关键词：主动配电网;;新能源;;Pareto解集;;小生境多目标粒子群算法;;优化运行
摘 要：近年来,传统能源日益枯竭,电力需求的增长正驱动电网朝着可持续的方式发展,促进了国家对智能电网的建设。用电负荷的持续增加使得电力生产需要更多的能源来平衡供电能力,在配网一侧,分布式电源(Distributed Generation,DG)的利用可以缓解对传统化石能源的依赖,电动汽车(Electric Vehicle,EV)的兴起也是实现现代化发展的大势所趋。大规模DG和EV接入配电网一侧后,潮流流向变得多元化,系统运行模式变得更加复杂,势必会加大配网的承载能力,而传统配电网无法接纳高渗透率的新能源。因此,主动配电网(ADN)的概念被提出。但是ADN中DG和EV的大规模接入,也会产生一系列不利因素,如电压波动、谐波污染等。网络重构是通过调整系统开关状态以改善系统稳定运行的优化模式,在ADN中DG与EV渗透率较高的情况下,ADN重构是提高系统可靠运行的有效措施。ADN重构有静态重构和动态重构2种模式,本文分别通过2种重构模式对系统进行了分析。在静态重构时,本文考虑了DG的接入,建立了考虑网损、电压质量指数(VQI)、开关操作次数的多目标优化函数,提出了一种改进的小生境多目标粒子群算法(INMPSO),以求解ADN的静态重构模型,利用小生境共享机制更新全局最优粒子位置,使种群全局平均分布并具有多样性,提高了算法的全局寻优能力。在动态重构时,本文考虑到DG和EV同时接入ADN中,根据有功网损灵敏度确定DG的安装位置和容量,构造出DG出力和EV充电的多时段概率模型;建立有功网损、电压偏移指标和开关操作次数的多目标优化数学模型以确定系统的最佳重构方案,并根据INMPSO算法计算EV无序充电和智能充电两种模式下的系统运行情况。最后以IEEE33及其改进的节点系统和IEEE69节点系统为例对文中的多目标优化问题进行仿真计算,通过非支配排序技术解决多目标优化问题,根据模糊满意度评价决策方法从得到的Pareto解集中选择出最优折衷解,并对比INMPSO与MPSO算法的计算结果,证实了本文所提改进算法的有效性。对EV不同充电模式以及是否进行网络重构进行了分析,结果表明本文所用的重构方法对优化结果更加明显,文中研究成果可为实际ADN系统的优化运行方案提供新的思路。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取