1、第 44 卷 第 504 期 电测与仪表 Vol.44 No.504 2007 年 第 12 期 Electrical Measurement j 为 治理污染物 j 所需 费用，万元 /kg； m 为 污染物种类 数 ，本模型考虑 CO2、 SO2 及氮氧化物 3 类； ij 为 第 i 类DG 对应 j 类污染物的排放系数； RiC 为 第 i 类 DG 的残值。 综合 考虑 配电网供应侧 的规划和运行研究现况，上层 规划模型需要考虑 以下 约束条件 ： （ 1） DG 安装 容 量约束 。 maxiiGG （ 12） 式 中 maxiG 为 第 i 个 DG 的 规划 允许容量上限 。
2、（ 2） DG 渗透率约束 。 DG L110.15N NijijGL（ 13） 式 中 LN 为系统 的 负荷节点数 ； DGN 为 系统 内DG 总数 。 （ 3） 功率平衡约束 。 DG L11N Nk i jijE t P t L （ 14） 2.2 下层 规划模型 在 上层规划的 决策 基础上， 下层规划 以 DG 的有功出力切除量最小为优化目标， 具体 表达式 ： DGcur1minNii P（ 15） 式中 curiP 是 第 i 个 DG 的切除 功率， 单位 kW。 综合 考虑 DG 优化 运行 的 各项要求，下层模型需要考虑 以下 约束条件 ： （ 1） 节点 功率平衡约束
3、 。 jjU c o s s inU s in c o sis i ij ij ij ijjiis i ij ij ij ijjiP U G BQ U G B（ 16） 式 中 ,is isPQ分别 为节点 i 注入 的有功功率和无功功率， kW； ji 即节点 j 与 节点 i 相连 ； ,ij ijGB分别表示 节点 导纳 阵 的 实部和虚部； ij 为 节点 i 与 节点 j 的 相角差 。 （ 2）节点 电压约束。 min maxi i iU U U （ 17） 式 中 min max,iiUU分别 为节点 i 的 电压上限与下限。 （ 3） 支路 传输 功率约束。 maxij ijS
4、S （ 18） 式 中 maxijS 为连接 节点 i 与 节点 j 之间 支路 的 功率上限。 （ 4） DG 出力切除量约束。 min maxcur cur curi i iP P P （ 19） 式 中 min maxcuri curi,PP分别 为第 i个 DG的出力 切除功率上下限。 （ 5）有载变压器 抽头调节约束 。 min maxk k kT T T （ 20） 式 中 min max,kkTT分别 为有载变压器 k 的 抽头调节范围 上下限。 （ 6） 无功补偿装置投切 约束。 min maxc c ci i iQ Q Q （ 21） 式 中 min maxcc,iiQQ分别
5、 为无功补偿装置 投切 容 量的第 44 卷 第 504 期 电测与仪表 Vol.44 No.504 2007 年 第 12 期 Electrical Measurement & Instrumentation Dec.2007 上下限。 3 求解 算法 在构建本模型中的 DG 与负荷的随机模型时，应用 Beta 分布 10描述确定 PV出力大小的光照强度情况，而对于风电出力，根据研究则采用 Weibull 分布11-12刻画风速的随机性。 在上下层模型之间的决策传递过程中，上层规划模型需要将得出的 DG 规划方案传递给下层模型，而下层规划则在此基础上对每个场景应用主动管理模式进行主动配电网优
6、化运行模拟， 并将模拟后的运行模式结果传递给上层，以便上层规划利用该结果计算目标函数值。通过反复交替迭代求解，最后便可得出收敛的全局最优解。考虑到本文所 建立的双层规划模型是一个十分复杂的混合整数非线性模型，因此针对上、下层模型的特点，分别运用不同求解策略进行求解。 粒子群算法 （ Particle Swarm Optimization， PSO）源于对群体觅食运动行为的动态模拟，是一种演化计算方法。研究表明，该算法对于求解非线性 双层规划模型这类 强 NP-hard 问题具有良好的全局收敛性。 对比常用的遗传算法， PSO 的控制变量更少且结构更为简单。因此，本文 基于 PSO 算法对模型进
7、行求解 ，针对传统 PSO 容易陷入局部最优以及“早熟”的问题提出一种 带自适应变异的改进粒子群（ Improved Particle Swarm Optimization， IPSO） 优化算法用以求解本文所述模型。 在 PSO 算法中，惯性权重 对于平衡算法的全局搜索能力和局部精确搜索能力起着至关重要的作用 。在传统 PSO 运算中 ， 通常被设定为某一定值或在迭代过程中对其进行动态调整，但都不能有效改善算法收敛性。本文所采用的自适应 IPSO 算法 定义惯性权重在迭代早期进行非线性递减，从而使算法较早地 进行快速精确局部搜索， 从而提升收敛性能以得到更佳的求解效率 13。 该 IPSO
8、所采用的惯性权重表达式 为 : m a x m in m inm a xm a x1= e xp1 i t e r i t e ri t e r （ 22） 式 中 min max,分别是最小与 最大权重系数 ，一般分别取为 0.1、 0.9； iter 表示 算法当前的迭代次数；maxiter 为算法迭代次数上限。 本文所述的双层规划模型均采用带自适应变异的 IPSO 算法进行求解，基本步骤相同，主要过程如下。 （ 1） 输入 待求网络的原始数据，包括网络支路参数、 DG 参数、负荷参数等； （ 2）根据 原始 DG 量测数据 及负荷数据 构造相应的概率密度函数，得出 DG 出力函数以及负荷
9、分布函数。 （ 3） 应用 IPSO 算法分别求解 DG 优化配置的双层规划模型中的上下层模型 。 4 算例分析 本文基于 美国 新泽西州 某地区的实际光照强度以及风速 数据进行分析， 以 IEEE 典型 33 节点配电网 结构 为算例 14（如图 1 所示） ， 采用前述方法进行考虑主动管理模式下的主动配电网 全寿命周期 DG优化配置的 计算。 其中， 系统 电压为 12.66 kV，总有功负荷为 3.715 MW， 总无功负荷为 2.30 Mvar。而采样区域 位于 东经 74 10，北纬 40 42，根据NREL 给出的 2010 年该地区数据， 求得 该区域 平均光照度为 7.859
10、kWh/（ m2 d），平均风速为 7.58 m/s。基于该数据计算得出风速 所符合的 Weibull分布的形状参数分别为 2.25, 8.74kc，光照强度满足的 Beta分布的形状参数分别是 =0.92 =0.77， 。 本文所研究的 DG 主要包括光伏电池、风机以及微型燃气轮机三类，各类 DG 的相关参数 以及污染物排放 情况 15分别 见表 1 及表 2。 应用本文所述的 IPSO 优化算法求解本算例模型 ， 所采用的算法参数如下 。 设定 DG的经济使用年限为 20a，折现率为 0.1，电费为 0.6元 /kWh。 在 IPSO 算法中，设定粒子个数 60n ， 维数 40D ， 学
11、习因子 12,cc均取值为 2，惯性权重 分别为 m ax m in0. 95 , 0. 5， 最大迭代次数 max 300iter ，收敛精度为 10-10。 图 1 33 节点配电网示意图 Fig.1 Schematic diagram of 33-node distribution network 第 44 卷 第 504 期 电测与仪表 Vol.44 No.504 2007 年 第 12 期 Electrical Measurement & Instrumentation Dec.2007 表 1 33 节点 系统中接入 DG 的 相关参数 Tab.1 Related paramete
12、rs of DG accessed in the 33-node system 模式 节点号 （ PV 安装台数） （ WT 安装台数） （ MT 安装台数） 含 AM 17（ 2） ,21（ 4） , 24（ 0） 5（ 5） ,10（ 7） , 14（ 6） 2（ 12） , 30（ 5） 不含 AM 17（ 9） ,21（ 4） , 24（ 1） 5（ 0） ,10（ 2） , 14（ 1） 2（ 11） , 30（ 4） 表 2 DG 的污染物排放情况及相关治理费用 Tab.2 Pollutant emissions and related treatment costs of DG
13、DG 类型 待安装节点 单位额定容量（ kW） 单位投资费用（万元/kW） 财务成本（万元/kW） PV 17,21,24 0.2 2.984 1.025 WT 5,10,14 10 4.050 1.003 MT 2,30 65 2.533 0.059 DG 类型 运维 成本 （万元/kW a） 燃料费用 （元 /kWh） 环保折算 （元 /kWh） 残值 （元 /kW） PV 0.0143 0 0 -41.68 WT 0.0057 0 0 -41 MT 0.1190 0.045 0.165 -24 表 3 考虑主动管理模式的算例结果对比 Tab.3 Results comparison of
14、 cases with active management mode 图 2 考虑 主动管理策略的效果对比图 Fig.2 Results comparison of cases with active management strategy 通过对所选取的某个运行情形进行分析，得出考虑主动管理情况和不考虑主动管理情况下的规划方案，具体结果见表 3 及 图 2。在 引入主动管理策略后 ， 配电网络 对于 消纳 分布式电源 出力 的能力得以显著 提高 。 在投入成本基本持平的情况下 ，通过 应用模型提出的主动管理策略可以将电网中新建 的DG 容量由原先的 1.008 MW 提升至 1.286 MW
15、， 同时 在 灵活 管理策略 对 运行的调节作用下， 系统 在运行时的网络损耗由 原先 的 472.19 kW 降 至 361.24 kW， 总体 降幅达 23.50%。 同时， 在 全寿命 周期范围内，网络的排污费用则 由 39.47 万元 降至 26.85 万元 ，考虑主动管理策略 对于 网络 的环境效益 更佳 。 因此，通过对结果分析可以明显看出，应用主动管理模式可以显著提高 DG 在 ADN 中渗透率，且对比表明，采取更高比例的 DG 供给对于全寿命周期而言能够显著降低电网投资。 5 结 束语 随着信息物理网络的逐步构建 ， ADN 规划中 应用主动管理模式愈发普及 。通过对比结果可以
16、明显得出，应用主动管理模式有助于提升 DG 在 ADN 中的渗透率，实现 DG 对于改善系统潮流分布的积极作用；且从设备的全寿命周期角度来看，应用主动管理模式对于降低系统的 LCC 成本投资亦卓有成效。因此，合理应用 主动管理模式对于 ADN 的建造和发展具有十分深远的意义 。 参 考 文 献 1 程浩忠 . 电力系统 规划 M. 上海交通大学 : 中国电力出版社 , 2008 2 范明天 , 张祖平 . 主动配电网规划相关问题的探讨 J. 供用电 , 2014, (1): 22-27. Fan Mingtian, Zhang Zuping. Discussion on Related Iss
17、ues of Active Distribution Network PlanningJ. Distribution and Utilization, 2014, (1): 22-27. 3 付丽伟 , 王守相 , 等 . 多类型分布式电源在配电网中的优化配置 J. 电网技术 , 2012, (1): 79-84. Fu Liwei, Wang Shouxiang, el al. Optimal Selection and Configuration of Multi-Types of Distributed Generators in Distribution NetworkJ. Power
18、 System Technology, 2012, (1): 79-84. 4 白晓清 , 赵瞻 , 鲍海波 . 基于 CLARA 算法的考虑时序特性分布式电源规划 J. 电力自动化设备 , 2016, (5): 14-22, 29. Bai Xiaoqing， Zhao Zhan， Bao Haibo. DG planning based on CLARA algorithm with consideration of timing characteristicsJ. Electric Power Automation Equipment, 2016, (5): 14-22, 29. 5 张
19、沈习 , 程浩忠 , 等 . 配电网中考虑不确定性的分布式电源规划研究综述 J. 电力自动化设备 , 2016, (8): 1-9. Zhang Shenxi, Cheng Haozhong, Xing Haijun, el al. Review of DG planning considering uncertainties for distribution networkJ. Electric Power Automation Equipment, 2016, (8): 1-9. 6 丛鹏伟 , 唐巍 , 等 . 基于机会约束规划考虑 DG 与负荷多状态的配污染物 类型 PV 排放量（ g
20、/kWh） WT 排放量（ g/kWh） MT 排放量（ g/kWh） 治理费用 （元 /kg） 2CO 0 0 724 0.21 2SO 0 0 0.0036 14.842 NOX 0 0 0.2 62.964 第 44 卷 第 504 期 电测与仪表 Vol.44 No.504 2007 年 第 12 期 Electrical Measurement & Instrumentation Dec.2007 电网重构 J. 电网技术 , 2013, (9): 2573-2579. Cong Pengwei, Tang Wei, Zhang Lu, el al. Chance-Constrain
21、ed Programming Based Distribution Network Reconfiguration Considering Multi-States of Distributed Generation and LoadJ. Power System Technology, 2013, (9): 2573-2579. 7 胡吟 , 韦钢 , 言大伟 , 张鑫 . 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, (11): 100-105. Hu Yin, Wei Gang, Yan Dawei. Optimization allocation of di
22、stributed generations embedded in distribution networkJ. Power System Protection and Control, 2012, (11): 100-105. 8 廖迎晨 , 甘德强 , 陈星莺 , 余昆 . 考虑分布式电源出力不确定性的城市电网模糊最优潮流分析 J. 电力自动化设备 , 2012, (9): 35-39. Liao Yingchen, Gan Deqiang, Chen Xingying, et al. Fuzzy optimal power flow analysis considering indete
23、rminacy of distributed generation for urban power gridJ. Electric Power Automation Equipment, 2012, (9): 35-39. 9 张翔 , 程浩忠 , 方陈 , 张沈习 . 考虑主动管理模式的多目标分布式电源规划 J. 上海交通大学学报 , 2014, (9): 1231-1238. Zhang Xiang, Cheng Haozhong, Fang Chen. Multi-Objective Distributed Generation Planning Considering Active M
24、anagementJ. Journal of Shanghai Jiaotong University, 2014, (9): 1231-1238. 10 曾博 . 面向低碳经济的主动配电网综合资源规划与决策理论 D. 华北电大学 (北京 ), 2014. 11 马丛淦 . 面向运行与规划的主动配电网分析建模研究 D. 天津大学 , 2012. 12 蒲天骄 , 刘克文 , 等 . 基于主动配电网的城市能源互联网体系架构及其关键技术 J. 中国电机工程学报 , 2015, (14): 3511-3521. Pu Tianjiao, Liu kewen, Chen Naishi, el al.
25、Design of ADN Based Urban Energy Internet Architecture and Its Technological IssuesJ. Proceedings of the CSEE, 2015, (14): 3511-3521. 13 王伟倩 . 基于改进粒子群的双层规划求解算法研究 D. 广西大学 , 2014. 14 Baran ME, Wu F.F. Network reconfiguration in distribution systems for loss reduction and load balancingJ. IEEE Trans on Power Delivery, 1989, 4(2): 1401-1407. 15 刘永笑 . 基于全寿命周期理论的微电源优化配置 D. 华北电力大学 , 2013. 作者 简介： 郑博文（ 1983）， 男，工程师 ， 从事电力系统可靠性研究 。 Email： 杨隽（ 1982）， 男，工程师，从事 电力系统 科技管理。 杨承辰（ 1982）， 男，工程师，从事配电网 自动化 管理研究。 收稿日期： 2017-04-11；修回日期： 2017-07-02 （ 田春雨 编发）
