計及分布式電源的配電網多目標綜合評估

戴仁德，何學飛，謝建國，黃超輝

(湖南紅太陽新能源科技有限公司，湖南 長沙 410111)

?

計及分布式電源的配電網多目標綜合評估

戴仁德，何學飛，謝建國，黃超輝

(湖南紅太陽新能源科技有限公司，湖南 長沙 410111)

通過研究分布式電源接入后對配電網的影響問題，建立了含分布式電源的配電網綜合評估模型.以系統網損、節點電壓、支路電流加權得到的指標值最小為目標，同時考慮了系統節點電壓、支路電流的平均值和最大值，建立了多目標的分布式電源位置和定容的優化模型.在權重求解過程中，考慮到不同專家形成的判斷矩陣的差異性，利用各初始權重的相對一致性得出最終權重.仿真結果表明該模型能較好地評估各目標對負荷波動的影響，適用于不同負荷需求下的配電網綜合評估.

分布式電源；配電網絡；評估指標；多目標；判斷矩陣；相對一致度

分布式發電(DG-Distributed Generation) 指的是裝機容量一般在幾kW 到幾十MW之間，并直接在配電網或用戶側接入電網的發電系統.隨著各種分布式發電系統的裝備技術水平的提高，以及成本降低，接入電網的分布式系統的數量增多[1]. 這樣在分布式發電系統接入后，整個配電網的結構將產生很大的變化，配電網由單電源、輻射型結構變為分散電源與負荷的復雜網絡.傳統的配電網規劃、運行及保護等方面都面臨著重大的變化.然而DG的使用又向電力系統管理者提供了更多靈活和安全的運行方式，方便管理者從用戶和經濟的角度考慮做出運行決策.因此，依據量化評估的結果，盡量減弱分布式發電系統接入后對配電系統的影響，從而對實現分布式發電系統的大力發展及應用，具有重要的理論依據和現實意義[2,3].

分布式發電系統的并網與解列，一定程度上影響電網電能質量、繼電保護以及可靠性[4-6]，隨著電力系統運行要求的不斷提高，分布式發電系統對電網影響問題，已經發展成為綜合考慮電能質量和可靠性等各個方面的多目標優化問題[7,8].層次分析法[9]、遺傳算法[10]、二次規劃法[11]等方法廣泛應用于求解多目標綜合優化中.文獻[12]分布式發電系統采用燃料電池發電機組，通過計算配電網潮流，研究接入電網系統后，對系統網損的影響，同時比較分布式發電系統的不同接入位置和容量，提出一種確定分布式發電系統的接入對配電網影響最優的位置和容量的方法.文獻[13] 從電壓改善程度、有功網損、環境改善程度這3個重要指標作為出發點，從而將分布式發電系統優化容量確定問題轉化為一個多目標非線性規劃問題.通過目標逼近和二次序列規劃方法對提出的算法進行求解.文獻[14]以最大化有功輸出作為目標函數，以分布式發電系統的出力、線路的熱穩定極限等作為約束形成數學模型，然后利用線性規劃方法求解該模型.

本文通過綜合考慮系統有功損耗和無功損耗、節點電壓、支路電流的平均值和最大值，相應得出四個重要的評估指標,并利用改進的判斷矩陣法,根據不同專家所得出的初始權重值的相對一致性計算出最終的權重系數, 建立了一個多目標非線性的評估DG接入優化模型，定量反映DG對配電網的影響.

1　評估的數學模型

評估配電網的指標有很多[15]，本文從系統有功損耗、無功損耗、節點電壓和支路電流四個方面評估DG接入后對配電網的影響.

本文同時考慮了系統節點電壓和支路電流的最大值和平均值，從最大值中可得到系統節點電壓和支路電流的最大越限程度，從平均值可能得到其平均分布情況，以加權的方式得到最后的評估指標能更好地評估系統的實際情況.DG接入對配電網影響的評估指標如下：

1.1網損指標

配電系統網損率是衡量配電系統電能損耗大小的測度，是評估配電系統運行經濟性的重要依據.通過這項指標的評價，有助于改善配電網系統的運行經濟性，提升配電網系統規劃建設水平和運行管理水平[16].有功損耗指標ILp和無功損耗指標ILq如下：

(1)

(2)

式中，Losses為含有分布電源的配電網網損值；Losses0為配電網不含分布式電源時的網損值.

1.2電壓越限指標

電壓問題是威脅系統安全穩定運行的主要因素之一.DG啟停的不確定性可能會引起節點電壓幅值的變化，計算接入DG前后的潮流，考察當前運行方式下DG啟停對節點電壓的影響.IVA為當DG接入時系統節點電壓越限的平均值，IVM為當DG接入時系統節點電壓越限的最大值，wA、wM分別為IVA和IVM的權重值，由調度員根據實際情況得到，且wA+wM=1.當wA=1時，表示只考慮系統節點電壓越限的平均值；當wM=1時，表示只考慮系統節點電壓越限的最大值.

(3)

(4)

IV=wAIVA+wMIVM

(5)

1.3支路電流指標

為了保證線路的安全運行，每條線路都會設定一個輸送閥值，該值與最大值之間有一定的安全裕度.線路過載運行將降低線路的機械強度，縮短線路的使用壽命，甚至造成短路故障.ICA為當DG接入時系統支路電流越限平均值，ICM為當DG接入時系統支路電流的最大越限值.

(6)

(7)

IC=wAICA+wMICM

(8)

綜合考慮有功損耗、無功損耗、節點電壓和支路電流四項指標，評估DG對配電網綜合影響的指標GPI如下：

MPI=w1·ILp+w2·ILq+w3·IV+w4·IC

(9)

綜合評估指標MPI越大，表示DG的接入對配電網的影響越大；MPI越小，表示DG的接入對配電網的綜合影響越小，更適合DG的接入.

2　權重值計算

權重反映的是各指標因素在評估過程中的地位和作用，是多目標評估的最關鍵的一個環節[17].當優化目標數較少時，通過專家的經驗，直接確定各目標的權重.而當目標數較多時，很難通過專家的經驗對所有目標的重要程度，做出全面而又正確的判斷.本文通過對判斷權重矩陣法優化改進，提出了一種簡單可行的方法, 總共五個步驟，詳細內容介紹如下.

2.1確定判斷矩陣

首先專家組成員單獨對目標進行評估，而后以匿名的方式提交評估建議及方案，再整理、歸納、統計專家意見.專家根據過往的經驗對各目標的相對重要性進行兩兩比較, 用判斷值αij表示目標Ai相對于目標Aj的重要程度，按式(10)得到αij的值，構成判斷矩陣M.

(10)

(11)

式中：n為目標個數；αii=1；αij=1/αji；i,j=1, 2, 3,…,n.

2.2確定評價指標的相對權重wi .

通常使用特征向量法，通過計算機編程求出判斷矩陣M的最大特征值λmax，然后根據最大特征值λmax，求出對應的特征向量W' ，即權重向量(ω1',ω2',…,ωn' ) .對W作歸一化處理，求解各個評價指標的相對權重.

(12)

向量W=(ω1',ω2',…,ωn' )即為所得到的初始相對權重.

2.3確定判斷矩陣

用極差法構造判斷矩陣，計算出比較矩陣中各元素重要性的排序指數，再將比較矩陣轉化為判斷矩陣，比較矩陣中各元素的大小可以由下式計算得到.

f(ri,rj)= Cb(ri -rj )/r= Cij

(13)

式中，Cb為一常量，是根據實際標準預先給定的極差元素對的相對重要程度(通常取Cb=0.9)；r為極差，r=rmax-rmin，其中rmax=max{r1,r2,… ,rn}，rmin=min{r1,r2,… ,rn}；ri為矩陣M第i行元素之和.所得矩陣C=(Cij)n×n為一致性判斷矩陣.

2.4一致性檢驗

通過編程計算求解，得出判斷矩陣的最大特征值，與相容性指標CI檢驗判斷一致性，其中：

(14)

一般當CI<0.1時，認為判斷矩陣的一致性可以接受；當CI≥0.1時，需重新對判斷矩陣作部分修改，然后對改正后的矩陣重新進行一致性檢驗.

2.5綜合權重計算

(15)

(16)

式中，θij為兩個向量W(i)和W(j)之間的夾角，Pj(i)表示向量W(i)在W(j)上的投影，Pj(i)越大，表示兩向量越接近，兩個判斷矩陣M(i)和M(j)之間的一致性越高.

(17)

式中，P(i)表示第i位專家判斷矩陣的平均一致度，即第i位專家與其他所有專家的一致度之和的平均值.再對所有專家的平均一致度進行歸一化處理，求出專家判斷矩陣的相對一致度.第i位專家判斷矩陣的相對一致度的定義如公式(18)所示：

(18)

第i位專家判斷矩陣的相對一致度，反映了其與其他專家判斷矩陣的相似程度，即能代表大多數專家的意見.由此，得到改進后權重向量的表達式如下：

(19)

可以看出，改進后的判斷矩陣法考慮了不同專家形成判斷矩陣時有關因素的影響，將它用于權重的修訂能取得比較好的效果，并能減少迭代次數.

3　算例分析

本文以IEEE-33母線配電系統作為例,系統具體參數見文獻[18]，結構如圖1所示.在VC++6.0環境下，處理器為2.2GHz、內存為2GB的PC上進行仿真，分析DG在接入33母線配電網情況下對系統的影響，進一步驗證算法的合理性與有效性.

圖1　 IEEE-33節點配電系統

w1(LIp)w2(LIq)w3(IV)w4(IC)0．32570．11990．29580．2585

本文將連接到配電網的DG簡化為PQ節點，由于DG的位置一般靠近負荷中心，本文假設DG的位置在負荷節點上.DG待選安裝節點編號為1-32，共32個.最大值和平均值的權重分別為0.7，0.3.通過改進矩陣法分析到各指標的權重值如表1所示.

3.1不同大小DG接入系統

圖2　不同大小DG接入系統時的MPI分布情況

圖2為當DG大小為300kW、600kW、1200kW時，分別接入每一節點所得到的MPI值.由圖2可知，不同大小DG接入對系統的影響不一樣，最適宜接入點也不相同，但大致變化趨勢相似.由圖2可看出，當DG接入，DG大小為600kW時得到的綜合影響指標(MPI)值最小.600kW DG接入節點1-12、17-18、22-23、25-30時的MPI值，比300kW、1200 kW接入該點時的MPI值都要小.

3.2兩個600kW DG 接入系統

保持600kW DG1接入節點9不變，600kW DG2接入分別接入每個節點，經過計算得到兩臺DG同時接入對系統綜合影響的指標MPI分布情況，與只有DG1接入時的MPI值分布情況比較如圖3所示.從圖3可知兩種情況下MPI值的變化趨勢基本一致，且兩臺DG同時接入時的MPI值要比單臺DG接入時要小，說明接入兩臺DG更能降低對系統的影響.當DG1接入節點9保持不變，DG2接入節點30時，MPI最小，即DG1接在節點9時，節點30最適合DG2接入.

圖3　DG1接入節點，DG2接入各節點時MPI的分布情況

3.3不同負荷水平下的指標分析

表2　不同負荷水平下的目標函數

為分析DG對負荷大小的敏感性，計算算例中600kW DG接入節點9時，不同負荷水平下對應的LIp、LIq、IV、IC、MPI如表2所示，其中S0為初始負荷，圖4給出了綜合影響指標與負荷大小的變化關系.

圖4　不同負荷水平下的綜合影響指標值

分析計算結果可知，隨著系統負荷的增加，LIp、LIq、IC值是增加的，而IV值減小，最后得出的MPI值與系統負荷大小呈線性變化關系.由圖4可知本文方法對負荷波動具有較好的適應性，可應用于不同負荷需求下的配電網綜合評估.

4　結論

如何安全、可靠地接入DG，是發展智能電網研究所面臨的一重大挑戰.考慮經濟性和安全性兩方面，本文提出了評估DG在運行中對電網影響的新方法，檢驗證明了新方法的有效性和經濟性.通過算例分析可得出：(1)本文同時考慮了DG接入系統后對系統有功損耗、無功損耗、節點電壓、支路電流的影響，并利用其最大值和平均值的加權關系，得出相應的評估指標，有利于改善系統的穩態運行的經濟性.仿真結果表明該評估模型能兼顧各目標，并對負荷波動具有較好的適應性，可應用于不同負荷需求下的配電網綜合評估.

(2)本文提出利用改進的判斷矩陣的方法求解各指標的權重值，考慮多位專家得到的初始斷矩陣的差異性，對每位專家所得到的初始權重值進行了相對一致性處理，初始權重值乘以相應的一致系數得到最終的權重值.它在收斂速度和一致性要求等方面具有較好的效果.

[1]王建, 李興源, 邱曉燕. 含有分布式發電裝置的電力系統研究綜述 [J]. 電力系統自動化, 2005, (24) : 90-97.

[2]石嘉川, 劉玉田.計及分布式發電的配電網多目標電壓優化控制[J].電力系統自動化,2007,(13)：47-51.

[3]張立梅,唐巍,趙云軍,等.分布式發電對配電網影響的綜合評估[J].電力系統保護與控制,2010,(21):132-135.

[4]梁有偉,胡志堅,陳允平.分布式發電及其在電力系統中的應用研究綜述[J].電網技術,2003,(12):71-75.

[5]劉波,張焰,楊娜.改進的粒子群優化算法在分布式電源選址和定容中的應用[J].電工技術學報,2008,(2):103-108.

[6]Luis F, Antonio P, Gareth P. Evaluating distributed generation impacts with a multiobjective index[J].IEEE Transactions on Power Delivery,2006,(3):1452- 1459.

[7]李智歡,段獻忠.多目標化算法求解無功優化問題的對比分析[J].中國電機工程學報,2010,(5):57-65.

[8]李學斌.火電廠廠級負荷分配的多目標優化和決策研究[J].中國電機工程學報,2008,(35):102-107.

[9] 章美丹,宋曉喆,辛煥海,等.計及網損的配電網電池儲能站優化運行策略[J].電網技術,2013,(8):2123-2128.

[10]李曉輝,張來,李小宇,等. 基于層次分析法的現狀電網評估方法研究[J].電力系統保護與控制，2008,(14):57-61.

[11]El-Ela A A, Allam S M, Shatla M M. Maximal optimal benefits of distributed generation using genetic algorithms[J].Electric Power System Research,2010,(7):869-877.

[12] Kashem M A, Le A D T, Negnevitsky M, et al. Distributed generation for minimization of power losses in distribution systems[A].IEEE Power Engineering Society General Meeting[C].2006.

[13] 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,(13):23-28.

[14] Rahman T K A, Rahim S R A, Musirin I. Optimal allocation and sizing of embedded generators[A]. Power and Energy Conference[C]. 2004.

[15] 王成山,羅鳳章.配電系統綜合評價理論與方法[M].北京:科學出版社,2012.

[16] Abdul-Rabman K H, Shahidehpour S M. Reactive power optimization using fuzzy load representation[J].IEEE Trans on Power Systems,1994,(2):898-905.

[17] 王成山,劉姝,林勇.基于區間算法的桂電網線損理論計算[J].電力系統自動化,2002,(2):22-27.

[18] Baran M E, Wu F F. Network reconfiguration in distribution systems for loss reduction and load balancing[J].IEEE Transactions on Power Delivery,1989,(2):1401-1407.

(責任編校：晴川)

Multi-objective Evaluation of Distribution Networks with Distributed Generation

DAI Rende, HE Xuefei, XIE Jianguo, HUANG Chaohui

(Hunan Red Solar New Energy Science and Technology Co.,Ltd.，Changsha Hunan 410111, China)

A new evaluation model for assessing the impact of distributed generation (DG) connecting to the distribution network is presented. A multi-objective optimization model is established, which aims to reduce active losses and reactive losses, as well as improve the voltage quality and current capacity of conductors by adjusting DG’s location and size. Additionally, the maximum and average values of indexes are comprehensively considered. In the process of calculating the weights, an improved estimation-matrix method is used. Considering the difference of estimation-matrixes formed by different experts, the method uses relative consistency to adjust the initial weights. The simulation results show that the model can take the target into account and has a better adaptability to load fluctuation. And it can be used for the comprehensive evaluation of distribution network of different load demands.

distribution generation; distribution network; evaluation index; multi-objective; estimation-matrix; relative consistent degree

2016-07-18

戴仁德(1984— )，男，湖南衡東人，湖南紅太陽新能源科技有限公司工程師，碩士.研究方向：分布式光伏發電系統.

TM7

A

1008-4681(2016)05-0038-04