含分布式电源的配电网无功优化研究综述

任凯

【摘要】：隨着新时期经济的不断发展，我国配电网系统有了很大进步，分布式电源接入电网对配电网运行损耗、可靠性等有着至关重要的作用，研究含DG的配电网无功优化对于提高电网安全稳定与经济性能具有重要意义。本文主要结合实际情况对分布式电源的配电网无功优化展开分析，列举出智能优化的几种算法，希望可以进一步促进配电网无功优化工作的顺利开展。

【关键词】：分布式电源；配电网；无功优化； 配电网优化

引言

分布式电源（distributedgeneration，DG）作为一种运行方式灵活多变的新型清洁能源，获得了国内外研究人员的广泛关注。由于风、光分布式电源所特有的间歇性、波动性和随机性，并且随着其并网容量在电网中所占比例的逐渐增加，其出力的不稳定性固然将给电网运行的安全性、可靠性及电能质量带来很大的影响，这将严重限制分布式电源的发展。但是，DG的合理配置能有效降低系统网络损耗、改善系统电压运行水平，提高系统整体运行的可靠性，进而提高清洁能源的渗透率。

1、分布式电源的特点

分布式电源的出力受到所利用的一次能源限制，因此其出力与常规的火力发电等呈现出不同的特点，主要有以下几个方面的不同：首先，分布式电源出力具有很大的随机性和波动性这是以风能和光伏为主的分布式电源出力的最大特点，也是其主要缺陷。风电和光伏分布式电源的出力受到风速和光照强度等气象条件的直接影响，而气象条件处于随时变化的状态中，这就导致了风电场和光伏电站的出力出现不断波动变化的情况。以风力发电为例，风机的输出功率与风速有直接的关系，当风速低于风机设定的切入风速时，风机的输出功率为零；当风速高于切入风速，风机开始输出有功功率，其输出的功率随风速的增大而增大；而当风速大于风机的切出风速时，风机不再输出功率。这种输出功率的频繁波动的特性是分布式电源不可避免的特性，也是分布式电源并网后带来各种安全和稳定性问题的根源。其次，分布式电源不可调度由于风电和光伏等分布式电源的出力受到自身采用的一次能源的限制而具有随机性和波动性等特征。而这种一次能源通常是人为不可控的。此外，目前分布式电源按照国家政策要求强制上网，因此基本不具备调度性。

2、智能优化算法

2.1遗传算法

遗传算法是一种通过模拟自然进化过程搜索最优解的方法。它是由美国密西根大学的Holland教授于1926年首先提出来的，是一种基于自然选择和基因遗传学原理的优化搜索方法。遗传算法具有通用性强，并行性好，对可行性解表示广泛，群体搜索等特性。但同时，它也同样具有收敛速度较慢，容易陷入局部最优等缺点。

2.2小生境遗传算法

遗传算法是模拟生物界进化过程方法，在1969年由J.Holland教授提出后经由DeJong.Goldberg等人在1975年归纳总结出来。与其他智能算法相比对于一些大型的、非线性多变量的复杂的数学问题，遗传算法更能显示出比传统的数学算法更加独特的优越性能。但是，传统的遗传算法存在搜索全局最优能力不强、易早熟收敛的缺陷，从而不能得到全局最优解。因此，小生境技术可以保持整个种群的多样性，将那些染色体中遗传基因较为相似的个体聚集成小种群，并将它们分到适应度函数图像中“峰值”上，然后再通过遗传算法对这些“峰值”进行处理，结果是使得适应较高的个体继续可以保持或者增加其适应度值，而适应度较低的个体其适应度值将大幅度降低而被淘汰，这样既可以保证个体可以分散在全局范围中扩大了搜索范围，也可避免整个函数陷入局部最优。

2.3人工蜂群算法

利用局部搜索因子对当前寻到的最佳位置进行局部搜索。选择排序好的概率，从而避免进化过程中超常规个体导致的局部最优解，增强鲁棒性，从而使人工蜂群算法实现对配电网无功补偿的优化。人工蜂群算法具有较强的全局搜索能力，但算法局部搜索性能较差。每次蜜蜂接近最优目标时寻找效率明显减弱，这就致使收敛速度减缓。为了解决算法探索能力强局部搜索能力弱的问题，加入局部搜索因子对目前最优解的邻域进行搜索有效的加强了局部搜索能力。为了选择过程和蜜源的顺序相关，与适应度无关，将选择概率进行排序，该方法加大了相对差的蜜源被选择概率，保证了基因多样性。

2.4模拟退火算法

模拟退火法源于物理中的固体退火原理，它是基于蒙特卡洛迭代求解策略的随机优化计算方法。其双向随机搜索是基于概率进行的，对于解决带约束的组合优化问题成效显著。在优化问题的计算中，退火系统的能量函数作为所研究目标，退火的温度代表控制变量，模拟退火法追寻基态的过程就是一系列的“产生新解—判断—接受/舍弃”的迭代过程，通过这样的迭代过程令目标函数取极小值。模拟退火法对于不十分理想的目标函数值对应的状态在一定的概率下也可以接收，该方法既可去往好的方向也可去往差的方向。理论上，模拟退火法只要拥有足够的计算时间就可以确保收敛于全局最优，但实际计算速度及时间往往不够，造成优化结果受计算时间影响，故而可能造成优化结果只是局部最优。

3、分布式电源配电网无功优化的展望

以风电和光伏为代表的分布式发电在世界范围内得到了迅猛的发展，一方面分布式电源能够缓解全球能源危机和环境污染的问题，另一方面风电场和光伏电站出力的相关性、随机性和不可调度性给传统的电力系统优化控制方法带来新的问题。大量间歇性DG接入电网使得电力系统无功优化变得更加复杂，含有DG的配电网无功优化是多变量、多约束、多目标的优化问题，采取合理的方法处理DG出力的不确定性问题、求解多目标函数以及运用合适的优化算法是进行含有DG的配电网无功优化的关键所在。各种智能算法既有自身的优势也存在一些不足，为了得到更好的优化结果，需DG要将单一算法改进或者与其他算法结合，优势互补。解决分布式电源优化配置的传统优化算法大DG多局限在单目标的智能优化算法，利用权重系数的处DG理手段能有效提高算法的处理速度，但未能揭示各目DG标函数之间的内在联系，因此，未来方向建议从多目标DG的角度来优化DG配置问题。

结语

综上所述，随着现代智能技术的发展和人们对优化算法的深入研究，越来越多的新算法将被应用于配电网无功优化当中，无功优化方法会日益完善，将大大增强电网的安全稳定与经济性能。

【参考文献】：

[1]刘青松.基于改进遗传算法的配电网无功优化[J].电力学报，2005，20（1）：17-20.endprint