2014:73-95, 121-154.

[2] 范彬, 周力行, 黃頔,等. 基于改進蝙蝠算法的配電網分布式電源規劃[J]. 電力建設, 2015, 36(3):123-128.

FAN Bin, ZHOU Lixing, HUANG Di, et al. Distributed generation planning for distribution network based on modified bat algorithm[J]. Electric Power Construction, 2015, 36(3):123-128.

[3] 程耀華, 張寧, 康重慶,等. 考慮需求側管理的低碳電網規劃[J]. 電力系統自動化, 2016, 40(23):61-69.

CHENG Yaohua, ZHANG Ning, KANG Chongqing, et al. Low carbon transmission expansion planning considering demand side management[J]. Automation of Electric Power Systems, 2016, 40(23):61-69.

[4] 王錫凡. 電力系統優化規劃[M]. 北京: 水利電力出版社, 1990: 223-224, 268-269.

[5] 張寧, 胡兆光, 周渝慧, 等. 計及隨機模糊雙重不確定性的源網荷協同規劃模型[J]. 電力系統自動化, 2016, 40(1): 39-44.

ZHANG Ning, HU Zhaoguang, ZHOU Yuhui, et al. Soure-grid-load coordinated planning model considering randomness and fuzziness[J]. Automation of Electric Power Systems, 2016, 40(1): 39-44.

[6] 魏剛, 范雪峰, 張中丹, 等. 風電和光伏發展對甘肅電網規劃協調性的影響及對策建議[J]. 電力系統保護與控制, 2015, 43(24): 135-141.

WEI Gang, FAN Xuefeng, ZHANG Zhongdan, et al. Influence of wind power and photovoltaic’s development on Gansu power grid planning coordination and suggestions[J]. Power System Protection and Control, 2015, 43(24): 135-141.

[7] 吉興全, 文福拴. 電力市場環境下發電和輸電規劃協調問題綜述[J]. 電力技術經濟, 2008, 20(3): 18-23.

JI Xingquan, WEN Fushuan. Summary on coordinated investment and planning for generation and transmission sectors in power market environment[J]. Electric Power Technologic Economics, 2008, 20(3): 18-23.

[8] 郭永明, 劉觀起. 計及棄風成本的含抽水蓄能電力系統隨機優化調度[J]. 電力建設, 2016, 37(4):29-34.

GUO Yongming, LIU Guanqi. Stochastic optimization scheduling method for pumped storage power system considering wind curtailment cost[J]. Electric Power Construction, 2016, 37(4):29-34.

[9] 高賜威, 吳天嬰, 何葉, 等. 考慮風電接入的電源電網協調規劃[J]. 電力系統自動化, 2012, 36(22): 30-35.

GAO Ciwei, WU Tianying, HE Ye, et al. Generation and transmission coordinated planning considering wind power integration[J]. Automation of Electric Power Systems, 2012, 36(22): 30-35.

[10] 穆永錚, 魯宗相, 周勤勇, 等. 基于可靠性均衡優化的含風電電網協調規劃[J]. 電網技術, 2015, 39(1): 16-22.

MU Yongzheng, LU Zongxiang, ZHOU Qinyong, et al. Optimized reliability balancing based transmission coordinating expansion planning for power grid with wind farms[J]. Power System Technology, 2015, 39(1): 16-22.

[11] GU Y, MCCALLEY J D, NI M. Coordinating large-scale wind integration and transmission planning[J]. IEEE Transactions on Sustainable Energy, 2012, 3(4): 652-659.

[12] 王秀麗, 張凱, 曾平良, 等. 基于多場景的風電場接入與輸電網協調規劃[J]. 電力建設, 2015, 36(10): 46-52.

WANG Xiuli, ZHANG Kai, ZENG Pingliang, et al. Coordinated planning of wind farm integration and transmission network based on multi-scenario[J]. Electric Power Construction, 2015, 36(10): 46-52.

[13] BOYD S, PARIKH N, CHU E, et al. Distributed optimization and statistical learning via the alternating direction method of multipliers[J]. Foundations amp; Trends? in Machine Learning, 2011, 3(1):1-122.

[14] WEN Y F, QU X B, LI W Y, et al. Synergistic operation of electricity and natural gas networks via ADMM[J/OL]. IEEE Transactions on Smart Grid, (2017-02-02)[2017-03-01]. https://doi.org/10.1109/TSG.2017.2663380.

[15] 瞿小斌, 文云峰, 葉希, 等. 基于串行和并行ADMM算法的電-氣能量流分布式協同優化[J]. 電力系統自動化, 2017, 41(4): 12-19.

QU Xiaobin, WEN Yunfeng, YE Xi, et al. Distributed optimization of gas-electric integrated energy flows using serial and parallel iterative modes for alternating direction method of multipliers[J]. Automation of Electric Power Systems, 2017, 41(4): 12-19.

[16] PANDZIC H, DVORKIN Y, WANG Y, et al. Toward cost-efficient and reliable unit commitment under uncertainty[C]// Power and Energy Society General Meeting (PESGM), IEEE, 2016.

[17] WEN Y F, LI W Y, HUANG G, et al. Frequency dynamics constrained unit commitment with battery energy storage [J]. IEEE Transactions on Power Systems, 2016, 31(6):5115-5125.

[18] 羅金山, 路暢, 孟繁駿. 碳排放及燃煤約束下的電源規劃及其效益評價[J]. 電力系統自動化, 2016, 40(11):47-52.

LUO Jinshan, LU Chang, MENG Fanjun. Generation expansion planning and its benefit evaluation considering carbon emission and coal supply constraints[J]. Automation of Electric Power Systems, 2016, 40(11):47-52.

[19] 洪紹云, 程浩忠, 曾平良, 等. 基于相關場景聚類的發輸電聯合擴展規劃[J]. 電力系統自動化, 2016, 40(22):71-76.

HONG Shaoyun, CHENG Haozhong, ZENG Pingliang, et al. Coordinated generation and transmission expansion planning with clusters of correlative scenarios[J]. Automation of Electric Power Systems, 2016, 40(22):71-76.

2017-05-02

李婷(1979)，女，學士，高級工程師，主要研究方向為電力系統規劃；

葉希(1987)，女，博士，工程師，主要研究方向為電力系統規劃、新能源并網分析與控制；

唐權(1982)，男，碩士，高級工程師，主要研究方向為電力系統規劃；

王云玲(1979)，男，碩士，高級工程師，主要研究方向為電力系統規劃；

瞿小斌(1993)，男，碩士研究生，主要研究方向為綜合能源網、電力系統規劃與優化運行；

文云峰(1986)，男，博士，講師，主要研究方向為綜合能源網、電力系統規劃與優化運行。

(編輯 郭文瑞)

SynergisticAdaptivePlanningofGenerationandTransmissionUsingADMM

LI Ting1, YE Xi1, TANG Quan1, WANG Yunling1, QU Xiaobin2, WEN Yunfeng2

(1. Sichuan Power Economic Research Institute, Chengdu 610041, China; 2. State Key Laboratory of Power Transmission Equipment and System Security and New Technology, Chongqing University, Chongqing 400044, China)

Generation and transmission expansion planning interact with each other tightly, it is necessary to take the interaction into account when making planning. This paper proposes an adaptability planning framework of generation and transmission network by taking distributed decision environment and adaptability condition into consideration, and uses alternating direction method of multipliers (ADMM) to separately construct the decision-making sub-problems of generation planning and network planning with shared variable coupling. The two sub-problems communicate with each other and solve alternatively, which can realize the distributed synergy between generation and transmission network. The framework and approach keep information privacy and remain the economy and adaptability of the whole power system consisting of generation planning and network planning. Case studies based on the Garver-6 power system demonstrates the effectiveness and feasibility of the proposed approach.

generation planning; transmission planning; ADMM; synergy; distributed

國家電網公司科技項目(SGSCJY00JHJS1600024)；國家自然科學基金項目(51707017)；中央高校基本科研業務費專項資金資助項目(106112016CDJXY150002)；重慶市基礎科學與前沿技術研究專項(cstc2017jcyjAX0422)

Project supported bythe Science and Technology Project of State Grid Corporation of China(SGSCJY00JHJS1600024)；National Natural Science Foundation of China(51707017)；Fundamental Research Funds for the Central Universities(106112016CDJXY150002 );Chongqing Research Program of Basic Research and Frontier Technology (cstc2017jcyjAX0422)

TM732

A

1000-7229(2017)11-0105-08

10.3969/j.issn.1000-7229.2017.11.014