賀 海，呂 娟，王 磊

(1. 青海省電力公司 電力調度控制中心，青海 西寧810006;2. 西北電力設計院 電氣室，陜西 西安710075;3. 西北電力設計院 系統(tǒng)規(guī)劃部，陜西 西安710075)

0 引言

智能電網(wǎng)是未來電力工業(yè)發(fā)展的必然結果，國家電網(wǎng)公司已于2009 年提出“建設堅強智能電網(wǎng)”的目標。分布式電源(DG)作為發(fā)展智能電網(wǎng)的重要組成部分，具有減輕環(huán)境污染、降低網(wǎng)絡損耗以及提高電能質量等優(yōu)點［1］。

DG 并入配電網(wǎng)后，會對配電網(wǎng)產生很大影響，主要包括電壓水平、網(wǎng)損、可靠性等方面，且其影響程度與DG 的安裝位置及容量密切相關［2～5］。合理的安裝位置及容量可以有效改善電壓質量、減小損耗，反之將威脅電網(wǎng)的安全穩(wěn)定運行。因此，DG 的優(yōu)化配置，即其最佳的安裝位置和容量是DG 規(guī)劃階段要解決的首要問題，國內外學者從不同角度對DG 優(yōu)化配置問題進行了研究。文獻［6］基于鏈式配電網(wǎng)絡、恒功率靜態(tài)負荷模型和分布式電源的功率模型，提出一種圖解與遺傳算法相結合的計算方法;文獻［7］建立了含最小化投資成本、最小化配電網(wǎng)網(wǎng)損、最大化靜態(tài)電壓穩(wěn)定性3 個目標的多目標優(yōu)化配置模型，應用基于目標序列排序矩陣評價個體適應度及小生境技術的多目標遺傳算法進行求解;文獻［8］建立了以配電網(wǎng)年運行費用最小為目標的經(jīng)濟模型，針對分布式電源運行費用引入固定安裝費用權重因子，準確地刻畫了分布式電源接入后配電網(wǎng)費用的變化，采用自適應變異的粒子群算法進行求解;文獻［9］采用雙層優(yōu)化理論，考慮電壓調整約束，提出了至少準入功率的計算模型并分析了DG 啟停對系統(tǒng)的影響;文獻［10］在分布式電源單個容量、個數(shù)和位置不確定的情況下，建立了多目標優(yōu)化模型，并將多目標函數(shù)歸一化，采用改進自適應遺傳算法優(yōu)化分布式電源的位置和容量;文獻［11］基于放射狀單回路的配電網(wǎng)結構，均勻分布的負荷模型，推導出了單電源DG 接入配網(wǎng)的網(wǎng)損解析表達式和優(yōu)化配置計算公式，并將該算法推廣到多臺DG接入的情況;文獻［12］考慮DG 的最大供電范圍，利用功率圓的概念，建立了含DG 的有功功率網(wǎng)損目標函數(shù)，通過在功率圓內利用支路權值的啟發(fā)式搜索策略，得出DG 在配電網(wǎng)中的最佳接入位置。

目前接入配電網(wǎng)的DG 主要有兩種建設模式:(1)由電力公司投資建設;(2)由其他投資者投資建設。本文主要研究DG 由電力公司投資建設的模式，以電力公司年綜合經(jīng)濟效益最大為目標，采用改進粒子群算法(IPSO)對DG 的優(yōu)化選址與定容問題進行求解。實際算例表明，本文算法是有效可行的。

1 目標函數(shù)與約束條件

1.1 目標函數(shù)與約束條件

電力公司在配電網(wǎng)中投資安裝DG，將會直接產生3 方面的費用:(1)安裝DG 后節(jié)省的網(wǎng)損費用;(2)DG 的安裝費用;(3)DG 發(fā)電所需的費用。本文以年綜合經(jīng)濟效益最大為目標函數(shù)，表示如下:

式中:ΔP0為DG 安裝前的網(wǎng)損;ΔPN為DG 安裝后的網(wǎng)損;Pr為系統(tǒng)單位電價;Nf為安裝的DG總臺數(shù);Qf為DG 的單機容量;為DG 的單位容量安裝成本;Sf為DG 的壽命;∑Pf為DG 實際發(fā)出的有功功率;Pf為單位DG 的發(fā)電成本。

DG 的建設間接產生的費用:DG 安裝前，電力公司需要向發(fā)電公司購買的電能包括網(wǎng)絡的總負荷及網(wǎng)損之和;DG 安裝后，網(wǎng)損減少部分及DG 所發(fā)電能均不需要購買，將產生節(jié)省的費用。將上述費用并入目標函數(shù)，所得的新目標函數(shù)為

式中:Pg為發(fā)電企業(yè)單位上網(wǎng)電價。

約束條件如下所述:

(1)潮流方程約束

(2)節(jié)點電壓約束

(3)支路傳輸功率約束

式中:Pnmax為支路n 傳輸功率的上限。

(4)DG 接入的總容量約束

由于DG 的接入會給配電網(wǎng)的潮流帶來不確定的影響，DG 接入容量過大時，其啟停會對周圍用戶帶來較大的影響。根據(jù)《分布式電源接入電網(wǎng)技術規(guī)定》(國家電網(wǎng)公司Q/GDW480 －2010)第4 條規(guī)定，DG 接入配電網(wǎng)的總容量不應超過網(wǎng)絡最大負荷總量的25%，因此有必要對DG 接入的總容量進行約束:

式中:PDG為擬接入配電網(wǎng)的DG 總裝機容量;PDGmax為配電網(wǎng)中允許接入的DG 最大裝機容量。

1.2 含DG 的配電網(wǎng)潮流計算

DG 一般安裝在靠近用戶負荷的高壓母線處，因此，為簡化分析，計算過程中將DG 作為恒定功率因數(shù)的PQ 節(jié)點進行處理，考慮到DG 的安裝位置一般靠近負荷側，故假設DG 直接安裝在負荷節(jié)點上并與負荷就地等效［13～14］。

假設母線i 的負荷為Pi+jQi，DG 的輸出功率為PDG+jQDG，忽略降壓變壓器損耗等因素，此時在進行潮流計算時，母線i 的負荷將等效為

此外，為便于研究，假設負荷三相對稱;因配電網(wǎng)電壓等級較低，忽略線路電容與三相線路間的互感。

2 粒子群算法及其改進

2.1 基本粒子群算法(PSO)

粒子群算法 (PSO)是1995 年由James．Kennedy 和Russell．Eberhart 提出的一種模擬自然界中鳥群覓食的人工智能算法，對求解大規(guī)模多目標多約束優(yōu)化問題具有很快的收斂速度和全局尋優(yōu)能力［15］。

粒子群由N 個粒子組成，每個粒子的解空間為n 維，Xn=［X1，X2，…，Xn］為每個粒子的位置向量，Vn=［V1，V2，…，Vn］為每個粒子的飛行速度。每個粒子在飛行過程中，通過自身和同伴經(jīng)驗不斷更新自身飛行方向與速度，最終目的是尋找個體極值xp，k和群體極值xG，k，分別代表該粒子在飛行過程中所找到的最優(yōu)位置和所有粒子在飛行過程中所找到的最優(yōu)位置。每迭代一次后粒子就根據(jù)以下兩個公式來更新自己的位置和速度:

式中:i=1，2，3，…，N 為粒子總數(shù);k 為當前迭代次數(shù);ω 為慣性權重;vi，k為第i 個粒子第k次迭代時的速度值;xi，k為第i 個粒子第k 次迭代時的位置;c1，c2為非負的學習因子;r1，r2為［0，1］之間的隨機數(shù);vmax，vmin分別為粒子速度的上下限。

2.2 改進粒子群算法(IPSO)

傳統(tǒng)的PSO 算法在求解問題時，粒子的搜優(yōu)能力與其飛行速度關系密切。當粒子飛行速度過快時，粒子的搜索范圍將擴大，增強了全局搜索能力，但可能使優(yōu)良解被遺漏;當粒子飛行速度過慢時，搜索范圍將縮小，提高了局部搜索能力使優(yōu)良解的獲取概率大大增加，但將使算法的計算效率明顯降低。為克服上述問題，改善算法的收斂能力，采用動態(tài)調整慣性權重ω 的方法:

式中:ωmax為最大權重;ωmin為最小權重;Tmax為最大迭代次數(shù);ω 可以影響粒子在全局和局部尋找最優(yōu)解的能力，當ω 較大時，粒子的全局搜優(yōu)能力增強，局部搜優(yōu)能力下降;反之，則全局搜優(yōu)能力下降，局部搜優(yōu)能力增強。

此外，PSO 算法在求解過程中容易產生“聚集”現(xiàn)象，即當一個或若干個粒子處于“最優(yōu)位置”時，將導致其余粒子迅速向“最優(yōu)位置”靠攏，使算法陷入局部最優(yōu)。針對此問題采用局部自動初始化的方法予以改進，即當xG，k連續(xù)若干代都得不到改善或改善很小時，保留當前的xG，k并重新初始化部分粒子的xi，k和vi，k，擴展粒子的尋優(yōu)空間，從而避免算法陷入局部最優(yōu)或“早熟”。

3 基于IPSO 算法的DG 優(yōu)化選址與定

3.1 IPSO 算法編碼

為將DG 的優(yōu)化選址與定容同時進行，將DG的安裝位置與最優(yōu)輸出功率作為固定編號來表示。

設配電網(wǎng)中擬接入的DG 個數(shù)為Nf，則DG的接入方案用變量X = ［X1，X2，…，XNf］表示，Xi表示配電網(wǎng)i 節(jié)點DG 的安裝情況。當Xi=0 時，說明i 節(jié)點無DG 安裝;當Xi=M (M 為實數(shù))時，說明i 節(jié)點DG 的最優(yōu)輸出功率PDGi=M，設DG 的單機容量PDGavg，采用PDGi/PDGavg取整的方法，確定i 節(jié)點DG 的裝機數(shù)量。

3.2 適應度函數(shù)

本文以年綜合經(jīng)濟效益最大為目標函數(shù)，屬于最大值優(yōu)化問題。IPSO 算法在求解此類問題時需要將目標函數(shù)進行尺度變換:

式中:Cmax為一個足夠大的常數(shù)。

3.3 算法流程

具體的算法流程如下:

(1)輸入配電網(wǎng)絡的原始數(shù)據(jù)、各約束條件上下限;設置IPSO 算法中各項參數(shù)，即粒子群規(guī)模N、最大迭代次數(shù)Tmax、學習因子c1，c2等。

(2)設定當前迭代次數(shù)k=0;在可行解內隨機產生粒子的初始位置xi，k、初始化速度vi，k;進行潮流計算，得到每個粒子的適應值Li，k，此時的xip，k=Li，k，而xG，k為當前所有粒子中的最小適應值，并記錄xip，k，xG，k所對應的位置。

(3)更新k=k+1，同時根據(jù)式(9)、(10)、(12)更新所有粒子的位置、速度及ω，將其代入潮流計算得到新的適應值Li，k+1，若Li，k+1＜Pbest，k，則更新個體最優(yōu)解Pbest=Li，k+1，以及Pbest對應的位置，反之則不變。

(4)若最優(yōu)的Pbest小于群體最優(yōu)解Gbest，k，則將其值設為Gbest，k，同時更新對應的位置;若Gbest，k沒有變化或者變化很小，則ts =ts +1，當ts≥tn (tn 為設定的Gbest，k無變化最大代數(shù))時將部分粒子重新初始化，當ts ＜tn 時，ts=0。

(5)若達到最大迭代次數(shù)Tmax則停止計算，否則返回步驟(3)。

(6)輸出最優(yōu)解 (即最后一次迭代后的Gbest，k及其對應的最優(yōu)位置)。

4 算例分析

為驗證本文方法的正確性和可行性，選擇美國PG＆E33 標準算例系統(tǒng)進行驗證。PG＆E33 配電網(wǎng)，額定電壓為12.66 kV，總負荷為3 715 +j2 300 kVA，共有33 個節(jié)點(其中32 個為PQ 節(jié)點)，37 條支路(其中5 條為聯(lián)絡開關)。

IPSO 算法參數(shù)設置為:粒子群規(guī)模N =100，最大迭代次數(shù)Tmax=100，學習因子c1=c2=2，最大慣性權重ωmax=0.9，最小慣性權重ωmin=0.4，Gbest，k無變化最大代數(shù)tn=5。

設擬接入的DG 為燃氣輪機，數(shù)量為4 個，cosφ=0.85，按DG 總裝機容量不超過網(wǎng)絡總負荷的25%，考慮備用容量因素DG 總輸出功率不超過網(wǎng)絡總負荷的20%考慮，采用本文算法得到的最優(yōu)接入位置、最優(yōu)輸出功率與裝機容量如表1所示。

表1 PG＆E33 系統(tǒng)分布式電源的安裝位置及容量Tab．1 PG＆E33 system installation node and capacity of DG

從表1 可以看出，根據(jù)本文算法進行DG 的優(yōu)化選址與定容，17，18，30，32 點的最優(yōu)輸出功率分別為77.643 kW，83.661 kW，496.034 kW，85.662 kW?？紤]到設備的實際制造情況，17，18，30，32 點DG 的安裝容量應分別為100 kW，100 kW，500 kW，100 kW，占網(wǎng)絡總負荷的21.53%。

表2 給出了本文所提算法的優(yōu)化結果并與優(yōu)化前的結果比較。

表2 PG＆E33 系統(tǒng)優(yōu)化結果Tab．2 Optimization result of PG＆E33

從表2 可以看出，初始系統(tǒng)有功損耗為202.676 kW，網(wǎng)絡最低電壓為0.913 1，網(wǎng)絡平均電壓為0.948 5;DG 優(yōu)化安裝后，系統(tǒng)有功損耗為97.266 kW，網(wǎng)絡最低電壓為0.943 5，網(wǎng)絡平均電壓為0.965 5，優(yōu)化效果明顯。

圖1 PG＆E33 系統(tǒng)優(yōu)化前后電壓水平Fig．1 Comparison of nodes voltage of PG＆E33 before and after the optimization

圖1 給出了PG＆E33 配電網(wǎng)采用本文算法優(yōu)化前后的網(wǎng)絡電壓水平。由圖1 可以看出，DG 的優(yōu)化選址與定容對提高網(wǎng)絡電壓質量作用明顯。DG 單位容量成本為1 280 元/kW［16］，DG 發(fā)電成本為0.38 元/kW·h［16］，發(fā)電企業(yè)上網(wǎng)電價為0.3 元/kW·h，電網(wǎng)銷售電價0.5 元/kW·h，系統(tǒng)每年運行8 760 h 進行計算，對PG＆E33 配電網(wǎng)安裝DG 后進行了經(jīng)濟效益分析，結果如表3所示。

表3 PG＆E33 配電網(wǎng)安裝DG 后經(jīng)濟效益分析Tab．3 Analysis of economic benefit after the installation in PG＆E33

從表3 可以看出，電力公司投資安裝DG 后，DG 安裝成本折合到每年花費為10.24 萬元，DG每年花費的發(fā)電成本為247.33 萬元;由于安裝DG 降低了網(wǎng)絡的有功損耗，每年可節(jié)約46.17元，同時可以減少向發(fā)電公司的購電費用222.96萬元，每年的經(jīng)濟收益為11.56 萬元?？梢?，安裝DG 后，不僅可以減少網(wǎng)絡有功損耗、改善電壓質量，還具有較好的經(jīng)濟效益。

5 結論

分布式電源(DG)接入配電網(wǎng)會使網(wǎng)絡的運行方式發(fā)生變化，合理的DG 安裝位置與容量對于改善網(wǎng)絡電壓質量、減小有功損耗、提高供電可靠性意義重大。本文以網(wǎng)絡年綜合經(jīng)濟效益最大為目標，采用改進粒子群(IPSO)算法求解DG 的最優(yōu)安裝位置、裝機容量、輸出功率。實際算例表明，采用本文算法求得的DG 最優(yōu)接入位置與容量，不僅可以有效減少有功網(wǎng)損，改善電壓質量，而且具有較好的經(jīng)濟效益。

［1］王守相，王慧，蔡聲霞．分布式發(fā)電優(yōu)化配置研究綜述［J］．電力系統(tǒng)自動化，2009，33 (18):110-115．Wang Shouxiang，Wang Hui，Cai Shengxia．A review of optimization allocation of distributed generations embedded in power grid ［J］．Automation of Electric Power Systems，2009，33 (18):110-115．

［2］Mendez Q V H，Rivier A J，Gomez S R T．Assessment of energy distribution losses for increasing penetration of distributed generation ［J］．IEEE Transactions on Power Systems，2006，21 (2):533-540．

［3］Lasseter R H．Dynamic distribution using (DER)distributed energy resources ［C］．2005/2006 IEEE/PES Transmission and Distribution Conference and Exhibition，Dallas，TX，USA，2006．932-934．

［4］Freitas W，Vieira J C M，Morelato A，et al．Influence of excitation system control modes on the allowable penetration level of distributed synchronous generators ［J］．IEEE Transactions on Energy Conversion，2005，20 (2):474-480．

［5］Kim T E，Kim J E．Considerations for the operating range of distributed generation interconnected to power distribution system ［C］Chicago IL，USA:Proceedings of IEEE PES Summer Meeting，2002．42-48．

［6］李鵬，廉超，李波濤．分布式電源并網(wǎng)優(yōu)化配置的圖解方法［J］．中國電機工程學報，2009，29 (4):91-96．Li Peng，Lian Chao，Li Botao．A graph-based optimal solution for siting and sizing of grid-connected distributed generation ［J］．Proceedings of the CSEE，2009，29 (4):91-96．

［7］劉學平，劉天琪，王劍．基于小生境的配電網(wǎng)多目標分布式電源規(guī)劃［J］．電網(wǎng)技術，2010，34 (10):126-130．Liu Xueping，Liu Tianqi，Wang Jian．Niche-based multiobjective distributed generators planning in distribution network ［J］．Power System Technology，2010，34 (10):126-130．

［8］葉德意，何正友，臧天磊．基于自適應變異粒子群算法的分布式電源選址與容量確定［J］．電網(wǎng)技術，2011，35 (6):155-160．Ye Deyi，He Zhengyou，Zang Tianlei．Siting and sizing of distributed generation planning based on adaptive mutation particle swarm optimization algorithm ［J］．Power System Technology，2011，35 (6):155-160．

［9］胡驊，吳汕，夏翔，等．考慮電壓調整約束的多個分布式電源準入功率計算［J］．中國電機工程學報，2006，26 (19):13-19．Hu Hua，Wu Shan，Xia Xiang，et al．Computing the maximum penetration level of multiple distributed generators in distribution network taking into account voltage regulation constraints ［J］．Proceedings of the CSEE，2006，26(19):13-19．

［10］邱曉燕，夏莉麗，李興源．智能電網(wǎng)建設中分布式電源的規(guī)劃［J］．電網(wǎng)技術，2010，34 (4):7-10．Qiu Xiaoyan，Xia Lili，Li Xingyuan．Planning of distributed generation in construction of smart grid ［J］．Power System Technology，2010，34 (4):7-10．

［11］張勇，吳淳．分布式發(fā)電機在配電網(wǎng)中的優(yōu)化配置［J］．電力系統(tǒng)保護與控制，2010，38 (11):33-37，43．Zhang Yong，Wu Chun．Optimal placement of DG unit in distribution system ［J］．Power System Protection and Control，2010，38 (11):33-37，43．

［12］王新濤，史吏，任建文，等．基于功率圓的分布式電源優(yōu)化配置研究［J］．電力科學與工程，2012，28(10):28-32．Wang Xintao，Shi Li，Ren Jianwen，et al．Optimized configuration of distributed generators based on power circle［J］．Electric Power Science and Engineering，2012，28(10):28-32．

［13］陳金富，陳海焱，段獻忠．含大型風電場的電力系統(tǒng)多時段動態(tài)優(yōu)化潮流［J］．中國電機工程學報，2006，26 (3):31-35．Chen Jinfu，Chen Haiyan，Duan Xianzhong．Multi-period dynamic optimal power flow in wind power integrated system［J］．Proceedings of the CSEE，2006，26 (3):31-35．

［14］朱秋琦，徐青山，郭楊．含分布式電源的阻抗化配電網(wǎng)潮流算法［J］．電力科學與工程，2012，28 (01):18-23．Zhu Qiuqi，Xu Qingshan，Guo Yang．Power flow algorithm for distribution network with distributed generation based on impedance ［J］．Electric Power Science and Engineering，2012，28 (01):18-23．

［15］汪興旺，邱曉燕．基于改進粒子群算法的配電網(wǎng)分布式電源規(guī)劃［J］．電力系統(tǒng)保護與控制，2009，37(14):16-20，40．Wang Xingwang，Qiu Xiaoyan．Distributed generation planning in distribution system based on modified particle swarm optimization algorithm ［J］．Power System Protection and Control，2009，37 (14):16-20，40．

［16］歐陽武，程浩忠，張秀彬．基于配電網(wǎng)節(jié)點邊際容量成本的分布式電源規(guī)劃［J］．電力系統(tǒng)自動化，2009，33 (18):28-32．Ouyang Wu，Cheng Haozhong，Zhang Xiubin．Distributed generation planning method based on iocational marginal capacity cost in distribution networks ［J］．Automation of Electric Power Systems，2009，33 (18):28-32．