智能配电网多目标综合规划体系探析

《智能配电网多目标综合规划体系探析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、智能配电网多目标综合规划体系探析摘要：配电网是电力系统中的重要组成部分，社会经济的快速发展促使供电日益紧张，这也促使了越来越多的人关注智能配电网的构建研究。本文也将就智能配电网中电源的多目标综合规划进行探讨，并通过分析规划出最优化方案，计算表明具有可行性、有效性。关键词：智能配电网；多目标优化；综合规划；体系0引言国家的配电网是整个电力系统中的重要组成部分。近年来，随着电力系统城市网络与农村网络改造的结束；加之人们生活普遍提高，使得供电紧张已成为一个日趋严重的问题，而智能配电网是既能保证受端电网安全稳定，又

2、能充分利用清洁能源，这使它日益成为电力领域的研究热点［1］。所以，这就要求我们更有效地利用现有的电力资源，建立一个具有实用性、自愈性、可靠性、经济性的智能配电系统是电力系统自动化技术发展的一个必然趋势。1智能配电网的技术特点配电网技术的发展与进步经历了三个阶段，即"传统配电网、数字配电网和智能配电网”。如下图1所示，智能配电网的结构示意图。智能配电网的运营模式也从传统的基本依赖人工管理、供方主导、单向供电向潮流双向流动、高度自动化、用户参与、支持互动业务流程、支持分布式处理及全局优化的决策支持等的方向转变。

3、所以，智能配电网技术要素体现在“资产的监视与控制、自动计量管理、配电网络分析、收集用户信息与无线通讯技术”等方面[1],这些技术使智能配电网集中体现出以下五个特点：①集成性。通过流程优化、信息的不断整合，集成企业管理、调度自动化、生产管理与电力市场管理业务这几方面，支撑企业管理的规范化和精细化，不断提升电力企业的管理效率；②互动性。系统运行可无缝衔接批发、零售电力市场，有效实现资源的优化配置；同时提升电力系统的安全运行水平，如通过市场交易更好地激励电力市场主体参与电网安全管理；③自愈。进行连续的在线电网运行

4、状态的自我评估，并采取预防性控制手段，从而做到及时发现、快速诊断和消除故障隐患，能够快速隔离故障、自我恢复；④兼容性。电网能够实现与负荷侧的交互，适应集中发电与分散发电模式，支持风电等可再生能源的接入，扩大系统运行调节的可选资源范围；⑤优化性。能优化资产规划、建设、运行维护等全寿命周期环节,提高资产的利用效率，合理地安排设备的运行与检修，减少电网损耗，有效地降低运行维护成本和投资成本。所以，如何在数字化电网信息化企业的基础上构建以上五个特点的柔性电网，为智能配电网的建设重点。总之，智能配电网的关键技术和组成

5、包括：开放式的能量与通讯系统（IECSA）、分布式能源、用户入口、电力电子技术的大量应用。而且，智能配电网技术与智能配电、智能变压器、智能计量、智能开关、智能调度等电网建设关键技术研究项目相结合，可提高地方电网电能质量、电网运行效率及供电可靠性。2智能配电网的多目标综合规划体系配电网是电力系统中面向电力用户的最后一个环节，它对用户供电的可靠性能具有极大的影响。以下将就智能配电网系统中存在的主要多目标性问题进行探讨。2.1分布式发电的接入的多目标问题的解决分布式发电的接入是智能电网建设中的关键技术之一。在配电

6、网规划中，分布式电源(distributedgenenation,DG)的选址和定容是一个多目标优化问题。分布式电源(DG)的位置和容量对电网网络可靠性、短路电流、线路潮流、节点电压等都会带来不同程度的影响［1］。可见，DG的选址和定容很重要。所以在此探讨有关智能电网建设中分布式电源的规划问题，采用综合考虑DG的投资总费用、DG有功出力最大以及网络损耗的多目标规划数学模型；如假设将要安装的DG总数量已定，主要是在不确定DG单个容量、位置及个数的情况下，则本文的多目标模型实际上是含2个子目标的优化模型，建立了

7、多目标优化模型，将降低的网损转化为节省的购电成本，并将多目标函数归一化，采用改进自适应遗传算法优化分布式电源的位置和容量，得到分布式电源接入后的最优规划方案。此外，电网中线路的潮流大小、方向以及系统损耗受DG接入位置、与负荷量的相对大小及网络的拓扑结构的影响［2］。当DG安装到配电网末端时，流过线路的有功功率和无功功率都会减少；而如果将DG安装在变电站节点上，则不能改变线路的负载能力，只能改变电源的总容量。本文采用基于支路电流的前推回代法计算潮流。通过算例分析，得出以下的如图2所示的结果，图中是分别采用改进

8、AGA和GA得到的IEEE39节点系统的优化收敛曲线。据图2可看出,本文采用的AGA比GA有更好的收敛性。实践表明，优化后的有功网损下降了达22.0%左右；DG的合理配置能够有效提高系统电压水平。2.2配电网故障多目标问题解决配电网络结构复杂，分支多，总体长度长，所以发生故障时巡线难度较大。配电网的故障恢复是一个多目标多约束的问题，一般来说主要由启发式搜索法和数学优化法这两大类方法解决。其中，已有研究表明，结合启