基于改進粒子群算法的新能源配電網優化調度

摘? 要：為了提升新能源配電網的優化效果，文章設計了基于改進粒子群算法的新能源配電網優化調度模型，簡化數據收集流程，提升測算效率，利用目標函數和約束條件可以對新能源的配電網模式進行有效識別，以此有效提高電網使用頻率，緩解用電緊張。研究表明，通過改進粒子群算法，可以有效優化電網的有功網損和電壓偏差，總體滿意度達到0.950以上，因此改進粒子群算法將會越來越廣泛地應用于新能源配電網的優化。

關鍵詞：改進粒子群算法;新能源;配電網;調度優化

中圖分類號：TP181? ? ? ? ? ? ? ? ? 文獻標識碼：A文章編號：2096-4706（2021）16-0105-03

Optimal Dispatch of New Energy Distribution Network Based on Improved Particle Swarm Algorithm

CAO Jinjing

（Boxing County Power Supply Company， State Grid Shandong Electric Power Company， Binzhou? 256500， China）

Abstract： In order to improve the optimization effect of new energy distribution network， the paper designs an optimization dispatching model of new energy distribution network based on improved particle swarm algorithm， simplifies the data collection process， improves the calculation efficiency， and the distribution network mode of new energy can be effectively identified by using the objective function and constraints， so as to effectively improve the frequency of power grid use and alleviate power shortage. The results show that the improved particle swarm algorithm can optimize the active power loss and voltage deviation effectively， and the overall satisfaction is over 0.950. So the improved particle swarm algorithm will be more and more widely used in optimization of new energy distribution network.

Keywords： improved particle swarm algorithm; new energy; distribution network; scheduling optimization

0? 引? 言

隨著新能源技術的發展，在目前的配電網中，接入了越來越多的分布式能源，使得配電網運行更為安全、經濟與優質。主動配電網（ADN）的目標是控制分布式發電（DG）設備和負荷側資源，以提高供電可靠性和間歇性能源消耗能力，減少配電網損耗，改善電能質量。而建設新能源配電網可以有效緩解我國目前電網使用頻率高、用電緊張的問題。但新能源配電網中，光伏以及風電存在著較強的波動性與間歇性，這種不穩定性與非連續性影響著新能源配電網的高效運行。賁樹俊[1]等人構建了兩階段的優化調度模型，用于測算電力系統的實際運行成本消耗和用電負荷數值，利用聚合商的算法可以根據使用時間和方向的差異進行靈活性測算分析，以此提高新能源電力系統使用效能。陳文彬[2]等人利用新型的電力負荷測試，得出精準的數據信息，以此對比新能源的電網實際使用成本的差異性，為日后新型能源化的電力系統提出進一步的指導方法。格日勒圖[3]等人基于Shapely值分配合作剩余，使用混沌粒子群算法設計模型求解流程，以此得出市場電網匹配度。根據研究人員的測試分析，本文提出了進一步的優化測試方法，利用改進后的粒子群算法，構建新型能源配電網調度模型，以此達到優化電網的效能。

1? 新能源配電網優化調度模型設計

1.1? 新能源配電網中多目標優化模型

在大多數工程問題中，包括成本和效率在內的問題公式化似乎很明顯。市場自由化造成復雜性的電力分配等領域需要制定多目標優化問題。配電領域在過去幾年經歷了向有源網絡的重要重組，其特征是分布式發電機組的高滲透率，基于內燃機、小型和微型燃氣輪機、燃料電池、光伏和風能等技術植物;這些系統可能還包括存儲單元。以物理分布的方式生產能源的可能性提供了許多需要高質量和經濟運行的利益的想法。這就是為什么目前配電管理問題可以表述為多目標優化問題的原因。

電力系統在實際工作過程中，需要多個控制變量和約束條件對其進行不同程度的分工，以此達到高效穩定的電力運行。在電力輸出中，需要增強發電機的無法處理效能以此滿足高峰負荷下的電力正常運行能力，可以通過利用靜止無功補償器和DG輸出的無功功率實時調整控制電力系統，確保變量在有效控制范圍內。因此，電力系統下的無功優化能力在新能源配電網中具有重要意義，可以有效簡化非線性混合規則問題，提高控制變量能力，減少約束條件。電力系統多目標無功優化模型為：

（1）

式（1）中：目標函數fi（x）（i=1，2，…，n）中，x表示控制變量，x∈RN;g（x）為潮流約束方程;xmin和xmax為控制變量;ymin和ymax為系統其他變量約束。

1.2? 目標函數

目標函數可以測算系統的性能標準，通過目標函數的數值分析可以得到電力系統的實際用電情況，實際工作提供指導方法即：

（2）

式（2）中：N1為支路數量;Gk（i，j）為節點適應度值;k為權重系數;Vi和Vj為電壓幅值;θ為電壓相角差;Nnode為系統實際電壓值;ViN為額定電壓;Δvmax為最大允許偏差。

1.3? 約束條件

在約束條件下測算電力有功功率與無功功率，潮流計算約束公式為：

（3）

式（3）中：Pi為節點i注入的有功功率;Qi為節點i注入的無功功率，m為節點個數;Gij和Bij為支路ij上的電導和電納。

不等式約束為：

Vmin≤Vi≤Vmax? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （4）

0≤ΔVi≤Vmax? ? ? ? ? ? ? ? ? ? ?   ? ? ?（5）

Iij≤Iijmax? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （6）

Tmin≤T≤Tmax? ? ? ? ? ? ? ? ? ? ? ? ? ? （7）

由此分析可以得出，Vmin和Vmax分別為電壓的最小值和最大值;ΔVi=Vi-ViN為節點i的電壓偏差，ΔVmax為節點i的最大允許電壓偏差，Iijmax為ij支路上電流最大值;Tmin和Tmax為檔位下限值和上限值。

2? 新能源配電網調度模型的求解

2.1? 改進粒子群算法

粒子群算法在配電網中具有廣泛的應用前景，可以更全面地測試配電網的用電程度、有功網損和配電偏差等實際情況。粒子群算法是對鳥群算法的簡化和更新，加入了新的測算方式和規則，可以更全面地測算配電網實際使用情況。改進后的粒子群算法具有以下3種優勢：

（1）數據測試范圍更加廣泛，避免個體數據出現交叉碰撞情況，導致數據計算錯誤。

（2）提升測算速度，在抓取數據后與相應測算公式結合，保持數據測算結果協調一致。

（3）主動靠近測算個體，高效集中化處理信息[4，5]。

基于上述改進粒子群算法的優勢，提出具體測算算法，假設粒子群算法中的每個粒子在z維度的搜索空間進行一定速度的搜索測試，zj=（zj1，zj2，…，zjx）為粒子j在z維度空間下的位置，vj=（vj1，vj2，…，vjx）為粒子j在z維度的空間內的測試速度，Obestj=（Obestj1，Obestj2，…，Obestjx）為粒子j在z維度空間內的最優測試位置。在z維度空間內，粒子j的測試速度和位置，可以根據自身的測試能力和具體經驗進行部分調整，以動態模擬的形式對其測試速度和位置進行部分調整，以此達到最優效果：

vjn（t+1）=vjn（t）+a1b1（（Obestjn（t）-zj（t））

+a2b2（（Ebestjn（t）-zj（t））? ? ? ? ? ? ? ? ?（8）

式（8）中，vjn（t）為迭代次數為t代時j粒子的第n維速度分量;Obestjn（t）表示迭代次數為t代時粒子j第n維個體最優位置分量;a1、a2為學習常數因子;b1、b2的取值范圍為[0，1]，取值方式為隨機取值，用以保證測試結果的普遍性[6];Ebestjn（t）表示整個粒子群的最優測算位置。在matlab中編程實現的改進粒子群算法，圖1顯示了改進算法的迭代輸出，群的平均值（3.67）接近全局最優值（3.676）。

2.2? 新能源配電網調度模型求解優化

新能源配電網調度模型求解優化具體步驟為：

（1）設定主動配電網的經濟調度模式（模型式1），讀取配電網系統數據及設置的參數，以此測算數據最優解。

（2）對主動配電網內各個數據進行初始化設置，保證測試的統一性和完整性。通過目標函數（式2）計算實際用電及系統網損數據，判斷其是否滿足設定的約束（式3～7）的條件。滿足條件的情況下，網損值為適應度值。不滿足條件的情況下再減少約束條件，重新進行步驟（1）的計算。根據實際的調度時段對配電網的內部運行條件和相關成本進行參數設定，設定主動配電網的迭代通道數、最大粒子速度和運行加速因子[7]。

（3）設定主動配電網的初始迭代次數為0，隨后通過隨機生成粒子的方式形成配電網內所有初始粒子，確定每個初始粒子的數量和z維空間位置。

（4）最末次的迭代各粒子通過測算后得出主動配電網的經濟調度值，測算當前粒子與歷史粒子對比分析后，進行優化替換。

（5）根據改進粒子群算法（式8）對測算的粒子速度進行具體數值輸出、對粒子的位置進行即時數據更新，若測算的粒子速度大于等于最大歷史速度，則選取本次的測算結果作為粒子速度數值，反之則保留歷史測算速度。

（6）當主動配電網的初始迭代次數達到最大次數時，說明此次主動配電網測試內容已完成，轉向步驟（7），否則進行步驟（4）。

（7）得出主動配電網內部測試位置最優值。

3? 實驗驗證

本文設定新能源配電網基準電壓值為12.66 kV，接入容量為850 kW發電機組，以此保證實驗結果的普適性。在測試過程中，新能源配電網的接入節點數量設定為29，調度周期為12 h，具體的調度周期內，配電網系統負荷情況如表1所示。

由表1可看出，由于各時段風速、光照能力的不同，導致配電網的負荷水平不同。由此對調度周期內各個時段的配電網優化前后目標函數最優值進行對比分析，以此得出最優數值。本文改進的粒子群算法參數設置為：粒子數為50個，權重值設置為1，粒子的學習常數分別為1.5和2.5，最大迭代次數固定為500。測試不同時段優化前后的目標函數最優值，得到有功網損和電壓偏差實驗結果如表2所示。

通過不同時段對有功網損、電壓偏差數據的記錄分析，以此獲得總體滿意度的測算結果，5時負荷最小，整體優化滿意度為0.991。通過實驗分析可以得出，優化有功網損和電壓偏差可以有效降低網損率，提高節點電壓，在新能源配電網的使用中可以減弱外界波動性與間歇性等相關因素，提高電網穩定連續運行能力。

4? 結? 論

配電網作為人們日常生活的基礎功能性設施，使用范圍越來越大，在工作和生活中占據的地位也較高。并且，隨著網絡技術化腳步進程的加快，使得配電網的形式多種多樣。但是隨之而來的問題是，新能源配電網使用過程中存在著較強的波動性與間歇性，影響配電的使用效果。為此，本文在改進粒子群算法的基礎上，提出了一種新能源配電網優化調度模型。該模型可以有效地測算電網的使用頻率和承載能力，有效提高電網使用頻率，緩解用電緊張問題。

參考文獻：

[1] 賁樹俊，胡楠，韓偉，等.考慮需求響應虛擬電廠的新能源電力系統兩階段優化調度研究 [J].電力需求側管理，2020，22（1）：41-47.

[2] 陳文彬，徐大勇，郭瑞鵬.負荷預測對新能源電網多目標優化調度的影響規律研究 [J].電力系統保護與控制，2020，48（10）：46-51.

[3] 格日勒圖，張立輝，柴劍雪.計及微電網群合作博弈的主動配電網能量優化調度二層規劃模型 [J].可再生能源，2020，38（2）：205-211.

[4] 白浩，雷金勇，袁智勇，等.考慮負荷聚集商參與的配電網雙層優化調度方法 [J].南方電網技術，2020，14（11）：36-42.

[5] 葛樂，張偉，嚴鋒，等.基于自適應模型預測控制的柔性互聯配電網優化調度 [J].電力自動化設備，2020，40（6）：15-23.

[6] 刁涵彬，李培強，王繼飛，等.考慮電/熱儲能互補協調的綜合能源系統優化調度 [J].電工技術學報，2020，35（21）：4532-4543.

[7] 陳恒安，管霖，盧操，等.新能源發電為主電源的獨立微網多目標優化調度模型和算法 [J].電網技術，2020，44（2）：664-674.

作者簡介：曹金京（1978.11—），男，漢族，山東濱州人，高級工程師，碩士研究生，研究方向：電力工程技術。