摘要：處于能源互聯網環境下的配電系統,受交通系統、天然氣系統等多系統交互影響,是能源互聯網運行過程的核心環節。結合能源互聯網內涵與特征,分析了能源互聯網環境下的配電系統關鍵技術特征,提出從微電網規劃、主動配電系統規劃、配電系統與天然氣系統協同規劃、配電系統與交通系統協同規劃4個關鍵技術領域對面向能源互聯網的配電系統規劃理論進行研究的思路。綜述了配電系統規劃過程中各個關鍵技術領域的研究成果,深入探討了目前規劃方法中需解決的規劃模型、求解算法、不確定因素處理等關鍵理論問題,并針對相關領域進行了展望。

關鍵詞 :能源互聯網;分布式可再生能源;規劃模型;主動配電系統;天然氣系統;交通系統;

作者：王瑋 李睿 姜久春

0 引言

21世紀以來,世界能源發展格局已經發生了深刻的變化,人類對能源的依賴程度不斷加深,能源利用規模持續增大,以可再生能源為主的新能源技術快速發展,能源結構多元化趨勢愈加明顯,能源消納與利用方式更加靈活。一場以發展清潔能源、保障能源安全、應對氣候變化和可持續發展為顯著特征的能源革命正在孕育和發展[1]。

與此同時,通過物聯網、大數據、云計算、信息物理系統等信息通信技術與能源體系的高度融合,構建結構多元化、開發清潔化、消費電氣化、系統智能化綜合能源互聯利用體系,成為擺脫依賴化石能源的工業與經濟發展模式的重要途徑。在此背景下,能源互聯網基本構想和愿景被提出[2],并被認為是第3次工業革命的堅實基礎和核心推動力。

考慮到互聯網在能源革命中的重要地位,能源互聯網自提出以來便受到國內外研究機構的廣泛關注。在美國,國家能源可再生能源實驗室(NREL)研發完成了用于大規模能源系統時序數據管理的開源數據系統,并成立了專注于規模清潔能源并網研究的研發中心(ESIF),致力于為美國提供清潔、經濟和安全的混合能源供應[3]。隨著歐盟“20-20-20”和2050電力生產無碳化發展目標的確立,歐盟發布了歐盟電網計劃(EEGI)新版路線圖,努力將各國能源系統融合構建成跨歐洲的統一能源生態系統,實現能源的清潔、高效利用[3-4]。荷蘭Power Matching City示范工程力圖在包含天然氣發電、混合熱泵、熱電聯產的智能能量協調管理方面取得突破[3]。

目前,學者對能源互聯網的研究已有了一些進展。文獻[5]基于互聯網理念,通過分析分布式電源的即插即用、能源路由器與開放規范的分布式智能管理系統3個重要特征,給出了能源互聯網的基本架構;其強調的開放、互動理念受到其他學者的廣泛認可。文獻[6]認為能源互聯網是以智能電網為主要載體的廣域、分布式、多能源互補的能源生態系統,其主要強調多能源協調互補運行。文獻[7]摒棄傳統單獨依靠電力系統完成可再生能源并網運行的模式,提出了一種融合電網、管網系統、熱力系統及交通系統的智能能源網絡,以實現100%可再生能源供應。

綜合上述研究不難發現,電力能源所具有的瞬發、瞬供特點,決定了電能在能源互聯網能源結構中的主體地位,成為能源互聯網中冷、熱、氣、電等多類型分布式能源配給與消納的主要能源形式。而隨著分布式能源技術的快速發展,大量、多類型分布式可再生能源發電在配電系統廣泛接入,使得配電系統從傳統無源配電網絡向有源配電系統轉變。同時,分布式冷-熱-電聯供系統(CCHP)、電轉氣技術(P2G)、電動汽車并網技術(V2G)等多種分布式能源技術使得配電系統成為了電力系統與天然氣系統、交通系統、熱能系統的關鍵交互領域[8-9],造成配電系統中多種能源供能與消納過程的隨機波動、電能雙向潮流等新特征。這勢必對配電系統的規劃、運行、控制與保護等方面帶來新的要求與

挑戰。

本文針對能源互聯網愿景的5大支柱,歸納了能源互聯網的基本概念與內涵,結合能源互聯網環境下的配電系統關鍵技術特征,以能源互聯網環境下的配電系統規劃相關問題與研究趨勢為研究對象,提出以主動配電系統規劃為核心,從微電網規劃、主動配電系統規劃、配電系統與天然氣系統協同規劃、配電系統與交通系統協同規劃4個關鍵技術領域對面向能源互聯網的配電系統規劃理論展開研究的思路。對4個關鍵技術領域研究成果進行綜述,并對相關技術領域研究過程中遇到的關鍵理論問題進行探討與分析,理清發展脈絡并給出相應研究重點及展望。

1 能源互聯網的基本概念與能源互聯網環境下的配電系統技術特征

1.1 能源互聯網基本概念

能源互聯網的實現主要需滿足以下5個方面[2]：(1)實現石油、煤炭為主的化石能源向風能、太陽能、水能、生物質能等綠色可再生能源的轉變;(2)采用建筑載能等多種方式實現大規模、多形式的分布式電源的廣泛接入;(3)利用氫儲能等多種儲能方式保證電能持續穩定供應;(4)利用互聯網技術實現能源廣域互動共享;(5)利用電動汽車實現交通系統與電力系統互聯。

可以看出,能源互聯網實質是以電力系統為核心與紐帶,以風能、太陽能等可再生能源與天然氣為主要一次能源,以大規模、多形式分布式電源與儲能系統廣泛接入為特點,以云計算、大數據等先進信息通信技術(ICT)為能源利用和管理手段的電力系統、交通系統、天然氣系統、信息通信系統在內的多系統高度融合的能源綜合管控系統,以實現多種能源協調互補、源-網-荷-儲協同互動,最終實現整個能源系統的“清潔替代”與“電能替代”。

1.2 能源互聯網環境下的配電系統關鍵技術特征

與傳統配電網相比,作為未來智能能源體系重要組成部分,能源互聯網環境下的配電系統具有以下新特征：

(1)多種能源協調互補

面向能源互聯網的配電系統廣泛增加了風能、太陽能、生物質能等多種分布式可再生能源發電方式,使得配電網由無源網絡向有源配電系統發生了巨大轉變。同時,通過能源結構科學配比,并利用多種能源在時空分布與動態特性的互補特點,實現能源清潔化的同時保證能源供應的安全與穩定[10]。

(2)源-網-荷-儲協同互動

利用能源路由器與智能能源管理系統,通過對分布式電源和能源需求側中柔性可控的多種能源負荷主動管理,輔以多種類、多形式儲能方式相配合,實現能源互聯網條件下的配電系統源-網-荷-儲協同互動,實現能源需求與生產供給協調優化及資源優化配置。

(3)多種系統高度融合

電力系統作為以能源互聯網核心與樞紐,通過電動汽車并網技術實現配電系統與交通系統融合;通過天然氣發電與電轉氣技術等實現配電系統與天然氣系統融合;通過冷、熱、電三聯供技術實現配電系統與熱(冷)能系統融合。上述系統所涉及的多種大量分布式物理設備則是利用能源路由器結合信息通信系統,實現能量流與信息流融合。

(4)海量分布式設備廣域互聯

能源互聯網環境下的配電系統通過將廣域、海量分布式能源、儲能與柔性負荷等分布式設備深度互聯,實現端對端多元化能源共享和能源開放市場,提高需求側資源管理精細化程度以及綜合能源系統經濟運行水平。

2 能源互聯網環境下的配電系統規劃關鍵問題

能源互聯網環境下的配電系統的關鍵技術特征使得其在規劃過程中面臨多個方面的挑戰,如多種具有隨機性、波動性、間歇性的能源協調互補利用、多種能源存儲與消納模式(電、熱和冷)的相互協調、多種系統(配電系統、天然氣系統、交通系統、信息通信系統)的協同運行,以及開放能源市場環境下,不同利益主體的協同共贏問題。

為了應對這些挑戰,應針對分布式能源接入、分布式設備的主動管理與控制、多系統交互影響等方面對面向能源互聯網的配電系統規劃方法的深刻影響展開研究,探尋解決對策。為此,本文按照從點到面的分析思路,提出了應從微電網規劃、主動配電系統規劃、配電系統與天然氣系統協同規劃、配電系統與交通系統協同規劃4個關鍵技術領域對面向能源互聯網的配電系統規劃理論展開研究。對規劃過程中規劃模型中的目標函數與約束條件、求解過程中的規劃方案尋優空間與求解算法以及不確定因素處理等關鍵理論問題進行深入探討。

2.1 微電網規劃

作為能源互聯網中最小的能源網絡單元,微電網能夠將分散的電源、儲能、負荷等多種分布式設備結合,實現區域內部自我控制、管理。

微電網概念被提出以來,已有很多學者對微電網規劃展開廣泛研究,而多分布式電源優化配置、選址、定容則成為微電網規劃的首要內容[11-14]。文獻[11]綜合考慮了初期投資成本、運行維護成本、環境收益等因素,以投資凈收益最大化為優化目標,給出了含風、光、儲及熱電聯供的微電網電源容量最優配比方法。文獻[13]基于柴、儲協調控制策略與系統備用容量的分析,給出了一種以全壽命周期內的總成本現值、負荷容量缺失率和污染物排放水平為目標的含風、光、柴、儲獨立微電網的多目標規劃方法。

微電網網絡拓撲結構方面,考慮到直流系統在輸送容量、可控性以及供電質量等方面優勢,同時不存在交流系統固有的穩定性問題[15],直流微電網與交直流混合微電網開始逐漸受到學者的重視,但相關研究比較有限。文獻[16]分別從交流子微網與直流子微網電壓等級、母線結構、接地方式和交直流混合微電網網絡拓撲4個方面對交直流混合微電網規劃設計方案進行了研究。文獻[17]對交直流混合微電網的接入容量、網架結構進行分析,給出了各類微電網供電模式的優缺點及應用場合。

2.2 主動配電系統規劃

與微電網不同,主動配電系統更突出利用靈活的網絡拓撲結構,和對分布式電源、需求側資源的主動管理,以實現源-網-荷-儲協調高效運行。其規劃模型應該是綜合考慮變電站選址定容、網絡拓撲結構、多種分布式電源、儲能設備的優化配置、選址定容等規劃內容,以追求經濟效益好、能源損耗小、供電可靠率高以及可再生能源利用率高等眾多目標,并涉及多種間歇式可再生能源發電、負荷需求增長以及未來能源市場等多種不確定因素的組合優化復雜問題[18]。

目前針對主動配電系統的研究主要圍繞以下3個方面進行：(1)主動配電系統發電預測與電源規劃方法,重點關注主動管理模式下間歇性可再生能源發電出力的準確預測方法、置信容量評估方法及基于置信容量分布式電源與儲能設備的容量優化及合理選址[19-23];(2)主動配電系統中新型負荷預測方法,研究重點主要是需求側管理模式下各種負荷分類識別方法,不同類型用戶對不同引導機制的響應機理及相應數學模型研究,以及基于需求側響應的新型負荷預測方法[24-27];(3)主動配電系統網架結構規劃,關注的重點主要集中在分布式電源、儲能系統及變電站選址定容、網絡結構等內容的綜合性規劃[28-32]。

上述研究成果為微電網與主動配電系統規劃奠定了重要基礎,但普遍存在以下幾方面的問題：

(1)主動配電系統規劃相對于微電網規劃更加注重對分布式電源與需求側資源的主動管理考慮,但多數研究卻存在源-網-荷規劃過程中的獨立優化決策缺陷,雖然文獻[30-31]分別通過雙層規劃模型、多目標規劃模型在一定程度上實現了分布式電源與網架結構協調規劃,但優化過程中建立負荷模型時忽略了需求側響應的重要作用,這就從本質上忽略了源-網-荷3者的內在聯系和可能存在的交互影響,可能導致無法得到全局最優規劃方案。

(2)對于分布式電源規劃過程中的容量配比和互補利用方面,往往是從微電網、配電網角度出發,著重實現微電網與主動配電系統內部的功率平衡與局部優化,并將上級電網看作是無窮大電源[6]。

但隨著能源互聯網中分布式電源數量的不斷增加,互聯程度不斷提高,海量的具有隨機性、波動性和間歇性特點的分布式電源對整個電網乃至能源互聯網的影響巨大,局部協調互補將無法滿足能源互聯網安全穩定經濟運行的要求。有學者[32-35]通過借鑒“分布式優化”理念,提出以多微電網節點接入的主動配電系統規劃方法,利用微電網為局部優化,通過微電網之間的相互協調,實現海量分布式電源廣域協調優化[36],但目前的研究還十分有限,且沒有避免上述第1個問題。

(3)海量間歇式可再生能源與負荷需求側響應給規劃過程帶來許多隨機、模糊、灰色等不確定性因素,除了利用云理論規劃模型[37]與盲數規劃模型[38]以外,目前絕大部分研究均忽略或采用單一的概率模型、模糊模型或灰色模型對這些不確定因素進行處理。但規劃過程中的不確定信息往往具有交叉混合性,這將使規劃結果一定程度上失去“最優”意義。

2.3 配電系統與天然氣系統協同規劃

能源互聯網一次能源中,除了風、光等可再生能源以外,最具有環保和經濟優勢的便是天然氣能源。環境效益方面,天然氣發電幾乎不排放二氧化硫及煙塵,而以天然氣為燃料的CCHP系統的二氧化碳排放量僅為燃煤發電的1/4。經濟效益方面,天然氣發電廠具有建設成本低,發電效率高等優勢。此外,天然氣發電具有靈活的調節能力和調峰性能,可以在能源互聯網起到調峰電源的作用?？梢灶A見,天然氣將超過煤炭和石油,與可再生能源一同成為主要的一次能源。因此,配電系統與天然氣系統協同規劃具有重要的研究價值。

由于CCHP能夠實現能源的梯級利用,具有能效高、污染少等特點,研究學者對天然氣機組在該領域的應用展開了廣泛研究。對于CCHP系統容量優化配置方面,學者主要基于經濟性、環保性和節能性,結合運行特性、冷-熱-電負荷需求、分時能源價格及氣候條件等因素,以年運行費用最小、一級能耗最低、污染物排放量最小、各主要設備配置數量最少等目標中的單個[39-40]或多個[41-42]為優化目標,根據“以熱定電”或“以電定熱”等運行策略,建立聯供系統配置和運行策略的優化模型,實現CCHP系統的設備容量優化配置。文獻[42]在天然氣為驅動的傳統CCHP系統的基礎上,設計了一種太陽能、冷、熱、電聯供系統,并給出了設備容量和運行策略的優化分析模型。文獻[40,43]將儲能裝置引入到分布式聯供系統優化配置模型體系中,實現了各設備與儲能裝置的同時優化配置。

近年,除了CCHP外,P2G技術也開始受到德國與丹麥等歐洲學者的關注[44-45]。作為新的電能存儲與消納方式,P2G技術的能源轉換效率能夠達到60%以上,同時還具有提高天然氣系統設備資產利用率等優點。在分布式能源領域,P2G技術將會進一步推動天然氣系統與配電系統融合,成為規劃過程中的重要考慮因素。

對于P2G技術的研究目前比較有限,文獻[45]通過對比電轉氫技術(P2H),得出了P2G技術具有能量轉換效率高、能源存儲能力強、設施投入低等技術優勢。為了達到經濟性(安裝與運行費用最小)、節能性(電能與天然氣損失最小)的目標,考慮可再生能源發電安裝位置、天然氣與氫氣網絡、二氧化碳可用源及初期與運行成本5個方面,給出了P2G技術定址方案。

可見,CCHP技術與P2G技術的發展使得能源互聯網環境下,配電系統與天然氣系統交互影響更加深刻,對2系統的協同規劃研究具有重要意義。配電系統與天然氣系統協同規劃目前的研究主要是通過對天然氣系統供應、存儲,尤其是消納過程的數學模型與配電系統規劃數學模型相結合,綜合考慮2系統約束條件,以2系統建設與運行成本之和最小為優化目標給出多階段混合整數非線性規劃數學模型[46-48]。

作為2系統能量轉換樞紐,天然氣分布式發電機在配電系統模型中是電源,而在天然氣系統中則是能源負荷。大部分文獻則忽略了不同的天然氣發電形式由于能量轉換效率的不同而對協同規劃的產生的影響。同時,除文獻[48]利用幾何布朗運動和平均恢復過程處理能源價格與負荷需求帶來的不確定性,并結合序貫蒙特卡洛抽樣仿真方法給出多階段柔性協同規劃模型外,大部分優化模型采用了確定性優化模型,因此無法處理能源互聯網中間歇式可再生能源發電、開放能源市場與需求側響應等方面帶來的不確定因素影響,使得得出的2系統多階段擴展規劃方案的可行性遭到質疑。此外,除文獻[49]利用能源供應不足成本對穩定性加以考量外,在多數優化模型的目標函數中,忽略了對系統節能性、環保性、穩定性的考量,僅簡單以2系統建設與運行成本之和作為優化目標使得優化結果不夠全面,無法對2系統低碳與環保效益進行準確評估。

2.4 配電系統與交通系統協同規劃

作為21世紀世界汽車工業發展的重要方向,電動汽車的發展反映了能源消費方式的深刻變革。近日,國家住建部發布《關于加強城市電動汽車充電設施規劃建設工作的通知》,要求及時將電動汽車充電設施作為城市重要基礎設施納入到城市規劃,建設布局合理、適度超前、車樁相隨、智能高效的充電設施體系。可見,以電動汽車充電樁、充電站及換電站等充電設施為紐帶,配電系統與交通系統的交互影響將會不斷加深。

目前,國內外學者對電動汽車充電站相關規劃問題已經做了很多工作,研究的重點主要集中在以下2個方面：

(1)電動汽車充電站的規劃研究[50-52],其主要是根據電動汽車充電需求與充電站建設、運行費用等,在已有配電系統網架結構和變電站位置的基礎上,對充電站選址定容規劃。文獻[50]利用交通配流模型表征充電站充電服務能力,并在此基礎上綜合考慮充電類型(充/換)、充電負荷在配電系統中節點位置的不確定性和車流在交通系統中分布不確定性,運用多場景技術建立了基于數據包絡分析的充電站選址定容的2階段多目標優化模型,以期實現充電服務能力最大化、電壓偏差與網損最小。文獻[51]基于B2G技術,將電動汽車與電池解耦,將燃油汽車的出行規律用于電動汽車分析中,給出了電動汽車換電需求預測模型,并在此基礎上提出了以電網的等效負荷方差和最小作為下層規劃模型目標函數,以集中型充電站、線路的建設運行費用和網損費用最小作為上層規劃模型目標的集中型充電站雙層規劃模型。

(2)含電動汽車充電站的電網規劃研究[53-55],其主要是在充分考慮充電站優化選址、定容的基礎上,以建設成本最小、充放電便利性最好為目標,包含變電站、網絡結構規劃等內容的配電系統擴展規劃。文獻[54]結合層次分析法與利差最大化方法,給出了充電站年投資成本系數,并在此基礎上充分考慮電價機制與相應充放電策略,給出變電站、饋線及考慮年投資成本系數的充電站平均年建設、維護、運行及貸款等額年金成本之和最小為優化目標的規劃模型。在文獻[50]的基礎上,文獻[55]針對分散式充電樁,提出了基于節點充電需求的規劃策略,給出了配電系統與電動汽車充電網絡協調規劃的多目標優化模型,以實現投資成本與網損之和最小、快速充電站截獲交通流量最大的目標。

目前,對電動汽車充電站與含充電站的配電網規劃方面已經取得了一定的研究成果,但從給出的規劃數學模中可以看出,目前的研究多基于給定的交通路網結構和道路交通流量,局限于從配電系統單方面考慮。雖然文獻[50,52]在模型中引入交通配流模型與交通流量密度等概念以量化交通系統對充電站與配電系統的影響,但沒有就充電站、變電站建設位置對交通系統中車流分布、擁塞程度、道路擴建等問題展開研究。規劃過程中,交通系統與配電系統的互聯分析并不夠,無法滿足能源互聯網中2系統協同規劃的需求。

3 未來研究重點及展望

能源互聯網環境下的配電系統規劃戰略的制定應充分體現能源互聯網環境下“多源協調互動”、“源-網-荷-儲協同互動”、“多源高度融合”和“海量分布式設備廣域互聯”的技術特點,并按照分層優化的原則,優先滿足電力系統、天然氣系統、交通系統、熱力系統相關行業宏觀協調的基礎上,解決上文所述4個關鍵技術領域相關問題。具體來講,建議未來一段時期內對以下幾方面內容開展研究：

(1)微電網規劃方面,為了實現各類型電源、儲能、負荷等分布式設備的即插即用,重點研究不同電壓等級及不同容量的交直流混合微電網網絡拓撲規劃、設計方法和“即插即用”接口設計,提高分布式設備靈活接入能力。

此外,應著重對智能能源建筑的規劃設計展開研究,利用其作為微電網與其他類型分布式能源網絡(微熱網、微氣網等)的連接紐帶,優化分布式能源網絡中的冷、熱、電3方面的能源、儲能及負荷的合理配置。

(2)主動配電系統規劃方面,為了實現橫向多源互補,縱向源-網-荷-儲協調,應更加重視多種儲能設備容量配置方法與需求側響應對網絡承載能力的利用價值研究。

對微電網功率外特性進行深入研究并建立數學模型,借鑒“分布式優化”理念,研究微電網節點接入的主動配電系統規劃方法,增強主動配電系統中多微電網節點的互聯與集成能力,利用微電網內部局部優化及微電網之間的相互協調,使配電系統中海量分布式能源廣域協調優化配置,以實現全網協調、區域自治。

同時,為了保證運行安全的同時,充分實現規劃的經濟性最優,應摒棄傳統規劃方法僅以最嚴重工況作為運行條件的確定性規劃思路。建立分布式電源、儲能系統及負荷的多時間尺度仿真模型,并結合運行過程中的控制策略,實現規劃過程中對運行狀況的精細化仿真。充分挖掘源、荷兩側可調度資源及并合理利用之間的交互影響(如季節性或晝夜性的多種能源出力互補性,分布式能源出力與負荷需求相關性,需求側響應對負荷曲線的移峰填谷作用等),以此優化網架結構,改善投資與運行成本,提高資產利用率。

為了全面考慮實際應用過程中來自源、網、荷、儲等多方面的多重不確定因素,應利用蒙特卡羅模擬、拉丁超立方采樣、場景分析法及機會約束規劃等方法實現計及多種不確定性因素的配電系統柔性規劃,以提高規劃方案在實際應用過程中的適用性和有效性。

(3)配電系統與天然氣系統協同規劃方面,為提高2系統聯合規劃的協同水平,以P2G與CCHP為紐帶,充分考慮其在配電系統與天然氣系統中的不同作用,建立相應數學模型,量化2系統的交互影響,并針對間歇式可再生能源發電、開放能源市場與需求側響應等方面帶來的不確定因素,研究配電系統與天然氣系統協同不確定多目標規劃模型。

(4)配電系統與交通系統協同規劃方面,以電動汽車充電設施為紐帶,進一步研究配電系統與交通系統的交互影響;研究配電系統與交通系統協同規劃模型,約束條件中應對交通系統中的路段負荷約束、節點流量守恒約束、建設預算約束等約束條件加以考慮。目標函數中,也應將交通系統中的系統總走行時間、交通網絡可靠性、交通網絡建設及改造成本等作為重要考量因素。

(5)面向能源互聯網的配電系統與信息通信系統規劃方面,面向能源互聯網的配電系統中,大量分布式設備及上述多分布式能源系統間的能量實時優化需求對信息通信系統提出了極高的要求。這使得面向能源互聯網的配電系統與信息通信系統協同規劃成為極其重要的研究方向之一。

為了滿足能源互聯網中大量分布式設備的態勢感知和自治決策需求,信息通信系統規劃必須與配電系統分層、分區運行控制管理策略與物理結構相協調,以實現運行過程中,利用物聯網、大數據、云計算等技術實現對海量、異構數據完成高速采集、雙向傳輸、多元融合及實時處理。

進一步對協同規劃過程中配電系統與信息通信系統的協同仿真方法進行研究。在優化目標方面,必須將信息通信系統投資與運行綜合費用納入優化目標,以評估配電系統與信息通信系統的綜合經濟性。同時,在約束條件方面,可靠性分析過程中也應利用配電系統與通信系統聯合仿真,準確定量評估信息通信系統運行過程中可能遇到的延時、誤碼、中斷等故障對配電系統可靠性的影響。

4 結論

1)能源互聯網環境下,電力系統的主干作用及多系統交互影響對配電系統規劃、運行、保護等方面帶來了巨大挑戰。本著規劃先行的原則,利用科學規劃方法,就能源互聯網環境下的配電系統規劃技術與發展模式進行研究,具有重要的理論與現實意義。

2)面向能源互聯網的配電系統研究,應突出多能源系統協調互補、源-網-荷-儲協同互動、多種系統高度融合與海量分布式設備廣域互聯的特點,按照從點到面的分析思路,以主動配電系統規劃為核心,從微電網規劃、主動配電系統規劃、配電系統與天然氣系統協同規劃及配電系統與交通系統協同規劃4個技術領域對能源互聯網環境下的配電系統規劃理論深入進行研究。

3)規劃過程中要注重主動配電系統的主動控制、主動調節能力,在規劃過程中對運行工況進行精細化仿真,將運行過程與規劃過程集成,以提高主動配電系統規劃方案的安全性和經濟性。

參考文獻

[1]劉振亞. 中國電力與能源[M]. 北京：中國電力出版社,2012：9-15.

LIU Zhenya. China power and energy[M]. Beijing, China: China Electric Power Press, 2012: 9-15.

[2]Rifkin J. The third industrial revolution: how lateral power is transforming energy, the economy, and the world[M]. New York, USA: St. Martin’s Griffin, 2011: 46-48.

[3]國網能源研究院. 2014國內外智能電網發展分析報告[M]. 北京：中國電力出版社,2014：9-15,29,36-40.

State Grid Energy Research Institute. Current status and development trend of capacity credit of photovoltaic generation[M]. Beijing, China: China Electric Power Press, 2014: 9-15, 29, 36-40.

[4]張毅威,丁超杰,閔 勇,等. 歐洲智能電網項目的發展與經驗[J]. 電網技術,2014,38(7)：1717-1723.

ZHANG Yiwei, DING Chaojie, MIN Yong,et al. Development and experiences of smart grid projects in Europe[J]. Power System Technology, 2014, 38(7): 1717-1723.

[5]Huang A Q, Crow M L, Heydt G T,et al. The future renewable electric energy delivery and management (FREEDM) system: the energy internet[J]. Proceedings of the IEEE, 2014, 99(1): 133-148.

[6]董朝陽,趙俊華,文福拴,等. 從智能電網到能源互聯網：基本概念與研究框架[J]. 電力系統自動化,2014,38(15)：1-11.

DONG Zhaoyang, ZHAO Junhua, WEN Fushuan,et al. From smart grid to energy internet basic concept and research framework[J]. Automation of Electric Power Systems, 2014, 38(15): 1-11.

[7]Mathiesen B V, Lund H, Connolly D,et al. Smart energy systems for coherent 100% renewable energy and transport solutions[J]. Applied Energy, 2015, 145: 139-154.

[8]劉滌塵,彭思成,廖清芬,等. 面向能源互聯網的未來綜合配電系統形態展望[J]. 電網技術,2015,39(11)：3023-3034.

LIU Dichen, PENG Sicheng, LIAO Qingfen,et al. Outlook of future integrated distribution system morphology orienting to energy internet[J]. Power System Technology, 2015, 39(11): 3023-3034.

[9]蒲天驕,劉克文,陳乃仕,等. 基于主動配電網的城市能源互聯網體系架構及其關鍵技術[J]. 中國電機工程學報,2015,35(14)：3511-3521.

PU Tianjiao, LIU Kewen, CHEN Naishi,et al. Design of ADN based urban energy internet architecture and its technological[J]. Proceedings of the CSEE, 2015, 35(14): 3511-3521.

[10]姚建國,楊勝春,王 珂,等. 智能電網“源-網-荷”互動運行控制概念及研究框架[J]. 電力系統自動化,2012,36(21)：1-6,12.

YAO Jianguo, YANG Shengchun, WANG Ke,et al. Concept and research framework of smart grid “source-grid-load” interactive operation and control[J]. Automation of Electric Power Systems, 2012, 36(21): 1-6, 12.

[11]Moradi M H,Eskandari M,Showkati H.A hybrid method for simultaneous optimization of DG capacity and operational strategy in microgrids utilizing renewable energy resources[J]. International Journal of Electrical Power & Energy Systems, 2014, 56(3): 241-258.

[12]Katsigiannis Y A,Georgilakis P S,Karapidakis E S.Hybrid simulated annealing-tabu search method for optimal sizing of autonomous power systems with renewables[J]. IEEE Transactions on Sustainable Energy, 2012, 3(3): 330-338.

[13]郭 力,劉文建,焦冰琦,等. 獨立微網系統的多目標優化規劃設計方法[J].中國電機工程學報,2014,34(4)：524-536.

GUO Li, LIU Wenjian, JIAO Bingqi,et al. Multi-objective optimal planning design method for stand-alone microgrid system[J]. Proceedings of the CSEE, 2014, 34(4): 524-536.

[14]Xu L, Ruan X B, Mao C X,et al. An improved optimal sizing method for wind-solar-battery hybrid power system[J]. IEEE Transactions on Sustainable Energy, 2013, 4(3): 774-785.

[15]王成山,王 丹,周 越,等. 智能配電系統架構分析及技術挑戰[J]. 電力系統自動化,2015,39(9)：2-9.

WANG Chengshan, WANG Dan, ZHOU Yue,et al. Framework analysis and technical challenges to smart distribution system[J]. Automation of Electric Power Systems, 2015, 39(9): 2-9.

[16]周金輝,田龍剛,潘 浩. 交直流混合微電網規劃設計研究[J]. 合肥工業大學學報：自然科學版,2015,38(2) ：166-170,238.

ZHOU Jinhui, TIAN Longgang, PAN Hao. Study of planning and design of hybrid AC/DC micro-grid[J]. Journal of Hefei University of Technology: Natural Science Edition, 2015, 38(2): 166-170, 238.

[17]柯人觀. 微電網典型供電模式及微電源優化配置研究[D]. 杭州：浙江大學,2013：26-28.

KE Renguan. Research on typical power supply model of micro-grid and optimal allocation of micro-power[D]. Hangzhou, China: Zhejiang University, 2013: 26-28.

[18]尤 毅,劉 東,于文鵬,等. 主動配電網技術及其進展[J]. 電力系統自動化,2012,36(18)：10-16.

YOU Yi, LIU Dong, YU Wenpeng,et al. Technology and its trends of active distribution network[J]. Automation of Electric Power Systems, 2012, 36(18):10-16.

[19]江知瀚,陳金富. 計及不確定性和多投資主體需求指標的分布式電源優化配置方法研究[J]. 中國電機工程學報,2013,33(31)：34-42.

JIANG Zhihan, CHEN Jinfu. Optimal distributed generator allocation method considering uncertainties and requirements of different investment entities[J]. Proceedings of the CSEE, 2013, 33(31): 34-42.

[20]何 俊,鄧長虹,徐秋實,等. 基于等可信容量的風光儲電源優化配置方法[J]. 電網技術,2013,37(12)：3317-3324.

HE Jun, DENG Changhong, XU Qiushi,et al. Optimal configuration of distributed generation system containing wind PV battery power sources based on equivalent credible capacity theory[J]. Power System Technology, 2013, 37(12): 3317-3324.

[21]Nick M, Cherkaoui R, Paolone M. Optimal allocation of dispersed energy storage systems in active distribution networks for energy balance and grid support[J]. IEEE Transactions on Power Systems, 2014, 29(5): 2300-2310.

[22]彭顯剛,林利祥,劉 藝,等. 計及電動汽車和可再生能源不確定因素的多目標分布式電源優化配置[J]. 電網技術,2015,39(8)：2188-2194.

PENG Xiangang, LIN Lixiang, LIU Yi,et al. Multi-objective optimal allocation of distributed generation considering uncertainties of plug-in electric vehicles and renewable energy sources[J]. Power System Technology, 2015, 39(8): 2188-2194.

[23]Zhang J, Fan H, Tang W,et al. Planning for distributed wind generation under active management mode[J]. International Journal of Electrical Power & Energy Systems, 2013, 47(6): 140-146.

[24]Paoletti S, Casini M, Giannitrapani A,et al. Load foreing for active distribution networks[C]∥2ndIEEE PES International Conference and Exhibition on Innovative Smart Grid Technologies (ISGT Europe). Manchester,UK: IEEE, 2011: 1-6.

[25]曾 鳴,李 娜,王 濤,等. 兼容需求側資源的負荷預測新方法[J]. 電力自動化設備,2013,33(10)：59-62,73.

ZENG Ming, LI Na, WANG Tao,et al. Load foreing compatible with demand-side resources[J]. Electric Power Automation Equipment, 2013, 33(10): 59-62, 73.

[26]Paoletti S, Vicino A, Zima M,et al. Foreing and validation tools for distribution networks with active demand[C]∥2012 IEEE International Energy Conference (ENERGYCON 2012). Florence, Italy: IEEE, 2012: 641-646.

[27]劉繼東,韓學山,韓偉吉. 分時電價下用戶響應行為的模型與算法[J]. 電網技術,2013,37(10)：2973-2978.

LIU Jidong, HAN Xueshan, HAN Weiji. Model and algorithm of customers’ responsive behavior under time-of-use price[J]. Power System Technology, 2013, 37(10): 2973-2978.

[28]Martins V F, Borges C L T. Active distribution network integrated planning incorporating distributed generation and load response uncertainties[J]. IEEE Transactions on Power Systems, 2011, 26(4): 2164-2172.

[29]Mehdi J,Kazem Z,Tarafdar H M.Dynamic expansion planning of sub transmission substations and defining the associated service area[J]. Electric Power Systems Research, 2014, 116: 218-230.

[30]唐 念,夏明超,肖偉棟,等. 考慮多種分布式電源及其隨機特性的配電網多目標擴展規劃[J]. 電力系統自動化,2015,39(8)：45-52.

TANG Nian, XIA Mingchao, XIAO Weidong,et al. Multi-objective expansion planning of active distribution systems considering distributed generator types and uncertainties[J]. Automation of Electric Power Systems, 2015, 39(8): 45-52.

[31]白牧可,唐 巍,張 璐,等. 基于機會約束規劃的DG與配電網架多目標協調規劃[J]. 電工技術學報,2013,28(10)：346-354.

BAI Muke, TANG Wei, ZHANG Lu,et al. Multi-objective coordinated planning of distribution network incorporating distributed generation based on chance constrained programming[J]. Transactions of China Electrotechnical Society, 2013, 28(10): 346-354.

[32]肖 浩,裴 瑋,楊艷紅,等. 計及電池壽命和經濟運行的微電網儲能容量優化[J]. 高電壓技術,2015,41(10)：3256-3265.

XIAO Hao, PEI Wei, YANG Yanhong,et al. Energy storage capacity optimization for microgrid considering battery life and economic operation[J]. High Voltage Engineering, 2015, 41(10): 3256-3265.

[33]徐 迅. 含微網的配電網規劃研究[D]. 上海：上海交通大學,2013：44-58.

XU Xun.Distribution network planning with micro-grids[D]. Shanghai, China: Shanghai Jiao Tong University, 2013: 44-58.

[34]繆源誠,程浩忠,龔小雪,等. 含微網的配電網接線模式探討[J]. 中國電機工程學報,2012,32(1)：17-23.

MIAO Yuancheng, CHENG Haozhong, GONG Xiaoxue,et al. Evaluation of a distribution network connection mode considering micro-grid[J]. Proceedings of the CSEE, 2012, 32(1): 17-23.

[35]戴 上,張 焰,祝達康. 含有微電網的配電網規劃方法[J]. 電力系統自動化,2011,34(22)：41-45.

DAI Shang, ZHANG Yan, ZHU Dakang. Distribution network planning method containing micro grid[J]. Automation of Electric Power Systems, 2011, 34(22): 41-45.

[36]裴 瑋,杜 妍,李洪濤,等. 應對微網群大規模接入的互聯和互動新方案及關鍵技術[J]. 高電壓技術,2015,41(10)：3193-3203.

PEI Wei, DU Yan, LI Hongtao,et al. Novel solution and key technology of interconnection and interaction for large scale microgrid cluster integration[J]. High Voltage Engineering, 2015, 41(10): 3193-3203.

[37]王晉偉. 多不確定性信息的多目標電網規劃研究[D]. 北京：華北電力大學,2012：12-19.

WANG Jinwei. Research on multi--objective transmission network planning under multi uncertainty[D]. Beijing, China: North China Electric Power University, 2012: 12-19.

[38]程浩忠. 電力系統規劃 [M]. 2版. 北京：中國電力出版社,2014：171-174.

CHENG Haozhong. Power system planning[M]. 2nd ed. Beijing, China: China Electric Power Press, 2014: 171-174.

[39]黃興華,李 赟. 聯供系統設備配置與運行策略集成優化研究[J]. 太陽能學報,2008,29(1)：24-28.

HUANG Xinghua, LI Yun. Integrated optimization research on facilities scheme and operation strategy of gas turbine cogeneration system[J]. Acta Energiae Solaris Sinica, 2008, 29(1): 24-28.

[40]肖小清,闞偉民,楊 允,等. 有蓄能的聯供系統超結構優化配置[J]. 中國電機工程學報,2012,32(32)：8-14.

XIAO Xiaoqing, KAN Weimin, YANG Yun,et al. Superstructure-based optimal planning of cogeneration systems with storage[J]. Proceedings of the CSEE, 2012, 32(32): 8-14.

[41]Ebrahimi M, Keshavarz A. Sizing the prime mover of a residential micro-combined cooling heating and power (CCHP) system by multi-criteria sizing method for different climates[J]. Energy, 2013, 54(6): 291-301.

[42]荊有印,白 鶴,張建良. 太陽能冷熱電聯供系統的多目標優化設計與運行策略分析[J]. 中國電機工程學報,2012,32(20)：82-87.

JING Youyin, BAI He, ZHANG Jianliang. Multi-objective optimization design and operation strategy analysis of a solar combined cooling heating and power system[J]. Proceedings of the CSEE, 2012, 32(20): 82-87.

[43]劉愛國,張士杰,肖云漢. 帶蓄能裝置的分布式熱電冷聯產系統優化配置[J]. 熱力發電,2010,39(6)：14-20.

LIU Aiguo, ZHANG Shijie, XIAO Yunhan. Optimized allocation of distributed heat-electricity-cool cogeneration system with energy accumulating facility[J]. Thermal Power Generation, 2010, 39(6): 14-20.

[44]Wang Y J, Dong C Y, Xu Y,et al. Enabling large-scale energy storage and renewable energy grid connectivity：a power-to-gas approach[J]. Proceedings of the CSEE, 2015, 35(14): 3586-3595.

[45]Moskalenko N, Lombardi P, Komarnicki P. Multi-criteria optimization for determining installation locations for the power-to-gas technologies[C]∥2014 IEEE PES General Meeting Conference & Exposition. Washington D.C.,USA: IEEE, 2014: 1-5.

[46]Unsihuay-Vila C, Marangon-Lima J W, De-Souza A C Z,et al. A model to long-term, multiarea, multistage, and integrated expansion planning of electricity and natural gas systems[J]. IEEE Transactions on Power Systems, 2010, 25(2): 1154-1168.

[47]Chaudry M, Jenkins N, Strbac G. Multi-time period combined gas and electricity network optimisation[J]. Electric Power Systems Research, 2008, 78(7): 1265-1279.

[48]Jing Q, Zhao Y D, Jun H Z. Multi-stage flexible expansion co-planning under uncertainties in a combined electricity and gas market[J]. IEEE Transactions on Power Systems, 2015, 30(4): 2119-2129.

[49]Zhang X P, Shahidehpour M,Alabdulwahab A S,et al. Security-constrained co-optimization planning of electricity and natural gas transportation infrastructures[J]. IEEE Transactions on Power Systems, 2015, 30(6): 2984-2993.

[50]韓偉強,王貴斌,文福拴. 電動汽車充電設施多階段最優規劃[J]. 華北電力大學學報,2014,41(5)：23-30.

HAN Weiqiang, WANG Guibin, WEN Fushuan. Multistage optimal planning of electric vehicle ging facilities[J]. Journal of North China Electric Power University, 2014, 41(5): 23-30.

[51]所 麗,唐 巍,白牧可,等. 考慮削峰填谷的配電網集中型充電站選址定容規劃[J]. 中國電機工程學報,2014,34(7)：1052-1060.

SUO Li, TANG Wei, BAI Muke,et al. Locating and sizing of centralized ging stations in distribution network considering load shifting[J]. Proceedings of the CSEE, 2014, 34(7): 1052-1060.

[52]葛少云,馮 亮,劉 洪,等. 考慮車流信息與配電網絡容量約束的充電站規劃[J]. 電網技術,2013,37(3)：582-589.

GE Shaoyun, FENG Liang, LIU Hong,et al. Planning of ging stations considering traffic flow and capacity constraints of distribution network[J]. Power System Technology, 2013, 37(3): 582-589.

[53]Dharmakeerthi C H, Mithulananthan N, Saha T K. A comprehensive planning framework for electric vehicle ging infrastructure deployment in the power grid with enhanced voltage stability[J]. International Transactions on Electrical Energy Systems, 2015, 25(6): 1022-1040.

[54]Lin X N, Sun J W, Ai S F,et al. Distribution network planning integrating ging stations of electric vehicle with V2G[J]. International Journal of Electrical Power & Energy Systems, 2014, 63: 507-512.

[55]姚偉鋒,趙俊華,文福拴,等. 配電系統與電動汽車充電網絡的協調規劃[J]. 電力系統自動化,2015,39(9)：10-18.

YAO Weifeng, ZHAO Junhua, WEN Fushuan,et al. Coordinated planning for power distribution system and electric vehicle ging infrastructures[J]. Automation of Electric Power Systems, 2015, 39(9): 10-18.