主動配電網優化技術研究現狀及展望

王成山，孫充勃，李鵬(智能電網教育部重點實驗室(天津大學)，天津市300072)

主動配電網優化技術研究現狀及展望

王成山，孫充勃，李鵬
(智能電網教育部重點實驗室(天津大學)，天津市300072)

分布式電源(distributed generation，DG)和電動汽車的大量接入、智能家居的普及、需求側響應的全面實施等顯著增強了配電系統規劃與運行的復雜性，同時，未來的配電網對規劃與運行的優化策略提出了更高的要求。作為未來配電網的一種發展模式，主動配電網(active distribution network，ADN)開始受到人們的關注。介紹了ADN的概念和內涵，從規劃和運行2個方面總結了ADN優化技術的國內外研究現狀和關注重點，并從“源-網-荷”互動的綜合優化、多周期優化及其協調配合、分層分布式優化策略等3個角度對其未來的發展趨勢進行分析和梳理。

主動配電網(ADN);分布式電源(DG);規劃;最優潮流;無功優化;網絡重構

0 引言

近年來，分布式電源(distributed generation，DG)得到了長足的發展，未來DG、分布式儲能將廣泛而高密度地接入電網，并在未來節能減排中扮演越來越重要的角色，配電網也會變得越來越復雜。DG的高滲透率接入，在不斷滿足電網能量需求的同時，也使新的市場、新的服務、新的交易機制得到了嘗試和發展，其對電網和環境帶來的效益也越來越受到關注。在智能配電網(smart distribution grid，SDG)和主動配電網(active distribution network，ADN)的框架下，新的配電模式正在逐漸形成［1］。

智能電網是指一個完全自動化的供電網絡，其中的每一個用戶和節點都得到了實時監控，并保證了從發電廠到用戶端電器之間的每一點上的電流和信息的雙向流動。通過廣泛應用的分布式智能和寬帶通訊及自動控制系統的集成，可以保證市場交易實時進行和電網上各成員之間無縫連接及實時互動［2］。由于目前在“發、輸、配、用”電這一鏈條中，同發電和輸電環節相比，配電、用電以及電力公司和終端用戶的合作等環節上相對薄弱，影響了系統的整體性能和效率，所以SDG成為了目前智能電網的研究重點。

DG、儲能系統、電動汽車以及智能終端的大量接入，使配電網具備了一定的主動調節、優化負荷的能力，具有主動管理能力的配電網稱為ADN［3-4］。ADN通過引入DG及其他可控資源，輔助以靈活有效的協調控制技術和管理手段，實現配電網對可再生能源的高度兼容和對已有資產的高效利用，并且可以延緩配電網的升級投資、提高用戶的用電質量和供電可靠性［5］。

ADN的實施與發展關鍵在于優化，即從規劃、運行、管理、評價等幾個方面入手，徹底改變已有配電網的規劃、設計以及運行方式，實現電網的效益最大化。然而，由于先進的量測體系和通信設備的廣泛應用使得配電網數據海量化，大量具有隨機性和間歇性的DG的接入使得系統的運行更加復雜，未來配電網對可靠性、電能質量、資產利用率的要求越來越高，人們對環境的關注和電網效益的綜合化，均使得配電系統規劃與運行面臨著新的挑戰。同時，這些豐富多樣的資源的引入也為實現配電網智能化、主動化提供了機遇。很多高級控制功能更加受到關注，例如，網絡重構、電壓/無功控制、最優潮流、需求側響應等，使得可控設備日益增多、網絡結構更加多變、運行方式更加靈活，運行優化策略的實施將成為現實需求。

為此，本文介紹ADN的概念和內涵，從規劃和運行2個方面總結ADN優化技術的國內外研究現狀和關注重點，并對未來的發展趨勢進行分析和梳理。

圖1 ADN功能框圖Fig.1 Function layout architecture of ADN

1 ADN

根據國際大電網會議(conference international des grands reseaux electriques，CIGRE)配電與分布式發電專委會C6．11項目組的工作報告，ADN可定義為:可以綜合控制分布式能源的配電網，可以使用靈活的網絡技術實現潮流的有效管理，分布式能源在其合理的監管環境和接入準則基礎上承擔系統一定的支撐作用［6］。

ADN的功能框圖如圖1所示［7］。首先，利用高級量測體系和先進的通信技術實現實時運行數據的準確、可靠收集，通過負荷和發電預測以及狀態估計等功能準確感知系統當前的運行狀態。然后，利用系統的可控資源和分布式能源進行優化，并通過市場價格的制定、能源交易的管理等方式激勵電力用戶響應配電網運營商的調度計劃，在滿足各種運行約束的前提下，實現配電網的最優運行。ADN的作用就是變被動控制方式為主動控制方式，依靠主動式的電網管理對這些資源進行整合。因此，現代配電網已經不再等同于僅僅將電力能源從輸電系統配送到中低壓終端用戶的傳統配電網，在2012年的CIGRE年會上C6工作組開始考慮采用主動配電系統(active distribution system，ADS)來代替ADN的概念［8］。

為了更好地理解ADN的含義，這里將其和微網進行比較:(1)從設計理念上，微網是一種自下而上的方法，能集中解決網絡正常時的并網運行以及當網絡發生擾動時的孤島運行，而ADN采用自上而下的設計理念，從整體角度實現系統的優化運行;(2)從運行模式上，微網是一個自治系統，可以與外部電網并網運行，也可以孤島運行，而ADN是由電力企業管理的公共配電網，常態方式下不孤島運行;(3)從系統規模上，微網是實現DG與本地電網耦合較為合理的技術方案，但其規模和應用范圍往往受限，而ADN旨在解決電網兼容及應用大規模間歇式可再生能源，是一種可以兼容微網及其他新能源集成技術的開放體系結構;(4)從資源利用上，微網強調的是能量的平衡，滿足能量上的自給自足和自治運行，而ADN更強調信息價值的利用，通過高級量測系統和先進的通信技術達到全網資源的協調優化。

2 ADN優化技術

如前所述，優化運行技術是ADN的核心技術，也是實現配電網主動運行的關鍵所在。由于系統的信息化和自動化水平顯著提高，運行控制策略的實施更加快速化，使系統的運行和規劃結合得更加緊密，合理的規劃方案對系統運行策略的制定具有較大的影響。因此，這里將ADN的優化技術分為規劃和運行2個方面進行介紹。

2.1 ADN規劃

ADN規劃不僅要考慮傳統配電網規劃的內容，還要考慮DG接入、電動汽車管理、需求側響應等方面的影響。由于DG不同的安裝位置和容量對系統的電壓分布、電壓穩定性等產生不同程度的影響，其選址和定容方法［9-15］成為規劃研究的重點。這里對ADN規劃技術進行整理和總結，并從以下3個方面進行說明。

2.1.1 成本目標計算

隨著對電力系統運行要求的提高，在規劃時僅僅考慮經濟性已不能滿足要求，往往需要綜合性指標作為目標函數。文獻［9］對DG的優化配置問題進行了深入總結，目標函數主要包括經濟性成本(網損或者能量損耗成本)、可靠性成本(平均停電時間)、供電質量(電壓偏差)、DG效益最大、DG接入量最大、成本效益比最大等。除此之外，文獻［10］介紹了考慮電壓改善、網損降低和環境效益提升的DG多目標綜合優化配置模型;文獻［11］從電壓穩定性的角度著手提出了一種提高電壓穩定域的DG優化配置方法;文獻［12］從最大程度利用DG資源的角度出發，探索對多類型DG進行配置及運行調度的方法。可見，考慮DG后的電網供電可靠性、穩定性以及環境效益日趨成為規劃研究中的重點考慮因素。

2.1.2 DG處理方式

總體而言，DG分為不可控型和可控型兩大類。不可控型DG(如風力發電和光伏發電)輸出功率受環境影響很大，具有明顯的隨機性和波動性，會影響電力系統的正常運行。而可控型DG的靈活利用可以提高系統可靠性、改善電能質量等。并且，對不同類型DG的組合規劃研究還有利于部分電網的孤島運行和關鍵負荷保障供電，有助于實現配電網自愈控制。因此，考慮不同類型DG的技術特點、經濟性、環保性等方面的差異才能更準確地實現含DG配電網的合理規劃，為ADN技術的開展奠定基礎。然而，目前的研究考慮較為簡單，未充分體現形式各樣的DG在規劃中所發揮作用的區別。

2.1.3 配電網升級

隨著負荷的不斷增長以及大量新型設備的接入，配電網的變電站、線路、變壓器、保護裝置以及量測設備等都需要進行升級改造［16-22］。而DG優化配置、網絡拓撲結構的調整以及無功設備的合理布局對緩解系統堵塞、延緩系統升級也都有明顯的作用。DG優化配置屬于配電網擴展規劃研究的一部分，然而，目前的研究將DG優化配置與其他擴展規劃劃分得太過明顯，這顯然是不合理的。如何權衡DG規劃與傳統擴展規劃，確定最優的系統建設方案，使得在滿足ADN技術要求的前提下達到綜合效益最大，應該受到重視。文獻［16］建立ADN的擴展規劃模型，重點針對一次能源的間歇性和靈活可控的運行策略開展研究，采用情景分析法來描述DG和負荷的不確定性;文獻［17］將DG接入給供電公司和客戶帶來的效益作為優化目標，考慮升級投資的延期作為其中的一個指標;文獻［18］提出一種風電和聯絡線協調規劃的方法，并建立了風電/聯絡線的投資運行費用、系統可靠性以及全網有功損耗的多目標優化框架，以尋求二者的最優結合。上述文獻在該方面進行了一些探索，但是還需深入研究，尤其是在ADN資源越來越豐富的情況下，各種規劃手段的協調配合和資源選取更加復雜。

2.2 ADN運行優化

ADN運行優化問題可以結合圖2來說明。系統可以利用的資源包括可控型DG、不可控型DG、可控負載、電動汽車、儲能裝置、無功補償設備等。其中，部分DG由“不可調度”變為“可調度”，與配電網的傳統優化手段相互配合，不僅可以實現DG的充分利用，還可以提高系統的經濟性和安全性、改善電能質量、降低系統阻塞等。而儲能裝置的接入可以起到削峰填谷、平滑擾動的作用，電動汽車回饋電網技術可以向電網提供輔助服務，以提高電網的運行效率和安全性。

對于優化手段，傳統的方法包括最優潮流［23-27］、無功優化［28-32］、網絡重構［33-35］等，考慮儲能技術、電動汽車、需求側響應等手段后，優化策略趨于綜合化，一些基于魯棒優化、概率模型以及動態優化的思想得到了迅速發展和應用。而這使得優化模型的規模越來越大，非線性越來越強，優化問題的求解變得越來越困難。

圖2 ADN運行優化問題Fig.2 Optimization of the ADN operation

這里通過對國內外研究工作的梳理，分別從目標函數、約束條件、優化手段、優化算法等幾個方面闡述相關研究的異同，如表1所示。

表1 運行優化方法文獻總結Table 1 Summery of the reviewed operation strategy

2.2.1 目標函數綜合化

目標函數的綜合化是配電網運行優化策略的發展趨勢，也是ADN實現整體管理、全局協調控制的必然選擇。優化目標將不僅僅從經濟性的角度出發，更多的是將提高系統穩定性、供電質量、環境效益考慮進去，在權衡利弊之后給出綜合性的效益指標。例如，文獻［23］考慮了各種DG對環境的不同影響，提出用環境價值標準衡量DG對環境的影響建立DG的環境成本模型;文獻［24］為了保證大規模風電并網后系統運行的安全性，并利用風電來減少環境污染，引入“能源環境效益”的概念，構建了包含風電場的電力系統多目標優化調度模型。為了更好地解決多目標函數問題，一些新的處理方式得到了發展。比如，基于帕累托最優概念的多目標進化算法［36］(multi-objective evolutionary algorithms，MOEAs)因不需要偏好設置，使得算法的實用性得到極大提高。

在ADN的推動下，考慮到不同優化周期對分布式能源的響應速度要求不同，需要提供的報酬也應該有所差別。歐美一些國家試圖通過成熟的電力市場以及嚴格的并網準則、完善的市場價格和補償機制，實現對分布式能源的調度和管理。但是，對該管理成本的評估和分析還未在運行策略中深入考慮。

2.2.2 優化策略全面化

配電網的優化手段多種多樣，但是可以發現，它們所采用的目標函數和約束條件都有明顯的類似之處，其目的都是實現配電網的最優運行。為了整合系統資源，給出綜合、全面的運行方案，人們開始考慮多種優化手段相結合和協調優化。例如，在最優潮流中考慮DG無功特性和電容器投切變化，無功優化中考慮DG有功出力變化，網絡重構中考慮DG出力特性和變壓器分接頭變化等。

同時，為了應對間歇性能源的接入給配電網運行帶來的挑戰，動態優化方法成為了當前較為流行的解決方案，為配電系統開關的日調度和在線預調度創造了條件［37-38］。除此之外，基于點估計法、蒙特卡羅法和情景分析法等隨機因素處理方式也得到了大量的應用，這些方法根據概率統計特性對仿真結果進行聚合，進而得到系統運行的最優方案。

未來的配電網運行控制策略將朝著更加全面化的趨勢發展，其目標函數、約束條件越來越豐富，優化手段開始互相滲透，多時間尺度優化以及隨機處理方法的應用將更加深入，ADN的推進將使這一趨勢更加明顯。

2.2.3 儲能技術的應用

近年來，多種多樣的儲能裝置的出現使得儲能技術的發展和應用得到了研究人員越來越多的青睞。在制定運行策略時考慮儲能技術的利用，對消納可再生能源、提高電力系統可靠性和穩定性都有顯著的作用。

由于儲能裝置具有時間上的延續性，對含儲能的配電網運行優化通常采用基于時間區間的優化方法。如文獻［25］研究了含有風力發電和蓄電池儲能系統的配電網最優潮流，考慮了電價機制和風電削減系數，給出了有功和無功同時進行優化的A-R-OPF模型;文獻［26］在此基礎上研究了儲能技術在不同時間尺度下的優化效果，分析并比較了靈活充放電控制與固定充放電控制的優缺點;文獻［27］從整個系統角度研究了有功和無功潮流控制，重點考慮了儲能裝置的最優控制問題，約束條件考慮到儲能的容量限制以及內部損耗等。不同的儲能裝置，其技術特點有較大的差異，大體可以分為能量型和功率型，對研究不同時間尺度下的運行策略提供了較好的基礎。然而，目前的研究對儲能類型的區別尚不明顯，并且多數情況下僅考慮1種甚至1個儲能裝置接入配電網，其研究還處于初級階段。

2.2.4 DG輔助服務和無功市場

在利用DG進行電網優化調度時，國內外學者也開始關注其潛在能力，使其在輸出有功功率的同時盡量提供一定的輔助服務，充分發揮DG的最大效益。其中，DG作為連續無功源參與配電網的無功電壓控制，為配電網提供無功輔助服務，可解決傳統配電網無功調壓手段調節離散化、調節速度慢、難以實現電壓連續調節的問題，并能減少大容量無功補償裝置的投入［30］。為此，國內外開始對DG的無功特性進行研究。例如，文獻［42］給出了同步電機型DG的無功出力范圍，描述了有功和無功出力的非線性關系;文獻［1］針對風機開展研究，給出了同步電機和雙饋電機的運行范圍，同時考慮無功電價機制，在有功出力和無功服務之間進行成本效益的權衡。

但是，在無功優化模型中必須對各種DG分情況處理。DG的運營商一般有3類，即配網公司、大用戶和獨立運營商，且大用戶和獨立運營商一般不愿意讓所屬的DG發出無功功率，因而這類DG在無功優化中一般不作為無功調節的控制手段。此時，建立考慮DG的電力無功市場機制越來越受到重視。目前，國外較典型的市場機制，如紐約獨立系統運營商采用嵌入式成本定價來進行無功服務計費，并建立了相應的懲罰措施和補償機制;英國國家電網公司要求強制性無功服務，并且對于有裕量的電源要求其增強無功服務。隨著電力市場的發展及無功定價機制的逐步完善，有些大用戶或獨立運營商也將主動參與無功輔助服務［1］。

2.2.5 優化算法性能的提升

配電網優化問題屬于大規模混合整數非線性組合優化問題，快速、準確、高效的求解方法一直是其研究重點。目前主要的研究思路是對原有算法的改進、2種算法的結合和互補、新型求解算法的探索和利用，如錐優化方法［34］、SALHE-EA算法［42］、改進的細菌覓食算法［43］、自適應粒子群算法［44］、遺傳算法［45］等。隨著優化策略的不斷發展，特別是可利用資源的多樣化和調度計劃的實時化，優化算法在計算速度、尋優能力上需要進一步加強。限于篇幅，這里對算法部分不做詳細介紹。

2.3 規劃與運行一體化

在未來的配電系統中，新型傳感器和先進通信手段的廣泛應用將為中低壓配電網實時信息的獲取創造條件，智能化開關設備與高級配電自動化控制策略將使得配電系統運行方式在短時間(分鐘內或更短)內轉變成為可能，系統所具備的快速負荷轉供能力將構成配電系統新的運行特征，使得配電系統規劃與配電系統運行策略高度耦合。

目前的研究開始關注這一方面，將上述規劃技術與運行優化技術進行結合。例如，文獻［12］提出了一種典型的雙層優化模型，即第1層實現DG優化配置，第2層實現DG和儲能的節能調度。但是該模型僅在運行層計及了規劃的影響，而運行策略對規劃層的影響考慮的不夠深入。配電網優化將在規劃中考慮運行策略的影響，在運行中考慮規劃方案的約束，運行問題與規劃問題的求解是一個交替互動求解的過程。如何建立規劃與運行一體化的優化框架和模型，還需進一步探索和完善。

3 未來的發展趨勢

未來的ADN優化將是在滿足節能發電調度、環保排放、成本控制、實時/日前電力市場、網損優化等不同要求下，充分考慮配電網安全和節能環保等約束條件的大規模、多目標、多時段、安全經濟一體化的經濟調度和優化。但是，目前的研究尚處于起步階段，如何體現新型設備在ADN中的價值，全面、綜合利用各種控制手段來實現系統效益的最大化，有待進一步研究。本文從3個角度剖析未來ADN優化技術的發展趨勢。

3.1 “源-網-荷”互動的綜合優化

從政策、經濟、技術等多方面考慮，電力行業都急需引入需求側資源和更加靈活高效的系統運行管理手段，以應對新能源電力系統的發展和用電負荷的急劇增加。一方面，ADN鼓勵和促進用戶參與電力系統的運行和管理，支持用戶使用DG，為客戶提供靈活定制、多種選擇、高效便捷的服務。另一方面，輔助服務市場不斷發展和完善，需求側資源將參與輔助服務市場的競價，而基于市場價格激勵的需求側響應計劃可以鼓勵用戶調整自己的用電方式以實現配電網的優化運行。

在電網與電力用戶的雙向互動下，配電網的運行將依賴于電動汽車充放電、智能家居、DG與微網、分布式儲能等與傳統調控方式相互配合的“源-網-荷”互動分布式系統優化調控策略。對此，還有很多問題需要解決和探索。首先，由于用戶用電行為具有隨機性、意愿性與時變性的特點，對其還缺乏完善、恰當的用電負荷特性分析方法;其次，如何將智能用電負荷形成主動負荷，實現用戶負荷參與電網協調控制，還需合理、可行的激勵措施和電價機制;再次，目前的研究開始關注DG和儲能系統等“源”在運行優化中所發揮的作用，并將其與“網”側的調控手段進行結合，但是對電價引導機制、需求側管理等“荷”與“網”、“源”之間的配合還未能深入研究。

雖然歐洲和美國等發達國家已經有了一定的研究成果，但在電力市場開放程度、用戶用電習慣、居民住宅模式和負荷構成情況等方面，中國有自己獨特的國情特點，需要結合我國實際開展相應的關鍵技術研究。

3.2 多周期優化及其協調配合

面對大量隨機性和間歇性DG的接入以及更加協調和靈活的運行方式，采用基于時間點的確定性優化策略已無法滿足要求。研究日前、日內、實時多周期優化及相互之間的協調優化技術，是實現有效控制電網運行成本，提高能源利用效率，實現大范圍資源優化配置的有效途徑之一。

傳統的優化調度采用三級調度，根據不同時間級的負荷預報，采用不同時間級的調度優化，包括日調度時間級、預調度時間級、在線調度時間級。借鑒該思想，文獻［46］研究了用于ADN管理系統的優化方法，提出了兩階段優化策略，通過日前優化和日內調整來保證滿足運行要求前提下的系統優化運行，如圖3所示。該文獻給出了多周期優化及其協調配合的初步思想，即在日前優化中，對不可控DG和負荷進行預測，并根據可控DG用戶和響應負荷的競價制定DG的發電計劃和無功輔助計劃、電壓調節方案等;在日內調整中，為了應對外部環境的變化和偶然事件的發生，實時調整發電計劃，改變DG用戶和響應負荷的功率，以及改變網絡拓撲結構等，尋找經濟最優運行點。

圖3 多周期優化策略Fig.3 The multi-period optimization

但是，目前的市場競價機制尚不夠完善，如何通過多時空尺度的協調調度達到“多級協調、逐級細化”，DG用戶和響應負荷參與電網優化的主動管理成本如何計算，都還有待探索。

3.3 分層分布式優化策略

由于ADN控制方式的復雜化和數據信息的海量化，以及考慮通訊的延遲和計算時間的需求，基于集中式控制結構的全系統整體優化無法滿足具有較強隨機性和快速變化性的配電網的要求。因此，靈活的分布式控制策略受到越來越多的關注。

實現ADN的主動優化與控制，須同時兼顧全局優化與局部自治控制的要求。由于全局優化一般采用歷史數據或預測數據，無法與實際運行狀態完全一致，且全局優化與實時控制對響應時間的要求有差異，因此需研究在全局優化基礎上實現局部協調自治，使ADN實際運行狀態與最優狀態保持相近。

分層分布式優化策略采用多agent技術，充分利用配電系統的結構特點，將配電網絡分層分區加以劃分，形成不同電壓等級、不同地區分布的控制區域。圖4為一種基于多agent技術的典型的三層優化控制框架［47］。其中，中間層為區域協調agent，包括微網(MG)、單元包(Cell)和虛擬發電廠(virtual power plants，VPP)，針對電網的某一子系統進行管理，使其參與到整個系統優化控制中，建立了全局優化和單個調節設備的橋梁。在每個控制區實施就地局部控制時需要考慮臨近控制區的影響，各個agent之間采用合理的協調機制，是實現全局優化和局部協調的統一的關鍵所在。

圖4 基于多agent技術的分層分布式優化框架Fig.4 The agent-based multilayer optimization framework

4 結語

ADN提供了先進的量測技術、自動控制技術和通訊支持，使得配電網由被動變為主動。隨著優化技術的創新和發展，規劃與優化的相互滲透，“源-網-荷”之間的互動，配電網優化將不斷趨于綜合化、全面化。同時，基于多周期優化策略和分層分布式優化框架，可以實現信息與數據的大量融合，局部與整體的高度統一。

雖然目前ADN的發展才剛剛開始，電力市場機制尚不完善，ADN技術的分析與評價缺乏合理有效的方法，電力企業和用戶主動參與電網的積極性不夠高。但是，通過政策鼓勵、技術創新以及管理體制的變革，ADN的發展將充滿活力，未來的配電網將是在智能配電網和ADN主導下的開放、互動、綠色、高效的新型配電網。

［1］Rueda-MedinaA C，Padilha-FeltrinA．Distributed generators as providers of reactive power support:Amarket approach［J］．IEEE Transactions on Pow er System，2013，28(1):490-502．

［2］余貽鑫，欒文鵬．智能電網［J］．電網與清潔能源，2009，25(1): 7-11．Yu Yixin，Luan Wenpeng，．Smart grid［J］．Power System and Clean Energy，2009，25(1):7-11．

［3］羅卓偉，胡澤春，宋永華，等．大規模電動汽車充放電優化控制及容量效益分析［J］．電力系統自動化，2012，36(10):19-26．LuoZhuowei，HuZechun，SongYonghua，et al．Coordinated charging and discharging of large-scale plug-in electric vehicles with cost and capacity benefit analysis［J］．Automation of Electric Power Systems，2012，36(10):19-26．

［4］于文鵬，劉東，余南華．饋線控制誤差及其在主動配電網協調控制中的應用［J］．中國電機工程學報，2013，33(13):108-115．Yu Wenpeng，Liu Dong，Yu Nanhua．Feeder control error and its application in coordinate control of active distribution netw ork［J］．Preceedings of the CSEE，2013，33(13):108-115．

［5］尤毅，劉東，于文鵬．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，YuWenpeng，et al．Technology and its trends of active distribution network［J］．Automation of Electric Pow er Systems，2012，36(18):10-16．

［6］D’Adamo C，Jupe S，Abbey C．Global survey on planning and operation of active distribution netw orks—update of CIGRE C6．11 working group activities［C］//Proceedings of the 20thInternational Conference and Exhibition on Electricity Distribution:Part I，Prague，Czech:CIGRE C6．11 working group，2009:1-4．

［7］Pilo F，Pisano G，Soma G G．Optimal coordination of energy resources with a two-stage online active management［J］．IEEE Transactions on Industrial Electronics，2011，58(10):4526-4537．

［8］范明天，張祖明，蘇傲雪，等．主動配電系統可行技術的研究［J］．中國電機工程學報，2013，33(22):12-18．FanMingtian，ZhangZuping，SuAoxue，et al．Enabling technologies for active distribution dystems［J］．Proceedings of the CSEE，2013 (22):12-18．

［9］Georgilakis P S，Hatziargyriou N D．Optimal distributed generation placement in pow er distribution networks:models，methods，and future research［J］．IEEE Transactions on Power Systems，2013，28 (3):3420-3428．

［10］王守相，王慧，蔡聲霞．分布式發電優化配置研究綜述［J］．電力系統自動化，2009，33(18):110-115．WangShouxiang，WangHui，CaiShengxia．A review of optimization allocation of distributed generations embedded in pow er grid［J］．Automation of Electric Pow er Systems，2009，33(18):110-115．

［11］AlAbri R S，El-Saadany E F，Atwa Y M．Optimal placement and sizing method to improve the voltage stability margin in a distribution system using distributed generation［J］．IEEE Transactions on Power Systems，2013，28(1):326-334．

［12］唐勇俊，劉東，阮前途，等．計及節能調度的分布式電源優化配置及其并行計算［J］．電力系統自動化，2008，32(7):92-97．TangYongjun，Liu Dong，RuanQiantu，et al．Optimal allocation of distributed generation and its parallel computation considering energy-saving dispatching［J］．Automation of Electric Pow er Systems，2008，32(7):92-97．

［13］Hien N C，Mithulananthan N，Bansal R C．Location and sizing of distributed generation units for loadabilty enhancement in primary feeder［J］．IEEE Systems Journal，2013，7(4):797-806．

［14］Hung D Q，Mithulananthan N．Multiple distributed generator placement in primary distribution networks for loss reduction［J］．IEEE Transactions on Industrial Electronics，2013，60(4): 1700-1708．

［15］Abdi S，Afshar K．Application of IPSO-Monte Carlo for optimal distributed generation allocation and sizing［J］．Electrical Pow er and Energy Systems，2013(44):786-797．

［16］Martins V F，Borges C L T．Active distribution netw ork integrated planning incorporating distributed generation and load response uncertainties［J］．IEEE Transaction on Pow er System，2011，26 (4):2164-2172．

［17］Shaaban M F，Atw a Y M，El-Saadany E F．DG allocation for benefit maximization in distribution networks［J］．IEEE Transactions on Pow er Systems，2013，28(2):639-649．

［18］顏偉，呂冰，趙霞，等．分布式風電源與配網聯絡線協調規劃［J］．電力系統保護與控制，2013，41(15):1-6．Yan Wei，LüBing，Zhao Xia，et al．Coordinated allocation of DGs and tie lines in distribution netw orks［J］．Power System Protection and Control，2013，41(15):1-6(in Chiese)．

［19］El-Fergany AA．Optimal capacitor allocations using evolutionaryalgorithms［J］．IET Generation，Transmission＆Distribution，2013，7(6):593-601．

［20］Lavorato M，Rider M J，GarciaA V．A constructive heuristic algorithmfor distribution system planning［J］．IEEE Transaction on Pow er System，2010，25(3):1734-1742．

［21］Naderi E，Seifi H，SepasianM S．A dynamic approach for distribution systemplanning considering distributed generation［J］．IEEE Transaction on Power Delivery，2012，27(3):1313-1322．

［22］Borges C L T，FalcaoD M．Optimal distributed generation allocationfor reliability，losses，and voltage improvement［J］．International Journal of Electric Power＆Energy System，2006，28 (6):413-420．

［23］陳星鶯，李剛，廖迎晨，等．考慮環境成本的城市電網最優潮流模型［J］．電力系統自動化，2010，34(15):42-46．ChenXingying，Li Gang，LiaoYingchen，et al．An optimal power flow model for the urban power grid considering environment cost［J］．Automation of Electric Power Systems，2010，34(15):42-46．

［24］陳道君，龔慶武，張茂林，等．考慮能源環境效益的含風電場多目標優化調度［J］．中國電機工程學報，2011，31(13):10-17．ChenDaojun，GongQingwu，ZhangMaolin，et al．Multi-objective optimal dispatch in w ind power integrated system incorporating energy-environmental efficiency［J］．Proceedings of the CSEE，2011，31(13):10-17．

［25］Gabash A，Li P．Active-reactive optimal power flow in distribution networks with embedded generation and battery storage［J］．IEEETransaction on Pow er System，2012，24(1):2026-2035．

［26］Gabash A，Li P．Flexible optimal operation of battery storage systems for energy supply networks［J］．IEEE Transaction on Power System，2013，28(3):3226-3234．

［27］Levron Y，Guerrero J M，Beck Y．Optimal pow er flow in microgrids with energy storage［J］．IEEE Transaction on Pow er System，2013，28(3):2788-2797．

［28］王玉榮，萬秋蘭，陳昊．基于模糊聚類和學習自動機的多目標無功優化［J］．電網技術，2012，36(7):224-230．WangYurong，WanQiulan，ChenHao．Multi-objective reactive pow er optimization by fuzzy cluster and learning automata［J］．Power System Technology，2012(7):224-230．

［29］李鴻鑫，李銀紅，陳金富，等．自適應選擇進化算法的多目標無功優化方法［J］．中國電機工程學報，2013，33(10):71-78，16．LiHongxin，LiYinhong，ChenJinfu，et al．Multiple evolutionary algorithms with adaptive selection strategies for multi-objective optimal reactive pow er flow［J］．Proceedings of the CSEE，2013 (10):71-78，16．

［30］趙晶晶，符楊，李東東．考慮雙饋電機風電場無功調節能力的配電網無功優化［J］．電力系統自動化，2011，35(11):33-38．ZhaoJingjing，Fu Yang，LiDongdong．Reactive pow er optimization in distribution netw ork considering reactive power regulation capability of DFIG wind farm［J］．Automation of Electric Pow er Systems，2011，35(11):33-38．

［31］Niknam T，Zare M，Aghaei J．Scenario-based multiobjective volt/ var control in distribution networks including renew able energy sources［J］．IEEE Transactions on Pow er Delivery，2012，27(4): 2004-2019．

［32］Duman S，S?nmez Y，Güvenc U，et al．Optimal reactive pow er dispatch using a gravitationalsearch algorithm［J］．IET Generation，Transmission＆Distribution，2012，6(6):563-576．

［33］Niknam T，Kavousifard A，Aghaei J．Scenario-based multiobjective distribution feeder reconfiguration considering wind power using adaptive modified particle swarm optimisation［J］．IET Renew．Pow er Gener．，2012，6(4):236-247．

［34］Jabr R A，Singh R，Pal B C．Minimum loss network reconfiguration using mixed-integer convex programming［J］．IEEE Transaction on Power Systems，2012，27(2):1106-1115．

［35］Wu W，Tsai M．Application of enhanced integer coded particle sw arm optimization for distribution system feeder reconfiguration［J］．IEEE Transactions on Power Systems，2011，26(3): 1591-1599．

［36］Riffonneau Y，Bacha S，Barruel F，et al．Optimal power flow management for grid connected PV systems with batteries［J］．IEEE Transaction on Sustainable Energy，2011，2(3):309-320．

［37］Dall’Anese E，Zhu H，Giannakis G B．Distributed optimal power flow for smart microgrids［J］．IEEE Transaction on Smart Grid，2013，4(3):1464-1475．

［38］Erseghe T，Tomasin S．Power flow optimization for smart microgrids by SDP relaxation on linear netw orks［J］．IEEE Trans．Smart Grid，2013，4(2):751-762．

［39］李鴻鑫，李銀紅，李智歡．多目標進化算法求解無功優化問題的比較與評估［J］．電網技術，2013，37(6):1651-1658．LiHongxin，LiYinhong，LiZhihuan．Comparison and evaluation on multi-objective evolutionary algorithm for optimal reactive pow er flow［J］．Power System Technology，2013(6):1651-1658．

［40］尹麗燕，于繼來．多時間段落的配電網絡動態重構［J］．中國電機工程學報，2002，22(7):44-48．Yin Liyan，Yu Jilai．Dynamic reconfiguration(DR)of distribution network with multi-time periods［J］．Proceedings of the CSEE，2002，22(7):44-48．

［41］李振坤，陳星鶯，趙波，等．配電網動態重構的多代理協調優化方法［J］．中國電機工程學報，2008，28(34):72-79．LiZhenkun ChenXingying Zhao Bo，et al．Dynamic reconfiguration of the distribution netw ork based on multi-agent systems［J］．Proceedings of the CSEE，2008，28(34):72-79．

［42］Conti S，Nicolosi R，Rizzo S A，et al．Optimal dispatching of distributed generators and storage systems for MV islanded microgrids［J］．IEEE Transactions on Power Delivery，2012，27 (3):1243-1251．

［43］Amjady N，Fatemi H，Zareipour H．Solution of optimal pow er flow subject to security constraints by a new improved bacterial foraging method［J］．IEEE Transaction on Pow er System，2012，27(3):1311-1323．

［44］Malekpour A R，Niknam T，Pahwa A，et al．Multi-objective stochastic distribution feeder reconfiguration in systems w ith wind power generators and fuelcells using the pointestimate method［J］．IEEE Transaction on Power Systems，2013，28(2):1483-1492．

［45］何禹清，彭建春，文明，等．含風電的配電網重構場景模型及算法［J］．中國電機工程學報，2010，30(28):12-18．He Yuqing，PengJianchun，Wen Ming，et al．Scenario model and algorithm for the reconfiguration of distribution network with wind power generators［J］．Proceedings of the CSEE，2010，30(28):12-18

［46］Borghetti A，Bosetti M，Grillo S，et al．Short-term scheduling and control of active distribution systems with high penetration of renewable resources［J］．IEEE Systems Journal，2010，4(3): 313-322．

［47］Farag H E，El-Saadany E F，Chaar L E．A multilayer control framework for distribution systems w ith high DG penetration［C］// Proceedings of the 2011 International Conference on Innovations in Information Technology，Abu Dhabi，UAE:IEEE，2011:94-99．

(編輯:張小飛)

Review and Perspective on the Optimization of Active Distribution Network

WANG Chengshan，SUN Chongbo，LI Peng
(Key Laboratory of Smart Grid of Ministry of Education，Tianjin University，Tianjin 300072)

With the increasing integration of distributed energy resources(DER)and electric vehicles(EV)，the intelligent home and demand side response are being gradually popularized．As a result，the operation and planning complexity of distribution system are significantly enhanced．Moreover，the higher demands of power supply make the system optimization more difficult．As one development mode of the future distribution system，active distribution network begins to attract more and more attention．Its concept and management system are introduced，and the operation and planning strategy are reviewed including the presentsituation as wellas the current concerns．Finally，the developmenttrends are sorted out from three aspects:the source-network-demand interaction，the multi-period coordination，and the multi-layer distributed strategy．

active distribution network(ADN);distributed generation(DG);planning;optimal power flow;reactive power optimization;network reconfiguration

TM 72

A

1000-7229(2015)01-0008-08

10.3969/j．issn.1000-7229.2015.01.002

2014-11-25

2014-12-09

王成山(1962)，男，長江學者特聘教授，博士生導師，研究方向為電力系統安全分析、城市電網規劃、分布式發電系統;

孫充勃(1987)，男，博士研究生，研究方向為分布式發電系統仿真;

李鵬(1981)，男，通信作者，講師，研究方向為電力系統電磁暫態仿真與分布式發電技術。

國家電網公司科技項目(EPRIPDKJ〔2012〕3185)。