邓正臣

（上海电力大学 电子与信息工程学院，上海 201306）

近年来，我国的电网规模快速扩大，分布式电源（distributed generation，DG）、柔性设备大量并网，传统配电网正逐步向主动配电网方向过渡，配电网的规划方向出现了巨大变化，相关理论被不断提出，推动着我国电力事业的快速发展。

配电网分为辐射型配电网和非辐射性配电网两种，其作为电网的最后一环，体现着电力系统的配电作用。配电网规划是一个多元、非线性、多目标的求解问题，它涉及到线路规划、变电站规划、DG 的选址定容等问题。在传统的配电网中，电源与负荷较为集中、密集，电源多为大型火电站、大型水电站等发电机组，通过远距离输电系统将电能输送到负荷，完成电能的生产、输送、分配。随着网络规模的继续扩大，传统的配电网弊端也逐渐显露，比如，传统的配电网具有较强的耦合性，局部区域发生的事故极易扩散到其他区域，同时，随着需求侧电能质量要求的逐步提高，传统配电网已经难以满足需求，并且其运行方式较为固定单一，无法满足灵活性的运行需求，对电网内的资产使用率不高。还考虑到新能源汽车普及率的逐渐提高，配电网中的柔性负荷逐渐增加，DG 的渗透率在某些特殊条件下甚至可以达到70%以上，这些改变都严重影响着配电网的运行稳定性。配电网的规划设计方案将直接影响未来配电网的运行能力、对负荷的承载能力，也深刻影响着配电网运行的经济性、稳定性[1-2]。

图1 传统的辐射型配电网

为了解决以上各种问题对配电网的运行影响，并促进可再生能源的高效利用，主动配电网的概念被正式提出。ADN 具有主动控制和自我管理的特点，可以加大配电网对可再生能源的接纳能力、提高用户的用电质量、加强供电可靠性、节约未来电网投资。ADN 为解决配电网问题提供了一个全新的解决思路，相比于传统配电网，它能够以更主动的方式合理调配配电网中的各个设备，以达到配电网运行效率的最大化，且能合理地平衡安全性、经济性和可靠性。主动配电网技术可以较好地解决各种分布式能源的接入问题，因此，如何确定主动配电网的规划方案并分析该方案对配电网的具体影响，有极大的研究价值。

因此，本文从主动配电网的模型建立、优化目标、相关求解算法等方面展开论述，并在最后介绍了ADN 规划的未来重点研究方向。

1 ADN 规划模型

一个完整的ADN 网络包含多种电源、负荷和输配电设备，如不同类别的DG、变电站（变压器）、柔性负荷、新能源汽车、储能设备（energy storage system，ESS）等。合理的设定相关模型，是解决ADN 规划问题的首要条件。

图2 典型的主动配电网

储能装置通常由蓄电池组组成，如大规模锂电池组，也可以依靠飞轮储能等装置通过物理动能的方法储存能量，在需要释放能量时，再将其中所保存的动能转换为电能，完成电能的储存与转化。储能装置的引入提高了配电网的经济性，同时可以平抑电网中的能量波动[3]，但是大型储能装置因其较高的建设成本、环境影响、使用损耗等问题，在当前还并未得到广泛使用，其相关理论需要进一步的发展。

文献[3]考虑了ADN 中的储能配合问题，为了处理分布式电源出力的不确定性，由序列运算理论建立对风力发电和光伏发电的出力建模。并且，将储能设备作为旋转备用，采用蒙特卡洛法得出储能设备的出力。该模型以DG 投资经济效益最大、有功网损最小和电压稳定因子最大为优化目标。大容量蓄电池技术可以给ADN 的规划管理带来诸多益处，将是未来ADN 中不可或缺的组成部分，可以延缓配电网的升级投资、改善电能质量，提高配电网允许的最高DG 渗透率、削峰填谷等[4]。引入储能装置的同时，还需要综合考量储能装置的建设成本、综合使用成本等，同时根据储能装置的硬件要求进行必要的参数限制，以满足实际运行所需。

文献[5]建立大容量送电变压器负载分接头模型，充分考虑配电网络与输电网络的相互作用，通过联合调整变压器负载分接头和DG 出力，研究其对电压的控制效果影响。

文献[6]介绍了ADN 中的负荷预测与发电预测模型及相关方法。负荷预测主要根据负荷历史数据和当前运行状态，并考虑负荷的工作环境、社会环境等条件，来预测未来某时刻的负荷功率特性。负荷预测主要包括宏观预测与微观预测两方面，宏观预测用以预测系统的最大负荷或最大用电量，微观预测主要针对局部地区。负荷预测的方法主要有回归分析法、负荷密度法、弹性分析法、比例系数法等。发电预测从分布式发电概率入手，考虑电源装机总容量等，对于有大量光伏出力的ADN，还必须考虑光照因素的影响。近年来，负荷预测与发电预测的方向逐步转向大数据处理法，依靠神经网络对大量历史数据进行学习，依靠智能算法对未来的负荷功率和发电功率进行预测，但训练神经网络需要大量的历史数据，历史数据的质量极大影响着神经网络预测算法的效果。

随着化石燃料资源的逐渐短缺和环保要求的逐渐提高，以电动汽车为代表的新能源汽车快速普及，使之也成为配电网中重要的负荷组成，电动汽车内含有能量电池，在配电网充电时可将其视作负荷，也可以将其设计成可供电的电池，在配电网中为其他负荷供电，这样就起到了能量双向流动的作用。文献[7]考虑了一种优化控制电动汽车充电负荷的方法，并研究了电动汽车充电负荷预测模型，建立两层规划模型，规划层以单位用电量的年综合经济代价最小为目标，运行层以负荷曲线方差最小为目标，最后利用进化算法解决模型的求解问题。

2 优化目标

ADN 对配电网具有较好的主动控制作用，可以优化配电网中的多项参数。

文献[8]提出了广义电源的概念，将可中断负荷与光伏电源作为广义电源代表，建立ADN 双层规划模型，上层规划以广义电源的建设、发电和污染治理的总成本最低为目标，优化各类电源装机容量；下层规划以网损最小为目标。充分考虑了ADN 建设、运营过程对环境的影响和社会效益因素，与传统的配电网规划相比，能够达到更好的节能减排作用。

文献[9]构建了一套完善的ADN 模型，包含分组投切电容器、有载调压变压器、ESS、静止无功补偿等，以弃风、弃光、失负荷最少为优化目标，采用多目标优化方式，并建立分层鲁棒规划模型。

文献[10]在考虑DG 与负荷不确定性的基础上，以配电网经济性、可靠性、电压稳定性为优化目标，提高DG的使用率。

文献[11]以投入运行的电网网架和DG 出力大小为目标优化函数，并且将以碳排放为代表的环境成本作为评价标准，综合评估ADN 低碳规划方案，更好地适应低碳经济发展对电网建设的要求。

3 相关求解算法

由于ADN 规划模型的建立需要考虑负荷、电源、电网运行状态、故障等不确定性因素，也要考虑优化过程的多目标性，而在传统的配电网规划中，无论是配电网模型还是目标函数的设定都更为简单，这导致ADN 规划算法较于传统的配电网算法具有更高的复杂性，需要更高效的算法处理问题。为了能得到更准确的ADN 规划方案，当前急切需要研究新算法，以改进常规算法效能不足的问题。当前，ADN 规划算法一般采用以粒子群算法（particle swarm optimization，PSO）、遗传算法（genetic algorithm，GA）为代表的进化算法与多层规划算法相结合，对模型进行求解。

文献[12]采用多目标双层规划模型，上层以年综合成本最小为目标，采用粒子群算法与遗传算法的自适应改进粒子群算法求解；下层模型以网络损耗最小为目标，采用跟踪中心轨迹内点法求解。最后以IEEE-33 节点标准测试系统为算例，验证了所提算法的有效性。

文献[13]考虑了主动配电网下的最优潮流计算，建立以ADN 有功网损最小为目标的最优潮流模型，根据二阶锥约束理论，建立了混合整数二阶锥规划模型，并与粒子群算法进行对比，结果表明文中提及的混合整数二阶锥规划模型相比于粒子群算法具有更好的适应性。

文献[14]以配电网选址定容综合成本为优化目标函数，并将其以概率形式表示，采用改进人工鱼群算法与反馈策略、全局最优记录、自适应视野、改进步长等改进方法。仿真结果验证了改进算法的有效性。

4 结束语

本文基于ADN 的多种特性，从ADN 的概念、规划模型、优化目标、相关求解算法几个部分，综合论述了ADN规划研究的现状，分析了ADN 对未来配电网发展的重要作用和其中存在的一些问题。

结论如下：

（1）ADN 的主动调控能力给配电网的运行效率、安全性、稳定性等带来了极大改善，但在如何处理多种主动调控方案上仍然缺乏深入的研究。ADN 的管理策略仍然是较为单一的，多种管理策略没有很好协调融合。

（2）在对ADN 规划模型求解的过程中，需要计算各种约束条件和状态不确定性，这使得ADN 求解的计算量极大增加，当前急需寻找一种效率更高的新计算算法，或者改进配电网中各设备的建模方法，提高模型仿真求解的运行效率和仿真结果的有效性。

（3）近年来，随着电力市场的进一步发展、开放，ADN的建设过程和运营过程会引入数量繁多的投资主体，如何在规划ADN 的过程中平衡、协调各投资主体的利益，将是未来ADN 规划研究重点之一。

（4）我国社会逐渐向可持续发展、绿色发展、协调发展的方向进步，电力作为清洁能源，是替代石油资源的最佳选择。在可见的未来，我国的能源组成结构仍会继续优化，低碳、节能将成为ADN 规划的必备要求，电动汽车渗透率将进一步提高，以各种新能源组建的DG 会以更大的规模并网，并且更多的家庭用户会更积极地参与到ADN 的运行，这些改变都将使主动配电网的运行复杂化，形成一个多源互动、相互协同的整体，极大地丰富了主动配电网的理论架构和基础。研究以上因素对配电网的运行影响也是ADN 规划的未来发展方向之一。