本发明涉及配电网规划领域，具体涉及基于时序特性分析的含分布式电源的配电网双层协调规划方法。
背景技术：
：随着能源危机的蔓延和电能需求的不断增长，包括可再生能源发电在内的分布式电源(distributedgeneration,DG)在电网中的渗透率逐渐升高。分布式电源以能源节省和清洁环保的特点不断受到重视，并网规模不断扩大，然而其大量渗入使配电网逐渐成为有源配电网并带来新问题，进而增加了配电网规划的复杂性并提出新挑战。传统的配电网规划是在规划水平年内基于负荷预测和现有的电源结构，进行线路升级改造、负荷点扩增以及网架重构，最终达到经济性和可靠性的最优化。分布式电源渗入后，其并网位置、安装容量及安装类型的不同配置，会通过改变网络节点结构和运行方式对配电网产生很大的影响。此外，以光伏(photovoltaic,PV)和风电(windturbine,WT)为代表的DG出力具有间歇性和随机性，增加了配电网运行的不确定性。因此，有必要对DG进行精细地配置以发挥其最大的效益并减少对配电网的影响。同时，DG的选址定容与配电网架的规划往往相互影响，为了实现两者综合规划的最优，传统的配网规划已不再适应，进一步研究分布式电源与配电网架的协调规划很有必要。近年来，研究已从DG的单独规划逐渐过渡到DG与网架的协调规划，并开始考虑各种不确定因素。有的技术基于可靠性和网损等指标规划了DG；还有的分析了DG的时序特性并基于多目标进行了其选址定容，算例结果的对比彰显了考虑时序特性的准确性和适应性；有技术在分析时序特性的基础上，基于低碳和环境效益规划了DG，有文献全面分析了DG出力和负荷的时序特性，对多类型DG进行了多目标规划；甚至有通过改进的遗传算法对DG和配电网架进行了协调规划，但模型中未涉及负荷点扩增；在考虑线路升级和负荷点扩增的基础上对DG(分布式电源)和网架综合规划；对DG和配电网进行了协调规划时考虑了负荷和DG出力不确定性，根据概率模型建立了系统多状态模型，则采用多场景分析方法处理；配电网节点分类思想引入含分布式电源的配电网规划中，并将其转化为Steiner树问题求解。从现有的成果看，在DG与配电网架协调规划研究时，模型中网架与DG的协调处理可继续深入；同时，考虑DG出力和负荷的时序特性可提高其不确定性的模拟精度，进而提高规划准确度。技术实现要素：本发明所要解决的技术问题是提供一种基于时序特性分析的含分布式电源的配电网双层协调规划方法，旨在通过分析了DG出力及负荷的时序特性，然后基于网架与DG配置的相互影响建立了双层协调规划模型，最后通过改进的混合混沌二进制粒子群优化算法嵌套求解了双层模型。为解决上述技术问题，本发明所采取的技术方案是：基于时序特性分析的含分布式电源的配电网双层协调规划方法，其特征在于：其包括如下步骤：(1)时序特性分析根据分布式电源出力间歇随机性和电网负荷的不确定性确定分布式电源时序性日出力模型以及电网日负荷模型。(2)确定规划内容选择分布式电源并网位置、类型、容量、“网架中需升级改造的线路”和“新增负荷点接入所新建线路”为分布式电源配置与配电网架协调规划的决策变量。(3)建立双层协调规划模型根据步骤(2)建立上层配电网架随机编码，然后下层分布式电源配置在上层配电网架基础上得到相应的分布式电源最优配置，进而将结果反馈至上层配电网架，最后上层配电网架在此基础上进行整体规划。(4)根据步骤(1)的分布式电源时序性日出力模型以及电网日负荷模型确定步骤(3)中下层分布式电源配置中分布式电源的年投资及运行维护费用、并网带来的年降损、年发电量最大节点电压与额定电压偏差率期望值。(5)根据步骤(3)、(4)确定上层配电网架的系统年投资及运行维护费用、系统年有功网损费用、配电网年购电费用、年故障停电损失费用、年故障停电损失费用、系统节点电压与额定电压偏差量期望值。(6)在节点功率平衡、节点电压上下限、支路功率极限和分布式电源安装容量的约束下，根据步骤(4)、(5)去规划含分布式电源的配电网。进一步的技术方案在于，所述分布式电源包括光伏和风电。进一步的技术方案在于，所述分布式电源时序性日出力模型为风机典型日出力时序特性模型和光伏典型日出力时序特性模型。进一步的技术方案在于，所述分布式电源年投资及运行维护费用最小为：maxf1=Σi=1NDGαi=(Ci,WTGSi,WTGλWTG+Ci,PVGSi,PVGλPVG)+Σi=1NDGΣj=1NtdjΣt=1TΔt(Ci,OMWTGPijtWTG+Ci,OMPVGPijtPVG)---(1)]]>式中，NDG为分布式电源待安装节点总数，αi为节点i安装分布式电源的固定年平均费用系数，Nt为分布式电源出力和负荷的典型情形总数，dj为一年中典型情形j下的日期数，T为一天中的时段数，Δt为单位时段持续时间，Ci,WTG和Ci,PVG分别为在待选节点i的风电和光伏对应的单位有功容量投资成本，Si,WTG和Si,PVG分别为在待选节点i的风电和光伏额定容量，λWTG和λPVG分别为风电和光伏的功率因数，和分别为安装在待选节点i的风电和光伏单位发电容量运行维护成本，和分别为安装在待选节点i的风电和光伏在典型情形j下时段t内的有功出力。进一步的技术方案在于，所述分布式电源并网带来的年降损最大为maxf2=Σi=1NbrΣj=1NtdjΣt=1TΔt(Iijt2-Iijt′2)Ri---(2)]]>式中，Nbr为配电网线路支路总数，Ri为支路i的电阻，Iijt和I'ijt分别为未安装和安装分布式电源之后支路i在典型情形j下时段t内的电流。进一步的技术方案在于，所述分布式电源年发电量最大为：maxf3=Σi=1NDGΣj=1NtdjΣt=1TΔt(PijtWTG+PijtPVG)---(3)]]>进一步的技术方案在于，所述节点电压与额定电压偏差率期望值最小。minf4=Σi=1Nnode1NnodeΣj=1Nt1NtΣt=1T1T|Uijt-UN|UN---(4)]]>式中，Nnode为负荷节点总数，Uijst为节点i在典型情形j下时段t内的电压，UN为额定电压。进一步的技术方案在于，所述系统年投资及运行维护费用最小为：maxg1=f1+Σi=1NELxi(αeli+βli)CELili+Σj=1Nnewxj(1+βlj)Cnewjlj---(5)]]>式中，NEL和Nnew分别为负荷点扩增前网络支路数和拟新建线路总数；xi和xj为0-1变量，分别表示拟升级改造线路i和拟新建线路j是否被选中；αeli为第i条已建线路升级改造投资年平均费用系数；βli和βlj分别为线路i和线路j运行维护费用率；CELi和Cnewj分别为第i条已建线路和第j条拟建线路单位长度建设费用；li和lj分别为第i条已建线路和第j条拟建线路的长度。所述系统年有功网损费用最小为：ming2=ClossΣi=1NbrΣj=1NtdjΣt=1TΔt·Pijtloss---(6)]]>式中，Closs为单位网损成本，为支路i在典型情形j下时段t内的有功网损，配电网支路数可如式(13)表示：Nbr=NEL+Σi=1Nnewxi---(7)]]>所述配电网年购电费用最小为：maxg3=Cpp(Σi=1NtdiΣt=1TΔtΣj=1NnodePitjL-Σi=1NtdiΣt=1TΔtΣm=1NDGPitmWTG-Σi=1NtdiΣt=1TΔtΣm=1NDGPitmPVG)---(8)]]>式中，Cpp为配电网从输电网购电的单位电价，为节点j在典型情形i下时段t内的有功负荷，和分别为候选节点m在典型情形i下时段t内的风电和光伏有功出力。所述年故障停电损失费用最小为ming4=CppΣi=1NtdiΣt=1TΔtΣj=1NbrΣk=1NnodeγjljPit,jk---(9)]]>式中，γj为线路j单位长度的年平均故障率，Pist,jk为典型情形i下时段t内线路j停电导致负荷点k的供电不足功率。Pit,jk可按三种情况取值[16]：线路j故障后，若节点k与配电网未停电的线路相连，则Pit,jk＝0；若节点k与配电网未停电的线路不相连，且不含分布式电源，则Pit,jk＝Pit,kL，其中Pit,kL为典型情形i下时段t内节点k的负荷；若节点k与配电网未停电部分不相连，但该节点含有分布式电源，则其表达式如下：Pit,jk＝Pit,kL-Pit,k,∑DG(10)式中，Pit,k,∑DG为节点k所接入的分布式电源在典型情形i下时段t内有功出力总值。进一步的技术方案在于，所述系统节点电压与额定电压偏差量期望值最小为：ming5＝f4(11)进一步的技术方案还在于，所述约束条件为Pi=UiΣj=1NnodeUj(Gijcosθij+Bijsinθij)Qi=UiΣj=1NnodeUj(Gijsinθij-Bijcosθij)---(12)]]>Uimin≤Ui≤Uimax---(13)]]>Pij≤Pijmax---(14)]]>0≤Si,WTGλWTG≤Pi,WTGmax0≤Si,PVGλPVG≤Pi,PVGmaxSi,WTGλWTG+Si,PVGλPVG≤Pi,max---(15)]]>式中，Pi和Qi分别为节点i的有功与无功注入功率，Gij和Bij分别为节点导纳矩阵的实部与虚部，θij为节点i与节点j的电压相角差；和分别为节点i的电压上下限；Pij和分别为支路ij流过的有功功率及其上限；和Pi,max分别为节点i允许接入的WT、PV最大有功容量和两者总容量最大值。进一步的技术方案还在于，本方法采用改进的混合混沌二进制粒子群算法嵌套求解。进一步的技术方案还在于，所述上层配电网架和分布式电源配置均采用二进制编码。进一步的技术方案还在于，所述二进制粒子群算法的粒子速度vid与位置xid的更新公式在vid≤0和vid>0时分别为：xid=0rand<1-21+exp(-vid)xidother---(16)]]>xid=1rand<21+exp(-vid)-1xidother---(17)]]>进一步的技术方案还在于，利用混沌搜索的遍历性对惯性权重进行混沌映射以增强全局搜索能力，如下式所示：wn+1＝μwn(1-wn)0≤w0≤1(18)采用上述技术方案所产生的有益效果在于：本发明提出了一种基于时序特性分析的含分布式电源的配电网多目标双层规划模型。针对配电网中风电、光伏分布式电源出力间歇性和负荷不确定性的情况，分析了相应的时序特性，将分布式电源日出力及日负荷分为若干种典型情形，并选取典型日的预测数值作为代表。考虑到分布式电源与配电网架的相互影响，分别以整体综合决策最优和分布式电源并网效益最大化为目标构建上下双层多目标协调规划模型。最后通过改进的混合混沌二进制粒子群优化算法嵌套求解双层模型，并以IEEE33节点配电系统作为算例，验证了模型和算法的正确性和有效性。附图说明下面结合附图和具体实施方式对本发明作进一步详细的说明。图1是风机典型日出力时序特性；图2是光伏典型日出力时序特性；图3是春季典型日负荷时序特性；图4是下层计算流程图；图5是整体计算流程图；图6是IEEE33节点配电系统网络拓扑图；图7是春季典型工作日下某时刻节点电压图；图8是春季典型工作日下某时刻支路网损图。具体实施方式下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。本发明阐述了一种基于时序特性分析的含分布式电源的配电网多目标双层协调规划研究方案：1.时序特性分析本发明选择了风电和光伏两种分布式电源，其出力间歇随机性和负荷的不确定性共同增加了配电网的不确定性。风电出力主要受风速的影响，光伏出力主要取决于光照强度的大小，而风速和光照强度受天气和气象等自然环境因素影响较大，因此风电和光伏出力都具有一定的间歇性。风速和光照往往随季节变化而呈现不同的整体变化，因此WT和PV日出力可大致分成春夏秋冬四种典型情形进行描述。负荷部分通过配电系统总负荷进行分析，负荷不但受季节影响[7]，而且在工作日、周六周日和节假日这些不同的日期类型下呈现不同的变化规律，因此，负荷可在每个季节下分为三种典型日期情形描述，共12种典型情形。基于上述，在一年的时序中可得到12种DG日出力和日负荷典型情形。在每种情形下，各DG日出力和日负荷基本按相同的规律变化，则可通过典型日下DG出力和负荷预测值近似代表每种典型情形。各典型情形下风机和光伏典型日出力以及春季下典型日负荷的预测值分别如图1、图2和图3所示。2双层协调规划模型2.1规划内容为了实现DG的选址定容(即，分布式电源配置)与配电网架的协调规划，本发明选择DG并网位置、类型、容量、“网架中需升级改造的线路”和“新增负荷点接入所新建线路”为决策变量。由于DG的配置与配电网架的变化会对彼此产生影响，因此这里提出了双层规划的思想，下层DG部分(即，分布式电源配置规划)，上层配电网架在下层结果的基础上进一步规划得到包括网架和DG在内的整体最优配置。2.2目标函数单层规划利用智能算法编码求解时，配电网架与DG部分共同随机编码，而双层规划模型先对上层网架随机编码，然后下层在上层网架基础上得到相应的DG最优配置，进而将结果返回上层，最后上层在此基础上进行整体规划。因此，上层以整体综合决策最优建立多目标，下层综合考虑DG渗入对配电网影响及所带来的效益建立多目标。2.2.1下层目标函数1)DG年投资及运行维护费用最小。maxf1=Σi=1NDGαi=(Ci,WTGSi,WTGλWTG+Ci,PVGSi,PVGλPVG)+Σi=1NDGΣj=1NtdjΣt=1TΔt(Ci,OMWTGPijtWTG+Ci,OMPVGPijtPVG)---(1)]]>式中，NDG为DG待安装节点总数，αi为节点i安装DG的固定年平均费用系数，Nt为DG出力和负荷的典型情形总数，dj为一年中典型情形j下的日期数，T为一天中的时段数，Δt为单位时段持续时间，Ci,WTG和Ci,PVG分别为在待选节点i的风电和光伏对应的单位有功容量投资成本，Si,WTG和Si,PVG分别为在待选节点i的风电和光伏额定容量，λWTG和λPVG分别为风电和光伏的功率因数，和分别为安装在待选节点i的风电和光伏单位发电容量运行维护成本，和分别为安装在待选节点i的风电和光伏在典型情形j下时段t内的有功出力。2)DG并网带来的年降损最大。maxf2=Σi=1NbrΣj=1NtdjΣt=1TΔt(Iijt2-Iijt′2)Ri---(2)]]>式中，Nbr为配电网线路支路总数，Ri为支路i的电阻，Iijt和I'ijt分别为未安装和安装DG之后支路i在典型情形j下时段t内的电流。3)DG年发电量最大。风电和光伏两种DG并网后，其出力会减少部分煤耗机组发电，从而带来环境效益，同时也减小从输电网购电量，因此选择年发电量最大作为目标。maxf3=Σi=1NDGΣj=1NtdjΣt=1TΔt(PijtWTG+PijtPVG)---(3)]]>4)节点电压与额定电压偏差率期望值最小。minf4=Σi=1Nnode1NnodeΣj=1Nt1NtΣt=1T1T|Uijt-UN|UN---(4)]]>式中，Nnode为负荷节点总数，Uijst为节点i在典型情形j下时段t内的电压，UN为额定电压。2.2.2上层目标函数1)系统年投资及运行维护费用最小。maxg1=f1+Σi=1NELxi(αeli+βli)CELili+Σj=1Nnewxj(1+βlj)Cnewjlj---(5)]]>式中，NEL和Nnew分别为负荷点扩增前网络支路数和拟新建线路总数；xi和xj为0-1变量，分别表示拟升级改造线路i和拟新建线路j是否被选中；αeli为第i条已建线路升级改造投资年平均费用系数；βli和βlj分别为线路i和线路j运行维护费用率；CELi和Cnewj分别为第i条已建线路和第j条拟建线路单位长度建设费用；li和lj分别为第i条已建线路和第j条拟建线路的长度。2)系统年有功网损费用最小。ming2=ClossΣi=1NbrΣj=1NtdjΣt=1TΔt·Pijtloss---(6)]]>式中，Closs为单位网损成本，为支路i在典型情形j下时段t内的有功网损，配电网支路数可如式(13)表示：Nbr=NEL+Σi=1Nnewxi---(7)]]>3)配电网年购电费用最小。maxg3=Cpp(Σi=1NtdiΣt=1TΔtΣj=1NnodePitjL-Σi=1NtdiΣt=1TΔtΣm=1NDGPitmWTG-Σi=1NtdiΣt=1TΔtΣm=1NDGPitmPVG)---(8)]]>式中，Cpp为配电网从输电网购电的单位电价，为节点j在典型情形i下时段t内的有功负荷，和分别为候选节点m在典型情形i下时段t内的风电和光伏有功出力。4)年故障停电损失费用最小。ming4=CppΣi=1NtdiΣt=1TΔtΣj=1NbrΣk=1NnodeγjljPit,jk---(9)]]>式中，γj为线路j单位长度的年平均故障率，Pist,jk为典型情形i下时段t内线路j停电导致负荷点k的供电不足功率。Pit,jk可按三种情况取值：线路j故障后，若节点k与配电网未停电的线路相连，则Pit,jk＝0；若节点k与配电网未停电的线路不相连，且不含DG，则Pit,jk＝Pit,kL，其中Pit,kL为典型情形i下时段t内节点k的负荷；若节点k与配电网未停电部分不相连，但该节点含有DG，则其表达式如下：Pit,jk＝Pit,kL-Pit,k,∑DG(10)式中，Pit,k,∑DG为节点k所接入的DG在典型情形i下时段t内有功出力总值。5)系统节点电压与额定电压偏差量期望值最小。ming5＝f4(11)2.3约束条件以节点功率平衡方程、节点电压上下限、支路功率极限和DG安装容量约束作为约束条件，分别如式(12)到式(15)所示。Pi=UiΣj=1NnodeUj(Gijcosθij+Bijsinθij)Qi=UiΣj=1NnodeUj(Gijsinθij-Bijcosθij)---(12)]]>Uimin≤Ui≤Uimax---(13)]]>Pij≤Pijmax---(14)]]>0≤Si,WTGλWTG≤Pi,WTGmax0≤Si,PVGλPVG≤Pi,PVGmaxSi,WTGλWTG+Si,PVGλPVG≤Pi,max---(15)]]>上面式子中，Pi和Qi分别为节点i的有功与无功注入功率，Gij和Bij分别为节点导纳矩阵的实部与虚部，θij为节点i与节点j的电压相角差；和分别为节点i的电压上下限；Pij和分别为支路ij流过的有功功率及其上限；和Pi,max分别为节点i允许接入的WT、PV最大有功容量和两者总容量最大值。3模型求解对于上述双层模型的多目标求解，本发明采用改进的混合混沌二进制粒子群算法嵌套求解。3.1算法的应用网架和DG配置均采用二进制编码，因此对二进制粒子群算法进行了部分改进。粒子速度vid更新公式不变，位置xid则随速度变化而按不同概率更新，为了改善位变异概率与速度变化的关系，当vid≤0和vid>0时，分别按式(16)和(17)更新：xid=0rand<1-21+exp(-vid)xidother---(16)]]>xid=1rand<21+exp(-vid)-1xidother---(17)]]>位置更新类似于遗传算法中的变异操作，因此进一步引入了交叉操作，使位置两步混合更新以增强多样性。利用混沌搜索的遍历性对惯性权重进行混沌映射以增强全局搜索能力，如下式所示：wn+1＝μwn(1-wn)0≤w0≤1(18)取μ＝4令其陷入完全混沌状态，且粒子更新过程中，这里基于小生境共享技术从pareto解集中找寻群体最优粒子。设pareto解集中粒子为n维，个数为Ns，定义粒子xi与xj之间的拥挤距离为：dij=Σm=1n(xim-xjm)2---(19)]]>步骤如下：1)计算小生境半径rsh：rsh=Σi=1Nsdi/Ns---(20)]]>式中，di＝min{dij}(i≠j,j＝1,2,…Ns)。2)建立共享函数S(dij)：S(dij)=1-(dijrsh)1.3dij<rsh0dij≥rsh---(21)]]>3)计算每个粒子的共享度Si：Si=Σj=1NsS(dij)---(22)]]>共享度越大代表个体在群体中相似度越大，则选取Si最小的粒子作为群体最优粒子，以此降低相似个体被选中的概率，降低局部收敛性。当迭代完成后，这里基于模糊隶属度和方差赋权从pareto解集中折衷选取最优解，步骤如下：1)计算第i个pareto解的第j个目标隶属度εij，在上下层中分别如式(23)和(24)所示：ϵij=gjmax-gijgjmax-gjmin,j=1,2,3,4,5---(23)]]>ϵij=fjmax-fijfjmax-fjminj=1,4fij-fjminfjmax-fjminj=2,3---(24)]]>式中，gij和fij分别为上下层中第i个pareto解的第j个目标，和分别为上层中目标j的最大和最小值，和分别为下层中目标j的最大和最小值。2)进行目标的方差赋权：wj=Σi=1NΣk=iN(ϵij-ϵkj)2Σl=1MΣi=1NΣk=iN(ϵil-ϵkl)2---(25)]]>式中，wj为目标j的权重，M为目标个数，N为pareto解集中解的个数。3)计算第i个pareto解的优先选择度：Si=Σj=1Mϵijwj---(26)]]>取优先选择度最大的粒子作为折衷最优解。3.2计算流程上下层粒子编码如下式：Cu={U1,...Um,N1,...Nl}Cd={Sw1,...,Swn,Sp1,...,Spn}---(27)]]>式中，Cu和Cd分别为上层网架和下层DG的编码结构；m为拟改造线路数，l为拟新建线路数，n为DG安装候选节点数；Ui表示线路i是否改造，Ni表示拟新建线路i的具体线路编号；Swi和Spi分别为待选节点i的WT和PV并网容量基数。在下层中计算各粒子的适应度时，先校验各约束条件是否满足，满足的话正常计算，否则令求最小值的f1和f4的适应度值为正无穷，而求最大值的f2和f3的适应度值为负无穷，以保证在构造pareto非支配集时不满足约束的粒子被淘汰。下层计算流程图和整体计算流程图分别如图4和图5所示：4算例分析4.1算例简介本发明选用改进的IEEE33节点配电系统作为算例，网络拓扑图如图6所示。节点0为平衡节点，可看做电源点。系统改进前包含有33个节点和32条支路，额定电压为12.66kV，总负荷为3715kW+j2300kvar，改进后扩增了33、34、35、36和37五个负荷点，总负荷变为4215kW+j2620kvar。图6中，蓝色短虚线表示拟升级改造线路，包括2-3、7-8、12-13、19-20、23-24、26-27和29-30共七条；红色长虚线表示新增负荷点拟接入线路，每个节点均有4种接入线路选择。配电网从上级电网的购电电价为0.4元/(kW·h)，单位网损成本为0.1元/(kW·h)，现有线路建造成本为3.5万元/km，新建线路建造成本为7万元/km，线路升级改造费用率为30％，线路运行维护费用率为3％，系统各节点负荷和支路阻抗、长度数据可参考文献，杨沅汶.含分布式电源的配电网优化规划研究[D].湖南大学,2014.。风电安装成本为6000元/kW，运行维护费用为0.2元/(kW·h)；光伏安装成本为8000元/kW，运行维护费用为0.15元/(kW·h)；DG年平均投资费用系数为0.1，功率因数为0.85；DG并网候选位置为节点1、3、7、13、23、24、29和31共8个节点，其并网最小单元容量为40kVA，在某一节点若某类型DG的并网基数为m(m＝0，1，2，…，7)，则其在该节点的安装容量为m×40kVA。4.2各方案规划结果本发明选取四种规划方案进行对比：方案1：根据双层模型对DG和网架协调规划；方案2：两步分阶段规划，即先在未接入新负荷点和未升级线路的原始网架上根据下层模型规划DG，然后基于此DG配置根据上层模型规划网架；方案3：只含风电的DG与网架协调规划；方案4：只含光伏的DG与网架协调规划。各方案规划结果如表1所示，各项目标值如表2和表3所示。表1DG与网架整体规划结果表2各方案上层目标函数值表3各方案下层目标函数值从规划结果可看出，DG在7、13、24和29等负荷较大的节点并网容量较大，而在1、3等负荷较小的节点处容量较小，一定程度上均衡了供电压力。对比方案1和方案2，协调规划的DG并网容量比分阶段规划增加了560kVA，可看出分阶段规划由于忽略了网架和DG的相互影响，在未规划的网架上单独规划DG限制了其渗入率；两种方案中新建线路也不相同，而且方案1中升级线路也相对较少，说明协调规划可在一定程度上延缓线路的改造。从上层目标看，协调规划由于DG的高渗入率，其年总投资和运行维护费用较高，但其它3项费用明显低于分阶段规划，说明DG大幅度并网运行减少了网损，其出力也供应了大量负荷并缓解了配电网从上级电网的购电压力，同时故障停电损失费用也减小，增强了可靠性，电压偏移率相对较低，进而改善了电压质量；从下层目标看，方案2实施第二阶段规划后抬高了电压偏移率，而且由于限制了DG容量，导致降损量及发电量很低，无法最大化DG的并网效益。因此，协调规划相对分阶段规划更全面合理，充分发挥了DG的效益。方案3和方案4只含一种DG，与方案1相比总投资很低，但其他4项指标均劣于方案1，从长远看不利于系统经济和可靠运行，说明多类型DG并网相对效益更好。而不同DG渗入对比，可发现两方案在线路升级和新建方面均有一定差别，风电渗入的规划中升级线路比光伏少1条，而且其并网容量较大，网损、购电、停电损失以及电压偏移期望均优于光伏，为配网带来的效益更显著，因此两者并网时可优先选择风电。根据四种方案的规划结果，在春季典型工作日下的某时刻，各节点电压和各支路网损如图7-8所示：四种方案中，电压偏移率期望都在±5％允许范围内，各节点电压基本在12.66kV左右，而只含一种DG的方案相对含多种DG的方案电压偏移较大；相对其它三种方案，协调规划中电压偏移最小，各支路网损也较小，利于配电网的可靠经济运行，说明了此方案的优越性。5结论针对DG出力及负荷的不确定性，本发明考虑了其年时序特性并划分为多个典型情形，并选取典型日进行规划水平年预测得到相应的时序特性。考虑DG与网架的相互影响，建立双层计算模型，算例结果表明：协调规划相对于分段规划，极大提高DG渗入率，最大化DG并网效益，并减少了升级线路；相对于单类型DG，多类型DG(并网更易发挥效益；风电相比光伏更具并网优先性。随着配电网中网架扩增、线路升级和更多类型的DG大规模并网，有必要合理地综合协调规划，实现整体效益最优化。当前第1页1 2 3