基于随机机会约束规划的有源配电网多目标规划

doi:10.3969/j.issn.1000-7229.2015.11.002

电力建设 ›› 2015, Vol. 36 ›› Issue (11): 10-16.doi: 10.3969/j.issn.1000-7229.2015.11.002

基于随机机会约束规划的有源配电网多目标规划

屈高强1，李荣2，董晓晶1,康健3,党东升1，刘洪2

1.国网宁夏电力公司经济技术研究院，银川市 750011；2.天津大学电气与自动化工程学院，天津市 300072；3.国网宁夏电力公司，银川市 750010

出版日期:2015-11-01
作者简介:屈高强（1983），男，本科，工程师，主要从事电力系统规划及分析研究工作；李荣（1991），男，硕士研究生，主要研究主动配电网规划；董晓晶（1980），男，本科，工程师，主要从事电力系统及电网规划工作；康健（1979），男，本科，工程师，主要从事配电网规划及新能源接入管理工作；党东升（1982），男，本科，工程师，从事继电保护工作；刘洪（1979），男，博士，副教授，主要从事城市电网规划、评估等方面的研究和应用工作。
基金资助:
国网宁夏电力公司科技项目（5229JY1307G6）

Multiple-Objective Planning of Active Power Distribution Network Base0d on Random Chance Constrained Programming

QU Gaoqiang1， LI Rong2， DONG Xiaojing1， KANG Jian3， DANG Dongsheng1， LIU Hong2

1. State Grid Ningxia Electric Power Science Research Institute， Yinchuan 750011， China；2. School of Electrical Engineering and Automaton， Tianjin University， Tianjin 300072， China；3. State Grid Ningxia Electric Power Corporation， Yinchuan 750010， China

Online:2015-11-01

摘要/Abstract

摘要：

含分布式新能源配电网规划均采用被动、保守接入分布式新能源的规划方法，固然保证了配电网安全，但并没有反映分布式新能源的出力特征，因而造成不必要的配电网建设投资。为了解决这一问题，采用基于随机机会约束规划的有源配电网规划方法，将有源配电网规划中必须满足的硬性约束条件转变为较高置信度的软约束形式，同时，在模型中引入反映经济效益的投资成本、网络损耗以及反映配电网供电安全性的电压偏移度这3个目标函数作为优化对象，形成了有源配电网规划的多目标随机机会约束规划模型。采用结合量子法改进的非支配排序多目标优化遗传算法（non-dominated sorting genetic algorithm2， NSGA-2）求解获得非劣解帕累托前沿，在此基础上，运用逼近理想解排序法（technique for order preference by similarity to ideal solution，TOPSIS）对非劣解排序得到最优方案。最后，以57节点的配电网网络为算例，验证了方法的可行性、有效性。

关键词: 随机机会约束, 分布式电源, 时序特性, 有源配电网规划, 改进NSGA-2

Abstract:

Most of the typical distribution network programmings with distributed new energy utilize passive， conservative programming method to access distributed new energy， which indeed secure the safe of distribution network， but cannot reflect the output characteristics of distributed new energy and cause unnecessary investment on distribution network construction. To solve this problem， this paper proposed active power distribution network programming method based on random chance constrained programming. Firstly， the hard constraint conditions in active power distribution network programming were transformed into soft ones with higher confidence level. Meanwhile， three independent objective functions including the investment cost reflecting the economic benefit， the power loss and the voltage deviation degree reflecting the distribution network power supply security were set to form the multiple-objective active power distribution network planning model based on random chance constrained programming. Then， the model was solved to obtain non-inferior solution Pareto frontier by the improved NSGA-2 （non-dominated sorting genetic algorithm2） combined with the quantum method. On this basis， the TOPSIS （technique for order preference by similarity to ideal solution） was used to sort the non-inferior solution， in order to obtain the optimal solution. Finally， a distribution network with 57 nodes was used as example to verify the feasibility and availability of the proposed method.

Key words: random chance constraint, distributed generation, time sequential characteristics, active power distribution network planning, improved NSGA-2

中图分类号:

TM 715

屈高强，李荣，董晓晶,康健,党东升，刘洪. 基于随机机会约束规划的有源配电网多目标规划[J]. 电力建设, 2015, 36(11): 10-16.

QU Gaoqiang， LI Rong， DONG Xiaojing， KANG Jian， DANG Dongsheng， LIU Hong. Multiple-Objective Planning of Active Power Distribution Network Base0d on Random Chance Constrained Programming[J]. ELECTRIC POWER CONSTRUCTION, 2015, 36(11): 10-16.

参考文献

［1］Wang Caisheng，Nehrir M H. Analytical approaches for optimal placement of distributed generation sources in power systems［J］. IEEE Transactions on Power Systems， 2004， 19（4）:2068-2076.

［2］陈海焱. 含分布式发电的电力系统分析方法研究［D］. 武汉：华中科技大学， 2008.

Chen Haiyan. Study on analysis methods in power systems with distributed generation［D］. Wuhan：Huazhong University of Science & Technology， 2008.

［3］Harrison G P， Piccolo A， Siano P， et al. Hybrid GA and OPF evaluation of network capacity for distributed generation connections［J］. Electric Power Systems Research， 2008， 78（3）:392–398.

［4］王成山，陈恺，谢莹华，等. 配电网扩展规划中分布式电源的选址和定容［J］. 电力系统及其自动化， 2006， 30（3）:38-43.

Wang Chenshan， Chen Kai， Xie Yinghua， et al， Siting and sizing of distributed generation in distribution network expansion planning［J］. Automation of Electric Power Systerms， 2006， 30（3）:38-43.

［5］Brown R E， Pan Jiuping， Feng Xiaoming， et al.Siting distributed generation to defert&dexpansion［C］//Proceedings of the IEEE Power Engineering Society Transmission and Distribution Conference. Atlanta， GA:IEEE， 2001， 2:622-627.

［6］Charnes A， Cooper W W. Chance-constrained programming［J］. Management Science， 1959，6 （1）:73-79.

［7］Liu B， Iwamura K. A note on chance constrained programming with fuzzy coefficients［J］. Fuzzy Sets & Systems， 1998， 100 （97）:229-233.

［8］Liu B. Minimax chance constrained programming models for fuzzy decision systems［J］. Information Sciences， 1998， 112 （1-4）:25-38.

［9］何乃光. 渤海湾海路风速日变化对比分析［J］. 气象，1980（4）: 30-32.

He Naiguang. Comparative analysis of Bohai baysea wind speedchanges［J］. Atmosphere， 1980（4）:30-32.

［10］葛少云，王浩鸣，王源山，等. 含分布式风光蓄的配电系统可靠性评估［J］. 电力系统自动化， 2012， 36（5）：16-23.

Ge Shaoyun， Wang Haoming， Wang Yuanshan， et al.Reliability evaluation of distribution system including distributed wind energy， solar energy and battery storage［J］. Automation of Electric Power Systems， 2012， 36（5）：16-23.

［11］王成山，郑海峰，谢莹华，等. 计及分布式的发电的配电系统随机潮流计算［J］. 电力系统自动化， 2005， 29（24）：39-44.

Wang Chenshan， Zheng Haifeng， Xie Yinghua， et al. Probabilistic power flow containing distributed generation in distribution system［J］. Automation of Electric Power Systems， 2005， 29（24）：39-44.

［12］余昆，曹一家，陈星莺，等. 含分布式电源的地区电网动态概率潮流计算［J］. 中国电机工程学报， 2011， 31（1）：20-25.

Yu Kun， Cao Yijia， Chen Xingying， et al. Dynamic probability power flow of district grid containing distributed generation ［J］. Proceedings of the CSEE， 2011， 31（1）：20-25.

［13］高军彦，麻秀范，凡鹏飞. 计及分布式发电的配电网协调规划整体框架与模型［J］. 电网与清洁能源， 2008， 24（4）:12-16.

Gao Junyan， Ma Xiufan， Fan Pengfei. A global framework and model of distribution network coordinated planning including distribution generation［J］. Power System and Clean Energy. 2008， 24（4）:12-16.

［14］王一，程浩忠. 计及输电阻塞的帕累托最优多目标电网规划［J］. 中国电机工程学报，2008， 28（13）:132-138.

Wang Yi， Cheng Haozhong. Pareto optimality based multi-objective transmission planning considering transmission congestion［J］. Proceeding of the CSEE， 2008， 28（13）:132-138.

［15］何逢标.综合评价方法MATLAB实现［M］. 北京:中国社会科学出版社，2010:316-325.

［16］尹建兵. 配电网规划研究［D］. 杭州：浙江大学.2011.

Yin Jianbing. Study on distribution network planning［D］. Hangzhou：Zhejiang University， 2011.

[1]	安麒，王剑晓，李庚银，王宣元，刘蓁. 基于均衡理论的虚拟电厂市场参与模式及方法[J]. 电力建设, 2020, 41(6): 1-8.
[2]	刘家妤，马佳骏，王颖，许寅. 多源协同的智能配电网故障恢复次序优化决策方法[J]. 电力建设, 2020, 41(6): 100-106.
[3]	张志荣，邱晓燕，孙旭，任昊，张明珂. #br# 协调柔性负荷与储能的交直流配电网经济优化调度[J]. 电力建设, 2020, 41(5): 116-123.
[4]	陆秋瑜，杨银国，王中冠，谭嫣，夏天，伍双喜. 基于次梯度投影分布式控制法的虚拟电厂经济性一次调频[J]. 电力建设, 2020, 41(3): 79-85.
[5]	沈青文，程若发，付鑫. 一种计及脆弱性指标的分布式电源优化配置方法[J]. 电力建设, 2020, 41(3): 54-61.
[6]	王睿，孙秋野，张雪猛，马大中. 微电网电磁时间尺度相角稳定性分析[J]. 电力建设, 2019, 40(9): 99-106.
[7]	张丹阳，胡泽春，王宣元. 考虑网损的配电节点电价模型及迭代计算方法[J]. 电力建设, 2019, 40(7): 115-122.
[8]	孙雨潇，朱俊澎，袁越. 基于动态孤岛混合整数线性规划模型的主动配电网可靠性分析[J]. 电力建设, 2019, 40(5): 90-97.
[9]	方金涛，龚庆武. 考虑运行风险的主动配电网分布式电源多目标优化配置[J]. 电力建设, 2019, 40(5): 128-.
[10]	芮松华，刘海璇，王洪波，尹德扬，梅飞. 基于遗传-蚁群算法的交直流配电网分布式电源优化配置[J]. 电力建设, 2019, 40(4): 9-17.
[11]	徐晨博，周志芳，高佳宁，王坤，袁翔. DG出力不确定性对交直流混合系统潮流影响的量化分析方法[J]. 电力建设, 2019, 40(3): 102-108.
[12]	范志成，朱俊澎，吴涵，袁越. 计及模糊随机性的主动配电网分布式电源规划模型[J]. 电力建设, 2019, 40(2): 37-44.
[13]	黄河，高松，韩俊，孙琦润，吴志，顾伟. 交直流混合配电网分布式电源最大准入容量[J]. 电力建设, 2019, 40(10): 75-83.
[14]	邢海军，洪绍云，范宏，赵晓莉. 面向“源-网-荷-储”的主动配电网优化重构及协调调度研究[J]. 电力建设, 2018, 39(8): 18-23.
[15]	梁海深，李盛伟，白临泉，刘聪，李维，徐健，王庆彪. 基于SNOP的柔性配电网中分布式电源最大准入容量计算[J]. 电力建设, 2018, 39(8): 69-76.

基于随机机会约束规划的有源配电网多目标规划

Multiple-Objective Planning of Active Power Distribution Network Base0d on Random Chance Constrained Programming

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价