配電網對分布式電源和電動汽車的承載力評估及提升方法綜述

王婷，陳晨，謝海鵬

(西安交通大學電氣工程學院，西安市 710049)

0 引 言

為落實“雙碳戰略”[1]，《關于促進新時代新能源高質量發展的實施方案》提出，要實現到2030年風電、太陽能發電裝機容量達到12億kW以上的目標，加快構建清潔低碳、安全高效的能源體系。2021年6月20日，國家能源局正式啟動整縣屋頂分布式光伏開發試點工作，下發了《關于報送整縣(市、區)屋頂分布式光伏開發試點方案的通知》(簡稱為“整縣光伏”)；緊接著，2021年9月14日，國家能源局正式印發《公布整縣(市、區)屋頂分布式光伏開發試點名單的通知》，該通知將各地報送的試點縣(市、區)名單予以公布。根據通知，全國共有676個縣(市、區)全部列為整縣(市、區)屋頂分布式光伏開發試點，“整縣光伏”政策得到了高效推進[2]。

“雙碳”目標和“整縣光伏”政策背景下，我國能源轉型發展進一步深化，分布式電源(distribution generation, DG)和電動汽車(electric vehicle, EV)迎來新的發展機遇，DG和EV規模入網成為必然趨勢[3-4]。但配電網的承載力是有限的，規模化DG和EV接入配電網會對配電網的正常運行產生不利影響，評估配電網對DG和EV的承載力有利于對DG和EV的合理規劃和部署，通過采取有效措施減輕甚至消除其對配電網的不利影響，進而提升配電網的承載力，促進DG和EV的大規模接入。

在系統穩定運行且各個電氣量指標不越限的前提下，可以連接到配電網的DG(或EV)的最大容量稱為配電網對DG(或EV)的承載力，也有文獻選用“接納能力”和“最大準入容量”的概念來表述承載力，對于DG的承載力也有文獻稱消納能力[5]。消納能力通常考慮配電網功率平衡的調節過程，與承載力從規劃角度出發求解滿足安全穩定運行約束條件下配電網允許接入的最大容量略有不同。

在“雙碳”背景和“整縣光伏”政策推動下，DG和EV規模入網是未來發展的必然趨勢。而DG和EV同時規模化接入配電網后，由于配電網的電氣聯系會產生相互影響，進而影響其在配電網的接入水平，因此應對DG和EV的部署進行協同考慮，在不影響供電質量的情況下最大化DG和EV的效益。以分布式光伏、風電為代表的DG發電和EV充/放電都具有隨機性和不確定性，在進行承載力評估時，影響DG和EV承載力評估結果的因素及提升措施具有很多相似之處，因此，本文同時歸納現有配電網對DG和EV承載力的相關文獻，首先從對DG和EV不確定性的建模、DG和EV充電樁/站選址、約束指標的選取、評估方法的選擇這幾個角度出發，總結和歸納現有配電網對DG和EV承載力評估的研究成果，然后從源、網、荷、儲4個方面分析配電網承載力提升方法，旨在為未來DG和EV在配電網中的規劃和部署提供理論依據。

1 配電網承載力研究中DG出力和EV充電負荷的不確定性建模

DG出力和EV充電負荷都具有不確定性[6-7]。DG出力具有時序不確定性，而EV充電負荷的不確定性受時間和空間兩個尺度的影響。準確刻畫DG和EV的隨機特性是配電網承載力評估的基礎。

以分布式光伏和風電為代表的DG出力不確定性主要受天氣不確定因素的影響。為了充分考慮天氣不確定因素對分布式電源出力的影響，現有承載力研究成果對DG出力建模時主要分為概率分布函數法和場景分析法。概率分布函數法主要用于運行調度[8-9]，這類方法首先假設光照強度、風速等變量的概率分布函數，然后基于歷史數據確定相關參數，最后基于概率分布函數抽樣得到時序出力值。場景分析法主要用于配電網規劃問題，這種方法不需要確定概率分布函數，直接基于歷史數據聚類得到不同場景時序出力值，如文獻[10]在進行配電網規劃時考慮不同季節光伏與風電的典型時序出力曲線，在無法獲得足量歷史數據的情況下，也可以基于概率分布函數產生時序出力值，然后再通過聚類得到不同場景的數據；文獻[11]進行配電網對DG承載力提升規劃時，首先基于概率分布函數得到光照強度、風速序列，然后根據出力值與光照強度、風速的關系，得到DG時序出力值，同時利用相關矩陣法考慮不同DG出力、DG出力與負荷的時空相關性，最后通過聚類，得到規劃階段不同場景下DG的典型時序出力曲線。

EV充電負荷需求受EV性能參數和駕駛員行為特性等多方面的影響，因此，EV充電負荷建模時，其不確定性受時間和空間兩個維度的影響。現有文獻在對EV充電負荷預測時，對時空兩個維度的考慮分為同時考慮和分開考慮2種。部分文獻使用和DG出力預測類似的方法，如統計分析[12]、采樣模擬[13]、自定義概率分布函數[14]等，同時考慮時間和空間2個維度；部分文獻分別對時間特性和空間特性進行建模，將電動汽車充電的時空特性分開考慮[15]。文獻[16]首先對空間維度和時間維度分開建模，通過隨機出行鏈和深度優先搜索算法確定EV的空間分布，根據出行時間、停放時間等確定EV在時間上的隨機分布，然后通過空間和時間2個維度的結合，利用蒙特卡洛模擬得到不同時間段不同地點的換電需求。考慮分時電價等因素會改變電動汽車的充電特性，文獻[17]引入云模型來考慮充電延時的可能性，建立了考慮充電延時的電動汽車有序充電負荷模型。

現有文獻在評估配電網承載力時，對不確定性的處理因運行問題和規劃問題而異。對于配電網規劃問題，通常采用場景分析法，基于歷史運行數據聚類產生不同場景下時序功率曲線，不需要假設概率分布函數，歷史運行數據不足時可以首先假設概率分布函數，通過抽樣得到大量數據，再聚類得到不同場景下的運行數據；對于配電網運行問題，主要是基于參數的概率分布函數和隨機抽樣生成系統狀態的時間序列。隨機抽樣產生的數據可能不滿足實際運行中不同設備間的相關性，可以利用相關系數、Copula函數等建立隨機變量之間的相關性，基于參數的概率分布函數是在統計平均意義上描述的概率分布，如分布式光伏建模時常用的貝塔分布，不同地區、不同條件下應用時，概率分布函數可能無法準確刻畫這些不確定性條件下的復雜變化規律。因此，對系統不確定性的準確刻畫是未來研究的挑戰，隨著技術的發展和電力系統自動化水平的提高，非參數的、基于數據驅動與機器學習的不確定性建模有待研究。

2 DG和EV充電樁/站位置

DG和EV充電樁/站位置是影響配電網承載力評估的一個重要因素[18]。DG和EV充電樁/站進行位置部署時，應充分考慮配電網運行限制和經濟性約束。現有文獻在對配電網進行承載力評估時，位置部署主要包括4類，如下詳述。

第1類是對現有實際網絡進行評估，位置部署已知。文獻[19]以某實際配電網的局部區域為例，進行配電網對EV承載力的評估，該配電網EV充電樁和充電站節點均已確定。文獻[20]在對配電網中DG最大準入容量分析時，選用江西省共青城示范園區配電網進行分析，在DG接入位置已知的情況下，通過求解優化模型，得到現有配電網對DG的承載力。

第2類是隨機模擬位置部署。文獻[21]分析了EV的不同接入場景下配電網的承載力。文獻[22]考慮了光伏與負荷呈末端集中、遞增分布、均勻分布、遞減分布等幾種典型的接入場景。文獻[23]利用蒙特卡洛模擬得到不同的光伏部署位置，然后評估配電網承載力。

第3類是首先選擇最佳位置部署，然后求解承載力模型。文獻[24]首先利用基于Matlab仿真的最優潮流計算，得到滿足相關約束且網絡損耗最小時電動汽車充電樁/站最佳部署位置，然后通過不同組合方式確定接入容量。文獻[25]提出兩階段方法進行DG接入容量計算，第一階段利用極限值進行公式推導，得到不同接入場景在電網安全運行約束下準入容量估算值，然后利用階段一估算結果，對所有接入場景的DG準入容量進行排序，確定準入容量最大的接入場景；第二階段利用遺傳算法和內點法對DG最佳接入場景進行準入容量的準確計算。

第4類是將位置部署作為未知量，與第三類相比減少了在評估前確定最佳位置的步驟，將最佳位置的獲得與接入容量的求解同時進行，通過求解模型，得到部署位置和接入容量。文獻[26]將DG并網容量、數量、位置均作為未知量，建立了以DG并網容量最大為目標的優化配置模型，并采用隨機權重粒子群算法對模型進行求解，得到DG并網容量最大的優化配置方案。

第1類評估方法針對現有網絡進行評估，對實際配電網承載力評估具有重要貢獻，評估時DG和EV充電樁/站位置已知，無需處理位置問題，但適用范圍具有局限性，且不適用于規劃部署問題。第2類、第3類、第4類評估方法適用于部署位置未知時配電網承載力的評估。第2類隨機模擬部署位置一般適用于DG部署與配電網規劃部署不能協同的情況，即DG部署不完全由配電網運營商負責，在部署時需要考慮其他因素，此時DG位置具有隨機性。第3類方法與第4類方法都對位置部署進行了優化：第3類方法將評估問題分為兩步，首先選擇最佳部署位置，然后進行配電網承載力評估，降低了求解的復雜度；第4類方法將部署位置作為未知量，位置優化的同時進行配電網承載力評估，可以得到更優的結果。

3 評估承載力選用的約束指標

電能質量、安全性、經濟性、可靠性等因素都是影響DG和EV規模入網的重要因素。DG和EV大規模接入電網，會引起配電網電源和負荷特性的改變，對電網的運行指標產生不同程度的影響。現有的文獻在評估配電網對DG和EV的承載力時，考慮的指標主要有電壓、諧波、三相不平衡等描述電能質量的指標。

表1列出了現有文獻在評估承載力時選用的約束指標。DG作為發電設備，并網對電能質量的影響主要包括諧波污染和電壓偏差越限[27]；EV主要作為用電設備，規模接入電網對配電網電能質量的影響主要包括諧波污染、電壓越限、三相不平衡[28-29]，還可能引發變壓器過載問題。此外，DG和EV規模接入電網會改變系統潮流分布，可能會引起網絡損耗增加、支路容量越限、設備絕緣損壞，所以一些文獻在評估時也會考慮變壓器容量、支路容量、短路容量等安全性指標及網絡損耗、投資費用等經濟性指標和電力不足期望值等可靠性指標。

表1 評估承載力時選用的約束指標

3.1 電壓偏差

DG接入電網會改變配電網潮流分布甚至產生逆向潮流，對電網節點電壓具有抬升作用，無約束接入可能會引起節點電壓偏差越限；EV接入電網會加重電網供電負擔，無約束接入可能會使節點電壓越過下限，影響供電質量。對于不同電壓等級的配電網對節點電壓偏差有不同的要求。GB/T 12325—2008中對供電電壓偏差的限值規定有：

1)35 kV及以上供電電壓正、負偏差絕對值之和不超過標稱電壓的10%；

2)20 kV及以下三相供電電壓偏差為標稱電壓的±7%；

3)220 V單相供電電壓偏差為標稱電壓的+7%，-10%。

由于DG和EV接入電網時對電壓指標的影響最大，多數文獻在評估配電網承載力時將電壓偏差作為主要的約束指標[13-15]。

3.2 電壓波動

電網中電源出力和負荷用電發生變化時，配電網各個節點就會產生電壓偏差和電壓波動，DG和EV入網加劇了電壓波動。電壓波動的限值與變動頻率、電壓等級有關。GB/T 12326—2008中規定，對于35 kV及以下配電系統，其電壓波動限值與變動頻率r(單位時間內電壓變動次數)的關系如表2所示。

表2 35 kV及以下配電系統電壓波動限值

部分文獻在評估配電網承載力時將電壓波動的約束考慮在內，文獻[31]以兩個相鄰的采樣周期內同一節點電壓幅值的變化表示電壓波動，如式(1)所示：

(1)

(2)

式中：Ri為第i段饋線的等值阻抗；n為配電網節點數；PPV,k為第k個節點分布式光伏輸出的有功功率；λ表示分布式光伏輸出功率瞬間變化的幅度占其額度輸出功率的比例；UN為額定電壓；Uk為第k個節點的電壓波動值。然后通過約束電壓波動值計算多個場景中配電網對分布式光伏的承載力。

3.3 電壓諧波

DG發電及入網需要大量的電力電子設備，EV充電裝置中也包含整流器等電力電子設備，屬于非線性設備，這些設備會對配電網產生諧波污染。電力系統遭到諧波污染，會使供電質量下降，增加網絡損耗，不利于配電系統安全穩定運行。GB/T 14549—1993中對不同電壓等級下電壓(相電壓)總諧波畸變率和各次諧波電壓含有率進行了明確規定，如表3所示。

表3 不同電壓等級下電壓總諧波畸變率和各次諧波電壓含有率允許值

在進行配電網承載力評估時，需要考慮諧波約束[33-34]。

3.4 三相不平衡

DG出力不平衡、出力隨機等問題嚴重時可能會引起配電網三相電源不平衡；EV常規慢速充電方式為單相220 V電源充電，規模化EV接入電網采用單相充電方式時，若不采取控制措施，會造成配電網三相負荷不平衡。GB/T 15543—2008中規定電力系統公共連接點電壓不平衡度限值為：電網正常運行時，負序電壓不平衡度不超過2%，短時不得超過4%。并指出用戶引起的電壓不平衡度允許值一般可根據連接點的正常最小短路容量換算為相應的負序電流值作為分析或測算依據。例如文獻[35]研究配電網中分布式光伏接入的優化配置時，以三相電流不平衡度描述三相不平衡情況，如式(3)所示：

(3)

式中：I2為負序電流分量；I1為正序電流分量；εI為三相不平衡度。

3.5 變壓器和支路容量

EV作為一種新型負載，接入配電網的規模受變壓器容量的限制。主變壓器應在滿足負荷需求的同時保留一定的裕度，以滿足供電可靠性要求。DG和EV規模接入配電網會改變系統潮流分布，可能會引起支路容量越限。部分文獻將變壓器容量和支路容量計入約束指標，對配電網承載力進行評估。文獻[38]采用蒙特卡洛仿真法分析了EV滲透率不同時配電變壓器過載情況，結果表明隨著EV滲透率提高，配電變壓器過載比率會增大。文獻[15]以配電變壓器過載率為評估指標，提出了配電網承載力定量評估方法。文獻[39]設置配電網安全經濟運行約束條件，通過變壓器容量限制計算配電網對EV的接納能力。文獻[33]通過將變壓器負載能力限制在合理范圍內，得出EV最大滲透率。文獻[40]建立以DG入網容量最大為目標函數，包括等式約束(功率平衡約束)和不等式約束(線路容量約束、變壓器容量約束)的計算模型，并結合熵值法分配DG容量，得到DG配置方案。

除了上述指標，一些文獻在對配電網承載力進行評估時，還會考慮短路電流[41]、頻率[35-36]、網絡損耗[42]、經濟性[26]、可靠性[43]等指標。

4 承載力評估方法

評估方法的選擇對評估結果影響很大，不同評估方法的評估成本不同，適用范圍不同，所得到評估結果的準確性和合理性也有差異。本節對現有文獻在進行承載力評估時選用的評估方法進行梳理，并分析不同評估方法的適用范圍及其優缺點。目前對配電網承載力評估的方法主要分為5類。

第1類是數學解析法，是指通過數學公式推導估算配電網承載力。這類方法主要用于配電網對EV承載力的評估研究中，EV接入對配電網最直接的影響就是負荷增加，因此首先需要考慮變壓器容量，在變壓器容量限制下，建立功率平衡方程，通過數學推導估算配電網承載力。文獻[44-45]提出了電動汽車同時率、電動汽車和基礎負荷同時率的概念，以配電變壓器容量作為限制因素，通過數學公式推導求出配電網對電動汽車的承載力。但僅考慮變壓器容量限制，沒有考慮配電網安全經濟運行約束，評估結果較為理想。文獻[39]對配電網的拓撲結構進行功能區劃分，設置配電網安全經濟運行約束條件，通過變壓器容量限制計算得到配電網對EV的承載力。這類方法通過數學推導得到配電網承載力，一般用于配電網對EV承載力的評估，適用于粗略估計的場合，也可以與其他評估方法結合，用于準確評估前的預評估，即通過計算理想狀態下的最大值確定承載力邊界值。

第2類是仿真計算法,在配電網仿真模型中，不斷增加DG或EV的入網比例，直到某一評估指標達到臨界值，此時的接入容量即為配電網承載力。文獻[12]和文獻[46]在仿真過程中從配電網的最大負載能力、節點電壓偏差兩方面評估接納能力。文獻[33]在逐漸增加EV滲透率時，通過觀察變壓器負載能力、母線電壓偏移和支路阻塞程度以及諧波畸變率的變化得到配電網對EV的承載力。文獻[34]利用OpenDSS軟件仿真平臺搭建配電網仿真模型，在不同位置接入分布式光伏發電裝置，逐漸增加光伏的容量，得到系統在電壓偏差和諧波約束下對光伏的承載力。文獻[35]基于DIgSILENT仿真平臺建立了含風電場的電力系統仿真模型，將電壓和頻率兩個變量作為動態約束條件，得出滿足電網動態安全穩定約束的風電最大接入容量。這種方法原理相對簡單，適用于對某一實際配電網進行承載力評估，但對于不同配電網需要分別建立仿真模型，適用場景具有一定局限性，且仿真工作量較大。

第3類方法是基于靈敏度的評估方法。這種方法通過計算接入量變化時評估指標變化程度以計算配電網承載力。文獻[43]提出可靠性靈敏度的概念，用于反映電力不足期望值對電動汽車規模的敏感度，并從系統可靠性角度提出評估指標和方法，將每增加萬輛EV導致系統可靠性水平下降程度最小時的電動汽車占有比作為配電網承載力。基于靈敏度的評估方法偏向性較強，可以得到系統某一類指標最優時的承載力。

第4類是綜合評價法，通過選擇恰當的評價指標，對滲透率不同時的配電網進行綜合評價，通過分析結果確定承載力。文獻[31]選取合適的評價指標，用基于變權理論的多層次模糊綜合評價算法，對新型負荷和分布式電源滲透率不同時的配電網進行綜合評估，得出配電網承載能力最佳時新型負荷和分布式電源滲透率。文獻[47]采用基于模糊理論、層次分析法、熵權法的綜合評價方法對配電網承載力評估指標體系進行評分。綜合評價法中涉及到不同指標的權重分配，具有一定的主觀性，針對不同電網、不同要求，各個指標權重不同，計算結果有很大的差異；并且需要對不同滲透率時的配電網分別評分，梯度過小會使計算量過大，梯度過大會使結果的準確性受到影響。這種方法適用于對已知幾種接入方案進行比較，通過綜合評分選擇更為合理的方案。

第5類是靜態安全約束法，通常以DG或EV在配電網中的滲透率最大為目標，制定電網安全運行約束，通過求解優化模型，得到配電網對DG或EV的承載力。文獻[19]考慮系統的物理運行約束、N-1安全約束、缺供電量允許比例等約束條件，建立以最小化系統運行成本及最大化接納EV充電負荷為目標的配電網接納EV能力評估模型。文獻[48]建立以EV接納數量最大為目標，同時進行配電網絡安全與運行約束的混合整數線性規劃模型。文獻[49]以EV入網數量最大為目標，提出一種基于智能充放電的配電網對EV承載力的計算方法。文獻[41]首先闡述DG規模入網對配電網繼電保護的影響，然后建立短路電流與DG容量的關系，最后以短路電流為約束條件，以DG入網容量最大為目標構建承載力評估模型。文獻[50]設立線路潮流和節點電壓等靜態安全約束條件以計算DG準入容量。靜態安全約束法模型建立復雜、計算量較大，但結果較為可靠，通過優化求解可以得到DG或EV的最優接入方案，在不改變配電網結構的情況下，可以最大程度促進可再生能源的消納和EV的推廣應用。

5 承載力提升措施

DG和EV不加控制接入配電網時易引起電能質量、安全性等問題，這對DG和EV在電網中滲透率的進一步提升造成了很大的限制。為了提升配電網的承載力，最直接的方法就是選擇最佳部署位置。文獻[21]通過分析得出EV集中接入比分散接入時可接入容量更大、配電網前端接受能力較末端接受能力更大的結論。文獻[51]分析了接入DG容量相同接入位置不同時配電網節點電壓分布及各支路載流量情況，為DG選擇恰當接入位置以提高配電網承載力提供參考。文獻[30]計算考慮靜態安全約束下單電源接入時配電網不同節點的準入容量和雙電源接入時不同方案下DG準入容量，得出DG入網容量隨接入位置變化規律，為DG入網選址提供依據。文獻[52]提出每個節點額外可用容量的概念，可以利用該方法選擇額外可用容量較大的節點作為EV接入節點，以提高配電網的承載力。通過選擇最佳位置合理部署DG和EV充電樁/站，可以提升配電網承載力。

由于DG和EV的接入規劃與電網的規劃并不一定能夠協同，這種情況下，還可以采取其他的措施提升配電網的承載力。如圖1所示，可以通過在源-網-荷-儲各個環節采取措施以減小DG和EV接入對電網產生的影響，進而提升配電網對DG和EV的承載力，促進可再生能源的消納和EV的推廣應用。

圖1 配電網承載力提升技術

5.1 配電網“源”側提升措施

1)清潔能源互補。風電、分布式光伏等DG由于自然因素的影響，其出力在時間和空間上具有一定的互補性。圖2為某地光伏、風電日出力曲線。風電、光伏出力峰值出現時段不同，通過對風電、光伏協同調度，可以平抑DG出力波動性，提升配電網對DG的承載力。

圖2 某地光伏、風電出力曲線圖

2)采用智能逆變器調控DG出力。通過制定有功、無功或有功無功協調控制策略，調控DG出力可以改變潮流分布，以調節節點電壓。文獻[53]分析了并網光伏系統有功、無功出力變化對并網點電壓的影響，并提出逆變器無功調控策略。文獻[54]提出了有功無功綜合控制方案，優先考慮調控無功，避免不必要的有功削減。文獻[55]提出了基于下垂控制的分布式光伏電源有功功率削減方案，并通過案例分析證明相比于下垂系數相同的下垂控制，所有分布式光伏電源共同承擔削減有功功率的下垂控制在預防過電壓的同時有更高的有功出力。文獻[56]提出了分布式光伏電源出力調控策略，配電網所有光伏電源協調功率消減，使得所有節點電壓在滿足要求的情況下，分布式光伏出力最大化。

3)“源”側諧波治理。由于配電網在電能傳輸和供應時常采用交流形式，而光伏、風電等分布式發電系統直接產生的是直流電，所以不能直接并網，需要利用逆變器將直流電轉換成所需交流電，然后送入電網。EV充電樁/站中也包含整流器等大量電力電子設備。變流器等電力電子設備的使用會形成大量的諧波，需要采取措施抑制和消除DG和EV入網產生的諧波。現有的諧波抑制方法包括DG和EV接入時的主動諧波治理和DG和EV接入后的被動諧波治理。

“源”側諧波治理也稱為主動諧波治理，是指從源上治理和消除諧波，主動諧波治理主要包括運用脈沖寬度進行調制、提高變流裝置的相數和脈沖數、采用高功率因數的變流器等[57]。這些方法是對諧波源進行優化升級，目的是使其少產生諧波或不產生諧波。主動諧波治理從諧波源處抑制諧波，最大程度地減少諧波入網、降低諧波對電網的不利影響，同時避免被動管理諧波帶來的額外成本。因此，在諧波源處抑制和消除諧波的主動諧波管理技術在未來會有更大的發展空間。

還有學者提出將光伏發電和有源電力濾波器結合構成新型光伏并網功率調節系統，實現光伏發電和有源濾波同時控制，以減小光伏接入電網產生的諧波影響[58-59]。

5.2 配電網“網”側提升措施

1)調節變壓器分接頭。DG和EV規模入網的主要限制因素是電壓[60]，有載調壓變壓器(on-load tap changer，OLTC)在負載運行中能夠完成分接頭切換，是調壓常用的技術。文獻[61]和文獻[22]提出通過調節OLTC分接頭使母線電壓與電壓上限之間始終預留一定的空間，如果預留量大于光伏接入導致的電壓抬升量，則可以預防過電壓問題的發生，顯著提升配電網承載力[62]。

2)選擇合適的變壓器容量。EV作為用電設備，其規模入網會改變配電網負荷結構和負荷特性，不加控制地接入電網可能會引起變壓器過載[63]。在配電網規劃時，通過合理預測EV數量，選擇合適的變壓器容量，可以提高配電網對EV的承載力。但變壓器容量過大，配電網輕載時的損耗會增加，不利于配電網的經濟運行，因此，在選擇變壓器容量時需要同時考慮其他措施，合理選擇變壓器容量。

3)改變饋線阻抗比。電網饋線阻抗比減小時，DG接入點的電壓相應有所降低，從而預防過電壓[64]，提升配電網承載力。文獻[53]提出可在線路上串入靜止同步補償器調節線路阻抗比。文獻[60]提出可以增加導線尺寸減小電阻，這種減小饋線阻抗比的措施更有利于控制全網電壓，在規劃有DG接入的配電網時可以考慮，但如果導線截面選取過大，會增加建設成本，因此，進行導線選型時需要綜合考慮配電網運行和經濟性等因素。對于已經投入運行的配電網，更換導線工程量巨大，且增加導線尺寸也會對繼電保護產生一定影響，可以考慮采用其他措施。

4)配電網網絡重構。配電網重構技術是指通過改變配電網網絡拓撲結構來提高可靠性、降低線損、均衡負荷和改善供電電壓質量的技術，是提高配電網安全性和經濟性的重要手段。通過制定合理的配電網重構策略，可以降低DG和EV入網對電網造成的不利影響[65]。配電網重構有靜態重構和動態重構，靜態重構在對目標優化時僅根據配電網在某一時刻的狀態進行重構，后續運行狀態變化時不再改變拓撲。動態重構以靜態重構為基礎，在對目標優化時考慮某一時間段內配電網的狀態，并在調度時間點根據當前狀態進行網絡重構。文獻[66]指出靜態重構和動態重構都能有效提升配電網對分布式電源的承載力，動態重構由于能夠適應不斷變化的操作條件，因此可以更有效地提升配電網對分布式電源的承載力。但動態重構會使網絡拓撲頻繁變化，降低系統的穩定性和經濟性，因此，采用動態重構時要同時考慮開關操作次數的約束。

5)采用無功調控裝置。配電網電壓值與無功功率密切相關，通過配置無功調控裝置，改變配電網無功潮流分布以調節節點電壓。文獻[67-69]分別指出利用分組投切電容器(capacitor banks,CB)、靜止無功補償器(static var compensator,SVC)、靜止同步補償器(STATCOM)等無功控制裝置可以應對DG規模入網。

6)“網”側諧波治理。“網”側諧波治理也稱為被動諧波治理，是指在DG和EV接入電網后，通過增設諧波補償裝置或諧波濾除裝置抑制和消除諧波，這種方法適用性更為廣泛，只要設置合理，可以用于控制和管理電網中由任何原因產生的諧波。被動管理措施主要分為裝設無源濾波器、有源濾波器、混合型有源電力濾波器。無源濾波器可以吸收諧波電流、進行功率補償，其結構簡單、成本低、維護方便，是早期用于抑制諧波的主要設備，但無源濾波器具有受電網阻抗和頻率影響嚴重，且與電網阻抗極易產生串/并聯諧波等嚴重缺陷。有源濾波器是目前主流的諧波治理設備，按其接入方式可分為串聯型、并聯型和串并聯型3種。其中，并聯型有源電力濾波器因其投切、保護等操作起來比串聯型更加安全方便，結構簡單，成本比串并聯型更低，因此，并聯型有源電力濾波器目前應用最為廣泛[70]。

5.3 配電網“荷”側提升措施

負荷側需求響應具有削峰填谷的作用。除了傳統負荷在動態電價機制下的響應，EV的合理運行對配電網承載力提升也有重要意義。

EV充電樁/站的部署首先要考慮用戶充電的便利性，因此其位置的選擇空間有限。但EV作為一種可移動負載，具有一定的可控性。除了在部署充電樁/站時采取措施減小對配電網的不利影響，在部署后也可以通過制定合理的充放電策略，進一步提升配電網的承載力。

在不干預充電時間的情況下，電動汽車充電高峰與基礎負荷用電高峰基本重合，使配電系統負荷峰谷差增大，高峰時供電負擔增加，低谷時變壓器空載損耗增加。通過有序充放電或采用智能充放電策略，可以有效解決充電時間、充電地點等的不確定給電網調度帶來的影響，減小峰谷差，提高配電網對EV的承載力[38]。分時電價充電策略可以避開原始負荷高峰，但固定的電價制定可能會引起新的負荷高峰；而智能充電策略，通過優化程序確定每個時段EV充電數量、充電時間，在滿足用戶用電需求的同時，使EV接入后系統的總負荷更平穩[71]。通過制定車輛到電網(vehicle-to-grid，V2G)響應策略，在負荷低谷時從電網充電，負荷高峰時向電網放電，充分利用EV可轉移性和儲能特性實現削峰填谷，提高了系統運行效率，有利于系統的安全經濟運行[72]。

5.4 配電網“儲”側提升措施

1)配置固定儲能。儲能裝置在充電時相當于負荷，在放電時相當于電源，通過配置儲能裝置并制定合理的充放電策略，改變配電網潮流分布可以調節節點電壓。文獻[73]將安裝儲能裝置作為電壓越限解決方案。通過安裝儲能裝置吸收光伏發出的多余電能，可以使分布式光伏始終工作在最大功率點處，有利于提高工作效率，也可預防過電壓發生；夜晚、陰天分布式光伏少發時，儲能裝置可以向電網送電，滿足負荷需求。文獻[74]提出對電池儲能系統的二次控制策略，通過控制有功功率以提高配電網對屋頂光伏系統的承載力。儲能裝置與DG配合，對調節系統電壓具有重要作用[54]。

2)配置移動儲能。移動儲能不僅具有傳統固定儲能的優點，還因具有空間移動特性具有更廣闊的應用空間。目前，對移動儲能的研究分為兩類。一類是移動儲能歸電網所有，用于配電網災后恢復、提升配電網彈性、配電網經濟調度等方面；一類是移動儲能與配電網歸屬于不同運營商，利用移動儲能進行時空套利。也有學者提出利用移動儲能調壓，文獻[75]通過對配電網中移動儲能的優化配置來實現調壓和移動儲能投資商收益最大化；文獻[76]在考慮電壓控制的基礎上，建立了一種含移動儲能的主動配電網日前雙層調度模型。移動儲能用于配電網運行優化，將電能進行時空轉移，對配電網承載力的提升具有重要意義。

6 展 望

1)基于數據驅動與機器學習的不確定性建模。對于配電網的優化調度問題，傳統的基于參數的概率分布函數建模方法與實際值常常產生較大偏差，并非總能產生讓人滿意的結果。針對傳統基于參數的概率分布建模需要假設參數分布、與實際物理模型差距較大的缺點，有學者提出利用非參數核密度估計理論對分布式電源進行建模[77]，這種方法同樣也適用于電動汽車的建模。基于非參數核密度估計的不確定性建模方法有效改善了傳統方法存在偏差較大的問題，但仍有可能存在邊界偏差和局部適應性不足的問題，因此，基于數據驅動與機器學習的不確定性建模方法仍有很大研究空間[78]。

2)考慮不同種類分布式電源互補發電的配電網承載力研究。能源轉型驅動下，接入配電網的分布式電源趨于多樣化，受自然因素和其他因素的影響，不同分布式電源出力在時間和空間上具有一定的互補性。充分利用不同分布式電源的互補特性，對各種分布式電源進行協調調度，可以更好地提升配電網的承載力。對于互補發電，首先應該研究不同分布式電源的時空特性，梳理其在互補發電系統中的作用；然后考慮各種分布式電源之間的相關性；最后建立優化調度模型，充分利用分布式電源的互補特性。現有承載力研究中通常考慮某一種分布式電源的配置，或者雖然考慮多種分布式電源，但對其相關性進行簡化。未來的研究中可以考慮不同分布式電源的互補特性對配電網承載力的影響。

3)分布式電源與新型負荷綜合考慮、協調部署。“新基建”納入國家發展戰略后，明確提出要加快5G網絡、數據中心等新型基礎設施建設進度。“新基建”中5G基站、大數據中心、電動汽車充電站等基礎設施，分布密度大、能源消耗大，規模發展會對電網的安全運行造成不利影響，這些用電設備與分布式電源都具有隨機性，但分布式電源是發電設備，與用電設備有一定的互補性。未來部署時，分布式電源、電動汽車、5G基站等用電設備如何綜合考慮、協調部署，增大配電網承載力的同時減小對配電網絡的沖擊和影響值得探討。

4)考慮電能空間移動的配電網承載力提升技術。將電能進行空間移動，可以有效解決不同地方因供需不平衡導致的電能消納不足、用電需求不能滿足等問題，實現空間尺度的削峰填谷，協助配電網應對大量可再生能源的整合以及新型負荷的規模入網。目前電動汽車的研究已有很多，包括動態電價機制下電動汽車有序充放電[38]、V2G[72]、車輛到住宅(vehicle to home，V2H)[79]等，電動汽車通過一定策略進行充放電，對配電網的優化調度具有重要意義。但電動汽車的調度受用戶生活習慣等多種不確定性因素的影響，相比于電動汽車，移動儲能具有更高的靈活性。現有研究中移動儲能主要用于配電網災后恢復、時空套利等方面，未來配電網承載力研究中可以考慮移動儲能，利用其時空靈活特性參與配電網優化調度。

5)源-網-荷-儲多種措施協調的配電網承載力提升技術。DG和EV規模入網的主要限制因素是電壓，由于配電網的阻抗比相對較大，其電壓變化與系統有功功率、無功功率均密切相關。因此，可以如圖3所示，針對電壓控制，在配電網源、網、荷、儲各個環節，通過采取措施進行有功功率控制、無功功率控制、改變網絡拓撲改善潮流分布來提升配電網承載力。

圖3 以調壓為主的配電網承載力提升技術

目前，已有學者提出采用多種措施協調提升配電網的承載力。文獻[80]在高比例可再生能源背景下建立配電網重構策略與移動儲能經濟調度的兩階段魯棒協同優化模型，促進了可再生能源在配電網中的應用，但沒有考慮源側和負荷側對承載力提升的作用。文獻[11]建立了考慮配電網中儲能、電容器組優化調度的混合整數線性規劃模型，旨在以最經濟的方式提升配電網的承載力，但沒有考慮電能的空間移動，對于風電、分布式光伏等受自然條件影響的可再生能源，利用電能的空間移動可以更好地應對其出力的波動性和不確定性。同時考慮源、網、荷、儲多個環節協調、電能時空多尺度轉移的配電網承載力提升技術是未來研究的一個重要方向。

7 結 論

本文針對配電網對DG和EV承載力評估時不確定性建模、DG和EV充電樁/站選址策略、約束指標、評估方法的研究現狀進行了系統性綜述，并從源、網、荷、儲4個方面分析了承載力提升技術。主要得到以下結論：

1)分布式電源和電動汽車不確定性的準確刻畫是配電網承載力研究的基礎。基于數據驅動和機器學習的非參數的不確定性的刻畫結果，不需要假定概率分布函數，直接利用歷史數據進行統計分析，可以有效減小一些情況下概率分布函數假定不當產生的誤差。

2)配電網承載力評估時選擇的評估指標與實際配電網運行要求密切相關，當分布式電源和電動汽車的規劃與配電網規劃協同時，可以通過優化其部署位置得到更理想的承載力評估結果。

3)分布式電源和電動汽車的不確定性會影響配電網的安全可靠運行，考慮靈活資源的優化調度、提升系統靈活性可以有效提高配電網承載力，同時考慮源、網、荷、儲多個環節協調、電能時空多尺度轉移的配電網承載力提升技術是未來一個重要的研究方向。