任凱

【摘要】：隨著新時(shí)期經(jīng)濟(jì)的不斷發(fā)展，我國(guó)配電網(wǎng)系統(tǒng)有了很大進(jìn)步，分布式電源接入電網(wǎng)對(duì)配電網(wǎng)運(yùn)行損耗、可靠性等有著至關(guān)重要的作用，研究含DG的配電網(wǎng)無(wú)功優(yōu)化對(duì)于提高電網(wǎng)安全穩(wěn)定與經(jīng)濟(jì)性能具有重要意義。本文主要結(jié)合實(shí)際情況對(duì)分布式電源的配電網(wǎng)無(wú)功優(yōu)化展開(kāi)分析，列舉出智能優(yōu)化的幾種算法，希望可以進(jìn)一步促進(jìn)配電網(wǎng)無(wú)功優(yōu)化工作的順利開(kāi)展。

【關(guān)鍵詞】：分布式電源；配電網(wǎng)；無(wú)功優(yōu)化； 配電網(wǎng)優(yōu)化

引言

分布式電源（distributedgeneration，DG）作為一種運(yùn)行方式靈活多變的新型清潔能源，獲得了國(guó)內(nèi)外研究人員的廣泛關(guān)注。由于風(fēng)、光分布式電源所特有的間歇性、波動(dòng)性和隨機(jī)性，并且隨著其并網(wǎng)容量在電網(wǎng)中所占比例的逐漸增加，其出力的不穩(wěn)定性固然將給電網(wǎng)運(yùn)行的安全性、可靠性及電能質(zhì)量帶來(lái)很大的影響，這將嚴(yán)重限制分布式電源的發(fā)展。但是，DG的合理配置能有效降低系統(tǒng)網(wǎng)絡(luò)損耗、改善系統(tǒng)電壓運(yùn)行水平，提高系統(tǒng)整體運(yùn)行的可靠性，進(jìn)而提高清潔能源的滲透率。

1、分布式電源的特點(diǎn)

分布式電源的出力受到所利用的一次能源限制，因此其出力與常規(guī)的火力發(fā)電等呈現(xiàn)出不同的特點(diǎn)，主要有以下幾個(gè)方面的不同：首先，分布式電源出力具有很大的隨機(jī)性和波動(dòng)性這是以風(fēng)能和光伏為主的分布式電源出力的最大特點(diǎn)，也是其主要缺陷。風(fēng)電和光伏分布式電源的出力受到風(fēng)速和光照強(qiáng)度等氣象條件的直接影響，而氣象條件處于隨時(shí)變化的狀態(tài)中，這就導(dǎo)致了風(fēng)電場(chǎng)和光伏電站的出力出現(xiàn)不斷波動(dòng)變化的情況。以風(fēng)力發(fā)電為例，風(fēng)機(jī)的輸出功率與風(fēng)速有直接的關(guān)系，當(dāng)風(fēng)速低于風(fēng)機(jī)設(shè)定的切入風(fēng)速時(shí)，風(fēng)機(jī)的輸出功率為零；當(dāng)風(fēng)速高于切入風(fēng)速，風(fēng)機(jī)開(kāi)始輸出有功功率，其輸出的功率隨風(fēng)速的增大而增大；而當(dāng)風(fēng)速大于風(fēng)機(jī)的切出風(fēng)速時(shí)，風(fēng)機(jī)不再輸出功率。這種輸出功率的頻繁波動(dòng)的特性是分布式電源不可避免的特性，也是分布式電源并網(wǎng)后帶來(lái)各種安全和穩(wěn)定性問(wèn)題的根源。其次，分布式電源不可調(diào)度由于風(fēng)電和光伏等分布式電源的出力受到自身采用的一次能源的限制而具有隨機(jī)性和波動(dòng)性等特征。而這種一次能源通常是人為不可控的。此外，目前分布式電源按照國(guó)家政策要求強(qiáng)制上網(wǎng)，因此基本不具備調(diào)度性。

2、智能優(yōu)化算法

2.1遺傳算法

遺傳算法是一種通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法。它是由美國(guó)密西根大學(xué)的Holland教授于1926年首先提出來(lái)的，是一種基于自然選擇和基因遺傳學(xué)原理的優(yōu)化搜索方法。遺傳算法具有通用性強(qiáng)，并行性好，對(duì)可行性解表示廣泛，群體搜索等特性。但同時(shí)，它也同樣具有收斂速度較慢，容易陷入局部最優(yōu)等缺點(diǎn)。

2.2小生境遺傳算法

遺傳算法是模擬生物界進(jìn)化過(guò)程方法，在1969年由J.Holland教授提出后經(jīng)由DeJong.Goldberg等人在1975年歸納總結(jié)出來(lái)。與其他智能算法相比對(duì)于一些大型的、非線性多變量的復(fù)雜的數(shù)學(xué)問(wèn)題，遺傳算法更能顯示出比傳統(tǒng)的數(shù)學(xué)算法更加獨(dú)特的優(yōu)越性能。但是，傳統(tǒng)的遺傳算法存在搜索全局最優(yōu)能力不強(qiáng)、易早熟收斂的缺陷，從而不能得到全局最優(yōu)解。因此，小生境技術(shù)可以保持整個(gè)種群的多樣性，將那些染色體中遺傳基因較為相似的個(gè)體聚集成小種群，并將它們分到適應(yīng)度函數(shù)圖像中“峰值”上，然后再通過(guò)遺傳算法對(duì)這些“峰值”進(jìn)行處理，結(jié)果是使得適應(yīng)較高的個(gè)體繼續(xù)可以保持或者增加其適應(yīng)度值，而適應(yīng)度較低的個(gè)體其適應(yīng)度值將大幅度降低而被淘汰，這樣既可以保證個(gè)體可以分散在全局范圍中擴(kuò)大了搜索范圍，也可避免整個(gè)函數(shù)陷入局部最優(yōu)。

2.3人工蜂群算法

利用局部搜索因子對(duì)當(dāng)前尋到的最佳位置進(jìn)行局部搜索。選擇排序好的概率，從而避免進(jìn)化過(guò)程中超常規(guī)個(gè)體導(dǎo)致的局部最優(yōu)解，增強(qiáng)魯棒性，從而使人工蜂群算法實(shí)現(xiàn)對(duì)配電網(wǎng)無(wú)功補(bǔ)償?shù)膬?yōu)化。人工蜂群算法具有較強(qiáng)的全局搜索能力，但算法局部搜索性能較差。每次蜜蜂接近最優(yōu)目標(biāo)時(shí)尋找效率明顯減弱，這就致使收斂速度減緩。為了解決算法探索能力強(qiáng)局部搜索能力弱的問(wèn)題，加入局部搜索因子對(duì)目前最優(yōu)解的鄰域進(jìn)行搜索有效的加強(qiáng)了局部搜索能力。為了選擇過(guò)程和蜜源的順序相關(guān)，與適應(yīng)度無(wú)關(guān)，將選擇概率進(jìn)行排序，該方法加大了相對(duì)差的蜜源被選擇概率，保證了基因多樣性。

2.4模擬退火算法

模擬退火法源于物理中的固體退火原理，它是基于蒙特卡洛迭代求解策略的隨機(jī)優(yōu)化計(jì)算方法。其雙向隨機(jī)搜索是基于概率進(jìn)行的，對(duì)于解決帶約束的組合優(yōu)化問(wèn)題成效顯著。在優(yōu)化問(wèn)題的計(jì)算中，退火系統(tǒng)的能量函數(shù)作為所研究目標(biāo)，退火的溫度代表控制變量，模擬退火法追尋基態(tài)的過(guò)程就是一系列的“產(chǎn)生新解—判斷—接受/舍棄”的迭代過(guò)程，通過(guò)這樣的迭代過(guò)程令目標(biāo)函數(shù)取極小值。模擬退火法對(duì)于不十分理想的目標(biāo)函數(shù)值對(duì)應(yīng)的狀態(tài)在一定的概率下也可以接收，該方法既可去往好的方向也可去往差的方向。理論上，模擬退火法只要擁有足夠的計(jì)算時(shí)間就可以確保收斂于全局最優(yōu)，但實(shí)際計(jì)算速度及時(shí)間往往不夠，造成優(yōu)化結(jié)果受計(jì)算時(shí)間影響，故而可能造成優(yōu)化結(jié)果只是局部最優(yōu)。

3、分布式電源配電網(wǎng)無(wú)功優(yōu)化的展望

以風(fēng)電和光伏為代表的分布式發(fā)電在世界范圍內(nèi)得到了迅猛的發(fā)展，一方面分布式電源能夠緩解全球能源危機(jī)和環(huán)境污染的問(wèn)題，另一方面風(fēng)電場(chǎng)和光伏電站出力的相關(guān)性、隨機(jī)性和不可調(diào)度性給傳統(tǒng)的電力系統(tǒng)優(yōu)化控制方法帶來(lái)新的問(wèn)題。大量間歇性DG接入電網(wǎng)使得電力系統(tǒng)無(wú)功優(yōu)化變得更加復(fù)雜，含有DG的配電網(wǎng)無(wú)功優(yōu)化是多變量、多約束、多目標(biāo)的優(yōu)化問(wèn)題，采取合理的方法處理DG出力的不確定性問(wèn)題、求解多目標(biāo)函數(shù)以及運(yùn)用合適的優(yōu)化算法是進(jìn)行含有DG的配電網(wǎng)無(wú)功優(yōu)化的關(guān)鍵所在。各種智能算法既有自身的優(yōu)勢(shì)也存在一些不足，為了得到更好的優(yōu)化結(jié)果，需DG要將單一算法改進(jìn)或者與其他算法結(jié)合，優(yōu)勢(shì)互補(bǔ)。解決分布式電源優(yōu)化配置的傳統(tǒng)優(yōu)化算法大DG多局限在單目標(biāo)的智能優(yōu)化算法，利用權(quán)重系數(shù)的處DG理手段能有效提高算法的處理速度，但未能揭示各目DG標(biāo)函數(shù)之間的內(nèi)在聯(lián)系，因此，未來(lái)方向建議從多目標(biāo)DG的角度來(lái)優(yōu)化DG配置問(wèn)題。

結(jié)語(yǔ)

綜上所述，隨著現(xiàn)代智能技術(shù)的發(fā)展和人們對(duì)優(yōu)化算法的深入研究，越來(lái)越多的新算法將被應(yīng)用于配電網(wǎng)無(wú)功優(yōu)化當(dāng)中，無(wú)功優(yōu)化方法會(huì)日益完善，將大大增強(qiáng)電網(wǎng)的安全穩(wěn)定與經(jīng)濟(jì)性能。

【參考文獻(xiàn)】：

[1]劉青松.基于改進(jìn)遺傳算法的配電網(wǎng)無(wú)功優(yōu)化[J].電力學(xué)報(bào)，2005，20（1）：17-20.endprint