欒偉杰，蔣獻(xiàn)偉，張節(jié)潭，程浩忠，孫詩(shī)航，黃國(guó)樑

(1. 上海交通大學(xué)電力傳輸與功率變換控制教育部重點(diǎn)實(shí)驗(yàn)室，上海市 200240； 2.國(guó)網(wǎng)上海市電力公司青浦供電公司，上海市 201700；3.國(guó)網(wǎng)青海省電力科學(xué)試驗(yàn)研究院，西寧市810008； 4.上海電力學(xué)院電氣工程學(xué)院，上海市200090；5.國(guó)網(wǎng)上海市電力公司培訓(xùn)中心，上海市 200090)

考慮主動(dòng)管理的分布式光伏發(fā)電消納能力研究

欒偉杰1，蔣獻(xiàn)偉2，張節(jié)潭3，程浩忠1，孫詩(shī)航4，黃國(guó)樑5

(1. 上海交通大學(xué)電力傳輸與功率變換控制教育部重點(diǎn)實(shí)驗(yàn)室，上海市 200240； 2.國(guó)網(wǎng)上海市電力公司青浦供電公司，上海市 201700；3.國(guó)網(wǎng)青海省電力科學(xué)試驗(yàn)研究院，西寧市810008； 4.上海電力學(xué)院電氣工程學(xué)院，上海市200090；5.國(guó)網(wǎng)上海市電力公司培訓(xùn)中心，上海市 200090)

隨著分布式光伏接入配電網(wǎng)逐漸增多，其消納能力越來(lái)越受到人們關(guān)注。文章對(duì)考慮主動(dòng)管理的分布式光伏消納能力進(jìn)行了研究，提出了主動(dòng)配電網(wǎng)中分布式光伏發(fā)電最大消納量的計(jì)算方法。在分析分布式光伏發(fā)電和負(fù)荷的時(shí)序特性的基礎(chǔ)上，提出了綜合考慮混沌思想和自適應(yīng)度調(diào)整的改進(jìn)粒子群算法，研究了削減分布式電源出力、調(diào)節(jié)有載調(diào)壓變壓器抽頭、無(wú)功補(bǔ)償?shù)戎鲃?dòng)管理措施對(duì)分布式光伏最大消納量的影響。IEEE 33節(jié)點(diǎn)配網(wǎng)系統(tǒng)驗(yàn)證了所提模型的合理性和算法的有效性，3種主動(dòng)管理措施能有效提高分布式光伏的最大消納量。

分布式光伏發(fā)電；主動(dòng)配電網(wǎng)；光伏消納；時(shí)序特性；改進(jìn)粒子群算法

0 引 言

作為新能源中最為豐富且不受地域限制的發(fā)電形式，光伏發(fā)電(photo voltaic，PV)以其環(huán)境友好、接入不受地域限制、資源豐富等特點(diǎn)得到越來(lái)越多的應(yīng)用。分布式光伏接入雖然一定程度上可以緩解電力緊張局面，但其接入量并不是越大越好，若并網(wǎng)容量過大，會(huì)導(dǎo)致網(wǎng)絡(luò)節(jié)點(diǎn)電壓超過上限等電能質(zhì)量問題。

在分布式電源(distributed generation，DG)接入對(duì)配電網(wǎng)的影響方面，文獻(xiàn)[1]從網(wǎng)損方面分析了DG接入對(duì)電力系統(tǒng)帶來(lái)的影響；文獻(xiàn)[2]分析了DG接入電網(wǎng)對(duì)穩(wěn)態(tài)特性和電能質(zhì)量、保護(hù)等方面帶來(lái)的影響，為配電網(wǎng)規(guī)劃提供了理論基礎(chǔ)。在最大準(zhǔn)入容量研究方面，文獻(xiàn)[3]從電力系統(tǒng)靜態(tài)安全約束的角度出發(fā)，建立了計(jì)算DG準(zhǔn)入容量的數(shù)學(xué)模型；文獻(xiàn)[4]在分析DG接入位置、容量及接入方法等因素對(duì)配電網(wǎng)影響的基礎(chǔ)上，形成了模型的電壓約束、潮流約束以及DG的容量約束；文獻(xiàn)[5]認(rèn)為建立主動(dòng)配電網(wǎng)(active distribution network，ADN)是有效消納大規(guī)模DG和實(shí)現(xiàn)節(jié)能減排的有效手段。然而，在ADN快速發(fā)展、主動(dòng)管理措施得到越來(lái)越多應(yīng)用的背景下，大多數(shù)的研究?jī)H僅針對(duì)傳統(tǒng)配電網(wǎng)中DG的準(zhǔn)入容量，并未充分考慮主動(dòng)管理措施對(duì)DG準(zhǔn)入容量的影響。另外，大多數(shù)研究將風(fēng)電、PV等不同類型的DG籠統(tǒng)起來(lái)進(jìn)行研究，并未區(qū)分不同類型的DG的不同。分布式PV作為近年來(lái)發(fā)展最快的DG之一，有其特殊的出力特性，研究其最大消納能力有重要的意義。

本文考慮分布式PV的時(shí)序特性，建立ADN中分布式PV最大消納量的模型，并采用自適應(yīng)混沌粒子群算法進(jìn)行求解，以期為PV并網(wǎng)研究提供參考。

1 分布式PV的時(shí)序特性

1.1 分布式PV和負(fù)荷的時(shí)序特性

分布式PV出力具有隨機(jī)性和波動(dòng)性，無(wú)法將其當(dāng)作恒定出力的電源考慮。其受到季節(jié)、天氣、時(shí)刻等多方面的影響[6-7]。PV的時(shí)序特性如圖1所示，從圖中可以看出：在季節(jié)方面，PV出力大小表現(xiàn)為夏>春>冬>秋；在天氣方面，PV出力大小表現(xiàn)為晴>陰>雨；在時(shí)刻方面，PV出力時(shí)間段為05:00—19:00，其中在11:00—3:00出現(xiàn)出力最大值。

對(duì)于負(fù)荷而言，不同時(shí)間段、不同季節(jié)也表現(xiàn)出不同的特性，另外其特性也跟負(fù)荷類型有關(guān)。本文將負(fù)荷分為居民負(fù)荷和商業(yè)負(fù)荷，研究其4個(gè)季節(jié)、24 h的特性，負(fù)荷的時(shí)序特性如圖2所示。由圖2可知：居民負(fù)荷的季節(jié)影響大于時(shí)刻影響，夏季負(fù)荷最高，其負(fù)荷具有一定的持續(xù)性和穩(wěn)定性，高峰負(fù)荷主要集中在18:00—22:00；商業(yè)負(fù)荷的時(shí)刻影響大于季節(jié)影響，負(fù)荷大小集中在08:00—22:00，其余時(shí)間段幾乎為0，且其受季節(jié)影響較小，這主要是由于工商業(yè)行業(yè)特點(diǎn)所決定的。

圖1 PV時(shí)序特性曲線

圖2 負(fù)荷時(shí)序特性曲線

1.2 模擬場(chǎng)景出力

將1年劃分為春晴、春陰、春雨、夏晴、夏陰、夏雨、秋晴、秋陰、秋雨、冬晴、冬陰、冬雨12個(gè)典型日，并參考某地區(qū)氣候統(tǒng)計(jì)資料，得到各個(gè)典型日的具體天數(shù)，如表1所示。將全年劃分為288(24×4×3)個(gè)場(chǎng)景，對(duì)網(wǎng)絡(luò)進(jìn)行全時(shí)段模擬。

2 考慮主動(dòng)管理的分布式PV最大消納模型

2.1 主動(dòng)管理模式

為了應(yīng)對(duì)新的要求和挑戰(zhàn)，傳統(tǒng)的被動(dòng)配電網(wǎng)正在向ADN轉(zhuǎn)變。主動(dòng)管理就是在更加細(xì)致地測(cè)量和評(píng)估配電網(wǎng)的運(yùn)行數(shù)據(jù)之后，對(duì)DG和配電網(wǎng)設(shè)備進(jìn)行實(shí)時(shí)控制并采取一定的措施進(jìn)行協(xié)調(diào)[8]。主動(dòng)管理模式下，可以采取控制DG的輸出功率等多種主動(dòng)管理措施，使得含有DG的配電系統(tǒng)達(dá)到最優(yōu)的運(yùn)行狀態(tài)。本文考慮的主動(dòng)管理措施有如下3種。

表1 全年各典型日天數(shù)

Table 1 Proportion of typical day in a year

(1)削減分布式PV出力：通過控制接入節(jié)點(diǎn)的PV出力，起到控制電壓，改善潮流分布的作用。

(2)調(diào)節(jié)有載調(diào)壓變壓器抽頭：通過調(diào)節(jié)有載調(diào)壓變壓器一次側(cè)的可變抽頭位置，使配電網(wǎng)電壓保持在規(guī)定范圍內(nèi)。

(3)無(wú)功補(bǔ)償?shù)耐肚校涸赑V接入點(diǎn)投切無(wú)功補(bǔ)償設(shè)備來(lái)吸收或者放出無(wú)功來(lái)改變網(wǎng)絡(luò)無(wú)功分布，達(dá)到改善系統(tǒng)潮流分布和電壓水平的目的。

2.2 PV最大消納量目標(biāo)函數(shù)

PV最大消納量模型的目標(biāo)函數(shù)為

(1)

2.3 PV最大消納量約束條件

在加入了主動(dòng)管理措施后，PV接入需滿足節(jié)點(diǎn)功率平衡約束、節(jié)點(diǎn)電壓約束和線路傳輸容量約束等基本約束外，還加入了變壓器抽頭約束、無(wú)功補(bǔ)償裝置約束和PV出力控制約束，具體約束條件如下。

(1)節(jié)點(diǎn)功率平衡約束

(2)

式中：PPVi為節(jié)點(diǎn)i的分布式PV有功注入；PLi為節(jié)點(diǎn)i的有功負(fù)荷；QPVi為節(jié)點(diǎn)i的分布式PV無(wú)功注入；QCi為節(jié)點(diǎn)i的無(wú)功補(bǔ)償無(wú)功注入；QLi為節(jié)點(diǎn)i的無(wú)功負(fù)荷；Ui、Uj為節(jié)點(diǎn)i、j電壓幅值；θij為節(jié)點(diǎn)i、j間電壓相角。

(2)節(jié)點(diǎn)電壓約束

Uimin≤Ui≤Uimax

(3)

式中：Uimin、Uimax為節(jié)點(diǎn)i所允許的最小電壓值和最大電壓值。

(3)支路潮流約束

Sl≤Slmax

(4)

式中：Sl為通過支路l的視在功率；Slmax為支路l傳輸容量極限值。

(4)有載調(diào)壓變壓器(onloadtapchanger，OLTC)抽頭約束

Tkmin≤Tk≤Tkmax

(5)

式中：Tk為變壓器的抽頭位置；Tkmin、Tkmax為變壓器的抽頭最小值和最大值。

(5)無(wú)功補(bǔ)償裝置約束

QCimin≤QCi≤QCimax

(6)

式中：QCimin、QCimax為節(jié)點(diǎn)i無(wú)功補(bǔ)償最小值和最大值。

將其轉(zhuǎn)化為功率因數(shù)的限制，即

φimin≤φi,j≤φimax

(7)

式中：φi,j為時(shí)段j節(jié)點(diǎn)i的功率因數(shù)；φimin和φimax分別為功率因數(shù)的最小值和最大值。

(6)PV出力約束

PPVimin≤PPVi≤PPVimax

(8)

式中：PPVimin、PPVimax分別為節(jié)點(diǎn)i的分布式PV有功出力最小值、最大值。

將其轉(zhuǎn)化為PV切除量的大小，即

(9)

3 求解算法

3.1 基本粒子群算法

粒子群算法(particleswarmoptimization,PSO)是一種新型群智能進(jìn)化計(jì)算方法[9]，其基本概念源于對(duì)鳥類覓食行為的研究。每個(gè)個(gè)體被抽象為沒有質(zhì)量和體積的粒子點(diǎn)，第m個(gè)例粒子速度和位置更新公式為：

(10)

(11)

(12)

(13)

3.2 自適應(yīng)混沌粒子群算法

由于利用式(8)—式(10)更新群體粒子的速度和位置，主要依賴的是粒子自身信息、個(gè)體極值以及全局極值，來(lái)推導(dǎo)出粒子下一步進(jìn)化位置，粒子較容易陷入局部最優(yōu)解，許多研究對(duì)于粒子群算法的缺陷提出了一系列的改進(jìn)方法，其中引入混沌運(yùn)動(dòng)思想是其中之一[10-11]。由于混沌運(yùn)動(dòng)能夠做到較好的全局性，能在初始化過程中能夠改善粒子群算法初始化不均勻的問題。本文采用的混沌處理如下：

(1)隨機(jī)產(chǎn)生1個(gè)n維、每維分量為0～1的向量Z1=[z11,z12,…,z1n]，將其采用混沌迭代公式Zn+1=4Zn(1-Zn)，得到N個(gè)向量Z1,Z2,…，ZN；

(2)通過將Zi的各個(gè)分量載波到對(duì)應(yīng)變量的取值區(qū)間上，計(jì)算粒子群的適應(yīng)度值；

(3)對(duì)最優(yōu)位置Xh=[xh1,xh2，…,xhn]進(jìn)行混沌優(yōu)化，將最優(yōu)位置通過zβα=(xgα-aα)/(bα-aα)映射到Logistic方程對(duì)應(yīng)變量取值區(qū)間上后，利用Logistic方程進(jìn)行迭代，產(chǎn)生混沌序列Zj，再通過xβα=aα+(bβ-aα)zβα將混沌序列逆映射到原空間；

(4)在原解空間對(duì)混沌變量經(jīng)歷的每個(gè)可行解計(jì)算其適應(yīng)度之后，得到性能最好解X*。

另外，本文參考基于自適應(yīng)度調(diào)整粒子群算法思想[12]，對(duì)慣性權(quán)重及學(xué)習(xí)因子進(jìn)行了改進(jìn)。慣性權(quán)重ω的取值不同影響搜索全局最優(yōu)解和局部最優(yōu)解的能力。當(dāng)ω較大時(shí)，粒子速度也較大，對(duì)在更大空間里搜索有利，當(dāng)ω較小時(shí)，粒子速度也較小，對(duì)在當(dāng)前解空間附近尋找更優(yōu)解有利。為了更利于粒子搜索到全局最優(yōu)解，在迭代初期使粒子的搜索范圍更大，而在隨著迭代的深入，減小粒子的搜索范圍，將慣性權(quán)重設(shè)為隨著迭代次數(shù)而減少的線性函數(shù)：

(14)

式中：ωmax為初始權(quán)重；ωmin為最終權(quán)重；nmax為最大迭代次數(shù)；n0為當(dāng)前迭代次數(shù)。本文取ωmax=0.9，ωmin=0.4。

學(xué)習(xí)因子c1、c2對(duì)粒子自身經(jīng)驗(yàn)和群體經(jīng)驗(yàn)在搜索過程中的重要程度起著決定性的作用。在搜索初期，避免陷入局部最優(yōu)，應(yīng)當(dāng)使粒子多向自身最優(yōu)學(xué)習(xí)，少向全局最優(yōu)學(xué)習(xí)，所以令取c1較大值，c2取較小值；在搜索后期，應(yīng)當(dāng)增強(qiáng)局部搜索能力，所以令c1取較小值，c2取較大值，具體公式如下：

1.養(yǎng)殖密度大。魚類經(jīng)過春、夏季節(jié)的生長(zhǎng)，進(jìn)入秋季個(gè)體漸漸長(zhǎng)大，自然出現(xiàn)養(yǎng)殖密度大的問題。隨著養(yǎng)殖密度上升，魚類排泄物增加，有機(jī)質(zhì)污染超過池塘自凈能力時(shí)，水質(zhì)會(huì)出現(xiàn)不穩(wěn)定或變壞的可能，導(dǎo)致魚病增多。在持續(xù)高溫的秋季，養(yǎng)殖水體的分層現(xiàn)象特別嚴(yán)重，池底總處于缺氧狀態(tài)，易導(dǎo)致亞硝酸鹽和氨態(tài)氮等有害物質(zhì)濃度增加，水質(zhì)調(diào)控困難，極易暴發(fā)各種魚病。

(15)

(16)

式中：a、b、d為參數(shù)，本文取a=1.3，b=2，d=1.2。這時(shí)當(dāng)1≤n≤0.47nmax時(shí)，c1>c2；反之c1

圖3 最大消納量模型求解流程

4 算例分析

4.1 算例數(shù)據(jù)

本文采用IEEE 33節(jié)點(diǎn)配電網(wǎng)系統(tǒng)[13]作為算例，算例電壓等級(jí)為12.66 kV，總有功負(fù)荷為3.715 MW，總無(wú)功負(fù)荷為2.3 Mvar，其接線圖如圖4所示。

圖4 IEEE 33 ADN單線圖

根據(jù)每個(gè)節(jié)點(diǎn)負(fù)荷的不同將其分為商業(yè)負(fù)荷和居民負(fù)荷，具體分布如表2所示。

表2 IEEE 33節(jié)點(diǎn)商業(yè)和居民負(fù)荷的分布情況

Table 2 Distribution of commercial and resident load at IEEE 33 node

4.2 結(jié)果分析

4.2.1 單節(jié)點(diǎn)PV最大準(zhǔn)入容量分析

為研究PV不同接入位置對(duì)最大準(zhǔn)入容量的影響，本文選取了前中后段的節(jié)點(diǎn)2、節(jié)點(diǎn)9和節(jié)點(diǎn)17作為研究對(duì)象，分別加入PV，分析其最大準(zhǔn)入容量，并加入3種主動(dòng)管理措施，比較主動(dòng)管理和非主動(dòng)管理結(jié)果的不同，如表3所示。

表3 單節(jié)點(diǎn)PV最大準(zhǔn)入容量

Table 3 PV penetration capacity for one node

從表3可看出：相較于非主動(dòng)管理，主動(dòng)管理模式下PV可更多的接入配電網(wǎng)，3個(gè)節(jié)點(diǎn)消納量分別提升了2.8%、15%、41.6%，這是由于主動(dòng)管理方法可以通過控制PV出力，調(diào)節(jié)OLTC分接頭和控制無(wú)功補(bǔ)償量等措施使網(wǎng)絡(luò)運(yùn)行在安全范圍內(nèi)，從而能夠更大程度地接入PV。從接入位置看，前段節(jié)點(diǎn)可接入PV容量較大，后段節(jié)點(diǎn)可接入PV容量較小，主要是由于后段節(jié)點(diǎn)接入PV對(duì)網(wǎng)絡(luò)電壓抬升作用明顯，受到電壓約束條件較強(qiáng)。故若配電網(wǎng)需要消納大量PV時(shí)，可以優(yōu)先考慮在配電網(wǎng)前段節(jié)點(diǎn)接入。而對(duì)于配電網(wǎng)末段節(jié)點(diǎn)電壓較低的情況，適量接入PV會(huì)對(duì)電壓起改善作用。

4.2.2 多節(jié)點(diǎn)PV最大消納量分析

為研究各種主動(dòng)管理措施對(duì)提高分布式PV消納能力的影響，本文分別模擬不加入主動(dòng)管理措施(A)、只加入OLTC調(diào)節(jié)措施(B)、只加入功率切除措施(C)、只加入無(wú)功補(bǔ)償措施(D)、3種主動(dòng)管理措施全加入(E)等5個(gè)場(chǎng)景，對(duì)分布式PV最大消納能力進(jìn)行計(jì)算。PV接入位置為15、17、30、31、32這5個(gè)節(jié)點(diǎn)，計(jì)算結(jié)果如表4。

表4 多節(jié)點(diǎn)PV最大消納量

Table 4 Maximum amount of PV consumption for multi-node

由表4可知：(1)當(dāng)不加入主動(dòng)管理措施時(shí)，整個(gè)網(wǎng)絡(luò)PV的最大準(zhǔn)入容量為3.3 MW，其中在節(jié)點(diǎn)15接入最大，為1.1 MW。在考慮時(shí)序特性的基礎(chǔ)上，1年P(guān)V總消納量達(dá)到4. 235 GW·h，全網(wǎng)網(wǎng)損量為465 MW·h。

(2)當(dāng)只加入OLTC調(diào)節(jié)措施時(shí)，PV的最大準(zhǔn)入容量上升到3.5 MW，較場(chǎng)景A增加 0.2 MW。相應(yīng)的全年消納PV總量為4.512 GW·h，比場(chǎng)景A增加 6.5%；相應(yīng)的，網(wǎng)損上升至613 MW·h，比場(chǎng)景A增加31.8%，網(wǎng)損的增加量遠(yuǎn)遠(yuǎn)大于PV接入容量的增加量。當(dāng)加入OLTC調(diào)節(jié)時(shí)，全網(wǎng)的電壓調(diào)節(jié)范圍增大，能容許更多的PV接入。

(3)當(dāng)只加入功率切除措施時(shí)，網(wǎng)絡(luò)PV最大準(zhǔn)入容量為3.6 MW，較場(chǎng)景A增加了0.3 MW。全年消納PV總量為4.678 GW·h，比場(chǎng)景A增加10.4%；相應(yīng)的，網(wǎng)損上升至505 MW·h，比場(chǎng)景A增加8.6%，網(wǎng)損增量較少。當(dāng)加入功率切除措施后，可以將某些特殊時(shí)段(如低負(fù)荷高出力)的PV切除，減小了反向潮流，增大了接入更多PV的可能性。

(4)當(dāng)只加入無(wú)功補(bǔ)償措施后，網(wǎng)絡(luò)PV最大準(zhǔn)入容量為3.6 MW，較場(chǎng)景A增加了0.3 MW。全年消納PV總量為4.694 GW·h，比場(chǎng)景A增加10.8%；網(wǎng)損上升至577 MW·h，比場(chǎng)景A增加24%。當(dāng)加入無(wú)功補(bǔ)償措施后，可以通過投切無(wú)功補(bǔ)償設(shè)備，在極端情況下改變網(wǎng)絡(luò)的電壓和潮流分布，使網(wǎng)絡(luò)運(yùn)行在約束范圍內(nèi)。

(5)當(dāng)3種主動(dòng)管理措施全部加入后，網(wǎng)絡(luò)PV的最大準(zhǔn)入容量提升至3.8 MW，較場(chǎng)景A增加 0.5 MW。全年消納PV總量為4.993 GW·h，比場(chǎng)景A增加17.8%；網(wǎng)損上升至529 MW·h。當(dāng)3種主動(dòng)管理措施全部加入后，3種措施相互彌補(bǔ)，PV的消納量達(dá)到最大，且各個(gè)節(jié)點(diǎn)接入PV容量較平均，沒有出現(xiàn)某幾節(jié)點(diǎn)過高情況。上述結(jié)果驗(yàn)證了主動(dòng)管理措施對(duì)提高PV準(zhǔn)入容量的有效性。

4.2.3 自適應(yīng)混沌粒子群算法性能分析

采用文獻(xiàn)[9]所提出的基本粒子群算法對(duì)本文提出的模型進(jìn)行計(jì)算，分析在3種主動(dòng)管理模式全部加入下PV最大消納量，得到的結(jié)果和迭代次數(shù)如表5。

表5 自適應(yīng)混沌粒子群算法性能分析

Table 5 Performance analysis of adaptive chaos particle swarm optimization algorithm

從表5可以看出：自適應(yīng)混沌粒子群經(jīng)過較少的迭代次數(shù)即能找到最優(yōu)解，收斂性較基本粒子群算法有所提高，且搜索到的最優(yōu)解優(yōu)于基本粒子群算法。

5 結(jié) 論

(1)分布式PV最大消納量配電網(wǎng)需受到電壓、潮流等因素的限制，主動(dòng)管理措施能有效提高其最大消納量。

(2)不同的主動(dòng)管理措施對(duì)提高PV最大消納量的影響不同，在實(shí)際網(wǎng)絡(luò)中需根據(jù)配電網(wǎng)具體情況采用最適合的主動(dòng)管理措施，如PV的位置、網(wǎng)損要求、PV設(shè)備的經(jīng)濟(jì)性投資、PV的增長(zhǎng)量等。

(3)不同的主動(dòng)管理措施有不同的經(jīng)濟(jì)成本，若綜合考慮經(jīng)濟(jì)因素和光伏消納能力，會(huì)得出其他最優(yōu)方案。

[1]張瑜,孟曉麗,方恒福. 分布式電源接入對(duì)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, FANG Hengfu. Effect of distributed resources on power loss of distribution network[J]. Electric Power Construction,2011, 32(5):67-71.

[2]于建成,遲福建,徐科,等.分布式電源接入對(duì)電網(wǎng)的影響分析[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2012, 24(1): 138-141. YU Jiancheng, CHI Fujian, XU Ke, et al. Analysis of the impact of distributed generation on power grid[J]. Proceedings of the CSU-EPSA, 2012, 24(1): 138-141.

[3]夏成軍,崔弘,王強(qiáng),等.考慮靜態(tài)安全約束的分布式電源準(zhǔn)入容量計(jì)算[J].電網(wǎng)技術(shù),2009,33(16):96-100. XIA Chengjun, CUI Hong, WANG Qiang, et al. Penetration capacity calculation for distributed generation considering static security constraints[J]. Power System Technology, 2009,33(16):96-100.

[4]蘇小玲,韓民曉,趙正奎,等. 配電網(wǎng)中分布式電源最大準(zhǔn)入容量分析[J].電網(wǎng)技術(shù),2012,36(10):87-92. SU Xiaoling, HAN Minxiao, ZHAO Zhengkui, et al. Research on maximum capacity of grid-connected distributed generationin distribution network[J]. Power System Technology,2012,36(10):87-92.

[5]劉廣一,張凱,舒彬. 主動(dòng)配電網(wǎng)的6個(gè)主動(dòng)與技術(shù)實(shí)現(xiàn)[J]. 電力建設(shè),2015,36(1):33-37. LIU Guangyi, ZHANG Kai, SHU Bin. Six actives and key technologies of active distribution network[J]. Electric Power Construction,2015,36(1):33-37.

[6]徐迅,陳楷,龍禹,等.考慮環(huán)境成本和時(shí)序特性的微網(wǎng)多類型分布式電源選址定容規(guī)劃[J]. 電網(wǎng)技術(shù),2013,37(4):914-921. XU Xun, CHEN Kai, LONG Yu, et al. Optimal site selection and capacity determination of multi-types of distributed generation in microgrid considering environment cost and timing characteristics[J]. Power System Technology,2013,37(4):914-921.

[7]李亮,唐巍,白牧可,等.考慮時(shí)序特性的多目標(biāo)分布式電源選址定容規(guī)劃[J].電力系統(tǒng)自動(dòng)化, 2013,37(3): 58-63. LI Liang, TANG Wei, BAI Muke, et al. Multi-objective locating and sizing if distributed generators based on time-sequence characteristics[J]. Automation of Electric Power Systems,2013, 37(3): 58-63.

[8]SIANO P, CHEN P, CHEN Z, et al. Evaluating maximum wind energy exploitation in active distribution networks[J]. IET Generation, Transmission and Distribution, 2010, 4(5): 598-608.

[9]JAMES K, RUSSELL E. Particle swarm optimization[C]//Proceedings of 1995 IEEE International Conference on Neural Networks. Perth, WA, 1995: 1942-1948.

[10]LIU B, WANG L, JIN Y H, et al. Improved particle swarm optimization combined with chaos[J]. Chaos, Solitionsand Fractals,2005, 25(5):1261-1271.

[11]司風(fēng)琪,顧慧,葉亞蘭,等. 基于混沌粒子群算法的火電廠廠級(jí)負(fù)荷在線優(yōu)化分配[J].中國(guó)電機(jī)工程學(xué)報(bào),2011,31(26):103-109. SI Fengqi, GU Hui, YE Yalan, et al. Online unit load economic dispatch based on chaotic-particle swarm optimization algorithm[J]. Proceedings of the CSEE, 2011, 31(26):103-109.

[12]孫卓新,朱永強(qiáng),倪一峰,等.基于粒子群算法的含光伏電站的配電網(wǎng)無(wú)功優(yōu)化[J]. 電力建設(shè),2014,35(4):25-30. SUN Zhuoxin, ZHU Yongqiang, NI Yifeng, et al. Reactive power optimization of distribution network with photovoltaic power plant based on PSO[J]. Electric Power Construction, 2014, 3504):25-30.

[13]BARAN M E, WU F F. Network reconfiguration in distribution systems for loss reduction and load balancing[J]. IEEE Transaction on Power Delivery, 1989, 4(2): 1401-1407.

[14]電力工業(yè)部電力規(guī)劃設(shè)計(jì)總院.電力系統(tǒng)設(shè)計(jì)手冊(cè)[M].北京:中國(guó)電力出版社, 1998:178-182.

(編輯 蔣毅恒)

Consumptive Ability Analysis for Distributed Photovoltaic Generation Considering Active Management

LUAN Weijie1,JIANG Xianwei2,ZHANG Jietan3, CHENG Haozhong1, SUN Shihang4,HUANG Guoliang5

(1. Key Laboratory of Control of Power Transmission and Conversion, Ministry of Education, Shanghai Jiao Tong University, Shanghai 200240, China; 2. Qingpu Power Supply Branch, State Grid Shanghai Municipal Electric Power Company, Shanghai 201700, China; 3. State Grid Qinghai Electric Power Research and Test Institute, Xining 810008, China; 4. College of Electric Engineering, Shanghai University of Electric Power, Shanghai 200438, China; 5. Training Center, State Grid Shanghai Municipal Electric Power Company, Shanghai 200438, China)

With the distributed photovoltaic generation connected to distribution network gradually increases, its consumptive ability has been paid more and more attention. This paper studies the consumptive ability of distributed photovoltaic generation with considering active management, and proposes the maximum consumption calculation method of distributed photovoltaic generation in active distribution network. Based on the analysis on the timing characteristics of distributed photovoltaic generation and load, we propose the improved particle swarm optimization algorithm with comprehensively considering chaos theory and adaptive adjustment, and study the influence of some active management measures on the maximum consumption of distributed photovoltaic generation, such as distributed power output curtailment, on-load tap changing transformer regulation, reactive power compensation and so on. IEEE 33 node distribution network system verifies the rationality of the proposed model and the effectiveness of the algorithm, and the three active management measures can effectively improve the maximum consumption of distributed photovoltaic generation.

distributed photovoltaic generation; active distribution network; photovoltaic consumption; timing characteristics; improved particle swarm optimization algorithm

國(guó)網(wǎng)青海省電力公司科技項(xiàng)目(主動(dòng)配電網(wǎng)中分布式光伏發(fā)電最大消納能力研究)；國(guó)網(wǎng)上海市電力公司青浦供電公司科技項(xiàng)目(青浦分布式能源應(yīng)用對(duì)于電力傳統(tǒng)安全管理的影響及應(yīng)對(duì)策略)

TM 711

A

1000-7229(2016)01-0137-07

10.3969/j.issn.1000-7229.2016.01.021

2015-11-03

欒偉杰(1991)，男，碩士研究生，研究方向?yàn)榕潆娋W(wǎng)規(guī)劃、配電網(wǎng)運(yùn)行優(yōu)化；

蔣獻(xiàn)偉(1979)男，碩士研究生，從事調(diào)控、繼電保護(hù)整定工作；

張節(jié)潭(1980)，男，博士，高級(jí)工程師，研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃；

程浩忠(1962)，男，博士，教授，博士生導(dǎo)師，研究方向?yàn)殡娔苜|(zhì)量、電力系統(tǒng)規(guī)劃、電力系統(tǒng)分析、電壓穩(wěn)定；

孫詩(shī)航(1992)，男，本科生在讀，研究方向?yàn)榉植际降哪茉矗?/p>

黃國(guó)樑(1959)，男，工程師，研究方問為行業(yè)教育概率、環(huán)境、教育產(chǎn)品狀況、教育趨勢(shì)對(duì)策。