徐舟鷹 樂恩典

（國網(wǎng)舟山供電公司，浙江舟山316021）

0 引言

隨著通信技術(shù)的不斷進(jìn)步，大數(shù)據(jù)的發(fā)展勢不可當(dāng)，“數(shù)據(jù)即資產(chǎn)”的觀念已被大多數(shù)人所認(rèn)同。與此同時，在全球能源互聯(lián)網(wǎng)大力發(fā)展的背景下，國內(nèi)外的電力發(fā)展正經(jīng)歷著很大的變化，大量分布式可再生能源開始接入配電網(wǎng)，如風(fēng)電、光伏等，它們的接入會對配電網(wǎng)的可靠性產(chǎn)生重大影響，且會增加配電網(wǎng)的運行數(shù)據(jù)。如何利用配網(wǎng)中海量的運行數(shù)據(jù)對其建立量化的可靠性評估方法成為了研究熱點。

本文介紹了改進(jìn)粒子群算法（Improved Particle Swarm Optimizer，IPSO）的特點和原理，并將其運用到具有分布式電源的配電網(wǎng)運行中去，在解決問題時采用權(quán)重系數(shù)進(jìn)行多目標(biāo)優(yōu)化，最終通過對算法的改進(jìn)提高了尋優(yōu)效率。

1 粒子群算法簡介

粒子群算法（Particle Swarm Optimization，PSO）是根據(jù)鳥類覓食的過程進(jìn)行的一個生物優(yōu)化算法，是基于一個群體的智能算法對一個復(fù)雜問題進(jìn)行分析和優(yōu)化的過程，對于多目標(biāo)問題反應(yīng)靈敏、計算快，但同時容易陷入局部最優(yōu)。

2 粒子群算法在中壓配電網(wǎng)中的應(yīng)用

粒子群算法在中壓配電網(wǎng)中主要用于開關(guān)站的選址，開關(guān)站的模型通常包含經(jīng)濟(jì)模型和可靠性模型，本文在考慮這兩者的基礎(chǔ)上，使用一個綜合模型作為粒子群算法的迭代標(biāo)準(zhǔn)。在現(xiàn)階段的配電網(wǎng)運行中，如何采用海量運行數(shù)據(jù)對各種分布式新能源的接入和運行進(jìn)行選址也至關(guān)重要。

2.1 風(fēng)電開關(guān)站經(jīng)濟(jì)模型

風(fēng)電所需要建立的開關(guān)站的經(jīng)濟(jì)模型主要包含其投資和運行費用，采用等年值法：

式中，M為風(fēng)機開關(guān)類型總數(shù)；Nj為第j種類型開關(guān)新增數(shù)目；Csj為第j種開關(guān)目前單價；Pj為第j種開關(guān)使用壽命；Cs為總開關(guān)投資的等年值。

風(fēng)機的運行費用（年度費用）由式（2）得出，其大小和開關(guān)站的總投資成正比。

式中，CM為風(fēng)機運維費用；H為比例系數(shù)。

2.2 風(fēng)機可靠性模型

在配電網(wǎng)中，開關(guān)站的可靠性主要與其是否停電有關(guān)，無論是計劃停電還是故障停電。由停電造成的損失計算如式（3）所示：

式中，LP為負(fù)荷節(jié)點數(shù)；Tj為第j個負(fù)荷點的停電類型；ENSjt為負(fù)荷點j第t停電相應(yīng)所失去的供電量；CLOSSjt為負(fù)荷點j第t停電的單位停電損失；CL為年度停電損失總費用。

2.3 風(fēng)機運行綜合模型

配電網(wǎng)風(fēng)機接入的綜合模型考慮使用權(quán)重因子將兩種模型整合，通過不同種類的運行方式，考慮經(jīng)濟(jì)性和可靠性的占比，得到綜合模型如式（4）所示：

式中，Ka、Kb為經(jīng)濟(jì)性、可靠性權(quán)重因子，Ka+Kb=1。

2.4 計算步驟及流程

分布式電源接入配電網(wǎng)通常分為多電源接入和單電源接入。

2.4.1 單獨風(fēng)機接入過程

在配電網(wǎng)只有一個風(fēng)機時，風(fēng)電的供電范圍是確定的，只需要根據(jù)政府規(guī)劃和供電需求確定其裝接位置即可。將該區(qū)域的粒子位置代入上述式子中，可以得到每個粒子的“適應(yīng)度”，通過對“適應(yīng)度”的對比和判斷，評價該粒子所處的環(huán)境，以及如此建設(shè)和運行是否經(jīng)濟(jì)。通常來說，“適應(yīng)度”越低對應(yīng)著其所需要的投資成本以及后期運營成本越低，而對于所有的“粒子”的位置所對應(yīng)的總“適應(yīng)度”的最低點即最優(yōu)的投放位置。

具體步驟如下：

（1）隨機給定n個粒子的位置，即代表風(fēng)機的裝接位置；

（2）計算各個粒子位置所對應(yīng)的“適應(yīng)度”，即該位置裝接風(fēng)機的成本；

（3）根據(jù)上述粒子產(chǎn)生的最優(yōu)解進(jìn)行位置調(diào)整，采用實際情況對“適應(yīng)度”函數(shù)進(jìn)行優(yōu)化，完成一次搜索，每一次迭代都再進(jìn)行上述步驟，直到尋找到最優(yōu)點；

（4）最后停止循環(huán)得到最優(yōu)位置。

2.4.2 多風(fēng)電機組接入電網(wǎng)過程

多個風(fēng)機接入電網(wǎng)的步驟同一臺風(fēng)機接入類似，只是最后的結(jié)果需要輸出一組變量組成的最優(yōu)解的合集作為每個風(fēng)機的布點。除了考慮風(fēng)電的容量外，也要考慮其在該供電位置的供電范圍。根據(jù)粒子群算法的步驟，就需要對m個目標(biāo)進(jìn)行優(yōu)化，同時得到其“適應(yīng)度”的和的最小值，才是這m個風(fēng)機所要的最優(yōu)位置。

具體步驟如下：

（1）確定每個風(fēng)機的供電范圍，通過隨機數(shù)的放置測得每個負(fù)荷點到該電源點的距離作為參考，并判斷該容量是否符合要求；

（2）容量滿足要求的風(fēng)機就不再進(jìn)行劃分，其余風(fēng)機直到劃分完畢即可，接著在每個點的范圍內(nèi)確定風(fēng)機最優(yōu)位置，即重復(fù)單風(fēng)機的優(yōu)化步驟即可，直到獲得最優(yōu)解。

3 算例分析

根據(jù)需要，建一個規(guī)模為2×50 MW的風(fēng)電站和一個規(guī)模為1×50 MW的風(fēng)電站，線路的貼現(xiàn)率為0.08，折舊年限為16，新建站出線單位長度投資費用均為150萬元/km，網(wǎng)損折算系數(shù)α1=α2=α3=0.004 69（假設(shè)線路全年投入運行），具體信息如表1所示。

從圖1中可以看出，運用粒子群算法求解電力系統(tǒng)開關(guān)優(yōu)化問題具有良好的性能，經(jīng)過多次運行程序，均能在20代以內(nèi)收斂到最優(yōu)解。

表1 負(fù)荷坐標(biāo)信息表

圖1 粒子群算法趨勢圖

4 結(jié)論

隨著分布式能源接入配電網(wǎng)，采用最優(yōu)方法配置負(fù)荷成為配電網(wǎng)中一個十分重要的問題，其社會價值、工程經(jīng)濟(jì)價值都有顯著提高。本文在研究風(fēng)機的配置后得出了以下結(jié)論：

（1）通過對風(fēng)機電源點的劃分，可以簡化計算過程，節(jié)省搜索時間，減少計算量，從而快速高效地得到系統(tǒng)的經(jīng)濟(jì)性指標(biāo)；

（2）根據(jù)配電網(wǎng)中風(fēng)機開關(guān)站優(yōu)化的特點，將改進(jìn)粒子群算法運用到計算中，相對于原始方法效果更佳，算法精確有效。