黃松柏

（湖北理工學(xué)院 電氣與電子信息工程學(xué)院，湖北 黃石 435003）

0 引言

隨著全球性的能源危機(jī)及國(guó)家對(duì)減排降耗的強(qiáng)制規(guī)定，以風(fēng)電為代表的新能源滲透率不斷提高。而新能源普遍具有的間歇性和隨機(jī)性，給電網(wǎng)的安全穩(wěn)定運(yùn)行帶來(lái)較大的影響。

新能源的隨機(jī)性會(huì)直接導(dǎo)致節(jié)點(diǎn)注入功率的隨機(jī)性，使得網(wǎng)絡(luò)損耗、電壓穩(wěn)定裕度等運(yùn)行指標(biāo)均具有隨機(jī)性。為控制隨機(jī)性對(duì)系統(tǒng)的影響，一般可采用新能源集群接入［1］或者針對(duì)隨機(jī)場(chǎng)景進(jìn)行預(yù)防控制［2-3］。目前在輸電網(wǎng)中，風(fēng)電主要是以集群的形式接入。而在配電網(wǎng)中，風(fēng)電通常采用分布式接入，間歇性和隨機(jī)性更加明顯，因此有必要在隨機(jī)場(chǎng)景下對(duì)配電網(wǎng)進(jìn)行優(yōu)化。

目前，大多數(shù)隨機(jī)調(diào)度模型均基于期望值的目標(biāo)函數(shù)［3-5］，無(wú)法計(jì)及隨機(jī)性所帶來(lái)的運(yùn)行風(fēng)險(xiǎn)。文獻(xiàn)［6］和文獻(xiàn)［7］分別提出基于分位數(shù)和超分位數(shù)的目標(biāo)函數(shù)定義方式，可計(jì)及方案的運(yùn)行風(fēng)險(xiǎn)，但這2種方法目前均只能依賴模擬法［8-9］或點(diǎn)估計(jì)法［2］求解，增加了計(jì)算復(fù)雜度和求解難度。因此有必要對(duì)目標(biāo)函數(shù)進(jìn)行改進(jìn)，使得在計(jì)算復(fù)雜度可接受的條件下獲得具有運(yùn)行風(fēng)險(xiǎn)較小的調(diào)度方案。

傳統(tǒng)配電網(wǎng)是輻射形電網(wǎng)，潮流沿傳輸線向系統(tǒng)末端節(jié)點(diǎn)流動(dòng)，運(yùn)行中只需將電壓控制在合理的范圍內(nèi)就可以保證系統(tǒng)的安全運(yùn)行。而大量分布式風(fēng)電接入后，配電網(wǎng)成為多電源網(wǎng)絡(luò)，潮流分布的方式變化較大，容易由于無(wú)功分布的不平衡導(dǎo)致電壓?jiǎn)栴}。另外在配網(wǎng)中一般R較大（不滿足R?X），這使得配電網(wǎng)中有功分布也對(duì)節(jié)點(diǎn)電壓穩(wěn)定性具有一定影響。為保障配電網(wǎng)的安全穩(wěn)定運(yùn)行，文獻(xiàn)［10］應(yīng)用多場(chǎng)景方法對(duì)分布式風(fēng)電出力進(jìn)行建模，以網(wǎng)損和雅可比矩陣最小奇異值作為目標(biāo)函數(shù)，將風(fēng)電出力分為額定運(yùn)行、欠額定、停機(jī)3個(gè)場(chǎng)景對(duì)風(fēng)電接入的配電網(wǎng)無(wú)功進(jìn)行優(yōu)化，但僅設(shè)置3個(gè)出力場(chǎng)景會(huì)帶來(lái)一定誤差，而雅可比矩陣奇異值作為電壓穩(wěn)定指標(biāo)不直觀且具有較強(qiáng)非線性，在系統(tǒng)重載情況下，矩陣奇異值微小的變化就會(huì)導(dǎo)致電壓失去穩(wěn)定。文獻(xiàn)［2］以網(wǎng)損為目標(biāo)，電壓穩(wěn)定裕度為約束，通過(guò)投切電容器保障配電網(wǎng)的安全穩(wěn)定運(yùn)行。但該方法對(duì)風(fēng)電機(jī)的處理較為粗糙，僅作為負(fù)的負(fù)荷納入節(jié)點(diǎn)，運(yùn)行中一直保持不變的功率因數(shù)，未考慮風(fēng)電機(jī)的調(diào)節(jié)能力。文獻(xiàn)［11］提出應(yīng)當(dāng)在配電網(wǎng)優(yōu)化調(diào)度中考慮分布式風(fēng)電機(jī)的調(diào)節(jié)作用，但對(duì)風(fēng)電機(jī)的輸出功率僅采用恒定上限模型，實(shí)際上會(huì)樂(lè)觀估計(jì)風(fēng)電機(jī)的調(diào)節(jié)能力。

目前廣泛采用的雙饋風(fēng)電機(jī)組DFIG（Doubly-Fed Induction Generator）可通過(guò)控制輸出功率的功率因數(shù)角調(diào)整輸出有功/無(wú)功的大小。文獻(xiàn)［12-13］通過(guò)功率極限曲線建立較詳細(xì)的雙饋電機(jī)輸出功率模型，但針對(duì)分布式風(fēng)電機(jī)，風(fēng)速的波動(dòng)性使得風(fēng)電機(jī)不可能一直工作在額定功率，因此需針對(duì)隨機(jī)風(fēng)速，建立更完善的雙饋風(fēng)電機(jī)功率輸出模型。

針對(duì)以上問(wèn)題，本文模型同時(shí)考慮目標(biāo)函數(shù)的最優(yōu)性和魯棒性，在本文建立的雙饋風(fēng)電機(jī)輸出功率模型基礎(chǔ)上，提出一種考慮風(fēng)電機(jī)無(wú)功調(diào)節(jié)能力的配電網(wǎng)有功/無(wú)功聯(lián)合調(diào)度方法。算例分析的結(jié)果表明，本文方法可以在保證系統(tǒng)安全穩(wěn)定性的前提下減少額外無(wú)功設(shè)備的投入，且所得方案具有一定魯棒性。

1 雙饋風(fēng)電機(jī)功率輸出模型

基于目前的研究，本文所提出的考慮風(fēng)速不確定性的雙饋電風(fēng)機(jī)的功率輸出模型如圖1所示。

圖1中，線路熱極限和勵(lì)磁繞組熱極限的表達(dá)式見文獻(xiàn)［12-13］，交點(diǎn)代表發(fā)電機(jī)的最大視在功率，在不考慮隨機(jī)風(fēng)速的情況下，發(fā)電機(jī)的輸出功率必須位于點(diǎn)線以內(nèi)。PE和PL分別代表由勵(lì)磁繞組熱極限和線路熱極限決定的發(fā)電機(jī)可發(fā)出的最大有功功率；QE和QL分別代表對(duì)應(yīng)的發(fā)電機(jī)可發(fā)出的最大無(wú)功功率。

圖1 雙饋風(fēng)電機(jī)輸出功率模型Fig.1 Power output model of DFIG

對(duì)于普通發(fā)電機(jī)，由線路熱極限和勵(lì)磁繞組熱極限所決定的區(qū)域已足以準(zhǔn)確地描述發(fā)電機(jī)的輸出功率空間。但風(fēng)速的隨機(jī)性可能導(dǎo)致風(fēng)電機(jī)無(wú)法運(yùn)行在最大視在功率。隨著風(fēng)速減?。L(fēng)速1大于風(fēng)速2），風(fēng)電機(jī)的功率調(diào)節(jié)范圍逐漸變小。本文將線路熱極限、勵(lì)磁繞組熱極限及風(fēng)速功率極限所決定的功率調(diào)整域作為風(fēng)電機(jī)的運(yùn)行域，風(fēng)電機(jī)的輸出有功/無(wú)功均必須位于該區(qū)域內(nèi)。

下文為表述方便，將線路熱極限、勵(lì)磁繞組熱極限共同決定的功率調(diào)整域定義為SH，而由風(fēng)速?zèng)Q定的調(diào)整域定義為SF。同時(shí)，本文定義風(fēng)電機(jī)最大視在功率隨風(fēng)速變化的規(guī)律為：

其中，SDFIG為風(fēng)速V時(shí)風(fēng)電機(jī)的最大視在功率；Sr為風(fēng)電機(jī)的額定視在功率；Vci為切入風(fēng)速；Vr為額定風(fēng)速；V∞為切出風(fēng)速。而有功/無(wú)功功率與視在功率滿足下列關(guān)系：

其中，PDFIG和QDFIG分別為雙饋風(fēng)電機(jī)的輸出有功功率及無(wú)功功率。通過(guò)本文模型，有功和無(wú)功功率可以在調(diào)整域內(nèi)進(jìn)行任意調(diào)整。

2 模型的建立

通過(guò)對(duì)風(fēng)電機(jī)輸出有功/無(wú)功的調(diào)整，本文以電壓穩(wěn)定裕度為目標(biāo)，建立聯(lián)合調(diào)度模型，如下所示。

a.目標(biāo)函數(shù)：

其中，E（λ）和 std（λ）分別為隨機(jī)場(chǎng)景下電壓穩(wěn)定裕度的期望值及標(biāo)準(zhǔn)差；b為權(quán)重系數(shù)，為大于0的常數(shù)。E（λ）表征方法的最優(yōu)性，而std（λ）代表方法的魯棒性。通過(guò)優(yōu)化如式（3）所示的目標(biāo)函數(shù)，能夠獲得既具有較高電壓穩(wěn)定裕度，又具有較高魯棒性的方案。

b.約束條件：

其中，f（U，θ）為系統(tǒng)潮流方程；為節(jié)點(diǎn)注入功率；U和θ分別為節(jié)點(diǎn)電壓幅值和相角；Umax和Umin分別為節(jié)點(diǎn)電壓約束的上、下限；p為特定概率，本文一般取為95%；Pr（·）表示求概率。第2個(gè)約束代表各風(fēng)電機(jī)的輸出功率向量必須處于第1節(jié)定義的功率調(diào)整域當(dāng)中；第3、4個(gè)約束代表節(jié)點(diǎn)電壓幅值的約束。

通過(guò)對(duì)風(fēng)電輸出有功/無(wú)功功率的調(diào)整，本文模型希望能獲得電壓穩(wěn)定裕度更高的運(yùn)行方案，從而保障系統(tǒng)的安全穩(wěn)定運(yùn)行。

3 模型的求解

根據(jù)前文，模型求解的難點(diǎn)主要在于功率調(diào)整域的判斷和機(jī)會(huì)約束的轉(zhuǎn)化。對(duì)于前者，伴隨著風(fēng)速的變化，發(fā)電機(jī)功率調(diào)整域會(huì)發(fā)生較大變化，在不同的風(fēng)速區(qū)間，調(diào)整域由不同的部分組成，因此該調(diào)整域的判斷過(guò)程對(duì)整個(gè)優(yōu)化問(wèn)題的求解效率具有較大影響，在第3.1節(jié)中，本文提出一種調(diào)整域判斷方法。對(duì)于后者，機(jī)會(huì)約束的求解一直都是隨機(jī)最優(yōu)潮流的難點(diǎn)，在第3.2節(jié)中，本文提出一種極限松弛方法，將隨機(jī)最優(yōu)潮流問(wèn)題解耦為普通潮流和隨機(jī)潮流的迭代問(wèn)題。

3.1 風(fēng)電機(jī)輸出功率約束判斷

設(shè)任一風(fēng)電機(jī)的輸出有功/無(wú)功功率為（PDFIG，QDFIG），觀察圖1 可得，的最大值為，而當(dāng)減小時(shí)，若滿足大于等于或時(shí)，，此時(shí)發(fā)電機(jī)調(diào)整域?yàn)?SH∩SF；而當(dāng)繼續(xù)減小，使得小于和時(shí)，此時(shí)SF?SH，發(fā)電機(jī)調(diào)整域?yàn)镾F。風(fēng)電機(jī)輸出功率約束判斷流程可表示為如圖2所示。

3.2 極限松弛方法

設(shè)節(jié)點(diǎn)電壓幅值累積分布函數(shù)定義為 FH（z）=Pr｛U＜zEU｝，EU表示與 U 同維度的全 1 向量，則 U 的p-分位數(shù)集合為：

則式（6）的優(yōu)化問(wèn)題與含機(jī)會(huì)約束的最優(yōu)潮流問(wèn)題等價(jià)：

圖2 風(fēng)電機(jī)功率約束判斷流程圖Fig.2 Flowchart of wind turbine poweroutput constraint judgement

其中，g表示式（3）中目標(biāo)函數(shù)。

因此確定Zp就是需要尋找累積分布函數(shù)的松弛因子a，使得U≤aEU與U∈Zp等價(jià)。但由于U的概率特性未知，確定a的準(zhǔn)確數(shù)值十分困難，本文采用啟發(fā)式的方法，給定松弛因子的初值a0將式（6）轉(zhuǎn)化為確定型優(yōu)化問(wèn)題并求解，然后采用隨機(jī)潮流獲得最優(yōu)運(yùn)行點(diǎn)處的概率特性，利用該特性對(duì)松弛因子進(jìn)行修正。利用兩者的不斷迭代生成序列an以逼近a，進(jìn)而得到隨機(jī)無(wú)功優(yōu)化問(wèn)題的松弛因子向量，使得U≤aEU、Pr（U≤zEU）≥p 和 Ui∈Zp（?i）三者等價(jià)。

設(shè)第k次得到的p-松弛向量為ak（由ak1和ak2組合而成），則確定型優(yōu)化的求解模型如式（7）所示。

其中，S1、S2為松弛變量。式（7）可方便地采用內(nèi)點(diǎn)法求解，其求解過(guò)程如圖3所示。

ak的更新方法如下：

其中，ω為給定的系數(shù)。通過(guò)如式（8）所示的更新方式，可使得其逐漸逼近機(jī)會(huì)約束的可行域邊界，從而將隨機(jī)最優(yōu)潮流問(wèn)題轉(zhuǎn)化為最優(yōu)潮流和隨機(jī)潮流的迭代過(guò)程，保證算法的收斂性和局部最優(yōu)性。

圖3 算法流程圖Fig.3 Flowchart of algorithm

4 算例分析

4.1 算例分析基礎(chǔ)

本文利用IEEE 33節(jié)點(diǎn)系統(tǒng)作為測(cè)試算例，系統(tǒng)結(jié)構(gòu)見圖4。圖4系統(tǒng)電壓等級(jí)為12.66 kV，有功負(fù)荷為3715 kW，無(wú)功負(fù)荷為2300 kvar。假設(shè)各節(jié)點(diǎn)負(fù)荷均服從獨(dú)立正態(tài)分布，期望等于負(fù)荷初始值，標(biāo)準(zhǔn)差為期望值的15%。切入風(fēng)速為5 m/s，額定風(fēng)速和切出風(fēng)速分別為 8 m/s和 20 m/s，Weibull分布參數(shù)分別為2.0和8.5。系數(shù)b設(shè)為1。假設(shè)風(fēng)電機(jī)安裝在節(jié)點(diǎn) 21、11、14、17、24、32，單臺(tái)風(fēng)電機(jī)容量600 kW，kmax=20。

圖4 33節(jié)點(diǎn)配電系統(tǒng)Fig.4 33-bus distribution network

4.2 有功/無(wú)功聯(lián)合調(diào)度結(jié)果分析

4.2.1 優(yōu)化結(jié)果

a.基態(tài)運(yùn)行場(chǎng)景。

在基態(tài)運(yùn)行中，負(fù)荷保持原始負(fù)荷不變，優(yōu)化前后各節(jié)點(diǎn)95%和5%分位數(shù)曲線如圖5所示（圖中節(jié)點(diǎn)電壓為標(biāo)幺值）。為進(jìn)一步分析本文所得方案的魯棒性，優(yōu)化前后所得電壓穩(wěn)定裕度概率密度函數(shù)如圖6所示。

圖5 優(yōu)化前后節(jié)點(diǎn)電壓分位數(shù)Fig.5 Quantiles of nodal voltage，before and after optimization

圖6 優(yōu)化前后電壓穩(wěn)定裕度概率密度函數(shù)Fig.6 Probability density functions of voltage stability margin，before and after optimization

對(duì)比圖5中優(yōu)化前后的曲線，可得如下結(jié)論：第一，優(yōu)化后節(jié)點(diǎn)電壓幅值的機(jī)會(huì)約束得到滿足，這證明了本文極限松弛方法的有效性；第二，優(yōu)化后各節(jié)點(diǎn)的電壓均得到提高，系統(tǒng)的安全穩(wěn)定水平得到保證；第三，節(jié)點(diǎn)電壓的波動(dòng)區(qū)間長(zhǎng)度明顯減小，這體現(xiàn)了本文方法所得方案具有一定的魯棒性。

從圖6可見，優(yōu)化后系統(tǒng)的電壓穩(wěn)定裕度不僅提高，其方差也減小，這表明經(jīng)過(guò)本文方法優(yōu)化后，系統(tǒng)的運(yùn)行風(fēng)險(xiǎn)減小，針對(duì)風(fēng)電機(jī)出力隨機(jī)性亦表現(xiàn)出更強(qiáng)的魯棒性。

b.負(fù)荷增長(zhǎng)場(chǎng)景。

為分析本文方法應(yīng)對(duì)負(fù)荷增長(zhǎng)的能力，分別對(duì)負(fù)荷因子為1.00、1.05、1.10的負(fù)荷場(chǎng)景進(jìn)行計(jì)算，公共連接點(diǎn)（PCC）有功和無(wú)功交換的變化分別如表1所示。

表1 各場(chǎng)景下PCC有功/無(wú)功交換Table 1 Active and reactive power exchanges of PCC for different scenarios

表1中，優(yōu)化后PCC交換的有功/無(wú)功功率均減小。其中，有功交換減少主要原因是網(wǎng)絡(luò)損耗減少，而無(wú)功交換減少主要因?yàn)轱L(fēng)電機(jī)的無(wú)功輸出，優(yōu)化前該功率隨著負(fù)荷增長(zhǎng)不斷增大，這非常不利于配電網(wǎng)的無(wú)功管理，無(wú)功的遠(yuǎn)距離傳輸也會(huì)增加系統(tǒng)的網(wǎng)絡(luò)損耗。而經(jīng)過(guò)本文方法優(yōu)化后，交換無(wú)功功率隨著負(fù)荷的增長(zhǎng)變化不大，這說(shuō)明通過(guò)合理利用風(fēng)電機(jī)的無(wú)功調(diào)節(jié)能力，可以構(gòu)建起更合理的配電網(wǎng)無(wú)功管理體系，同時(shí)也可減少投入系統(tǒng)的無(wú)功補(bǔ)償設(shè)備。

4.2.2 風(fēng)電機(jī)接入位置對(duì)系統(tǒng)影響

本節(jié)重點(diǎn)分析各臺(tái)風(fēng)電機(jī)接入位置不同時(shí)對(duì)系統(tǒng)的影響。第4.1節(jié)中設(shè)定的6臺(tái)風(fēng)電機(jī)接入位置較分散，在本文中稱為分散式接入。本節(jié)設(shè)定風(fēng)電機(jī)接入位置為節(jié)點(diǎn) 12、13、14、15、16、17，稱為集中式接入，2種模式在基態(tài)時(shí)電壓穩(wěn)定裕度的概率密度函數(shù)如圖7所示。

圖7 2種模式下電壓穩(wěn)定裕度概率密度函數(shù)Fig.7 Probability density function of voltage stability margin for two modes

圖7中，集中式接入下系統(tǒng)的電壓穩(wěn)定裕度期望值較低，且標(biāo)準(zhǔn)差大，系統(tǒng)運(yùn)行的安全風(fēng)險(xiǎn)高。這主要是由于風(fēng)電場(chǎng)過(guò)于集中，在局部區(qū)域內(nèi)大量有功功率缺乏無(wú)功支撐，為保持系統(tǒng)穩(wěn)定，大量無(wú)功功率被迫從遠(yuǎn)處傳送至風(fēng)電場(chǎng)區(qū)域內(nèi)，這會(huì)導(dǎo)致系統(tǒng)其他區(qū)域缺乏無(wú)功支撐，直接導(dǎo)致系統(tǒng)的電壓穩(wěn)定裕度大幅度下降。因此在實(shí)際配電網(wǎng)運(yùn)行中，風(fēng)電機(jī)應(yīng)該適當(dāng)?shù)胤稚⒔尤胍詼p小系統(tǒng)的運(yùn)行風(fēng)險(xiǎn)，保障系統(tǒng)安全穩(wěn)定地運(yùn)行。

4.2.3 計(jì)算效率分析

本文所建立模型輸入含機(jī)會(huì)約束的非線性優(yōu)化問(wèn)題，采用通常辦法難以求解，目前主要的求解辦法包括轉(zhuǎn)化法［3］、模擬法［6］、近似法［2］。轉(zhuǎn)化法首先利用隨機(jī)潮流獲得電力系統(tǒng)各狀態(tài)變量的概率分布，并根據(jù)狀態(tài)變量是否違反機(jī)會(huì)約束作為懲罰項(xiàng)，由于該轉(zhuǎn)化過(guò)程沒(méi)有解析表達(dá)式，因此轉(zhuǎn)化法通常只有利用智能算法求解。近似法的思想是通過(guò)少量的確定型優(yōu)化獲得近似的隨機(jī)最優(yōu)潮流問(wèn)題的解。其與轉(zhuǎn)化法的區(qū)別在于：轉(zhuǎn)化法在計(jì)算過(guò)程中將機(jī)會(huì)約束轉(zhuǎn)化為確定型，整個(gè)計(jì)算過(guò)程中僅包含一次確定型優(yōu)化；而近似法則需計(jì)算多次確定型優(yōu)化，最終得到的是目標(biāo)函數(shù)的矩信息。模擬法是采用蒙特卡洛法的思路，利用采樣方法生成輸入變量的樣本，進(jìn)行重復(fù)的確定型優(yōu)化從而獲得較精確的解。其過(guò)程與近似法相似，不同點(diǎn)在于樣本點(diǎn)數(shù)目較多，即N較大，且直接通過(guò)計(jì)算所得序列的矩獲得最優(yōu)解的各階矩而無(wú)需計(jì)算各點(diǎn)權(quán)重。

為體現(xiàn)本文方法的優(yōu)勢(shì)，本文所提出的機(jī)會(huì)約束極限松弛方法與轉(zhuǎn)化法、模擬法和近似法進(jìn)行比較。轉(zhuǎn)化法采用混合蛙跳算法［14-15］SFLA（Shuffled Frog Leaping Algorithm），具體參數(shù)為SFLA參數(shù)：全局迭代次數(shù)100，局部搜索次數(shù)10，種群數(shù)200。模擬法采用擴(kuò)展擬蒙特卡洛模擬法，初始模擬次數(shù)50次，步長(zhǎng)增加50，收斂判據(jù)為方差系數(shù)小于5%。近似法采用常見的三點(diǎn)估計(jì)法。4種方法所得結(jié)果如表2所示，包括所得方案電壓穩(wěn)定裕度期望E（λ）、標(biāo)準(zhǔn)差 std（λ）、迭代次數(shù) Tok及計(jì)算耗時(shí) t。

表2 4種方法所得結(jié)果Table 2 Results by four methods

從表2中數(shù)據(jù)可得，模擬法所得結(jié)果最準(zhǔn)確，但計(jì)算效率較低，一般僅作為參考值提供；近似法計(jì)算效率最高，但容易陷入局部最優(yōu)；本文方法與轉(zhuǎn)化法所得結(jié)果類似，但計(jì)算效率遠(yuǎn)高于轉(zhuǎn)化法。因此綜合比較，本文方法既可保持較高的計(jì)算效率，又可以獲得較優(yōu)的結(jié)果，從而證明本文方法的有效性。

5 結(jié)論

針對(duì)目前風(fēng)電機(jī)無(wú)功調(diào)節(jié)能力考慮不足的缺陷，本文建立考慮風(fēng)電機(jī)無(wú)功調(diào)節(jié)能力的配電網(wǎng)有功無(wú)功2個(gè)調(diào)度模型，對(duì)IEEE 33節(jié)點(diǎn)系統(tǒng)的仿真證明了本文方法的有效性，得到結(jié)論如下：

a.本文方法可同時(shí)提高系統(tǒng)的電壓穩(wěn)定裕度，并減小電壓穩(wěn)定裕度的方差，這表明本文可同時(shí)提升系統(tǒng)的安全性并降低系統(tǒng)的運(yùn)行風(fēng)險(xiǎn)；

b.通過(guò)本文方法優(yōu)化后，PCC的無(wú)功交換大幅降低，這說(shuō)明利用風(fēng)電機(jī)的無(wú)功能力可以構(gòu)建起合理的配電網(wǎng)無(wú)功管理方法；

c.對(duì)風(fēng)電機(jī)集中式接入和分散式接入的研究表明，配電網(wǎng)中的風(fēng)電機(jī)適合分散式接入，這樣可以降低運(yùn)行風(fēng)險(xiǎn)；

d.優(yōu)化后節(jié)點(diǎn)電壓幅值均滿足約束，這說(shuō)明本文提出的解耦法可以有效轉(zhuǎn)化機(jī)會(huì)約束；

e.與其他求解含機(jī)會(huì)約束問(wèn)題的方法相比，本文方法具有收斂速度快、計(jì)算效率高的特點(diǎn)。

［1］THOMAS A.Wind power in power systems［M］.New York，USA：Wiley，2012：310-371.

［2］FANG Sidun，CHENG Haozhong，SONG Yue.Stochastic optimal reactive power dispatch method based on point estimation considering load margin［C］∥Proceedings of 2014 IEEE Power Engineering Society Genera l Meeting.Washington DC，USA：IEEE，2014：2231-2236.

［3］羅毅，多靖赟.基于量子免疫克隆算法的多目標(biāo)無(wú)功優(yōu)化［J］.電力自動(dòng)化設(shè)備，2013，33（9）：31-35.LUO Yi，DUO Jingyun.Multi-objective reactive power optimization based on quantum immune colonial algorithm［J］.Electric Power Automation Equipment，2013，33（9）：31-35.

［4］孫偉偉，付蓉，陳永華.計(jì)及無(wú)功裕度的雙饋風(fēng)電場(chǎng)無(wú)功電壓協(xié)調(diào)控制［J］.電力自動(dòng)化設(shè)備，2014，34（10）：81-85.SUN Weiwei，F(xiàn)U Rong，CHEN Yonghua.Coordinated var and voltage controlofdoubly-fed wind farm considering reactive power margin［J］.Electric Power Automation Equipment，2014，34（10）：81-85.

［5］段建東，楊杉.基于改進(jìn)差分進(jìn)化法的含雙饋型風(fēng)電場(chǎng)的配電網(wǎng)無(wú)功優(yōu)化［J］.電力自動(dòng)化設(shè)備，2013，33（10）：123-127.DUAN Jiandong，YANG Shan.Reactive power optimization based on modified differential evolution algorithm for power distribution system with DFIG wind farms［J］.Electric Power Automation Equipment，2013，33（10）：123-127.

［6］ZOU Bin，XIAO Qing.Solving probabilistic optimal power flow problem using quasi Monte Carlo method and ninth-order polynomial normal transformation［J］.IEEE Trans on Power Systems，2014，29（1）：300-307.

［7］ROCKAFELLAR R T，ROYSET J O.On buffered failure probability in design and optimization of structures［J］.Reliability Engineering and System Safety，2010，95（5）：499-510.

［8］NIEDERREITER H.Quasi-Monte Carlo methods and pseudorandom numbers［J］.Bull Am Math Soc，1978，84（6）：957-1041.

［9］方斯頓，程浩忠，徐國(guó)棟，等.基于非參數(shù)核密度估計(jì)的擴(kuò)展準(zhǔn)蒙特卡洛隨機(jī)潮流方法［J］.電力系統(tǒng)自動(dòng)化，2015，39（7）：21-28.FANG Sidun，CHENG Haozhong，XU Guodong，et al.An extended quasiMonte-Carlo probabilistic load flow method based on non-parametric kernel density estimation［J］.Automation of Electric Power Systems，2015，39（7）：21-28.

［10］陳海焱，段獻(xiàn)忠，陳金富.分布式發(fā)電對(duì)配網(wǎng)靜態(tài)電壓穩(wěn)定性的影響［J］.電網(wǎng)技術(shù)，2006，30（19）：27-30.CHEN Haiyan，DUAN Xianzhong，CHEN Jinfu.Impacts of distributed generation on steady state voltage stability of distribution system［J］.Power System Technology，2006，30（19）：27-30.

［11］CHRISTOPHER S S.Point estimate method addressing correlated wind power for probabilistic optimal power flow［J］.IEEE Trans on Power Systems，2014，29（3）：1045-1055.

［12］EL-SAMAHY I，BHATTACHARYA K.A procurement market model for reactive power services considering system security［J］.IEEE Trans on Power Systems，2008，30（1）：137-149.

［13］FLORIN C.Assessing reactive power reserves with respect to operating constraints and voltage stability［J］.IEEE Trans on Power Systems，2011，26（4）：2224-2234.

［14］陳功貴，李智歡，陳金富.含風(fēng)電場(chǎng)電力系統(tǒng)動(dòng)態(tài)優(yōu)化潮流的蛙跳算法［J］.電力系統(tǒng)自動(dòng)化，2009，33（4）：25-30.CHEN Gonggui，LI Zhihuan，CHEN Jinfu.SFL algorithm based dynamic optimal power flow in wind power integrated system［J］.Automation of Electric Power Systems，2009，33（4）：25-30.

［15］方斯頓，程浩忠，宋越.考慮風(fēng)電相關(guān)性的電力系統(tǒng)隨機(jī)無(wú)功備用優(yōu)化［J］.電力自動(dòng)化設(shè)備，2015，35（11）：1-7.FANG Sidun，CHENG Haozhong，SONG Yue.Stochastic reactive powerreserve dispatch method considering correlated wind power［J］.Electric Power Automation Equipment，2015，35（11）：1-7.