基於場景分析法和電壓調節策略的分布式光伏規劃方法與流程

2023-07-22 02:40:31

本發明涉及一種基於改進場景分析法和考慮電壓調節策略的分布式光伏優化規劃方法。
背景技術：
：經濟技術水平的提高以及環境問題的日益嚴峻，促進了分布式可再生能源尤其是分布式電源的開發利用。此外，隨著國家政策的支持，配電網中分布式電源的滲透率迅速增長，分布式光伏在「光伏精準扶貧」的政策下獲得大力發展。為了應對分布式電源在傳統配電網中的大規模接入，主動配電網以及智能電網等新理論和技術相繼被提出，未來的配電網中分布式電源將會扮演更重要的角色，因此分布式電源的優化規劃問題也尤為重要。分布式電源如光伏電源和風機具有一定的不確定性，如何正確衡量這種不確定性，保證規劃結果的合理性和經濟性的問題亟待解決。有文獻針對風力發電機優化規劃中地區風速和負荷的不確定性的問題，利用多場景分析法處理存在的不確定性因素，構建了確定性規劃模型，利用瑞麗概率密度分布函數描述一年中風速的概率分布情況，以一定步長將風速劃分為若干個等級；利用聚類的方法將ieee-rts系統一年的負荷情況劃分為10個等級，因此以[風機有功出力，負荷]構成的場景表徵系統運行的各個狀態。有文獻考慮了風機、光伏和生物質三種分布式電源的優化規劃，將生物質電源的出力看做恆定值，以[風機有功出力，光伏有功出力]構建多個場景進行分析。有文獻以風機有功出力，光伏有功出力和負荷作為坐標軸構成三維狀態空間，將全年8760個歷史場景定位到空間中，通過設置合理的分度將系統劃分成若干運行狀態子空間，使得全年運行場景數量獲得壓縮。高滲透率分布式電源的接入帶來一系列問題，尤其是大規模潮流倒送導致的電壓越限問題。有文獻以間歇性分布式電源與電容器的投資支出、售電收益、系統降損收益、電壓質量以及廢氣減排量綜合效益為目標函數，建立綜合最優配置模型。有文獻通過對分布式電源和無功電容器的聯合優化，研究了其對改善電壓質量和降低網損的作用。有文獻建立了雙層優化配置模型，對分布式電源和電容器進行綜合優化，上層規劃分布式電源和電容器的收益，下層規劃模擬無功優化。現有技術方法的缺陷和不足：(1)隨著分布式電源數量和類型的增加，運用現有多場景分析法處理會造成場景數量的迅速增長，同時現有場景壓縮的方法不能夠準確地反映電網實際的運行狀態。傳統的場景分析將每個包含不確定因素的對象看作獨立的個體，隨著考慮的對象增多，導致場景的數量成指數增長的問題，而且忽略對象之間的相關性使得場景分析與真實運行有較大偏差。(2)現有的分布式電源規劃模型都是基於運營商或者是配電網某個單獨的利益主體考慮，沒有考慮不同利益主體的多目標優化。對於不同的利益主體，應該選擇能夠反映利益主體本身的目標函數。(3)在調壓方法上，現有調壓方法沒有考慮到不同位置的分布式電源對於節點電壓的貢獻度是不同的，由於不同的安裝節點在電網拓撲中的位置不同，因此對於電壓的調節有著不同的貢獻。在調壓策略上原有方法比較單一，只是單純的通過無功優化或者有功削減來進行調節，沒有把無功調壓和有功調壓的方法相結合，實現共同調壓。(4)現有技術方法沒有充分利用光伏變流器的作用。變流器可以發出有功或者無功，通過對變流器的輸出調節可以調控電壓。白天電壓越限時可以削減功率降低電壓，夜晚負荷大、節點電壓較低時可以發出無功功率抬高電壓，現有的技術還沒有考慮到這個問題。技術實現要素：針對上述問題，本發明的目的是克服現有技術的不足，處理分布式電源規劃中存在的不確定性和考慮分布式電源運行中調壓的問題，提供一種在減少計算量的同時保證規劃結果的可靠性和有效性的分布式光伏優化規劃方法。技術方案如下：基於場景分析法和電壓調節策略的分布式光伏規劃方法，包括下列步驟：步驟一：利用場景分析法進行場景分析，採用高維向量表徵分布式電源和負荷的真實運行狀態，通過聚類方法實現場景的壓縮，步驟如下：(1)資源場景生成將光照強度的波動性利用beta概率密度分布函數fb(s)來描述；把光照強度分等級表示，對於等級k，計算出等級k的概率p{gk}和該等級下光照強度的均值μ{gk}；(2)負荷場景生成通過k-means聚類算法，對多個時間斷面下的全網負荷向量聚類，獲得典型負荷典型場景集，某時刻t斷面下的全網負荷情況，用多維向量lt表示：lt＝{p1,q1,p2,q2,...,pn,qn}其中，pn,qn分別表示節點n的有功負荷功率和無功負荷功率；為將多個時刻的負荷向量聚類獲得典型負荷場景集，需要定義向量之間的距離，在距離定義中對有功功率和無功功率的貢獻度分別設置不同的權重,無功功率的權重低於有功功率的權重，利用這種加權後的歐式距離計算向量之間的距離，通過k-means聚類算法迭代獲得典型的負荷場景集，典型負荷場景集中每個典型場景的概率計算：式中，nk表示屬於集群k的原始負荷場景的個數，n表示所有原始負荷場景的個數。(3)運行場景生成含有分布式電源的配電網真實運行狀態由外部可再生能源與網絡的負荷緊密相關，全網的運行場景y由資源場景g和負荷場景c共同構成：y＝{g,c}ny＝ng*nc式中，ny表示運行場景的總數量，是資源場景的數量ng與典型負荷場景數量nc的乘積；運行場景yα的由資源場景gβ和負荷場景cγ構成，其發生概率也由gβ和cγ的概率乘積決定。步驟二：建立配電網分布式電源雙層優化規劃方法，步驟如下:(1)上層規劃以最小化配電網的網損、最大化分布式電源運營商的收益等構建多目標，規劃分布式電源的接入容量。(2)下層調度模型中採取不同的調度策略，把不採用調壓策略、採用調壓策略以及帶有無功補償的調壓策略進行對比，對分布式電源進行規劃。本發明採用高維向量表徵分布式電源和負荷的真實運行狀態，通過選取合適的聚類方法實現場景的壓縮，在減小計算量的同時保證計算精度。提出基於場景分析的配電網分布式電源雙層優化規劃方法。雙層規劃的上層規劃以最小化配電網的網損、最大化分布式電源運營商的收益等構建多目標，規劃分布式電源的接入容量；下層規劃考慮分布式電源的集群電壓調整，優化配電網的電壓質量。以雙層模型為大框架，採用場景分析考慮規劃中的不確定性因素，通過改進聚類算法實現典型場景的獲取，在減少計算量的同時保證規劃結果的可靠性和有效性。附圖說明圖1是擬合出的光照強度概率密度函數曲線圖2是多維向量的示意圖圖3是基於靈敏度因子的調壓流程圖圖4是分布式電源優化配置的總體程序框圖圖5是10kv線路高販03線圖6是資源場景分析後的光伏出力曲線圖7是負荷場景分析後的負荷曲線圖8是規劃期第一年12時某種情況下的各節點電壓圖9是網損與光伏安裝總量的關係圖10是case2和case3的pareto最優解對比圖11是運用遺傳算法得到的case2光伏安裝總容量圖12是運用遺傳算法得到的case3光伏安裝總容量圖13是case2和case3的光伏容量配置的對比圖14是case2和case3的運營商累積淨收益現值對比圖15是case2和case3的運營商年收益現值對比圖16是case3和case4的pareto最優解對比圖17是運用遺傳算法得到的case4光伏安裝總容量圖18是case3和case4的光伏容量配置的對比圖19是case3和case4的運營商累積淨收益現值對比圖20是case3和case4的運營商年收益現值對比圖21是case2和case3分布式電源的功率滲透率對比圖22是case3和case4分布式電源的功率滲透率對比表1是case2和case3兩種策略的目標函數對比表2是case3和case4兩種策略的目標函數對比具體實施方式下面結合附圖和實施例對本發明進行說明。本發明基於圖1和圖2對場景分析進行說明。分布式可再生能源的出力具有隨機性和波動性，為了考慮到分布式電源在運行過程中可能出現的多種狀況，考慮可再生能源和負荷情況的多種可能，本文採用改進的場景分析法來處理分布式電源運行過程中可能出現的多種場景。(1)資源場景生成光照強度具有明顯的日周期性，但是在同一季度內的同一時段上，可能會由於天氣的原因等多種因素導致光照強度具有一定的波動性。光照強度的這種波動性可以利用beta概率密度分布函數來描述：上式中，s表示光照強度，單位kw/m2；fb(s)表示光照強度s的beta概率密度分布函數；α和β是概率密度函數的參數，可以利用變量的平均值(μ)和標準差(σ)以及如下公式計算：如圖1是擬合出的概率密度函數曲線，可以把光照強度分為若干等級g用表示，而且計算出等級k的概率p{gk}和該等級下光照強度的均值μ{gk}分別為：(2)負荷場景生成負荷的場景的生成，如果對每個節點同樣分別採用概率密度函數擬合併且劃分等級的方法，會出現較大困難。一方面，由於節點個數多產生的場景數量巨大，而且隨著節點個數的增加呈指數增長；另一方面，各個節點的負荷場景生成之後，節點之間的負荷有著較強的相關性，需要對各個節點場景組合後的概率利用相關性進行校正，方法複雜較難實現。針對出現的問題，提出典型負荷場景集的方法。對於低壓配電網的供電負荷，由於生產活動的周期性，負荷大小也有著明顯的周期性。因此，同一季度下同一時間斷面的全網負荷有著幾種典型的負荷分布斷面，本文通過改進k-means聚類算法，對多個時間斷面下的全網負荷向量聚類，獲得典型負荷典型場景集。如圖2是多維向量的示意圖，某時刻t斷面下的全網負荷情況，用多維向量表示：lt＝{p1,q1,p2,q2,...,pn,qn}其中，pn,qn分別表示節點n的有功負荷功率和無功負荷功率；lt表示t時刻全網運行狀態的2n維向量。為了將多個時刻的負荷向量聚類獲得典型負荷場景集，需要定義向量之間的距離，傳統的k-means通常以歐氏距離或者絕對值距離作為兩個向量之間距離的定義，這樣的距離定義，將有功功率和無功功率同等看待，但是配電網的規劃中一般更加重視對有功功率的計算，以及有功網損的評估，因此在距離定義中可以對有功功率和無功功率的貢獻度分別設置不同的權重；另一方面，經驗證得知採用傳統歐氏距離聚類獲得的典型負荷場景集相比於真實負荷場景，有功功率的損耗減小，而且隨著典型場景數量的減小，損耗偏差越來越小，因此需要改進原有歐式距離的定義。將原始負荷場景m和典型負荷場景集c分別用矩陣表示：利用加權歐氏距離重新定義m中負荷行向量，到c中典型負荷行向量之間的距離d為:其中ε為方向算子，τ為衡量有功功率和無功功率對距離貢獻度的加權算子：調節μ的大小調整聚類中心的位置，減小聚類帶來的誤差；改變v的大小可以調節有功功率和無功功率對向量之間距離的貢獻度，最終通過k-means迭代獲得典型的負荷場景集。典型負荷場景集中每個典型場景的概率計算：上式中，nk表示屬於集群k的原始負荷場景的個數，n表示所有原始負荷場景的個數。(3)運行場景生成含有分布式電源的配電網真實運行狀態由外部可再生能源與網絡的負荷緊密相關，因此全網的運行場景y由資源場景g和負荷場景c共同構成：y＝{g,c}ny＝ng*nc上式中，ny表示運行場景的總數量，是資源場景的數量與典型負荷場景數量的乘積；運行場景yα的由gβ和cγ構成，其發生概率也由gβ和cγ的概率乘積決定。本發明基於圖3和圖4對分布式電源雙層規劃模型進行說明。上層規劃通過構建多目標模型，綜合考慮不同利益主體及其各自的目標，下面從目標函數、優化變量和約束條件三個方面介紹多目標規劃模型。考慮不同利益主體下的目標函數，提出了基於配電網的網損和基於運營商的運營商淨收益作為規劃目標函數。(1).網損配電網關心的是電網的運行指標，這裡我們採用網損作為優化目標。年網損的計算公式如下：上式中，eloss為配電網絡的年損耗電量，nline為網絡中線路的條數，每δt一個時段，nt為一年的總時間段數，plosst,l為δt時段內線路l上的有功功率損耗。(2).運營商淨收益分布式電源運營商考慮的是自己的收益，這裡我們採用運營商的淨收益現值作為評價指標，計算公式如下：sdg＝αtsbenefit-sinv-αt(soper-bre)上式中，sdg為分布式電源年淨收益現值，sbenefit、sinv、soper分別為分布式電源運營商的年收益現值、年平均投資費用、年運行維護費用，αt是折現係數，bre是殘值，產生於規劃周期的最後一年，其餘年份時為0。其具體計算公式如下：sinv＝λdginvpdginstallsoper＝λdgoperpdginstall上式中，pdg,i,t為第i個分布式電源在第t時段內發出的有功功率；λdg為運營商接入的協議電價；λgov為政府補貼電價；λdginv為單位容量的分布式電源的初始投資費用；λdgoper為單位容量的分布式電源的運行維護費用；pdginstall為分布式電源的有功安裝容量；s代表變流器的安裝容量。兩者之間的關係可以表示為：q＝β×pdginstall上式中，β代表分布式電源以安裝容量運行時，變流器無功功率的裕度和分布式電源有功安裝容量的比值，稱為無功容量係數。此外，如果考慮夜晚負荷大，配電網節點電壓降低，光伏發出無功功率，做無功補償，此時分布式電源運營商會得到額外的利潤，計算公式如下：上式中，nt1是一年內夜晚光伏無功出力的時間段，qdg,i,t是第i個節點分布式電源第t個時間段內發出的無功功率。以分布式電源的有功安裝容量作為優化變量，描述如下：x＝{pinstall,1,pinstall,2...pinstall,n}上式中，n表示分布式電源安裝節點的總個數，pinstall,i表示第i個分布式電源有功裝機容量。對規劃模型設置不同的約束條件：(1).分布式電源安裝容量上限約束：pi≤pimaxi∈cdg上式中，pi代表第i個分布式電源的有功裝機容量，pimax代表第i個分布式電源的最大安裝容量；cdg代表分布式電源的集合。(2).分布式電源安裝容量的離散性約束：pi＝λpmini∈cdg上式中，pmin代表分布式電源的最小有功裝機容量，λ為正整數。(3).潮流等式約束：上式中，pis和qis分別代表節點i注入的有功功率和無功功率；ui為節點i的電壓幅值；j∈i表示所有與節點i直接相連的節點；gij代表節點導納矩陣的實部；bij代表節點導納矩陣的虛部；θij代表節點i和j之間的相角差。(4).線路傳輸容量約束：sj≤sj,maxj∈t上式中，sj代表線路實際功率；sj,max代表線路最大允許容量；t為線路集合。(5).節點電壓約束：ui,min≤ui≤ui,maxi∈nb上式中，ui,max代表節點i電壓的上限；ui,min代表節點i電壓的下限；nb代表節點集合。(6).功率因數約束：上式中，代表第i個分布式電源輸出的功率因數，代表給定的功率因數基準值。為了解決分布式電源運行過程中，由於潮流倒送導致的部分節點電壓越限的問題，提出了分布式電源的下層電壓調整策略。牛頓潮流算法是常規電力系統的經典計算方法，極坐標形式的潮流修正方程可以表示為：穩定潮流解附近，雅可比分塊矩陣hnml可以反應有功功率和無功功率的變化量對電壓幅值和電壓相角的影響，分別只改變有功功率或者無功功率可以得到：δv＝(n-hm-1l)-1·δp＝ap·δpδv＝(l-mh-1n)-1·δq＝ap·δq上式中，ap和aq分別表示有功電壓靈敏度和無功電壓靈敏度矩陣。靈敏度矩陣中數值的大小不同，表示不同位置節點對同一個節點的電壓影響不同，這種影響的大小在一定的誤差範圍內可以用靈敏度因子衡量。如圖3是基於靈敏度因子的調壓流程圖，為了更好的優化分布式電源的電壓調節效果，減少功率的削減量，需要根據每個節點對電壓的調節貢獻率合理分配各個節點的電壓調節量，因此，可以設置每個節點的電壓調節量正比於靈敏度因子，對于越限節點m，設置每個節點的功率調節量為：因此，對於已知的電壓偏差:由此，可以求得比例係數k：上式中，ρi是一個布爾量，如果節點i上安裝有分布式電源，而且分布式電源具有調節能力，則ρi＝1，否則為0。圖4是分布式電源優化配置的總體程序框圖，含有精英策略的非支配排序遺傳算法(nsga-ii)是解決多目標最優化問題的一種有效方法。多目標遺傳算法的核心是協調各個目標函數之間的關係，找出使各個目標函數折衷的最優解集[20]。自從帕累託最優解的概念被用來計算個體適應度之後，這種把解按照被支配的程度進行劃分等級的方法就被廣泛應用。帶有精英策略的非支配排序遺傳算法有三個主要的組成部分，如下：(1)快速非支配排序這是一種按照非支配性來對整個種群p進行排序的算法，通過目標函數決定個體之間的非支配關係，將種群劃分為多個層級rank，每個層級內的個體具有等同的非支配性。(2)擁擠度計算為了了解每一個被支配等級上所有解的擁擠程度，需要計算相鄰目標函數之間的距離來作為個體之間的擁擠距離distance，擁擠距離越大說明個體的差異性越大，適應度越好。(3)比較運算經過(1)(2)，種群p中的每個個體都擁有rank和distance兩個參數，比較運算根據這兩個參數判定個體適應度的大小：rank越小的個體非支配性越強，適應度大；同一層級的兩個個體，distance越大個體適應度越大。本發明基於圖5至圖20和表1-表2對實施例進行說明。本發明以圖5中的線路作為算例，該線路為安徽省金寨縣35kv鐵衝變下一條10kv線路——高販03線，利用這一情景對比，分析在不同的策略下對分布式光伏安裝容量的影響。高販03線總共有28個節點，27條線路，其中節點1為變壓器的低壓側母線節點，額定電壓為10.5kv。根據當地的負荷水平，以及土地、屋頂資源，我們擬選擇在線路節點3、7、9、13、16、18、21、24、25這9個點安裝光伏。圖6和圖7分別是資源場景分析結果和負荷場景分析結果。圖6中資源場景是指光伏的出力係數，它表示光伏可以發出的最大有功功率佔光伏安裝容量的比值，每個小時都有一個光伏的出力係數。把每個小時裡每個光伏的出力係數看作是相同的。這裡把每個時刻(1h)的資源場景壓縮成2類。圖7中負荷場景分析結果，這裡把每個時刻(1h)的負荷場景壓縮成3類。運行場景由資源場景和負荷場景組合而成，所以說每個時刻(1h)的運行場景有6類，資源場景和負荷場景相互獨立，所以每個場景的概率由組成它的資源場景的概率和負荷場景的概率相乘得到。每個時刻(1h)的運行場景為6種，一天24小時，所以一天總共有144種情況，橫坐標為144。在計算目標函數時，分別求出每個時刻(1h)6種場景的目標函數，然後進行加權平均求期望，得到這個時刻的目標函數。case1不安裝光伏首先考慮線路中不安裝光伏的場景，此時計算出的線路年網損為686.1784mwh。圖8是規劃期第一年12時某種場景下的各節點電壓分布。如圖8，當沒有接入分布式光伏時，此時線路節點電壓按照潮流分布逐漸減小，首節點固定為標么值1.05，越遠離首節點的電壓越小，因此線路上電壓最低的點就是離首節點最遠的點。1號節點，也就是首節點的電壓標么值為1.05，由於主幹線路上負荷較重，16和28節點在線路的末端，它們的電壓值最小。為了合理地進行分布式電源的規劃，需要大致知道網損與光伏安裝總量之間的關係。為了得到這個結論，將各個光伏安裝點的光伏安裝容量從0逐漸增大，計算各種情況下的網損，從而找到網損與光伏安裝總量的關係。如圖9所示，網損隨著光伏安裝總量的增大呈現出先減小後增大的趨勢，曲線是一條拋物線，在光伏安裝總量在4000kw左右時，網損達到最小。沒有安裝光伏時，網損較高，隨著安裝光伏容量逐漸變大，網損逐漸減小，這是因為安裝光伏相當於減小了負荷，抬高了節點的電壓，由網損與電壓的平方呈反比可以得到，網損是逐漸下降的，但是下降到一定程度後，網損又會升高，這是因為安裝的光伏容量高於線路能夠消納的容量，出現潮流倒送的情況，潮流倒送所引起的網損相當高，所以線路網損增大。因此在進行光伏容量配置時，應儘量選擇在拋物線最低點附近取值。case2：無調壓策略與case3：調壓策略的對比由圖10可知，pareto最優解中的雙目標——網損和運營商淨收益是一對矛盾，配電網網損的減小意味著運營商淨收益的減小，運營商淨收益的增大意味著配電網網損的增大，因為運營商和網損需要折衷進行選取。圖10是case2和case3的pareto最優解的對比，case3的最優解組成的pareto曲面與case2相比，向上方移動。當具有相同的運營商淨收益時，case3比case2的網損低；當具有相同的網損時，case3要比case2的運營商淨收益高。相同的運營商淨收益時，case3比case2的網損低，這是因為運營商淨收益相同，光伏裝機容量和出力相同，此時採用調壓策略的case3會解決電壓越限的問題，減小電壓，降低網損；相同的網損時，case3要比case2的淨收益高，這是因為相同網損時，case3要比case2的裝機容量大，光伏出力大。不使用調壓策略的case2,安裝容量偏小，沒有合理的估計系統負荷對於光伏的消納能力,所以不利於分布式電源的發展。如圖11和圖12所示，case3的最優解對應的規劃容量的範圍在5800kw-6200kw之間，case2最優解對應的規劃容量的範圍在4000kw-4400kw。為了更好地對case2和case3進行比較，選擇網損相同的兩組個體，兩種策略的光伏安裝容量配置如圖13所示。case2的總光伏安裝容量為4120kw，case3的總光伏安裝容量為5860kw，case2的光伏安裝總容量遠遠小於case3。由表1可知，當網損相同時，調壓策略所帶來的運營商淨收益現值比不調壓的運營商淨收益現值大，這說明調壓策略要比不調壓策略更有優勢。圖21所示，夜晚的光伏功率滲透率都為0。因為case3的光伏裝機容量要遠大於case2，所以在白天電壓不越限的情況下，case3的光伏輸出的有功功率要大於case2，系統負荷不變，所以case3的光伏功率滲透率大於case2；在電壓越限的情況下，case3運用調壓策略進行調壓，此時case3輸出的有功功率應該與case2大致相同，這部分case3的光伏滲透率和case2相似。圖14是case2、case3兩種情況下運營商累積淨收益現值對比。由於case3的光伏安裝容量要比case2大，初始投資成本更高，年運營費用更大，所以投資前期的累積淨收益現值更小。但是由圖15所示，由於case3的光伏安裝容量更大，所以光伏出力更多，運營商年收益現值更多，這也是最後規劃期內case3的運營商淨收益現值比case2高的原因。由圖14可知，case2是在規劃期第11年收回成本，case3是在規劃期第12年收回成本，在第14年時case3的運營商累積淨收益現值超過了case2。case4:帶有無功補償調壓策略和case3:單純調壓策略對比圖16是case3和case4的pareto最優解的對比情況，可以得知，case4的最優解組成的pareto曲面與case3相比，向上方移動。當具有相同的運營商淨收益時，case4比case3的網損低；當具有相同的網損時，case4要比case3的運營商淨收益高。這是因為白天時case3和case4採取相同的調壓策略，網損和運營商淨收益相同。夜晚的時候，負荷重，節點電壓較低，變流器做無功補償，發出無功，適當抬高了節點電壓，損耗與電壓的平方呈反比，此時網損減少，同時發出無功功率可以獲得補貼，所以運營商收益會增加。所以不考慮聯絡線倒送時，採用帶有無功支撐的調壓策略比單純採用調壓策略好。由圖17和圖12所示，case4的規劃總容量在5600kw-6100kw之間，這與case3的規劃總容量5800kw-6200kw數量相當。為了更好的比較case3和case4的電網運營參數和運營商收益，選擇case3和case4規劃總容量相同的兩組，兩種策略的光伏安裝容量配置如圖18所示。雖然具體到各個安裝點光伏的安裝容量可能不同，但是case3和case4的安裝總容量都為5860kw。由表2可知，當安裝總容量相同時，case4的網損比case3更小，case4的運營商淨收益現值比case3的運營商淨收益現值大，這說明不考慮聯絡線倒送時，採用帶有無功支撐的調壓策略比單純採用調壓策略好。如圖22所示，夜晚時光伏不出力，兩種情況的功率滲透率都為0。在白天，兩種情況的功率滲透率曲線也可看成近似相同，這是因為兩種情況在白天都使用了相同的調壓方式，在正午12時附近，功率滲透率都大於1，case3最高達到了1.8，case4最高達到了1.6。這說明系統負荷消納不了光伏輸出的有功功率，此時會出現聯絡線功率倒送的情況。由圖19和圖20所示，從規劃期第一年開始，case4的累積淨收益現值就比case3多。這是因為case3和case4的裝機容量相同，初始投資成本就相同，但是case4夜晚變流器進行無功補償，發出無功功率，可以得到補貼，這也是case4比case3的運營商年收益多的原因。case3和case4都是在第12年收回成本，且累積淨收益現值達到了正值。規劃結論如下：(1)採用調壓策略與不採用調壓策略相比，分布式電源的裝機容量增大，這有利於分布式電源的靈活調度和控制。目標函數得到了優化，相同網損時運營商收益增加，相同運營商收益時網損降低，功率滲透率水平提升。(2)採用帶有無功補償的調壓策略與單純採用調壓策略相比，分布式電源裝機容量水平相同，功率滲透率相同，配電網網損減小，分布式電源運營商收益增大，實現了雙贏的局面。綜上，本發明針對基於改進場景分析法和電壓靈敏度調壓的分布式電源優化規劃方法，與現有技術相比具有以下優點：(1)本發明將資源和負荷分別考慮，採用不同的方法分別處理：針對負荷斷面的模式性較強的特點，採用聚類分析獲得典型負荷場景，一方面保證了負荷之間的相關性，另一方面大大減少了場景數量，提高了計算效率和精度。針對資源場景，採用概率密度函數擬合以及劃分等級的方法。(2)考慮不同的利益主體設立不同的目標函數：隨著電力市場改革力度不斷增大，售電側市場在不斷放開，分布式電源投資也在不斷增加，分布式電源運營商和配電網公司構成了配電網中的利益主體。分布式電源的運營商主要考慮自身收益，希望最大限度接入分布式能源；而配電網公司更加關心電網的運行指標，主要包括配電網的網損是否降低，節點電壓是否在合理範圍內，用戶的供電可靠性是否提高。分布式電源的規劃必須站在雙方的角度上權衡多個目標。隨著分布式電源滲透率的增加，潮流倒送容易導致節點電壓越限，合理考慮分布式電源的調節能力，有利於提高分布式電源的能量滲透率，改善電網的運行水平。(3)考慮潮流倒送導致的部分節點電壓越限的問題，提出了分布式電源的基於靈敏度的電壓調整策略：由於不同的安裝節點在電網拓撲中的位置不同，因此對於電壓的調節有著不同的貢獻，因此在電壓越限時需要根據貢獻度的不同合理配置各個分布式電源的無功功率和有功功率的調節量，使得電壓保持在合理的運行範圍，同時儘量保證分布式電源運營商的收益。表1策略case2case3年網損(mwh)426.69426.73運營商淨收益現值(元)3900w4800w表2策略case3case4年網損(mwh)426.73391.97運營商淨收益現值(元)4800w5200w當前第1頁12