基于分布式電源與負(fù)荷雙重不確定性的配電網(wǎng)綜合規(guī)劃研究

，，，，

(1.國(guó)網(wǎng)四川省電力公司技能培訓(xùn)中心，四川 成都 611133；2.國(guó)網(wǎng)成都供電公司，四川 成都 610000；3.國(guó)網(wǎng)四川省電力公司經(jīng)濟(jì)技術(shù)研究院，四川 成都 610041)

基于分布式電源與負(fù)荷雙重不確定性的配電網(wǎng)綜合規(guī)劃研究

楊力1，成思琪2，蘇韻掣3，鄭和平1，盧國(guó)棟1

(1.國(guó)網(wǎng)四川省電力公司技能培訓(xùn)中心，四川 成都 611133；2.國(guó)網(wǎng)成都供電公司，四川 成都 610000；3.國(guó)網(wǎng)四川省電力公司經(jīng)濟(jì)技術(shù)研究院，四川 成都 610041)

隨著分布式電源大量滲入配電網(wǎng)，配電網(wǎng)在規(guī)劃時(shí)要同時(shí)面臨電源側(cè)和負(fù)荷側(cè)的不確定因素。首先，依據(jù)分布式電源出力與負(fù)荷的概率密度函數(shù)建立配電系統(tǒng)多狀態(tài)模型，通過(guò)多狀態(tài)潮流計(jì)算模擬它們的不確定性。其次，建立基于機(jī)會(huì)約束規(guī)劃的分布式電源與配電網(wǎng)架綜合規(guī)劃模型，針對(duì)配電網(wǎng)規(guī)劃問(wèn)題的非線性、大規(guī)模等特點(diǎn)提出一種改進(jìn)的遺傳算法用于求解。通過(guò)對(duì)某地區(qū)實(shí)際配電網(wǎng)的計(jì)算分析，驗(yàn)證了所提算法具有良好的運(yùn)行效率和收斂性能。算例結(jié)果表明，分布式電源的接入與網(wǎng)架結(jié)構(gòu)調(diào)整相配合能夠提升配電網(wǎng)的經(jīng)濟(jì)效益。

分布式電源；不確定性；多狀態(tài)潮流計(jì)算；機(jī)會(huì)約束規(guī)劃；改進(jìn)遺傳算法

0 引 言

配電網(wǎng)與大容量、遠(yuǎn)距離、結(jié)構(gòu)清晰的輸電網(wǎng)絡(luò)不同，配電網(wǎng)節(jié)點(diǎn)眾多、線路密集、改動(dòng)頻繁的特點(diǎn)導(dǎo)致配電網(wǎng)中存在相當(dāng)多的不確定性，如負(fù)荷波動(dòng)與增長(zhǎng)的不確定性、線路間頻繁轉(zhuǎn)供導(dǎo)致的網(wǎng)架結(jié)構(gòu)的不確定性等。具有波動(dòng)性與間歇性特點(diǎn)的分布式電源(distributed generation, DG)接入配電網(wǎng)后將會(huì)進(jìn)一步增加配電網(wǎng)中的不確定性，來(lái)自負(fù)荷側(cè)與電源側(cè)的雙重不確定性給配電網(wǎng)規(guī)劃帶來(lái)巨大挑戰(zhàn)。傳統(tǒng)規(guī)劃方法在一種確定的運(yùn)行狀態(tài)下得到的最優(yōu)方案在其他系統(tǒng)狀態(tài)下不一定仍是最優(yōu)，從而降低甚至失去了最優(yōu)規(guī)劃的意義，甚至造成巨大的損失。

對(duì)于DG接入后的配電網(wǎng)規(guī)劃問(wèn)題，國(guó)內(nèi)外已有許多研究成果，其關(guān)注重點(diǎn)主要集中在不確定性的處理與規(guī)劃模型的建立上。

在不確定性問(wèn)題的處理中往往面臨著精確度與計(jì)算量之間的矛盾，文獻(xiàn)[2-3]采取蒙特卡洛仿真來(lái)模擬DG與負(fù)荷的不確定性。雖然計(jì)算結(jié)果較為準(zhǔn)確，然而若DG大規(guī)模滲入配網(wǎng)，系統(tǒng)中不確定因素進(jìn)一步增加，求解規(guī)劃問(wèn)題時(shí)將很可能無(wú)法承受蒙特卡洛模擬所需的龐大計(jì)算量。文獻(xiàn)[4-5]采用多場(chǎng)景法來(lái)分析系統(tǒng)中的不確定因素，這實(shí)質(zhì)是綜合若干個(gè)確定工況下的計(jì)算結(jié)果來(lái)分析系統(tǒng)的不確定性；由于場(chǎng)景數(shù)較少，各場(chǎng)景發(fā)生的概率制定也缺乏理論依據(jù)，導(dǎo)致該方法在不確定性的處理上不夠精確。

在規(guī)劃模型方面，國(guó)內(nèi)外已有學(xué)者針對(duì)給定網(wǎng)架結(jié)構(gòu)與變電站配置下的DG選址定類定容問(wèn)題進(jìn)行了研究。文獻(xiàn)[6]以系統(tǒng)網(wǎng)損最小為目標(biāo)，求解分布式風(fēng)機(jī)與微型燃?xì)廨啓C(jī)兩種DG在配電網(wǎng)中的最優(yōu)配置。文獻(xiàn)[7]以年費(fèi)用和運(yùn)行費(fèi)用最小分別作為上下層規(guī)劃目標(biāo)函數(shù)建立了基于機(jī)會(huì)約束規(guī)劃的二層規(guī)劃模型，實(shí)現(xiàn)配電系統(tǒng)中有功和無(wú)功功率的優(yōu)化調(diào)度。然而，將DG接入與配電網(wǎng)網(wǎng)架結(jié)構(gòu)調(diào)整相結(jié)合的綜合規(guī)劃研究尚不多見(jiàn)。文獻(xiàn)[8]應(yīng)用多智能體遺傳算法對(duì)DG的位置、容量及配電網(wǎng)網(wǎng)架進(jìn)行了整體優(yōu)化，但并未考慮配電網(wǎng)中的不確定性。文獻(xiàn)[9]先應(yīng)用遺傳算法求解DG的最優(yōu)位置、容量，再運(yùn)用模擬退火算法規(guī)劃擴(kuò)展網(wǎng)絡(luò)，但將兩者孤立求解對(duì)最終規(guī)劃結(jié)果及算法計(jì)算效率都有影響。

針對(duì)上述文獻(xiàn)中存在的不足，下面充分考慮分布式風(fēng)機(jī)、分布式光伏發(fā)電以及負(fù)荷的不確定性，依據(jù)概率密度函數(shù)建立配電系統(tǒng)多狀態(tài)模型，進(jìn)而進(jìn)行配電系統(tǒng)多狀態(tài)潮流計(jì)算。根據(jù)計(jì)算結(jié)果建立基于機(jī)會(huì)約束規(guī)劃的DG與配電網(wǎng)架綜合規(guī)劃模型，并提出一種改進(jìn)的遺傳算法用于求解，對(duì)某地區(qū)實(shí)際配電網(wǎng)的算例仿真驗(yàn)證了所提模型和方法的可行性和有效性。

1 不確定性分析

1.1 配電系統(tǒng)多狀態(tài)模型

根據(jù)配電網(wǎng)中DG出力和負(fù)荷功率的概率分布，可將它們離散化為多種狀態(tài)，則含DG的配電系統(tǒng)成為一個(gè)多狀態(tài)系統(tǒng)。

采用文獻(xiàn)[7]中的方法，將分布式風(fēng)機(jī)離散化為Nw種狀態(tài)。其中，風(fēng)機(jī)出力為0時(shí)對(duì)應(yīng)狀態(tài)1；風(fēng)機(jī)輸出為額定功率時(shí)對(duì)應(yīng)狀態(tài)2；風(fēng)機(jī)出力隨風(fēng)速變化時(shí)，先將風(fēng)速離散化為Nw-2種狀態(tài)，再求取各狀態(tài)下風(fēng)機(jī)的出力，狀態(tài)劃分結(jié)果見(jiàn)表1。

表1中：Pw為風(fēng)機(jī)的輸出功率；vi為切入風(fēng)速；vr為額定風(fēng)速；vo為切出風(fēng)速；Pr為風(fēng)機(jī)額定功率；

f(v)為風(fēng)速分布概率密度函數(shù)。通過(guò)相似的方法可將分布式光伏發(fā)電離散化為Nz種狀態(tài)，負(fù)荷離散化為NL種狀態(tài)。采用Weibull分布描述風(fēng)速特性，Beta分布描述光照強(qiáng)度特性，正太分布描述負(fù)荷特性。設(shè)Ph(l,m,n)是分布式風(fēng)力發(fā)電出力為Pw(l)、分布式光伏發(fā)電出力為Pz(m)、負(fù)荷量為PL(n)時(shí)的系統(tǒng)狀態(tài)，此狀態(tài)發(fā)生的概率為F(l,m,n)，則配電系統(tǒng)多狀態(tài)模型可表示為

(1)

將此配電系統(tǒng)多狀態(tài)模型代入規(guī)劃計(jì)算，便能一定程度上反應(yīng)配電網(wǎng)中分布式電源側(cè)和負(fù)荷側(cè)的雙重不確定性，Nw、Nz、NL取值越大，系統(tǒng)總狀態(tài)數(shù)越多，對(duì)不確定性的處理就越為準(zhǔn)確，但計(jì)算量也越大。

1.2 配電系統(tǒng)多狀態(tài)潮流計(jì)算

單次穩(wěn)態(tài)潮流計(jì)算只能取得一種特定工況下系統(tǒng)的運(yùn)行情況，這顯然難以反映出配電網(wǎng)中的不確定性。這里借鑒隨機(jī)潮流計(jì)算思想，對(duì)每種狀態(tài)下的配電系統(tǒng)分別進(jìn)行潮流計(jì)算，在最終輸出的統(tǒng)計(jì)結(jié)果中可以直觀地查看某條線路上的潮流有多大概率會(huì)超出它所允許的極限值，以及一些小概率極端狀態(tài)下線路上最大潮流值是多少等詳細(xì)信息。多狀態(tài)潮流計(jì)算比單工況潮流計(jì)算更接近真實(shí)情況，也能更好地指導(dǎo)配電網(wǎng)的規(guī)劃與設(shè)計(jì)。

2 配電網(wǎng)綜合規(guī)劃模型

考慮DG和網(wǎng)架結(jié)構(gòu)的綜合規(guī)劃模型是含有多個(gè)隨機(jī)變量的優(yōu)化問(wèn)題，采用機(jī)會(huì)約束規(guī)劃的方法可以更好地處理隨機(jī)變量的不確定因素。機(jī)會(huì)約束規(guī)劃考慮到所做決策在不利的情況出現(xiàn)時(shí)可能不滿

表1 風(fēng)力發(fā)電機(jī)多狀態(tài)模型

足約束條件，而采用一種原則：即允許所做決策在一定程度上不滿足約束條件，但該決策使約束條件成立的概率必須不小于某一個(gè)足夠小的置信水平。

2.1 目標(biāo)函數(shù)

所設(shè)計(jì)模型以系統(tǒng)各狀態(tài)依其發(fā)生概率加權(quán)平均后的系統(tǒng)經(jīng)濟(jì)性最優(yōu)為目標(biāo)，目標(biāo)函數(shù)表達(dá)式為

(2)

式中：Closs為年化電能損耗費(fèi)用；Cinv為年化設(shè)備投資及運(yùn)行維護(hù)費(fèi)用，由DG投資及運(yùn)行費(fèi)用、分段開(kāi)關(guān)投資及運(yùn)行費(fèi)用、線路改造升級(jí)及運(yùn)行費(fèi)用3部分組成；Ctran為每年從上級(jí)電網(wǎng)的購(gòu)電總費(fèi)用。三者的詳細(xì)表達(dá)式分別見(jiàn)式(3)、式(4)、式(5)。

Closs=ClPloss

(3)

(4)

(5)

式中：Cl為年化單位網(wǎng)損成本；Ploss為系統(tǒng)有功功率損耗；NDG為DG安裝總數(shù)；CDGi為第i個(gè)DG的年化單位容量固定投資成本；PDGi為第i個(gè) DG的安裝容量；WDGi為第i個(gè)DG的檢修、維護(hù)成本；Nl為支路總數(shù)，包括所有已有支路和待選新建支路；αlj為支路選擇0-1變量，若為已有支路且無(wú)需改造，則α為 0，若為新增支路，則α為1；Clj為第j條支路的年化單位長(zhǎng)度固定投資成本；Llj為第j條支路的長(zhǎng)度；Wlj為第j條支路的檢修、維護(hù)成本；Nst為開(kāi)關(guān)總數(shù)；αst為0-1變量，若為已有開(kāi)關(guān)，則α為0，若為新建開(kāi)關(guān)，則α為1；Cs為新建一個(gè)開(kāi)關(guān)所需的年化固定投資成本；Ws為一個(gè)開(kāi)關(guān)的檢修、維護(hù)成本；PAL為系統(tǒng)總負(fù)荷值；Poi為第i個(gè)DG的實(shí)際出力值。

2.2 約束條件

模型的約束條件分為概率機(jī)會(huì)約束和常規(guī)等式、不等式約束兩類。考慮到不同狀態(tài)下主要影響的是電網(wǎng)的運(yùn)行情況，即電壓、網(wǎng)損、支路潮流等，因此，將與之相關(guān)的約束條件采用機(jī)會(huì)約束的形式給出，具體包括支路功率概率約束、DG接入容量概率約束、節(jié)點(diǎn)電壓概率約束。表達(dá)式分別見(jiàn)式(6)至式(8)。

(6)

P{PDGi(ξ)≤PLi}≥βDGi∈DDG

(7)

(8)

而模型中其他相對(duì)“確定”(即不受多狀態(tài)影響)的約束條件，依舊采取傳統(tǒng)的常規(guī)等式、不等式約束形式，包括功率平衡約束、DG安裝個(gè)數(shù)約束和DG安裝總?cè)萘考s束。表達(dá)式分別為式(9)至式(12)。

(9)

(10)

(11)

(12)

式中：Pa、Qa分別為節(jié)點(diǎn)a注入的有功功率和無(wú)功功率；Gab、Bab、δab分別為節(jié)點(diǎn)a、b之間的電導(dǎo)、電納與電壓相位差；Nnode為配電網(wǎng)中節(jié)點(diǎn)總數(shù)；Ua、Ub分別為節(jié)點(diǎn)a、b的電壓幅值；η為DG滲透率；PLdj為第j節(jié)點(diǎn)的有功負(fù)荷。

2.3 模型求解過(guò)程

遺傳算法是從一種模仿生物界的自然進(jìn)化過(guò)程演化而來(lái)的隨機(jī)化搜索算法，以其通用性強(qiáng)、具有自組織、自適應(yīng)和自學(xué)習(xí)性、不依賴問(wèn)題模型等特性，在配電網(wǎng)規(guī)劃中得到廣泛應(yīng)用。

配電網(wǎng)規(guī)劃中往往可供選擇的規(guī)劃方案數(shù)量龐大，故需要大規(guī)模種群多代進(jìn)化之后才能得到較理想的結(jié)果。然而標(biāo)準(zhǔn)遺傳算法在高階、長(zhǎng)距離的進(jìn)化過(guò)程中，交叉、變異操作有時(shí)會(huì)對(duì)最優(yōu)個(gè)體起破壞作用，故這里在標(biāo)準(zhǔn)遺傳算法的基礎(chǔ)上加入精英保留策略[10]，把種群進(jìn)化過(guò)程中每代最好的個(gè)體保存至額外的個(gè)體空間里，并讓它以100%的概率遺傳至下一代種群。

配電網(wǎng)規(guī)劃中可能遇到的另一個(gè)問(wèn)題是：幾種規(guī)劃方案對(duì)配電網(wǎng)的影響在各個(gè)方面均很接近，故無(wú)論如何選取目標(biāo)函數(shù)，都很難拉開(kāi)幾種方案的優(yōu)劣差距。在這種情況下，若采取常規(guī)適應(yīng)度函數(shù)的計(jì)算方法，群體中的高素質(zhì)個(gè)體也就失去了在進(jìn)化過(guò)程中的遺傳優(yōu)勢(shì)。針對(duì)此問(wèn)題，提出了一種適應(yīng)度函數(shù)自適應(yīng)策略，先將種群中的所有個(gè)體按優(yōu)劣程度進(jìn)行排序，再利用線性函數(shù)對(duì)最高級(jí)別個(gè)體到最低級(jí)別個(gè)體分別進(jìn)行適應(yīng)度賦值，具有相同適應(yīng)度的個(gè)體共享適應(yīng)度值。設(shè)所有個(gè)體已經(jīng)按照優(yōu)劣程度從高到低的順序排序，最優(yōu)個(gè)體的適應(yīng)度值為Kf，則余下個(gè)體的適應(yīng)度函數(shù)可由式(13)計(jì)算。

(13)

式中：F(x)為標(biāo)準(zhǔn)遺傳算法中的適應(yīng)度函數(shù)計(jì)算；F’(x)為改進(jìn)后的適應(yīng)度函數(shù)計(jì)算；Kp為種群中的個(gè)體數(shù)量。應(yīng)用適應(yīng)度函數(shù)自適應(yīng)策略后，優(yōu)質(zhì)個(gè)體將有更大概率遺傳至下一代；同時(shí)也增加了劣質(zhì)個(gè)體被淘汰的速度，從而有效提高了遺傳算法的優(yōu)化性能。采用改進(jìn)遺傳算法求解規(guī)劃模型的過(guò)程如圖1所示。

圖1 規(guī)劃模型計(jì)算流程圖

3 算例分析

以某地區(qū)實(shí)際電網(wǎng)3條10 kV饋線作為算例進(jìn)行計(jì)算分析，其網(wǎng)架結(jié)構(gòu)如圖2所示。3條饋線長(zhǎng)度共計(jì)31.92 km，總供電半徑約為 5 km。共有負(fù)荷節(jié)點(diǎn)152個(gè)，負(fù)荷共計(jì)16.06 MW和7.78 MVA，支路156條，其中包含3條待選新建支路及2條正常情況不投入運(yùn)行的饋線轉(zhuǎn)供支路。

下面針對(duì)以下幾種規(guī)劃方式進(jìn)行分析：

1)在系統(tǒng)中選取不多于4個(gè)節(jié)點(diǎn)加入DG，DG 候選安裝位置共有16個(gè),已在圖2中給出。DG候選安裝類型有風(fēng)機(jī)和光伏發(fā)電2種，分布式風(fēng)機(jī)采用的型號(hào)為Northern Power公司制造的NPS 100-24，切入、額定、切出風(fēng)速分別為3 m/s、7.5 m/s、25 m/s，額定功率為100 kW；光伏電池方陣組件選擇PILKINGTON SFM144Hx250wp型，每個(gè)組件面積為2.16 m2，光電轉(zhuǎn)換效率為13.44%，一個(gè)光伏電池方陣的組件個(gè)數(shù)為 400個(gè)，額定容量100 kW。風(fēng)機(jī)單節(jié)點(diǎn)安裝臺(tái)數(shù)不超過(guò)3臺(tái)，光伏電池方陣單節(jié)點(diǎn)安裝數(shù)不超過(guò)3個(gè)。

2)在圖2中的支路(1)、(8)、(11)所示位置新建線路。

圖2 算例配電系統(tǒng)

3)改變系統(tǒng)中已有聯(lián)絡(luò)開(kāi)關(guān)的狀態(tài)，其中：常閉聯(lián)絡(luò)開(kāi)關(guān)位于圖2中標(biāo)注的支路(2)、(3)、(4)、(6)、(7)、(9)、(10)；常開(kāi)聯(lián)絡(luò)開(kāi)關(guān)位于支路(5)、(12)，支路(5)和(12)為正常情況下不投入運(yùn)行的饋線轉(zhuǎn)供支路。

表2 多狀態(tài)模型參數(shù)

為分析配電網(wǎng)中的不確定性，由規(guī)劃區(qū)域氣象觀測(cè)數(shù)據(jù)計(jì)算風(fēng)速、光照強(qiáng)度的概率密度函數(shù)參數(shù)，Weibull分布中k為1.35，c為1.65；Beta分布中α為2.16，β為1.35，最大光照強(qiáng)度為820 W/m2?；谝陨辖Y(jié)果建立算例系統(tǒng)多狀態(tài)模型，其中分布式風(fēng)機(jī)、光伏發(fā)電的不確定狀態(tài)數(shù)為 4，負(fù)荷的不確定狀態(tài)數(shù)為 5， 各狀態(tài)下的具體參數(shù)見(jiàn)表2。

目標(biāo)函數(shù)中的相關(guān)價(jià)格參考文獻(xiàn)[11]，模型約束條件里，概率約束中的置信水平均取0.9；節(jié)點(diǎn)電壓上、下限分別為1.1 p.u.、0.9 p.u.，DG 最大滲透率為30%。

分別采用標(biāo)準(zhǔn)遺傳算法和改進(jìn)遺傳算法對(duì)算例進(jìn)行規(guī)劃計(jì)算，種群迭代過(guò)程如圖3所示。

圖3 算法迭代過(guò)程對(duì)比

由圖3可知，改進(jìn)的遺傳算法通過(guò)精英保留策略解決了最優(yōu)個(gè)體在進(jìn)化的過(guò)程中遭到破壞的問(wèn)題，通過(guò)適應(yīng)度函數(shù)自適應(yīng)策略增加了算法搜索過(guò)程中對(duì)優(yōu)質(zhì)個(gè)體的識(shí)別能力。由改進(jìn)遺傳算法求得的系統(tǒng)規(guī)劃方案見(jiàn)表3，規(guī)劃前后的費(fèi)用比較見(jiàn)表4。

分析表中規(guī)劃結(jié)果，DG在4個(gè)節(jié)點(diǎn)都接入最大容量300 kW，說(shuō)明在一定滲透率的范圍內(nèi)，DG的接入可以提高系統(tǒng)的經(jīng)濟(jì)性，且DG接入的容量越大，提高越明顯。4個(gè)節(jié)點(diǎn)接入的DG均為光伏發(fā)電，這可能是由于規(guī)劃區(qū)域深處內(nèi)陸山區(qū)，可利用的風(fēng)能十分有限，因此光伏發(fā)電的效益將高于風(fēng)力發(fā)電。4個(gè)DG接入節(jié)點(diǎn)都位于饋線A和饋線B上，這可能是由于這兩條線路本身負(fù)載較重，且線路始端有一段同桿架設(shè)的長(zhǎng)距離輸電線路，在這段線路上將產(chǎn)生較大的電能損耗，而DG的接入，無(wú)疑將使這一情形得到改善。網(wǎng)架結(jié)構(gòu)的調(diào)整與DG接入相配合，將饋線B上的11個(gè)負(fù)荷節(jié)點(diǎn)轉(zhuǎn)由饋線A供電，使此區(qū)域內(nèi)3條饋線的負(fù)荷量更加均衡。從費(fèi)用上來(lái)看，接入DG后除增加了設(shè)備投資費(fèi)用以外，電能損耗費(fèi)用、購(gòu)電費(fèi)用分別降低了18.17%，6.10%，采用規(guī)劃方案后此算例區(qū)域每年將節(jié)省210萬(wàn)元，比例達(dá)到6.73%。

表3 規(guī)劃方案

表4 費(fèi)用對(duì)比 單位：萬(wàn)元

4 結(jié) 論

1)依據(jù)概率分布對(duì)含DG的配電系統(tǒng)建立的綜合多狀態(tài)模型能較充分地反映配電系統(tǒng)中的不確定性。

2) 改進(jìn)的遺傳算法通過(guò)精英保留策略解決了最優(yōu)個(gè)體在進(jìn)化過(guò)程中遭到破壞的問(wèn)題。通過(guò)適應(yīng)度函數(shù)自適應(yīng)策略增加了算法搜索過(guò)程中對(duì)優(yōu)質(zhì)個(gè)體的識(shí)別能力，其在處理含DG接入的配電網(wǎng)規(guī)劃問(wèn)題時(shí)具有良好的運(yùn)行效率和收斂性能。

3)計(jì)及不確定性因素后，DG的接入與網(wǎng)架結(jié)構(gòu)的調(diào)整相配合仍能夠有效減小系統(tǒng)網(wǎng)損，提升配電網(wǎng)的經(jīng)濟(jì)效益。此外，不同類型DG的收益與其對(duì)應(yīng)可再生一次能源的豐富程度有很大關(guān)聯(lián)，故在DG選址定容定類的規(guī)劃過(guò)程中，不僅應(yīng)結(jié)合電力設(shè)備自身特點(diǎn)，規(guī)劃區(qū)域的氣象條件也應(yīng)被納入考慮范圍。

[1] 楊毅, 韋鋼, 周冰, 等. 分布式發(fā)電的規(guī)劃模型及其求解方法[J]. 上海電力學(xué)院學(xué)報(bào), 2010, 26(2): 113-118.

[2] 劉志鵬, 文福拴, 薛禹勝, 等. 計(jì)及可入網(wǎng)電動(dòng)汽車(chē)的分布式電源最優(yōu)選址和定容[J]. 電力系統(tǒng)自動(dòng)化, 2011, 35(18):11-16.

[3] 高軍彥, 麻秀范. 計(jì)及分布式發(fā)電的配電網(wǎng)擴(kuò)展規(guī)劃[J].中國(guó)電力, 2010, 43(2): 39-43.

[4] Vinicius F.Martins, Carmen L.T. Borges. Active Distribution Network Integrated Planning Incorporating Distributed Generation and Load Response Uncertainties[J]．IEEE Transactions on Power Systems, 2011, 26(4): 2164-2172.

[5] 李亮, 唐巍, 白牧可, 等. 考慮時(shí)序特性的多目標(biāo)分布式電源選址定容規(guī)劃[J].電力系統(tǒng)自動(dòng)化, 2013, 37(3): 58-63.

[6] 胡吟, 韋鋼, 言大偉, 等. 分布式電源在配電網(wǎng)中的優(yōu)化配置[J].電力系統(tǒng)保護(hù)與控制, 2012, 40(11): 100-105.

[7] 張璐, 唐巍, 叢鵬偉, 等. 基于機(jī)會(huì)約束規(guī)劃和二層規(guī)劃的配電網(wǎng)廣義電源優(yōu)化配置[J].電力系統(tǒng)自動(dòng)化, 2014, 38(5): 50-58.

[8] 徐玉琴, 李雪冬, 張繼剛, 等. 考慮分布式發(fā)電的配電網(wǎng)規(guī)劃問(wèn)題的研究[J].電力系統(tǒng)保護(hù)與控制, 2011, 39(1): 87-91.

[9] 王成山, 陳愷, 謝瑩華, 等. 配電網(wǎng)擴(kuò)展規(guī)劃中分布式電源的選址和定容[J].電力系統(tǒng)自動(dòng)化, 2006, 30(3):38-43.

[10] 閆若冰, 唐巍. 基于Pareto最優(yōu)前沿的中壓配電網(wǎng)多目標(biāo)無(wú)功優(yōu)化規(guī)劃[J].電力系統(tǒng)保護(hù)與控制, 2010, 38(24):115-119.

[11] 白牧可, 唐巍, 張璐, 等. 基于機(jī)會(huì)約束規(guī)劃的DG與配電網(wǎng)架多目標(biāo)協(xié)調(diào)規(guī)劃[J].電工技術(shù)學(xué)報(bào), 2013, 28(10): 346-354.

[12] Aboelsood Zidan, Mostafa F.Shaaban, Ehab F.El-Saadany. Long-term Multi-objective Distribution Network Planning by DG Allocation and Feeders′Reconfiguration[J].Electric Power Systems Research, 105(2013): 95-104.

[14] 莊園, 王磊. 分布式電源在配電網(wǎng)絡(luò)中優(yōu)化選址與定容的研究[J].電力系統(tǒng)保護(hù)與控制, 2012, 40(20):73-78.

With the penetration of distributed generation (DG), distribution network planning is faced with the uncertainties coming from both sides of power supply and load. Firstly, according to the probability density function, the multi-state model of distribution system is established, which represents the uncertainties by means of multi-state power flow calculation. Secondly, a comprehensive planning model of distribution network with DG and network structure adjustment based on the chance constrained programming is proposed, which is optimized by an improved genetic algorithm. By calculating and analyzing practical examples of distribution network in an area, it is demonstrated that the proposed algorithm has a good efficiency and convergence performance. The results show that the economic benefits are effectively improved by comprehensive planning of DG and the network reconfiguration.

distributed generation (DG); uncertainty; multi-state power flow calculation; chance constrained programming; improved genetic algorithm

TM727

A

1003-6954(2017)06-0034-05

楊 力(1965)，副教授，長(zhǎng)期從事配電網(wǎng)自動(dòng)化及可靠性研究。

2017-03-14)