朱 勇 陶用偉 李澤群 何 靜 王常沛 石祖昌

（貴州電網(wǎng)有限責(zé)任公司凱里供電局 凱里 556000）

1 引言

配電網(wǎng)重構(gòu)的含義是當(dāng)配電網(wǎng)在正常運(yùn)行或故障運(yùn)行時(shí)，利用網(wǎng)絡(luò)中分段開關(guān)、聯(lián)絡(luò)開關(guān)狀態(tài)的改變使配電網(wǎng)的拓?fù)浣Y(jié)構(gòu)隨之變化，從而使配電網(wǎng)運(yùn)行狀態(tài)為最優(yōu)的一種網(wǎng)絡(luò)運(yùn)行方式［1］。

目前，國內(nèi)外學(xué)者對(duì)含有分布式電源的配電網(wǎng)重構(gòu)已進(jìn)行了大量的研究。對(duì)于配電網(wǎng)重構(gòu)模型的建立，主要采用基于概率的場(chǎng)景分析法［2］、同步回代縮減法［3］等，而對(duì)于分布式電源和負(fù)荷的不確定性描述，可采用區(qū)間數(shù)法［4］、多狀態(tài)理論［5］等，且重構(gòu)模型中的各參數(shù)采用期望值［6］表示。在求解含分布式電源的配電網(wǎng)重構(gòu)時(shí)，可采用改進(jìn)的二進(jìn)制量子粒子群算法［7］、遺傳算法［8］等。雖然不同程度地考慮了分布式電源和負(fù)荷的不確定性，但在實(shí)際情況中，分布式電源不僅有不確定性，同時(shí)分布式電源和負(fù)荷間還存在一定的相關(guān)性。

針對(duì)以上文獻(xiàn)的不足，本文引入機(jī)會(huì)約束規(guī)劃模型，以配電網(wǎng)有功網(wǎng)損滿足一定置信水平的悲觀值為目標(biāo)，以節(jié)點(diǎn)電壓和支路功率不越線概率為約束條件，基于等概率轉(zhuǎn)換原則和Cholesky解提出了風(fēng)速、光照強(qiáng)度和負(fù)荷相關(guān)隨機(jī)樣本抽樣方法，由此建立了同時(shí)考慮風(fēng)速、光照和負(fù)荷的不確定性和相關(guān)性的配電網(wǎng)重構(gòu)模型。

2 相關(guān)性隨機(jī)模型

2.1 風(fēng)力發(fā)電輸出功率的隨機(jī)分布模型

風(fēng)力發(fā)電的輸出功率取決于當(dāng)前時(shí)刻的風(fēng)速大小，而風(fēng)速主要受氣象因素的影響，目前，大部分研究一般認(rèn)為風(fēng)速服從weibull分布［9］。其概率密度函數(shù)以及概率分布函數(shù)表達(dá)式如下：

式中，v為風(fēng)速；c、k分別為威布爾分布的尺度參數(shù)和形狀參數(shù)。當(dāng)已知風(fēng)速后，風(fēng)力發(fā)電的輸出功率可由下式近似求得：

式中，Pr為風(fēng)力發(fā)電的額定有功輸出功率；vci、vr、vco分別風(fēng)力發(fā)電的切入風(fēng)速、額定風(fēng)速、切出風(fēng)速。其中：

2.2 光伏電源輸出功率的隨機(jī)分布模型

光伏電源主要依賴于太陽能電池，其輸出功率隨光照強(qiáng)度的變化而變化［10］。定義標(biāo)準(zhǔn)化光照強(qiáng)度H為實(shí)際光照強(qiáng)度r與最大光照強(qiáng)度rmax的比值，即

據(jù)統(tǒng)計(jì)，在一定時(shí)段內(nèi)標(biāo)準(zhǔn)化光照強(qiáng)度H可近似看做服從Beta分布［11］。其概率密度函數(shù)以及累積分布函數(shù)表達(dá)式如下：

式中，Γ為Gamma函數(shù)；α、β為Beta分布的形狀參數(shù)。已知光照強(qiáng)度后，其輸出功率可由下式近似求得［12］：

式中，A為光伏陣列的總面積；η為光伏電池的轉(zhuǎn)換效率。

2.3 負(fù)荷的隨機(jī)模型

配電網(wǎng)中的負(fù)荷具有不確定性，一般認(rèn)為負(fù)荷服從正態(tài)分布。此時(shí)，對(duì)于節(jié)點(diǎn)i，其有功功率PL的概率密度函數(shù)為

式中，μP、σP分別為負(fù)荷有功功率的期望和標(biāo)準(zhǔn)差；QL為負(fù)荷的無功功率；φ為負(fù)荷的功率因數(shù)角。

2.4 相關(guān)隨機(jī)樣本抽樣

假定風(fēng)速、光照強(qiáng)度、負(fù)荷采用隨機(jī)變量Xi表示，服從的累積分布函數(shù)用FXi表示。根據(jù)等概率轉(zhuǎn)換原則［13］，可將隨機(jī)變量 Xi轉(zhuǎn)換為服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)變量Yi。即

當(dāng)已知隨機(jī)變量序列{Yi}時(shí)，則可通過下式的逆變換得到原始的風(fēng)速、光照強(qiáng)度、負(fù)荷序列{Xi}，即

式中，φ(Yi)為Yi的標(biāo)準(zhǔn)正態(tài)累積分布函數(shù)，為累積分布函數(shù)FXi的逆函數(shù)。因此，結(jié)合相關(guān)系數(shù)定義和以上轉(zhuǎn)換關(guān)系可得轉(zhuǎn)換前后的相關(guān)系數(shù)的函數(shù)關(guān)系［14］為

式中，σi、σj分別為隨機(jī)變量 Xi、Xj的標(biāo)準(zhǔn)差，μi、μj分別為隨機(jī)變量 Xi、Xj的均值。 φρY(i,j)表示相關(guān)系數(shù)為ρy(i,j)的標(biāo)準(zhǔn)二元正態(tài)分布的概率密度函數(shù)。

由式（13）可看出，風(fēng)速、光照強(qiáng)度、負(fù)荷任意兩者間的相關(guān)系數(shù)ρx(i,j)為變換后隨機(jī)變量Yi和Yj間相關(guān)系數(shù) ρy(i,j)的復(fù)雜非線性函數(shù)，一定精度下可采用二分法由 ρx(i,j)求解得 ρy(i,j)。同時(shí)，由于Yi服從標(biāo)準(zhǔn)正態(tài)分布，因此其協(xié)方差矩陣CY與相關(guān)系數(shù)矩陣相等。由此，產(chǎn)生具有相關(guān)性的風(fēng)速、光照強(qiáng)度和負(fù)荷樣本數(shù)據(jù)的步驟如下：

步驟一：根據(jù)原始隨機(jī)變量分布模型、相關(guān)參數(shù)信息和相關(guān)系數(shù)由式（13）求解得變換后隨機(jī)變量協(xié)方差矩陣CY中的每個(gè)元素。

步驟二：對(duì)協(xié)方差矩陣CY進(jìn)行Cholesky分解［15］，使得CY=LLT，得到下三角矩陣 L 。

步驟三：產(chǎn)生n維相互獨(dú)立的標(biāo)準(zhǔn)正態(tài)分布隨機(jī)向量W。

步驟四：利用矩陣 L對(duì)W進(jìn)行變換，使Y=LWT，得到具有相關(guān)性的正態(tài)分布向量Y，該向量滿足協(xié)方差矩陣為CY。

步驟五：對(duì)Y中每維向量分別進(jìn)行逆變換，計(jì)算出X中對(duì)應(yīng)的各元素，得到的X中每維向量即為服從不同指定分布同時(shí)具有給定相關(guān)系數(shù)ρx(i,j)的風(fēng)速、光照強(qiáng)度、負(fù)荷樣本。

3 配電網(wǎng)重構(gòu)的數(shù)學(xué)模型

風(fēng)力發(fā)電和光伏電源并網(wǎng)后，一方面會(huì)引起配電網(wǎng)的潮流發(fā)生改變［16］，另一方面風(fēng)力發(fā)電和光伏電源輸出功率的不確定性增大了配電網(wǎng)重構(gòu)問題的求解難度［17］，傳統(tǒng)的配電網(wǎng)重構(gòu)模型不再適用于含風(fēng)力發(fā)電和光伏電源的配電網(wǎng)。

3.1 目標(biāo)函數(shù)

以滿足一定置信水平α的有功網(wǎng)損悲觀值最小為目標(biāo)函數(shù)，其表達(dá)式為

式中，N為總支路數(shù)；ki為開關(guān)狀態(tài)變量；ri為支路i的電阻；Pi、Qi分別為支路i流過的有功功率和無功功率；Vi為支路i的末端節(jié)點(diǎn)電壓。

3.2 約束條件

在進(jìn)行配電網(wǎng)重構(gòu)過程中，還需滿足以下約束條件：

1）潮流約束

式中，Pi、Qi分別為節(jié)點(diǎn)i的注入有功功率和無功功率；Vi為節(jié)點(diǎn)i的電壓幅值；Gij、Bij和 θij分別為節(jié)點(diǎn)i、j之間的電導(dǎo)、電納和電壓相角差。

2）節(jié)點(diǎn)電壓約束

式中，Vimin和Vimax分別為節(jié)點(diǎn)i的電壓上、下限值；βV為節(jié)點(diǎn)電壓需滿足的置信水平。

3）支路容量約束

式中，Sj，Sjmax分別為支路 j的視在功率和最大視在功率；βS為支路功率需滿足的置信水平。

4）拓?fù)浣Y(jié)構(gòu)約束

配電網(wǎng)運(yùn)行時(shí)必須保持輻射狀，且網(wǎng)絡(luò)中不存在孤島和環(huán)網(wǎng)［18］。

3.3 隨機(jī)潮流

蒙特卡洛模擬法［19］具有原理簡(jiǎn)單，可考慮輸入隨機(jī)變量相關(guān)性和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變化以及精度高等優(yōu)點(diǎn)，因此本文基于風(fēng)速、光照強(qiáng)度和負(fù)荷間的相關(guān)模型，結(jié)合蒙特卡洛模擬給出了考慮風(fēng)速、光照強(qiáng)度和負(fù)荷相關(guān)性的隨機(jī)潮流方法，其計(jì)算步驟如下：

步驟一：輸入網(wǎng)絡(luò)的相關(guān)運(yùn)行參數(shù)，風(fēng)速、光照強(qiáng)度、負(fù)荷概率分布模型的相關(guān)參數(shù)信息，設(shè)定最大采樣規(guī)模為N，初始迭代次數(shù)k=0。

步驟二：由上一節(jié)的相關(guān)性分析方法產(chǎn)生具有相關(guān)性的N組風(fēng)速、光照強(qiáng)度、負(fù)荷隨機(jī)樣本，根據(jù)光照強(qiáng)度和風(fēng)速的隨機(jī)樣本利用相應(yīng)的輸出功率模型計(jì)算風(fēng)力發(fā)電和光伏電源輸出的有功功率和無功功率，進(jìn)而得到配電網(wǎng)的N運(yùn)行狀態(tài)。

步驟三：基于配電網(wǎng)前推回代潮流計(jì)算方法，對(duì)配電網(wǎng)進(jìn)行第k次確定性潮流計(jì)算，并保留本次潮流計(jì)算結(jié)果，其中k＜N。

步驟四：判斷隨機(jī)潮流是否滿足收斂條件，若不滿足，令k=k+1，返回上一步，進(jìn)行確定性潮流計(jì)算；若滿足，直接進(jìn)入下一步驟。本文采用的收斂判據(jù)為有功網(wǎng)損的方差系數(shù)。

步驟五：統(tǒng)計(jì)各次潮流計(jì)算結(jié)果，采用非參數(shù)核密度估計(jì)法擬合得到配電網(wǎng)各節(jié)點(diǎn)電壓、有功網(wǎng)損的概率分布，繪制概率密度曲線。

4 考慮相關(guān)性的配電網(wǎng)重構(gòu)算法

4.1 整數(shù)粒子群優(yōu)化算法

粒子群優(yōu)化算法由Kennedy和Eberhart教授于1995年首次提出［20］，是受鳥群覓食行為啟發(fā)，該算法的優(yōu)點(diǎn)在于易理解，簡(jiǎn)單，收斂速度快等。傳統(tǒng)的基本粒子群算法中，每個(gè)粒子代表問題的一個(gè)解，對(duì)應(yīng)一個(gè)適應(yīng)值，即目標(biāo)函數(shù)值。假設(shè)粒子為D維，第i個(gè)粒子的位置 Xi為[xi1,xi1,…,xiD]，對(duì)應(yīng)飛行速度Vi為[vi1,vi1,…,viD]，產(chǎn)生的個(gè)體最優(yōu)位置 Pi,best為［pi1，pi2，…，piD］，全局最優(yōu)位置 Pg,best為[Pg1,Pg2,...,PgD]，迭代過程中，粒子根據(jù)當(dāng)前的速度、全局最優(yōu)解以及粒子歷史最優(yōu)解進(jìn)行狀態(tài)更新，從而得到新的飛行速度和位置。其更新過程按下式進(jìn)行：

式中，w為慣性權(quán)重；vi為第i個(gè)粒子的速度；c1、c2為學(xué)習(xí)因子；r1和r2為區(qū)間［0，1］內(nèi)的隨機(jī)數(shù)；xi為第i個(gè)粒子的位置；pi,best為第i個(gè)粒子的個(gè)體最優(yōu)值；pg,best為全局最優(yōu)值。

在配電網(wǎng)重構(gòu)過程中，粒子的位置應(yīng)為整數(shù)值，而在傳統(tǒng)的基本粒子群算法中粒子的位置向量Xi為連續(xù)空間內(nèi)的值，因此，本文在實(shí)現(xiàn)整數(shù)粒子群算法的迭代過程中，將位置向量Xi進(jìn)行截?cái)嗳≌財(cái)嘁?guī)則為：當(dāng)位置向量Xi中某維元素值小于1時(shí)，則該元素取為1；當(dāng)位置向量 Xi中某維元素值大于該環(huán)路中開關(guān)位置最大編碼時(shí)，則該元素取環(huán)路中開關(guān)位置最大編碼值；當(dāng)處于兩者間時(shí)，則該元素取最接近的開關(guān)位置編碼值。同時(shí)在粒子群中引入自適應(yīng)調(diào)整的慣性權(quán)重，如下式：

式中，wmax，wmin分別為慣性權(quán)重的最大值和最小值；k為粒子當(dāng)前迭代次數(shù)；kmax為粒子最大迭代次數(shù)。

4.2 配電網(wǎng)重構(gòu)過程中無效解的判斷修復(fù)

本文采用基于基本環(huán)路的整數(shù)編碼規(guī)則［21］，選取包含支路數(shù)最少的閉合回路作為基本環(huán)路，將開關(guān)所在基本環(huán)路中的位置編號(hào)作為粒子編碼。將解環(huán)效果相同的支路合并為等效支路組進(jìn)行編號(hào)，根據(jù)斷開開關(guān)所屬等效支路組建立斷開支路組向量M ，通過M 判斷該粒子是否為有效解［22］：

式中，N為獨(dú)立環(huán)路數(shù)，與聯(lián)絡(luò)開關(guān)個(gè)數(shù)相同；mi為環(huán)路i中斷開開關(guān)對(duì)應(yīng)的支路組編號(hào)。

4.3 重構(gòu)算法

考慮風(fēng)速、光照強(qiáng)度和負(fù)荷多維隨機(jī)變量之間的相關(guān)性的配電網(wǎng)重構(gòu)算法步驟如下，流程圖如圖1所示。

圖1 考慮相關(guān)性的配電網(wǎng)重構(gòu)流程圖

1）輸入配電網(wǎng)的初始網(wǎng)絡(luò)結(jié)構(gòu)，各支路阻抗，采用具有相關(guān)性的風(fēng)速、光照強(qiáng)度和負(fù)荷隨機(jī)樣本數(shù)據(jù)，并得到對(duì)應(yīng)的風(fēng)力發(fā)電和光伏電源輸出有功功率和無功功率。

2）隨機(jī)初始化粒子種群，設(shè)置算法參數(shù)、最大迭代次數(shù)為Gmax，初始迭代次數(shù)g=1。

3）基于斷開支路組向量依次判斷粒子的可行性，并對(duì)無效解進(jìn)行修復(fù)；根據(jù)蒙特卡洛隨機(jī)潮流算法計(jì)算粒子的適應(yīng)度值，得到粒子的歷史最優(yōu)位置、全局最優(yōu)位置。

4）判斷是否達(dá)到最大迭代次數(shù)，若未達(dá)到，令g=g+1，根據(jù)迭代公式對(duì)粒子的速度和位置進(jìn)行更新，返回第3）步繼續(xù)迭代；若已達(dá)最大迭代次數(shù)Gmax，則輸出配電網(wǎng)重構(gòu)結(jié)果。

5 算例分析

5.1 測(cè)試網(wǎng)絡(luò)及數(shù)據(jù)

采用IEEE-33節(jié)點(diǎn)配電系統(tǒng)［23］為例對(duì)本文算法進(jìn)行驗(yàn)證，并分析不同相關(guān)程度對(duì)配電網(wǎng)重構(gòu)的影響，IEEE-33節(jié)點(diǎn)配電系統(tǒng)結(jié)構(gòu)如圖2所示。該系統(tǒng)含有33個(gè)節(jié)點(diǎn)，37條支路，5個(gè)聯(lián)絡(luò)開關(guān)，額定電壓為12.66kV，網(wǎng)絡(luò)總負(fù)荷為3715kW+j2300kvar。假設(shè)在節(jié)點(diǎn)24接入一臺(tái)額定功率為500kW的風(fēng)力發(fā)電機(jī)，其切入風(fēng)速、額定風(fēng)速、切出風(fēng)速分別為3m/s、13m/s、25m/s；在節(jié)點(diǎn)32接入一個(gè)光伏電源，該光伏電源包含4個(gè)光伏陣列，光伏陣列采用Pilkington SFM144H*250wp型太陽能電池組件［24］，每個(gè)光伏陣列組件個(gè)數(shù)為400個(gè)，單個(gè)組件面積為2.16m2，光電轉(zhuǎn)換效率為13.44%。風(fēng)速服從形狀參數(shù)k和尺度參數(shù)c分別為1.83和9.93的威布爾分布，光照強(qiáng)度服從分布參數(shù)α和β分別為2.06和2.5的貝塔分布。風(fēng)力發(fā)電機(jī)和光伏電源采用恒功率因數(shù)控制，額定功率因數(shù)均為0.9。各節(jié)點(diǎn)負(fù)荷以其期望值為均值，取標(biāo)準(zhǔn)差為10%。

圖2 IEEE-33節(jié)點(diǎn)配電系統(tǒng)

5.2 考慮相關(guān)性的隨機(jī)潮流分析

表1為不同情形下的配電網(wǎng)的有功網(wǎng)損和標(biāo)準(zhǔn)差，其中情形1為不含風(fēng)力發(fā)電和光伏電源，只考慮負(fù)荷的不確定性；情形2～情形7為含風(fēng)力發(fā)電和光伏電源，考慮風(fēng)速、光照強(qiáng)度、負(fù)荷間相關(guān)系數(shù)分別為0、0.2、0.4、0.6、0.8、1。

表1 不同情形下的配電網(wǎng)有功網(wǎng)損

首先，將含有風(fēng)力發(fā)電和光伏電源的情形2～7與不含風(fēng)力發(fā)電和光伏電源的情形1對(duì)比，配電網(wǎng)的有功網(wǎng)損期望值、90%置信度的有功網(wǎng)損悲觀值均明顯降低，說明分布式電源的接入能夠改善系統(tǒng)的潮流分布，減小配電網(wǎng)的有功網(wǎng)損，從而使系統(tǒng)能夠更加經(jīng)濟(jì)的運(yùn)行；其次，對(duì)比情形2～7，有功網(wǎng)損的期望值隨相關(guān)系數(shù)的增大略有下降，但并不明顯，情形7與情形2相比，有功網(wǎng)損期望值減小了2.6078kW，但是隨著相關(guān)系數(shù)的增大，有功網(wǎng)損在90%置信度下的有功網(wǎng)損悲觀值均明顯降低，情形7與情形2相比，降低了33.2414kW；最后，對(duì)比情形2～7，隨著相關(guān)系數(shù)的增大，有功網(wǎng)損的標(biāo)準(zhǔn)差也明顯減小，情形7與情形2相比，有功網(wǎng)損標(biāo)準(zhǔn)差降低了20.9806kW，高達(dá)51.1%。由此可見，配電網(wǎng)的有功網(wǎng)損隨風(fēng)速、光照強(qiáng)度和負(fù)荷的相關(guān)程度的變化而變化，因此，在對(duì)配電網(wǎng)進(jìn)行潮流分析時(shí)不能忽略其影響。

圖3給出了情形2～7的配電網(wǎng)有功網(wǎng)損的概率密度曲線，可得出以下結(jié)論：隨著相關(guān)系數(shù)的增大，配電網(wǎng)的有功網(wǎng)損分布更加集中，波動(dòng)減小。

圖3 有功網(wǎng)損概率密度曲線

圖4 和圖5分別為情形1～7的各節(jié)點(diǎn)電壓幅值的均值和標(biāo)準(zhǔn)差曲線。由圖4和圖5可知：風(fēng)力發(fā)電和光伏電源接入配電網(wǎng)后，各節(jié)點(diǎn)電壓幅值的期望值均得到了明顯的提高，表明分布式電源的接入能夠有效改善各節(jié)點(diǎn)的電壓水平；隨著相關(guān)系數(shù)的增大，各節(jié)點(diǎn)電壓的標(biāo)準(zhǔn)差逐漸減小，即電壓波動(dòng)減小。

圖4 各節(jié)點(diǎn)電壓幅值均值曲線

圖5 各節(jié)點(diǎn)電壓幅值標(biāo)準(zhǔn)差曲線

圖6為情形2～7節(jié)點(diǎn)18電壓幅值的概率密度曲線。分析圖6可得到如下結(jié)論：隨著相關(guān)系數(shù)的增大，節(jié)點(diǎn)18的電壓幅值分布更為集中，即波動(dòng)性減小，這與前述結(jié)論一致；在低電壓段和高電壓段時(shí)，隨著相關(guān)系數(shù)的增大，節(jié)點(diǎn)的越線概率減小。

圖6 節(jié)點(diǎn)18的電壓概率密度曲線

5.3 考慮相關(guān)性的重構(gòu)結(jié)果分析

基于以上的隨機(jī)潮流分析，設(shè)置最大迭代次數(shù)為50次，種群數(shù)量為50，目標(biāo)函數(shù)有功網(wǎng)損的置信水平α=0.9，節(jié)點(diǎn)電壓置信水平βV與支路功率置信水平 βS一致，即取 β=βV=βS=0.9，對(duì)IEEE-33節(jié)點(diǎn)配電系統(tǒng)進(jìn)行重構(gòu)。

表2為情形2～7重構(gòu)前后90%置信水平下有功網(wǎng)損悲觀值的結(jié)果對(duì)比。由表2可知，通過重構(gòu)，90%置信水平下的有功網(wǎng)損悲觀值均得到明顯降低，說明通過配電網(wǎng)重構(gòu)可有效改善系統(tǒng)潮流分布，減小配電網(wǎng)的有功網(wǎng)損，使配電網(wǎng)能夠更加經(jīng)濟(jì)地運(yùn)行。

表2 重構(gòu)前后結(jié)果對(duì)比

表3為情形2～7配電網(wǎng)的重構(gòu)結(jié)果。由表3可知，相關(guān)程度的強(qiáng)弱會(huì)引起配電網(wǎng)重構(gòu)結(jié)果發(fā)生變化，情形2～情形4（相關(guān)系數(shù)分別為0、0.2、0.4）斷開開關(guān)均為7、14、9、36、28；情形5和情形6（相關(guān)系數(shù)分別為0.6、0.8）斷開開關(guān)為7、14、9、32、37；情形7（相關(guān)系數(shù)為1）斷開開關(guān)為7、14、9、36、37；這主要是因?yàn)殡S著相關(guān)系數(shù)增大，電壓越線概率逐漸減小，因此，在對(duì)含有風(fēng)力發(fā)電和光伏發(fā)電的配電網(wǎng)進(jìn)行重構(gòu)時(shí)，忽略風(fēng)速、光照和負(fù)荷相關(guān)性會(huì)給重構(gòu)結(jié)果造成誤差。

表3 配電網(wǎng)重構(gòu)結(jié)果

6 結(jié)語

本文基于等概率原則和Cholesky分解提出了風(fēng)速、光照強(qiáng)度和負(fù)荷的相關(guān)隨機(jī)樣本抽樣方法，采用蒙特卡洛模擬法計(jì)算配電網(wǎng)的隨機(jī)潮流，并引入機(jī)會(huì)約束規(guī)劃理論建立了配電網(wǎng)重構(gòu)的數(shù)學(xué)模型。算例結(jié)果表明，風(fēng)速、光照強(qiáng)度和負(fù)荷相關(guān)性強(qiáng)弱會(huì)對(duì)配電網(wǎng)的潮流結(jié)果和重構(gòu)方案產(chǎn)生影響。因此，在對(duì)含風(fēng)力發(fā)電和光伏電源的配電網(wǎng)進(jìn)行潮流計(jì)算和重構(gòu)時(shí)，不能忽略風(fēng)速、光照強(qiáng)度和負(fù)荷間的相關(guān)性，否則會(huì)對(duì)隨機(jī)潮流結(jié)果和重構(gòu)方案造成誤差。