計(jì)及風(fēng)-光時(shí)序相關(guān)特性的源-儲(chǔ)并網(wǎng)階段式規(guī)劃策略

王 典，潘 超，鹿 麗，張亞譜

(現(xiàn)代電力系統(tǒng)仿真控制與綠色電能新技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室(東北電力大學(xué))，吉林 吉林 132012)

隨著風(fēng)電、光伏等新能源發(fā)電技術(shù)的快速發(fā)展，將分布式電源(Distributed Generation，DG)大規(guī)模并入主動(dòng)配電網(wǎng)(Active Distribution Network，ADN)成為必然趨勢(shì)[1-2].隨著高滲透率風(fēng)、光等DG的并入，棄風(fēng)、棄光問題更加嚴(yán)重；同時(shí)，含有新能源的DG具有較高的隨機(jī)波動(dòng)性，會(huì)降低對(duì)ADN運(yùn)行穩(wěn)定性和經(jīng)濟(jì)性[3].儲(chǔ)能裝置(Energy Storage System，ESS)的并入可提高ADN運(yùn)行穩(wěn)定性[4].針對(duì)DG并網(wǎng)時(shí)的隨機(jī)性以及ESS配置的經(jīng)濟(jì)性進(jìn)行研究對(duì)配電網(wǎng)的安全穩(wěn)定運(yùn)行具有重要意義[5]，在此基礎(chǔ)上，ADN的源-儲(chǔ)并網(wǎng)規(guī)劃成為現(xiàn)階段的焦點(diǎn).

文獻(xiàn)[6]以年綜合費(fèi)用以及運(yùn)行風(fēng)險(xiǎn)最小為優(yōu)化目標(biāo)，建立了DG多目標(biāo)規(guī)劃模型，得到Pareto最優(yōu)解集，但未考慮DG時(shí)序特性與ESS規(guī)劃問題.文獻(xiàn)[7]考慮時(shí)序場(chǎng)景對(duì)DG出力進(jìn)行規(guī)劃，但未考慮利用ESS進(jìn)行風(fēng)光波動(dòng)的平抑.文獻(xiàn)[8]綜合考慮經(jīng)濟(jì)、電能質(zhì)量以及環(huán)保等因素建立ADN規(guī)劃評(píng)價(jià)體系，在分析ESS調(diào)控策略的基礎(chǔ)上建立DG多目標(biāo)規(guī)劃模型.文獻(xiàn)[9]采用改進(jìn)的PSO對(duì)多目標(biāo)優(yōu)化模型進(jìn)行求解，獲得DG安裝位置和安裝容量.PSO在ADN規(guī)劃中應(yīng)用非常廣泛，改進(jìn)PSO在尋優(yōu)效果和收斂性能方面顯著提高.文獻(xiàn)[10]考慮DG 出力與負(fù)荷的波動(dòng)性，采用多場(chǎng)景模擬技術(shù)將其不確定性轉(zhuǎn)化為多個(gè)具有代表性的離散場(chǎng)景處理，并將兩種模型的各個(gè)離散場(chǎng)景相聯(lián)合，引入聯(lián)合場(chǎng)景概率.然而，要獲得DG與負(fù)荷的多場(chǎng)景，需要大量的歷史數(shù)據(jù)，這在實(shí)踐中是很困難的.

基于風(fēng)、光時(shí)序相關(guān)及隨機(jī)波動(dòng)特征，本文提出源-儲(chǔ)并網(wǎng)階段式規(guī)劃策略.采用改進(jìn)模糊C均值聚類(Improved Fuzzy C-Means Clustering，IFCMC)算法對(duì)風(fēng)-光時(shí)序相關(guān)場(chǎng)景樣本進(jìn)行聚類，并計(jì)算各場(chǎng)景概率，生成ADN風(fēng)-光時(shí)序概率場(chǎng)景.從消納水平，分布式電源滲透率及電壓穩(wěn)定性、經(jīng)濟(jì)性等多個(gè)角度出發(fā)，建立多目標(biāo)規(guī)劃數(shù)學(xué)模型.將逼近理想解的灰色關(guān)聯(lián)度分析(Grey Relation Analysis，GRA)引入多目標(biāo)粒子群算法(Multi-objective Particle Swarm Optimization，MPSO)，利用基于灰色關(guān)聯(lián)度支配多目標(biāo)粒子群算法(MPSO-GRA)對(duì)多目標(biāo)規(guī)劃模型進(jìn)行求解，獲得源-儲(chǔ)并網(wǎng)決策方案，并采用電壓累計(jì)概率密度對(duì)規(guī)劃結(jié)果進(jìn)行評(píng)價(jià).對(duì)我國東北部某45節(jié)點(diǎn)配電系統(tǒng)進(jìn)行仿真分析，考慮源-儲(chǔ)并網(wǎng)規(guī)劃對(duì)ADN經(jīng)濟(jì)穩(wěn)定運(yùn)行的改善作用，研究多指標(biāo)因素下源-儲(chǔ)并網(wǎng)的最佳規(guī)劃方案.

1 主動(dòng)配電網(wǎng)時(shí)序場(chǎng)景

由于季節(jié)、地理位置及天氣等因素的影響，風(fēng)、光DG出力波動(dòng)性明顯，且存在著時(shí)序相關(guān)特性[11].因此，本文考慮風(fēng)、光時(shí)序相關(guān)性對(duì)源-儲(chǔ)并網(wǎng)進(jìn)行規(guī)劃.

1.1 DG出力模型

1.1.1 光伏出力

影響PV發(fā)電的決定性因素是光照強(qiáng)度[12]，光照強(qiáng)度受外界因素限制具有時(shí)序性，因此需要PV出力的時(shí)序特性進(jìn)行分析，其輸出功率的計(jì)算公式為

(1)

公式中：PPV(t)為t時(shí)刻PV輸出功率；R(t)為t時(shí)刻的光照強(qiáng)度；Rste為標(biāo)準(zhǔn)環(huán)境下的光照強(qiáng)度(通常為1 000 W/m2)；Rc為某個(gè)輻射點(diǎn)光照強(qiáng)度(通常為150 W/m2)；Prc為PV額定功率.

1.1.2 風(fēng)電出力

WT出力的決定性因素是風(fēng)速[13]，風(fēng)速受天氣等因素影響有著明顯的時(shí)序性，因此對(duì)WT出力的時(shí)序特性進(jìn)行分析，其輸出功率的計(jì)算公式為

(2)

公式中：Pw(t)為WT在t時(shí)刻的輸出功率；Prw為WT額定功率；v(t)為t時(shí)刻的風(fēng)速；vr為WT額定風(fēng)速；vin為WT啟動(dòng)風(fēng)速；vout為WT停機(jī)風(fēng)速.

1.2 時(shí)序場(chǎng)景的構(gòu)建

場(chǎng)景的聚類縮減是將運(yùn)行周期內(nèi)場(chǎng)景縮減為定量的典型場(chǎng)景，即特征相似的場(chǎng)景聚成一類，并選取各聚類中心代表這一類場(chǎng)景.考慮到WT和PV之間的時(shí)序相關(guān)性，本文基于IFCM算法構(gòu)建風(fēng)-光時(shí)序場(chǎng)景.采集k個(gè)等時(shí)間段的風(fēng)速-光照強(qiáng)度數(shù)據(jù)，并根據(jù)WT、PV出力模型轉(zhuǎn)化為風(fēng)、光功率，用X表示縮減前全年場(chǎng)景集合中的“風(fēng)-光”場(chǎng)景.

(3)

若風(fēng)-光功率樣本集可劃分成G個(gè)場(chǎng)景，則隨機(jī)生成G個(gè)初始聚類中心

(4)

樣本Xn到第g類場(chǎng)景初始聚類中心的歐式距離用Dng表示，其計(jì)算公式為

(5)

樣本Xn隸屬于第g個(gè)初始聚類中心的程度，可用隸屬度ρng表示，其計(jì)算公式為

(6)

公式中：C為模糊加權(quán)指標(biāo)，一般取2.當(dāng)Xn到g場(chǎng)景的ρng值最大，則把Xn劃分到第g類場(chǎng)景.遍歷完所有風(fēng)-光功率樣本組，完成聚類劃分.更新聚類中心，并以此聚類中心作為下次迭代的初始聚類中心，計(jì)算公式為

(7)

式中：Cg為第g類場(chǎng)景所有樣本；Ng為第g類場(chǎng)景包含的樣本數(shù)；s為迭代次數(shù).

假設(shè)第g個(gè)聚類中心中包含的原始風(fēng)-光功率樣本數(shù)為kg，其場(chǎng)景的概率用pg表示，即配電網(wǎng)時(shí)序全場(chǎng)景包含G個(gè)風(fēng)-光時(shí)序場(chǎng)景，每種場(chǎng)景概率的計(jì)算公式為

pg=kg/k.

(8)

ADN時(shí)序場(chǎng)景的構(gòu)建步驟如下：

(1)根據(jù)WT、PV出力模型，將采集的風(fēng)速和光照強(qiáng)度時(shí)序樣本轉(zhuǎn)換為風(fēng)-光時(shí)序功率樣本集；

(2)給定最佳聚類場(chǎng)景數(shù)G，并從樣本集隨機(jī)生成G個(gè)初始聚類中心Zg(1)；

(3)計(jì)算Xn到Zg的歐式距離及隸屬度，并根據(jù)ρng的大小對(duì)Xn進(jìn)行分類；

(4)計(jì)算新的聚類中心，并作為下次迭代的初始聚類中心；

2 源-儲(chǔ)多目標(biāo)規(guī)劃模型

2.1 電壓指標(biāo)

隨著分布式電源滲透率的提高，ADN的電壓質(zhì)量會(huì)受到一定影響，甚至?xí)霈F(xiàn)電壓越限的問題，因此需要提高電壓質(zhì)量以滿足ADN運(yùn)行穩(wěn)定性，電壓指標(biāo)計(jì)算公式為

(9)

公式中：l為支路數(shù)；Ui為節(jié)點(diǎn)i的電壓值；Rij和Xij分別為支路l的電阻值和電抗值；Pj和Qj分別為節(jié)點(diǎn)j的有功功率和無功功率；節(jié)點(diǎn)i和節(jié)點(diǎn)j分別為支路l的首末端.

計(jì)算所有支路的Vk，從中選取最大值作為電壓穩(wěn)定性的衡量指標(biāo)，相應(yīng)計(jì)算公式為

f1=max{V1，V2，V3，…，Vl，…，VL}，

(10)

公式中：L為支路總個(gè)數(shù).其中f1越小，表示ADN電壓質(zhì)量越好；反之越差，相應(yīng)目標(biāo)函數(shù)為min(f1).

2.2 經(jīng)濟(jì)效益指標(biāo)

(11)

公式中：BADN、CADN分別表示ADN規(guī)劃的年效益、年成本.其中f2越大，表示經(jīng)濟(jì)性越好；反之越差，相應(yīng)目標(biāo)函數(shù)為max(f2).

ADN運(yùn)行的成本費(fèi)用CADN包括DG安裝及運(yùn)行維護(hù)費(fèi)用CDG、儲(chǔ)能裝置安裝及運(yùn)行費(fèi)用CESS、ADN網(wǎng)絡(luò)運(yùn)行費(fèi)用CL、電壓越限的損耗費(fèi)用CV，其計(jì)算公式為

CADN=CDG+CESS+CL+CV，

(12)

(1)DG運(yùn)行費(fèi)用CDG相應(yīng)計(jì)算公式為

(13)

公式中：T為調(diào)度的總時(shí)長(zhǎng)；N為節(jié)點(diǎn)的個(gè)數(shù)；SDG,i為節(jié)點(diǎn)i的DG安裝容量；CDG,I為單位容量DG投資費(fèi)用；λDG為折現(xiàn)率；CDG,M為單位容量DG的維護(hù)費(fèi)用。

(2)儲(chǔ)能裝置的運(yùn)行費(fèi)用CESS

儲(chǔ)能裝置的運(yùn)行費(fèi)用CESS包括儲(chǔ)能投資費(fèi)用CESS,I和調(diào)用成本CESS,C，相應(yīng)計(jì)算公式為

(14)

(3)網(wǎng)絡(luò)運(yùn)行費(fèi)用CO

網(wǎng)絡(luò)運(yùn)行費(fèi)用CO主要包括電網(wǎng)的購電費(fèi)用和網(wǎng)損費(fèi)用，相應(yīng)計(jì)算公式為

(15)

公式中：CP為從電網(wǎng)中的購電單價(jià)；SP為從電網(wǎng)中的購電量；CLOSS為單位網(wǎng)損成本；PLOSS為網(wǎng)損.

(4)電壓越限的損耗費(fèi)用CV

(16)

公式中：CVL為電壓越限的損耗費(fèi)用；V為單位時(shí)間電壓越限范圍。

ADN收益主要包括DG發(fā)電收益和政府補(bǔ)貼，計(jì)算公式為

(17)

公式中：BG為DG單位容量發(fā)電收益；BS為DG單位容量的政府補(bǔ)貼。ηi為節(jié)點(diǎn)i處DG的發(fā)電效率。

2.3 風(fēng)、光消納指標(biāo)

風(fēng)、光消納指標(biāo)是影響源-儲(chǔ)并網(wǎng)規(guī)劃的原因之一[15]，計(jì)算公式為

(18)

2.4 DG滲透指標(biāo)

DG滲透率的計(jì)算公式為

(19)

公式中：SDG，i為節(jié)點(diǎn)i處分布式電源出力；SL，i為節(jié)點(diǎn)i處負(fù)荷功率.分布式電源最大滲透率越高，規(guī)劃水平越好，相應(yīng)目標(biāo)函數(shù)為max(f4).

2.5 約束條件

(1)等式約束

對(duì)于含分布式電源的節(jié)點(diǎn)，功率平衡方程為

(20)

公式中：PGi、QGi分別為節(jié)點(diǎn)i的有功和無功功率；PLi、QLi分別為節(jié)點(diǎn)i的有功負(fù)荷和無功負(fù)荷；ΔPi、ΔQi分別為節(jié)點(diǎn)i分布式電源的有功和無功變化；Ui為節(jié)點(diǎn)i的電壓；Gij、Bij、θij分別為節(jié)點(diǎn)i和j之間的電導(dǎo)、電納和相角差.

(2)不等式約束

(21)

3 階段式規(guī)劃方法

3.1 基于MPSO-GRA的優(yōu)化方法

3.1.1 MPSO算法

以最小化為例，多目標(biāo)優(yōu)化問題[17]可表示為

minF(x)={f1(x)，f2(x)，…，fm(x)}，
s.t.g(x)≤0，

(22)

公式中：x為決策變量；m為目標(biāo)函數(shù)個(gè)數(shù)；g(x)為約束函數(shù).

粒子群算法的粒子速度、位置公式為

(23)

(24)

3.1.2 GRA支配策略

首先判斷各個(gè)指標(biāo)方向性，f1為負(fù)向指標(biāo)，期望值越小越好；f2、f3、f4為正向指標(biāo)，期望值越大越好.為便于計(jì)算，需將指標(biāo)進(jìn)行同向處理，即將負(fù)向指標(biāo)轉(zhuǎn)化正向指標(biāo)[18]，其轉(zhuǎn)化方式為

(25)

公式中：fpq為第p個(gè)規(guī)劃規(guī)劃方案的第q個(gè)指標(biāo)對(duì)應(yīng)的指標(biāo)值；fpq+為同向處理后的指標(biāo)值.

第p個(gè)規(guī)劃方案與第q個(gè)指標(biāo)的的關(guān)聯(lián)度

(26)

公式中：NS為規(guī)劃方案?jìng)€(gè)數(shù)；NI為多目標(biāo)指標(biāo)個(gè)數(shù)；f0q為第q個(gè)指標(biāo)理想狀態(tài)對(duì)應(yīng)的目標(biāo)值；ρ為分辨系數(shù).

圖1 階段式優(yōu)化流程

各規(guī)劃方案與理想方案的關(guān)聯(lián)度

(27)

Tp數(shù)值越大表示方案p規(guī)劃效果越好.

GRA支配策略具體步驟如下：

(1)計(jì)算Tp，在迭代到第s代時(shí)，保留當(dāng)前解集中Tp最優(yōu)的個(gè)體Tbest，p；

(2)與下一代群體中的個(gè)體進(jìn)行比較，若在下一代群體中T′p都不大于Tbest，p，則把Tbest，p加入到該群體中；

(3)保證群體規(guī)模不變，淘汰掉該群體中Tp最差的個(gè)體.

3.2 階段式規(guī)劃流程

階段式規(guī)劃流程，如圖1所示.

4 算例分析

以東北地區(qū)某45節(jié)點(diǎn)的配電系統(tǒng)為研究對(duì)象，系統(tǒng)總負(fù)荷為29.726MW+j17.535Mvar，系統(tǒng)接線如圖2所示.系統(tǒng)接入可再生能源包括WT和PV，其中，WT的裝機(jī)容量為12 MW，PV裝機(jī)容量為4 MW.

將該地區(qū)全年中每個(gè)小時(shí)的風(fēng)速、光照強(qiáng)度轉(zhuǎn)化為風(fēng)、光功率數(shù)據(jù)，得到全年的原始風(fēng)-光時(shí)序場(chǎng)景.根據(jù)IFCM對(duì)原始場(chǎng)景進(jìn)行聚類，結(jié)合該地區(qū)配電系統(tǒng)運(yùn)行特點(diǎn)，將系統(tǒng)潮流按照風(fēng)-光功率波動(dòng)情況分為30類，統(tǒng)計(jì)其發(fā)生概率進(jìn)行排序，結(jié)果如表1所示.

表1中風(fēng)光電源0出力場(chǎng)景的發(fā)生概率為0.062 1，風(fēng)-光電源70%以上出力場(chǎng)景的累積概率為0.093 1.表明該地區(qū)全年光照強(qiáng)度較高、風(fēng)速較大，且風(fēng)光功率波動(dòng)較大，從而影響了新能源在該配電系統(tǒng)中的消納水平.

圖2 45節(jié)點(diǎn)配電系統(tǒng)

表1 風(fēng)-光時(shí)序場(chǎng)景分類

ADN經(jīng)濟(jì)性參數(shù)，如表2所示[19-20].

表2 DG投資效益相關(guān)參數(shù)

圖3 DG并網(wǎng)規(guī)劃pareto解分布

4.1 計(jì)及時(shí)序場(chǎng)景的源-儲(chǔ)多目標(biāo)規(guī)劃

綜合考慮DG滲透率、經(jīng)濟(jì)效益以及電壓穩(wěn)定性對(duì)DG出力進(jìn)行多目標(biāo)規(guī)劃.采用MPSO-GRA算法，初始種群大小為100，最大迭代次數(shù)為200，學(xué)習(xí)因子c1=c2=1.5，ρ為0.5，A為0.4.得到Pareto解集，如圖3所示.

圖3中基于時(shí)序全場(chǎng)景的DG并網(wǎng)規(guī)劃Pareto解集分布較均勻，說明所用算法具有較好的全局搜索能力，能夠從不同指標(biāo)角度提供多樣的規(guī)劃方案.Pareto解集可劃分為三個(gè)區(qū)域：區(qū)域a的解集表現(xiàn)為DG滲透率較高，經(jīng)濟(jì)效益較高，但電壓穩(wěn)定性比較低；區(qū)域c解集則表現(xiàn)為DG滲透率較低，經(jīng)濟(jì)效益較低，但電壓穩(wěn)定性比較高；區(qū)域b的解集表示優(yōu)化目標(biāo)結(jié)果介于a、c區(qū)域之間.從Pareto解集中選取三種典型的規(guī)劃方案進(jìn)行分析，結(jié)果如表3中方案2～方案4所示.表3中f1的期望值為0 p.u；f3的期望值為1 p.u；f4的期望值為1 p.u.對(duì)f2進(jìn)行去量綱處理，由大量仿真得到f2最大值為1.18，并以1.18為基準(zhǔn)值對(duì)f2進(jìn)行去量綱處理f2，=f2/1.18，此時(shí)該指標(biāo)的期望值為1 p.u.

表3 典型規(guī)劃方案

表3中，方案1為DG未并網(wǎng)的配置方案，方案2～方案4為時(shí)序全場(chǎng)景下的DG配置方案，方案5為僅考慮場(chǎng)景6的DG配置方案.不難看出，方案5的評(píng)價(jià)指標(biāo)相對(duì)最優(yōu).將方案5的DG配置應(yīng)用于時(shí)序全場(chǎng)景，得到各評(píng)價(jià)指標(biāo)見方案6.結(jié)果表明，雖然單場(chǎng)景配置方案具有較高的評(píng)價(jià)指標(biāo)，但基于單一場(chǎng)景對(duì)ADN進(jìn)行源-儲(chǔ)規(guī)劃存在明顯的局限性；相對(duì)而言，計(jì)及風(fēng)-光時(shí)序全場(chǎng)景的多目標(biāo)規(guī)劃方案具有較強(qiáng)的泛化能力.

綜合考慮電壓穩(wěn)定性、消納水平和經(jīng)濟(jì)效益三方面因素對(duì)ESS進(jìn)行規(guī)劃，結(jié)合表3中方案2～方案4的配置信息，對(duì)ESS接入進(jìn)行規(guī)劃，結(jié)果如表4所示.

表4 ESS規(guī)劃方案

圖4 規(guī)劃結(jié)果分析

由表3和表4可知，ESS接入后各方案配置的評(píng)價(jià)指標(biāo)均得到較大改善，說明ESS的平抑作用能夠削弱風(fēng)光隨機(jī)波動(dòng)性對(duì)系統(tǒng)電壓穩(wěn)定性的影響，同時(shí)也提高了新能源消納水平，進(jìn)而提高了ADN經(jīng)濟(jì)效益.

以場(chǎng)景6為例，采用MPSO、Pareto支配型MPSO[21]及MPSO-GRA算法對(duì)源-儲(chǔ)并網(wǎng)多目標(biāo)規(guī)劃問題進(jìn)行求解，對(duì)比三種方法的尋優(yōu)能力與計(jì)算效率，結(jié)果如圖4所示.

由圖4可知，MPSO尋優(yōu)效果較好，但因其缺乏有效的支配策略易陷入局部尋優(yōu)，進(jìn)而導(dǎo)致其計(jì)算效率低；Pareto支配型MPSO因其對(duì)Pareto前沿個(gè)體進(jìn)行排序提高了算法計(jì)算效率，但隨著迭代次數(shù)以及指標(biāo)數(shù)量的增加，種群規(guī)模不斷擴(kuò)大，算法易陷入局部尋優(yōu)導(dǎo)致收斂精度及尋優(yōu)效果較差[22]；MPSO-GRA引入不受指標(biāo)數(shù)量影響的GRA支配策略，在保證計(jì)算效率的基礎(chǔ)上有效的提高了算法的全局搜索能力.

4.2 源-儲(chǔ)規(guī)劃方案評(píng)價(jià)

以電壓幅值累計(jì)概率密度為評(píng)價(jià)指標(biāo)評(píng)估源-儲(chǔ)并網(wǎng)規(guī)劃對(duì)系統(tǒng)電壓穩(wěn)定性的影響.在時(shí)序全場(chǎng)景下對(duì)DG并網(wǎng)規(guī)劃后的ADN進(jìn)行潮流計(jì)算，以11節(jié)點(diǎn)、28節(jié)點(diǎn)為例，其電壓幅值累計(jì)概率密度分布，如圖5所示.

圖5 DG并網(wǎng)后電壓幅值累計(jì)概率密度分布

圖6 源-儲(chǔ)并網(wǎng)規(guī)劃前后電壓幅值累計(jì)概率密度分布

圖5中由于DG時(shí)序波動(dòng)特性的影響，系統(tǒng)電壓會(huì)發(fā)生較大變化，甚至?xí)霈F(xiàn)電壓越限的問題.其中11節(jié)點(diǎn)電壓波動(dòng)性強(qiáng)于28節(jié)點(diǎn)，分析其原因是由于11節(jié)點(diǎn)處接入了WT且配置容量較大，電壓受WT出力的時(shí)序波動(dòng)性影響較大.

在時(shí)序全場(chǎng)景下對(duì)源-儲(chǔ)并網(wǎng)規(guī)劃前后ADN的潮流進(jìn)行計(jì)算，其電壓幅值累計(jì)概率密度分布如圖6所示.

圖6中，源-儲(chǔ)并網(wǎng)規(guī)劃前ADN的電壓波動(dòng)性較大；相比之下，源-儲(chǔ)并網(wǎng)規(guī)劃后系統(tǒng)電壓水平顯著提高.結(jié)果表明，源-儲(chǔ)并網(wǎng)階段式規(guī)劃使系統(tǒng)電壓幅值累計(jì)概率分布更為集中，有效的改善了系統(tǒng)的電壓穩(wěn)定.

5 結(jié) 論

計(jì)及風(fēng)光時(shí)序相關(guān)性，采用MPSO-GRA對(duì)源-儲(chǔ)并網(wǎng)進(jìn)行規(guī)劃，得到以下結(jié)論：

(1)風(fēng)-光時(shí)序場(chǎng)景能較好的模擬WT、PV時(shí)序性，在此基礎(chǔ)上對(duì)ADN源-儲(chǔ)并網(wǎng)進(jìn)行規(guī)劃，能夠提高規(guī)劃的可靠性；

(2)本文采用MPSO-GRA能夠提高全局尋優(yōu)性能，得到源-儲(chǔ)多目標(biāo)規(guī)劃解集；

(3)從概率角度對(duì)ADN電壓穩(wěn)定性進(jìn)行了評(píng)價(jià)，結(jié)果表明源-儲(chǔ)階段式規(guī)劃方法能保證DG并入配的電壓穩(wěn)定性.