摘要: 随着社会经济和电气技术的发展，电力用户对供电质量和供电可靠性提出了更高的要求，现在电力的供应方式主要是依靠大规模的集中火力发电、高压电网远距离送电。分布式电源(Distributed Generation, DG)包括发电设备及储能设施，具有灵活方便、可靠性... 展开 随着社会经济和电气技术的发展，电力用户对供电质量和供电可靠性提出了更高的要求，现在电力的供应方式主要是依靠大规模的集中火力发电、高压电网远距离送电。分布式电源(Distributed Generation, DG)包括发电设备及储能设施，具有灵活方便、可靠性高等特点。在电力系统负荷的高峰时段可以输出电力弥补电力缺口；当电力系统中出现故障时，DG可向非故障区域继续供电，所以DG并入配电网被视为改进传统电力系统的方式之一。 在配电网接入分布式电源后变成了多电源的网络；DG的接入会对配电网产生多方面的影响，比如节点电压、网络损耗等。由于DG的接入，使配电网重构（Distribution Network Reconfiguration, DNR）变得复杂，传统的重构模型也无法用于含DG的配电网重构，为了保障配电网可以安全可靠地供电，更好地发挥DG的作用，研究含DG的配电网重构具有重要的意义。 首先，对常见的分布式电源，包括风力发电、太阳能光伏电池、燃料电池、微型燃气轮机，建立了相应的数学模型；采用了前推回代法进行潮流计算，并提出了在潮流计算时含新节点类型DG的处理方法。 其次，建立了含DG的配电网重构模型；对影响分布式电源功率输出的不确定因素，建立了DG的随机模型；对配电网中负荷的随机性，建立了基于正态分布的负荷有功功率、无功功率的概率密度函数模型。 再次，将改进的遗传算法（Genetic Algorithm,GA）应用到含DG的配电网重构中；引入了随机生成树策略以保证每个重构方案均满足辐射状拓扑约束，改进了遗传操作中的选择、交叉、变异过程，提升了遗传算法的计算性能，避免遗传算法易收敛于局部最优解的现象。 最后，利用IEEE33节点配电系统对所提出的算法进行了验证；验证了分布式电源的随机模型对配电网重构的影响；分析了分布式电源的不同容量和不同接入位置对配电网重构的影响。 收起