曾品卓， 李國杰， 汪可友， 江秀臣

(上海交通大學(xué) 電氣工程系 電力傳輸與功率變換控制教育部重點實驗室，上海 200240)

考慮相關(guān)性的微電網(wǎng)DG接入優(yōu)化研究

曾品卓， 李國杰， 汪可友， 江秀臣

(上海交通大學(xué) 電氣工程系 電力傳輸與功率變換控制教育部重點實驗室，上海 200240)

對微電網(wǎng)中的分布式電源(DG)接入進(jìn)行優(yōu)化配置可以大大地提高微電網(wǎng)運行的可靠性和經(jīng)濟(jì)性。在考慮DG接入的相關(guān)性以及負(fù)荷重要性的基礎(chǔ)上，建立了以考慮DG接入相關(guān)性并以微電網(wǎng)運行經(jīng)濟(jì)性最優(yōu)為目標(biāo)函數(shù)的多目標(biāo)分層優(yōu)化模型,并采用改進(jìn)的粒子群算法(IPSO)進(jìn)行求解。將優(yōu)化模型及IPSO算法應(yīng)用于一28節(jié)點微電網(wǎng)網(wǎng)架中，通過不同優(yōu)化方案的對比證明了微電網(wǎng)中對DG接入進(jìn)行優(yōu)化配置的重要性，同時表明IPSO算法對于求解此類問題的可行性和有效性。

微電網(wǎng)；經(jīng)濟(jì)性；分布式電源；相關(guān)性；多目標(biāo)優(yōu)化；改進(jìn)粒子群算法

0 引 言

由于能源緊缺問題日益突出，微網(wǎng)技術(shù)日益成熟，使得分布式發(fā)電技術(shù)得到了快速發(fā)展，電力系統(tǒng)正在經(jīng)歷基于微網(wǎng)的分布式發(fā)電技術(shù)帶來的巨大沖擊。將分布式電源(Distributed Generation, 簡稱DG)以微電網(wǎng)的形式接入大電網(wǎng)并網(wǎng)運行[1]，與傳統(tǒng)的大電網(wǎng)互為補(bǔ)充，可提高系統(tǒng)運行的經(jīng)濟(jì)性及可靠性，是智能電網(wǎng)發(fā)展的必然趨勢，已成為電力系統(tǒng)研究的一大熱點。分布式發(fā)電一般包括大量的新能源發(fā)電，具有較強(qiáng)的波動性和不確定性。大量DG的接入會導(dǎo)致微電網(wǎng)潮流、電壓等發(fā)生變化，不合理的DG接入位置和容量可能會帶來許多不利影響[2-4]。因此，在發(fā)展智能電網(wǎng)和微電網(wǎng)技術(shù)的研究進(jìn)程中，如何安全可靠、經(jīng)濟(jì)地優(yōu)化配置各類型DG的接入位置和容量，具有重要的研究意義。

為了有效降低微電網(wǎng)系統(tǒng)的網(wǎng)絡(luò)損耗、降低微電網(wǎng)系統(tǒng)整體的發(fā)電成本，在考慮分布式電源接入的相關(guān)性以及負(fù)荷重要性的基礎(chǔ)上，本文建立了考慮DG接入相關(guān)性并以微電網(wǎng)運行經(jīng)濟(jì)性最優(yōu)為目標(biāo)函數(shù)的多目標(biāo)分層優(yōu)化模型。求解過程中，采用了一種改進(jìn)的粒子群算法(Improved particle swarm optimization,簡稱IPSO)，并以某28節(jié)點微電網(wǎng)網(wǎng)架為例進(jìn)行分析，證明IPSO算法對微電網(wǎng)的DG接入優(yōu)化可行有效。

1 基于微電網(wǎng)的DG接入優(yōu)化

1.1 DG接入的相關(guān)性影響及選址原則

在微電網(wǎng)規(guī)劃中，首先應(yīng)考慮DG接入后，可以充分發(fā)揮微電網(wǎng)低成本、低能耗以及高電能質(zhì)量的特點，對該地區(qū)的經(jīng)濟(jì)和環(huán)境有所改善。由于城鎮(zhèn)片區(qū)設(shè)施建設(shè)己成型，DG的安裝位置受到地理環(huán)境、負(fù)荷類型、用戶需求等因素的影響[5-6]，其一次能源的分布也與地形、高度、氣候等條件密切相關(guān)。微電網(wǎng)基于配電系統(tǒng)組網(wǎng)的方式和系統(tǒng)規(guī)模使其覆蓋區(qū)域的環(huán)境特征往往具有較強(qiáng)的相似性，其一次能源的分布具有相關(guān)關(guān)系。這種相關(guān)性會導(dǎo)致微電網(wǎng)線路各個負(fù)荷節(jié)點的電壓升高，影響整個微電網(wǎng)的電壓穩(wěn)定性，所以在優(yōu)化接入風(fēng)電、光伏等可再生能源時，本文引入一個電壓穩(wěn)定性指標(biāo)σ：

(1)

式(1)中，P、Q為線路的有功和無功功率，u1、u2為線路兩端電壓，R+jX為線路阻抗。σ≥0時，微電網(wǎng)穩(wěn)定運行，σ越大微電網(wǎng)穩(wěn)定性越好。

同時,從電力市場的角度考慮，將微電網(wǎng)內(nèi)負(fù)荷按重要性和敏感度分為兩類:重要負(fù)荷與非重要負(fù)荷。因此本文引入一個負(fù)荷重要性指標(biāo)ε，根據(jù)各個DG接入?yún)^(qū)域?qū)╇娍煽啃孕枨蟮牟煌?，引入該地區(qū)負(fù)荷重要等級μ：

(2)

式(2)中，si為j地區(qū)中第i個負(fù)荷的面積，ρi為j地區(qū)第i個負(fù)荷的負(fù)荷密度。

而確定分布式電源的接入類型主要是從國家能源政策以及電力市場的要求出發(fā)，根據(jù)地區(qū)的資源優(yōu)勢和DG的特點，確定目標(biāo)地區(qū)可選用的DG類型。表1是常見DG類型的基本性能，可作為DG接入類型的選擇參考。

表1 常見DG類型的基本性能

1.2 微電網(wǎng)潮流計算

對微電網(wǎng)進(jìn)行正確的潮流計算是對微電網(wǎng)中的分布式電源接入進(jìn)行優(yōu)化的基礎(chǔ)，本文采用前推回代潮流算法。前推回代潮流算法是目前應(yīng)用最為廣泛的潮流算法之一，具有很好的線性收斂能力[7-8]。微電網(wǎng)中分布式電源所采用的模型即可簡化為PV節(jié)點或PQ節(jié)點，本文將其看成是具有恒定功率因數(shù)的PV節(jié)點。由于DG一般安裝在靠近負(fù)荷中心的位置，所以可假定DG直接安裝于負(fù)荷節(jié)點上。

1.3 考慮DG接入相關(guān)性的多目標(biāo)分層優(yōu)化模型

為了實現(xiàn)微電網(wǎng)效益最大化，對微電網(wǎng)中分布式電源的接入位置及接入容量進(jìn)行優(yōu)化，根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)以及電網(wǎng)中各負(fù)荷節(jié)點的負(fù)荷增長情況，在滿足電網(wǎng)各個約束條件的前提下實現(xiàn)微電網(wǎng)的經(jīng)濟(jì)性優(yōu)化運行。本文考慮的微電網(wǎng)規(guī)劃期限為10年。首先對DG的接入位置進(jìn)行選擇，在排除地理環(huán)境不適合接入DG的節(jié)點的基礎(chǔ)上，結(jié)合DG接入位置的相關(guān)性、電壓穩(wěn)定性以及接入點負(fù)荷重要性，形成DG接入相關(guān)性綜合指標(biāo)E：

E=ω1μ+ω2σ+ω3ε

(3)

式(3)中，ω為各項指標(biāo)對應(yīng)的權(quán)重，根據(jù)接入位置的具體進(jìn)行調(diào)整。之后將綜合指標(biāo)E的大小作為DG接入位置選擇的重要依據(jù)。

然后采用微電網(wǎng)運行經(jīng)濟(jì)性最優(yōu)為目標(biāo)函數(shù)的優(yōu)化模型對DG的接入容量進(jìn)行優(yōu)化，整體目標(biāo)函數(shù)如下：

Cmin=CDG+CEN+CL

(4)

對式(4)中的各目標(biāo)分量進(jìn)行求解：

(1) DG運行的綜合費用CDG

(5)

式(5)中，Tmax為年最大負(fù)荷小時數(shù)(h)；m為引入的分布式電源總數(shù)；ηi為功率因數(shù)；SDGi為第i個分布式電源的容量；CeDGi為單位容量DG的發(fā)電量的成本；r為年利率；nDG為投資回收期；CDGi為單位容量DG的建設(shè)投資成本；CDMi為維護(hù)費用。

(2) 微電網(wǎng)購電費用CEN

(6)

(3) 網(wǎng)絡(luò)損耗費用CL

(7)

式(7)中，n為線路個數(shù)，Ce為單位電價(元/kWh)；τjmax為支路j的年最大負(fù)荷時間(h)；Pj為流過支路j的有功功率；Rj為支路j的電阻；ηj為線路j的負(fù)荷功率因數(shù)；UN為線路的額定電壓。

1.4 約束條件

潮流方程：

(8)

節(jié)點電壓約束：

Uimin

(9)

每個分布式電源的容量約束：

PkLOAD

(10)

式(10)中，PkLOAD為節(jié)點k處負(fù)荷大小，PDGmax為分布式電源容量上限。

2 粒子群算法及其改進(jìn)

為了增強(qiáng)基本粒子群算法[9](Particle swarm optimization, PSO)的收斂能力，盡量避免陷入局部最優(yōu)，同時提高搜索能力，本文對基本粒子群算法進(jìn)行如下幾個方面的改進(jìn)：

(1) 對PSO算法的初始化方法進(jìn)行改進(jìn)

本文采用單純形法來對算法進(jìn)行初始化。粒子經(jīng)過單純形法處理過后能夠充分體現(xiàn)搜索過程中函數(shù)的“峰谷”特性，因此使用單純形法對粒子群進(jìn)行初始化可以得到非常理想的效果。

(2) 引入控制因子動態(tài)調(diào)整慣性權(quán)重

基本粒子群算法使用線性遞減策略的慣性權(quán)重容易使算法陷入局部極值點鄰域，本文引入了一個控制因子來動態(tài)的調(diào)整慣性權(quán)重方法，數(shù)學(xué)表達(dá)式為[10]：

(11)

式(13)中，k為控制因子，用來隨時間t動態(tài)調(diào)整慣性權(quán)重ω。再根據(jù)目標(biāo)函數(shù)的不同來選取k值，就可以得到一個隨目標(biāo)函數(shù)變化的非線性慣性權(quán)重系數(shù)，可以有效的提高算法的收斂能力。

(3) 引入平均極值項

基本粒子群算法中，每個粒子只利用了粒子的個體極值和全局極值來更新自己的速度和位置。因此，本文考慮在粒子的速度更新公式中加入一個平均值項[11]。設(shè)第t次迭代時粒子個體極值的平均值向量為：

(12)

改進(jìn)后的粒子速度更新公式為：

(13)

式(13)中，r3為均勻分布在(0,1)的隨機(jī)數(shù)；c3為學(xué)習(xí)因子。

(4) 引入變異因子

為了使算法在收斂后期能夠有效的跳出局部最優(yōu)找到全局最優(yōu)解，本文引入了變異因子。每次迭代后根據(jù)變異率Pm選擇一定數(shù)量的粒子進(jìn)行變異處理，其中全局最優(yōu)粒子每次都會被選中。

(14)

3 基于IPSO算法的DG優(yōu)化求解過程

IPSO算法求解微電網(wǎng)中的DG規(guī)劃問題的流程如圖1所示。

圖1 IPSO算法求解DG接入優(yōu)化問題流程圖

4 算例分析

圖2 某28節(jié)點微電網(wǎng)網(wǎng)架

本算例以某28節(jié)點微電網(wǎng)網(wǎng)架為例，如圖2所示。假定網(wǎng)絡(luò)母線電壓等級為10 kV，DG接入前的微電網(wǎng)總有功負(fù)荷為9.7 MW，總無功負(fù)荷為6.2 kVar。每個節(jié)點安裝分布式電源的單位容量為100 kW，分布式電源年最大發(fā)電小時數(shù)為3 000 h。負(fù)荷年最大損耗小時數(shù)為4 000 h。算例中假設(shè)投資回收期為10年。設(shè)定粒子群算法的維數(shù)D=10，種群規(guī)模200，變異率Pm=0.3 ，迭代次數(shù)為20次。

根據(jù)分布式電源的接入位置的相關(guān)性原則，考察微電網(wǎng)網(wǎng)架所在的地區(qū)地理環(huán)境、風(fēng)力大小、日照強(qiáng)度等情況后，考慮接入風(fēng)力發(fā)電機(jī)、光伏發(fā)電和微型燃?xì)廨啓C(jī)三種類型的DG。三種DG的投資成本及運行維護(hù)成本分別如表2所示。

表2 DG的成本和維護(hù)費用

根據(jù)DG接入相關(guān)性綜合指標(biāo)確定分布式電源安裝位置，在此基礎(chǔ)上，以經(jīng)濟(jì)性最佳為目標(biāo)對該網(wǎng)絡(luò)中的5個重要負(fù)荷節(jié)點進(jìn)行分布式電源接入優(yōu)化，通過反復(fù)調(diào)試，并采用IPSO算法進(jìn)行求解，確定下DG的最優(yōu)接入方案，接入位置及容量如表3所示。

表3 DG接入的位置和容量

此時分別對優(yōu)化接入分布式電源以及不含分布式電源的微電網(wǎng)的優(yōu)化方案結(jié)果進(jìn)行對比分析，如表4所示。

表4 微電網(wǎng)優(yōu)化方案結(jié)果

通過表4結(jié)果對比分析，可以發(fā)現(xiàn)不含分布式電源的微電網(wǎng)運行總費用為1 865.43萬元，優(yōu)化接入DG后的方案在經(jīng)濟(jì)性方面明顯優(yōu)于不含分布式電源的微電網(wǎng)。

雖然DG的建設(shè)成本、運行維護(hù)費用以及燃料費用較為昂貴，但是由于大電網(wǎng)對微電網(wǎng)進(jìn)行購電所得的購電成本和根據(jù)政策使用可再生能源得到的環(huán)境補(bǔ)貼，從在微電網(wǎng)接入DG運行之后的綜合運行費用及環(huán)保效益等指標(biāo)來看，接入DG后的微電網(wǎng)具有更好的經(jīng)濟(jì)效益。

由此也可以看出分布式電源合理的分配接入位置、接入容量會大大提高分布式電源的經(jīng)濟(jì)性，不同類型的分布式電源接入之后也會對微電網(wǎng)的可靠性造成極大的影響。同時，隨著科技的發(fā)展進(jìn)步、可再生能源的開發(fā)和應(yīng)用，分布式電源的建設(shè)成本會越來越低，DG的接入所帶來的經(jīng)濟(jì)效益及社會效益也會越來越顯著。

5 IPSO算法和PSO算法優(yōu)化效果對比

圖3 IPSO算法與PSO算法優(yōu)化效果對比

以微電網(wǎng)運行費用為目標(biāo)函數(shù)，分別使用PSO算法和IPSO算法進(jìn)行優(yōu)化求解，優(yōu)化過程中兩種算法的適應(yīng)度曲線對比如圖3所示。

從圖3中可以看出，本文提出的IPSO算法在求解微電網(wǎng)運行總費用優(yōu)化目標(biāo)上收斂更有效，具有很高的尋優(yōu)效率和計算精度。

6 結(jié)束語

本文根據(jù)負(fù)荷的重要性以及不同類型分布式電源接入的相關(guān)性，在確定分布式電源接入位置的基礎(chǔ)上，以微電網(wǎng)網(wǎng)損最小和微電網(wǎng)綜合費用最小為目標(biāo)函數(shù)，建立了考慮DG接入相關(guān)性并以微電網(wǎng)運行經(jīng)濟(jì)性最優(yōu)為目標(biāo)函數(shù)的多目標(biāo)分層優(yōu)化模型。所提出的改進(jìn)粒子群算法(IPSO)算法采用單純形法對PSO算法進(jìn)行初始化，提高了算法的收斂能力，并引入平均值項和變異因子對算法進(jìn)行改進(jìn)，有效提高了算法的尋優(yōu)效率和計算精度。與

PSO算法相比，本文提出的IPSO算法在求解微電網(wǎng)運行總費用的問題上更加優(yōu)秀。通過對某28節(jié)點微電網(wǎng)網(wǎng)架進(jìn)行算例分析，采用IPSO算法求出微電網(wǎng)中的DG優(yōu)化配置結(jié)果。優(yōu)化結(jié)果顯示，DG的接入能提高微電網(wǎng)經(jīng)濟(jì)性和可靠性，而DG接入的方式和類型的不同會對微電網(wǎng)產(chǎn)生不同的影響，證明本文所提的模型和算法的有效性和正確性。

[ 1 ] 楊建新,蘇劍,呂志鵬,等.微電網(wǎng)技術(shù)綜述[J].中國電機(jī)工程學(xué)報,2014,34(1):57-70.

[ 2 ] 張立梅,唐巍,趙云軍,等.分布式發(fā)電接入配電網(wǎng)后對系統(tǒng)電壓及損耗的影響分析[J].電力系統(tǒng)保護(hù)與控制,2011,39(5):91-96.

[ 3 ] 梁才浩,段獻(xiàn)忠.分布式發(fā)電及其對電力系統(tǒng)的影響[J].電力系統(tǒng)自動化,2001,25(12):53-56.

[ 4 ] 邱曉燕,夏莉麗,李興源.智能電網(wǎng)建設(shè)中分布式電源的規(guī)劃[J].電網(wǎng)技術(shù),2010,34(4):7-10.

[ 5 ] 張立梅,唐巍,趙云軍,等.分布式發(fā)電對配電網(wǎng)影響的綜合評估[J].電力系統(tǒng)保護(hù)與控制,2010,38(21):132-136.

[ 6 ] 楊琦,馬世英,宋云亭,等.分布式電源規(guī)劃方案綜合評判方法[J].電網(wǎng)技術(shù),2012,36(2):212-216.

[ 7 ] 張立梅,唐巍. 計及分布式電源的配電網(wǎng)前推回代潮流計算[J].電工技術(shù)學(xué)報,2010,25(8):123-130.

[ 8 ] 陳眩姿.基于粒子群算法的微電網(wǎng)分布式電源優(yōu)化規(guī)劃[J].電力電子,2013,11(3):19-24.

[ 9 ] 吳常勝. 基于改進(jìn)粒子群優(yōu)化算法的多目標(biāo)分布式發(fā)電規(guī)劃[J].廣東電力,2012,25(1):54-58.

[10] 汪興旺,邱曉燕.基于改進(jìn)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(hù)與控制,2009,37(14):16-20.

[11] 蘇晉榮,李兵義,王曉凱.一種利用種群平均信息的粒子群優(yōu)化算法[J].計算機(jī)工程與應(yīng)用,2007,43(10):58-59.

Research on Optimization of Micro-grid DG Access under Consideration of Relevance

ZENG Pin-zhuo, LI Guo-jie, WANG Ke-you, JIANG Xiu-chen,

(Key Laboratory of Control of Power Transmission and Power Conversion Control, Ministry of Education in the Department of Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China)

Optimal allocation of distributed generation (DG) in micro grids can significantly improve the stability and benefit the economy of micro grid operation. Under consideration of relevance of DG access and load importance, a multi-objective model is established under consideration of DG access relevance, taking optimized economy of micro grid operation as its objective function, and the improved particle swarm optimization (IPSO) is used for the solution. The optimized model and IPSO are applied to a 28-node micro-grid network structure. The comparison between different optimization schemes demonstrates the importance of optimal configuration of DG access in micro-grids. It is shown that the IPSO algorithm in this study is feasible and effective for solving such problems.

micro-grid; economy; distributed generation; relevance; multi-objective optimization; improved particle swarm optimization

國家高技術(shù)研究發(fā)展計劃863計劃資助項目(2014AA050212),與國家國際科技合作專項項目(2013DFG71630)

10.3969/j·issn.1000-3886.2015.04.019

TM76

A

1000-3886(2015)04-0057-04

曾品卓(1990-)，男，上海人，碩士生，研究方向為微電網(wǎng)分析、電力系統(tǒng)分析等。 李國杰(1965-)，男，浙江溫州人，博士，教授，研究方向為新能源控制與接入、微電網(wǎng)分析與控制。 汪可友(1979-)，男，河南鄭州人，博士，副教授，研究方向為電力系統(tǒng)分析等。江秀臣(1965-)，男，山東人，博士，教授，研究方向為智能電網(wǎng)。

定稿日期: 2014-12-25