吳萬祿1，韋 鋼1，謝麗蓉2，張 鑫3

?

含分布式電源與充電站的配電網(wǎng)協(xié)調(diào)規(guī)劃

吳萬祿，韋 鋼，謝麗蓉，張 鑫

（1.上海電力學(xué)院，上海 200090；2.新疆大學(xué)電氣工程學(xué)院，新疆 烏魯木齊 830047；3.上海浦海求實電力新技術(shù)有限公司，上海 200090）

分布式電源與電動汽車充電站共同接入配電網(wǎng)，對配電網(wǎng)規(guī)劃和運行具有重要的影響。提出一種綜合協(xié)調(diào)規(guī)劃方法，該方法能夠?qū)崿F(xiàn)分布式電源選址定容、充電站位置及容量、配電網(wǎng)架建設(shè)和改造的綜合優(yōu)化規(guī)劃?？紤]風(fēng)光資源和負(fù)荷的隨機波動性，以配電系統(tǒng)投資、運行維護和環(huán)境成本的隨機期望值最小為目標(biāo)，建立了含分布式電源與充電站的配電網(wǎng)協(xié)調(diào)規(guī)劃模型，采用改進遺傳算法進行求解。以一個待擴展的輻射狀配電網(wǎng)絡(luò)為例，仿真計算結(jié)果表明，對含分布式電源與充電站的配電網(wǎng)進行綜合協(xié)調(diào)規(guī)劃，能夠提高電網(wǎng)的經(jīng)濟和環(huán)境效益，得到的規(guī)劃方案更為合理。

分布式電源；充電站；配電網(wǎng)；協(xié)調(diào)規(guī)劃；改進遺傳算法

0 引言

隨著世界經(jīng)濟的不斷發(fā)展，能源危機和環(huán)境污染受到了各界的廣泛關(guān)注。近年來，由于分布式發(fā)電作為傳統(tǒng)集中供電的一種有力補充，具有清潔、環(huán)保和靈活等優(yōu)勢，得到了快速的發(fā)展。此外，電動汽車作為全新的一種交通工具，在環(huán)保和節(jié)能方面具有重要的作用，也得到了廣泛的應(yīng)用。為解決能源和環(huán)境危機，調(diào)整能源結(jié)構(gòu)，一些學(xué)者提出了建立電動汽車與分布式電源的有機集成系統(tǒng)，降低二者單獨接入電網(wǎng)造成的不良影響。然而現(xiàn)有的規(guī)劃方法一般是將分布式電源、充電站與配電網(wǎng)架進行劃分規(guī)劃，在完成分布式電源或充電站的選址定容之后，再進行配電網(wǎng)架規(guī)劃，實際上任何一者的變化均會對規(guī)劃結(jié)果產(chǎn)生影響。因此，本文采用綜合優(yōu)化規(guī)劃，尋求分布式電源、充電站和配電網(wǎng)架相互協(xié)調(diào)下的最優(yōu)規(guī)劃方案。

目前，國內(nèi)外學(xué)者針對含分布式電源或充電站的配電網(wǎng)規(guī)劃進行了許多研究，但對含分布式電源與充電站的配電網(wǎng)進行綜合協(xié)調(diào)規(guī)劃的研究卻較少。一些學(xué)者針對含分布式電源的配電網(wǎng)，考慮投資成本、有功損耗、可靠性等，進行了規(guī)劃研究。文獻[6]采用模糊變量表示負(fù)荷和分布式發(fā)電的不確定性，以模糊期望值最小為目標(biāo)，建立模糊優(yōu)化規(guī)劃模型。文獻[7]將改進粒子群算法應(yīng)用于分布式電源的選址定容問題中，通過仿真分析驗證了模型和算法的有效性。文獻[8]考慮隨機不確定性，對分布式電源的最佳安裝位置和容量進行了研究。一些學(xué)者考慮充電特性、充電行為、城市規(guī)劃、交通和電力網(wǎng)絡(luò)等，建立了充電站規(guī)劃模型。文獻[13]提出了計及可入網(wǎng)電動汽車的風(fēng)電和光伏的最優(yōu)選址和定容模型，采用蒙特卡洛模擬進行仿真。文獻[14]建立了考慮充電站布局優(yōu)化的配電網(wǎng)規(guī)劃模型，但未計及可再生能源的不確定性。文獻[15]考慮電動汽車換電站充放電效率和電量平衡等約束，提出了機組組合優(yōu)化模型，但未考慮環(huán)境等因素。綜合分析現(xiàn)有研究成果，已有成果未能對含分布式電源與充電站的配電網(wǎng)進行綜合協(xié)調(diào)規(guī)劃，僅從分布式電源或充電站單方面進行規(guī)劃，具有一定的局限性，事實上分布式電源與充電站規(guī)劃方案的不同也會影響配電網(wǎng)架的建設(shè)和改造。

本文針對現(xiàn)有規(guī)劃方法的不足，綜合考慮含分布式電源與充電站的配電網(wǎng)協(xié)調(diào)規(guī)劃。計及風(fēng)、光、負(fù)荷的隨機不確定性和環(huán)境效益，以配電系統(tǒng)總成本的隨機期望值最小為目標(biāo)，建立了綜合協(xié)調(diào)規(guī)劃模型，仿真分析驗證了提出的綜合協(xié)調(diào)規(guī)劃方法的優(yōu)越性和必要性。

1 不確定性的處理

1.1 負(fù)荷

負(fù)荷預(yù)測是配電網(wǎng)規(guī)劃的重要依據(jù)，由于受到預(yù)測方法、歷史數(shù)據(jù)以及未來因素的影響，預(yù)測結(jié)果存在不確定性。常常表現(xiàn)為多個方案，記第種方案發(fā)生的概率為()。則

式中，為負(fù)荷預(yù)測方案總數(shù)。

假定各個方案存在一定大小的擾動量，則第種方案的負(fù)荷真值為

式中：()為第種方案值；()為對應(yīng)的擾動。

式中，μ₍₎和σ₍₎為()對應(yīng)的期望和標(biāo)準(zhǔn)差。

當(dāng)各個方案之間相互獨立時，負(fù)荷分布為多個隨機正態(tài)分布的疊加，期望值和方差分別為

(5)

1.2 充電站的充放電功率

國家電網(wǎng)公司和南方電網(wǎng)公司明確了“集中充電，統(tǒng)一配送”的運營模式，通過換電站可實現(xiàn)充放電設(shè)施集中控制，但對潮流的影響也大。本文考慮電動汽車充電站的兩種運行方式。

(1) 單向充電。電網(wǎng)向充電站充電，滿足電動汽車的電池需求，充電站不向電網(wǎng)反向充電。

(2) 雙向充放電。充電站根據(jù)電動汽車的電池需求和系統(tǒng)潮流約束，進行充電或放電。

據(jù)相關(guān)實驗研究表明，在一段時間內(nèi)，電動汽車的充放電功率可近似服從正態(tài)分布，其充放電功率可表示為~(，)。

1.3 風(fēng)力發(fā)電的輸出功率

大量實驗測試表明，風(fēng)速近似服從Weibull分布，風(fēng)電源輸出功率與風(fēng)速存在三次方的關(guān)系，可近似描述為線性函數(shù)。

由風(fēng)速概率密度、風(fēng)力發(fā)電功率與風(fēng)速的關(guān)系可得輸出功率的概率密度函數(shù)為

(7)

(8)

式中：和分別為Weibull分布的尺度參數(shù)和形狀參數(shù)；為額定功率；為額定風(fēng)速；為切入風(fēng)速。

假定風(fēng)機中的并聯(lián)電容器可自動投切，從而保證功率因數(shù)恒定，則風(fēng)電源吸收的無功功率為

1.4 光伏電站的輸出功率

據(jù)實驗統(tǒng)計，一定時間內(nèi)光照強度可認(rèn)為服從Beta分布，光伏電站出力與光照強度的近似關(guān)系為

式中：為光照強度；為光伏陣列的面積；為光伏電站的光電轉(zhuǎn)換效率。

光伏電站輸出功率的概率密度函數(shù)為

式中：和均為形狀參數(shù)；為最大光強。

光伏電站由電容器補償，保證功率因數(shù)恒定，無功功率也服從Beta分布。

2 配電網(wǎng)協(xié)調(diào)規(guī)劃模型

本文綜合考慮分布式電源、充電站和配電網(wǎng)架優(yōu)化規(guī)劃目標(biāo)，以配電系統(tǒng)投資、運行維護和環(huán)境成本的隨機期望值最小為目標(biāo)。

2.1 投資成本

配電網(wǎng)規(guī)劃的投資成本包括新建線路、線路更換、充電站建設(shè)、安裝分布式電源、新建變電站和變電站擴容等成本。

(12)

式中：C為第條線路第種建設(shè)方案的費用；為待新建線路總數(shù)；為線路新建方案總數(shù)；C為第條線路第種更換方案的費用；為線路待更換總數(shù)；為線路更換方案總數(shù)；為建設(shè)充電站的固定成本；為建設(shè)充電站的單位容量可變成本；_EV為節(jié)點新建充電站的額定容量；為充電站備選站址總數(shù)；_REG為第種分布式發(fā)電方案的單位容量成本；為可能安裝分布式電源的節(jié)點總數(shù)；為分布式發(fā)電方案總和；_REG為節(jié)點安裝第種分布式發(fā)電方案的額定容量；為新建變電站的固定投資費用；為變電站單位容量費用；S為新建變電站容量；為可新建變電站節(jié)點總和；為新建變電站方案總和；S為變電站擴容容量；為現(xiàn)有變電站的節(jié)點總和；為可能擴容方案總和；_XJX、_GHX、_XJC、_REG、_XJB、_KRB為0-1決策變量。

2.2 運行維護成本

運行維護成本包括電動汽車充電站、風(fēng)電源和光伏電站的年運行維護費，以及每年從上級電網(wǎng)購電的費用。

(13)

式中：為充電站的單位容量年運行費用；_REG為第種分布式發(fā)電方案的單位容量年運行成本；為配電系統(tǒng)從上級電網(wǎng)購電的有功功率；為單位電價；為年最大負(fù)荷利用小時數(shù)。

2.3 環(huán)境成本

考慮電力工業(yè)發(fā)電技術(shù)產(chǎn)生的污染物(包括SO、NO、CO、CO和TSP)的環(huán)境價值和污染物排放懲罰，計算表達式為

式中：為發(fā)電技術(shù)的種類數(shù)；為考慮的污染物種類；_e為第類污染物的環(huán)境價值；V為第類污染物的單位排放量罰款額；Q為第類發(fā)電技術(shù)生產(chǎn)單位電量的第類污染物排放量；P為第類發(fā)電技術(shù)的年發(fā)電量。

2.4目標(biāo)函數(shù)

配電網(wǎng)綜合協(xié)調(diào)規(guī)劃屬于多目標(biāo)優(yōu)化規(guī)劃，為此將多目標(biāo)轉(zhuǎn)化為單目標(biāo)，目標(biāo)函數(shù)記為

(16)

式中：為隨機期望值算子；為投資成本的年平均系數(shù)；為貼現(xiàn)率；為設(shè)備的投資償還期。

2.5 優(yōu)化變量

本文的優(yōu)化規(guī)劃是一個復(fù)雜的多變量優(yōu)化問題，采用混合編碼方式，基因編碼如式（17）所示。

式中：和采用十進制編碼；表示配電網(wǎng)網(wǎng)架結(jié)構(gòu)，通過隨機生成樹策略產(chǎn)生，滿足配電網(wǎng)輻射狀約束和連通性；為待選充電站節(jié)點的安裝容量；、、、采用二進制編碼；表示待更換線路是否更換；為待選節(jié)點是否安裝分布式電源；為分布式電源的安裝容量；表示變電站是否需要擴容。

2.6約束條件

1）潮流約束條件

式中：P和Q為節(jié)點的注入有功、無功功率；V為節(jié)點的電壓幅值；G為支路電導(dǎo)；B為支路電納；θ為節(jié)點、的電壓相角差。

2）供電能力要求約束

(19)

式中：為現(xiàn)有變電站容量；為區(qū)域容載比；為節(jié)點的有功負(fù)荷；為節(jié)點總數(shù)。

3）節(jié)點電壓機會約束

式中：V和V為第個節(jié)點允許電壓的上下限；{·}表示{·}中事件成立的概率；為電壓約束的置信水平。

4）支路傳輸功率機會約束

式中：P為各支路傳輸功率；P_ma為線路的傳輸功率上限；為支路功率約束的置信水平。

5）電動汽車充電站的容量需求約束

式中，為電動汽車的充電容量需求，根據(jù)規(guī)劃水平年的電動汽車電池組需求來確定。

6）充電站容量約束

對于節(jié)點充電站，其建設(shè)規(guī)模必須滿足節(jié)點容量的上下限約束。

式中，_max、_min分別為節(jié)點充電站安裝容量上下限。

7）分布式電源安裝容量約束

式中：S為配電系統(tǒng)最大負(fù)荷；為分布式電源安裝容量占最大負(fù)荷的比例上限。

8）變量邏輯約束

式(25)為邏輯約束條件，表示每種投資方案最多被選用一次。

9）配電網(wǎng)網(wǎng)架結(jié)構(gòu)約束

網(wǎng)架結(jié)構(gòu)是配電網(wǎng)的重要組成部分，為了保證規(guī)劃結(jié)果的可行性，規(guī)劃方案必須嚴(yán)格滿足網(wǎng)架聯(lián)通性和輻射狀約束。

3 求解方法

3.1隨機潮流

采用基于半不變量法的隨機潮流計算節(jié)點電壓和支路功率的概率分布，假設(shè)各節(jié)點注入功率之間相互獨立。節(jié)點功率方程和支路潮流方程分別概括為

(27)

式中：為節(jié)點注入功率；為支路傳輸功率；為節(jié)點電壓幅值和相角。

將上式按泰勒級數(shù)展開并忽略高次項得

(29)

式中：、、分別為、、的期望值；Δ、Δ、Δ為相應(yīng)的擾動量。

(31)

根據(jù)獨立隨機變量的半不變量的性質(zhì)，求得Δ和Δ的各階半不變量為

(33)

式中，^-1()、()⁽⁾分別為矩陣與中元素次冪構(gòu)成的矩陣。

再應(yīng)用Gram-Charlier級數(shù)展開式，就可以得到Δ和Δ的概率分布和概率密度函數(shù)，最后分別平移和個單位，得到狀態(tài)變量和支路潮流的概率分布和越限概率。

3.2改進遺傳算法

采用基于混合基因編碼的改進遺傳算法進行求解，根據(jù)種群和個體的適應(yīng)度調(diào)整交叉和變異算子。具體求解流程如圖1所示。

在遺傳操作中，交叉和變異概率是影響算法搜索性能的關(guān)鍵，概率過大將破壞遺傳模式，過小將導(dǎo)致搜索進程緩慢，本文對染色體的交叉和變異算子進行如下調(diào)整。

(35)

式中：、分別為交叉和變異概率；為種群最大適應(yīng)值；為平均適應(yīng)值；為父本與母本中較大適應(yīng)值；、、、均為常數(shù)。

本文求解過程中的具體參數(shù)為：初始種群規(guī)模為100；遺傳代數(shù)為100；交叉算子=0.6、=0.3；變異算子=0.1、=0.05。

4 算例分析

4.1算例概況

采用文獻[6]中算例，電壓等級為10 kV，初始配電網(wǎng)架有5個節(jié)點、4條支路，需擴展為13節(jié)點的輻射型網(wǎng)絡(luò)，具體網(wǎng)架結(jié)構(gòu)和線路參數(shù)參見文獻[6]，各節(jié)點負(fù)荷由負(fù)荷預(yù)測求得，見附表A1。

為了驗證提出的規(guī)劃模型和方法，基于以下假設(shè)進行實例分析。

(1) 根據(jù)電動汽車的電池需求確定充電容量需求，這里假設(shè)規(guī)劃年充電容量需求為1 MW；

(2) 假設(shè)充電站備選節(jié)點3-4-6-7-8，在備選節(jié)點處投資建設(shè)充電站是可行的；

(3) 設(shè)定節(jié)點4~9可接入風(fēng)力發(fā)電，額定容量選擇300 kW或500 kW，節(jié)點10~13可接入光伏電站，容量選擇100 kW或200 kW。

線路和設(shè)備的投資償還期=20，貼現(xiàn)率=0.1，年最大負(fù)荷利用小時數(shù)=4 760，分布式電源接入比例不超過最大負(fù)荷的25%，節(jié)點電壓和支路功率的置信水平取0.9，單位電價=0.5元/kWh，將充電站和分布式電源看成PQ節(jié)點處理，功率因數(shù)取0.9。風(fēng)力發(fā)電的切入風(fēng)速為3.0 m/s，額定風(fēng)速為14 m/s，切出風(fēng)速為25.0 m/s，太陽能電池單個組件面積為2.16 m，光電轉(zhuǎn)換效率為13.44%。采用的風(fēng)速和光照強度由HOMER軟件對上海地區(qū)(緯度：31.08°N，經(jīng)度：121.35°E)進行模擬得到，風(fēng)光資源的隨機分布參數(shù)也由HOMER軟件模擬得到。充電站、風(fēng)光電源等投資運行費用參數(shù)參見附表A2，火力發(fā)電行業(yè)污染物排放率與環(huán)境成本參見文獻[17]。

4.2結(jié)果分析

采用本文提出的模型和算法，分四種情形進行配電網(wǎng)規(guī)劃研究。Case1為含分布式電源與充電站的配電網(wǎng)綜合協(xié)調(diào)規(guī)劃；Case2不考慮分布式電源規(guī)劃，進行含充電站的配電網(wǎng)規(guī)劃；Case3將各個充電站的規(guī)劃容量設(shè)定為固定值200 kW；Case4先進行配電網(wǎng)架規(guī)劃，完成配電網(wǎng)架規(guī)劃后再進行分布式電源與充電站規(guī)劃。

Case1綜合協(xié)調(diào)規(guī)劃結(jié)果為：年綜合投資成本為681.8萬元，年運行維護費用為1 627.6萬元，節(jié)點3、4、6、7充電站規(guī)劃容量分別為294 kW、280 kW、264 kW、162 kW，風(fēng)電裝機容量為2.3 MW，光伏裝機容量為0.1 MW，網(wǎng)架結(jié)構(gòu)如圖2所示。

圖2 Case1的規(guī)劃網(wǎng)架結(jié)構(gòu)圖

下面給出置信水平取0.9時，經(jīng)隨機潮流計算得到的節(jié)點電壓和支路功率的越限情況，其中節(jié)點3、5、6、9、10、11、12、13出現(xiàn)了電壓越限，具體見表1，支路傳輸功率均未出現(xiàn)越限。

表1 節(jié)點電壓越限概率

由表1可知，節(jié)點3和9的電壓越限概率小于1%；節(jié)點11、12、13的越限概率為2%~3.2%；而節(jié)點5、6、10越限概率均大于7%，其中節(jié)點6越限概率達到了9.9%。說明節(jié)點5、6、10電壓偏移較為嚴(yán)重，應(yīng)采取一定的電壓改善措施，從而保證配電系統(tǒng)的電壓質(zhì)量。

Case2不考慮分布式電源規(guī)劃，規(guī)劃結(jié)果為：年綜合投資成本為365.0萬元，年運行維護費用為1 808.8萬元，節(jié)點3、4、6、7、8充電站規(guī)劃容量分別為300 kW、219 kW、93 kW、109 kW、279 kW，變電站需擴容10 MVA，網(wǎng)架結(jié)構(gòu)如圖3所示。

圖3 Case2的規(guī)劃網(wǎng)架結(jié)構(gòu)圖

Case3將充電站規(guī)劃容量設(shè)為固定值，通過實例仿真計算可得優(yōu)化規(guī)劃結(jié)果：年綜合投資費用為719.8萬元，年運行維護成本為1 641.1萬元，風(fēng)電裝機容量為2.3 MW，光伏裝機容量為0.1 MW，網(wǎng)架結(jié)構(gòu)如圖4所示。

圖4 Case3的規(guī)劃網(wǎng)架結(jié)構(gòu)圖

Case 4為分階段規(guī)劃，規(guī)劃結(jié)果為：年綜合投資成本為716.4萬元，年運行維護成本為1 640.8萬元，節(jié)點3、4、6、7、8的充電站規(guī)劃容量分別為288 kW、283 kW、293 kW、56 kW、80 kW，風(fēng)電容量為2.3 MW，光伏為0.1 MW，網(wǎng)架結(jié)構(gòu)如圖5所示。

圖5 Case4的規(guī)劃網(wǎng)架結(jié)構(gòu)圖

四種規(guī)劃方案的成本比較見表2。

表2 四種規(guī)劃情形的成本比較

由各情形優(yōu)化規(guī)劃結(jié)果可知，Case2未考慮分布式電源規(guī)劃，雖然年投資成本最小，然而運行維護費用和環(huán)境成本卻最高，造成規(guī)劃方案的總成本也最高，是唯一需要進行變電站擴容的方案，說明分布式電源具有延緩電網(wǎng)改造和投資，具有突出的環(huán)境效益。

由表2中的數(shù)據(jù)可知，Case1、Case3和Case4除了投資分布式電源增加投資成本之外，其余各指標(biāo)都明顯優(yōu)越于Case2；Case1與Case3相比，由于考慮了電動汽車充電需求在各個節(jié)點之間的分配，各個指標(biāo)都有所改善，年投資成本節(jié)省38萬元，年運行維護費用減少了13.5萬元，環(huán)境成本降低了144.7萬元，總成本降低了196.7萬元；對比Case4與Case1，由于Case4進行分階段規(guī)劃，未考慮配電網(wǎng)架建設(shè)與分布式電源、充電站選址定容的相互作用，各項成本均有所增加，總成本增加了189.4萬元。

綜上所述，由于Case 1綜合考慮了分布式電源、電動汽車充電站與配電網(wǎng)架的協(xié)調(diào)規(guī)劃，能夠同時確定分布式電源位置和容量、充電站的容量以及需要更換和新建的配電線路，獲得的規(guī)劃方案最為合理，運行維護成本、環(huán)境成本和總成本最小。

5 結(jié)論

本文考慮風(fēng)光資源和負(fù)荷的隨機波動性，以投資、運行和環(huán)境成本的隨機期望值最小為目標(biāo)，提出了含分布式電源與充電站的配電網(wǎng)協(xié)調(diào)規(guī)劃模型和方法。以一個待擴展的輻射狀配電網(wǎng)為例，仿真分析表明：含分布式電源與充電站的配電網(wǎng)協(xié)調(diào)規(guī)劃能夠明顯降低投資、運行維護和環(huán)境成本，提高規(guī)劃方案的適應(yīng)性；計及分布式電源規(guī)劃能夠延緩電網(wǎng)改造；與分階段規(guī)劃和不考慮充電需求分配的規(guī)劃方法相比，本文協(xié)調(diào)規(guī)劃方法得到的規(guī)劃方案更為合理，具有更高的經(jīng)濟和環(huán)境效益。

附錄A

表A1節(jié)點負(fù)荷預(yù)測值

Table A1 Nodal load forecast values

方案1方案2方案3 節(jié)點編號概率有功負(fù)荷/MW無功負(fù)荷/Mvar擾動量期望有功擾動量方差無功擾動量方差概率有功負(fù)荷/MW無功負(fù)荷/Mvar擾動量期望有功擾動量方差無功擾動量方差概率有功負(fù)荷/MW無功負(fù)荷/Mvar擾動量期望有功擾動量方差無功擾動量方差 10.200000000000000000 20.250.50.3800.050.0380.60.60.4500.060.0450.20.750.65600.0750.065 6 30.20.120.0900.0120.0090.50.150.11300.0150.0110.250.170.12800.0170.012 8 40.30.30.2300.030.0230.50.60.4500.060.0450.30.80.600.080.06 50.20.040.0300.0040.0030.60.080.0600.0080.0060.10.140.10600.0140.010 6 60.20.10.0800.010.0080.50.120.0900.0120.0090.30.150.11300.0150.011 3 70.150.450.3800.0450.0380.60.750.5600.0750.0560.20.950.7100.0950.071 80.20.50.3800.050.0380.70.80.600.080.0600.1510.7500.10.075 90.250.150.1200.0150.0120.60.250.1900.0250.0190.20.40.300.040.03 100.20.350.2600.0350.0260.60.550.4100.0550.0410.150.850.6400.0850.064 110.20.20.1500.020.0150.60.250.18800.0250.0190.20.2830.21300.02830.021 3 120.20.50.3800.050.0380.50.60.4500.060.0450.20.750.56500.0750.056 5 1300.60.4500.060.0450.50.750.56500.0750.05650.20.850.6400.0850.064

表A2 電源參數(shù)

Table A2 Power parameters

類型固定投資/萬元單位可變投資/(萬元/kW)運行維護/(萬元/kW)投資償還期/年 變電站新建3 0000020 變電站擴容8000020 充電站3000.60.620 風(fēng)力發(fā)電01.20.029 620 光伏電站02.0020

[1] 張穎達, 劉念, 張建華, 等. 含電動汽車充電站的風(fēng)光互補系統(tǒng)容量優(yōu)化配置[J]. 電力系統(tǒng)保護與控制, 2013, 41(15): 126-134.

ZHANG Ying-da, LIU Nian, ZHANG Jian-hua, et al. Optimum sizing of a stand-alone hybrid PV/wind generation system integrated with electric vehicle charging stations[J]. Power System Protection and Control, 2013, 41(15): 126-134.

[2] 肖湘寧, 陳征, 劉念. 可再生能源與電動汽車充放電設(shè)施在微電網(wǎng)中的集成模式與關(guān)鍵問題[J]. 電工技術(shù)學(xué)報, 2013, 28(2): 1-14.

XIAO Xiang-ning, CHEN Zheng, LIU Nian. Integrated mode and key issues of renewable energy sources and electric vehicles’ charging and discharging facilities in microgrind[J]. Transactions of China Electrotechnical Society, 2013, 28(2): 1-14.

[3] AHMED Y S, GANESH K V. Resource scheduling under uncertainty in a smart grid with renewable and plug-in vehicles[J]. IEEE Trans on Industrial Electronics, 2011, 58(4): 1229-1238.

[4] 張學(xué)清, 梁軍, 張利, 等. 計及風(fēng)光電源的一種地區(qū)電網(wǎng)電動汽車充電調(diào)度方法[J]. 電工技術(shù)學(xué)報, 2013, 28(2): 28-35.

ZHANG Xue-qing, LIANG Jun, ZHANG Li, et al. Approach for plug-in electric vehicles charging scheduling considering wind and photovoltaic power in Chinese regional power grids[J]. Transactions of China Electrotechnical Society, 2013, 28(2): 28-35.

[5] 薛松, 袁越, 傅質(zhì)馨, 等. 考慮電動汽車入網(wǎng)技術(shù)的電力系統(tǒng)機組組合研究[J]. 電力系統(tǒng)保護與控制, 2013, 41(10): 86-92.

XUE Song, YUAN Yue, FU Zhi-xin, et al. Unit commitment in power system considering vehicle-to- grid[J]. Power System Protection and Control, 2013, 41(10): 86-92.

[6] 楊毅, 韋鋼, 周冰, 等. 含分布式電源的配電網(wǎng)模糊優(yōu)化規(guī)劃[J]. 電力系統(tǒng)自動化, 2010, 34(13): 19-23.

YANG Yi, WEI Gang, ZHOU Bing, et al. Optimized fuzzy planning of the distribution network including distributed generation[J]. Automation of Electric Power Systems, 2010, 34(13): 19-23.

[7] 劉波, 張焰, 楊娜. 改進的粒子群優(yōu)化算法在分布式電源選址和定容中的應(yīng)用[J]. 電工技術(shù)學(xué)報, 2008, 23(2): 103-108.

LIU Bo, ZHANG Yan, YANG Na. Improved particle swarm optimization method and its application in the siting and sizing of distributed generation planning[J]. Transactions of China Electrotechnical Society, 2008, 23(2): 103-108.

[8] 胡吟, 韋鋼, 言大偉, 等. 分布式電源在配電網(wǎng)中的優(yōu)化配置[J]. 電力系統(tǒng)保護與控制, 2012, 40(11): 100-105.

HU Yin, WEI Gang, YAN Da-wei, et al. Optimization allocation of distributed generations embedded in distribution network[J]. Power System Protection and Control, 2012, 40(11): 100-105.

[9] 劉自發(fā), 張偉, 王澤黎. 基于量子粒子群優(yōu)化算法的城市電動汽車充電站優(yōu)化布局[J]. 中國電機工程學(xué)報, 2012, 32(22): 39-45.

LIU Zi-fa, ZHANG Wei, WANG Ze-li. Optimal planning of charging station for electric vehicle based on quantum PSO algorithm[J]. Proceedings of the CSEE, 2012, 32(22): 39-45.

[10] SORTOMME E, HINDI M M, PHERSON S D J M, et al. Coordinated charging of plug-in hybrid electric vehicles to minimize distribution system losses[J]. IEEE Trans on Smart Grid, 2011, 2(1): 198-205.

[11] 葛少云, 馮亮, 劉洪, 等. 考慮電量分布及行駛里程的高速公路充電站規(guī)劃[J]. 電力自動化設(shè)備, 2013, 33(7): 111-116.

GE Shao-yun, FENG Liang, LIU Hong, et al. Planning of charging stations on highway considering power distribution and driving mileage[J]. Electric Power Automation Equipment, 2013, 33(7): 111-116.

[12] 唐現(xiàn)剛, 劉俊勇, 劉友波, 等. 基于計算幾何方法的電動汽車充電站規(guī)劃[J]. 電力系統(tǒng)自動化, 2012, 36(8): 24-30.

TANG Xian-gang, LIU Jun-yong, LIU You-bo, et al. Electric vehicle charging station planning based on computational geometry method[J]. Automation of Electric Power Systems, 2012, 36(8): 24-30.

[13] 劉志鵬, 文福拴, 薛禹勝, 等. 計及可入網(wǎng)電動汽車的分布式電源最優(yōu)選址和定容[J]. 電力系統(tǒng)自動化, 2011, 35(18): 11-16.

LIU Zhi-peng, WEN Fu-shuan, XUE Yu-sheng, et al. Optimal siting and sizing of distributed generators considering plug-in electric vehicles[J]. Automation of Electric Power Systems, 2011, 35(18): 11-16.

[14] 杜愛虎, 胡澤春, 宋永華, 等. 考慮電動汽車充電站布局優(yōu)化的配電網(wǎng)規(guī)劃[J]. 電網(wǎng)技術(shù), 2011, 35(11): 35-42.

DU Ai-hu, HU Ze-chun, SONG Yong-hua, et al. Distribution network planning considering layout optimization of electric vehicle charging stations[J]. Power System Technology, 2011, 35(11): 35-42.

[15] 張舒, 胡澤春, 宋永華, 等. 考慮電動汽車換電站與電網(wǎng)互動的機組組合問題研究[J]. 中國電機工程學(xué)報, 2012, 32(10): 49-55.

ZHANG Shu, HU Ze-chun, SONG Yong-hua, et al. Research on unit commitment considering interaction between battery swapping station and power grid[J]. Proceedings of the CSEE, 2012, 32(10): 49-55.

[16] 趙俊華, 文福栓, 薛禹勝, 等. 計及電動汽車和風(fēng)電出力不確定性的隨機經(jīng)濟調(diào)度[J]. 電力系統(tǒng)自動化, 2010, 34(20): 22-29.

ZHAO Jun-hua, WEN Fu-shuan, XUE Yu-sheng, et al. Power system stochastic economic dispatch considering uncertain outputs from plug-in electric vehicles and wind generators[J]. Automation of Electric Power Systems, 2010, 34(20): 22-29.

[17] 魏學(xué)好, 周浩. 中國火力發(fā)電行業(yè)減排污染物的環(huán)境價值標(biāo)準(zhǔn)估算[J]. 環(huán)境科學(xué)研究, 2003, 16(1): 53-56.

WEI Xue-hao, ZHOU Hao. Evaluating the environmental value schedule of pollutants mitigated in China thermal power industry[J]. Research of Environmental Sciences, 2003, 16(1): 53-56.

Coordinated planning of distribution network containing charging station and distributed generation

WU Wan-lu, WEI Gang, XIE Li-rong, ZHANG Xin

(1. Shanghai University of Electric Power, Shanghai 200090, China; 2. College of Electric Engineering, Xinjiang University, Urumqi 830047, China; 3. Shanghai PUHAIQIUSHI Electric Power New Technology Limited Company, Shanghai 200090, China)

The jointly accessing of distributed generation and electric vehicle charging stations to the distribution network has a significant impact on operation and planning. A comprehensive coordinated planning method is proposed, with which the optimized synthetic planning can be realized including sitting and sizing of distributed generation, position and capacity of charging station, and construction and retrofit of distribution network. Considering environmental factors, randomness of resources and load, the coordinated programming model of distribution network is presented. The objective is to minimize stochastic expected value of costs about investment, operation, maintenance and environment, and the model is solved by improved genetic algorithm. A radial distribution network for expansion is selected as the example. Simulation results show that the economic and environment benefits are effectively improved by the coordinated planning, and planning scheme obtained is more reasonable. This work is supported by National Natural Science Foundation of China (No. 51264036) and Science and Technology of SGCC (No. 5209311200GW).

distributed generation; charging station; distribution network; coordinated planning; improved genetic algorithm

TM715

A

1674-3415(2014)15-0065-09

2013-10-29；

2014-02-18

吳萬祿(1987-)，男，碩士研究生，主要研究方向為電力系統(tǒng)規(guī)劃、可再生能源發(fā)電、電動汽車接入電網(wǎng)；E-mail: wwl_dz02@163.com

韋 鋼(1958-)，男，通信作者，教授，主要研究方向為電力系統(tǒng)運行分析及計算、新能源與電力系統(tǒng)規(guī)劃、電力系統(tǒng)諧波及補償技術(shù)；

謝麗蓉(1969-)，女，副教授，主要研究方向為控制算法、風(fēng)力發(fā)電。

國家自然科學(xué)基金資助項目(51264036)；國家電網(wǎng)公司科技項目(5209311200GW)