配电网对分布式电源和电动汽车的承载力评估及提升方法综述

2022-08-30王婷陈晨谢海鹏

电力建设 2022年9期

王婷，陈晨，谢海鹏

(西安交通大学电气工程学院，西安市 710049)

0 引言

为落实“双碳战略”[1]，《关于促进新时代新能源高质量发展的实施方案》提出，要实现到2030年风电、太阳能发电装机容量达到12亿kW以上的目标，加快构建清洁低碳、安全高效的能源体系。2021年6月20日，国家能源局正式启动整县屋顶分布式光伏开发试点工作，下发了《关于报送整县(市、区)屋顶分布式光伏开发试点方案的通知》(简称为“整县光伏”)；紧接着，2021年9月14日，国家能源局正式印发《公布整县(市、区)屋顶分布式光伏开发试点名单的通知》，该通知将各地报送的试点县(市、区)名单予以公布。根据通知，全国共有676个县(市、区)全部列为整县(市、区)屋顶分布式光伏开发试点，“整县光伏”政策得到了高效推进[2]。

“双碳”目标和“整县光伏”政策背景下，我国能源转型发展进一步深化，分布式电源(distribution generation, DG)和电动汽车(electric vehicle, EV)迎来新的发展机遇，DG和EV规模入网成为必然趋势[3-4]。但配电网的承载力是有限的，规模化DG和EV接入配电网会对配电网的正常运行产生不利影响，评估配电网对DG和EV的承载力有利于对DG和EV的合理规划和部署，通过采取有效措施减轻甚至消除其对配电网的不利影响，进而提升配电网的承载力，促进DG和EV的大规模接入。

在系统稳定运行且各个电气量指标不越限的前提下，可以连接到配电网的DG(或EV)的最大容量称为配电网对DG(或EV)的承载力，也有文献选用“接纳能力”和“最大准入容量”的概念来表述承载力，对于DG的承载力也有文献称消纳能力[5]。消纳能力通常考虑配电网功率平衡的调节过程，与承载力从规划角度出发求解满足安全稳定运行约束条件下配电网允许接入的最大容量略有不同。

在“双碳”背景和“整县光伏”政策推动下，DG和EV规模入网是未来发展的必然趋势。而DG和EV同时规模化接入配电网后，由于配电网的电气联系会产生相互影响，进而影响其在配电网的接入水平，因此应对DG和EV的部署进行协同考虑，在不影响供电质量的情况下最大化DG和EV的效益。以分布式光伏、风电为代表的DG发电和EV充/放电都具有随机性和不确定性，在进行承载力评估时，影响DG和EV承载力评估结果的因素及提升措施具有很多相似之处，因此，本文同时归纳现有配电网对DG和EV承载力的相关文献，首先从对DG和EV不确定性的建模、DG和EV充电桩/站选址、约束指标的选取、评估方法的选择这几个角度出发，总结和归纳现有配电网对DG和EV承载力评估的研究成果，然后从源、网、荷、储4个方面分析配电网承载力提升方法，旨在为未来DG和EV在配电网中的规划和部署提供理论依据。

1 配电网承载力研究中DG出力和EV充电负荷的不确定性建模

DG出力和EV充电负荷都具有不确定性[6-7]。DG出力具有时序不确定性，而EV充电负荷的不确定性受时间和空间两个尺度的影响。准确刻画DG和EV的随机特性是配电网承载力评估的基础。

以分布式光伏和风电为代表的DG出力不确定性主要受天气不确定因素的影响。为了充分考虑天气不确定因素对分布式电源出力的影响，现有承载力研究成果对DG出力建模时主要分为概率分布函数法和场景分析法。概率分布函数法主要用于运行调度[8-9]，这类方法首先假设光照强度、风速等变量的概率分布函数，然后基于历史数据确定相关参数，最后基于概率分布函数抽样得到时序出力值。场景分析法主要用于配电网规划问题，这种方法不需要确定概率分布函数，直接基于历史数据聚类得到不同场景时序出力值，如文献[10]在进行配电网规划时考虑不同季节光伏与风电的典型时序出力曲线，在无法获得足量历史数据的情况下，也可以基于概率分布函数产生时序出力值，然后再通过聚类得到不同场景的数据；文献[11]进行配电网对DG承载力提升规划时，首先基于概率分布函数得到光照强度、风速序列，然后根据出力值与光照强度、风速的关系，得到DG时序出力值，同时利用相关矩阵法考虑不同DG出力、DG出力与负荷的时空相关性，最后通过聚类，得到规划阶段不同场景下DG的典型时序出力曲线。

EV充电负荷需求受EV性能参数和驾驶员行为特性等多方面的影响，因此，EV充电负荷建模时，其不确定性受时间和空间两个维度的影响。现有文献在对EV充电负荷预测时，对时空两个维度的考虑分为同时考虑和分开考虑2种。部分文献使用和DG出力预测类似的方法，如统计分析[12]、采样模拟[13]、自定义概率分布函数[14]等，同时考虑时间和空间2个维度；部分文献分别对时间特性和空间特性进行建模，将电动汽车充电的时空特性分开考虑[15]。文献[16]首先对空间维度和时间维度分开建模，通过随机出行链和深度优先搜索算法确定EV的空间分布，根据出行时间、停放时间等确定EV在时间上的随机分布，然后通过空间和时间2个维度的结合，利用蒙特卡洛模拟得到不同时间段不同地点的换电需求。考虑分时电价等因素会改变电动汽车的充电特性，文献[17]引入云模型来考虑充电延时的可能性，建立了考虑充电延时的电动汽车有序充电负荷模型。

现有文献在评估配电网承载力时，对不确定性的处理因运行问题和规划问题而异。对于配电网规划问题，通常采用场景分析法，基于历史运行数据聚类产生不同场景下时序功率曲线，不需要假设概率分布函数，历史运行数据不足时可以首先假设概率分布函数，通过抽样得到大量数据，再聚类得到不同场景下的运行数据；对于配电网运行问题，主要是基于参数的概率分布函数和随机抽样生成系统状态的时间序列。随机抽样产生的数据可能不满足实际运行中不同设备间的相关性，可以利用相关系数、Copula函数等建立随机变量之间的相关性，基于参数的概率分布函数是在统计平均意义上描述的概率分布，如分布式光伏建模时常用的贝塔分布，不同地区、不同条件下应用时，概率分布函数可能无法准确刻画这些不确定性条件下的复杂变化规律。因此，对系统不确定性的准确刻画是未来研究的挑战，随着技术的发展和电力系统自动化水平的提高，非参数的、基于数据驱动与机器学习的不确定性建模有待研究。

2 DG和EV充电桩/站位置

DG和EV充电桩/站位置是影响配电网承载力评估的一个重要因素[18]。DG和EV充电桩/站进行位置部署时，应充分考虑配电网运行限制和经济性约束。现有文献在对配电网进行承载力评估时，位置部署主要包括4类，如下详述。

第1类是对现有实际网络进行评估，位置部署已知。文献[19]以某实际配电网的局部区域为例，进行配电网对EV承载力的评估，该配电网EV充电桩和充电站节点均已确定。文献[20]在对配电网中DG最大准入容量分析时，选用江西省共青城示范园区配电网进行分析，在DG接入位置已知的情况下，通过求解优化模型，得到现有配电网对DG的承载力。

第2类是随机模拟位置部署。文献[21]分析了EV的不同接入场景下配电网的承载力。文献[22]考虑了光伏与负荷呈末端集中、递增分布、均匀分布、递减分布等几种典型的接入场景。文献[23]利用蒙特卡洛模拟得到不同的光伏部署位置，然后评估配电网承载力。

第3类是首先选择最佳位置部署，然后求解承载力模型。文献[24]首先利用基于Matlab仿真的最优潮流计算，得到满足相关约束且网络损耗最小时电动汽车充电桩/站最佳部署位置，然后通过不同组合方式确定接入容量。文献[25]提出两阶段方法进行DG接入容量计算，第一阶段利用极限值进行公式推导，得到不同接入场景在电网安全运行约束下准入容量估算值，然后利用阶段一估算结果，对所有接入场景的DG准入容量进行排序，确定准入容量最大的接入场景；第二阶段利用遗传算法和内点法对DG最佳接入场景进行准入容量的准确计算。

第4类是将位置部署作为未知量，与第三类相比减少了在评估前确定最佳位置的步骤，将最佳位置的获得与接入容量的求解同时进行，通过求解模型，得到部署位置和接入容量。文献[26]将DG并网容量、数量、位置均作为未知量，建立了以DG并网容量最大为目标的优化配置模型，并采用随机权重粒子群算法对模型进行求解，得到DG并网容量最大的优化配置方案。

第1类评估方法针对现有网络进行评估，对实际配电网承载力评估具有重要贡献，评估时DG和EV充电桩/站位置已知，无需处理位置问题，但适用范围具有局限性，且不适用于规划部署问题。第2类、第3类、第4类评估方法适用于部署位置未知时配电网承载力的评估。第2类随机模拟部署位置一般适用于DG部署与配电网规划部署不能协同的情况，即DG部署不完全由配电网运营商负责，在部署时需要考虑其他因素，此时DG位置具有随机性。第3类方法与第4类方法都对位置部署进行了优化：第3类方法将评估问题分为两步，首先选择最佳部署位置，然后进行配电网承载力评估，降低了求解的复杂度；第4类方法将部署位置作为未知量，位置优化的同时进行配电网承载力评估，可以得到更优的结果。

3 评估承载力选用的约束指标

电能质量、安全性、经济性、可靠性等因素都是影响DG和EV规模入网的重要因素。DG和EV大规模接入电网，会引起配电网电源和负荷特性的改变，对电网的运行指标产生不同程度的影响。现有的文献在评估配电网对DG和EV的承载力时，考虑的指标主要有电压、谐波、三相不平衡等描述电能质量的指标。

表1列出了现有文献在评估承载力时选用的约束指标。DG作为发电设备，并网对电能质量的影响主要包括谐波污染和电压偏差越限[27]；EV主要作为用电设备，规模接入电网对配电网电能质量的影响主要包括谐波污染、电压越限、三相不平衡[28-29]，还可能引发变压器过载问题。此外，DG和EV规模接入电网会改变系统潮流分布，可能会引起网络损耗增加、支路容量越限、设备绝缘损坏，所以一些文献在评估时也会考虑变压器容量、支路容量、短路容量等安全性指标及网络损耗、投资费用等经济性指标和电力不足期望值等可靠性指标。

表1 评估承载力时选用的约束指标

3.1 电压偏差

DG接入电网会改变配电网潮流分布甚至产生逆向潮流，对电网节点电压具有抬升作用，无约束接入可能会引起节点电压偏差越限；EV接入电网会加重电网供电负担，无约束接入可能会使节点电压越过下限，影响供电质量。对于不同电压等级的配电网对节点电压偏差有不同的要求。GB/T 12325—2008中对供电电压偏差的限值规定有：

1)35 kV及以上供电电压正、负偏差绝对值之和不超过标称电压的10%；

2)20 kV及以下三相供电电压偏差为标称电压的±7%；

3)220 V单相供电电压偏差为标称电压的+7%，-10%。

由于DG和EV接入电网时对电压指标的影响最大，多数文献在评估配电网承载力时将电压偏差作为主要的约束指标[13-15]。

3.2 电压波动

电网中电源出力和负荷用电发生变化时，配电网各个节点就会产生电压偏差和电压波动，DG和EV入网加剧了电压波动。电压波动的限值与变动频率、电压等级有关。GB/T 12326—2008中规定，对于35 kV及以下配电系统，其电压波动限值与变动频率r(单位时间内电压变动次数)的关系如表2所示。

表2 35 kV及以下配电系统电压波动限值

部分文献在评估配电网承载力时将电压波动的约束考虑在内，文献[31]以两个相邻的采样周期内同一节点电压幅值的变化表示电压波动，如式(1)所示：

(1)

(2)

式中：Ri为第i段馈线的等值阻抗；n为配电网节点数；PPV,k为第k个节点分布式光伏输出的有功功率；λ表示分布式光伏输出功率瞬间变化的幅度占其额度输出功率的比例；UN为额定电压；Uk为第k个节点的电压波动值。然后通过约束电压波动值计算多个场景中配电网对分布式光伏的承载力。

3.3 电压谐波

DG发电及入网需要大量的电力电子设备，EV充电装置中也包含整流器等电力电子设备，属于非线性设备，这些设备会对配电网产生谐波污染。电力系统遭到谐波污染，会使供电质量下降，增加网络损耗，不利于配电系统安全稳定运行。GB/T 14549—1993中对不同电压等级下电压(相电压)总谐波畸变率和各次谐波电压含有率进行了明确规定，如表3所示。

表3 不同电压等级下电压总谐波畸变率和各次谐波电压含有率允许值

在进行配电网承载力评估时，需要考虑谐波约束[33-34]。

3.4 三相不平衡

DG出力不平衡、出力随机等问题严重时可能会引起配电网三相电源不平衡；EV常规慢速充电方式为单相220 V电源充电，规模化EV接入电网采用单相充电方式时，若不采取控制措施，会造成配电网三相负荷不平衡。GB/T 15543—2008中规定电力系统公共连接点电压不平衡度限值为：电网正常运行时，负序电压不平衡度不超过2%，短时不得超过4%。并指出用户引起的电压不平衡度允许值一般可根据连接点的正常最小短路容量换算为相应的负序电流值作为分析或测算依据。例如文献[35]研究配电网中分布式光伏接入的优化配置时，以三相电流不平衡度描述三相不平衡情况，如式(3)所示：

(3)

式中：I2为负序电流分量；I1为正序电流分量；εI为三相不平衡度。

3.5 变压器和支路容量

EV作为一种新型负载，接入配电网的规模受变压器容量的限制。主变压器应在满足负荷需求的同时保留一定的裕度，以满足供电可靠性要求。DG和EV规模接入配电网会改变系统潮流分布，可能会引起支路容量越限。部分文献将变压器容量和支路容量计入约束指标，对配电网承载力进行评估。文献[38]采用蒙特卡洛仿真法分析了EV渗透率不同时配电变压器过载情况，结果表明随着EV渗透率提高，配电变压器过载比率会增大。文献[15]以配电变压器过载率为评估指标，提出了配电网承载力定量评估方法。文献[39]设置配电网安全经济运行约束条件，通过变压器容量限制计算配电网对EV的接纳能力。文献[33]通过将变压器负载能力限制在合理范围内，得出EV最大渗透率。文献[40]建立以DG入网容量最大为目标函数，包括等式约束(功率平衡约束)和不等式约束(线路容量约束、变压器容量约束)的计算模型，并结合熵值法分配DG容量，得到DG配置方案。

除了上述指标，一些文献在对配电网承载力进行评估时，还会考虑短路电流[41]、频率[35-36]、网络损耗[42]、经济性[26]、可靠性[43]等指标。

4 承载力评估方法

评估方法的选择对评估结果影响很大，不同评估方法的评估成本不同，适用范围不同，所得到评估结果的准确性和合理性也有差异。本节对现有文献在进行承载力评估时选用的评估方法进行梳理，并分析不同评估方法的适用范围及其优缺点。目前对配电网承载力评估的方法主要分为5类。

第1类是数学解析法，是指通过数学公式推导估算配电网承载力。这类方法主要用于配电网对EV承载力的评估研究中，EV接入对配电网最直接的影响就是负荷增加，因此首先需要考虑变压器容量，在变压器容量限制下，建立功率平衡方程，通过数学推导估算配电网承载力。文献[44-45]提出了电动汽车同时率、电动汽车和基础负荷同时率的概念，以配电变压器容量作为限制因素，通过数学公式推导求出配电网对电动汽车的承载力。但仅考虑变压器容量限制，没有考虑配电网安全经济运行约束，评估结果较为理想。文献[39]对配电网的拓扑结构进行功能区划分，设置配电网安全经济运行约束条件，通过变压器容量限制计算得到配电网对EV的承载力。这类方法通过数学推导得到配电网承载力，一般用于配电网对EV承载力的评估，适用于粗略估计的场合，也可以与其他评估方法结合，用于准确评估前的预评估，即通过计算理想状态下的最大值确定承载力边界值。

第2类是仿真计算法,在配电网仿真模型中，不断增加DG或EV的入网比例，直到某一评估指标达到临界值，此时的接入容量即为配电网承载力。文献[12]和文献[46]在仿真过程中从配电网的最大负载能力、节点电压偏差两方面评估接纳能力。文献[33]在逐渐增加EV渗透率时，通过观察变压器负载能力、母线电压偏移和支路阻塞程度以及谐波畸变率的变化得到配电网对EV的承载力。文献[34]利用OpenDSS软件仿真平台搭建配电网仿真模型，在不同位置接入分布式光伏发电装置，逐渐增加光伏的容量，得到系统在电压偏差和谐波约束下对光伏的承载力。文献[35]基于DIgSILENT仿真平台建立了含风电场的电力系统仿真模型，将电压和频率两个变量作为动态约束条件，得出满足电网动态安全稳定约束的风电最大接入容量。这种方法原理相对简单，适用于对某一实际配电网进行承载力评估，但对于不同配电网需要分别建立仿真模型，适用场景具有一定局限性，且仿真工作量较大。

第3类方法是基于灵敏度的评估方法。这种方法通过计算接入量变化时评估指标变化程度以计算配电网承载力。文献[43]提出可靠性灵敏度的概念，用于反映电力不足期望值对电动汽车规模的敏感度，并从系统可靠性角度提出评估指标和方法，将每增加万辆EV导致系统可靠性水平下降程度最小时的电动汽车占有比作为配电网承载力。基于灵敏度的评估方法偏向性较强，可以得到系统某一类指标最优时的承载力。

第4类是综合评价法，通过选择恰当的评价指标，对渗透率不同时的配电网进行综合评价，通过分析结果确定承载力。文献[31]选取合适的评价指标，用基于变权理论的多层次模糊综合评价算法，对新型负荷和分布式电源渗透率不同时的配电网进行综合评估，得出配电网承载能力最佳时新型负荷和分布式电源渗透率。文献[47]采用基于模糊理论、层次分析法、熵权法的综合评价方法对配电网承载力评估指标体系进行评分。综合评价法中涉及到不同指标的权重分配，具有一定的主观性，针对不同电网、不同要求，各个指标权重不同，计算结果有很大的差异；并且需要对不同渗透率时的配电网分别评分，梯度过小会使计算量过大，梯度过大会使结果的准确性受到影响。这种方法适用于对已知几种接入方案进行比较，通过综合评分选择更为合理的方案。

第5类是静态安全约束法，通常以DG或EV在配电网中的渗透率最大为目标，制定电网安全运行约束，通过求解优化模型，得到配电网对DG或EV的承载力。文献[19]考虑系统的物理运行约束、N-1安全约束、缺供电量允许比例等约束条件，建立以最小化系统运行成本及最大化接纳EV充电负荷为目标的配电网接纳EV能力评估模型。文献[48]建立以EV接纳数量最大为目标，同时进行配电网络安全与运行约束的混合整数线性规划模型。文献[49]以EV入网数量最大为目标，提出一种基于智能充放电的配电网对EV承载力的计算方法。文献[41]首先阐述DG规模入网对配电网继电保护的影响，然后建立短路电流与DG容量的关系，最后以短路电流为约束条件，以DG入网容量最大为目标构建承载力评估模型。文献[50]设立线路潮流和节点电压等静态安全约束条件以计算DG准入容量。静态安全约束法模型建立复杂、计算量较大，但结果较为可靠，通过优化求解可以得到DG或EV的最优接入方案，在不改变配电网结构的情况下，可以最大程度促进可再生能源的消纳和EV的推广应用。

5 承载力提升措施

DG和EV不加控制接入配电网时易引起电能质量、安全性等问题，这对DG和EV在电网中渗透率的进一步提升造成了很大的限制。为了提升配电网的承载力，最直接的方法就是选择最佳部署位置。文献[21]通过分析得出EV集中接入比分散接入时可接入容量更大、配电网前端接受能力较末端接受能力更大的结论。文献[51]分析了接入DG容量相同接入位置不同时配电网节点电压分布及各支路载流量情况，为DG选择恰当接入位置以提高配电网承载力提供参考。文献[30]计算考虑静态安全约束下单电源接入时配电网不同节点的准入容量和双电源接入时不同方案下DG准入容量，得出DG入网容量随接入位置变化规律，为DG入网选址提供依据。文献[52]提出每个节点额外可用容量的概念，可以利用该方法选择额外可用容量较大的节点作为EV接入节点，以提高配电网的承载力。通过选择最佳位置合理部署DG和EV充电桩/站，可以提升配电网承载力。

由于DG和EV的接入规划与电网的规划并不一定能够协同，这种情况下，还可以采取其他的措施提升配电网的承载力。如图1所示，可以通过在源-网-荷-储各个环节采取措施以减小DG和EV接入对电网产生的影响，进而提升配电网对DG和EV的承载力，促进可再生能源的消纳和EV的推广应用。

图1 配电网承载力提升技术

5.1 配电网“源”侧提升措施

1)清洁能源互补。风电、分布式光伏等DG由于自然因素的影响，其出力在时间和空间上具有一定的互补性。图2为某地光伏、风电日出力曲线。风电、光伏出力峰值出现时段不同，通过对风电、光伏协同调度，可以平抑DG出力波动性，提升配电网对DG的承载力。

图2 某地光伏、风电出力曲线图

2)采用智能逆变器调控DG出力。通过制定有功、无功或有功无功协调控制策略，调控DG出力可以改变潮流分布，以调节节点电压。文献[53]分析了并网光伏系统有功、无功出力变化对并网点电压的影响，并提出逆变器无功调控策略。文献[54]提出了有功无功综合控制方案，优先考虑调控无功，避免不必要的有功削减。文献[55]提出了基于下垂控制的分布式光伏电源有功功率削减方案，并通过案例分析证明相比于下垂系数相同的下垂控制，所有分布式光伏电源共同承担削减有功功率的下垂控制在预防过电压的同时有更高的有功出力。文献[56]提出了分布式光伏电源出力调控策略，配电网所有光伏电源协调功率消减，使得所有节点电压在满足要求的情况下，分布式光伏出力最大化。

3)“源”侧谐波治理。由于配电网在电能传输和供应时常采用交流形式，而光伏、风电等分布式发电系统直接产生的是直流电，所以不能直接并网，需要利用逆变器将直流电转换成所需交流电，然后送入电网。EV充电桩/站中也包含整流器等大量电力电子设备。变流器等电力电子设备的使用会形成大量的谐波，需要采取措施抑制和消除DG和EV入网产生的谐波。现有的谐波抑制方法包括DG和EV接入时的主动谐波治理和DG和EV接入后的被动谐波治理。

“源”侧谐波治理也称为主动谐波治理，是指从源上治理和消除谐波，主动谐波治理主要包括运用脉冲宽度进行调制、提高变流装置的相数和脉冲数、采用高功率因数的变流器等[57]。这些方法是对谐波源进行优化升级，目的是使其少产生谐波或不产生谐波。主动谐波治理从谐波源处抑制谐波，最大程度地减少谐波入网、降低谐波对电网的不利影响，同时避免被动管理谐波带来的额外成本。因此，在谐波源处抑制和消除谐波的主动谐波管理技术在未来会有更大的发展空间。

还有学者提出将光伏发电和有源电力滤波器结合构成新型光伏并网功率调节系统，实现光伏发电和有源滤波同时控制，以减小光伏接入电网产生的谐波影响[58-59]。

5.2 配电网“网”侧提升措施

1)调节变压器分接头。DG和EV规模入网的主要限制因素是电压[60]，有载调压变压器(on-load tap changer，OLTC)在负载运行中能够完成分接头切换，是调压常用的技术。文献[61]和文献[22]提出通过调节OLTC分接头使母线电压与电压上限之间始终预留一定的空间，如果预留量大于光伏接入导致的电压抬升量，则可以预防过电压问题的发生，显著提升配电网承载力[62]。

2)选择合适的变压器容量。EV作为用电设备，其规模入网会改变配电网负荷结构和负荷特性，不加控制地接入电网可能会引起变压器过载[63]。在配电网规划时，通过合理预测EV数量，选择合适的变压器容量，可以提高配电网对EV的承载力。但变压器容量过大，配电网轻载时的损耗会增加，不利于配电网的经济运行，因此，在选择变压器容量时需要同时考虑其他措施，合理选择变压器容量。

3)改变馈线阻抗比。电网馈线阻抗比减小时，DG接入点的电压相应有所降低，从而预防过电压[64]，提升配电网承载力。文献[53]提出可在线路上串入静止同步补偿器调节线路阻抗比。文献[60]提出可以增加导线尺寸减小电阻，这种减小馈线阻抗比的措施更有利于控制全网电压，在规划有DG接入的配电网时可以考虑，但如果导线截面选取过大，会增加建设成本，因此，进行导线选型时需要综合考虑配电网运行和经济性等因素。对于已经投入运行的配电网，更换导线工程量巨大，且增加导线尺寸也会对继电保护产生一定影响，可以考虑采用其他措施。

4)配电网网络重构。配电网重构技术是指通过改变配电网网络拓扑结构来提高可靠性、降低线损、均衡负荷和改善供电电压质量的技术，是提高配电网安全性和经济性的重要手段。通过制定合理的配电网重构策略，可以降低DG和EV入网对电网造成的不利影响[65]。配电网重构有静态重构和动态重构，静态重构在对目标优化时仅根据配电网在某一时刻的状态进行重构，后续运行状态变化时不再改变拓扑。动态重构以静态重构为基础，在对目标优化时考虑某一时间段内配电网的状态，并在调度时间点根据当前状态进行网络重构。文献[66]指出静态重构和动态重构都能有效提升配电网对分布式电源的承载力，动态重构由于能够适应不断变化的操作条件，因此可以更有效地提升配电网对分布式电源的承载力。但动态重构会使网络拓扑频繁变化，降低系统的稳定性和经济性，因此，采用动态重构时要同时考虑开关操作次数的约束。

5)采用无功调控装置。配电网电压值与无功功率密切相关，通过配置无功调控装置，改变配电网无功潮流分布以调节节点电压。文献[67-69]分别指出利用分组投切电容器(capacitor banks,CB)、静止无功补偿器(static var compensator,SVC)、静止同步补偿器(STATCOM)等无功控制装置可以应对DG规模入网。

6)“网”侧谐波治理。“网”侧谐波治理也称为被动谐波治理，是指在DG和EV接入电网后，通过增设谐波补偿装置或谐波滤除装置抑制和消除谐波，这种方法适用性更为广泛，只要设置合理，可以用于控制和管理电网中由任何原因产生的谐波。被动管理措施主要分为装设无源滤波器、有源滤波器、混合型有源电力滤波器。无源滤波器可以吸收谐波电流、进行功率补偿，其结构简单、成本低、维护方便，是早期用于抑制谐波的主要设备，但无源滤波器具有受电网阻抗和频率影响严重，且与电网阻抗极易产生串/并联谐波等严重缺陷。有源滤波器是目前主流的谐波治理设备，按其接入方式可分为串联型、并联型和串并联型3种。其中，并联型有源电力滤波器因其投切、保护等操作起来比串联型更加安全方便，结构简单，成本比串并联型更低，因此，并联型有源电力滤波器目前应用最为广泛[70]。

5.3 配电网“荷”侧提升措施

负荷侧需求响应具有削峰填谷的作用。除了传统负荷在动态电价机制下的响应，EV的合理运行对配电网承载力提升也有重要意义。

EV充电桩/站的部署首先要考虑用户充电的便利性，因此其位置的选择空间有限。但EV作为一种可移动负载，具有一定的可控性。除了在部署充电桩/站时采取措施减小对配电网的不利影响，在部署后也可以通过制定合理的充放电策略，进一步提升配电网的承载力。

在不干预充电时间的情况下，电动汽车充电高峰与基础负荷用电高峰基本重合，使配电系统负荷峰谷差增大，高峰时供电负担增加，低谷时变压器空载损耗增加。通过有序充放电或采用智能充放电策略，可以有效解决充电时间、充电地点等的不确定给电网调度带来的影响，减小峰谷差，提高配电网对EV的承载力[38]。分时电价充电策略可以避开原始负荷高峰，但固定的电价制定可能会引起新的负荷高峰；而智能充电策略，通过优化程序确定每个时段EV充电数量、充电时间，在满足用户用电需求的同时，使EV接入后系统的总负荷更平稳[71]。通过制定车辆到电网(vehicle-to-grid，V2G)响应策略，在负荷低谷时从电网充电，负荷高峰时向电网放电，充分利用EV可转移性和储能特性实现削峰填谷，提高了系统运行效率，有利于系统的安全经济运行[72]。

5.4 配电网“储”侧提升措施

1)配置固定储能。储能装置在充电时相当于负荷，在放电时相当于电源，通过配置储能装置并制定合理的充放电策略，改变配电网潮流分布可以调节节点电压。文献[73]将安装储能装置作为电压越限解决方案。通过安装储能装置吸收光伏发出的多余电能，可以使分布式光伏始终工作在最大功率点处，有利于提高工作效率，也可预防过电压发生；夜晚、阴天分布式光伏少发时，储能装置可以向电网送电，满足负荷需求。文献[74]提出对电池储能系统的二次控制策略，通过控制有功功率以提高配电网对屋顶光伏系统的承载力。储能装置与DG配合，对调节系统电压具有重要作用[54]。

2)配置移动储能。移动储能不仅具有传统固定储能的优点，还因具有空间移动特性具有更广阔的应用空间。目前，对移动储能的研究分为两类。一类是移动储能归电网所有，用于配电网灾后恢复、提升配电网弹性、配电网经济调度等方面；一类是移动储能与配电网归属于不同运营商，利用移动储能进行时空套利。也有学者提出利用移动储能调压，文献[75]通过对配电网中移动储能的优化配置来实现调压和移动储能投资商收益最大化；文献[76]在考虑电压控制的基础上，建立了一种含移动储能的主动配电网日前双层调度模型。移动储能用于配电网运行优化，将电能进行时空转移，对配电网承载力的提升具有重要意义。

6 展望

1)基于数据驱动与机器学习的不确定性建模。对于配电网的优化调度问题，传统的基于参数的概率分布函数建模方法与实际值常常产生较大偏差，并非总能产生让人满意的结果。针对传统基于参数的概率分布建模需要假设参数分布、与实际物理模型差距较大的缺点，有学者提出利用非参数核密度估计理论对分布式电源进行建模[77]，这种方法同样也适用于电动汽车的建模。基于非参数核密度估计的不确定性建模方法有效改善了传统方法存在偏差较大的问题，但仍有可能存在边界偏差和局部适应性不足的问题，因此，基于数据驱动与机器学习的不确定性建模方法仍有很大研究空间[78]。

2)考虑不同种类分布式电源互补发电的配电网承载力研究。能源转型驱动下，接入配电网的分布式电源趋于多样化，受自然因素和其他因素的影响，不同分布式电源出力在时间和空间上具有一定的互补性。充分利用不同分布式电源的互补特性，对各种分布式电源进行协调调度，可以更好地提升配电网的承载力。对于互补发电，首先应该研究不同分布式电源的时空特性，梳理其在互补发电系统中的作用；然后考虑各种分布式电源之间的相关性；最后建立优化调度模型，充分利用分布式电源的互补特性。现有承载力研究中通常考虑某一种分布式电源的配置，或者虽然考虑多种分布式电源，但对其相关性进行简化。未来的研究中可以考虑不同分布式电源的互补特性对配电网承载力的影响。

3)分布式电源与新型负荷综合考虑、协调部署。“新基建”纳入国家发展战略后，明确提出要加快5G网络、数据中心等新型基础设施建设进度。“新基建”中5G基站、大数据中心、电动汽车充电站等基础设施，分布密度大、能源消耗大，规模发展会对电网的安全运行造成不利影响，这些用电设备与分布式电源都具有随机性，但分布式电源是发电设备，与用电设备有一定的互补性。未来部署时，分布式电源、电动汽车、5G基站等用电设备如何综合考虑、协调部署，增大配电网承载力的同时减小对配电网络的冲击和影响值得探讨。

4)考虑电能空间移动的配电网承载力提升技术。将电能进行空间移动，可以有效解决不同地方因供需不平衡导致的电能消纳不足、用电需求不能满足等问题，实现空间尺度的削峰填谷，协助配电网应对大量可再生能源的整合以及新型负荷的规模入网。目前电动汽车的研究已有很多，包括动态电价机制下电动汽车有序充放电[38]、V2G[72]、车辆到住宅(vehicle to home，V2H)[79]等，电动汽车通过一定策略进行充放电，对配电网的优化调度具有重要意义。但电动汽车的调度受用户生活习惯等多种不确定性因素的影响，相比于电动汽车，移动储能具有更高的灵活性。现有研究中移动储能主要用于配电网灾后恢复、时空套利等方面，未来配电网承载力研究中可以考虑移动储能，利用其时空灵活特性参与配电网优化调度。

5)源-网-荷-储多种措施协调的配电网承载力提升技术。DG和EV规模入网的主要限制因素是电压，由于配电网的阻抗比相对较大，其电压变化与系统有功功率、无功功率均密切相关。因此，可以如图3所示，针对电压控制，在配电网源、网、荷、储各个环节，通过采取措施进行有功功率控制、无功功率控制、改变网络拓扑改善潮流分布来提升配电网承载力。

图3 以调压为主的配电网承载力提升技术

目前，已有学者提出采用多种措施协调提升配电网的承载力。文献[80]在高比例可再生能源背景下建立配电网重构策略与移动储能经济调度的两阶段鲁棒协同优化模型，促进了可再生能源在配电网中的应用，但没有考虑源侧和负荷侧对承载力提升的作用。文献[11]建立了考虑配电网中储能、电容器组优化调度的混合整数线性规划模型，旨在以最经济的方式提升配电网的承载力，但没有考虑电能的空间移动，对于风电、分布式光伏等受自然条件影响的可再生能源，利用电能的空间移动可以更好地应对其出力的波动性和不确定性。同时考虑源、网、荷、储多个环节协调、电能时空多尺度转移的配电网承载力提升技术是未来研究的一个重要方向。