北极星智能电网在线讯:摘要：处于能源互联网环境下的配电系统,受交通系统、天然气系统等多系统交互影响,是能源互联网运行过程的核心环节。结合能源互联网内涵与特征,分析了能源互联网环境下的配电系统关键技术特征,提出从微电网规划、主动配电系统规划、配电系统与天然气系统协同规划、配电系统与交通系统协同规划4个关键技术领域对面向能源互联网的配电系统规划理论进行研究的思路。综述了配电系统规划过程中各个关键技术领域的研究成果,深入探讨了目前规划方法中需解决的规划模型、求解算法、不确定因素处理等关键理论问题,并针对相关领域进行了展望。
关键词 :能源互联网;分布式可再生能源;规划模型;主动配电系统;天然气系统;交通系统;
作者：王玮 李睿 姜久春
0 引言
21世纪以来,世界能源发展格局已经发生了深刻的变化,人类对能源的依赖程度不断加深,能源利用规模持续增大,以可再生能源为主的新能源技术快速发展,能源结构多元化趋势愈加明显,能源消纳与利用方式更加灵活。一场以发展清洁能源、保障能源安全、应对气候变化和可持续发展为显著特征的能源革命正在孕育和发展[1]。
与此同时,通过物联网、大数据、云计算、信息物理系统等信息通信技术与能源体系的高度融合,构建结构多元化、开发清洁化、消费电气化、系统智能化综合能源互联利用体系,成为摆脱依赖化石能源的工业与经济发展模式的重要途径。在此背景下,能源互联网基本构想和愿景被提出[2],并被认为是第3次工业革命的坚实基础和核心推动力。
考虑到互联网在能源革命中的重要地位,能源互联网自提出以来便受到国内外研究机构的广泛关注。在美国,国家能源可再生能源实验室(NREL)研发完成了用于大规模能源系统时序数据管理的开源数据系统,并成立了专注于规模清洁能源并网研究的研发中心(ESIF),致力于为美国提供清洁、经济和安全的混合能源供应[3]。随着欧盟“20-20-20”和2050电力生产无碳化发展目标的确立,欧盟发布了欧盟电网计划(EEGI)新版路线图,努力将各国能源系统融合构建成跨欧洲的统一能源生态系统,实现能源的清洁、高效利用[3-4]。荷兰Power Matching City示范工程力图在包含天然气发电、混合热泵、热电联产的智能能量协调管理方面取得突破[3]。
目前,学者对能源互联网的研究已有了一些进展。文献[5]基于互联网理念,通过分析分布式电源的即插即用、能源路由器与开放规范的分布式智能管理系统3个重要特征,给出了能源互联网的基本架构;其强调的开放、互动理念受到其他学者的广泛认可。文献[6]认为能源互联网是以智能电网为主要载体的广域、分布式、多能源互补的能源生态系统,其主要强调多能源协调互补运行。文献[7]摒弃传统单独依靠电力系统完成可再生能源并网运行的模式,提出了一种融合电网、管网系统、热力系统及交通系统的智能能源网络,以实现100%可再生能源供应。
综合上述研究不难发现,电力能源所具有的瞬发、瞬供特点,决定了电能在能源互联网能源结构中的主体地位,成为能源互联网中冷、热、气、电等多类型分布式能源配给与消纳的主要能源形式。而随着分布式能源技术的快速发展,大量、多类型分布式可再生能源发电在配电系统广泛接入,使得配电系统从传统无源配电网络向有源配电系统转变。同时,分布式冷-热-电联供系统(CCHP)、电转气技术(P2G)、电动汽车并网技术(V2G)等多种分布式能源技术使得配电系统成为了电力系统与天然气系统、交通系统、热能系统的关键交互领域[8-9],造成配电系统中多种能源供能与消纳过程的随机波动、电能双向潮流等新特征。这势必对配电系统的规划、运行、控制与保护等方面带来新的要求与
挑战。
本文针对能源互联网愿景的5大支柱,归纳了能源互联网的基本概念与内涵,结合能源互联网环境下的配电系统关键技术特征,以能源互联网环境下的配电系统规划相关问题与研究趋势为研究对象,提出以主动配电系统规划为核心,从微电网规划、主动配电系统规划、配电系统与天然气系统协同规划、配电系统与交通系统协同规划4个关键技术领域对面向能源互联网的配电系统规划理论展开研究的思路。对4个关键技术领域研究成果进行综述,并对相关技术领域研究过程中遇到的关键理论问题进行探讨与分析,理清发展脉络并给出相应研究重点及展望。
1 能源互联网的基本概念与能源互联网环境下的配电系统技术特征
1.1 能源互联网基本概念
能源互联网的实现主要需满足以下5个方面[2]：（1）实现石油、煤炭为主的化石能源向风能、太阳能、水能、生物质能等绿色可再生能源的转变;（2）采用建筑载能等多种方式实现大规模、多形式的分布式电源的广泛接入;（3）利用氢储能等多种储能方式保证电能持续稳定供应;（4）利用互联网技术实现能源广域互动共享;（5）利用电动汽车实现交通系统与电力系统互联。
可以看出,能源互联网实质是以电力系统为核心与纽带,以风能、太阳能等可再生能源与天然气为主要一次能源,以大规模、多形式分布式电源与储能系统广泛接入为特点,以云计算、大数据等先进信息通信技术(ICT)为能源利用和管理手段的电力系统、交通系统、天然气系统、信息通信系统在内的多系统高度融合的能源综合管控系统,以实现多种能源协调互补、源-网-荷-储协同互动,最终实现整个能源系统的“清洁替代”与“电能替代”。
1.2 能源互联网环境下的配电系统关键技术特征
与传统配电网相比,作为未来智能能源体系重要组成部分,能源互联网环境下的配电系统具有以下新特征：
（1）多种能源协调互补
面向能源互联网的配电系统广泛增加了风能、太阳能、生物质能等多种分布式可再生能源发电方式,使得配电网由无源网络向有源配电系统发生了巨大转变。同时,通过能源结构科学配比,并利用多种能源在时空分布与动态特性的互补特点,实现能源清洁化的同时保证能源供应的安全与稳定[10]。
（2）源-网-荷-储协同互动
利用能源路由器与智能能源管理系统,通过对分布式电源和能源需求侧中柔性可控的多种能源负荷主动管理,辅以多种类、多形式储能方式相配合,实现能源互联网条件下的配电系统源-网-荷-储协同互动,实现能源需求与生产供给协调优化及资源优化配置。
（3）多种系统高度融合
电力系统作为以能源互联网核心与枢纽,通过电动汽车并网技术实现配电系统与交通系统融合;通过天然气发电与电转气技术等实现配电系统与天然气系统融合;通过冷、热、电三联供技术实现配电系统与热(冷)能系统融合。上述系统所涉及的多种大量分布式物理设备则是利用能源路由器结合信息通信系统,实现能量流与信息流融合。
（4）海量分布式设备广域互联
能源互联网环境下的配电系统通过将广域、海量分布式能源、储能与柔性负荷等分布式设备深度互联,实现端对端多元化能源共享和能源开放市场,提高需求侧资源管理精细化程度以及综合能源系统经济运行水平。
2 能源互联网环境下的配电系统规划关键问题
能源互联网环境下的配电系统的关键技术特征使得其在规划过程中面临多个方面的挑战,如多种具有随机性、波动性、间歇性的能源协调互补利用、多种能源存储与消纳模式(电、热和冷)的相互协调、多种系统(配电系统、天然气系统、交通系统、信息通信系统)的协同运行,以及开放能源市场环境下,不同利益主体的协同共赢问题。
为了应对这些挑战,应针对分布式能源接入、分布式设备的主动管理与控制、多系统交互影响等方面对面向能源互联网的配电系统规划方法的深刻影响展开研究,探寻解决对策。为此,本文按照从点到面的分析思路,提出了应从微电网规划、主动配电系统规划、配电系统与天然气系统协同规划、配电系统与交通系统协同规划4个关键技术领域对面向能源互联网的配电系统规划理论展开研究。对规划过程中规划模型中的目标函数与约束条件、求解过程中的规划方案寻优空间与求解算法以及不确定因素处理等关键理论问题进行深入探讨。
2.1 微电网规划
作为能源互联网中最小的能源网络单元,微电网能够将分散的电源、储能、负荷等多种分布式设备结合,实现区域内部自我控制、管理。
微电网概念被提出以来,已有很多学者对微电网规划展开广泛研究,而多分布式电源优化配置、选址、定容则成为微电网规划的首要内容[11-14]。文献[11]综合考虑了初期投资成本、运行维护成本、环境收益等因素,以投资净收益最大化为优化目标,给出了含风、光、储及热电联供的微电网电源容量最优配比方法。文献[13]基于柴、储协调控制策略与系统备用容量的分析,给出了一种以全寿命周期内的总成本现值、负荷容量缺失率和污染物排放水平为目标的含风、光、柴、储独立微电网的多目标规划方法。
微电网网络拓扑结构方面,考虑到直流系统在输送容量、可控性以及供电质量等方面优势,同时不存在交流系统固有的稳定性问题[15],直流微电网与交直流混合微电网开始逐渐受到学者的重视,但相关研究比较有限。文献[16]分别从交流子微网与直流子微网电压等级、母线结构、接地方式和交直流混合微电网网络拓扑4个方面对交直流混合微电网规划设计方案进行了研究。文献[17]对交直流混合微电网的接入容量、网架结构进行分析,给出了各类微电网供电模式的优缺点及应用场合。
2.2 主动配电系统规划
与微电网不同,主动配电系统更突出利用灵活的网络拓扑结构,和对分布式电源、需求侧资源的主动管理,以实现源-网-荷-储协调高效运行。其规划模型应该是综合考虑变电站选址定容、网络拓扑结构、多种分布式电源、储能设备的优化配置、选址定容等规划内容,以追求经济效益好、能源损耗小、供电可靠率高以及可再生能源利用率高等众多目标,并涉及多种间歇式可再生能源发电、负荷需求增长以及未来能源市场等多种不确定因素的组合优化复杂问题[18]。
目前针对主动配电系统的研究主要围绕以下3个方面进行：（1）主动配电系统发电预测与电源规划方法,重点关注主动管理模式下间歇性可再生能源发电出力的准确预测方法、置信容量评估方法及基于置信容量分布式电源与储能设备的容量优化及合理选址[19-23];（2）主动配电系统中新型负荷预测方法,研究重点主要是需求侧管理模式下各种负荷分类识别方法,不同类型用户对不同引导机制的响应机理及相应数学模型研究,以及基于需求侧响应的新型负荷预测方法[24-27];（3）主动配电系统网架结构规划,关注的重点主要集中在分布式电源、储能系统及变电站选址定容、网络结构等内容的综合性规划[28-32]。
上述研究成果为微电网与主动配电系统规划奠定了重要基础,但普遍存在以下几方面的问题：
（1）主动配电系统规划相对于微电网规划更加注重对分布式电源与需求侧资源的主动管理考虑,但多数研究却存在源-网-荷规划过程中的独立优化决策缺陷,虽然文献[30-31]分别通过双层规划模型、多目标规划模型在一定程度上实现了分布式电源与网架结构协调规划,但优化过程中建立负荷模型时忽略了需求侧响应的重要作用,这就从本质上忽略了源-网-荷3者的内在联系和可能存在的交互影响,可能导致无法得到全局最优规划方案。
（2）对于分布式电源规划过程中的容量配比和互补利用方面,往往是从微电网、配电网角度出发,着重实现微电网与主动配电系统内部的功率平衡与局部优化,并将上级电网看作是无穷大电源[6]。
但随着能源互联网中分布式电源数量的不断增加,互联程度不断提高,海量的具有随机性、波动性和间歇性特点的分布式电源对整个电网乃至能源互联网的影响巨大,局部协调互补将无法满足能源互联网安全稳定经济运行的要求。有学者[32-35]通过借鉴“分布式优化”理念,提出以多微电网节点接入的主动配电系统规划方法,利用微电网为局部优化,通过微电网之间的相互协调,实现海量分布式电源广域协调优化[36],但目前的研究还十分有限,且没有避免上述第1个问题。
（3）海量间歇式可再生能源与负荷需求侧响应给规划过程带来许多随机、模糊、灰色等不确定性因素,除了利用云理论规划模型[37]与盲数规划模型[38]以外,目前绝大部分研究均忽略或采用单一的概率模型、模糊模型或灰色模型对这些不确定因素进行处理。但规划过程中的不确定信息往往具有交叉混合性,这将使规划结果一定程度上失去“最优”意义。
2.3 配电系统与天然气系统协同规划
能源互联网一次能源中,除了风、光等可再生能源以外,最具有环保和经济优势的便是天然气能源。环境效益方面,天然气发电几乎不排放二氧化硫及烟尘,而以天然气为燃料的CCHP系统的二氧化碳排放量仅为燃煤发电的1/4。经济效益方面,天然气发电厂具有建设成本低,发电效率高等优势。此外,天然气发电具有灵活的调节能力和调峰性能,可以在能源互联网起到调峰电源的作用。可以预见,天然气将超过煤炭和石油,与可再生能源一同成为主要的一次能源。因此,配电系统与天然气系统协同规划具有重要的研究价值。
由于CCHP能够实现能源的梯级利用,具有能效高、污染少等特点,研究学者对天然气机组在该领域的应用展开了广泛研究。对于CCHP系统容量优化配置方面,学者主要基于经济性、环保性和节能性,结合运行特性、冷-热-电负荷需求、分时能源价格及气候条件等因素,以年运行费用最小、一级能耗最低、污染物排放量最小、各主要设备配置数量最少等目标中的单个[39-40]或多个[41-42]为优化目标,根据“以热定电”或“以电定热”等运行策略,建立联供系统配置和运行策略的优化模型,实现CCHP系统的设备容量优化配置。文献[42]在天然气为驱动的传统CCHP系统的基础上,设计了一种太阳能、冷、热、电联供系统,并给出了设备容量和运行策略的优化分析模型。文献[40,43]将储能装置引入到分布式联供系统优化配置模型体系中,实现了各设备与储能装置的同时优化配置。
近年,除了CCHP外,P2G技术也开始受到德国与丹麦等欧洲学者的关注[44-45]。作为新的电能存储与消纳方式,P2G技术的能源转换效率能够达到60%以上,同时还具有提高天然气系统设备资产利用率等优点。在分布式能源领域,P2G技术将会进一步推动天然气系统与配电系统融合,成为规划过程中的重要考虑因素。
对于P2G技术的研究目前比较有限,文献[45]通过对比电转氢技术(P2H),得出了P2G技术具有能量转换效率高、能源存储能力强、设施投入低等技术优势。为了达到经济性(安装与运行费用最小)、节能性(电能与天然气损失最小)的目标,考虑可再生能源发电安装位置、天然气与氢气网络、二氧化碳可用源及初期与运行成本5个方面,给出了P2G技术定址方案。
可见,CCHP技术与P2G技术的发展使得能源互联网环境下,配电系统与天然气系统交互影响更加深刻,对2系统的协同规划研究具有重要意义。配电系统与天然气系统协同规划目前的研究主要是通过对天然气系统供应、存储,尤其是消纳过程的数学模型与配电系统规划数学模型相结合,综合考虑2系统约束条件,以2系统建设与运行成本之和最小为优化目标给出多阶段混合整数非线性规划数学模型[46-48]。
作为2系统能量转换枢纽,天然气分布式发电机在配电系统模型中是电源,而在天然气系统中则是能源负荷。大部分文献则忽略了不同的天然气发电形式由于能量转换效率的不同而对协同规划的产生的影响。同时,除文献[48]利用几何布朗运动和平均恢复过程处理能源价格与负荷需求带来的不确定性,并结合序贯蒙特卡洛抽样仿真方法给出多阶段柔性协同规划模型外,大部分优化模型采用了确定性优化模型,因此无法处理能源互联网中间歇式可再生能源发电、开放能源市场与需求侧响应等方面带来的不确定因素影响,使得得出的2系统多阶段扩展规划方案的可行性遭到质疑。此外,除文献[49]利用能源供应不足成本对稳定性加以考量外,在多数优化模型的目标函数中,忽略了对系统节能性、环保性、稳定性的考量,仅简单以2系统建设与运行成本之和作为优化目标使得优化结果不够全面,无法对2系统低碳与环保效益进行准确评估。
2.4 配电系统与交通系统协同规划
作为21世纪世界汽车工业发展的重要方向,电动汽车的发展反映了能源消费方式的深刻变革。近日,国家住建部发布《关于加强城市电动汽车充电设施规划建设工作的通知》,要求及时将电动汽车充电设施作为城市重要基础设施纳入到城市规划,建设布局合理、适度超前、车桩相随、智能高效的充电设施体系。可见,以电动汽车充电桩、充电站及换电站等充电设施为纽带,配电系统与交通系统的交互影响将会不断加深。
目前,国内外学者对电动汽车充电站相关规划问题已经做了很多工作,研究的重点主要集中在以下2个方面：
（1）电动汽车充电站的规划研究[50-52],其主要是根据电动汽车充电需求与充电站建设、运行费用等,在已有配电系统网架结构和变电站位置的基础上,对充电站选址定容规划。文献[50]利用交通配流模型表征充电站充电服务能力,并在此基础上综合考虑充电类型(充/换)、充电负荷在配电系统中节点位置的不确定性和车流在交通系统中分布不确定性,运用多场景技术建立了基于数据包络分析的充电站选址定容的2阶段多目标优化模型,以期实现充电服务能力最大化、电压偏差与网损最小。文献[51]基于B2G技术,将电动汽车与电池解耦,将燃油汽车的出行规律用于电动汽车分析中,给出了电动汽车换电需求预测模型,并在此基础上提出了以电网的等效负荷方差和最小作为下层规划模型目标函数,以集中型充电站、线路的建设运行费用和网损费用最小作为上层规划模型目标的集中型充电站双层规划模型。
（2）含电动汽车充电站的电网规划研究[53-55],其主要是在充分考虑充电站优化选址、定容的基础上,以建设成本最小、充放电便利性最好为目标,包含变电站、网络结构规划等内容的配电系统扩展规划。文献[54]结合层次分析法与利差最大化方法,给出了充电站年投资成本系数,并在此基础上充分考虑电价机制与相应充放电策略,给出变电站、馈线及考虑年投资成本系数的充电站平均年建设、维护、运行及贷款等额年金成本之和最小为优化目标的规划模型。在文献[50]的基础上,文献[55]针对分散式充电桩,提出了基于节点充电需求的规划策略,给出了配电系统与电动汽车充电网络协调规划的多目标优化模型,以实现投资成本与网损之和最小、快速充电站截获交通流量最大的目标。
目前,对电动汽车充电站与含充电站的配电网规划方面已经取得了一定的研究成果,但从给出的规划数学模中可以看出,目前的研究多基于给定的交通路网结构和道路交通流量,局限于从配电系统单方面考虑。虽然文献[50,52]在模型中引入交通配流模型与交通流量密度等概念以量化交通系统对充电站与配电系统的影响,但没有就充电站、变电站建设位置对交通系统中车流分布、拥塞程度、道路扩建等问题展开研究。规划过程中,交通系统与配电系统的互联分析并不够,无法满足能源互联网中2系统协同规划的需求。
3 未来研究重点及展望
能源互联网环境下的配电系统规划战略的制定应充分体现能源互联网环境下“多源协调互动”、“源-网-荷-储协同互动”、“多源高度融合”和“海量分布式设备广域互联”的技术特点,并按照分层优化的原则,优先满足电力系统、天然气系统、交通系统、热力系统相关行业宏观协调的基础上,解决上文所述4个关键技术领域相关问题。具体来讲,建议未来一段时期内对以下几方面内容开展研究：
（1）微电网规划方面,为了实现各类型电源、储能、负荷等分布式设备的即插即用,重点研究不同电压等级及不同容量的交直流混合微电网网络拓扑规划、设计方法和“即插即用”接口设计,提高分布式设备灵活接入能力。
此外,应着重对智能能源建筑的规划设计展开研究,利用其作为微电网与其他类型分布式能源网络(微热网、微气网等)的连接纽带,优化分布式能源网络中的冷、热、电3方面的能源、储能及负荷的合理配置。
（2）主动配电系统规划方面,为了实现横向多源互补,纵向源-网-荷-储协调,应更加重视多种储能设备容量配置方法与需求侧响应对网络承载能力的利用价值研究。
对微电网功率外特性进行深入研究并建立数学模型,借鉴“分布式优化”理念,研究微电网节点接入的主动配电系统规划方法,增强主动配电系统中多微电网节点的互联与集成能力,利用微电网内部局部优化及微电网之间的相互协调,使配电系统中海量分布式能源广域协调优化配置,以实现全网协调、区域自治。
同时,为了保证运行安全的同时,充分实现规划的经济性最优,应摒弃传统规划方法仅以最严重工况作为运行条件的确定性规划思路。建立分布式电源、储能系统及负荷的多时间尺度仿真模型,并结合运行过程中的控制策略,实现规划过程中对运行状况的精细化仿真。充分挖掘源、荷两侧可调度资源及并合理利用之间的交互影响(如季节性或昼夜性的多种能源出力互补性,分布式能源出力与负荷需求相关性,需求侧响应对负荷曲线的移峰填谷作用等),以此优化网架结构,改善投资与运行成本,提高资产利用率。
为了全面考虑实际应用过程中来自源、网、荷、储等多方面的多重不确定因素,应利用蒙特卡罗模拟、拉丁超立方采样、场景分析法及机会约束规划等方法实现计及多种不确定性因素的配电系统柔性规划,以提高规划方案在实际应用过程中的适用性和有效性。
（3）配电系统与天然气系统协同规划方面,为提高2系统联合规划的协同水平,以P2G与CCHP为纽带,充分考虑其在配电系统与天然气系统中的不同作用,建立相应数学模型,量化2系统的交互影响,并针对间歇式可再生能源发电、开放能源市场与需求侧响应等方面带来的不确定因素,研究配电系统与天然气系统协同不确定多目标规划模型。
（4）配电系统与交通系统协同规划方面,以电动汽车充电设施为纽带,进一步研究配电系统与交通系统的交互影响;研究配电系统与交通系统协同规划模型,约束条件中应对交通系统中的路段负荷约束、节点流量守恒约束、建设预算约束等约束条件加以考虑。目标函数中,也应将交通系统中的系统总走行时间、交通网络可靠性、交通网络建设及改造成本等作为重要考量因素。
（5）面向能源互联网的配电系统与信息通信系统规划方面,面向能源互联网的配电系统中,大量分布式设备及上述多分布式能源系统间的能量实时优化需求对信息通信系统提出了极高的要求。这使得面向能源互联网的配电系统与信息通信系统协同规划成为极其重要的研究方向之一。
为了满足能源互联网中大量分布式设备的态势感知和自治决策需求,信息通信系统规划必须与配电系统分层、分区运行控制管理策略与物理结构相协调,以实现运行过程中,利用物联网、大数据、云计算等技术实现对海量、异构数据完成高速采集、双向传输、多元融合及实时处理。
进一步对协同规划过程中配电系统与信息通信系统的协同仿真方法进行研究。在优化目标方面,必须将信息通信系统投资与运行综合费用纳入优化目标,以评估配电系统与信息通信系统的综合经济性。同时,在约束条件方面,可靠性分析过程中也应利用配电系统与通信系统联合仿真,准确定量评估信息通信系统运行过程中可能遇到的延时、误码、中断等故障对配电系统可靠性的影响。
4 结论
1）能源互联网环境下,电力系统的主干作用及多系统交互影响对配电系统规划、运行、保护等方面带来了巨大挑战。本着规划先行的原则,利用科学规划方法,就能源互联网环境下的配电系统规划技术与发展模式进行研究,具有重要的理论与现实意义。
2）面向能源互联网的配电系统研究,应突出多能源系统协调互补、源-网-荷-储协同互动、多种系统高度融合与海量分布式设备广域互联的特点,按照从点到面的分析思路,以主动配电系统规划为核心,从微电网规划、主动配电系统规划、配电系统与天然气系统协同规划及配电系统与交通系统协同规划4个技术领域对能源互联网环境下的配电系统规划理论深入进行研究。
3）规划过程中要注重主动配电系统的主动控制、主动调节能力,在规划过程中对运行工况进行精细化仿真,将运行过程与规划过程集成,以提高主动配电系统规划方案的安全性和经济性。
参考文献
[1]刘振亚. 中国电力与能源[M]. 北京：中国电力出版社,2012：9-15.
LIU Zhenya. China power and energy[M]. Beijing, China: China Electric Power Press, 2012: 9-15.
[2]Rifkin J. The third industrial revolution: how lateral power is transforming energy, the economy, and the world[M]. New York, USA: St. Martin’s Griffin, 2011: 46-48.
[3]国网能源研究院. 2014国内外智能电网发展分析报告[M]. 北京：中国电力出版社,2014：9-15,29,36-40.
State Grid Energy Research Institute. Current status and development trend of capacity credit of photovoltaic generation[M]. Beijing, China: China Electric Power Press, 2014: 9-15, 29, 36-40.
[4]张毅威,丁超杰,闵 勇,等. 欧洲智能电网项目的发展与经验[J]. 电网技术,2014,38(7)：1717-1723.
ZHANG Yiwei, DING Chaojie, MIN Yong,et al. Development and experiences of smart grid projects in Europe[J]. Power System Technology, 2014, 38(7): 1717-1723.
[5]Huang A Q, Crow M L, Heydt G T,et al. The future renewable electric energy delivery and management (FREEDM) system: the energy internet[J]. Proceedings of the IEEE, 2014, 99(1): 133-148.
[6]董朝阳,赵俊华,文福拴,等. 从智能电网到能源互联网：基本概念与研究框架[J]. 电力系统自动化,2014,38(15)：1-11.
DONG Zhaoyang, ZHAO Junhua, WEN Fushuan,et al. From smart grid to energy internet basic concept and research framework[J]. Automation of Electric Power Systems, 2014, 38(15): 1-11.
[7]Mathiesen B V, Lund H, Connolly D,et al. Smart energy systems for coherent 100% renewable energy and transport solutions[J]. Applied Energy, 2015, 145: 139-154.
[8]刘涤尘,彭思成,廖清芬,等. 面向能源互联网的未来综合配电系统形态展望[J]. 电网技术,2015,39(11)：3023-3034.
LIU Dichen, PENG Sicheng, LIAO Qingfen,et al. Outlook of future integrated distribution system morphology orienting to energy internet[J]. Power System Technology, 2015, 39(11): 3023-3034.
[9]蒲天骄,刘克文,陈乃仕,等. 基于主动配电网的城市能源互联网体系架构及其关键技术[J]. 中国电机工程学报,2015,35(14)：3511-3521.
PU Tianjiao, LIU Kewen, CHEN Naishi,et al. Design of ADN based urban energy internet architecture and its technological[J]. Proceedings of the CSEE, 2015, 35(14): 3511-3521.
[10]姚建国,杨胜春,王 珂,等. 智能电网“源-网-荷”互动运行控制概念及研究框架[J]. 电力系统自动化,2012,36(21)：1-6,12.
YAO Jianguo, YANG Shengchun, WANG Ke,et al. Concept and research framework of smart grid “source-grid-load” interactive operation and control[J]. Automation of Electric Power Systems, 2012, 36(21): 1-6, 12.
[11]Moradi M H,Eskandari M,Showkati H.A hybrid method for simultaneous optimization of DG capacity and operational strategy in microgrids utilizing renewable energy resources[J]. International Journal of Electrical Power & Energy Systems, 2014, 56(3): 241-258.
[12]Katsigiannis Y A,Georgilakis P S,Karapidakis E S.Hybrid simulated annealing-tabu search method for optimal sizing of autonomous power systems with renewables[J]. IEEE Transactions on Sustainable Energy, 2012, 3(3): 330-338.
[13]郭 力,刘文建,焦冰琦,等. 独立微网系统的多目标优化规划设计方法[J].中国电机工程学报,2014,34(4)：524-536.
GUO Li, LIU Wenjian, JIAO Bingqi,et al. Multi-objective optimal planning design method for stand-alone microgrid system[J]. Proceedings of the CSEE, 2014, 34(4): 524-536.
[14]Xu L, Ruan X B, Mao C X,et al. An improved optimal sizing method for wind-solar-battery hybrid power system[J]. IEEE Transactions on Sustainable Energy, 2013, 4(3): 774-785.
[15]王成山,王 丹,周 越,等. 智能配电系统架构分析及技术挑战[J]. 电力系统自动化,2015,39(9)：2-9.
WANG Chengshan, WANG Dan, ZHOU Yue,et al. Framework analysis and technical challenges to smart distribution system[J]. Automation of Electric Power Systems, 2015, 39(9): 2-9.
[16]周金辉,田龙刚,潘 浩. 交直流混合微电网规划设计研究[J]. 合肥工业大学学报：自然科学版,2015,38(2) ：166-170,238.
ZHOU Jinhui, TIAN Longgang, PAN Hao. Study of planning and design of hybrid AC/DC micro-grid[J]. Journal of Hefei University of Technology: Natural Science Edition, 2015, 38(2): 166-170, 238.
[17]柯人观. 微电网典型供电模式及微电源优化配置研究[D]. 杭州：浙江大学,2013：26-28.
KE Renguan. Research on typical power supply model of micro-grid and optimal allocation of micro-power[D]. Hangzhou, China: Zhejiang University, 2013: 26-28.
[18]尤 毅,刘 东,于文鹏,等. 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, YU Wenpeng,et al. Technology and its trends of active distribution network[J]. Automation of Electric Power Systems, 2012, 36(18):10-16.
[19]江知瀚,陈金富. 计及不确定性和多投资主体需求指标的分布式电源优化配置方法研究[J]. 中国电机工程学报,2013,33(31)：34-42.
JIANG Zhihan, CHEN Jinfu. Optimal distributed generator allocation method considering uncertainties and requirements of different investment entities[J]. Proceedings of the CSEE, 2013, 33(31): 34-42.
[20]何 俊,邓长虹,徐秋实,等. 基于等可信容量的风光储电源优化配置方法[J]. 电网技术,2013,37(12)：3317-3324.
HE Jun, DENG Changhong, XU Qiushi,et al. Optimal configuration of distributed generation system containing wind PV battery power sources based on equivalent credible capacity theory[J]. Power System Technology, 2013, 37(12): 3317-3324.
[21]Nick M, Cherkaoui R, Paolone M. Optimal allocation of dispersed energy storage systems in active distribution networks for energy balance and grid support[J]. IEEE Transactions on Power Systems, 2014, 29(5): 2300-2310.
[22]彭显刚,林利祥,刘 艺,等. 计及电动汽车和可再生能源不确定因素的多目标分布式电源优化配置[J]. 电网技术,2015,39(8)：2188-2194.
PENG Xiangang, LIN Lixiang, LIU Yi,et al. Multi-objective optimal allocation of distributed generation considering uncertainties of plug-in electric vehicles and renewable energy sources[J]. Power System Technology, 2015, 39(8): 2188-2194.
[23]Zhang J, Fan H, Tang W,et al. Planning for distributed wind generation under active management mode[J]. International Journal of Electrical Power & Energy Systems, 2013, 47(6): 140-146.
[24]Paoletti S, Casini M, Giannitrapani A,et al. Load foreing for active distribution networks[C]∥2ndIEEE PES International Conference and Exhibition on Innovative Smart Grid Technologies (ISGT Europe). Manchester,UK: IEEE, 2011: 1-6.
[25]曾 鸣,李 娜,王 涛,等. 兼容需求侧资源的负荷预测新方法[J]. 电力自动化设备,2013,33(10)：59-62,73.
ZENG Ming, LI Na, WANG Tao,et al. Load foreing compatible with demand-side resources[J]. Electric Power Automation Equipment, 2013, 33(10): 59-62, 73.
[26]Paoletti S, Vicino A, Zima M,et al. Foreing and validation tools for distribution networks with active demand[C]∥2012 IEEE International Energy Conference (ENERGYCON 2012). Florence, Italy: IEEE, 2012: 641-646.
[27]刘继东,韩学山,韩伟吉. 分时电价下用户响应行为的模型与算法[J]. 电网技术,2013,37(10)：2973-2978.
LIU Jidong, HAN Xueshan, HAN Weiji. Model and algorithm of customers’ responsive behavior under time-of-use price[J]. Power System Technology, 2013, 37(10): 2973-2978.
[28]Martins V F, Borges C L T. Active distribution network integrated planning incorporating distributed generation and load response uncertainties[J]. IEEE Transactions on Power Systems, 2011, 26(4): 2164-2172.
[29]Mehdi J,Kazem Z,Tarafdar H M.Dynamic expansion planning of sub transmission substations and defining the associated service area[J]. Electric Power Systems Research, 2014, 116: 218-230.
[30]唐 念,夏明超,肖伟栋,等. 考虑多种分布式电源及其随机特性的配电网多目标扩展规划[J]. 电力系统自动化,2015,39(8)：45-52.
TANG Nian, XIA Mingchao, XIAO Weidong,et al. Multi-objective expansion planning of active distribution systems considering distributed generator types and uncertainties[J]. Automation of Electric Power Systems, 2015, 39(8): 45-52.
[31]白牧可,唐 巍,张 璐,等. 基于机会约束规划的DG与配电网架多目标协调规划[J]. 电工技术学报,2013,28(10)：346-354.
BAI Muke, TANG Wei, ZHANG Lu,et al. Multi-objective coordinated planning of distribution network incorporating distributed generation based on chance constrained programming[J]. Transactions of China Electrotechnical Society, 2013, 28(10): 346-354.
[32]肖 浩,裴 玮,杨艳红,等. 计及电池寿命和经济运行的微电网储能容量优化[J]. 高电压技术,2015,41(10)：3256-3265.
XIAO Hao, PEI Wei, YANG Yanhong,et al. Energy storage capacity optimization for microgrid considering battery life and economic operation[J]. High Voltage Engineering, 2015, 41(10): 3256-3265.
[33]徐 迅. 含微网的配电网规划研究[D]. 上海：上海交通大学,2013：44-58.
XU Xun.Distribution network planning with micro-grids[D]. Shanghai, China: Shanghai Jiao Tong University, 2013: 44-58.
[34]缪源诚,程浩忠,龚小雪,等. 含微网的配电网接线模式探讨[J]. 中国电机工程学报,2012,32(1)：17-23.
MIAO Yuancheng, CHENG Haozhong, GONG Xiaoxue,et al. Evaluation of a distribution network connection mode considering micro-grid[J]. Proceedings of the CSEE, 2012, 32(1): 17-23.
[35]戴 上,张 焰,祝达康. 含有微电网的配电网规划方法[J]. 电力系统自动化,2011,34(22)：41-45.
DAI Shang, ZHANG Yan, ZHU Dakang. Distribution network planning method containing micro grid[J]. Automation of Electric Power Systems, 2011, 34(22): 41-45.
[36]裴 玮,杜 妍,李洪涛,等. 应对微网群大规模接入的互联和互动新方案及关键技术[J]. 高电压技术,2015,41(10)：3193-3203.
PEI Wei, DU Yan, LI Hongtao,et al. Novel solution and key technology of interconnection and interaction for large scale microgrid cluster integration[J]. High Voltage Engineering, 2015, 41(10): 3193-3203.
[37]王晋伟. 多不确定性信息的多目标电网规划研究[D]. 北京：华北电力大学,2012：12-19.
WANG Jinwei. Research on multi--objective transmission network planning under multi uncertainty[D]. Beijing, China: North China Electric Power University, 2012: 12-19.
[38]程浩忠. 电力系统规划 [M]. 2版. 北京：中国电力出版社,2014：171-174.
CHENG Haozhong. Power system planning[M]. 2nd ed. Beijing, China: China Electric Power Press, 2014: 171-174.
[39]黄兴华,李 赟. 联供系统设备配置与运行策略集成优化研究[J]. 太阳能学报,2008,29(1)：24-28.
HUANG Xinghua, LI Yun. Integrated optimization research on facilities scheme and operation strategy of gas turbine cogeneration system[J]. Acta Energiae Solaris Sinica, 2008, 29(1): 24-28.
[40]肖小清,阚伟民,杨 允,等. 有蓄能的联供系统超结构优化配置[J]. 中国电机工程学报,2012,32(32)：8-14.
XIAO Xiaoqing, KAN Weimin, YANG Yun,et al. Superstructure-based optimal planning of cogeneration systems with storage[J]. Proceedings of the CSEE, 2012, 32(32): 8-14.
[41]Ebrahimi M, Keshavarz A. Sizing the prime mover of a residential micro-combined cooling heating and power (CCHP) system by multi-criteria sizing method for different climates[J]. Energy, 2013, 54(6): 291-301.
[42]荆有印,白 鹤,张建良. 太阳能冷热电联供系统的多目标优化设计与运行策略分析[J]. 中国电机工程学报,2012,32(20)：82-87.
JING Youyin, BAI He, ZHANG Jianliang. Multi-objective optimization design and operation strategy analysis of a solar combined cooling heating and power system[J]. Proceedings of the CSEE, 2012, 32(20): 82-87.
[43]刘爱国,张士杰,肖云汉. 带蓄能装置的分布式热电冷联产系统优化配置[J]. 热力发电,2010,39(6)：14-20.
LIU Aiguo, ZHANG Shijie, XIAO Yunhan. Optimized allocation of distributed heat-electricity-cool cogeneration system with energy accumulating facility[J]. Thermal Power Generation, 2010, 39(6): 14-20.
[44]Wang Y J, Dong C Y, Xu Y,et al. Enabling large-scale energy storage and renewable energy grid connectivity：a power-to-gas approach[J]. Proceedings of the CSEE, 2015, 35(14): 3586-3595.
[45]Moskalenko N, Lombardi P, Komarnicki P. Multi-criteria optimization for determining installation locations for the power-to-gas technologies[C]∥2014 IEEE PES General Meeting Conference & Exposition. Washington D.C.,USA: IEEE, 2014: 1-5.
[46]Unsihuay-Vila C, Marangon-Lima J W, De-Souza A C Z,et al. A model to long-term, multiarea, multistage, and integrated expansion planning of electricity and natural gas systems[J]. IEEE Transactions on Power Systems, 2010, 25(2): 1154-1168.
[47]Chaudry M, Jenkins N, Strbac G. Multi-time period combined gas and electricity network optimisation[J]. Electric Power Systems Research, 2008, 78(7): 1265-1279.
[48]Jing Q, Zhao Y D, Jun H Z. Multi-stage flexible expansion co-planning under uncertainties in a combined electricity and gas market[J]. IEEE Transactions on Power Systems, 2015, 30(4): 2119-2129.
[49]Zhang X P, Shahidehpour M,Alabdulwahab A S,et al. Security-constrained co-optimization planning of electricity and natural gas transportation infrastructures[J]. IEEE Transactions on Power Systems, 2015, 30(6): 2984-2993.
[50]韩伟强,王贵斌,文福拴. 电动汽车充电设施多阶段最优规划[J]. 华北电力大学学报,2014,41(5)：23-30.
HAN Weiqiang, WANG Guibin, WEN Fushuan. Multistage optimal planning of electric vehicle ging facilities[J]. Journal of North China Electric Power University, 2014, 41(5): 23-30.
[51]所 丽,唐 巍,白牧可,等. 考虑削峰填谷的配电网集中型充电站选址定容规划[J]. 中国电机工程学报,2014,34(7)：1052-1060.
SUO Li, TANG Wei, BAI Muke,et al. Locating and sizing of centralized ging stations in distribution network considering load shifting[J]. Proceedings of the CSEE, 2014, 34(7): 1052-1060.
[52]葛少云,冯 亮,刘 洪,等. 考虑车流信息与配电网络容量约束的充电站规划[J]. 电网技术,2013,37(3)：582-589.
GE Shaoyun, FENG Liang, LIU Hong,et al. Planning of ging stations considering traffic flow and capacity constraints of distribution network[J]. Power System Technology, 2013, 37(3): 582-589.
[53]Dharmakeerthi C H, Mithulananthan N, Saha T K. A comprehensive planning framework for electric vehicle ging infrastructure deployment in the power grid with enhanced voltage stability[J]. International Transactions on Electrical Energy Systems, 2015, 25(6): 1022-1040.
[54]Lin X N, Sun J W, Ai S F,et al. Distribution network planning integrating ging stations of electric vehicle with V2G[J]. International Journal of Electrical Power & Energy Systems, 2014, 63: 507-512.
[55]姚伟锋,赵俊华,文福拴,等. 配电系统与电动汽车充电网络的协调规划[J]. 电力系统自动化,2015,39(9)：10-18.
YAO Weifeng, ZHAO Junhua, WEN Fushuan,et al. Coordinated planning for power distribution system and electric vehicle ging infrastructures[J]. Automation of Electric Power Systems, 2015, 39(9): 10-18.
