余光正 林 濤 湯 波 陳汝斯 田 野

（1. 上海電力大學電氣工程學院 上海 200090 2. 武漢大學電氣與自動化學院 武漢 430072 3. 國網(wǎng)湖北省電力有限公司電力科學研究院 武漢 430077）

0 引言

近年來，為了解決能源危機和環(huán)保壓力，智能配電網(wǎng)中分布式電源（Distribution Generator, DG）接入電網(wǎng)越來越多。DG 包括風力發(fā)電、太陽能光伏發(fā)電、小型燃氣輪機等在改善系統(tǒng)電壓水平，減少系統(tǒng)網(wǎng)損，增強系統(tǒng)可靠性等方面具有重要意義[1]。

然而，大量DG 的接入使系統(tǒng)面臨諸多挑戰(zhàn)。其中最常見的是對系統(tǒng)電壓分布的影響和潮流的限制。此外，隨著電力電子變換器接口的DG 大量并網(wǎng)，使得諧波成為制約DG 接入電網(wǎng)的一大重要因素[2-3]。文獻[4]研究表明由于光伏模塊輸出功率的變化導致總諧波畸變率（Total Harmonic Distortion,THD）可達到20%，可能造成光伏逆變器停止工作。文獻[5]指出，在高滲透率DG 接入配電網(wǎng)的情況下，由于逆變器與配電網(wǎng)構(gòu)成諧振電路（并聯(lián)或者串聯(lián)諧振）可能導致逆變器THD 增大甚至停止工作。文獻[6]從諧波畸變約束的角度考慮DG 最大準入功率的計算方法，但是該文中采用試探的方法對模型進行求解，所得結(jié)果可能并非最優(yōu)解，且對于復雜模型難以有效應對。文獻[7]以電網(wǎng)諧波電壓總畸變率之和最小作為目標函數(shù)建立優(yōu)化模型，但該目標函數(shù)無法反映系統(tǒng)各個節(jié)點諧波畸變水平，有可能由于個別節(jié)點諧波電壓總畸變率過高而限制了DG 的準入功率。

傳統(tǒng)上，對于分布式網(wǎng)絡中的諧波分析僅僅是對諧波電壓畸變水平的識別和治理，主要依靠頻率掃描法[8]或者諧波潮流法[9]對諧波進行分析，進一步地設計濾波器來消除諧波的影響。這些方法主要進行確定性分析。然而，由于受環(huán)境（風速、光照等）因素的影響，DG 有較強的隨機性和波動性，給電力系統(tǒng)基波潮流[10-11]和諧波潮流帶來更多的不確定性[12-13]，使得傳統(tǒng)確定性方法無法適應DG 接入的情況。

多目標優(yōu)化問題即求解 Pareto 最優(yōu)解和Pareto 最優(yōu)前沿。處理多目標優(yōu)化問題的有效方法有三大類：人工智能類算法[14]、將多目標按一定權重比例轉(zhuǎn)化為單目標問題求解的加權法[15]、ε約束法[16]。其中加權法本質(zhì)上是將多目標問題轉(zhuǎn)化為單目標問題，求得的解具有明顯的偏向性；人工智能類算法具有依賴初始總?cè)?、收斂不穩(wěn)定、容易早熟等缺點。針對ε約束法不能保證所求解集均為Pareto最優(yōu)解，文獻[17]提出了擴展ε約束法，擴展ε約束法具有計算效率高、求解結(jié)果均為Pareto 有效解的優(yōu)點。然而，擴展ε約束法并沒有反映各目標函數(shù)對產(chǎn)生Pareto 解集的重要性。文獻[18]利用擴展ε約束法結(jié)合CPLEX 軟件對供應鏈多目標績效優(yōu)化問題進行求解。但是對于復雜非線性混合優(yōu)化問題，傳統(tǒng)商業(yè)軟件CPLEX 難以有效應對。

針對上述問題，本文對不同類型DG（風電、光伏發(fā)電）有功出力的不確定性提出了基于點估計法的概率潮流計算方法。在此基礎上，提出了一種評價全網(wǎng)諧波裕度-均衡度的指標，該指標既能反映電網(wǎng)各個節(jié)點的諧波電壓總畸變率水平，也能綜合體現(xiàn)全網(wǎng)諧波分布程度。進一步地，以DG 接入電網(wǎng)功率最大和電網(wǎng)諧波-裕度均衡度綜合指標最小為目標函數(shù)，以DG 候選接入電網(wǎng)的位置以及準入功率為優(yōu)化變量，在滿足常規(guī)約束的情況下考慮系統(tǒng)諧波畸變水平，并以國標限值為約束條件建立優(yōu)化模型。為了更好地求解該混合整型非線性規(guī)劃問題，提出了一種基于權重的粒子群優(yōu)化-擴展ε約束法（Particle Swarm Optimization-ε-Constraint Method,PSO-AWCM）進行多目標優(yōu)化計算，通過IEEE 33節(jié)點算例對本文所提方法進行驗證。

1 DG 諧波源模型及概率潮流計算方法

1.1 DG 諧波源模型

DG 通過電力電子裝置接口并網(wǎng)，通常將基于逆變器接口的DG 等效為諧波電流源[1,19-20]。參考文獻[21]，簡化的DG 模型可以表示為

參考IEC61000-3-6[22]負載諧波電流求和的方法，可以將其擴展運用于同一節(jié)點多DG 諧波電流源求和，即

式中，N為接入節(jié)點i處的DG 個數(shù)；為節(jié)點i處N個DG 向電網(wǎng)注入的h次諧波電流；指數(shù)β表示不同頻率下的聚合關系。具體地，當諧波次數(shù)h＜5時，β=1；當5≤h≤10 時，β=1.4；當h＞10 時，β=2。

1.2 基于2m+1 點估計法概率潮流計算方法

對于基波概率潮流，輸入隨機變量為DG 有功出力的變化，輸出隨機變量為各節(jié)點電壓。有功網(wǎng)損映射函數(shù)為基波潮流計算方程，對于諧波概率潮流，輸入隨機變量為DG 注入的諧波電流，輸出隨機變量為各節(jié)點諧波電壓和各支路諧波電流，映射函數(shù)為諧波潮流計算方程?；?m+1 點估計基波/諧波概率潮流[13]計算方法如下：

（1）應用2m+1 點估計法，求取輸入隨機變量的三個估計值及三個估計值對應的概率值。

（3）對每一個隨機變量執(zhí)行步驟（2）。

（4）獲取步驟（3）各估計值下求得輸出隨機變量大小，與步驟（1）中各估計值對應的概率值做乘法，并累加求和，即

得到輸出隨機變量的期望。

（5）獲取步驟（3）各估計值下輸出隨機變量大小并取二次方，與步驟（1）中各估計值對應的概率值做乘法，并累加求和，即

（6）結(jié)合步驟（4）和步驟（5）得到輸出隨機變量的方差。

由此，通過以上步驟可以求得基波潮流下的各節(jié)點電壓和網(wǎng)損分布，諧波潮流下各節(jié)點諧波電壓和支路諧波電流分布。

2 考慮不確定性的諧波裕度-均衡度評估

DG 接入電網(wǎng)的同時會向網(wǎng)絡中注入諧波，在靠近接入點的位置諧波畸變水平較大，當DG 接入功率增大到一定程度時，某些節(jié)點最先超過國標規(guī)定值。DG 接入電網(wǎng)，通過概率潮流計算后，如果節(jié)點諧波電壓的CP95 值小于GB14549—1993 規(guī)定值，則說明該節(jié)點具有一定的諧波波動裕度。節(jié)點諧波電壓裕度越大，其發(fā)生諧波超標的風險就越小。

木桶理論認為，是最短的木板決定了木桶的最大容量。為了在滿足諧波不超標的基礎上盡可能使DG 接入功率更多，應使電網(wǎng)各個節(jié)點諧波裕度分布盡可能均衡，避免由個別節(jié)點諧波電壓裕度過小而限制DG 接入電網(wǎng)的功率。因此，本文提出了全網(wǎng)諧波裕度-均衡度綜合評價指標。全網(wǎng)諧波裕度-均衡度綜合評價指標由電網(wǎng)平均諧波裕度和電網(wǎng)整體諧波裕度-均衡度組成。

2.1 電網(wǎng)平均諧波裕度

本文通過基波概率潮流和諧波概率潮流計算后得到相應輸出隨機變量的概率分布，并以CP95 為真值，計算電網(wǎng)平均諧波裕度。電網(wǎng)平均諧波裕度可以反映電網(wǎng)整體諧波裕度水平的高低。

采用聚類算法計算均值，具體步驟如下：

（1）假設某電網(wǎng)所有節(jié)點的集合為S，共有N個節(jié)點，依照諧波裕度可分為K類，并將這K個集合命名為nK。其中，集合S1有n1個節(jié)點，集合S2有n2個節(jié)點，依次類推，集合Sk有nk個節(jié)點。

（2）分別計算集合S1～Sk的聚類中心CS1～CSk，然后依據(jù)每個集合所有節(jié)點的諧波裕度總和占電網(wǎng)所有節(jié)點的諧波裕度總和的比例分配權重AS1～ASk，計算公式為

式中，iλ為節(jié)點i的諧波裕度；S為整個系統(tǒng)節(jié)點集合；Sj為k個集合中的第j個子集。

（3）電網(wǎng)平均諧波裕度均值的計算公式為

依據(jù)系統(tǒng)諧波裕度指標將電網(wǎng)節(jié)點自動聚類為從“裕度極大”至“裕度極小”的幾類，對每一類節(jié)點單獨賦予權重，使得計算結(jié)果更加精確。該指標反映了電網(wǎng)各個節(jié)點的諧波電壓總畸變率水平，電網(wǎng)平均諧波裕度越大，表示電網(wǎng)諧波畸變水平越低。

2.2 電網(wǎng)整體諧波裕度均衡程度

單靠均值并不能體現(xiàn)聚類的每一類別內(nèi)部的離散度。進一步，引入了離散度指標，即基尼系數(shù)。

基尼系數(shù)是一個0～1 之間的無量綱值，可以用一個數(shù)值從整體上反映數(shù)據(jù)分布的均勻程度。當基尼系數(shù)越大，則數(shù)據(jù)分布越不均衡；當基尼系數(shù)越小，則分布越均勻?；嵯禂?shù)的計算公式為

該公式的實質(zhì)是利用定積分的定義，將對洛侖茲曲線的積分分成n個等高梯形的面積之和。計算節(jié)點諧波電壓裕度的基尼系數(shù)，各節(jié)點為單獨個體，即一個節(jié)點為一組。將子集集合S1～Sk的節(jié)點先按照諧波裕度數(shù)值從小到大進行排序，然后計算每個集合的基尼系數(shù)GS1～GSk。則電網(wǎng)諧波裕度基尼系數(shù)G為

該指標反映全網(wǎng)諧波裕度分布均衡程度。電網(wǎng)諧波裕度基尼系數(shù)越大，則電網(wǎng)諧波風險越不均衡，電網(wǎng)諧波總畸變率超標風險越大；基尼系數(shù)G越小，表示諧波裕度均衡度越好，電網(wǎng)諧波裕度分布越均衡，個別節(jié)點諧波越限風險越小。

2.3 電網(wǎng)整體諧波裕度均衡度綜合評價指標

綜合對電網(wǎng)平均諧波裕度式（4）和電網(wǎng)諧波裕度基尼系數(shù)式（6）進行分析，λ的取值范圍在[0，a%]，其中a%為國標規(guī)定的諧波限值；G取值范圍為[0,1]。為了將兩個指標統(tǒng)一在同一數(shù)量級，分別對其進行歸一化處理，即

可以采用基于層次分析 熵權法（AHP-EWM）確定兩種指標的權重和PG，AHP-EWM 具體見文獻[17]。最終的電網(wǎng)整體諧波裕度-均衡度綜合評價指標計算公式為

式中，為電網(wǎng)整體平均諧波裕度指標的權重；PG為電網(wǎng)諧波裕度基尼系數(shù)評價指標的權重。

該指標綜合了電網(wǎng)各個節(jié)點的諧波電壓總畸變率水平和全網(wǎng)諧波分布均衡程度，電網(wǎng)整體諧波裕度-均衡度綜合評價指標越小，電網(wǎng)各個節(jié)點的諧波電壓總畸變率水平越小，全網(wǎng)諧波分布越均衡。

3 基于電網(wǎng)諧波裕度均衡度綜合指標的DG 最大準入功率計算模型

3.1 目標函數(shù)

選取電網(wǎng)的諧波裕度-均衡度綜合指標最小的同時系統(tǒng)接納DG 有功出力最大作為優(yōu)化目標，以DG 接入位置和接入功率作為優(yōu)化變量，目標函數(shù)數(shù)學模型為M2，即

式中，PDG為DG 接入系統(tǒng)準入功率；Vmar為系統(tǒng)諧波裕度-均衡度綜合指標。

3.2 約束條件

3.2.1 等式約束

等式約束中，基波潮流方程如式（10）所示，諧波潮流方程如式（11）所示。假設負荷水平給定，有

式中，Vi、Vj分別為節(jié)點i、j處電壓；θij為節(jié)點i、j間相位差；PDGi、QDGi分別為節(jié)點i處的DG 有功和無功量；PDi、QDi分別為節(jié)點i處有功和無功負荷量；Yh為h次諧波節(jié)點導納矩陣；Vh為h次諧波節(jié)點電壓列向量；Ih為h次諧波注入電流列向量。

3.2.2 不等式約束

4 基于PSOAWCM 多目標優(yōu)化計算方法

為了更好地求解多目標優(yōu)化問題，本文提出了基于權重的PSO-AWCM 多目標優(yōu)化算法來求解本文所建立的模型。該方法考慮了目標函數(shù)在求解Pareto 解集的模型中的相對重要性，并與混合粒子群優(yōu)化算法相結(jié)合，以設置不同的ε約束值循環(huán)調(diào)用單目標的混合粒子群優(yōu)化算法以求得模型的Pareto 最優(yōu)解集。

4.1 擴展權重ε 約束法

擴展ε約束法（ACM）多目標優(yōu)化算法具體如下。

以DG 準入功率最大即1f作為主目標函數(shù)，以電網(wǎng)諧波裕度均衡度最小f2作為約束目標，基于擴展ε約束法的多目標優(yōu)化問題計算形式為

其中

然而，式（15）并沒有反映目標函數(shù)f1、f2對產(chǎn)生Pareto 解集的重要性。為了反映各個目標函數(shù)對求解多目標優(yōu)化Pareto 解集的影響，式（15）的目標函數(shù)可以寫作

式中，wi為第i個目標函數(shù)的權重；p為目標函數(shù)的數(shù)量（本文多目標優(yōu)化模型中p=2）；is為多目標優(yōu)化問題約束條件的松弛變量；ir為第i個目標函數(shù)的跨度值，通過參數(shù)ie的迭代變化可以得到有效的Pareto 解集。值得注意的是，PSO-AWCM與將多目標按一定權重轉(zhuǎn)化為單目標求解的傳統(tǒng)方法相比，有本質(zhì)不同，后者無法保證求得解的有效性。

4.2 基于PSO-AWCM 多目標計算方法

PSO-AWCM 的計算流程如下：

（1）計算支付表：按照字典順序優(yōu)化各個字母表得到支付表，以此來保障最終得到的解均為Pareto 最優(yōu)解。

（2）計算第m個目標函數(shù)跨度值：通過支付表第m列中對應的目標函數(shù)m的值，其中最大值和最小值表示目標函數(shù)的范圍，通過該范圍可以計算得到目標函數(shù)m的跨度值。即

（3）轉(zhuǎn)換目標函數(shù)：通過支付表得到所有目標函數(shù)rm范圍后，用q2?1 個網(wǎng)格點將目標函數(shù)f2的跨度值分割為q2個等間距。計算跨度的最小和最大值，對于f2有q2+1 個網(wǎng)格點。因此多目標優(yōu)化最終轉(zhuǎn)化為q2+1 個如式（17）的單目標優(yōu)化問題以獲得Pareto 最優(yōu)解集。

（4）求解轉(zhuǎn)換后的優(yōu)化模型：式（16）的單目標優(yōu)化問題可以用PSO 人工智能優(yōu)化算法來求解。具體優(yōu)化模型為

式中，X為決策變量，即DG 接入位置及容量；iξ為配電網(wǎng)系統(tǒng)中第i個狀態(tài)量；ξmax為最大狀態(tài)數(shù)；為DG 接入容量。

4.3 最優(yōu)解的選取

通過前文所述多目標數(shù)學規(guī)劃方法可以得到Pareto 解集，然而決策者需要選擇一個最佳折中的解來滿足具有不同權重因子的各個目標函數(shù)。為了解決該問題，本文結(jié)合模糊決策理論，計算每個目標函數(shù)的線性隸屬度函數(shù)，該函數(shù)反映了Pareto 最優(yōu)解中各個目標函數(shù)的最大值與最小值間的相對距離。對于某個單獨子目標函數(shù)，其值離最理想值越近，則隸屬度函數(shù)值越大。

式中，與分別為第i個目標函數(shù)在第k個Pareto解集中的值和對應的隸屬度函數(shù)。對于第k個Pareto解集的總隸屬度函數(shù)，將其歸一化為

式中，iw為第i個目標函數(shù)的權重因子；m為Pareto最優(yōu)解集個數(shù)。

5 仿真算例與結(jié)果分析

5.1 算例說明

為了檢驗本文所提出的研究方法的有效性和優(yōu)越性，本文利用改進的配電網(wǎng)IEEE 33 標準節(jié)點算例對所提方法進行驗證。對于改進IEEE 33 節(jié)點標準算例，其拓撲結(jié)構(gòu)如圖1 所示。具體地，該配電網(wǎng)算例中含有33 個節(jié)點，37 條支路，基準電壓為12.66kV，系統(tǒng)有功負荷為3 715kW，無功負荷為2300kvar，詳細的支路參數(shù)與節(jié)點負荷數(shù)據(jù)可參考文獻[24]。接入DG 的有功功率上限為2 000kW，由于DG 通常通過電壓源換流器接入系統(tǒng)，可將無功控制在一定范圍內(nèi)，故在此只考慮有功功率。DG 待選安裝節(jié)點為2, 3, 10, 17, 19, 20, 23, 27 和32。本文所研究的DG 主要包括風力發(fā)電和光伏發(fā)電。風機運行參數(shù)見文獻[12]。風電向系統(tǒng)注入的諧波電流頻譜參考文獻[21]。

圖1 IEEE 33 節(jié)點的拓撲系統(tǒng)Fig.1 Topology of IEEE 33 distribution network system

5.2 DG 諧波頻譜

式中，Ih為第h次諧波電流幅值；c為Weibull 分布尺度參數(shù)；k為Weibull 分布形狀參數(shù)。對于低頻段的諧波，k取值相對較高（k≥3），此時諧波電流幅值分布近似正態(tài)分布。

對于光伏發(fā)電裝置，其向電網(wǎng)等效注入的諧波與逆變器輸出功率有關。文獻[26]通過實測數(shù)據(jù)，擬合出其輸出功率與發(fā)出諧波的關系，具體見表1。

表1 某光伏變換器發(fā)出的諧波值Tab.1 Emission of harmonic of converter in PV system

表1 反映了光伏發(fā)電裝置在不同發(fā)電水平下向電網(wǎng)注入各次諧波的水平，光伏發(fā)電裝置滲透率越高，向電網(wǎng)注入的諧波水平越低。

為了簡化研究，假設不同類型的DG 向電網(wǎng)注入諧波電流的相位相同，只考慮幅值的變化。

5.3 多目標優(yōu)化算法對比

表2 為本文所提多目標優(yōu)化方法支付表。如果忽略目標函數(shù)1f的約束，以f2為單目標函數(shù)，可得DG 最大消納能力可達到1 592.58kW，此時對應的電網(wǎng)諧波裕度-均衡度綜合指標為0.578。如果以1f為單目標函數(shù)忽略目標函數(shù)f2，則可以是電網(wǎng)諧波裕度-均衡度綜合指標下降到0.485，但是此時對應的DG 最大消納能力下降到1 070.22kW。也就是說，兩個目標函數(shù)是相互矛盾的。最優(yōu)解就是在多目標優(yōu)化模的Pareto 解集中找到相對折中的解。

表2 計及諧波裕度-均衡度指標分布式電源接入問題支付表Tab.2 Payoff table for distributed generator accessing scheme considering balance degree of harmonic margin

為了驗證本文所提多目標優(yōu)化算法 PSOAWCM 優(yōu)越性，采用典型人工智能優(yōu)化算法NGSAII[14]和ACM[17]算法進行對比。表3 中各個Pareto 解集的總隸屬度函數(shù)的計算考慮了各個子函數(shù)的隸屬度值和其權重，如式（20）。Pareto 解集中的最優(yōu)解就是總隸屬度函數(shù)值最大對應的解。改變權重因子，可以使決策者對最優(yōu)解的選擇具有偏向性。

根據(jù)表3，相對于傳統(tǒng)ACM 算法與NGSA-II所求的結(jié)果，利用本文提出的PSO-AWCM 多目標優(yōu)化算法求解本文提出的考慮諧波裕度-均衡度綜合指標的分布式電源最大功率準入模型，所得Pareto 最優(yōu)解的總隸屬度函數(shù)值更大，根據(jù)上文提出的模糊決策理論，PSO-AWCM 求解出的Pareto 解為最優(yōu)解。

表3 不同優(yōu)化算法最優(yōu)Pareto 解集對比Tab.3 Comparison of the most preferred Pareto solution considering different weighting factor of object function

表2 中第一行表示以子目標函數(shù)1f為單目標函數(shù)求解出的f1最小值和此時f2的值。將表3 中的最優(yōu)解與表2 中第一行對比，可以發(fā)現(xiàn)單目標函數(shù)求得1f值略小于最優(yōu)解中1f的值，然而最優(yōu)解中對應的f2的值則明顯大于單目標函數(shù)中對應的f2的值。表明了在犧牲DG 準入功率較少的情況下，電網(wǎng)諧波裕度均衡度更好，電網(wǎng)更加安全。

5.4 不同優(yōu)化模型比較

為了驗證本文所提出的電網(wǎng)整體諧波裕度-均衡度綜合評價指標的優(yōu)越性，作為對比，以系統(tǒng)諧波電壓總諧波畸變率之和最小[8]以及系統(tǒng)接納DG準入功率最大作為優(yōu)化目標，標記為M1，本文所提優(yōu)化模型見式（8），記作M2。對DG 進行接入位置和容量的確定。M1 數(shù)學模型為

式中，THDVi為各個節(jié)點諧波電壓總畸變率；THDtotal為系統(tǒng)諧波電壓總畸變率；n為系統(tǒng)節(jié)點數(shù)。優(yōu)化算法中，取種群規(guī)模為100，迭代次數(shù)為30 次。在計算諧波裕度-均衡度綜合評價指標過程中λω、Gω分別取0.42 和0.58，所得結(jié)果見表4。

通過對表4 結(jié)果分析，相較于基于模型M1 所得接入方案，基于模型M2 所得接入方案最大接入容量更大、網(wǎng)損更小、電壓水平更優(yōu)。

1）在DG 準入容量方面：基于模型M2，最大接入容量為1 428.65kW，相較于基于模型M1 所得結(jié)果1 291.49kW，增加了10.62%，提升明顯，而配電網(wǎng)的諧波電壓總畸變率之和僅上升了2.98%。因此，采用諧波裕度-均衡度綜合指標作為優(yōu)化目標之一，可在通過均衡節(jié)點諧波電壓分布水平，提高DG準入容量的同時，保證總的諧波畸變水平基本不變。在不同優(yōu)化模型下各個節(jié)點諧波電壓畸變率對比結(jié)果如圖2 所示。

表4 結(jié)果對比分析Tab.4 Analysis of comparison results

圖2 不同目標函數(shù)下的各節(jié)點諧波電壓畸變率對比Fig.2 THD comparison of each node harmonic voltage under different optimal model

2）在系統(tǒng)網(wǎng)損方面分析，模型M2 相較于模型M1 由194.970 1kW 降低到184.865 5kW。說明采用諧波裕度-均衡度綜合指標作為優(yōu)化目標之一能更好地降低網(wǎng)損。具體各支路有功損耗計算結(jié)果如圖3 所示。

圖3 不同優(yōu)化模型下的有功損耗對比Fig.3 Comparison of power loss under different optimal model

3）在系統(tǒng)各節(jié)點電壓水平方面?；谀Ｐ蚆2，節(jié)點電壓最小值由基于模型M1 的0.969 6(pu)上升到0.973 8(pu)，且如圖4 所示，大部分節(jié)點的電壓水平均不同程度地得到了提升。

圖4 不同優(yōu)化模型下各節(jié)點電壓對比Fig.4 Comparison of node voltage under different optimal model

6 結(jié)論

本文考慮了DG 出力不確定性和向系統(tǒng)注入諧波不確定性的情況，提出了一種電網(wǎng)整體諧波裕度-均衡度綜合評價指標，并以此作為目標函數(shù)之一，建立 DG 最大準入容量優(yōu)化模型，并提出 PSOAWCM 多目標優(yōu)化計算方法對優(yōu)化模型進行求解，基于改進的IEEE 33 節(jié)點配電網(wǎng)算例進行了仿真，驗證了本文方法的有效性和優(yōu)越性。得出以下結(jié)論：

1）以所提出的電網(wǎng)整體諧波裕度-均衡度綜合評價指標作為目標函數(shù)之一，該指標既能反映電網(wǎng)各個節(jié)點的諧波電壓總畸變率水平，也能綜合體現(xiàn)全網(wǎng)諧波分布均衡程度。

2）以電網(wǎng)整體諧波裕度-均衡度綜合評價指標為目標函數(shù)之一，可使得DG 接入時電網(wǎng)諧波分布更加均衡，從而避免了由于個別節(jié)點諧波水平過高而限制了DG 消納能力的接入水平。

3）本文提出的PSO-AWCM 多目標優(yōu)化計算方法以引入權重因子的方式考慮了各個子目標函數(shù)的相對重要性，使其能夠更有效地進行多目標優(yōu)化，并使決策者對最優(yōu)解的選擇具有偏向性和指向性。

本文僅以風電和光伏為例，研究了方法的有效性。為了使本文方法更符合實際生產(chǎn)需求，下一步工作考慮將更多類型的新能源接入電網(wǎng)問題。