含光伏接入的過電壓時序遞進無功優化方法研究

楊勇，韓德孝，陳龍

（云南電力技術有限責任公司，云南昆明，650217）

1 光伏發電

光伏發電是依據目前能源市場需求下發展的新型發電技術，在環境問題日益嚴重的背景下，國家倡導實施可持續發展，致力于探索可再生、無污染、高效率的發電形式。光伏發電主要依據于太陽光，其光線遍布區域廣泛、可利用面積較大并且無懼損耗，能源源不斷的提供能量。依據以上種種優勢光伏發電得到了世界各國的青睞。特別是光伏發電并入電網之后，給電力系統的發電提供了新的途徑[1]。

獨立光伏發電不可以與電網相連，在使用時需要搭配蓄電池儲存能量，這就導致獨立光伏發電的使用具有一定的局限性，整體的能量不能得到高效率的利用，從而無法滿足用戶穩定用電的需求。并網PV與之不同，它需要搭配并網逆變器將能量轉化為電能傳送至電網[2]。與獨立PV相比，并網PV的能量利用率較高，且供電可靠性更強，使用范圍更加廣泛。

2 光伏發電相關理論

2.1 并網光伏發電系統的構成

并網PV由光伏電池方陣、變換器、控制裝置、保護系統構成，光伏電池方陣將太陽能轉化為電能，變換器的作用是將波形進行轉換，光伏電池方陣中產生的波形不是電信號系統中常見的波形，電網無法直接識別，需要變換器將其轉化為常規波形?？刂蒲b置是并網PV的重要組成部分，它的作用相當于是智能管家，負責收集、監視、控制PV數據。在實際應用中，PV系統的類型有很多，但是不論是哪種類型均需要具備控制裝置，且控制裝置在不同的PV中的作用也是不同的，具體如表1 所示。保護系統的主要功能是防止太陽能孤網出現以及確保繼電裝置安全運行。

表1 控制系統具體分型及用途

2.2 光伏發電并網對系統的影響

光伏發電并網后，會對原有的系統頻率產生一定的影響。這是由于光伏發電的電池板與其他發電形式的電池板存在差異，其電池板不是動態元件，這就導致整個網絡的等效轉動力量降低，同時還會對固有轉動分量帶有一定程度上的損傷，使該裝置整體使用壽命降低。

同時還會影響有功功率的流向和母線電壓的幅值，在對PV系統并入電網的研究中，發現兩種形式的并入方式更符合目前市場的需求，第一種為集中式并網，集中式并網通常情況下不會在城市中進行運用，這種并網形式比較適合高壓電力系統，光伏電站將光能轉化為電能后傳輸給高壓系統，高壓系統將電能傳輸至公共電網，然后由公共電網統一調控配送至用戶，這些電站為了安全需要一般與負載的距離較遠。第二種是分散式并網，這種并網形式相對來說比較常見，許多公共網絡采取的并網形式就是分散式并網，但是這種形式下的并網方式對母線電壓的幅值影響較大。

3 改進遺傳算法無功優化方法分析應用

遺傳算法是優化算法中使用較多的一種算法，是依據自然界中的自然選擇和自然遺傳的一種優化算法，在非線性問題求解、組合優化、人工生命等領域得到了廣泛的應用。

3.1 遺傳算法的基本原理

遺傳算法的思想源自于自然界生物的遺傳、變異以及優勝劣汰的自然法則，通過淘汰較弱個體，在優異群體中尋找最優個體，遺傳算法就是基于此想法進行的。在計算開始時，首先利用隨機的策略生成種群，并計算種群中個體適應度的值，對這些值進行排序。然后進行遺傳操作，選取優秀個體，一直重復操作篩選劣質個體，直到得出高適應度值的個體，反編碼后即可得到實際優化問題的解。

4 基于改進遺傳算法的含光伏電源配電網電壓無功優化

4.1 包含光伏電源配電網無功優化模型

無功優化模型可用下式進行表示

在上述式子中，f（x）是待優化模型的目標函數；h（x）為等式約束條件，g（x）為不等式的約束條件，有功網損的模型為:

在上式表達中，f1為所需要的目標函數，PLOSS是配電網中的有功損耗，而Ui、Uimin、Uimax分別代表在節點i處的電壓值、在節點i處的電壓最小幅值、節點i處的電壓最大幅值。同理，Uj則代表當電壓處于j節點時的電壓值。ijθ代表節點i與節點j之間的相角，代表懲罰系數。

系統電壓偏移會對配電網的正常運行帶來極大的影響，電壓水平不論是超出允許范圍內還是低于允許范圍內，都會影響配電網設備性能與壽命，目標函數為電壓最小偏移量時，其表達式為

4.2 約束條件

無功優化問題在求解過程中各種變量都需要有約束條件的限制，有功功率Pi的平衡方程為

無功功率Qi的平衡方程式為

本文針在遺傳算法上加入平穩區間的概念，同時，在個體迭代尋優過程中添加密集度，當即將迭代的種群處于比較密集的狀態時，就可以通過加大個體交叉變異概率，這樣新個體的產生速率將會在一定程度上提升，新產生的個體能夠跳出局部最優時，在尋優時就能找到更優秀的個體，以此類推尋找全局條件下的最優解[3]。

對于改進的遺傳算法，定義A（favg，r）為平穩區間，當隨機適應度到平均適應度之間的寬度d大于r時，則表明待交叉的個體不處于平穩區間內，反之，則處于平穩區間內。

同時，需要依靠種群的密度μ判斷交叉概率Pc和變異概率Pm是否需要自適應調整，變異概率的調整公式為

交叉概率的調整公式為

在交叉概率與變異概率的公式中，K1與K2是交叉概率的系數，K3與K4為變異概率系數，’f為適應度較大的個體。

4.3 遺傳算法的優化流程

在改進的遺傳算法開始時，輸入配電網的相關數值，令迭代次數K=1，然后進入改良算法進行計算，對染色體進行編碼，隨機產生種群個體，在種群中經過適應度函數計算，在種群中通過交叉變異產生新的個體，若新個體滿足終止條件，則計算結束，若不滿足，需要令迭代次數加一，繼續對個體進行計算，對種群交叉變異，直至得出符合終止條件的數值。具體無功優化流程圖如圖1所示。

圖1 基于遺傳算法的無功優化流程圖

圖2 節點電壓對比圖

紅色曲線代表未優化，黑色曲線代表粒子群算法，藍色曲線代表本算法，由曲線圖可得，測得在不同節點時的電壓幅值，將遺傳算法改進后，可以有效減少節點電壓的波動，且相較于粒子算法對電壓的控制更為穩定，減少了無功補償設備的投切，增加了機械設備的使用時間。

5 結論

本文針對光伏發電并入電網后引起的電壓不穩定問題，運用改進遺傳算法對配電網電壓進行無功優化，改進的遺傳算法對于光伏發電所引起的電壓不穩定問題有成效，可大量運用于電網設備中。