木孫渡

（云南電網(wǎng)有限責(zé)任公司麗江供電局，云南 麗江 674110）

0 引言

城市配網(wǎng)臺(tái)區(qū)存在用戶數(shù)量龐大、時(shí)空分布隨機(jī)性強(qiáng)等特點(diǎn)，導(dǎo)致三相負(fù)荷存在不平衡的問題。近年來，隨著經(jīng)濟(jì)快速發(fā)展和居民生活水平的提高，工業(yè)設(shè)備用電量和居民家庭用電量均呈現(xiàn)穩(wěn)步上升的態(tài)勢(shì)，用電三相不平衡問題日趨凸顯。三相負(fù)荷不平衡會(huì)帶來變壓器和線路損耗增加、重載相供電電壓水平下降、零序和負(fù)序電流占用線路有功輸送能力等問題。目前，解決三相不平衡問題的主要措施有：1）電容器組補(bǔ)償方式。該方法通過在臺(tái)區(qū)布置一定數(shù)量的電容器組來補(bǔ)償三相線路中存在的無功電流，提高臺(tái)區(qū)內(nèi)系統(tǒng)功率因數(shù)。該方法無法有效補(bǔ)償零序電流和負(fù)序電流，且存在與電網(wǎng)產(chǎn)生諧振的可能性。2）人工調(diào)整相間負(fù)荷水平，通過斷電切換負(fù)荷連接相，調(diào)整重載相負(fù)荷到輕載相，達(dá)到各相負(fù)荷基本平衡的目的，該方法影響臺(tái)區(qū)供電可靠率，且不能及時(shí)與負(fù)荷水平匹配。3）臺(tái)區(qū)內(nèi)配置低壓負(fù)荷在線自動(dòng)換相裝置，實(shí)現(xiàn)各相負(fù)荷的實(shí)時(shí)自動(dòng)調(diào)整，該方法技術(shù)實(shí)現(xiàn)復(fù)雜，對(duì)自動(dòng)換相策略的可靠性要求較高。

通過臺(tái)變就地配置三相不平衡裝置，實(shí)時(shí)補(bǔ)償臺(tái)區(qū)電網(wǎng)的零序和負(fù)序電流，是目前階段解決臺(tái)區(qū)電網(wǎng)不平衡問題的有效手段。該方法具有實(shí)時(shí)跟蹤、連續(xù)供電、集中控制和分布補(bǔ)償?shù)葍?yōu)點(diǎn)，適合復(fù)雜臺(tái)區(qū)內(nèi)的負(fù)荷不平衡問題。麗江地區(qū)臺(tái)網(wǎng)是云南電網(wǎng)的重要支網(wǎng)，區(qū)內(nèi)負(fù)荷分散，單相電用戶占比較大，部分臺(tái)區(qū)長期過負(fù)荷運(yùn)行，整體線損過高，三相負(fù)荷不平衡問題較為嚴(yán)重。近年來，為改善臺(tái)區(qū)供電質(zhì)量，麗江供電局實(shí)施了多個(gè)電網(wǎng)升級(jí)改進(jìn)工程，針對(duì)三相不平衡這一典型電能質(zhì)量問題，配置實(shí)時(shí)補(bǔ)償裝置來提高臺(tái)區(qū)內(nèi)的供電水平，取得了很好的效果。該文對(duì)三相不平衡補(bǔ)償裝置的區(qū)域配置進(jìn)行了研究，提出了基于蟻群智能算法的裝置優(yōu)化配置方案，實(shí)現(xiàn)了經(jīng)濟(jì)性與補(bǔ)償目標(biāo)的最優(yōu)化。

1 三相不平衡補(bǔ)償裝置基本工作原理

三相不平衡補(bǔ)償裝置以全控型半導(dǎo)體功率器件IGBT為核心，能快速連續(xù)地補(bǔ)償電網(wǎng)的無功電流、零序和負(fù)序電流，并可抑制電壓波動(dòng)和閃變，使整個(gè)電網(wǎng)負(fù)荷的潮流分配更趨合理，使電力系統(tǒng)穩(wěn)定、高效地運(yùn)行，完美解決電網(wǎng)三相不平衡、諧波、無功等問題。三相不平衡裝置的原理結(jié)構(gòu)圖如圖1所示。

圖1 三相不平衡裝置原理圖

該文的三相不平衡裝置采用三相四線三電平全橋拓?fù)?，通過系統(tǒng)側(cè)CT，提取系統(tǒng)電流中零序分量和負(fù)序分量，控制不平衡補(bǔ)償裝置產(chǎn)生幅值相同、符號(hào)相反的補(bǔ)償分量注入系統(tǒng)中。裝置同時(shí)可實(shí)時(shí)檢測(cè)系統(tǒng)電流的諧波分量，兼具諧波補(bǔ)償功能，可根據(jù)用戶需求進(jìn)行選擇性補(bǔ)償。

裝置采用模塊化設(shè)計(jì)，每個(gè)模塊規(guī)格為33kvar，對(duì)應(yīng)電壓電流規(guī)格為380V/50A，可具備補(bǔ)償50A的負(fù)序電流和最大100A的零序電流，具備對(duì)13次以下諧波的濾除功能，動(dòng)態(tài)響應(yīng)時(shí)間約1ms。根據(jù)需要補(bǔ)償電流總量，可對(duì)電氣柜進(jìn)行模塊化擴(kuò)展，最高支持6個(gè)模塊/200kvar的總?cè)萘颗渲?。模塊間以主從方式進(jìn)行并聯(lián)，通過指定的主模塊完成指令電流的計(jì)算與下發(fā)，各模塊間平均輸出電流，完成電流補(bǔ)償功能。

2 臺(tái)區(qū)三相不平衡補(bǔ)償裝置配置原則

麗江地區(qū)電網(wǎng)覆蓋了區(qū)內(nèi)古城區(qū)、玉龍縣、永勝縣、華坪縣、寧蒗彝族自治縣5個(gè)縣級(jí)供電區(qū)域，各區(qū)域相距較遠(yuǎn)，海拔差異也較大。在此次電能質(zhì)量改進(jìn)項(xiàng)目中，擬選擇不平衡較為嚴(yán)重的臺(tái)區(qū)進(jìn)行試點(diǎn)運(yùn)行。經(jīng)篩選，共有81個(gè)臺(tái)區(qū)存在較為嚴(yán)重的負(fù)荷不平衡問題。各臺(tái)區(qū)日均負(fù)荷水平變化較大，在24 h內(nèi)的負(fù)荷分布情況也各不相同；部分臺(tái)區(qū)最大負(fù)荷補(bǔ)償量超出設(shè)備容量限制，但年平均負(fù)荷水平較低。因此，如何從補(bǔ)償效果、補(bǔ)償經(jīng)濟(jì)性方面考慮選擇40個(gè)補(bǔ)償裝置的臺(tái)區(qū)點(diǎn)變得較為困難。

3 基于蟻群算法的臺(tái)區(qū)補(bǔ)償裝置配置方法

蟻群優(yōu)化算法（Ant Colony Optimization， ACO）是一種群智能優(yōu)化算法，該算法模擬蟻群覓食過程中個(gè)體之間信息交流和相互協(xié)作，通過正反饋、分布式計(jì)算和貪婪啟發(fā)式搜索來完成對(duì)目標(biāo)問題的優(yōu)化設(shè)計(jì)。

考慮臺(tái)區(qū)配置主要目標(biāo)為：改善臺(tái)區(qū)內(nèi)電壓質(zhì)量水平，臺(tái)區(qū)內(nèi)供電電壓不平衡度應(yīng)改善到標(biāo)準(zhǔn)允許范圍內(nèi)，即盡量發(fā)揮補(bǔ)償設(shè)備的設(shè)計(jì)容量，盡可能地減少向區(qū)域電網(wǎng)注入的負(fù)序電流和零序電流，避免在部分臺(tái)區(qū)容量閑置。

臺(tái)區(qū)內(nèi)補(bǔ)償裝置配置的約束條件包括兩點(diǎn)內(nèi)容。1）補(bǔ)償裝置總數(shù)，在本例中，限定為40臺(tái)。2）補(bǔ)償容量限制，總?cè)萘繛榕_(tái)數(shù)×單臺(tái)設(shè)備容量。

綜合考慮可設(shè)計(jì)目標(biāo)函數(shù)為：

式中，εU2、εU0分別代表負(fù)序電壓不平衡度和零序電壓不平衡率，QN、Q表示不平衡治理裝置額定容量和補(bǔ)償容量（標(biāo)么值），N表示臺(tái)區(qū)總數(shù)，M表示補(bǔ)償裝置總數(shù)，ki為臺(tái)區(qū)是否配置補(bǔ)償裝置的選定系數(shù)。

確定目標(biāo)函數(shù)和可行域后，蟻群算法對(duì)目標(biāo)問題進(jìn)行優(yōu)化的5個(gè)基本步驟。

3.1 蟻群信息初始化

對(duì)信息素濃度矩陣τ和啟發(fā)式信息系數(shù)矩陣η進(jìn)行初始化操作。在初次賦值時(shí)，可將相關(guān)系數(shù)取相等值。蟻群初始的位置可通過隨機(jī)分布的m組數(shù)來確定。

3.2 蟻群位置轉(zhuǎn)移

蟻群個(gè)體的位置轉(zhuǎn)移主要取決于信息素濃度和啟發(fā)式信息。按照概率大小進(jìn)行下一位置的確定。螞蟻個(gè)體k由位置i轉(zhuǎn)移到位置j的概率定義為：

式中：α、β分別是信息素濃度和啟發(fā)式信息相對(duì)應(yīng)的重要度系數(shù)；τij（t）表征信息素濃度大小。

3.3 鄰域搜索

在初始化結(jié)束、位置轉(zhuǎn)移完成后，所有個(gè)體進(jìn)行現(xiàn)有可行解區(qū)域的鄰域搜索，以期獲得更優(yōu)的解來替換現(xiàn)有的解集合，搜索將以較小的步長進(jìn)行，確保完成整個(gè)鄰域的遍歷。

3.4 信息素的更新

信息素理論是對(duì)本輪算法遍歷尋找到的優(yōu)質(zhì)解集合進(jìn)行信息素強(qiáng)化，以在下一輪的隨機(jī)遍歷搜索中獲得更大的被尋找概率。定義如下：

ρ為信息素保留系數(shù)，Δτij表示信息素增加的總量，Q表示設(shè)定的表示濃度增量的常數(shù)。

實(shí)際確定相關(guān)系數(shù)時(shí)需要綜合考慮算法收斂和精度等因素。例如ρ較大時(shí)，信息素?fù)]發(fā)減弱，可以擴(kuò)大搜索空間，但算法的收斂速度將變慢；ρ較小時(shí)，信息素?fù)]發(fā)迅速，可以達(dá)到的搜索空間變小，可以迅速收斂，但通常會(huì)導(dǎo)致局部最優(yōu)而失去更優(yōu)質(zhì)的解?？梢詣?dòng)態(tài)調(diào)節(jié)信息素濃度來保持收斂和搜索空間的保持。動(dòng)態(tài)調(diào)節(jié)函數(shù)為：

ρ0表示初始值，可以設(shè)為較高的值。nc表示迭代次數(shù)；NC表示迭代上限次數(shù)。

3.5 結(jié)果輸出

重復(fù)搜索以及信息素更新，直至輸出最優(yōu)結(jié)果

4 計(jì)算結(jié)果

為了對(duì)上述優(yōu)化設(shè)計(jì)方法進(jìn)行驗(yàn)證，在MATLAB中編制了臺(tái)區(qū)智能優(yōu)化選擇的程序。程序中蟻群算法的相關(guān)參數(shù)設(shè)置：蟻群規(guī)模m=30，信息素初始值Q0=100，信息素重要性系數(shù)α=2，啟發(fā)式信息重要性系數(shù)β=1，信息素濃度增量常數(shù)Q=10，揮發(fā)系數(shù)初始值ρ0=0.95，算法迭代次數(shù)NC=50。

圖2 蟻群優(yōu)化算法的迭代運(yùn)算圖

圖2是蟻群算法的迭代尋優(yōu)圖，從圖2中可以看出，蟻群算法表現(xiàn)出了良好的優(yōu)化性能，在50代以內(nèi)就尋找到了較為理想的結(jié)果。根據(jù)優(yōu)化結(jié)果得到的臺(tái)區(qū)選擇結(jié)果見表1。

表1 臺(tái)區(qū)優(yōu)化選擇方法與補(bǔ)償效果計(jì)算結(jié)果

臺(tái)區(qū)選擇結(jié)果表明，通過蟻群算法可實(shí)現(xiàn)不平衡裝置的優(yōu)化配置，在有限的容量條件下，在81個(gè)臺(tái)區(qū)內(nèi)實(shí)現(xiàn)最優(yōu)臺(tái)區(qū)的選擇，同時(shí)，設(shè)備容量利用率也作為目標(biāo)函數(shù)進(jìn)行了約束，確保了容量能夠得到有效利用。