基于改進灰狼算法的分布式光伏優化配置研究

摘 要：為了建立合理的配電網分布式光伏電源配置方案，本文以電壓偏差最小、網損最低為目標，分別建立優化配置數學模型，同時，基于相應的數學模型，提出兼顧電壓偏差和網損的多目標融合數學模型。為了求解各個模型的最優解，利用改進灰狼算法進行尋優計算，從而確定不同條件下配電網分布式光伏的最佳配置方案，包括光伏的接入節點和容量。采用IEEE33節點配電網檢驗分布式光伏優化配置方法的應用效果，根據仿真結果，所得結論如下：以電壓偏差最小為控制目標的配置方案具有最大的網損；以網損最低為控制目標的配置方案具有最大的電壓偏差；多目標融合的優化配置方案能夠同時控制網損和電壓偏差，實用價值最高。

關鍵詞：改進灰狼算法；分布式光伏；優化配置

中圖分類號：TP 18" " 文獻標志碼：A

分布式光伏電源的選址定容會直接影響配電網的電壓穩定性和網損，在設計相關的配置方案過程中，應兼顧電壓偏差控制和網損控制，合理設計光伏接入點和容量。在工程實踐中，通常需要根據控制目標建立數學模型，再借助人工智能算法求解最優配置方案。農燦[1]運用改進灰狼算法探索含分布式電源的無功優化方法，取得了一定成效。何爽等[2]基于改進灰狼算法對海島微電網進行了調度方式優化。

本文針對配電網分布式光伏電源選址定容，從電壓偏差控制、線路損失控制出發，提出2種優化配置數學模型。同時，考慮電壓偏差控制和網損控制存在一定的沖突性，本文融合2種控制要素，構建了多目標控制數學模型。在模型求解階段，在特定條件下利用改進灰狼算法進行尋優，以確定不同模型的最優配置方法。

1 基于改進灰狼算法的分布式光伏優化配置方法

1.1 分布式光伏優化配置數學模型構建

1.1.1 配電網電壓最小偏差目標函數

1.1.2 配電網線損最小目標函數

1.1.3 多目標融合數學模型

1.2 分布式光伏優化配置數學模型約束條件

1.2.1 分布式光伏并網容量約束條件

將配電網中節點i處接入的分布式光伏電源最大裝機容量記為PDGimax，將該節點處的分布式光伏電源有功功率記為PDGi，那么該節點處的光伏并網容量約束條件為PDGimax≥PDGi。將配電網中節點i處對應的負荷有功功率記為PLi，那么整個線路上的負荷有功功率之和為PLi，整個配電網的分布式光伏電源有功功率總和為PDGi。因此，分布式光伏電源并網總容量約束條件為PLi≥PDGi。

1.2.2 電壓、電流和功率約束條件

關于電壓約束條件，節點i處的電壓Ui應滿足Uimin≤

Ui≤Uimax。因為線路的載流量不能超過限值，所以配電網對各支路的電流提出了約束條件。將節點i、k間的最大載流量記為Iikmax，其實際電流為Iik，那么支路電流約束條件為Iik≤Iikmax。受到線路載流量的影響，各分支線路的有功功率應滿足Pik≤Pikmax。其中，Pik為配電網節點i、k分支線路的實際有功功率，Pikmax為節點i、k分支線路上的允許有功功率極限值[3]。

1.3 基于改進灰狼算法的尋優計算流程

真實配電網的拓撲結構通常較復雜，網絡節點數量、負荷數量、支路數量和分布式光伏電源數量均較多，因此導致第1.1小節建立的數學模型無法求解。為了獲得目標函數的最優解，需要引入改進灰狼算法進行數學模型尋優計算。改進灰狼算法的尋優流程如圖1所示。

2 算例分析

2.1 算例模型

算例模型采用IEEE33節點配電網（如圖2所示），其由1條主干線、3條饋線組成，模型中支路數量為32條。將各節點的初始電壓設置為1.0 p.u.。模型中各支路的阻抗和節點負荷均為已知量。部分支路的阻抗計算取值見表2。

2.2 基于改進灰狼算法的光伏配置方案尋優過程

利用改進灰狼算法對分布式光伏優化配置模型進行尋優計算，能夠獲得較優解，從而提高分布式光伏電源配置方案的科學性，具體的實施要點如下所示。

2.2.1 算法參數初始化及數據輸入

將配電網的阻抗數據、各節點允許電壓、支路的載流限值和支路的實際電流等作為改進灰狼算法的輸入數據。運用Tent混沌映射算法進行參數初始化，種群中的個體數量N=100，最大迭代次數tmax=100次，算法的初始迭代次數t=0。搜索區域的維度d初始化為32。

2.2.2 灰狼個體編碼

本文將配電網中分布式光伏電源的可接入節點數設置為6個，按照相同的長度對灰狼個體進行編碼。灰狼個體的編碼數值分別代表6個節點接入的光伏容量，因此每個灰狼個體代表一種光伏配置方案。

2.2.3 灰狼位置更新

完成灰狼個體編碼后，根據約束條件對適應度函數進行計算，進而基于計算結果對灰狼進行排序。前3個灰狼與目標的距離最近，將其分別作為種群中的α、β和δ共3種灰狼個體[4]。運用Levy飛行算法搜索整個灰狼種群，同時進行迭代更新。基于Levy飛行算法的灰狼個體位置更新如公式（4）所示。

經過多次迭代和算法收斂后輸出最優結果。

2.3 基于改進灰狼算法的光伏優化配置方案尋優結果

2.3.1 分布式光伏電源優化配置方案尋優結果

本文在第1.1小節中提出3種不同的目標函數，按照第2.2小節對3種目標函數進行尋優計算，求解分布式光伏電源的最優選址定容方案，結果見表3。

2.3.2 分布式光伏電源優化配置方案尋優結果對比

2.3.2.1 3種方案的電壓偏差對比

配電網的標準電壓為1.0 p.u.，根據3種分布式光伏的優化配置方案，模擬各個節點處的電壓值，結果如圖3所示。由圖3數據可知，當目標函數為fU時，各節點電壓與標準值的偏差最小。當目標函數為floss時，各節點電壓與標準電壓的偏差最大。

2.3.2.2 3種方案的網損對比

根據3種方案的分布式光伏電源接入方案，模擬計算出各分支線路的網損，3種方案的網損對比結果如圖4所示。由圖4數據可知，方案一網損最高，方案二網損最低，方案三網損介于方案一和方案二之間。

2.3.2.3 分布式光伏電源配置方案優選

綜合比較3種方案，方案一電壓偏差最小，但是網損最大。方案二網損最小，但是電壓偏差最大。方案三能夠兼顧電壓偏差控制和網損控制。因此，方案三對應的分布式光伏電源接入方式最佳，對應的節點為2、6、13、23、30和31，配套的光伏裝機容量為410 kW、570 kW、620 kW、950 kW、430 kW和450 kW。

3 結論

在設計配電網的分布式光伏電源接入方案過程中，需要采用合理的配置降低光伏電源對電壓穩定性和網損控制的影響。本文針對該問題構建了數學模型，利用改進灰狼算法對模型進行迭代運算，從而確定光伏的接入點和接入容量，所得結論如下所示。1） 當接入光伏電源時，將配電網電壓偏差最小和網損最小作為控制目標，分別建立相應的數學模型。另外，由于電壓偏差最小和網損最小這2個控制目標相互制約，因此本文提出融合多目標的數學模型。在模型求解階段，運用改進灰狼算法進行迭代計算，從而確定各個目標和約束條件下的光伏電源選址定容方案。2） 利用IEEE33節點配電網對優化配置方法的應用效果進行檢驗。仿真結果顯示，當以電壓偏差最小為目標時，對應的網損值最大；當以網損最小為目標時，相應的電壓偏差最大。

參考文獻

[1]農燦.基于改進灰狼算法的含分布式電源配電網無功優化[J].青海電力，2024，43（增刊1）：8-14.

[2]何爽，胡丹，王駿駿，等.基于改進灰狼算法的海島微電網優化調度[J].電氣自動化，2024，46（3）：41-44，48.

[3]于惠鈞，馬凡爍，陳剛，等.基于改進灰狼優化算法的含光伏配電網動態無功優化[J].電氣技術，2024，25（4）：7-15，58.

[4]田雨明，尹常永.基于改進灰狼算法的并網型微電網容量優化研究[J].沈陽工程學院學報（自然科學版），2023，19（4）：56-63.