孫才華，劉 強(qiáng)

(國網(wǎng)河南省電力公司，河南 鄭州 450000)

以往用于電力產(chǎn)業(yè)的能源多數(shù)清潔性較差，并且不可再生與重復(fù)利用，這不僅造成了能源資源的浪費(fèi)、對(duì)環(huán)境產(chǎn)生了污染，同時(shí)也與國家“節(jié)能環(huán)?！钡恼弑车蓝Y[1]。在節(jié)能環(huán)保的時(shí)代大潮下，將可再生能源應(yīng)用到電力產(chǎn)業(yè)中，不僅能實(shí)現(xiàn)資源的有效利用，同時(shí)還能避免嚴(yán)重的環(huán)境污染現(xiàn)象[2]。由于很多可再生能源都不能被大規(guī)模地集中應(yīng)用于電力產(chǎn)業(yè)中，而分布式電源作為一種小型模塊電源裝置，能夠最大程度地利用電熱能，并且可以對(duì)輸配電網(wǎng)中的能源進(jìn)行二次利用，將可再生能源很好地應(yīng)用到電力產(chǎn)業(yè)中[3]，自然而然成為各大電力企業(yè)有效利用可再生能源的重要手段。近年來，國內(nèi)外諸多學(xué)者對(duì)分布式電源在電網(wǎng)電源規(guī)劃中的應(yīng)用進(jìn)行了研究，如潘霄等[4]基于需求相關(guān)性分組預(yù)測的分布式電源規(guī)劃方法的研究，鄢晶等[5]基于向量序優(yōu)化的分布式電源規(guī)劃方法的研究。這些研究都取得了相當(dāng)可人的成績，在減少環(huán)境污染現(xiàn)象的產(chǎn)生的同時(shí)，提高了電網(wǎng)運(yùn)行的穩(wěn)定性，但是其在尋求電源規(guī)劃最優(yōu)解時(shí)的速度較慢，耗時(shí)較長，無法滿足分布式電源在電源規(guī)劃中對(duì)速度與耗時(shí)方面的要求[6]。

改進(jìn)粒子群算法具有較快的收斂速度，在求解問題時(shí)耗時(shí)少。本文提出基于改進(jìn)粒子群算法的輸配電網(wǎng)分布式電源規(guī)劃方法，在進(jìn)行輸配電網(wǎng)電源規(guī)劃時(shí)，能夠快速尋優(yōu)電源規(guī)劃的最優(yōu)解，降低輸配電網(wǎng)運(yùn)行成本，更能滿足實(shí)際電網(wǎng)運(yùn)行需求。

1 分布式發(fā)電技術(shù)

1.1 風(fēng)力發(fā)電技術(shù)

風(fēng)力發(fā)電主要有離網(wǎng)式、互補(bǔ)式和并網(wǎng)式3種運(yùn)行方式。

(1)離網(wǎng)運(yùn)行方式。獨(dú)立于公共電網(wǎng)，利用儲(chǔ)能設(shè)備將風(fēng)機(jī)轉(zhuǎn)化的電能進(jìn)行儲(chǔ)存，需要用電的時(shí)候，再將電能輸出供給負(fù)荷用戶使用。但此種方式不確定性較大，供電系統(tǒng)的穩(wěn)定性差。風(fēng)電系統(tǒng)獨(dú)立運(yùn)行的結(jié)構(gòu)如圖1所示。

圖1 獨(dú)立風(fēng)電系統(tǒng)結(jié)構(gòu)Fig.1 Structure of independent wind power system

(2)互補(bǔ)運(yùn)行方式。指風(fēng)電與其他發(fā)電方式相結(jié)合進(jìn)行互補(bǔ)供電，不僅可以改善風(fēng)力發(fā)電的不穩(wěn)定性和間歇性，而且可以發(fā)揮可再生能源的優(yōu)勢，延長儲(chǔ)能設(shè)備的使用時(shí)間。

(3)并網(wǎng)運(yùn)行方式。指風(fēng)力發(fā)電機(jī)組與電網(wǎng)連接，向電網(wǎng)輸送有功功率，并且吸收或發(fā)出無功功率的風(fēng)電系統(tǒng)，目前變速恒頻方式是并網(wǎng)運(yùn)行使用的主要方式，風(fēng)電系統(tǒng)并網(wǎng)運(yùn)行的結(jié)構(gòu)如圖2所示。

圖2 并網(wǎng)風(fēng)電系統(tǒng)結(jié)構(gòu)Fig.2 Grid connected wind power system structure

1.2 太陽能光伏發(fā)電技術(shù)

當(dāng)前光伏發(fā)電主要為獨(dú)立光伏系統(tǒng)及并網(wǎng)光伏發(fā)電系統(tǒng)，獨(dú)立光伏發(fā)電系統(tǒng)結(jié)構(gòu)如圖3所示。

圖3 獨(dú)立光伏發(fā)電系統(tǒng)示意Fig.3 Schematic of independent PHOTOVOLTAIC power generation system

并網(wǎng)光伏發(fā)電系統(tǒng)如圖4所示。

圖4 并網(wǎng)光電系統(tǒng)示意Fig.4 Schematic of grid-connected photoelectric system

2 輸配電網(wǎng)分布式電源規(guī)劃方法

2.1 輸配電網(wǎng)分布式電源規(guī)劃模型

2.1.1 總投資與運(yùn)行成本目標(biāo)函數(shù)

將分布式電源應(yīng)用到輸配電網(wǎng)中，會(huì)使得輸配電網(wǎng)的運(yùn)行成本提高[7]。為了達(dá)到合理控制輸配電網(wǎng)的運(yùn)行成本的目的，本文將分布式電源總投資與運(yùn)行成本最小目標(biāo)函數(shù)用公式定義為：

(1)

式中，pg、n分別為輸配電網(wǎng)中分布式電源的總?cè)萘颗c設(shè)備使用的年限；r為貼現(xiàn)率；c1為投資成本；c2為運(yùn)行成本。

2.1.2 有功網(wǎng)損

輸配電網(wǎng)應(yīng)用分布式電源后，由于分布式電源與用戶側(cè)的距離較近，網(wǎng)損很大概率上會(huì)降低[8]，因而本文用公式將分布式電源有功網(wǎng)損最小目標(biāo)函數(shù)定義為：

(2)

式中，Ploss為系統(tǒng)的有功網(wǎng)損；l、ik分別為支路數(shù)與支路電流；rk為支路電阻。

2.1.3 電壓穩(wěn)定裕度目標(biāo)函數(shù)

輸配電網(wǎng)應(yīng)用分布式電源后，對(duì)一些負(fù)荷節(jié)點(diǎn)的電壓很大概率上會(huì)造成一定影響，主要表現(xiàn)為電壓的不穩(wěn)定。為了達(dá)到衡量電壓穩(wěn)定性、對(duì)分布式電源應(yīng)用到輸配電網(wǎng)容量以及位置進(jìn)行有效合理限制的目的[9]，本文提出電壓穩(wěn)定裕度目標(biāo)函數(shù)，為：

(3)

式中，Unload、Ue分別為負(fù)荷不等于0的電力節(jié)點(diǎn)電壓值與節(jié)點(diǎn)負(fù)荷期望電壓值。

2.1.4 約束條件

(1)容量約束條件為：

(4)

式中，l、n分別為總支路和分布式電源個(gè)數(shù)；ps、pdgi分別為發(fā)電廠及第i個(gè)分布式電源注入的有功；plgi為支路i的有功負(fù)荷。

(2)電壓約束條件為：

|vi|min≤|vi|≤|vi|max

(5)

式中，|vi|為i節(jié)點(diǎn)的電壓幅值；|vi|max、|vi|min分別為電壓的上限、下限。

(3)電流約束條件為：

|Ii|≤|Ii|max

(6)

式中，|Ii|為代表每條支路電流；|Ii|max為允許范圍內(nèi)的電流上限。

2.2 基于粒子群算法的模型求解

2.2.1 粒子群(PSO)算法

為求得輸配電網(wǎng)分布式電源規(guī)劃模型的解，需利用算法迭代計(jì)算，得到全局最優(yōu)解。粒子群算法是一種群優(yōu)化算法，以可行解作為粒子，在搜索可行解的過程中模擬鳥類覓食的行為。尋找食物過程中，每個(gè)粒子都擁有自己的位置和速度，并且各個(gè)粒子根據(jù)適應(yīng)函數(shù)值和速度來對(duì)它自身的飛行方向進(jìn)行調(diào)整，這樣能夠保證向食物的位置飛行。在向食物靠近的過程中，所有粒子能夠記憶自身位置以及自身最佳位置，并且在運(yùn)動(dòng)過程中對(duì)他們進(jìn)行調(diào)整。粒子群算法具有結(jié)構(gòu)簡單、參數(shù)少易實(shí)現(xiàn)、收斂速度快效率高的優(yōu)勢，考慮將其應(yīng)用于輸配電網(wǎng)分布式電源規(guī)劃模型求解。

2.2.2 改進(jìn)粒子群算法

由于基本的PSO粒子群算法在求解分布式電源規(guī)劃模型時(shí)，因其自身的局限性，容易使分布式電源規(guī)劃模型的解精度不夠，并且當(dāng)求解過程比較復(fù)雜時(shí)，其收斂速度較慢[10]。為減少上述狀況的發(fā)生，采用MPSO算法尋找分布式電源規(guī)劃模型的最優(yōu)解。慣性系數(shù)的初始、結(jié)束值分別用θmax、θmin描述。iter、itermax分別為此時(shí)、最大迭代數(shù)目。θ的迭代計(jì)算為：

(7)

在用粒子群算法進(jìn)行配電網(wǎng)分布式電源規(guī)劃模型求解的過程中，會(huì)出現(xiàn)某些粒子向最優(yōu)粒子位置靠近的現(xiàn)象，從而使算法陷入局部最優(yōu)，收斂時(shí)間過早，從而影響對(duì)配電網(wǎng)分布式電源規(guī)劃模型的求解[11-12]。為了避免類似現(xiàn)象的發(fā)生，本文在進(jìn)行配電網(wǎng)分布式電源規(guī)劃模型求解時(shí)，當(dāng)種群的全局極值在一定次數(shù)的迭代之后，依舊無法得到提高，則在保留全局極值的條件下，再一次對(duì)部分粒子進(jìn)行初始化操作[13-14]。

2.2.3 粒子群算法求解流程

(1)輸入輸配電網(wǎng)分布式電源原始數(shù)據(jù)，獲取包括系統(tǒng)節(jié)點(diǎn)、支路、電壓、電流等主要信息，并對(duì)相關(guān)參數(shù)進(jìn)行粒子群初始化操作[15]。

(2)將迭代粒子的初始速度設(shè)置為0，并對(duì)初始粒子的最優(yōu)解最大迭代次數(shù)進(jìn)行限定。

(3)計(jì)算粒子群中粒子的潮流、網(wǎng)損，并根據(jù)分布式電源規(guī)劃模型的目標(biāo)函數(shù)對(duì)粒子的適應(yīng)值進(jìn)行分析；將最小的適應(yīng)值與及其位置作為實(shí)時(shí)的最優(yōu)解與認(rèn)知最優(yōu)解。

(4)根據(jù)式(7)以及式inter=inter+1對(duì)慣性因子、計(jì)數(shù)器進(jìn)行更新，通過公式求解粒子速度、位置。如果粒子的速度高于最大速度，或者低于最小速度，就把最大速度、最小速度當(dāng)作粒子的速度。

(5)重新計(jì)算粒子群中粒子的潮流、線損，分析粒子的適應(yīng)值。用F(xi)代表各粒子的適應(yīng)值，pbest代表當(dāng)前個(gè)體最優(yōu)解，并將F(xi)與pbest進(jìn)行比較，如果F(xi)

(6)將當(dāng)前迭代次數(shù)iter與最大迭代次數(shù)itermax進(jìn)行比較，如果達(dá)到最大迭代次數(shù)，則進(jìn)行下一步操作，反之從第(4)步開始重新進(jìn)行相關(guān)粒子操作。

(7)得到分布式電源規(guī)劃模型的最優(yōu)解。

3 實(shí)驗(yàn)與論證

本文以某市某大型供電公司為實(shí)驗(yàn)對(duì)象，應(yīng)用具有33個(gè)節(jié)點(diǎn)的IEEE配電網(wǎng)系統(tǒng)對(duì)其輸配電網(wǎng)分布式電源規(guī)劃進(jìn)行模擬測試，驗(yàn)證本文方法的可行性與有效性。擁有33個(gè)節(jié)點(diǎn)的節(jié)點(diǎn)系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示。

圖5 33節(jié)點(diǎn)系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.5 Network structure of 33 node system

應(yīng)用本文方法得到的33節(jié)點(diǎn)系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)中各節(jié)點(diǎn)的電壓穩(wěn)定裕度值見表1。從表1可以清晰地看到各節(jié)點(diǎn)的電壓穩(wěn)定裕度值，通過觀察各點(diǎn)的裕度值可以發(fā)現(xiàn)，節(jié)點(diǎn)7、節(jié)點(diǎn)19與節(jié)點(diǎn)26的裕度值明顯要低于其他節(jié)點(diǎn)。說明這3個(gè)點(diǎn)的電壓穩(wěn)定性與其他節(jié)點(diǎn)相比較差，因而需要對(duì)這3個(gè)點(diǎn)處的電壓進(jìn)行補(bǔ)償，以確保電力系統(tǒng)的穩(wěn)定運(yùn)行。

節(jié)點(diǎn)7、節(jié)點(diǎn)19、節(jié)點(diǎn)26應(yīng)用本文方法進(jìn)行分布式電源規(guī)劃后的電壓穩(wěn)定裕度值如圖6所示。從圖6可以看出，應(yīng)用本文方法進(jìn)行分布式電源規(guī)劃后，在3個(gè)電壓不穩(wěn)定節(jié)點(diǎn)處，不同時(shí)間點(diǎn)測得的電壓穩(wěn)定裕度值和其他節(jié)點(diǎn)一樣都保持在5左右。說明本文方法應(yīng)用后可使節(jié)點(diǎn)電壓趨于穩(wěn)定，驗(yàn)證了本文方法的分布式電源規(guī)劃有效性。

表1 各節(jié)點(diǎn)電壓穩(wěn)定裕度值Tab.1 Voltage stability margin of each node

圖6 電壓穩(wěn)定裕度值Fig.6 Voltage stability margin

應(yīng)用本文方法后某日不同信噪比下的有功網(wǎng)損如圖7所示。

圖7 不同信噪比有功網(wǎng)損Fig.7 Active power network loss with different SNR

從圖7可以看出，隨著信噪比的增加，輸配電網(wǎng)的有功網(wǎng)損也隨之增加，但是增加幅度不大，有功網(wǎng)損的值始終較低，網(wǎng)損最大時(shí)，也僅為約25 kW，多數(shù)情況下有功網(wǎng)損可維持在20 kW以下。說明應(yīng)用本文方法進(jìn)行分布式電源規(guī)劃后配電網(wǎng)產(chǎn)生的有功網(wǎng)損更少，可滿足實(shí)際電力工作低網(wǎng)損的要求。

不同投資額下應(yīng)用本文改進(jìn)粒子群算法和基礎(chǔ)粒子群算法的配電網(wǎng)網(wǎng)損費(fèi)用對(duì)比如圖8所示。從圖8可以看出，粒子群算法收斂速度較快但缺乏適當(dāng)?shù)囊龑?dǎo)，很容易早熟，得到的結(jié)果精度不高，本文改進(jìn)粒子群算法在尋優(yōu)過程中出現(xiàn)算法停滯時(shí)，通過初始化粒子跳出局部最優(yōu)，使得解的精度更高，尋優(yōu)效果更強(qiáng)，效率更高。由此表明，應(yīng)用本文方法對(duì)輸配電網(wǎng)電源進(jìn)行電源規(guī)劃，產(chǎn)生的網(wǎng)損費(fèi)用更低，可降低輸配電網(wǎng)的總體運(yùn)營成本，可更好滿足實(shí)際電力工作需求。

圖8 網(wǎng)損費(fèi)用對(duì)比Fig.8 Comparison diagram of network loss cost

應(yīng)用本文改進(jìn)粒子群算法得到的帕累托效率如圖9所示。

圖9 改進(jìn)粒子群算法帕累托效率Fig.9 Improved particle swarm optimization Pareto efficiency

從圖9可以看出，無論在投資費(fèi)用較大或者較小的情況下，本文應(yīng)用改進(jìn)遺傳算法得到的最優(yōu)解分布都比較均勻。說明本文應(yīng)用的改進(jìn)粒子群算法在面對(duì)較大數(shù)據(jù)時(shí)，也具有較好的尋優(yōu)能力。

4 結(jié)論

本文研究基于改進(jìn)粒子群算法的輸配電網(wǎng)分布式電源規(guī)劃方法，可以顯著提升輸配電網(wǎng)能源利用率，保障電網(wǎng)穩(wěn)定運(yùn)行，滿足實(shí)際電力工作中需求。但是本文在構(gòu)建輸配電網(wǎng)規(guī)劃模型時(shí)考慮的因素有限，實(shí)際的輸配電網(wǎng)電源規(guī)劃中，還要受到環(huán)境等因素的影響。下一階段對(duì)輸配電網(wǎng)電源規(guī)劃的研究，將從環(huán)境因素入手對(duì)輸配電網(wǎng)電源進(jìn)行合理有效的規(guī)劃。