主动配电网优化技术研究现状及展望

王成山，孙充勃，李鹏(智能电网教育部重点实验室(天津大学)，天津市300072)

主动配电网优化技术研究现状及展望

王成山，孙充勃，李鹏
(智能电网教育部重点实验室(天津大学)，天津市300072)

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。介绍了ADN的概念和内涵，从规划和运行2个方面总结了ADN优化技术的国内外研究现状和关注重点，并从“源-网-荷”互动的综合优化、多周期优化及其协调配合、分层分布式优化策略等3个角度对其未来的发展趋势进行分析和梳理。

主动配电网(ADN);分布式电源(DG);规划;最优潮流;无功优化;网络重构

0 引言

近年来，分布式电源(distributed generation，DG)得到了长足的发展，未来DG、分布式储能将广泛而高密度地接入电网，并在未来节能减排中扮演越来越重要的角色，配电网也会变得越来越复杂。DG的高渗透率接入，在不断满足电网能量需求的同时，也使新的市场、新的服务、新的交易机制得到了尝试和发展，其对电网和环境带来的效益也越来越受到关注。在智能配电网(smart distribution grid，SDG)和主动配电网(active distribution network，ADN)的框架下，新的配电模式正在逐渐形成［1］。

智能电网是指一个完全自动化的供电网络，其中的每一个用户和节点都得到了实时监控，并保证了从发电厂到用户端电器之间的每一点上的电流和信息的双向流动。通过广泛应用的分布式智能和宽带通讯及自动控制系统的集成，可以保证市场交易实时进行和电网上各成员之间无缝连接及实时互动［2］。由于目前在“发、输、配、用”电这一链条中，同发电和输电环节相比，配电、用电以及电力公司和终端用户的合作等环节上相对薄弱，影响了系统的整体性能和效率，所以SDG成为了目前智能电网的研究重点。

DG、储能系统、电动汽车以及智能终端的大量接入，使配电网具备了一定的主动调节、优化负荷的能力，具有主动管理能力的配电网称为ADN［3-4］。ADN通过引入DG及其他可控资源，辅助以灵活有效的协调控制技术和管理手段，实现配电网对可再生能源的高度兼容和对已有资产的高效利用，并且可以延缓配电网的升级投资、提高用户的用电质量和供电可靠性［5］。

ADN的实施与发展关键在于优化，即从规划、运行、管理、评价等几个方面入手，彻底改变已有配电网的规划、设计以及运行方式，实现电网的效益最大化。然而，由于先进的量测体系和通信设备的广泛应用使得配电网数据海量化，大量具有随机性和间歇性的DG的接入使得系统的运行更加复杂，未来配电网对可靠性、电能质量、资产利用率的要求越来越高，人们对环境的关注和电网效益的综合化，均使得配电系统规划与运行面临着新的挑战。同时，这些丰富多样的资源的引入也为实现配电网智能化、主动化提供了机遇。很多高级控制功能更加受到关注，例如，网络重构、电压/无功控制、最优潮流、需求侧响应等，使得可控设备日益增多、网络结构更加多变、运行方式更加灵活，运行优化策略的实施将成为现实需求。

为此，本文介绍ADN的概念和内涵，从规划和运行2个方面总结ADN优化技术的国内外研究现状和关注重点，并对未来的发展趋势进行分析和梳理。

图1 ADN功能框图Fig.1 Function layout architecture of ADN

1 ADN

根据国际大电网会议(conference international des grands reseaux electriques，CIGRE)配电与分布式发电专委会C6．11项目组的工作报告，ADN可定义为:可以综合控制分布式能源的配电网，可以使用灵活的网络技术实现潮流的有效管理，分布式能源在其合理的监管环境和接入准则基础上承担系统一定的支撑作用［6］。

ADN的功能框图如图1所示［7］。首先，利用高级量测体系和先进的通信技术实现实时运行数据的准确、可靠收集，通过负荷和发电预测以及状态估计等功能准确感知系统当前的运行状态。然后，利用系统的可控资源和分布式能源进行优化，并通过市场价格的制定、能源交易的管理等方式激励电力用户响应配电网运营商的调度计划，在满足各种运行约束的前提下，实现配电网的最优运行。ADN的作用就是变被动控制方式为主动控制方式，依靠主动式的电网管理对这些资源进行整合。因此，现代配电网已经不再等同于仅仅将电力能源从输电系统配送到中低压终端用户的传统配电网，在2012年的CIGRE年会上C6工作组开始考虑采用主动配电系统(active distribution system，ADS)来代替ADN的概念［8］。

为了更好地理解ADN的含义，这里将其和微网进行比较:(1)从设计理念上，微网是一种自下而上的方法，能集中解决网络正常时的并网运行以及当网络发生扰动时的孤岛运行，而ADN采用自上而下的设计理念，从整体角度实现系统的优化运行;(2)从运行模式上，微网是一个自治系统，可以与外部电网并网运行，也可以孤岛运行，而ADN是由电力企业管理的公共配电网，常态方式下不孤岛运行;(3)从系统规模上，微网是实现DG与本地电网耦合较为合理的技术方案，但其规模和应用范围往往受限，而ADN旨在解决电网兼容及应用大规模间歇式可再生能源，是一种可以兼容微网及其他新能源集成技术的开放体系结构;(4)从资源利用上，微网强调的是能量的平衡，满足能量上的自给自足和自治运行，而ADN更强调信息价值的利用，通过高级量测系统和先进的通信技术达到全网资源的协调优化。

2 ADN优化技术

如前所述，优化运行技术是ADN的核心技术，也是实现配电网主动运行的关键所在。由于系统的信息化和自动化水平显著提高，运行控制策略的实施更加快速化，使系统的运行和规划结合得更加紧密，合理的规划方案对系统运行策略的制定具有较大的影响。因此，这里将ADN的优化技术分为规划和运行2个方面进行介绍。

2.1 ADN规划

ADN规划不仅要考虑传统配电网规划的内容，还要考虑DG接入、电动汽车管理、需求侧响应等方面的影响。由于DG不同的安装位置和容量对系统的电压分布、电压稳定性等产生不同程度的影响，其选址和定容方法［9-15］成为规划研究的重点。这里对ADN规划技术进行整理和总结，并从以下3个方面进行说明。

2.1.1 成本目标计算

随着对电力系统运行要求的提高，在规划时仅仅考虑经济性已不能满足要求，往往需要综合性指标作为目标函数。文献［9］对DG的优化配置问题进行了深入总结，目标函数主要包括经济性成本(网损或者能量损耗成本)、可靠性成本(平均停电时间)、供电质量(电压偏差)、DG效益最大、DG接入量最大、成本效益比最大等。除此之外，文献［10］介绍了考虑电压改善、网损降低和环境效益提升的DG多目标综合优化配置模型;文献［11］从电压稳定性的角度着手提出了一种提高电压稳定域的DG优化配置方法;文献［12］从最大程度利用DG资源的角度出发，探索对多类型DG进行配置及运行调度的方法。可见，考虑DG后的电网供电可靠性、稳定性以及环境效益日趋成为规划研究中的重点考虑因素。

2.1.2 DG处理方式

总体而言，DG分为不可控型和可控型两大类。不可控型DG(如风力发电和光伏发电)输出功率受环境影响很大，具有明显的随机性和波动性，会影响电力系统的正常运行。而可控型DG的灵活利用可以提高系统可靠性、改善电能质量等。并且，对不同类型DG的组合规划研究还有利于部分电网的孤岛运行和关键负荷保障供电，有助于实现配电网自愈控制。因此，考虑不同类型DG的技术特点、经济性、环保性等方面的差异才能更准确地实现含DG配电网的合理规划，为ADN技术的开展奠定基础。然而，目前的研究考虑较为简单，未充分体现形式各样的DG在规划中所发挥作用的区别。

2.1.3 配电网升级

随着负荷的不断增长以及大量新型设备的接入，配电网的变电站、线路、变压器、保护装置以及量测设备等都需要进行升级改造［16-22］。而DG优化配置、网络拓扑结构的调整以及无功设备的合理布局对缓解系统堵塞、延缓系统升级也都有明显的作用。DG优化配置属于配电网扩展规划研究的一部分，然而，目前的研究将DG优化配置与其他扩展规划划分得太过明显，这显然是不合理的。如何权衡DG规划与传统扩展规划，确定最优的系统建设方案，使得在满足ADN技术要求的前提下达到综合效益最大，应该受到重视。文献［16］建立ADN的扩展规划模型，重点针对一次能源的间歇性和灵活可控的运行策略开展研究，采用情景分析法来描述DG和负荷的不确定性;文献［17］将DG接入给供电公司和客户带来的效益作为优化目标，考虑升级投资的延期作为其中的一个指标;文献［18］提出一种风电和联络线协调规划的方法，并建立了风电/联络线的投资运行费用、系统可靠性以及全网有功损耗的多目标优化框架，以寻求二者的最优结合。上述文献在该方面进行了一些探索，但是还需深入研究，尤其是在ADN资源越来越丰富的情况下，各种规划手段的协调配合和资源选取更加复杂。

2.2 ADN运行优化

ADN运行优化问题可以结合图2来说明。系统可以利用的资源包括可控型DG、不可控型DG、可控负载、电动汽车、储能装置、无功补偿设备等。其中，部分DG由“不可调度”变为“可调度”，与配电网的传统优化手段相互配合，不仅可以实现DG的充分利用，还可以提高系统的经济性和安全性、改善电能质量、降低系统阻塞等。而储能装置的接入可以起到削峰填谷、平滑扰动的作用，电动汽车回馈电网技术可以向电网提供辅助服务，以提高电网的运行效率和安全性。

对于优化手段，传统的方法包括最优潮流［23-27］、无功优化［28-32］、网络重构［33-35］等，考虑储能技术、电动汽车、需求侧响应等手段后，优化策略趋于综合化，一些基于鲁棒优化、概率模型以及动态优化的思想得到了迅速发展和应用。而这使得优化模型的规模越来越大，非线性越来越强，优化问题的求解变得越来越困难。

图2 ADN运行优化问题Fig.2 Optimization of the ADN operation

这里通过对国内外研究工作的梳理，分别从目标函数、约束条件、优化手段、优化算法等几个方面阐述相关研究的异同，如表1所示。

表1 运行优化方法文献总结Table 1 Summery of the reviewed operation strategy

2.2.1 目标函数综合化

目标函数的综合化是配电网运行优化策略的发展趋势，也是ADN实现整体管理、全局协调控制的必然选择。优化目标将不仅仅从经济性的角度出发，更多的是将提高系统稳定性、供电质量、环境效益考虑进去，在权衡利弊之后给出综合性的效益指标。例如，文献［23］考虑了各种DG对环境的不同影响，提出用环境价值标准衡量DG对环境的影响建立DG的环境成本模型;文献［24］为了保证大规模风电并网后系统运行的安全性，并利用风电来减少环境污染，引入“能源环境效益”的概念，构建了包含风电场的电力系统多目标优化调度模型。为了更好地解决多目标函数问题，一些新的处理方式得到了发展。比如，基于帕累托最优概念的多目标进化算法［36］(multi-objective evolutionary algorithms，MOEAs)因不需要偏好设置，使得算法的实用性得到极大提高。

在ADN的推动下，考虑到不同优化周期对分布式能源的响应速度要求不同，需要提供的报酬也应该有所差别。欧美一些国家试图通过成熟的电力市场以及严格的并网准则、完善的市场价格和补偿机制，实现对分布式能源的调度和管理。但是，对该管理成本的评估和分析还未在运行策略中深入考虑。

2.2.2 优化策略全面化

配电网的优化手段多种多样，但是可以发现，它们所采用的目标函数和约束条件都有明显的类似之处，其目的都是实现配电网的最优运行。为了整合系统资源，给出综合、全面的运行方案，人们开始考虑多种优化手段相结合和协调优化。例如，在最优潮流中考虑DG无功特性和电容器投切变化，无功优化中考虑DG有功出力变化，网络重构中考虑DG出力特性和变压器分接头变化等。

同时，为了应对间歇性能源的接入给配电网运行带来的挑战，动态优化方法成为了当前较为流行的解决方案，为配电系统开关的日调度和在线预调度创造了条件［37-38］。除此之外，基于点估计法、蒙特卡罗法和情景分析法等随机因素处理方式也得到了大量的应用，这些方法根据概率统计特性对仿真结果进行聚合，进而得到系统运行的最优方案。

未来的配电网运行控制策略将朝着更加全面化的趋势发展，其目标函数、约束条件越来越丰富，优化手段开始互相渗透，多时间尺度优化以及随机处理方法的应用将更加深入，ADN的推进将使这一趋势更加明显。

2.2.3 储能技术的应用

近年来，多种多样的储能装置的出现使得储能技术的发展和应用得到了研究人员越来越多的青睐。在制定运行策略时考虑储能技术的利用，对消纳可再生能源、提高电力系统可靠性和稳定性都有显著的作用。

由于储能装置具有时间上的延续性，对含储能的配电网运行优化通常采用基于时间区间的优化方法。如文献［25］研究了含有风力发电和蓄电池储能系统的配电网最优潮流，考虑了电价机制和风电削减系数，给出了有功和无功同时进行优化的A-R-OPF模型;文献［26］在此基础上研究了储能技术在不同时间尺度下的优化效果，分析并比较了灵活充放电控制与固定充放电控制的优缺点;文献［27］从整个系统角度研究了有功和无功潮流控制，重点考虑了储能装置的最优控制问题，约束条件考虑到储能的容量限制以及内部损耗等。不同的储能装置，其技术特点有较大的差异，大体可以分为能量型和功率型，对研究不同时间尺度下的运行策略提供了较好的基础。然而，目前的研究对储能类型的区别尚不明显，并且多数情况下仅考虑1种甚至1个储能装置接入配电网，其研究还处于初级阶段。

2.2.4 DG辅助服务和无功市场

在利用DG进行电网优化调度时，国内外学者也开始关注其潜在能力，使其在输出有功功率的同时尽量提供一定的辅助服务，充分发挥DG的最大效益。其中，DG作为连续无功源参与配电网的无功电压控制，为配电网提供无功辅助服务，可解决传统配电网无功调压手段调节离散化、调节速度慢、难以实现电压连续调节的问题，并能减少大容量无功补偿装置的投入［30］。为此，国内外开始对DG的无功特性进行研究。例如，文献［42］给出了同步电机型DG的无功出力范围，描述了有功和无功出力的非线性关系;文献［1］针对风机开展研究，给出了同步电机和双馈电机的运行范围，同时考虑无功电价机制，在有功出力和无功服务之间进行成本效益的权衡。

但是，在无功优化模型中必须对各种DG分情况处理。DG的运营商一般有3类，即配网公司、大用户和独立运营商，且大用户和独立运营商一般不愿意让所属的DG发出无功功率，因而这类DG在无功优化中一般不作为无功调节的控制手段。此时，建立考虑DG的电力无功市场机制越来越受到重视。目前，国外较典型的市场机制，如纽约独立系统运营商采用嵌入式成本定价来进行无功服务计费，并建立了相应的惩罚措施和补偿机制;英国国家电网公司要求强制性无功服务，并且对于有裕量的电源要求其增强无功服务。随着电力市场的发展及无功定价机制的逐步完善，有些大用户或独立运营商也将主动参与无功辅助服务［1］。

2.2.5 优化算法性能的提升

配电网优化问题属于大规模混合整数非线性组合优化问题，快速、准确、高效的求解方法一直是其研究重点。目前主要的研究思路是对原有算法的改进、2种算法的结合和互补、新型求解算法的探索和利用，如锥优化方法［34］、SALHE-EA算法［42］、改进的细菌觅食算法［43］、自适应粒子群算法［44］、遗传算法［45］等。随着优化策略的不断发展，特别是可利用资源的多样化和调度计划的实时化，优化算法在计算速度、寻优能力上需要进一步加强。限于篇幅，这里对算法部分不做详细介绍。

2.3 规划与运行一体化

在未来的配电系统中，新型传感器和先进通信手段的广泛应用将为中低压配电网实时信息的获取创造条件，智能化开关设备与高级配电自动化控制策略将使得配电系统运行方式在短时间(分钟内或更短)内转变成为可能，系统所具备的快速负荷转供能力将构成配电系统新的运行特征，使得配电系统规划与配电系统运行策略高度耦合。

目前的研究开始关注这一方面，将上述规划技术与运行优化技术进行结合。例如，文献［12］提出了一种典型的双层优化模型，即第1层实现DG优化配置，第2层实现DG和储能的节能调度。但是该模型仅在运行层计及了规划的影响，而运行策略对规划层的影响考虑的不够深入。配电网优化将在规划中考虑运行策略的影响，在运行中考虑规划方案的约束，运行问题与规划问题的求解是一个交替互动求解的过程。如何建立规划与运行一体化的优化框架和模型，还需进一步探索和完善。

3 未来的发展趋势

未来的ADN优化将是在满足节能发电调度、环保排放、成本控制、实时/日前电力市场、网损优化等不同要求下，充分考虑配电网安全和节能环保等约束条件的大规模、多目标、多时段、安全经济一体化的经济调度和优化。但是，目前的研究尚处于起步阶段，如何体现新型设备在ADN中的价值，全面、综合利用各种控制手段来实现系统效益的最大化，有待进一步研究。本文从3个角度剖析未来ADN优化技术的发展趋势。

3.1 “源-网-荷”互动的综合优化

从政策、经济、技术等多方面考虑，电力行业都急需引入需求侧资源和更加灵活高效的系统运行管理手段，以应对新能源电力系统的发展和用电负荷的急剧增加。一方面，ADN鼓励和促进用户参与电力系统的运行和管理，支持用户使用DG，为客户提供灵活定制、多种选择、高效便捷的服务。另一方面，辅助服务市场不断发展和完善，需求侧资源将参与辅助服务市场的竞价，而基于市场价格激励的需求侧响应计划可以鼓励用户调整自己的用电方式以实现配电网的优化运行。

在电网与电力用户的双向互动下，配电网的运行将依赖于电动汽车充放电、智能家居、DG与微网、分布式储能等与传统调控方式相互配合的“源-网-荷”互动分布式系统优化调控策略。对此，还有很多问题需要解决和探索。首先，由于用户用电行为具有随机性、意愿性与时变性的特点，对其还缺乏完善、恰当的用电负荷特性分析方法;其次，如何将智能用电负荷形成主动负荷，实现用户负荷参与电网协调控制，还需合理、可行的激励措施和电价机制;再次，目前的研究开始关注DG和储能系统等“源”在运行优化中所发挥的作用，并将其与“网”侧的调控手段进行结合，但是对电价引导机制、需求侧管理等“荷”与“网”、“源”之间的配合还未能深入研究。

虽然欧洲和美国等发达国家已经有了一定的研究成果，但在电力市场开放程度、用户用电习惯、居民住宅模式和负荷构成情况等方面，中国有自己独特的国情特点，需要结合我国实际开展相应的关键技术研究。

3.2 多周期优化及其协调配合

面对大量随机性和间歇性DG的接入以及更加协调和灵活的运行方式，采用基于时间点的确定性优化策略已无法满足要求。研究日前、日内、实时多周期优化及相互之间的协调优化技术，是实现有效控制电网运行成本，提高能源利用效率，实现大范围资源优化配置的有效途径之一。

传统的优化调度采用三级调度，根据不同时间级的负荷预报，采用不同时间级的调度优化，包括日调度时间级、预调度时间级、在线调度时间级。借鉴该思想，文献［46］研究了用于ADN管理系统的优化方法，提出了两阶段优化策略，通过日前优化和日内调整来保证满足运行要求前提下的系统优化运行，如图3所示。该文献给出了多周期优化及其协调配合的初步思想，即在日前优化中，对不可控DG和负荷进行预测，并根据可控DG用户和响应负荷的竞价制定DG的发电计划和无功辅助计划、电压调节方案等;在日内调整中，为了应对外部环境的变化和偶然事件的发生，实时调整发电计划，改变DG用户和响应负荷的功率，以及改变网络拓扑结构等，寻找经济最优运行点。

图3 多周期优化策略Fig.3 The multi-period optimization

但是，目前的市场竞价机制尚不够完善，如何通过多时空尺度的协调调度达到“多级协调、逐级细化”，DG用户和响应负荷参与电网优化的主动管理成本如何计算，都还有待探索。

3.3 分层分布式优化策略

由于ADN控制方式的复杂化和数据信息的海量化，以及考虑通讯的延迟和计算时间的需求，基于集中式控制结构的全系统整体优化无法满足具有较强随机性和快速变化性的配电网的要求。因此，灵活的分布式控制策略受到越来越多的关注。

实现ADN的主动优化与控制，须同时兼顾全局优化与局部自治控制的要求。由于全局优化一般采用历史数据或预测数据，无法与实际运行状态完全一致，且全局优化与实时控制对响应时间的要求有差异，因此需研究在全局优化基础上实现局部协调自治，使ADN实际运行状态与最优状态保持相近。

分层分布式优化策略采用多agent技术，充分利用配电系统的结构特点，将配电网络分层分区加以划分，形成不同电压等级、不同地区分布的控制区域。图4为一种基于多agent技术的典型的三层优化控制框架［47］。其中，中间层为区域协调agent，包括微网(MG)、单元包(Cell)和虚拟发电厂(virtual power plants，VPP)，针对电网的某一子系统进行管理，使其参与到整个系统优化控制中，建立了全局优化和单个调节设备的桥梁。在每个控制区实施就地局部控制时需要考虑临近控制区的影响，各个agent之间采用合理的协调机制，是实现全局优化和局部协调的统一的关键所在。

图4 基于多agent技术的分层分布式优化框架Fig.4 The agent-based multilayer optimization framework

4 结语

ADN提供了先进的量测技术、自动控制技术和通讯支持，使得配电网由被动变为主动。随着优化技术的创新和发展，规划与优化的相互渗透，“源-网-荷”之间的互动，配电网优化将不断趋于综合化、全面化。同时，基于多周期优化策略和分层分布式优化框架，可以实现信息与数据的大量融合，局部与整体的高度统一。

虽然目前ADN的发展才刚刚开始，电力市场机制尚不完善，ADN技术的分析与评价缺乏合理有效的方法，电力企业和用户主动参与电网的积极性不够高。但是，通过政策鼓励、技术创新以及管理体制的变革，ADN的发展将充满活力，未来的配电网将是在智能配电网和ADN主导下的开放、互动、绿色、高效的新型配电网。

［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］余贻鑫，栾文鹏．智能电网［J］．电网与清洁能源，2009，25(1): 7-11．Yu Yixin，Luan Wenpeng，．Smart grid［J］．Power System and Clean Energy，2009，25(1):7-11．

［3］罗卓伟，胡泽春，宋永华，等．大规模电动汽车充放电优化控制及容量效益分析［J］．电力系统自动化，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］于文鹏，刘东，余南华．馈线控制误差及其在主动配电网协调控制中的应用［J］．中国电机工程学报，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，刘东，于文鹏．主动配电网技术及其进展［J］．电力系统自动化，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，张祖明，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．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，蔡声霞．分布式发电优化配置研究综述［J］．电力系统自动化，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，刘东，阮前途，等．计及节能调度的分布式电源优化配置及其并行计算［J］．电力系统自动化，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］颜伟，吕冰，赵霞，等．分布式风电源与配网联络线协调规划［J］．电力系统保护与控制，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］陈星莺，李刚，廖迎晨，等．考虑环境成本的城市电网最优潮流模型［J］．电力系统自动化，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］陈道君，龚庆武，张茂林，等．考虑能源环境效益的含风电场多目标优化调度［J］．中国电机工程学报，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］王玉荣，万秋兰，陈昊．基于模糊聚类和学习自动机的多目标无功优化［J］．电网技术，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］李鸿鑫，李银红，陈金富，等．自适应选择进化算法的多目标无功优化方法［J］．中国电机工程学报，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］赵晶晶，符杨，李东东．考虑双馈电机风电场无功调节能力的配电网无功优化［J］．电力系统自动化，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，Sönmez 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］李鸿鑫，李银红，李智欢．多目标进化算法求解无功优化问题的比较与评估［J］．电网技术，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］尹丽燕，于继来．多时间段落的配电网络动态重构［J］．中国电机工程学报，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，陈星莺，赵波，等．配电网动态重构的多代理协调优化方法［J］．中国电机工程学报，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．含风电的配电网重构场景模型及算法［J］．中国电机工程学报，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．

(编辑:张小飞)

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，长江学者特聘教授，博士生导师，研究方向为电力系统安全分析、城市电网规划、分布式发电系统;

孙充勃(1987)，男，博士研究生，研究方向为分布式发电系统仿真;

李鹏(1981)，男，通信作者，讲师，研究方向为电力系统电磁暂态仿真与分布式发电技术。

国家电网公司科技项目(EPRIPDKJ〔2012〕3185)。