基于SAPSO的新能源配電網線損與電壓協同管理研究

國網甘肅省電力公司 李威武 劉正英 國網甘肅省電力公司電力科學研究院 梁 琛 馬喜平 董曉陽 楊軍亭

能源和環境危機的日益嚴重使新能源大規模接入電網，其發電技術迅速發展，彌補了傳統能源發電的不足。但由于風光等可再生能源的間歇性、電動汽車充電的隨機性，以及自身負荷的不確定性增加了輸出功率的波動性、改變了配網潮流分布，提高了新能源配電網的運行風險，給線損和電壓管理帶來了極大的挑戰。因此，亟需解決“源-荷-車-儲”并存的新能源配電網線損和電壓協同管理問題。

新能源接入配網后，傳統基于調控無功補償投入點、配置容量、變壓器分接頭等的配電網降損和防止電壓偏移方法已經不再適用。綜合分析大量現有文獻，新能源配電網優化管理研究主要集中在最優選址和定容分布式電源、配電網重構[1]和電車充電[2]等方面，其關鍵是將新能源配電網不確定因素運用數學變量進行描述，建立最優協調模型。

文獻[3]針對風光分布式電源出力的不確定性建立了基于輸出功率協調線損和電壓的隨機概率優化模型；文獻[4]構建了基于風力和負荷間歇性的分布式電源配網系統多目標無功優化模型；文獻[5]考慮隨機因素，提出了最小化負荷方差優化目標的充電策略，分析了不同插電式混合電動汽車對配電網負荷曲線、網絡線損及節點電壓偏移的影響。文獻[3-5]均是假設負荷確定且概率分布函數已知的條件下建立的線損和電壓協調優化模型。分布式電源通過較少線路阻抗及電流值降低了線損，但若其安裝位置及功率輸出的不合理也會增加系統線損。同時電車充電負荷的不確定性將加劇負荷峰谷，影響配網穩定性。且均是以分布式電源和電車單接入為對象進行了配電網影響及優化研究，沒有考慮到同時接入的影響性。

1 新能源配電網線損與電壓協同管理原理

新能源配電網分布式能源和電動汽車不同接入點的兩點式輻射狀結構如圖1。圖中和分別為節點i 和j 的電壓幅值；和分別為由節點i 流向節點j 的電流幅值和功率；Zij為節點i和j 間的支路阻抗；為支路阻抗產生的功率損耗；SDi和SDj分別為節點i 和j 的負荷功率；SDGi和SDGj分別為注入到節點i 和j 的功率；SEVi和SEVj分別為節點i 和j 給電車的充電功率。則傳輸線路上的有功和無功功率、電流、電壓以及有功損耗表示為：

圖1 新能源配電網結構圖

式中Φi為該節點后所有節點集合。

由上式可知：新能源配電網線路有功損耗受節點負荷和電壓以及分布式電源節點注入功率和電動汽車節點取用功率等多方面因素的影響。分布式電源注入功率形成逆向潮流時會使節點電壓升高越出上限，此時雖然減少了線損，但將威脅配電網的安全運行。電車充電功率過大且分布式電源無法及時補充，將會降低電壓越至下限增大配電網線損且影響配網經濟穩定運行。因此十分必要合理控制新能源配電中分布式電源和電電車的發充電功率，以實現配電網降損穩壓和經濟安全穩定運行。

2 新能源配電網線損與電壓協同優化模型

2.1 模型構建

本文考慮分布式電源和電動汽車同時接入對配電網線損的影響及造成的電壓偏移，建立協調線損和電壓偏移的優化模型。其目標函數為：

式中：PTLoss和分別為傳統能源和新能源總有功線損；kLLI為線損指數，越小表明分布式能源和電車接入后降損效果越好；kVDI為電壓偏移指數；VN為配電網額定電壓；γ1和γ2為權重因子。

約束條件包括等式約束和不等式約束，其中不等式約束為節點電壓、支路電流、分布式電源功率、電車充電功率四方面約束，表達式為式（4）。

式中：PS和QS分別為主網向配網提供的有功功率和無功功率；QS和Vmax分別為i 節點的上下限電壓；為線路最大電流；為分布式電流有功功率上限；和分別為分布式電源無功功率上限和下限；和分別為電車取用配電網的最大有功功率和無功功率。

2.2 模型求解

粒子群算法是通過初始化隨機粒子群后多次迭代獲取最優解的過程，具有結構簡單、收斂快和易實現的特點，近年來被廣泛應用于優化問題中。但由于常數化的學習因子和慣性權因子使其易陷入局部最優解，模擬退火算法通過概率突跳特性彌補了上述不足。因此本文結合模擬退火和粒子群算法，進行新能源配電網線損與電壓協同優化模型求解，步驟如圖2。

圖2 基于SAPSO 的求解配電網線損與電壓協同優化模型流程

3 算例分析

為驗證本文所提模型的合理性和有效性，以額定電壓VN=1.0、主變電站為第一節點（電壓為1.02，約束范圍為0.9VN≤Vi≤1.1VN）的IEEE-33配電系統為例進行算例分析。節點負荷的有功功率、無功功率和電阻為10MVA，電壓為12.66kV，最大發電功率為1.2MW、發電功率因數為0.85的風電機組分布式電源接入在14、18和32節點，能量轉換效率為0.85的電動汽車接入在9、26和32節點，且每個節點最多只能接入5輛。且PSO 算法和SAPSO算法的種群規模、迭代次數慣性權重因子均相同，i=100、t=100、ω=0.9，而學習因子不同，分別為c1=2和c2=2.5、c1=2和c1=2。

線損分析。由圖3可知，在協調優化前，配電網系統最大線損超過了80kW，支路線損較大；經過本文所提出的模型進行優化協調分布式電源發電功率和電動汽車充電功率后，尤其是SAPSO 模型，最大線損降到了20kW。表明本文提出的協調優化能夠有效降低新能源并網配電網系統線損，提高了資源利用率，延長了設備使用壽命。

圖3 IEEE-33配電系統線損變化曲線

電壓偏移分析。分布式電源和電動汽車接入配電網前節點電壓偏移整體較大，最小節點電壓僅為0.84，采用SAPSO 算法協調優化后，各節點電壓在0.99-1.02范圍內，偏移較小。

綜合分析。比較SAPSO 和PSO 兩種算法對分布式電源發電功率優化效果，如表1所示。得出：SAPSO 比PSO 優化協調的分布式電源發電功率小，且大幅度降低了線損KLLI和電壓偏移KVDI指數，分別為5.8%和9.7%。

表1 算法優化效果

4 結語

本文針對分布式電源和電動汽車同時接入配電網系統后、對線路損耗和電壓偏移產生的影響進行了協同管理，構建了以線損和電壓偏移最小為目標、以等式約束和節點電壓、支路電流、分布式電源功率、電車充電功率約束的多目標優化模型。

圖4 EEE-33配電系統電壓變化曲線

首先基于分布式電源和電動汽機接入配網系統的線損和電壓原理進行了簡介，梳理了影響線損增加和電壓偏移的因素。其次建立節點電壓、支路電流、分布式電源功率和電車充電功率的約束的協調線損和電壓偏移的優化模型，并通過SAPSO 模型進行優化模型求解。最后通過IEEE-33配電系統進行仿真驗證，表明本文所提模型合理有效，能夠實現配電網降損穩壓和經濟安全穩定運行。