郑 建，徐青山，施雨松

（东南大学电气工程学院，南京 210096）

分布式电源具有清洁、环保、成本低等优点[1]。在配电网中适当安装分布式电源可以提高电能质量、降低网损、减小峰谷差以及提高供电可靠性[2-3]。然而，由于风电和光伏等分布式可再生能源输出的随机性和间歇性，可能对配电网产生不利影响，如电压波动等，从而影响配电网的经济性和可靠性[4-5]。

分布式电源规划一般包括选址和定容两项任务。根据不同的规划目标，获得最优的分布式电源安装位置和容量[6]。目前主流的规划方法可以分为两类：经典方法和人工智能方法[7]。随着配电网规模的增大，经典方法的求解比较耗时且收敛速度慢[8]。为了解决这一问题，基于人工智能的算法在分布式电源规划中得到了广泛应用[9]。

可再生分布式能源输出的间歇性、随机性以及负荷需求的波动性，是分布式电源规划中不容忽视的问题[10]。为了确保分布式电源规划的有效性，必须对这些不确定性进行建模。分布式电源优化规划问题中处理不确定性的方法包括随机规划[11]、鲁棒优化[12-13]和元启发式算法。文献[14]将蒙特卡罗模拟法与弯曲分解算法相结合，探讨了系统扩展规划中风电功率和负荷需求的不确定性；文献[15]采用蒙特卡罗模拟法对风电场的盈利能力进行了分析。然而，为了精确地近似不确定性，在使用蒙特卡罗方法时需要大量的场景，这将导致计算负担沉重[16]。与蒙特卡罗模拟法相比，启发式矩匹配HMM（heuristic moment matching）法的代表性场景更少，从而减少了计算量[17]。……