基于遗传算法的分布式电源选址与定容

薛涛　汤亚芳

【摘 要】分布式电源的选址与定容是一个重要的研究课题。本文以配电网的网络损耗费用和分布式电源的运行费用最小为优化目标建立了分布式电源的优化选址定容模型，应用遗传算法进行求解。通过实际算例表明，本文采用的优化模型有助于得到合理的分布式电源接入位置和容量方案。

【关键词】分布式电源；配电网；选址与定容

【Abstract】Reasonable location and sizing of DG in the distribution system are very important. With the minimum cost of distribution system loss cost and distributed generation as the optimization object， location and capacity of distributed generation optimization using genetic algorithms.And through the actual example shows that， the method can get a reasonable location and sizing of distributed generation scheme.

【Key words】Distrobuted generation；Distributed system；Location and sizing

0 引言

分布式发电（Distributed Generation，简称DG）是指将发电系统以小规模（发电功率在数千瓦至50MW的小型模块）、分散式的方式布置在用户附近，可独立地输出电能的系统[1]。分布式电源接入配电网，对配电网的节点电压、线路潮流、短路电流、网络可靠性等都会带来影响，其影响程度与分布式电源的位置和容量密切相关。因此，合理的选择分布式电源的位置和容量非常重要[2]。

基于分布式电源对配电网规划的重要影响，本文在分布式电源的位置和容量均不确定的情况下，考虑以配电网网损最小和DG的运行费用最小为目标函数，建立了含分布式电源选址与定容的多目标规划模型[3]，并用遗传算法对分布式电源的位置和容量进行优化，得到分布式电源的优化配置方案。

1 含DG的配电网规划模型

2 含DG的配电网潮流计算

接入配电网中的分布式电源所采用的模型，既可以简化成PV节点、也可以是PQ节点，本文将其简化成具有恒定功率因数的PQ节点[4]。由于分布式电源一般靠近负荷中心，所以假设分布式电源的位置在负荷节点上。本文对接入分布式电源的配电网采用前推回代法进行潮流计算[5]，这种潮流计算方法首先假定各节点电压均等于根节点电压，从末端节点开始，由己知的各节点负荷功率、节点电压，向辐射状配电网始端推算各支路的电流以及始端功率。然后由始端向末端推算各节点电压，如此重复以上过程直至迭代收敛为止。

3 分布式电源选址与定容的求解

由于遗传算法具有较好的全局搜索性能、搜索过程不容易陷入局部最优等优点，考虑分布式电源选址定容的特点，本文采用遗传算法求解分布式电源的位置与容量。

3.1 遗传算法

遗传算法[6]是一种模仿生物界自然选择和自然遗传机制的随机搜索算法，它通过某种编码技术，作用于称为染色体的数字串，对由这些串组成的群体的进化过程进行模拟，并通过有组织的、随机的信息交换来重组那些适应性好的串，生成新一代群体。遗传算法以其简单、通用性强、不依赖问题模型等特性，已在函数优化等领域获得广泛应用。

（1）染色体编码

（2）遗传操作

遗传算法包括三个基本操作：选择、交叉、变异。通过以适应度函数为依据，对群体进行这三个操作步骤，实现个体之间的信息交换与重组，使群体的适应度不断提高，最终得到全局最优解。本文采用的三种遗传算子如下。

由以上所得的表1和表2可以看出，含DG的配电网总费用低于不含DG配网的总费用，说明仅考虑DG运行费用和网损费用的情况下，按此方案在这个配电网中接入分布式电源后系统的经济性较好。对接入分布式电源的配电网，网损费用比不接入分布式电源的配电网低，其主要原因是分布式电源接入电网后改善了配电网的潮流分布，从而使系统网损减少。

从图3中的遗传算法迭代曲线可以看出，使用遗传算法对本文目标函数进行优化，种群平均适应度值虽然局部波动比较大，但整体呈下降收敛趋势，表明应用遗传算法对本文目标函数进行优化取得了比较好的效果。

5 结束语

本文应用遗传算法对配电网中分布式电源的选址与定容进行优化，以配电网的最小网络损耗费用，分布式电源的运行费用最小为优化目标，并通过以IEEE33节点配电网系统为算例，验证了通过遗传算法优化DG选址与定容方案，可以有效降低系统网损，提高分布式电源带来的经济效益。

【参考文献】

[1]唐小波，徐青山，唐国庆.基于“负荷质心”的分布式电源并网优化配置[J].电力自动化设备，2011，31（2）：12-16.

[2]陈琳，钟金，倪以信，等.联网分布式发电系统规划运行研究[J].电力系统自动化，2007，31（9）：26-31.

[3]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.

[4]范明天.配电网络规划与设计[M].北京：中国电力出版社，1999.

[5]张立梅，唐巍.计及分布式电源的配电网前推回代潮流计算[J].电工技术学报，2010，25（8）：123-130.

[6]王成山，陈恺，谢莹华，郑海峰. 配电网扩展规划中分布式电源的选址和定容[J]. 电力系统自动化，2006，30（3）：38-43.

[责任编辑：刘帅]

【摘 要】分布式电源的选址与定容是一个重要的研究课题。本文以配电网的网络损耗费用和分布式电源的运行费用最小为优化目标建立了分布式电源的优化选址定容模型，应用遗传算法进行求解。通过实际算例表明，本文采用的优化模型有助于得到合理的分布式电源接入位置和容量方案。

【关键词】分布式电源；配电网；选址与定容

【Abstract】Reasonable location and sizing of DG in the distribution system are very important. With the minimum cost of distribution system loss cost and distributed generation as the optimization object， location and capacity of distributed generation optimization using genetic algorithms.And through the actual example shows that， the method can get a reasonable location and sizing of distributed generation scheme.

【Key words】Distrobuted generation；Distributed system；Location and sizing

0 引言

分布式发电（Distributed Generation，简称DG）是指将发电系统以小规模（发电功率在数千瓦至50MW的小型模块）、分散式的方式布置在用户附近，可独立地输出电能的系统[1]。分布式电源接入配电网，对配电网的节点电压、线路潮流、短路电流、网络可靠性等都会带来影响，其影响程度与分布式电源的位置和容量密切相关。因此，合理的选择分布式电源的位置和容量非常重要[2]。

基于分布式电源对配电网规划的重要影响，本文在分布式电源的位置和容量均不确定的情况下，考虑以配电网网损最小和DG的运行费用最小为目标函数，建立了含分布式电源选址与定容的多目标规划模型[3]，并用遗传算法对分布式电源的位置和容量进行优化，得到分布式电源的优化配置方案。

1 含DG的配电网规划模型

2 含DG的配电网潮流计算

接入配电网中的分布式电源所采用的模型，既可以简化成PV节点、也可以是PQ节点，本文将其简化成具有恒定功率因数的PQ节点[4]。由于分布式电源一般靠近负荷中心，所以假设分布式电源的位置在负荷节点上。本文对接入分布式电源的配电网采用前推回代法进行潮流计算[5]，这种潮流计算方法首先假定各节点电压均等于根节点电压，从末端节点开始，由己知的各节点负荷功率、节点电压，向辐射状配电网始端推算各支路的电流以及始端功率。然后由始端向末端推算各节点电压，如此重复以上过程直至迭代收敛为止。

3 分布式电源选址与定容的求解

由于遗传算法具有较好的全局搜索性能、搜索过程不容易陷入局部最优等优点，考虑分布式电源选址定容的特点，本文采用遗传算法求解分布式电源的位置与容量。

3.1 遗传算法

遗传算法[6]是一种模仿生物界自然选择和自然遗传机制的随机搜索算法，它通过某种编码技术，作用于称为染色体的数字串，对由这些串组成的群体的进化过程进行模拟，并通过有组织的、随机的信息交换来重组那些适应性好的串，生成新一代群体。遗传算法以其简单、通用性强、不依赖问题模型等特性，已在函数优化等领域获得广泛应用。

（1）染色体编码

（2）遗传操作

遗传算法包括三个基本操作：选择、交叉、变异。通过以适应度函数为依据，对群体进行这三个操作步骤，实现个体之间的信息交换与重组，使群体的适应度不断提高，最终得到全局最优解。本文采用的三种遗传算子如下。

由以上所得的表1和表2可以看出，含DG的配电网总费用低于不含DG配网的总费用，说明仅考虑DG运行费用和网损费用的情况下，按此方案在这个配电网中接入分布式电源后系统的经济性较好。对接入分布式电源的配电网，网损费用比不接入分布式电源的配电网低，其主要原因是分布式电源接入电网后改善了配电网的潮流分布，从而使系统网损减少。

从图3中的遗传算法迭代曲线可以看出，使用遗传算法对本文目标函数进行优化，种群平均适应度值虽然局部波动比较大，但整体呈下降收敛趋势，表明应用遗传算法对本文目标函数进行优化取得了比较好的效果。

5 结束语

本文应用遗传算法对配电网中分布式电源的选址与定容进行优化，以配电网的最小网络损耗费用，分布式电源的运行费用最小为优化目标，并通过以IEEE33节点配电网系统为算例，验证了通过遗传算法优化DG选址与定容方案，可以有效降低系统网损，提高分布式电源带来的经济效益。

【参考文献】

[1]唐小波，徐青山，唐国庆.基于“负荷质心”的分布式电源并网优化配置[J].电力自动化设备，2011，31（2）：12-16.

[2]陈琳，钟金，倪以信，等.联网分布式发电系统规划运行研究[J].电力系统自动化，2007，31（9）：26-31.

[3]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.

[4]范明天.配电网络规划与设计[M].北京：中国电力出版社，1999.

[5]张立梅，唐巍.计及分布式电源的配电网前推回代潮流计算[J].电工技术学报，2010，25（8）：123-130.

[6]王成山，陈恺，谢莹华，郑海峰. 配电网扩展规划中分布式电源的选址和定容[J]. 电力系统自动化，2006，30（3）：38-43.

[责任编辑：刘帅]

【摘 要】分布式电源的选址与定容是一个重要的研究课题。本文以配电网的网络损耗费用和分布式电源的运行费用最小为优化目标建立了分布式电源的优化选址定容模型，应用遗传算法进行求解。通过实际算例表明，本文采用的优化模型有助于得到合理的分布式电源接入位置和容量方案。

【关键词】分布式电源；配电网；选址与定容

【Abstract】Reasonable location and sizing of DG in the distribution system are very important. With the minimum cost of distribution system loss cost and distributed generation as the optimization object， location and capacity of distributed generation optimization using genetic algorithms.And through the actual example shows that， the method can get a reasonable location and sizing of distributed generation scheme.

【Key words】Distrobuted generation；Distributed system；Location and sizing

0 引言

分布式发电（Distributed Generation，简称DG）是指将发电系统以小规模（发电功率在数千瓦至50MW的小型模块）、分散式的方式布置在用户附近，可独立地输出电能的系统[1]。分布式电源接入配电网，对配电网的节点电压、线路潮流、短路电流、网络可靠性等都会带来影响，其影响程度与分布式电源的位置和容量密切相关。因此，合理的选择分布式电源的位置和容量非常重要[2]。

基于分布式电源对配电网规划的重要影响，本文在分布式电源的位置和容量均不确定的情况下，考虑以配电网网损最小和DG的运行费用最小为目标函数，建立了含分布式电源选址与定容的多目标规划模型[3]，并用遗传算法对分布式电源的位置和容量进行优化，得到分布式电源的优化配置方案。

1 含DG的配电网规划模型

2 含DG的配电网潮流计算

接入配电网中的分布式电源所采用的模型，既可以简化成PV节点、也可以是PQ节点，本文将其简化成具有恒定功率因数的PQ节点[4]。由于分布式电源一般靠近负荷中心，所以假设分布式电源的位置在负荷节点上。本文对接入分布式电源的配电网采用前推回代法进行潮流计算[5]，这种潮流计算方法首先假定各节点电压均等于根节点电压，从末端节点开始，由己知的各节点负荷功率、节点电压，向辐射状配电网始端推算各支路的电流以及始端功率。然后由始端向末端推算各节点电压，如此重复以上过程直至迭代收敛为止。

3 分布式电源选址与定容的求解

由于遗传算法具有较好的全局搜索性能、搜索过程不容易陷入局部最优等优点，考虑分布式电源选址定容的特点，本文采用遗传算法求解分布式电源的位置与容量。

3.1 遗传算法

遗传算法[6]是一种模仿生物界自然选择和自然遗传机制的随机搜索算法，它通过某种编码技术，作用于称为染色体的数字串，对由这些串组成的群体的进化过程进行模拟，并通过有组织的、随机的信息交换来重组那些适应性好的串，生成新一代群体。遗传算法以其简单、通用性强、不依赖问题模型等特性，已在函数优化等领域获得广泛应用。

（1）染色体编码

（2）遗传操作

遗传算法包括三个基本操作：选择、交叉、变异。通过以适应度函数为依据，对群体进行这三个操作步骤，实现个体之间的信息交换与重组，使群体的适应度不断提高，最终得到全局最优解。本文采用的三种遗传算子如下。

由以上所得的表1和表2可以看出，含DG的配电网总费用低于不含DG配网的总费用，说明仅考虑DG运行费用和网损费用的情况下，按此方案在这个配电网中接入分布式电源后系统的经济性较好。对接入分布式电源的配电网，网损费用比不接入分布式电源的配电网低，其主要原因是分布式电源接入电网后改善了配电网的潮流分布，从而使系统网损减少。

从图3中的遗传算法迭代曲线可以看出，使用遗传算法对本文目标函数进行优化，种群平均适应度值虽然局部波动比较大，但整体呈下降收敛趋势，表明应用遗传算法对本文目标函数进行优化取得了比较好的效果。

5 结束语

本文应用遗传算法对配电网中分布式电源的选址与定容进行优化，以配电网的最小网络损耗费用，分布式电源的运行费用最小为优化目标，并通过以IEEE33节点配电网系统为算例，验证了通过遗传算法优化DG选址与定容方案，可以有效降低系统网损，提高分布式电源带来的经济效益。

【参考文献】

[1]唐小波，徐青山，唐国庆.基于“负荷质心”的分布式电源并网优化配置[J].电力自动化设备，2011，31（2）：12-16.

[2]陈琳，钟金，倪以信，等.联网分布式发电系统规划运行研究[J].电力系统自动化，2007，31（9）：26-31.

[3]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.

[4]范明天.配电网络规划与设计[M].北京：中国电力出版社，1999.

[5]张立梅，唐巍.计及分布式电源的配电网前推回代潮流计算[J].电工技术学报，2010，25（8）：123-130.

[6]王成山，陈恺，谢莹华，郑海峰. 配电网扩展规划中分布式电源的选址和定容[J]. 电力系统自动化，2006，30（3）：38-43.

[责任编辑：刘帅]