基于随机潮流的含电动汽车配电网内分布式电源规划

D O I :１０．７５００/AE P S ２０１３１２３１０１２基于随机潮流的含电动汽车配电网内分布式电源规划李振坤１,田㊀源１,董成明２,符㊀杨１,张静炜２(１．上海电力学院电气工程学院,上海市２０００９０;２．国网浙江省电力公司嘉兴供电公司,浙江省嘉兴市３１４０００)摘要:随着分布式电源(D G )和电动汽车的大量发展,对接入配电网的电动汽车与D G 进行协同研究具有重要意义.文中以协调配电公司㊁D G 投资商和公共社会三者之间利益为出发点,综合考虑了配电公司的运行费用㊁D G 投资商的投资费用,以及D G 的环境效益和电动汽车入网(V ２G )所节省的电网投资等社会效益,建立了基于机会约束规划的含V ２G 配电网中D G 优化规划的数学模型,采用基于混合编码的改进自适应遗传算法对该模型进行了求解.在优化计算过程中充分考虑了负荷预测值的不确定性㊁风电源的输出功率的随机性以及电动汽车充放电功率的不确定性,提出了电动汽车充放电对系统最大功率影响的数学模型,并采用基于半不变量法的随机潮流算法对规划模型中的约束条件进行了检验.最后,以某实际配电网系统为仿真算例,在不同置信水平约束下对该系统内D G 分别进行了优化规划,验证了文中所建数学模型及相应求解算法的有效性.关键词:配电网;电动汽车入网;分布式电源;随机潮流;机会约束规划;改进遗传算法收稿日期:２０１３Ｇ１２Ｇ３１;修回日期:２０１４Ｇ０８Ｇ０４.上海绿色能源并网工程技术研究中心资助项目(１３D Z ２２５１９００).０㊀引言电动汽车(E V )使用电力来代替传统的石油对汽车进行驱动,能够缓解能源紧张的趋势,减少温室气体的排放,正得到迅速发展.而大规模电动汽车充放电势必会对配电网的结构㊁运行产生巨大的影响.近年来,风力㊁光伏㊁储能电站㊁微型燃气轮机等分布式电源(D G )以清洁㊁可再生㊁高效等特点受到广泛关注,作为集中式发电的有效补充,D G 接入配电网也已成为必然趋势.综合考虑电动汽车的影响因素,对配电网内D G 进行优化规划,对配电网的经济㊁安全运行具有重要意义.国内外针对电动汽车对配电网的影响及D G 的优化规划都进行了深入研究.目前针对电动汽车对配电网影响的研究主要包括以下内容:①随着电动汽车数量的增加,目前电网的容量能否满足负荷的需求以及备用容量的优化配置[１Ｇ２];②电动汽车储能及辅助服务的研究[３Ｇ５];③电动汽车对配电网的负荷特性㊁电能质量㊁损耗㊁三相不平衡等内容的影响[６Ｇ８].针对D G 对配电网影响的研究主要包括:D G 在配电网中的优化规划㊁D G 对配电网的运行特性的影响及对保护及自动化设备的影响等[９Ｇ１７].现有关D G 规划的很多文献都假设其出力恒定不变,利用确定性潮流来优化计算[９Ｇ１１],没有考虑D G 出力的不确定性,但这与实际情况不符,尤其对风机㊁光伏等不可控的随机性发电电源,其中文献[１１]考虑了负荷与D G 的时序特性,使得规划方案更切合实际情况,但仍然难以充分考虑D G 出力的随机性.文献[１２Ｇ１３]采用了蒙特卡洛方法对配电网中的随机因素进行模拟,但计算量过大.文献[１４]考虑了自然资源和负荷的随机性,依据概率密度函数分别对不可控D G 和负荷建立了多状态模型,进而获得了配电系统的多状态模型,相对蒙特卡洛随机模拟算法有效简化了计算工作量.文献[１５]在规划过程中考虑了D G 对网损的影响,但是缺乏对电压质量的考虑.文献[１６]利用随机潮流算法较好地考虑了D G 的随机特性,对D G 对配电网电压质量的影响进行了评估分析.电动汽车入网(V ２G )对电网负荷影响较大,需要综合考虑电动汽车和D G 的共同影响,以有效弥补两者分别接入配电网产生的不良影响,文献[１７]研究了V ２G 对含有大量D G 配电网的稳定性支撑作用,得出了V ２G 的大量应用有利于D G 接入的结论.文献[１８]运用机会约束规划对D G 进行了选址定容研究,运用蒙特卡洛方法进行不确定因素模拟,且考虑了电动汽车,但将所有电动汽车统一视为可入网电动汽车,模型处理较为简单.本文在电动汽车对配电网负荷影响分析的基础上,对配电网内D G 的优化规划进行了研究.首先将电动汽车分为两类:一类作为普通电动汽车,只进行随机充电而不对电网放电;另一类作为可接受电网调度的可充电与放电的电动汽车.基于上述分０６ 第３８卷㊀第１６期２０１４年８月２５日V o l ．３８㊀N o ．１６A u g．２５,２０１４类,建立了电动汽车对电网负荷影响的数学模型;然后在此基础上对含有V２G配电网内D G的优化规划进行了研究,建立了D G随机规划的数学模型,并采用混合编码的改进自适应遗传算法进行了求解,利用随机潮流的计算结果对约束条件进行了检验.１㊀规划过程中不确定性因素的模拟１．１㊀电动汽车功率的不确定性及其对电网负荷影响１)电动汽车输入输出功率的不确定性电动汽车大量发展后,可根据是否参加电网调度分为两类:一类是只充电不放电的纯用电负荷;另一类是注册参加电网调度的电动汽车,即根据该类参加经济调度的电动汽车的电池充放电特性,在系统用电高峰时段将电池存储的电能释放到系统中,以缓解高峰负荷,在用电低谷时段将电池作为负荷吸收电能,以作为一种较经济的分布式储能.V２G 可与风电和太阳能发电这些间歇性电源有效互补,缓和间歇性电源对电力系统安全运行的影响.２)电动汽车充放电对电网最大负荷的影响基于上述电动汽车分类,本文对电动汽车对系统最大负荷的影响进行了分析,计算公式如下:P V＝P v１－P v２＝N v(１－α)P i nλ１－N vαP o u tλ２(１)式中:P V为所有电动汽车一共增加的负荷;P v１为不参加调度的电动汽车在高峰时由于随机充电所消耗的功率;P v２为注册参加调度的电动汽车在高峰时段对电网的放电功率;N v为电动汽车总数量;α为注册参加调度的电动汽车占总电动汽车数量的比例;P i n和P o u t分别为单台电动汽车充电和放电的额定功率;λ１和λ２分别为不参加调度电动汽车充电时的同时率和参加调度电动汽车在负荷高峰时的入网放电可用率.电动汽车充电时即为一种负荷,而负荷同时率是电网规划中的一个重要参数,由于电动汽车负荷与常规负荷的用电特性不同,同时率也可能不同,真实数据需根据电动汽车大量发展后由统计数据统计得到.同理,注册参加调度电动汽车在负荷高峰时并非１００％都能向系统放电,如有些汽车可能在负荷高峰时荷电状态(S O C)较低,有些汽车可能因正在行驶中等各种原因不能向系统放电.因此,本文采用λ１和λ２分别描述电动汽车的用电同时率及入网放电可用率.从上述模型可以看出,注册参加调度的电动汽车比例α越高,对系统最大负荷的增加越小,当全部电动汽车均参与电网调度即α＝１００％时,还可有效降低系统最大负荷,且降低值随着电动汽车在负荷高峰时的调度可用率λ２的增大而越加明显.文献[５]通过仿真表明,电动汽车在充放电时的输入输出功率近似服从正态分布,因此,P v１和P v２的概率分布为P v１~N(μv１,σ２v１),P v２~N(μv２,σ２v２).１．２㊀风电机组出力的不确定性１)风电源输出功率模型风电出力随着风速变化而不断变化,基于大量风速统计数据可以看出,其基本服从威布尔分布: f(v)＝(k c)(v c)k－１e x p(－v c)k(２)式中:v为风速;c和k分别为威布尔分布的尺度参数和形状参数.如图１所示,当风速分布已知后,就可以通过风电源输出功率P WT与风速v的近似关系,得到其输出功率的随机分布.图１㊀风电源输出功率曲线F i g．１㊀C u r v e o fw i n d g e n e r a t i o no u t p u t p o w e rP WT＝０㊀㊀㊀㊀㊀vɤv c ik１v＋k２v c i＜vɤv rP N v r＜vɤv c o０v c o＜vìîíïïïï(３)式中:k１＝P N/(v r－v c i);k２＝－k１v c i;P N为风机额定功率;v r为额定风速;v c i为切入风速;v c o为切出风速.根据历史统计数据,中国东部区域风速大部分时间维持在v c i与v r之间,风机输出功率与v近似呈一次函数关系.２)D G的年发电量考虑D G类型为风电源,上文已对风电源输出功率的不确定性进行了处理,现主要在此基础上求取风电源的年发电量.按前所述可求得风速的分布函数为:F(v)＝１－e x p－v cæèçöø÷kæèçöø÷(４)单台D G的年发电量E为:E＝８７６０F c P N(５)式中:F c为D G的容量系数,定义为D G平均输出功率P a与额定功率P N之比,可根据风速分布函数及风机功率曲线计算得到.１．３㊀未来负荷的不确定性影响电力负荷增长的因素众多,未来负荷难以精确预测.假设某区域在规划基准年的最大负荷为P∗L,这是已知的确定值,经过预测在规划期内该区１６学术研究 ㊀李振坤,等㊀基于随机潮流的含电动汽车配电网内分布式电源规划域负荷增加ΔP L ,由于预测误差的存在,ΔP L 为一随机变量值,且其服从正态分布ΔP L ~N (μ,σ２),这样该区域的负荷将变为P L i ＝P ∗L ＋ΔP L ,仍服从正态分布,这一点在长期的实践中得到了验证.２㊀基于机会约束规划的数学模型２．１㊀机会约束规划若某一优化问题的约束条件中含有随机变量,优化决策时仅明确该变量的随机分布,并不确定其具体数值,这时利用机会约束规划(C C P )可以很好地解决这一问题[１８].本文考虑了配电网内负荷㊁D G 和电动汽车的不确定性,基于C C P 建立了含V ２G 配电网中D G 随机优化规划的数学模型.２．２㊀目标函数本文优化目标以协调配电公司㊁D G 投资商和公共社会三者之间利益为出发点,综合考虑了配电公司的运行费用㊁D G 投资商的投资费用,以及D G 的环境效益和V ２G 所节约的发输电系统建设成本等社会效益.在该数学模型中,充分考虑了负荷预测值的不确定性㊁风电源的输出功率特点,以及电动汽车充放电功率的不确定性,基于随机潮流计算了电网运行损耗的期望值.优化目标函数如下:㊀㊀m i n f ＝m i n (r ０(１＋r ０)T ０(１＋r ０)T ０－１B i n v (x )＋B l o s s (x )－B c o o (x ))B i n v (x )＝ðN D G w ＝１CD G P D G w x D G w B l o s s (x )＝p ðl m ＝１τm P －l o s s m (x )B c o o (x )＝γðN D G w ＝１E w ＋λðP V ２G ìîíïïïïïïïïïïïïïï(６)式中:r ０为贴现率;T ０为投资回报年限;B i n v (x )为D G 投资费用;B l o s s (x )为配电网运行损耗费用;B c o o (x )为由V ２G 节省的装机容量费用和D G 的环境效益之和;N D G 为配电网中可以安装D G 的节点总数;P D G w 为节点w 处D G 的安装容量;C D G 为D G 的单位容量费用;x D G w 表示节点w 是否安装D G ;p 为单位电价;l 为配电网支路数;τm 为各支路年最大负荷损耗小时数;P －l o s s m (x )为第m 条支路的网损期望值;γ为D G 的发电环境效益;E w 为节点w 处D G 的年发电量;P V ２G 为注册参加调度的电动汽车在系统最大负荷时可向电网输出的功率.２．３㊀机会约束条件由于该数学模型中考虑了众多不确定因素,因此,本文基于随机潮流进行潮流检验,以功率平衡约束㊁D G 准入容量限制㊁节点电压水平和支路功率限制为约束条件.１)有功无功潮流约束㊀P i －V i ðnj ＝１V j (G i j c o s θi j ＋B i j s i n θi j )＝０Q i －V i ðnj ＝１V j (G i j s i n θi j －B i j c o s θi j )＝０ìîíïïïï(７)２)节点电压水平的机会约束P r (V i m i n ɤV i ɤV i m a x )ȡα(８)３)支路功率的机会约束P r (|P l |ɤP l m a x )ȡβ(９)４)D G 容量约束ðN D Gw ＝１SD G wɤS m a x(１０)式中:P i 和Q i 分别为各节点注入有功㊁无功功率,由于负荷和D G 功率的波动,P i 和Q i 均为随机变量;V i 为节点i 的电压幅值,P l 为线路l 的实际传输功率,V i 和P l 均根据潮流计算得到,为随机变量;P r( )表示节点电压或支路功率满足一定约束条件的概率;G i j 为支路电导;B i j 为支路电纳;θi j 为节点i 与节点j 相角差;V i m a x 和V i m i n 分别为节点i 电压的上下限;P l m a x 为线路l 的传输功率上限;S D G w 为第w 个D G 的容量;S m a x 为允许接入的D G 装机总容量.上述含V ２G 配电网内D G 优化规划的数学模型是一个多变量㊁多约束㊁非线性的混合整数规划模型,且在模型中含有随机变量,涉及含V ２G 和D G 的配电网随机潮流计算.本文采用基于半不变量法的随机潮流算法进行模型中约束条件检验,并采用基于混合编码的改进自适应遗传算法求解优化模型.３㊀求解策略３．１㊀配电网随机潮流约束检验本文采用基于半不变量法[１９Ｇ２１]的随机潮流对数学模型中约束条件进行检验.在对含V ２G 和D G 的配电网随机潮流计算过程中,网络结构及其参数都是确定的,充分考虑V ２G 和D G 功率㊁各节点负荷的随机性,且假设它们之间相互独立.基于半不变量法的随机潮流计算步骤如下.１)整理计算所需的原始数据.２)计算正常运行状态的潮流分布,得到基准运行点的节点电压状态向量X ０㊁该基准运行点下支路的功率向量Z ０㊁雅可比矩阵J ０㊁灵敏度矩阵S ０.３)计算V ２G 和D G 安装节点功率的半不变量与相应负荷功率的各阶矩,计算各阶半不变量Δr (f )至７阶.２６ ２０１４,３８(１６)㊀４)将节点潮流方程和支路潮流方程在基准运行点线性化,可分别得到式(１１)和式(１２),其中X为节点电压幅值和相角组成的状态列向量,Z为支路有功潮流和无功潮流的列向量.ΔX(f)＝X－X０＝J－１０Δr(f)＝S０Δr(f)(１１)ΔZ(f)＝Z－Z０＝G０ΔX(f)＝G０S０Δr(f)＝T０Δr(f)(１２)式中:G０＝∂Z∂X X＝X０.根据上式可以计算出ΔX和ΔZ的各阶半不变量,同时利用G r a mＧC h a r l i e r级数展开可得到ΔX 和ΔZ的概率分布函数和概率密度函数.５)分别对ΔX和ΔZ平移X０和Z０个单位,得到节点电压X和支路功率Z的概率分布函数和概率密度函数.３．２㊀基于混合编码的改进自适应遗传算法本文利用改进自适应遗传算法对含V２G配电网的D G进行优化规划,在自适应遗传算法的基础上,采取了精英保留策略,直接保留上一代种群中的若干优秀个体至下一代,与选择操作配合使用,以加快收敛速度.算法中采用了混合编码方式,具体编码形式为X＝[D|B],其中,D＝[d１,d２, ,d i]为二进制编码序列,用来表示对应节点是否安装D G, B＝[x１,x２, ,x i],为十进制编码序列,表示对应节点安装的D G容量.算法的具体流程如图２所示.图２㊀改进自适应遗传算法流程F i g．２㊀F l o wc h a r t o f i m p r o v e da d a p t i v e g e n e t i c a l g o r i t h m ４㊀算例分析４．１㊀仿真算例及计算参数本文结合某实际城市配电网线路构造了一个１０k V电压等级的配电网算例,用以验证本文所述模型及算法的有效性.该仿真算例中共有１３个节点㊁１２条支路,如图３所示.节点１为３５k V/１０k V变电站的１０k V母线,为该系统平衡节点.系统中可安装风机的节点集合为{５,６,８,９,１０,１１,１２,１３},优化过程中按照D G总的接入容量不超过系统最大负荷总和的４０％考虑,风机的切入㊁切出㊁额定风速分别取４,１８,１０m/s,在潮流计算过程中,将D G作为消耗功率为负的P Q负荷节点处理,功率因数取０．９.23475106981113121图３㊀配电网结构F i g．３㊀D i s t r i b u t i o nn e t w o r k s t r u c t u r e设投资D G的折现率r０＝０．０８,投资回收年限为T０＝１０年,各线路的年最大负荷损耗小时数τ均取为１６００h.单位电价p＝０．４元/(k W h), D G的单位容量费用为０．５万元/k W,普通发电机组装机成本为０．１５万元/k W.D G的发电环境效益为０．２７元/(k W h).单台风机有０．６MW和１MW 两种型号可供选择.基于改进自适应遗传算法计算时,种群规模为１００,自适应交叉概率P c１＝０．９,P c２＝０．６,自适应变异概率P m１＝０．１,P m２＝０．００１,迭代次数T＝１００.４．２㊀V２G负荷的分析计算在上述仿真算例中,各节点负荷预测期望值如表１所示,总有功负荷为１４．６MW,年用电量８５GW h.根据«中国城市化进程中的电力需求预测»[２２]中数据,在中速电力增长的情况下,到２０１５年中国人均年电力消费４０２８k W h,基于用电量对该配电网供电范围内的人口数估计如下:供电范围人口数＝预测地区年用电量人均电力消费(１３)根据上式可以求得该地区总人口２１１０２人,根据发达地区汽车每百人的人均保有量３０辆计算,该地区大致有６３３０辆汽车.按照电动汽车占有量４０％推测,该区域将有２５３２辆电动汽车,根据文献[２３],电动汽车的最大充/放电功率设定为３．６k W,３６学术研究 ㊀李振坤,等㊀基于随机潮流的含电动汽车配电网内分布式电源规划以该功率充放电,常规电动汽车,如丰田R A V ４,可以在６h 内对电池充放完毕.表１㊀各节点负荷预测期望值T a b l e １㊀N o d a l l o a d f o r e c a s t e x pe c t e d v a l u e s 节点有功负荷/MW无功负荷/M v a r 电动汽车负荷/MW１０００２１．００．７５００．０７４９３１．２０．９０００．０８９９４０．５０．３７５０．０３７５５０．７０．２２５０．０５２４６１．００．７５００．０７４９７２．７０．５２５０．２０２３８０．８０．６０００．０５９９９１．４０．３０００．１０４９１０１．９０．３７５０．１４２３１１１．２０．９０００．０８９９１２１．００．７５００．０７４９１３１．２０．９０００．０８９９合计１４．６７．３５０１．０９３８假设所有电动汽车用户中有２０％注册为可调度电动汽车,可在高峰时对电网放电,可用率取６０％;剩余８０％的非注册电动汽车用户仅可充电,采取随机充电策略,同时率取０．３.根据式(１),电动汽车对电网最大负荷影响如下:P E V ＝２５３２ˑ８０％ˑ３．６k Wˑ０．３－２５３２ˑ２０％ˑ３．６k Wˑ０．６＝２．１８７MW－１．０９４MW＝１．０９３MW 因此,该区域电动汽车在系统最大负荷时充电负荷功率为２．１８７MW ,V ２G 对系统放电功率为１．０９４MW ,所有电动汽车对电网总的负荷增加１．０９３MW ,新增负荷７．４９％.通过V ２G 向系统供电,使得系统峰荷降低１．０９４MW ,可节约发输电系统建设费用为１０９４k Wˑ０．１５万元/k W ,约１６４．１万元,经济效益显著.４．３㊀仿真结果分析基于上述数学模型及计算求解方法,取节点电压和线路功率约束的置信水平为０．９５时,该配电网内D G 的规划结果如图４所示,共安装４台风机,合计３．２MW .图４㊀置信水平为０．９５时D G 的优化规划结果F i g ．４㊀DG p l a n n i n g re s u l tw h e n c o nf i d e n c e l e v e l i s ０．９５㊀㊀可见,此时D G 接入位置的节点编号为８,９,１１,１２,对应的D G 接入容量分别为１,０．６,０．６,１MW .可以看出,节点８和１２为线路最末端,９和１１为线路次末端.在线路末端接入D G 可较好地降低网络损耗,减少目标函数中的网损费用.经随机潮流进行约束条件检验可得,基于上述最优规划方案运行时,各节点的电压和各支路的潮流越限情况如表２所示.共有３个节点的电压有越限情况,其余各个节点的电压和支路功率的越限概率为０.这对于随机功率电源接入系统后对系统运行情况的影响分析具有较好的参考价值.表２㊀最优规划方案的最大越限情况T a b l e ２㊀O f f Ｇl i m i t c o n d i t i o no f o pt i m a l s c h e m e s 节点编号节点电压最大越限概率/％支路潮流最大越限概率/％７２．７００８０．８８０１１０．５８０当节点电压和线路功率约束的置信水平分别取０．９０和０．８５时,D G 的优化规划结果如图５所示.置信水平为０．９０时,D G 接入位置的节点编号为８,９,１０,１１,１２,对应的D G 接入容量分别为１,１,０．６,１,１MW ;置信水平为０．８５时,D G 接入位置的节点编号为８,９,１０,１１,１２,１３,对应的D G 接入容量分别为１,１,１,１,１,０．６MW .图５㊀置信水平为０．９０和０．８５时D G 的优化规划结果F i g ．５㊀D Gp l a n n i n g re s u l t sw h e n c o nf i d e n c e l e v e l i s ０．９０a n d ０．８５根据本文推测,该供电区域中电动汽车占汽车总量的４０％,且其中２０％的电动汽车参与电网调度,在系统负荷峰值时仍会产生７．４９％的新增负荷,４６ ２０１４,３８(１６)㊀因此,在配电网规划中考虑电动汽车对配电网的影响非常有必要.从表３中可以看到,随着置信水平要求的降低,会有越来越多的D G被考虑接入配电网,且随着D G接入容量的增加,配电网的网损费用明显减少,D G的环境效益也显著提高.但是随着置信水平的下降,意味着支路功率和节点电压的越限概率都会随之增加,因此,在实际运用中需要兼顾大量D G接入配电网的经济效益和可能带来的对运行可靠性的影响.表３㊀规划结果对比T a b l e３㊀C o m p a r i s o no f p l a n n i n g r e s u l t s置信水平D G接入容量/MW网损费用/万元D G环境效益/万元０．９５３．２９．３４８２．６７０．９０４．６８．７６９６．５３０．８５５．６７．２３１２１．８８在本节算例仿真中考虑了以风电为代表的D G,同理,在D G规划中可以加入太阳能㊁小水电㊁燃气轮机等其他各种形式的D G装置,只需确定各种新能源的随机出力模型,即可运行本文提出的模型及算法进行仿真计算.５㊀结语本文对含有V２G配电网中D G的优化规划进行了研究,分析了电动汽车对系统最大负荷的影响,随着注册为电网调度的电动汽车比例的增加,可有效缓解电动汽车对系统高峰负荷的影响.D G的优化规划过程中,充分考虑了D G出力㊁电动汽车充放电功率以及负荷的随机概率分布,基于机会约束规划,研究了在不同置信水平约束下D G的优化规划.通过仿真结果可以看出,随着置信水平约束的下降, D G的容量可有效增大,网损下降,环境效益增加,但电网中支路功率和节点电压的越限概率都会随之增加,因此,在实际运用中需要兼顾大量D G接入配电网的经济效益和可能带来的对运行可靠性的影响,并需要在此类有源配电网的主动运行及控制方面进行更深入的研究.参考文献[１]HA D L E YS W,T S V E T K O V A A．P o t e n t i a l i m p a c t s o f p l u gＧi n h y b r i de l e c t r i c v e h i c l e s o n r e g i o n a l p o w e r g e n e r a t i o n[R]．K n o x v i l l e,T N,U S A:O R N L,２００８．[２]刘文霞,刘流,赵天阳．变电站区域充电桩接入控制模式及策略[J]．电力系统自动化,２０１３,３７(１６):６６Ｇ７２．L I U W e n x i a,L I U L i u,Z HA O T i a n y a n g．C h a r g i n gp i l ea c c e s s c o n t r o lm o d e a n d s t r a t e g y f o r s u b s t a t i o n a r e a[J]．A u t o m a t i o n o f E l e c t r i cP o w e r S y s t e m s,２０１３,３７(１６):６６Ｇ７２．[３]高赐威,张亮,薛飞,等．考虑集中型充电站定址分容的电网规划研究[J]．中国电机工程学报,２０１２,３２(７):４０Ｇ４６．G A O C i w e i,Z H A N G L i a n g,X U E F e i,e ta l．G r i d p l a n n i n g c o n s i d e r i n g c a p a c i t y a n ds i t eo f l a r g eＧs c a l ec e n t r a l i z e dc h a r g i n g s t a t i o n s[J]．P r o c e e d i n g s o f t h eC S E E,２０１２,３２(７):４０Ｇ４６．[４]K E M P T O N W,U D OV,HU B E RK,e t a l．At e s t o f v e h i c l e t oＧg r i d(V２G)f o re n e r g y s t o r a g ea n df r e q u e n c y r e g u l a t i o n i nt h e P J Ms y s t e m[R]．N e w a r k,N J,U S A:U n i v e r s i t y o fD e l a w a r e,２００８．[５]赵俊华,文福拴,薛禹胜,等．计及电动汽车和风电出力不确定性的随机经济调度研究[J]．电力系统自动化,２０１０,３４(２０):２２Ｇ２９．Z H A OJ u n h u a,W E N F u s h u a n,X U E Y u s h e n g,e ta l．P o w e r s y s t e m s t o c h a s t i c e c o n o m i c d i s p a t c h c o n s i d e r i n g u n c e r t a i n o u t p u t s f r o m p l u gＧi ne l e c t r i cv e h i c l e sa n d w i n d g e n e r a t o r s[J]．A u t o m a t i o no fE l e c t r i cP o w e r S y s t e m s,２０１０,３４(２０):２２Ｇ２９．[６]王建,吴奎华,刘志珍,等．电动汽车充电对配电网负荷的影响及有序控制研究[J]．电力自动化设备,２０１３,３３(８):４７Ｇ５２．WA N G J i a n,WU K u i h u a,L I U Z h i z h e n,e ta l．I m p a c t o f e l e c t r i c v e h i c l e c h a r g i n g o n d i s t r i b u t i o n n e t w o r k l o a d a n d c o o r d i n a t e d c o n t r o l[J]．E l e c t r i cP o w e rA u t o m a t i o nE q u i p m e n t,２０１３,３３(８):４７Ｇ５２．[７]李惠玲,白晓民．电动汽车充电对配电网的影响及对策[J]．电力系统自动化,２０１１,３５(１７):３８Ｇ４３．L IH u i l i n g,B A IX i a o m i n．I m p a c t so f e l e c t r i cv e h i c l e s c h a r g i n g o nd i s t r i b u t i o n g r i d[J]．A u t o m a t i o no fE l e c t r i cP o w e r S y s t e m s,２０１１,３５(１７):３８Ｇ４３．[８]C L E M E N TＧN Y N SK,HA E S E NE,D R I E S E NJ．T h e i m p a c t o fc h a r g i n g p l u gＧi n h y b r ide l e c t r i c v e h i c l e s o n a r e s i d e n t i a ld i s t r i b u t i o n g r i d[J]．I E E E T r a n so n P o we rS y s t e m s,２０１０,２５(１):３７１Ｇ３８０．[９]郑漳华,艾芊,顾承红,等．考虑环境因素的分布式发电多目标优化配置[J]．中国电机工程学报,２００９,２９(１３):２３Ｇ２８．Z H E N G Z h a n g h u a,A I Q i a n,G U C h e n g h o n g,e ta l．M u l t iＧo b j e c t i v e a l l o c a t i o n o f d i s t r i b u t e d g e n e r a t i o n c o n s i d e r i n g e n v i r o n m e n t a lf a c t o r[J]．P r o c e e d i n g s o ft h e C S E E,２００９,２９(１３):２３Ｇ２８．[１０]G H O S H S,G HO S HA LSP,G H O S H S．O p t i m a l s i z i n g a n d p l a c e m e n t o fd i s t r i b u t e d g e n e r a t i o ni nan e t w o r ks y s t e m[J]．E l e c t r i c a l P o w e r a n dE n e r g y S y s t e m s,２０１０,３２(８):８４９Ｇ８５６．[１１]李亮,唐薇,白牧可,等．考虑时序特性的多目标分布式电源选址定容规划[J]．电力系统自动化,２０１２,３７(３):５８Ｇ６３．L IL i a n g,T A N G W e i,B A I M u k e,e t a l．M u l t iＧo b j e c t i v e l o c a t i n g a n ds i z i n g o fd i s t r i b u t e d g e n e r a t o r sb a s e d o nt i m eＧs e q u e n c ec h a r a c t e r i s t i c s[J]．A u t o m a t i o n o f E l e c t r i c P o w e r S y s t e m s,２０１２,３７(３):５８Ｇ６３．[１２]张沈习,陈楷,龙禹,等．基于混合蛙跳算法的分布式风电源规划[J]．电力系统自动化,２０１３,３７(１３):７６Ｇ８２．Z H A N G S h e n x i,C H E N K a i,L O N G Y u,e ta l．D i s t r i b u t e d w i n d g e n e r a t o r p l a n n i n g b a s e d o n s h u f f l e d f r o g l e a p i n g a l g o r i t h m[J]．A u t o m a t i o no fE l e c t r i cP o w e rS y s t e m s,２０１３,３７(１３):７６Ｇ８２．[１３]陈琳,钟金,倪以信,等．含分布式发电的配电网无功优化[J]．电力系统自动化,２００６,３０(１４):２０Ｇ２４．C H E N L i n,Z HO N G J i n,N IY i x i n,e ta l．O p t i m a lr e a c t i v e p o w e r p l a n n i n g o f r a d i a l d i s t r i b u t i o ns y s t e m sw i t hd i s t r i b u t e d g e n e r a t i o n[J]．A u t o m a t i o no fE l e c t r i cP o w e rS y s t e m s,２００６,３０(１４):２０Ｇ２４．[１４]丛鹏伟,唐薇,张璐,等．基于机会约束规划考虑D G与负荷多状态的配电网重构[J]．电网技术,２０１３,３７(９):２５７３Ｇ２５７９．C O N G P e n g w e i,T A N G W e i,Z HA N G L u,e ta l．C h a n c eＧc o n s t r a i n e d p r o g r a mm i n g b a s e d d i s t r i b u t i o n n e t w o r k５６学术研究 ㊀李振坤,等㊀基于随机潮流的含电动汽车配电网内分布式电源规划r e c o n f i g u r a t i o n c o n s i d e r i n g mu l t i Ｇs t a t e s o f d i s t r i b u t e d g e n e r a t i o na n dl o a d [J ]．P o w e r S y s t e m T e c h n o l o g y,２０１３,３７(９):２５７３Ｇ２５７９．[１５]刘波,张焰,杨娜．改进的粒子群优化算法在分布式电源选址和定容中的应用[J ]．电工技术学报,２００８,２３(２):１０３Ｇ１０８．L I U B o ,Z H A N G Y a n ,Y A N G N a ．I m pr o v e d p a r t i c l es w a r m o p t i m i z a t i o nm e t h o da n d i t s a p p l i c a t i o n i n t h e s i t i n g a n ds i z i n go f d i s t r i b u t e d g e n e r a t i o n p l a n n i n g [J ]．T r a n s a c t i o n so fC h i n a E l e c t r o t e c h n i c a l S o c i e t y,２００８,２３(２):１０３Ｇ１０８．[１６]张喆,李庚银,魏军强．考虑分布式电源随机特性的配电网电压质量概率评估[J ]．中国电机工程学报,２０１３,３３(１３):１５０Ｇ１５６．Z HA N G Z h e ,L I G e n g y i n ,W E I J u n q i a n g．P r o b a b i l i s t i c e v a l u a t i o n o f v o l t a g e q u a l i t y in d i s t r i b u t i o n n e t w o r k s c o n s i d e r i n g th e s t o c h a s t i c c h a r a c t e r i s t i c o f d i s t r i b u t e d g e n e r a t o r s [J ]．P r o c e e d i n gs o ft h e C S E E ,２０１３,３３(１３):１５０Ｇ１５６．[１７]K E M P T O NW T OM I CJ ．V e h i c l e Ｇt o Ｇg r i d p o w e r f u n d a m e n t a l s :f r o m s t a b i l i z i n g t h e g r i dt os u p p o r t i n g l a r ge Ｇs c a l er e n e w a b l e e n e r g y [J ]．J o u r n a l of P o w e r S o u r c e s ,２００５,１４４(１):２８０Ｇ２９４．[１８]刘志鹏,文福拴,薛禹胜,等．计及可入网电动汽车的分布式电源最优选址和定容[J ]．电力系统自动化,２０１１,３５(１８):１１Ｇ１６．L I UZ h i p e n g ,W E N F u s h u a n ,X U E Y u s h e n g ,e t a l ．O pt i m a l s i t i n g a n ds i z i n g o fd i s t r i b u t e d g e n e r a t o r sc o n s i d e r i n gp l u gＧi n e l e c t r i cv e h i c l e s [J ]．A u t o m a t i o no fE l e c t r i cP o w e rS y s t e m s ,２０１１,３５(１８):１１Ｇ１６．[１９]Z HA N G P e n g ,L E EST．P r o b a b i l i s t i c l o a d f l o wc o m p u t a t i o n u s i n g t h e m e t h o do fc o m b i n e dc u m u l a n t sa n d G r a m ＧC h a r l i e r e x p a n s i o n [J ]．I E E E T r a n so nP o w e rS ys t e m s ,２００４,１９(１):６７６Ｇ６８２．[２０]郭效军,蔡德福．不同级数展开的半不变量法概率潮流计算比较分析[J ]．电力自动化设备,２０１３,３３(１２):８５Ｇ９０．G U OX i a o j u n ,C A I D e f u ．C o m p a r i s o n o f pr o b a b i l i s t i c l o a d f l o w c a l c u l a t i o nb a s e do nc u m u l a n t m e t h o da m o n g di f f e r e n ts e r i e s e x p a n s i o n s [J ]．E l e c t r i cP o w e rA u t o m a t i o nE q u i pm e n t ,２０１３,３３(１２):８５Ｇ９０．[２１]胡吟．含分布式发电的配电网随机规划[D ]．上海:上海电力学院,２０１２．[２２]何晓萍,刘希颖,林艳苹．中国城市化进程中的电力需求预测[J ]．经济研究,２００９,３４(１):１１８Ｇ１３０．H EX i a o p i n g ,L I U X i y i n g ,L I N Y a n p i n g ．C h i n a se l e c t r i c i t yd e m a n df o r e c a s t u n d e r u r b a n i z a t i o n p r o c e s s [J ]．E c o n o m i cR e s e a r c hJ o u r n a l ,２００９,３４(１):１１８Ｇ１３０．[２３]F L UH RJ ,A H L E R T K H ,W E I N H A R D T C ．A s t o c h a s t i cm o d e l f o rs i m u l a t i n g t h ea v a i l a b i l i t y ofe l e c t r i cv e h i c l e sf o r s e r v i c e s t o t h e p o w e r g r i d [C ]//２０１０４３r d H a w a i iI n t e r n a t i o n a l C o n f e r e n c e o n S ys t e m S c i e n c e s (H I C S S ),J a n u a r y ５Ｇ８,２０１０,K o l o a ,H I ,U S A．李振坤(１９８２ ),男,通信作者,博士,讲师,主要研究方向:配电网规划及其运行控制㊁分布式电源与微电网技术㊁电动汽车入网.E Ｇm a i l :l z k ０２１＠１６３．c o m田㊀源(１９９０ ),男,硕士研究生,主要研究方向:配电网与分布式电源规划㊁供电可靠性评估.E Ｇm a i l :１５００６６８３０＠q q．c o m 董成明(１９８２ ),男,硕士,主要研究方向:电网调度㊁运行方式优化㊁分布式电源并网.E Ｇm a i l :４６９７９７０８８＠q q．c o m (编辑㊀章黎)D i s t r i b u t e dG e n e r a t o r s P r o g r a m m i n gi nD i s t r i b u t i o nN e t w o r k I n v o l v i n g Ve h i c l e t oG r i dB a s e do nP r o b a b i l i s t i cP o w e rF l o w L IZ h e n k u n １ T I A N Y u a n １ D O N GC h e n g m i n g ２ F UY a n g １ Z HA N GJ i n gw e i ２１敭C o l l e g e o fE l e c t r i cP o w e rE n g i n e e r i n g S h a n g h a iU n i v e r s i t y o fE l e c t r i cP o w e r S h a n g h a i ２０００９０ C h i n a ２敭J i a x i n g P o w e r S u p p l y C o m p a n y o f S t a t eG r i dZ h e j i a n g E l e c t r i cP o w e rC o m p a n y J i a x i n g ３１４０００ C h i n a A b s t r a c t W i t h t h e g r e a td e v e l o p m e n to fd i s t r i b u t e d g e n e r a t o r D G a n de l e c t r i cv e h i c l e E V i t i so f g r e a t s i gn i f i c a n c e t o c a r r y o u t c o l l a b o r a t i v e r e s e a r c ho fD Ga n dE Va c c e s s e d t od i s t r i b u t i o nn e t w o r k 敭B a s e do n t h e c o o r d i n a t i o no f b e n e f i t s b e t w e e n d i s t r i b u t i o nc o m p a n i e s D G i n v e s t o r s a n d s o c i a l c o mm u n i t i e s t h i s p a p e r c o m p r e h e n s i v e l y t a k e s i n t o c o n s i d e r a t i o n t h e o p e r a t i n g c o s t o f d i s t r i b u t i o n c o m p a n i e s i n v e s t m e n t c o s t o f D G i n v e s t o r s a n d e n v i r o n m e n t a l b e n e f i t o f D Ga n d g r i d i n v e s t m e n t s a v e db y v e h i c l e t o g r i d V ２G 敭A m a t h e m a t i c a lm o d e l f o rD Go p t i m a l p l a n n i n g i n d i s t r i b u t i o nn e t w o r k i n v o l v i n g E V i s d e v e l o pe db a s e d o nc h a n c e c o n s t r a i n e d p r o g r a mm i n g w i t h a h y b r i d c o d i n g b a s e d i m p r o v e d a d a p t i v e g e n e t i c a l go r i t h mt o s o l v e t h em o d e l 敭I n t h e c a l c u l a t i o n p r o c e s s u n c e r t a i n t i e so fl o a df o r e c a s t o u t p u t p o w e ro f D G a n dc h a r g eo rd i s c h a r g e p o w e ro f E V a r ef u l l y c o n s i d e r e d 敭A n d t h e m a t h e m a t i c a lm o d e lo fE Vi n f l u e n c eo nt h e g r i d m a x i m u m p o w e r i s p r o p o s e d 敭T h ec o n s t r a i n t s i nt h e m o d e l a r ec h e c k e db yp r o b a b i l i s t i c p o w e rf l o w b a s e do ns e m i Ｇi n v a r i a n ta n d G r a m ＧC h a r l i e re x p a n s i o nt h e o r y 敭F i n a l l y D G p l a n n i n g u n d e r d i f f e r e n t c o n f i d e n c e l e v e l c o n s t r a i n t s i s r e s p e c t i v e l y c o m p u t e dw i t h i n a n a c t u a l d i s t r i b u t i o nn e t w o r k t o v e r i f yt h e e f f e c t i v e n e s so f t h em a t h e m a t i c a lm o d e l a n d c o r r e s p o n d i n g a l g o r i t h m p r o p o s e d 敭I t c a nb e c o n c l u d e d f r o mt h e s i m u l a t i o n r e s u l t s t h a tw i t h t h e r e d u c t i o no f c o n f i d e n c e l e v e l i n t h em a t h e m a t i c a lm o d e l t h eD G p l a n n i n g c a p a c i t y i n t h e s y s t e mh a s s i g n i f i c a n t l yi n c r e a s e d s o t h a t t h e s y s t e ml o s s i sr e d u c e da n de n v i r o n m e n t a l b e n e f i t i s i n c r e a s e d 敭H o w e v e r t h er i s ko fn o d ev o l t a g ea n d b r a n c h p o w e r c o n s t r a i n t v i o l a t i o nh a s a l s o i n c r e a s e d w h i c h l e a d s t om a k i n g h i g h e r r e qu i r e m e n t so nr e a l Ｇt i m e c o n t r o l r e s e a r c h o n t h e d i s t r i b u t i o nn e t w o r k i n t h e f u t u r e 敭T h i s w o r k i s s u p p o r t e d b y S h a n g h a i G r e e n E n e r g y G r i d C o n n e c t e d T e c h n o l o g y E n g i n e e r i n g R e s e a r c h C e n t e r N o 敭１３D Z ２２５１９００ 敭K e y wo r d s d i s t r i b u t i o n n e t w o r k v e h i c l et o g r i d d i s t r i b u t e d g e n e r a t o r p r o b a b i l i s t i c p o w e rf l o w c h a n c e c o n s t r a i n e d p r o g r a mm i n g a d a p t i v e g e n e t i c a l go r i t h m６６ ２０１４,３８(１６)㊀。