張建賓 王倩 王磊 馬建偉 牛雨 張曉慧

摘 要：智能配電網(wǎng)中不同的等效負荷組網(wǎng)具有不同程度的參與荷網(wǎng)源互動降損的能力，與常規(guī)能源配合，可起到一定的降低智能配電網(wǎng)損耗的作用。本文分析了智能配電網(wǎng)中常規(guī)電源、等效負荷組網(wǎng)以及配電網(wǎng)拓撲結(jié)構(gòu)的調(diào)節(jié)特性，并以此為基礎(chǔ)，根據(jù)不同的調(diào)節(jié)特性分別建立調(diào)節(jié)特性數(shù)學模型。在所得調(diào)節(jié)特性數(shù)學模型的基礎(chǔ)上，以配電網(wǎng)損耗為目標，結(jié)合各調(diào)節(jié)主體及配電網(wǎng)的約束，采用粒子群算法進行優(yōu)化，研究了智能配電網(wǎng)降損手段。

關(guān)鍵詞：智能配電網(wǎng);粒子群算法;分布式電源

中圖分類號：TM73文獻標識碼：A文章編號：1003-5168（2020）16-0127-04

Abstract： Different equivalent load networks in the smart distribution network have different degrees of ability to participate in the interactive loss reduction of the load source. In combination with conventional energy， it can play a role in reducing the loss of the smart distribution network. In this paper， the regulation characteristics of conventional power supply， equivalent load networking and distribution network topology in smart distribution network were analyzed. Based on this， the mathematical model of regulation characteristics was established according to different adjustment characteristics. On the basis of the obtained mathematical model of regulation characteristics， the distribution network loss was taken as the goal， combined with the constraints of each regulation body and distribution network， the particle swarm optimization algorithm was used to optimize the loss of the smart distribution network.

Keywords： smart distribution grid;particle swarm optimization;distributed generation.

本文分析了智能配電網(wǎng)中常規(guī)電源、等效負荷組網(wǎng)以及配電網(wǎng)拓撲結(jié)構(gòu)的調(diào)節(jié)特性，并以此為基礎(chǔ)，根據(jù)不同的調(diào)節(jié)特性分別建立調(diào)節(jié)特性數(shù)學模型。在所得調(diào)節(jié)特性數(shù)學模型的基礎(chǔ)上，以配電網(wǎng)損耗為目標，結(jié)合各調(diào)節(jié)主體及配電網(wǎng)的約束，采用粒子群算法進行優(yōu)化，研究了智能配電網(wǎng)降損手段。

1 智能配電網(wǎng)中源網(wǎng)荷調(diào)節(jié)特性分析模型

部分可調(diào)節(jié)資源僅能通過檔位變換或是部分機組啟停進行調(diào)節(jié)，其功率變化近似分段的梯形變化，如含有工業(yè)負荷的等效負荷等;部分可調(diào)節(jié)資源能通過調(diào)控機組運行狀態(tài)進行調(diào)節(jié)，其功率變化連續(xù)近似平滑的折線變化，如小水電等。

1.1 離散型調(diào)節(jié)特性的數(shù)學模型

2.2 約束條件

約束條件包括潮流約束、支路電流約束和節(jié)點電壓約束以及可調(diào)節(jié)資源（部分常規(guī)電源和部分等效負荷組網(wǎng)）的約束[4]。

3 基于粒子群算法的求解流程

粒子群優(yōu)化（Particle Swarm Optimization，PSO）算法是指用外部粒子群來存儲搜索中的Pareto非支配解，并且不斷更新[5]。使用自適應網(wǎng)格法評估外部粒子群中非支配解的密度信息，選擇密度最小Pareto非支配解作為Gbest引導粒子尋優(yōu)，在使Pareto非支配解多樣化的同時使得最優(yōu)前沿分布均勻。

利用粒子算法求解基于源網(wǎng)荷協(xié)調(diào)優(yōu)化的智能配電網(wǎng)降損策略的基本思想是首先調(diào)節(jié)無功補償設(shè)備，將單日24 h劃分為幾個時段，進行無功損耗優(yōu)化，隨后進行有功損耗優(yōu)化，最后通過智能配電網(wǎng)靜態(tài)重構(gòu)調(diào)整配電網(wǎng)結(jié)構(gòu)。通過首輪源網(wǎng)荷資源協(xié)調(diào)可得到初步的智能配電網(wǎng)降損優(yōu)化結(jié)果，進一步調(diào)整優(yōu)化降損方案。將網(wǎng)絡結(jié)構(gòu)調(diào)節(jié)結(jié)果作為已知條件修正初始值，再次進行無功損耗和有功損耗的優(yōu)化，得到最終的降損優(yōu)化結(jié)果。具體算法流程如下[6-8]：①采用粒子群算法對無功補償設(shè)備進行優(yōu)化;②采用粒子群算法進行可調(diào)源網(wǎng)荷資源協(xié)調(diào)優(yōu)化;③對粒子群的位置和速度進行初始化，以由配電網(wǎng)開關(guān)狀態(tài)組成的種群為自變量，有功網(wǎng)損值為因變量和適應度函數(shù)，進行潮流計算得到有功網(wǎng)損值，并檢驗網(wǎng)絡是否為輻射狀;④根據(jù)當前位置的個體極值去選擇更新歷史，若存在粒子的個體極值優(yōu)于群體的全局極值，那么用個體極值替換該粒子原本的全局極值;⑤更新粒子群中粒子的飛行速度及位置;⑥判斷粒子群算法是否達到設(shè)定好的最大迭代次數(shù)，若是，停止迭代，否則，返回步驟④。

4 算例分析

為了更好地驗證本文提出的配電網(wǎng)運行效率提升手段，根據(jù)調(diào)整過的IEEE-33節(jié)點配電網(wǎng)對本文提出的算法進行驗證。配電系統(tǒng)接線圖如圖1所示，分段開關(guān)為S1—S32，由實線表示，聯(lián)絡開關(guān)為S33—S37，由虛線表示。系統(tǒng)重構(gòu)前的初始有功網(wǎng)損為203 kW，無功網(wǎng)損為202.1 kvar?？紤]到智能配電網(wǎng)部分等效負荷組網(wǎng)中存在風力發(fā)電的情況，分別在7號節(jié)點、28號節(jié)點和24號節(jié)點接入容量為150 kW的風力發(fā)電電源，其出力預測曲線如圖2所示。其他等效負荷組網(wǎng)隨機分配在32個節(jié)點上。考慮到配電網(wǎng)中無功補償設(shè)備，在18號、22號、25號和33號節(jié)點各有1臺可投切電容器組，其配置情況見表1。