考虑净负荷最优可接纳域的配电网电源规划方法及系统

摘要

本发明公开了一种考虑净负荷最优可接纳域的配电网电源规划方法及系统，包括：获取发电机组有功和无功出力数据、线路潮流及容量数据和节点电压及相角数据；以最小化年化机组投资成本，运营成本和可靠性成本之和为目标，以考虑净负荷扰动后的约束作为约束条件，建立配电网电源规划目标优化模型；对约束条件进行消除平方项及不确定性转化处理，将目标优化模型转换为仿射调整鲁棒优化模型，然后将仿射调整鲁棒优化模型转化为无随机参数的确定性模型，对所述确定性模型进行求解，得到最优的机组位置及容量。本发明采用新的可靠性成本高效计算方法，无需引入0/1变量，可以高效计算可靠性成本，大大提升了所提模型的计算效率。

说明书

技术领域

本发明涉及电网规划技术领域，尤其涉及一种考虑净负荷最优可接纳域的配电网电源规划方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

搭建清洁高效的新型电力系统现已成为配电网规划建设的重要目标。与传统电力系统不同，新型电力系统中可再生能源的渗透率高，其带来的高度不确定性是配电网电源规划中应考虑的核心因素之一。因此，如何有效应对高比例的不确定性是配电网电源规划中亟待解决的问题。

规划问题中考虑的不确定性包括可再生能源出力的不确定性、负荷的不确定性、设备故障导致的不确定性等。这些不确定性严重影响了配网规划后系统运行的安全性和经济性，因此需要在规划阶段对其予以妥善考虑。根据所掌握的不确定性信息的特征，对不确定性的建模可归纳如下：

1)仅知道不确定性的变化范围，则可以采用区间描述该不确定性，进而建立区间优化或鲁棒优化模型；

2)已知不确定性的概率信息，则可以采用概率分布或由概率分布离散后的场景描述该不确定性，进一步建立随机优化、机会约束规划、成本/效益折中优化等模型。

为应对源-荷双侧功率扰动造成的不确定性，有学者提出节点可接纳域的概念。节点可接纳域为系统中的备用调节能力在空间上扰动源头处(即负荷和可再生能源接入节点)的映射，即净负荷节点处的抗扰动能力。在考虑节点可接纳域的优化模型中，将节点功率不确定性也视为可以优化的柔性对象而非固定的参数性信息，扩展了模型中待优化对象的范围，可以决策出综合考虑经济性与可靠性的节点功率扰动的最优可接纳域。除此之外，相比于传统对备用资源的优化决策，针对节点可接纳域的优化决策充分考虑了备用在网络中的传递能力，具有更强的空间针对性。

现有技术建立了一个双层经济调度模型，以安全性为首要目标，上层目标为最大化系统中节点扰动可接纳域之和；以经济性为次要目标，下层目标为最小化系统总运行成本，将上层优化所得的最优节点可接纳域之和作为下层优化的约束，使得总可接纳域的范围仍得到保证。现有技术建立了考虑可再生能源最大接纳能力(do-not-exceed limits)的调度模型，该问题可以转化为一个不确定参数区间可优化的鲁棒优化模型。为求解该问题，分别考虑了固定参与因子仿射策略，最优参与因子仿射策略，自适应控制策略三种方式。现有技术建立了基于成本/效益折中理念的调度模型，目标函数为最小化可接纳域内部对应的运行成本和接纳域外部的可靠性成本，同时决策出机组的运行基点和净负荷的最优可接纳域。

然而，上述研究均聚焦于大电网安全经济运行领域。在配网规划问题中，节点净负荷预测误差更显著，因此在配网规划中对于节点可接纳域的研究更加有必要，而目前配网规划中尚未有考虑节点可接纳域的研究。

成本/效益折中优化理念尤其适用于对节点可接纳域的优化决策。在决策节点最优可接纳域的成本/效益折中优化模型中，效益往往以可接纳域外部扰动对应的可靠性成本的下降表示，而可靠性成本的计算是优化模型计算的难点。可靠性成本通常表达为惩罚价格与期望能量，如期望弃风量(Expected wind spillage,EWS)/期望缺供电量(Expectedenergy not supplied,EENS)的乘积。在已知功率扰动概率分布的情况下，通常将概率分布分段线性化，并对每一段均引入0/1变量来表示该段是否存在EENS和EWS，从而得到EENS和EWS的分段线性表达式。然而，对概率分布分段线性化时，若分段数过少则导致EENS和EWS计算误差过大；若分段数过多，则在考虑节点净负荷扰动的配网电源规划问题中，由于每个时刻每个净负荷节点扰动概率分布的每一线性分段都需要引入一个0/1变量，从而使得模型中存在大量0/1变量，严重影响模型的计算效率。

现有技术建立了考虑EENS和EWS指标的机组组合模型，EENS和EWS指标计算中没有引入0/1变量。现有技术将EENS和EWS分段线性化后，通过优化的目标函数自动实现EENS和EWS的分段定位功能，然而未考虑节点的可接纳域以及网络的拓扑结构，计算的是系统总的EENS与EWS，而非节点上的EENS与EWS，计算EENS与EWS时没有考虑网络约束的限制，将会显著低估EENS与EWS数值。现有技术中将风电概率密度函数离散化后，进一步将EENS表达为离散场景概率与场景下的相对切负荷而非绝对切负荷量的乘积，所提方法严重低估了EENS的值。

发明内容

为了解决上述问题，本发明提出了一种考虑净负荷最优可接纳域的配电网电源规划方法及系统，在净负荷不确定性以概率分布描述的基础上，将节点净负荷可接纳域引入配电网规划中，同时提出一种无需引入0/1变量的线性化计算新方法，显著提升了模型求解的计算效率。

在一些实施方式中，采用如下技术方案：

一种考虑净负荷最优可接纳域的配电网电源规划方法，包括：

获取发电机组有功和无功出力数据、线路潮流及容量数据和节点电压及相角数据；

以最小化年化机组投资成本，运营成本和可靠性成本之和为目标，以考虑净负荷扰动后的约束作为约束条件，建立配电网电源规划目标优化模型；

对约束条件进行消除平方项及不确定性转化处理，将目标优化模型转换为仿射调整鲁棒优化模型，然后将仿射调整鲁棒优化模型转化为无随机参数的确定性模型，对所述确定性模型进行求解，得到最优的机组位置及容量。

在另一些实施方式中，采用如下技术方案：

一种考虑净负荷最优可接纳域的配电网电源规划系统，包括：

数据获取模块，用于获取发电机组有功和无功出力数据、线路潮流及容量数据和节点电压及相角数据；

模型构建模块，用于以最小化年化机组投资成本，运营成本和可靠性成本之和为目标，以考虑净负荷扰动后的约束作为约束条件，建立配电网电源规划目标优化模型；

模型求解模块，用于对约束条件进行消除平方项及不确定性转化处理，将目标优化模型转换为仿射调整鲁棒优化模型，然后将仿射调整鲁棒优化模型转化为无随机参数的确定性模型，对所述确定性模型进行求解，得到最优的机组位置及容量。

在另一些实施方式中，采用如下技术方案：

一种终端设备，其包括处理器和存储器，处理器用于实现各指令；存储器用于存储多条指令，所述指令适于由处理器加载并执行上述的考虑净负荷最优可接纳域的配电网电源规划方法。

在另一些实施方式中，采用如下技术方案：

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的考虑净负荷最优可接纳域的配电网电源规划方法。

与现有技术相比，本发明的有益效果是：

(1)本发明将节点净负荷可接纳域引入配网电源规划问题中，同时决策节点最优可接纳域和分布式电源建设容量；提出了一种高效的考虑净负荷最优可接纳域的配电网电源规划模型。该模型中，最优分界点内部的扰动，系统调用资源完全应对；最优分界点外部的扰动，在目标函数中通过可靠性成本进行惩罚。

(2)本发明采用新的可靠性成本高效计算方法，该方法将物理模型的潜在要求与数学优化相结合，相较于之前的可靠性成本计算方法，新提出的方法无需对已知的概率密度函数线性化，用相对的弃风切负荷量之和代替绝对的弃风切负荷量，且无需引入0/1变量和分段线性函数的截距，可靠性成本可以直接表达为线性一次表达式，显著简化了传统的可靠性成本表达，可以高效计算可靠性成本，大大提升了所提模型的计算效率。

(3)本发明考虑节点最优可接纳域能够直接关注净负荷的空间扰动源头，保证了规划的经济性和规划后系统运行的可靠性，实现了成本和效益的良好折中；提出的新的可靠性成本计算方法，可以高效计算每个节点处的功率损失，大大提高了模型的计算效率，具有重要的应用价值。

本发明的其他特征和附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本方面的实践了解到。

附图说明

图1为本发明实施例中净负荷扰动概率密度函数示意图；

图2为本发明实施例中概率密度函数线性化示意图；

图3为本发明实施例中分段线性的EENS函数示意图；

图4为本发明实施例中切负荷及可接纳域取值方向示意图；

图5为本发明实施例中改进的IEEE-33节点系统；

图6为本发明实施例中已知的有功/无功净负荷预测值；

图7为本发明实施例中Case B,C计算时间。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

实施例一

在一个或多个实施方式中，公开了一种考虑净负荷最优可接纳域的配电网电源规划方法，在净负荷不确定性以概率分布描述的基础上，将节点净负荷可接纳域引入配电网规划中，提出了一种计及净负荷最优可接纳域的配电网电源规划新模型。可接纳域内部的扰动，基于鲁棒的思想，调用资源予以完全应对；可接纳域外部的扰动，计算其相应的可靠性成本，在目标函数中予以软惩罚；可接纳域的端点，由投资成本、内部运行成本、外部可靠性成本折中优化决定。

在计算外部可靠性成本时，分析发现弃风时应优先弃掉扰度幅度较大的风电部分，切负荷时应优先切掉扰度幅度较大的负荷部分。若净负荷扰动概率密度函数在其预测值的两侧具有单调变化的特性，则净负荷的扰动幅度越大，扰动发生的概率便越小。根据这一规律，EENS和EWS的计算式可以进一步简化，从而提出一种无需引入0/1变量的可靠性成本计算新表达。进一步通过对偶理论、交替迭代启发式算法等技术，将模型进一步转化为线性规划问题进行求解。由于所提新可靠性成本表达式避免了0/1变量的引入，从而显著提升了所提模型的计算效率。最后基于配电网IEEE 33节点算例，证明了所提方法和模型的有效性。

本实施例方法具体包括如下过程：

(1)获取发电机组有功和无功出力数据、线路潮流及容量数据和节点电压及相角数据；

(2)以最小化年化机组投资成本，运营成本和可靠性成本之和为目标，以考虑净负荷扰动后的约束作为约束条件，建立配电网电源规划目标优化模型；

(3)对约束条件进行消除平方项及不确定性转化处理，将目标优化模型转换为仿射调整鲁棒优化模型，然后将仿射调整鲁棒优化模型转化为无随机参数的确定性模型，对所述确定性模型进行求解，得到最优的机组位置及容量。

具体地，本实施例的规划对象为机组的位置与容量。目标函数为最小化年化机组投资成本C

min(C

M

式(2)-(4)中：d为规划典型日的数量；g,t分别为发电机组和优化时段的索引；N

上述目标函数的约束条件包括基于净负荷预测值的约束和考虑净负荷扰动后的约束。基于净负荷预测值的约束为基准值下的约束，无不确定性；考虑净负荷扰动后的约束保证了考虑净负荷扰动后，机组出力及线路潮流等物理约束不越限，存在不确定性；两种约束条件都需要满足。

其中，基于净负荷预测值的约束如下：

1)功率平衡约束

发电机组有功、无功出力基准值需与有功、无功净负荷预测值平衡。

式中：i为节点索引，N

2)线路潮流及容量约束

配电网中通常计及有功潮流和无功潮流，有功潮流和无功潮流可简化为如下线性表达式:

式中：P

基于线性潮流表达式(6)，线路潮流可表达为节点注入功率的形式，具体表述如下：

式中：k为节点索引，与i,j含义相同；

式中：S

3)节点电压、相角约束

节点电压、相角与节点注入功率的矩阵关系可表达如下：

式中：

式中：

式中：V

4)机组出力约束

系统中机组出力约束表述如下。其中上级电源也被视为等效机组，其出力受变电站变压器容量等因素限制。

式中：λ

5)备用调整约束

系统中的发电单元需满足以下备用调整约束：

式(14)为机组g的备用调整容量约束；式(15)为机组g的备用调整速率约束，其中

考虑净负荷扰动的约束如下：

1)功率平衡约束

考虑净负荷扰动时，机组功率调整后的有功、无功出力值需与扰动后的有功、无功净负荷值平衡。

式中：

2)线路潮流及容量约束

考虑功率扰动后的线路潮流约束可表达如下：

式中：

3)节点电压、相角约束

类似于(10)-(11)，考虑净负荷扰动时的节点电压、相角约束可由(19)表示。

4)机组出力约束

以上约束表示考虑净负荷扰动时的机组功率仍在其出力约束范围内。

5)备用调整能力约束

上式给出了净负荷扰动后的上、下调备用量与机组出力变化的关系。

本实施例中，可靠性成本的计算过程如下：

①净负荷接纳能力

本实施例将可再生能源与负荷合并为净负荷，考虑其不确定性。以系统中的某节点为例，假设节点i在时段t净负荷扰动情况如图1所示(这里以正态分布为例，其它分布可以类似表示)。

图1中，横坐标x

本实施例净负荷的不确定性采用盒式不确定集描述，表达如下：

式中：

式(24)保证了节点净负荷随机扰动量在节点可接纳域范围内，且节点可接纳域在节点扰动域范围内。

②传统可靠性成本的表达

传统的节点净负荷扰动超出系统可接纳域上下限时系统的可靠性成本可表示如下：

式中：π

其中节点i处时段t的净负荷扰动超出节点可接纳域上下限的期望能量损失，即EENS

可见，EENS

具体线性化过程描述如下：

1)节点扰动域的分段

以某时刻某节点的净负荷上扰动为例，其图形如图2所示。首先在上扰动域上限处将概率密度函数曲线Pr(x

2)分段点EENS值的计算与分段线性EENS表达

由于可接纳域上限

根据图3中圆点处的横纵坐标值，求出分段线性EENS函数的斜率

式中：

③可靠性成本的新表达

在传统的EENS和EWS分段线性化过程中，分段数越多，可靠性指标数值计算越精确。但是当分段数s增多，以及负荷节点i和优化时段t较多时，EENS和EWS线性表达式中含有大量的0/1变量，且该方法需要同时计算分段线性表达式的斜率与截距，可靠性成本表达式较为繁琐，使得计算效率显著降低，弱化了该方法的价值。因此该方法并不适用于大型电力系统中可靠性成本的精确计算。

为此，本实施例提出了一种新的可靠性指标线性化方法。它无需引入0/1变量，简化了模型的表达，大大提升了模型的计算效率。需要说明的是，本实施例提出的新方法适用于任何不确定性参数的概率密度函数在期望值两侧具有单调性(左侧单调递增，右侧单调递减)的情况，并不要求其概率密度函数以期望值为轴对称分布。

1)EENS等效表达式

从物理问题的角度进行分析，以图4为例(为简便起见，图中参数及变量下标省略了i,t，如果净负荷扰动过大系统需要切负荷，则图中切负荷量必然从扰动上限点(最右端圆点)开始，从右向左取值，取满前一段才能取后一段，同理可接纳域的上限坐标

基于以上分析，可引入均匀分段后每段的长度Δk

式中：

由于可靠性成本在目标函数中被最小化，因此EENS趋向被最小化。当分段数s从右向左变化，即索引s从大到小降序取值时，若满足以下假设条件：式(31)中EENS表达式的斜率

对比(29)，(31)和(32)可以发现，(32)中EENS中无0/1变量，表达更加简洁。

对于EWS的处理过程与EENS一致，将EWS

2)分段线性EENS单调性的证明

上述从(31)到(32)的简化基于这样的假设：(31)中斜率

由图4可见，

当

式中：

3)可靠性成本的新表达

由于净负荷向上/下扰动时可靠性成本计算机理完全相同，根据2)中的EENS简化计算式(32)，可以得到系统总可靠性成本的简化线性表达式(35)：

式中：

本实施例中，对约束条件进行转化处理，具体包括：

①约束平方项线性化

模型约束(8),(13),(18),(21)中，存在非线性的平方项，本实施例采用功率圆线性化的方法消除平方项。以(21)为例，式(21)可转化为式(36)，类似约束(8),(13),(18)可采用相同的方法消除平方项，为简便起见在此不再赘述。

式中：m为功率圆内接多面体的分段数；

②不确定性转化处理

本实施例盒式不确定集(23)的引入，使得模型约束条件中含有随机参数

1)构造仿射关系

假设净负荷扰动与机组出力调整之间存在仿射关系，如(37)所示：

式中：

经过此处理后，原模型转化为仿射调整鲁棒优化模型。唯一含有随机参数的系统功率平衡式(16)自动满足，模型中的随机参数仅出现在不等式中，便于进一步求解。

2)模型处理

为将上述仿射调整鲁棒优化模型转化为确定性模型，引入辅助变量v

将存在随机参数的不等式约束进行处理。以(36)为例，将(37)，(40)代入(36)中，优化问题可表达如下：

式中：max符号用于寻找最劣扰动情况下的解，ω

式(18)-(19)可采用相同的方法进行转化，为简便起见，这里不再赘述。

经过以上处理后，仿射调整鲁棒优化模型已转化为无随机参数的确定性模型。该确定性模型中仍存在非线性项，非线性项由连续的分配系数变量与可接纳域变量相乘引起，无法直接通过线性求解器求解。

这里采用交替迭代启发式算法，该方法将原来的双线性问题转化为两个线性优化问题的迭代求解，从而实现了分配系数与可接纳域的联合优化，并且具有收敛速度快的特点，能够获得较好的优化效果。此时，原仿射调整鲁棒优化模型已转化为确定性的线性优化模型，可以调用现成的线性商业求解器进行求解。

其中，分配系数为每台机组应对扰动的比例系数，这台机组的分配系数即这台机组应对净负荷扰动大小的比例系数，所有机组分配系数之和等于1，为待优化变量。

可接纳域为节点处能够应对扰动的能力，单位为功率，有效可接纳域在给定的已知扰动域内。节点处的可接纳域为机组出力在扰动源头处的映射。

算例分析

本实施例在改进的IEEE-33节点配电网系统上测试，其拓扑结构如图5所示，该配电网系统由33个节点和32条线路组成。假设规划前该系统内没有分布式可调电源,初始发电资源仅有上级电网和部分风电机组。算例基于一个典型日进行规划，日内24h的净负荷预测值如图6所示。选择节点1为参考节点，节点电压上下限设为1.05p.u./0.95p.u.，相角变化范围为[-180°,180°]。模型中待扩建的可控DG可以在图5中编号6，9，13，17，21，24，27，31节点处建设，且每个节点的装机容量上限设为1MW，具体数据详见表1。

表1发电单元具体数据

假设每个节点i每个优化时段t的净负荷扰动均服从正态分布

可控DG单位容量的初始投资费用

本实施例提出的模型基于GAMS优化平台编程调用CPLEX求解器求解。使用的计算机配置为Win10系统，主频为3.2GHz，内存为16GB，收敛精度设为0.01％。

节点最优可接纳域的影响：

为了分析节点最优可接纳域的引入对规划结果和各部分成本的影响，本实施例给出以下算例场景：

CaseA：不考虑节点可接纳域，以安全可靠为首要目标，即节点扰动域内的扰动需调用系统资源绝对应对，不允许弃风和切负荷，可靠性成本为0。此时整个优化模型为线性规划(Linear Programming，LP)模型，调用CPLEX求解器进行求解。

CaseB：考虑节点最优可接纳域，可靠性成本计算采用传统含0/1变量的表达式(29)。此时优化模型为混合整数线性规划(Mixed Integer Linear Programming，MILP)模型，调用CPLEX求解器进行求解。

优化结束后，Case A,B的规划结果如表2所示，成本结果如表3所示。为简便起见，未建设机组的节点信息不再展示。

表2Case A,B规划结果

表3Case A,B成本结果

由表2可知，相较于Case B,CaseA选择建设DG的节点较少，但总规划建设容量增加了6.93％，这是因为考虑节点最优可接纳域的成本/效益折中方法中，净负荷扰动发生概率较小的部分，系统未调用资源应对，而是在目标函数中进行了惩罚。因此考虑节点最优可接纳域的模型对系统资源的需求相对较低，能够减少投资成本。

由表3可知，Case B相较于Case A，运行成本基本不变，其余成本除可靠性成本外，均有不同程度的降低。由于Case B对净负荷扰动的可接纳域进行优化决策，无需保证净负荷扰动的完全接纳，因此Case B中的模型对于备用资源的需求相对较低，备用成本降低了24.5％。虽然Case B增加了可靠性成本，但该部分成本由最优可接纳域外的净负荷扰动未应对所引起，概率加权值较小，发生概率低，对规划后系统的可靠性影响小。除此之外，CaseB相较于Case A投资成本降低了6.51％。综上所述，考虑节点最优可接纳域的规划模型能够保证规划的经济性和规划后系统运行的可靠性，具有较高的应用价值。

新的线性化方法有效性分析：

为了分析本实施例提出的简化线性化方法的有效性，本实施例补充以下算例场景：

Case C：考虑节点最优可接纳域，可靠性成本线性化计算中采用本实施例提出的新的引入分段可接纳域的方法。此时整个优化模型中无0/1变量，为LP模型，调用CPLEX求解器进行求解。

本实施例对Case B,C进行对比。随着净负荷上/下扰动域的分段数逐渐增加，CaseB,C的规划结果均为表4所示，计算时间对比如图7所示，成本结果对比如表5所示。

表4Case B,C规划结果

随着分段数的增加，两种线性化方法的规划结果完全相同，从而验证了本实施例所提新的线性化方法的有效性。由表4规划结果可以发现,随着分段数的增加，规划容量总体呈下降趋势，当分段数大于15时，规划总容量趋于不变，说明分段数大于15时可靠性成本的计算已较为精确，分段数的误差不再是影响规划结果的因素。

由图7计算时间可知：随着分段数的增加，由于Case B的可靠性成本计算中引入了较多的0/1变量，其计算效率下降明显；当分段数大于15时，由表4可知电源规划结果已不再变化，但计算效率随着分段数的增加下降较快；Case C成本计算中未引入0/1变量，其计算效率变化不大。当分段数为15时，Case C相较Case B计算效率提升了58.7％；当分段数为18时，Case C相较Case B计算效率提升了61.9％。因此本实施例模型中，采用新的可靠性成本线性化方法，并将分段数设为15，不仅可以获得较好的精度，亦可获得较高的求解效率。

表5Case B,C成本结果

对比Case B,C的成本结果可知，随着分段数的增加，两种线性化方法的成本结果基本相同,其中可靠性成本计算更加精细，渐渐趋于稳定值，进一步验证了本实施例所提线性化方法的有效性。当分段数大于15时，各部分成本已基本不变。因此本实施例模型中，采用新的可靠性成本线性化方法，并将分段数设为15，不仅可以获得较好的精度，亦可获得较高的求解效率。

实施例二

在一个或多个实施方式中，公开了一种考虑净负荷最优可接纳域的配电网电源规划系统，包括：

数据获取模块，用于获取发电机组有功和无功出力数据、线路潮流及容量数据和节点电压及相角数据；

模型构建模块，用于以最小化年化机组投资成本，运营成本和可靠性成本之和为目标，以考虑净负荷扰动后的约束作为约束条件，建立配电网电源规划目标优化模型；

模型求解模块，用于对约束条件进行消除平方项及不确定性转化处理，将目标优化模型转换为仿射调整鲁棒优化模型，然后将仿射调整鲁棒优化模型转化为无随机参数的确定性模型，对所述确定性模型进行求解，得到最优的机组位置及容量。

需要说明的是，上述各模块的具体实现方式已经在实施例一中进行了详细的说明，此处不再详述。

实施例三

在一个或多个实施方式中，公开了一种终端设备，其包括处理器和存储器，处理器用于实现各指令；存储器用于存储多条指令，所述指令适于由处理器加载并执行实施例一中所述的考虑净负荷最优可接纳域的配电网电源规划方法。

实施例四

在一个或多个实施方式中，公开了一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行实施例一中所述的考虑净负荷最优可接纳域的配电网电源规划方法。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。