论文部分内容阅读
随着智能电网及其相关技术的推进,分布式电源(Distributed Generation,DG)获得了广泛支持。为了适应分布式电源出力波动性的特点和挑战,传统的配电网正在向具有主动控制能力的主动配电网(Active Distribution Network,ADN)转变。ADN规划将主动管理模式与配电网规划、控制及运行相结合,在DG优化配置阶段,充分考虑通过主动管理控制配电网运行,如何结合ADN的主动管理模式对DG进行优化配置是本文要研究的问题。本文首先对ADN的特性进行详细的分析,并就典型的DG类型进行了介绍以及分析了DG接入对网络造成的影响。研究DG的商业模式,从独立投资商的角度安装DG,结合国家政策机制,分析安装DG投资回收期。然后,基于ADN中各节点负荷最大情况下,研究ADN中DG最大准入容量的问题,以确保ADN在安全稳定运行的前提下,能够更多地消纳DG。其次,为了全面考虑负荷与DG出力的波动特性,引入负荷与DG出力的时间持续特性。本文所考虑的时间持续特性,是以小时为基准,负荷和DG出力各小时的平均值与最大值的比值随时间变动的特性作为其时间序列持续特性,本文所考虑的时间持续特性没有考虑相邻时段的过渡过程,各时段之间相互独立。基于不同天气状况,统计分析了春夏秋冬阴晴雨12个典型日下24小时的负荷及DG的时间持续特性。并且考虑了不同负荷种类的分时电价机制来反映ADN需求侧管理。从主动配电网运营商的角度,结合主动管理的特点,建立了以主动配电网运营商的年收益最大为上层目标函数和DG有功出力切除量最小为下层目标函数的双层优化模型。针对上述模型,提出改进的自适应多粒子群混合算法和原对偶内点算法相结合的方法分别对上下两层规划模型进行求解。在上层规划中,首先初始化多个粒子,配置DG的地址和容量,然后在下层规划中,根据配置的DG地址与容量,结合春夏秋冬阴晴雨12个典型日,以DG有功出力切除量最小为目标函数,运用原对偶内点算法求解,将求解结果返回到上层,根据12个典型日的权重,计算主动配电网运营商的年收益,比较不同粒子的适应度值,利用改进的自适应多粒子群混合算法得到新的粒子。通过多次迭代,最终得到最优粒子,即为ADN中DG的最优配置结果。最后将上述规划方案应用于ADN中DG优化配置算例中,选出最优方案,并将方案结果与不考虑主动管理模式的DG优化配置以及不考虑时间持续特性的DG优化配置方案进行对比分析本文所采用方案的优势。