0 引言
配电网规划可定义如下：为满足未来年负荷增长和电网发展的要求，确定何时、何地、建设何种类型的线路、变电站或者分布式电源(distributed generation，DG)等设备。配电网规划结果直接影响配电网投资、收益及未来年配电网运行的安全性、经济性、稳定性。
DG、电动汽车、柔性负荷等可控设备的应用持续增加，给配电网带来一系列的问题，如谐波污染，接入点电压升高[4-5]、系统双向潮流、短路电流升高、三相不平衡、电压波动等[6-7]，同时这些问题的存在也会限制DG的接入。传统配电网(traditional distribution network，TDN)规划针对某个负荷预测值采用最大容量裕度(给定网络结构)来应对最严重工况的运行条件(即使最严重工况为小概率事件)，从而在规划阶段就可以找到处理所有运行问题的最优解。因此其规划方法相对简单，资产无法充分利用，不具有灵活控制的特性[8]，特别是对于具有随机性、波动性的DG等新型电源及负荷。
为了合理规划DG，协调DG的优化运行，充分发挥DG等新型电源及负荷的积极作用，需要配电网采取主动管理、主动规划。主动配电网(active distribution network，ADN)[9-11]为解决DG接入带来的电压升高问题、增加DG的接入容量、提升配电网的资产利用率提供了新的解决方案。
本文将对主动管理策略进行综述，对ADN规划模型、方法、算法等进行归纳和综合分析，旨在为ADN规划的深入研究提供参考。
1 主动管理
主动管理是ADN的核心，主要分为主动潮流管理、主动电压调整以及需求侧管理等。其中主动潮流管理通过电压和电流等参数测量、状态估计，控制DG出力、优化调度配电设备来实现对潮流的主动控制;主动电压调整是通过控制DG有功和无功出力、调节变压器抽头以及控制无功补偿设备等来控制系统电压;需求侧管理是通过负荷的柔性控制或者改变用户的用电方式，最终改变电力需求时序分布，其目标主要是负荷的移峰填谷。
具体的主动管理策略包括DG出力调度、电容器组无功补偿、有载调压变压器(on-load tap changer，
OLTC)抽头调整、柔性负荷(需求侧管理)、网络重构、电动汽车充放电控制等[12-15]。
近些年，主动管理的研究集中在新的主动管理策略的研究与应用[16-19]、主动管理的技术经济比
较[20-23]、在线主动管理[24-25]、主动管理的一些示范项目[26-27]、主动管理面临的挑战[28]等。
文献[17]通过需求侧管理技术与其他主动管理策略相结合的方法，最优化系统运行;系统中包含可再生能源及需求侧响应用户，所提出的模型以用户收益最大、发电及切负荷费用最小为目标函数。为提高分布式能源的接入容量，文献[18]的数学模型除考虑有载调压、DG调度等普通的主动管理策略外，还加入储能系统调度;由于储能的时序特性，文中引入了电池电量约束及相邻时刻充放电约束。文献[19]将储能引入到ADN中，建立了考虑主动管理的储能系统选址、定容模型，并比较分析了最优化储能选址定容的效益。
文献[21-22]分析了TDN与ADN在电压控制、约束管理策略上的区别;在引入主动管理后，文章分析了不同DG接入容量情况下的系统年收益及延缓投资收益。文献[24]提出了基于潮流管理的新的在线DG接入规则，即最优潮流与后进先出规则替代传统的后进先出规则。文献[25]基于在线主动管理技术，提出了应用于配电管理系统，实现系统运行成本最小化的新算法;文中系统运行成本包括DG切除成本、DG无功支持成本、需求侧响应成本及系统损耗成本，同时考虑了网络重构对系统的影响。
文献[15]建立了峰谷分时充放电电价策略的数学模型，研究了自然充电与有序充放电策略下规模化电动汽车充放电行为对电网负荷变化规律的影响;通过需求侧管理对电动汽车进行有效引导，达到了电动汽车充放电行为有序优化控制的目的。
主动管理是充分利用配电网资产、解决现有配电网因DG接入带来的一系列问题的有效措施。 表1列出了配电网经常出现的一些技术问题，由于ADN考虑了主动管理，在处理这些问题时与TDN不尽相同。主动管理不仅可以优化配电网运行、调度，更可以成为影响配电网规划的重要策略，同时提升配电网的可观、可测性，解决配电网规划与运行脱节的矛盾。现有主动管理的研究主要集中在主动管理的实现方法，储能、电动汽车及柔性负荷带来的新的主动管理策略。对于各种主动管理策略之间的协调优化缺乏深入研究，在线主动管理的应用还处于探索阶段。
表1 ADN与TDN处理技术问题的方法
Tab. 1 Management methodology for technical
problems of ADN and TDN
2 主动配电网规划
2.1 主动配电网规划模型
2.1.1 电源规划
ADN电源规划主要的研究内容包括：1)变电站选址定容;2)DG选址定容;3)变电站与DG联合规划;4)储能、电动汽车、柔性负荷规划。合理的电源规划可以保证配电网未来的扩容，为未来系统安全稳定运行提供合适的裕度。
文献[13]考虑了DG切除、无功优化调度、OLTC协调电压调度3种主动管理策略，以DG切除费用最小为目标函数，实现DG最大化接入。文献[28]考虑非固定出力分布式发电、储能及柔性负荷，建立了ADN规划模型，该模型以配电网络从上级电源购电电量或者从上级电源购电费用最小为目标函数。
文献[29]建立了考虑不确定性的DG选址定容模型，该模型以运营商总成本最小为目标，包括DG投资成本、运行维护成本、网络损耗成本及容量充裕性成本。文献[30]建立了风机选址定容的双层规划模型，上层模型以风机投资收益期望值最大为目标函数，下层模型以风机的切除量最小为目标函数。
文献[19]建立了ADN中分布式储能系统(dispersed storage system，DSS)的选址定容模型，以DSS的投资维护费用及网络运行年费用最小为目标函数;网络运行年费用包括电压越限惩罚费用、线路容量越限惩罚费用、系统网络损耗费用、购电费用、DSS损耗费用及切负荷费用。
电动汽车不仅可以作为移动储能装置进行负荷转移、削峰填谷，而且能减少城市中CO2的排放，减轻环保压力[32]。电动汽车充放电策略及电动汽车充电站的布局对ADN规划都有重要影响。文献[33]以包含充电站的配电网投资与运行成本最小为目标，建立了考虑充电站布局优化的配电网规划模型;模型以切负荷来主动管理系统的安全运行风险。
文献[34]以社会总成本最小为目标，建立了公共充电站最优布局的数学模型;其中成本包括公共充电站年建设运行成本、用户充电途中年耗时成本、用户到站排队等候年时间成本。文献[35]综合考虑配电公司的运行费用、DG投资商的投资费用，以及DG的环境效益和电动汽车入网(vehicle-to-
grid，V2G)所节省的电网投资等社会效益，建立了电动汽车与DG协同优化模型。
2.1.2 综合规划
ADN综合规划指考虑各种主动管理及DG等新型可控设备接入的ADN扩展规划，综合规划需要综合协调ADN电源规划与网架建设方案。
文献[36]基于TDN的信息模型，提出了用于ADN规划的简化信息模型。文献[37]提出了一种ADN规划方法，规划模型以分布式能源消纳最大，同时分布式能源接入容量最小为目标函数。文献[38]
考虑间歇性DG规划布局、输出功率及负荷的不确定性，以单位用电量的综合经济代价最小及间歇性可再生能源年有效发电量最大为目标建立了ADN双层场景规划模型。
文献[39]建立了ADN扩展规划模型，该模型以系统总成本最小为目标函数，包括了可靠性成本、网络损耗费用、上级网络购电成本及网络投资成本;扩展规划中考虑了DG安装、改建线路、网络重构等，同时模型中考虑了DG及负荷的不确定性。文献[40]在文献[39]的基础上建立了ADN多阶段扩展规划模型。文献[41]以DG接入配电网引起接入点电压升高为例，分析了主动管理策略应用的有效性，并提出基于多种DG组合、多时间段的最优潮流算法，以此为基础对ADN进行规划，规划模型以DG安装容量最大为目标。
文献[21]考虑新建线路及主动管理中的可再生能源切除，建立ADN扩展规划模型，分析了ADN规划的成本及效益;约束条件中考虑了高峰负荷、低谷负荷及N-1安全约束;功率平衡约束采用直流模型以方便模型求解，N-1约束校验模型求解过程网络是否有节点电压、支路容量越限。
总结文献中的规划模型，ADN规划流程可以概括为如图1所示。1)首先是对规划中的不确定性进行建模，不确定性建模越详细，越能反映配电网的运行实际，从而充分利用配电网闲置资产;但带来的问题是增加了规划模型维数及求解的复杂
图1 ADN规划流程
Fig. 1 Procedure of ADN planning
度，难以得到数学模型的最优解。在实际ADN规划过程中需要进行适当折中。2)规划基础数据的输入，包括规划年、投资数据、待选集等。3)建立ADN规划模型，对于ADN双层规划模型，上层规划一般考虑系统的总体目标，下层规划保证系统安全稳定运行同时实现主动管理，降低系统总的投资运行费用。下层规划与系统运行紧密结合，而不是像TDN规划仅考虑最严重工况的运行条件。4)采用合适的算法进行模型求解，常用的算法包括传统进化算法、凸规划算法等。5)输出规划方案。
可以看出，对于DG的主动管理使得ADN规划的优化目标变得更加多元，需要综合考虑系统的可靠性、经济性及DG的接入能力。同时，ADN的投资主体变得更加多元化，主要包括配电公司、DG独立投资商、需求侧管理参与方等[10, 42]，这使得ADN规划问题由追求单一投资主体利益最大转化为多投资主体利益协调优化。
2.2 不确定性规划
由于考虑DG等各种新型可控设备的接入，ADN较TDN存在更多的不确定性因素，从而给配电网规划带来更大的风险。与TDN一味增加投资来降低系统风险不同的是，ADN可以通过主动管理策略在不增加风险或者少增加风险的情况下降低投资成本。在实际规划中，考虑不确定性的配电网规划方案具有更强的适应性。
文献[30]将DG选址定容问题转化为机会约束规划问题，通过蒙特卡洛模拟法(Monte Carlo simulation，MCS)对随机变量概率分布函数进行采样，通过模拟确定机会约束是否满足。文献[31]通过概率最优潮流(probabilistic optimal power flow， POPF)求解考虑风机出力及负荷不确定性的规划模型;为了减少计算量，文中采用点估计法(point estimatemethod，PEM)求解POPF。
文献[19, 38-41]均采用场景分析法处理不确定性。文献[19]采用K-means聚类的方法来处理负荷及DG的不确定性，将每年的历史数据聚类成多个场景，同时考虑了负荷的增长及用户侧屋顶光伏随负荷的增长。文献[38]按负荷大小划分预想场景，根据负荷持续曲线及风速、光照的联合概率密度函数得到每一预想场景的概率。文献[39-40]直接给出了每个场景的发生概率。文献[41]采用对历史数据聚类的方法来处理负荷及DG的不确定性，将每半个小时采集的一年数据量(17520×0.5h)进行离散化及聚类处理后，得到最终的确定性场景数。
文献[27]采用梯形模糊数处理不确定性。文中给出了负荷、DG、上级变电站不确定性的梯形模糊数表示法;提出了考虑不确定性的评估指标，即网损风险增加(losses risk improvement，LRI)及电压风险增加(voltage risk improvement，VRI)。
2.3 多阶段规划
多阶段规划可以分阶段进行规划或多阶段统一规划，分阶段规划能保证每一分阶段规划结果达到最优，但是总的规划期内结果不一定是最优方案。多阶段统一规划不能保证每一阶段都是最优方案，但是可以保证整个规划期内的总方案最优。一般提到的多阶段规划均指多阶段统一规划。
文献[40]采用伪动态规划理论处理多阶段规划。首先按照最后阶段的负荷及网络状态，通过优化算法确定最优的投资决策。再将投资决策作为前一阶段的约束条件，按照前一阶段的负荷及网络状态，确定前一阶段的投资决策，以此回推得到初始阶段的投资决策。再以初始阶段的投资决策作为约束，按照初始阶段的负荷及网络状态前推得到第2阶段直至最终阶段的投资决策。如此往复，并比较回推与前推的投资决策结果间的差距，直到达到事先设定的迭代终止条件。
多阶段优化问题在数学方面一直没有明显进展，目前最有效的求解方法当数动态规划方法。由于动态规划是一个非常复杂的组合优化问题，相比单阶段规划问题，其主要难度在于系统的决策变量是单阶段规划问题决策变量的几倍，从而使得大规模系统的决策变量和约束条件大大增加，求解难度和求解时间翻倍。而且，由于多阶段规划问题需要考虑多规划阶段之间的方案过渡及各阶段决策变量取值的制约，因此模型的计算量大，难度高。
2.4 求解算法
ADN规划需要将未来运行中可能出现的各种不确定性考虑进规划模型中，降低规划方案的风险及成本，增强适应性。所以ADN规划的计算量较TDN规划大很多，规划方案求解时不确定性的处理、多阶段处理、规划算法的选择都关系到能否得到全局最优的规划方案[38-39, 43]。
文献[38]对于双层规划模型利用和声搜索算法全局搜索能力强的优势，将其作为模型上层主问题的求解工具;针对DG规划的难以预测性，采用蒙特卡洛抽样对DG的类型、接入位置及配置容量等进行完全随机模拟;针对所生成的大量样本，采用快速高效的列文伯格-马夸尔特算法求解下层子问题，以加速收敛并提高整体算法的效率。
文献[39]采用遗传算法对ADN扩展规划进行求解，遗传算法编码中染色体结构中不仅包括传统的改建线路、新建线路，还包括了网络重构及DG安装。文献[19]通过目标函数的线性化及相应约束条件的处理将ADN中DSS选址定容问题转化为二阶锥规划(second-order cone programming，SOCP)问题，采用数学规划软件GUROBI进行求解。
文献[21]所提模型为混合整数线性规划(mixed-integer linear programming，MILP)问题，采用Benders分解算法将提出的模型分解成上层混合整数规划问题及下层线性规划问题。通过上层规划求解得到扩展规划方案，传递到下层，再通过下层线性规划求解，得到Benders割返回到上层，往返迭代直到满足所有约束条件及循环截止条件。
可以看出，DG等新型可控设备接入配电网，主动管理策略的应用增加了优化过程中的决策变量及约束条件。不确定性的叠加，使得运行状态(场景)更加复杂多变，极大地影响了规划方案寻优的可行解空间。因此ADN规划的求解更加复杂，模型的简化、新算法的研究都是迫切需要解决的问题。
3 其他相关问题
3.1 负荷预测
负荷预测是配电网规划中的关键环节及重要依据[44]，负荷预测的目的是提供负荷发展状况及水平，同时确定各供电区、各规划年供用电量，最大负荷以及规划地区总的负荷发展水平，确定各规划年用电负荷构成。由于ADN中存在间歇性分布式能源、电动汽车、需求侧管理等多种可控设备及其带来的不确定性，常规的负荷预测方法(如弹性系数法、回归分析法等)难以得到准确的预测结果。
3.2 信息与通信技术
ADN规划除了解决传统规划中采用的网络解决方案，如变电站建设、变电站扩建DG建设和线路建设等，同时还考虑配电网未来运行方案，如发电机优化调度、需求侧集成、无功管理、变压器分接头的控制、系统网络重构等。这些优化运行、控制策略基于先进的计量基础设施(advanced metering
infrastructure，AMI)和智能信息通信技术(informationcommunication technology，ICT)，而且需要在规划阶段综合考虑。在现代化的ADN中，基于AMI和智能ICT收集配电网运行状况的各种信息，使得规划人员可以使用先进的规划分析工具来进行配电网规划，运行调度人员可以主动控制配电网络的电压和潮流[8, 11]。
基于ICT，ADN才能实现规划、建设和运行的完整统一，做到在规划设计阶段，就充分考虑配电网自动化、通信和配电管理系统对改善配电网运行性能所发挥的重大作用。ADN强调协调统一的规划建设、坚强可靠的一次电网架构、深度协同的二次自动化系统与功能强大的智能决策支持系统，实现三位一体的协同规划[45]。
3.3 方案评估
规划方案的评估包括方案的可行性评估、经济性评估、可靠性评估、风险评估等。
文献[23]通过模糊分析技术研究了在不确定性环境下主动管理对DG接入容量的影响，同时分析了不确定环境下网损及电压越限风险。通过对IEEE 33节点算例进行分析，可以得出结论：主动管理的应用不仅可以在不确定性环境下降低电压越限的风险，而且与TDN相比可以降低网损15%。
文献[46]利用序贯蒙特卡洛模拟法对ADN可靠性进行了评估，其中的创新之处是考虑了通信系统故障对主动管理的影响，从而影响系统可靠性。文章参考配电网可靠性指标，提出了适合于ADN的可靠性指标，包括：发电量不足期望值(expected energy not produced，EENP);DG平均切除频率(average number of DG interruptions，SAIFIdg);DG平均切除时间(average duration of DG interruptions，SAIDIdg)。
ADN受其实施成本较高的制约离真正应用还有一段距离。目前还缺乏有效的方法对ADN技术进行合理的可行性分析，主要难点在于：1)ADN利益主体目标不一致，难以协调其中的利益关系;2)难以对ADN的每一项技术进行准确的成本效益分析。
4 总结与展望
4.1 总结
ADN技术还处于研究及示范阶段，本文基于ADN的特点，从主动管理、ADN规划、其他相关问题3个方面综述了ADN规划的研究现状及存在的问题，有如下结论：
1)主动管理不仅为配电网规划提供了新的规划思路，同时可以提升配电网的可观、可测性，解决配电网规划与运行脱节的矛盾。现有研究主要考虑各种主动管理策略的应用、主动管理的实现方法，对于各种主动管理策略之间的协调优化缺乏深入研究，在线主动管理的应用还处于探索阶段。
2)ADN规划由于考虑了主动管理，可以更加详细地将运行中的不确定性考虑到规划模型中，规划方案具有更强的适应性。
3)随着DG等新型可控设备接入配电网，主动管理策略的应用增加了优化过程中的决策变量及约束条件。不确定性的叠加，使得运行状态更加复杂多变，极大地影响了规划方案寻优的可行解空间。因此ADN规划的求解更加复杂。
4.2 展望
当前，我国正处于社会转型和智能电网建设的关键时期。随着配电网智能设备的安装、新型电力电子设备的应用、用户参与电网管理积极性的提高、DG技术的发展、电力市场改革的不断推进，ADN规划技术及方法需要进行不断优化、调整，跟上经济社会发展形势。建议ADN未来的研究重点放在以下几个方面：
1)多元化的ADN投资主体，使得ADN规划问题需要优化协调各投资主体之间的利益。规划模型不再简单地追求单一投资主体利益最大化，规划模型需要与时俱进，反映各方诉求。
2)随着节能减排的呼声日益高涨，考虑DG高渗透率、电动汽车、大量用户参与需求响应情况的ADN规划研究将是未来研究的重点。
3)资产管理是电网发展的基石，考虑资产管理以及信息通信技术的ADN协调规划模型、规划方法的研究，主动管理对于延缓设备投资的量化研究，是配电网精细化管理、资产管理的未来发展方向。
原标题：主动配电网规划研究综述
