文档库

最新最全的文档下载
当前位置:文档库 > 主动配电网的全寿命周期分布式电源规划问题研究

主动配电网的全寿命周期分布式电源规划问题研究

主动配电网的全寿命周期分布式电源规划问题研究

郑博文,杨隽,杨承辰,鲍小锋

(玉溪供电局, 云南玉溪 653100)

摘要:主动配电网(Active Distribution Network, ADN)的源荷强不确定性加剧了其电源规划的难度。

本文基于ADN的灵活管控特性提出了考虑主动管理模式的分布式电源多目标双层规划模型。上层模型以

最小化系统电源侧的全寿命周期成本为目标,从而确定DG的安装配置方案;而下层则以最小化DG有功

出力切除量为目标,通过采用主动管理中的DG出力控制、有载变压器分接头调节以及无功补偿装置调

节等方式实现DG运行优化。利用带自适应变异的改进粒子群(IPSO)算法对上下层模型进行求解,提

高了算法的求解速度并有效得到全局最优解。同时,通过对IEEE 33节点系统进行仿真分析,验证了所

构建模型的合理性。

关键词:主动管理;多目标双层规划;分布式电源;粒子群算法;

中图分类号:TM71 文献标识码:B 文章编号:1001-1390(2018)03-0000-00 Research on distributed generation planning of active distribution

network considering life cycle cost

Zheng Bowen, Yang Jun, Yang Chengchen, Bao Xiaofeng

(Yuxi Power Supply Bureau, Yuxi 653100, Yunan, China)

Abstract:The key features of active distribution network (ADN) which include active management and active control exacerbate the difficulty of its generation planning. Based on flexible adjustment capability of ADN, a multi-objective bi-level programming model about distribution generation considering active management mode was proposed in this paper. The objective of upper level model was to minimize the total life cycle cost of power supply side in the system, thus the installation and configuration plan was obtained after optimization. Whereas the lower level model was aimed at minimizing active power curtailment value, and operation optimization of distributed generation (DG) was obtained through applying DG output control, on-load-tap-changing transformer adjustment, reactive power compensation device adjustment and other active management modes. The upper and lower models were solved by improved particle swarm optimization (PSO) algorithm with adaptive mutation, which could improve the solution speed and the global optimal effectiveness. Besides, the simulation analysis of the IEEE 33-node system was carried out to verify the rationality of the model.

Keywords: active management, multi-objective bi-level planning, distributed generation, improved particle swarm optimization algorithm

0 引言

电源规划是配电网规划中的一个至关重要的环节,其涉及到负荷预测、电力电量平衡、厂址选择、机组类型和规模、燃料来源及运输条件、系统运行、网络规划和各种技术经济指标的选择等一系列问题[1]。随着能源问题日益严重,可再生分布式电源(RES)的兴起顺应了节能减排的要求,并得到广泛应用与发展。然而,当前DG接入配电网仍采用“安装即忘记”的被动管理模式,没有充分考虑不可控DG出力的间歇性和随机性对电网造成的不利影响,

同时也未充分发挥DG灵活调控对于降低网损、改善支路潮流等方面的积极作用。主动配电网模式的提出解决了优化利用DER的问题,利用主动管理和主动控制的方式进行分散管理、灵活控制网络结构,可以实现DG与配电网的充分集成并提升DG的渗透容量[2-3]。

在传统配电网环境下的DG优化配置问题中,中压配电网往往作为电力系统的被动负荷,在无故障情况下不会自动操作,因此其网架结构较为固定。文献[4]以最小化含环境效益的DG投资成本及运行成本为优化目标,建立了DG优化配置模型,分析了风速、天然气价格以及污染物排放处罚标准等三个变量对确定DG最优配置方案的影响。此外,考虑到不可控DG的间歇性,在传统配电网规划中一般采用多场景技术[5]、机会约束理论[6]或模糊数学理论[7]采用确定性或不确定弹性约束的方式对DG出力的不确定性进行描述。而在主动配电网中的DG规划问题除了考虑DG的不确定性外,还可以通过一定的主动管理及控制方式对网架结构及运行方式进行灵活调节,从而提高DG的消纳能力。文献[8-9]结合ADN 中的主动管理模式建立多目标双层分布式电源规划模型,上层模型以最小化DG年投资运行成本和网损为目标,形成DG的布点定容方案,而下层模型则在上层结果的基础上对DG的出力进行主动管理,将DG的有功出力切除量反馈给上层便于引导决策。

然而,当前DG的投资成本往往采用DG投资安装费用的净现值进行衡量,没有兼顾DG在全寿命周期(Life Circle Cost,LCC)内的经济环境综合效益,存在一定弊端。鉴于此,本文基于配电网电源侧的全寿命周期成本分析,建立了考虑主动管理模式的主动配电网双层规划模型以得到最优的电源规划方案。其中,上层模型以全寿命周期内配电网上级购电成本以及DG成本等供应侧成本最小化为优化目标,确定上级购电量、DG的安装类型及容量。而下层模型则以最小化DG切除功率为目标,利用主动管理模式对DG的运行进行优化。考虑到光伏、风电等不可控DG及负荷的不确定性,根据实际待考察区域的历史测量信息合理确定了当地风速和光照强度的概率密度函数。利用带自适应变异因子的改进粒子群算法对上、下层模型进行求解。并通过对IEEE 33节点配电网算例进行仿真,结果验证了所构建双层规划模型以及所应用求解算法的合理性和可行性,算例结果体现了主动管理特性对于提高DG渗透率并降低系统电源侧的全寿命周期成本的有效性。

1 不确定性建模

与传统配电网相比,主动配电网中增加了大量分布式能源(DER),如光伏发电(Photovoltaic Generation,PV)、风力发电(Wind Power Generation)、微型燃气发电(Microturbine,MT)、燃料电池(Fuel Cell)等分布式电源(Distributed Generation,DG),各类储能设备以及需求响应策略下的各类柔性负荷。

1.1 光伏发电不确定性建模

光伏发电主要基于光生伏特效应,利用太阳电池将太阳光能直接转化为电能,具有建设周期短、环境友好等优势。研究表明,长期光照强度变化可认为符合Beta分布,概率密度函数为:

()

()()

11

max max

()1

r r

f r

r r

αβ

αβ

αβ

--

Γ+????

=-

? ?

ΓΓ????

(1)式中r和max

r为代表当前时段内的实际及最大太阳能辐射强度;α和β为Beta分布的形状参数,

可由光照强度的期望sμ与方差值2

s

σ计算得出:

()

()

()

s s

s2

s

s s

s2

s

1

=1

1

11

μμ

αμ

σ

μμ

βμ

σ

-

??

-

??

??

-

??

=--

??

??

(2)

基于光伏电池的光照强度,可以求得光伏电池输出功率:

()()

g g rated rated

g

g rated

/

pv

g

pw

pv

g

r r r r

p r

r r

?

?

?≤

?

=?

>

??

(3)

式中

g

,pw pv

p?分别表示光伏电池的实际输出功率和额定功率,而rated g,

r r分别表示光伏电池的额定光照强度和实际光照强度。

1.2 风力发电不确定性建模

风力发电是将风能转变为机械能最终转化为电能的一种方式,由于我国国土面积广阔、风力资源丰富,风力发电是目前适用性最广的DER之一。研究表明,风力发电的不确定性根据地理位置差异,基本满足基于单峰正偏态双参数曲线的Weibull分

布,其概率密度函数为:

1

()exp k k w k v v f v c c c -??

??

??=-?? ?

???

?????

? (4

式中 v 为所在位置风速;k 和c 分别称为形状参数和尺度参数,即:

1.086

w w k σμ-??

= ?

??

(5)

c (6)

主动配电网的全寿命周期分布式电源规划问题研究

式中 w μ和w σ分别是统计周期内风速的平均值和标准差。基于已知风速可求得风机的实际输出功率:

()cut cut

g in g out cut in cut g g in g rated cut

rated in

cut g rated g out

0=或g w

w

w v v v v v v p v v v v v v v v v ???<>?-?≤≤?-??≤≤?

(7)

式中 g w

?为安装在系统节点g 的风机机组容量;

cut in v 为风机切入风速;rated v 为额定风速;cut

out v 为切出

风速。

1.3 微型燃气发电建模

考虑到微型燃气发电为可控电源,其运行阶段的输出功率MT

p

为:

MT

mt

g

0p

?≤≤ (8)

式中 mt

g

?为安装在节点g 的MT 机组容量。 2 基于主动管理的全寿命周期DG 电源规划模型

对比发达国家的配电网现状,我国发展主动配电网的规划建造工作处于初期阶段,配电网建设的首要目标是在满足日益增长的负荷需求条件下,实现各类分布式电源渗透率的提升。此外,当前存在设备及线路老化、用于优化控制智能配电系统的辅助装置配备不齐全等问题的配电网的发展受到投资成本的制约。因此,在进行主动配电网规划时需要在优化网络布局的网络解和优化设备配置的非网络解之间进行合理权衡,以满足降低投资成本、提高分布式电源渗透率、保证网络安全可靠运行等目标。

为了提高分布式电源的接入容量,克服其出力波

动性所造成的节点电压升高,系统潮流越限,网络总体损耗增加等弊端,本文采用如下3种主动管理方法:

(1) 发电机出力控制:即通过控制可控型DG 的有功出力来调节电压;

(2) 有载变压器抽头调节:即通过调节有载调压变压器的可变抽头使电压保持在规定范围内;

(3) 无功补偿调节:即通过调节DG 接入点的无功补偿设备减少电压增幅。

由于本文所述的基于全寿命周期DG 电源规划问题考虑了DG 出力的主动管理和控制特性。出于分解协调的理念,本文建立了基于主动管理的LCC 双层规划模型。

其中,上层规划模型是主动配电网中的DG 容量

配置规划问题,以最小化供给侧的全寿命周期成本为目标,决策变量为各类分布式电源的容量以及系

统向上级电网的购电量。下层规划模型则是DG 有功出力优化问题,以最小化DG 有功切除量为目标,决策变量为DG 有功出力切除量、有载变压器抽头位置以及无功补偿设备的投切容量。上层将DG 的定容方案传递给下层,通过对上层方案中的DG 出力进行主动管理,并由下层将出力调整结果传递给上层,从而实现上下层决策互补。 2.1 上层规划模型

为了全面体现系统中电源侧的总投入成本,上层规划模型以最小化全寿命周期内的主动配电网供给侧资源成本为目标函数,从而合理表达了在系统设

计、规划、运维以及退役等周期内DG 的实际成本投

入情况以及与上级电网购电量的成本占比。具体表

达式为:

()()CC b DG 1

min N

k L f C f C ==+∑ (9)

式中 ()b f C 为每一年系统向上级电网的购电成本,万元;()DG f C 为各类分布式电源(含光伏发电、风电、微型燃料发电以及燃料电池在其寿命周期内,所花费的投资安装、财务支出、运行维护、燃料消耗、环境惩罚费用及残值等所有费用之和的等年值;

()FL

f C 为需求响应中的直接负荷控制的投资运行成

本。

()b k k f C p E = (10)

()()

()

()()()MT IN N loan

int OM NG

DG

1

1

111=111N

i

I i

i

i

i

N

M

N

m

i j

ij

i

Ri

N

j f P r r C C R R c P c LHV

r f C r r P C r βα==+++++-++++-??

?

?

?

????????

?

∑∑(11)

式中 k p 为当年电价,万元/kW ?h ;k E 为对应年的上级电网购电量,kW ?h ;M 为DG 种类,本模型

取风机、光伏发电、微型燃气发电三种,3M =;N 为全寿命周期年限,一般DG 取25a ;r 为资金利率,取0.1;IN i C 为第i 类DG 的总投资安装费用,万元;

loan R 为DG 建设投资中的贷款占比,一般取0.75;

int i R 为银行的贷款利率,依照当前情况取5.65%;OM i c 为第i 类DG 的单位运维费用,万元/kW ?a ;i P 为第i

类DG 的有功出力,kW ;NG c 为天然气时价,万元/m 3

所采用的6F-01型微型燃气轮机的天然气热值函数

表达式为:()4322

MT MT MT MT 1.96210 2.56710 3.90524.24f P P P P --=?-?++,

单位kW ;MT P 为微型燃气轮机的发电功率,kW ;LHV 为天然气低热值,取10 kW ?h/m 3;j β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CO 2、SO 2及氮氧化物3类;ij α为第i 类DG 对应j 类污染物的排放系数;R i C 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。

max i i G G ≤ (12)

式中 max i G 为第i 个DG 的规划允许容量上限。 (2)DG 渗透率约束。

DG L

1

1

0.15N N i

j i j G

L ==≤∑∑ (13)

式中 L N 为系统的负荷节点数;DG N 为系统内DG 总数。

(3)功率平衡约束。

()()DG

L

1

1

N N k i j i j E 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:

DG

cur 1

min N i i P =∑ (15)

式中 cur i P 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。 ()

()

j j U cos sin U sin cos is i ij ij ij ij j i

is i ij ij ij ij j i

P U G B Q U G B θθθθ∈∈=+=-∑∑ (16)

式中 ,is is P Q 分别为节点i 注入的有功功率和无功功率,kW ;j i ∈即节点j 与节点i 相连;,ij ij G B 分别表示节点导纳阵的实部和虚部;ij θ为节点i 与节点j 的相角差。

(2)节点电压约束。

min max i i i U U U ≤≤ (17) 式中 min max ,i i U U 分别为节点i 的电压上限与下限。

(3)支路传输功率约束。

max ij ij S S ≤ (18)

式中 max ij S 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 max cur cur cur i i i P P P ≤≤ (19)

式中 min max

curi curi ,P P 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 max k k k T T T ≤≤ (20)

式中 min max

,k k T T 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 max c c c i i i Q Q Q ≤≤ (21)

式中 min max

c c ,i i Q Q 分别为无功补偿装置投切容量的

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ω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,ω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]

主动配电网的全寿命周期分布式电源规划问题研究

。该IPSO 所采用的惯性权重表达式为:

()max

min min max max 1

=exp 1iter iter iter ωωωω?

?

?

?-?-

+- ?+ ??

?

(22) 式中 min max ,ωω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;max iter 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 kWh/(m 2

·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 2.25,8.74k c ==,光照强度满足的Beta

分布的形状参数分别是=0.92=0.77αβ,。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 =,学习因子12,c c 均取值为2,惯性权重分别为max min 0.95,0.5ωω==,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

表1 33节点系统中接入DG 的相关参数 Tab.1 Related parameters 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

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 cases with active

management mode

主动配电网的全寿命周期分布式电源规划问题研究

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 ,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 Issues of Active Distribution Network Planning[J]. 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 Network[J]. Power 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 characteristics[J]. Electric Power Automation Equipment, 2016, (5): 14-22, 29.

[5] 张沈习, 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 network[J]. 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/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 NO X

0.2

62.964

电网重构[J]. 电网技术, 2013, (9): 2573-2579.

Cong Pengwei, Tang Wei, Zhang Lu, el al. Chance-Constrained Programming Based Distribution Network Reconfiguration Considering Multi-States of Distributed Generation and Load[J].

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 distributed generations embedded in distribution network[J]. 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 indeterminacy of distributed generation for urban power grid[J]. 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 Management[J].

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. Design of ADN Based Urban Energy Internet Architecture and Its Technological Issues[J].

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 balancing[J]. 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:

主动配电网的全寿命周期分布式电源规划问题研究

郑博文(1983—),男,工程师,从事电力系统可靠性研究。Email:52586066@http://www.wendangku.net/doc/0437ea64905f804d2b160b4e767f5acfa0c78313.html

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)