劉 洪, 王 博, 葛少云, 鄭 楠, 郭 力

(智能電網(wǎng)教育部重點實驗室(天津大學), 天津市 300072)

計及分布式電源滲透率變化的變電站動態(tài)擴展規(guī)劃

劉 洪, 王 博, 葛少云, 鄭 楠, 郭 力

(智能電網(wǎng)教育部重點實驗室(天津大學), 天津市 300072)

針對規(guī)劃區(qū)域在不同發(fā)展階段分布式電源(DG)滲透率由低到高變化場景下的源網(wǎng)荷協(xié)調(diào)匹配問題,提出了一種有源配電網(wǎng)變電站動態(tài)擴展規(guī)劃方法。首先,考慮變電站滾動投入效應及規(guī)劃期內(nèi)剩余價值差異,建立了一種計及DG滲透率的變電站動態(tài)擴展規(guī)劃模型。其次,考慮負載均衡度和DG置信容量對變電站供電范圍劃分的影響,提出了加權(quán)Voronoi圖算法的罰函數(shù)、凹凸性和方向性改進方法。然后,提出了基于遺傳算法和啟發(fā)式算法的有源配電網(wǎng)變電站動態(tài)擴展規(guī)劃求解方法,得到有源配電網(wǎng)變電站建設順序。最后,通過實例說明了所述方法的科學性和實用性。

滲透率; 動態(tài)擴展規(guī)劃; 改進加權(quán)Voronoi圖; 遺傳算法; 啟發(fā)式算法

0 引言

變電站規(guī)劃問題可以分為旨在滿足規(guī)劃目標年的負荷需求的靜態(tài)規(guī)劃和旨在滿足各發(fā)展階段持續(xù)增長的負荷需求的動態(tài)擴展規(guī)劃[1]。根據(jù)國內(nèi)外先進的規(guī)劃理念,應當首先實現(xiàn)遠景目標年的電網(wǎng)靜態(tài)規(guī)劃,進而結(jié)合電網(wǎng)現(xiàn)狀逐步實現(xiàn)近中期中間年的電網(wǎng)動態(tài)擴展規(guī)劃[2]。結(jié)合這一規(guī)劃思路,本文以負荷飽和年作為遠景目標年,并基于目標年變電站選址定容結(jié)果,針對中間年變電站動態(tài)擴展規(guī)劃(SDEP)開展研究。該問題在時間軸上涉及了多個時間節(jié)點,各時間節(jié)點的規(guī)劃結(jié)果之間也存在著較大的關聯(lián)性,復雜程度較高。

目前,SDEP方面的研究還相對較少,在負荷發(fā)展預測與在時間尺度上化簡問題等方面也缺少完備的解決方案。文獻[3-5]提出了用于SDEP問題的混合整數(shù)線性規(guī)劃模型,將非線性公式有效線性化,并用商業(yè)求解器解決混合整數(shù)線性規(guī)劃模型。文獻[6]給出了解決SDEP的遺傳算法,通過區(qū)分短、長期規(guī)劃,使用遺傳算法根據(jù)動態(tài)策略解決變電站多階段規(guī)劃問題。文獻[7-9]提出了混合啟發(fā)式和學習自動機算法,利用靜態(tài)和動態(tài)規(guī)劃對變電站進行選址、定容和定時。上述文獻提出的SDEP模型以整個規(guī)劃期投資最小為目標函數(shù),忽略了規(guī)劃期結(jié)束時變電站的剩余價值,經(jīng)濟性計算不夠精確;模型求解法側(cè)重于求取變電站建設時序,對變電站供電范圍的處理較粗糙,無法保證變電站負載均衡性。

近年來,越來越多的可再生能源作為分布式電源(DG)接入配電網(wǎng),DG供應負荷的能力逐步提升。但由于其波動特性,DG對傳統(tǒng)配電網(wǎng)負荷需求產(chǎn)生的影響比較復雜,現(xiàn)階段變電站擴展規(guī)劃需重點解決這一問題。目前,有少數(shù)變電站規(guī)劃考慮了DG的影響,文獻[10]利用DG的時序特性修正負荷的時序需求并考慮負荷與DG的不確定性設置容量裕度系數(shù),進而建立了變電站時序容量約束,其中利用系數(shù)處理負荷與DG不確定性的方式較為粗糙;文獻[11]利用基于可靠性的DG置信容量評估得到了等效的負荷需求減少量,進而更新了變電站容量約束,但該方法側(cè)重分析在時間層面DG的電源替代特性對負荷需求產(chǎn)生的影響,忽略了在空間上負荷需求變化對變電站供電范圍的影響。

針對以上問題,本文提出了計及變電站滾動投入效應及規(guī)劃期內(nèi)剩余價值差異的經(jīng)濟性計算方法,并建立了計及DG滲透率的SDEP模型;提出了加權(quán)Voronoi圖算法的罰函數(shù)、凹凸性和方向性改進方法,以獲取滿足模型約束的變電站供電范圍;然后,提出了基于遺傳算法和啟發(fā)式算法的有源配電網(wǎng)SDEP求解方法,得到有源配電網(wǎng)變電站建設順序;最后,通過實際算例對比分析,說明了本文方法的科學性和實用性。

1 考慮DG的SDEP模型

1.1 目標函數(shù)

目標年變電站規(guī)劃根據(jù)飽和負荷年的負荷需求確定變電站站址站容,即得到變壓器的最終狀態(tài)。本文SDEP是基于目標年變電站規(guī)劃結(jié)果優(yōu)化中間年變電站投建和擴容時間。為滿足飽和負荷年的負荷需求,所有變壓器都應完成建設,因此,變電站投建和擴容時間將不影響飽和負荷年以后變電站的經(jīng)濟性。由于變壓器存在固定使用年限,變電站內(nèi)變壓器將循環(huán)更迭滾動投入。變壓器首次投建時間不同,則其在規(guī)劃期結(jié)束時的剩余壽命不同,即剩余價值不同[12]。經(jīng)濟學認為,如果固定資產(chǎn)可繼續(xù)使用,可將剩余價值作為另一個方案。因此,中間年變電站規(guī)劃方案投資成本應為規(guī)劃周期內(nèi)的等效投資成本,即應減去變壓器規(guī)劃期結(jié)束后的剩余價值。

minC=Cstation+Cfeeder+CCQ

(1)

(2)

(3)

(4)

其中,定義DG滲透率M為:

(5)

式中:PL為負荷最大值;PDG為DG置信容量,本文應用文獻[13]與文獻[14]的光伏與風機時序模型,并采用文獻[15]基于可靠性準則及考慮負荷特性的DG置信容量評估方法得到DG置信容量評估結(jié)果。

1.2 約束條件

傳統(tǒng)的變電站規(guī)劃中,根據(jù)N-1原則確定變電站的負載率,進而建立負荷與變電站負載能力間的不等式約束(容量約束)[16];根據(jù)電壓等級和負荷密度建立變電站供電半徑約束[17]?？紤]DG接入配電網(wǎng)后,光伏、風機等承擔一部分負荷,網(wǎng)供負荷需求降低;加入DG的局部區(qū)域負荷密度等效降低,在該方向的變電站供電半徑增加。因此,本文考慮DG的影響建立新的容量和供電半徑約束。具體約束條件如下。

1)變電站建設順序約束

(6)

2)變電站容量約束

(7)

3)變電站網(wǎng)供負荷均衡

i=1,2,…,N,t=1,2,…,T

(8)

式中:max(Ei,t)/min(Ei,t)為在第t階段變電站網(wǎng)供負荷均衡度;Ei,t為第t階段變電站i的網(wǎng)供負載率。

4)變電站供電半徑約束

li,j≤Ri,tψi,t,j

(9)

式中:Ri,t為第t個階段變電站i傳統(tǒng)配電網(wǎng)中的供電半徑限制;ψi,t,j為第t個階段變電站i考慮DG后在負荷點j方向的半徑變化因數(shù),影響負荷點j的DG置信容量越大,ψi,t,j取值越大,具體計算如下。

ψi,t,j=

(10)

(11)

式中:Gi,t為第t個階段向變電站i供電的DG集合;Si,t,g和Ri,t,g分別為第t個階段向變電站i供電的DG節(jié)點g的裝機容量與等效供電半徑;li,g為變電站i與DG節(jié)點g的距離;ρi,t為第t個階段變電站i供電范圍內(nèi)的負荷密度。

5)變電站供電范圍不交叉

(12)

式中:ηi,t,j為用于判斷第t個階段負荷點j是否由變電站i供電的二進制變量,1表示是,0表示否;δi,t,g為用于判斷第t個階段DG節(jié)點g是否向變電站i供電的二進制變量,1表示是,0表示否。

具體的模型求解框架如附錄A圖A1所示。

2 加權(quán)Voronoi圖的定義及改進

1.2節(jié)中第2至第5個約束條件均需要在變電站供電范圍劃分時進行限制和判斷。本文采用加權(quán)Voronoi圖算法劃分變電站供電范圍,并在傳統(tǒng)加權(quán)Voronoi圖的基礎上進行改進以達到約束條件的要求。

2.1 傳統(tǒng)加權(quán)Voronoi圖

加權(quán)Voronoi圖是常規(guī)Voronoi圖的擴展[18],定義加權(quán)Voronoi圖如下。

假設Q={q1,q2,…,qn},3≤n<∞為平面歐氏空間上的一個點集,點qi的權(quán)值ωi(i=1,2,…,n)為n個正整數(shù),那么圍繞n個點將平面空間做一個分割,劃分至控制點qi的空間V(qi,ωi)具有以下性質(zhì):

V(qi,ωi)={x∈V(qi,ωi)|ωid(x,qi)≤

ωjd(x,qj)，j=1,2,…,n,j≠i}

(13)

式中:d(x,qi)和d(x,qj)分別表示平面上的一點x與qi和qj間的歐氏距離,其中,qi≠qj,i≠j;ωid(x,qi)為點x與qi的加權(quán)距離。

以N個變電站作為N個控制點,加權(quán)Voronoi圖將把規(guī)劃區(qū)域劃分為N個Voronoi區(qū)域,區(qū)域V(qi,ωi)即為變電站的供電范圍。變電站容量Si越大,變電站已供負荷量Pi越小,則變電站權(quán)值ωi減小以降低負荷點到變電站i的加權(quán)距離,進而擴大變電站供電范圍。因此變電站權(quán)值ωi定義如下:

(14)

式中:τ為衰減系數(shù)。

2.2 加權(quán)Voronoi圖的罰函數(shù)改進

由于不同區(qū)塊負荷增長情況不同,規(guī)劃期的某個階段可能出現(xiàn)一些區(qū)塊負荷密度遠低于其他區(qū)塊的情況。加權(quán)Voronoi圖劃分供電范圍時,向低負荷密度區(qū)供電的變電站將被賦予極小的權(quán)值以得到較大的供電范圍。

假設變電站A與B之間距離為a,負荷點O在AB連線的延長線上,OA的距離為OA,OB的距離為OB,且OA>OB。若變電站A與B權(quán)值ωA和ωB相差很大,則可能出現(xiàn)加權(quán)距離ωAOA>ωBOB的情況,即變電站A與B的供電范圍邊界發(fā)生交叉。因此,變電站的權(quán)值應適當加重供電距離對供電范圍的影響。

文獻[19]從變電站已有供電距離影響剩余供電能力的角度提出了變權(quán)重,加重供電距離對供電范圍的影響,避免變電站負載率和供電半徑越限。但該改進側(cè)重各變電站自身供電半徑限制,無法有效改善供電半徑較大時供電范圍交叉的情況。為解決這一問題,本文提出了加權(quán)Voronoi圖的罰函數(shù)改進,在達到一定供電距離后,增大變電站的權(quán)值,有效避免變電站供電范圍交叉,具體權(quán)值公式如下。

(15)

2.3 加權(quán)Voronoi圖的凹凸性改進

加權(quán)Voronoi圖的權(quán)值反映負荷分布不均勻、各站額定負載率和供電半徑對變電站供電范圍的影響[20]。加權(quán)Voronoi圖劃分供電范圍是一個不斷迭代的過程,通過反復調(diào)整變電站的權(quán)值來得到滿足約束條件的供電范圍。變電站的權(quán)值控制變電站供電范圍邊界線的移動,邊界線較小的移動也可能導致多個負荷點所屬變電站發(fā)生變化。因此,變電站權(quán)值的控制精度能夠滿足變電站負載率要求卻很難滿足變電站網(wǎng)供負荷均衡這一約束。

為解決這一問題,本文提出了加權(quán)Voronoi圖的凹凸性改進。在加權(quán)Voronoi圖迭代滿足變電站負載率約束后,重新判斷兩個相鄰變電站間邊界負荷點的歸屬問題。將網(wǎng)供負載率較高的分區(qū)邊界上的負荷從大到小排序,依次判斷是否需轉(zhuǎn)移至臨近的網(wǎng)供負載率較低的分區(qū)以滿足負荷均衡的約束。

2.4 加權(quán)Voronoi圖的方向性改進

DG接入配電網(wǎng)后,分擔了配電網(wǎng)部分負荷, DG供電區(qū)域的網(wǎng)供負荷需求降低,為保障供電經(jīng)濟性,變電站供電半徑應在DG供電區(qū)域方向相應增加[20]。因此,各變電站的權(quán)值計算如下:

(16)

3 基于遺傳算法和啟發(fā)式算法的有源配電網(wǎng)SDEP

3.1 遺傳算法編碼

遺傳算法中,染色體使用二進制編碼并根據(jù)變電站變壓器個數(shù)提出兩種不同編碼方式來表示變電站投建和擴容的階段。變電站在目標年有兩個變壓器則采用兩位二進制編碼:00表示第一階段投建;01表示第二階段投建;10表示第三階段投建;11表示第四階段投建。變電站在目標年有三個變壓器,則采用四位二進制編碼,四位中僅有一位為1表示投建和擴容在同一階段完成,其中,0001表示第一階段投建和擴容;四位中僅有兩位為1表示在前面階段投建,后面階段擴容,其中,0101表示第一階段投建、第三階段擴容。這種編碼方式保證建設順序相近個體的編碼類似,有利于局部尋優(yōu)[21]。

上述編碼方式將很大程度降低交叉和變異操作后不可行解出現(xiàn)的概率。

3.2 基于遺傳算法和啟發(fā)式算法的求解流程

本文基于遺傳算法和啟發(fā)式算法進行有源配電網(wǎng)SDEP,首先利用遺傳算法得到不計及DG的SDEP結(jié)果;之后計及 DG的影響,提出啟發(fā)式算法,結(jié)合目標年變電站規(guī)劃結(jié)果(計及DG和不計及DG的目標年站址站容均為已知條件)和不計及DG的SDEP結(jié)果,綜合分析得到計及DG的SDEP結(jié)果。具體流程如下。

步驟1:本文將規(guī)劃分為四個階段,首先初始化變電站建設順序種群。

步驟2:不考慮DG,利用改進加權(quán)Voronoi圖算法對種群中的個體進行供電范圍劃分并刪除不滿足約束的個體。

步驟3:不考慮DG,以目標函數(shù)的倒數(shù)建立適應度函數(shù),根據(jù)精英策略保留精英個體,利用輪盤賭進行選擇,以交叉概率pc和變異概率pm對種群進行多點交叉及變異,最終生成新種群。當達到最大迭代次數(shù)時結(jié)束尋優(yōu),輸出最小費用和最優(yōu)個體。

步驟4:建立計及DG和不計及DG的目標年變電站規(guī)劃結(jié)果的變電站對應關系。例如,計及DG的目標年規(guī)劃結(jié)果中變電站8的站址和不計及DG的結(jié)果中變電站4的站址的距離最近,則建立對應關系4-8。

步驟5:根據(jù)步驟3得到不計及DG時,由目標年回推至初始規(guī)劃年變電站的削減順序,結(jié)合步驟4得到的變電站對應關系生成計及DG時,由目標年回推至初始規(guī)劃年變電站的削減順序。

步驟6:由目標年依次前推,每個中間規(guī)劃階段均按照變電站削減順序進行減容減站,利用改進加權(quán)Voronoi圖算法劃分供電范圍判斷是否滿足約束,若滿足約束,則接受對此變電站的處理;

步驟7:重復步驟6直至所有階段規(guī)劃完成。

4 算例對比

4.1 基本情況

本算例選用某占地面積63.08 km2的區(qū)域,根據(jù)用地規(guī)劃將其分為368個小區(qū)進行空間負荷預測,規(guī)劃期為20年,其負荷飽和年總負荷為744.5 MW,功率因數(shù)為0.9。規(guī)劃區(qū)域預測目標年光伏發(fā)電額定容量為250.5 MW,風機發(fā)電額定容量為126.5 MW。按照規(guī)劃區(qū)負荷發(fā)展程度將其分為老城區(qū)、第1年投建的新城區(qū)和第10年投建的新城區(qū)。負荷特性分為居民、商業(yè)和工業(yè)三種。

368個負荷點的位置、負荷量、DG類型和DG裝機容量參見文獻[17],規(guī)劃區(qū)發(fā)展類型和負荷特性附錄A圖A2。不同發(fā)展類型區(qū)域的負荷增長情況如附錄A圖A3所示。不計及DG與計及DG的目標年變電站站址站容結(jié)果見附錄A表A1。

4.2 不計及DG的SDEP結(jié)果

根據(jù)3.2節(jié)求解流程可知,不計及DG的SDEP結(jié)果是計及DG的SDEP的基礎,因此,本節(jié)首先不計及DG的影響,利用遺傳算法進行配電網(wǎng)SDEP仿真,得到各階段變電站建設狀態(tài)以及變電站供電范圍,具體如圖1所示。圖中,小實心圓表示光伏,大實心圓表示變電站,小空心圓表示負荷點,實心三角形表示風機,(x,y)表示平面上點的位置。

圖1 不計及DG的SDEP各階段變電站供電范圍Fig.1 Substation power supply range of different stages in SDEP without considering DG

遺傳算法在80代左右收斂,不計及DG的SDEP在規(guī)劃期投資終值為78 913萬元。目標年共有8個變電站,裝機容量為1 090 MVA,其中,變電站1和變電站2為已有變電站。由圖1可知,第一階段將建設3×50 MVA的變電站5,此階段共有3個變電站;第二階段將建設2×50 MVA的變電站4和2×40 MVA的變電站6,此階段共有5個變電站;第三階段將建設3×50 MVA的變電站7和3×40 MVA的變電站8,擴容變電站4為3×50 MVA、變電站6為3×40 MVA,此階段共有7個變電站;第四階段將建設2×50 MVA的變電站3,完成所有變電站的建設。

4.3 不計及DG規(guī)劃方案的DG容量價值

4.2節(jié)中圖1展示了不計及DG的規(guī)劃方案,變電站的供電范圍劃分只考慮了負荷與變電站的關系。實際上,DG根據(jù)已劃分的供電范圍及DG位置可確定所屬變電站,并發(fā)揮其容量價值。因此,本節(jié)對DG在圖1方案下的容量價值進行評估,具體各階段變電站裝機容量、DG置信容量、DG滲透率、容載比和負載率差值結(jié)果如表1所示。

表1 不計及DG的SDEP結(jié)果Table 1 SDEP results without considering DG

由表1可知,在這4個規(guī)劃階段,DG的置信容量由3.13 MW增加至49.73 MW,DG滲透率也由1.33%提升至6.68%;DG分擔部分負荷,變電站容載比相對于自然負荷下的容載比有所提高。

4.4 計及DG的SDEP結(jié)果

本節(jié)根據(jù)計及DG和不計及DG的目標年變電站站址站容結(jié)果建立變電站對應關系為:1-1,2-2,3-3,4-4,4-8,5-5,6-6,7-7。結(jié)合4.2節(jié)得到的結(jié)果,利用啟發(fā)式算法進行計及DG的SDEP。各階段變電站建設狀態(tài)及供電范圍如圖2所示。圖中,小實心圓表示光伏,大實心圓表示變電站,小空心圓表示負荷點,實心三角形表示風機。

圖2 計及DG的SDEP各階段變電站供電范圍Fig.2 Substation power supply range of different stages in SDEP considering DG

計及DG的SDEP在規(guī)劃期投資終值為49 492萬元。目標年共有7個變電站,裝機容量為970 MVA,其中,變電站1和變電站2為已有變電站。由圖2可知,第一階段將建設3×50 MVA的變電站5,此階段共有3個變電站;第二階段將建設3×50 MVA的變電站6,此階段共有4個變電站;第三階段將建設3×50 MVA的變電站4,2×50 MVA的變電站3和2×40 MVA的變電站7,此階段共有7個變電站;第四階段將擴容變電站7為3×40 MVA,完成所有變電站的建設。通過圖1和圖2對比分析可知,計及DG置信容量進行規(guī)劃將減少或延緩變電站建設,因此,和4.2節(jié)相比,本節(jié)變電站投資終值降低了37.28%。

4.5 計及DG規(guī)劃方案的DG容量價值

4.4節(jié)中圖2展示了計及DG的規(guī)劃方案,變電站的供電范圍劃分考慮了負荷、DG與變電站的關系。本節(jié)對DG在圖2方案下的容量價值進行評估,具體各階段變電站裝機容量、DG置信容量、DG滲透率、容載比和負載率差值結(jié)果如表2所示。

表2 計及DG的SDEP結(jié)果Table 2 SDEP results considering DG

由表2可知,有源配電網(wǎng)的4個規(guī)劃階段,DG的置信容量由4.64 MW增加至68.36 MW,DG滲透率由1.97%提升至9.18%。

通過表1和表2對比可知,在計及DG置信容量的規(guī)劃中,第一階段變電站裝機容量不變,容載比提升至1.95;第二階段變電站裝機容量降低30 MVA,容載比降至1.86;第三階段變電站裝機容量降低60 MVA,容載比降至1.85;第四階段變電站裝機容量降低120 MVA,容載比降至1.43。綜上,隨著DG滲透率的提高,DG分擔負荷的比例越來越高,變電站裝機容量減少量越來越大,變電站容載比也隨變電站裝機容量的減少而降低,避免了變電站容量的冗余,保證了變電站建設的經(jīng)濟性。因此,SDEP考慮DG的影響會使規(guī)劃方案更加合理。

另一方面,在計及DG置信容量的規(guī)劃中,第一階段DG的置信容量提升了48.24%;第二階段DG的置信容量提升了26.54%;第三階段DG的置信容量提升了47.16%;第四階段DG的置信容量提升了37.46%。此外,變電站在各階段的網(wǎng)供負荷均衡度均有所改善。因此,變電站供電范圍考慮DG的影響會提升DG置信容量并使各變電站網(wǎng)供負荷更加均衡。

4.6 方向性改進的效果

DG滲透率越高加權(quán)Voronoi圖方向性改進的效果越明顯。為具體說明計及DG置信容量后方向性改進的效果,選定DG滲透率最高的第四階段,對各變電站的半徑變化因數(shù)Ψi,4,j(1.000 0～1.569 2)進行展示,如圖3所示。圖中,小實心圓表示負荷點,大實心圓表示變電站,大空心圓表示光伏,空心三角形表示風機。

圖3 半徑變化因數(shù)示意圖Fig.3 Schematic diagram of radius change factor

由負荷點顏色可知,在DG越聚集的方向,半徑變化因數(shù)越大,本文提出的加權(quán)Voronoi圖方向性改進能較好地反映DG對變電站供電范圍的影響。

5 結(jié)語

本文以DG置信容量與負荷峰值的比值為DG滲透率并提出了一種計及DG的SDEP方法。與不計及DG的SDEP相比,隨著變電站DG滲透率的提高,DG置信容量對變電站裝機容量的影響越來越大。

在變電站建設上,充分計及各階段DG替代特性,減少或延緩了變電站投資,降低了變電站投資終值,保證了變電站建設經(jīng)濟性。在變電站供電范圍劃分上,提出了加權(quán)Voronoi圖罰函數(shù)和凹凸性改進,保證了滿足約束的供電范圍劃分;充分計及DG置信容量空間上的影響,提出了加權(quán)Voronoi圖方向性改進,使變電站的供電范圍更加合理,均衡變電站網(wǎng)供負荷的同時提升了DG置信容量。

未來在有源配電網(wǎng)SDEP中還可考慮柔性負荷影響、概率性容量充裕度等問題。

附錄見本刊網(wǎng)絡版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] FRANCO J F, RIDER M J, ROMERO R. Robust multi-stage substation expansion planning considering stochastic demand[J]. IEEE Trans on Power Systems, 2016, 31(3): 2125-2134.

[2] GONEN T. Electric power distribution systems engineering[M]. New York, NY, USA: McGraw-Hill, 1986.

[3] JALALI M, ZARE K, HAGH M T. A multi-stage MINLP-based model for sub-transmission system expansion planning considering the placement of DG units[J]. International Journal of Electrical Power & Energy Systems, 2014, 63: 8-16.

[4] JALALI M, ZARE K, HAGH M T. Dynamic expansion planning of sub-transmission substation and defining the associate service area[J]. Electric Power Systems Research, 2014, 116: 218-230.

[5] NAJAFI S, HOSSEINIAN S H, ABEDI M, et al. A framework for optimal planning in large distribution networks[J]. IEEE Trans on Power Systems, 2009, 24(2): 1019-1028.

[6] HAGHIFAM M R, SHAHABI M. Optimal location and sizing of HV/MV substations in uncertainty load environment using genetic algorithms[J]. Electric Power Systems Research, 2002, 63: 37-50.

[7] MAZHARI S M, MONSEF H, ROMERO R. A hybrid heuristic and evolutionary algorithm for distribution substation planning[J]. IEEE Systems Journal, 2015, 9(4): 1396-1408.

[8] RAVADANEGH S N, ROSHANAGH R G. On optimal electric power distribution networks expansion planning[J]. International Journal of Electrical Power & Energy Systems, 2014, 54: 487-497.

[9] RAVADANEGH S N, ROSHANAGH R G. A heuristic algorithm for optimal multistage sizing, siting and timing of MV distribution substations[J]. Electric Power Systems Research, 2013, 105: 134-141.

[10] 李振坤,岳美,胡榮,等.計及分布式電源與可平移負荷的變電站優(yōu)化規(guī)劃[J].中國電機工程學報,2016,36(18):4883-4893.

LI Zhenkun, YUE Mei, HU Rong, et al. Optimal planning of substation considering distributed generation and shiftable loads[J]. Proceedings of the CSEE, 2016, 36(18): 4883-4893.

[11] 葛少云,王世舉,路志英,等.基于分布式電源置信容量評估的變電站規(guī)劃方法[J].電力系統(tǒng)自動化,2015,39(19):61-67.DOI:10.7500/AEPS20141202007.

GE Shaoyun, WANG Shiju, LU Zhiying, et al. Substation optimization planning method based on capacity credit evaluation of distributed generator[J]. Automation of Electric Power Systems, 2015, 39(19): 61-67. DOI: 10.7500/AEPS20141202007.

[12] 林仁文,楊熠.中國的資本存量與投資效率[J].數(shù)量經(jīng)濟技術經(jīng)濟研究,2013(9):72-88.

LIN Renwen, YANG Yi. A new estimate of China’s capital stock[J]. The Journal of Quantitative & Technical Economics, 2013(9): 72-88.

[13] PARK J, WU L, CHOI J, et al. A probabilistic reliability evaluation of a power system including solar/photovoltaic cell generator[C]// IEEE Power and Energy Society General Meeting, July 26-30, 2009, Calgary, Canada: 3849-3854.

[14] 方鑫,郭強,張東霞,等.考慮天氣不確定性的光伏電站置信容量評估[J].電力系統(tǒng)自動化,2012,36(10):27-32.

FANG Xin, GUO Qiang, ZHANG Dongxia, et al. Capacity credit evaluation of grid-connected photovoltaic generation considering weather uncertainty[J]. Automation of Electric Power Systems, 2012, 36(10): 27-32.

[15] 王世舉.考慮供電能力提升和分布式電源接入的變電站優(yōu)化規(guī)劃[D].天津:天津大學,2015.

[16] 蘇海鋒,張建華,梁志瑞,等.基于全壽命周期成本的配電網(wǎng)變電站選址定容優(yōu)化規(guī)劃[J].電力系統(tǒng)自動化,2012,36(23):59-64.

SU Haifeng, ZHANG Jianhua, LIANG Zhirui, et al. Substation locating and sizing optimization planning based on life cycle cost[J]. Automation of Electric Power Systems, 2012, 36(23): 59-64.

[17] GONZALEZ-SOTRES L, MATEO-DOMINGO C, SANCHEZ-MIRALLES A, et al. Large-scale MV/LV transformer substation planning considering network costs and flexible area decomposition[J]. IEEE Trans on Power Delivery, 2013, 28(4): 2245-2253.

[18] 路志英,葛少云,王成山.基于粒子群優(yōu)化的加權(quán)伏羅諾伊圖變電站規(guī)劃[J].中國電機工程學報,2009,29(16):35-41.

LU Zhiying, GE Shaoyun, WANG Chengshan. Substation location planning of the weighted Voronoi diagram based on particle swarm optimization algorithm[J]. Proceedings of the CSEE, 2009, 29(16): 35-41.

[19] 曹昉,孟琦斌,苗培青,等.基于改進加權(quán)Voronoi圖和遺傳算法的變電站規(guī)劃[J].電網(wǎng)技術,2015,39(2):511-516.

CAO Fang, MENG Qibin, MIAO Peiqing, et al. Optimal substation planning based on improved weighted Voronoi diagram and genetic algorithm[J]. Power System Technology, 2015, 39(2): 511-516.

[20] 劉洪,王博,李梅菊,等.基于改進加權(quán)Voronoi圖算法的有源配電網(wǎng)變電站規(guī)劃[J].電力系統(tǒng)自動化,2017,41(13):45-52.DOI:10.7500/AEPS20160927009.

LIU Hong, WANG Bo, LI Meiju, et al. Substation planning of active distribution network based on improved weighted Voronoi diagram method[J]. Automation of Electric Power Systems, 2017, 41(13): 45-52. DOI: 10.7500/AEPS20160927009.

[21] 熊雄,葉林,楊仁剛.電力需求側(cè)規(guī)模儲能容量優(yōu)化和經(jīng)濟性分析[J].電力系統(tǒng)自動化,2015,39(17):42-48.DOI:10.7500/AEPS20131212005.

XIONG Xiong, YE Lin, YANG Rengang. Optimal allocation and economic benefits analysis of energy storage system on power demand side[J]. Automation of Electric Power Systems, 2015, 39(17): 42-48. DOI: 10.7500/AEPS20131212005.

DynamicExpansionPlanningforSubstationConsideringVariationofDistributedGeneratorPermeability

LIUHong,WANGBo,GEShaoyun,ZHENGNan,GUOLi

(Key Laboratory of Smart Grid of Ministry of Education (Tianjin University), Tianjin 300072, China)

Aiming at the problem of coordination of source, network and load in planning area where the permeability of distributed generator varies from low to high at different stages of development, a dynamic expansion planning method for substation with distributed generator penetration is proposed. Firstly, considering the rolling input effect and the residual value difference of substation during the planning period, a dynamic expansion planning model for substation with distributed generator permeability is established. Secondly, considering load balance and the influence of distributed generator capacity on the power supply division of substation, the penalty function, convexity and direction improvement methods of weighted Voronoi diagram algorithm are achieved. Thirdly, the substation dynamic expansion planning method of active distribution network based on genetic algorithm and heuristic algorithm is proposed, and the construction sequence of active distribution network substation is obtained. Finally, an example is given to illustrate the scientific and practicality of the method.

This work is supported by National Key Research and Development Program of China (No. 2016YFB0900401) and National Natural Science Foundation of China (No. 51477116).

permeability; dynamic expansion planning; improved weighted Voronoi diagram; genetic algorithm; heuristic algorithm

2017-06-15;

2017-07-17。

上網(wǎng)日期: 2017-09-19。

國家重點研發(fā)計劃資助項目(2016YFB0900401);國家自然科學基金資助項目(51477116)。

劉 洪(1979—),男,博士,副教授,主要研究方向:城市智能電網(wǎng)及綜合能源系統(tǒng)規(guī)劃與評估。E-mail： liuhong@tju.edu.cn

王 博(1993—),女,通信作者,碩士研究生,主要研究方向:城市智能電網(wǎng)規(guī)劃評估。E-mail: dianwuwb@tju.edu.cn

葛少云(1964—),男,教授,博士生導師,主要研究方向:城市電網(wǎng)規(guī)劃和配電系統(tǒng)自動化等。E-mail: syge@tju.edu.cn

(編輯萬志超)