徐舟鷹 樂恩典
(國網舟山供電公司,浙江舟山316021)
隨著通信技術的不斷進步,大數據的發展勢不可當,“數據即資產”的觀念已被大多數人所認同。與此同時,在全球能源互聯網大力發展的背景下,國內外的電力發展正經歷著很大的變化,大量分布式可再生能源開始接入配電網,如風電、光伏等,它們的接入會對配電網的可靠性產生重大影響,且會增加配電網的運行數據。如何利用配網中海量的運行數據對其建立量化的可靠性評估方法成為了研究熱點。
本文介紹了改進粒子群算法(Improved Particle Swarm Optimizer,IPSO)的特點和原理,并將其運用到具有分布式電源的配電網運行中去,在解決問題時采用權重系數進行多目標優化,最終通過對算法的改進提高了尋優效率。
粒子群算法(Particle Swarm Optimization,PSO)是根據鳥類覓食的過程進行的一個生物優化算法,是基于一個群體的智能算法對一個復雜問題進行分析和優化的過程,對于多目標問題反應靈敏、計算快,但同時容易陷入局部最優。
粒子群算法在中壓配電網中主要用于開關站的選址,開關站的模型通常包含經濟模型和可靠性模型,本文在考慮這兩者的基礎上,使用一個綜合模型作為粒子群算法的迭代標準。在現階段的配電網運行中,如何采用海量運行數據對各種分布式新能源的接入和運行進行選址也至關重要。
風電所需要建立的開關站的經濟模型主要包含其投資和運行費用,采用等年值法:

式中,M為風機開關類型總數;Nj為第j種類型開關新增數目;Csj為第j種開關目前單價;Pj為第j種開關使用壽命;Cs為總開關投資的等年值。
風機的運行費用(年度費用)由式(2)得出,其大小和開關站的總投資成正比。

式中,CM為風機運維費用;H為比例系數。
在配電網中,開關站的可靠性主要與其是否停電有關,無論是計劃停電還是故障停電。由停電造成的損失計算如式(3)所示:

式中,LP為負荷節點數;Tj為第j個負荷點的停電類型;ENSjt為負荷點j第t停電相應所失去的供電量;CLOSSjt為負荷點j第t停電的單位停電損失;CL為年度停電損失總費用。
配電網風機接入的綜合模型考慮使用權重因子將兩種模型整合,通過不同種類的運行方式,考慮經濟性和可靠性的占比,得到綜合模型如式(4)所示:

式中,Ka、Kb為經濟性、可靠性權重因子,Ka+Kb=1。
分布式電源接入配電網通常分為多電源接入和單電源接入。
2.4.1 單獨風機接入過程
在配電網只有一個風機時,風電的供電范圍是確定的,只需要根據政府規劃和供電需求確定其裝接位置即可。將該區域的粒子位置代入上述式子中,可以得到每個粒子的“適應度”,通過對“適應度”的對比和判斷,評價該粒子所處的環境,以及如此建設和運行是否經濟。通常來說,“適應度”越低對應著其所需要的投資成本以及后期運營成本越低,而對于所有的“粒子”的位置所對應的總“適應度”的最低點即最優的投放位置。
具體步驟如下:
(1)隨機給定n個粒子的位置,即代表風機的裝接位置;
(2)計算各個粒子位置所對應的“適應度”,即該位置裝接風機的成本;
(3)根據上述粒子產生的最優解進行位置調整,采用實際情況對“適應度”函數進行優化,完成一次搜索,每一次迭代都再進行上述步驟,直到尋找到最優點;
(4)最后停止循環得到最優位置。
2.4.2 多風電機組接入電網過程
多個風機接入電網的步驟同一臺風機接入類似,只是最后的結果需要輸出一組變量組成的最優解的合集作為每個風機的布點。除了考慮風電的容量外,也要考慮其在該供電位置的供電范圍。根據粒子群算法的步驟,就需要對m個目標進行優化,同時得到其“適應度”的和的最小值,才是這m個風機所要的最優位置。
具體步驟如下:
(1)確定每個風機的供電范圍,通過隨機數的放置測得每個負荷點到該電源點的距離作為參考,并判斷該容量是否符合要求;
(2)容量滿足要求的風機就不再進行劃分,其余風機直到劃分完畢即可,接著在每個點的范圍內確定風機最優位置,即重復單風機的優化步驟即可,直到獲得最優解。
根據需要,建一個規模為2×50 MW的風電站和一個規模為1×50 MW的風電站,線路的貼現率為0.08,折舊年限為16,新建站出線單位長度投資費用均為150萬元/km,網損折算系數α1=α2=α3=0.004 69(假設線路全年投入運行),具體信息如表1所示。
從圖1中可以看出,運用粒子群算法求解電力系統開關優化問題具有良好的性能,經過多次運行程序,均能在20代以內收斂到最優解。

表1 負荷坐標信息表

圖1 粒子群算法趨勢圖
隨著分布式能源接入配電網,采用最優方法配置負荷成為配電網中一個十分重要的問題,其社會價值、工程經濟價值都有顯著提高。本文在研究風機的配置后得出了以下結論:
(1)通過對風機電源點的劃分,可以簡化計算過程,節省搜索時間,減少計算量,從而快速高效地得到系統的經濟性指標;
(2)根據配電網中風機開關站優化的特點,將改進粒子群算法運用到計算中,相對于原始方法效果更佳,算法精確有效。