含分布式電源的配電網優化配置研究綜述

，，，，

(1.國網沈陽供電公司，遼寧 沈陽 110021；2.國網吉林省電力有限公司電力科學研究院，吉林 長春 130021；3.中國電力工程顧問集團東北電力設計院，吉林 長春 130021)

含分布式電源的配電網優化配置研究綜述

李晨政1，孟濤2，王偉2，張海鋒2，王迪3

(1.國網沈陽供電公司，遼寧 沈陽 110021；2.國網吉林省電力有限公司電力科學研究院，吉林 長春 130021；3.中國電力工程顧問集團東北電力設計院，吉林 長春 130021)

分布式電源大量接入配電網，改變了其傳統單一潮流運行方式，演變為多電源結構的靈活配電體系，給配電系統的優化運行帶來了諸多的困難與挑戰。針對此問題，本文首先從經濟性、可靠性和環保性的角度對分布式電源優化配置的數學模型進行了詳細概括，其次，對幾種常用的智能優化算法進行總結與分析，最后，針對當前研究所存在的缺陷及未來分布式電源的發展趨勢，提出了幾種建議。

分布式電源；配電網；優化配置；優化算法

1 引言

分布式電源(distributed generation，DG)作為一種運行方式靈活多變的新型清潔能源，獲得了國內外研究人員的廣泛關注。由于風、光分布式電源所特有的間歇性、波動性和隨機性，并且隨著其并網容量在電網中所占比例的逐漸增加，其出力的不穩定性固然將給電網運行的安全性、可靠性及電能質量帶來很大的影響，這將嚴重限制分布式電源的發展[1-2]。但是，DG的合理配置能有效降低系統網絡損耗、改善系統電壓運行水平，提高系統整體運行的可靠性，進而提高清潔能源的滲透率[3-4]。因此，本文對分布式電源的優化配置問題展開分析與研究，從分布式電源優化配置的數學模型及優化算法兩個方面展開分析，并提出幾種建議以應對未來分布式電源大量接入電網的發展趨勢。

2 DG優化配置評價指標

2.1 經濟性評價指標

經濟性評價指標是分布式電源優化配置的基礎性評價指標，有利于實際工程應用。隨著電力市場化變革，如何綜合衡量DG開發商、配電公司及電力用戶之間的經濟效益成為當前經濟性評估分布式電源接入的難題。文獻[5]構建了系統有功損耗費用、DG投資運行費用的經濟性評價指標，有效提高系統運行的整體經濟水平。文獻[6-7]構建了DG開發商投資利益及電網公司經濟效益最大化的多目標經濟性評估指標，為相關決策人員提供參考依據。常見分布式電源經濟性評估指標為：

(1)DG開發商年投資效益：

(1)

式中,CYI為分布式電源投資費用，主要包括DG購買、安裝即運行維護費用；CYO為DG年收益指標，主要包括賣電收益及改善效益，其對應的表達式分別為：

(2)

(3)

式中,CSPi、CBPi分別為節點i處DG的上網電價和政府補貼電價；N為DG接入節點個數；mDGi為DG折算系數；Si為節點i處分布式電源的額定安裝容量；Fi為節點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行維護費用和燃料費用。

另一方面，分布式電源接入配電系統，對電網公司運行的整體經濟性存在一定程度上的改善，其對應經濟評估表達式為：

CDW=Cploss+CU+Crenew

(4)

式中，Cploss為系統網損改善效益；CU為電壓改善效益；Crenew為網絡延緩效益。

系統網損改善效益為：

Cploss=8760Cgc(Ploss1-Ploss2)

(5)

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

電壓改善效益為：

(6)

式中，CT為電網公司保證用戶電壓質量而獲得的單位年收益；rwi和rwoi分別為有無DG時系統年平均電壓指標。

DG接入后系統網絡延緩效益為：

(7)

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

2.2 可靠性評價指標

傳統分布式電源優化配置過程中將分布式電源等效為恒定出力的常規電源結構來處理，忽視了其波動間歇性。為保證優化方案的合理性，文獻[8]建立了計及系統供電可靠性的DG優化配置目標函數，分析孤島運行方式下的最佳DG配置方案，有效改善了重要負荷的供電可靠性。文獻[9]將期望缺供電量的可靠性評估指標引入至DG優化配置中，利用機會規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。常用可靠性評估指標主要包括：系統平均停電頻率指標、系統平均停電持續時間、用戶平均停電持續時間、平均供電可用率(ASAI)、電量不足期望[10]。

2.3 環保性評價指標

低碳環保理念的提出有效促進清潔無污染的分布式電源的發展，文獻[11]將分布式電源的污染氣體排放量指標引入至DG的優化配置評估模型中，有效緩解了當前的環境壓力。考慮污染氣體排放量的環保性評估指標為：

(8)

式中，NDG為分布式電源類型;NG為污染氣體排放類型；SDG(ij)為第i個節點j類廣義電源發出的功率；wk為第k類污染氣體的權重系數；Ejk為第j類廣義電源的k類污染氣體排放率；αj為碳排放系數比。

3 智能優化算法

隨著電網復雜性的增加以及各種優化理論的日益完善，基于隨機搜索的智能優化算法在處理分布式電源優化配置問題上展現了更強的實用性并得到了廣泛應用。本文綜述了幾種智能優化算法如遺傳算法、粒子群算法、免疫算法、差分進化算法等在分布式電源配電網優化配置中的應用。

3.1 遺傳算法

遺傳算法是一種通過模擬自然進化過程搜索最優解的方法[12]。它是由美國密西根大學的Holland教授于1926年首先提出來的，是一種基于自然選擇和基因遺傳學原理的優化搜索方法。遺傳算法具有通用性強，并行性好，對可行性解表示廣泛，群體搜索等特性。但同時，它也同樣具有收斂速度較慢，容易陷入局部最優等缺點。

3.2 粒子群算法

粒子群優化算法最早由Eberhart和Kelnnedy于1995年提出，其基本概念源于對人工生命和鳥群捕食行為的研究[13]。它仿照鳥群覓食行為，使群體中的個體能通過相互之間的信息共享和自身經驗的總結來修正其行動策略，最終求得最優化問題的解。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個體的競爭與協作來完成搜索最優解，但它是在其解空間內，粒子追隨最優粒子進行尋優。但這種算法依然存在收斂精度不高，容易陷入局部最優的缺點。

3.3 禁忌搜索算法

禁忌搜索算法通過記憶功能記錄已完成的尋優過程，并指導下一步的尋優方向，從初始解開始，通過逐次迭代逼近最優解[14]。對每個解定義一個鄰域。每一次迭代都從當前解的鄰域中啟發式的試探一系列的特定搜索方向，然后選擇對目標函數改善最大的作當前解，反復迭代，直到滿足終止準則。該法采用單點搜索，具有較好計算速度和局部尋優效率。但是當對計算結果的精度有所要求時，該算法的全局搜索能力并不高，而且計算結果強依賴于初值的選擇，這就限制了該算法在約束條件嚴格要求的DG優化配置中的應用。

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優化計算方法[15]。其雙向隨機搜索是基于概率進行的，對于解決帶約束的組合優化問題成效顯著。在優化問題的計算中，退火系統的能量函數作為所研究目標，退火的溫度代表控制變量，模擬退火法追尋基態的過程就是一系列的“產生新解—判斷—接受/舍棄”的迭代過程，通過這樣的迭代過程令目標函數取極小值。模擬退火法對于不十分理想的目標函數值對應的狀態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算時間就可以確保收斂于全局最優，但實際計算速度及時間往往不夠，造成優化結果受計算時間影響，故而可能造成優化結果只是局部最優。

3.5 差分進化算法

差分進化算法是一種啟發式性算法，Storn和Price在1995年的科技報告首次提出了“差分進化”這個詞。它是一種模擬生物進化的隨機模型，通過變異算子、交叉算子、選擇算子操作實現種群進化，能夠實現優化問題 。通過反復迭代，使得那些適應環境的個體被保存了下來[16]。差分進化算法是一種新型的基于群體智能的全局優化算法，相比于普通進化算法，差分進化算法保留了基于種群的全局搜索策略，通過種群內個體之間協同合作與相互競爭產生種群智能，降低了遺傳操作的復雜性。同時，差分進化算法特有的記憶能力使其可以動態跟蹤當前的搜索情況，以調整其搜索策略，指導整個種群的進化。具有較強的全局收斂能力和魯棒性，且不需要借助問題的特征信息，在處理連續域、非凸、不確定性和全局優化問題時具有優勢。目前，差分進化算法已經在許多領域得到了應用。

4 未來研究過程中的幾點建議

根據現有分布式電源優化配置研究基礎，從優化模型和優化算法上筆者提出了幾種針對性的建議：

(1)在實際分布式電源的優化配置過程中，需要從多角度的方式建立優化配置數學模型，未來研究可以重點考慮分布式電源孤島運行方式下系統運行可靠性評價指標，以提高優化配置后系統運行的可靠性。

(2)分布式電源出力具有不確定性，傳統優化配置將間歇性DG資源等效為恒定出力的常規能源來處理，具有一定的局限性，導致計算過程中的最佳方案隨著未來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價目標函數對提高配電系統可靠運行具有重要意義。

(3)解決分布式電源優化配置的傳統優化算法大多局限在單目標的智能優化算法，利用權重系數的處理手段能有效提高算法的處理速度，但未能揭示各目標函數之間的內在聯系，因此，未來方向建議從多目標的角度來優化DG配置問題。

5 結論

本文對DG優化配置問題的現狀進行了詳細的綜述，從優化模型和優化算法的兩個方面展開問題分析。首先，建立經濟性、可靠性和環保性的DG評估模型;其次，介紹幾種典型智能優化算法：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化算法的優缺點;最后，針對以有研究，提出幾點針對性建議以應對當前DG配置的欠缺。

[1] 王守相，王慧，蔡聲霞.分布式發電優化配置研究綜述[J].電力系統自動化，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多目標優化規劃[J].電力自動化設備，2014，34(1)：6-13.

[4] 潘超，孟濤，蔡國偉.廣義電源多目標優化配置與運行[J].電網技術，2015，39(12)：3505-3512.

[5] 譚陽紅，王偉.計及經濟效益的分布式電源多目標優化規劃[J].湖南大學學報(自然科學版)，2015，42(10)：89-96.

[6] 江知瀚，陳金富.計及不確定性和多投資主體需求指標的分布式電源優化配置方法研究[J].中國電機工程學報，2013，33(31)：34-43.

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

[8] 趙淵，何媛，宿曉嵐，等.分布式電源對配網可靠性的影響及優化配置[J].電力自動化設備，2014，34(9)：13-20.

[9] 彭顯剛，林利祥，劉藝，等.計及電動汽車和可再生能源不確定因素的多目標分布式電源優化配置[J].電網技術，2015，39(8)：2188-2194.

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

[11] 栗然，申雪，鐘超，等.考慮環境效益的分布式電源多目標規劃[J].電網技術，2014，38(6)：1471-1478.

[12] 麻秀范，崔換君.改進遺傳算法在含分布式電源的配電網規劃中的應用[J].電工技術學報，2011，26(3)：175-180.

[13] 葉承晉，黃民翔.基于改進粒子群算法的分布式電源經濟性最優規劃[J].電力系統保護與控制，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，2012.

[15] 朱顥東，鐘勇.一種改進的模擬退火算法[J].計算機技術與發展，2009，19(6)：32-35.

[16] 黃映，李楊，高賜威.基于非支配排序差分進化算法的多目標電網規劃[J].電網技術，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、電力系統優化運行；

王偉(1987-)，男，碩士，主要研究方向：電力系統保護與控制；

張海峰(1989-)，男，碩士，主要研究方向：電力系統優化運行；

王迪(1990-)，男，碩士，主要研究方向：電力系統優化調度與運行。