孫 可，楊 翾，徐祥海，衛(wèi) 煒，張祿亮，陳佳佳

（1.國(guó)網(wǎng)浙江省電力有限公司 浙江華云電力工程設(shè)計(jì)咨詢有限公司，浙江 杭州 310000；2.國(guó)網(wǎng)杭州供電公司，浙江 杭州 310016；3.華南理工大學(xué) 電力學(xué)院，廣東 廣州 510640；4.山東理工大學(xué) 電氣與電子工程學(xué)院，山東 淄博 255049）

0 引言

在“碳達(dá)峰·碳中和”目標(biāo)下，分布式光伏（Distributed Photovoltaic，DPV）因其資源豐富、環(huán)境優(yōu)化、安全可靠等優(yōu)點(diǎn)，得到快速發(fā)展和廣泛應(yīng)用[1]，[2]。隨著DPV在配電網(wǎng)中大規(guī)模接入，打破了配電網(wǎng)原有的單相供電模式[3]，DPV輸出功率的變化加劇了配電網(wǎng)凈負(fù)荷功率波動(dòng)，致使系統(tǒng)靈活性調(diào)節(jié)資源需求激增，配電設(shè)備運(yùn)行效率低、投資費(fèi)用高；當(dāng)靈活性調(diào)節(jié)資源不足時(shí)，容易造成電能質(zhì)量下降、供電可靠性降低等問題。另外，DPV無(wú)序接入極易引起網(wǎng)絡(luò)堵塞、配電網(wǎng)反調(diào)峰問題，不利于配電網(wǎng)整體的經(jīng)濟(jì)運(yùn)行。

儲(chǔ)能系統(tǒng)（Energy Storage System，ESS）具有快速響應(yīng)以及對(duì)功率進(jìn)行雙向調(diào)節(jié)的能力。ESS能夠在不同時(shí)刻提供充放電服務(wù)，將發(fā)電峰值時(shí)段的電能轉(zhuǎn)移到低谷時(shí)期，具有提高可再生能源的就地消納、緩解網(wǎng)絡(luò)堵塞、降低配電網(wǎng)凈負(fù)荷波動(dòng)等諸多優(yōu)勢(shì)[4]，[5]。將ESS和DPV相結(jié)合，能夠降低大規(guī)模DPV接入對(duì)配電網(wǎng)運(yùn)行穩(wěn)定性的影響，在提高自平衡度、平滑負(fù)荷曲線和削減峰值負(fù)荷方面發(fā)揮積極作用。

DPV和ESS的安裝位置和運(yùn)行方式直接影響配電網(wǎng)可靠運(yùn)行與靈活性提升[6]。對(duì)于節(jié)點(diǎn)數(shù)目較多的配電網(wǎng)系統(tǒng)，若采用集中式優(yōu)化方法，會(huì)造成系統(tǒng)可靠性降低和運(yùn)行靈活性不足等問題。因此，對(duì)于含有分布式電源的配電網(wǎng)系統(tǒng)，適合采用分區(qū)控制方法，即將整個(gè)配電網(wǎng)系統(tǒng)虛擬聚合為多個(gè)微電網(wǎng)群，每個(gè)虛擬微電網(wǎng)實(shí)行自治管理，通過(guò)對(duì)每個(gè)微電網(wǎng)的單獨(dú)控制來(lái)實(shí)現(xiàn)對(duì)整個(gè)配電網(wǎng)的能量管理。采用合理的虛擬聚合指標(biāo)是進(jìn)行配電網(wǎng)分區(qū)控制的前提。文獻(xiàn)[7]基于電氣距離指標(biāo)，采用粒子群算法實(shí)現(xiàn)電網(wǎng)無(wú)功分區(qū)。文獻(xiàn)[8]基于導(dǎo)納矩陣參數(shù)建立IEEE-39節(jié)點(diǎn)系統(tǒng)分區(qū)模型，并通過(guò)聚類算法求解。文獻(xiàn)[9]基于電壓穩(wěn)定指標(biāo)和網(wǎng)絡(luò)理論構(gòu)建分區(qū)的內(nèi)外層，并通過(guò)圖層疊加，實(shí)現(xiàn)無(wú)功電壓分區(qū)。在一定區(qū)域內(nèi)，將配電網(wǎng)虛擬聚合為多個(gè)微電網(wǎng)，每個(gè)微電網(wǎng)實(shí)行自治管理的同時(shí)，聯(lián)合形成互聯(lián)互供電的集群微電網(wǎng)系統(tǒng)，可以降低系統(tǒng)的運(yùn)行成本，提高配電網(wǎng)運(yùn)行的靈活性[10]。靈活性反映了配電網(wǎng)充分統(tǒng)籌和利用系統(tǒng)內(nèi)可控資源，有效應(yīng)對(duì)運(yùn)行中的多重不確定性因素?cái)_動(dòng)并達(dá)到供需平衡，適應(yīng)各種復(fù)雜運(yùn)行環(huán)境并維持安全穩(wěn)定、實(shí)現(xiàn)高效經(jīng)濟(jì)目標(biāo)的能力[11]。文獻(xiàn)[12]在一定時(shí)間尺度內(nèi)，在考慮靈活性資源的調(diào)控成本基礎(chǔ)上，通過(guò)合理調(diào)度節(jié)點(diǎn)型和網(wǎng)絡(luò)型兩類靈活性資源，有效應(yīng)對(duì)電源和負(fù)荷的波動(dòng)性和不確定性，使系統(tǒng)同時(shí)達(dá)到電力平衡和靈活性供需平衡，從而處于一個(gè)兼具經(jīng)濟(jì)性和靈活性的最優(yōu)運(yùn)行狀態(tài)。上述文獻(xiàn)的主要工作集中在虛擬聚合后的功率控制和電壓控制，而未考慮配電網(wǎng)虛擬聚合和已聚合形成微電網(wǎng)的功率交互共同作用對(duì)配電網(wǎng)運(yùn)行靈活性的影響。

本文提出了基于虛擬聚合的多微電網(wǎng)功率交互提升配電系統(tǒng)運(yùn)行靈活性方法，靈活性指標(biāo)為網(wǎng)絡(luò)損耗和系統(tǒng)運(yùn)行成本，在保證電力供需平衡的前提下，降低系統(tǒng)運(yùn)行成本與網(wǎng)絡(luò)損耗，同時(shí)平滑系統(tǒng)凈負(fù)荷曲線。首先，綜合考慮負(fù)荷特性和配電網(wǎng)拓?fù)浣Y(jié)構(gòu)，提出基于ECS的微電網(wǎng)虛擬聚合方法，將一個(gè)配電網(wǎng)虛擬聚合為多個(gè)微電網(wǎng)，通過(guò)對(duì)每個(gè)微電網(wǎng)的單獨(dú)控制來(lái)實(shí)現(xiàn)對(duì)整個(gè)配電系統(tǒng)的能量管理與靈活性提升。然后，構(gòu)建了多微電網(wǎng)功率交互提升系統(tǒng)靈活性模型，提出多目標(biāo)進(jìn)化捕 食 策 略 （Multiple Preys-based Evolutionary Predator and Prey Strategy，MPEPPS）求解多目標(biāo)優(yōu)化模型，并確定分布式發(fā)電機(jī)組在虛擬微電網(wǎng)中的最優(yōu)位置和功率輸出。

1 基于電氣關(guān)聯(lián)強(qiáng)度的微電網(wǎng)虛擬聚合方法

微電網(wǎng)虛擬聚合是根據(jù)空間、功能或結(jié)構(gòu)等綜合指標(biāo)將配電網(wǎng)劃分為多個(gè)微電網(wǎng)系統(tǒng)。針對(duì)配電網(wǎng)虛擬聚合形成微電網(wǎng)問題，本文綜合節(jié)點(diǎn)的阻抗特性和傳輸容量，構(gòu)建基于ECS的虛擬聚合方法，具體描述如下：

對(duì)于給定的網(wǎng)絡(luò)G=（V，L），其中V為節(jié)點(diǎn)的數(shù)目，L為支路的數(shù)目。假設(shè)節(jié)點(diǎn)間的權(quán)重為Wij，則網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)的鄰接矩陣A=[aij]可表示為

Newman分區(qū)算法能夠自動(dòng)生成最佳分區(qū)數(shù)目而不需要提前設(shè)定[13]，已被廣泛應(yīng)用于電力系統(tǒng)集群劃分[10]，[14]。本文采用Newman算法對(duì)微電網(wǎng)進(jìn)行虛擬聚合。假設(shè)Cij和Zij分別為節(jié)點(diǎn)i和j的傳輸容量和阻抗參數(shù)，本文定義節(jié)點(diǎn)間的ECS為ECSij=Cij/Zij。結(jié)合鄰接矩陣A，網(wǎng)絡(luò)中節(jié)點(diǎn)i的度可表示為ki=∑jAij。若將配電網(wǎng)虛擬聚合為多個(gè)微電網(wǎng)，節(jié)點(diǎn)i和j分別位于各自的微電網(wǎng)di和dj，則量化參數(shù)定義為

式中：若di=dj，則δ（di，dj）=1；否則，δ（di，dj）=0。

結(jié)合節(jié)點(diǎn)間的ECS函數(shù)，節(jié)點(diǎn)的度可更新為Ei=∑VjECSij，則配電網(wǎng)虛擬聚合的量化參數(shù)為

Qe為配電網(wǎng)中節(jié)點(diǎn)間電氣關(guān)聯(lián)強(qiáng)度與配電網(wǎng)虛擬聚合形成的微電網(wǎng)中電氣關(guān)聯(lián)強(qiáng)度分布概率的差值，其值越大，說(shuō)明各個(gè)虛擬微電網(wǎng)內(nèi)部節(jié)點(diǎn)間電氣關(guān)聯(lián)越緊密。因此，通過(guò)尋求Qe的最優(yōu)值，將配電網(wǎng)虛擬聚合為多個(gè)微電網(wǎng)，保證每個(gè)集群內(nèi)部節(jié)點(diǎn)的電氣關(guān)聯(lián)緊密。

2 多微電網(wǎng)功率交互提升系統(tǒng)靈活性模型

在一定區(qū)域內(nèi)，將配電網(wǎng)虛擬聚合為多個(gè)微電網(wǎng)，多個(gè)相鄰的微電網(wǎng)組成一個(gè)互聯(lián)互通的功率交互系統(tǒng)。當(dāng)某一個(gè)微電網(wǎng)存在功率缺額或剩余時(shí)，可以安排其他的微電網(wǎng)為該微電網(wǎng)提供能量供應(yīng)或消納服務(wù)，通過(guò)這種方式，能量可在多微電網(wǎng)間共享與互補(bǔ)。多微電網(wǎng)功率交互能夠有效利用不同區(qū)域多類型資源，發(fā)揮能量互濟(jì)的作用，實(shí)現(xiàn)新能源的就地消納，減少網(wǎng)絡(luò)堵塞，在提高自平衡度、提升新能源滲透率、平滑負(fù)荷曲線、降低峰谷差和削減峰值負(fù)荷等方面具有重要意義。

2.1 多目標(biāo)優(yōu)化模型

本文構(gòu)建以支路功率損耗和系統(tǒng)運(yùn)行費(fèi)用為靈活性指標(biāo)的多微電網(wǎng)功率交互提升系統(tǒng)靈活性模型，以確定各個(gè)聚合微電網(wǎng)中分布式電源的最優(yōu)位置和輸出功率，進(jìn)而實(shí)現(xiàn)對(duì)整個(gè)配電網(wǎng)的能量管理。

多目標(biāo)模型為

式中：Ploss和CDN分別為配電網(wǎng)的功率損耗和運(yùn)行成本；Pl，Ql，Vl和Rl分別為第i條支路的有功功率、無(wú)功功率、電壓幅值和電阻；CDPV，CESS，CH和CPS分別為DPV成本、儲(chǔ)能系統(tǒng)成本、購(gòu)電成本及上網(wǎng)收益。

DPV成本由光伏的投資成本和維護(hù)成本組成，其表達(dá)式為

虛擬微電網(wǎng)中的ESS成本由儲(chǔ)能系統(tǒng)的投資成本和維護(hù)成本組成，主要由儲(chǔ)能系統(tǒng)的使用壽命、單位容量和投資成本等因素組成，即：

功率交互成本為

DPV上網(wǎng)收益為

式中：IPV為DPV單位功率的上網(wǎng)收益。

在多微電網(wǎng)功率交互提升系統(tǒng)靈活性優(yōu)化模型中，還須考慮功率、電壓、儲(chǔ)能等運(yùn)行約束，以確保配電網(wǎng)安全穩(wěn)定運(yùn)行，其中功率平衡約束為

式中：Pi和Qi分別為節(jié)點(diǎn)i注入的有功功率和無(wú)功功率；Ui和Uj為節(jié)點(diǎn)的電壓幅值；Gij和Bij分別為節(jié)點(diǎn)i和j間的支路電導(dǎo)和電納；θij為節(jié)點(diǎn)i和j間的電壓相角差。

電壓和支路功率約束：

儲(chǔ)能系統(tǒng)充放功率及SOC約束：

2.2 虛擬微電網(wǎng)功率交互模型

每個(gè)虛擬微電網(wǎng)可等效為一個(gè)可調(diào)度的發(fā)電機(jī)，具有雙向功率流，并在其整體上進(jìn)行調(diào)度。為避免使用負(fù)值變量，定義了4個(gè)變量來(lái)表示t時(shí)刻單個(gè)微電網(wǎng)交互的功率：從其他的微電網(wǎng)購(gòu)電的功率、向其他的微電網(wǎng)售電的功率、從電網(wǎng)購(gòu)電的功率以及向電網(wǎng)售電的功率。

考慮到虛擬微電網(wǎng)不能同時(shí)進(jìn)行購(gòu)電和售電，因此，對(duì)于單個(gè)微電網(wǎng)任意時(shí)刻都要滿足如下約束：

式中：h和k為虛擬微電網(wǎng)的編號(hào)；t為時(shí)間變量；T為運(yùn)行周期；uh，k，t和sh，k，t分別為t時(shí)刻微電網(wǎng)h和k進(jìn)行購(gòu)電，售電的功率交互狀態(tài)；αk，t和βk，t分別為微電網(wǎng)與電網(wǎng)進(jìn)行購(gòu)電和售電的功率交互狀態(tài)，若uh，k，t=sh，k，t=0，則微電網(wǎng)h和微電網(wǎng)k不存在功率交互；若僅uh，k，t或sh，k，t等于1，則微電網(wǎng)h和k存在功率交互。若αk，t=βk，t=0，微電網(wǎng)與電網(wǎng)不存在功率交易；若αk，t或βk，t等于1，則微電網(wǎng)k與電網(wǎng)存在功率交互。每個(gè)虛擬微電網(wǎng)在同一時(shí)刻既可以與其他微電網(wǎng)進(jìn)行功率交互，又可以與電網(wǎng)進(jìn)行能量交易[15]。

由于線路容量和逆變器接口的技術(shù)限制，交換功率不能超過(guò)相應(yīng)的功率限制。

微電網(wǎng)h從微電網(wǎng)k購(gòu)電的功率與微電網(wǎng)k向微電網(wǎng)h售電的功率相同。

2.3 靈活性評(píng)價(jià)指標(biāo)

為了準(zhǔn)確評(píng)價(jià)基于虛擬聚合的多微電網(wǎng)功率交互提升配電系統(tǒng)的靈活性，本文引入了自平衡度、負(fù)荷曲線平滑度、峰谷差和峰補(bǔ)償4個(gè)技術(shù)指標(biāo)。自平衡度函數(shù)Zk反映分布式發(fā)電對(duì)配電網(wǎng)負(fù)荷的供應(yīng)情況以及虛擬微電網(wǎng)間的自治能力，具體參考文獻(xiàn)[16]。表征負(fù)荷曲線平滑度函數(shù)的負(fù)荷因子F1、負(fù)荷曲線的峰谷差函數(shù)F2和凈負(fù)荷的峰補(bǔ)償函數(shù)F3詳見文獻(xiàn)[17]，此處不再贅述。

3 算例仿真

為了驗(yàn)證所提模型的性能，在典型的IEEE-33節(jié)點(diǎn)測(cè)試系統(tǒng)中進(jìn)行了仿真研究。圖1給出了基于虛擬聚合的多微電網(wǎng)功率交互優(yōu)化模型的流程圖，MPEPPS及單目標(biāo)優(yōu)化算法EPPS的詳細(xì)介紹詳見文獻(xiàn)[17]，[18]。

圖1 基于虛擬聚合的多微電網(wǎng)功率交互模型流程Fig.1 Flow chart of multi-microgrid power interaction model based on virtual aggregation

本文采用啟發(fā)式約束處理技術(shù)來(lái)保證算法更新解滿足系統(tǒng)約束條件，該技術(shù)描述詳見文獻(xiàn)[18]，此處不再贅述。IEEE-33節(jié)點(diǎn)系統(tǒng)的最大峰值負(fù)荷為3 715 kW和2 300 kVar，每小時(shí)負(fù)荷占峰值負(fù)荷的百分比和太陽(yáng)輻射預(yù)測(cè)值如圖2所示。

圖2 日負(fù)荷曲線Fig.2 Daily demand curve

本文根據(jù)ECS作為虛擬聚合的結(jié)構(gòu)指標(biāo)，通過(guò)EPPS算法得到最優(yōu)的聚合結(jié)果。IEEE-33節(jié)點(diǎn)系統(tǒng)虛擬聚合的結(jié)果如圖3所示。

圖3 IEEE-33節(jié)點(diǎn)系統(tǒng)劃分結(jié)果Fig.3 The partition result of IEEE-33 bus system

由圖3可知，該系統(tǒng)集群形成4個(gè)虛擬微電網(wǎng)，集群1包含節(jié)點(diǎn)1，18，19，20和21，集群2包含節(jié)點(diǎn)2，3，4，22，23和24，集群3包含節(jié)點(diǎn)5～17，25，26，27，28，29，集群4包含節(jié)點(diǎn)30，31和32。

當(dāng)虛擬聚合完成之后，將配電網(wǎng)的劃分結(jié)果作為優(yōu)化DG位置的約束條件，通過(guò)求解上述多目標(biāo)優(yōu)化模型來(lái)確定每個(gè)集群中DG的安裝位置和輸出功率。通過(guò)MPEPPS算法得到的帕累托前沿如圖4所示。橫軸和縱軸分別為配電網(wǎng)的運(yùn)行成本和功率損耗。從圖中可以看出，較小的功率損耗將面臨較高的運(yùn)行成本，必須同時(shí)考慮配電網(wǎng)的運(yùn)行成本和功率損耗，以得到最優(yōu)的DG安裝位置和輸出功率。

圖4 通過(guò)MPEPPS得到的最優(yōu)帕累托前沿Fig.4 The best Pareto front obtained by MPEPPS

通過(guò)MPEPPS算法得到帕累托解后，采用多屬性決策方法（Technique for Order Ppreference by Similarity Ideal Solution，TOPSIS）獲得最優(yōu)的配置方案。最優(yōu)解已在圖4中標(biāo)出，最優(yōu)的運(yùn)行成本和功率損耗分別為4 919.181 0萬(wàn)元和10 222.84 kW。此外，為驗(yàn)證MPEPPS算法的有效性，表1給出了多目標(biāo)粒子群算法（Multi-objective Particle Swarm Optimization，MPPSO）[20]和多目標(biāo)群體搜索算 法 （Multi-objective Group Search Optimizer，MPGSO）[21]在TOPSIS決策算法下的最優(yōu)結(jié)果。值得一提的是，MPPSO和MPGSO的約束處理技術(shù)也是參考文獻(xiàn)[21]。

表1 MPPSO，MPGSO和MPEPPS仿真結(jié)果Table 1 Simulation results obtained by MPPSO，MPGSO and MPEPPS

由表1可以看出，在求解本文所提模型方面，MPEPPS明顯優(yōu)于MPPSO和MPGSO。

為了評(píng)價(jià)所提模型的靈活性，引入自平衡度指標(biāo)。圖5顯示了考慮虛擬聚合和DG、僅考慮DG和僅考慮虛擬聚合3種情況自平衡度的對(duì)比情況。

圖5 不同情況下不同集群的自平衡度Fig.5 The self-balance degree of various clusters in different cases

由圖5可以看出，本文所提模型的自平衡度大于其他兩種情況。這表明對(duì)配電網(wǎng)實(shí)行分區(qū)控制后，促進(jìn)了DPV的功率輸出和集群間的功率交互，減少了從大電網(wǎng)購(gòu)電的功率，提高了虛擬微電網(wǎng)的自主性。同時(shí)，計(jì)算了集群間有無(wú)功率交互情況下，DPV系統(tǒng)輸出功率的情況。當(dāng)集群間不存在功率交互時(shí)，DPV輸出功率滲透率為8.34%；當(dāng)集群間存在功率交互時(shí)，DPV輸出功率滲透率提高為10.19%。因此，本文所提的多微電網(wǎng)功率交互模型，能有效整合可再生能源，提高可再生能源的滲透率。

每個(gè)虛擬微電網(wǎng)中DG最優(yōu)安裝位置分別為節(jié)點(diǎn)18，23，6和31（圖3）。不同虛擬集群中DPV系統(tǒng)的功率輸出如圖6所示。

圖6 在不同集群中DPV的功率輸出Fig.6 The output of DPV in different clusters

由圖6可以看出，DPV在1：00-7：00和18：00-00：00沒有功率輸出，因?yàn)檫@兩個(gè)時(shí)段沒有太陽(yáng)輻射輸入，主要通過(guò)ESS和購(gòu)電滿足負(fù)荷需求。

圖7給出了集群1～4中ESS的功率輸出。

圖7 在不同集群中ESS的功率輸出Fig.7 The output of ESS in different clusters

由圖7可知，集群3中ESS的功率波動(dòng)較大，而其他集群中ESS的貢獻(xiàn)相對(duì)均勻，這是因?yàn)榧?比其他集群包含更多的節(jié)點(diǎn)和負(fù)荷，需要ESS更多的功率輸出參與功率平衡。

為了定量分析所提模型對(duì)凈負(fù)荷曲線改善的影響，引入了負(fù)荷因子F1、峰谷差F2和峰補(bǔ)償F3，3個(gè)指標(biāo)因子。負(fù)荷因子和峰谷差分別用于評(píng)價(jià)負(fù)荷曲線的平滑度和峰谷距離比，峰補(bǔ)償則為了表明峰值減少的標(biāo)準(zhǔn)化量。表2列出了考慮與不考慮虛擬聚合的負(fù)荷曲線特征。表3列出了考慮與不考慮功率交互的負(fù)荷曲線特征。

表2 考慮和不考慮虛擬聚合的負(fù)荷曲線特征Table 2 Characteristics of the load curve with and without virtual aggregation %

由表2可以看出，考慮虛擬聚合后，凈負(fù)荷曲線的平滑度由84.01%提高到84.22%，峰谷差由原來(lái)的34.77%下降到31.12%。由表3可以看出，考慮功率交互后，凈負(fù)荷曲線的平滑度由82.23%提高到84.22%，峰谷差由原來(lái)的42.34%下降到31.12%，這表明配電網(wǎng)分區(qū)控制和集群功率交互能夠降低凈負(fù)荷的波動(dòng)。同時(shí)，分區(qū)之后，峰補(bǔ)償指標(biāo)為9.77%，集群功率交互后，峰補(bǔ)償指標(biāo)為4.53%，這表明配電網(wǎng)分區(qū)控制和集群功率交互起到了削峰的效果。

4 結(jié)論

為減少大規(guī)模DPV接入對(duì)配電系統(tǒng)可靠性和經(jīng)濟(jì)性的影響，本文提出了一種基于虛擬聚合的多微電網(wǎng)功率交互提升配電系統(tǒng)運(yùn)行靈活性的方法，并通過(guò)MPEPPS算法求解該模型，通過(guò)確定最優(yōu)DG的位置和多微電網(wǎng)交互功率，改善配電系統(tǒng)自平衡度和凈負(fù)荷曲線，并得出以下結(jié)論。①基于ECS指標(biāo)的虛擬聚合策略，將配電網(wǎng)虛擬聚合為4個(gè)微電網(wǎng)群，通過(guò)對(duì)每個(gè)微電網(wǎng)的單獨(dú)控制，提高了微電網(wǎng)的自主性和配電網(wǎng)的自平衡度，進(jìn)而促進(jìn)了配電網(wǎng)的靈活性提升。此外，當(dāng)微電網(wǎng)群間存在功率交互時(shí)，DPV輸出功率的滲透率由8.34%提高為10.19%，顯著提高了可再生能源的滲透率和就地消納能力。②構(gòu)建考慮功率損耗和運(yùn)行成本的多虛擬微電網(wǎng)交互的優(yōu)化調(diào)度模型，得到了DG在微電網(wǎng)中的最優(yōu)位置和最優(yōu)功率輸出。配電網(wǎng)分區(qū)控制有效改善了凈負(fù)荷曲線的波動(dòng)，將凈負(fù)荷曲線的平滑度由84.01%提高到84.22%，峰谷差由原來(lái)的34.77%下降到31.12%，峰補(bǔ)償提高了9.77%。因此，所提模型在平滑負(fù)荷曲線、降低峰谷差和削減峰值負(fù)荷方面，實(shí)現(xiàn)了配電網(wǎng)的靈活性提升。