提升配電網(wǎng)供電性能的風(fēng)-光-儲(chǔ)兩階段規(guī)劃與配置

劉華晶，許振波，董苒，王佳偉，秦文萍

(1.太原理工大學(xué) 電力系統(tǒng)運(yùn)行與控制山西省重點(diǎn)實(shí)驗(yàn)室，太原 030024；2.國網(wǎng)山西省電力公司經(jīng)濟(jì)技術(shù)研究院，太原 030000)

0 引 言

隨著化石能源的短缺，分布式電源(DG)以其發(fā)電方式靈活、環(huán)保等優(yōu)點(diǎn)[1]，常以直接或者微網(wǎng)的形式接入配電網(wǎng)當(dāng)中[2]。合理地在配電網(wǎng)中規(guī)劃DG有助于提升電壓質(zhì)量、改善電力供需矛盾、減少電網(wǎng)損耗，不合理的接入則會(huì)帶來潮流逆變、供電可靠性降低以及諧波污染等問題[3-6]。與此同時(shí)，儲(chǔ)能憑借快速的功率調(diào)節(jié)和靈活的能量管理策略能在一定程度上平抑DG帶來的不利影響[7-9]，國家發(fā)改委發(fā)布的《可再生能源“十三五”規(guī)劃》已將其應(yīng)用和突破作為“十三五”期間的主要任務(wù)。

目前，國內(nèi)外很多學(xué)者從不同角度對(duì)于分布式電源以及儲(chǔ)能在配電網(wǎng)當(dāng)中的規(guī)劃與配置進(jìn)行了很多的研究。文獻(xiàn)[10]采用全年綜合成本最小作為目標(biāo)函數(shù)，建立風(fēng)-光-儲(chǔ)選址定容的規(guī)劃模型，并采用粒子群算法進(jìn)行求解。文獻(xiàn)[11]構(gòu)建AND雙層規(guī)劃模型，過程中計(jì)及DG隨機(jī)性波動(dòng)出力，改善了系統(tǒng)電壓水平，并用概率潮流的方法進(jìn)行評(píng)估。文獻(xiàn)[12]兼顧系統(tǒng)的穩(wěn)定性和經(jīng)濟(jì)型對(duì)儲(chǔ)能進(jìn)行配置，外層使儲(chǔ)能的初始投資最低，內(nèi)層使系統(tǒng)聯(lián)絡(luò)線功率最低，最后選取不同季節(jié)數(shù)據(jù)仿真證明方法的有效性。文獻(xiàn)[13]建立考慮投資效益、系統(tǒng)電壓偏差、污染氣體排放量的多目標(biāo)數(shù)學(xué)模型，使用改進(jìn)多目標(biāo)粒子群算法對(duì)模型求解。文獻(xiàn)[14]提出一種以網(wǎng)損靈敏度方差為標(biāo)準(zhǔn)確定儲(chǔ)能的接入位置，并使用基于模擬退火的粒子群算法對(duì)儲(chǔ)能充/放電優(yōu)化，以此確定儲(chǔ)能的最優(yōu)接入容量。文獻(xiàn)[15]提出一種考慮儲(chǔ)能調(diào)度方案來改善電能質(zhì)量的優(yōu)化配置方法，建立了儲(chǔ)能投資成本、線路損耗費(fèi)用、購電費(fèi)用和電壓偏差最小的多目標(biāo)模型，并使用層次分析法將其轉(zhuǎn)化為單目標(biāo)求解問題，最后利用分支定界和序二次規(guī)劃法求解。

綜上所述，當(dāng)前對(duì)于分布式電源和儲(chǔ)能的規(guī)劃與配置主要集中在改善電網(wǎng)側(cè)電能質(zhì)量，減少投資和運(yùn)維成本上[16]。對(duì)于從提升配電網(wǎng)供電性能角度出發(fā)進(jìn)行配電網(wǎng)規(guī)劃與配置的研究較少，且較少有文獻(xiàn)從負(fù)荷側(cè)角度進(jìn)行考慮，對(duì)分布式電源和儲(chǔ)能進(jìn)行規(guī)劃與配置。因而，文中針對(duì)分布式電源以及儲(chǔ)能不合理規(guī)劃所造成供電可靠性下降、接入點(diǎn)電壓波動(dòng)加劇的問題，從負(fù)荷側(cè)角度出發(fā)建立含風(fēng)-光-儲(chǔ)電源的配電網(wǎng)兩階段規(guī)劃與配置模型。第一階段模型從有功網(wǎng)損靈敏度出發(fā)確定分布式電源的安裝位置和容量，第二階段模型建立儲(chǔ)能接入容量、系統(tǒng)電壓穩(wěn)定指標(biāo)和負(fù)荷缺電率的多目標(biāo)規(guī)劃模型，同時(shí)基于節(jié)點(diǎn)等效平均負(fù)荷的策略對(duì)儲(chǔ)能優(yōu)化運(yùn)行。通過混合智能求解算法求解第二階段模型。最后，在IEEE-33節(jié)點(diǎn)系統(tǒng)上對(duì)其測試仿真，驗(yàn)證所提方法的可行性。

1 風(fēng)-光-儲(chǔ)兩階段規(guī)劃模型

1.1 第一階段規(guī)劃模型

為防止節(jié)點(diǎn)接入DG容量過大導(dǎo)致電壓越限，第一階段規(guī)劃模型以有功網(wǎng)損靈敏度為指導(dǎo)確定DG的安裝位置以及容量，等效原理圖如圖1所示。

圖1 配電網(wǎng)節(jié)點(diǎn)等效原理圖

各節(jié)點(diǎn)對(duì)根節(jié)點(diǎn)的有功網(wǎng)損靈敏度為：

2Pi∑Rsi·(Pi∑Rsi+Qi∑Xsi)|

(1)

式中Pi和Qi為待選節(jié)點(diǎn)i處有功功率和無功功率的等效值；∑Rsi和∑Xsi為待選節(jié)點(diǎn)i至根節(jié)點(diǎn)的電阻和電抗的等效值。

系統(tǒng)各負(fù)荷節(jié)點(diǎn)的有功網(wǎng)損靈敏度是描述在該節(jié)點(diǎn)注入有功對(duì)網(wǎng)損改變的程度，由式(1)可知，節(jié)點(diǎn)i的有功網(wǎng)損靈敏度Mi值越大,則在該節(jié)點(diǎn)注入有功功率對(duì)于系統(tǒng)的網(wǎng)損改善越明顯。反之，節(jié)點(diǎn)i的Mi值越趨近于0，對(duì)于系統(tǒng)的網(wǎng)損改善越小。因此，可以對(duì)待接入節(jié)點(diǎn)的Mi值的大小進(jìn)行排序，同時(shí)結(jié)合待安裝節(jié)點(diǎn)的負(fù)荷特性確定風(fēng)-光電源的安裝位置和容量。

假定電網(wǎng)中待安裝電源的數(shù)量為n，則節(jié)點(diǎn)i安裝DG的有功功率和無功功率為：

(2)

QDG,i=PDG,i×tanφ

(3)

式中η為接入DG總有功功率在全系統(tǒng)總有功負(fù)荷中的比重；Psum-load為系統(tǒng)總有功功率負(fù)荷；f為待安裝DG位置集合；φ為待安裝DG的功率因數(shù)角。

1.2 第二階段規(guī)劃模型

1.2.1 儲(chǔ)能接入容量

考慮到當(dāng)前儲(chǔ)能安裝和配置成本較高的問題，在優(yōu)化電網(wǎng)性能的同時(shí)期望安裝儲(chǔ)能的容量盡可能少。因此，將安裝儲(chǔ)能的總?cè)萘孔鳛閮?yōu)化目標(biāo)函數(shù)。額定容量為規(guī)劃運(yùn)行時(shí)間T內(nèi)儲(chǔ)能的最大充電/放電能量。

(4)

式中t0為系統(tǒng)最大充電/放電起始時(shí)刻；t0+nΔt為儲(chǔ)能系統(tǒng)最大充電/放電終止時(shí)間；PESSj(i)為j儲(chǔ)能系統(tǒng)在時(shí)間i處的充電/放電功率；Δt為時(shí)間間隔；NESS為接入儲(chǔ)能裝置個(gè)數(shù)。

1.2.2 系統(tǒng)電壓穩(wěn)定指標(biāo)

電壓質(zhì)量的惡化主要是由于系統(tǒng)無功缺乏造成的，根據(jù)網(wǎng)絡(luò)潮流計(jì)算建立系統(tǒng)電壓穩(wěn)定指標(biāo)[17](Voltage stability index of the Whole System，VWS)為：

(5)

式中N為待選安裝節(jié)點(diǎn)總數(shù)；Ui和Ui+1為節(jié)點(diǎn)i和節(jié)點(diǎn)i+1處電壓幅值標(biāo)幺值，計(jì)算時(shí)取根節(jié)點(diǎn)處電壓為基準(zhǔn)值。

由式(5)可知，當(dāng)支路末端節(jié)點(diǎn)電壓幅值標(biāo)幺值下降為首端電壓幅值標(biāo)幺值一半時(shí)，系統(tǒng)當(dāng)中電壓將出現(xiàn)奔潰。因此，為確保系統(tǒng)運(yùn)行時(shí)的電能質(zhì)量，電壓穩(wěn)定指標(biāo)越大越好。

1.2.3 負(fù)荷缺電率

負(fù)荷缺電率(Loss of Power Supply Probability，LPSP)表示在運(yùn)行時(shí)間段當(dāng)中不能滿足負(fù)荷有功功率需求的概率。負(fù)荷缺電率計(jì)算公式為:

LLPS(t)=Pload(t)-[αPWT(t)+βPPV(t)+γPESS(t)]

(6)

(7)

式中Pload(t)、PWT(t)、PPV(t)和PESS(t)為t時(shí)刻負(fù)荷、風(fēng)機(jī)、光伏的功率和儲(chǔ)能的充/放電功率；α、β、γ為系統(tǒng)中是否有風(fēng)機(jī)、光伏、儲(chǔ)能接入，其值取0或1，T為運(yùn)行總時(shí)間。

1.3 約束條件

1.3.1 等式約束條件

(1) 潮流約束

(8)

式中Ui和Uj為節(jié)點(diǎn)和節(jié)點(diǎn)電壓幅值；Gij和Bij為節(jié)點(diǎn)i和j之間的導(dǎo)納的實(shí)部與虛部；θij為節(jié)點(diǎn)i和j之間的相角差。

1.3.2 不等式約束條件

(1) 節(jié)點(diǎn)電壓約束，即：

Vmin≤Vij≤Vmax

(9)

式中Vmin、Vmax為各節(jié)點(diǎn)電壓幅值的界限。

(2) 儲(chǔ)能功率約束，即：

PESS-min≤PESS≤PESS-max

(10)

式中PESS-min、PESS-max為儲(chǔ)能系統(tǒng)功率的界限。

(3) 儲(chǔ)能能量平衡約束，即：

(11)

2 基于節(jié)點(diǎn)平均等效負(fù)荷的儲(chǔ)能充/放電優(yōu)化策略

配電網(wǎng)中接入風(fēng)機(jī)和光伏以后，其電源出力的不穩(wěn)定和負(fù)荷功率的變化加劇了系統(tǒng)功率的波動(dòng)[18]，為充分發(fā)揮儲(chǔ)能在第二階段規(guī)劃過程中改善配電網(wǎng)電能質(zhì)量和可靠性方面的作用，提出了一種基于節(jié)點(diǎn)等效平均負(fù)荷的儲(chǔ)能協(xié)調(diào)優(yōu)化策略，計(jì)算流程如圖2所示。

圖2 儲(chǔ)能充/放電優(yōu)化策略流程

基本原理如下：

節(jié)點(diǎn)i在t時(shí)刻的節(jié)點(diǎn)等效負(fù)荷以及節(jié)點(diǎn)平均等效負(fù)荷計(jì)算公式如下：

Peq,i(t)=Pload(t)-[αPWT(t)+βPPV(t)]

(12)

(13)

式中Peq,i(t)和Pav,i為在t時(shí)刻節(jié)點(diǎn)i的等效負(fù)荷以及節(jié)點(diǎn)i的平均等效負(fù)荷,其中Peq,i(t)反映了節(jié)點(diǎn)i負(fù)荷需求的波動(dòng)情況。

基于節(jié)點(diǎn)平均等效負(fù)荷的儲(chǔ)能協(xié)調(diào)優(yōu)化策略具體方案如下：

(1)如果Peq,i(t)小于Pav,i程度較大，則此時(shí)負(fù)荷的功率需求量處于低谷階段，此時(shí)負(fù)荷節(jié)點(diǎn)可以進(jìn)行充電儲(chǔ)存電網(wǎng)中過剩的DG功率，用于在負(fù)荷高峰階段釋放；

(2)如果Peq,i(t)與Pav,i相差程度不大，說明此時(shí)的功率供需關(guān)系基本維持平衡，此時(shí)儲(chǔ)能既不充電也不放電；

(3)如果Peq,i(t)大于Pav,i程度較大，則此時(shí)的負(fù)荷的功率需求量處于高峰階段，此時(shí)負(fù)荷節(jié)點(diǎn)通過釋放在低谷階段儲(chǔ)能的DG功率，用于彌補(bǔ)功率需求上的差額。

3 兩階段規(guī)劃模型求解

模型求解時(shí)，第一階段模型根據(jù)有功網(wǎng)絡(luò)靈敏度同時(shí)確定DG安裝位置和容量；第二階段模型以接入儲(chǔ)能容量最小，系統(tǒng)電壓穩(wěn)定指標(biāo)最大和負(fù)荷缺電率最小為多目標(biāo)函數(shù)確定儲(chǔ)能的安裝方案；基于傳統(tǒng)多目標(biāo)粒子群算法存在慣性權(quán)重缺乏指導(dǎo)，種群多樣性缺乏，易造成求解結(jié)果陷入局部最優(yōu)的問題，提出一種混合智能求解算法進(jìn)行求解第二階段規(guī)劃模型。最后，采用序數(shù)偏好法[19-20](TOPSIS)對(duì)求解結(jié)果進(jìn)行儲(chǔ)能接入方案選擇。

3.1 混合智能求解算法原理及改進(jìn)措施

3.1.1 多目標(biāo)粒子群算法基本原理介紹

粒子群算法(PSO)是一種在1995年提出的智能優(yōu)化算法[21-22]。它的基本原理是隨機(jī)產(chǎn)生由粒子組成的群體。通過不斷更新速度和位置獲得所在空間的全局最優(yōu)解，速度和位置更新方式如下:

(14)

(15)

3.1.2 混合智能求解算法

針對(duì)多目標(biāo)粒子群算法存在慣性因子缺乏指導(dǎo)，種群多樣性缺乏以及結(jié)果容易陷入局部最優(yōu)的問題[23]，在對(duì)其進(jìn)行改進(jìn)基礎(chǔ)上結(jié)合NSGA-II算法的優(yōu)勢選擇策略形成所提出的混合智能求解算法，其具體改進(jìn)措施如下：

(16)

(17)

式中D為空間維數(shù)；N為當(dāng)前迭代次數(shù)；Nmax為最大迭代次數(shù)；xmax和xmin為粒子位置變化上下界；ws和we為慣性權(quán)重的起始值和終止值。

(2)引入交叉變異操作：為增強(qiáng)粒子群算法在計(jì)算中的種群多樣性，對(duì)其進(jìn)行交叉變異操作，交叉變異以粒子當(dāng)前位置與種群最優(yōu)位置的差值為前提。具體步驟如下：

(a)確定出交叉變異概率pc和pm，以及差值X的閾值Xmin；

(b)判斷粒子i的差值Xi是否小于閾值Xmin的大小，小于則進(jìn)行交叉變異，否則直接結(jié)束；

(c)對(duì)粒子i的第j維選取隨機(jī)數(shù)r∈[0,1]，判斷其與交叉變異概率的大小，如果小于則按式(18)進(jìn)行變異操作，交叉則與全局最優(yōu)解對(duì)應(yīng)位置進(jìn)行交換。

xij=xmin+(xmax-xmin)·r

(18)

(3)對(duì)種群全局最優(yōu)解選取過程中提供相應(yīng)指導(dǎo)，在經(jīng)過前兩部操作的基礎(chǔ)上結(jié)合NSGA-II算法的優(yōu)勢選擇策略選取最優(yōu)解，NSGA-II算法的優(yōu)勢選擇策略具體原理見文獻(xiàn)[13]。

3.2 兩階段規(guī)劃模型求解流程及步驟

兩階段規(guī)劃模型求解流程如圖3所示。

圖3 兩階段規(guī)劃模型求解流程

兩階段規(guī)劃模型求解具體步驟如下：

(1)輸入計(jì)算所需網(wǎng)絡(luò)參數(shù)以及節(jié)點(diǎn)負(fù)荷數(shù)據(jù)；

(2)對(duì)網(wǎng)絡(luò)中各節(jié)點(diǎn)處有功網(wǎng)損靈敏度Mi進(jìn)行計(jì)算,并從大到小進(jìn)行排序，以此確定DG安裝位置以及接入容量；

(3)第二階段以第一階段所確定的DG安裝位置以及容量為初始數(shù)據(jù)，選定安裝DG的典型日數(shù)據(jù)曲線，調(diào)用3.1所述混合智能求解算法計(jì)算第二階段多目標(biāo)規(guī)劃求解，求解得到多目標(biāo)規(guī)劃Pareto最優(yōu)解集，以此確定儲(chǔ)能的最佳安裝位置以及儲(chǔ)能所需容量；

(4)判斷是否滿足終止條件，滿足則轉(zhuǎn)到步驟(5)；否則，更新電網(wǎng)數(shù)據(jù)，從步驟(1)開始重新進(jìn)行迭代；

(5)使用序數(shù)偏好法選取Pareto最優(yōu)解集中的解，并以此作為儲(chǔ)能的最終接入方案，輸出儲(chǔ)能安裝最佳方案。

4 算例分析

為驗(yàn)證所提兩階段規(guī)劃方法的可行性，在IEEE-33節(jié)點(diǎn)系統(tǒng)上測試仿真。該系統(tǒng)為輻射性網(wǎng)絡(luò)，給定基準(zhǔn)電壓UN為12.66 kV，節(jié)點(diǎn)電壓上下界取值為0.9UN～1.05UN，基準(zhǔn)功率為100 MV·A，總有功負(fù)荷功率為3 715 kW，總無功負(fù)荷功率為2 300 kvar，且該電網(wǎng)通過根節(jié)點(diǎn)1與外界節(jié)點(diǎn)相連，DG以及儲(chǔ)能裝置的接入位置2～33節(jié)點(diǎn)。其中DG的接入數(shù)量限制在不超過4個(gè)，同時(shí)根據(jù)《分布式電源接入電網(wǎng)技術(shù)規(guī)定》[24]，DG接入總?cè)萘坎淮笥谙到y(tǒng)總有功負(fù)荷的30%，接入類型按有功網(wǎng)損靈敏度計(jì)算大小進(jìn)行確定，儲(chǔ)能的接入個(gè)數(shù)限制在3個(gè)以內(nèi)[25]?；旌现悄芮蠼馑惴ǖ南嚓P(guān)參數(shù)設(shè)置如下：粒子種群數(shù)目100，粒子維數(shù)3，最大迭代次數(shù)200，慣性權(quán)重ws和we為0.9和0.4，差值X的閾值Xmin為0.1，交叉變異率分別為0.8和0.02。

4.1 第一階段規(guī)劃結(jié)果

第一階段根據(jù)有功網(wǎng)損靈敏度分析計(jì)算，選定有功網(wǎng)損靈敏度前4的節(jié)點(diǎn)作為DG待選安裝節(jié)點(diǎn)，計(jì)算過程中IEEE-33節(jié)點(diǎn)系統(tǒng)負(fù)荷典型日特性曲線如圖4所示，待選節(jié)點(diǎn)以及安裝分配容量情況如表1所示。

圖4 IEEE-33節(jié)點(diǎn)系統(tǒng)負(fù)荷典型日特性曲線

表1 DG選定安裝節(jié)點(diǎn)和容量

由表1可知，通過有功網(wǎng)損靈敏度分析，選定DG安裝節(jié)點(diǎn)為14、18、25、32。計(jì)算可得4個(gè)節(jié)點(diǎn)的最優(yōu)安裝容量分別為185.99 kW、209.77 kW、322.58 kW、396.16 kW?？紤]到實(shí)際情況,4個(gè)安裝節(jié)點(diǎn)的安裝功容量采取最近取整的原則進(jìn)行選定，最終的安裝容量分別為200 kW、200 kW、300 kW、400 kW，總計(jì)1 000 kW，占網(wǎng)絡(luò)總負(fù)荷的比重為26.92%，小于《分布式電源接入電網(wǎng)技術(shù)規(guī)定》中規(guī)定的安裝容量30%，安裝方案符合要求。同時(shí)，依據(jù)計(jì)算所得有功網(wǎng)損靈敏度的大小，在節(jié)點(diǎn)14，節(jié)點(diǎn)18安裝光伏電源，在節(jié)點(diǎn)25，節(jié)點(diǎn)32安裝風(fēng)機(jī)電源。具體接入位置如圖5所示，典型日出力特性曲線如圖6所示。

圖5 IEEE-33節(jié)點(diǎn)測試系統(tǒng)

圖6 光伏、風(fēng)機(jī)典型日出力特性曲線

4.2 第二階段規(guī)劃結(jié)果

在第一階段已確定DG安裝位置和安裝容量的基礎(chǔ)上，對(duì)第二階段進(jìn)行儲(chǔ)能的安裝位置和安裝容量的計(jì)算，為對(duì)比安裝儲(chǔ)能前后配電網(wǎng)性能的改善程度以及文中所提混合智能求解算法的優(yōu)勢，選定四個(gè)具體場景進(jìn)行對(duì)比分析：

場景一：IEEE-33節(jié)點(diǎn)系統(tǒng)不安裝任何DG；

場景二：IEEE-33節(jié)點(diǎn)系統(tǒng)接入風(fēng)光電源，具體接入情況如上所述；

場景三：IEEE-33節(jié)點(diǎn)系統(tǒng)接入風(fēng)光電源，按照傳統(tǒng)多目標(biāo)粒子群算法計(jì)算結(jié)果接入儲(chǔ)能；

場景四：IEEE-33節(jié)點(diǎn)系統(tǒng)接入風(fēng)光電源，按照混合智能求解算法計(jì)算結(jié)果接入儲(chǔ)能。

在對(duì)比場景運(yùn)行情況之前，需確定儲(chǔ)能的最優(yōu)接入個(gè)數(shù)，由于規(guī)定儲(chǔ)能的接入個(gè)數(shù)不超過3個(gè)，因此選擇分別接入1個(gè)、2個(gè)和3個(gè)儲(chǔ)能對(duì)比各個(gè)目標(biāo)函數(shù)的變化情況，各項(xiàng)指標(biāo)對(duì)比計(jì)算結(jié)果如表2所示。

表2 接入不同數(shù)量儲(chǔ)能各項(xiàng)指標(biāo)計(jì)算結(jié)果對(duì)比

由表2所得結(jié)果分析可知，IEEE-33節(jié)點(diǎn)系統(tǒng)在接入儲(chǔ)能分別為1、2、3個(gè)時(shí)，接入系統(tǒng)中的儲(chǔ)能容量分別為1.034 MW·h、0.995 MW·h和1.026 MW·h。對(duì)比其余兩個(gè)指標(biāo)可以發(fā)現(xiàn)，接入2個(gè)儲(chǔ)能裝置在保證系統(tǒng)電壓穩(wěn)定指標(biāo)足夠大，負(fù)荷缺電率足夠小的同時(shí)，儲(chǔ)能所接容量足夠小。因此，選擇接入IEEE-33節(jié)點(diǎn)系統(tǒng)的儲(chǔ)能個(gè)數(shù)為2個(gè)。經(jīng)過仿真可得四個(gè)場景下IEEE-33節(jié)點(diǎn)系統(tǒng)接入儲(chǔ)能的位置、容量以及對(duì)應(yīng)各目標(biāo)值如表3所示，四種場景對(duì)應(yīng)的電壓三維波動(dòng)曲線如圖7所示，圖8為場景三和場景四Pareto最優(yōu)解集分布圖。

圖7 四種場景下電壓三維波動(dòng)曲線

圖8 不同場景下Pareto解集分布情況

表3 四種場景下優(yōu)化結(jié)果對(duì)比

由圖7分析可知，對(duì)比場景一和場景二可以明顯看出在接入風(fēng)電和光伏電源而不接入儲(chǔ)能的情況下，由于電源出力的不確定性導(dǎo)致各節(jié)點(diǎn)電壓波動(dòng)情況加劇。對(duì)比場景二和場景三在接入儲(chǔ)能以后系統(tǒng)各節(jié)點(diǎn)的電壓波動(dòng)情況明顯改善，系統(tǒng)中絕大多數(shù)節(jié)點(diǎn)的電壓維持恒定。對(duì)比場景三和場景四可知，通過混合智能求解算法所確定的儲(chǔ)能接入方案，對(duì)于改善電壓波動(dòng)效果更加顯著，電壓波動(dòng)曲線更加平緩。

由圖8不同場景下的Pareto解集分布圖可以明顯看出，場景四在采用混合智能求解算法所得到的Pareto解集分布更加均勻，解集的多樣性更加豐富。而在場景三中，采用傳統(tǒng)的多目標(biāo)粒子群算法進(jìn)行求解得到的Pareto解集相對(duì)緊密，并且集中，不能夠代表求解空間中所有可能的求解情況。所以，通過傳統(tǒng)多目標(biāo)粒子群算法求解第二階段模型得到的結(jié)果具有明顯的局限性，選出的儲(chǔ)能接入方案并不是最理想的儲(chǔ)能規(guī)劃與配置方案。因此，混合智能求解算法更適合處理多目標(biāo)規(guī)劃問題，得到的儲(chǔ)能接入方案更加準(zhǔn)確。

由表3中計(jì)算結(jié)果分析可知：

(1)當(dāng)在場景二中接入風(fēng)光電源以后導(dǎo)致整個(gè)系統(tǒng)電壓穩(wěn)定指標(biāo)較場景一下降，負(fù)荷缺電率明顯升高，使負(fù)荷的用電可靠性降低；

(2)當(dāng)在場景三中接入儲(chǔ)能以后，對(duì)比場景二和場景三可以發(fā)現(xiàn)整個(gè)系統(tǒng)電壓穩(wěn)定指標(biāo)有了較大程度的提升，比場景二提升了10.37%。負(fù)荷缺電率也發(fā)生了明顯的降低，降低幅度為62.82%，說明儲(chǔ)能的接入可以明顯改善電網(wǎng)的電能質(zhì)量同時(shí)增加了負(fù)荷用電的可靠性；

(3)對(duì)比場景二和場景四可知，采用混合智能求解算法求解所得結(jié)果接入儲(chǔ)能以后，系統(tǒng)電壓穩(wěn)定指標(biāo)提升了11.46%，負(fù)荷缺電率降低了81.17%，驗(yàn)證了改進(jìn)混合智能求解算法在求解多目標(biāo)優(yōu)化問題上有更好的效果。

5 結(jié)束語

為改善DG不合理接入對(duì)于負(fù)荷接入點(diǎn)電壓和供電可靠性的影響，提出了一種考慮風(fēng)-光-儲(chǔ)接入的兩階段規(guī)劃與配置方法，并在IEEE-33節(jié)點(diǎn)系統(tǒng)上仿真測試，有如下結(jié)論：

(1)提出一種兩階段配電網(wǎng)規(guī)劃方法，第一階段從有功網(wǎng)損靈敏度角度出發(fā)，計(jì)算出DG的接入點(diǎn)以及最佳接入容量。第二階段建立考慮儲(chǔ)能接入的多目標(biāo)優(yōu)化函數(shù)，通過改進(jìn)混合智能求解算法進(jìn)行求解，確定儲(chǔ)能的安裝位置和容量,對(duì)比四種場景驗(yàn)證了所提方法的有效性；

(2)在規(guī)劃過程中考慮儲(chǔ)能的加入可以顯著改善接入節(jié)點(diǎn)電壓的穩(wěn)定性以及負(fù)荷的缺電率，明顯改善DG接入對(duì)于電網(wǎng)的不利影響，促進(jìn)新能源消納的同時(shí)也提高了負(fù)荷側(cè)用戶用電性能，有利于電網(wǎng)的可靠運(yùn)行；

(3)使用混合智能求解算法所得Pareto解集更加分散，能覆蓋求解空間中更多的區(qū)域，對(duì)比之下提供的儲(chǔ)能安裝方案要多于傳統(tǒng)粒子群算法的求解結(jié)果，能提供更多的選擇方案；

(4)所提規(guī)劃方法能為電力系統(tǒng)中其他相關(guān)規(guī)劃給予借鑒與參考。