張君則

基于出力特性的分布式電源優(yōu)化配置與運(yùn)行

張君則

（國(guó)網(wǎng)北京大興供電公司，北京 102600）

針對(duì)不同類型分布式電源同時(shí)并網(wǎng)及運(yùn)行問(wèn)題，本文分析幾種典型分布式電源的并網(wǎng)方式及出力特性，提出不同類型分布式電源容量區(qū)分及出力控制模型，從而建立以配電網(wǎng)網(wǎng)損最小為目標(biāo)的分布式電源并網(wǎng)容量和位置綜合優(yōu)化配置模型。使用改進(jìn)的粒子群算法進(jìn)行容量和位置分組優(yōu)化并推代求解，再通過(guò)優(yōu)化各分布式電源的運(yùn)行參數(shù)來(lái)調(diào)節(jié)其實(shí)際出力，進(jìn)一步降低配電網(wǎng)網(wǎng)損。以IEEE-33節(jié)點(diǎn)配電系統(tǒng)為例進(jìn)行計(jì)算，結(jié)果驗(yàn)證了所提模型及算法的有效性。

分布式電源；出力特性；配電網(wǎng)；優(yōu)化計(jì)算

0 引言

近年來(lái)，在以電力為中心的新一輪能源革命背景下，傳統(tǒng)電網(wǎng)的形態(tài)和功能定位正在發(fā)生深刻變化，分布式電源（distributed generation, DG）以其獨(dú)特的技術(shù)優(yōu)勢(shì)得到越來(lái)越廣泛的應(yīng)用。分布式電源與傳統(tǒng)電網(wǎng)相互補(bǔ)充、協(xié)調(diào)，是充分利用現(xiàn)有資源和設(shè)備，為用戶提供優(yōu)質(zhì)電能的理想方式。然而，DG接入配電網(wǎng)后，將引起配電網(wǎng)的線路潮流、節(jié)點(diǎn)電壓等發(fā)生變化，隨之造成配電網(wǎng)損耗的改變。這種變化與接入配電網(wǎng)的DG類型、安裝容量和位置及運(yùn)行時(shí)注入配電網(wǎng)的功率密切相關(guān)，因此需要對(duì)包含多類型DG系統(tǒng)的優(yōu)化配置和實(shí)際運(yùn)行出力進(jìn)行研究。

國(guó)內(nèi)外學(xué)者對(duì)分布式電源的優(yōu)化配置做了大量的研究。文獻(xiàn)[1]以改善系統(tǒng)網(wǎng)損與電壓分布為目標(biāo)，將粒子群算法與免疫克隆算法相結(jié)合進(jìn)行求解，在求解質(zhì)量和迭代次數(shù)方面都更有優(yōu)勢(shì)。文獻(xiàn)[2]以配電網(wǎng)運(yùn)行費(fèi)用最低為目標(biāo)，用自適應(yīng)粒子群算法優(yōu)化DG的安裝位置和容量。文獻(xiàn)[3]采用混合模擬退火算法的改進(jìn)粒子群算法進(jìn)行分布式電源選址、定容計(jì)算，使配電系統(tǒng)的網(wǎng)損進(jìn)一步降低。文獻(xiàn)[4]以分布式電源并網(wǎng)與離網(wǎng)兩種運(yùn)行方式下配電網(wǎng)的運(yùn)行風(fēng)險(xiǎn)成本為目標(biāo)函數(shù)構(gòu)建分布式電源選址定容規(guī)劃模型，并采用改進(jìn)多目標(biāo)粒子群算法進(jìn)行求解。文獻(xiàn)[5]計(jì)及環(huán)境及電壓指標(biāo)，建立綜合考慮網(wǎng)損、購(gòu)電費(fèi)用及設(shè)備建設(shè)費(fèi)用等的分布式電源優(yōu)化配置模型，并采用改進(jìn)的自適應(yīng)遺傳算法進(jìn)行求解。文獻(xiàn)[6]分別對(duì)不同類型DG的接入位置、接入容量變化時(shí)對(duì)系統(tǒng)電壓、網(wǎng)損的影響進(jìn)行總結(jié)，但沒(méi)有對(duì)DG的安裝位置和容量進(jìn)行定量計(jì)算。

目前，關(guān)于DG容量配置的研究大多局限于PQ型DG，即將DG有功功率和無(wú)功功率作為容量配置對(duì)象，而沒(méi)有對(duì)具有不同功率輸出特性的DG加以區(qū)分。例如，采用電流型PWM變流器[7]并網(wǎng)的DG以恒定電流源的形式向電網(wǎng)注入功率，則不宜籠統(tǒng)地以有功功率或無(wú)功功率表示。此外，DG的配置大多遵循“安裝即忘記”的原則，沒(méi)有考慮DG的功率輸出特性，難以發(fā)揮DG在改善電網(wǎng)運(yùn)行方面的優(yōu)勢(shì)。

針對(duì)以上問(wèn)題，本文根據(jù)DG的出力特性對(duì)不同類型DG的容量形式加以區(qū)分，以配電網(wǎng)網(wǎng)損最小為目標(biāo)，建立包含不同類型DG安裝容量和位置的綜合優(yōu)化配置模型。借鑒配電網(wǎng)潮流計(jì)算中“前推回代”算法的高效性，本文將DG的安裝容量和位置編號(hào)作為優(yōu)化變量，使用改進(jìn)的粒子群算法對(duì)兩組變量分別進(jìn)行優(yōu)化并推代求解。在確定DG安裝容量和位置的基礎(chǔ)上，通過(guò)優(yōu)化DG的運(yùn)行參數(shù)來(lái)確定其實(shí)際出力，從而進(jìn)一步降低電網(wǎng)損耗。

1 多類型DG綜合優(yōu)化配置模型

1.1 DG的出力特性及容量分類

分布式電源通常通過(guò)三種方式接入配電網(wǎng)[7]：同步發(fā)電機(jī)、電力電子裝置、異步發(fā)電機(jī)。根據(jù)并網(wǎng)方式的不同，DG在潮流計(jì)算中被等效為PQ、PV、PI、P-Q(V)四種節(jié)點(diǎn)類型來(lái)處理，其功率輸出表現(xiàn)為不同的調(diào)節(jié)特性。

1）并網(wǎng)接口為同步發(fā)電機(jī)，如采用功率因數(shù)控制的分軸微型燃?xì)廨啓C(jī)可作為PQ節(jié)點(diǎn)，其功率輸出特性可表示為

式中：為該類型DG的額定容量；為DG運(yùn)行時(shí)的功率因數(shù)。

對(duì)于此類DG，可先假定其功率因數(shù)恒定，以額定容量作為容量的配置對(duì)象，運(yùn)行中通過(guò)控制功率因數(shù)來(lái)調(diào)節(jié)其功率輸出。

2）并網(wǎng)接口為電力電子裝置，如以電流型PWM變流器并網(wǎng)的單軸微型燃?xì)廨啓C(jī)可以看作以恒定電流源輸出的PI節(jié)點(diǎn)處理，其功率輸出特性為

式中：為并網(wǎng)點(diǎn)電壓幅值；為變流器注入電網(wǎng)的電流幅值；為電流滯后電壓的相位。

實(shí)際應(yīng)用中，通常采取一些電流控制策略[8-10]使變流器實(shí)現(xiàn)單位功率因數(shù)的電流輸出和幅值調(diào)節(jié)，式（2）可簡(jiǎn)化為

在進(jìn)行潮流計(jì)算時(shí)其有功功率可按式（4）迭代。

式中：U為第次迭代的并網(wǎng)點(diǎn)電壓；+1為第+1次迭代注入電網(wǎng)的有功功率。

此類DG的輸出功率由并網(wǎng)電流決定，可將作為容量?jī)?yōu)化的對(duì)象，運(yùn)行中通過(guò)控制電流的大小來(lái)調(diào)節(jié)其功率。

3）通過(guò)同步發(fā)電機(jī)接口并網(wǎng)，采用電壓控制的分軸微型燃?xì)廨啓C(jī)或通過(guò)電壓型PWM變流器并網(wǎng)的單軸微型燃?xì)廨啓C(jī)等可作為PV節(jié)點(diǎn)，其功率輸出特性可表示為

式中：max為有功功率的最大值，輸出功率在此范圍內(nèi)可調(diào)；無(wú)功功率為機(jī)端電壓值的函數(shù)，通過(guò)潮流計(jì)算確定。

此類DG發(fā)出的有功功率和無(wú)功功率沒(méi)有耦合關(guān)系，需要通過(guò)優(yōu)化計(jì)算同時(shí)確定其有功功率和無(wú)功功率，運(yùn)行中通過(guò)控制機(jī)端電壓來(lái)調(diào)節(jié)其無(wú)功輸出。

4）以異步發(fā)電機(jī)接口并網(wǎng)的P-Q(V)型DG，并網(wǎng)運(yùn)行時(shí)需要從系統(tǒng)吸收無(wú)功功率來(lái)建立磁場(chǎng)，不具備電壓調(diào)節(jié)能力，因此這里暫不討論該類型DG的優(yōu)化配置。

1.2 目標(biāo)函數(shù)

本文以PQ型DG1、PI型DG2、PV型DG3同時(shí)接入配電網(wǎng)的網(wǎng)損最小為目標(biāo)，其數(shù)學(xué)表達(dá)式為

式中：變量和分別表示三種DG安裝位置和容量的三維向量；Loss為配電網(wǎng)網(wǎng)損；l為配電網(wǎng)支路個(gè)數(shù)；li為支路l的電阻；li、li為支路l的有功功率、無(wú)功功率；V為節(jié)點(diǎn)電壓。

1.3 約束條件

1）潮流方程約束

式中：P、Q為系統(tǒng)注入節(jié)點(diǎn)的有功功率和無(wú)功功率；DG、DG為分布式電源注入節(jié)點(diǎn)的有功功率和無(wú)功功率；L、L為負(fù)荷流出節(jié)點(diǎn)的有功功率和無(wú)功功率；b為網(wǎng)絡(luò)節(jié)點(diǎn)個(gè)數(shù)；V、V為節(jié)點(diǎn)、的電壓；G、B為節(jié)點(diǎn)、間的電導(dǎo)和電納；為節(jié)點(diǎn)與節(jié)點(diǎn)電壓相位差。

2）DG容量約束

（1）PQ型DG應(yīng)滿足

式中：max為DG連續(xù)運(yùn)行的最大視在功率；和通過(guò)功率因數(shù)=cos進(jìn)行耦合，即/=tan。

（2）PI型DG，為防止過(guò)大的輸出電流損壞變流器，應(yīng)滿足

式中，max為變流器最大輸出電流。

（3）PV型DG，其有功功率和無(wú)功功率同樣存在最大容量的約束，應(yīng)分別滿足

式中，max、max分別為有功容量和無(wú)功容量最大值。當(dāng)無(wú)功出力超出最大值時(shí)，則PV節(jié)點(diǎn)轉(zhuǎn)為PQ節(jié)點(diǎn)處理。

3）DG位置約束

限定不同類型DG接入配電網(wǎng)的不同位置，即滿足

式中，1、2、3分別為DG1、DG2、DG3接入配電網(wǎng)的位置編號(hào)。

2 模型求解算法

2.1 基本粒子群算法

粒子群算法（particle swarm optimization, PSO）是一種產(chǎn)生于模擬鳥類覓食過(guò)程中遷徙和集群行為的基于群體智能的進(jìn)化計(jì)算技術(shù)[11]。PSO的求解過(guò)程為：在可行解范圍內(nèi)隨機(jī)產(chǎn)生個(gè)可行解粒子，粒子用維向量和表示其位置和速度，根據(jù)目標(biāo)函數(shù)適應(yīng)值迭代更新自己的位置和速度，直到得到滿足最大迭代次數(shù)的全局最優(yōu)解。粒子第1次迭代中速度和位置更新方程為

2.2 算法流程

將上述三種DG的位置編號(hào)和安裝容量分別用粒子=(1,2,3)和=[,, (,)]表示。先在可行解范圍內(nèi)產(chǎn)生初始粒子0即產(chǎn)生各DG的初始容量，采用PSO求解粒子得到各DG的并網(wǎng)位置，再用PSO反推各DG的安裝容量得到粒子的解。如此重復(fù)利用和間的互相推代，直到滿足設(shè)定的最大次數(shù)max。算法流程如下：

1）初始化。輸入配電網(wǎng)初始信息，設(shè)置粒子和的種群規(guī)模，慣性權(quán)重，加速系數(shù)1、2，迭代次數(shù)等。

2）在可行解范圍內(nèi)隨機(jī)生成粒子0作為DG初始并網(wǎng)容量。

3）求解粒子。調(diào)用潮流計(jì)算程序計(jì)算各粒子對(duì)應(yīng)的目標(biāo)函數(shù)適應(yīng)值即配電網(wǎng)網(wǎng)損，利用式（12）更新粒子的速度和位置，獲得全局最優(yōu)解。

4）求解粒子。在第3）步求得DG并網(wǎng)位置后，利用PSO對(duì)粒子進(jìn)行求解，過(guò)程與步驟3）相同。

5）更新推代次數(shù)。重復(fù)步驟3）、4），若每推代一次而未發(fā)現(xiàn)更優(yōu)的粒子(,)，則=+1，直到達(dá)到設(shè)定的最大推代次數(shù)max時(shí)，跳轉(zhuǎn)至步驟6）；若發(fā)現(xiàn)更優(yōu)粒子則更新粒子(,)，清零，跳轉(zhuǎn)至步驟3）。

6）輸出最優(yōu)解(,)。

3 算例分析

3.1 IEEE-33節(jié)點(diǎn)配電系統(tǒng)概況

以圖1所示IEEE-33節(jié)點(diǎn)配電系統(tǒng)為例進(jìn)行計(jì)算，系統(tǒng)參數(shù)見(jiàn)文獻(xiàn)[12]，圖中數(shù)字為位置編號(hào)。該系統(tǒng)電壓等級(jí)為12.66kV，總有功負(fù)荷3 715kW，總無(wú)功負(fù)荷2 300kvar，三相功率基準(zhǔn)值為10MV·A，電壓基準(zhǔn)值為12.66kV，電流基準(zhǔn)值0.79kA。

圖1 IEEE-33節(jié)點(diǎn)配電系統(tǒng)

3.2 算例1：DG的綜合優(yōu)化配置計(jì)算

將該配電系統(tǒng)同時(shí)接入PQ型DG1、PI型DG2、PV型DG3，對(duì)應(yīng)的位置用粒子=(1,2,3)表示，容量用粒子=[,, (,)]表示。為DG1的容量，最大值為2MV·A，額定功率因數(shù)為0.95；為DG2經(jīng)變流器輸出的電流幅值，最大值取158A；、分別為DG3的有功功率和無(wú)功功率，的最大值為2MW，的最大值為2Mvar。

PSO采用文獻(xiàn)[13]中的方法對(duì)慣性權(quán)重進(jìn)行改進(jìn)，從0.4變化至0.9；采用文獻(xiàn)[14]中的方法對(duì)加速系數(shù)進(jìn)行改進(jìn)，1從0.9變化至0.5，2從0.5變化至0.9，粒子和的種群規(guī)模均取20，迭代次數(shù)=200，粒子的最大速度xmax=(4, 4, 4)，粒子的最大速度ymax= [0.001, 0.001, (0.001, 0.001)]，最大推代次數(shù)max=20。

對(duì)三種DG的并網(wǎng)位置和容量進(jìn)行綜合優(yōu)化的計(jì)算結(jié)果見(jiàn)表1，結(jié)果保留4位有效數(shù)字。

表1 以網(wǎng)損最小為目標(biāo)的計(jì)算結(jié)果

以網(wǎng)損最小為目標(biāo)函數(shù)適應(yīng)值的優(yōu)化過(guò)程曲線如圖2所示。

圖2 以網(wǎng)損最小為目標(biāo)的優(yōu)化過(guò)程曲線

由圖2曲線的下降趨勢(shì)可以看出，該算法曲線通過(guò)較少的推代次數(shù)迅速收斂至最優(yōu)解附近，對(duì)所提出的優(yōu)化模型能夠快速求解。

3.3 算例2：DG的優(yōu)化運(yùn)行計(jì)算

由于配電網(wǎng)的負(fù)荷是時(shí)刻變化的，DG的配置容量無(wú)法始終滿足電網(wǎng)的最佳運(yùn)行狀態(tài)，因此需要通過(guò)優(yōu)化DG的運(yùn)行參數(shù)來(lái)調(diào)節(jié)其功率輸出。

表2 DG的參數(shù)

以配電網(wǎng)網(wǎng)損最小為目標(biāo)，采用PSO對(duì)DG的運(yùn)行參數(shù)=(,,)進(jìn)行優(yōu)化，其結(jié)果與DG另外兩種運(yùn)行狀態(tài)下的網(wǎng)損見(jiàn)表3。

表3 DG三種運(yùn)行狀態(tài)下的網(wǎng)損

由表3可知，當(dāng)DG參與配電網(wǎng)運(yùn)行時(shí)，配電網(wǎng)網(wǎng)損將大幅降低。根據(jù)電網(wǎng)的負(fù)荷情況，通過(guò)優(yōu)化DG的功率輸出能夠進(jìn)一步降低所接入配電網(wǎng)的網(wǎng)損。

4 結(jié)論

1）根據(jù)DG功率輸出特性的不同，將不同類型DG的容量加以區(qū)分更能體現(xiàn)其多樣性及與傳統(tǒng)能源利用形式的差別，具有較強(qiáng)的現(xiàn)實(shí)意義和必要性。

2）針對(duì)提出的多類型DG綜合優(yōu)化配置模型，通過(guò)容量和位置兩組變量分別求解并互相推代的算法能夠快速求解該模型，計(jì)算結(jié)果驗(yàn)證了該算法的有效性。

3）由于電網(wǎng)負(fù)荷是時(shí)刻變化的，需要對(duì)并網(wǎng)運(yùn)行的DG輸出功率進(jìn)行適當(dāng)調(diào)節(jié)。根據(jù)已優(yōu)化的DG運(yùn)行參數(shù)來(lái)確定其實(shí)際輸出功率，進(jìn)一步降低了配電網(wǎng)網(wǎng)損。

[1] SEDIGHIZADEH M, FALLAHNEJAD M, ALEMI M R, et al. Optimal placement of distributed generation using combination of PSO and clonal algorithm[C]// 2010 IEEE International Conference on Power and Energy, Kuala Lumpur, Malaysia, 2010: 1-6.

[2] 葉德意, 何正友, 臧天磊. 基于自適應(yīng)變異粒子群算法的分布式電源選址與容量確定[J]. 電網(wǎng)技術(shù), 2011, 35(6): 155-160.

[3] 劉波, 張焰, 楊娜. 改進(jìn)的粒子群優(yōu)化算法在分布式電源選址和定容中的應(yīng)用[J]. 電工技術(shù)學(xué)報(bào), 2008, 23(2): 103-108.

[4] 劉向?qū)? 王凌纖, 吳炎彬, 等. 計(jì)及配電網(wǎng)運(yùn)行風(fēng)險(xiǎn)的分布式電源選址定容規(guī)劃[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(增刊1): 258-263.

[5] 李繼宇, 江修波, 李功新. 考慮用戶期望及低碳效益的分布式電源優(yōu)化配置[J]. 電氣技術(shù), 2019, 20(8): 11-17.

[6] 張立梅, 唐巍, 趙云軍, 等. 分布式發(fā)電接入配電網(wǎng)后對(duì)系統(tǒng)電壓及損耗的影響分析[J]. 電力系統(tǒng)保護(hù)與控制, 2011, 39(5): 91-96.

[7] 彭彬, 劉寧, 吳迪. 配電網(wǎng)潮流計(jì)算中的分布式電源建模[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2011, 23(2): 152-156.

[8] 侯世英, 肖旭, 徐曦. 基于間接電流控制的并網(wǎng)逆變器[J]. 電力自動(dòng)化設(shè)備, 2010, 30(6): 76-79.

[9] 方天治, 張先云, 黃淳, 等. 輸入串聯(lián)輸出并聯(lián)LCL型并網(wǎng)逆變器系統(tǒng)的目標(biāo)多重化控制策略[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(6): 1189-1200.

[10] 姚建雙, 賈軍, 周苗, 等. 安康分布式電源并網(wǎng)關(guān)鍵問(wèn)題研究[J]. 電氣技術(shù), 2021, 22(10): 88-92.

[11] KENNEDY J, EBERHART R. Particle swarm optimi- zation[C]//Proceedings of ICNN'95-International Con- ference on Neural Networks, Perth, WA, Australia, 1995: 1942-1948.

[12] BARAN M E, WU F F. Network reconfiguration in distribution systems for loss reduction and load balancing[J]. IEEE Transactions on Power Delivery, 1989, 4(2): 1401-1407.

[13] SHI Y, EBERHART R C. Empirical study of particle swarm optimization[C]//Proceedings of Congress on Evolutionary Computation (CEC99), Washington DC, USA, 1999: 1945-1950.

[14] RATNAWEERA A, HALGAMUGE S K, WATSON H C. Self-organizing hierarchical particle swarm opti- mizer with time-varying acceleration coefficients[J]. IEEE Transactions on Evolutionary Computation, 2004, 8(3): 240-255.

Optimal allocation and operation of distributed generation based on the output characteristics

ZHANG Junze

(State Grid Beijing Daxing Power Company, Beijing 102600)

In order to solve the problem of different types of distributed generations’(DGs’) grid -connection and operation at the same time, this article analyzes several typical DGs’ synchronization mode and output characteristics. A mothod of capacity division and power control of DG is proposed and then a comprehensive optimization model including different types of DGs is established with an objective of minimizing the network loss. A modified particle swarm algorithm is applied to solve the model. By optimizing the operating parameters of grid-connecting DGs and regulating the actual output power, the network loss can be further reduced. Taking the IEEE-33 distribution system as an example, the calculating result verifies the efficiency of the proposed model and algorithm.

distributed generation; output characteristics; distribution network; optimization calculation

2022-04-06

2022-04-12

張君則（1990—），男，漢族，安徽合肥人，碩士，工程師，主要研究方向?yàn)殡娏ο到y(tǒng)分析、運(yùn)行與控制。