含光伏電站的配電網無功補償優化研究

高月鎖 談震旻

上海電力新能源發展有限公司 上海 200000

1 無功補償優化研究現狀

光伏電站配電網負荷變動大是導致無功波動變化大的主要原因，無功功率的過剩與不足，需采取有效的調壓措施，抑制無功功率引起的電壓波動。無功補償的原則是就地補償，盡量避免無功在電網中的流動，集中補償與分散補償相結合能很好的解決補償問題。當前，主要方法是在變電站和低壓用戶中安裝適當的無功補償裝置，使無功功率在整體上達到平衡。

配電網無功補償是調節電壓質量、降損節能的有效手段。合理選擇無功補償位置和確定補償容量，可使系統電壓質量維持在較高水平，提高系統電壓穩定性，最大限度地限制大容量無功的遠距離傳輸，降低了網損和電費。隨著無功補償技術的發展，無功補償在配電網中越來越普及，并積累了豐富的經驗。然而，無功規劃主要依靠規劃人員的經驗，不能滿足配電網的實際需求，無功補償效果欠佳，經濟效益難以最大化。因此，在規劃中要充分利用配電網有限的數據資源，優化無功補償地點的配置，確定補償容量，以最小的投資達到最佳的補償效果[1]。

2 BCC算法及應用

2.1 BCC算法及改進

細菌群體趨化算法是一種受生物行為啟發的函數優化方法，基本的BCC算法包括趨化過程、感知過程和精英保留策略。與粒子群算法相似，BCC算法的主要缺點是容易陷入局部最優。因此，在算法的迭代過程中，本文除趨化感知外，增加第三個待選位置以減少細菌聚集，并對其控制參數進行自適應調整，通過與趨化感知位置的比較，可選擇一個更好的細菌位置，提高算法的全局能力。

2.2 BCC算法中光伏發電容量的處理方法

傳統的無功補償裝置的無功功率是離散變量，因此在使用BCC算法時，速度和位置將被視為相似的整數來處理；光伏電站的無功出力是一個連續變量，本文將光伏電站分解為N個單位容量為Q的小型光伏電站，即光伏電站的無功出力由無功下限開始以步長Qa往無功上限增長，在此過程中得到最佳無功出力值[2]。

在Matlab程序設計中，本文通過改變小型光伏電站的數量來調整控制變量的大小。例如，若光伏電站的無功出力大小為-100-100kvar，選步長為5kvar，則小型電站的數量上下限為-20-20，若獲得最佳解的函數為l7，則可確定光伏電站的最佳無功出力為17×5=85kvar。

這樣，細菌在搜索空間中的位置對應于無功優化的控制變量，包括光伏電站的無功容量,傳統無功補償設備出力可統一處理，并通過對算法的搜索可得到最優解。

2.3 BCC算法的實現步驟

（1）設置系統參數，計算初始目標函數值，初始化菌群：輸入配電網拓撲結構參數和算法相關參數。（2）通過潮流計算各細菌的適應度值，分別進行趨化和感知過程，比較兩個位置對應的三個網損值和位置，并選擇較好的位置。（3）精英保留策略，記錄最佳值。（4）循環計算，直到達到最大迭代次數或達到精度要求為止。

3 算例分析

該模型采用了改進的IEEE.33節點配電系統，除增加兩座光伏電站和兩套無功補償設備外，其余線路參數不變，如圖1所示。

假設兩個光伏電站都具有無功補償能力，其無功出力在-100-500kvar范圍內調節，額定照明強度Sr=1000W·m2，Weibul1分布曲線的形狀指數k=1.8，規模指數C=5.5；6節點和31節點補償裝置的無功功率分別為300kvar和500kvar。計算時，取基準容量為100kVA，電壓基準值為12.66kV，負荷節點電壓范圍為0.95、1.05。

圖1

總體數量為50，最大迭代次數為500次。最初，使用50個4維隨機變量來表示補償裝置數量QPV1（節點2）、QPV2（節點13）、QC1（節點6）、QC2（節點31），并將上限和下限分別調整為（0-50）、（0-50）、（0-4）和（0-7）。因它是一種隨機搜索算法，所以前后進行50次迭代，并取平均值作為比較值。由其結果可知，極大地降低了優化后的系統網損。雖改進算法的運行時間比標準的BCC算法長，但在50次迭代計算中，改進算法的搜索成功率為100%，而改進前算法的搜索成功率僅為80%，因此改進算法的全局搜索能力更強[3]。

同時，優化后的系統電壓水平得到了提高。在優化前，系統中有14個節點電壓越限，分別是11-18和29-33，優化后的節點電壓在合理范圍內。優化前后的電壓水平曲線如圖2所示。

圖2

因此，光伏電站參與無功優化能在很大程度上降低系統網損，提高系統電壓水平。同時，改進的BCC算法具有更好的全局搜索能力。