1. 网站地图
  2. 设为首页
  3. 关于我们


配电网分布式电源规划研究及仿真分析

发布时间:2022-11-21 13:46
目录
I
Abstract II
IV
第 1 章 绪 论 1
1.1课题背景与研究意义 1
1.2国内外研究现状 3
1.2.1传统配电网分布式电源规划研究现状 3
1.2.2主动配电网分布式电源优化规划研究现状 4
1.3本文的主要工作 5
第 2 章 考虑源荷侧波动特性的配电网概率潮流计算 7
2.1引言 7
2.2风、光分布式电源及负荷概率建模 7
2.2.1风力发电概率模型 7
2.2.2光伏发电概率模型 8
2.2.3负荷概率模型 8
2.3概率潮流计算方法 9
2.3.1概率潮流方法概述 9
2.3.2蒙特卡洛概率潮流计算 10
2.4算例分析 11
2.4.1算例描述 11
2.4.2仿真结果分析 12
2.5本章小结 16
第 3 章 考虑源荷侧波动特性的分布式电源多目标规划 18
3.1引言 18
3.2机会约束规划模型 18
3.3双层多目标规划模型 19
3.3.1上层选址模型 19
3.3.2下层配置模型 19
3.4求解算法 21
3.4.1灰狼优化算法 21
3.4.2多目标灰狼优化算法 24
IV
3.4.3多目标辅助决策 27
3.5算例分析 28
3.5.1算例描述 28
3.5.2仿真结果分析 29
3.5.3概率规划结果分析 30
3.5.4不同负荷容量规划结果分析 33
3.6本章小结 34
第 4 章 考虑主动管理措施的分布式电源多目标规划 35
4.1引言 35
4.2考虑主动管理措施的规划模型 35
4.3算例分析 36
4.3.1仿真描述 36
4.3.2仿真结果分析 37
4.4本章小结 40
结 论 42
参考文献 43
攻读硕士学位期间发表的论文及其它成果 46
东北电力大学硕士学位论文原创性声明和使用权限 47
《中国优秀博硕士学位论文全文数据库》和《中国学位论文全文数据库》投稿声明 48
致 谢 49
-V-
第1 章 绪 论
1.1课题背景与研究意义
全球经济高速发展需要消耗大量能源,各国为追求经济高速发展对化石能源进行了无 节制的开采和消耗,导致能源短缺问题日益凸显[1-2]。另一方面,化石能源的利用也会导致 环境恶化,燃烧化石能源会向空气中排放大量的硫化物、碳化物等有害气体,导致全球气 候变暖、海平面上升和酸雨等一系列问题。发电企业作为保障国民经济稳步发展、居民生 活有序进行的服务型企业,同时也是化石能源消耗的大户和污染气体的主要来源[3]。目前, 我国仍以集中式火力发电为主,水电、核电、风电等多能源发电形式为辅,其中火力发电 量占总发电量的 71.58%,每年的消耗的煤炭超过 20 亿吨。火力发电具有高耗能、高污染 的特点,火力发电的高占比也加剧我国环境污染与能源短缺的问题,如何利用高效利用风 电、水电、太阳能发电等清洁发电技术,对改善我国能源结构、减少污染物排放等具有重 要意义。
分布式发电是近年来快速兴起一种发电形式,并在全球范围内高速发展。分布式发电 具有发电功率小、能源利用形式多样、安装灵活等特点,作为火力发电的补充,可以起到 缓解电力短缺、降低电能传输损耗、提高系统局部电压的作用[4]。分布式发电由于利用能 源形式多样,通常可以“就地取材”根据建设场地自然资源的丰富程度,就近安装在负荷 中心,避免了远距离电能传输损耗。同时风、光等清洁分布式发电技术的广泛应用可以降 低火力发电量,大规模建设和推广分布式电源也有效缓解化石能源消耗[5]。图1-1 为包含 分布式电源的发输变配系统结构。
图1-1发输变配系统结构
-1-
 
分布式电源发电功率一般较小,一般在接入系统末端的低压侧,可以满足特定用户的 负荷需求。不同于集中式火力发电,分布式发电对建设场所要求不高,可以就近安装在负 荷侧,能有效减少电能远距离传输过程的损耗,同时也可以提高局部电压水平,对系统运 行产生积极作用[6-7]。分布式发电的技术优点如下:
(1)提高系统供电可靠性 传统配电网结构一般为单电源辐射状结构,当主电源故障失电会造成大面积停电,而 分布式电源接入配电网后,系统由多个电源同时供电,此时若主电源失电,分布式电源可 以供给部分负荷电能,减少了停电面积。另一方面,分布式电源与储能设备相结合作为系 统调峰电源,当系统电能需求降低时,分布式发电接入储能设备,向储能设备蓄能,避免 清洁电能成为“垃圾”电源,而当系统电能需求增加时,由储能设备以及分布式电源向系 统供能,缓解电网调峰压力。
(2)降低网络传输损耗 大规模集中发电主要用于满足城市中心、工业区和电力枢纽等重要地区的用电需求, 而一些偏远的村庄、农场、山区等经济发展落后的地区,则需要远距离输电满足生产生活 需要。电能远距离输送时需要经过数次升压、降压,会产生大量的电能损耗。分布式电源 利用能源形式多样,可以根据当地风、光等资源丰富程度,就近安装在负荷中心,满足小 负荷地区的用电需求,避免了电能远距离传输的产生的电能损耗。
(3)清洁环保可再生 随着生活水平的大幅度提高,人们对居住环境要求也日益提高,以环境换发展的思路 成为过去式,寻求清洁能发电已成为主流思路。不同于传统火力发电燃煤炭产生大量的有 害气体,光伏发电、风力发电、潮汐发电以及地热发电等分布式发电利用的能源清洁无污 染,不会产生有害气体对环境造成影响。同时,分布式发电利用的能源可再生,不需要消 耗化石能源,满足可持续发展要求。
(4)建设投资成本小 电能的远距离输送需要架设架空线路、竖立输电杆塔以及建设变电站,具有建设周期 长、占地面积广、投资大的特点。分布式电源作为小型电源接入电网,可以就近安装在负 荷中心附近,电能可以近距离就地消纳,节省了远距离输电的建设成本,且安装分布式电 源占地面积小。另一方面,分布式发电能源利用形式多样,可根据当地自然资源情况,充 分利用风能、太阳能、潮汐能等资源发电,不消耗化石能源,能有效环境能源短缺的问题。
分布式电源接入配电网虽然优势显著,但也存在不可忽视的弊端。大部分分布式电源 例如风力发电、光伏发电以及潮汐发电等间歇性分布式电源出力具有不确定性和波动性, 在并网运行后对系统电压、网损、保护配置等会产生一定影响[8-9]。分布式电源在配电网中 合理配置会改善系统潮流分布、降低网络损耗、提高系统电压水平。另一方面,分布式电 源接入配电网会改变配电网结构,将原本单电源向多电源转变,增加了配网调度以及继电 保护配置的难度。综上所述,研究分布式电源接入配电网的规划问题,对提高系统运行稳
-2-
定性、降低能耗和缓解环境污染等方面具有重要意义。
传统配电网自我管理能力差,分布式电源采取“安装即忘记”的原则接入电网,系统 只能被动接受电源出力,极大的限制了分布式电源入网电量,降低了电能利用效率以及清 洁能源的积极作用。近年来随着通信技术、智能测量技术和智能控制技术的高度发展,配 电网逐渐朝向具备自我控制和管理的网络方向发展,即主动配电网(Active Distribution Network, ADN)[10-11]o主动配电网采取主动管理(Active Management, AM)措施,包括 需求响应、储能装置、有功出力切除、功率因数调整、有载调压变压器抽头调整以及无功 补偿装置投切等手段,通过对系统运行数据的实时采集分析,智能控制调整分布式电源及 相关设备运行参数,以保证系统运行在最优状态。将主动管理手段纳入分布式电源规划研 究中,可以充分发挥分布式电源在清洁高效、改善系统运行水平等方面的积极作用[12-13]o
1.2国内外研究现状
1.2.1传统配电网分布式电源规划研究现状
随着清洁能源发电技术的不断成熟,如何将清洁电源高效接入电网运行已成为各国科 研工作者的研究重点。分布式电源接入配电网运行是一柄“双刃剑”,若合理的接入配电 网可以提高系统运行水平,反之则可能出现电压下降、网络损耗剧增和继电保护误动等问 题。如何发挥分布式电源的积极作用,降低分布式电源接入配电网的不利影响是目前科研 工作者的急需解决的问题。
分布式电源规划研究核心内容主要包括选址和定容两个方面。国内外学者主要从模型 建立、求解算法以及间歇性电源出力处理等方面展开研究,并取得了显著的研究的研究成 果。文献[14]提出一种分布式电源安装位置优选原则,优先将分布式电源安装在边际容量 成本较小和系统电压较低的节点,建立以系统有功网损最小为目标函数的规划模型,采用 改进的遗传算法对模型进行求解,以 18 节点节点系统为仿真算例,仿真结果表明,所提 出的分布式电源安装位置优先原则能有效降低系统网损,减少了随机算法选址的计算量。 文献[15]分析了各节点接入分布式电源对系统运行的影响,从降低系统有功损耗的角度, 提出一种配电网分布式电源选址方,IEEE33节点系统的仿真结果验证了模型的有效性。文 献[16]考虑不同评价指标,建立多目标配电网分布式电源规划模型,采用多岛遗传算法进 行求解, IEEE33 节点系统的仿真结果表明,多目标求解算法可以为决策者提供多样化配置 方案,且算法获得的Pareto前沿光滑完整。文献[17]采用实际系统为仿真算例,考虑负荷 特性、分布式电源消纳和配电网典型特征给出了农村、城市和工业园区三种场景的分布式 电源接入计算方法,仿真结果表明,配电系统典型算例的合理有效。文献[18]建立多目标 规划模型,以IEEE33、69节点配电系统为仿真算例,采用改进的自适应蝠鲼觅食优化算 法对模型求解,与传统多目标求解算法相比,改进算法获得的非劣解电压质量和有功网损 由于其他算法。文献[19]考虑风电、光伏、燃气轮机和储能电池4中分布式电源类型,建
-3- 立双层规划模型,上层模型以新建配电网网架和联络线投资成本为目标函数,下层模型以 事故负荷损失指标、配电网第一类电压稳定指标和综合费用为目标函数,以某开发区的实 际配电系统为例,采用两层嵌套的粒子群算法对模型求解,仿真结果表明,双层模型得到 的规划方案满意度更高。文献[20]以系统运行经济指标、电压指标和网损指标为目标函数, 采用基于熵和距离的多目标粒子群对模型求解,为协助规划决策人员选择最佳规划方案, 采用模糊多权重技术确定最佳规划方案。文献[21]考虑风电、光伏以及负荷波动性和相关 性,应用拉丁超立方采样法和Cholesky分解对样本数据进行处理,IEEE33节点系统的仿 真结果表明,在规划研究中计及概率潮流和相关性的年综合费用和网损均有所降低,说明 了模型及算法的有效性。
综上分析,分布式电源规划研究主要从规划模型、求解算法以及分布式电源出力随机 性处理等方面展开。相比于单目标模型及求解算法,多目标规划模型及求解算法更加符合 工程实际需要,得到的规划方案也更加全面。间歇性分布式电源出力具有随机性,在进行 配电网潮流计算时,应充分考虑分布式电电源出力的不确定和负荷的波动性,因此采用概 率潮流方法计算系统潮流分布更加合理。
1.2.2主动配电网分布式电源优化规划研究现状
分布式电源发电功率小、接入电压等级低、分布广且分散,大规模接入电网一直是困 扰世界各国电力行业的难题。传统配电网的运行、控制和管理均采取被动模式,不具备主 动管理功能,而随着分布式能源大量注入配电网,改变了配电网电源结构,对电网运行产 生一系列的负面影响,此时需要配电网具有更高的协调控制能力[22]。为解决这一问题, 2008 年国际大电网会议C6.ll工作组提出主动配电网(active distribution network, ADN)的概念。 主动配电网应用补偿电容器、需求响应、储能装置和电动汽车等主动管理(active management,AM)措施实现资源的高效利用和系统优化运行。主动配电网可以通过主动 管理措施实现对源荷侧发电资源的优化控制,提高配电系统协调控制能力[23-24]。
主动配电网分布式电源规划研究是目前的研究热点,各国学者从系统可靠性、经济性、 模型求解方法以及评价指标建立等角度进行了大量研究。文献[25]考虑发电侧与用户侧资 源的互补特性,建立积极需求响应的分布式电源双层规划模型,上层模型以系统运行经济 指标、供电可靠性指标和环境评价指标为目标函数,下层模型以需求响应实施后的年运行 成本为目标函数,采取改进的粒子群算法对模型求解,以某地实际系统为仿真算例验证了 模型及求解算法的有效性。文献[26]将考虑了分布式电源出力相关性以及充放电电价,建 立计及分布式电源和电动汽车的双层规划模型,上层模型考虑分布式电源和充电桩协同规 划,下层模型考虑负荷波动以及系统运行成本,以实际“交通—配电网”关联系统为仿真 算例,采用 CPLEX 商业求解软件对模型求解。文献[27]综合考虑分布式电源、需求响应和 补偿电容器,建立主动配电网网源双层规划模型,上层模型为规划模型,以综合成本最小
-4- 
为目标函数,下层模型为系统运行模型,以用户用电满意度、年运行成本和电压稳定性为 目标函数,以改进的 IEEE33 节点配电网系统为仿真算例,仿真结果表明,网源双层规划 模型能有效降低系统运行成本、改善系统电压水平。文献[28]建立基于鲁棒优化理论的主 动配电网分布式电源配置模型,模型考虑了系统运行约束、旋转备用约束等,以综合配置 成本最小为目标函数,采用原对偶内点法和拉格朗日求导法将模型转化为确定性模型求 解, IEEE33 节点系统的仿真结果表明,求解得到的配置方案系统运行经济性好、供电可靠 性高。文献[29]考虑电网对分布式电源消纳能力,建立双层分布式电源规划模型,通过优 化分布式电源有功削减量、有载调压变压器分接头和无功补偿装置实现资源利用最大化, 采用结合并行差分和声搜索算法对双层规划模型求解,以 IEEE33 节点系统为仿真算例。
文献[30]建立主从博弈的主动配电网分布式电源与储能装置的协同规划模型,该模型以分 布式电源和储能装置容量为控制变量,并在模型中引入交易电价,以弃风弃光电量与分布 式储能运行商进行交易,以 IEEE33 节点配电系统为仿真算例,仿真结果表明,协同规划 模型能有效提高分布式电源渗透率。文献[31]考虑分布式风、光电源出力与负荷之间的相 关性,建立计及多元随机因素概率相关性的主动配电网规划模型,采用 Benders 分解法对 模型求解,改进的 IEEE33 节点仿真结果表明,求解得到规划方案能有效提高系统供电可 靠性、降低规划成本。
综上所述,结合主动管理措施的配电网分布式电源规划研究取得了一定的成果,但仍 有很多不足。主动配电系统是未来配电网发展的趋势,目前主动管理技术研究还处于起步 阶段,研究大多处于理论层面,应用到实际配电网系统中案例并不多。如何将主动管理技 术应用到实际配电系统中,提高系统运行调度灵活性与可靠性将是研究重点。
1.3本文的主要工作
考虑源荷侧不确定因素的配电网分布式电源规划研究是一个高维、非线性的随机优化 问题,本文首先分析源荷侧不确定因素以及不同配置方案对配电网运行的影响,然后采用 机会约束规划理论建立分布式电源双层规划模型,最后将主动管理措施纳入分布式电源规 划模型中,验证主动管理措施对改善系统运行状况的积极作用,具体研究内容如下:
(1) 首先分析分布式电源规划过程中的不确定因素,建立风、光电源出力以及负荷 波动概率模型,然后归纳总结典型配电网概率潮流计算方法,选用蒙特卡洛模拟法作为本 文概率潮流计算方法,并给出计算步骤和流程,最后以 PG&E69 节点系统为测试算例,通 过设置 2 种不同分布式电源规划方案,分析不同配置容量对系统电压和网络损耗等运行指 标的影响。
(2) 将分布式电源选址和定容问题分层计算,采用机会约束规划建立双层多目标规 划模型,上层选址模型采用有功网损灵敏度方法确定分布式电源在配电网中的安装节点, 下层配置模型为多目标机会约束规划模型,以投资效益、系统电压及有功网损为目标函数, 采用多目标灰狼算法优化安装容量,选用 PG&E69 节点系统为测试算例,从概率的角度对
-5-
 
不同规划方案的电压越限以及网损变化情况进行分析,同时探讨不同负荷水平下的规划方 案以及系统电压、网损变化趋势。
(3)在第三章模型基础上,将调节有载变压器抽头、切除分布式电源有功出力和调 节分布式电源功率因数3种主动管理措施引入下层配置模型中,选用PG&E69节点系统为 测试算例,从概率的角度分析考虑主动管理措施前后的系统电压和网损变化情况。
论文结构框架如图1-2所示。
 
第 2 章 考虑源荷侧波动特性的配电网概率潮流计算
2.1引言
电力系统概率潮流(probabilistic load flow,PLF)是一种有效的分析不确定因素对电 力系统运行影响的分析方法,概率潮流计算结果可以真实反映系统潮流分布。相比于传统 潮流计算方法,概率潮流计算方法更能体现电网实际运行特性。考虑到分布式风力发电和 光伏发电的不确定性以及用户用电的随机性,在对含间歇性分布式电源配电网潮流计算 时,概率潮流计算结果有助于帮助调度运行人员掌握系统真实潮流分布,使规划决策人员 能够科学合理的选择最佳规划方案。
2.2风、光分布式电源及负荷概率建模
2.2.1风力发电概率模型
风力发电是以风能作为驱动能源的一种发电形式,具有清洁、环保、高效的特点。风 速是决定风电机组出力大小的关键因素,受自然条件影响,风速变化具有不确定性,往往 难以预测,通常采用概率分布来描述风速的变化特征。目前广泛被大家接受认可的风速概 率模型为威布尔(weibull)分布[32],具体如下式:
仁(v)=-(分"exp—(V)k ) (2-1)
c c c
式中:v为实际风速;C、k分别为weibull分布的尺度参数和形状参数。
weibull 分布的尺度参数和形状参数通过对实测风速数据进行数理统计计算得出,计算
方法主要有均值方差、矩估计和贝叶斯估计等方法。目前应用最广泛的统计方法为均值方
差法,如下式:
2-2)
r(1+1/k)
式中:r为Gramma函数;“为实测风速数据的均值;o为实测风速数据的标准差。 风速的大小直接影响着风电机组的出力,经过统计研究发现风速与风电机组出力之间 的函数关系可以分段函数来表示,如下式:
Q v < 匕 v > %
Pwd =1k1v + k2, vc, V v V
P Vr < V V Vco
式中:Pwd为风电机组输出功率;Pr为风电机组额定输出功率;Vci> Vco和Vr分别表示风电 机组切入风速、切出风速和额定风速; k1 = Pr/(vr -vci); k2 = -k1vci 。
分段函数采用曲线表示,如下图。
 
 
 
2.2.2光伏发电概率模型
光照强度是决定光伏发电单元出力大小的关键因素,同样也是衡量一个地区是否适合 建立光伏电站的重要指标,一个地区的光照强度受海拔高度、气候条件、季节变化等多方 面因素影响,具有很大的随机性。目前广泛被大家接受认可的光照强度概率模型为贝塔分 布(Beta) [33],如下式:
f(r) = W + “)(丄))一百—丄)卩一1 (2-4)
r(a)r( P) rmax rmax
式中:a 0为Beta分布的形状参数;r、rmax分别为辐射强度及其最大值。
Beta分布的形状参数a、0可通过对实测光照强度数据的均值〃与标准差。计算得到,具
体如下式:
0-(1[以浮-1
分布式光伏发电的概率密度函数,如下式:
 
式中:Psolar为光伏单元输出功率;Psolarm为光伏单元最大输出功率,Psolarm^maxA"; A为有 效的辐射面积;"为光电能量转换效率。
2.2.3负荷概率模型
电力系统发用电实时平衡,用电量的大小取决于用户的用电习惯和用电计划,因此电 力系统负荷具有随机性。在进行配电网潮流计算时应充分考虑负荷随机变化,保证潮流计 算结果真实反映系统运行状况。目前广泛被大家接受认可的负荷概率模型为正态分布[34], 如下式:
-8-
 
 
式中:%、%分别为有功、无功负荷概率分布的标准差;忆、“QL分别为有功、无功 负荷概率分布的均值。
2.3概率潮流计算方法
2.3.1概率潮流方法概述
电力系统潮流计算是电力工作者必须掌握的一项基本电气计算,是进行电能输送、网 架规划、保护配置以及安全稳定性分析等工作的重要信息参考。随着国民经济的高速发展 和社会电能需求的不断增大,电网建设规模的也在不断发展扩大,目前电力网络已成为世 界上规模最大的能源网络。结构复杂的电网运行存在诸多的不确定因素,例如发电机、变 压器、继电保护装置等设备的随机故障,传统确定性潮流计算结果无法深挖电网真实运行 状况。尤其是近年来清洁可再生能源发电并网运行,风、光等间歇性电源出力具有随机性、 波动性,大规模接入电网更是加剧电网运行的复杂性。为了分析各种随机性对电网运行的 影响,掌握电网真实运行状况,美国学者 Borkowska 于上个世纪 70年代提出概率潮流
(probabilistic load flow,PLF)的概念。相比于传统确定性潮流计算方法,概率潮流计算 方法可以将电网运行过程中的各种不确定因素考虑在内,能够充分挖掘电力系统运行特 性,找出电网的薄弱点和潜在威胁,为电网运行控制、稳定分析以及状态评估等工作提供 数据支撑。
目前,概率潮流计算已经被广泛应用到电力系统潮流计算中,并随着科技水平的不断 进步,概率潮流计算方法也在不断的改进。现今概率潮流计算方法主要有以蒙特卡罗法为 代表的模拟法、以点估计法为代表的近似法和以半不变量法为代表的解析法,下面重点介 绍3 种概率潮流计算方法[35-38]。
( 1 )近似法 近似概率潮流计算法的本质是应用数理统计方法得到系统输入随机变量的概率特征 值,之后将输入量的概率特征值应用统计方法估计系统状态变量的概率特征值。近似法不 需输入变量与输出变量间的函数关系,具有易于实现、原理简单、计算量小等优点,但由 于高阶计算时误差较大,很难得到较为准确的概率分布。
( 2)解析法 解析概率潮流计算法是将非线性潮流方程转化为线性潮流方程,应用卷积运算将系统 随机变量转化为系统状态变量的概率分布。解析法常用的方法有快速傅里叶变换、半不变 量法和序列运算理论等,其中半不变量法应用最为广泛。半不变量具有可加性和齐次性,
-9- 可以通过半不变量的简单代数运算替代复杂的卷积运算,降低了计算难度。庞大的电力系 统不确定因素太多,即便是对卷积运算进行简化,简化后的计算量仍然很大,因此解析法 适用于求解小型电力系统概率潮流,这是解析法应用上的桎梏。
(3)模拟法
蒙特卡洛模拟法(Monte Carlo Simulation,MCS)最早是由美国物理学家Metropolis 于上个世纪四十年代提出一种概率统计方法,被广泛应用到金融工程学、动力工程学、宏 观经济学、电力系统潮流计算等领域。蒙特卡洛模拟法无需事先知道输入量和输出量之间 的函数关系,通过输入量概率模型模拟抽样产生大量样本数据,带入确定系统模型中计算 得到所需的数据,最后通过数理统计计算获取概率密度曲线、累积概率密度曲线及相关概 率特征数值。蒙特卡洛模拟法抽样需要产生大量的数据样本,且数据样本量越大得到的结 果越贴近真实情况。通常将蒙特卡洛模拟法的计算结果作为衡量其他概率潮流计算方法的 标准。虽然蒙特卡洛模拟法的计算结果准确,但计算量大、时效性差,仅适用于小型电力 系统的概率潮流计算。
2.3.2蒙特卡洛概率潮流计算
蒙特卡洛概率潮流计算方法是目前概率潮流计算方法中准确率最高的一种方法,常作 为其他计算法结果准确性的参照标准。蒙特卡洛模拟法计算配电网概率潮流首先要获取系 统输入随机变量(风、光电源出力以及负荷)的概率分布,并根据随机变量的概率分布产 生大量的样本数据,然后将样本数据带入配电网确定性潮流计算模型中,最后统计分析所 有样本数据的潮流计算结果,得到系统运行状态变量的概率分布曲线(概率密度曲线、累 积概率密度曲线)以及概率特征值(均值、方差等)。采用蒙特卡洛模拟法计算配电网概 率潮流的步骤如下:
(1)采集大量的风速、光照强度以及负荷数据,统计分析得到概率特征值(均值和 标准差),经过计算得到风力发电、光伏发电以及负荷波动概率分布函数。
(2)根据得到的系统随机输入变量的概率分布函数,应用蒙特卡洛模拟抽样产生大 量的样本库,此处将全年分为8760个小时,即样本库数量为8760组数据。
(3)将所有样本数据带入配电网潮流计算模型中,应用前推回代方法计算得到 8760 组确定性系统潮流计算结果,最后应用统计方法分析系统输出变量(电压、网损等)的概 率特征。
采用蒙特卡洛模拟法计算配电网概率潮流的流程如下图所示。
- 10 -
 
 
2.4算例分析
2.4.1算例描述
考虑源荷侧不确定因素进行配电网潮流计算,通过设置不同规划方案,验证风电(wind turbines,WT)、光伏(photovoltaic,PV)出力随机性以及负荷波动对系统运行的影响。 应用 Matlab 软件实现代码编程,在 PG&E-69 节点配电系统上进行仿真计算,系统接线图 如图 2-3 所示,配电系统详细数据见文献[39]。风电和光伏按的功率因数为 0.9,风电发电 机组和光伏发电单元分别安装在 49 号节点和 61 号节点。风力发电、光伏发电概率模型以 及负荷概率模型相关的概率分布参数见表 2-1。为验证分布式电源出力随机性以及配置容 量对系统运行的影响,设置 2 种不同场景进行配电网概率潮流计算,如表 2-2 所示。 2 种 场景的分布式电源接入总容量均为400kW,此处旨在分析安装同一节点分布式电源类型和 并网总容量相同情况下,不同容量配置方案对系统运行电压、网损的影响。
 
 
表 2-1 2 种分布式电源规划方案
规划方案 风力发电 光伏发电
安装位置 配置容量(kW) 安装位置 配置容量(kW)
方案一 49 200 61 200
方案二 49 100 61 300
表 2-2 风、光电源及负荷概率模型参数
光伏发电 电力负荷 风力发电
ks cs n A(m2) op、oq “p、Pq ks Cs Vci(m/s) Vco(m/s) Vr(m/s)
5-5 1.8 13.44% 1000 0.2 原始负荷 6.5 2.0 3 20 15
 
2.4.2仿真结果分析
根据风力发电、光伏发电概率模型以及负荷概率模型,应用 Monte Carlo 模拟法得到 全年8760 个小时的风速、光照强度以及负荷变化曲线,如下图所示。
 
 
在冬夏两季用户用电量较大,此时电网供电压力与调峰问题较为突出。综上所述,受风光
资源和用户用电习惯的影响,风电、光伏和负荷均具有随机性和不确定性,在进行含间歇 性分布式电源配电网潮流计算时,应充分考虑源荷侧随机扰动对潮流分布、电压以及网损 的影响。针对场景一和场景二不同容量配置方案,采用Monte Carlo法计算得到配电系统 全年运行数据,系统 69 个节点的电压期望值曲线如下图。
- 12 -
 
 
 
从电压曲线对比情况可知,虽然风电机组和光伏单元安装位置和并网总容量相同,但 由于 49 号节点和 61 号节点的风、光电源配置容量不同,导致两种规划方案的电压曲线有 较大的区别。相比于场景一,场景二的电压质量明显更优,在多个节点上的电压高于场景 一。与未接入分布式电源相比,分布式电源接入后系统电压质量有了明显提高。为进一步 分析风、光电源出力随机性对系统运行的影响,从概率的角度对节点电压质量进行分析, 表 2-3 给出了部分节点电压概率指标。
表2-3部分节点电压概率指标对比(p.u)
不同场景
节点标号
原节点电压
安装 DG 后 电压期望值
安装DG后 电压标准差
 
从表2-3 数据可知,相比于未安装分布式电源系统电压质量,两种场景下分布式电源 配置方案的电压水平均有不同程度提高。风力发电和光伏发电出力具有随机性,其并网运 行后系统的电压也呈现不确定性,两种场景下节点20 和节点49 的电压标准差均要大于节 点27和节点20,分析原因是由于节点49、 61作为电源安装节点,电压的波动性要强于其 余节点电压。为进一步挖掘节点电压变化规律,采用概率密度函数(.probability density function.,PDF)描述节点电压变化,绘制出20、27、49和61号节点电压的概率密度分布 曲线,如图 2-6 至图 2-9 所示。
- 13 -
1200
1000
800
600
400
200
0
0.957
800
700
00
60
000
000
543
00
00
21
0.9575 0.958 0.9585 0.959
节点电 压 幅 值 (p.u)
0
0.957 0.9575 0.958 0.9585 0.959 0.9595 0.96 节点电压幅值(p.u)
0.9605
 
 
 
 
 
 
 
 
 
 
 
(a)场景一 (b)场景二
图 2-6 20 号节点电压概率密度曲线
 
(a)场景一 (b)场景二
图 2-7 27 号节点电压概率密度曲线
 
(a)场景一 (b)场景二
图 2-8 49 号节点电压概率密度曲线
 
 
0.957 0.9575 0.958 0.9585 0.959 节点 电 压 幅 值 ( p.u)
0.957 0.9575 0.958 0.9585 0.959 0.9595 0.96 0.9605 节点电压幅值(p.u)
2
趣B槪疑
 
 
 
 
 
 
 
 
 
 
 
( a )场景一 ( b )场景二
图2-961号节点电压概率密度曲线
从图2-6至图2-9可知,虽然两场景的分布式电源总安装容量相同,但各节点呈现不 同的波动性,相比于场景一,场景二的61 号节点电压波动范围更大,而49号节点电压波 动范围则更小,分析原因是由于场景一风电的安装容量较场景二高100kW,而场景一光伏 的安装容量较场景二低100kW,风电和光伏出力的随机性增加了安装节点的电压波动,且 安装容量越大其电压波动越大。网损指标作为系统运行经济性的重要指标,同样受风、光 电源出力以及负荷波动性的的影响,为进一步分析不同配置方案下网损分布情况,表 2-4 给出了不同场景系统网损概率指标对比,并采用概率密度函数描述网损分布,图2-10和图 2-11 分别给出了两种场景的网损分布情况。
表 2-4 系统网损概率指标对比
安装DG后有功网损/kW
安装DG后无功网损/kvar
 
- 15 -
 
 
(a)场景一 (b)场景二
图 2-10 有功网损概率密度曲线
0.08
 
 
 
(b)场景二
图 2-11 无功网损概率密度曲线
从表 1数据可知,受分布式电源配置容量不同的影响,两种场景下的有功网损和无功 网损概率特征值也不相同。未接入分布式电源时的系统有功网损和无功网损分别为 225kW 和140kvar,场景一有功网损和无功网损的均值分别降低了 16.6847kW和45.3539kvar,场 景二分别降低了 24.2164kW和48.3408kvar。由此可见,分布式电源并网运行可以有效降低 系统损耗。综上分析可知,间歇性风电和光伏出力具有随机性,其并网运行后虽然会提高 系统电压水平以及运行经济性,但会增加系统运行的不确定性和复杂性,且不同配置方案 对系统运行影响的程度不同。因此,在考虑分布式电源接入方案时,应考虑配电网概率潮 流计算结果,掌握分布式电源并网运行后的系统可能出现的各种运行状况。
2.5本章小结
- 16-
分布式电源并网运行后的系统具有明显不确定性,且不同配置方对系统电压和网损指 标的影响不同。因此,在考虑源荷侧不确定因素的配电网分布式电源规划研究时,应对分 布式电源安装容量进行优化,应用概率手段深入分析评价规划方案的优劣。
- 17 -
第3 章 考虑源荷侧波动特性的分布式电源多目标规划
3.1引言
分布式电源规划是智能电网和主动配电网发展建设过程中重要内容。大部分分布式电 源出力具有随机性、波动性和不确定性,在接入配电系统后会对系统运行产生一定影响, 增加了系统运行复杂性,使运行状况更加难以评估,同时也会对继电保护、安全稳定分析、 运行调控等工作提出更高的要求和挑战。本章考虑多类型分布式发电形式,采用机会约束 规划理论建立计及源荷侧波动特性的配电网双层规划模型,采用数理统计方法评估分析分 布式电源并网运行后的系统运行状况。
3.2机会约束规划模型
在电网规划、桥梁规划、楼宇规划等方案设计时,要考虑到未来可能面临的诸多不确 定因素,设计方案需要满足严苛约束条件,以保证在遭遇突发情况仍能安全可靠运行,然 而现实却是在满足所有约束条件后的设计方案无法实施或根本行不通。为解决这类问题, 机会约束规划(chance constrained programming,CCP)应运而生。CCP 是由 A.Charnes 和 W.W.Cooper于1959年提出,其目的是为解决包含随机变量的规划问题,核心是允许不满 足约束条件的小概率事件发生,保证约束条在设定的置信水平上大概率成立。CCP作为处 理随机规划问题的有效解决方法,被广泛应用到各领域的规划问题中,并随着智能计算的 高速发展,CCP在大系统、大网络等复杂规划问题中发挥了重要作用。
计及源荷侧波动特性的配电网分布式电源规划问题包含风电出力、光伏出力以及负荷 波动等诸多随机变量,需要满足系统运行的一系列等式和不等式约束,确定性的规划方法 难以满足所有约束条件。此处采用CCP对分布式电源规划问题中的部分约束条件进行表 达,对包含随机变量的约束条件设置一定的置信水平,要求约束条件在大概率范围内发生。 在建立机会约束规划模型时,需要知道系统输入随机变量的概率分布,应用蒙特卡洛模拟 法产生大量样本数据,并将样本数据带入潮流计算中得到系统运行状态数据,通过设置置 信水平将确定性约束条件转化为机会约束条件。CCP的数学表达式如下:
min f [ fi,f2,…,fn ]
s.t.
< Pr{Gi (x0) < 0} > % (3-1)
U (x) < 0
、B (x) = 0
式中:fi(i=1,2,...,n)表示目标函数,根据规划问题的不同,目标函数可以是多个;U(x) 为规划问题中的不等式约束条件集合;Gi(x,0)为规划问题中的机会约束条件;B(x)为规划
- 18 -
问题中的等式约束条件集合;a为置信水平(通常用概率的形式表示);5为随机变量;Pr{・} 为事件成立的概率;x为优化控制变量。
3.3双层多目标规划模型
配电网分布式电源规划问题的核心内容为安装节点的选取和配置容量的优化。本章结 合机会约束规划理论建立分布式电源双层规划模型,上层模型为选址模型,应用有功网损 灵敏度指标确定分布式电源安装位置,下层模型为容量配置模型,建立考虑投资收益、网 络损耗和电压稳定性的多目标配置模型,在约束条件中将状态变量约束条件转化为机会约 束条件。
3.3.1上层选址模型
以往在对分布式电源选址时,一般将其安装在电能需求中心周围,起到就地消纳减少 网络传输损耗以及支撑局部电压水平的作用。但在工程实际发现,对一个确定的配电网系 统(不考虑网架结构改变)来说,单节点负荷变化对这个系统网损有较大影响,且不同节 点负荷变化对系统网损的影响程度不同,分布式电源作为PQ节点接入后会改变节点等效 负荷。从减少网络传输损耗的角度合理选择分布式电源安装位置,更能发挥分布式电源并 网运行对节能降损方面的的积极作用。文献[40]针对分布式电源选址问题展开研究,分析 了分布式电源安装在不同节点对网损的改善程度,提出了有功网损灵敏度概念,并将其作 为分布式电源选址依据,如下式:
T = |(£ P + Q;)工 R + 2P 工 Rs (Pi 工 RSi + Q’ 工兀)-(P 工 R + Qi 工兀)2| (3-2) 式中:T表示节点i的有功网损灵敏度值;Pi、Q,分别为配电系统节点i的有功负荷和无功 负荷;际 X分别为节点s和节点i之间的等效电阻值和电抗值。
将分布式电源安装在Ti较大的节点上,就地消纳负荷对系统网损降低的效果越显著, 反之在该节点安装分布式电源的降损效果不明显。通过计算网络所有节点的Ti值,并对各 节点的Ti进行排序,决策者根据排序结果以及配电网实际情况合理选择最佳接入节点。
3.3.2下层配置模型
在上层选址模型获得安装位置后,综合考虑分布式电源接入配电网后的多方效益,建 立多目标优化配置模型,兼顾投资方收益、电网运行可靠性及安全性,以分布式电源投资 收益、网络传输损耗和系统电压质量为目标函数进行分布式电源容量配置。
(1)投资收益评价指标[41] 从分布式电源建设投资的经济性角度考虑,应用年投资支出与预期回报构建投资收益 评价指标为:
- 19-
C
Cpsc =严 (3-3)
CINV
式中:Ctpf为折算到每年的可获利润;ClNV为折算到每年的投资费用。
Ctpf包括售电收益以及节能减排的政策补贴收益。Cinv包括投资费用、燃料成本以及 运行维护等成本。分布式电源年收益和年投资成本数学模型为:
NDG
Ctpf = 8760工 C + CB1)Sdg/, (3-4)
i=1
N DG N DG
Cinv =工力 口©,%©,。, + 8760 工 0%©,人 (3-5)
i =1 i =1
式中:人为i类型电源容量系数;力DGi为i类型电源年投资费用折合系数;C为i类型电源 运维成本;CTi为i类型电源单位安装容量投资费用(设备采购费用和安装费用);SDGi为 i类型电源接入容量;Ndg为参与规划的电源类型数;Csi、Cb,分别i类型电源的电价及国 家扶持补贴。
(2) 网损评价指标 从电网运行经济性的角度考虑,分布式电源安装在配电系统后,能改善系统潮流分布,
降低网损损耗,提高系统运行经济性,建立系统网损评价指标为:
NM
Poss =EE[Vi2Yij COS© -VVjYj cos© +0J] (3-6)
i =1 j=1
式中:N为配电系统节点总数;M为配电系统负荷节点总数;Vi为节点i电压幅值;Yj Oj分别为ij支路的导纳参数和阻抗角;务为节点i、j两端的电压相角差。
(3) 电压评价指标 从电网电压可靠性的角度考虑,分布式电源并网运行后,能有效改善系统电压水平,
提高系统运行可靠性。采用电压偏差指标V1和支路电压指标V2构建电压评价指标为:
N
叫=工比―%丨 (3-7)
i=1
V = £ 士 _ QR 尸 + gjRij + QjXij V ] ( 3-8 )
i=1 j=1 Vi
式中:Vrate为系统基准电压,12.66kV; Rjj为ij支路的阻抗;Pj+jQj为节点j的负荷。 电压偏差指标V1是指系统所有节点电压与基准电压的绝对值之和,描述的是系统电压 的偏移程度,VI越小表示系统电压水平越高。支路电压指标V2是指系统所有支路电压稳定 指标之和[42],描述的是支路电压稳定性,V2越小表示系统电压稳定性越高。结合上述两种
- 20-
电压指标,建立综合电压稳定性评价指标,能够较全面的评估分布式电源接入后系统电压 真实状况。电压稳定性指标如下式:
U = a1v1 +a2v2 (3-9)
式中:ai、a2为权重系数。
配置层运行约束条件包括常规等式约束条件、不等式约束条件以及机会约束条件,如 下式:
P - PDG i = Vi S Vj (Gij CoS 0ij + Bij Sin
j=1
N
Qi- QDG i = Vi 工 Vj (Gj sin 0 + Bj cos 0
j=1
< P{Tin < Vi < Vimax}〉B (3-10)
P{Si < 曙ax} >0
N DG N
S PDG_i <0SPi
i =1 i =1
max
SDG_ i — SDG_i
式中:PdG1 +j Qdg,为节点i处的分布式电源的有功和无功输出功率;;Pi+jQi为节点i处的 有功和无功负荷需求;G”.、B”分别为线路ij的导纳和电纳;V”皿"、V”max分别为节点i电压 幅值最大值和最小值;力为配电网分布式电源渗透容量系数;$为线路传输功率;S带为线 路ij输送容量及其最大值;Sdg_、SDG:i分别为节点i处分布式电源装机容量及最大允许的 装机容量;0、5为设定的机会约束条件置信水平(通常用概率的形式表示);Pr{*}表示机 会约束条件成立的概率。
需要指出的是,置信水平0、5的参数设置需要综合考虑配电网实际运行状况,置信水 平设置过大,虽然能够大概率满足约束条件成立,但同时也会增加算法求解难度,在求解 过程中可能会出现无解或算法不收敛的情况。反之,置信水平设置过小又不能很好约束作 用,使求解结果偏离真实系统运行状态,导致求解结果失去实际意义。此处置信水平0、5 设置为 0.9。
3.4求解算法
3.4.1灰狼优化算法
灰狼优化算法[43] (Grey Wolf Optimization,GWO)是一种仿生智能优化算法,该算法 具有设置参数少、逻辑简单、全局搜索能力强等优点。该算法源于灰狼在捕获猎物时团队 协同合作方式,通过模拟灰狼在跟踪、包围、追捕、攻击猎物等行为所衍生出来的。灰狼
- 21 -
属于群居肉食动物,以野兔、疣猪、羚羊等小型动物为食,灰狼群体内部有着严格的等级
制度,下一等级灰狼要严格遵守上一等级灰狼指挥,如下图所示。
 
图 3-1 灰狼指挥体系结构图
头狼a是灰狼种群的绝对领导者,处于种群等级金字塔的最顶端,是狩猎行动、食物 分配以及日常生活的决策者。灰狼0是种群的管理者处于权力金字塔的第二层,协助头狼 管理狼群,负责将头狼指令传达给其他同类,同时及时反馈监督管理情况。当头狼年老不 能担任头狼职责或在捕猎过程中丧生时,由灰狼0接替头狼位置。灰狼5是指令的执行者, 主要负责放哨、侦查、捕猎等任务,灰狼5严格遵守头狼和灰狼0的指令。当灰狼0出现空缺 时,灰狼力接替。处于权力金字塔最底层的狼e多为年幼或老弱的灰狼。在灰狼等级制度内, 适者生存的丛林法则是灰狼种群得以繁衍的根本。
灰狼严格的等级管理可以帮助狼群高效的捕获猎物。在捕获猎物过程中,由头狼发布 行动指令,并层层传递到灰狼卩和灰狼6。灰狼卩和灰狼6根据指令对猎物进行驱赶至有利地 点,通过个体之间相互协作,逐渐缩小包围圈,并由处于猎物最近的灰狼卩和灰狼6对猎物 展开攻击,其余灰狼处于包围圈外围,防止猎物挣脱逃跑,通过灰狼种群的协同合作成功 将猎物捕杀。
灰狼种群捕食过程中有着详细的分工和追捕策略,下面给出算法中的 3 个定义。
定义 1 灰狼需要根据与猎物之间距离来执行围捕、攻击的指令,距离的表达式为:
D = Ik (t) - X (t)| (3-11)
C = 2r2 (3-12)
式中:t为算法迭代次数;C为摆动因子;Xp(t)、X(t)分别为t次迭代后猎物与灰狼的位置。
定义 2 灰狼位置需要根据猎物的位置进行更新,位置更新公式为:
X(t+1) = Xp(t)- AD (3-13)
A=2ar1-a (3-14)
式中:r2为在[0,1]区间内产生的随机数;A为灰狼位置更新系数。a为位置收缩系数。
定义 3 猎物位置定位。最靠近猎物的灰狼最可能判断出猎物下一步可能的逃脱方向, 假设灰狼a、0和力与猎物的距离最近,则其余灰狼将根据自己与灰狼a、0和力距离,做出预 判,进而决定自己的移动方向,如下图所示。
- 22 -
 
 
图 3-2 灰狼协同捕猎示意图
其余灰狼个体与灰狼a、”和力的距离Da、D0和Ds,如下式:
2= C1X 片)-X (t )| <Dp= C 2 Xp (t) - X (t )| (3-15)
D厂 C3X»(t) - X(t)|
根据灰狼个体与灰狼a、"和S的距离,计算判断猎物的移动方向,如下式:
” X! = X。- A1 Da
< X2 = Xp-A2Dp ' (3-16)
、X3 = X厂 A3 d8
Xp (t +1) = X1 + X2 + X3 (3-17)
式中:X1为灰狼a的移动方向;X2为灰狼"的移动方向;X3为灰狼s的移动方向;X为猎物 位置。
相比于其他典型优化算法,灰狼算法的优越性在于具有特殊的搜索机制,在增强全局 寻优能力的同时又能够及时跳出局部最优陷阱,在求解单目标优化问题上具有明显的优 势。此处分别采用标准粒子群算法(particle swarm optimizer,PSO)、灰狼优化算法(GWO) 和典型遗传算法(genetic algorithm,GA)对确定的测试函数求解。采用具有多峰、多沟壑 的 Rastrigin 函数为求解函数,该函数最优解为(0,0),函数最小值为 0,函数表达式如式 (3-18)所示,二维函数曲线表示如图 3-3 所示。
f (x) = 1— V 兀:_口 cos(*) +1 (3-18)
4000台i甘 '屁
式中:〃为优化变量个数;fx)为测试函数的目标值;Xi为第i个优化变量。
- 23 -
 
 
 
3种算法的求解结果如图3-4所示。从图中3种算法的收敛曲线可知,粒子群算法在 跳出局部最优陷阱的能力较弱,算法在迭代200代时早熟收敛,在3种算法中求解精度最 差;遗传算法在迭代前期具有较强的爬坡能力,全局搜索能力较强,直至迭代600代时, 算法收敛;相比于前2种算法,灰狼优化算法具有较强的搜索效率,在前500代寻优过程 中,能够不断更新最优解,及时跳出局部最优陷阱,整体求解精度更高。
 
 
3.4.2多目标灰狼优化算法
灰狼优化算法是典型的单目标仿生智能算法,具有求解精度高、收敛速度快、全局搜 索能力强的特点,但并不适用于求解多目标规划问题,而本文建立的综合考虑投资收益、 网络损耗和电压稳定性的规划模型属于多目标规划问题。为此,结合多目标优化理论,以 灰狼优化算法为基本框架,将多目标优化搜索机制融入灰狼优化算法求解过程中,提出一 种多目标灰狼优化算法对本文模型进行求解。多目标优化是根据各目标函数的内在竞争关 系,计算得到一系列最优解,决策人员根据实际情况选择最佳规划方案,下面介绍几个重
- 24 -
 
要概念[44-45]。
(1)支配关系
以求极小值的m维多目标优化问题为例,若决策变量X1支配X2,记为X2 YX1,当且仅 当下式成立:
7 w{1,2,…,m}: f (X1) < f (X2)
、寸 0 {1,2,…,m }:力(X1) V fj (X2)
式中:力(XI)表示决策变量X1第i个目标函数值。
(2)非劣解
在可行域中不存在决策变量Xi支配X*,则称决策变量X*为多目标优化问题的非劣解或 称 pareto 最优解,如下式:
—iBx g Xn : x Y x* (3-20)
(3)帕累托前沿
由可行域内所有非劣解目标函数值所组成的集合称为帕累托前沿(Pareto Front,PF), 可米用PF*表示为:
PF * = {f (X *) = (X J,…,fm (X *)) | X * g X:} (3-21)
为更加直观的阐述多目标优化理论的相关概念,以一个包含两个目标函数的优化问题 为例进一步说明,非劣解支配示意图如图 3-5 所示。从图中可以看出, 9 个决策变量所对 应的目标函数值 f1 和 f2 在二维平面内组成 9 个点,其中点 A、 B、 C、 D 对应的决策变量为 非劣解,支配点 E、 F、 G、 H 和 I 对的决策变量,点 E 对应的决策变量支配点 F、 G 对应 的决策变量,点 H、 I 对应的决策变量支配点 E、 F、 G 对应的决策变量。
 
灰狼优化算法是典型的单目标智能仿生算法,具有求解精度高、收敛速度快、全局搜 索能力强的特点,但并不适用于求解多目标规划问题。为解决这一问题,本文将多目标优 化理论的搜索策略与灰狼优化算法结合,提出一种适用于求解本文模型的多目标求解算 法。首先介绍多目标优化相关搜索策略。
(1)精英保留策略
- 25 -
 
精英保留策略的核心思想是保留优良个体,即在每一次迭代寻优后,确保一定数量的 优良个体能够传递到下一次寻优过程中,尽可能减少精英个体的损失,其具体操作是应用 上一次迭代寻优得到的部分精英个体代替下一次随机生成的个体,计算步骤如下:
1) 计算每一次迭代寻优后的精英个体数量Elite,如下式:
NElite = L^Elxte X min[N, K]J (3-22)
式中:L*J为向下取整函数;Qlite为精英个体保留系数;N K分别为种群数量以及前沿个
体数量。
2) 按下式计算任意非劣解p,和pj之间的距离Dist(pi,pj),排序得到List(p)。
 
3 )选取序列List(p)前NEllte个精英个体代替下一次迭代的NE血个个体,进行下一次迭 代寻优。
(2) 拥挤度距离计算策略 拥挤度距离可以描述前沿个体之间的空间距离,个体间的距离越大表示非劣解分布越
广泛,反之非劣解分布空间越小,保证个体之间的一定空间距离可以有效提高非劣解分布 的广泛性与均匀性。计算步骤如下:
1) 计算非劣解之间的距离L[i]d ;
2) 计算非劣解同一目标函数的距离L[i]m,经排序后得到L = sort(L,m);
3) 为保证非劣解分布的均匀性,设定L[0]“ = L[l]“ = 8 ;
4) 根据得到的L[i]d、L[i]m计算拥挤度距离,如下式:
L[i]d = L[l]d +(L[i+1]m-L[i-1])/(fmmax- fmmin) (3-24)
(3) 累积非支配排序策略
设置多目标优化算法个体数为N,求解模型的目标函数为M,应用累积非支配排序方 法对种群所有个体非支配排序,具体步骤如下:
1) 设置参数初始值,迭代计数器 j=1;
2) 计算所有种群个体的目标函数值,并比较个体Xj与Xn( j = 1,2,...,N,且jH")的支配 关系,与其他个体比较,若个体Xj均占优,则将个体X,保存到非劣解解集中;
3) 迭代计数器j=+1,返回到上一步,从步骤2)的计算,直到解集个数达到设定值 或迭代计数器 j 达到设定值,结束计算。
结合蒙特卡洛模拟的多目标灰狼优化算法求解逻辑框图如下图:
- 26-
 
3.4.3多目标辅助决策
考虑源荷侧波动特性的分布式电源规划模型考虑了投资收益、网络损耗和电压稳定 性,是一个多目标优化数学模型。根据多目标优化理论可知,多目标算法求解得到的是一 系列非劣解,每一个解均为最优解,规划人员需要根据对各评价指标的侧重从中选取最优 的折中解。然而,仅靠决策人员的主观意识来确定最终规划方案缺少科学的理论支撑,且 各评价指标的数量级不同更增加决策难度。为此,本文应用模糊隶属度函数对各评价指标 进行归一化处理,构建综合满意度指标作为最优折中解选取依据[46]。模糊隶属度归一化计 算如下式:
 
C — C
psc psc,min
psc,min psc psc,max
psc,max psc,min
0 C < C
psc psc,min
 
 
1.0, U <Umin
U - U
U , Umin V U V Umax
max min
0, U > Umax
max
3-26)
1.0, Ploss < Ploss,min
Poss,max Poss p < P < P
loss,min 1 loss,max
loss,max loss,min
0, Ploss ' Ploss,max
3-27)
式中:久1为模糊隶属度归一化处理后的投资指标;久2为模糊隶属度归一化处理后的电压稳 定性指标;久3为模糊隶属度归一化处理后的网损指标;;Cpsc,max、Cpsc,min分别为投资收益 指标上、下限;Umax、Umin分别为电压稳定性指标上、下限;Ploss,max、Ploss,min分别为网损 指标的上、下限。
应用模糊隶属度归一化处理后的各目标函数值构建综合满意度评价指标儿如下式:
3-28)
式中: m 为求解目标函数的总数。
采用多目标灰狼优化算法求解得到非劣解后,首先计算所有非劣解的各目标函数的模
糊隶属度值,然后计算各非劣解的综合满意度评价指标,选取最大的综合满意度评价指标 作为最优折中解。
3.5 算例分析
3.5.1 算例描述
选取 pG&E-69 节点配电系统作为测试算例,应用 MATLAB 软件编程进行双层多目标 规划求解计算。考虑多类型分布式电源参与配电网电源规划,包括风电(WT)、微型燃 气轮机(MT)、光伏(PV)和燃料电池(FC),其中风、光分布式电源受风、光资源影 响,出力具有随机性,微型燃汽轮机和燃料电池按调度计划出力,出力具有确定性。分布 式电源按PQ节点处理接入配电网,功率因数设置为0.9,分布式电源经济效益参数见表 3-1。风电、光伏概率模型以及负荷概率模型相关的概率分布参数见表 2-2。电网分布式电 源渗透率上限为40%,节点电压波动允许范围为[-7%Aate, +7%Vrate],置信水平0、5设置为 0.9。算法迭代截止次数为 100 次,种群规模为 50。
- 28-
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
表 3-1 分布式电源经济参数
 
 
DG 类型 容量 运维成本/ 售电电价/ 政府补助/ 折算系数 投资成本/
类型 系数 (元/kW) (元ZkW・h) (元/kW・h) 折算系数 (元/kW)
WT 0.35 0.032 0.55 0.25 0.100 6 13000
MT 1.00 0.195 0.44 0 0.100 6 9700
PV 0.29 0.013 0.55 0.25 0.084 3 45500
FC 1.00 0.320 0.44 0 0.974 8 18200
 
3.5.2仿真结果分析
上层选址模型计算得到PG&E69节点系统的有功网损灵敏度值Ti如下图所示。
 
 
图 3-8 有功网损灵敏度值 Ti
从上图可以看出,节点 21、59、61和64 的有功网损灵敏度值较大,选取上述4个节 点作为分布式电源并网安装位置能够有效降低系统网损,提高系统运行的经济性。表 3-4 给出了分布式电源安装节点的有功网损灵敏度值以及分布式电源安装类型。
- 29 -
表 3-2 选址计算结果
安装节点 电源类型 Ti (10—3 p.u)
61 WT 4.3036
21 MT 0.0639
64 PV 0.1975
59 FC 0.0195
 
风电、光伏出力具有随机性,接入电网运行后增加了系统潮流的不确定性,结合蒙特 卡洛模拟的多目标求解算法计算可以深入分析系统运行参数的概率特征。相比于单目标求 解算法,多目标求解算法可以提供一系列非劣解供决策者选择,便于决策者分析各评价指
 
图 3-9 帕累托前沿个体分布
从上图可以看出,非劣解分布较为广泛,前沿完整性好,增加了决策者选择的多样性。 从总体分布上看,非劣解的电压指标和有功网损指标分布区间较大,分析原因是由于间歇 性风电和光伏出力的随机性增加了系统运行的复杂性。另一方面可以看出,分布式电源的 投资收益与系统有功网损指标和电压稳定性指标呈现负相关,即投资收益的增加是以损害 系统运行经济性和可靠性为代价的。从帕累托前沿非劣解集中选取几个典型配置方案如下 表所示。
表 3-3 分布式电源典型配置方案
配置容量(kW) 评价指标
配置方案 风电 光伏 燃汽轮机 燃料电池 投资效益(万元-年) 电压指标(p.u) 有功网损(kW)
电压最优解 360 400 390 370 0.8455 0.5460 101.0793
网损最优解 380 390 350 390 0.8615 0.5555 99.7674
经济最优解 400 60 50 350 1.1260 0.7537 135.6409
最优折中解 400 400 50 380 1.0045 0.7088 116.5419
 
3.5.3概率规划结果分析
 
考虑分布式电源出力随机性的配电网潮流具有不确定性,节点电压将在一定的范围内 波动。为深入分析间歇性电源并网对系统电压的影响,统计典型配置方案的电压运行数据, 以概率特征值对系统电压进行表示。图3-10 绘制了典型配置方案的系统电压状态数据的均 值曲线。
1 1 1 严I 1
 
0.92 ; : :
0 9 ' ' i ' '
0 10 20 30 40 50 60 70
节点编号
图 3-10 典型配置方案的电压期望值曲线对比
从图中电压曲线分布来看,与未接入分布式电源的电压曲线相比,分布式电源并网运 行后的节点电压质量得到了显著的提升。以电压最优配置方案为例,系统电压均值由原始 的0.9734p.u,提高到了 0.9845p.u,最低节点电压由原始的0.9090p.u,提高到了 0.9382p.u。 由此处也可以看出,分布式电源并网后的最低节点电压均值都大于0.93p.u,这也说明了电 压机会约束的有效性。间歇性电源出力具有随机性,其并网运行后的系统电压呈现一定的 波动性,为方便电网运行人员对系统电压进行风险评估,将系统节点电压最低的 65 号节 点作为电压薄弱节点进行着重分析。采用概率密度曲线(PDF)描述不同配置方案薄弱节 点电压变化,为风险评估提供数据支撑,如图 3-11 所示。
180
160 -
140 -
120 一 
从 PDF 曲线分布可知,不同配置方案的系统薄弱节点电压呈现不同的波动性,其中投 资收益最大方案的系统薄弱节点电压质量最差,电压越限概率为 55.12%,分析原因是由于 该方案侧重投资收益,导致经济性较差的光伏和燃料电池两种分布式电源配置容量较小, 对改善系统电压质量的作用有限,致使大概率的薄弱节点电压越限。同时可以看出,最优 折中解配置方案的电压波动区间在[0.9256p.u,0.9567p.u],相比于其他典型配置方案的电压 波动范围更广,分析原因是由于该方案风电和光伏配置容量较大,增加了系统电压波动的 范围。经计算得到最优折中解规划方案的薄弱节点电压不越限概率 92.88%,说明该规划方 案有效,满足系统运行可靠性要求。
网损指标作为系统运行经济性的重要指标,同样受风、光电源出力以及负荷波动性的 的影响,为进一步分析典型配置方案下网损分布情况,采用概率分布函数(CDF)描述网 损分布,图3-12和图3-13分别给出了网损分布情况。
 
 
 
3-12 典型配置方案的有功网 损累积概率密度曲线
 
从网损分布可以看出,分布式电源并网运行后的系统有功网损与无功网损呈现一定的
随机性,经济最优方案由于分布式电源总配置容量较小,因此网损指标最差
3.5.4不同负荷容量规划结果分析
随着社会用电量的逐渐增大,在进行分布式电源规划研究时应充分考虑未来负荷需求 变化对系统运行结果的影响。选取系统原始负荷容量L为基准,在此基础上,以0.6L、0.8L、 1L、 1.2L、 1.4L 负荷容量进行分布式电源规划研究,分析不同负荷容量下的规划方案。从
 
 
 
 
从电压和网损随负荷变化曲线可知,系统节点电压在 0.6L 负荷容量时最优,在 1.4L 负荷容量时最差,系统有功网损和无功网损变化情况与电压类似。由上分析可知,随着用 电需求的增加,应增加分布式电源配置容量,降低系统负荷增加对系统运行经济性和安全
- 33-
性的影响。表3-7给出了不同负荷容量的规划评价指标。
表 3-7 不同负荷容量的规划评价指标
负荷水平(Z) 投资效益指标(万元-年) 电压指标(p.u) 有功网损指标(kW)
0.6 0.9642 0.3027 22.7035
0.8 0.9552 0.4928 60.4864
1.0 1.0045 0.7088 116.5419
1.2 1.0630 0.9377 217.9715
1.4 1.1275 1.1571 325.5116
 
从表3-7数据可知,随着负荷容量的增大,分布式电源投资收益越大,在负荷容量为.4L 时,投资效益指标达到最大,但电压指标和有功网损指标最差,说明负荷容量增加时,分 布式电源利用率较大,但分布式电源作为集中发的补充,不能满足负荷容量的大幅度增加, 此时对降低网损和改善网损的效果较弱。因此,有必要在配电负荷增加时,提高分布式电 源接入电网的容量。
3.6本章小结
考虑不确定因素的规划模型兼顾了系统运行经济性和供电可靠性,得到的规划方案更 加贴近实际工程。最优折中解规划方案的薄弱节点电压越限概率为7.12%,满足机会约束 置信水平要求,说明该规划方案有效。随着负荷容量的增加,分布式电源投资收益越大, 但电压指标和有功网损指标最差,说明负荷容量增加时,分布式电源运行经济性较高,而 对降低网损和改善网损的效果较弱。
- 34 -
第 4 章 考虑主动管理措施的分布式电源多目标规划
4.1引言
传统配电网的运行、控制和管理均采取被动模式,不具备主动管理功能,而随着分布 式能源大量注入配电网,改变了配电网电源结构,对电网运行产生一系列的负面影响,此 时需要配电网具有更高的协调控制能力。主动配电网是智能电网的重要组成部分,具有控 制灵活、智能程度高和主动管理等特点,是未来配电网的发展方向。主动配电网管理措施 可以实现对源荷侧发电资源的优化控制,减少分布式发电对系统运行的不利影响,加强对 分布式电源的控制能力。本章应用调节有载变压器抽头、切除分布式电源有功出力、调节 分布式电源功率因数三种主动管理措施提高系统对分布式电源的适应能力。
4.2考虑主动管理措施的规划模型
为验证主动管理措施对配网运行的积极作用,与第三章未考虑主动管理措施的计算结 果进行对比,本章模型是在第三章模型的基础上进行改进得到的,此处将调节有载变压器 抽头、切除分布式电源有功出力以及调节分布式电源功率因数三种主动管理措施纳入分布 式电源规划研究中,规划流程框图如图 4-1 所示。从图可知,上层选址模型计算配电系统 所有节点的 Ti 值,在确定分布式电源安装节点后,下层模型综合考虑主动管理措施约束及 系统运行约束,以投资收益、网络损耗和电压稳定性指标为目标函数优化配置分布式电源 最佳容量。
上层选址模型模型
根据Tt =怦+加;+2吃R}i吃硃+豳兀)」吃R,+Q2打|
计算节点系统所有节点几对其排序得到分布式电安装节点
分布式电源安装位置;
配置层优化模型
目标函数:年投资收益、年网损指标和年电压偏差指标
约束条件:(1)潮流方程约束方程
(2)分布式电源有功切除量约束
(3)有载调节变压器调节约束
(4)分布式电源功率因数角约束
(5)节点电压约束
(6)变电站供电的有功与无功约束 ⑺支路传输容量约束
(8)分布式电源安装容量约束
图4-1主动管理模型下的规划流程图
- 35-
上层选址模型应用有功网损灵敏度法计算系统所有节点厲值,Ti值越大表示在该节点 安装分布式电源对提高系统运行经济性效果越好,对其排序得到分布式电源安装节点,并 传递到配置模型中,具体计算方法详见 3.3.1小结,此处不再进行赘述。
下层配置模型以投资效益指标、系统网损指标和电压稳定性指标为目标函数,约束条 件包括常规运行约束条件和主动管理措施约束条件,模型的目标函数和常规运行约束条件 与 3.3.2 小结相同,此处不再进行赘述。主动管理措施约束条件包括削减分布式电源有功 出力约束、有载变压器抽头调节约束、分布式电源有功削减率约束、分布式电源功率角约 束,如下式:
'(iur)&Gx s PdG < pmax
<備 < ^OLTC < VmXc (4 3)
'o <^ur <C;X -
§min <s< 严x
式中:溜、P)G分别分布式电源有功切除前、后的值;氓ur、或管分别为分布式电源有功 切除率及其上限;Voltc、VOLTc、VOLTc分别为有载调节变压器二次侧电压及上、下限;5、 5max、5min分别为分布式电源功率因数角及上、下限。
4.3算例分析
4.3.1仿真描述
选取改进 PG&E-69 节点配电系统作为测试算例,系统拓扑结构图如图4-2 所示,应用
MATLAB软件编程进行求解计算。考虑多类型分布式电源参与配电网电源规划,包括风电、 微型燃气轮机、光伏和燃料电池,其中风、光分布式电源受风、光资源影响,出力具有随 机性,微型燃汽轮机和燃料电池按调度计划出力。风电、光伏概率模型以及负荷概率模型
相关的概率分布参数见表2-2,分布式电源投资效益参数见表3-1,主动管理措施参数设置 见表4-1。电网分布式电源渗透率上限为40%,节点电压波动允许范围为卜7%几航+7%人繭,
置信水平〃、力设置为0.9。算法迭代截止次数为100次,种群规模为50。
 
图 4-2 改进的配电系统接线图
 
- 36 -
 
表 4-1 主动管理措施参数
主动管理措施 最小值 最大值
DG有功切除率% 0 20
OLTC二次侧电压(p.u) 0.95 1.05
DG功率因数 0.95(迟相) 0.95(进相)
 
4.3.2仿真结果分析
多目标灰狼优化算法求解得到的帕累托前沿个体分布如下图。
电压稳定性指标
图 4-3 帕累托前沿个体分布
从上图可以看出,非劣解分布较为广泛,前沿完整性好,增加了决策者选择的多样性。 从总体分布上看,非劣解的电压指标和有功网损指标分布区间较大,分析原因是由于间歇 性风电和光伏出力的随机性增加了系统运行的不确定性。当侧重经济性指标优化时,电压 指标和网损指标会有所劣化。选取非劣解中几个代表性方案如下表。
表 4-3 典型配置方案
配置容量(kW) 评价指标
配置方案 风电 光伏 燃汽轮机 燃料电池 投资效益(万元-年) 电压指标(p.u) 有功网损(kW)
配置方案 A 370 120 390 400 0.8866 0.5119 98.3061
配置方案B 370 400 320 390 08682 0.5245 92.3864
配置方案C 350 60 370 350 0.8867 0.5458 108.6215
配置方案 D 400 60 170 360 1.0009 0.6351 115.5122
配置方案 E 330 100 50 350 1.0886 0.6863 124.2517
配置方案 F 380 50 60 300 1.1170 0.7063 131.1823
从表4-3数据可以看出,配置方案D与其他配置方案相比,虽然各评价指标均非最优, 但总体优化效果较为均衡。为了更好的说明考虑主动管理措施对改善系统运行状况的积极 作用,与第三章的最优折中解进行比较。首先从电压的角度进行分析,图4-4 给出了考虑 主动管措施前后的节点电压曲线对比。
- 37-
 
 
 
图 4-4 考虑主动管理措施后的节点电压曲线
从图4-4可以看出,与第三章未考虑主动管理措施的最优折中解方案相比,考虑主动
管理措施后的系统各节点电压有了较大提高,节点电压均值由0.9736p.u,提高到了
0.9801p.u。配置方案D的分布式电源总接入容量为990kW,而第三章最优折中解分布式电
源总接入容量为1230kW,虽然接入容量较最优折中解少了 440kW,但对系统电压改善效
果却更为显著。综上分析可知,主动管理措施通过调节有载变压器抽头、切除分布式电源
有功出力和调节分布式电源功率因数可以改善系统运行水平。图4-5至4-8给出了部分典
型节点电压的概率密度曲线对比情况,图4-9和4-10给出了系统网损对比情况。
 
节点电压幅值(p.u)
图 4-5 考虑主动管理措施前后 21 号节点电压概率密度曲线
 
- 38 -
 
 
 
节点 电压 幅值 (p.u)
图 4-6 考虑主动管理措施前后 59 号节点电压概率密度曲线
 
节 点 电 压 幅 值 ( p.u)
 
图 4-7 考虑主动管理措施前后 61号节点电压概率密度曲线
 
 
节 点 电 压 幅 值 ( p.u)
图 4-8 考虑主动管理措施前后 64 号节点电压概率密度曲线
- 39 -
 
 
图 4-9 考虑主动管理措施前后有功网损累积概率密度曲线
 
 
 
图 4-10 考虑主动管理措施前后无功网损累积概率密度曲线
从电压概率分布曲线可知,相比于第三章未考虑主动管理措施的电压指标,主动管理 措施双层规划模型得到的节点电压波动区间更小,说明通过调节有载变压器抽头、切除分 布式电源有功出力和调节分布式电源功率因数等手段可以有效降低风、光电源出力随机性 对系统运行电压的影响。从网损概率分布曲线可知,系统有功网损和无功网损改善程度不 显著,但波动区间明显减小。综上分析可知,考虑主动管理措施的分布式电源规划可以有 效缓解分布式电源出力随机性对系统电压和网损运行指标的影响,节点电压和网损的波动 范围更小。
4.4本章小结
与第三章未考虑主动管理措施的最优折中解方案相比,虽然分布式电源接入容量较最
- 40- 优折中解少了 440kW,但通过调节有载变压器抽头、切除分布式电源有功出力和调节分布 式电源功率因数等手段,考虑主动管理措施后的系统运行指标有了较大提高,节点电压均 值由0.9736p.u,提高到了 0.9801p.u,有功网损和无功网损也有了一定程度的改善。
- 41 -
结论
传统配电网的运行、控制和管理均采取被动模式,不具备主动管理功能,而随着分布 式能源大量注入配电网会改变配电网电源结构,对电网运行产生一系列的负面影响,此时 需要配电网具有更高的协调控制能力。主动配电网管理措施可以实现对源荷侧发电资源的 优化控制,减少分布式发电对系统运行的不利影响,加强对分布式电源的控制能力。本文 考虑源荷侧随机性建立双层规划模型,从多目标优化、不同负荷容量规划以及主动管理措 施等方面展开研究,经算例仿真得到以下结论:
(1) 建立风、光电源出力以及系统负荷波动的概率模型,采用蒙特卡洛模拟法计算 考虑源荷侧随机性的配电网潮流分布,选用PG&E69节点系统为测试算例,计算结果表明: 不同配置容量对系统电压和网络损耗等运行指标的影响不同。
(2) 考虑源荷侧不确定因素的配电网分布式电源规划研究是一个高维、非线性的多 目标随机优化问题,对求解算法具有较高的要求。为此,结合多目标优化理论,以灰狼优 化算法为主体,提出一种多目标灰狼优化算法对双层规划模型求解,计算得到的非劣解丰 富多样,增加了规划方案的选择性,便于规划人员科学决策。
(3) 综合考虑投资收益、有功网损和电压指标的多目标规划模型,在保证电压质量 的同时,兼顾了系统运行经济性和供电可靠性,得到的规划方案更加贴近实际工程。折中 解规划方案的系统电压稳定性较高,薄弱节点(65号节点)电压越限概率为 7.12%,发生 电压越限事件为小概率,说明该规划方案有效。对不同负荷容量下的规划结果可知,随着 负荷容量的逐渐增大,系统运行经济性和电压质量变差,因此有必要在配电负荷增加时, 适当提高分布式电源接入电网的容量。
(4) 与第三章未考虑主动管理措施相比,第四章考虑主动管理措施后的系统电压和 网损有了显著改善,典型节点电压和网损的波动范围更小,节点电压均值由0.9736p.u,提 高到了 0.9801p.u,说明通过通过调节有载变压器抽头、切除分布式电源有功出力和调节分 布式电源功率因数等手段,可以有效缓解分布式电源出力随机性对系统电压和网损运行指 标的影响。
- 42-
参考文献
[1]鲍薇,胡学浩,何国庆,等.分布式电源并网标准研究J].电网技术,2012, 36(11): 46-52.
[2]刘振亚.全球能源互联网[M].北京:中国电力出版社,2015.
[3]赵波,王财胜,周金辉,等.主动配电网现状与未来发展J].电力系统自动化,2014, 38(18): 124-135.
[4]蔡永智,阙华坤,李健,等.基于纵横交叉算法的分布式电源优化配置方法J].南方 电网技术, 2019, 13(08): 39-43.
[5]方金涛,龚庆武.考虑运行风险的主动配电网分布式电源多目标优化配置J].电力建 设, 2019, 40(05): 128-134.
[6]孙建梅,胡嘉栋,蔚芳.考虑利益主体合作的分布式电源运营商电源优化配置J].电 力建设, 2021, 42(06): 127-134.
[7]肖永江,于永进,张桂林.基于改进乌燕鸥算法的分布式电源优化配置[J].电力系统 保护与控制, 2022, 50(03): 148-155.
[8]陈杉•含分布式电源的配电网多目标优化问题研究[D].重庆大学博士学位论文:2013.
[9]徐讯,陈楷,龙禹,等.考虑环境成本和时序特性的微网多类型分布式电源选址定容 规划[J].电网技术,2013, 37(4): 914-921.
[10]冯磊,周少雄,陈燿圣,等.考虑主动配电网运行策略的分布式电源规划方法J].可 再生能源, 2019, 37(02): 226-231.
[11]潘霄,沈方,张明理,等.基于需求相关性分组预测的主动配电网分布式电源规划方 法[J].可再生能源,2019, 37(04): 582-587.
[12]凌万水,刘刚.基于鲁棒优化的主动配电网分布式电源优化配置方法[J].电力系统保 护与控制, 2020, 48(15): 141-148.
[13]任智君,郭敏铧,郭红霞,等.电源-用户互动模式下的主动配电网分布式电源规划[J].可
再生能源, 2019, 37(11): 1643-1649.
[14]胡吟,韦钢,言大伟,等.分布式电源在配电网中的优化配置[J].电力系统保护与控 制, 2012, 40(11): 100-105.
[15]庄园,王磊.分布式电源在配电网络中优化选址与定容的研究[J].电力系统保护与控 制, 2012, 40(20): 73-78.
[16]任洪伟,韩丛英,裴玮,等.基于多目标优化模型的分布式电源选址方案研究J].电
- 43 -
力系统保护与控制, 2013, 41(24): 64-69.
[17]孙充勃,李敬如,罗凤章,等.考虑分布式电源接入的配电系统典型算例设计[J].电 力建设, 2020, 41(10): 47-62.
[18]杨博,俞磊,王俊婷,等.基于自适应蝠鲼觅食优化算法的分布式电源选址定容[J].上 海交通大学学报, 2021, 55(12): 1673-1688.
[19]唐念,夏明超,肖伟栋,等.考虑多种分布式电源及其随机特性的配电网多目标扩展 规划[J].电力系统自动化,2015, 39(08): 45-52.
[20]栗然,马慧卓,祝晋尧,等.分布式电源接入配电网多目标优化规划J].电力自动化 设备, 2014, 34(01): 6-13.
[21]杨晓萍,王李瑾.基于概率潮流的含分布式电源配电网优化J].太阳能学报,2021, 42(08): 71-76.
[22]胡晶,陈红坤,陈磊,等.考虑多主体利益与需求响应的分布式电源优化配置J].电 力系统保护与控制, 2021, 49(15): 38-46.
[23]张长久,贾清泉,赵铁军,等.考虑需求响应的增量配电网分布式电源优化配置[J].电 力系统及其自动化学报, 2020, 32(08): 7-16.
[24]赵楠,王蓓蓓.计及多类型需求响应资源的配电网分布式电源优化配置[J].中国电力, 2019, 52(11): 51-59+67.
[25]任智君,郭敏铧,郭红霞,等.电源-用户互动模式下的主动配电网分布式电源规划 [J].可再生能源,2019, 37(11): 1643-1649.
[26]刘晋源,吕林,高红均,等.计及分布式电源和电动汽车特性的主动配电网规划[J].电 力系统自动化, 2020, 82(12): 41-48.
[27]倪识远,张林垚,胡志坚.考虑电源和负荷时序特性的主动配电网网源协调规划方法 [J].电力系统保护与控制,2020, 56(10): 12-21.
[28]凌万水,刘刚.基于鲁棒优化的主动配电网分布式电源优化配置方法[J].电力系统保 护与控制, 2020, 561(15).
[29]孙旻,张大,余愿,等.计及投资方收益与主动配电网管理的分布式光伏电源规划[J].智 慧电力, 2020, 23(09): 56-62.
[30]易辰颖,胡志坚,林伟伟.基于主从博弈的主动配电网分布式电源与独立储能协同规 划方法[J/OL].电测与仪表:1 -10[2022-05-31 ] .http://kns.cnki.net/kcms/detail/23.1202. TH.20220124.1431.004.html.
[31]韩璟琳,袁建普,胡诗尧,等.考虑多元随机因素概率相关性的主动配电网规划研究 [J].智慧电力,2020, 23(09): 23-29+101.
[32]董雷,程卫东,杨以涵•含风电场的电力系统概率潮流计算J].电网技术,2009,33(16): 87-91.
[33]王敏,丁明.考虑分布式电源的静态电压稳定概率评估J].中国电机工程学报,2010,
- 44-
30(25): 17-22.
[34]张喆,李庚银,魏军强.考虑分布式电源随机特性的配电网电压质量概率评估J].中 国电机工程学报, 2013, 33(13): 150-156.
[35]刘宇,高山,杨胜春,等.电力系统概率潮流算法综述J].电力系统自动化,2014, 38(23): 127-135.
[36]Li X, Li Y Z, Zhang S H. Analysis of probabilistic optmial power flow taking account of the variation of load power[J]. IEEE Transactions on Power Systems, 2008, 23(3): 992-999.
[37]Zhang P, Lee S T. Probabilistic load flow computation using the method of combined cumulants and GramCharlier expansion[J]. IEEE Transactions on Power Systems, 2004, 19(1): 676-682.
[38]Villanueva D, Pazos J L, Feijoo A. Probabilistic load flow including wind power generation[J]. IEEE Transactions on Power Systems, 2011, 26(3): 1659-1667.
[39]M.M.Aman, G.B.Jasmon, A.H.A.Bakar, et.al. A new approach for optimum simultaneous multi-DG distributed generation units placement and sizing based on maximization of system load ability using HPSO (hybrid particle swarm optimization) algorithm[J]. Energy, 2014, 66(1): 202-215.
[40]庄园,王磊.分布式电源在配电网络中优化选址与定容的研究[J].电力系统保护与控 制, 2012, 40(20): 73-78.
[41]张立梅,唐巍,王少林,等.综合考虑配电公司及独立发电商利益的分布式电源规划 [J].电力系统自动化,2011, 35(4): 23-28.
[42]栗然,马慧卓,祝晋尧,等.分布式电源接入配电网多目标优化规划J].电力自动化 设备, 2014, 34(1): 6-13.
[43]Mirjalili S, Mirjalili S M, Lewis A- Grey wolf optimization[J]. Advances in Engineering Software, 2014, 69: 46-61.
[44]张茂清,汪镭,崔志华,等.基于混合策略的快速非支配排序算法IIJ].郑州大学学 报(工学版), 2020, 41(04): 23-27.
[45]陈娟,荆昊,孙向阳.基于模糊非支配排序遗传算法的多车型快速路交通拥堵和排放 优化[J].上海大学学报(自然科学版),2021, 27(04): 766-784.
[46]徐玖平,吴巍.多属性决策的理论与应用[M].北京:清华大学出版社,2006: 45-48.
【本文地址:https://www.xueshulunwenwang.com//shuoshilunwenzhuanti/dianlixitongjiqizidonghua/5272.html

上一篇:基于智能软开关的城市电-气综合能源系统韧 性提升方法

下一篇:没有了

相关标签: