陳政，曾鳴，張翔，常啟誠，歐鵬，，宋藝航，錢琪琪，歐陽邵杰，劉英新

(1.南方電網(wǎng)科學(xué)研究院，廣州市 510080；2.華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京市 102206；3.北京郵電大學(xué)，北京市 100876)

?

放松管制環(huán)境下基于改進(jìn)布谷鳥搜索算法的DGO與DNO效益均衡模型

陳政1，曾鳴2，張翔1，常啟誠3，歐鵬1，2，宋藝航1，錢琪琪2，歐陽邵杰2，劉英新2

(1.南方電網(wǎng)科學(xué)研究院，廣州市 510080；2.華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京市 102206；3.北京郵電大學(xué)，北京市 100876)

近年來，分布式發(fā)電以其節(jié)能、環(huán)保等特點發(fā)展快速。然而在分布式發(fā)電接入配電網(wǎng)的過程中，會對配電網(wǎng)運(yùn)營商(distribution network operators，DNO)的利益造成影響，從而阻礙兩者的協(xié)調(diào)發(fā)展。為了兼顧配電網(wǎng)運(yùn)營商與分布式發(fā)電商(distributed generation owners，DGO)的利益，研究了分布式發(fā)電投資及配電網(wǎng)建設(shè)規(guī)劃的聯(lián)合優(yōu)化問題。在構(gòu)建目標(biāo)函數(shù)過程中引入利潤分配系數(shù)從而達(dá)到雙贏目的，同時需要滿足配電網(wǎng)安全穩(wěn)定運(yùn)營及減排目標(biāo)約束。對于模型中存在的不確定性因素使用兩點估計法進(jìn)行確定，使用改進(jìn)的布谷鳥搜索算法求解所建模型。最后以IEEE33節(jié)點配電系統(tǒng)為例，通過不同情境之間的對比分析驗證了所提出方法的有效性和可行性。

放松管制；效益均衡；分布式發(fā)電商；配電網(wǎng)運(yùn)營商；改進(jìn)的布谷鳥搜索算法

0 引 言

分布式電源是指直接布置在配電網(wǎng)或分布在負(fù)荷附近的小容量發(fā)電設(shè)施[1-3]。隨著集中發(fā)電、遠(yuǎn)距離輸電和大電網(wǎng)互聯(lián)的弊端不斷顯現(xiàn)，常規(guī)發(fā)電成本增加，以及人們環(huán)保意識不斷增強(qiáng)，分布式發(fā)電(distributed generation，DG)越來越受到關(guān)注[4]。然而，分布式發(fā)電接入配電網(wǎng)，會改變配電線路中的電力潮流，對配電網(wǎng)的規(guī)劃運(yùn)行，乃至安全效益和經(jīng)濟(jì)效益都會帶來一定影響。在放松管制的市場環(huán)境下，分布式發(fā)電的投資和運(yùn)營決策是由分布式發(fā)電商(distributed generation owners，DGO)決定的，而保證電網(wǎng)安全可靠運(yùn)行是配電網(wǎng)運(yùn)營商(distribution network operators，DNO)的責(zé)任。在此背景下，分布式發(fā)電的投資運(yùn)行對DNO會帶來怎樣的影響，如何引導(dǎo)DGO和DNO合理規(guī)劃、科學(xué)決策，使得兩者利益能夠兼顧并增加社會總福利，是值得研究的問題。

由于分布式發(fā)電優(yōu)化配置與配電網(wǎng)規(guī)劃息息相關(guān)，當(dāng)前研究分布式發(fā)電與配電網(wǎng)規(guī)劃的相關(guān)文獻(xiàn)按照決策變量的類型可以分為單一規(guī)劃和綜合協(xié)調(diào)規(guī)劃2類：(1)在不改變系統(tǒng)饋線和變電站配置的情況下，對分布式發(fā)電的安裝位置和容量進(jìn)行優(yōu)化，如張惠卿等[5]使用改進(jìn)的多種群遺傳算法解決分布式發(fā)電選址和定容問題，崔艷龍[6]考慮配電網(wǎng)運(yùn)行的經(jīng)濟(jì)性和安全性建立了分布式發(fā)電的單一規(guī)劃模型；(2)分布式發(fā)電與配電網(wǎng)變電站或饋線等的整體規(guī)劃，是一種全局優(yōu)化規(guī)劃，李振文[7]綜合考慮分布式發(fā)電的選址定容和配網(wǎng)網(wǎng)架規(guī)劃，研究了計及分布式發(fā)電的配電網(wǎng)擴(kuò)展規(guī)劃模型，文獻(xiàn)[8]研究了考慮用戶側(cè)的微型分布式發(fā)電的配電網(wǎng)發(fā)展規(guī)劃。

分布式發(fā)電優(yōu)化配置的計算模型可以分為單目標(biāo)優(yōu)化和多目標(biāo)優(yōu)化2種。單目標(biāo)優(yōu)化又可以分為3類：從投資角度，以供電公司年總規(guī)劃成本現(xiàn)值最小為優(yōu)化目標(biāo)[9]；從損耗角度，以配電網(wǎng)損最小為優(yōu)化目標(biāo)[10]；從環(huán)保效益角度，以分布式發(fā)電安裝容量最大為優(yōu)化目標(biāo)[11]。多目標(biāo)約束如張立梅等[12]考慮分布式電源的投資成本、賣電收益、環(huán)境改善,以及網(wǎng)損、電壓質(zhì)量、可靠性和延緩網(wǎng)絡(luò)更新等，建立了分布式電源單位成本收益和其接入后改善電網(wǎng)所得收益最大化的多目標(biāo)規(guī)劃模型；張惠卿等[5]使用分布式發(fā)電投資成本最小、網(wǎng)損最小和靜態(tài)電壓穩(wěn)定裕度最大建立多目標(biāo)優(yōu)化模型。然而上述情況大多只從某一方的經(jīng)濟(jì)利益最優(yōu)為目標(biāo)函數(shù)建立優(yōu)化模型，沒有考慮DNO與DGO之間存在的利益關(guān)系及其在分布式發(fā)電和配電網(wǎng)規(guī)劃過程中可能造成的影響，缺乏對DNO和DGO之間的利益協(xié)調(diào)機(jī)制進(jìn)行研究，而這正是本文研究的重點。

本文通過建立DNO和DGO之間的利益協(xié)調(diào)優(yōu)化模型，旨在解決不同類型分布式發(fā)電機(jī)組(在本文所考慮的機(jī)組類型中只包含分布式風(fēng)力發(fā)電一種具有出力不確定性的可再生能源)和配電網(wǎng)的聯(lián)合規(guī)劃問題，屬于全局優(yōu)化模型。在優(yōu)化目標(biāo)設(shè)定時本文創(chuàng)新性的將DNO和DGO的各自利潤通過利益分配有機(jī)的融合在一起，同時在約束條件中加入了減排約束，并使用改進(jìn)的布谷鳥搜索算法(improved multi-objective shuffled frog leaping algorithm，IMO-SLFA)對所建立模型進(jìn)行求解，試圖尋求一個雙贏的考慮DGO利益的配電網(wǎng)規(guī)劃方案。最后以IEEE-33節(jié)點系統(tǒng)為例進(jìn)行多情景分析，驗證文中所建模型的有效性和實用性。

1 模型構(gòu)建

1.1 目標(biāo)函數(shù)

DNO和DGO是市場利益鏈中的兩個主體，既聯(lián)系緊密又存在利益矛盾，若僅僅重視某一方的利益必然導(dǎo)致市場效率的下降。因此，鑒于DNO和DGO在進(jìn)行投資決策時遵循不同的目標(biāo)，本文希望通過制定一個利益分配機(jī)制使得DNO和DGO之間的利益得到協(xié)調(diào)，引導(dǎo)DGO在進(jìn)行投資決策時考慮DNO的利益，從而實現(xiàn)帕累托最優(yōu)。本文的目標(biāo)函數(shù)為

max min{ξ1,ξ2}

(1)

其中，

ξ1=(1-α)×pDNO

(2)

ξ2=(pDGO-cNGO)+α×pDNO

(3)

式中：ξ1和ξ2分別表示DNO和DGO的利潤；α表示DNO對DGO的利潤分配比例；pDNO表示由于DG的存在給DNO帶來的利潤；pDGO和cDGO分別表示DGO的收益和成本。

(4)

其中，DNO的成本CDNO主要包括：線損成本CL、線路投資及運(yùn)維成本CF、變電站投資及運(yùn)維成本CS以及所購電能的排放成本CE。在本文中，假設(shè)所有的投資都在年初進(jìn)行，則CDNO可以表達(dá)為

(5)

本文所考慮的情景皆為DG正常運(yùn)行環(huán)境下的，DGO的成本CDGO包括運(yùn)維成本CO和投資成本CI，暫不考慮故障成本。具體表達(dá)式為

(6)

DGO的收益來源于售電收入，電能的價格類型取決于DGO在市場中的角色，可以是雙邊合約電價，也可以市場電價。本文DGO的電價采用市場價格，其收益pDGO可以表達(dá)為

(7)

1.2 約束條件

1.2.1 常規(guī)約束

為了保證系統(tǒng)運(yùn)行的安全穩(wěn)定性，在構(gòu)建利益分配機(jī)制過程中必須考慮電網(wǎng)運(yùn)行常規(guī)約束條件，主要包括：功率平衡約束、電壓約束、分布式發(fā)電出力約束、線路及變電站容量約束。

功率平衡約束表達(dá)式為

(8)

電壓約束表達(dá)式為

Umin≤Ui,t,ω≤Umax

(9)

式中：Umin和Umax分別表示最低、最高操作電壓限制， kV；Ui，t，ω表示在t年，在需求水平ω條件下，母線i的電壓等級， kV。

DG出力約束表達(dá)式為

(10)

線路和變電站容量約束表達(dá)式為

(11)

(12)

1.2.2 排放約束

目前，環(huán)境問題愈發(fā)被重視。本文將環(huán)境效益納入約束條件中，系統(tǒng)排放受到總量限制，如下式所示：

Et≤Elim

(13)

式中：Et表示t年的排放總量，t；Elim為排放限額，t。

總的排放量主要包括2部分：由主干電網(wǎng)產(chǎn)生的排放和由可再生發(fā)電機(jī)組產(chǎn)生的排放，因此，排放總量Et可以表示為

(14)

1.3 不確定性處理

1.3.1 風(fēng)電機(jī)組發(fā)電不確定性處理

風(fēng)力發(fā)電機(jī)組的輸出功率主要取決于當(dāng)?shù)氐娘L(fēng)速，歷史風(fēng)速數(shù)據(jù)通常由氣象部分以h為單位進(jìn)行記錄。一般情況下，風(fēng)速的變化被看作是一個隨機(jī)變量，可以使用威布爾分布表示為

(15)

式中vk表示k地區(qū)的風(fēng)速，m/s；ak和bk分別表示形狀指數(shù)和規(guī)模指數(shù)，其計算方法為

(16)

式中μk和σk分別表示k地區(qū)在特定時間段內(nèi)的風(fēng)速均值和標(biāo)準(zhǔn)差[13]。

根據(jù)已知的風(fēng)速分布函數(shù)，風(fēng)力發(fā)電機(jī)組的輸出功率根據(jù)風(fēng)機(jī)的技術(shù)特性可由下式確定

(17)

1.3.2 市場需求和電價不確定性處理

一般而言，用電負(fù)荷和基于市場的電價是具有很大不確定性的。本文為了簡化計算，對用電負(fù)荷及電價水平進(jìn)行限定，并通過調(diào)整系數(shù)反映系統(tǒng)帶來的不確定性。

系統(tǒng)中，長期的有功和無功功率需求可以表示為

(18)

在開放市場環(huán)境下，購電價格是由競爭決定的，因此在不同的需求水平下電價并不是恒定的。為了不失一般性，假設(shè)在不同需求水平下的電價水平為

pω=pγω

(19)

式中p為基本價格，元/( kW·h)；γω表示在需求水平為ω時電價調(diào)整系數(shù)，并且假定這個調(diào)整系數(shù)是已知的。

對于長期負(fù)荷需求和電價的不確定性，使用公式(11)和(12)進(jìn)行處理，然而公式中的τω和γω的值仍然是不確定的。本文假設(shè)這些不確定值的概率密度函數(shù)滿足對數(shù)正態(tài)分布，同時τω和γω概率密度函數(shù)的平均值和標(biāo)準(zhǔn)差是確定的，具體確定方法如下所述

(20)

在本文中，使用兩點估計法確定概率密度函數(shù)的平均值和方差，具體方法如下：

假設(shè)有1個函數(shù)Y=h(x1,x2,...,xNuv)，該方法是用于解決在已知不確定性變量xi的概率密度函數(shù)的條件下，如何求解Y的概率密度函數(shù)的問題。實施流程如圖1所示。

2 改進(jìn)的布谷鳥搜索算法

2.1 布谷鳥算法機(jī)理及步驟

布谷鳥算法(cuckoo search algorithm)是一種新型的基于全局協(xié)同搜索的啟發(fā)式搜索算法，通過啟發(fā)函數(shù)(任何數(shù)學(xué)函數(shù))進(jìn)行搜索，從而找到組合優(yōu)化問題的優(yōu)化解[14]。該算法具有概念簡單，調(diào)整參數(shù)少，計算速度快，全局搜索尋優(yōu)能力強(qiáng)，易于實現(xiàn)等特點。萊維飛行理論主要是指布谷鳥在選巢時其飛行軌跡類似于一種隨機(jī)行走的形式(random walk)，布谷鳥飛行的距離(步長)滿足一個重尾(heavy-tailed)的穩(wěn)定分布，也就是說布谷鳥的短距離探索飛行與偶爾的較長距離的飛行是相間的。在智能優(yōu)化算法中采用萊維飛行能擴(kuò)大種群的搜索范圍、增加方案的多樣性，更容易得到局部最優(yōu)解[15-16]。

為了明確算法的適用性并提高其搜索的準(zhǔn)確性，布谷鳥搜索算法提出了以下3點假設(shè)：

(1)每只布谷鳥每次只產(chǎn)1個卵，并且隨機(jī)選擇寄生巢放置，布谷鳥的卵表示新的方案，巢里原有的卵表示舊的方案；

(2)一部分鳥巢里面已經(jīng)放置著“優(yōu)質(zhì)蛋”，即好的方案，這些鳥巢是不可被利用的，不能被布谷鳥的卵(新的方案)替換；

(3)可被利用來寄生孵蛋的鳥巢的數(shù)量G是固定的，并且被寄生的鳥巢的主人發(fā)現(xiàn)一個外來鳥蛋的概率為Pa，也就是說能夠?qū)崿F(xiàn)的方案的個數(shù)為G·(1-Pa)。

圖1 兩點估計法實施流程圖

基于以上假設(shè)，杜鵑鳥尋巢的搜索路徑和位置變換的表達(dá)式為

(21)

萊維飛行的隨機(jī)搜索路徑滿足如下分布：

Levy～u=t-λ,1<λ≤3

(22)

2.2 改進(jìn)的布谷鳥搜索算法

在基本的布谷鳥搜索算法中，搜索的步長具有隨機(jī)性，并且缺乏自適應(yīng)性，無法保證全局的快速收斂。此外，當(dāng)布谷鳥搜索的鳥巢之間的差異較小，且數(shù)量過大時，會造成方案的多樣性減少，導(dǎo)致放置鳥卵的巢的位置不再變化(“最佳方案”不再變更)，使算法陷入局部極值中。為解決全局尋優(yōu)能力和精度間的關(guān)系，本文向搜索范圍中引入“擾動”以擺脫局部最優(yōu)。

該方法的基本思路是：設(shè)G為布谷鳥的搜索空間，X∈G為任一布谷鳥，X′=C(X)為布谷鳥飛行后所處的新位置，Δ=J(X)-J(X′)表示布谷鳥所處的新位置和原位置的差值，δ∈[-r，r]為隨機(jī)擾動。擾動執(zhí)行的方法是：如果Δ′=Δ+δ>0，則保留新位置淘汰舊位置，如果Δ′<0，則淘汰新位置而保留舊位置。如果Δ′=0，則重新擾動。通過“擾動”的方式，以一定的概率接受性能增益不大的借巢行為，淘汰性能增益過小的借巢行為，接受性能增益明顯的借巢，從而避免算法陷入局部極優(yōu)。

該算法的基本步驟為：

(1)設(shè)定目標(biāo)函數(shù)為f(Y)，Y=[Y1，…，Yd]T，初始化群體，隨機(jī)產(chǎn)生n個鳥巢的初始位置Yi(i= 1，2，…，n)，根據(jù)模型設(shè)置算法參數(shù)。

(2)計算每個鳥巢的目標(biāo)函數(shù)值，并記錄當(dāng)前的最優(yōu)解。

(3)保留上代最優(yōu)的鳥巢位置，并按位置更新式(21)，對其他鳥巢的位置進(jìn)行更新。

(4)用隨機(jī)數(shù)R作為鳥巢主人發(fā)現(xiàn)外來鳥蛋的可能性與Pa進(jìn)行比較，若R>Pa，則隨機(jī)改變鳥巢位置，得到1組新的鳥巢位置。

(5)增加擾動，計算其他鳥巢與最優(yōu)鳥巢的距離，當(dāng)其距離滿足Δ′=Δ+δ>0時，則保留布谷鳥所處的新位置。

(6)如果沒有滿足結(jié)束條件，則返回(2)。

(7)輸出全局最優(yōu)的鳥巢位置。

3 算例分析

圖2 IEEE33節(jié)點配電系統(tǒng)接線圖

表2 風(fēng)機(jī)技術(shù)特性

m/s

表3 負(fù)荷需求、電價調(diào)整系數(shù)及持續(xù)時間預(yù)測結(jié)果

為了驗證本文所建立模型的有效性，我們考慮無利潤分配和有利潤分配2種情形。

情景1:不存在利潤分配

首先分析無利潤分配的情形。在本小節(jié)中，假設(shè)系統(tǒng)中由于DG存在而產(chǎn)生的利潤都由DNO獲取，

表4 研究中所需使用的其他數(shù)據(jù)

Table 4 Other used data

即假定α=0%。在該情形中，帕累托最優(yōu)前沿有20個非劣解，如圖4所示。該圖說明在沒有利益分配的情況下，在13種解決方案中DGO的投資對自己而言是無利可圖的。在各帕累托最優(yōu)方案下，目標(biāo)函數(shù)的值如圖3所示。解決方案1的計劃安排如表5所示。

在該方案中，DNO與DGO的凈利潤均為正值，并且使用了3種DG，即風(fēng)力發(fā)電機(jī)組、燃?xì)鈾C(jī)組和熱電聯(lián)產(chǎn)機(jī)組。表5同時給出了母線的安裝及投資時間。在該方案中，進(jìn)行了輸電線路的加固，沒有變電站的投資。

圖3 α=0情形下各方案帕累托最優(yōu)時的目標(biāo)函數(shù)值

情景2：存在利潤分配

在本情形中，假設(shè)DNO在考慮自身效益的同時，為鼓勵DGO投資對DGO進(jìn)行一定比例的利潤分配，即α≠0，但不確定。分析結(jié)果如圖4和表6、7所示。

圖4 α≠0情形下各方案帕累托最優(yōu)時的目標(biāo)函數(shù)值

表7 情景2中方案16的計劃安排

在此情景中，DNO對DGO的利潤分配比例α由優(yōu)化過程確定。所獲得的帕累托前沿有20個非劣解，在所有解決方案中，目標(biāo)函數(shù)值均為正值，這也就意味著在任一方案下DNO和分布式發(fā)電上均有利可圖。不同方案的區(qū)別在于利潤數(shù)額的不同，因此在方案的比選過程中DNO與DGO會有不同的傾向。利潤分配比例的變化幅度很大，最小為31.2%，最大為99.1%。仿真結(jié)果如圖4所示，圖4給出了各方案下DNO和DGO的利潤。利潤分配比例α以及各利益主體利潤最大化的滿意程度如表6所示。在選取最終方案時，選取對于2個目標(biāo)函數(shù)來說最小滿意度最大時的方案為最優(yōu)方案，即方案16。在該方案中使用了風(fēng)電機(jī)組、燃?xì)鈾C(jī)組、柴油機(jī)組和熱電聯(lián)供機(jī)組四種DG。母線的安裝及投資時間如表7所示。在該方案中同時存在線路加固和變電站加固。

4 結(jié) 論

本文提出了用于解決分布式發(fā)電和配電網(wǎng)規(guī)劃的多目標(biāo)動態(tài)模型，并使用改進(jìn)的布谷鳥搜索算法求解所建模型。文中使用的兩步算法，首先尋找能夠同時使得DNO和DGO利潤最大化的非劣解，然后再從候選集中選取最佳規(guī)劃方案。文章的最后將所建模型應(yīng)用于實際的配電網(wǎng)絡(luò)中，通過對比分析驗證了所建模型的靈活性和有效性。本文的目的并不是制定強(qiáng)制交易規(guī)則，而是為雙方提出了交易新思路，從而達(dá)到雙贏目的，同時能夠有效的滿足技術(shù)、經(jīng)濟(jì)和環(huán)境約束。本文所提出的方法可以使得DNO更加有效的鼓勵各種分布式發(fā)電技術(shù)的投資和規(guī)劃，同時也考慮到了未來各種參數(shù)的不確定性，可以幫助規(guī)劃者更加準(zhǔn)確的制定規(guī)劃。

[1]季陽，艾芊，解大.分布式發(fā)電技術(shù)與智能電網(wǎng)技術(shù)的協(xié)同發(fā)展趨勢[J].電網(wǎng)技術(shù)，2010，34 (12)：16-23.Ji Yang，Ai Qian，Xie Da.Research on co-developmental trend of distributed generation and smart grid[J].Power System Technology，2010，34 (12)：16-23.

[2]王成山，李鵬.分布式發(fā)電、微網(wǎng)與智能配電網(wǎng)的發(fā)展與挑戰(zhàn)[J].電力系統(tǒng)自動化,2010,34(2):10-14.Wang Chengshan， Li Peng.Development and challenges of distributed generation， the micro-grid and smart distribution system[J].Automation of Electric Power Systems,2010,34(2):10-14.

[3]Gardner J， Carr-Cornish S G，Ashworth P N.Exploring the acceptance of a domestic distributed energy market in Australia[J].Australasian Journal of Environmental Management，2008，15(2)：93-103.

[4]雷金勇,李戰(zhàn)鷹,盧澤漢,等.分布式發(fā)電技術(shù)及其對電力系統(tǒng)影響研究綜述[J].南方電網(wǎng)技術(shù),2011,5(4):46-50.Lei Jinyong,Li Zhanying,Lu Zehan,et al.Review on the research of distributed generation technology and its impacts on electric power systems[J].Southern Power System Technology,2011,5(4):46-50.

[5]張惠卿，李燕青，劉朝霞.配電網(wǎng)中基于改進(jìn)的多種群遺傳算法的分布式發(fā)電規(guī)劃[J].電力科學(xué)與工程，2010，26 (12)：4-8.Zhang Huiqing，Li Yanqing，Liu Zhaoxia.Distributed generation planning based on a modified multi-population genetic algorithm in distributed networks[J].Electric Power Science and Engineering，2010，26 (12)：4-8.

[6]崔艷龍.帶分布式發(fā)電的配電網(wǎng)規(guī)劃研究[D].成都：西南交通大學(xué)，2013.Cui Yanlong.Research on distribution nerwork planning including distributed generation[D].Chengdu：Southwest Jiaotong University，2013.

[7]李振文.計及分布式發(fā)電與環(huán)網(wǎng)柜的配電網(wǎng)規(guī)劃方法研究[D].重慶：重慶大學(xué)，2012.Li Zhenwen.Distribution network planning considering distributed generation and ring main unit[D].Chongqing：Chongqing University，2012.

[8]Koutroumpezis G N， Safigianni A S， Demetzos G S，et al.Investigation of the distributed generation penetration in a medium voltage power distribution network[J].International Journal of Energy Research，2010，34(7)：585-593.

[9]付麗偉，王守相，張永武，等.多類型分布式電源在配電網(wǎng)中的優(yōu)化配置[J] .電網(wǎng)技術(shù)，2012，36(1)：79-84 .Fu Liwei，Wang Shouxiang，Zhang Wuyong，et al.Optimal selection and configuration of multi-types of distributed generators in distribution network[J].Power System Technology，2012，36(1)：79-84 .

[10]Kaur S，Kumbhar G，Sharma J.A MINLP technique for optimal placement of multiple DG units in distribution systems [J].International Journal of Electrical Power and Energy Systems，2014，23(6)：609-617.

[11]Rouhani A，Hosseini S H，Raoofat M.Composite generation and transmission expansion planning considering distributed generation [J].International Journal of Electrical Power and Energy Systems，2014，65(11)：792-805.

[12]張立梅，唐巍，王少林，等.綜合考慮配電公司及獨(dú)立發(fā)電商利益的分布式電源規(guī)劃[J].電力系統(tǒng)自動化，2011，35(4)：23-28.Zhang Limei，Tang Wei，Wang Shaolin，et al.Distributed generators planning considering benefits for distribution power company and independent power suppliers[J].Automation of Electric Power Systems，2011，35(4)：23-28.

[13]Zeng Bo，Zhang Jianhua，Ouyang Shaojie，et al.Two-stage combinatory planning method for efficient wind power integration in smart distribution systems considering uncertainties [J].Electric Power Components & Systems，2014， 42(15):1660-1672.

[14]候慧超.布谷鳥優(yōu)化算法改進(jìn)及與粒子群算法融合研究[D].錦州：渤海大學(xué)，2014.Hou Huichao.Improving cuckoo algorithm and particle swarm algorithm fusion research[D] .Jinzhou：Bohai University，2014.

[15]李煜，馬良.新型元啟發(fā)式布谷鳥搜索算法[J].系統(tǒng)工程，2012，30 (8)：64-69.Li Yu，Ma Liang.A New metaheuristic cuckoo search algorithm[J].Systems Engineering，2012，30 (8)：64-69.

[16]陳健，陳雪剛，張家錄，等.杜鵑鳥搜索算法優(yōu)化最小二乘支持向量機(jī)的網(wǎng)絡(luò)入侵檢測模型[J].微電子學(xué)與計算機(jī)，2013，30 (10):29-32.Chen Jian，Chen Xuegang，Zhang Jialu，et al.Network intrusion detection model based on least squares support vector machine optimized by modify cuckoo search algorithm [J].Microelectronics & computer，2013，30 (10):29-32.

[17]Baran M E，Wu F F.Network reconfiguration in distribution systems for loss reduction and load balancing[J].IEEE Transaction on Power Delivery，1989，9(4)：101-102.

(編輯：蔣毅恒)

Benefit Equilibrium Model of DGO and DNO in Deregulated Environment Based on ICSA

CHEN Zheng1，ZENG Ming2，ZHANG Xiang1，CHANG Qicheng3， OU Peng1，2，SONG Yihang1，QIAN Qiqi2，OUYANG Shaojie2，LIU Yingxin2

(1.Electric Power Research Institute of China Southern Power Grid，Guangzhou 510080，China; 2.College of Economics and Management, North China Electric Power University，Beijing 102206，China; 3.Beijing University of Posts and Telecommunications，Beijing 100876，China)

In recent years, distributed generation obtains rapid development for its energy-saving and environment protection.However, the network access of distributed energy will cause certain impact on the interests of the distribution network operators (DNO), which may hinder harmonious development of them.This pape reconciled the both interests of DNO and distributed generation owners (DGO), and studied the combined optimization problem of distributed generation investment and distribution network construction planning.The profit distribution coefficient was introduced during the construction of objective function so as to achieve the win-win purpose.Besides, the model needed to satisfy both the security and stability operation of distribution network and the emission reduction targets constraints.And the two-point estimate model was used to determine the uncertainty factors in the model.This paper used improved cuckoo search algorithm (ICSA) to solve the constructed model.At last, a IEEE33 nodes distribution system was used to verify the feasibility and effectiveness of the provided model by cases comparison.

deregulation; benefit equilibrium; distributed generation owner; distribution network operator; improved cuckoo search algorithm

國家自然科學(xué)基金項目(71271082)。

TM 715

A

1000-7229(2015)08-0007-08

10.3969/j.issn.1000-7229.2015.08.002

2015-05-26

2015-07-14

陳政(1976)，男，碩士，高級工程師，研究方向為能源經(jīng)濟(jì)、電力系統(tǒng)規(guī)劃；

曾鳴(1957)，男，教授，博士生導(dǎo)師，研究方向為電力市場及技術(shù)經(jīng)濟(jì)研究；

張翔(1988)，男，碩士，工程師，研究方向為能源經(jīng)濟(jì)、電力系統(tǒng)規(guī)劃；

常啟誠(1994)，男，本科，研究方向為數(shù)學(xué)及應(yīng)用數(shù)學(xué)；

歐鵬(1987)，男，碩士研究生，經(jīng)濟(jì)師，研究方向為能源經(jīng)濟(jì)、電力系統(tǒng)規(guī)劃；

宋藝航(1986)，男，博士，工程師，從事能源經(jīng)濟(jì)、電力風(fēng)險管理方面的研究工作;

錢琪琪(1992)，女，碩士研究生，研究方向為新能源；

歐陽邵杰(1989)，男，博士研究生，研究方向為主動配電網(wǎng)方面；

劉英新(1993)，男，碩士研究生，研究方向為分布式發(fā)電、配電網(wǎng)規(guī)劃。

Project Supported by National Natural Science Foundation of China(NSFC)(71271082).