含分布式電源的配電網(wǎng)優(yōu)化配置研究綜述

，，，，

(1.國(guó)網(wǎng)沈陽(yáng)供電公司，遼寧 沈陽(yáng) 110021；2.國(guó)網(wǎng)吉林省電力有限公司電力科學(xué)研究院，吉林 長(zhǎng)春 130021；3.中國(guó)電力工程顧問(wèn)集團(tuán)東北電力設(shè)計(jì)院，吉林 長(zhǎng)春 130021)

含分布式電源的配電網(wǎng)優(yōu)化配置研究綜述

李晨政1，孟濤2，王偉2，張海鋒2，王迪3

(1.國(guó)網(wǎng)沈陽(yáng)供電公司，遼寧 沈陽(yáng) 110021；2.國(guó)網(wǎng)吉林省電力有限公司電力科學(xué)研究院，吉林 長(zhǎng)春 130021；3.中國(guó)電力工程顧問(wèn)集團(tuán)東北電力設(shè)計(jì)院，吉林 長(zhǎng)春 130021)

分布式電源大量接入配電網(wǎng)，改變了其傳統(tǒng)單一潮流運(yùn)行方式，演變?yōu)槎嚯娫唇Y(jié)構(gòu)的靈活配電體系，給配電系統(tǒng)的優(yōu)化運(yùn)行帶來(lái)了諸多的困難與挑戰(zhàn)。針對(duì)此問(wèn)題，本文首先從經(jīng)濟(jì)性、可靠性和環(huán)保性的角度對(duì)分布式電源優(yōu)化配置的數(shù)學(xué)模型進(jìn)行了詳細(xì)概括，其次，對(duì)幾種常用的智能優(yōu)化算法進(jìn)行總結(jié)與分析，最后，針對(duì)當(dāng)前研究所存在的缺陷及未來(lái)分布式電源的發(fā)展趨勢(shì)，提出了幾種建議。

分布式電源；配電網(wǎng)；優(yōu)化配置；優(yōu)化算法

1 引言

分布式電源(distributed generation，DG)作為一種運(yùn)行方式靈活多變的新型清潔能源，獲得了國(guó)內(nèi)外研究人員的廣泛關(guān)注。由于風(fēng)、光分布式電源所特有的間歇性、波動(dòng)性和隨機(jī)性，并且隨著其并網(wǎng)容量在電網(wǎng)中所占比例的逐漸增加，其出力的不穩(wěn)定性固然將給電網(wǎng)運(yùn)行的安全性、可靠性及電能質(zhì)量帶來(lái)很大的影響，這將嚴(yán)重限制分布式電源的發(fā)展[1-2]。但是，DG的合理配置能有效降低系統(tǒng)網(wǎng)絡(luò)損耗、改善系統(tǒng)電壓運(yùn)行水平，提高系統(tǒng)整體運(yùn)行的可靠性，進(jìn)而提高清潔能源的滲透率[3-4]。因此，本文對(duì)分布式電源的優(yōu)化配置問(wèn)題展開(kāi)分析與研究，從分布式電源優(yōu)化配置的數(shù)學(xué)模型及優(yōu)化算法兩個(gè)方面展開(kāi)分析，并提出幾種建議以應(yīng)對(duì)未來(lái)分布式電源大量接入電網(wǎng)的發(fā)展趨勢(shì)。

2 DG優(yōu)化配置評(píng)價(jià)指標(biāo)

2.1 經(jīng)濟(jì)性評(píng)價(jià)指標(biāo)

經(jīng)濟(jì)性評(píng)價(jià)指標(biāo)是分布式電源優(yōu)化配置的基礎(chǔ)性評(píng)價(jià)指標(biāo)，有利于實(shí)際工程應(yīng)用。隨著電力市場(chǎng)化變革，如何綜合衡量DG開(kāi)發(fā)商、配電公司及電力用戶(hù)之間的經(jīng)濟(jì)效益成為當(dāng)前經(jīng)濟(jì)性評(píng)估分布式電源接入的難題。文獻(xiàn)[5]構(gòu)建了系統(tǒng)有功損耗費(fèi)用、DG投資運(yùn)行費(fèi)用的經(jīng)濟(jì)性評(píng)價(jià)指標(biāo)，有效提高系統(tǒng)運(yùn)行的整體經(jīng)濟(jì)水平。文獻(xiàn)[6-7]構(gòu)建了DG開(kāi)發(fā)商投資利益及電網(wǎng)公司經(jīng)濟(jì)效益最大化的多目標(biāo)經(jīng)濟(jì)性評(píng)估指標(biāo)，為相關(guān)決策人員提供參考依據(jù)。常見(jiàn)分布式電源經(jīng)濟(jì)性評(píng)估指標(biāo)為：

(1)DG開(kāi)發(fā)商年投資效益：

(1)

式中,CYI為分布式電源投資費(fèi)用，主要包括DG購(gòu)買(mǎi)、安裝即運(yùn)行維護(hù)費(fèi)用；CYO為DG年收益指標(biāo)，主要包括賣(mài)電收益及改善效益，其對(duì)應(yīng)的表達(dá)式分別為：

(2)

(3)

式中,CSPi、CBPi分別為節(jié)點(diǎn)i處DG的上網(wǎng)電價(jià)和政府補(bǔ)貼電價(jià)；N為DG接入節(jié)點(diǎn)個(gè)數(shù)；mDGi為DG折算系數(shù)；Si為節(jié)點(diǎn)i處分布式電源的額定安裝容量；Fi為節(jié)點(diǎn)i處分布式電源的單位投資成本；COPi為分布式電源的單位電量運(yùn)行維護(hù)費(fèi)用和燃料費(fèi)用。

另一方面，分布式電源接入配電系統(tǒng)，對(duì)電網(wǎng)公司運(yùn)行的整體經(jīng)濟(jì)性存在一定程度上的改善，其對(duì)應(yīng)經(jīng)濟(jì)評(píng)估表達(dá)式為：

CDW=Cploss+CU+Crenew

(4)

式中，Cploss為系統(tǒng)網(wǎng)損改善效益；CU為電壓改善效益；Crenew為網(wǎng)絡(luò)延緩效益。

系統(tǒng)網(wǎng)損改善效益為：

Cploss=8760Cgc(Ploss1-Ploss2)

(5)

式中，Cgc為配電公司單位銷(xiāo)售電價(jià)；Ploss1、Ploss2分別為分布式電源接入前后電網(wǎng)的線路損耗功率。

電壓改善效益為：

(6)

式中，CT為電網(wǎng)公司保證用戶(hù)電壓質(zhì)量而獲得的單位年收益；rwi和rwoi分別為有無(wú)DG時(shí)系統(tǒng)年平均電壓指標(biāo)。

DG接入后系統(tǒng)網(wǎng)絡(luò)延緩效益為：

(7)

式中，Cmnew為折算到每年單位容量的更新費(fèi)用成本；Iwi和Iwoi為安裝分布式電源前后流過(guò)相應(yīng)支路的電流；Uav為平均額定電壓。

2.2 可靠性評(píng)價(jià)指標(biāo)

傳統(tǒng)分布式電源優(yōu)化配置過(guò)程中將分布式電源等效為恒定出力的常規(guī)電源結(jié)構(gòu)來(lái)處理，忽視了其波動(dòng)間歇性。為保證優(yōu)化方案的合理性，文獻(xiàn)[8]建立了計(jì)及系統(tǒng)供電可靠性的DG優(yōu)化配置目標(biāo)函數(shù)，分析孤島運(yùn)行方式下的最佳DG配置方案，有效改善了重要負(fù)荷的供電可靠性。文獻(xiàn)[9]將期望缺供電量的可靠性評(píng)估指標(biāo)引入至DG優(yōu)化配置中，利用機(jī)會(huì)規(guī)劃約束的手段處理不確定分布式電源出力，所得配置方案具有更好的置信度。常用可靠性評(píng)估指標(biāo)主要包括：系統(tǒng)平均停電頻率指標(biāo)、系統(tǒng)平均停電持續(xù)時(shí)間、用戶(hù)平均停電持續(xù)時(shí)間、平均供電可用率(ASAI)、電量不足期望[10]。

2.3 環(huán)保性評(píng)價(jià)指標(biāo)

低碳環(huán)保理念的提出有效促進(jìn)清潔無(wú)污染的分布式電源的發(fā)展，文獻(xiàn)[11]將分布式電源的污染氣體排放量指標(biāo)引入至DG的優(yōu)化配置評(píng)估模型中，有效緩解了當(dāng)前的環(huán)境壓力。考慮污染氣體排放量的環(huán)保性評(píng)估指標(biāo)為：

(8)

式中，NDG為分布式電源類(lèi)型;NG為污染氣體排放類(lèi)型；SDG(ij)為第i個(gè)節(jié)點(diǎn)j類(lèi)廣義電源發(fā)出的功率；wk為第k類(lèi)污染氣體的權(quán)重系數(shù)；Ejk為第j類(lèi)廣義電源的k類(lèi)污染氣體排放率；αj為碳排放系數(shù)比。

3 智能優(yōu)化算法

隨著電網(wǎng)復(fù)雜性的增加以及各種優(yōu)化理論的日益完善，基于隨機(jī)搜索的智能優(yōu)化算法在處理分布式電源優(yōu)化配置問(wèn)題上展現(xiàn)了更強(qiáng)的實(shí)用性并得到了廣泛應(yīng)用。本文綜述了幾種智能優(yōu)化算法如遺傳算法、粒子群算法、免疫算法、差分進(jìn)化算法等在分布式電源配電網(wǎng)優(yōu)化配置中的應(yīng)用。

3.1 遺傳算法

遺傳算法是一種通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法[12]。它是由美國(guó)密西根大學(xué)的Holland教授于1926年首先提出來(lái)的，是一種基于自然選擇和基因遺傳學(xué)原理的優(yōu)化搜索方法。遺傳算法具有通用性強(qiáng)，并行性好，對(duì)可行性解表示廣泛，群體搜索等特性。但同時(shí)，它也同樣具有收斂速度較慢，容易陷入局部最優(yōu)等缺點(diǎn)。

3.2 粒子群算法

粒子群優(yōu)化算法最早由Eberhart和Kelnnedy于1995年提出，其基本概念源于對(duì)人工生命和鳥(niǎo)群捕食行為的研究[13]。它仿照鳥(niǎo)群覓食行為，使群體中的個(gè)體能通過(guò)相互之間的信息共享和自身經(jīng)驗(yàn)的總結(jié)來(lái)修正其行動(dòng)策略，最終求得最優(yōu)化問(wèn)題的解。與遺傳算法有交叉、變異等行為不同，粒子群算法雖然也是通過(guò)個(gè)體的競(jìng)爭(zhēng)與協(xié)作來(lái)完成搜索最優(yōu)解，但它是在其解空間內(nèi)，粒子追隨最優(yōu)粒子進(jìn)行尋優(yōu)。但這種算法依然存在收斂精度不高，容易陷入局部最優(yōu)的缺點(diǎn)。

3.3 禁忌搜索算法

禁忌搜索算法通過(guò)記憶功能記錄已完成的尋優(yōu)過(guò)程，并指導(dǎo)下一步的尋優(yōu)方向，從初始解開(kāi)始，通過(guò)逐次迭代逼近最優(yōu)解[14]。對(duì)每個(gè)解定義一個(gè)鄰域。每一次迭代都從當(dāng)前解的鄰域中啟發(fā)式的試探一系列的特定搜索方向，然后選擇對(duì)目標(biāo)函數(shù)改善最大的作當(dāng)前解，反復(fù)迭代，直到滿(mǎn)足終止準(zhǔn)則。該法采用單點(diǎn)搜索，具有較好計(jì)算速度和局部尋優(yōu)效率。但是當(dāng)對(duì)計(jì)算結(jié)果的精度有所要求時(shí)，該算法的全局搜索能力并不高，而且計(jì)算結(jié)果強(qiáng)依賴(lài)于初值的選擇，這就限制了該算法在約束條件嚴(yán)格要求的DG優(yōu)化配置中的應(yīng)用。

3.4 模擬退火算法

模擬退火法源于物理中的固體退火原理，它是基于蒙特卡洛迭代求解策略的隨機(jī)優(yōu)化計(jì)算方法[15]。其雙向隨機(jī)搜索是基于概率進(jìn)行的，對(duì)于解決帶約束的組合優(yōu)化問(wèn)題成效顯著。在優(yōu)化問(wèn)題的計(jì)算中，退火系統(tǒng)的能量函數(shù)作為所研究目標(biāo)，退火的溫度代表控制變量，模擬退火法追尋基態(tài)的過(guò)程就是一系列的“產(chǎn)生新解—判斷—接受/舍棄”的迭代過(guò)程，通過(guò)這樣的迭代過(guò)程令目標(biāo)函數(shù)取極小值。模擬退火法對(duì)于不十分理想的目標(biāo)函數(shù)值對(duì)應(yīng)的狀態(tài)在一定的概率下也可以接收，該方法既可去往好的方向也可去往差的方向。理論上，模擬退火法只要擁有足夠的計(jì)算時(shí)間就可以確保收斂于全局最優(yōu)，但實(shí)際計(jì)算速度及時(shí)間往往不夠，造成優(yōu)化結(jié)果受計(jì)算時(shí)間影響，故而可能造成優(yōu)化結(jié)果只是局部最優(yōu)。

3.5 差分進(jìn)化算法

差分進(jìn)化算法是一種啟發(fā)式性算法，Storn和Price在1995年的科技報(bào)告首次提出了“差分進(jìn)化”這個(gè)詞。它是一種模擬生物進(jìn)化的隨機(jī)模型，通過(guò)變異算子、交叉算子、選擇算子操作實(shí)現(xiàn)種群進(jìn)化，能夠?qū)崿F(xiàn)優(yōu)化問(wèn)題 。通過(guò)反復(fù)迭代，使得那些適應(yīng)環(huán)境的個(gè)體被保存了下來(lái)[16]。差分進(jìn)化算法是一種新型的基于群體智能的全局優(yōu)化算法，相比于普通進(jìn)化算法，差分進(jìn)化算法保留了基于種群的全局搜索策略，通過(guò)種群內(nèi)個(gè)體之間協(xié)同合作與相互競(jìng)爭(zhēng)產(chǎn)生種群智能，降低了遺傳操作的復(fù)雜性。同時(shí)，差分進(jìn)化算法特有的記憶能力使其可以動(dòng)態(tài)跟蹤當(dāng)前的搜索情況，以調(diào)整其搜索策略，指導(dǎo)整個(gè)種群的進(jìn)化。具有較強(qiáng)的全局收斂能力和魯棒性，且不需要借助問(wèn)題的特征信息，在處理連續(xù)域、非凸、不確定性和全局優(yōu)化問(wèn)題時(shí)具有優(yōu)勢(shì)。目前，差分進(jìn)化算法已經(jīng)在許多領(lǐng)域得到了應(yīng)用。

4 未來(lái)研究過(guò)程中的幾點(diǎn)建議

根據(jù)現(xiàn)有分布式電源優(yōu)化配置研究基礎(chǔ)，從優(yōu)化模型和優(yōu)化算法上筆者提出了幾種針對(duì)性的建議：

(1)在實(shí)際分布式電源的優(yōu)化配置過(guò)程中，需要從多角度的方式建立優(yōu)化配置數(shù)學(xué)模型，未來(lái)研究可以重點(diǎn)考慮分布式電源孤島運(yùn)行方式下系統(tǒng)運(yùn)行可靠性評(píng)價(jià)指標(biāo)，以提高優(yōu)化配置后系統(tǒng)運(yùn)行的可靠性。

(2)分布式電源出力具有不確定性，傳統(tǒng)優(yōu)化配置將間歇性DG資源等效為恒定出力的常規(guī)能源來(lái)處理，具有一定的局限性，導(dǎo)致計(jì)算過(guò)程中的最佳方案隨著未來(lái)不確定性因素的影響而降低了方案的置信度，因此，建立合理的置信度評(píng)價(jià)目標(biāo)函數(shù)對(duì)提高配電系統(tǒng)可靠運(yùn)行具有重要意義。

(3)解決分布式電源優(yōu)化配置的傳統(tǒng)優(yōu)化算法大多局限在單目標(biāo)的智能優(yōu)化算法，利用權(quán)重系數(shù)的處理手段能有效提高算法的處理速度，但未能揭示各目標(biāo)函數(shù)之間的內(nèi)在聯(lián)系，因此，未來(lái)方向建議從多目標(biāo)的角度來(lái)優(yōu)化DG配置問(wèn)題。

5 結(jié)論

本文對(duì)DG優(yōu)化配置問(wèn)題的現(xiàn)狀進(jìn)行了詳細(xì)的綜述，從優(yōu)化模型和優(yōu)化算法的兩個(gè)方面展開(kāi)問(wèn)題分析。首先，建立經(jīng)濟(jì)性、可靠性和環(huán)保性的DG評(píng)估模型;其次，介紹幾種典型智能優(yōu)化算法：遺傳算法、粒子群算法、禁忌搜索算法、模擬退火算法和差分進(jìn)化算法的優(yōu)缺點(diǎn);最后，針對(duì)以有研究，提出幾點(diǎn)針對(duì)性建議以應(yīng)對(duì)當(dāng)前DG配置的欠缺。

[1] 王守相，王慧，蔡聲霞.分布式發(fā)電優(yōu)化配置研究綜述[J].電力系統(tǒng)自動(dòng)化，2009，33(18)：110-115.

[2] Akorede M F,Hizam H,Pouresmaeil E.Distributed energy resources and benefits to the environment[J].Renewable and Sustainable Energy Review,2010,14(2): 724-734.

[3] 栗然，馬慧卓，祝晉堯，等.分布式電源接入配電網(wǎng)多目標(biāo)優(yōu)化規(guī)劃[J].電力自動(dòng)化設(shè)備，2014，34(1)：6-13.

[4] 潘超，孟濤，蔡國(guó)偉.廣義電源多目標(biāo)優(yōu)化配置與運(yùn)行[J].電網(wǎng)技術(shù)，2015，39(12)：3505-3512.

[5] 譚陽(yáng)紅，王偉.計(jì)及經(jīng)濟(jì)效益的分布式電源多目標(biāo)優(yōu)化規(guī)劃[J].湖南大學(xué)學(xué)報(bào)(自然科學(xué)版)，2015，42(10)：89-96.

[6] 江知瀚，陳金富.計(jì)及不確定性和多投資主體需求指標(biāo)的分布式電源優(yōu)化配置方法研究[J].中國(guó)電機(jī)工程學(xué)報(bào)，2013，33(31)：34-43.

[7] 施泉生，郭良合，張孝君.綜合考慮多主體經(jīng)濟(jì)效益的分布式電源優(yōu)化配置研究[J].電力系統(tǒng)保護(hù)與控制，2016，44(1)：85-91.

[8] 趙淵，何媛，宿曉嵐，等.分布式電源對(duì)配網(wǎng)可靠性的影響及優(yōu)化配置[J].電力自動(dòng)化設(shè)備，2014，34(9)：13-20.

[9] 彭顯剛，林利祥，劉藝，等.計(jì)及電動(dòng)汽車(chē)和可再生能源不確定因素的多目標(biāo)分布式電源優(yōu)化配置[J].電網(wǎng)技術(shù)，2015，39(8)：2188-2194.

[10] 趙勇帥.含分布式電源的配電網(wǎng)可靠性評(píng)估模型研究[D].重慶大學(xué)：2013.

[11] 栗然，申雪，鐘超，等.考慮環(huán)境效益的分布式電源多目標(biāo)規(guī)劃[J].電網(wǎng)技術(shù)，2014，38(6)：1471-1478.

[12] 麻秀范，崔換君.改進(jìn)遺傳算法在含分布式電源的配電網(wǎng)規(guī)劃中的應(yīng)用[J].電工技術(shù)學(xué)報(bào)，2011，26(3)：175-180.

[13] 葉承晉，黃民翔.基于改進(jìn)粒子群算法的分布式電源經(jīng)濟(jì)性最優(yōu)規(guī)劃[J].電力系統(tǒng)保護(hù)與控制，2012，40(19)：126-132.

[14] 田穎.基于禁忌差分粒子群算法的分布式電源的選址和定容[D].華北電力大學(xué)，2012.

[15] 朱顥東，鐘勇.一種改進(jìn)的模擬退火算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2009，19(6)：32-35.

[16] 黃映，李楊，高賜威.基于非支配排序差分進(jìn)化算法的多目標(biāo)電網(wǎng)規(guī)劃[J].電網(wǎng)技術(shù)，2011，35(3)：85-89.

ReviewofOptimizationAllocationofDistributedGenerationsinDistributionNetwork

LIChen-zheng1,MENGTao2,WANGWei2,ZHANGHai-feng2,WANGDi3

(1.Shenyang Power Supply Company of State Grid,Shenyang 110021,China;2.Electric Power Research Institute,State Grid Jilin Electric Power Co.,Ltd.,Changchun 130021,China;3.Northeast Electric Power Design Institute of China Power Engineering Consulting Group,Changchun 132021,China)

A large of distributed generation(DG)access to the distribution network,the traditional operation mode is changed,and evolution to the flexible distribution network,which makes many difficulties and challenges to optimal operation of distribution network.Aiming at this problem,the optimal allocation mathematical model is summarized in this paper with the factors of economy,reliability and environmental considered.Then,some intelligent optimization algorithm is introduced to deal wih this model.Lastly,in view of the existing defects in the current research and the development trend of DG,several suggestions are put forward in this paper.

distributed generation;distribution network;optimal allocation;optimization algorithm

1004-289X(2017)03-0005-04

TM72

B

2016-05-21

李晨政(1987-)，男，本科，助理工程師，主要研究方向電力系統(tǒng)分析與建模；

孟濤(1990-)，男，通信作者，碩士，主要研究方向：新能源并網(wǎng)、電力系統(tǒng)優(yōu)化運(yùn)行；

王偉(1987-)，男，碩士，主要研究方向：電力系統(tǒng)保護(hù)與控制；

張海峰(1989-)，男，碩士，主要研究方向：電力系統(tǒng)優(yōu)化運(yùn)行；

王迪(1990-)，男，碩士，主要研究方向：電力系統(tǒng)優(yōu)化調(diào)度與運(yùn)行。