曾鳴，韓旭，李博(華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京市102206)

考慮不確定性的多階段主動配電網(wǎng)規(guī)劃模型研究

曾鳴，韓旭，李博
(華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京市102206)

針對主動配電網(wǎng)(active distribution networks，ADN)規(guī)劃方法未充分計及實際拓展影響因素多樣性的缺點，提出一種考慮需求和分布式發(fā)電(distributed generation，DG)不確定性的多階段規(guī)劃方法?；谏锏乩韺W(xué)優(yōu)化算法，量化分析實際條件下電網(wǎng)運行的多種不確定因素對主動配電網(wǎng)的受迫影響及其經(jīng)濟(jì)代價，構(gòu)建可綜合反映主動配電網(wǎng)在不同約束條件下的系統(tǒng)擴(kuò)容綜合成本模型。提出加權(quán)多維尋優(yōu)理論，設(shè)計基于生物地理學(xué)優(yōu)化算法的多維拓展規(guī)劃流程;利用精益化管理思想，根據(jù)偽動態(tài)規(guī)劃法，獲得多階段配電網(wǎng)規(guī)劃下的系統(tǒng)最佳拓展方案。算例分析結(jié)果表明，所提方法能夠?qū)崿F(xiàn)對主動配電網(wǎng)拓展規(guī)劃的優(yōu)化設(shè)計，有效提高實際運行條件下系統(tǒng)的經(jīng)濟(jì)性和可靠性。

主動配電網(wǎng)(ADN);生物地理學(xué)優(yōu)化算法;多階段規(guī)劃;分布式發(fā)電(DG)

0 引言

隨著國民經(jīng)濟(jì)的快速發(fā)展，在環(huán)境污染和能源短缺問題日益嚴(yán)峻的背景下，發(fā)電方式靈活、效率高、排放低的分布式發(fā)電(distributed generation，DG)技術(shù)受到了廣泛關(guān)注。然而，伴隨著DG的接入，配電網(wǎng)由傳統(tǒng)的無源單向電網(wǎng)轉(zhuǎn)變?yōu)橛性措p向電網(wǎng)，系統(tǒng)的復(fù)雜性和不確定性大大增加，傳統(tǒng)的被動管理方式使配電網(wǎng)的規(guī)劃運行面臨很大挑戰(zhàn)。

鑒于DG接入后給傳統(tǒng)電網(wǎng)帶來較大沖擊，主動配電網(wǎng)(active distribution networks，ADN)應(yīng)運而生，成為智能電網(wǎng)中一個重要的前沿分支。ADN是指內(nèi)部具有分布式電源并高度滲透，功率雙向流動，具有主動控制和運行能力的配電網(wǎng)絡(luò)。目前來看，含DG的ADN面臨著多種不確定性因素，特別在規(guī)劃階段，需要考慮電力需求的隨機(jī)性、DG出力的波動性、網(wǎng)架拓?fù)鋵G布點的影響等因素，因而如何在面臨多種不確定因素情況下實現(xiàn)ADN的合理規(guī)劃設(shè)計是當(dāng)前需要重點考慮的問題。針對ADN規(guī)劃，國內(nèi)外學(xué)者已經(jīng)展開研究，并取得了一定成果，可以歸納為如下2類:

(1)重點研究基于傳統(tǒng)配電網(wǎng)規(guī)劃，對ADN規(guī)劃的改進(jìn)。文獻(xiàn)［1］提出一種統(tǒng)一的主動配電網(wǎng)動態(tài)規(guī)劃模型，該模型基于模糊理論和進(jìn)化算法對主動配電網(wǎng)進(jìn)行研究。文獻(xiàn)［2-3］提出了一種基于分組交換技術(shù)的算法，其目標(biāo)是確定電網(wǎng)結(jié)構(gòu)的多階段規(guī)劃，最大限度減少了系統(tǒng)的投資和運行費用。文獻(xiàn)［4-5］提出了主動配電網(wǎng)優(yōu)化調(diào)度策略的目標(biāo)函數(shù)不再像傳統(tǒng)最優(yōu)潮流以某一時刻網(wǎng)損最小或發(fā)電成本最低為目標(biāo)，而是應(yīng)該對整個調(diào)度周期的運行成本進(jìn)行優(yōu)化。

(2)將含DG的ADN規(guī)劃作為研究的重點。文獻(xiàn)［6］將DG作為配電網(wǎng)的一部分，根據(jù)系統(tǒng)運行的需要加以控制，對未來大規(guī)模DG接入的配電網(wǎng)規(guī)劃提出新的要求。文獻(xiàn)［7］采用模糊數(shù)學(xué)方法來描述DG出力的不確定性，并提出對ADN規(guī)劃用混合編碼方式的遺傳算法進(jìn)行求解。文獻(xiàn)［8-9］利用隨機(jī)潮流進(jìn)行計算，提出了含DG的ADN不確定性規(guī)劃方法。文獻(xiàn)［10］考慮DG和負(fù)荷隨機(jī)性，并將DG作為負(fù)荷恢復(fù)的重要電源來考慮。

上述研究在取得了顯著成就的同時也存在以下2個方面的問題:(1)未充分考慮ADN拓展規(guī)劃的動態(tài)性和復(fù)雜性，對于負(fù)荷重構(gòu)等問題也考慮不足，難以達(dá)到規(guī)劃的現(xiàn)實意義;(2)利用啟發(fā)式算法進(jìn)行求解時，未能將各種分布式能源發(fā)電與多種需求的不確定性考慮充分，導(dǎo)致所得方案與實際情況存在較大偏差。

針對上述問題，本文提出一種考慮不確定性的多階段ADN規(guī)劃方法，并將生物地理學(xué)優(yōu)化算法(biogeography-based optimization，BBO)應(yīng)用于不同條件下的運算過程中?？紤]用電量及分布式發(fā)電量兩方面的不確定性，提出加權(quán)多維尋優(yōu)理論并設(shè)計基于BBO的多維尋優(yōu)流程圖，同時，根據(jù)精益化管理理念，利用偽動態(tài)規(guī)劃思想，構(gòu)建多階段ADN拓展規(guī)劃模型，在縮減搜索空間的基礎(chǔ)上獲得多階段拓展最優(yōu)方案。算例應(yīng)用IEEE 33節(jié)點系統(tǒng)驗證了本文構(gòu)建模型及所提方法的有效性。

1 基于BBO的拓展規(guī)劃

為了彌補(bǔ)以往研究的不足之處，本文在考慮不確定條件和多階段情景下，對ADN拓展規(guī)劃展開進(jìn)一步研究，并運用BBO對多目標(biāo)優(yōu)化問題進(jìn)行求解。相比遺傳算法、克隆選擇等優(yōu)化方法，BBO的主要優(yōu)勢在于能夠通過遷移策略不斷接受來自其他不同個體好的特征變量，提高自己的適應(yīng)度值，進(jìn)行自適應(yīng)進(jìn)化［11］。本文將此方法用于輻射型ADN拓展規(guī)劃中，其目標(biāo)函數(shù)為

式中:Ctl為電能輸送和損失成本;Cee為系統(tǒng)檢修成本平均值;Civ為系統(tǒng)擴(kuò)容投資成本。

優(yōu)化約束主要包括功率平衡約束、節(jié)點電壓約束、潮流約束、電網(wǎng)拓?fù)浼s束等系統(tǒng)運行相關(guān)的安全可靠性約束條件。其中，等式約束為

基于構(gòu)建的模型，本文利用BBO進(jìn)行尋優(yōu)。為了提高算法性能，采用余弦遷移模型與基于柯西分布的變異算子對其進(jìn)行改善。經(jīng)過大量實驗，確定BBO參數(shù)，如表1所示。

表1 BBO參數(shù)Table 1 BBO parameters

在BBO中，應(yīng)用棲息適應(yīng)度(habitat suitability index，HSI)表示目標(biāo)函數(shù)，適應(yīng)指數(shù)變量(Suitability index variables，SIV)表示決策變量。對于系統(tǒng)擴(kuò)容投資成本Civ，影響棲息地適應(yīng)度的SIV主要包括4部分:SIV1——拓?fù)渥兓?SIV2——分布式發(fā)電; SIV3——重新布線;SIV4——新增負(fù)荷點。為了方便BBO算法求解，決策變量均用碼串形式表示。

SIV1表示通過原有開關(guān)或新設(shè)開關(guān)的改變而導(dǎo)致ADN拓?fù)渥兓牟煌Y(jié)果。本部分選用3位二進(jìn)制數(shù)對其進(jìn)行編碼，得到8種拓?fù)浣Y(jié)果，其中: 0或1表示不安裝新開關(guān)或者當(dāng)前開關(guān)狀態(tài)不改變;2—7表示通過最優(yōu)的重新配置算法得到的各個循環(huán)要打開的開關(guān)的數(shù)量。每個代碼代表一種特定ADN拓?fù)浣Y(jié)構(gòu)，其成本Crec只跟開關(guān)閉/合狀態(tài)有關(guān)。

SIV2表示在系統(tǒng)中某節(jié)點上安裝DG機(jī)組的概率及安裝容量。本部分選用3位二進(jìn)制數(shù)對其進(jìn)行編碼，得到8種安裝結(jié)果，其中:0表示節(jié)點i未安裝DG機(jī)組;1—7表示節(jié)點i安裝不同容量的DG機(jī)組。投資成本CDG主要與機(jī)組安裝容量有關(guān)。

SIV3表示系統(tǒng)中線路ij是否重新布線。本部分，選用1位二進(jìn)制數(shù)對其進(jìn)行編碼，得到2種布線結(jié)果，其中:0表示線路ij未重新布線;1表示線路ij重新布線。投資成本Cri由是否重新布線決定。

SIV4代表新增負(fù)荷點到電網(wǎng)的連接方式，將直接影響成本CNP。最佳連接方案是在不影響系統(tǒng)運行及對新增負(fù)荷點供能的情況下，投資成本CNP實現(xiàn)最小，即

式中:CNPij是線路ij新增負(fù)荷點后的投資成本;Cmpiv是單位距離投資成本，與線型m有關(guān);Lij是線路ij的距離。

綜上分析可知，ADN規(guī)劃的系統(tǒng)擴(kuò)容投資成本Civ為

對于電能輸送及損失成本Ctl，通過牛頓迭代法計算非線性潮流而得出。在ADN運行中，DG認(rèn)為是配電網(wǎng)的一部分，并根據(jù)配電系統(tǒng)的實際情況對其施以主動控制，因此，在ADN規(guī)劃中，利用最優(yōu)潮流法計算Ctl效果較好。

此外，本文還提出了ADN規(guī)劃中的可靠性評估，主要通過停電損失來反映，評估主要包括系統(tǒng)檢修平均成本Cee，平均停電時間，平均停電頻率。具體計算公式為

式中:Ωi代表所有負(fù)荷點的集合;Ci代表停電損失費用;Li代表平均負(fù)荷;Ui代表平均檢修小時;λi代表平均停電次數(shù);Ni代表接入用戶數(shù)，所有參數(shù)都與負(fù)荷點i相關(guān)。

2 不確定性分析

由于需電量和分布式發(fā)電量容易受到時間、氣候、環(huán)境等因素干擾，存在極大的不確定性，為了增強(qiáng)ADN規(guī)劃的現(xiàn)實意義，避免單一供需決策對規(guī)劃結(jié)果造成的局限性，本文提出加權(quán)多維尋優(yōu)理論。該理論的研究思路為:首先規(guī)劃者設(shè)定多種規(guī)劃情景，并利用相應(yīng)的決策方法獲得每種情景的最優(yōu)方案，進(jìn)而根據(jù)需電量和分布式發(fā)電量的不同水平，確定每種方案的出現(xiàn)概率，通過加權(quán)計算HSI，求得最終解決方案［12］。對于規(guī)劃情景的設(shè)定需考慮到所屬地域的所有相關(guān)因素，情景數(shù)量以及需電量和分布式發(fā)電量的不同梯度由規(guī)劃者根據(jù)歷史數(shù)據(jù)制定。

本文利用BBO尋求每種規(guī)劃情景下的ADN最優(yōu)拓展規(guī)劃方案，規(guī)劃方案的HSI通過式(1)來執(zhí)行。進(jìn)而，利用式(7)獲得最終解?？紤]需電量和分布式發(fā)電量的不確定性，利用BBO進(jìn)行多維尋優(yōu)的流程圖如圖1所示。

式中:Ffi代表最終解決方案值，Obji，k代表目標(biāo)函數(shù)i在方案k中的值;nc代表考慮到的方案數(shù);wk代表方案k發(fā)生的可能性。

3 多階段分析

由于ADN拓展規(guī)劃建設(shè)周期一般較長，在不同階段需要對其投資成本進(jìn)行全方位控制，實現(xiàn)精益化管理。為了解決此問題，本文利用多階段ADN規(guī)劃。多階段規(guī)劃是一類活動過程，將問題分為若干個互相聯(lián)系的階段，各個階段的決策構(gòu)成了一個策略，最后從若干策略中選出最優(yōu)策略。

單階段規(guī)劃與多階段規(guī)劃里的各個階段的規(guī)劃相似，可視為多階段規(guī)劃在某一時間點上的斷面。這樣，基于偽動態(tài)規(guī)劃的思想，即我們可將多階段規(guī)劃問題轉(zhuǎn)化為單階段規(guī)劃問題來處理。即先利用靜態(tài)規(guī)劃的方法得到規(guī)劃期末靜態(tài)的最優(yōu)方案，然后以該最優(yōu)方案為目標(biāo)，基于動態(tài)規(guī)劃的方法給出各個階段的最優(yōu)方案。多階段規(guī)劃各階段之間的過渡是問題的難點之一，后面階段的規(guī)劃不僅要滿足此階段的目標(biāo)和要求，還要考慮前面階段的規(guī)劃情況［13-14］。

多階段規(guī)劃中，目標(biāo)函數(shù)由式(1)改進(jìn)為

式中:FN代表多階段規(guī)劃中各階段的總成本;T為規(guī)劃期的階段數(shù);t為所處階段;為t階段下的資金折算系數(shù)、電能輸送和損失成本、系統(tǒng)檢修成本、系統(tǒng)擴(kuò)容投資成本;I為貼現(xiàn)率(%);tt為t階段的總年限;t0為t階段元年。另外，約束條件也變?yōu)橄鄳?yīng)的t階段下約束，并且，在各個階段規(guī)劃中，若分布式發(fā)電機(jī)組功率為x kW，那么在階段t以下，其功率不能超過x kW;在階段t沒有重新布線，在階段(t-1)不能重新布線。對于多階段ADN規(guī)劃，每階段均執(zhí)行1次BBO，最終獲得各階段最優(yōu)策略集合。

圖1 利用BBO進(jìn)行多維尋優(yōu)流程圖Fig.1 The flow chart of multi-dimensional optimization with BBO

4 算例分析

4.1 系統(tǒng)數(shù)據(jù)及模型參數(shù)

本文采用IEEE 33節(jié)點配電網(wǎng)系統(tǒng)進(jìn)行算例分析，其結(jié)構(gòu)見圖2。該系統(tǒng)包含33個節(jié)點、32條支路和5條聯(lián)絡(luò)線路，且每條支路上都有分段開關(guān)。額度電壓等級為12．66 kV，基準(zhǔn)年負(fù)荷為5 084．26 kVA。其中，節(jié)點0為變電站節(jié)點，即外部電源點。表2是某地區(qū)公布的數(shù)據(jù)，表示ADN拓展規(guī)劃各部分單位成本平均值。年利率為8%。節(jié)點電壓的上限和下限值分別為0．98和1．05標(biāo)幺值。負(fù)荷百分比是相對于規(guī)劃期內(nèi)預(yù)測的負(fù)荷而言的。

圖2 測試系統(tǒng)—33節(jié)點Fig.2 Test system with 33 nodes

表2 規(guī)劃單位成本平均值Table 2 The planning of unit cost averages

在滿足電能需求和經(jīng)濟(jì)性前提下，根據(jù)地域特點，設(shè)定可供選擇的ADN拓展規(guī)劃方案如下。

(1)網(wǎng)絡(luò)拓?fù)?線路(33)和(37)上改變開關(guān)狀態(tài)，線路(34)，(35)和(36)上安裝新開關(guān)。

(2)重新布線:在線路(6)，(7)，(17)，(21)，(23)，(24)上進(jìn)行。

(3)安裝DG機(jī)組:在節(jié)點(6)，(7)，(17)，(21)，(23)，(24)，(29)，(31)和(32)上，容量為30，60，90和120 kW。

(4)新增負(fù)荷點:網(wǎng)絡(luò)拓?fù)浜螅诠?jié)點(34)，(35)和(36)上新增負(fù)荷點，并連接到可選擇的4點之一，如表3所示。

表3 新增負(fù)荷點和連接點Table 3 The new load point and the connection point

若ADN總拓展建設(shè)期為5年，和單階段規(guī)劃相對，設(shè)定多階段規(guī)劃如表4所示。

表4 ADN拓展規(guī)劃階段Table 4 Planning phase of ADN expansion

4.2 不考慮不確定性因素情景

在多階段ADN拓展規(guī)劃下，表5～7為每一階段的拓展規(guī)劃方案。其中，表5表示不考慮不確定性因素情景下，多階段拓?fù)渑c重新布線方案，表6表示多階段DG機(jī)組安裝方案，其累計容量達(dá)330 kW，表7表示階段3新負(fù)載點連接方案，分別用節(jié)點18、22、20相連接。

根據(jù)本文中所述方法的計算，在不考慮不確定因素情景下，多階段規(guī)劃和單階段規(guī)劃ADN拓展成本及可靠性指標(biāo)如表8、9所示。

表5 不考慮不確定性因素情景下，多階段拓?fù)渑c重新布線方案Table 5 Multi-stage topology and re-wiring program under the scenarios without considering uncertainty

表6 不考慮不確定性因素下，DG機(jī)組安裝方案Table 6 DG unit installation program under the scenario without considering uncertainty

表7 不考慮不確定性因素情景下，階段3新增負(fù)荷點連接方案Table 7 New load point connection program under the scenario without considering uncertainty at 3rd Phase

表8 不考慮不確定性因素情景下，多階段規(guī)劃成本及可靠性指標(biāo)Table 8 Multi-stage plan costs and the reliability index under the scenario without considering uncertainty

表9 不考慮不確定性因素情景下，單階段規(guī)劃成本及可靠性指標(biāo)Table 9 Single-stage plan costs and the reliability index under the scenario without considering uncertainty

根據(jù)表8可知，在不考慮不確定因素影響的條件下，多階段ADN規(guī)劃各階段的成本分別為79．86、81．96、106．67萬元，共計268．48萬元。根據(jù)表9可知，單階段規(guī)劃只在建設(shè)末期統(tǒng)一投資，其總成本為349．63萬元，高于多階段規(guī)劃總成本的23．21%。對于可靠性指標(biāo)，多階段規(guī)劃的整體輸送及損失電能成本大幅度下降，系統(tǒng)平均停電時間和平均停電頻率在建設(shè)各階段明顯低于單階段規(guī)劃，更能保證系統(tǒng)安全可靠運行。

式中:Qli，n代表節(jié)點i在情景n下的需電量;Pli，nom代表節(jié)點i的額定需電量;Qgi，n代表節(jié)點i在情景n下的DG發(fā)電量，Pgi，nom代表節(jié)點i的額定DG發(fā)電量。

4.3 考慮不確定因素情景

當(dāng)考慮需電量和DG發(fā)電量的不確定時，假設(shè)每個階段，需電量和DG發(fā)電量均存在2種不同的水平，這樣共產(chǎn)生4中可能情景，表10表示每種情景的發(fā)生概率。其中:Le代表需電量波動系數(shù);Ge表示DG發(fā)電量波動系數(shù)，并遵循如下式

表10 可能情景及發(fā)生概率Table 10 Possible scenarios and their probability of occurrence

當(dāng)考慮不確定性因素的影響時，在多階段拓?fù)浼爸匦虏季€規(guī)劃方面，同樣利用表5給出的規(guī)劃方案，新增負(fù)荷點的連接方案，同樣對應(yīng)表7。

表11表示考慮不確定性因素時，每一階段DG機(jī)組的安裝建議，同表6相比，可以分析得知DG機(jī)組安裝的優(yōu)化方案有了很大變化。3個階段的累計安裝擴(kuò)充容量由330 kW提升為420 kW，并且，各階段的滲透率有所調(diào)整。不考慮不確定因素影響時，前2階段的滲透在9%左右，而考慮不確定因素影響后，前2階段的滲透率有所下降，但最后階段的滲透率有所提升。綜合分析，考慮不確定因素影響后，DG的滲透率水平與整體負(fù)荷規(guī)劃水平更加適應(yīng)，規(guī)劃方案更加優(yōu)化。

表11 考慮不確定性因素下，DG機(jī)組安裝方案Table 11 DG unit installation program under the scenario considering uncertainty

同樣根據(jù)本文中所述方法的計算，在考慮不確定因素情景下，多階段規(guī)劃和單階段規(guī)劃ADN拓展成本及可靠性指標(biāo)如表12、13所示。

表12 考慮不確定性因素情景下，多階段規(guī)劃成本及可靠性指標(biāo)Table 12 Multi-stage plan costs and the reliability index under the scenario considering uncertainty

表13 考慮不確定性因素情景下，單階段規(guī)劃成本及可靠性指標(biāo)Table 13 Single-stage plan costs and the reliability index under the scenario considering uncertainty

分析表12可知，在考慮不確定因素情景下，多階段規(guī)劃ADN拓展成本各階段累計為239．65萬元，分析表16可知，在單階段規(guī)劃時，ADN拓展成本共為326．64萬元，高于多階段規(guī)劃的26．63%。對于可靠性指標(biāo)，多階段規(guī)劃的系統(tǒng)輸送及損失電能成本仍是同期遠(yuǎn)遠(yuǎn)小于單階段規(guī)劃成本，系統(tǒng)平均停電時間和頻率下降，系統(tǒng)安全可靠運行程度更強(qiáng)。

同比不考慮不確定因素情景時，多階段ADN拓展規(guī)劃總成本下降10．74%，單階段ADN拓展規(guī)劃總成本下降6．57%。無論是多階段還是單階段規(guī)劃，考慮不確定因素時，對于可靠性的各項指標(biāo)，可靠程度均明顯改善。

5 結(jié)論

本文提出了一種考慮需求和DG不確定性的多階段規(guī)劃方法?；贐BO理論，構(gòu)建可綜合反映ADN在不同約束條件下的系統(tǒng)擴(kuò)容綜合成本模型。提出加權(quán)多維尋優(yōu)理論，利用偽動態(tài)規(guī)劃法，獲得不確定條件下ADN多階段拓展最優(yōu)方案。算例結(jié)果表明，采用本文方法，多階段下的ADN系統(tǒng)擴(kuò)容成本小于單階段規(guī)劃下的系統(tǒng)擴(kuò)容成本，多階段下的系統(tǒng)可靠性程度更高;同時，當(dāng)考慮不確定條件時，DG裝機(jī)規(guī)劃方案更優(yōu)，ADN系統(tǒng)擴(kuò)容成本比相同情況下忽略不確定性因素的系統(tǒng)擴(kuò)容成本低，系統(tǒng)可靠性整體進(jìn)一步提升。本文研究成果將對我國ADN規(guī)劃及發(fā)展提供一定的理論指導(dǎo)。

［1］張瑜，孟曉麗，方恒福．分布式電源接入對配電網(wǎng)線損的影響分析［J］．電力建設(shè)，2011，32(5):67-71．Zhang Yu，Meng Xiaoli，F(xiàn)ang Hengfu．Effect of distributed resources on power loss of distribution netw ork［J］．Electric Pow er Construction，2011，32(5):67-71．

［2］Currie R A F，Ault G W，F(xiàn)oote C E T．Fundamental research challenges for active management of distribution networks with high of levels of renewable generation［C］//Proceedings of Universities Power Engineering Conference．Bristol，UK:IEEE，2004:1024-1028．

［3］歐陽武，程浩忠，張秀彬，等．考慮分布式電源調(diào)峰的配電網(wǎng)規(guī)劃［J］．電力系統(tǒng)自動化，2008，32(22):12-15．Ouyang Wu，Cheng Haozhong，Zhang Xiubin，et al．Distribution netw ork planning considering DG for peak shaving［J］．Automation of Electric Power Systems，2008，32(22):12-15．

［4］高燕，楊仁剛，李偉．配電網(wǎng)擴(kuò)展規(guī)劃方法研究［J］．電力建設(shè)，2013，34(4):8-13．Gao Yan，Yang Rengang，Li Wei．Research on pow er distribution netw ork expansion planning［J］．Electric Power Construction，2013，34(4):8-13．

［5］Eryilmaz D，Smith T，Dhople S，et al．Demand response for industrial-scale energy users in Midwest ISO:A dynamic programming approach for curtailing energy use［C］//T＆D Conference and Exposition，Chicago:IEEE，2014:1-4．

［6］Kuw abara H，Nara K．Multi-year ADN multi-state distribution systems expansion planning by multi-state branch exchange［J］．IEEE Transactions on Power Systems，1997，12(1):457-63．

［7］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 netw ork including distributed generation［J］．Automation of Electric Power Systems，2010，34(13):19-23．

［8］Kai Zou，Agalgaonkar A P，Muttaqi K M，et al．Distribution system planning with incorporating DG reactive capability ADN system uncertainties［J］．IEEE Transaction on Sustainable Energy，2012，3 (1):112-123．

［9］李志鏗，王鋼，陳志剛，等．計及區(qū)域自組網(wǎng)的含分布式電源配電網(wǎng)網(wǎng)架柔性規(guī)劃［J］．電力系統(tǒng)自動化，2013，37(6):42-47． Li Zhikeng，Wang Gang，Chen Zhigang，et al．Flexible netw ork planning considering islanding scheme for distribution systems with distributed generators［J］．Automation of Electric Power Systems，2013，37(6):42-47．

［10］杜翼，朱克平，尹瑞，等．基于分布式電源的直流配電網(wǎng)建模與仿真［J］．電力建設(shè)，2014，35(7):13-19．Du Yi，Zhu Keping，Yin Rui，et al．Modeling and simulation of DC power distribution network based on distributed generation［J］．Electric Power Construction，2014，35(7):13-19．

［11］徐志丹．基于生物地理算法的多目標(biāo)優(yōu)化理論與應(yīng)用研究［D］．哈爾濱:哈爾濱工程大學(xué)，2013．Xu Zhidan．Study on multi-objective optimization theory and application based on biogeography algorithm［D］．Harbin:Harbin Engineering University，2013．

［12］徐玉琴，李雪冬．基于改進(jìn)免疫克隆選擇算法的含分布式電源配電網(wǎng)規(guī)劃方法［J］．電網(wǎng)技術(shù)，2010，34(8):97-101．Xu Yuqin，Li Xuedong．An improved immune clonal selection algorithm based planning method for distribution network with distributed generators［J］．Power System Technology，2010，34(8): 97-101．

［13］崔凱，李敬如，趙娟．法國配電網(wǎng)及其規(guī)劃管理淺析［J］．電力建設(shè)，2013，34(8):112-115．Cui Kai，Li Jingru，Zhao Juan．Analysis of french power distribution network and its planning management［J］．Electric Pow er Construction，2013，34(8):112-115．

［14］崔凱，史梓男，趙娟．配電網(wǎng)評價指標(biāo)體系研究［J］．電力建設(shè)，2013，34(2):18-21．Cui Kai，Shi Zinan，Zhao Juan．Research on evaluation system of power distribution netw ork［J］．Electric Power Construction，2013，34(2):18-21．

(編輯:蔣毅恒)

Study of Multistage Planning for Active Distribution Networks Under Uncertainty

ZENG Ming，HAN Xu，LI Bo
(College of Economics and Management，North China Electric Power University，Beijing102206，China)

This paper presents a multistage planning methodology for active distribution networks(ADN)planning which has not fully considered the defects of variable practical operation conditions，where the demand and distributed generation (DG)uncertainties are taken into account．Based on biogeography-based optimization，the forced affect and economy cost are analyzed by quantifying the uncertain factors under practical network operation，considering the network radial structure and expansion alternative，building the system composite costfunction which can comprehensive reflect differentconstraints．Proposed weighted multidimensional optimization theory，designed expansion planning process and used lean management thinking to obtain the best system multi-stage expansion plan under distribution network planning according to the pseudodynamic programming method．After analyzing the results of example，the methodology can achieve the optimal design of planning and improve the system reliability and profit under practical operation effectively．

active distribution networks(ADN);biogeography-based optimization;multi-stageplanning;distributed generation(DG)

TM 72

A

1000-7229(2015)01-0065-07

10.3969/j．issn.1000-7229.2015.01.010

2014-12-08

2014-12-19

曾鳴(1957)，男，教授，博士生導(dǎo)師，研究方向為電網(wǎng)規(guī)劃，電力市場理論與實務(wù)，需求側(cè)管理;

韓旭(1990)，女，碩士，研究方向為電網(wǎng)規(guī)劃，需求側(cè)管理;

李博(1990)，女，碩士，研究方向為電網(wǎng)規(guī)劃，需求側(cè)管理。