基于植物發(fā)電技術(shù)的分布式發(fā)電系統(tǒng)容量規(guī)劃

袁蓓（河海大學(xué)能源與電氣學(xué)院，江蘇南京211100）

基于植物發(fā)電技術(shù)的分布式發(fā)電系統(tǒng)容量規(guī)劃

袁蓓
（河海大學(xué)能源與電氣學(xué)院，江蘇南京211100）

針對當(dāng)前生物質(zhì)能源的發(fā)展現(xiàn)狀，提出一種新型生物質(zhì)能源利用技術(shù)，基于植物發(fā)電技術(shù)建立一種新的分布式發(fā)電系統(tǒng)模型，并對此類型分布式電源并網(wǎng)進(jìn)行電源容量規(guī)劃。首先介紹了植物發(fā)電技術(shù)，并結(jié)合相關(guān)研究成果總結(jié)了該技術(shù)的發(fā)展現(xiàn)狀。其次，對植物發(fā)電電源進(jìn)行基礎(chǔ)建模，并進(jìn)一步提出基于此技術(shù)的分布式發(fā)電系統(tǒng)數(shù)學(xué)模型；之后利用改進(jìn)遺傳算法對含植物發(fā)電電源的分布式發(fā)電系統(tǒng)的電源容量進(jìn)行優(yōu)化計(jì)算。最后，通過一個IEEE33節(jié)點(diǎn)算例進(jìn)行仿真優(yōu)化，得出最優(yōu)規(guī)劃方案，并驗(yàn)證所提出系統(tǒng)規(guī)劃的可行性和有效性。

生物質(zhì)能源；植物發(fā)電；分布式電源；遺傳算法

能源是人類生存與發(fā)展的物質(zhì)基礎(chǔ)，也是一個國家國民經(jīng)濟(jì)的命脈。隨著我國近年來經(jīng)濟(jì)的迅猛發(fā)展，能源與環(huán)境問題的矛盾也日益突出。生物質(zhì)能源以其綠色無污染的特性在新能源的開發(fā)與利用中愈占優(yōu)勢。為保障生物質(zhì)能源產(chǎn)業(yè)穩(wěn)定發(fā)展，中國政府出臺了一系列法律法規(guī)和政策措施，積極推動了生物質(zhì)能源的開發(fā)與利用[1-4]。但如今的生物質(zhì)能源利用方式仍無法擺脫多次轉(zhuǎn)化的復(fù)雜過程，不僅開發(fā)成本高，多次能源形式的轉(zhuǎn)化也會造成能量損失和一定污染，不利于大規(guī)模開發(fā)利用。本文所述的植物發(fā)電技術(shù)，是生物質(zhì)能源的一種新型利用方式。能夠避免多次能量轉(zhuǎn)換而直接利用植物光反應(yīng)中的電能。并且，其發(fā)電載體種類繁多，如喬木、藻類、蕨類以及其他灌木類雜草，可以充分利用我國的植物資源。從一個層面上看，相當(dāng)于將整個中國變成一個以植物為載體的太陽能電池板，以“和平”的方式發(fā)電，在獲得能源的同時，也能促進(jìn)環(huán)保事業(yè)的發(fā)展。

分布式電源（DG）一般指功率較小，與環(huán)境兼容的獨(dú)立電源，包括發(fā)電設(shè)備與儲能裝置。分布式電源能夠高效利用各種發(fā)電技術(shù)，能源成本低，通常為可再生能源，有巨大的環(huán)境效益。從可持續(xù)發(fā)展和降低環(huán)境污染觀點(diǎn)看，分布式發(fā)電技術(shù)是我國的必然選擇[5-7]。分布式電源規(guī)劃是分布式發(fā)電系統(tǒng)開發(fā)研究的關(guān)鍵基礎(chǔ)工作，其核心問題是尋找最佳的電源容量配置方案，根據(jù)系統(tǒng)中的各種約束條件和能源特性，使分布式發(fā)電系統(tǒng)供電可靠性最高，建設(shè)成本最小。電源規(guī)劃的優(yōu)化求解方法主要有傳統(tǒng)優(yōu)化算法和智能優(yōu)化算法[8-9]。傳統(tǒng)優(yōu)化算法主要有解析法、隨機(jī)法和窮舉法，智能算法包括模擬退火法、粒子群算法、蟻群算法和遺傳算法。其中，遺傳算法原理上能夠以較大概率找到優(yōu)化問題的全局最優(yōu)解，但存在收斂條件不易確定、局部搜索能力差等缺點(diǎn)，而改進(jìn)的遺傳算法對遺傳算子進(jìn)行優(yōu)化處理后，能夠可靠、快速收斂，具有較強(qiáng)的魯棒性，對分布式發(fā)電系統(tǒng)的電源規(guī)劃問題有獨(dú)特優(yōu)勢。本文首先根據(jù)植物發(fā)電原理提出了植物發(fā)電電源的數(shù)學(xué)模型，論述植物發(fā)電技術(shù)的分布式發(fā)電系統(tǒng)結(jié)構(gòu)，在此基礎(chǔ)上提出植物發(fā)電的分布式發(fā)電系統(tǒng)數(shù)學(xué)模型。然后，針對電源容量規(guī)劃的基本優(yōu)化目標(biāo)——成本經(jīng)濟(jì)性和電能供應(yīng)可靠性，對系統(tǒng)電源容量規(guī)劃的目標(biāo)函數(shù)和約束條件進(jìn)行建模分析，接下來采用改進(jìn)的遺傳算法對發(fā)電系統(tǒng)容量規(guī)劃進(jìn)行優(yōu)化運(yùn)算。最后，通過一個算例對該系統(tǒng)進(jìn)行電源容量規(guī)劃模擬優(yōu)化。

1　植物發(fā)電技術(shù)發(fā)展及原理

1.1植物直接發(fā)電技術(shù)發(fā)展

植物發(fā)電技術(shù)是直接利用植物光反應(yīng)中產(chǎn)生的電子流進(jìn)行發(fā)電的一種發(fā)電技術(shù)，以活體植物為載體，屬于生物質(zhì)能的一種。近年，日本研究人員發(fā)現(xiàn)，從植物中提取的葉綠素與卵磷脂混合物被太陽光照射時，會產(chǎn)生電流，其轉(zhuǎn)換效率為普通太陽能電池的3倍以上。用此方法制成的電池稱為“生物光伏電池”。比利時根特大學(xué)的植物發(fā)電研究項(xiàng)目也發(fā)明了一種屋頂植物發(fā)電系統(tǒng)。如今，市場上已經(jīng)出售有植物電能時鐘，植物電池等產(chǎn)品。

1.2植物發(fā)電技術(shù)原理

植物發(fā)電技術(shù)主要利用的是植物光合作用中的光反應(yīng)，其部分方程如下：

在此過程中，電子從H2O傳遞給NADP，這是一個逆氧化還原電勢的反應(yīng)，一個電子從H2O傳遞到NADP必須克服1.13 V電勢差。當(dāng)光子打到色素分子上時，激發(fā)高能電子，植物就是因此利用光能為這個反應(yīng)提供電子流。我們利用特殊裝置，把植物光反應(yīng)過程中激發(fā)的電子流引出，這樣就可以在保持植物生命力的狀態(tài)下“和平方式發(fā)電”。

植物發(fā)電電源是由多個植物發(fā)電單元組成的發(fā)電單元陣列，其發(fā)電系統(tǒng)可由發(fā)電單元陣列、控制器、逆變器組成。當(dāng)電源輸出功率大于用電負(fù)荷時，剩余電能通過逆變器流向電網(wǎng)，反之則通過電網(wǎng)供應(yīng)負(fù)荷的電能短缺。

電源等效模型參考光伏發(fā)電模型，如圖1所示，相當(dāng)于一個恒流源與一只正向二極管并聯(lián)，其中，Is為流過正向二極管的電流；Rs為由于發(fā)電單元內(nèi)部結(jié)構(gòu)材質(zhì)不同、裝置接觸縫隙等出現(xiàn)的漏電流，使本該流過負(fù)載的電流被短路所引起的等效電阻；C為結(jié)電容。Rn為串聯(lián)電路電壓降等效電阻。It為植物光反應(yīng)形成的電流源，其大小主要取決于溫度、光照強(qiáng)度等條件。近似認(rèn)為：

圖1　植物發(fā)電系統(tǒng)等效電路圖Fig.1　Equivalent circuit of the plant power generation system

式中：Ka（T）為光照強(qiáng)度一定時，光合作用強(qiáng)度系數(shù)隨溫度變化的函數(shù)；n為單位面積葉片吸收的光子數(shù)；e為電子電量。其輸出電流電壓關(guān)系為：

式中：I0為二極管反向飽和電流；e為電子電荷；I為電池輸出電流；K為玻爾茲曼常數(shù)；A為二極管品質(zhì)因子。

輸出電壓：

式中：n1為串聯(lián)發(fā)電單元個數(shù)；n2為并聯(lián)發(fā)電單元個數(shù)。

輸出功率：

2　基于植物發(fā)電技術(shù)的分布式發(fā)電系統(tǒng)容量規(guī)劃

2.1植物直接發(fā)電的分布式發(fā)電系統(tǒng)結(jié)構(gòu)及其發(fā)電特性

基于植物發(fā)電技術(shù)的分布式發(fā)電系統(tǒng)是指一種廣泛分布的小型獨(dú)立模塊電源系統(tǒng)，其發(fā)電功率隨氣候、溫度、晝夜、季節(jié)變化等外界因素影響較大，所以該獨(dú)立供電系統(tǒng)具有間歇性和不確定性。圖2、圖3為植物發(fā)電電源在不同條件下的伏安特性曲線。由圖可知在環(huán)境溫度一定時，電源輸出功率隨光強(qiáng)增大而上升，實(shí)際運(yùn)算時近似認(rèn)為在R<100 W/m2輸出功率為零；光強(qiáng)一定時，當(dāng)環(huán)境溫度為25℃時輸出功率最大，與植物光合作用最適溫度一致。

圖2　不同光照條件下的伏安特性曲線Fig.2　The curves of the volt ampere characteristics under different illumination conditions

圖3　不同溫度下的伏安特性曲線Fig.3　The curves of the volt ampere characteristics under different temperature conditions

在結(jié)構(gòu)上，類似光伏發(fā)電和風(fēng)力發(fā)電的分布式發(fā)電系統(tǒng)[7]，為微型電源模塊系統(tǒng)，有很強(qiáng)的自身獨(dú)立供電能力。

2.2基于遺傳算法的電源容量規(guī)劃模型

2.2.1目標(biāo)函數(shù)

基于植物發(fā)電技術(shù)的分布式發(fā)電系統(tǒng)是一個具有較強(qiáng)獨(dú)立性與分散性的發(fā)電電源組合系統(tǒng)，是一個多目標(biāo)的優(yōu)化問題。在滿足用戶和負(fù)荷要求，保證電能質(zhì)量和可靠供電的前提下，找到使成本投入最低，供電可靠性最高的電源容量規(guī)劃方案[10-12]。

1）供電可靠性目標(biāo)

發(fā)電系統(tǒng)的可靠性，即電源充裕度，是指系統(tǒng)在規(guī)定條件下是否能滿足負(fù)荷要求的能力。本文采用電力不足概率（LOLP）和電力不足期望（LOLE）兩種指標(biāo)，作為其可靠性指標(biāo)。

電力不足概率（LOLP）即系統(tǒng)負(fù)荷超過可用發(fā)電容量的時間概率，寫為：

式中：X為系統(tǒng)停運(yùn)容量；R為系統(tǒng)備用容量。

式中：C為系統(tǒng)有效容量；L為最大負(fù)荷。

電力不足期望值（LOLE記作Le）為一年中最大負(fù)荷超過系統(tǒng)有效容量的期望的天數(shù)，在工程應(yīng)用中通常為：

式中：T=365（天）

本系統(tǒng)將供電可靠性進(jìn)一步轉(zhuǎn)化為因負(fù)荷超過可用發(fā)電量，為保證電網(wǎng)持續(xù)運(yùn)行，需投入的經(jīng)濟(jì)成本，由以下數(shù)學(xué)模型表示：

式中：Ca為T時間中向電網(wǎng)買電花費(fèi)的經(jīng)濟(jì)成本；Le為電力不足期望值，即供電不足時間；n為電源個數(shù)；M為電網(wǎng)單位電價；Pa為總用電功率；Pi為各個電源的輸出功率。

2）成本最小化目標(biāo)

本系統(tǒng)的發(fā)電成本最小化目標(biāo)設(shè)定為T時間內(nèi)發(fā)電總成本（COE）最小，該系統(tǒng)發(fā)電成本主要由發(fā)電設(shè)備的建成、維護(hù)成本，原料成本和其他固定成本構(gòu)成。用以下數(shù)學(xué)模型表示總發(fā)電成本：

式中：Cg為T時間內(nèi)發(fā)電總成本；Pi為各個電源的輸出功率；Ci為單位發(fā)電成本，其中，j為設(shè)備使用年數(shù)，Ec為系統(tǒng)初期建設(shè)成本，Pci為各個電源設(shè)備維護(hù)成本；mci為各個電源原料成本；fci為各個電源固定成本。

2.2.2約束條件

該系統(tǒng)的電源規(guī)劃優(yōu)化需同時滿足上述2個目標(biāo)，在此構(gòu)造一個電源規(guī)劃的目標(biāo)函數(shù)minf（Ca，Cg），即為實(shí)現(xiàn)上述2種目標(biāo)下的最優(yōu)目標(biāo)函數(shù)。其約束條件如下：

式中：Pimax、Pimin分別是各個電源輸出電量的最大、最小值；PUL為不可中斷負(fù)載容量；PIL為可中斷負(fù)載容量。LOLPj為第j年電力不足概率；Cp為規(guī)定的可靠性指標(biāo)。

2.3基于遺傳算法的電源容量規(guī)劃模型計(jì)算

考慮到該系統(tǒng)規(guī)劃問題屬于極其復(fù)雜非凸性、離散型、多目標(biāo)、多約束條件的大規(guī)模優(yōu)化問題，傳統(tǒng)優(yōu)化算法不能有效解決該問題，本系統(tǒng)采用智能優(yōu)化算法中的遺傳算法[13]。

2.3.1算法原理

遺傳算法（Genetic Algorithms）是模擬生物遺傳進(jìn)化機(jī)制而發(fā)展起來的一種算法，用于群體策略和群體之間的信息交換，尤其適用于離散的非線性結(jié)構(gòu)優(yōu)化問題。其基本算法框圖如圖4[14-16]所示，為保證遺傳算法能以概率“1”收斂至全局最優(yōu)解，本文在SGA中引入保留算子。

圖4　遺傳算法流程圖Fig.4　Flow chart of the genetic algorithm

2.3.2適應(yīng)度函數(shù)和遺傳算子的調(diào)整變換

電源規(guī)劃優(yōu)化目標(biāo)即合理配置各發(fā)電電源的容量配比，使得投入系統(tǒng)的總成本最低，而供電可靠性最高。在同時滿足2個目標(biāo)函數(shù)的基礎(chǔ)上，我們構(gòu)建了電源規(guī)劃的總目標(biāo)函數(shù)f（Ca，Cg）。以下，我們將根據(jù)遺傳算法的算法結(jié)構(gòu)，結(jié)合系統(tǒng)模型對個體適應(yīng)度函數(shù)和遺傳算子進(jìn)行調(diào)整變換。適應(yīng)度函數(shù)根據(jù)目標(biāo)函數(shù)轉(zhuǎn)化為：

式中：K為常數(shù)，根據(jù)不同系統(tǒng)設(shè)定數(shù)值。

針對簡單遺傳算法存在的不足，即交叉概率Pc和變異概率Pm無法體現(xiàn)種群實(shí)際情況，易使遺傳算法陷入局部最優(yōu)解，本文采用改進(jìn)的交叉算子與變異算子，其設(shè)計(jì)如下[11]：

式中：Nc為初始交叉概率；Pcf為較差概率調(diào)整值；fmax為種群中的染色體最大適應(yīng)度值；fmin為種群中染色體最小適應(yīng)度值；favg為種群中染色體平均適應(yīng)度值；Nm為初始變異概率；Pmf為變異概率調(diào)整值。

2.4算例分析

為了驗(yàn)證所建立數(shù)學(xué)模型的正確性及有效性，在IEEE33節(jié)點(diǎn)配電網(wǎng)系統(tǒng)中接入植物發(fā)電技術(shù)分布式電源。IEEE33節(jié)點(diǎn)系統(tǒng)接入該分布式電源后的配電網(wǎng)結(jié)構(gòu)如圖5所示[12]，本網(wǎng)中有32條支路、5條聯(lián)絡(luò)開關(guān)支路、1個電源網(wǎng)絡(luò)首端基準(zhǔn)電壓12.66 kV、三相功率基準(zhǔn)值取10 MV·A、網(wǎng)絡(luò)總負(fù)荷為5 084.26+ j2 547.32 kV·A。其中，系統(tǒng)節(jié)點(diǎn)電壓幅值范圍取[0.95，1.05]。系統(tǒng)第一節(jié)點(diǎn)處安裝一個有載調(diào)壓變壓器，變壓器含有分接頭檔位為11個，變比調(diào)節(jié)范圍[0.95，1.05]，在32節(jié)點(diǎn)接入一個分布式電源系統(tǒng)，其中包括6個植物發(fā)電電源模塊。模型中我們僅考慮6個分布式電源的初期建設(shè)投資、運(yùn)行維修費(fèi)用和該配電網(wǎng)供電不足購買電費(fèi)，并且認(rèn)為投資費(fèi)用發(fā)生于年初，取6年期電源規(guī)劃，假設(shè)規(guī)劃期內(nèi)年負(fù)荷增長率為15%，最終目的是規(guī)劃得出6個分布式電源模塊的容量配置。取交叉概率0.88；變異概率0.05，最大迭代次數(shù)100，收斂判據(jù)ε=0.001，電網(wǎng)單位電價M= 0.5 kW·h。

圖5　含植物發(fā)電技術(shù)分布式電源的IEEE33節(jié)點(diǎn)配電網(wǎng)系統(tǒng)網(wǎng)絡(luò)圖Fig.5　The diagram of IEEE33 distribution system network containing plant power generation technology

利用AGA遺傳算法收斂曲線如圖6所示，由圖6可以看出，應(yīng)用AGA改進(jìn)的遺傳算法對含植物發(fā)電系統(tǒng)電源配置的目標(biāo)函數(shù)進(jìn)行優(yōu)化，大約遺傳70代就可以得到平穩(wěn)的收斂結(jié)果，表明AGA改進(jìn)的算法能夠快速、可靠地收斂。

圖6　AGA遺傳算法收斂曲線Fig.6　Convergence curve of AGA genetic algorithm

表1為含植物發(fā)電技術(shù)分布式電源的IEEE33節(jié)點(diǎn)配電網(wǎng)系統(tǒng)算例6年規(guī)劃的優(yōu)化配置方案。該方案以6年為期限，規(guī)劃了6臺植物發(fā)電各自電源的出力方案，并計(jì)算了分布式電源并入該配電網(wǎng)系統(tǒng)后系統(tǒng)的的年運(yùn)行費(fèi)用，以該方案規(guī)劃所得的總費(fèi)用最小。

表1　植物直接發(fā)電電源6年規(guī)劃配置方案Tab.1　Configuration scheme of the 6-year planning for direct plant generation power supplykW

表2為該分布式電源并網(wǎng)前后配電系統(tǒng)年運(yùn)行費(fèi)用。從表2中可以看出，由本文方法所得最優(yōu)化分布式電源的容量配置下，系統(tǒng)年運(yùn)行費(fèi)用隨投入年限的增加穩(wěn)定減少，驗(yàn)證了本文規(guī)劃的可行性和有效性，說明本文方案符合電源容量配置要求。由于該分布式電源規(guī)劃前期發(fā)電成本較高，電源優(yōu)化帶來的經(jīng)濟(jì)效益還不明顯。但未來隨著植物發(fā)電技術(shù)的發(fā)展，其發(fā)電成本必然會進(jìn)一步下降，使得基于該技術(shù)的分布式發(fā)電系統(tǒng)經(jīng)濟(jì)優(yōu)勢增強(qiáng)。

表2　分布式電源并網(wǎng)前后配電系統(tǒng)年運(yùn)行費(fèi)用Tab.2　Annual operating expenses of the distribution system after integration of the distributed power generation

3　結(jié)語

本文提出了一種基于植物發(fā)電技術(shù)的分布式發(fā)電系統(tǒng)容量規(guī)劃方案，通過分析其發(fā)電原理，提出了植物發(fā)電電源的數(shù)學(xué)模型，并建立了基于此技術(shù)的發(fā)電系統(tǒng)容量規(guī)劃模型，采用改進(jìn)的遺傳算法進(jìn)行優(yōu)化計(jì)算，在以MATLAB為工具進(jìn)行仿真實(shí)驗(yàn)后，目標(biāo)函數(shù)可靠收斂，得出最優(yōu)規(guī)劃方案，該分布式電源并網(wǎng)后配電網(wǎng)年運(yùn)行費(fèi)用下降，驗(yàn)證了本文規(guī)劃的可行性和有效性。所述分布式發(fā)電系統(tǒng)容量規(guī)劃模型，可方便地計(jì)及系統(tǒng)建設(shè)投資、設(shè)備維護(hù)費(fèi)用和供電不足購買電費(fèi)，對其他類型能源的分布式發(fā)電系統(tǒng)容量規(guī)劃也有一定指導(dǎo)意義。

[1]陳曦，韓志群，孔繁華，等.生物質(zhì)能源的開發(fā)與利用[J].化學(xué)進(jìn)展，2007，19（7）:1091-1097. CHEN Xi，HAN Zhiqun，KONG Fanhua，et al.Exploitation and utilization of bio-energy[J].Progress in Chemistry，2007，19（7）:1091-1097（in Chinese）.

[2]黃生琪，周菊華.我國節(jié)能減排的意義、現(xiàn)狀及措施[J].節(jié)能技術(shù)，2008，26（2）:172-175.HAUNG Shengqi，ZHOU Juhua.Studies on energy saving and pollution redution[J].Energy Conservation Technology，2008，26（2）:172-175（in Chinese）.

[3]趙春江，楊金煥，陳中華，等.太陽能光伏發(fā)電應(yīng)用的現(xiàn)狀及發(fā)展[J].節(jié)能技術(shù)，2007，25（5）:461-465. ZHAO Chunjiang，YANG Jinhuan，CHEN Zhonghua，et al.State&development of photovoltaic application[J]. Energy Conservation Technology，2007，25（5）:461-465（in Chinese）.

[4]王冠，趙立欣，孟海波，等.我國生物質(zhì)熱解特性及工藝研究進(jìn)展[J].節(jié)能技術(shù)，2014，32（2）:120-124. WANG Guan，ZHAO Lixin，MENG Haibo，et al.Biomass pyrolysis characteristics and technology progress[J].Energy ConservationTechnology，2014，32（2）:120-124（inChinese）.

[5]苗唯時，張建華，鄭云霞，等.分布式發(fā)電對配電系統(tǒng)的影響[J].陜西電力，2010，38（1）:33-36. MIAO Weishi，ZHANG Jianhua，ZHENG Yunxia，et al. Influence of distributed generation on distribution system[J]. Shaanxi Electric Power，2010，38（1）:33-36（in Chinese）.

[6]甘龍，劉河清.基于村落層次的智能沼氣網(wǎng)以及分布式電源和能源樞紐建設(shè)[J].應(yīng)用能源技術(shù)，2010（8）:52-54. GAN Long，LIU Heqing.Village-level biogas based intelligent network and distributed energy project construction[J].Applied Energy Technology，2010（8）:52-54（in Chinese）.

[7]錢科軍，袁越，石曉丹，等.分布式發(fā)電的環(huán)境效益分析[J].中國電機(jī)工程學(xué)報，2008，28（29）:11-15. QIAN Kejun，YUAN Yue，SHI Xiaodan，et al.Environmental benefits analysis of distributed generation[J].Proceedings of the CSEE，2008，28（29）:11-15（in Chinese）.

[8]胡斌.考慮大規(guī)模風(fēng)電并網(wǎng)的電力系統(tǒng)旋轉(zhuǎn)備用容量優(yōu)化模型[J].陜西電力，2014，42（5）:22-26. HU Bin，Optimal spaning reserve capacity model of power system considering large scale wind power[J].Shaanxi Electric Power，2014，42（5）:22-26（in Chinese）.

[9]吳耀武，侯云鶴，熊信艮，等.基于遺傳算法的電力系統(tǒng)電源規(guī)劃模型[J].電網(wǎng)技術(shù)，1999，23（3）:10-14. WU Yaowu，HOU Yunhe，XIONG Xingen，et al.A model for generation expansion planning of power system based on gentic algor rihm[J].Power System Technology，1999，23（3）:10-14（in Chinese）.

[10]王成山，陳愷，謝瑩華，等.配電網(wǎng)擴(kuò)展規(guī)劃中分布式電源的選址和定容[J].電力系統(tǒng)自動化，2006，30（3）: 38-43. WANG Chengshan，CHEN Kai，XIE Yinghua，et al. Sitting and sizing of distributed generation in distribution network expansion planning[J].Automation of Electric Power System，2006，30（3）:38-43（in Chinese）.

[11]周治.并網(wǎng)光伏電站子方陣最佳配置選擇[J].西北水電，2012（3）:81-87. ZHOU Ye.Selection of optimum sub-array arrangement of grid-connectedphotovoltaicpowerplant[J].Northwest Hydropower，2012（3）:81-87（in Chinese）.

[12]宮林國，高亮，王賀磊，等.含分布式電源的配電網(wǎng)保護(hù)方案研究[J].陜西電力，2014，42（1）:32-36. GONG Linguo，GAO Liang，WANG Helei，et al.Research on protection scheme of distribution network with distributed generation[J].Shaanxi Electric Power，2014，42（1）: 32-36（in Chinese）.

[13]丁明，石雪梅.基于遺傳算法的電力市場環(huán)境下電源規(guī)劃的研究[J].中國電機(jī)工程學(xué)報，2006，26（21）:43-49. DING Ming，SHI Xuemei.Study of generation expansion planning based on genetic algorithm s in the environment of elctricity market[J].Proceedings of the CSEE，2006，26（21）:43-49（in Chinese）.

[14]周巧俏，湯云巖，海曉濤，等.基于改進(jìn)自適應(yīng)遺傳算法的分布式電源的選址和定容[J].陜西電力，2010，38（6）:40-44. ZHOU Qiaoqiao，TANG Yunyan，HAI Xiaotao，et al. Location ang of distributed generation based on improved selfadaptive genetic algorithm[J].Shaanxi Electric Power，2010，38（6）:40-44（in Chinese）.

[15]楊文佳，張國維.基于負(fù)荷頻譜分析的電力系統(tǒng)短期負(fù)荷預(yù)測[J].陜西電力，2014，42（11）:56-60. YANG Wenjia，ZHANG Guowei.Short term load forecast for power system based on load spectrum[J].Shaanxi Electric Power，2014，42（11）:56-60（in Chinese）.

[16]陳虎，孟克其勞，馬建光.基于MATLAB的風(fēng)力發(fā)電機(jī)組建模和仿真研究[J].節(jié)能技術(shù)，2012，30（1）:24-28. CHEN Hu，MENG Keqilao，MA Jianguang.The modeling and simulation study of wind turbine based on MATLAB[J]. Energy Conservation Technology，2012，30（1）:24-28（in Chinese）.

[17]彭軍，楊智奇，董菁雯.常用太陽跟蹤系統(tǒng)接收輻射量的計(jì)算[J].節(jié)能技術(shù)，2015，33（2）:168-171. PENG Jun，YANG Zhiqi，DONG Qingwen.Calculation of the received radiation for common solar tracking systems[J]. Energy Conservation Technology，2015，33（2）:168-171（in Chinese）.

（編輯徐花榮）

The Capacity Planning of Distributed Power Generation System Based on Plant Power Generation Technology

YUAN Pei
（College of Energy and Electrical Engineering，Hohai University，Nanjing 211100，Jiangsu，China）

In this paper，a new type of biomass energy utilization technology is proposed according to the current status of biomass energy development.A new distributed generation system model is established based on the plant power generation technology，according to which the new type of power supply capacity planning is conducted.Firstly the principle of the plant power technology and the related research are introduced，and the development status of the technology is summarized.Secondly，a basic model of the plant power supply is established and the mathematical model of the distributed generation system based on this technology is put forward. Furthermore，the improved genetic algorithm is adopted to optimize the power supply capacity of the distributed generation system containing the plant power generation source.Finally，an example of IEEE33 distribution network system is set to verify feasibility and effectiveness of the system planning.

biomass energy；plant power；distributed power generation；genetic algorithm

1674-3814（2015）07-0092-06中圖分類號：TM919

A

2014-02-29。

袁蓓（1993—），女，本科，研究方向電氣工程及其自動化。