考虑大规模电动汽车接入电网的双层优化调度策略.pdf

第４４卷第２１期２０１６年１１月１日电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌＶｌ０１．４４ＮＯ．２１ＮＯＶ．１，２０１６Ｄ０Ｉ：１０．７６６７／ＰＳＰＣ１５１６７２考虑大规模电动汽车接入电网的双层优化调度策略胡文平，何立夫，陈杰军。，于腾凯，孟良（１．国网河北省电力公司电力科学研究院，河北石家庄０５００２１；２．国网湖南省电力公司防灾减灾中心，湖南长沙４１０１２９；３．武汉大学电气．３２程学院，湖北武汉４３００７２）摘要：随着经济发展和化石燃料短缺、环境污染严重的矛盾日益尖锐，电动汽车（ＥｌｅｃｔｒｉｃＶｅｈｉｃｌｅ，ＥＶ）的发展和普及将成为必然趋势。大规模无序充电的电动汽车接入电网充电将给电网带来强大的冲击，并可能导致电网局部过负荷，威胁电网运行的安全性和经济性。因此研究了发电机、电动汽车、风力的协同优化计划问题，提出了一种基于输电和配电系统层面的电动汽车充放电计划双层优化调度策略。在输电网层，以减少发电机组的运行成本、ＰＭ２．５排放量、用户的总充电成本和弃风电量为目标，建立了基于机组最优组合的上层优化调度模型；在配电网层，以降低网损为目标，考虑网络安全约束和电动汽车的空间迁移特性，建立了基于最优潮流的下层优化调度模型。在基于标准１０机输电网和ＩＥＥＥ３３节点配电网的电力系统仿真模型上，对所提的基于双层优化的大规模电动汽车充放电调度策略进行了仿真分析，验证了所提双层优化调度策略的有效性和优越性。关键词：电动汽车；双层优化充放电策略；机组组合；最优潮流Ａｂｉ－ｌａｙｅｒｏｐｔｉｍｉｚａｔｉｏｎｂａｓｅｄｓｃｈｅｄｕｌｅｃｏｎｓｉｄｅｒｉｎｇｌａｒｇｅ－ｓｃａｌｅｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓＨＵＷｅｎｐｉｎｇ，ＨＥＬｉｆｕ２，’ＣＨＥＮＪｉｅｊｕｎ，ＹＵＴｅｎｇｋａｉ，ＭＥＮＧＬｉａｎｇ（１．ＳｔａｔｅＧｒｉｄＨｅｂｅｉＥｌｅｃｔｒｉｃＰｏｗｅｒＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｓｈｉｊｉａｚｈｕａｎｇ０５００２１，Ｃｈｉｎａ；２．ＳｔａｔｅＧｒｉｄＨｕｎａｎＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｍｐａｎｙａｎｄＲｅｄｕｃｔｉｏｎＣｅｎｔｅｒ，Ｃｈａｎｇｓｈａ４１０１２９，Ｃｈｉｎａ；３．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７２，Ｃｈｉｎａ）Ａｂｓｔｒａｅｔ：Ｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅ（ＥＶ１ｈａｓａｐｒｏｍｉｓｉｎｇｆｕｔｕｒｅｄｕｅｔｏｉｔｓｆｒｉｅｎｄｌｉｎｅｓｓｔｏｔｈｅｅｎｖｉｒｏｎｍｅｎｔａｎｄｐｏｔｅｎｔｉａ１ｔｏｒｅｄｕｃｅ—ｄｅｐｅｎｄｅｎｃｅｏｎｆｏｓｓｉｌｆｕｅｌｓ．ＩｆｌａｒｇｅｓｃａｌｅＥＶｓａｃｃｅｓｓｔｏｔｈｅｐｏｗｅｒｇｒｉｄｃｈａｒｇｉｎｇｄｉｓｏｒｄｅｒｌｙ，ｉｔｍａｙｌｅａｄｔｏｓｏｍｅｐｒｏｂｌｅｍｓｉｎｐｏｗｅｒｇｒｉｄ，ｓｕｃｈａｓｐｏｗｅｒｃｏｎｇｅｓｔｉｏｎ．Ｔｈｉｓｗｉｌｌｔｈｒｅａｔｅｎｔｈｅｓｅｃｕｒｉｔｙａｎｄｅｃｏｎｏｍｉｃｏｐｅｒａｔｉｏｎｏｆｐｏｗｅｒｇｒｉｄ．Ｔｈｅｒｅｆｏｒｅ，’ａＥＶｓｃｈａｒｇｉｎｇａｎｄｄｉｓｃｈａ—ｒｇｉｎｇｏｐｔｉｍａｌｓｃｈｅｄｕｌｉｎｇｓｔｒａｔｅｇｙｂａｓｅｄｏｎｂｉｌａｙｅｒｏｐｔｉｍｉｚａｔｉｏｎｉｓｐｒｏｐｏｓｅｄ：ｉｎｔｈｅｔｒａｎｓｍｉｓｓｉｏｎｓｙｓｔｅｍ，ｗｉｔｈｔｈｅｏｂｊｅｃｔｉｖｅｏｆｒｅｄｕｃｉｎｇｔｈｅｏｐｅｒａｔｉｏｎｃｏｓｔｓａｎｄＰＭ２．５ｅｍｉｓｓｉｏｎｓｏｆｇｅｎｅｒａｔｏｒｓ，ｃｈａｒｇｉｎｇｃｏｓｔｏｆｕｓｅｒｓａｎｄｗｉｎｄｃｕｒｔａｉｌｍｅｎｔｏｆｗｉｎｄｆａｒｍｓ．ｔｈｅｕｐｐｅｒｌａｙｅｒｏｐｔｉｍｉｚａｔｉｏｎｍｏｄｅｌｉＳｂｕｉｌｔｂａｓｅｄｏｎｄａｙ．ａｈｅａｄｕｎｉｔｃｏｍｍｉｔｍｅｎｔ（ＵＣ）；ｉｎｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｓｙｓｔｅｍ，ｗｉｔｈｔｈｅｇｏａｌｏｆｒｅｄｕｃｉｎｇｔｈｅｎｅｔｗｏｒｋｌｏｓｓ，ｔｈｅｌｏｗｅｒｌａｙｅｒｏｐｔｉｍｉｚａｔｉｏｎｍｏｄｅｌｉＳｂｕｉｌｔｂａｓｅｄｏｎＯＰＦｃｏｎｓｉｄｅｒｉｎｇｎｅｔｗｏｒｋｃｏｎｓｔｒａｉｎｔｓａｎｄｍｏｂｉｌｉｔｙｏｆＥＶｓ．Ｂａｓｅｄｏｎａｐｏｗｅｒｓｙｓｔｅｍｍｏｄｅ１ｃｏｎｓｉｓｔｉｎｇｏｆａ１０－ｕｎｉｔｔｒａｎｓｍｉｓｓｉｏｎｇｒｉｄａｎｄａｌｌＩＥＥＥ３３一ｂｕｓｄｉｓｔｒｉｂｕｔｉｏｎｇｒｉｄ，ｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓａｎｄｓｕｐｅｒｉｏｒｉｔｙｏｆｐｒｏｐｏｓｅｄｂｉ－ｌａｙｅｒｏｐｔｉｍｉｚａｔｉｏｎｓｔｒａｔｅｇｙｉｓｉｎｖｅｓｔｉｇａｔｅｄ．ＴｈｉｓｗｏｒｋｉＳｓｕｐｐｏｒｔｅｄｂｙＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（Ｎｏ．５１２７７１３５１ａｎｄＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＰｒｏｊｅｃｔｏｆＨｅｂｅｉＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｍｐａｎｙａｎｄＣｅｎｔｒａｌＵｎｉｖｅｒｓｉｔｙＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎ（Ｎｏ．２０４２０１５ｋｆ１００４）．Ｋｅｙｗｏｒｄｓ：ｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅ；ｂｉ－ｌａｙｅｒｏｐｔｉｍｉｚａｔｉｏｎｏｆｃｈａｒｇｉｎｇａｎｄｄｉｓｃｈａｒｇｉｎｇｓｔｒａｔｅｇｙ；ｕｎｉｔｃｏｍｍｉｔｍｅｎｔ；ＯＰＦ０引言截至２０１５年８月底，我国电动汽车保有量达到基金项目：国家自然科学基金项目（５１２７７１３５）；河北省电力公司科技项目和中央高校基本科研业务费专项资金（２０４２０１５ｋｆｌ００４）资助２２．３０万辆，国家明确提出到２０２０年电动汽车保有量达到５００万辆。由于大多数用户生活作息习惯和驾驶习惯的相近，规模化的电动汽车无序充电行为将可能出现集中化现象，给电网造成不可估量的影响。风能由于清洁、可再生的特点发展很快，但是风电场的接入对电网存在不利影响【ｌＪ。采用合理的电动汽车优化调度策略，规划电动汽车有序充电行胡文平，等考虑大规模电动汽车接入电网的双层优化调度策略．２３．为，可有效解决电动汽车随机充电行为对电网的不利影响，提高新能源利用率。因此研究大规模接入电网的电动汽车优化调度策略具有重要意义。—文献［２４］在低压配电网中研究电动汽车的充电策略，没有考虑与输电网侧发电机组的协调。在输电网层面上，也有人对电动汽车与发电机组的协调—优化做了不少研究。文献［５８］以机组的运行成本和ＣＯ２排放量最小为优化目标，研究了考虑电动汽车充电和放电的机组组合问题，研究发现通过充放电电动汽车能平滑负荷曲线，能降低电力系统对小而昂贵的小发电机组的依赖，因而能够减少机组的运行成本和ＣＯ２的排放量。基于双层优化的电动汽车充放电调度策略出现了一些报道。文献［９］提出了一种基于计及安全约束的机组组合的电动汽车优化调度方法，并建立了两阶段模型：子模型１即为机组最优组合模型，能够获得各时段最优充放电的电动汽车数量，子模型２在考虑交流潮流约束的情况下将各时段最优充放电的电动汽车数量合理的配到电网的各个节点上，其研究模型是针对输电网络，但在输电网络中，各个节点的电动汽车数量是相对固定的，可调度性较差。文献［１０．１１１建立了双层经济调度的电动汽车充放电调度模型，内层为最优潮流模型，优化电动汽车充放电负荷的时间分布特性，外层模型能优化出了电动汽车充放电负荷的最优空间分布，但其在考虑充放电负荷的空间分布时没有考虑电动汽车在电网节点中的流动性，其研究模型—也仅针对输电网络。文献［１２１３】分别研究了电动汽车有序充电的时间调度、空间调度和时空联合调度，其时空联合调度策略能够优化换电站的充电负荷在时间上和空间上的分布，但由于其决策矩阵能够指出具体的电动汽车去具体的换电站进行充电，当电动汽车和换电站的规模很大时，其优化算法的性能难以保证。文献［１４．１５１对电动汽车的充放电进行分层分区调度，在上层调度中，对电力系统和各电动汽车代理商进行协调优化，以负荷波动最小为目标，分配各代理商各时段的充放电负荷；在下层调度中，各代理商对管辖的电动汽车各时段的充放电状态进行控制，完成调度任务。上述基于双层优化的电动汽车充电策略是单独在输电网层或配电网层对时间和空间两个维度上进行优化调度，而根据文献［１６】的研究发现，有必要同时在输电网层和配电网层进行电动汽车充电策略的优化。因此本文提出了一种基于双层优化的电动汽车充放电调度策略，该双层优化调度策略在输电网层对电动汽车和发电机组、新能源进行时间维度上的优化，在配电网层考虑电动汽车的流动性对充放电负荷进行空间位置的优化。本文假设电动汽车充放电行为完全服从电网调度。１基于双层优化的电动汽车充放电调度策略１．１上层优化调度策略建模考虑到风电的波动性和不确定性，本文采用了基于场景分析的方法来描述风电的波动性和不确定性。在输电系统层面上，为使电动汽车的充放电负荷在时间上能与发电机组的出力、风电出力相协调以达到最优的效果，提出了基于日前机组组合模型的上层调度策略，其优化变量为各个时段中机组的启停状态及其出力、充放电的电动汽车数量和弃风电量。基于机组组合的上层优化调度策略的建模过程如下。１．１．１目标函数上层优化的目标是使得电动汽车的充放电负荷与发电机组出力、风电出力相协调，提升整体的经济性，所以上层优化策略应该要能降低发电机组的运行成本，减少污染物的排放，尽量消纳更多的风电，减少电动汽车车主的充电成本等。所以目标函数应该包括机组运行的燃料成本¨７－１８］、开停机成本【Ｊ、污染物排放惩罚成本、车主的充电成本、弃风的惩罚成本等几部分。（）：ａｉ＋：＋ｃｆｅｓ（１）（）＝Ａａｒ・・（１一ｒ／／１００）・（ａｉ＋：＋。）／ｉｏｏｏｏ一＼Ｓ１＜ｘＨｆｌＨＯｅｒＨ＝Ｆ＋（４）＝，—ＰＡｔＰａ．，，Ａｔ（５）旦＝，（６）ｗ＝ｉ式（１）～式（６）分别表示机组的燃料成本、ＰＭ２．５排放量惩罚成本、启动成本、停机成本、用户充电成本和弃风成本。其中（）为场景Ｓ下发电机组ｉ在时段ｆ的燃料成本；ａｉ，和Ｃｉ为机组ｉ的燃料成本特性曲线系数，是在场景Ｓ下发电机ｉ组在时段ｔ输出的有功功率。Ｅ（）为场景Ｓ下发电机组ｉ在时段ｆ的ＰＭ２．５排放量；Ａａｒ为平均燃煤收到基灰分（％），计算时，其默认值取２０；为燃煤灰分至ＰＭ２．５的转化系数（％），计算时，其默认值取５．１；７７控制措施对ＰＭ２．５的去除效率），计算时，其默认值取９９［２ｏ－２１１；ＰＭ２．５的排放量正比于煤耗量，，，为机组ｉ的煤耗特性曲线系数。，为发电机组ｉ在．２４．电力系统保护与控制时段ｆ的启动成本；为发电机组ｉ的热启动成本；为发电机组ｉ的冷启动成本；Ｘｏｆｆ为发电机组ｉ在时段ｆ之前的连续停机时间；为机组ｉ热启动和冷启动的过渡时间；为发电机组ｆ的最小允许停机时间；为发电机组ｉ的冷启动时间。在标准系统中，火电机组的停机成本为常数且通常为０【２引。为场景Ｓ下在时段ｆ的车主总充电成本；为时段ｆ的电动汽车的充电价格，，为时段ｔ的电动汽车的放电价格；，为场景Ｓ下在时段ｔ充电的电动汽车总数量；为电动汽车的平均充电功率；为场景下在时段ｆ放电的电动汽车总数量；为电动汽车的平均放电功率；为时段ｔ的时长，本文中其取值为１。为场景Ｓ下在时段ｆ的弃风惩罚成本；Ｗ为风电场数目；ｃ＇为弃风惩罚价格；为场景Ｓ下风电场ｗ在时段的弃风电量。在进行机组开停机序列决策时，以机组的启停成本最小为目标；在进行由风电场景驱动的在线机组的运行基点决策时，以所有场景的期望成本最小为目标。总的目标函数可表述为ＴＮｇ∑∑ｍｉｎ，（１一）＋ｒ＝１ｉ＝１ｒⅣ］ｒ７、∑∑Ｅ｛［（（）＋（）），，＋十］｝一Ｌｔ＝ｌｆ－１Ｊ式中：为总优化时段数：为发电机组总台数；为火电机组ｉ在时段ｔ的启停成本函数；．，发电机组ｉ在时段ｆ的运行状态，１表示运行，０表示停机；｛・ｊ为求所有场景的数学期望；Ｐｒ为风电场景出现的概率；（）为火电机组ｉ的燃料成本函数；为场景Ｓ下发电机组ｉ在时段的有功出力；为ＰＭ２．５排放惩罚价格因子；巨（）为火电机组ｉ的ＰＭ２．５排放量；为场景Ｓ下电动汽车车主在时段的总充电成本；为场景Ｓ下风电场在时段的总弃风惩罚成本。１．１．２约束条件下列约束条件在每个时段ｔ都必须满足。ＮｇＷ∑∑（，）＋，＋（，一）＝＋，（８）ｉ＝１ｗ＝ｌＮ｜Ｗ∑∑…（，，一）＋，，＋（，一，）＞ｉ＝１ｗ＝ｌＬＤ＋ＰｃＮｔ＋Ｒｌ～“一“一Ｒｄ，ｆＰｉ，ｔ一：一１，ｉ—’（Ｘｏｎ）（ｆ．ｆ一ｆｆ＋１）０、Ｘｏｆｆ－Ｔ，。）（ｚｆ『．ｆ＋１一）０ＮｔｓＮ．≤丁∑△，＝ｒ＝１∑，，Ａｔ＝Ｎ￣ＸＡｔａｆ＝１（１Ｏ）（１１）（１２）（１３）（１４）（１５）（１６）（１７）≤０，，，，（１８）式（８）表示系统功率平衡约束，式（９）～式（１１）分别表示系统的旋转备用约束、机组出力约束和爬坡约束。式（１２）、式（１３）表示机组最小开停机时间约束。式（１４）、式（１５）表示可充放电的电动汽车数量约束。式（１６）、式（１７）是充放电需求约束。式（１８）表示弃风电量约束。其中，为时段ｆ系统总的基本负荷；为场景Ｓ下风电场ｗ在时段ｆ的预测风电功率。其中，为发电机组ｉ的有功出力上限；Ｒ为时段ｔ的系统旋转备用需求。～为发电机组ｉ的最小有功出力。Ｒ．为机组ｉ在单个时段内最大上调有功量；．为机组ｉ在单个时段内最大下调有功量。为发电机组ｉ在时段ｆ之前处于运行状态的时间；发电机组ｉ在时段ｔ之前处于停机状态的时间；为发电机组ｉ的最小允许运行时间；为发电机组ｉ的最小允许停机时间。为ｔ时段可Ⅳ充电的电动汽车最大数量；为ｔ时段可放电的电动汽车最大数量。为一天中所有可充电的电△Ⅳ动汽车总数；为平均充电时长；．为一天中△所有可放电的电动汽车总数；为平均放电时长。．，为弃风电量；为预测的风电功率。１．２下层优化调度策略建模上层优化策略决定了输电网层的机组出力、风电出力和电动汽车总的充放电负荷曲线，配电网层就需要根据输电网的供电情况和电动汽车在配电网中的空间位置分布来将电动汽车总的充放电负荷最优的分配到配电网中的各个节点上。所以本文在配电网层面提出了基于最优潮流的下层优化调度策略，通过优化潮流分布，将电动汽车的总充放电负荷最优分配到配网的各个节点上，其优化变量为各个时段中各个节点的充放电电动汽车数量。胡文平，等考虑大规模电动汽车接入电网的双层优化调度策略．２５．１．２．１目标函数通常配网运营商希望将电动汽车的充放电负荷分配在最合适的节点上以改善配电网的潮流分布，降低配电网的总网损。所以下层优化调度模型以降低配电网的总网损为优化目标，将电动汽车充放电负荷最优分配在配网的节点上。下层优化调度策略的目标函数可以表示为ｒ“为配电网的所有节点集合：为节点和节点之间的线路在场景Ｓ下在时段ｆ传输的有功功率。．为节点可同时接入电网的最大电动汽车数量。．，和．，分别为场景Ｓ下在时段ｔ区域ｉ内的可接入电网进行充放电的电动汽车数量；，表示配电网中所划分的包括居民区，商业区和办公区在内的所有区域。厂＝ｍｉｎＥ［ｒ］（１９）２案例仿真式中：【．Ｊ为求所有场景的期望值；为场景下在时段ｔ整个配电网的总网损。１．２．２约束条件下列约束条件在每个时段ｔ都必须满足。，，＋一，，一．，一．，＝０（２０）一一＝０（２１）．ｉ，．（２２）ｌｓ，一（２３）≤０．十．一（２４），＝，（２５）．∑＝，（２６）ｃｆ，Ｋ（２７）ｉＥ』∑，，＝，，（２８）ｉｅ』式（２０）、式（２１）表示节点功率平衡约束；式（２２）是节点电压幅值约束；式（２３）表示节点电压幅值约束；式（２４）是节点充电容量约束；式（２５）、式（２６）表示区域电动汽车数量约束；式（２７）、式（２８）是上层调度计划约束。其中，．为场景下节点的有功电源在时段ｔ发出的有功功率；为节点在时段ｔ的有功负荷；．，为场景Ｓ下在时段ｔ在节点充电的电动汽车数量；为场景Ｓ下在时段ｔ在节点放电的电动汽车数量；为电动汽车的平均充电功率；为电动汽车的平均放电功率；．，为场景Ｓ下在时段ｔ节点传送出去的有功功率；为场景Ｓ下节点的无功电源在时段ｔ发出的无功功率；．为节点在时段ｔ的无功负荷；为场景Ｓ下在时段ｔ节点传送出去的无功功率：Ｋ为配电网中除平衡节点外的节点集合。．一和－ｍｉｎ分别为节点的电压允许最大值和最小值。，，ｍ为节点和节点之间的线路可传输最大功率；Ｋ为了验证所提的基于双层优化的电动汽车充放电调度策略的可行性和有效性，本节构建了一个包含火电机组、风电场、输电网络、配电网络和电动汽车的电力系统仿真模型，如图１所示。Ｑ－广９２０２ｌ０机＿（］０Ｉｌ１２３４５６７８９１ｏｌ１１２１３１４１５１６１１０系统＿０－２５２６２７２８２９３Ｏ３１３２Ｉ一一一一一一一一一ｊＩ一一２—２—２一一一一一一一一一一一一一一一一输电网配电网图１包含输电网络和配电网络的电力系统仿真模型Ｆｉｇ．１Ｓｉｍｕｌａｔｉｏｎｍｏｄｅｌｏｆｐｏｗｅｒｓｙｓｔｅｍｉｎｃｌｕｄｉｎｇｔｒａｎｓｍｉｓｓｉｏｎｎｅｔｗｏｒｋａｎｄｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋ２．１输电网层的仿真分析假设输电网中含有１５００００辆电动汽车，并比较了两种不同电价模式的仿真结果。算例一：输电网中不含电动汽车。算例二：电动汽车的充放电电价如图２（ａ）所示。算例三：电动汽车充放电电价如图２（ｂ）所示。ｌ喜一放电一充电１３５７９ｌ１ｌ３１５１７１９２ｌ２３时间／ｈ（ａ）算例二放电电价高于充电电价的峰谷电价＋充电——放电ｌ３５７９ｌｌｌ３１５１７１９２１２３时Ｉ＇￣／ｈ（ｂ）算例三恒定电价图２电动汽车充放电电价曲线Ｆｉｇ．２Ｐｒｉｃｅｐｒｏｆｉｌｅｓｏｆｃｈａｒｇｉｎｇａｎｄｄｉｓｃｈａｒｇｉｎｇ．２６．电力系统保护与控制将２．１节中的上层优化调度策略模型线性化后，用ＡＩＭＭＳ进行求解。上述２个算例的目标函数值和目标函数中的燃料费用、ＰＭ２．５排放量、启动成本、电力系统的运行成本、车主的充电成本、弃风电量的期望值见表１。与算例一和算例三相比，算例二的总目标函数值明显减小。其中算例二、三电动汽车充放电数量分布如图３所示，可以看出电动汽车充电集中在充电价格较低时刻，放电集中在放电价格较高时刻。２．２配电网层的仿真分析下层优化优化调度策略在ＩＥＥＥ３３节点的配电网络层进行仿真验证。为了便于研究电动汽车的迁移特性对配电网的影响，将配电网分成了居民区、商业区和办公区３个功能区，７０％的电动汽车属于居民区，２Ｏ％的电动汽车属于商业区，１０％的电动一嚣：庭：汽车属于办公区。当考虑到电动汽车的迁移时，在０白天大部分的电动汽车停留在办公区和商业区，在晚上大部分的电动汽车停留在居民区。假设在早上上班时间，居民区中８０％的电动汽车将迁移到办公ｆｂ）算例三仿真结果图３电动汽车充放电数量分布Ｆｉｇ．３Ｓｃｈｅｄｕｌｉｎｇｏｆｃｈａｒｇｉｎｇａｎｄｄｉｓｃｈａｒｇｉｎｇｏｆｄｉｆｆｅｒｅｎｔｃａｓｅｓ表１不同算例的目标函数值Ｔａｂｌｅ１Ｏｂｊｅｃｔｉｖｅｆｕｎｃｔｉｏｎｒｅｓｕｌｔｓｏｆｄｉｆｆｅｒｅｎｔｃａｓｅｓ算例四：基于输电网层的算例一，配电网中也没有电动汽车。算例五：基于输电网层的算例二，配电网的分区和电动汽车的迁移特性上所述。算例五电动汽车充电放电负荷在配电网中的分布如图４所示，本文给出算例五某一时刻电动汽车充电放电负荷在配电网中的分布如图５所示。算例四和算例五的网络损耗如图６所示，算例四和算例五配电网总网损耗分别为２．４９６４Ｍｗ和２．３８９８ＭＷ，算例五的总网损耗比算例四小，这说明通过调度电动汽车在特定位置进行充放电可以优化系统潮流，减少系统网络损耗。另外，通过图５和图６还可以发现，将配电网中的电动汽车调度到尽量靠近配电网首端的节点充电，到尽量靠近配电网末端的节点放电，能够减少配电网的总网损，提高配电网运行的经济性。在实际规划中，应将充电站尽可能建在靠近配网首末端的位置，并通过相应的差异化电价机制，运用弹性系数法分析用户对电价的响应程度，来引导电动汽车到靠近首端充电站充电，到靠近末端充电站放电。目叫姗懦（ｂ）配网中放电负荷的时空分布图４算例五的电动汽车充放电调度结果Ｆｉｇ．４ＲｅｓｕｌｔｏｆＥＶｓｃｈａｒｇｉｎｇａｎｄｄｉｓｃｈａｒｇｉｎｇｓｃｈｅｄｕｌｉｎｇｉｎｃａｓｅ５胡文平，等考虑大规模电动汽车接入电网的双层优化调度策略．２７．●）ｍｃｅＺＯｎｅⅡＣＩｎ瓢ａｌＺ曲ｅＲｅｓｉｄｅｎｔｉａｌＺ，’●●●●●●－－－一＿＿ｌ／０，９０２ｌＡ，．，ｔ３｜４．１５￣１６ＩＩ＇（．／—６７８９ｌＩ｝ｆ【２４・，／，’一／＿ＣｈａｒｇｉｔＳ．，Ｉ－２５２６－２７－２８－２，，，．９．￣Ｊｂ３１３２，，，－ＤｉｓｃｈａｒｇｉＩｌｊ，，．／图５算例五电动汽车充放电负荷在配电网中的分布Ｆｉｇ．５Ｓｃｈｅｍａｔｉｃｏｆｃｈａｒｇｉｎｇａｎｄｄｉｓｃｈａｒｇｉｎｇｉｎｔｈｅｎｅｔｗｏｒｋｉｎｃａｓｅ５时间／时图６配电网的总网损曲线Ｆｉｇ．６Ｎｅｔｗｏｒｋｌｏｓｓｃｕｒｖｅ３总结为了使电动汽车能与电源端进行协调优化，本文提出了基于双层优化的电动汽车充放电调度策略，该调度策略能分别从输电网层和配电网层对电动汽车的充放电进行协调优化。在输电网层，建立了基于随机机组组合模型的上层优化调度策略模型。上层优化调度策略优化出了各时段的机组启停状态和出力、消纳的风电功率和电动汽车充放电负荷。在配电网层，提出了基于最优潮流的下层优化调度策略。下层优化调度策略以提高配电网运行经济性为目标，根据上层调度策略优化出的结果，考虑电动汽车的空间分布特性，将各时段的电动汽车总充放电负荷优化的分配到配电网的各个节点上。最后基于标准的ｌ０机系统和ＩＥＥＥ３３节点构建了一个电力系统仿真平台，应用ＡＩＭＭＳ优化软件，对所提的基于双层优化的大规模电动汽车充放电调度策略进行了仿真分析。输电层研究了两种不同的电动汽车充放电电价模式对输电网的影响，分析结论显示恒定的电价模式无法引导电动汽车车主的充放电行为，反应负荷波动的峰谷电价才能引导车主在负荷低谷时充电。配电层研究了功能区划分和电动汽车的迁移特性对配电网运行的影响，仿真结果表明，为了提高配电网运行的经济性，配电网中的电动汽车将被调度到尽量靠近配电网首端的节点进行充电，而到尽量靠近配电网末端的节点进行放电，这样能减少配电网总网损。虽然本文中假设电动汽车充放电行为完全服从电网调度的这一前提不完全符合实际情况，但未来采取了相应的价格激励等措施后，对电动汽车进行智能引导，可以认为大部分的电动汽车会按电网需求进行优化充电，意味着能够间接的把大部分电动汽车充放电负荷主动分配到配电网的各个节点上。针对电动汽车对于智能引导措施的响应问题，将是下一步工作的重点。参考文献［１］马玲玲，杨军，付聪，等．电动汽车充放电对电网影响研究综述［Ｊ］．电力系统保护与控制，２０１３，４１（３）：１４０．１４８．ＭＡＬｉｎｇｌｉｎｇ，ＹＡＮＧＪｕｎ，ＦＵＣｏｎｇ，ｅｔａ１．ＲｅｖｉｅｗｏｎｉｍｐａｃｔｏｆｅｌｅｃｔｒｉｃＣａｒｃｈａｒｇｉｎｇａｎｄｄｉｓｃｈａｒｇｉｎｇｏｎｐｏｗｅｒｇｒｉｄ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１３，４１（３）：１４０－１４８．［２］党杰，汤奕，宁佳，等．基于用户意愿和出行规律的电动汽车充电负荷分配策略［Ｊ］．电力系统保护与控制，２０１５，４３（１６）：８－１５．ＤＡＮＧＪｉｅ，ＴＡＮＧＹｉ，ＮＩＮＧＪｉａ，ｅｔａ１．Ｒｅｓｅａｒｃｈｏｎｒｅｌａｙｉｎｇｔｅｃｈｎｏｌｏｇｉｅｓｏｆｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋｉｎｃｌｕｄｉｎｇｍａｓｓｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓｇｒｉｄ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１５，４３（１６）：８－１５．［３］佟晶晶，温俊强，王丹，等．基于分时电价的电动汽车多目标优化充电策略［Ｊ】．电力系统保护与控制，２０１６，—４４（１）：１７２３．ＴＯＮＧＪｉｎｇｊｉｎｇ，ＷＥＮＪｕｎｑｉａｎｇ，ＷＡＮＧＤａｎ，ｅｔａ１．—Ｍｕｌｔｉｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎｃｈａｒｇｉｎｇｓｔｒａｔｅｇｙｆｏｒｐｌｕｇ－ｉｎ—ｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓｂａｓｅｄｏｎｔｉｍｅｏｆ－ｕｓｅｐｒｉｃｅ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１６，４４（１）：１７－２３．［４］汪春，吴可，张祥文，等．规模化电动汽车和风电协同调度的机组组合问题研究［Ｊ］．电力系统保护与控制，２０１５，４３（１１）：４１－４８．ＷＡＮＧＣｈｕｎ，ＷＵＫｅ，ＺＨＡＮＧＸｉａｎｇｗｅｎ，ｅｔａ１．Ｕｎｉｔｃｏｍｍｉｔｍｅｎｔｃｏｎｓｉｄｅｒｉｎｇｃｏｏｒｄｉｎａｔｅｄｄｉｓｐａｔｃｈｏｆｌａｒｇｅｓｃａｌｅｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓａｎｄｗｉｎｄｐｏｗｅｒｇｅｎｅｒａｔｉｏｎ［Ｊ］．Ｐｏｗｅｒ—ＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１５，４３（１１）：４１４８．［５］薛松，袁越，傅质馨，等．考虑电动汽车入网技术的电力系统机组组合研究［Ｊ】．电力系统保护与控制，２０１３，４１（１０）：８６－９２．ＸＵＥＳｏｎｇ，ＹＵＡＮＹｕｅ，ＦＵＺｈｉｘｉｎ，ｅｔａ１．Ｕｎｉｔ——ｃｏｍｍｉｔｍｅｎｔｉｎｐｏｗｅｒｓｙｓｔｅｍｃｏｎｓｉｄｅｒｉｎｇｖｅｈｉｃｌｅ・ｔｏ－ｇｒｉｄ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１３，４１（１０）：８６－９２．事窆、窭．２８一电力系统保护与控制［６］ＳＡＮＤＳＴＯＲＭＯ，ＢＩＮＤＩＮＧＣ．Ｆｌｅｘｉｂｌｅｃｈａｒｇｉｎｇｏｐｔｉｍｉｚａｔｉｏｎｆｏｒｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓｃｏｎｓｉｄｅｒｉｎｇｄｉｓｔｒｉｂｕｔｉｏｎｇｒｉｄｃｏｎｓｔｒａｉｎｔｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＳｍａｒｔＧｒｉｄ，２０１２，３（１）：２６－３７．［７］ＭＥＴＳＫ，ＶＥＲＳＣＨＵＥＲＥＮＴ，ＨＡＥＲＩＣＫＷ，ｅｔａ１．Ｏｐｔｉｍｉｚｉｎｇｓｍａｒｔｅｎｅｒｇｙｃｏｎｔｒｏｌｓｔｒａｔｅｇｉｅｓｆｏｒｐｌｕｇ－ｉｎｈｙｂｒｉｄｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｃｈａｒｇｉｎｇ［Ｃ】／／ＮｅｔｗｏｒｋＯｐｅｒａｔｉｏｎｓａｎｄＭａｎａｇｅｍｅｎｔＳｙｍｐｏｓｉｕｍＷｏｒｋｓｈｏｐｓ（ＮＯＭＳＷｋｓｐｓ），２０１０ＩＥＥＥ／ＩＦＩＰ．ＩＥＥＥ，２０１０：２９３－２９９．［８］ＹＡＮＧＪ，ＨＥＬ，ＦＵＳ．ＡｎｉｍｐｒｏｖｅｄＰＳＯ－ｂａｓｅｄｃｈａｒｇｉｎｇｓｔｒａｔｅｇｙｏｆｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓｉｎｅｌｅｃｔｒｉｃａｌｄｉｓｔｒｉｂｕｔｉｏｎ—ｇｒｉｄ［Ｊ］．ＡｐｐｌｉｅｄＥｎｅｒｇｙ，２０１４，１２８：８２９２．［９］ＳＯＲＴＯＭＭＥＥ，ＨＩＮＤＩＭ，ＭＡＣＰＨＥＲＳＯＮＳＤＪ，ｅｔａ１．—Ｃｏｏｒｄｉｎａｔｅｄｃｈａｒｇｉｎｇｏｆｐｌｕｇｉｎｈｙｂｒｉｄｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓｔｏｍｉｎｉｍｉｚｅｄｉｓｔｒｉｂｕｔｉｏｎｓｙｓｔｅｍｌｏｓｓｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ—ｏｎＳｍａｒｔＧｒｉｄ，２０１１，２（１）：１９８２０５．［１０］张谦，刘超，周林，等．计及可入网电动汽车最优时空分布的双层经济调度模型［Ｊ］．电力系统自动化，２０１４，—３８（２０）：４０４５．—ＺＨＡＮＧＱｉａｎ，ＬＩＵＣｈａｏ，ＺＨＯＵＬｉｎ，ｅｔａ１．Ａｂｉｌｅｖｅｌｅｃｏｎｏｍｙｄｉｓｐａｔｃｈｍｏｄｅｌｃｏｎｓｉｄｅｒｉｎｇｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｏｐｔｉｍａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１４，３８（２０）：４０－４５．［１１］刘超．计及电动汽车最优时空分布的分级调度模型研究［Ｄ】．重庆：重庆大学，２０１４．ＬＩＵＣｈａｏ．Ａｈｉｅｒａｒｃｈｉｃａｌｄｉｓｐａｔｃｈｉｎｇｍｏｄｅｌｃｏｎｓｉｄｅｒｉｎｇｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｏｐｔｉｍａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓ［Ｊ］．Ｃｈｏｎｇｑｉｎｇ：ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙ，２０１４．［１２］田文奇，和敬涵，姜久春，等．电动汽车充电负荷空间—分配优化算法［Ｊ］．电工技术学报，２０１３，２８（３）：２６９２７６．ＴＩＡＮＷｅｎｑｉ，ＨＥＪｉｎｇｈａｎ，ＪＩＡＮＧＪｉｕｃｈｔｍ，ｅｔａ１．Ｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｃｈａｒｇｉｎｇｌｏａｄｓｐａｔｉａｌａｌｌｏｃａｔｉｏｎｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，２０１３，２８（３）：２６９－２７６．［１３］田文奇．基于时空双尺度的电动汽车换电站有序充电调度方法［Ｄ】．北京：北京交通大学，２０１３．ＴＩＡＮＷｅｎｑｉ．Ｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｂａｔｔｅｒｙｓｗａｐｐｉｎｇｓｔａｔｉｏｎｃｏｏｒｄｉｎａｔｅｄｃｈａｒｇｉｎｇｄｉｓｐａｔｃｈｍｅｔｈｏｄｂａｓｅｄｏｎｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｄｏｕｂｌｅｄｉｍｅｎｓｉｏｎｓ［Ｄ］．Ｂｅｉｊｉｎｇ：ＢｅｉｊｉｎｇＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，２０１３．［１４］姚伟锋，赵俊华，文福拴，等．基于双层优化的电动汽车充放电调度策略【Ｊ】．电力系统自动化，２０１２，３６（１１）：３Ｏ．３７．ＹＡＯＷｅｉｆｅｎｇ，ＺＨＡＯＪｕｒｌｈｕａ，ＷＥＮＦｕｓｈｕａｎ，ｅｔａ１．Ａｃｈａｒｇｉｎｇａｎｄｄｉｓｃｈａｒｇｉｎｇｄｉｓｐａｔｃｈｉｎｇｓｔｒａｔｅｇｙｆｏｒｅｌｅｃｔｒｉｃ—ｖｅｈｉｃｌｅｓｂａｓｅｄｏｎｂｉｌｅｖｅｌｏｐｔｉｍｉｚａｔｉｏｎ［Ｊ］．Ａｕｔｏｍａｔｉｏｎｏｆ—ＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１２，３６（１１）：３０３７．［１５］熊脶成．基于多尺度空间层次聚类的电动汽车充放电优化调度［Ｄ】．长沙：长沙理工大学，２０１３．ＸＩＯＮＧＬｕｏｃｈｅｎｇ．ＣｈａｒｇｉｎｇａｎｄｄｉｓｃｈａｒｇｉｎｇｏｐｔｉｍａｌｓｃｈｅｄｕｌｉｎｇｏｆＥＶｓｂａｓｅｄｏｎＳＳＨＣ【Ｄ］．Ｃｈａｎｇｓｈａ：ＣｈａｎｇｓｈａＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ．２０１３．［１６］ＯＲＴＥＧＡ．ＶＡＺＱＵＥＺＭＡ，ＢＯＵＦＦＡＲＤＦ，ＳＩＬＶＡＶ．Ｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅａｇｇｒｅｇａｔｏｒ／ｓｙｓｔｅｍｏｐｅｒａｔｏｒｃｏｏｒｄｉｎａｔｉｏｎｆｏｒｃｈａｒｇｉｎｇｓｃｈｅｄｕｌｉｎｇａｎｄｓｅｒｖｉｃｅｓｐｒｏｃｕｒｅｍｅｎｔ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＰｏｗｅｒＳｙｓｔｅｍｓ，２０１３，２８（２）：１８０６．１８１５．［１７］ＪＩＮＧＺＸ，ＳＨＡＯＷＹ，ＨＥＸＹ，ｅｔａ１．Ｒｅｓｅａｒｃｈｏｎｕｎｉｔｃｏｍｍｉｔｍｅｎｔｉｎｐｏｗｅｒｓｙｓｔｅｍｗｉｔｈｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓｃｌａｓｓｉｆｉｃａｔｉｏｎ［Ｃ】／／ＰｏｗｅｒａｎｄＥｎｅｒｇｙＳｏｃｉｅｔｙＧｅｎｅｒａｌＭｅｅｔｉｎｇｆＰＥＳ），２０１３ＩＥＥＥ．ＩＥＥＥ，２０１３：１－５．［１８］陆凌蓉，文福拴，薛禹胜，等．计及可入网电动汽车的电力系统机组最优组合［Ｊ］．电力系统自动化，２０１１，—３５（２１）：１６２０．ＬＵＬｉｎｇｒｏｎｇ，ＷＥＮＦｕｓｈｕａｎ，ＸＵＥＹｕｓｈｅｎｇ，ｅｔａ１．Ｕｎｉｔ—ｃｏｍｍｉｔｍｅｎｔｉｎｐｏｗｅｒｓｙｓｔｅｍｓｗｉｔｈｐｌｕｇｉｎｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１１，３５（２１）：１６－２０．［１９３ＳＡＢＥＲＡ，ＶＥＮＡＹＡＧＡＭ００ＲＴＨＹＧＫ．Ｉｎｔｅｌｌｉｇｅｎｔｕｎｉｔｃｏｍｍｉｔｍｅｎｔｗｉｔｈｖｅｈｉｃｌｅ－－ｔｏ・－ｇｒｉｄａｃｏｓｔ－・ｅｍｉｓｓｉｏｎｏｐｔｉｍｉｚａｔｉｏｎ［Ｊ］．ＪｏｕｍａｌｏｆＰｏｗｅｒＳｏｕｒｃｅｓ，２０１０，１９５（３）：８９８．９１１．［２０］ＳＡＢＥＲＡＹ，ＶＥＮＡＹＡＧＡＭＯＯＲＴＨＹＧＫ．Ｏｐｔｉｍｉｚａｔｉｏｎ—ｏｆｖｅｈｉｃｌｅ－ｔｏｇｒｉｄｓｃｈｅｄｕｌｉｎｇｉｎｃｏｎｓｔｒａｉｎｅｄｐａｒｋｉｎｇｌｏｔｓ［Ｃ］／／Ｐｏｗｅｒ＆ＥｎｅｒｇｙＳｏｃｉｅｔｙＧｅｎｅｒａｌＭｅｅｔｉｎｇ，’２００９．ＰＥＳ０９．ＩＥＥＥ．ＩＥＥＥ．２００９：１－８．［２１］ＳＡＢＥＲＡＹ，ＶＥＮＡＹＡＧＡＭＯＯＲＴＨＹＧＫ．Ｕｎｉｔｃｏｍｍｉｔｍｅｎｔｗｉｔｈｖｅｈｉｃｌｅ・－ｔｏ・－ｇｒｉｄｕｓｉｎｇｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ［Ｃ】／／ＰｏｗｅｒＴｅｃｈ，２００９ＩＥＥＥＢｕｃｈａｒｅｓｔ．ＩＥＥＥ，２００９：１－８．［２２］ＳＡＢＥＲＡ，ＶＥＮＡＹＡＧＡＭＯ０ＲＴＨＹＧＫ．Ｒｅｓｏｕｒｃｅｓｃｈｅｄｕｌｉｎｇｕｎｄｅｒｕｎｃｅｒｔａｉｎｔｙｉｎａｓｍａｒｔｇｒｉｄｗｉｔｈ—ｒｅｎｅｗａｂｌｅｓａｎｄｐｌｕｇｉｎｖｅｈｉｃｌｅｓ［Ｊ］．ＩＥＥＥＳｙｓｔｅｍｓＪｏｕｒｎａｌ，２０１２，６（１）：１０３－１０９．［２３］ＧＨＡＮＢＡＲｚＡＤＥＨＴ，ＧＯＬＥＩＪＡＮＩＳ，Ｍ０ＧＨＡＤＤＡＭＭＰ．Ｒｅｌｉａｂｉｌｉｔｙｃｏｎｓｔｒａｉｎｅｄｕｎｉｔｃｏｍｍｉｔｍｅｎｔｗｉｔｈｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｔｏｇｒｉｄｕｓｉｎｇｈｙｂｒｉｄｐａｒｔｉｃｌｅｓｗａ．ｒｌ￣ｏｐｔｉｍｉｚａｔｉｏｎａｎｄａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎ［Ｃ】／／ＰｏｗｅｒａｎｄＥｎｅｒｇｙＳｏｃｉｅｔｙＧｅｎｅｒａｌＭｅｅｔｉｎｇ，２０１１ＩＥＥＥ．ＩＥＥＥ，２０】】：】．７．收稿日期：２０１５－０９－１８；—修回日期：２０１６－０１１８作者简介：胡丈平（１９６８一），男，高级工程师，研究方向为电力系—统规划；Ｅｍａｉｌ：ｈｗｐ８＠１６３．ｃｏｍ陈杰军（１９９４一），男，通信作者，硕士研究生，研究方向为电力系统保护。Ｅ．ｍａｉｌ：２０１１３０２５４０２７９＠ｗｈｕ．ｅｄｕ．ｃｎ（编辑葛艳娜）