基于遺傳算法的分布式電源選址與定容

薛濤　湯亞芳

【摘 要】分布式電源的選址與定容是一個重要的研究課題。本文以配電網的網絡損耗費用和分布式電源的運行費用最小為優化目標建立了分布式電源的優化選址定容模型，應用遺傳算法進行求解。通過實際算例表明，本文采用的優化模型有助于得到合理的分布式電源接入位置和容量方案。

【關鍵詞】分布式電源；配電網；選址與定容

【Abstract】Reasonable location and sizing of DG in the distribution system are very important. With the minimum cost of distribution system loss cost and distributed generation as the optimization object， location and capacity of distributed generation optimization using genetic algorithms.And through the actual example shows that， the method can get a reasonable location and sizing of distributed generation scheme.

【Key words】Distrobuted generation；Distributed system；Location and sizing

0 引言

分布式發電（Distributed Generation，簡稱DG）是指將發電系統以小規模（發電功率在數千瓦至50MW的小型模塊）、分散式的方式布置在用戶附近，可獨立地輸出電能的系統[1]。分布式電源接入配電網，對配電網的節點電壓、線路潮流、短路電流、網絡可靠性等都會帶來影響，其影響程度與分布式電源的位置和容量密切相關。因此，合理的選擇分布式電源的位置和容量非常重要[2]。

基于分布式電源對配電網規劃的重要影響，本文在分布式電源的位置和容量均不確定的情況下，考慮以配電網網損最小和DG的運行費用最小為目標函數，建立了含分布式電源選址與定容的多目標規劃模型[3]，并用遺傳算法對分布式電源的位置和容量進行優化，得到分布式電源的優化配置方案。

1 含DG的配電網規劃模型

2 含DG的配電網潮流計算

接入配電網中的分布式電源所采用的模型，既可以簡化成PV節點、也可以是PQ節點，本文將其簡化成具有恒定功率因數的PQ節點[4]。由于分布式電源一般靠近負荷中心，所以假設分布式電源的位置在負荷節點上。本文對接入分布式電源的配電網采用前推回代法進行潮流計算[5]，這種潮流計算方法首先假定各節點電壓均等于根節點電壓，從末端節點開始，由己知的各節點負荷功率、節點電壓，向輻射狀配電網始端推算各支路的電流以及始端功率。然后由始端向末端推算各節點電壓，如此重復以上過程直至迭代收斂為止。

3 分布式電源選址與定容的求解

由于遺傳算法具有較好的全局搜索性能、搜索過程不容易陷入局部最優等優點，考慮分布式電源選址定容的特點，本文采用遺傳算法求解分布式電源的位置與容量。

3.1 遺傳算法

遺傳算法[6]是一種模仿生物界自然選擇和自然遺傳機制的隨機搜索算法，它通過某種編碼技術，作用于稱為染色體的數字串，對由這些串組成的群體的進化過程進行模擬，并通過有組織的、隨機的信息交換來重組那些適應性好的串，生成新一代群體。遺傳算法以其簡單、通用性強、不依賴問題模型等特性，已在函數優化等領域獲得廣泛應用。

（1）染色體編碼

（2）遺傳操作

遺傳算法包括三個基本操作：選擇、交叉、變異。通過以適應度函數為依據，對群體進行這三個操作步驟，實現個體之間的信息交換與重組，使群體的適應度不斷提高，最終得到全局最優解。本文采用的三種遺傳算子如下。

由以上所得的表1和表2可以看出，含DG的配電網總費用低于不含DG配網的總費用，說明僅考慮DG運行費用和網損費用的情況下，按此方案在這個配電網中接入分布式電源后系統的經濟性較好。對接入分布式電源的配電網，網損費用比不接入分布式電源的配電網低，其主要原因是分布式電源接入電網后改善了配電網的潮流分布，從而使系統網損減少。

從圖3中的遺傳算法迭代曲線可以看出，使用遺傳算法對本文目標函數進行優化，種群平均適應度值雖然局部波動比較大，但整體呈下降收斂趨勢，表明應用遺傳算法對本文目標函數進行優化取得了比較好的效果。

5 結束語

本文應用遺傳算法對配電網中分布式電源的選址與定容進行優化，以配電網的最小網絡損耗費用，分布式電源的運行費用最小為優化目標，并通過以IEEE33節點配電網系統為算例，驗證了通過遺傳算法優化DG選址與定容方案，可以有效降低系統網損，提高分布式電源帶來的經濟效益。

【參考文獻】

[1]唐小波，徐青山，唐國慶.基于“負荷質心”的分布式電源并網優化配置[J].電力自動化設備，2011，31（2）：12-16.

[2]陳琳，鐘金，倪以信，等.聯網分布式發電系統規劃運行研究[J].電力系統自動化，2007，31（9）：26-31.

[3]鄭漳華，艾芊，顧承紅，等.考慮環境因素的分布式發電多目標優化配置[J]. 中國電機工程學報，2009，29（13）：23-28.

[4]范明天.配電網絡規劃與設計[M].北京：中國電力出版社，1999.

[5]張立梅，唐巍.計及分布式電源的配電網前推回代潮流計算[J].電工技術學報，2010，25（8）：123-130.

[6]王成山，陳愷，謝瑩華，鄭海峰. 配電網擴展規劃中分布式電源的選址和定容[J]. 電力系統自動化，2006，30（3）：38-43.

[責任編輯：劉帥]

【摘 要】分布式電源的選址與定容是一個重要的研究課題。本文以配電網的網絡損耗費用和分布式電源的運行費用最小為優化目標建立了分布式電源的優化選址定容模型，應用遺傳算法進行求解。通過實際算例表明，本文采用的優化模型有助于得到合理的分布式電源接入位置和容量方案。

【關鍵詞】分布式電源；配電網；選址與定容

【Abstract】Reasonable location and sizing of DG in the distribution system are very important. With the minimum cost of distribution system loss cost and distributed generation as the optimization object， location and capacity of distributed generation optimization using genetic algorithms.And through the actual example shows that， the method can get a reasonable location and sizing of distributed generation scheme.

【Key words】Distrobuted generation；Distributed system；Location and sizing

0 引言

分布式發電（Distributed Generation，簡稱DG）是指將發電系統以小規模（發電功率在數千瓦至50MW的小型模塊）、分散式的方式布置在用戶附近，可獨立地輸出電能的系統[1]。分布式電源接入配電網，對配電網的節點電壓、線路潮流、短路電流、網絡可靠性等都會帶來影響，其影響程度與分布式電源的位置和容量密切相關。因此，合理的選擇分布式電源的位置和容量非常重要[2]。

基于分布式電源對配電網規劃的重要影響，本文在分布式電源的位置和容量均不確定的情況下，考慮以配電網網損最小和DG的運行費用最小為目標函數，建立了含分布式電源選址與定容的多目標規劃模型[3]，并用遺傳算法對分布式電源的位置和容量進行優化，得到分布式電源的優化配置方案。

1 含DG的配電網規劃模型

2 含DG的配電網潮流計算

接入配電網中的分布式電源所采用的模型，既可以簡化成PV節點、也可以是PQ節點，本文將其簡化成具有恒定功率因數的PQ節點[4]。由于分布式電源一般靠近負荷中心，所以假設分布式電源的位置在負荷節點上。本文對接入分布式電源的配電網采用前推回代法進行潮流計算[5]，這種潮流計算方法首先假定各節點電壓均等于根節點電壓，從末端節點開始，由己知的各節點負荷功率、節點電壓，向輻射狀配電網始端推算各支路的電流以及始端功率。然后由始端向末端推算各節點電壓，如此重復以上過程直至迭代收斂為止。

3 分布式電源選址與定容的求解

由于遺傳算法具有較好的全局搜索性能、搜索過程不容易陷入局部最優等優點，考慮分布式電源選址定容的特點，本文采用遺傳算法求解分布式電源的位置與容量。

3.1 遺傳算法

遺傳算法[6]是一種模仿生物界自然選擇和自然遺傳機制的隨機搜索算法，它通過某種編碼技術，作用于稱為染色體的數字串，對由這些串組成的群體的進化過程進行模擬，并通過有組織的、隨機的信息交換來重組那些適應性好的串，生成新一代群體。遺傳算法以其簡單、通用性強、不依賴問題模型等特性，已在函數優化等領域獲得廣泛應用。

（1）染色體編碼

（2）遺傳操作

遺傳算法包括三個基本操作：選擇、交叉、變異。通過以適應度函數為依據，對群體進行這三個操作步驟，實現個體之間的信息交換與重組，使群體的適應度不斷提高，最終得到全局最優解。本文采用的三種遺傳算子如下。

由以上所得的表1和表2可以看出，含DG的配電網總費用低于不含DG配網的總費用，說明僅考慮DG運行費用和網損費用的情況下，按此方案在這個配電網中接入分布式電源后系統的經濟性較好。對接入分布式電源的配電網，網損費用比不接入分布式電源的配電網低，其主要原因是分布式電源接入電網后改善了配電網的潮流分布，從而使系統網損減少。

從圖3中的遺傳算法迭代曲線可以看出，使用遺傳算法對本文目標函數進行優化，種群平均適應度值雖然局部波動比較大，但整體呈下降收斂趨勢，表明應用遺傳算法對本文目標函數進行優化取得了比較好的效果。

5 結束語

本文應用遺傳算法對配電網中分布式電源的選址與定容進行優化，以配電網的最小網絡損耗費用，分布式電源的運行費用最小為優化目標，并通過以IEEE33節點配電網系統為算例，驗證了通過遺傳算法優化DG選址與定容方案，可以有效降低系統網損，提高分布式電源帶來的經濟效益。

【參考文獻】

[1]唐小波，徐青山，唐國慶.基于“負荷質心”的分布式電源并網優化配置[J].電力自動化設備，2011，31（2）：12-16.

[2]陳琳，鐘金，倪以信，等.聯網分布式發電系統規劃運行研究[J].電力系統自動化，2007，31（9）：26-31.

[3]鄭漳華，艾芊，顧承紅，等.考慮環境因素的分布式發電多目標優化配置[J]. 中國電機工程學報，2009，29（13）：23-28.

[4]范明天.配電網絡規劃與設計[M].北京：中國電力出版社，1999.

[5]張立梅，唐巍.計及分布式電源的配電網前推回代潮流計算[J].電工技術學報，2010，25（8）：123-130.

[6]王成山，陳愷，謝瑩華，鄭海峰. 配電網擴展規劃中分布式電源的選址和定容[J]. 電力系統自動化，2006，30（3）：38-43.

[責任編輯：劉帥]

【摘 要】分布式電源的選址與定容是一個重要的研究課題。本文以配電網的網絡損耗費用和分布式電源的運行費用最小為優化目標建立了分布式電源的優化選址定容模型，應用遺傳算法進行求解。通過實際算例表明，本文采用的優化模型有助于得到合理的分布式電源接入位置和容量方案。

【關鍵詞】分布式電源；配電網；選址與定容

【Abstract】Reasonable location and sizing of DG in the distribution system are very important. With the minimum cost of distribution system loss cost and distributed generation as the optimization object， location and capacity of distributed generation optimization using genetic algorithms.And through the actual example shows that， the method can get a reasonable location and sizing of distributed generation scheme.

【Key words】Distrobuted generation；Distributed system；Location and sizing

0 引言

分布式發電（Distributed Generation，簡稱DG）是指將發電系統以小規模（發電功率在數千瓦至50MW的小型模塊）、分散式的方式布置在用戶附近，可獨立地輸出電能的系統[1]。分布式電源接入配電網，對配電網的節點電壓、線路潮流、短路電流、網絡可靠性等都會帶來影響，其影響程度與分布式電源的位置和容量密切相關。因此，合理的選擇分布式電源的位置和容量非常重要[2]。

基于分布式電源對配電網規劃的重要影響，本文在分布式電源的位置和容量均不確定的情況下，考慮以配電網網損最小和DG的運行費用最小為目標函數，建立了含分布式電源選址與定容的多目標規劃模型[3]，并用遺傳算法對分布式電源的位置和容量進行優化，得到分布式電源的優化配置方案。

1 含DG的配電網規劃模型

2 含DG的配電網潮流計算

接入配電網中的分布式電源所采用的模型，既可以簡化成PV節點、也可以是PQ節點，本文將其簡化成具有恒定功率因數的PQ節點[4]。由于分布式電源一般靠近負荷中心，所以假設分布式電源的位置在負荷節點上。本文對接入分布式電源的配電網采用前推回代法進行潮流計算[5]，這種潮流計算方法首先假定各節點電壓均等于根節點電壓，從末端節點開始，由己知的各節點負荷功率、節點電壓，向輻射狀配電網始端推算各支路的電流以及始端功率。然后由始端向末端推算各節點電壓，如此重復以上過程直至迭代收斂為止。

3 分布式電源選址與定容的求解

由于遺傳算法具有較好的全局搜索性能、搜索過程不容易陷入局部最優等優點，考慮分布式電源選址定容的特點，本文采用遺傳算法求解分布式電源的位置與容量。

3.1 遺傳算法

遺傳算法[6]是一種模仿生物界自然選擇和自然遺傳機制的隨機搜索算法，它通過某種編碼技術，作用于稱為染色體的數字串，對由這些串組成的群體的進化過程進行模擬，并通過有組織的、隨機的信息交換來重組那些適應性好的串，生成新一代群體。遺傳算法以其簡單、通用性強、不依賴問題模型等特性，已在函數優化等領域獲得廣泛應用。

（1）染色體編碼

（2）遺傳操作

遺傳算法包括三個基本操作：選擇、交叉、變異。通過以適應度函數為依據，對群體進行這三個操作步驟，實現個體之間的信息交換與重組，使群體的適應度不斷提高，最終得到全局最優解。本文采用的三種遺傳算子如下。

由以上所得的表1和表2可以看出，含DG的配電網總費用低于不含DG配網的總費用，說明僅考慮DG運行費用和網損費用的情況下，按此方案在這個配電網中接入分布式電源后系統的經濟性較好。對接入分布式電源的配電網，網損費用比不接入分布式電源的配電網低，其主要原因是分布式電源接入電網后改善了配電網的潮流分布，從而使系統網損減少。

從圖3中的遺傳算法迭代曲線可以看出，使用遺傳算法對本文目標函數進行優化，種群平均適應度值雖然局部波動比較大，但整體呈下降收斂趨勢，表明應用遺傳算法對本文目標函數進行優化取得了比較好的效果。

5 結束語

本文應用遺傳算法對配電網中分布式電源的選址與定容進行優化，以配電網的最小網絡損耗費用，分布式電源的運行費用最小為優化目標，并通過以IEEE33節點配電網系統為算例，驗證了通過遺傳算法優化DG選址與定容方案，可以有效降低系統網損，提高分布式電源帶來的經濟效益。

【參考文獻】

[1]唐小波，徐青山，唐國慶.基于“負荷質心”的分布式電源并網優化配置[J].電力自動化設備，2011，31（2）：12-16.

[2]陳琳，鐘金，倪以信，等.聯網分布式發電系統規劃運行研究[J].電力系統自動化，2007，31（9）：26-31.

[3]鄭漳華，艾芊，顧承紅，等.考慮環境因素的分布式發電多目標優化配置[J]. 中國電機工程學報，2009，29（13）：23-28.

[4]范明天.配電網絡規劃與設計[M].北京：中國電力出版社，1999.

[5]張立梅，唐巍.計及分布式電源的配電網前推回代潮流計算[J].電工技術學報，2010，25（8）：123-130.

[6]王成山，陳愷，謝瑩華，鄭海峰. 配電網擴展規劃中分布式電源的選址和定容[J]. 電力系統自動化，2006，30（3）：38-43.

[責任編輯：劉帥]