基于出力特性的分布式電源優化配置與運行

張君則

基于出力特性的分布式電源優化配置與運行

張君則

（國網北京大興供電公司，北京 102600）

針對不同類型分布式電源同時并網及運行問題，本文分析幾種典型分布式電源的并網方式及出力特性，提出不同類型分布式電源容量區分及出力控制模型，從而建立以配電網網損最小為目標的分布式電源并網容量和位置綜合優化配置模型。使用改進的粒子群算法進行容量和位置分組優化并推代求解，再通過優化各分布式電源的運行參數來調節其實際出力，進一步降低配電網網損。以IEEE-33節點配電系統為例進行計算，結果驗證了所提模型及算法的有效性。

分布式電源；出力特性；配電網；優化計算

0 引言

近年來，在以電力為中心的新一輪能源革命背景下，傳統電網的形態和功能定位正在發生深刻變化，分布式電源（distributed generation, DG）以其獨特的技術優勢得到越來越廣泛的應用。分布式電源與傳統電網相互補充、協調，是充分利用現有資源和設備，為用戶提供優質電能的理想方式。然而，DG接入配電網后，將引起配電網的線路潮流、節點電壓等發生變化，隨之造成配電網損耗的改變。這種變化與接入配電網的DG類型、安裝容量和位置及運行時注入配電網的功率密切相關，因此需要對包含多類型DG系統的優化配置和實際運行出力進行研究。

國內外學者對分布式電源的優化配置做了大量的研究。文獻[1]以改善系統網損與電壓分布為目標，將粒子群算法與免疫克隆算法相結合進行求解，在求解質量和迭代次數方面都更有優勢。文獻[2]以配電網運行費用最低為目標，用自適應粒子群算法優化DG的安裝位置和容量。文獻[3]采用混合模擬退火算法的改進粒子群算法進行分布式電源選址、定容計算，使配電系統的網損進一步降低。文獻[4]以分布式電源并網與離網兩種運行方式下配電網的運行風險成本為目標函數構建分布式電源選址定容規劃模型，并采用改進多目標粒子群算法進行求解。文獻[5]計及環境及電壓指標，建立綜合考慮網損、購電費用及設備建設費用等的分布式電源優化配置模型，并采用改進的自適應遺傳算法進行求解。文獻[6]分別對不同類型DG的接入位置、接入容量變化時對系統電壓、網損的影響進行總結，但沒有對DG的安裝位置和容量進行定量計算。

目前，關于DG容量配置的研究大多局限于PQ型DG，即將DG有功功率和無功功率作為容量配置對象，而沒有對具有不同功率輸出特性的DG加以區分。例如，采用電流型PWM變流器[7]并網的DG以恒定電流源的形式向電網注入功率，則不宜籠統地以有功功率或無功功率表示。此外，DG的配置大多遵循“安裝即忘記”的原則，沒有考慮DG的功率輸出特性，難以發揮DG在改善電網運行方面的優勢。

針對以上問題，本文根據DG的出力特性對不同類型DG的容量形式加以區分，以配電網網損最小為目標，建立包含不同類型DG安裝容量和位置的綜合優化配置模型。借鑒配電網潮流計算中“前推回代”算法的高效性，本文將DG的安裝容量和位置編號作為優化變量，使用改進的粒子群算法對兩組變量分別進行優化并推代求解。在確定DG安裝容量和位置的基礎上，通過優化DG的運行參數來確定其實際出力，從而進一步降低電網損耗。

1 多類型DG綜合優化配置模型

1.1 DG的出力特性及容量分類

分布式電源通常通過三種方式接入配電網[7]：同步發電機、電力電子裝置、異步發電機。根據并網方式的不同，DG在潮流計算中被等效為PQ、PV、PI、P-Q(V)四種節點類型來處理，其功率輸出表現為不同的調節特性。

1）并網接口為同步發電機，如采用功率因數控制的分軸微型燃氣輪機可作為PQ節點，其功率輸出特性可表示為

式中：為該類型DG的額定容量；為DG運行時的功率因數。

對于此類DG，可先假定其功率因數恒定，以額定容量作為容量的配置對象，運行中通過控制功率因數來調節其功率輸出。

2）并網接口為電力電子裝置，如以電流型PWM變流器并網的單軸微型燃氣輪機可以看作以恒定電流源輸出的PI節點處理，其功率輸出特性為

式中：為并網點電壓幅值；為變流器注入電網的電流幅值；為電流滯后電壓的相位。

實際應用中，通常采取一些電流控制策略[8-10]使變流器實現單位功率因數的電流輸出和幅值調節，式（2）可簡化為

在進行潮流計算時其有功功率可按式（4）迭代。

式中：U為第次迭代的并網點電壓；+1為第+1次迭代注入電網的有功功率。

此類DG的輸出功率由并網電流決定，可將作為容量優化的對象，運行中通過控制電流的大小來調節其功率。

3）通過同步發電機接口并網，采用電壓控制的分軸微型燃氣輪機或通過電壓型PWM變流器并網的單軸微型燃氣輪機等可作為PV節點，其功率輸出特性可表示為

式中：max為有功功率的最大值，輸出功率在此范圍內可調；無功功率為機端電壓值的函數，通過潮流計算確定。

此類DG發出的有功功率和無功功率沒有耦合關系，需要通過優化計算同時確定其有功功率和無功功率，運行中通過控制機端電壓來調節其無功輸出。

4）以異步發電機接口并網的P-Q(V)型DG，并網運行時需要從系統吸收無功功率來建立磁場，不具備電壓調節能力，因此這里暫不討論該類型DG的優化配置。

1.2 目標函數

本文以PQ型DG1、PI型DG2、PV型DG3同時接入配電網的網損最小為目標，其數學表達式為

式中：變量和分別表示三種DG安裝位置和容量的三維向量；Loss為配電網網損；l為配電網支路個數；li為支路l的電阻；li、li為支路l的有功功率、無功功率；V為節點電壓。

1.3 約束條件

1）潮流方程約束

式中：P、Q為系統注入節點的有功功率和無功功率；DG、DG為分布式電源注入節點的有功功率和無功功率；L、L為負荷流出節點的有功功率和無功功率；b為網絡節點個數；V、V為節點、的電壓；G、B為節點、間的電導和電納；為節點與節點電壓相位差。

2）DG容量約束

（1）PQ型DG應滿足

式中：max為DG連續運行的最大視在功率；和通過功率因數=cos進行耦合，即/=tan。

（2）PI型DG，為防止過大的輸出電流損壞變流器，應滿足

式中，max為變流器最大輸出電流。

（3）PV型DG，其有功功率和無功功率同樣存在最大容量的約束，應分別滿足

式中，max、max分別為有功容量和無功容量最大值。當無功出力超出最大值時，則PV節點轉為PQ節點處理。

3）DG位置約束

限定不同類型DG接入配電網的不同位置，即滿足

式中，1、2、3分別為DG1、DG2、DG3接入配電網的位置編號。

2 模型求解算法

2.1 基本粒子群算法

粒子群算法（particle swarm optimization, PSO）是一種產生于模擬鳥類覓食過程中遷徙和集群行為的基于群體智能的進化計算技術[11]。PSO的求解過程為：在可行解范圍內隨機產生個可行解粒子，粒子用維向量和表示其位置和速度，根據目標函數適應值迭代更新自己的位置和速度，直到得到滿足最大迭代次數的全局最優解。粒子第1次迭代中速度和位置更新方程為

2.2 算法流程

將上述三種DG的位置編號和安裝容量分別用粒子=(1,2,3)和=[,, (,)]表示。先在可行解范圍內產生初始粒子0即產生各DG的初始容量，采用PSO求解粒子得到各DG的并網位置，再用PSO反推各DG的安裝容量得到粒子的解。如此重復利用和間的互相推代，直到滿足設定的最大次數max。算法流程如下：

1）初始化。輸入配電網初始信息，設置粒子和的種群規模，慣性權重，加速系數1、2，迭代次數等。

2）在可行解范圍內隨機生成粒子0作為DG初始并網容量。

3）求解粒子。調用潮流計算程序計算各粒子對應的目標函數適應值即配電網網損，利用式（12）更新粒子的速度和位置，獲得全局最優解。

4）求解粒子。在第3）步求得DG并網位置后，利用PSO對粒子進行求解，過程與步驟3）相同。

5）更新推代次數。重復步驟3）、4），若每推代一次而未發現更優的粒子(,)，則=+1，直到達到設定的最大推代次數max時，跳轉至步驟6）；若發現更優粒子則更新粒子(,)，清零，跳轉至步驟3）。

6）輸出最優解(,)。

3 算例分析

3.1 IEEE-33節點配電系統概況

以圖1所示IEEE-33節點配電系統為例進行計算，系統參數見文獻[12]，圖中數字為位置編號。該系統電壓等級為12.66kV，總有功負荷3 715kW，總無功負荷2 300kvar，三相功率基準值為10MV·A，電壓基準值為12.66kV，電流基準值0.79kA。

圖1 IEEE-33節點配電系統

3.2 算例1：DG的綜合優化配置計算

將該配電系統同時接入PQ型DG1、PI型DG2、PV型DG3，對應的位置用粒子=(1,2,3)表示，容量用粒子=[,, (,)]表示。為DG1的容量，最大值為2MV·A，額定功率因數為0.95；為DG2經變流器輸出的電流幅值，最大值取158A；、分別為DG3的有功功率和無功功率，的最大值為2MW，的最大值為2Mvar。

PSO采用文獻[13]中的方法對慣性權重進行改進，從0.4變化至0.9；采用文獻[14]中的方法對加速系數進行改進，1從0.9變化至0.5，2從0.5變化至0.9，粒子和的種群規模均取20，迭代次數=200，粒子的最大速度xmax=(4, 4, 4)，粒子的最大速度ymax= [0.001, 0.001, (0.001, 0.001)]，最大推代次數max=20。

對三種DG的并網位置和容量進行綜合優化的計算結果見表1，結果保留4位有效數字。

表1 以網損最小為目標的計算結果

以網損最小為目標函數適應值的優化過程曲線如圖2所示。

圖2 以網損最小為目標的優化過程曲線

由圖2曲線的下降趨勢可以看出，該算法曲線通過較少的推代次數迅速收斂至最優解附近，對所提出的優化模型能夠快速求解。

3.3 算例2：DG的優化運行計算

由于配電網的負荷是時刻變化的，DG的配置容量無法始終滿足電網的最佳運行狀態，因此需要通過優化DG的運行參數來調節其功率輸出。

表2 DG的參數

以配電網網損最小為目標，采用PSO對DG的運行參數=(,,)進行優化，其結果與DG另外兩種運行狀態下的網損見表3。

表3 DG三種運行狀態下的網損

由表3可知，當DG參與配電網運行時，配電網網損將大幅降低。根據電網的負荷情況，通過優化DG的功率輸出能夠進一步降低所接入配電網的網損。

4 結論

1）根據DG功率輸出特性的不同，將不同類型DG的容量加以區分更能體現其多樣性及與傳統能源利用形式的差別，具有較強的現實意義和必要性。

2）針對提出的多類型DG綜合優化配置模型，通過容量和位置兩組變量分別求解并互相推代的算法能夠快速求解該模型，計算結果驗證了該算法的有效性。

3）由于電網負荷是時刻變化的，需要對并網運行的DG輸出功率進行適當調節。根據已優化的DG運行參數來確定其實際輸出功率，進一步降低了配電網網損。

[1] SEDIGHIZADEH M, FALLAHNEJAD M, ALEMI M R, et al. Optimal placement of distributed generation using combination of PSO and clonal algorithm[C]// 2010 IEEE International Conference on Power and Energy, Kuala Lumpur, Malaysia, 2010: 1-6.

[2] 葉德意, 何正友, 臧天磊. 基于自適應變異粒子群算法的分布式電源選址與容量確定[J]. 電網技術, 2011, 35(6): 155-160.

[3] 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, 23(2): 103-108.

[4] 劉向實, 王凌纖, 吳炎彬, 等. 計及配電網運行風險的分布式電源選址定容規劃[J]. 電工技術學報, 2019, 34(增刊1): 258-263.

[5] 李繼宇, 江修波, 李功新. 考慮用戶期望及低碳效益的分布式電源優化配置[J]. 電氣技術, 2019, 20(8): 11-17.

[6] 張立梅, 唐巍, 趙云軍, 等. 分布式發電接入配電網后對系統電壓及損耗的影響分析[J]. 電力系統保護與控制, 2011, 39(5): 91-96.

[7] 彭彬, 劉寧, 吳迪. 配電網潮流計算中的分布式電源建模[J]. 電力系統及其自動化學報, 2011, 23(2): 152-156.

[8] 侯世英, 肖旭, 徐曦. 基于間接電流控制的并網逆變器[J]. 電力自動化設備, 2010, 30(6): 76-79.

[9] 方天治, 張先云, 黃淳, 等. 輸入串聯輸出并聯LCL型并網逆變器系統的目標多重化控制策略[J]. 電工技術學報, 2019, 34(6): 1189-1200.

[10] 姚建雙, 賈軍, 周苗, 等. 安康分布式電源并網關鍵問題研究[J]. 電氣技術, 2021, 22(10): 88-92.

[11] KENNEDY J, EBERHART R. Particle swarm optimi- zation[C]//Proceedings of ICNN'95-International Con- ference on Neural Networks, Perth, WA, Australia, 1995: 1942-1948.

[12] BARAN M E, WU F F. Network reconfiguration in distribution systems for loss reduction and load balancing[J]. IEEE Transactions on Power Delivery, 1989, 4(2): 1401-1407.

[13] SHI Y, EBERHART R C. Empirical study of particle swarm optimization[C]//Proceedings of Congress on Evolutionary Computation (CEC99), Washington DC, USA, 1999: 1945-1950.

[14] RATNAWEERA A, HALGAMUGE S K, WATSON H C. Self-organizing hierarchical particle swarm opti- mizer with time-varying acceleration coefficients[J]. IEEE Transactions on Evolutionary Computation, 2004, 8(3): 240-255.

Optimal allocation and operation of distributed generation based on the output characteristics

ZHANG Junze

(State Grid Beijing Daxing Power Company, Beijing 102600)

In order to solve the problem of different types of distributed generations’(DGs’) grid -connection and operation at the same time, this article analyzes several typical DGs’ synchronization mode and output characteristics. A mothod of capacity division and power control of DG is proposed and then a comprehensive optimization model including different types of DGs is established with an objective of minimizing the network loss. A modified particle swarm algorithm is applied to solve the model. By optimizing the operating parameters of grid-connecting DGs and regulating the actual output power, the network loss can be further reduced. Taking the IEEE-33 distribution system as an example, the calculating result verifies the efficiency of the proposed model and algorithm.

distributed generation; output characteristics; distribution network; optimization calculation

2022-04-06

2022-04-12

張君則（1990—），男，漢族，安徽合肥人，碩士，工程師，主要研究方向為電力系統分析、運行與控制。