遺傳算法優化粒子群的分布式光伏并網控制方法研究

童 鑄,歐仲曦,劉 超,馬玉坤,顧延勛

(廣東電網有限責任公司珠海供電局,廣東 珠海 519000)

0 引言

能源消耗速度隨著經濟發展速度的加快而不斷提高。世界各國在能源不斷消耗的背景下開始研究并開發新能源。分布式光伏并網技術已成為電力行業關注的研究重點之一[1-2]。分布式光伏并網技術在能源接入的可靠性、穩定性和安全性等方面存在不足。目前,分布式光伏系統接入電源時存在成本高和控制難度大的問題,且電源接入分布式光伏系統后的發電不規律、具有隨機性,會影響分布式光伏發電并網系統的電壓和頻率[3-5]。因此,研究分布式光伏并網策略及控制方法具有重要意義。

目前,相關學者針對分布式光伏電源與配電網的協調控制進行了研究。袁方方[6]等將配電網工作電壓根據配電系統中存在的問題劃分為常規情況、預警情況和緊急情況。在常規情況下,配電系統可實現光伏電源的最大消納。在預警情況下,通過對電力系統的監測和光伏電源有功出力的最大化,可以有效解決電力系統的安全運行問題。在緊急情況下,配電系統可迅速調整配電網絡的電壓,使其穩定工作。此方法對改善分布式光伏電源的容量、保障電力系統的安全運營具有重要意義。靳偉[7]等針對分布式光伏有功削減配電網的全局電壓進行了綜合優化,在保證光伏輸出功率最大的情況下,采用剩余的光伏發電系統進行無功優化。當優化后仍然存在電壓越界時,根據靜態無功優化的結果,通過對光伏發電系統的有功功率進行最優控制,使電網的電壓分配達到最優。此方法在考慮了光伏、負載發電等因素的影響后,采用復仿射方法對各周期的電力輸出進行建模;利用功率計算和基于線性加權的粒子群算法,對最優的數學建模進行研究。研究結果表明,所提出的最優解可行。

在上述研究結果的基礎上,本文提出了遺傳算法優化粒子群的分布式光伏并網控制方法。該方法通過分布式光伏發電并網系統的能源建模,以降低節點電壓偏離額定值、穩態運行有功損耗和使分布式光伏發電并網系統功率最大化為目標,構建分布式光伏并網調控模型。該方法采用遺傳算法優化粒子群求解調控模型,以實現分布式光伏并網的有效控制。

1 分布式光伏并網控制方法

1.1 分布式能源建模

①光伏陣列模型。

光伏系統設定電池組件實際輸出功率為AP、輻照強度實際值為HC、功率溫度系數為1。光伏陣列的輸出在一定程度上受光照等級和溫度高低等因素的影響[8]。根據分布式光伏并網策略及控制方法構建的光伏陣列模型如式(1)所示。

(1)

式中:ξ為光伏控制下消耗的總功率;Yc為電池溫度;AS為光伏陣列輸出的最大功率值;HS為輻照強度;Yr為系統參考溫度。

②可中斷負荷模型。

本文以最大化經濟收益為目標,在不考慮提前通知時間的前提下,構建電廠可中斷負荷調度收益模型。

D(t,u)V(t,u)≤V(u)

(2)

式中:T為總收益;D(t,u)為t時刻用戶u的可中斷負載;m為用戶數量;μ2為電廠終端用戶所獲得的激勵補償電價;μ1(t)為分時電價;V(t,u)為t時刻用戶u的可中斷負載的容量值;V(u)為光伏系統中用戶u的可中斷負載的總容量值。

若D(t,u)=1,表明當前為中斷狀態;若D(t,u)=0,則表明當前為未中斷狀態。

③儲能系統模型。

本文設定V(t)、V(t-1)分別為t時刻和(t-1)時刻儲能系統產生的總電量,Vs和As分別為儲能系統的額定容量值和功率。分布式光伏并網策略與控制方法不考慮自放電率,將充電狀態變量Nc(t)和放電狀態變量Nd(t)引入后,構建儲能系統模型[9]。

(3)

式中:tc為充電效率;Ac(t)為充電功率;td為放電效率;Ad(t)為放電功率;Dsmin為系統的最小荷電狀態;Dsmax為系統的最大荷電狀態。

1.2 分布式光伏并網調控模型

本文以降低節點電壓偏離額定值、穩態運行有功損耗和使分布式光伏發電并網系統功率最大化[10]為目標,構建分布式光伏并網調控模型。

(4)

式中:β為無功權重系數;D為配電網的光伏接入節點數量;Wi為節點i的分布式光伏發電有功功率;Ai為節點i的接入光伏有功功率預測值;brate為對應于節點i的額定電壓幅度;bi為對應于節點i的電壓幅度;x為加權因子。

本文在分布式光伏并網控制過程中引入以下約束條件。

①功率平衡約束。

為了實現分布式光伏并網控制[11-12],需要在調控過程中保證節點功率平衡。

(5)

②節點電壓約束。

節點的電壓幅值vi應滿足vimin≤vi≤vimax,以確保配電網運行的穩定性和安全性。其中,vimax、vimin分別為最大電壓幅值和最小電壓幅值。

③關口切換功率約束。

為防止光伏電源的變動對上級電網造成影響,必須設置節點的切換功率約束條件。

(6)

式中:A和W分別為根節點的有功和無功功率;Amin和Wmin分別為A和W的最小值;Amax和Wmax分別為A和W的最大值。

④分組電容器約束。

分布式光伏并網控制過程中的分組電容器約束條件如式(7)所示。

(7)

通過式(7)計算,本文構建的分布式光伏并網調控模型如圖1所示。

圖1 分布式光伏并網調控模型Fig.1 Distributed photovoltaic grid-connected regulation model

由圖1可知,光伏陣列將電流傳至電容器中,通過電容器進行能量轉換,將功率輸出至接入電網,對分布式光伏配電網進行調控。

1.3 模型求解

結合遺傳算法和粒子群算法[13]求解分布式光伏并網調控模型的具體步驟如下。

①求出算法的初始速度V0和初始種群P0,得到算法的全局和個體最優解分別為Gbest和Pbest。

②在最優種群H中存儲個體的初始值。

③更新個體的速度和種群。

④通過選擇、交叉和變異算子對更新的個體和種群進行處理,對比原始值和處理后的個體值。如果更新后的個體質量較優,則在H中存儲該個體。如果更新后的個體質量較差,則舍棄本次迭代過程中的交叉處理結果和變異處理結果,并轉到下一步驟。

⑤針對H中存在的個體,通過親和度機制計算其親和度:

(8)

式中:f為個體在種群中的相似度;{X1,X2,…,Xj,Xi}為初始種群,i≥1,j≤n。

采用遺傳算法和粒子群算法求解的分布式光伏并網調控模型流程如圖2所示。

圖2 分布式光伏并網調控模型流程圖Fig.2 Flowchart of distributed photovoltaic grid-connected regulation model

粒子間在種群中的相似性隨著f值的增大而減小,隨著f值的減小而增大。當兩個粒子的f值為0時,則不存在差異。

本文引入近似系數υ計算粒子在種群中的親和度Qi:

(9)

式中:M為粒子數量;Mυ為近似系數υ大于粒子相似性的個體總數。

本文在H中根據親和度大小對個體排序,并保留親和度較大的個體。

⑥更新Gbest和Pbest,設置算法迭代結束條件。在滿足該條件的情況下進入步驟⑦,在沒有達到該條件的情況下返回至第③步。

⑦獲得算法的Gbest,即分布式光伏并網調控模型的最優值,以實現分布式光伏并網的控制。

2 試驗與分析

為了驗證遺傳算法優化粒子群的分布式光伏并網控制的有效性,本文在Matlab和圖形界面/模擬計算程序聯合仿真平臺中展開測試。分布式光伏配電網接線如圖3所示。

圖3 分布式光伏配電網接線Fig.3 Distributed photovoltaic distribution network wiring

試驗在0.1 s內將原始光照強度1 000 Lux降低到500 Lux再提升到1 000 Lux,在并網系統初始功率為80 W時測試所提方法、文獻[6]方法和文獻[7]方法的控制精度和反應速度。

分布式光伏發電并網系統功率曲線如圖4所示。由圖4可知,與未采用控制方法相比,三種方法均可對分布式光伏發電并網系統功率起到控制作用,但文獻[6]方法和文獻[7]方法的控制效果一般,控制后并網功率仍存在振蕩現象。采用所提方法控制后,分布式光伏發電并網系統功率沒有出現振蕩,且可在短時間內獲得最大功率。這表明所提方法的控制效果好、響應速度快。

圖4 分布式光伏發電并網系統功率曲線Fig.4 Power curves of distributed photovoltaic power grid-connected system

試驗將分布式光伏配電網的電壓有效值設定為220 V,將分布式光伏發電并網系統的頻率設置為50 Hz。采用所提方法獲得的分布式光伏發電并網系統電壓和電流曲線如圖5所示。

圖5 分布式光伏發電并網系統電壓和電流曲線Fig.5 Voltage and current curves of distributed photovoltaic power generation grid-connected system

由圖5可知,與控制前相比,利用所提方法進行控制后,電流和電壓波動較穩定,且電壓相位與電壓頻率保持一致,可有效實現電流誤差跟蹤。這證明所提方法對分布式光伏發電并網系統具有較好的穩定性,能夠有效降低分布式光伏發電并網系統的穩態誤差、提高分布式光伏并網抗干擾能力。

電流諧波含量和畸變率之間存在密切的關系,畸變率通過電流諧波含量判斷。電流諧波含量較高會導致畸變率增加,表示電流波形畸變程度較大。而當電流諧波含量較低時,畸變率也會相應降低,表示電流波形質量較好。為了提高分布式光伏發電并網系統的電流質量,需要將分布式光伏發電并網系統的電流諧波總畸變率控制在0.5以內。采用三種方法控制后,電流諧波總畸變率如圖6所示。

圖6 電流諧波總畸變率Fig.6 Total harmonic distortion rate of current

由圖6可知,使用三種方法后,電流中的諧波含量均有所減少,但文獻[6]方法和文獻[7]方法的諧波含量仍高于0.5。采用所提方法控制后,電流中的諧波含量控制在0.5以內。這表明所提方法控制后分布式光伏發電并網系統的電流質量較高。

3 結論

分布式光伏發電具有可靠性高、線損率低、削峰填谷等優點,是一種可靠、清潔、高效和環保的發電方式。研究分布式光伏并網控制方法可以提高電網的發電效率和質量。本文提出遺傳算法優化粒子群的分布式光伏并網控制方法,根據分布式光伏系統的相關模型構建分布式光伏并網調控模型。

在此基礎上,本文通過遺傳算法優化粒子群方法,實現了分布式光伏并網控制,提高了控制精度、反應速度、穩定性,降低了電流諧波總畸變率。本文方法為分布式光伏并網技術的發展提供了參考。