基于分布式光伏的低压配网“低电压”治理

刘旭鹏，邱 爽，李海波，王甲龙，秦 榛，马 楠，王 俊

（1.内蒙古龙源蒙东新能源有限公司，内蒙古 赤峰 024000；2.沈阳农业大学，辽宁 沈阳 110000；3.赤峰市供电公司，内蒙古 赤峰 024000）

鉴于农村用电户数多而分散，负荷密度小，因地理约束，农网输配电线路十分长[1]。受输电线路和变压器容量的限制，负荷高峰时，线路末端有可能因为功率不足而使电压降低，影响家电的正常运行。随着农村居住点的不断延伸，负荷中心的不断偏移，农村电网“低电压”的现象将进一步加重，使农村电网日显薄弱。此外，农村生产的季节性导致了农网负荷季节性很强。夏季是干旱季，须要大量使用水泵。冬季尤其在春节期间，民工返乡会出现用电高峰。随着农村居民生活水平的提高，诸如空调之类强季节性的负荷占农网负荷比例逐年增加，加剧了农网负荷季节性变动程度，严重降低了线路、配电设备的有效利用率，并影响用户端的电能质量，因此解决农村配电网“低电压”问题非常迫切。文献[2-3]提出了改造电网的治理方法及改造或新增变压器和输电线路的方法，但考虑到农村电网结构和负荷分布的特点，从经济效益的角度来看，农村电网的改造不仅周期长，工程量浩大，而且资金需求大，尤其是对一些山区的电网改造，在实际操作上有较大的难度。文献[4]提出了针对无功补偿装置的应用，主要是对无功控制策略的研究，但这种控制方法会频繁地进行设备调节，且产生的控制决策存在不确定性和盲目性。随着分布式能源技术的不断发展，利用接入分布式能源以解决配电网的有功及无功优化问题越来越广泛，分布式能源的接入使配电网更加复杂，对配电网中的潮流分布、电压分布和网损等产生重要影响[5-6]，分布式能源的合理配置能够提高配电网的电能质量，降低网络损耗以及提高配电网运行的稳定性[7]。本文提出了基于光伏低压配网的优化配置方法，通过试验验证了所提方法可以有效治理用户端“低电压”问题。

1 农村电网“低电压”成因分析

一般情况下造成“低电压”的原因主要分为电源、电网和负荷3个方面。电源方面：无功功率不足、配电设备重载甚至过载、配变的分接头位置不当。电网方面：台区布点不合理，供电半径过长、输电线路截面积太小、有功功率损耗过大，另外，接户线及进户线等低压线路普遍存在配置不合理的现象，导致用户末端“低电压”。负荷方面：三相负荷不平衡、用户超容用电。“低电压”现象主要包括长期和季节性“低电压”。长期“低电压”指用户全天候“低电压”持续三个月或日负荷高峰“低电压”持续六个月以上的“低电压”现象；季节性“低电压”是指度夏度冬、春灌秋收、逢年过节、烤茶制烟等时段出现具有周期规律的“低电压”现象[8]。对农村配电网而言，更容易发生季节性“低电压”问题，由于农村地域广阔，居民居住分散，农村电网供电线路长、负荷分散等特点，导致输电线路损耗大，更容易引起末端“低电压”。在分析农村电网电压降落时，不能像主网一样仅仅从负荷或线路单方面考虑，必须结合农村电网自身特点，将农村电网的负荷和线路结合起来考虑。农村配电网线路损耗中的有功损耗引起的电压降落纵分量较大，而线路无功损耗较小，其引发的电压降落横分量也较小。

2 “低电压”治理方案

本文针对开环运行的辐射式电网结构，建立以总电压偏差最小为目标（总电压偏差即每个节点电压与理想电压之差的绝对值的总和），采用粒子群优化算法，调用潮流计算程序，逐次迭代，进行单点和多点配置光伏系统以提高配电网各节点电压。

2.1 配电网潮流计算方法

目前在配电网各种潮流计算方法中，前推回代法对初值要求不高，迭代过程中不须计算雅可比矩阵，基本能够保证线性收敛，计算速度较快，效率最高。所以本文根据采集到的线路网络结构、网络参数（包括各线路长度、导线型号、电阻）、负荷数据（包括各节点负荷类型和负荷功率）采用前推回代法进行潮流计算，光伏发电系统按节点处理，作为负的负荷接入。

2.2 粒子群优化算法

粒子群（PSO）优化算法，是一种操作简便、易于理解、应用广泛的优化算法。首先根据需求在人为限定的范围内或者不限范围随机给出一组解，然后计算每组解的适应度，在不断的迭代计算过程中，选择具有更优适应度的解，直到得到最优结果。具体来说，对于一个须进行优化的问题，它每一个可能的解都可以称为搜索区域内的一个粒子，每个粒子有它的位置变量不同位置对应不同的适应值，可以是目标函数的函数值，然后粒子按照一定的搜索方式在搜索区域内进行最优解的搜索，正如小鸟飞行一样，每一个粒子都具有自己的一个速度，然后在自身的最优解和整个粒子群的最优解的影响下不断更新自己的速度和位置。

应用粒子群算法进行风机或光伏并网优化配置的求解步骤如下：

第一步，读入数据并初始化算法参数。读入待优化配电网的网络参数和负荷数据。给定初始化条件，确定粒子总数、粒子维度和最大迭代次数及参数的大小等。

第二步，初始化粒子。在网络参数约束范围内随机生成粒子位置和速度，粒子位置对应风机或光伏发电系统接入配电网的位置变量和出力变量。为系统中风机或光伏接入点个数，为粒子位置中对应风机或光伏发电系统接入配电网的位置变量，为粒子位置中对应风机或光伏发电系统接入配电网的出力变量。

第三步，调用潮流计算程序，计算每个粒子初始适应度，即目标函数值，该值即为该粒子当前最优值，将每个粒子当前最优值进行排序比较，得到当前全局最优值，使目标函数等于全局最优值的粒子即为全局最优粒子；置迭代次数。

第四步，进入主循环。计算每次迭代的粒子位置和速度变量，调用潮流计算程序，计算和比较，更新每个粒子最优适应值和全局最优适应值，并记录粒子对应的位置。

第五步，判断是否收敛。若迭代次数达到设定的最大迭代次数，则迭代结束，输出最优解，否则，并转到第四步继续执行循环命令。

3 光伏并网优化配置分析

以赤峰市翁牛特旗低压配电网中某一低压台区为例，寻找光伏系统并网的最优接入位置和最优出力，以达到提升各节点电压的目的。由于此台区三相负荷不平衡，须按每相单独进行潮流计算和光伏并网优化配置。本文以A相为例，以总电压偏差最小为优化目标，对台区A相进行单点和多点光伏并网优化配置。此台区A相共34个节点，33条支路，估计总有功负荷28.5 kW，节点1电压设为0.22 kV。未配置光伏系统时，网络各节点总电压偏差为1.306 kV，总有功损耗为5.9 kW。

单点光伏并网优化配置，以总电压偏差最小为目标函数，采用粒子群优化算法，得到光伏系统并网的最优位置为节点22，最优出力为20.462 kW，总电压偏差为0.088 kV，总有功损耗为0.661 kW。粒子群优化算法收敛曲线如图1所示。

图1 单点光伏并网粒子群优化算法收敛曲线

采用不同目标函数的各节点电压对比如图2所示。

图2 不同目标函数的各节点电压对比

多点光伏并网优化配置，以总电压偏差最小为目标函数，采用粒子群优化算法，得到光伏系统并网的最优位置为节点3和节点23，最优出力分别为10.481 kW和16.988 kW，总电压偏差为0.035 kV，总有功损耗为0.418 kW。粒子群优化算法收敛曲线如图3所示。

图3 多点光伏并网粒子群优化算法收敛曲线

采用不同目标函数的各节点电压对比如图4所示。

图4 不同目标函数的各节点电压对比

由此可见，光伏系统并网能够提高各节点电压使其基本达到额定电压，降低网损，可以较好地起到“低电压”治理效果，如表1所示。

表1 此台区A相光伏并网优化配置结果对比

4 结束语

针对农村低压配电网的“低电压”治理，本文提出了一种基于光伏并网低压配网的优化配置的“低电压”治理措施。光伏系统并网能够提高各节点电压使其基本达到额定电压，降低网损，对治理配电网“低电压”现象能起到较好的效果。光伏作为有功补偿设备是目前使用最多的清洁能源之一，对农村配网而言，分布式光伏的接入可以解决用户端“低电压”问题。