面向用户需求的DG与配网网架多目标联合规划

2016-01-16芦新波,张建华,曾博

现代电力 2015年5期

文献标志码：A

芦新波，张建华，曾博

(华北电力大学输配电系统研究所，北京102206)

Multi-objective Joint Planning of User Demand-oriented DG and Distribution Network FrameworkLU Xinbo, ZHANG Jianhua, ZENG Bo

(Electric Power Transmission and Distribution System Institute, North China Electric Power University,

Beijing 102206, China)

摘要：考虑电力用户的多样化供电需求和可再生能源DG出力随机性，提出了面向用户需求的DG与配网网架多目标联合规划方法。根据用户对供电电压质量和可靠性等多样化的需求，对负荷需求整理分类；根据可再生能源DG出力的概率模型和机会约束规划方法，处理不确定性问题；以年社会成本、电压偏移率和用户停电缺失量综合最优为目标函数，建立了DG与配网网架多目标联合规划模型。基于pareto优化理论，采用多目标混合粒子群算法和熵权修正的AHP-TOPSIS多属性决策策略相结合的方法，求解模型。最后，利用算例验证所建模型的合理性和有效性。

关键词：DG选址定容；配网网架扩展规划；用户需求；联合规划；多目标优化

文章编号：1007-2322(2015)05-0035-07

中图分类号：TM715

基金项目：国家自然科学基金(51277067)

收稿日期：2014-09-12

作者简介：

Abstract：By considering the diverse power supply demand of electricity user and the stochastic characteristics of the DG power output, a multi-objective joint planning method for user demand-oriented DG and distribution network framework is presented. To meet the diverse demand for voltage quality and reliability of power supply, the load demand is classified. According to the probability model of renewable energy DG power output and chance-constrained programming method, the uncertainty problem is solved. With the comprehensive optimization of annual society cost, voltage deviation degree and power user outage loss as objective function, the multi-objective joint planning model for DG and network frame is built. Based on pareto optimization theory, the model is solved by using TOPSIS multiple-attribute decision-making strategy that combines the multi-objective hybrid particle swarm optimization algorithm with the AHP and entropy weight modified method. In the end, the rationality and validity of the proposed model is verified by numerical calculation example.

Keywords：DG sitting and sizing; expansion planning of distribution network framework;user demand;joint planning; multi-objective optimization

0引言

在能源危机、环境污染和电能需求持续增长的背景下，可再生能源分布式发电(distributed generation，DG)以其节能环保等优点备受青睐[1-3]。但是风电(wind generation，WG)、光伏(photovoltaic，PV)等可再生能源DG出力具有随机性，其高渗透率并网，增加了配网不确定性，网损、电能质量等[4-5]。此外，一方面，经济与科技的发展使得用户对供电质量的需求增加；另一方面，现代智能配网希望能够对电力用户(包括负荷、DG等)实现精细化地主动管理[6-7]。因此，有必要研究新的科学方法对DG与配网网架进行联合协调规划，充分发挥DG积极作用，提升配网供电质量。

目前，国内外学者对DG与配网网架联合协调规划的研究取得了一定的成果：文献[8]研究DG安装位置与容量的初选方法，提出含DG的配网协调规划方法；文献[9]构建DG与负荷的多状态模型，提出基于机会约束的DG与配网网架协调规划方法；文献[10]提出考虑DG无功补偿和不确定性的配网综合优化规划方法；文献[11]考虑负荷发展需求，提出含DG的主动配电网分阶段扩展规划方法；文献[12]分析DG对配网影响，构建配网网架柔性规划模型；文献[13]构建配网网架双层规划模型，下层模型以DG出力切除量最小为目标。

上述研究存在不足：①规划目标常以经济性指标为核心，过于单一；②分阶段规划方法，忽略了DG与配网之间部分交互影响，具有局限性；③将多目标转化为单目标求解，降低了求解难度，但破坏了解空间的多样性，难以保证求解质量。针对以上问题，本文考虑用户多样化供电需求和DG出力随机性，构建DG与配网网架的联合模型，采用多目标混合粒子群算法和熵权修正的AHP-TOPSIS多属性决策策略相结合方法求解，并利用算例验证模型及其求解方法。

1负荷供电需求和DG的出力模型

1.1供电需求

多样化的供电需求体现在两方面：①不同用户有不同的供电需求；②同一用户对电压和可靠性等具体的供电有不同要求。本文采用以下方法对负荷需求分类：根据用户对电压质量的高、较高和一般要求，将其电压需求分为一级、二级和三级3类，引入电压质量需求指标εU来表征各类需求；根据用户对供电可靠性的高、较高和一般要求，将其可靠性需求分为一级、二级和三级3类，引入可靠性需求指标εR来表征各类需求。

(1)

1.2DG出力的随机性模型

PV输出功率主要受光照强度影响，光照强度常用贝塔(Beta)分布描述，如式(1)，其中，r和rmax分别为实际和最大光强，α和β为形状参数。

(2)

基于光照强度，PV出力可由式(3)分段函数近似表示，其中Pr-pv为PV额定功率。

(3)

WG输出功率主要与风速相关，风速常用双参数威布尔(Weibull)分布描述，如式(3)，其中，v为风速，k和c为形状和尺度参数。

(4)

基于风速，WG出力可由式(5)分段函数近似表示，其中Pr-wg为WG额定功率；vin，cut为切入风速；vrated为额定风速；vout，cut为切出风速。

(5)

2数学模型

2.1目标函数

考虑负荷多样化的供电质量需求，本文以年社会成本f1、电压偏移率f2和负荷停电缺失量f3综合最优为目标函数，构建DG与配网网架联合优化规划的多目标模型。目标函数总表达式如下：

minf={minf1，minf2，minf3}

(6)

2.1.1年社会成本(表征配网经济性)

(7)

式中：Cline为线路投资及运行费用(已建线路仅计运行费用)；CDG为可再生能源DG投资、运行及补贴等总费用；Closs为配网网损费用；Cen为向上级电网的购电费用。各费用计算公式如下：

① 线路投资及运行费用

(8)

(9)

式中：ΩL为选建线路集合；CFline和COMline为线路固定投资等年值和年运行维护费用；Cv,i，line为线路单位长度固定投资费用；l为线路长度；r为贴现率；nline为固定投资回收期；γ是线路运行维护费用率。

② 可再生能源DG投资、运行及补贴费用

(10)

(11)

③ 网损和向上级电网购电费用

(12)

(13)

2.1.2电压偏移率(表征配网用户电压质量)

(14)

2.1.3负荷停电缺失量(表征配网用户可靠性)

(15)

2.2约束条件

① 网架辐射状连通约束如式(16)，式中：m为系统支路总数；n为节点总数；且要求网络中不能存在孤点、孤链、孤环。

(16)

② 功率平衡约束如式(17)，式中：Pi和Qi为节点i有功和无功注入功率；j∈i表示所有与节点i直接相连的节点集合；Ui为节点i电压幅值；Gij与Bij分别为节点导纳矩阵的实部与虚部；θij为节点i与j电压相角差。

(17)

③ 可再生能源DG总安装容量约束如式(18)，式中：P∑PV和P∑WG分别为PV和WG并网总容量；σ为DG最大渗透率；P∑L为配网最大负荷总和。

(18)

④ 待选节点可再生能源DG安装容量约束如式(19)，式中：PPVi·max和PWGi·max分别为节点i允许接入的PV和WG最大安装容量。

(19)

(20)

⑥ 线路载流量机会约束如式(21)，式中：Ij为支路j的电流；Ijmax为支路j允许通过的电流上限；βI为线路载流量置信水平。

(21)

3求解方法

本文基于pareto理论[14]，采用多目标混合粒子群算法[15]和熵权修正的AHP-TOPSIS多属性决策策略相结合的方法，求解联合规划模型。

多目标混合粒子群算法参见下文的模型具体求解步骤。熵权修正的AHP-TOPSIS多属性决策策略的思想是：首先，根据各指标重视程度，采用层次分析法(AHP)确定主观权重；其次，根据各指标实际数据值，采用熵权法确定客观权重；再次，求取各指标主观和客观融合的组合权重，克服主观权重客观性差和客观权重未体现指标不同重要程度的问题[16]；最后，根据各指标的组合权重，采用优劣解距离法(TOPSIS)对各方案的优劣排序。

3.1编码策略

为提高编码与解码效率，本文采用二进制和整数相结合的混合编码方法。每个粒子由DG安装信息和网架信息两部分组成。DG信息部分编码：DG位置采用整数编码，取值对应候选并网节点；DG类型采用二进制编码，0表征PV，1表征DWG；DG容量采用整数编码。网架信息部分采用二进制编码，若线路待选建，0表示不建设，1表示建设；若线路已建，0表示断开，1表示闭合。

3.2求解步骤与流程

规划模型求解流程如图1所示。

图1　求解流程

具体求解步骤如下：

① 数据初始化。输入联合规划原始数据、模型参数、算法参数等，随机生成初始种群。

② 网架连通性约束校验与修复。若存在孤岛(链、点)，则架构孤岛(链、点)与网架中已有节点之间线路；若存在环网，则断开环网中一条线路。

③ 约束校验及适应度值计算。基于负荷和DG的随机性模型，采用蒙特卡洛模拟方法，抽样负荷和DG出力的功率，利用前推回代法进行潮流计算，并计算目标函数适应度值；校验各不等式和机会约束条件，不满足约束的粒子加惩罚项。

④ 筛选及裁剪pareto非劣解集。根据竞标赛算法，构造非劣解集；解集粒子个数超过一定数目，计算粒子拥挤距离，淘汰距离较小粒子。

⑤ 更新个体和群体极值。根据支配关系，更新粒子个体极值；选择拥挤距离最大的粒子作为群体极值。

⑥ 更新粒子速度及位置。计算各粒子权重及学习因子，更新各粒子速度与位置。

⑦ 粒子小概率交叉与变异。小概率选出一些粒子对其某些位置进行相互交叉及变异。

⑧ 判断收敛与否。是，则输出pareto非劣解解集。否，则跳到步骤②继续迭代。

⑨ 确定最优规划方案。根据熵权修正的AHP-TOPSIS多属性决策理论，选出pareto非劣解解集中的最优解，即为最优规划方案。结束。

4算例分析

4.1算例介绍

本文以改进的IEEE33节点配网测试系统作为算例，结构如图2所示。

图2　测试网络

扩展规划前，有33个节点，37条线路，图中虚线所示线路(如8-21，本文线路均采用首-末节点的表示方法)为开环运行方式下常断支路，节点1为平衡节点，相关参数数据参见文献[18]。

配网扩展部分的数据引自文献[9,10]，新增节点34~39，参数见表1；点划线所示线路(如34~19)为选建支路，参数见表2。各节点电压质量需求划分如下：一级{7、12、14、26}，二级{4、9、11、16、21、28、35}，其余为三级；可靠性需求划分如下：一级{7、14、24、32}，二级{2、4、8、14、22、29、37}，其余为三级。DG可选安装节点为{7、10、14、16、18、24、26、29、32}。

联合规划模型相关参数设置如下：配网相关参数数据参照文献[9,10,18]设置，向上级电网购电电价0.4元/kWh，最大负荷利用小时数3 200h，设备固定投资贴现率10%，线路运行维护费用率0.030，新建线路投资费用10万元/km，回收期20 a，阻抗0.27+j0.52Ω/km；DG相关参数数据参照文献[13,14]设置，PV额定光照强度为1 000W/m2，Beta分布的形状参数α和β均为0.85，WG额定、切入和切出风速分别为12、3.5和20m/s，Weibull分布参数k和c分别为2.30和8.92，安装成本分别为8 000和6 000元/kW，运行维护费用分别为0.15和0.20元/kWh，补贴费用均为0.20元/kWh，年可有效发电小时数分别为5 000和4 500h，固定投资回收期10 a，安装基准容量30kW。

表1　新增节点负荷数据

表2　拟建线路长度　km

4.2结果分析

根据本文模型和算法，分别对以下6种情形进行配网规划：情形1，面向用户需求的DG与配网网架多目标联合规划，不对文中模型和算法做变动；情形2，不含DG的配网网架多目标规划，规划目标、求解方法与情形1一致；情形3，含DG的配网分阶段多目标规划(先网架规划，后DG选址定容)，规划目标、求解方法与情形1相同；情形4，以经济性最好为单目标的DG与配网网架联合规划，除规划目标外，其它与情形1相同；情形5，不考虑用户需求指标的DG与配网网架多目标联合规划，除在规划目标计算中不考虑电压质量和可靠性需求指标外，其它与情形1一致；情形6，采用加权和将多目标转化成单目标求解的DG与配网网架联合规划，除求解方法外，其它与情形1一致。各情形下的规划方案和结果见表3、表4和表5。

表3　最终规划方案

分析表3中各情形下的最终规划方案，可以发现各方案中DG并网总容量相差不大，但是DG的具体的并网位置及安装类型和容量相差则较大，网架结构也互不相同。图3给出了情形1：面向用户需求的DG与配网网架联合规划的拓扑结构。

分析表4和表5中各规划结果数据，可以发现：

表4　规划目标结果

表5　用户供电需求规划结果

图3　联合规划结果

① 情形1相比于情形2，年社会成本少37.95万元，电压偏移率小1.51个百分点，负荷停电缺失量少401.59kWh，各级供电需求的用户电压偏移率和可靠性也全部小于后者；此外，情形3、4、5、6下的各规划目标的结果也均小于情形2；这表明：合理的可再生能源DG并网可以提高配网的经济性、电压质量和可靠性，改善其运行。

② 情形1相比于情形3，年社会成本少9.45万元，电压偏移率小0.5个百分点，负荷停电缺失量少107.12kWh，各级电压质量需求用户的电压偏移率相对较小，一、二级可靠性需求用户的负荷停电缺失量也相对较少，这表明：DG与配网的联合规划方法比分阶段的规划方法更能充分发挥DG对于配网所产生的积极作用。

③ 情形1相比于情形4，年社会成本比多2.79万元，电压偏移率小0.99个百分点，负荷停电缺失量少140.29kWh，各级电压质量需求用户的电压偏移率相对较小，一、二级可靠性需求用户的负荷停电缺失量相对较少，这表明：经济性最好为单目标的联合规划方法，经济性优于多目标规划方法，但是用户电压质量和可靠性均劣于后者，由此可见，多目标的联合规划方法，更易于满足配网电力用户对电压质量和可靠性的更高需求。此外，发现各情形下和各级电压质量需求用户的电压偏移率规划结果大部分超过了5%，思考发现这是由于配网负荷和线路阻抗较大造成的，因此后续还需要对配网进行线路改造和无功优化规划。可见，多目标规划还有利于及时发现配网的薄弱环节。

④ 情形1相比于情形5，年社会成本和电压偏移率相对略小，负荷停电缺失量少74.45kWh，一、二级供电需求用户的电压偏移率和负荷停电缺失量相对较小，但是三级供电需求用户的电压偏移率和负荷停电缺失量则相对较大，这表明：面向用户需求的配网规划方法，整体上不减弱配网经济性、电压质量和可靠性，适当程度上损失供电需求较低用户的利益，提高需求较高用户的电压质量和可靠性，更利于解决配网供电中面临的多样性用户需求的问题。未来可根据用户的多样性需求实行多重电价，以补偿需求较低用户损失的利益。

⑤ 情形1相比于情形6，年社会成本少1.19万元，电压偏移率小0.11个百分点，负荷停电缺失量少24.26kWh，各级供电需求用户的电压偏移率和负荷停电缺失量也相对较小，这表明，采用多目标算法求取的联合规划方案，优于采用加权和将多目标转换成单目标求解的规划方案。

5结论

本文考虑用户多样性供电性需求和DG出力随机性，建立了面向用户需求的DG与配网网架多目标联合规划模型，采用多目标混合粒子群算法和熵权修正的AHP-TOPSIS多属性决策理论相结合的方法进行求解。得到如下结论：

① DG与配网网架联合规划模型，考虑了网架与DG之间的相互影响，使得配网综合效益更好，DG安装位置、容量和网架更合理，更有利于充分发挥DG对配网产生的积极作用。

② 面向用户需求的配网多目标规划方法，有利于提高配网供电质量和满足用户多样化供电需求；本文多目标求解方法，相比将多目标模型转换成单目标求解，可以获取质量更好解。

③ 面向用户需求的DG与配网网架联合规划方法，有利于实现配网智能地精细化管理，可以为考虑新型电力负荷(如电动汽车换电站等)的配网规划工作提供理论支撑。

参考文献

[1]DJAPICP，RAMSAYC，PUDJIANTOD，et al. Taking an active approach[J].IEEE Power and Energy Magazine，2007，5(4)：68-77.

[2]姜淼，高赐威，苏卫华.含分布式能源的配网规划综述[J].华东电力，2014，42(5)：865-871.

[3]Liu Z P，Wen F S，Ledwich G.Optimal sitting and sizing of distributed generation in distribution system considering uncertainties[J].IEEE Trans on Power Delivery，2011，26(4)：2541-2551.

[4]丁明，王伟胜，王秀丽等.大规模光伏发电对配电网影响的综述[J].中国电机工程学报，2014，34(1)：1-13.

[5]Bae I S，Kim J O.Reliability evaluation of distributed generation based on operation mode[J].IEEE Trans. on Power Systems，2007，22(2)：785-790.

[6]Ochoa L F，Dent C J，Harrison G P.Distribution network capacity assessment：variable DG and active networks[J].IEEE Transaction on Power Systems，2010，25(1)：87-95.

[7]张建华，曾博，张玉莹等.主动配电网规划关键问题与研究展望[J].电工技术学报，2014，29(2)：13-21.

[8]吕涛，唐巍，丛鹏伟等.分布式电源与配网网架多目标协调规划[J].电力系统自动化，2013，37(21)：139-145.

[9]白牧可，唐巍，张璐等. 基于机会约束规划的DG与配电网架多目标协调规划[J].电工技术学报，2013，28(10)：346-355.

[10]Zou Kai，Agalgaonkar A P，Muttaqi K M.Distribution system planning with incorporating DG reactive capability and system uncertainties[J].IEEE Trans. on Sustainable Energy，2012，3(1)：112-123.

[11]Carmen L T B，Vinicius F M.Multistage expansion planning for active distribution networks under demand and distributed generation uncertainties[J].Electrical Power and Energy Systems，2012，36(1)：107-116.

[12]李志铿，王钢，陈志刚等.计及区域自组网的含分布式电源配电网网架柔性规划[J]. 电力系统保护与控制，2013，37(6)：42-47.

[13]方陈，张翔，程浩忠等.主动管理模式下的含分布式发电的配电网网架规划[J].电网技术，2014，38(4)：823-829.

[14]何启明.基于改进粒子群算法的多目标无功优化[D].成都：西南交通大学，2009.

[15]史峰，王辉，郁磊.MATLAB智能算法30个案例分析[M].北京：北京航空航天大学出版社，2011.

[16]孙艳复.电力需求侧能效资源开发综合效益评价研究[D].北京：华北电力大学，2011.

[17]黄涛.计及分布式电源的配电网重构研究[D].成都：西南交通大学，2012.