含分布式电源的配电系统灵活性评价及优化研究

第1章绪论1.1本课题研究背景与意义随着世界经济的发展趋势，对电力工程的需求稳定增长，基础能源消耗过多。世界正面临着不乐观的能源危机和环境危机。化石和煤炭等传统能源在使用时会造成有害物质的环境污染，并且随着能源需求的增加，不可再生能源将变得稀缺。风能，光能等分布式能源（DG）等可再生能源具有环保，高效等特点，可以合理地解决上述问题。随着DG份额的扩大，由源侧和负载侧供需不平衡引起的不确定性和可变性将导致弃风和光照条件缓慢恶化，甚至导致系统软件运行失衡。储能电池（ESB）连接到智能电网后，具有削峰，填谷和改善电能质量分析的优势。有效地调节ESB的数量可以合理地改善这种情况。因此，关于源-存储-充电操作控制策略和多个总体目标部署，本文中具有无穷无尽和清洁环保功能的以下工作已成为世界各国积极推广新能源技术的当务之急[1]。可再生能源发电的高比例也已成为世界范围内普遍关注的未来电力系统方案。欧洲，中国和美国分别明确提出了一个宏伟的蓝图，以期在2050年之前完成100％，80％和60％的可再生能源发电系统[2-3]。在新的升级方案下，电源系统的特性发生了重大变化。任何起伏的风能和太阳能发电都已成为主要的开关电源。根据储能技术和其他灵活的资源调整，可再生能源中的任何不确定性都会得到补充，并且操作灵活性成为配电系统关心的关键问题[4]。可再生能源在电力系统中的比重越来越高，电力系统越来越受不确定性因素的影响，对电力系统的安全系数和可信度产生了许多不利影响[5-7]意识到电力系统具有一定的工作响应能力，即电力系统运行的灵活性可以减少或消除不确定因素的不利影响。电力系统运行灵活性的困难是当代电力系统运行的基本要求。作为不确定性因素和电力系统适应随机变化能力的评论，灵活性是电力系统科学研究中不可忽视的关键指标值之一。它与安全系数，可信度和合理性密切相关[8-10]。与传统的电力能源相比，可再生能源的基本建设周期时间短，间歇性，不确定性强，比能源低[11-13]，并且随机性非常强。配电系统必须保持足够的电力储备能力和电网传输能力，并同时容纳可再生能源发电[14]，以应对由于生产不确定性而引起的电力波动。当电气系统占很大比例时，生产不确定性从根本上改变了系统能量流的分布特性。使系统流量和能量流量的分布随机不可预测。难以预测[15-16]。分布式电源（DG）是智能电网的重要组成部分，DG对配电网的影响与DG的安装位置和容量密切相关[17,18]。合理地配置DG能有效降低网络损耗，提高电压水平，保证电能质量[19-21]。由于含风电、光伏的新能源DG容易受天气的短期波动和气候的周期性变化的影响，导致其出力具有间歇性和不稳定性等特点，进而增加了区域电网调度难度[22-24]。因此，如何合理地配置新能源DG以及提高风光消纳能力已成为专家学者关注的热点问题之一负荷侧的响应行为存在一定程度的不确定性和间歇性[25-27]，受到外界的影响较大，尤其是电价及政策激励措施的影响，用户的用电行为将变得多样化、复杂化[28]，也将使系统的潮流流向由可预测的从输电到配电到负荷的单一方向变为难以预测的双向流动，潮流的分布变得更加的随机与不确定。同时，负荷预测的偏差、间歇性负荷的不确定性均对配电系统运行过程中的功率分布有着重要影响[29-30]，也要求配电系统必须预留一定的安全运行裕度。发电侧和需求侧均有大量不确定性因素影响着配电系统的安全稳定运行[31-32]，因此，为保证运行过程中的供需平衡，配电系统有必要具备一定的应变和响应能力，即所谓的灵活性，以尽可能消除或减小以上不确定因素带来的负面影响，保证配电系统的安全稳定运行[33]。分布式电源作为集中发电的合理填充，具有项目投资成本低，绿色环保，运行方式灵活，变化多等优点。但是，与配电系统的大规模DG连接将增加操作的多样性和可变性，甚至会出现逆变器电源流行趋势，工作电压质量下降以及电源系统可靠性降低的问题。对配电系统的运行灵活性进行研究具有重要的现实意义。众所周知，在配电系统的相关研究中，当前的研究工作更加关注系统组件的安全性，可靠性和合理性。研究内容可以集中在某个方面，也可以综合考虑。对于三个层次的操作难题，研究也更加深入。但是，关于分配系统的灵活性的研究工作很少进行。没有系统软件的基本理论分析，指标值的物理模型和应用讨论。连接。由此可见，配电系统的灵活性评价及优化问题在电力系统的相关研究中具有很大的发展空间和极广的应用空间，也是面对智能电网和大规模可再生能源接入过程中带来的日益增强不确定性时，有待解决的重要问题之一[34-35]。因此，配电系统运行灵活性的相关研究具有极强的参考意义和现实意义，能够解决实际问题，是一项非常必要而又非常迫切的工作。随着中国能源结构调整以及电力体制改革的不断推进，分布式电源高渗透率的接入配电网成为必然。然而，高比例分布式电源的接入，对配电系统的运行灵活性提出了严峻的挑战。所谓灵活性，是配电系统响应负荷和波动电源变化而随之调节的能力。对配电系统运行灵活性进行评估，对于接纳更多的分布式电源，实现未来清洁电力系统的目标具有十分重要的意义。本课题对含高比例分布式电源的配电系统灵活性进行评价以及优化，以保证配电系统具有足够的运行灵活性，达到满足电力系统稳定运行及后期发展的需要。该设计的目的是训练学生综合利用电路，电力系统暂态分析等相关知识，通过Matlab软件对配电系统进行建模仿真，建立灵活性评估指标，对接入高比例分布式电源的配电系统灵活性进行评估。同时，通过本次论文使学生了解新能源领域的发展状况及政策法规；受到工程计算方法、计算机应用，文档检索，数据咨询和论文撰写方面的基础培训。通过运用理论知识和技术手段来分析和解决工程问题，训练学生应用特定的算法和研发技能。1.2课题研究现状综述（1）分布式电源接入配电系统研究现状。随着DG在电力系统中所占比例的增大，配电系统须考虑与DG的配合。电网系统的电力负荷预测、故障电流的方向及大小、节点电压的变化等方面会因为分布式电源的接入而更加复杂[36-37]，电力系统的复杂程度会因DG所占比重增加产生的大量随机性而成倍增加。文献[38]和文献[39]分别构建了考虑碳排放费用和考虑动态碳排放价格电网规划模型，同时需要实现电网投资及运行成本的最小化，其中涉及电网容量投资成本年金、发电和碳排放成本。文献[40]采用图解方法确定分布式电源并网位置。文献[41]和文献[42]采用解析法通过公式推导确定分布式电源位置，图解法和解析法只能确定单点DG配置问题，对于多个DG接入配电网的情况很难得到有效解或最优解。前期建模优化法研究构建的规划模型主要是以经济利益为主体的单目标优化。文献[43]构建了综合考虑设备投资成本、系统有功损耗、停电损失及购电费用的多目标DG规划模型，采用改进遗传算法实现DG位置及容量的优化配置。（2）配电系统灵活性评价及优化研究现状。目前，配电系统灵活性尚未有统一定义。NERC认为电力系统的灵活性主要体现在运行层面，指系统利用自身资源满足负荷变化的能力。IEA则强调电力系统快速响应发电和负荷的大幅波动，对可预见或不可预见的事件做出快速反应的能力。文献[44]对各种灵活性的定义进行梳理，总结形成了涵盖面广的电力系统灵活性定义：经济约束和运行约束下，某一时间尺度内，电力系统快速而有效地优化调配现有资源，快速响应电网功率变化、控制电网关键运行参数的能力。综上所述，电力系统灵活性表征电力系统的一种能力，其核心内涵在于快速响应变化，维持电力供需平衡。目前国内外研究机构对配电系统灵活性的研究大多侧重在原理分析，以定量和定性研究为主。量化指标主要有IRRE、PFNS/EFNS、单节点能量计算模型等。配电系统中的不确定因素有很多，灵活性研究方面考虑的不确定性因素多考虑为含可再生能源的系统。文献[45]针对大规模风电所带来的不确定性，由经济性评估为基础，定义了系统运行时的正负电价，建立了大规模风电的灵活性评价模型；文献[46]从某一时段负荷的功率谱密度着手，得出风电出力变化的周期图，并将其与可调度的灵活性资源图对比，得出大规模风电的灵活性价值评估。文献[47]中以含可再生能源的系统为研究对象，提出的电力系统灵活性指标需要由其所含的所有资源的最大最小出力差和爬坡速率来决定。配电系统灵活性优化提升方面的研究，多从灵活性资源的配置上着手，但在实际系统运行中可用性较低，无法保证系统灵活性的供需平衡。配电系统运行的灵活性是学者们在研究中重点关注的问题。但是，对于配电系统而言，灵活性并没有一个确切的概念，因此，运行问题中的灵活指标较多，涉及的方法及内容也较为广泛。针对电力系统运行过程，有的学者讨论了不确定条件下的配电系统规划以及灵活性评估的问题[48-50]。文中将配电系统灵活性述为电源扩展和运行不确性条件下，以合理的经济成本保证系统可靠性要求的能力，其中也考虑到电源扩建过程中的选址问题。针对市场和交易机制的灵活性，也有文章通过德国电力市场实际运行数据，分析了当前电价机制下对电力系统灵活性的提升影响[51]。针对配电系统灵活性量化方面，有的研究通过对间歇性电源出力状态的概率分布、有效容量等时序特性的量化，把间歇性电源出力的随机性及其对应的灵活性需求纳入到相关的随机生产模拟算法中[52-53]，也有学者从系统保证可靠运行概率的角度对系统灵活性进行了定量分析，通过蒙特卡洛算法，建立了分析大规模风电并网电力系统灵活性评估的算法模型[54]。针对配电系统规划问题，文献[55-56]分别针对网络规划以及电源规划问题构建了灵活性的评价指标，能够对不同的而规划方案进行灵活性评估1.3本课题主要完成的内容智能清洁电网历程高比例分别式发电（DG）的并网运行减省了碳浓密型能源的使用，从而办理了传统化石燃料消耗增加的问题。但是，与DG网络连接的位置和容量的选择将直接影响系统运行的稳定性和经济性，因此有必要优化智能配电网的DG集成。将储能电池（ESB）连接到智能电网后，可以有效提高电网的监管能力和运营灵活性，而高渗透率风、光等分布式电源并网具有较高的随机波动性，这对智能配电网络的安全可靠运行有一定影响。DG随机处理方法、波动性出力产生的不确定性影响的能力已经成为目前关注的焦点。因此有针对性对智能配电网进行优化规划具有重要意义。DG并网规划及优化均为多约束、多目标的非线性问题，针对该问题，文献提出配电系统长期规划发展模型，综合考虑投资、运行成本及排放成本，在方案合理性与多样性方面具有优势，但求解过程复杂且鲁棒性较差。文献为分销公司建立了具有最高DG收入和最低成本的两阶段编程模型，并使用一种改进的布谷鸟算法来获得最佳配置方案。该文件从投资效率，电网损失和环境保护等方面建立了多用途DG规划模型。当使用提供商分解算法，分布式网络网格结构和DG位置设置作为整数决定因素和目标设置时，文献依赖于总成本最低的计划模型。文献探究了DG的运行个性，创办了DNA电网的两阶段准备模型，该模型拥有最低的初始年度投资和最低的运行本钱。总之，用于优化配电网络计划的数学模型是与投资和运营层相关的两层优化问题。迫切需要深入研究投资层和运营层的集成建模解决方案方法，因为在计划的融合中单独解决现有投资方法和运营层的方法还不够级别越高，计算时间越长。确保整个活动配电网络规划模型的最佳全局解决方案。所以，本文主要进行了以下几个方面的工作：（1）根据风、光出力模型和负荷模型得到某地区一年内每天的风光出力以及负荷情况，建立了“风、光出力效率—负荷负载率”的配电网时序场景；并采用改进模糊Ｃ均值聚类算法对场景进行缩减。（2）归结考虑电压稳定性、风光消纳程度、经济性、混浊排放等多方面建立准备模子以优化多个主张，以确定指标元素，分布式风能和太阳能的最佳输出量。（3）建立两阶段式优化处理方法，第一阶段采用混沌粒子群算法对配电网多目标优化规划模型高效求解，得到Pareto最优解集；第二阶段采用改进灰色关联投影法对第一阶段所得优化方案进行决策，最终得到不同偏好情况下的最优解集。（4）选取某地区本色配电体制举行算例仿真，考据本文所提算法的准确性和有用性。1.4本课题主要研究方案本文针对高比例分布式电源接入后对于配电系统调节能力供需之间矛盾凸显，对含大规模分布式电源的配电系统运行灵活性建模，考虑分布式电源接入的不确定性以及负荷需求侧的波动性，根据配电系统运行灵活性指标，通过仿真计算，从而展开对含高比例分别式电源的配电体制运转乖巧性研究。接连运行灵活性目的，以标准配电系统为框架，建立配电系统运行灵活性研究模型。在高比例分布式电源、多时间尺度负荷需求以及储能装置接入情况下，对配电系统运行灵活性进行分析。以经济性和灵活性的双目标函数对含高比例分布式电源的配电系统进行优化运行研究。本课题将按如下的技术方案开展研究：（1）基于我国某电网实际风/光电场的数据，建立分布式电源出力特性模型。（2）对含高比例分散式电源的配电体制运行灵活性举行量化剖析，建立了具有显著的物理意义灵活性计算模型和指标体系。（3）以含高比例分布式电源的配电系统为框架，举行考虑分布式电源时序个性和计及分散光阴尺度负荷须要侧的配电网潮流估摸，研讨高比例分布式电源接入配电系统后对运行灵活性裕度。（4）对储能装置投入运行时对配电系统灵活性的提升进行定量分析。（5）以标准配电系统以及某地区实际电网为框架，分别建立电力系统灵活性优化运行模型进行仿真计算，以经济性和灵活性的双目标函数进行含高比例分布式电源的配电系统优化运行研究。（6）处理相关数据，分析仿真结果，验证算法的正确性及可行性，并应用于实际规划与运行。

第2章配电网多目标规划数学模型2.1配电网时序场景模型2.1.1风电出力时序模型风电出力受实际风速变化影响，其变化服从Weibull分布[49]，相应概率密度函数为：(1)式中，v为实际风速；δ为形状参数；κ为尺度参数。风机功率与风速的关系可通过分段函数表示：(2)式中，vin为切入风速，vr为额定风速，vout为切除风速；Pr为额定功率。2.1.2光伏出力时序模型光照强度普遍服从Beta分布[50]，概率密度函数可表示为：(3)式中，L为光照强度，Lmax为最大光照强度；ξ、χ为形状参数；Γ为Gramma函数。考虑光照强度、温度等因素影响，光伏出力计算公式可表示为：(4)式中，Pl(t)表示光照强度在第t时刻的输出功率；G(t)表示PV发电系统在第t时刻的表面温度；θ表示温度系数；lste、Gste和Pste分别表示标准测试环境下的光照强度、PV发电系统温度和最大输出功率。2.1.3负荷时序模型配电网中主要包括商业负荷、居民负荷、工业负荷三种主要负荷，由于每种负荷其用电需求都与时间相关，相应计算公式可表示为：(5)式中，PLi为节点i的负荷有功功率，QLi为节点i的负荷无功功率。2.1.4风—光—负荷时序场景构建根据风、光出力时序模型和负荷时序模型得到某地区一年内每天的风光出力以及负荷情况，即可得到所对应的风、光出力效率以及负荷负载率，进而建立“风、光出力效率—负荷负载率”的配电网时序场景，则ｎ天的采样样本集表示为：(6)采用改进模糊Ｃ均值聚类算法[51]对场景进行缩减，给定聚类的个数H，并从n个场景样本中生成H个初始聚类中心Zh(1)（h=1，2，3，…，H）。计算任意一个场景样本Xj组到第h个聚类中心的欧式距离为(7)Xj隶属于Zh(1)的程度表示为隶属度，其表达式为：(8)其中m为模糊加权指数，理论上m∈[1，∞]，可以用来调整隶属度的平滑程度，m越大则聚类的模糊性越大[12]。在模糊聚类实例中，m—般取2。对于任意的场景样本Xj，当其属于某一类的隶属度值ujh(1)最大，则把Xj划分到类Zh(1)中。遍历完所有样本组，完成第一次聚类划分。更新聚类中心，并以此聚类中心作为下次迭代的初始聚类中心，计算公式如下：(9)式中，Ch为第h类所有对象；Nh为第h类包含的对象数。重复上述步骤，直到分类不再发生变化2.2建立配电网多目标优化数学模型2.2.1电压稳定指标随着分布式电源渗透率的提高，配电网的电压质量会受到一定影响[52]，甚至会造成电压越限，因此需要提高电压质量以满足配电网运行稳定性的需求。在电压质量指标的选取中，通常采用第一类电压稳定指标来描述电压质量[53]，其计算公式为：(10)式中：l为支路数；Ui为节点i的电压值；Rij和Xij分别表示支路l的电阻值和电抗值；Pj和Qj表示节点j的有功功率和无功功率；节点i和节点j分别为支路l的首末端。为了衡量整个配电网的电压质量，应计算所有支路的Vk，选取其中最大值作为衡量标准，相应计算公式为：(11)式中：N为支路个数。其中f1越小，表示电压质量越好，反之越差。2.2.2风、光消纳指标消纳指标亦是影响配电网规划的主要原因之一[54]，以弃风光电量作为衡量消纳水平的指标相应计算公式为：(12)式中，T为调度总时段；N为可再生能源数量；SjDG、SjDG’分别为时段t时节点j处可再生能源最大可调用功率及实际调用功率。其中f2越小，表示弃风、弃光量越小，消纳水平越好；反之越差，相应目标函数为min(f2)。2.2.3污染排放指标风、光等分布式电源属于清洁能源，其发电过程中不会排放污染物，质子交换膜类氢等燃料电池在发电过程也无污染，但成本较高，文中选择造价较低、污染较小的燃料电池为研究对象。此时燃料电池和微型燃气轮机等电源在发电过程中排放CO、SO2和PM10等物质，从而污染环境[20]。考虑环境效应建立指标函数：(13)式中，N为配电网节点个数，NDG为排放式分布式电源类型数量，M为污染物类型数量；SDG(ij)为第j类分布式电源在节点i所发出的功率，βj为该类电源排放污染物的折算系数，Ejk为第k类污染物的排放率，λk为该类污染物权重系数。FC、MT发电效率较低且易破坏环境，通过合理配置其容量以降低污染排放指标。2.2.4成本-效益指标应用成本-效益分析（CostBenefitAnalysis，CBA）对配电网的成本和收益进行分析，得出配电网的成本-效益的数学模型，计算公式如下：(14)式中，B、C分别表示配电网的总效益、总成本。(1)成本分析配电网的运行成本费用包括DG运行费用CDG、储能装置的运行费用CESS、网络运行费用CO以及电压越限的损耗费用CV，相应计算公式为：(15)DG运行费用CDG相应计算公式为：(16)式中，T为调度的总时长；KDG为DG安装节点的个数；SkDG为安装节点k处的DG安装容量；cI为DG单位容量投资费用；λDG为折现率；cM为DG单位容量的维护费用。储能装置的运行费用CESS包括储能投资费用CEI和调用成本CEC，相应计算公式为：(17)式中，KESS为储能装置安装节点的个数；PkESS为安装节点k处的储能装置额定功率；cEI为储能装置单位功率投资费用；λESS为折现率；EkESS为安装节点k处的储能装置额定容量；cEeI为储能装置单位容量投资费用；cEM为储能单位容量的维护费用；cEB为储能充电成本；PbESS为储能装置充电功率；cED为储能放电成本；PdESS为储能装置放电功率。网络运行费用CO主要包括电网的购电费用和网损费用，相应计算公式为：(18)式中，cP为从电网中的购电单价；SP为从电网中的购电量；cL为从网损成本；PL为网损。电压越限的损耗费用CV相应计算公式为：(19)式中，cV为电压越限的损耗费用；E为单位时间电压越限范围。(2)效益分析配电网的效益主要包括DG发电效益和政府补贴，计算公式如下：(20)式中，cS为DG单位容量发电效益；cA为DG单位容量的政府补贴。ηk为DG安装节点k处的发电效率。2.2.5约束条件(1)等式约束对于含分布式电源的节点，功率平衡方程为：(21)式中，PGi、QGi分别为节点i的有功和无功功率；PLi、QLi分别为节点i的有功负荷和无功负荷；ΔPi、ΔQi分别为节点i分布式电源的有功和无功变化；Ui为节点i的电压；Gij、Bij、θij分别为节点i和j之间的电导、电纳和相角差。(2)不等式约束(22)式中，Uimin为节点i处的电压下限；Uimax为节点i处的电压上限；Pess,min、Pess,max分别为储能额定功率的最小值和最大值；Eess,min、Eess,max分别为储能额定容量的最小值和最大值；QminSVC为无功补偿量下限；QmaxSVC为无功补偿量上限。

第3章基于两阶段优化决策模型的求解第一阶段为配电网优化配置，在考虑提升风、光分布式电源基础上，以电压稳定指标、消纳指标以及运行成本-效益指标值为目标函数，根据智能电网时序情景建立优化模型，利用杂乱粒子群算法进行有效求解，得到帕累托最优解集。进一步求解Pareto解集，测量每个Pareto最优解的最优性，选择最优性更大的最优解作为最佳和最合适的解，最后得出最优解。3.1混沌粒子群算法对于传统的粒子群优化计算方法，部分由于偶然的粒子复位和超进化联系而导致的优化问题，是根据混乱的编码顺序和粒子群的多样性重新设置粒子的初始位置和速率。得到改善。杂乱粒子群算法的粒子速度和位置公式计算如下：(23)(24)式中，vsqw是粒子q在第s次迭代中第w维的速度；ω为惯性权重；c1，c2是学习因子；r1，r2是[0，1]之间的随机数；xsgw是粒子q在第s次迭代中第w维的位置；psgw是粒子q在第w维的个体极值点的位置；gsgw是整个群体在第w维的全局极值点的位置。采用Logistic映射模型生成混沌序列，其表达式为：(25)式中，γ为控制参数；Lsgw为混沌变量。将混沌变量Lsgw转换成决策变量xsgw，其表达式为：(26)式中，[lgw，hgw]为xsgw取值范围。3.2改进灰色关联投影法针对灰色关联投影法只能单向评价的弱点，将逼近理想解（TOPSIS）法与灰色关联投影法相结合对多指标进行综合决策。首先判断个指标方向性，本文中考虑的指标f1、f2为负向指标（值越小，目标越好），指标f3、f4为正向指标（值越大，目标越好），经过数据预处理将负向指标转化正向指标[]。第i个优化规划方案与正理想方案的灰关联系数TGij+（-）为：(27)式中，NS为优化方案个数；fij+（-）为第i个优化规划方案的第j个指标对应的目标值；f0j+（-）为理想方案的第j个指标对应的目标值；ρ为分辨系数，取0.5。各优化规划方案的投影值Ti为：(28)式中，λj为各指标权重系数。各个方案的优化程度Ei为：(29)式中，T0为TGij+（-）取1时，投影值Ti对应的数值。值越大方案越优。基于两阶段优化决策模型的配电网优化流程如图1所示。图1优化流程图3.3仿真结果分析在特定区域采用实物实际配电系统，基准电压为12.66kV，系统负荷为总负荷为7142.3kW和4086.5kvar，基准功率为10MVA。图2配电系统拓扑图图3配电系统编号图设定WT和PV并网容量约束为不超过系统总负荷的30%，WT、PV、FC及MT的实际并网容量约束分别为1600kW、300kW、200kW及100kW。考虑不同场景，以电压稳定为前提建立初步优化指标进行仿真，结果如表1所示表1DG与ESB并网容量与位置方案源储并网容量（节点）B指标/p.uWT/kwPV/kwFC/kwMT/kwESB/kw·h1——————————0.29872140222017511812570.1152(18)(39)(47)(51)(10)3160717916719512380.1158(21)(34)(46)(64)(15)4176218218212312470.0958(19)(36)(44)(63)(22)电压稳定性指标值在[0，1]的范围内。从表2中可以看出，与方案1相比，方案2、3和4的电压稳定性提高了约61％，从而确认所选的电网连接点具有一定的可接受性。因此，选择表中的方案用于接下来的分析。在考虑负载需求，PK成本效益和电压稳定性的前提下，为改善系统组件，其Pareto解决方案遍及图16所示的情况。可以看出，获利方法可能成反比电压稳定度指标值，勤奋的电压稳定性提供利润。从模型的对策分析中选择，结果如表3所示。图4DG配置Pareto解分布表2典型优化方案Case成本效益/元污染气体/kg电压稳定/p.u.case1610730012479213.20000.118case252170608998622.60000.121case345011096039747.80000.125结合表2可知，case1电压稳定性较高，环境污染较高；case3电压稳定性较低，污染程度较小；case2综合考虑稳定性及环境性指标，对比其他方案优化结果较好，故选取该方案。对于WT、PV比例较高的部分地区，优化结果如表3所示，研究表明WT和PV出力过高会导致电压越限，进而造成系统崩溃，所得结论与文献[51][52]一致。针对该问题，加入储能装置以改善电压。表3高渗透率并网优化结果运行方式风光出力/kW最高电压/p.u.最低电压/p.u.未加储能装置15001.070.8820001.090.89加入储能装置15001.000.9320001.030.93不难发现，储能装置能够有效消纳光伏出力，避免电压越限，并起到连续供电的作用。本文通过采样某地区一年内每天的平均风速以及平均光照强度得到相对应的风、光出力效率，再结合负载率的年变化曲线，即可得到风—光—负荷时序场景。考虑到某些场景的概率相对较低，选取概率较大的场景配置DG，选取的聚类场景如表4所示。表4典型场景场景负载率风机效率光伏效率概率10.63050.8120.2640.12920.89460.4330.4570.21330.91750.6790.2090.096综合考虑经济性、环境性和电压稳定性三方面指标对配电系统进行优化，不同场景下Pareto解分布情况见下图。场景1（负荷水平A=0.63）图5Pareto解分布情况表5典型优化方案结果CaseDG、ESB容量/kW评价指标WT/kWPV/kWFC/kWMT/kWESB/kWh效益/万元污染/kg电压稳定指标/p.u.case11599.86151.74189.36176.751285.87708.5499095840.1149case21574.75194.47176.25166.651257.98699.9284357540.1150case31566.78116.85196.7563.251147.37637.5662997560.1151case41552.12200.68155.8567.921098.26634.5152526540.1152case51542.36198.56123.2351.651068.73608.5141348540.11542）场景2（负荷水平A=0.80）图6Pareto解分布情况表6典型优化方案结果CaseDG、ESB运行调控容量/kW评价指标WT/kWPV/kWFC/kWMT/kWESB/kW效益/万元污染/kg电压稳定指标/p.u.case11599.56191.64199.94182.421085.34714.84114278470.0902case21594.86199.57199.85145.451035.27716.5590735470.0910case31593.48159.86179.3673.851007.37644.6161156780.0911case41578.34174.82144.5258.93988.66621.4450388540.0912case51453.72111.56106.58183.72968.93608.9343234870.0913由图6、表7可知，负网络高效运行的特征Pareto解决方案分布均匀且分布高度，这表明两步解决方案方法具有出色的全局搜索功能。多样性和合理性。3.4本章小结本章针对高比例分布式电源接入后对于配电系统调节能力供需之间矛盾凸显，对含大规模分布式电源的配电系统运行灵活性建模，考虑分布式电源接入的不确定性以及负荷需求侧的波动性，根据配电系统运行灵活性指标，通过仿真计算，对具有高配电能力的配电系统的运行灵活性进行研究。本课题将按如下的技术方案开展研究：（1）基于我国某电网实际风/光电场的数据，建立分布式电源出力特性模型。（2）高分布容量的配电系统运行灵活性的定量分析，建立了具有显著的物理意义灵活性计算模型和指标体系。（3）以含高比例分布式电源的配电系统为框架，进行考虑分布式电源时序特性和计及不同时间尺度负荷需求侧的配电网潮流计算，研究高比例分布式电源接入配电系统后对运行灵活性裕度。（4）定量分析储能设备运行时配电系统灵活性的提高。（5）根据标准配电系统和特定区域的实际电网，建立了灵活的电力系统优化运行模型以进行仿真计算，并使用了双重功能经济目标和灵活性，以建立具有高分配比率的配电系统。电气系统的最佳功能研究。（6）处理相关数据，分析仿真结果，验证算法的正确性及可行性，并应用于实际规划与运行。

结论分布式电源作为集中式发电的有效补充，其具有投资成本低、低碳环保、控制方式灵活多变等多种优势。但是大规模DG接入配电系统将增加运行的复杂性和不确定性，甚至可能出现潮流逆变、电压质量恶化、供电可靠性降低等问题，因此，对含高比例分布式电源的配电系统运行灵活性进行研究具有重要的现实意义。本文着重于分析和研究具有高分布式功率的分布式系统的操作灵活性，并得出以下结论：（1）考虑到分布式电源的不确定性以及灵活性的影响，对分布式电源建模并定性定量分析；考虑分布式电源时序特性和建立多种计及不同时间尺度负荷模型；在此基础上对含大规模分布式电源的配电系统建立了具有显著的物理意义的运行灵活性仿真模型。研究高比例分布式电源接入配电系统后对运行灵活性影响。（2）定量分析具有高分散率的配电系统的运营灵活性。首先，在对能源系统的运行灵活性进行定性分析之后，将能量调整范围用作一种度量，以定量分析系统中各种类型的供应和资源消耗的灵活性。在可使用大规模可再生能源的能源系统中，系统不确定性的主要原因通常是分布式能源生产的变化，从而增加了系统能量平衡的不确定性。输出越高，输出更改的结果越严重。此外，负荷预测的变化和间歇性负荷的不确定性将对系统运行期间的能量分配产生重大影响，并且电源系统必须保留一定的安全运行裕度。因此，可以使系统承受功率波动并分配负载的分布式电源的最大致命容量可以用作操作灵活性的指标。考虑到产量的突然下降和两个方向的快速增长，灵活性是有方向性的，需分别研究两个方向上的灵活性裕度。（3）在配电系统运行灵活性仿真模型中加入储能装置，分析储能装置对配电系统灵活性的影响，对配电系统运行灵活性进行评估。（4）针对配电系统运行中存在的问题，科学地研究供电系统在整个运行过程中的经济性与柔性之间的关系，建立配电系统柔性的物理模型来改善运行，创造经济性与灵活性的双重目标。并根据计算实例进行分析，对每个指标值实体模型和优化模型进行有效认证，以反映配电系统运行灵活性在解决可变性要素时的特点和实际效果。东北电力大学本科毕业设计论文23参考文献[1]刘振亚．全球能源互联网[M]．北京：中国电为出版狂，2015．2．[2]Renewableelectricityfuturesstudy[M]．NationalRenewableEnergyLaboratory，2012．[3]InternationalEnergyAgency．Harnessingvariablerenewables[M]．Paris：InternationalEnergyAgency，2011：41-67．RuggieroS，VarhoV，RikkonenP．TransitiontodistributedenergygenerationinFinland：prospectsandbarriers[J]．EnergyPolicy2015，8(6)：433–438．[4]HandMM，BaldwinS，DeMeoE，etal．Renewableelectricityfuturesstudy[R]．Colorado：NationalRenewableEnergyLaboratory，2014．[5]庄园，王磊．分布式电源在配电网络中优化选址与定容的研究[J]．电力系统保护与控制，2012，40(20)：73-78．[6]汪兴旺，邱晓燕．基于改进粒子群算法的配电网分布式电源规划[J]．电力系统保护与控制，2009，37(14)：16-21．[7]刘杨华，吴政球，徐有庆，等．分布式发电及其并网技术综述[J]．电网技术，2008，32(15)：72-76．[8]LannoyeE，FlynnD，OmalleyM．Evaluationofpowersystemflexibility[J]．IEEETransactionsonPowerSystems，2012，27(2)：922-931．[9]KaplanEL，MeierP．Nonparametricestimationfromincompleteobservations[J]．JournaloftheAmericanStatisticalAssociation，1958，53(282)：457-481．[10]LannoyeE，FlynnD，OmalleyM．Assessmentofpowersystemflexibility：ahigh-levelapproach[C]．ProceedingsofthePowerandEnergySocietyGeneralMeeting．SanDiegoCalifornia，USA：IEEE，2012：1-8．[11]雷金勇，李战鹰，卢泽汉，等．分布式发电技术及其对电力系统影响研究综述[J]．南方电网技术，2011，4(14)：46-50．[12]RozaliNEM，AlwiSRW，MananZA，KlemesJJ，HassanMY．Processintegrationofhybridpowersystemswithenergylossesconsiderations[J]．Energy2013，5(5)：38–45．[13]AtwaYM，El-SaadanyEF．Reliabilityevaluationfordistributionsystemwithrenewabledistributedgenerationduringislandedmodeofoperation[J]．IEEETransonPowerSystems2009，24(2)：572-581．[14]杨毅，韦钢，周冰，等．分布式发电的规划模型及其求解方法[J]．上海电力学院学报，2010，26(2)：113-118．[15]崔宏涛．失电式电磁制动器的性能及应用[J]．电子技术与软件工程，2017，(12)：92．[16]白玉东，王承民，衣涛，等．电力系统的柔性评价与风电穿透功率极限计算[J]．电力自动化设备2012，32(10)：112-116．[17]吴鸣，宋振浩，吕振宇等．计及综合效益的虚拟同步化微电网二次调频策略[J]．中国电机工程学报:1-12[2019-05-27]．[18]颜湘武，徐韵．考虑网络动态重构含多异质可再生分布式电源参与调控的配电网多时空尺度无功优化[J]．电工技术学报:1-15[2019-05-27]．[19]TatyanaBugaeva,AlexandrKhabarov,OlgaNovikova,etal.Developmentandtestingofthegeneticalgorithmtoselectascenarioofdistributedgenerationpowersupplysystem[J].IOPConferenceSeries:MaterialsScienceandEngineering,2019,497(1)．[20]张宇精，乔颖，鲁宗相等．含高比例分布式电源接入的低感知度配电网电压控制方法[J]．电网技术，2019,43(05):1528-1535．[21]WeiWu,NianGuo,ZhiminDeng,etal.Analysisofinfluenceofdistributedpowersupplyondistributionnetworkvoltageconsideringpermeability[J].IOPConferenceSeries:EarthandEnvironmentalScience,2019,227(3)．[22]MingZeng,WeichengChen,YingxinLiu,etal.TheResearchontheOptimizationofNaturalGasDistributedPowerSupplyandPipelineBasedontheStochasticExpectationModel[J].IOPConferenceSeries:MaterialsScienceandEngineering,2018,452(3)．[23]孙丽敬，盛万兴，吴鸣等．基于模糊C均值聚类的分布式电源集群并网逆变器输出功率置信区间估计方法[J]．电网技术，2019,43(05):1495-1503．[24]盛万兴，吴鸣，季宇等．分布式可再生能源发电集群并网消纳关键技术及工程实践[J]．中国电机工程学报，2019,39(08):2175-2186+1．[25]刘志勇．微电网建模仿真研究及平台开发[D]．长沙：湖南大学，2010．[26]ViniciusF，Martins，CharmanL，etal．Activedistributionnetworkintegratedplanningincorporatingdistributedgenerationandloadresponseuncertainties[J]．IEEETransactiononpowersystems，2011，26(4)：2164-2172．[27]PiloF，BakariK，TaylorJ，etal．Planningandoptimizationofactivedistributionsystems-anoverviewofCIGREworkinggroupC6.19activities[J]．CIREDWorkshop-Lisbon29-30May2012：1-4[J]．Benchmarksystemfornetworkintegrationofrenewableanddistributedenergyresources[R]．CIGRETaskForceC6．04．02．2009．7．[28]张节潭，程浩忠，胡泽春，等．含风电场的电力系统随机生产模拟[J]．中国电机程学报，2009，29(28)：34-39．[29]张宏宇，印永华，申洪，等．大规模风电接入后的系统调峰充裕性评估[J]．中国电机工程学报，2011，31(22)：26-31．[30]曲翀，王秀丽，谢绍宇，等．含风电电力系统随机生产模拟的改进算法[J]．西安交通大学学报，2012，46(6)：115-121．[31]邹斌，李冬．基于有效容量分布的含风电场电力系统随机生产模拟[J]．中国电机工程学报，2012，32(7)：23-31．[32]谈天夫，高山，李海峰，等．基于等效间隔-频率分布的含风电场电力系统随机生产模拟[J]．电工技术学报，2014，29(12)：148-157．[33]李海波，鲁宗相，乔颖等．大规模风电并网的电力系统运行灵活性评估[J]．电网技术，2015，06：1672-1678．[34]靳小龙，穆云飞，贾宏杰，等．面向最大供电能力提升的配电网主动重构策略[J]．电工技术学报，2014，29(12)：137-147．[35]KarimyanP，GharehpetianGB，AbediM，GaviliA．LongtermschedulingforoptimalallocationandsizingofDGunitconsideringloadvariationsandDGtype．ElectricalPowerandEnergySystems．2014，54：277-287．[36]AtwaYM，El-SaadanyEF，SalamaMMA，etal．Optimalrenewableresourcesmixfordistributionsystemenergylossminimization[J]．IEEETransactionsonPowerSystems，2010，25(1)：360-370．[37]李亮，唐巍，白牧可，等．考虑时序特性的多目标分布式电源选址定容规划[J]．电力系统自动化，2013，37(3)：58-63．东北电力大学本科毕业设计论文24[38]ZeinalzadehA，MohammadiY，MoradiMH．OptimalmultiobjectiveplacementandsizingofmultipleDGsandshuntcapacitorbankssimultaneouslyconsideringloaduncertaintyviaMOPSOapproach[J]．ElectricalPowerandEnergySystems，2015，67：336-349．[39]郭金明，李欣然，邓威，等．基于2层规划的间歇性分布式电源及无功补偿装置综合优化配置[J]．中国电机工程学报，2013，33(28)：25-33．[40]滕春贤，李智慧.二层规划的理论与应用[M]．北京：科学出版社，2002：45-48．[41]DulceFernaoPires，CarlosHenggelerAntunes，AntonioGomesMartins．NSGA-IIwithlocalsearchforamulti-objectivereactivepowercompensationproblem[J]．ElectricalPowerandEnergySystems，2012，9(43)：313-324．[42]唐勇俊，刘东，阮前途，等．计及节能调度的分布式电源优化配置及其并行计算[J]．电力系统自动化，2008，32(7)：23-28．[43]王成山，陈恺，谢莹华，等．配电网扩展规划中分布式电源的选址和定容[J]．电力系统自动化，2006，30(3)：38-43．[44]GriffinT，TomsovicK，SecrestD，etal．PlacementofDispersedGenerationsSystemsforReducedLosses[C]．The33rdHawaiiInternationalConferenceonSystemSciences，Maui，USA，2000．[45]栗然，申雪，钟超，等．考虑环境效益的分布式电源多目标规划[J]．电网技术2014，38(6)：1471-1478．[46]潘超，孟涛，蔡国伟，等．广义电源多目标优化配置与运行[J]．电网技术，2015，39(12)：3505-3512．[47]AliZ，ShahramJ，AshkanRK．Afuzzyenvironmentaltechnicaleconomicmodelfordistributedgeneration