劉 琳 邱 菊 陳 曦

（1.國網(wǎng)信息通信產(chǎn)業(yè)集團有限公司 北京 100192）（2.北京中電普華信息技術(shù)有限公司 北京 100192）（3.北京國網(wǎng)信通埃森哲信息技術(shù)有限公司 北京 100000）

1 引言

光伏發(fā)電是可再生供電的重要組成部分，具有間歇性、隨機波動性等特點［1～3］，這些特點容易給電力系統(tǒng)的安全、穩(wěn)定運行帶來威脅。為了進一步提高太陽能光伏發(fā)電功率的利用率，對光伏電站的使用壽命［4～6］進行評估與計算，這也需要檢測出太陽能光伏發(fā)電功率的功率，以便更好地評估光伏電站的性能參數(shù)。因此，跟蹤、評估光伏電池輸出的功率是十分必要的。光伏發(fā)電輸出功率容易受到外界多種因素信息的影響，比如電網(wǎng)中產(chǎn)生的電網(wǎng)諧波、導(dǎo)致電壓發(fā)生信息偏離的誤差參數(shù)、電網(wǎng)負荷、電磁場影響下的不平衡因素等［7～10］。這就造成了大量的電網(wǎng)潛在故障發(fā)生，當(dāng)大量的光伏矩陣數(shù)據(jù)信息被接入配電網(wǎng)后，對電網(wǎng)中的潮流分布、功率損耗、節(jié)點電壓等各個方面也會造成嚴重影響。傳統(tǒng)的配電網(wǎng)方法使得計算速度、精度等均不能滿足大型有源配電網(wǎng)的運行控制要求［11～12］。這就需要一種算法來實現(xiàn)復(fù)雜的配網(wǎng)結(jié)構(gòu)。

本文引入一種蟻群算法，其作為優(yōu)化算法能夠解決組合優(yōu)化的問題，該算法根據(jù)蟻群覓食行為來演變得出的算法［13～15］，通過模擬螞蟻群體尋找食物過程的優(yōu)化算法來評估太陽能光伏發(fā)電功率，為配網(wǎng)的穩(wěn)定運行提供保障。

2 預(yù)測模型體系構(gòu)架

在《光伏電站接入電網(wǎng)技術(shù)規(guī)定》的相關(guān)標(biāo)準中，比如GB/T 14549、GB/T 12325、GB/T 1232、GB/T 15543等中規(guī)定了多個對光伏電站可靠性影響的因素［13～14］，比如公用電網(wǎng)諧波、供電電壓偏差、電壓波動和閃變、電壓不平衡度、時變光照強度、電網(wǎng)故障等因素。這些因素中，每種參數(shù)都對光伏發(fā)電功率造成間接或者直接的影響。太陽能光伏矩如圖1所示，光伏之間以串聯(lián)和并聯(lián)連接的方式實現(xiàn)電流、電壓和功率的輸出，如何評估其輸出功率是本文要解決的技術(shù)問題。

圖1 m*n光伏矩陣示意圖

在本文設(shè)計中，首先設(shè)計出預(yù)測模型體系的構(gòu)架，如圖2所示，在該架構(gòu)中，由于太陽能光伏發(fā)電是通過大量多個光伏陣列矩陣構(gòu)成，光伏發(fā)電組成的配電網(wǎng)存在多維、離散、非線性的問題，需要進行優(yōu)化設(shè)計。本文采用蟻群算法對輸出功率信號進行優(yōu)化。假設(shè)將某個地區(qū)劃分為區(qū)域1、區(qū)域2、區(qū)域N等，以將配電網(wǎng)進行網(wǎng)絡(luò)分區(qū)，然后將區(qū)域1、區(qū)域2、區(qū)域N等的數(shù)據(jù)進行初始化處理，可將區(qū)域1的初始化優(yōu)化解集記作為X1=［x11，x12，…，x1n］，將區(qū)域2的初始化優(yōu)化解集記作為X2=［x21，x22，…，x2n］，將區(qū)域N的初始化優(yōu)化解集記作為XN=［xN1，xN2，…，xNn］，其中光伏發(fā)電輸出電流和電壓之間的關(guān)系為

圖2 預(yù)測模型體系構(gòu)架

光伏發(fā)電輸出功率和輸出電壓之間的關(guān)系為

在式（1）中，Ipv為光伏發(fā)電輸出電流，Isc為光生電流，IO為二極管飽和電流，q為1.6*10-19C的電子電荷，Rb為光伏電池并聯(lián)電阻，Rs為光伏電池串聯(lián)電阻，Ib為并聯(lián)電阻電流，U為光伏電池輸出電壓，A為光伏電池特性因子，Ka為波爾茲曼常數(shù)，其值為1.38*10-23J/K，T為光伏電池工作時的溫度。在實際工作時，最大輸出功率Pmax=300Wp；最佳工作電壓Ump=32.5V，最佳工作電流=9.08A；開路電壓Uoc=38.4V；短路電流Is=9.62A。

功率輸出特性還容易受周圍環(huán)境的影響，除了上文提到的因素之外，功率輸出特性還受光照等條件的影響。上述功率輸出信息輸出后，進行信息融合，然后利用蟻群算法實現(xiàn)對太陽能光伏發(fā)電功率的預(yù)測、評估，蟻群算法具有隨機分布的特點，該特性能夠彌補網(wǎng)絡(luò)的流量負載、設(shè)備能耗的不定性等，在進行算法計算時，螞蟻元素數(shù)據(jù)包能夠?qū)崟r探測光伏發(fā)電配電網(wǎng)周圍的網(wǎng)絡(luò)環(huán)境，然后再根據(jù)探測到的網(wǎng)絡(luò)狀態(tài)信息情況，進一步地選擇比較合適的信息傳輸鏈路，最終以啟發(fā)式的方式構(gòu)建信息傳遞巡游路徑，由于信息鏈路路徑的自組織性，尤其是在帶有節(jié)能機制的信息傳輸網(wǎng)絡(luò)中，采用蟻群算法不容易改變信息傳輸網(wǎng)絡(luò)的能耗狀態(tài)。使得網(wǎng)絡(luò)損耗較少，保證了信息傳遞的穩(wěn)定性。通過遺傳算法的數(shù)據(jù)通過計算機處理系統(tǒng)傳遞到遠程無線監(jiān)控系統(tǒng)，供更高一個層次的管理中心或者管理人員進行處理。下文將詳細介紹蟻群算法。

3 蟻群算法

下面結(jié)合蟻群算法對本實施步驟進行說明，在應(yīng)用函數(shù)計算時，目標(biāo)函數(shù)的解為輸出功率，設(shè)輸出功率函數(shù)y=f（x），將其范圍定義為（0，Up），根據(jù)光伏發(fā)電的光輸出特性，在利用光伏陣列（xi，yi）進行輸出功率時，可以通過取值其最值，比如最大值和最小值，極大值記作為xi+1。

為了提高這些功率的分布效率，將這些極大值分布式分散，通過記錄區(qū)域1、區(qū)域2和區(qū)域N，以分布式分布在這些區(qū)域內(nèi)，極大值點構(gòu)成為N=xi+1，為了提高這些區(qū)域計算能力，通過Oi來表示，令i=1，2，3，…，M，則每個子區(qū)域可以借助于長度長度公式來表示，則有：

然后，在這個邊界范圍內(nèi)對光伏發(fā)電的功率進行評估。啟動蟻群算法模型時，還要對TSP問題進行示例性說明，如圖3所示。

圖3 多個查詢節(jié)點路徑連接示意圖

在圖3中，假設(shè)令每個圓圈表示一個查詢節(jié)點，再將查詢節(jié)點與查詢節(jié)點之間的距離用E（i，j）來表示，其中，1≤i≤n，1≤j≤n，TSP的主要目的在于將尋找問題遍歷每個查詢節(jié)點的路徑，使查詢路徑成本最低。下面介紹幾個公式。

信息濃度的修正公式：

其中：

其中，ρ表示在信息查詢過程中，設(shè)置的信息殘留具有的系數(shù)大小，該系數(shù)大小能夠表示出路徑查詢能力，1-ρ表示在設(shè)置的時間區(qū)間（t，t+n）內(nèi)，螞蟻元素在進行信息查詢過程中，信息元素具有信息素的揮發(fā)程度。

下面再引出第m只螞蟻從查詢節(jié)點i向查詢節(jié)點運動的轉(zhuǎn)移概率，該概率公式為

其中δ表示信息元素在應(yīng)用過程中，能夠穿透外界故障元素可以看到的能見度因數(shù)，通過數(shù)學(xué)表達的形式可以記作為查詢節(jié)點之間的距離的倒數(shù)；α表示蟻群元素在應(yīng)用過程中，輸出信息素濃度相對重要參數(shù)；β表示能見度因數(shù)與外界故障數(shù)據(jù)信息因素相比時，具有的無障礙因素影響能力；Node表示在與查詢節(jié)點i連接時，具有的節(jié)點標(biāo)識。并且螞蟻尚未游走過的查詢節(jié)點的集合?；谏鲜鼋榻B，下面介紹蟻群算法實施的具體過程，如圖4所示。

圖4 蟻群算法流程示意圖

1）初始化；將功率信息初始化，初始化總?cè)海O(shè)y（t）=ymax，并且將所有螞蟻元素矩陣的所有元素初始化為0，將該起始位置通過隨機選擇的方式對每個螞蟻元素和節(jié)點信息進行選擇。

2）將m只螞蟻隨機放置在n個查詢節(jié)點上，令循環(huán)次數(shù)為Nc，按Nc+1的順序進行循環(huán)。

3）設(shè)定螞蟻元素禁忌表索引號k=1，通過k+1進行循環(huán)；

4）根據(jù)式（7）狀態(tài)轉(zhuǎn)移概率公式計算螞蟻選擇查詢節(jié)點j的概率；

5）選擇各種數(shù)據(jù)信息參數(shù)，將最大狀態(tài)轉(zhuǎn)移概率的查詢節(jié)點通過不同形式的查詢方式實現(xiàn)數(shù)據(jù)信息查詢，將不同螞蟻元素按照不同數(shù)據(jù)屬性轉(zhuǎn)移到查詢節(jié)點，查詢一個，記錄一個，存儲一個，分別將查詢到的不同數(shù)據(jù)信息記錄到禁忌表中。

6）判斷，如果訪問完集合中的所有查詢節(jié)點，k

7）然后核對終止條件，檢查是否滿足終止條件，如果滿足終止條件，則進行進一步操作。

8）判斷是否形成新的群體，如果要形成新的群體，則重新對信息素矩陣進行更新。

9）判斷是否滿足終止遺傳條件，當(dāng)滿足終止遺傳條件時，則輸出計算結(jié)果。

10）輸出當(dāng)前群體中的最優(yōu)解并存儲。

在上述步驟中，通過蟻群算法的迭代運算搜索最優(yōu)解，在一些情況下，能夠在迭代很少次數(shù)便可找到最優(yōu)解，在一些情況下，直到迭代到最大次數(shù)才找到最優(yōu)解，在應(yīng)用蟻群算法時，最優(yōu)的個體適應(yīng)值結(jié)合最大的迭代次數(shù)能夠在已知范圍內(nèi)進行自適應(yīng)地尋找，在不斷的迭代計算過程中，假設(shè)仍舊未找出合適的功率輸出路徑，本系統(tǒng)能夠保留較小的解，而此時的輸出，即為當(dāng)前蟻群計算的最優(yōu)解。

4 仿真分析

本文基于Matlab2013b仿真軟件進行仿真與驗證，首先，在Matlab2013b軟件上建立基于Sim ulink—Function的光伏陣列發(fā)電的仿真模型。如圖5所示。本文采用（5×10）光伏陣列樣品進行試驗，光伏組件的工作參數(shù)：P=300Wp；電壓U=32.5V；電流=9.08A；開路電壓=38.4V；短路電流=9.62A。在仿真圖中，仿真參數(shù)電容C1=200μF；電容C2=500μF；電感L=30mH；負載R=30Ω；載波頻率PWM=30kHz。

圖5 基于Simulink仿真模型圖

基于上文介紹，蟻群算法的種群規(guī)模選擇為100，將交叉算子的發(fā)生率設(shè)置為0.68，將模型中的數(shù)據(jù)信息量不斷進行更新，其系數(shù)設(shè)置為0.8，當(dāng)通過蟻群算法計算完畢后，設(shè)置的迭代進化代數(shù)可以記作為100。計算完畢后，模型參數(shù)輸出的平均輸出功率為7500W，對比示意表如表1所示。

表1 采用蟻群算法樣本輸出的平均功率對比表

通過上述數(shù)據(jù)可知，采用蟻群算法的平均功率更接近實際輸出的平均值。并且穩(wěn)定性能較好。采用蟻群算法的仿真曲線圖如圖6所示。

圖6 基于Simulink仿真模型圖

由仿真結(jié)果可知，當(dāng)設(shè)定終止代數(shù)為100時，采用遺傳蟻群算法的光伏發(fā)電輸出功率已經(jīng)趨于穩(wěn)定，在每次迭代計算時間，就會接近功率平均輸出值，然后隨著每次逼近，輸出功率逐漸趨近于最大功率。計算過程中，在尋優(yōu)精度上，采用遺傳蟻群算法使得計算結(jié)果更加容易趨近于理想值。

通過使用本文設(shè)計的方案，用戶可能正確地評估太陽能光伏發(fā)電輸出功率，增加了光伏電站的可靠性，能夠?qū)⒚總€太陽能光伏矩陣實現(xiàn)電力輸出，電能工作效率大大提高，約10%以上。太陽能利用率也大大提高。

5 結(jié)語

本文采用蟻群算法實現(xiàn)對太陽能發(fā)電功率輸出的評估，提高了功率輸出的優(yōu)化能力，通過建立仿真模型，驗證了這種蟻群算法的有效性，使得用戶能夠快速找到全局最大功率。根據(jù)該算法，用戶能夠恰當(dāng)?shù)卦u估光伏發(fā)電功率的輸出，有效地降低網(wǎng)絡(luò)損耗，均勻分布線路上的負荷，從而提升節(jié)點電壓，改善配電網(wǎng)的運行狀況、提高配電網(wǎng)的安全性。

通過預(yù)算分析，本文提出的方案具有一定的經(jīng)濟價值，能有效地縮減企業(yè)的生產(chǎn)成本，具有明顯的經(jīng)濟效益。