主动配电网文献综述
摘要：分布式电源( distributed generation, DG)和电动汽车的大量接入、智能家居的普及、需求侧响应的全面实施等显著增强了配电系统规划与运行的复杂性，同时，未来的配电网对规划与运行的优化策略提出了更高的要求。作为未来配电网的一种发展模式，主动配电网( active distribution network, ADN)开始受到人们的关注。本文主要探讨总结了主动配电网的国内外现状，主动配网网工作原理，主动配电网的运行方式、标准、对应的国内外指标及计算方法以及主动配电网的算法研究。
关键词：主动配电网，分布式发电，潮流算法，粒子群算法，混合算法
0 引言
近年来，全球范围内气候变暖及极端天气事件日益频发，严重威胁着人类社会的可持续发展。根据国际发展援助研究协会（DARA）数据，在过去10 年间，气候变化每年平均造成超过1.2 万亿美元经济损失，约占全球GDP 的1.6%。到2030年，该比例预计达到3.2%[1]。在诸多因素中，人类过度排放温室气体被认为是导致全球气候变化的重要原因[1,2]。
为应对上述挑战，英国政府于2003年首次提出了低碳经济（low-carbon economy）的发展理念：倡导通过技术创新、产业转型、新能源开发等多种手段提高能源供应多样性，降低对化石能源的依赖以减少碳排放，最终达到经济社会发展与生态环境保护双赢的理想目标[2]。构建低碳经济模式，推进“经济-能源-环境”协调可持续发展此后逐渐成为世界各国的普遍共识。我国在2009 年明确提出了“2020年非化石能源占一次能源总消费量的15%，单位GDP 的CO2 排放比2005 年下降40%~45%”的低碳发展战略目标[3]，并在“十二五规划”中制订了“2015年非化石能源占一次能源消费比重达到11.4%；单位GDP 能源消耗降低16%，单位GDP 二氧化碳排放降低17%”的阶段性任务。
以化石能源为主导的电源结构使得电力工业成为我国国民经济中最大的CO2 排放部门。据权威统计，2012 年我国电力行业碳排放量达到3.85 亿吨，约占全国总碳排放量的50%[4]，且近年来呈现加速增长趋势。因此，推动电力工
业低碳化成为我国实现上述节能减排与生态文明目标的必然选择。
发展低碳电力系统的根本任务是要形成稳定的低碳电能供应机制，其关键在于对可再生能源的有效开发与利用。对此，当前主要存在两种基本思路[4]：一是大力发展长距离、大容量、低损耗的跨区输电线路（如特高压输电）以实现可再生能源资源在更大区域范围内优化配置；二是从配用电环节入手，建立协调关联分布式可再生能源发电（Distributed Renewable Energy Generation, DREG）、配电网络与终端用电的集成供电系统，实现对可再生能源的就地消纳与利用。较之前者，分布式配用电系统具有建设周期短、投资成本低、运行灵活的优点，且抗风险能力更强，因此近些年在国内外获得广泛关注[5-7]。
在传统配电网中，电力潮流一般由上端变电站单一流向负荷节点，其运行方式和规划准则相对简单。然而，分布式能源（Distributed Energy Resource,DER）的规模化接入与应用将对系统潮流分布、电压水平、短路容量等原有电气特性造成显著影响。而传统配电网在设计阶段并未考虑上述因素，因此难以满足低碳经济背景下高渗透率可再生能源发电接入与高效利用的要求。在此背景下，国外学者在2008 年国际大电网会议（CIGRE）首次提出了主动配电网（Active Distribution Network, ADN）的概念[8]，旨在解决配电侧兼容大规模间歇式可再生能源，提升绿色能源利用率以及一次能源结构等问题。
与主要关注用户侧的微电网（Micro-Grid, MG）不同，ADN 主要面向由电力企业管理的公共配电网。它是智能配电网技术发展到高级阶段的产物，是一种兼容电网、分布式发电（Distributed Generation, DG）及需求侧管理等多类型技术的全新开放式配电系统体系结构。ADN 的技术理念将系统运行中的信息价值及电网-用户之间的互动能力提升至一个新高度，强调在整个配电网层面内借助主动网络管理（Active Network Management, ANM）实现对各类可再生能源的主动消纳及多级协调利用，最终促进电能低碳化转变及电网资产利用效率的全方位提高[9,10]。
相比管制背景下的传统配电网，ADN 无论在技术特性上，或是面临的外部市场环境方面，均有着自身鲜明的特点；而我国电力工业低碳化发展的要求又为ADN 的应用实施赋予了更多的内涵。ADN应该发挥何种作用以支撑节能减排目标的实现？对此，又需要采用怎样的科学规划方法才能确保企业投资经济效益与社会环境效益的相协调？这是当前亟待回答的重要命题。因此，研究与低碳经济相适应的ADN 规划方法与发展模式，无疑具有重要的理论、战略和现实意义。
本文将介绍主动配电网的国内外现状，主动配网网工作原理，主动配电网的运行方式、标准、对应的国内外指标及计算方法以及主动配电网的算法研究。
1 国内外技术现状
主动配电网（AND）是近几年来才提出的新名词。最早美国电力可靠性技术解决方案协会（CERTS）提出了“微网”的概念，微网是由微电源和负荷共同组成的系统，可同时提供电能和热量，其组成结构较ADN简单，也可以说是ADN的一种特殊形式。
1.1国外技术现状
目前对ADN的研究处于领先地位的主要有北美、欧盟和日本等。美国CERTS 己在美国电力公司Walnut的微网测试基地成功验证了微网的初步理论；欧盟推出了“Microgrids”和“More Microgrids”个主要项目，德国太阳能研究所建成的微网实验室规模最大，容量达到200kV A，该研究所还在其实验平台设计安装了简单的能量管理系统；日本常规能源较为匿乏，在可再生能源幵发和利用上投入较大，已在国内建立了多个微网项目，其微网实验系统的开发亦处于世界领先水平。
据统计，截至2013年，世界范围内共有包括美国、澳大利亚、日本、意大利、德国、英国等在内的11个国家和地区开展了24个具有创新性的ADN项目[11]。其中，欧盟开展了ADINE、ADDERSS、GRID4EU等代表性的ADN示范项目：①ADINE项目主要以配电网络对高渗透率DG的开放兼容为目标，重点研究内容包括：智能配电自动化、ICT和ANM控制技术等，项目展示了可使DG接入更加方便的解决方案，提出了可适应大规模DG接入的系统保护配置、电压控制、故障穿越和防孤岛等策略。②ADDRESS项目于2008年开始实施，历时4年，11个国家参与，重点研究智能配电网理念下以“主动需求（AD）”为核心的用户侧需求响应技术。该项目建立了用于实时数据处理的大型、开放式电力通信网络，大规模实验并应用实时激励等需求侧管理技术，验证了AD对系统效益的积极作用。③GRID4EU项目由6家欧盟国家配电系统运营商共同参与，预计2015年结束，总资金约5000万欧元。项目主要涉及智能配电网的规划、运行及控制关键技术、标准制定，以及成本—效益分析等方面内容，相关成果要求在欧洲范围内具有可扩展性和可重复性。
1.2国内技术现状
我国对ADN的研究较其他国家相对落后，研究热点主要集中在DG本身的控制以及DG规划和运行等方面，对DG的并网技术标准和并网规程方面尚有欠缺，这极大地限制了分布式发电技术的应用和推广。但是我国大力支持可再生能源的发展，在西部和沿海分别建立了光伏电站和风力发电场等，估计2020年将达到20GW~30GW[11]。
目前国内在密切跟踪主动配电网技术前沿的同时也在积极进行试点示范工
程建设，2012年开展了863项目“主动配电网的间歇式能源消纳及优化技术研究与应用”研究，并在广东电网进行示范。2014年起，“多源协同的主动配电网运行关键技术研究及示范”分别在北京、福建、贵州开展研究与示范建设。
2主动配电网工作原理
根据CIGRE C6.11 的定义[12]，ADN 是采用主动管理分布式电源、储能设备和客户双向负荷的模式，具有灵活拓扑结构的公用配电网，其基本构成模式如图1 所示。图中，各类DG（如风电、光伏等）和储能单元通过电力电子元件转换成相应的交流或直流模式，再经过升压变压器并入系统；通信、自动化及其他相关电气设备以适当的连接方式实现与电力网的紧密集成；此外，用户侧配以智能电表为代表的先进计量装置(Advanced MeteringInfrastructure, AMI)，用于实现对用电信息的实时采集及电网-用户之间的双向互操作。
图1 主动配电网的典型构成模式
ADN 技术的“主动性”特征主要体现在系统运行控制方式上。在传统配电网中，用电活动属于“被动”要素，即使系统中含有DG，也主要面向电能就地消纳，运行者通常不会对稳态运行的电气设备进行主动控制。而在ADN 下，通过先进的ICT 及自动化技术，可以对区域内供应侧与需求侧资源实施主动管理，以实现系统特定运行目标（如网损、资产利用效率或绿色能源消纳等）的最优。正是由于以上原因，ADN 在技术标准、管理模式、网络结构、潮流特性及模拟
计算要求等诸多方面均与传统配电网存在显著差异，见表一[13]。
表一AND与传统配电网的主要差异
传统配电网AND
技术标准单一的动态的
管理模式集中式分散式
网络结构固定的灵活的
潮流特性单向的双向的
模拟技算平均的精确的
传统配电网下缺少必要的技术与管理手段，不具备提供差异化供电服务的能力，因此相关技术标准单一；而ICT 等高级智能技术的引入使得ADN的运行状态灵活可变，能够满足定制电力要求，其对应的技术标准是动态多元的。在管理模式上，基于智能通信平台，ADN 可实现对需求侧资源（Demand Side Resource, DSR）的整合及对系统资产的分散式管理。此外，相对传统配电网，ADN 的网络结构更加灵活，具有有源、网状、并网方式可选等新特点，并由此造成系统潮流特性由单向固定向着双向不确定方向的巨大转变。在模拟计算方面，传统配电网一般只需对典型系统断面进行确定性模拟即可满足规划或运行任务的基本要求，而ADN则需采取分布并行式的建模方法，细致考虑时间窗口内的各类不确定因素，实施精确化的运行模拟。
3 主动配电网的运行方式、标准、对应的国内外指标及计算方法
3.1集中式
图2为集中式控制的示意图，由各测量点测得的电压、潮流和设备状态数据均上送到配电网中央控制器（distribution network central controller, DNCC），中央控制器通过对各个DG分配有功和无功指令以及对其他设备发送命令来协调控制配电网络中的所有设备，并能够将配电网的电压和频率保持在合理的范围内。图中：PEDG表示逆变器接口的DG；PEC表示电力电子变换装置；LC表示本地控制器；ESS表示储能系统。文献[14]提出了一种优化算法使DG和其他设备（包括稳压器、并联电容器、并联电抗器、静止无功补偿器等）之间进行协调配合，以保持各节点电压稳定。文献[15]提出了一种提高通信效率的方法，即在DG和电容器处放置一种远程终端单元（RTU），将所在节点的电压信息发送到
中央控制器，中央控制器根据此信息来调整系统中各稳压器的工作状态，最终将各节点电压稳定在允许范围内。文献[16]提出了一种基于统计学原理的状态估计算法，用来估算各节点的电压，并据此设置系统中的继电器和调整DG的出力来控制系统中电压的分布。但是集中式控制方式也有其不足之处，文献[17]对此进行了分析并总结以下结论：①可靠性较差，若中央控制器出现故障，整个网络将会崩溃；②送往中央控制器的数据量较大，有可能会在短时间内大量增加，超出控制器的处理能力；③集中控制方式在通信和数据处理方面投资会较高；④若要对控制算法进行调整，即使是微调也需要进行大量的测试工作；⑤对中央控制器进行维护时，需要关停整个系统。
图2集中式控制的示意图
3.2 分散式
为了遵循配电网中DG及负荷本身具有的分散特性，一些研究者提出了分散式控制方式，见图3。在分散控制方式下，配电网中的设备数量可以不受限制，本地控制器通过分析本地采集的数据与相邻设备送来的信息发出控制指令[18]。文献[19, 20]通过采集本地的电压和频率信息，控制器通过下垂控制策略调整本地DG和储能设备输出的有功和无功功率，并可将电压稳定在安全的范围内。文献[21]利用负载抽头转换开关和线路电压降补偿器相互配合，控制安装了DG的馈线电压，且控制效果与馈线参数、结构与ＤＧ连接点位置有关。文献[22]提出了一种分散控制大型配电网的方法，即首先根据灵敏度矩阵ε分解法将配电网络分割成许多规模较小的子网络，然后在每个子网络内，各个设备相互协调来维持
各节点电压在规定范围内。除此之外，基于多代理技术的分散式控制方式（agent based management, ABM）能够使各个“代理”嵌入并控制配电网的软件或硬件，且各个代理之间能够相互通信[23]。文献[24]提出了一种多代理方法，可以加强代理监控电压的能力，从而为实现ＤＧ即插即用提供技术支持。文献[25]进一步指出，在ABM系统中，由于每个代理只考虑自身的最优化，最终的结果有可能不是全局最优。文献[26]从配电网允许注入容量和损耗方面对集中控制方式和分散控制方式进行了比较，结论显示在不引起过压的前提下，两种方式在提高DG 渗透率方面能力不相上下，且两种方式都会大幅增加线路上的有功损耗。
图3分散式控制方式示意图
3.3 混合分层式
相对于集中式和分散式来说，混合分层式管理（hybrid hierarchical management, HHM）是一种更为实用的配电网管理方式，如图4所示。HHM采用多层式结构，包含了集中式和分散式框架的特点，并包含数个管理控制层，其中最上层为能量优化管理层，该层的控制器通过收集下层传递的信息以实现对配电网监控、操作和管理；中间层的控制器则依据上层发布的命令，结合事先定义的函数，计算出最优的参数并发布给底层控制器；最后，底层控制器利用此参数来控制网络中的具体设备，从而完成对配电网的管理和控制[27, 28]。文献[29]提出了一种具有通用性的微网分层控制结构，从上到下依次为第3层、第2层、第1层和内部层，这种针对微网的控制结构可以推广到包含有微网的ADN中。
图4混合分层式管理示意图
4 主动配电网的算法研究
4.1 通用潮流算法
配电网的支路电抗和电阻参数相差不大，电缆线路还具有电阻大于电抗、充电电容较大的特点。与输电网相比，配电网支路数和节点数庞大。基于牛顿法的配电网潮流算法需要进行大量矩阵运算，运算效率低，且由于雅可比矩阵不能解耦、不易收敛，因此处理PV节点比较复杂；前推回代算法具有算法简单、易实现的特点，但处理环网能力不足，基于叠加原理或回路电流法的改进前推回代法能处理弱环配电网，但需要计算回路阻抗或回路阻抗矩阵，当同时有含PV型DG时，迭代过程为两层迭代，失去了运算速度的优势。本节提出基于Zbus法的主动配电网通用潮流算法，利用稀疏矩阵技术处理节点导纳矩阵，加快了运算速度，能进行含各种DG、各种网络结构下配电网的潮流计算。潮流计算通用方法流程如下：
（1）读取原始数据，求取全网节点导纳矩阵和PV节点灵敏度电抗矩阵；
（2）计算馈线节点作用下节点电压U' 。设PV节点电压目标值为U0；初始化PV节点无功出力Q PV为（Q max+Q min）/2（Q max和Q min为PV型DG无功出力上限和下限）；
（3）计算节点（PQ、PV和PI节点）注入电流作用下节点电压U'' ；
（4）由叠加原理得节点电压：U
U U '''=+ ； （5）由式（1）修正PV 节点无功出力Q PV ＝Q PV +ΔQ 校验Q PV 是否越限，重新计算PV 节点灵敏度电抗矩阵；
1PV Q B U -?=? (1)
（6）检验迭代收敛条件：所有节点()(1)max{}k k U
U ε--< ，无功不越限PV 节点()0
max{}k U U ε-< ，无功越限PV 节点无功出力为Q max 或Q min 。如满足收敛条件则进入步骤7，否则转入步骤3；
（7）计算结束，输出结果。
4.2 自适应粒子群算法
粒子群优化算法（particle swarm optimization, PSO ）是一种基于种群搜索的自适应进化计算技术，该算法概念简明!实现方便、参数设置少，适合解决连续优化和多点搜索的问题。
算法流程：
（1）输入网络数据：网络的初始结构，各支路阻抗，各节点负荷，各DERs 单元的参数等；
（2）初始化粒子群：随机形成初始粒子种群，并计算各粒子的适应度值，置迭代次数G =1；
（3）判断适应度值的变化，根据自适应惯性权重计算公式更新粒子群的惯性因子；
（4）根据速度位置更新公式更新粒子群的速度和位置，并计算各粒子的适应度值；
（5）进行终止条件判断，若迭代代数G 大于最大迭代代数，计算结束，输出结果; 否则G =G +1转至步骤（3）。
4.3 KruskalF —遗传混合算法
Kmskal 算法于19世纪60年代提出，是一种用于寻找加权连通图中最小生成树的算法，其核心思想是贪婪准则的集中体现,其时间复杂度只与边的维数有关，通过对图的边进行访问来寻找稀疏图的最小生成树。将改进后的Kmskal 算法与破圏法相融合,经过不断迭代并实时修正线路综合费用，进而实现网架规划并同时完成线路选型的工作，具体步骤如下：
（1）取定一种线路型号(如LGJ-150),以此为基准求取各可能架设线路的支路建设费用,作为各支路的初始权值；
（2）采用Kruskal 算法，求取最小初始造价的辐射性网络拓扑结构；
（3）通过潮流计算得出各支路电流初始值，并通过可选线路的经济电流密度选择各线路型号；
（4）修订线路参数,重新计算配电网潮流,求取各支路功率损耗,并结合各线路的建设费用重新修订各线路权值。即
2Loss 3/i i i i I Lt γρα=
(2) 式中，Loss i 为支路i 的运行费用；I i 为支路i 的电流；γ为电价，元/（kw/h ）；ρ
为电阻率；L i t 为规划期限；αi 为导线截面积； （5）检验当前网架以外其他可行线路的初始权值集合中是否存在小于当前拓扑结构中所有线路权值的支路。若不存在，结束规划，当前拓扑即为最优网架结构；否则，将所有满足条件的支路按权值大小存入堆栈line1中；
（6）将堆栈linel 首端支路添加到当前网架,检验当前网架环路中的支路权值，将该环路中其他支路按权值从大到小的顺序加入到堆栈line2；
（7）由line2首端取出一条支路并从拓扑中刪除,从而构成新的拓扑结构；
（8）重新进行该网架下的潮流计算，调整各支路的建设费用和运行费用，计算各支路权值。判断该网架下的总建设运行费用是否优化，若是，则更新拓扑结构，清空堆栈linel 、line2，并返回（5）；否则判断line2是否已空。若不是，则返回（7）；反之，判断linel 是否已空。若是，结束规划，输出最优网架；否则返回（6）。
参考文献
[1] DARA, Climate Vulnerability Monitor [EB/OL]. 2ndEdition
https://www.doczj.com/doc/c912484057.html,/wp-ontent/uploads/2012/10/CVM2-Low.pdf, 2013,11,5.
[2]Secretary of State for Trade and Industry, Great Britain. Our Energy Future: Creating a Low
carbonEconomy [EB/OL]. https://www.doczj.com/doc/c912484057.html,/system/files/03660.pdf, 2013-11-15.
[3] 国务院发展改革委员会. 中国应对气候变化国家方案[EB/OL].
https://www.doczj.com/doc/c912484057.html,/WebSite/CCChina/UpFile/File189.pdf, 2013-12-10.
[4] IEA. CO2 Emissions From Fuel Combustion [EB/OL].https://www.doczj.com/doc/c912484057.html,/publications/
freepublications/publication/CO2EmissionsFromFuelCombustionHighlights2013.pdf.2013-1 0-26.
[5] 丁然, 康重庆, 周天睿, 等. 低碳电网的技术途径分析与展望[J]. 电网技术,
2011,35(10):1-8.
[6] Labis P E, Visande R G, Pallugna R C, et al. The contribution of renewable distributed
generation in mitigating carbon dioxide emissions [J]. Renewable and Sustainable Energy Reviews, 2011,15(9):4891-4896.
[7] 王成山, 李鹏. 分布式发电、微网与智能配电网的发展与挑战[J]. 电力系统自动化, 2010,
34(2):10-14.
[8] Celli G,Ghiani E, Mocci S, et al. From passive to active distribution networks: methods and
models for planning network transition and development[C].42nd International Conference on Large High Voltage Electric Systems 2008, CIGRE 2008, Paris, France,2008: 1-11
[9] 尤毅, 刘东, 于文鹏, 等. 主动配电网技术及其进展[J]. 电力系统自动化, 2012, 36(18):
10-16.
[10] 范明天, 张祖平, 苏傲雪, 等. 主动配电系统可行技术的研究[J]. 中国电机工程学报,
2013,33(22):12-18.
[11]杭银丽.分布式电源对电网谐波分布的影响及配置研究[D].江苏.南京理工大学.2010,3.
[12] CIGRE Task Force C6.11, Development and operation of active distribution networks[R],
2011.
[13] Fan M, Zhang Z, Tian T. The analysis of transformation needed for the planning of active
distribution system[C]. IET 22nd International Conference and Exhibition on Electricity Distribution (CIRED), 2013: 1-4.
[14]Senjyut, MiyazatoY,YonaA,et al.Optimal distribution voltage control and coordination with
distributed generation[J].IEEE Trans on Power Delivery,2008,23(2):1236-1242.
[15]Elkhatib M E,EL-ShatshatR,Salama M M. A Novel coordinated voltage control for smart
distribution networks with DG[J].IEEE Trans on Smart Grid,2011,2(4):598-605.
[16]Hird C M,Leite H,Jenkins N,et https://www.doczj.com/doc/c912484057.html,work voltage controller for distributed
generation[J].IEEE Proceedings of Generation,Transmission and Distribution, 2004,151(2):150-156.
[17]ABB Generation.Renewable microgrid controller RMC
600[EB/OL].2013,12,01.https://www.doczj.com/doc/c912484057.html,/industries/db0003db004332/e1c6015233ddbd82c 1257a850040bdd3.aspx.
[18]SansawatT T,O’Donnell J,Ochoa L F,et al.Decentralized voltage control for active distribution
networks[C]. Proceedings of the 44th International Universities Power
EngineeringConference, September 1-4, 2009, Glasgow, UK: 1-5.
[19]Fu Q,Montoya L F,Solanki A,et al.Microgridgeneration capacity design with renewables and
energy storage addressing power quality and surety[J].IEEE Trans on SmartGrid,2012,3(4):2019-2027.
[20]Kim J Y,Jeon J H,Kim S K,et al.Cooperative control strategy of energy storage system and
micro sourcesfor stabilizing the microgrid during islanded operation[J].IEEETrans on Power Electronics, 2010,25(12):3037-3048.
[21]V iawan F A,S annino A,D alder J.Voltage control with on-load tap changers in medium voltage
feeders in presence of distributed generation [J].Electric Power Systems Research,2007,77(10):1314-1322.
[22]Yu L,Czarkowski D, De LeN F.Optimal distributed voltage regulation for secondary networks
with DGs [J].IEEETrans on Smart Grid, 2012,3(2):959-967.
[23]MacArthur S D J,Davidson E M.Concepts and approaches in multi-agent systems for power
applications[C]. Proceedings of the 13th International Conference on Intelligent Systems Application to Power Systems, November 6-10,2005,Arlington,VA,USA:5.
[24]Baran M E, EL-Markabi I M.A multiagent-baseddispatching scheme for distributed generators
for voltage support on distribution feeders[J].IEEE Trans on Power Systems, 2007,22(1):52-59.
[25]MOLDERINK A,BAKKER V,BOSMAN M G C,et al.Management and control of domestic
smart grid technology[J].IEEE Trans on Smart Grid,2010,1(2):109-119.
[26]VovosP N,Kiprakis A E,Wallace A R,et al.Centralized and distributed voltage control:impact
on distributed generation penetration[J].IEEE Trans on PowerSystems, 2007, 22(1):476-483.
[27]Jiang Z,Dougal R A.Hierarchical microgrid paradigm for integration of distributed energy
resources[C]. Power and Energy Society General Meeting—Conversion and Delivery of Electrical Energy in the 21st Century, July 20-24,2008,Pittsburgh,PA,USA:1-8.
[28]Dou C X,Liu D L,Jia X B,et al.Management and control for smart microgrid based on hybrid
control theory[J].Electric Power Components and Systems, 2011,39(8):813-832.
[29]Guerrero J M,Vasquez J C, Matas J,et al.Hierarchical control of droop-controlled AC and
DCmicrogrids-a general approach toward standardization[J].IEEE Trans on Industrial Electronics,2011,58(1):158-172.