考虑典型电能替代的配电网新能源接纳能力研究.pdf

收稿日期院 2023-02-06遥基金项目院 国网辽宁省电力有限公司管理科技项目资助渊2022YF-67冤遥作者简介院 张强渊1980-冤袁男袁硕士袁高级工程师袁研究方向为电力系统稳定性分析遥 E-mail院通信作者院 钱小毅渊1989-冤袁男袁博士袁讲师袁研究方向为电力系统稳定性分析尧数据挖掘方法遥 E-mail院考虑典型电能替代的配电网新能源接纳能力研究张强1袁 王超1袁 李欣蔚1袁 王雪杰2袁 钱小毅2袁 叶鹏2渊1.国网辽宁省电力有限公司电力科学研究院袁 辽宁沈阳110006曰 2.沈阳工程学院电力学院袁辽宁沈阳110136冤摘要院 随着配电网中的可再生能源渗透率快速增加和电能替代战略的实施袁配电网的运行和控制面临更严峻的挑战袁配电网的新能源接纳能力成为关键遥 文章提出了一种考虑典型电能替代的配电网新能源接纳能力分析方法遥 该方法在配电网接纳能力分析时袁将常规负荷与电采暖负荷尧电动汽车充电站和储能3 种典型电能替代负荷进行综合考虑袁建立了考虑典型电能替代负荷的配电网综合负荷等值模型遥 基于随机规划方法袁建立了考虑典型电能替代负荷的配电网新能源接纳能力分析的随机优化模型袁采用线性递减粒子群解算策略进行求解遥 采用IEEE-14 节点算例进行了计算分析袁仿真结果表明袁文章所提出的方法在考虑典型电能替代的配电网新能源接纳能力分析时具有较好的适用性遥关键词院 风光互补曰 分布式电源曰 电能替代曰 配电网曰 接纳能力中图分类号院 TM71文献标志码院 A文章编号院 1671-5292渊2023冤10-1414-070引言以风电和光伏为代表的可再生能源具有间歇性尧波动性等不稳定特性袁且难以预测袁以及分布式电源接入配电网数量的增加袁为电网的运行和控制带来了更多的安全隐患遥 对此袁国家发展改革委和国家能源局联合提出了分布式发电就地消纳的建设目标袁对配电网新能源接纳能力有了更高的要求遥常见的配电网新能源接纳能力分析方法基本分为两类院一类是数学优化法袁利用不同类型的数学算法进行优化曰 另一类是仿真模拟法袁借助仿真软件进行配电网接纳能力分析1遥 在接纳能力分析时袁采用数学优化法能够求得全局最优解或较优解遥 文献2采用遗传算法分析了计及有载调压变压器参与调压并与并联电容器配合的配电网接纳光伏的能力遥 文献3采用启发式算法袁在求解接纳能力时考虑了电压幅值尧线路载流等运行约束遥 文献4兼顾电压偏差尧电压波动率和短路容量袁建立了风电和光伏在不同输出特性组合下的配电网接纳能力分析优化模型遥利用数学优化法分析配电网接纳能力均为确定性分析方法袁其求解结果通常较单一遥 针对该类方法的不足袁工程上引入基于蒙特卡洛仿真产生的具有概率分布特性的接入场景袁 分析各种安全运行约束条件下的配电网接纳能力遥 文献5袁6提出了在概率场景下计算配电网的新能源接纳能力遥 也有的学者将数学优化法与仿真模拟法相结合作为分析配电网接纳能力的典型方法遥文献7将配电网光伏接纳能力转化为考虑节点电压尧光伏渗透率尧线路载流量等多机会约束规划问题袁 并采用拉丁超立方组合抽样随机模拟技术结合基于粒子群优化的布谷鸟算法进行最优解求取遥随着能源转型的发展袁 以电能替代传统化石能源势必会导致配电网负荷与常规的配电网负荷存在差异遥为此袁本文提出一种考虑典型电能替代的配电网新能源接纳能力分析方法遥 该方法在配电网接纳能力分析时袁将常规负荷与电采暖负荷尧电动汽车充电站和储能3 种典型电能替代负荷进行综合考虑袁 建立了考虑典型电能替代负荷的配电网综合负荷等值模型曰基于随机规划方法袁建立了考虑典型电能替代负荷的配电网新能源接纳能力分析的随机优化模型袁 采用线性递减粒子群解算策略进行求解遥 采用IEEE-14 节点算例进行仿真计算分析袁结果表明袁该方法在考虑典型电能替代的配电网新能源接纳能力分析时具有较好的适可再生能源Renewable Energy Resources第 41 卷 第 10 期2023 年 10 月Vol.41 No.10Oct.2023窑1414窑用性遥1风光互补发电系统模型1.1风力发电系统功率模型风电机组的输出功率由于受到实时变化的风速影响袁呈现出较大的随机性与波动性遥现阶段常采用Weibull 分布来描述随机分布的实时风速模型8袁其概率密度函数为f渊v冤=kc蓸蔀vc蓸蔀k-1exp-vc蓸蔀k蓘蓡渊1冤式中院v 为实时风速曰k袁c 分别为Weibull 分布的形状参数尧尺度参数遥在风电场实际计算中袁风速v 与输出功率PW之间的关系由如下分段函数表达院PW=0v约vciv3-vci3vR3-vci3伊PWRvci燮v燮vRPWRvR燮v燮vco0vco约v扇墒设设设设设设设设设设缮设设设设设设设设设设渊2冤式中院vci袁vco袁vR分别为切入风速尧切出风速尧额定风速曰PWR为风机额定功率遥1.2光伏发电系统功率模型光伏发电受天气情况的影响较大袁 常采用Beta 分布来反映光照强度的随机情况9袁其概率密度函数为f渊r冤=祝渊琢+茁冤祝渊琢冤祝渊茁冤rrmax蓸蔀琢-11-rrmax蓸蔀茁-1渊3冤式中院丐渊 窑 冤为伽马函数曰r 为光伏发电模块受到的实际光照强度曰rmax为光照强度上限曰琢 和茁 为Beta 分布中的两个参数袁 与季节或天气状况有关遥在太阳辐射强度及环境温度均随机变化的情况下袁 光伏发电系统并网运行时的输出功率PS为PS=浊 窑 A窑 r0约r约rRPSRrR燮r嗓渊4冤式中院浊 为光电效率曰A 为光伏阵列有效发电面积曰rR为额定光照强度曰PSR为光伏电站额定功率遥2考虑典型电能替代负荷的配电网综合负荷模型电力系统中的常规负荷特性随时间变化有显著的峰谷差异遥电能替代负荷的增加袁使得常规电力系统负荷的构成发生了变化遥2.1常规负荷模型电力系统常规负荷模型通常使用正态分布描述10袁其概率密度函数为f渊PL冤=12仔滓P姨exp-PL-滋P2滓P2蓸蔀渊5冤式中院PL为常规负荷的有功功率曰滋P和滓P分别为常规负荷有功功率的期望值和标准差遥2.2电采暖负荷模型电采暖负荷以集中式电采暖为主袁 按照既定的规律运行袁夜晚储热袁能够起到较好的峰谷调节作用遥电采暖负荷受室内外温差影响袁以温度作为变量袁用户侧集中式电采暖负荷模型11为Plt=Ii=1移qiSi渊Tt-inside-Tt-outside冤渊6冤PEB=滋Plt渊7冤式中院Plt为用户侧所需的热负荷曰I 为供热范围内用户数量曰qi为建筑物内单位面积散热系数曰Si为标准家庭用户面积曰Tt-inside袁Tt-outside分别为t 时刻室内尧外平均温度曰PEB为电锅炉输出功率曰滋 为电热转化效率遥2.3电动汽车充电站负荷模型电动汽车负荷取决于用户的充电行为袁 具有较大的不确定性袁 本文采用随机变量表述电动汽车充电站作为负荷对配电网综合负荷的影响遥电动汽车在充电站进行大规模充电时会给配电网增加一定的负荷量袁 所以电动汽车充电站总的充电负荷PZ是所有电动汽车在全部时间内的负荷叠加12袁其计算式为PZ=nch酌=1移tch子=1移P酌袁子渊8冤式中院nch为需要充电的电动汽车数量曰tch为单台电动汽车充电时长曰P酌袁子为在子 时刻时第酌 台电动汽车的充电功率遥nch=k棕nch袁all渊9冤tch=1-SOC浊Pch渊10冤式中院k 为某时段内电动汽车的充电分布比例曰棕为电动汽车充电概率曰nch袁all为该区域内电动汽车总数曰SOC 为起始充电荷电状态曰浊 为充电效率曰Pch为充电功率遥窑1415窑张强袁等考虑典型电能替代的配电网新能源接纳能力研究电动汽车的SOC 与单次行驶里程L 和一次充电行驶次数N 有关袁即院SOC=SOCend-LNLfull渊11冤式中院SOCend为上一次完成充电时的荷电状态曰Lfull为标定续航里程数遥根据全美家庭旅行调查委员会的统计数据可知袁充电时刻概率分布基本符合正态分布院f渊t冤=1滓c2仔姨e-渊t-滋c冤22滓c2渊12冤式中院滋c为起始充电时间期望值曰滓c为起始充电时间标准差遥电动汽车日行驶里程呈现对数正态分布院Lc1渊t冤=1x滓c12仔姨e-渊lnx-滋c1冤2滓c12渊13冤式中院滋c1为行驶里程期望值曰滓c1为行驶里程标准差曰x 为服从正态分布的随机变量袁在本文中代表电动汽车日行驶里程遥2.4储能电站功率模型储能系统具有较好的调节作用袁 在优化计算中是一个功率可以双向调节的可控变量袁 既可在新能源的消纳过程中作为负荷使用袁 也可在新能源发电不足时作为电源使用遥 储能电站作为负荷充电时吸收有功功率袁 起始荷电状态SOC 增大曰作为电源放电时发出有功功率袁 起始荷电状态SOC 减小13遥 其t 时刻的SOCt为SOCt=SOC0+Pch浊chSrate-Pdis浊disSrate蓸蔀驻tt=1SOCt-1+Pch浊chSrate-Pdis浊disSrate蓸蔀驻tt跃1扇墒设设设设设设缮设设设设设设渊14冤式中院SOC0为储能电站在初始时刻的SOC 值曰Pdis为放电功率曰浊ch和浊dis分别为充尧放电效率曰Srate为储能额定容量曰驻t=t-渊t-1冤为充放电的持续时段袁t代表当前时刻袁t-1 代表上一时刻遥储能电站的充电额定功率及对应的充电约束为Pichmax=min Pirate袁渊SOCmax-SOCi冤Srate浊ch驻t嗓瑟0约Pich约Pichmax扇墒设设设设缮设设设设渊15冤储能电站的放电额定功率及对应的放电约束为Pidismax=min Pirate袁渊SOCi-SOCmin冤Srate浊dis驻t嗓瑟0约Pidis约Pidismax扇墒设设设设缮设设设设渊16冤式中院Pirate为储能电站的充放电额定功率曰Pich袁Pidis分别为储能i 的充尧放电功率曰SOCi为当前时刻储能电站的SOC 值曰SOCmax和SOCmin分别为储能电站所接受的SOC 上限和下限遥3配电网新能源接纳能力随机优化模型考虑风光互补和典型电能替代负荷的配电网接纳能力分析模型袁 以风光最大接入功率为优化目标袁即目标函数为max渊PW+PS冤渊17冤在基于随机规划的数学模型中袁 通常预先建立相应的置信水平琢袁 并使各项约束条件成立的概率满足该置信水平袁通过Pr 窑 叟琢 表示遥 通常情况下袁设置琢 为0.91.0袁琢 越小袁结果承受的风险越大曰琢 越大袁结果越趋于保守遥淤系统功率平衡约束PWi袁t+PSi袁t+PGi袁t-Pli袁t-Pri袁t=Ui袁tNj=1移Uj袁t渊Gijcos兹ij+Bijsin兹ij冤QWi袁t+QSi袁t+QGi袁t-Qli袁t-Qri袁t=Ui袁tNj=1移Uj袁t渊Gijcos兹ij-Bijsin兹ij冤扇墒设设设设设设设设设设设缮设设设设设设设设设设设渊18冤式中院PWi袁t袁PSi袁t和PGi袁t分别为风电尧 光伏和常规机组在t 时刻节点i 处注入的有功功率曰QWi袁t袁QSi袁t和QGi袁t分别为风电尧光伏和常规机组在t 时刻节点i处注入的无功功率曰Pli袁t袁Pri袁t袁Qli袁t袁Qri袁t分别为在t时刻节点i 处的常规负荷和典型电能替代负荷的有功功率尧无功功率曰Ui袁t袁Uj袁t分别为在t 时刻节点i袁j 处的电压幅值曰Gij袁Bij分别为支路ij 的电导和电纳曰兹ij为节点i袁j 处的电压相位差曰N 为配电网节点总数遥于配电网安全运行约束Pr Uimin燮Ui袁t燮Uimax嗓瑟叟琢1渊19冤PrIij袁t燮Iijmax嗓瑟叟琢2渊20冤式中院Uimax袁Uimin分别为节点i 处的电压上尧 下限曰Iijmax为ij 支路电流的上限曰Iij袁t为t 时刻ij 支路的电流遥窑1416窑可再生能源2023袁41渊10冤4基于随机规划的线性递减粒子群解算策略4.1目标函数与约束条件的处理通过将惩罚项机制引入到目标函数中袁 能够增强目标函数的正确性袁 降低越限粒子对结果的影响遥对于允许存在越限情况的机会约束袁利用外点惩罚函数构造的惩罚项渊M伊cfx冤计算粒子越限问题袁从而形成单目标尧多约束限制的广义随机规划模型袁 将有约束的概率问题转化为无约束的极值问题遥 其模型如下院y=max渊Pij-M伊cfx冤j=1袁噎袁m渊21冤式中院M 为惩罚系数曰cfx 为越限粒子总数曰j 为约束条件个数遥根据概率分布函数对风电尧 光伏和常规机组出力以及考虑典型电能替代的综合负荷进行随机变量抽样袁 并利用随机规划处理模型中机会约束的概率约束条件遥当机会约束中存在随机变量时袁Pr Xijmin燮Xij燮Xijmax嗓瑟叟琢ij袁其流程如下遥淤生成符合风电尧 光伏和常规机组出力以及常规负荷和典型电能替代负荷的概率密度分布的随机取样样本Ni袁样本总数为Nmax遥于将随机生成的样本Ni依次代入系统袁进行潮流分布计算袁得到对应的结果Xij遥盂检验全部样本的参数Xij是否满足机会约束Xijmin燮Xij燮Xijmax袁并记录满足条件的粒子nij遥榆判断nij/Nmax叟琢ij是否成立袁 若成立袁 则令cfx=mj=1移渊1-nij/Nmax冤/Nmax袁结束曰不成立袁返回到淤遥4.2基于线性递减策略的粒子群优化算法粒子群算法容易陷入局部最优袁 所以本文通过线性递减策略对粒子群算法的全局搜索能力进行增强遥 方法如下遥淤设置总粒子数为M 的初始粒子群遥于设置粒子i 在t 次迭代的位置Xit和速度Vit遥Xit=xi1t袁xi2t袁xi3t袁噎袁xiKt蓘蓡T渊22冤Vit=vi1t袁vi2t袁vi3t袁噎袁viKt蓘蓡T渊23冤式中院K 为系统中用随机变量表述的电源或负荷数量袁也是每个粒子的维度袁设置粒子i 的初始位置时袁随机抽取一组满足K 个随机变量的数据作为位置初值遥盂求解粒子i 在t 次迭代时的最优解遥Pit=pi1t袁pi2t袁pi3t袁噎袁piKt蓘蓡T渊24冤Pgt=pg1t袁pg2t袁pg3t袁噎袁pgKt蓘蓡T渊25冤式中院Pit为t 次迭代时粒子i 的最优解袁 即最大风光出力曰Pgt为t 次迭代时全局粒子的最优解遥榆计算粒子i 在t+1 次迭代时的位置和速度遥vidt+1=棕vidt+c1q1pidt-xidt蓸蔀+c2q2pgdt-xgdt蓸蔀xidt+1=xidt+vidt+1扇墒设设设设缮设设设设渊26冤式中院d=1袁2袁3袁 噎袁K曰q1袁q2为两个相互独立的随机数袁 取值为01曰c1袁c2为学习因子曰棕 为惯性权重遥为控制收敛趋势袁一般设置c1=c2=1.494 4袁棕=0.729遥虞利用线性递减策略改进惯性权重遥棕=棕init-渊棕init-棕term冤t/tmax渊27冤式中院棕init为惯性权重初始值曰棕term为惯性权重终止值曰t 为当前迭代次数曰tmax为最大迭代次数遥愚判断并修正超速粒子的速度遥vidi+1=vmaxvidi+1跃vmax-vmaxvidi+1约-vmax扇墒设设设设缮设设设设渊28冤式中院vmax为粒子速度的上限遥至此袁 每个粒子可以通过当前粒子自身的最优位置以最优速度进行当前时刻的最优粒子搜索遥综上所述袁 在随机模拟规划技术中引入基于线性递减策略的粒子群算法袁 求解配电网接纳能力的机会约束规划模型袁 具体解算流程如图1 所示遥5算例分析本文在构建考虑风光互补与典型电能替代负荷的配电网接纳能力分析模型的基础上袁 选用IEEE-14 节点的标准试验系统袁 验证本文所提的模型和算法遥5.1计算基本参数IEEE-14 节点的试验系统包括17 条线路袁常规负荷合计259 MW遥 设该试验系统通过2 号节点与上级电网相连袁且2 号节点作为平衡节点袁系统功率基准值为100 MVA遥窑1417窑张强袁等考虑典型电能替代的配电网新能源接纳能力研究图2 所示为风光接入点组合2 下的IEEE-14节点系统遥 风电接入点渊WGE冤为4 号节点袁光伏接入点渊PHV冤分别为6 号节点和11 号节点袁储能电站渊ESPC冤设置在6 号节点曰电动汽车充电站渊PEVCS冤设置在12 号节点袁最大负荷为14 MW曰冬季集中式电采暖渊PCEH冤 分别设置在13 号节点和14 号节点袁最大负荷为48 MW遥为得到风电及光伏出力和典型电能替代负荷的相关数据袁需确定对应模型参数遥 其中院风速观测资料采用区域内测风机统计数据袁 切入风速为3 m/s袁切出风速为25 m/s袁额定风速为15 m/s袁平均风速为8 m/s曰太阳辐照度观测资料采用某地气象台统计数据袁光电转换效率为14%袁光伏子方阵总面积为1 200 m2遥储能电站的相关参数如下院 储能电站接入点为6曰 额定功率为6 000 kW曰 额定容量为12 000kW 窑 h曰放电效率为0.89曰充电效率为0.91遥 允许SOC 的最大值为0.9袁SOC 的最小值为0.2遥5.2基于随机模拟的改进粒子群优化算法的迭代效果为了检验算法的有效性袁 本文以冬季风光互补发电系统接入节点组合1 为例袁 设置参数为全年平均值袁且系统安全指标的置信水平为0.95袁得到系统的风光接纳能力为2.339 5 pu袁算法的迭代效果如图3 所示遥5.3接入节点组合对新能源接入能力的影响当系统置信水平为0.95袁 且其他参数保持不变时袁将不同风光互补发电系统接入节点组合袁如表1 所示遥以冬季为例袁 分别考虑不同风光互补发电系统接入节点组合袁得到对应的配电网接纳能力袁结果如表2 所示遥图 1基于随机规划的线性递减粒子群解算流程Fig.1 Flow chart of linear decreasing particle swarm solutionbased on stochastic programming根据分布特性产生当前风速尧光照强度以及考虑典型电能替代负荷的配电网综合负荷样本开始风电及光伏出力模型参数输入常规综合负荷模型参数输入典型电能替代负荷模型参数输入初始化粒子位置及速度计算系统潮流分布否是生成机会约束目标函数检验系统状态是否满足约束比较并记录各粒子最优值以及全局最优值是否是否达到迭代精度结束图 2IEEE-14 节点系统Fig.2 IEEE-14 node system diagramEGWGEPHVPHVESPSPEVCSPCEHPCEH1254786111091213143图 3基于随机规划的粒子群算法迭代效果Fig.3 Iterative effect of particle swarm optimization algorithmbased on stochastic programming0204060801001202.52.01.51.00.50.0迭代次数窑1418窑可再生能源2023袁41渊10冤由表2 可知袁 选取的风光互补发电系统接入节点组合位置不同袁 配电网接纳能力有显著的区别遥5.4置信水平对新能源接纳能力的影响选取风光互补发电系统接入节点组合1 为例袁 考虑不同置信水平以及忽略风光互补系统的强随机性袁 计算配电网接纳能力袁 结果如表3 所示遥由表3 可知袁 配电网接纳能力随置信水平的上升明显减小遥这是由于配电网实际运行时袁存在一定的小概率越限情况袁 过高的置信水平会导致结果过于保守遥此外袁当风光出力作为确定性变量参与分析中时袁 忽略了风电和光伏机组运行中的不确定性袁 使得配电网接纳能力略微增加遥6结论本文提出了一种考虑风光互补和典型电能替代的配电网新能源接纳能力分析方法遥 在风光发电特性和电能替代负荷特性分析基础上袁 建立了考虑风光互补的发电模型和计及典型电能替代负荷的配电网综合负荷模型曰基于随机规划袁建立了考虑风光互补发电系统和典型电能替代负荷的配电网接纳能力分析的随机优化模型袁 并采用线性递减粒子群解算策略进行求解遥仿真结果表明袁本文方法对配电网新能源接纳能力具有较好的适用性遥 在新能源大量接入配电网以及新型负荷增多的背景下袁 计算配电网新能源接纳能力需要充分考虑各种不确定性因素的影响遥参考文献院1董逸超袁王守相袁闫秉科.配电网分布式电源接纳能力评估方法与提升技术研究综述J.电网技术袁2019袁43渊7冤院2258-2266.2丁明袁刘盛.基于遗传算法的多个光伏电源极限功率计算J.电网技术袁2013袁37渊4冤院922-926.3Koutroumpezis G N袁Safigianni A S.Optimum allocationofthemaximumpossibledistributedgenerationpenetration in a distribution network J.Electric PowerSystems Research袁2010袁80渊12冤院1421-1427援4邹宏亮袁韩翔宇袁廖清芬袁等.考虑电压质量与短路容量约束的分布式电源准入容量分析J.电网技术袁2016袁40渊8冤院2273-2280.5AbadMSS袁MaJ袁ZhangD袁etal.Probabilisticassessment of hosting capacity in radial distributionsystems J.IEEE Transactions on Sustainable Energy袁2018袁9渊4冤院1935-1947援6Chen X袁Wu W袁Zhang B援Robust capacity assessment ofdistributedgenerationinunbalanceddistributionnetworksincorporatingANMtechniquesJ.IEEETransactions on Sustainable Energy袁2018袁9渊2冤院651-663援7王文宾袁朱燕舞袁韩天华袁等.基于随机规划的分布式光伏并网最大准入容量计算J.燕山大学学报袁2018袁42渊6冤院510-518.8李德英袁陈希祥袁陈钢袁等.风电场穿透功率风险下基于改进NSGA-2 的动态经济调度方法J.可再生能源袁2022袁40渊10冤院1365-1371.9蒋平袁严栋袁吴熙.考虑风光互补的间歇性能源准入功率极限研究J.电网技术袁2013袁37渊7冤院1965-1970.10 韩宏志袁杨洋袁郜宁袁等.基于正态分布的典型负荷日拟合方法J.分布式能源袁2020袁5渊4冤院69-73.11 陈守军袁辛禾袁王涛袁等.风电尧蓄热式电锅炉联合供暖调度鲁棒优化模型J.电力建设袁2016袁37渊1冤院103-109.表 1不同风光互补发电系统接入节点组合Table 1 The node combinations of different wind-solarcomplementary power generation systems组合组合1组合2组合3风电接入点145光伏接入点玉667光伏接入点域9119表 2不同风光互补发电系统接入节点组合配电网接纳能力Table 2 Acceptance capacity of combined distributionnetwork of the nodes for different wind-solarcomplementary power generation systems组合组合1组合2组合3风电接入点0.169 31.015 01.035 6光伏接入点玉1.021 30.984 90.061 3光伏接入点域0.796 30.339 61.116 8接纳能力1.986 92.339 52.213 7表 3不同置信水平下配电网接纳能力Table 3 Acceptance capacity of distribution network atdifferent confidence levels置信水平0.900.930.950.981.00忽略随机性风电接入点1.136 11.060 51.015 00.961 70.938 80.989 6光伏接入点玉1.063 21.001 90.984 90.951 20.904 20.966 1光伏接入点域0.413 40.386 70.339 60.312 50.294 40.317 0接纳能力2.612 72.449 12.339 52.225 42.137 42.272 7窑1419窑张强袁等考虑典型电能替代的配电网新能源接纳能力研究Study on new energy acceptance capacity of distribution networkconsidering wind power and photovoltaic complementation andtypical power substitutionZhang Qiang1袁 Wang Chao1袁 Li Xinwei1袁 Wang Xuejie2袁 Qian Xiaoyi2袁 Ye Peng2渊1.Electric Power Research Institute of State Grid Liaoning Electric Power Co.袁Ltd.袁 Shenyang 110006袁 China曰2.School of Electric Power袁 Shenyang Institute of Engineering袁 Shenyang 110136袁 China冤Abstract院 With the rapid permeability increase of renewable energy and the implementation ofpower replacement strategy,the operation and control of the distribution network are facing moresevere challenges.So it has been the key problem for the distribution network to calculate newenergy hosting capacity.In this paper,a new energy hosting capacity analysis method wasproposed for distribution network.A comprehensive load equivalent model was established fordistribution networks considering typical energy substitution loads and in witch three typicalalternative electrical energy loads were comprehensive considered including electric heating loads,electric vehicle charging loads and energy storage.Based on the random programming method,astochastic optimization model was established for analyzing the new energy hosting capacity ofdistribution networks considering typical electricity substitution loads.A linear decreasing particleswarm optimization strategy was adopted for solution.The IEEE-14node example was used forcalculation and analysis,and the simulation results showed that the method proposed in the paperhas good applicability in analyzing the new energy hosting capacity of distribution networksconsidering typical energy substitution.Keywords院 wind power and photovoltaic complementation曰 distributed power supply曰 electricenergy replacement曰 distribution network曰 acceptance ability12 王华莹袁李勇袁朱辉袁等.考虑配电网负荷的电动汽车充电站规划J.电力系统及其自动化学报袁2022袁34渊11冤院134-141.13 刘根才袁陆志欣袁杨智诚袁等.考虑SOC 均衡的分布式储能聚合控制方法J.电力电容器与无功补偿袁2020袁41渊3冤院174-181.窑1420窑可再生能源2023袁41渊10冤