储琳琳(1978-)，
计及
源协同参与的
配电网扩展规划*
宗 明(1970-)，男，高级工程师，主要从事电网规划与运行研究。
李轶立(1984-)，男，工程师，主要从事电网规划研究。
*基金项目：国家电网公司科技项目资助(SGSHSN00ZSJS1802299)
储琳琳1，宗 明S 李轶立1，王经纬- 朱 夏1，史越奇2，顾 洁2
(1.国网
电力公司市南供电公司，
200233 %
2.上海交通大学电子信息与电气工程学院，上海200240)
摘 要：需求侧资源的接入会对配电网产生诸多影响，为了进一步优化配电网规
划方案的经济性和可行性，
规划过程
电网与 资源的协同交
%
计及可 、分
光伏和电 电设施的配电
层规划
模型。上层模型 电 容
资源接入方案
规划，下层型优化 侧
资源的 略，
基 特
拟的机会约束方 重不确定性。
IEEE33节点算例验证表明，所 规划方案能 分
资源的经济和环境效
益，降 电 容的成本，实现 资源与配电网的协同规划。
关键词： 源；配电网规划；随机规划；机
；
模拟
中图分类号：TM 732 文献标志码：A 文章编号：2095-8188(2020)12-0089-10
DOI ： 10.16628/j. cnki. 2095-8188. 2020.12. 016
Planning of Distrinuhon Network Expansion Consinering
Multi-Type Distrinuter Energy Resources
CHU Linlin ， ZONG Ming 1，
LI Yili 1，
WANG Jingwei 1， ZHU Xia 1， SHI Yueqi 2， GU Jie
(1 • Shanghai Shinan Electric Power Corporation of State Grid ，Shanghai 200233，China ；
2. School of Electronic Information and Electrical Engineering ，Shanghai Jiaotony University ，Shanghai 200240,China )
Absiraci ： Based on siochasiocpeogeammongand chanceconsieaoniiheoes ， ihospapeeesiabeoshed abo-eeeee
planning model for distribution network expansion that takes into account with multi-type DERs ，which include
interruptible loads ，distributed photovoltaic and electric vehicle charging stations. The upper model optimizes the
expansion oC distribution network and the access oC DERs ，and the lower model optimizes the operation strategy oC DERs. The model uses a pababilistic power flow algorithm based on Monte Carlo simulation to deal with the
unceiainty oC load and DERs. Taking the IEEE 33-node test system as an example ，the result shows that the
distribution system expansion planning model established in this paper can give full play to the ale oC DERs in
economocaeand eneoeonmeniaeompeoeemeni ， eeduceihecosioodosieobuioon neiwoek eipansoon ， and ihuseeaeoeea veriety oC DERs coordinated planning with distribution networks.
Key words : distrituted energy resource ； distritution system planning ； stochastic programming ；
BranBeBonsiranniireory ； MonieCarlo snmulainon
0 El " 站、线路的新建和改造等供给侧措施，具有投资成
0 、 问题。 各 资源传统的配电网规划扩展方案主要包括配电
(Distributed Eneray Resource ，DER)的推广应用，
—89
—
在配电网扩展规划过程中统筹考虑DER的安装和接入，将成为解决上述问题的一种有效途径。
目前，计及DER的配电网规划方法已成为国内外的研究热点，主要涉及的DER包括电动汽车(EWctuc Vehicla,EV)、分布式电源(Distributed Generation,DG)、主动负荷响应(Demand Response, DR)等。 电动汽车大量接入配电网，充放电需求的时空变化特征不仅增加了配电网负荷的总需求量，同时也将改变配电网负荷结构和特性，从而对配电网规划提出新的要求［1］%文献*2+对配电网中EV充电站进行选址定容，并分析了其对峰谷负荷的影响。文献［3］基于蒙特卡洛模拟方法，从网损和电压偏移方面，对配电网的EV接纳能力进行评估。分布式可再生能源的出力具有较高的不确定性，国内外已对其与配电网的协同规划问题开展了较多的研究。文献［4］对'6出力进行时序性多场景建模，并提出一种以配电网损耗和 停电损失为目标的DG选址定容多目标规划模型。文献［5］对多种互补性DG在配电网中的协同优化配置进行了研究，建立了基于机会约束规
划的多目标规划模型。文献［6-+对配电网中EV 和DG的协同规划问题开展了研究。文献［8-9］对DG接入造成的无功和电压问题进行了研究，并提出了相应的治理对策和优化方法。需求响应
作为一种主动管理措施，能够促使配电网的运行更加优化，提升其安全稳定和经济性水平［10］，受响应的量及其分影响，计及响应的配电网规划方面的研究正处于起步阶段。文献［11］对基于价格的DR和DG协同配电网网架扩展规划进行研究。文献［12+建立了考虑DR和DG随机性的增量配电网与DR协同优化配置模型，并采用随机规划的方法进行求解％
上述文献大多仅针对个别需求侧资源参与配电网规划开展了研究。随着未来配电网中需求侧资源愈发多样化，将会有更多的不确定因素对配电网的规划方案产生影响。因此，亟需对多种不同类别需求侧资源协同参与和交互的配电网规划问题开展研究。
基，文计及可、分
光伏(Photovoltaic,PV)和电动汽车充电3种需求侧资源协同接入的配电网扩展规划模型。该模型
—90—通过对配电网现有供电设备扩容和需求侧资源选址定容之间进行协调优化，从而求得包含配电网净成本和环境成本最小化的配电网扩展规划方案。
考虑到上述3种需求侧资源具有较强的不确定性，本文基于随机规划的思想，针对各需求侧资源建立相应的概率模型，同时鉴于DER资源对配电网的影响与其运行策略密切相关，本文建立了
协调配电网规划与优化运行的双层规划模型。通过上、下层模型之间的交替递归，从而实现对配电
网的规划和运行进行协调优化。最后，以改进的
IEEE33节点标准测试系统为例，验证所提模型的有效性。
1需求侧资源的模型描述
文资协同与规划方案的影响，及的资包括可、分
光伏和电动汽车充电站3种类型。
1.1可中断负荷
可中断负荷是一种激励型需求侧响应措施，用户根据与电力公司签订的协议，在规定的时间内按一定要求中断相应的负荷容量，并获得补偿。
文通过可的方
削峰整形，从而起到降低配电网扩容压力的目的。可中断负荷的具体执行过程如下：
(1)确定响应时间和容量。电网通过日前优化调的方，定各与削响应的应的响应时间段和削峰容量。由于工商业电力用户能通过调整生计划方与可响应，相户具可实施性，因文的研究中将工业和商业用户
作为参与削峰响应的候
选节点。考虑到我国的实际情况，本文假设响应
时间段的长度为4h［13］o
(2)响应的执行。电力用户按照电网的要求执行削峰响应。在该过程中，用户根据电力公司事先下发的通知，按时关闭一定比例的电负荷％；DR,.(G_#；L(G，i-$'R,,t -T'R)
(1)式中：；DR,.(t—
—因参与削峰响应而减少的负
荷功率；
#——可中断负荷i的削峰响应执行
比例，一般为30%-40%；
；(G—用户)在t时段的负荷需求;
$dr——所有参与削峰响应的用户节
点集合；
—
—节点i的响应时间段集合。
(3)补偿费用的计算。按照事前签订的协议，电力公司根据电力用户的实际削峰容量给予用户一定的经济补偿。结合我国可中断负荷补偿机制，本文考虑按照固定价格的方式计算补偿费用Z crm, i%
C am=11)mxx(；DR,i(t))Perm,V G-8d r,)(2)式中：Perm——补偿价格％
1.2光伏与负荷的概率模型
配电网需求侧的运行特性具有较强的不确定性，本文根据不确定性的来源将其分为分布式光伏、传统负荷和电动汽车充电负荷3类，并分别对其进行建模％光伏作为一种可再生能源，其出力受到地理位置、季节、天气等多重因素的影响，具有较强的不确定性；用户的用电行为直接影响到各时段负荷的大小，本文考虑居民、商业和工业用户3类传统型电力负荷，其分别对应于不同的负荷特性；电动汽车充电负荷的特性与用户出行习惯密切相关，同时也受电动汽车性能等多方面影响％上述需求侧资源具有相当的复杂性和随机性，难以完全采用机理建模的方式进行模拟和预测％因此，本文采用随机规划的方法，基于一定的历史数据和概率分布类型进行参数估计，从而形成相应需求侧资源的概率模型％ihu
1.2.1光伏出力的概率模型
不同日期内同一时刻的光伏出力具有较大的随机性，其概率模型可近似采用Beta分布进行描述*5+%Beta分布的概率密度函数：
/(；pv)=+*；$)(1-；pv)+1(3)式中：；PV——归一化的光伏出力；
*、0--------Beto分布的参数；
r------Gramma函数％
通过对各时段的实测光伏出力样本进行参数估计，即可得到相应的*+值％
1.2.2一般用户负荷的概率模型
不同时刻小的型可分布来表示［5］，其概率密度：
/(；l)-^―exp(-(-"I(4)
槡'八2%2丿'丿式中：—
—归一化的负荷有功功率；
•不同时段；的标准差和数学期
望值％
假设负荷的无功功率采用就地补偿的方式，即所有接入配电网的负荷均将功率因数补偿至一个定值
、
不同时刻负荷的无功功率为
O
X=；槡-cos2-
(5)
：
1.2.3
COS0
cose--------负荷的功率因数％
电动汽车充电负荷的概率模型
电动汽车充电负荷的特性取决于电动汽车的量、型、户电因素具有较大的随机性％用户出行习惯决定了电动汽车的日行驶里程和充电起始时间，电动汽车的性能和充电模式决定了电动汽车的充电功率％因此，本文采用文献［14］的方法，基于日行驶里程、充电起始时电功电电功
行模拟％
户日里程的分可近似
正态分布表不:
1xp(-(等)2)(6) /(K)
槡2'K%d2%2.
式中：K—用户的日行驶里程；
-用户日行驶里程的标准差和均值％充电起始时间8的概率分布可用分段正态分表：
亠exp(_(："))一1)<8&咎
槡2m%妬
/⑺={T(_2
「exp(—卩+二"))0<
8&%-⑵^v2m%T 幻t
(7)式中:％t、"t——充电起始时间的标准差和均值％电的电时与户日里程的关系如下所示:
5.EV K
8=旅
式中：8y----------充电时长；
.EV—电动汽车的平均能耗系数；
(%)
K—用户日行驶里程;
—91—
；o—
—电的额定充电功率；
----电的充电效%
根据上，可通过电动汽车i勺充电：
；EV,i G F{0,.*T i，T i+8s i
P c,t-*8,8+8^
(9)
采用蒙特卡洛模拟的方法,N台电动汽车的电可表示为所电动汽
电的叠加：
#；e,,(24(10)
i f1
式中：；EV(G—
—t时刻所有电动汽车充电的总
功；
；EV,,(G——t时刻电动汽车i的充电
功率％
1.3随机变量的时序性处理
文重不确定性因素，因要对其生成时序性％超方抽样技术相的随机抽样方法，能以较小的：实现高精度的抽样。中值超立方抽样方法(Median Latin Hypercube Sampling,MLHS)是超立方抽样方法的改进，其在样
分性等方面的性能有所*12+%因，文基于MLHS方生成包个随机变量的%
假n型，每
型的时段数为8，则共有h w n8个随机变量。若生成M机，则基于MLHS的时序性方法如下：
步骤1：入各随机变量的分，形成分布函数W()%计算各分布函数的函数厂1(4h)，其定义域为*0,1]%
步骤2:F-1(y h)的定义域均分成M等份，每个小区间的为1/M。
步骤3:M个小区间内，分别对所机变量抽，形成Mh的%其,
c个小区间内的抽为
十(M1)
+m
h
(11)
步骤4：分别将样本矩阵每一列中的元素进
机排序，从实现各随机变量之间的去相关性。2多种需求侧资源协同的配电网扩
型
2.1模型思路
资源与配电网的协同规划，不仅需要
资源的接入位置、安装容量规划变量，同时也要涉及不同资源的运行和管略对规划目标的影响，即规划与的紧合％因，资协同参与的电网规划相电网规划更具性，其模型呈现目标、性、连续离散变量共存等问题，经典数学优化方法难以'解。本文基层规划方法的需资协同电规划型%
层规划方相层规划，其型层加清晰，能根据上下层模型各自的特点，分别不同的求解算化*15+，降规划问题的求解难度。本文应层规划的基，电规划及的多主层的化问题分层%上层规划型以
电容的资成本、成维成本为目标函数，资、定容，体现电资过程；下层优化型以用户用电成环境影响最低为目标，对
响应策略化调度，体现电化过程。层型的方案基础上，基馈电变压器承载的潮流峰值确定容成本，与成本同时反馈至上层模型。配电层规划模型的基意图如图1所示％
图1配电网双层规划模型的基本结构示意图
2.2上层规划模型
上层为及定容的电规划型，其
是与可的户位以及电
—92
—
车充电设施的接入位置进行优化选址，同时确定
各光伏待选安装节点的装机容量。上层模型的决 策变量既参与目标函数的计算，同时也作为下层
模型的约束条件，实现上、下两层模型的递归
迭代。
2.2.1目标函数
上层规划模型以规划年限内配电网的净成本
最小为目标，计及的成本和效益有：配电站升级扩 容成本、各馈线扩容成本、PV 建设成本、配电网总
体运维成本和营收效益。其中，投资建设类成本
属于一次性支出且数额相对较大，因此本文采用
文献［16］的全寿命周期的成本-效益分析方法, 将所有成本和收益进行年化处理％
目标函数的计算如下所示:
min C 1 _ "1 C -v + "2 !O p + "3 C m ain
(⑵
式中：C 1——规划年限内配电网的净成本；
C -v —投资建设成本；
Cg ——规划年限内的总运行成本；
i ——总维护成本；
"1----权重系数。
(1 )投资建设成本％
投资建设成本考虑配电站增投变压器的费
用、馈线电缆升级费用和所有PV 的建设安装费
用，并通过资本年化率的方式进行年化处理％
$b $PV
C -v _ R (('_- 't )P t + Pb,i b ,i + #
P pv ,)pv ,J
i =1
i =1
(13)
式中：'t 、'T ---扩容前后配电站变压器台数；
P t —单台配变的建设费用；
$—需要扩容的馈线数量；
P ”,，一馈线i 所用电缆的单位长度
造价；----馈线i 的长度；
$p V —分布式光伏安装待选节点的
量；
P pv ,)—i 处单位容量光伏的造价； cpv ,,——节点i 处光伏安装容量；
<——资本年化率；
4—规划年限；
c —最低预期资本回收率%(2) 运行成本％
运行成本的计算采用典型场景等效的方法%
首先由下层模型计算各典型场景下的运行成本,
再根据每个场景的出现概率进行加权，最终求得
电 的年 成 %
S
C g _D
# E ( !
,g )' (15)
s = 1
式中：D ------1年中的天数；
S —选取的典型场景数量；
!,g —场景$的运行费用，由下层优化运
型；E ( !,g )—!,g 的数学期望；
0S ——场景S 在1年中的出现概率％
(3) 维 成 %
维护成本与设备类型、安装容量、运维人员数
量、故障概率和检修次数等多重因素有关％本文
采用基于维护费用系数的简化计算公式［17］如下:
$b $PV
C main _ !t 't _T + ! b ， P q ,)y + !pv #
P pv ,)pv ,)
i = 1
i = 1
(16)
式中：！t 、！、！v ---变压器、馈线、分布式光伏
的年维 %2.2.2 约束条件
分布式光伏的安装容量受到安装节点处的场
地等因素限制，配电站中变压器数量也会受限于
时预 的 % 因 , 要 各
的最 安装 量 束：
叫 &
'T & m 1 (17)0 & Cpv ,i & cPVC V i - $PV
(18)
式中：'T —配电站变压器的最大安装台数；
cpv,—节点i 处的光伏最大安装容量％
馈线的载流量与所用电缆的型号有关％因
此，馈线的改造容量也应满足如下约束：
c b ,i
Z X ,V i - $ (19)
式中：—改造前后馈线i 的载流量；
Z 1— 最高规格型号电缆的载
流量%
由于受到配电网调度、管理等方面的条件限 制，参与可中断负荷响应用户数量应保持在一定
范围内。因此，可中断负荷响应应满足参与个数
：
J 'R & J X (20)
—93 —
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议