这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：
分布式能源资源对低压电网运行影响的研究：稳态条件分析
作者及机构
本研究由哥伦比亚Universidad Industrial de Santander的Cristian Cadena-Zarate和Germán Osma-Pinto（通讯作者）合作完成，发表于2024年的《International Journal of Electrical Power and Energy Systems》（卷155，文章编号109649）。
研究领域与动机
随着全球能源转型的推进，分布式能源资源（Distributed Energy Resources, DERs）如光伏系统（PVs）、电池储能系统（BESS）和电动汽车（EVs）在配电网络中的渗透率显著增加。然而，DERs的集成对电网运行的影响尚未被充分研究，尤其是在多DERs同时接入的场景下。现有文献多采用确定性或概率性方法单独分析DERs的影响，缺乏对多种DERs协同作用的综合评估。此外，传统韧性（resilience）研究常将DERs视为增强电网韧性的工具，而忽略了其作为潜在扰动事件的可能性。
研究目标
本研究旨在：
1. 提出一种系统性方法，量化DERs集成对低压电网稳态运行的影响；
2. 结合概率性潮流分析（Probabilistic Load Flow, PLF）和谐波失真分析（Harmonic Load Flow, HLF），解决现有研究中不确定性建模的不足；
3. 通过改进的韧性评估技术，生成单一指标（R指标），表征电网运行状态的变化。
1. 数据输入与建模
- 研究对象：哥伦比亚Bucaramanga的一个实际低压配电网（含98个用户、42盏钠灯、112.5 kVA变压器）。
- DERs模型：
- 光伏系统：基于辐照度和温度的概率密度函数（PDF）建模，考虑功率输出与谐波失真的关联性。
- 电动汽车：采用威布尔分布（行驶距离）和正态分布（到家时间）模拟用户行为，结合Nissan Leaf车型参数（40 kWh电池容量）。
- 电池储能系统：基于准动态仿真语言（QDSL）制定充放电策略，考虑荷电状态（SOC）的动态变化。
- 负载模型：按日负荷曲线分配正态分布（均值±5%标准差）。
2. 仿真框架
- 工具链：采用PowerFactory与Python协同仿真，实现自动化场景配置（20种DERs集成场景）和时序分析（24小时）。
- 概率性潮流（PLF）：通过蒙特卡洛采样模拟DERs和负载的不确定性。
- 谐波分析（HLF）：基于电流源模型，分时段（如辐照度等级）定义谐波失真特性。
3. 韧性评估技术改进
- 参数与指标（PAI）：包括电压/电流有效值、谐波失真（THDv/THDi）、电压不平衡度等9项电气参数。
- 归一化与权重分配：
- 采用IEEE 1547/2018和IEEE 519/2014标准设定临界值；
- 通过DEMATEL（决策实验室分析法）确定各PAI的权重（如电压权重最高，为0.1937）。
- R指标计算：将归一化PAI加权聚合，生成0（不利）至1（正常）的单一指标，量化电网状态变化。
1. 电气参数分析
- 电压影响：PVs集成可提升电压至1.01 p.u.，而EVs充电导致夜间电压降至0.95 p.u.（40辆EVs场景）。
- 电流与功率：EVs集成使线路电流激增（峰值90 A），PVs引发反向功率流（1 kW）。
- 谐波失真：PVs与EVs协同集成时，THDi最高达3%（超限值5%）。
2. R指标时空分布
- 节点差异性：近变压器节点（如节点1）在PVs集成时R值下降至0.925，而远距离节点（如节点16）受EVs影响更显著（R=0.7）。
- 场景对比：分布式集成场景（如场景20）的R值波动更大，反映多DERs交互的复杂性。
3. 概率性分析的价值
- 与传统确定性方法相比，PLF揭示了DERs不确定性的累积效应（如辐照度波动导致电压标准差增加）。
科学意义
1. 提出了首个结合概率性、谐波与韧性评估的DERs集成分析框架，填补了多DERs协同作用研究的空白。
2. 验证了R指标在量化电网状态变化中的有效性，为规划工具提供了简化决策依据。
应用价值
1. 支持电网运营商预判DERs高渗透场景下的风险（如夜间EVs集中充电导致的电压跌落）。
2. 提出的Python-PowerFactory协同仿真方法可推广至其他配电网络分析。
（报告总字数：约2000字）