含分布式能源的配电网规划

胡 荣，马 野

(上海电力学院电气工程学院，上海 200090)

随着分布式电源(Distributed Generation，DG)的迅速发展，大量的分布式电源引入配电网，使得配电网的规划问题变得更加复杂.由于分布式电源的出力波动性和不确定性，使潮流反向、供电可靠性、随机性处理等问题尤为突出.这些问题必须在配电网规划阶段解决，这就增加了规划的难度.

近年来，国内外学者对分布式电源进行了大量的研究，在含有分布式的配电网规划方面也取得了很多成果.本文对DG在配电系统中的优化配置以及含DG配电网无功优化进行了介绍，并对模型的优化算法进行了归纳总结，对含分布式电源的配电网规划给出了几点建议.

1 分布式电源对配电网的影响

分布式电源的接入使配电系统从辐射形的网络变为遍布中小电源和用户的互联网络，从而对传统配电系统产生一定的影响.

(1)DG的出现给配电网规划带来的影响表现在:加大了规划区网供负荷的预测难度;出现许多发电机节点，使得寻找最优的网络布置更加困难.［1］

(2)对电能质量的影响:DG的出力具有很大的不确定性，易造成系统的电压闪变;分布式电源通过电力电子逆变器接入配电网，造成谐波污染;当DG与当地负荷不协调运行或DG接入位置、容量不合理时，会引起电压波动.［2］

(3)分布式电源还对配电网的可靠性、［3］故障恢复、［4］继电保护［5］等产生影响.

2 分布式电源的优化配置

DG对配电网的影响主要由其安装位置和容量所决定，合理的安装位置可以有效改善配电网电压，减小网损，提高系统负荷率;反之，会影响电网的安全稳定运行.［6］国内外学者从不同角度，如费用、可靠性、降损、节能环保等，对DG优化配置问题进行了研究.

2.1 费用最省模型

费用最省基本是从网损最小、投资费用最省的角度设立目标函数，投资费用包括设备建设成本、运行维护成本等.

费用最省模型的目标函数为:

式中:n——DG的个数;

Ci1，Ci2——单位容量建设设备和运行维护成本;

Pdi——第i个DG额定容量;

Closs——网损.

文献［7］所建的目标函数中还包括了蓄电池重置费用、停电补偿费，使得微电网综合年投资费用最低;文献［8］将可靠性成本定义为停电之后的未供负荷成本，也将其引入目标函数中.

约束条件分为等式约束和不等式约束，等式约束为DG接入配电网后的系统功率平衡方程;不等式约束为节点电压上下限、支路功率最大限、DG容量上下限、N-1安全准则等.还有相关文献在考虑上述约束条件的同时还涉及了其他约束条件，如文献［9］考虑了地理信息对建站投资费用的影响，文献［10］和文献［11］考虑了网络重构及配电网扩展规划的条件等.

2.2 效益最大模型

该模型的多目标函数通常包括最大电压改善率、网损改善率等.

电压改善率:

式中:zi，zo——安装和未安装DG时系统的电压指标.［12］

网损改善率:

式中:pi，po——安装和未安装DG时系统网损.

文献［13］提出了等效网损微增率的概念，并在目标函数中引入了环境效益改善率:

式中:ewo，ewi——未安装和安装DG时污染气体的排放量.

文献［14］在满足相关约束条件下，目标函数考虑了线路电流指标，即:

式中:N——线路总数;

Ii，Iimax——第i条线路实际电流幅值和最大电流幅值.

文献［15］则是考虑了DG的间歇性对优化结果的影响，并将DG售电收益放入目标函数中，实现了经济环境效益以及系统电压质量的综合最优.

约束条件与费用最省模型相似，这里不作赘述.

3 含DG的配电网无功优化

无功规划是配电网规划中另一重要任务.本文将含DG配电网无功优化按是否计及DG的无功调节能力分为如下两类.

3.1 不计DG的无功控制能力

此类研究主要是通过发电机励磁调节、变压器电压调节及无功补偿设备配置进行无功优化.文献［16］采用了变压器分接头、并联补电容器等电压/无功控制手段.文献［17］通过对发电机自动电压调节器、有载变压器分接头和电容器等设备的综合调节，得到了系统有功损耗、电压分布与发电机无功分布最小的优化模型.文献［18］将场景分析法运用到含风电机组的无功优化问题中;文献［19］提出了风电场场景的划分规则，建立了多个风电机组的无功优化的场景模型.

3.2 计及DG的无功控制能力

DG能否向电网提供无功补偿取决于并网形式，如光伏发电可通过控制逆变器，向电网输送无功功率.

文献［20］和文献［21］将分布式电源作为连续可调无功源参与到配电网无功优化中;文献［22］考虑了配电网中可控制无功输出的柴油发电机的无功贡献;文献［23］从技术上解决了光伏并网发电与无功功率补偿结合的控制方案，使光伏向电网提供有功功率的同时也能够提供无功功率，充分发挥DG的无功补偿能力.

4 求解方法

在含分布式发电的配电网规划研究中，除小部分文献采用不同的控制策略进行仿真外，大多采用数学建模的方式.根据价值不同、约束条件的差异，规划模型在维数、多目标/单目标、离散/连续、线性/非线性方面的差别也比较大，求解方法也各不相同，本文对各种主要的求解方法进行分类归纳和总结.

4.1 多目标处理

(1)多目标转化为单目标的方法 在多目标规划模型中，通常通过模糊理论将多个子目标转化为单一目标.文献［17］采用了自适应权重和因子将多目标问题转化为单目标问题;文献［24］则利用模糊隶属度函数进行转换.

(2)利用Pareto解集 文献［21］运用自适应多目标粒子群算法得到帕累托解集;文献［14］则是利用基于熵的序数偏好对解集进行排序，并给出最终的决策方案.

(3)利用两层规划模型 两层规划模型分为上层规划和下层规划，上层规划的目标函数和约束条件不仅与上层决策变量有关，而且还依赖于下层规划的最优解或最优值;而下层规划的最优解或最优值又受到上层决策变量的影响.［25］例如文献［25］建立了两层规划模型，上层优化以DG并网运行价值最大为目标，确定DG与储能电池的位置和容量;下层优化模拟配置储能装置的配电网最优节能调度，确定DG的运行出力.

4.2 智能算法

含DG的优化配置模型大多为非线性多目标，很多学者将智能算法如遗传算法、蚁群算法和粒子群算法等应用到这些模型中，并取得了很好的优化效果.文献［7］、文献［15］和文献［27］运用遗传算法以及改进的遗传算法进行求解.遗传算法的改进主要是在距离判别、收敛性、终止原则上作相应的改进;［24］文献［26］提出了一种矩阵编码形式，使迭代过程无需译码等.文献［7］、文献［17］和文献［21］主要应用的是粒子群算法，并在特定的方面进行了改进，以避免陷入早熟或局部最优.

还有些学者将两种算法结合起来，如文献［28］将退火算法与粒子群算法结合起来进行应用.其他算法如细菌群体趋药性算法、［20］微分进化算法、［26］群搜索优化算法［12］等也得到了广泛应用.

5 结语

目前，含分布式电源的配电网规划得到很大发展:目标函数逐渐由单目标向多目标发展;优化算法也不断改进，并出现了混合优化算法;所建模型则更加注重与网络及拓扑结构相结合.为了更好地发挥分布式发电技术的优势和特点，在规划方面给出如下建议:应加强DG与配电网的协同规划，并考虑DG的无功调节能力;应改进数学算法以保障求解的质量和效率;应通过先进的预测技术，建立精确的随机性负荷模型及分布式电源的出力模型;应加强包含分布式的自动化规划，便于实现含有分布式发电的配电网动态监测、灵活跟踪和调度控制等.

［1］ 王敏，丁明.含分布式电源的配电系统规划［J］.电力系统及其自动化学报，2004，16(6):5-8.

［2］ 韦钢，吴伟力，胡丹云，等.分布式电源及其并网时对电网的影响［J］.高电压技术，2007，35(7):36-40.

［3］ 钱科军，袁越，ZHOU Chengke.分布式发电对配电网可靠性的影响研究［J］.电网技术，2008，32(11):74-78.

［4］ 史永生，余莉娟，刘晓娜，等.计及分布式电源的配电网故障恢复研究［J］.能源研究与管理，2010(3):15-18.

［5］ YUN Baoji，FU Zhouxing，WANG Yingli，et al.The effects of distributed generator accessed to distribution network［C］//International Symposium on Computer，Consumer and Control，2014:146-149.

［6］ 王守相，王慧，蔡声霞.分布式发电优化配置研究综述［J］.电力系统自动化，2009，37(18):110-114.

［7］ 符杨，蒋一鎏，李振坤.基于混合量子遗传算法的微电网电源优化配置［J］.电力系统保护与控制，2013，41(24):50-57.

［8］ ZIARI I，LEDWICH G，GHOSH A，etal.Integrated distribution systems planning to improve reliability under load growth［J］.Power Delivery，IEEE Transactions on，2012，27(2):757-765.

［9］ 刘自发，张建华.基于改进多组织粒子群体优化算法的配电网络变电站选址定容［J］.中国电机工程学报，2007，27(1):105-111.

［10］ 赵晶晶，李新，彭怡，等.基于粒子群优化算法的配电网重构和分布式电源注入功率综合优化算法［J］.电网技术，2009，33(17):162-166.

［11］ BORGES Carmen LuciaTancredo，MERTINS Vinícius Ferreira.Multistage expansion planning for active distribution networks under demand and Distributed Generation uncertainties［J］.International Journal of Electrical Power ＆Energy Systems，2012，36(1):107-116.

［12］ CHIRADEJA P，RAMAKUMAR R.An approach to quantify the technical benefits of distributed generation［J］.IEEE Transactions on Energy Conversion，2004，19(4):764-773.

［13］ 郑漳华，艾芊，顾承红，等.考虑环境因素的分布式发电多目标优化配置［J］.中国电机工程学报，2009，29(13):23-28.

［14］ 夏澍，周明，李庚银.分布式电源选址定容的多目标优化算法［J］.电网技术，2011，35(9):115-121.

［15］ 邓威，李欣然，刘志勇，等.考虑无功补偿影响因素的间歇性分布式电源综合优化配置［J］.中国电机工程学报，2012，32(10):80-88.

［16］ NIKNAM T，M.RANJBAR A，SHIRANI A R.Impact of distributed generation on volt/var control in distribution networks［C］//IEEE Bologna PowerTech Conference，Bologna，Italy，2003:1-7.

［17］ 韩学军，邓艳秋，张全厚.含分布式电源的改进PSO算法配电网无功优化［J］.计算机仿真，2013，30(5):125-128.

［18］ 陈海焱，陈金富，段献忠.含风电机组的配网无功优化［J］.中国电机工程学报，2008，28(7):40-45.

［19］ 何禹清，彭建春，毛丽林，等.含多个风电机组的配电网无功优化［J］.电力系统自动化，2010，34(19):37-41.

［20］ 陈继明，孙名妤，游聚娟，等.基于子空间细菌群体趋药性算法的含分布式电源的配电网无功优化［J］.山东大学学报:工学版，2014，44(2):49-54.

［21］ 程杉，陈民铀，黄薏宸.含分布式发电的配电网多目标无功优化策略研究［J］.电力系统保护与控制，2013，41(10):45-50.

［22］ 陈琳，钟金，倪以信，等.含分布式发电的配电网无功优化［J］.电力系统自动化，2006，30(14):20-24.

［23］ 汪海宁，苏建徽，张国荣，等.光伏并网发电及无功补偿的统一控制［J］.电工技术学报，2005，20(9):114-118.

［24］ 刘述奎，李奇，陈维荣，等.改进粒子群优化算法在电力系统多目标无功优化中的应用［J］.电力自动化设备，2009，29(11):31-36.

［25］ 唐勇俊，刘东，阮前途，等.计及节能调度的分布式电源优化配置及其并行计算［J］.电力系统保护与控制，2010，38(21):156-161.

［26］ 麻秀范，崔换君.改进遗传算法在含分布式电源的配电网规划中的应用［J］.电工技术学报，2011，26(3):74-78.

［27］ 李惠玲，盛万兴，张学仁，等.改进小生境遗传算法在电力系统无功优化中的应用［J］.电网技术，2008，32(17):29-34.

［28］ 刘波，张焰，杨娜.改进的粒子群优化算法在分布式电源选址和定容中的应用［J］.电工技术学报，2008，2(2):103-108.