淺談基于遺傳算法的分布式發電系統無功優化控制策略

周 倩，周正煉（云南電網有限責任公司瑞麗供電局，云南瑞麗678600）

淺談基于遺傳算法的分布式發電系統無功優化控制策略

周 倩，周正煉（云南電網有限責任公司瑞麗供電局，云南瑞麗678600）

分布式發電是一種新型的綜合發電方式，具有廣闊的發展前景，對分布式發電系統進行無功優化控制可以提高電力系統的運行效率，降低電能損耗。在配電網優化過程中，不僅要保證電壓的穩定，合理控制無功功率，而且還要考慮經濟性能，將有功損耗降到最低。為了達到上述目的，本文將以遺傳算法為依托，闡述分布式發電系統的無功優化控制策略，希望為降低有功損耗提高電壓質量提供參考。

遺傳算法；分布式發電；無功優化；策略

分布式發電（Distributed Generation，DG）是一種直接接入配電網或用戶端的發電方式，發電功率一般不超過幾十兆瓦。與傳統發電方式相比，分布式發電具有投資少、收效快、機動靈活等特點，可以有效減少或避免集中供電下的斷電損失，因此逐漸受到廣泛重視，美國、日本等發達國家率先對分布式發電系統進行了深入研究并取得了突破性的進展。分布式發電對配電網的規劃、網損、電能質量、繼電保護等方面都具有深刻的影響，鑒于此，相關部門提出了兩種無功控制方法：二級電壓控制和無功優化控制，本文將從無功優化控制的角度入手，對無功優化遺傳算法進行深入分析，總結可行性無功優化控制策略。

1 遺傳算法簡介與操作流程

遺傳算法（Genetic Algorithm）由美國的J.Holland于1975年首次提出，是一種基于自然界優勝劣汰進化機制的隨機搜索方法，該算法模型可以直接對研究對象進行操作，不受函數連續性的限制，而且內穩性和全局尋優能力都較為突出，在搜索過程中可以動態的調整搜索方向[1]。遺傳算法的種種特點是其被廣泛的應用于組合優化、信號處理、人工生命等諸多領域，可以說，遺傳算法是現代智能計算的關鍵和核心技術。從遺傳算法的概念可以看出，其操作過程是以生物基因遺傳為基礎的，初始群體中的每個個體都參與搜索過程，進而完成優勝劣汰的進化過程。遺傳算法的三個基本操作是選擇、交叉和變異，通過這三個步驟的有序銜接和周期性演變可以產生新的種群。基于遺傳算法的無功優化流程可以總結為以下步驟：錄入初始數據資料→通過編碼操作產生初始種群→解碼并進行潮流計算→計算目標函數適應值→個體優選和評價→選擇交叉和變異操作→遺傳操作的周期性演變以更新種群→得出結果[2]。

2 分布式發電與無功控制策略概述

分布式發電是電力行業第二次改革的重要產物，目前國內外對分布式發電的概念界定并不明確，其他國家也稱之為分散式發電、嵌入式發電、非集中式發電等。分布式發電將幾千瓦、幾十兆瓦的發電功率直接接入配電網或用戶附近的發電系統，這樣可以根據用戶的實際需求來進行供電分配。分布式發電系統不僅可以獨立運行，而且可以與大型電網并網運行，與傳統配電網系統相比，具有高效、優質、安全、投資小的特點[3]。從全球范圍來看，那些重視環境保護與能源高效利用的國家更傾向于發展分布式發電技術，而且在鼓勵政策上也更加明確，目前全球共安裝分布式發電裝置上百萬臺，而且兆瓦級發電裝置的數量正在迅速遞增，我國作為能源使用大國，更應當大力推廣發展分布式發電技術，并以此來優化我國的能源結構，提高配電網供電質量。

分布式發電對配電網的影響是方方面面的，經濟效益和社會效益都十分顯著，但是接入分布式發電也會對配電網產生一定的影響[4]。①在配電網規劃方面，接入分布式發電后，配電網運行的不確定性就會提高，其負荷變化趨勢將難以預測，此外，如果分布式發電裝機容量安排不合理，就會直接造成電能損耗的增加，提高配電網運行成本[5]。②在配電網潮流方面，在接入分布式發電之后，配電網的線路潮流分布就會發生改變，呈現出三種不同的分布形式。③在電能質量方面，接入分布式發電可能會產生大量的諧波或出現電壓閃邊的情況，進而影響電能質量。

鑒于分布式發電對配電網的種種影響，需要對分布式發電系統的技術規格和并網過程進行限制和規范，目前可供選擇的無功控制方法主要有二級電壓控制和無功優化控制兩種。無功優化控制的基礎是接入分布式發電的配電網與傳統電網在目標函數、不等式約束等方面有著極大的相似，但是控制手段有所不同，因此可以借鑒傳統電網的優化算法進行無功優化控制[6]。傳統無功優化算法或多或少的都存在一定的局限性，近年來，隨著人工智能技術的興起，禁忌算法、模擬退火算法、遺傳算法等基于人工智能理論的現代化優化算法得到廣泛的應用，與傳統算法相比，這些優化算法不再單純依賴精密的數學模型，而且可以對自然活動進行有效類比。

3 分布式發電系統并網逆變器與基于遺傳算法的無功優化控制策略

本節將首先分析并網逆變器的解耦控制方法，同時以網損最小化為優化目標，采用遺傳算法對并網逆變器進行無功優化，進而實現分布式發電系統的無功優化目的。

3.1 并網逆變器解耦控制

從圖1可以看出，并網逆變器的輸入與輸出端相連，經過電感L并入電網，為了實現電壓定向目的，需要將q軸與電網電壓矢量重合，那么可以總結出兩個與旋轉坐標系相關的數學模型：

式中：Em代表峰值下的電動勢；id和iq分別代表交流電流的兩個軸分量；Vd和Vq分別代表交流電壓的兩個軸分量，通過調節兩個分軸的電流即可實現無功調節，從上式中還可以看出兩個分軸之間存在著相互耦合的關系，為了實現獨立無功調節，可以對d、q軸分量進行解耦操作。借助Matiab軟件可以對上述并網逆變器解耦控制過程進行仿真分析，從而得到特定功率下各個時刻的無功功率、電壓、電流的仿真波形[7]。仿真分析結果表明，上述算法基本可以實現逆變器的獨立無功控制，而且對電壓、電流、功率等的影響較小，可使波形迅速恢復穩定狀態。

圖1 并網逆變器結構拓撲圖

3.2 接入分布式發電配電網的無功優化

通過上文的分析可以得知，通過改變無功功率即可調節逆變器的無功數值，由于分布式發電一般都具備類似的無功調節能力，因而可以據此來改善接入分布式發電的配電網的運行能力，從而實現無功優化目的。在遺傳算法下，首先需要確定目標函數和約束條件，然后再進行一系列的優化操作。

為了實現網損最小的目標，應當確立以下目標函數：minF=Piass，同時確定約束條件，接入分布式發電的配電網，當無功功率取較大數值時，并網逆變器的容量就會顯著增加，從經濟成本的角度分析，就要將無功功率控制在一定的范圍內以限制并網逆變器容量。如果無功補償容量的最小值為Qmin，最大值為Qmax，那么給定無功功率下的狀態變量應當滿足Qmin＜Qq＜Qmax。

分布式電網系統的無功優化涉及多個變量，而且控制變量和狀態變量之間多呈非線性關系，因此，在確定目標函數和約束條件之后，要嚴格按照遺傳算法的操作流程進行優化分析，即按照初始潮流解→編碼→選擇、交叉、變異→重組優化的流程進行。在選擇操作中需要確定每個個體x的被選擇幾率F（x），如果用f（x）代表個體x的適應度，那么f（x）的值越高，其被選中的幾率也就越大，即F（x）越大[8]。在交叉操作中需要確定個體x的變異點基因座，并按照一定的概率對其進行改造從而實現個體變異目的。

3.3 遺傳算法仿真實驗分析

為了驗證基于遺傳算法的分布式發電系統無功優化控制策略的可行性，下面以某個接入分布式發電的配電網為研究對象，對其進行無功優化仿真實驗，在參數設置上，初始種群的規模擬定為30個，迭代次數限于100，變異概率為0.001。該配電網共計有20個節點，每兩個節點之間的電阻和電抗分別用Ri、Xi表示，配電網母線電壓為1.00V，接入分布式發電的節點序號分別為6、9、12、14、16，每一個分布式發電的無功容量均為1Mvar，經遺傳算法優化之后，可以計算得出整個配電網的初始有功網絡與下降幅度。節點6、9、12、14、16優化前的無功容量均為0，優化之后的無功容量分別為0.92Mvar、0.91Mvar、0.93Mvar、0.95Mvar、0.96Mvar。由此可以得知每個節點的電壓均被控制在約束范圍之后，表明了遺傳算法的有效性。

從上述遺傳算法的仿真實驗結果可以看出，該優化算法的可行性較高，對于減少網損提高電能質量具有積極作用，而且借助并網逆變器的解耦操作可以實現獨立無功調節，從而充分利用各個分布式發電系統的無功補償容量，改善電網運行效果。在遺傳算法的基礎上進行分布式發電無功優化控制，需要以網損最小為優化目標，同時還要確定各個節點電壓的約束，這樣可以保證優化算法的收斂性。

4 結語

分布式發電作為一種新型的發電方式具有廣闊的發展前景，雖然分布式發電具有優勢眾多，但是仍然需要注意其對配電網規劃、網損、電能質量、繼電保護等方面的影響，同時采用無功控制方法對并網過程進行規范。本文采用遺傳算法對分布式電網進行了無功優化，仿真結果表明該優化算法可行性較高，對降低網損提高電能質量具有積極作用。

[1]李 晶，王素華，谷彩連.基于遺傳算法的含分布式發電的配電網無功優化控制研究[J].電力系統保護與控制，2010，06：60～63.

[2]戴朝華.計及DG時基于群體智能與復雜系統理論的配網多目標綜合運行優化問題研究[J].學術動態，2010，02：3～10.

[3]胡藝文.基于新能源并網的電站綜合無功優化控制算法研究[J].電測與儀表，2015，22：90～94.

[4]劉一兵，吳文傳，張伯明，等.基于有功—無功協調優化的主動配電網過電壓預防控制方法[J].電力系統自動化，2014，09：184～191.

[5]王 淳，高元海.基于概率統計的含間歇性分布式發電的配電網無功優化[J].電網技術，2014，04：1032～1037.

[6]李建斌，蔡潤慶.基于集中-分散策略的分布式電源并網條件下的電力系統無功電壓控制[J].廣東電力，2014，06：31～37.

[7]王瑞琪，李 珂，張承慧，等.基于多目標混沌量子遺傳算法的分布式電源規劃[J].電網技術，2011，12：183～189.

[8]韓學軍，鄧艷秋，張全厚.含分布式電源的改進PSO算法配電網無功優化[J].計算機仿真，2013，05：125～128.

TM761

A

2095-2066（2016）05-0049-02

2016-2-1

周 倩（1988-），女，漢族，助理工程師，本科，主要從事電網運行策劃、檢修管理、風險分析、電網穩定控制及電網潮流分析計算工作，通過分析計算合理安排電網運行方式及檢修工作，提高供電可靠性，確保電網安全穩定運行。

周正煉（1989-），男，漢族，助理工程師，本科，長期從事瑞麗市電力無功的配置與優化工作，熟悉設備及設施規劃原則、組網原則，電能質量、供電電壓偏差等技術標準，通過大量的電壓無功數據收集、分析，從技術合理性、運行安全性、運行經濟性等方面提出提升電能質量的具體措施，不斷提高電網的供電可靠性和電能質量。