全国客服热线：
153-1370-2523
153-1370-2523
摘要
多种设备类型与网络重构的联合规划很少在实际馈线系统上进行验证。本文提出一个四目标框架（投资成本、损耗、电压偏差、变电站间负荷平衡），用于分配光伏发电、电容器、电池和串联电压调节器，并通过场景处理联络开关重构。验证采用了巴西三条馈线的真实273节点系统，潮流求解器在所有64种开关配置下与OpenDSS匹配（误差低于1.5×10−5标幺值）。在20次运行中，NSGA-III在超体积和间距方面优于混合鲸鱼算法（WOA-SRD），且IGD差异不显著。在径向运行中，三个参考解（BRL 3.2 M, BRL 6.1 M, BRL 9.7 M）分别减少了44.5%、52.5%和56.1%的每日损耗；仅后两个解满足0.93标幺值的限制，Knee解仅超出0.0002标幺值。搜索过程对开关操作的探索较弱；对64种配置的后处理扫描显示，闭合联络开关可进一步降低33.6–37.3%的损耗。仅闭合联络开关的无DER基准方案满足电压限制，并将损耗降低了37。3%，在负荷平衡指数为九倍的情况下，因此必须根据重构来评估分布式能源（DER）的收益。相比于投资增加31%、损耗增加10%的拐点（Knee）方案，调节器和联络状态（而非分布式能源选址）使场景平均负荷平衡指数降低了68%。1. 引言
分布式能源（DERs）——光伏分布式发电（DG）、电池储能系统（BESSs）、可控并联电容器和串联电压调节器——的渗透率不断提高，正在将历史上被动的放射状配电网转变为能够通过开关操作在多种拓扑配置下运行的配电网[1,2]。这种现代范式显著扩展了规划者的决策空间：除了确定多种设备类型的最佳选址和容量外，同时决定相邻馈线间联络开关的运行状态也至关重要，尤其是在真实的多个馈线网络共享物理互联点以进行紧急互济时。
Coordinating these resources is not a matter of optimizing each device type in isolation: photovoltaic generation, storage dispatch, reactive compensation, and voltage regulation jointly determine the network’s loss profile and voltage-quality performance, and the objectives most relevant to a distribution planner—investment cost, technical losses, voltage-quality compliance, and the resulting distribution of loading across the network—are frequently in tension with one another. A solution that minimizes cost may leave voltage quality unresolved; a solution that minimizes losses may concentrate loading unevenly across feeders sharing a common service area. Treating these objectives sequentially, or optimizing device allocation independently of network configuration, therefore risks overlooking solutions that are favorable only when considered jointly.
This coordination challenge is compounded in multi-feeder distribution systems, where normally open tie-switches provide physical interconnection points between adjacent feeders, which were originally intended for emergency service restoration. Beyond this traditional role, tie-switches define an important operational dimension because closing a given subset of switches reshapes the network topology and, consequently, the loss and voltage-quality performance achievable for a fixed allocation of distributed energy resources. The converse also holds: the effectiveness of a given tie-switch configuration depends on where and how much generation, storage, and reactive support have been allocated upstream. In the present work, this interaction is represented through a coordinated planning framework in which DER allocation is optimized while network performance is evaluated under a scenario-based reconfiguration framework. This formulation captures the dependence between DER siting and network topology without claiming exhaustive optimization over the complete combinatorial switching space.
应用目标。所提出的框架针对存在电压裕度或损耗问题的现有配电馈线的中期加固与改造规划。在所研究的系统中，即使没有分布式能源（DER），电压违规问题也已经存在（Vmin=0.8853径向运行时的标幺值，第3.5节），因此光伏、电池储能系统、电容器和调压器被视为候选的配电网强化方案，而非应对光伏引起过电压的措施。帕累托前沿为规划者选择投资水平提供了依据；该工具并非用于实时或日前运行。
1.1. 相关工作
配电网中分布式能源的最优配置在不同数学模型下已在文献中得到了广泛研究。
1.1.1. 电容器与分布式发电配置
] 以及应用于同时进行分布式电源（DG）和电容器配置的对立算术优化算法 []。最近的研究通过联合优化DG配置和馈线拓扑结构，进一步强化了这一耦合视角，包括针对电压稳定性和损耗最小化的协调建模 [3] 以及在不同负荷模型下考虑网络重构的技术经济型DG配置 [4]. More recent studies have further strengthened this coupled perspective by jointly optimizing DG placement and feeder topology, including coordinated formulations for voltage stability and loss minimization [5] and techno-economic DG allocation with network reconfiguration under different load models [6].1.1.2. 结合分布式发电配置的网络重构
馈线重构结合分布式电源配置是近期文献中最活跃的分支之一，这得益于受自然启发的元启发式算法的兴起。近期的研究成果包括改进的海洋捕食者优化算法[7]、平衡优化算法[8]、郊狼优化算法[9]、基于模糊决策的冠状病毒群体免疫算法[10]、基于堆的优化算法[11]，增强型神经网络框架[12]，以及正弦-余弦算法[13]。这些研究中的一部分探讨了多目标或多目标优化方案，例如在不平衡的IEEE 123节点系统中基于帕累托的重构[14]、带开关的多周期多目标分布式电源选址定容[15]，以及使用人工电场优化与模式搜索混合的准则重构[16]。最近的研究还通过灵活的动态重构解决了可再生能源发电和读档的不确定性[17]，而其他方案则使用NSGA-III算法协调移动电池储能与动态馈线重构[18]。对于高渗透率可再生能源系统，近期研究了在动态运行条件下结合电池储能系统的图论重构方法[19]。综合综述系统地归纳了这一大量研究工作[1,2尽管在方法论上取得了显著进展，但最近的研究表明，这些要素中的几个正日益被耦合在一起。然而，三个关键局限性仍与本文所讨论的公式化相关。首先，验证工作仍主要在标准馈线系统上进行，包括IEEE 33、69和123节点系统，即使在考虑大规模或实际系统案例时也是如此[17,20,21,22]。其次，近期的协调方案通常强调损耗、电压质量、运行成本、可靠性或环境指标，而平衡多个互联馈线变电站之间有功负荷的限制级目标仍然较少见[5,6,23]。第三，尽管电池储能系统（BESS）和网络重构目前正在被共同研究，但在单个多目标决策向量中同时协同配置BESS、分布式电源（DG）、并联电容器、串联电压调节器和联络开关操作，仍然是一个相对未被探索的领域[18,19].1.1.3. 电池储能系统（BESSs）的容量配置与选址
第三个相关领域涉及电池储能系统（BESS）的最佳规模与配置，这主要是为了缓解可再生能源的间歇性和太阳能弃电问题。近期研究涉及随机技术经济型BESS规模优化以最大化可再生能源接入容量、混合储能规模优化以平滑功率波动，以及在高风/光渗透率配电系统中优化BESS配置以减少可再生能源弃电[24,25,26]。最近的研究明确地将储能与馈线重构相结合，包括协调移动式BESS和动态馈线重构[18]以及在高比例可再生能源和BESS渗透下的图论动态重构[19]。也有研究将电压稳定性和可再生能源接入考虑纳入储能规划中[27,28,29然而，这些近期的公式在范围上仍与当前问题有所不同：它们通常只优化存储、发电或开关决策的一个子集，而不是在优化多个物理互连馈线上的联络开关操作的同时，协同分配光伏分布式电源、电池储能系统、并联电容器和串联电压调节器。1.1.4. 文献空白综合与贡献定位
文献综述表明，在协调分布式能源（DER）配置和网络重构方面已取得实质性进展，但所综述的方案在范围上仍存在差异：(i) 分布式电源（DG）配置与馈线重构日益耦合，但通常在标准化系统上进行验证，且仅涉及有限的可控设备子集[5,6,15]; (ii) 电池储能系统（BESS）与动态重构目前正被共同考虑，但决策向量通常不包含本文所考虑的发电、无功支持、电压调节和馈线间切换设备的完整组合[18,19]; 以及 (iii) 可靠性和地理空间标准近期已被纳入重构研究[23]，然而，在多个互连馈线变电站之间平衡有功读档的限制级目标仍然相对少见。这些观察结果表明，本研究的贡献并非首次将分布式能源分配与网络重构相结合，而是一个协调的多性向目标建模，它整合了更广泛的可控资产，并在真实的273节点多馈线系统中明确评估了馈线间的读档平衡。表1总结了上述近期研究的主要决策组件。
表1。近期关于分布式能源协调配置与配电网重构研究的对比。
1.2. 主要贡献
。为解决这些局限性，本文提出了一种全面的四目标规划框架——总投资成本（CAPEX）、有功技术损耗、带违规惩罚的电压偏差以及互联馈线间的负荷平衡——用于在三个互联的实际配电馈线（76、78和119节点，共273个节点）中配置光伏DG、并联电容器、电池储能系统（BESS）和串联电压调节器。网络重构通过基于场景的评估来实现，该评估结合了七种常见参考拓扑与特定候选方案的交换配置，同时为所有候选方案保持通用的运行场景。负载均衡目标通过变异系数（CV) 三座主变电站所输送的有功功率。此外还定义了辅助电压严重程度和光伏削减监测指标（第2.9节）以支持对最终运行条件的解读，而无需将其纳入优化目标向量。该问题采用标准NSGA-III算法求解[30] 并与一种具有随机参考方向选择的混合鲸鱼优化算法（WOA-SRD）在20次独立运行中进行了比较，通过超体积（HV）、间距（Spacing）和反向世代距离（IGD）进行评估，并采用Holm–Bonferroni校正下的Wilcoxon秩和检验。
1.3. 论文结构
本文余下部分结构如下：第2节详细阐述了数学问题建模、决策变量矩阵编码、WOA-SRD与NSGA-III元启发式算法、BESS日运行调度模型、全交流多馈线潮流求解器、基于OpenDSS的验证以及统计基准协议；第3节介绍了活动概况、统计质量指标、帕累托前沿特征、负荷平衡灵敏度分析、开关空间探索，以及故障级通用保护与通用选择性筛选；第四节讨论了工程影响、权衡取舍以及方法论局限性；以及第5节总结了结论性意见和未来研究方向。2. 材料与方法
2.1. 研究中的多馈线配电系统
本研究分析的配电网由三个互连的实际径向配电馈线组成，分别命名为N76、N78和N119，包含nb,76=76, nb,78=78、nb,119=119和NB=273个节点，最终形成一个包含31馈线运行电压为13.8 kV。在馈线之间的物理互联点上设有六个常开联络开关（SW-A至SW-F），可实现孤立的放射状运行（所有开关断开）或选择性的互助转移。图1展示了统一的拓扑结构，突出了三条放射状馈线及其六个联络开关的互联情况，并且表2总结了这三条馈线的主要特征。
图1。统一的273节点多馈线配电网拓扑结构，通过颜色突出显示三条馈线，三个变电站节点（星号，不作为候选位置）以及六个候选联络开关互联点（红色虚线，其终端节点被圈出）；单个开关名称和节点编号在正文和表格中单独列出，未叠加在此图中。
表2。真实273节点多性向配电网的主要特征。Vmin是在无分布式能源（DERs）的辐射运行模式下，96步日负荷曲线中的最低电压，该电压通过以下潮流求解器计算得出：第2.6节.
分布式能源（DER）所有权假设。该提议框架分配的所有资产（光伏发电、并联电容器、电池储能系统和串联调节器）均假设为公用事业公司所有或签约，并连接至中压母线，因此规划者拥有选址和定容的权限，并承担投资成本F1客户拥有的表后分布式能源（DER）未包含在决策向量中。当选址不在配电系统运营商（DSO）控制范围内时，候选节点集可限制在允许的区域，由此得出的分配结果应被视为网络支持服务、激励措施或接入要求能产生最大效益的指示。
本研究中使用的每日读档曲线由96个连续的15分钟间隔表示（Δt=0.25h），对应24小时的运行周期。基础现场数据源来自LIGHT的实际配电系统，在该系统中，配电变电站每15分钟测量一次馈线级总负荷，持续一年，每条馈线产生35,040次测量值[31]。原始研究报告称，对历史测量数据进行了预处理，以识别缺失的测量值以及与馈线间读档转移相关的突发变化，其中15分钟间隔内超过15%的变化被用作转移检测的指标[31]。在本研究中，采用的日负荷曲线以归一化形式表示，并按最大系统需求进行缩放，6.15MW，导致最小需求约为2.46MW (图2)。在第24和72个周期附近可见的两步过渡是所采用归一化曲线的保留特征。
图2。模拟中采用的归一化每日需求曲线（96个时段，24小时）。
光伏分布式发电通过合成归一化曲线进行建模：一条晴空高斯钟形曲线（正午太阳辐射达到峰值，18:15至05:45之间发电量为零），并受时间相关（AR(1)-持续性）随机噪声分量调制，该噪声代表云层瞬变（图3).
图3。归一化日光伏发电曲线（96个时段，24小时）。
图4展示了所提出的多目标规划框架的整体架构和功能集成。该方法结合了四个相互依赖的计算层：(i) 在统一的273节点测试平台上动态24小时需求和随机太阳能发电曲线；(ii) 一个紧凑的4×14决策矩阵编码候选分布式能源（DER）的选址、容量和联络开关操作；（iii）一个带有动态电池储能系统（BESS）荷电状态调度、评估四个同时适应度函数的全交流多馈线电流注入潮流计算引擎；以及（iv）多目标元启发式优化引擎（混合WOA-SRD和NSGA-III），结合严格的非参数统计验证和帕累托膝点选择。
图4。综合多目标优化框架：整合24小时动态读档/太阳能曲线、统一多馈线潮流、协调资产编码、混合元启发式引擎（WOA-SRD/NSGA-III）以及帕累托参考点决策。2.2. 优化问题建模
分布式能源（DER）分配问题被表述为一个具有四个同时最小化目标的多元优化问题，同时网络性能是在一组依赖于解的重构场景中进行评估的：
min
电话：153-1370-2523
美国邱健蓄电池集团总部