基于粒子群算法的10 kV 電力配電網線路規劃方法

趙 弘

（國網湖北省電力有限公司黃岡供電公司，湖北 黃岡 438000）

0 引 言

隨著現代化社會的飛速發展，在不同場景中，10 kV 的電力用戶數量逐年增加。電網用戶接入配電網時，需要提供不同的服務來滿足用戶的個性化需求，并提升供電服務的質量，使得新增的配電網用戶能夠正常接入網絡。通過線路規劃方法能夠較為合理地設計電網用戶接入方案，管理供電企業的建設問題。在配電網實際運行過程中，合理科學控制10 kV 配電網線路容量，能夠優化用戶接入方案，降低電力企業維護投資成本[1-3]?，F階段，規劃10 kV 配電網線路存在受市政道路建設等其他因素影響，容易產生線路規劃判斷不準確的現象，無法充分滿足用戶的接入需求，導致不同配電線路的接裝容量過大。而且不同性質用戶接入存在差異，用戶的數量比例不同，導致結果難以符合預期的問題。因此，文章以10 kV 電力配電網線路規劃方法為研究對象，運用粒子群算法，結合實際情況進行實驗與分析。

1 配電網線路規劃

1.1 建立10 kV 電力配電網線路規劃模型

通過場景分析法建立分布式發電（Distributed Generation，DG）和負荷關于10 kV 電力配電網選線模型，然后利用雙饋與磁力同步風力發電機，在工作中進行變速，完成電能的產生。其中，雙饋式機組的速度維持在一定范圍內[4,5]。三相交流風機將風能轉化為轉子電能，通過電壓U控制，將不同的逆變電路接入三相電網中。風力發電機的原理如圖1所示。

圖1 風力發電機原理

圖2 稀疏三維擴展節點

在配電網規劃的問題中，風機輸出的功率主要由風速決定。在一定風速范圍內，概率密度的分布函數表示為

式中：v為風速；e為尺度參數；k為概率密度系數，根據尺度參數獲得具體結果。

將計算值與實際值進行對比，通過公共耦合連接到電網，使用輸出電壓的相角控制有功功率。在不同場景中，分解復雜不確定的問題。運用場景添加法處理配電網線路規劃中的DG 不確定性。計算場景發生的概率為

式中：f(a)為密度函數；a為風速；f(c) 為概率密度分布函數；c為分布值。

1.2 粒子群算法線路搜索規劃

運用啟發式方法添加對應函數。通過計算函數判斷具體的搜索方向。建立配電網線路規劃模型，在三維空間中，根據地圖網格頂點為預選節點，進而建立范圍內的稀疏搜索面。稀疏三維擴展節點，如2所示。

對稀疏的搜索面添加對應約束。通過搜索面的細分，獲得算法在有障礙物時進入搜索面中其他的路徑。在改進粒子群算法中，設定粒子的速度為

式中：v(t+1)為下一次迭代的速度；t為迭代次數。

文章通過設定學習因子來計算不同粒子的分布結果。設定個體粒子的機制，并計算獲得粒子群中的最優解。文章通過增強迭代過程中的全局搜索能力，在迭代后期添加對應權重為

式中：wmax為權重最大值；wmin為權重最小值；tmax為最大迭代次數。

文章通過迭代計算搜索一個最優解，并將最優解設定為下一步的開始，通過不斷迭代直到最終完成，從而判斷是否到達目標位置，完成路線規劃。

2 實驗測試與分析

為了驗證10 kV 電力配電網線路規劃方法，設置4 個小組。小組1 運用負荷數據添加隨機權重后，將雙目標函數合成一個目標函數實現規劃配電網線路。小組2 運用Pareto 排序進行雙目標函數的配電網線路規劃。小組3 運用傳統文獻[4]提出的面向10 kV“煤改電”區域配電網供電質量提升的儲能優化配置技術進行配電網線路規劃。小組4 運用本文方法進行粒子群配電網線路選擇。使用這4 個小組的方法規劃路徑后，將配電網有功網損與電壓偏移指標結果進行對比，分析方法的多樣性和應用性。

2.1 搭建實驗環境

建立線性規劃模型，仿真實驗平臺為Windows11系統，運行環境為MATLAB，芯片為Intel i8 中央處理器（Central Processing Unit，CPU）。同時，標準配電網的電壓等級為12.66 kV，系統的整體負荷為450 kW，預定節點電壓為3 V，節點電壓最小值為0.03 V。為了實現算法的應用性，選用最特殊的環境進行測試。將對應節點的負荷改變為通常環境下的120%，分布式電源對應節點有功出力設置為1，電壓等級與預定節點電壓相同，進行在不同環境下的配電網線路規劃方法測試。初始節點電壓最小值為0.365 V。同時設置節點3、節點6、節點9、節點10 處的接入光伏電源。電源的容量為250 kVA，有功出力的最高容量為300 kVA，剩余容量可通過并網逆變器對電網進行無功補償。其中，有三角標識的為光伏電源接入點，虛線表示的是5 個聯絡開關的位置。電氣與電子工程師協會（Institute of Electrical and Electronics Engineers，IEEE）節點電網結構如圖3 所示。

圖3 IEEE 節點電網結構

采用MOSEK 軟件求解，設置10 個IEEE 節點。其中，電網負荷參數如表1 所示。

表1 IEEE 節點電網負荷參數

由于多目標策略計算量較大，對指定共享半徑較小的環境，需要進行適應度計算，公式為

式中：s為第i個點的適應度；m為約束條件；為目標函數；為規劃后的目標函數。

對于2 個個體需要進行等級比較，并根據比較結果判斷個體之間的支配程度。其中，支配度較大的即為循環最優解。將優質解與父代種群相合并，可以保證優良個體的遺傳。隨機生成n個種群，以非支配方式進行排序，變異后進行下一代合并，即可完成對應的排序。根據支配關系判斷，選擇最優個體生成新的種群。不斷循環迭代直到完成所有關系合并。將目標函數加權后進行歸一化處理，增加權重分配的隨機性。設定運行方法的次數為10 次。運用4 種方法規劃10 kV 配電網線路。進行尋優的粒子種群數量設置為10 ～25 的隨機數。運用4 種方法進行規劃后，尋優最終結果，并根據尋優結果計算10 個節點處的無功補償出力情況。

2.2 結果與分析

規劃后對尋優效果進行優質解計算，得到多個優質解結果，選擇20 個優質解進行分組，計算平均優質解占比，具體結果如圖4 所示。

圖4 優質解平均占比

通過電壓走勢對比可知，運用本文方法的小組4進行配電網重構后，有功網損為97.0 kW，優質解電壓范圍得到了提升，電壓等級較高，保持了電網運行的較強穩定性。在通過分布式電源并網進行無功補償后，電壓偏移量最小，僅為0.06 V，保證了電網的安全運行，相比其他小組具有更好的規劃效果。運用本文方法可以綜合性優化電網絡參數，對節點參數進行有效尋優，防止存在極端點。

3 結 論

文章從配電網線路規劃入手，探究了粒子群算法有關問題以及基于粒子群算法的10 kV 電力配電網線路規劃方法。根據10 kV 電力配電網線路的整體規劃策略，選擇分布式電源并網，通過不斷改進算法實現配電網路線優化，為今后的研究提供了方向。但方法中還存在一些不足之處，今后將更加重視算法，提升粒子群算法評價指標，降低目標算法的維度，實現優質重構策略應用。