布谷鳥算法的含分布式電源配電網最優潮流優化

張宸瑞

摘 要： 針對當前模擬退火方法等算法不能滿足多約束變量的電網最優潮流設計問題，提出基于布谷鳥算法的含分布式電源配電網最優潮流優化模型。在多目標非線性約束參量模型下構建電源配電網最優潮流目標函數，以機組的耗量和配電總費用為優化目標，采用布谷鳥算法進行最優解多點搜索，模擬鳥群覓食過程和遷徙行為進行全局優化求解，考慮系統的有功損耗進行確定性規劃處理，實現含分布式電源配電網的最優潮流求解。仿真結果表明，采用該方法進行含分布式電源配電網最優潮流優化設計有效提高了電源的利用率，降低了系統的運行成本，確保了含分布式電源配電網的經濟、安全運行。

關鍵詞： 布谷鳥算法； 含分布式電源； 配電網； 最優潮流

中圖分類號： TN99?34； TM727 文獻標識碼： A 文章編號： 1004?373X（2017）15?0159?04

Abstract： Since the method such as the simulated annealing algorithm can′t meet the power grid optimal power flow design of the multi?constraint variables， a cuckoo algorithm based optimal power flow optimization model of the power distribution network with distributed power supply is proposed. The objective function of the optimal power flow of the power supply distribution network was constructed in the model of multi?objective nonlinear constraint parameter. The consumption and total power distribution cost of the unit are taken as the optimization objects， and performed with optimal solution multipoint search with the cuckoo algorithm. The birds foraging process and migratory behavior are simulated to get the global optimal solution. The certainty planning was carried out for the system according to its active power loss to solve the optimal power flow of the power distribution network with distributed power supply. The simulation results show that the method used to perform the optimal power flow optimization design of the power distribution network with distributed power supply can improve the utilization rate of the power supply effectively， reduce the operation cost of the system， and ensure the safe and economic operation of the power distribution network with distributed power supply.

Keywords： cuckoo algorithm； distributed power supply； distribution network； optimal power flow

0 引 言

電力電子技術的發展推進了電源配電網系統的優化，分布式發電（Distributed Generation，DG）電源作為新能源并網的產物，在配電中具有模塊化、分散式供電的優點，成為當前電網發展的重要方向[1]。隨著分布式電源接入配電網絡，分布式電源與負荷組成了微電網，配備能量管理系統，滿足用戶對電能質量和供電安全的需求[2]。最優潮流是一種電力系統分析和優化的有效工具，含分布式電源配電網絡的最優潮流設計，能保證電網以最小運行成本和最大可靠性運行。

傳統方法中，對最優潮流的智能優化方法主要有粒子群算法[3]，遺傳算法和模擬退火方法等[4?5]，上述方法具有設計簡單和快速尋優的優點，但是隨著電網規模的擴大，在處理非線性規劃的電網最優潮流問題時的全局優化求解能力降低，算法的計算時間過大。對此，本文提出一種基于布谷鳥算法的含分布式電源配電網最優潮流優化模型，進行最優潮流目標函數的優化求解，實現對含分布式電源配電網的安全穩定性控制。

1 含分布式電源配電網最優潮流約束參量分析

為了實現對含分布式電源配電網最優潮流優化設計，首先分析制約的參量分布模型，通過分析各分布式電源的發電成本進行經濟效能優化，提高配電網絡的經濟運輸性能。配電網最優潮流優化參數包括：電網的網損極弧系數電力系統的電機電磁損耗電壓以及電源發電機的轉子半徑電網導線的經濟成本分布式電源的輻射區域半徑分布式電源出力比其中。

令在出力不確定的情況下得到含分布式電源配電網的短期負荷描述為。考慮電網的各種運行方式，得到電網的最優潮流無功優化問題為[6]：

式中：是多目標約束條件下的電源輸出功率的修正系數；假設為電網分布式電源的交流同步控制輸入；為最優潮流被控過程的自適應反饋調節參量；為被控過程的穩態控制誤差；和構成交流同步伺服系統的容錯性控制系數，得到含分布式電源的配電電網的發電機組的控制輸入為：

采用智能優化算法調整慣量參量進行最優潮流控制約束參量的自適應調整，構建最優潮流控制的約束目標函數進行優化求解。

2 配電網最優潮流優化模型

2.1 電源配電網最優潮流目標函數

在多目標非線性約束參量模型下構建電源配電網最優潮流目標函數，忽略電樞反應的影響，得到含分布式電源配電網的磁通密度為：

2.2 配電網的最優潮流收縮因子計算

以機組的耗量和配電總費用為優化目標，采用布谷鳥算法進行最優解多點搜索，可以忽略配電網的在途功率損耗，定義機組的耗量為：

以收縮因子為控制約束代價參量，縮小搜索范圍，減小對最優潮流優化求解的迭代步數。

3 配電網最優潮流模型優化實現

考慮系統的有功損耗進行確定性規劃處理，實現含分布式電源配電網的最優潮流求解，配電網最優潮流的優化變量表示為向量

式中：分別由向量中各元素的最大值和最小值組成。

模擬布谷鳥尋找食物的覓食過程和遷徙行為得到最優潮流特征解鄰域中的適應度個體為 ，其中是布谷鳥尋窩的路徑，重新引入慣性權重，在給定的權重指數下，的屬性值為根據適應度判別函數進行電源配電網最優潮流的規范化迭代過程，結合配電網的功率損耗、輸出效率和成本等因素[10]，在一定約束條件下使其總成本最小，得到配電網成本控制的目標函數為：

式中：為權重系數；為配電網的功率損耗和輸電損耗之和；為發電成本；為電機材料成本。采用本文設計的布谷鳥算法，以機組的耗量和配電總費用為優化目標，得到含分布式電源配電網最優潮流的確定性解模型描述為：

通過上述分析，實現了分布式電源配電網的最優潮流模型優化設計。

4 結果與分析

仿真實驗中，布谷鳥的種群規模最大迭代次數分布式電源配電網的最優潮流目標函數和約束條件的參量設定如下：

根據上述仿真參量設定，取最優潮流分配的能量范圍為，進行配電網的最優潮流模型優化求解，得到最優潮流的目標值收斂曲線如圖1所示。

分析圖1結果可知，采用本文方法通過75次布谷鳥算法迭代，能使得分布式電源配電網的最優潮流收斂到最佳值。為了對比，采用傳統方法計算的結果如圖2所示。由圖2中結果得知，傳統方法需要453次迭代才能實現收斂，且收斂值不如本文方法理想。

表1給出了不同算法進行配電網最優潮流尋優統計結果比較，分析得知，采用本文方法進行最優潮流尋優，輸出功率較高，電網的成本開銷較低，可靠度較高。

5 結 語

本文提出了基于布谷鳥算法的含分布式電源配電網最優潮流優化模型，在多目標非線性約束參量模型下構建電源配電網最優潮流目標函數，采用布谷鳥算法進行最優解多點搜索，考慮系統的有功損耗進行確定性規劃處理，實現含分布式電源配電網的最優潮流求解。采用該方法進行含分布式電源配電網最優潮流優化設計，能有效提高電源的利用率，輸出功率較高，降低系統的運行成本，實現電網經濟可靠運行。

參考文獻

[1] 張巍，閻立.下一代互聯網技術在智能電網中的應用[J].電力系統通信，2012（12）：95?100.

[2] 劉兆瑜.智能電網漏電區域優化檢測方法研究[J].科技通報，2012，28（10）：113?115.

[3] 李緯，張興華.一種改進的基于pareto解的多目標粒子群算法[J].計算機仿真，2010，27（5）：96?99.

[4] MAZHOUD I， HADJ H K， BIGEON J， et al. Particle swarm optimization for solving engineering problems： a new constraint?handling mechanism [J]. Engineering applications of artificial intelligence， 2013， 26（4）： 1263?1273.

[5] BURNWAL S， DEB S. Scheduling optimization of flexible ma?nufacturing system using cuckoo search?based approach [J]. International journal of advanced manufacturing technology， 2013， 64（5）： 951?959.

[6] 焦文良，王旭東，那日沙，等.多重聯結大功率直流電源控制策略研究[J].電機與控制學報，2016，20（5）：53?59.

[7] 葉林，任成，李智，等.風電場有功功率多目標分層遞階預測控制策略[J].中國電機工程學報，2016，36（23）：6327?6336.

[8] 張伯明，吳文傳，鄭太一，等.消納大規模風電的多時間尺度協調的有功調度系統設計[J].電力系統自動化，2011，35（1）：1?6.

[9] 賈云璐，劉勝，宋穎慧.基于種群特征反饋的布谷鳥搜索算法[J].控制與決策，2016，31（6）：969?975.

[10] 林俐，謝永俊，朱晨宸，等.基于優先順序法的風電場限出力有功控制策略[J].電網技術，2013，37（4）：960?966.