沈依婷，張菁，武鵬
上海工程技術(shù)大學(xué)
引文信息
沈依婷, 張菁, 武鵬, 等. 含電動(dòng)汽車的配電網(wǎng)雙重不確定性網(wǎng)架規(guī)劃方法[J]. 中國(guó)電力, 2020, 53(4): 139-146.
SHEN Yiting, ZHANG Jing, WU Peng, et al. Bi-uncertainty network frame planning method for distribution network with electric vehicles[J]. Electric Power, 2020, 53(4): 139-146.
研究背景
規(guī)?；碾妱?dòng)汽車充電負(fù)荷在時(shí)間和空間上存在一定隨機(jī)性，與一般負(fù)荷疊加后，將改變配電網(wǎng)架整體潮流分布，對(duì)配電網(wǎng)架的規(guī)劃和運(yùn)行產(chǎn)生重要影響。隨著分布式電源、柔性負(fù)荷、電動(dòng)汽車等可控設(shè)備接入數(shù)量的持續(xù)增加，配電系統(tǒng)日趨復(fù)雜，配電網(wǎng)架規(guī)劃過程中往往存在多種不確定因素。現(xiàn)階段，大部分配電網(wǎng)架規(guī)劃方法常將這些不確定因素處理成單一不確定性，方便模型求解。然而，將所有不確定因素處理成單一不確定性模型具有一定局限性，應(yīng)根據(jù)其特點(diǎn)和規(guī)律的不同，選擇合適的不確定模型進(jìn)行建模，因此，需要研究一種能夠同時(shí)考慮多種不確定性因素的配電網(wǎng)架規(guī)劃方法。
論文所解決的問題及意義
本文建立含電動(dòng)汽車的配電網(wǎng)雙重不確定性網(wǎng)架規(guī)劃模型，綜合考慮電動(dòng)汽車充電負(fù)荷的隨機(jī)不確定性和一般負(fù)荷的模糊不確定性并存的情況，解決傳統(tǒng)不確定規(guī)劃模型僅考慮單一不確定性類型導(dǎo)致的模型適應(yīng)性差的問題。模型以配電網(wǎng)架規(guī)劃期內(nèi)固定投資和網(wǎng)損費(fèi)用之和最小為目標(biāo)，采用帶有隨機(jī)和模糊參數(shù)的混合機(jī)會(huì)約束，處理支路功率約束和節(jié)點(diǎn)電壓約束。提出基于模糊隨機(jī)模擬的潮流計(jì)算方法和遺傳算法求解模型，使用25節(jié)點(diǎn)配電網(wǎng)算例系統(tǒng)對(duì)本文方法進(jìn)行檢驗(yàn)。
論文重點(diǎn)內(nèi)容
根據(jù)2001年美國(guó)國(guó)家公路交通安全管理局(nation household travel survey, NHTS)的調(diào)查結(jié)果,電動(dòng)汽車的日行駛里程S和最后一次出行結(jié)束時(shí)間T近似服從對(duì)數(shù)正態(tài)分布和正態(tài)分布，統(tǒng)計(jì)結(jié)果和擬合曲線如圖1—2所示。
通過擬合曲線可以得到電動(dòng)汽車的日行駛里程S和最后一次出行結(jié)束時(shí)間T的概率密度函數(shù)，再結(jié)合電動(dòng)汽車充電時(shí)長(zhǎng)估計(jì)算式，可以推導(dǎo)出單臺(tái)電動(dòng)汽車的充電負(fù)荷概率分布，基于蒙特卡羅模擬方法求得一天24個(gè)小時(shí)單臺(tái)電動(dòng)汽車充電負(fù)荷的期望值和方差，并由中心極限定理可得某時(shí)刻N(yùn)臺(tái)電動(dòng)汽車總體充電負(fù)荷的概率模型。一般負(fù)荷的模糊不確定性采用梯形模糊數(shù)進(jìn)行表述。
含電動(dòng)汽車的配電網(wǎng)雙重不確定性網(wǎng)架規(guī)劃模型考慮了電動(dòng)汽車充電負(fù)荷的隨機(jī)性和一般負(fù)荷的模糊性，以網(wǎng)架規(guī)劃年固定投資成本和網(wǎng)損費(fèi)用之和最小為目標(biāo)函數(shù)，考慮了功率平衡約束、電壓約束、潮流約束和連通輻射性約束，并在約束條件以一定置信水平成立的前提下，極小化總費(fèi)用的樂觀值。
模型求解采用遺傳算法作為總體框架，系統(tǒng)約束檢驗(yàn)和目標(biāo)函數(shù)約束處理采用模糊隨機(jī)混合模擬進(jìn)行求解。采用25節(jié)點(diǎn)算例進(jìn)行驗(yàn)證，系統(tǒng)拓?fù)鋱D如圖3所示。
圖3 25節(jié)點(diǎn)系統(tǒng)配電網(wǎng)架現(xiàn)狀和待選線路
設(shè)目標(biāo)函數(shù)的隨機(jī)置信水平β1和模糊置信水平β2分別為90%和95%，不同隨機(jī)置信水平α1和不同模糊置信水平α2下的最優(yōu)函數(shù)值如表1所示。
表1 不同置信水平下的目標(biāo)函數(shù)
由表1結(jié)果可知，模糊置信水平和隨機(jī)置信水平的變化都會(huì)影響配電網(wǎng)架規(guī)劃的結(jié)果。當(dāng)模糊置信區(qū)間水平一定時(shí)，隨機(jī)置信水平α1的大小反映隨機(jī)約束的滿足概率。α1越大，支路功率和節(jié)點(diǎn)電壓越限的概率越小，對(duì)應(yīng)網(wǎng)架的可靠性就越高，相應(yīng)的網(wǎng)架固定投資和網(wǎng)損總費(fèi)用也越高；α1越小，支路功率和節(jié)點(diǎn)電壓越限的概率越大，對(duì)應(yīng)網(wǎng)架的可靠性就越低，相應(yīng)的網(wǎng)架固定投資和網(wǎng)損總費(fèi)用也越低。另外，隨機(jī)置信水平也反映了最優(yōu)網(wǎng)架對(duì)電動(dòng)汽車充電負(fù)荷不確定性的適應(yīng)程度，當(dāng)α1較大時(shí)，表示最優(yōu)網(wǎng)架對(duì)電動(dòng)汽車充電負(fù)荷不確定性的適應(yīng)程度較強(qiáng)；反之，適應(yīng)性程度較弱。
當(dāng)隨機(jī)置信區(qū)間水平一定時(shí)，模糊置信水平的大小反映一般負(fù)荷的模糊不確定程度。α2越大，一般負(fù)荷的模糊截集區(qū)間越小，由可能性理論可知，問題的可行域?qū)⑹湛s，即網(wǎng)架的投資費(fèi)用將升高，但網(wǎng)架運(yùn)行風(fēng)險(xiǎn)將降低；α2越小，常規(guī)負(fù)荷的模糊截集區(qū)間越大，由可能性理論可知，問題的可行域?qū)U(kuò)大，即網(wǎng)架的投資費(fèi)用將降低，但網(wǎng)架運(yùn)行風(fēng)險(xiǎn)將升高。
綜上所述，網(wǎng)架投資費(fèi)用和運(yùn)行風(fēng)險(xiǎn)是一對(duì)相互博弈的量。在實(shí)際規(guī)劃過程中，應(yīng)綜合考慮投資費(fèi)用和系統(tǒng)安全性的關(guān)系，合理設(shè)置不確定性約束的置信水平，協(xié)調(diào)系統(tǒng)經(jīng)濟(jì)性和安全性的關(guān)系。
研究結(jié)論
（1）建立同時(shí)含有模糊變量和隨機(jī)變量的混合機(jī)會(huì)約束配電網(wǎng)架規(guī)劃模型，提出混合模擬的遺傳算法求解該模型；
（2）模型引入模糊和隨機(jī)混合機(jī)會(huì)約束來處理支路功率約束和節(jié)點(diǎn)電壓約束，通過設(shè)置不同類型不確定性約束的置信水平，達(dá)到平衡投資運(yùn)行費(fèi)用和運(yùn)行風(fēng)險(xiǎn)之間的關(guān)系；
（3）算例分析表明，隨機(jī)置信水平越高，系統(tǒng)越限概率越小，網(wǎng)架可靠性越高，對(duì)電動(dòng)汽車充電負(fù)荷不確定的適應(yīng)程度較強(qiáng)，相應(yīng)的網(wǎng)架投資和運(yùn)行總費(fèi)用也較高；模糊置信水平越高，一般負(fù)荷的模糊截集區(qū)間越小，問題的可行域?qū)⑹湛s，最優(yōu)網(wǎng)架投資費(fèi)用將升高，但網(wǎng)架運(yùn)行風(fēng)險(xiǎn)將降低。
