含分布式电源的配电网优化配置研究综述

，，，，

(1.国网沈阳供电公司，辽宁 沈阳 110021；2.国网吉林省电力有限公司电力科学研究院，吉林 长春 130021；3.中国电力工程顾问集团东北电力设计院，吉林 长春 130021)

含分布式电源的配电网优化配置研究综述

李晨政1，孟涛2，王伟2，张海锋2，王迪3

(1.国网沈阳供电公司，辽宁 沈阳 110021；2.国网吉林省电力有限公司电力科学研究院，吉林 长春 130021；3.中国电力工程顾问集团东北电力设计院，吉林 长春 130021)

分布式电源大量接入配电网，改变了其传统单一潮流运行方式，演变为多电源结构的灵活配电体系，给配电系统的优化运行带来了诸多的困难与挑战。针对此问题，本文首先从经济性、可靠性和环保性的角度对分布式电源优化配置的数学模型进行了详细概括，其次，对几种常用的智能优化算法进行总结与分析，最后，针对当前研究所存在的缺陷及未来分布式电源的发展趋势，提出了几种建议。

分布式电源；配电网；优化配置；优化算法

1 引言

分布式电源(distributed generation，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[1-2]。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[3-4]。因此，本文对分布式电源的优化配置问题展开分析与研究，从分布式电源优化配置的数学模型及优化算法两个方面展开分析，并提出几种建议以应对未来分布式电源大量接入电网的发展趋势。

2 DG优化配置评价指标

2.1 经济性评价指标

经济性评价指标是分布式电源优化配置的基础性评价指标，有利于实际工程应用。随着电力市场化变革，如何综合衡量DG开发商、配电公司及电力用户之间的经济效益成为当前经济性评估分布式电源接入的难题。文献[5]构建了系统有功损耗费用、DG投资运行费用的经济性评价指标，有效提高系统运行的整体经济水平。文献[6-7]构建了DG开发商投资利益及电网公司经济效益最大化的多目标经济性评估指标，为相关决策人员提供参考依据。常见分布式电源经济性评估指标为：

(1)DG开发商年投资效益：

(1)

式中,CYI为分布式电源投资费用，主要包括DG购买、安装即运行维护费用；CYO为DG年收益指标，主要包括卖电收益及改善效益，其对应的表达式分别为：

(2)

(3)

式中,CSPi、CBPi分别为节点i处DG的上网电价和政府补贴电价；N为DG接入节点个数；mDGi为DG折算系数；Si为节点i处分布式电源的额定安装容量；Fi为节点i处分布式电源的单位投资成本；COPi为分布式电源的单位电量运行维护费用和燃料费用。

另一方面，分布式电源接入配电系统，对电网公司运行的整体经济性存在一定程度上的改善，其对应经济评估表达式为：

CDW=Cploss+CU+Crenew

(4)

式中，Cploss为系统网损改善效益；CU为电压改善效益；Crenew为网络延缓效益。

系统网损改善效益为：

Cploss=8760Cgc(Ploss1-Ploss2)

(5)

式中，Cgc为配电公司单位销售电价；Ploss1、Ploss2分别为分布式电源接入前后电网的线路损耗功率。

电压改善效益为：

(6)

式中，CT为电网公司保证用户电压质量而获得的单位年收益；rwi和rwoi分别为有无DG时系统年平均电压指标。

DG接入后系统网络延缓效益为：

(7)

式中，Cmnew为折算到每年单位容量的更新费用成本；Iwi和Iwoi为安装分布式电源前后流过相应支路的电流；Uav为平均额定电压。

2.2 可靠性评价指标

传统分布式电源优化配置过程中将分布式电源等效为恒定出力的常规电源结构来处理，忽视了其波动间歇性。为保证优化方案的合理性，文献[8]建立了计及系统供电可靠性的DG优化配置目标函数，分析孤岛运行方式下的最佳DG配置方案，有效改善了重要负荷的供电可靠性。文献[9]将期望缺供电量的可靠性评估指标引入至DG优化配置中，利用机会规划约束的手段处理不确定分布式电源出力，所得配置方案具有更好的置信度。常用可靠性评估指标主要包括：系统平均停电频率指标、系统平均停电持续时间、用户平均停电持续时间、平均供电可用率(ASAI)、电量不足期望[10]。

2.3 环保性评价指标

低碳环保理念的提出有效促进清洁无污染的分布式电源的发展，文献[11]将分布式电源的污染气体排放量指标引入至DG的优化配置评估模型中，有效缓解了当前的环境压力。考虑污染气体排放量的环保性评估指标为：

(8)

式中，NDG为分布式电源类型;NG为污染气体排放类型；SDG(ij)为第i个节点j类广义电源发出的功率；wk为第k类污染气体的权重系数；Ejk为第j类广义电源的k类污染气体排放率；αj为碳排放系数比。

3 智能优化算法

随着电网复杂性的增加以及各种优化理论的日益完善，基于随机搜索的智能优化算法在处理分布式电源优化配置问题上展现了更强的实用性并得到了广泛应用。本文综述了几种智能优化算法如遗传算法、粒子群算法、免疫算法、差分进化算法等在分布式电源配电网优化配置中的应用。

3.1 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[12]。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。

3.2 粒子群算法

粒子群优化算法最早由Eberhart和Kelnnedy于1995年提出，其基本概念源于对人工生命和鸟群捕食行为的研究[13]。它仿照鸟群觅食行为，使群体中的个体能通过相互之间的信息共享和自身经验的总结来修正其行动策略，最终求得最优化问题的解。与遗传算法有交叉、变异等行为不同，粒子群算法虽然也是通过个体的竞争与协作来完成搜索最优解，但它是在其解空间内，粒子追随最优粒子进行寻优。但这种算法依然存在收敛精度不高，容易陷入局部最优的缺点。

3.3 禁忌搜索算法

禁忌搜索算法通过记忆功能记录已完成的寻优过程，并指导下一步的寻优方向，从初始解开始，通过逐次迭代逼近最优解[14]。对每个解定义一个邻域。每一次迭代都从当前解的邻域中启发式的试探一系列的特定搜索方向，然后选择对目标函数改善最大的作当前解，反复迭代，直到满足终止准则。该法采用单点搜索，具有较好计算速度和局部寻优效率。但是当对计算结果的精度有所要求时，该算法的全局搜索能力并不高，而且计算结果强依赖于初值的选择，这就限制了该算法在约束条件严格要求的DG优化配置中的应用。

3.4 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[15]。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。

3.5 差分进化算法

差分进化算法是一种启发式性算法，Storn和Price在1995年的科技报告首次提出了“差分进化”这个词。它是一种模拟生物进化的随机模型，通过变异算子、交叉算子、选择算子操作实现种群进化，能够实现优化问题 。通过反复迭代，使得那些适应环境的个体被保存了下来[16]。差分进化算法是一种新型的基于群体智能的全局优化算法，相比于普通进化算法，差分进化算法保留了基于种群的全局搜索策略，通过种群内个体之间协同合作与相互竞争产生种群智能，降低了遗传操作的复杂性。同时，差分进化算法特有的记忆能力使其可以动态跟踪当前的搜索情况，以调整其搜索策略，指导整个种群的进化。具有较强的全局收敛能力和鲁棒性，且不需要借助问题的特征信息，在处理连续域、非凸、不确定性和全局优化问题时具有优势。目前，差分进化算法已经在许多领域得到了应用。

4 未来研究过程中的几点建议

根据现有分布式电源优化配置研究基础，从优化模型和优化算法上笔者提出了几种针对性的建议：

(1)在实际分布式电源的优化配置过程中，需要从多角度的方式建立优化配置数学模型，未来研究可以重点考虑分布式电源孤岛运行方式下系统运行可靠性评价指标，以提高优化配置后系统运行的可靠性。

(2)分布式电源出力具有不确定性，传统优化配置将间歇性DG资源等效为恒定出力的常规能源来处理，具有一定的局限性，导致计算过程中的最佳方案随着未来不确定性因素的影响而降低了方案的置信度，因此，建立合理的置信度评价目标函数对提高配电系统可靠运行具有重要意义。

(3)解决分布式电源优化配置的传统优化算法大多局限在单目标的智能优化算法，利用权重系数的处理手段能有效提高算法的处理速度，但未能揭示各目标函数之间的内在联系，因此，未来方向建议从多目标的角度来优化DG配置问题。

5 结论

本文对DG优化配置问题的现状进行了详细的综述，从优化模型和优化算法的两个方面展开问题分析。首先，建立经济性、可靠性和环保性的DG评估模型;其次，介绍几种典型智能优化算法：遗传算法、粒子群算法、禁忌搜索算法、模拟退火算法和差分进化算法的优缺点;最后，针对以有研究，提出几点针对性建议以应对当前DG配置的欠缺。

[1] 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，2009，33(18)：110-115.

[2] Akorede M F,Hizam H,Pouresmaeil E.Distributed energy resources and benefits to the environment[J].Renewable and Sustainable Energy Review,2010,14(2): 724-734.

[3] 栗然，马慧卓，祝晋尧，等.分布式电源接入配电网多目标优化规划[J].电力自动化设备，2014，34(1)：6-13.

[4] 潘超，孟涛，蔡国伟.广义电源多目标优化配置与运行[J].电网技术，2015，39(12)：3505-3512.

[5] 谭阳红，王伟.计及经济效益的分布式电源多目标优化规划[J].湖南大学学报(自然科学版)，2015，42(10)：89-96.

[6] 江知瀚，陈金富.计及不确定性和多投资主体需求指标的分布式电源优化配置方法研究[J].中国电机工程学报，2013，33(31)：34-43.

[7] 施泉生，郭良合，张孝君.综合考虑多主体经济效益的分布式电源优化配置研究[J].电力系统保护与控制，2016，44(1)：85-91.

[8] 赵渊，何媛，宿晓岚，等.分布式电源对配网可靠性的影响及优化配置[J].电力自动化设备，2014，34(9)：13-20.

[9] 彭显刚，林利祥，刘艺，等.计及电动汽车和可再生能源不确定因素的多目标分布式电源优化配置[J].电网技术，2015，39(8)：2188-2194.

[10] 赵勇帅.含分布式电源的配电网可靠性评估模型研究[D].重庆大学：2013.

[11] 栗然，申雪，钟超，等.考虑环境效益的分布式电源多目标规划[J].电网技术，2014，38(6)：1471-1478.

[12] 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)：175-180.

[13] 叶承晋，黄民翔.基于改进粒子群算法的分布式电源经济性最优规划[J].电力系统保护与控制，2012，40(19)：126-132.

[14] 田颖.基于禁忌差分粒子群算法的分布式电源的选址和定容[D].华北电力大学，2012.

[15] 朱颢东，钟勇.一种改进的模拟退火算法[J].计算机技术与发展，2009，19(6)：32-35.

[16] 黄映，李杨，高赐威.基于非支配排序差分进化算法的多目标电网规划[J].电网技术，2011，35(3)：85-89.

ReviewofOptimizationAllocationofDistributedGenerationsinDistributionNetwork

LIChen-zheng1,MENGTao2,WANGWei2,ZHANGHai-feng2,WANGDi3

(1.Shenyang Power Supply Company of State Grid,Shenyang 110021,China;2.Electric Power Research Institute,State Grid Jilin Electric Power Co.,Ltd.,Changchun 130021,China;3.Northeast Electric Power Design Institute of China Power Engineering Consulting Group,Changchun 132021,China)

A large of distributed generation(DG)access to the distribution network,the traditional operation mode is changed,and evolution to the flexible distribution network,which makes many difficulties and challenges to optimal operation of distribution network.Aiming at this problem,the optimal allocation mathematical model is summarized in this paper with the factors of economy,reliability and environmental considered.Then,some intelligent optimization algorithm is introduced to deal wih this model.Lastly,in view of the existing defects in the current research and the development trend of DG,several suggestions are put forward in this paper.

distributed generation;distribution network;optimal allocation;optimization algorithm

1004-289X(2017)03-0005-04

TM72

B

2016-05-21

李晨政(1987-)，男，本科，助理工程师，主要研究方向电力系统分析与建模；

孟涛(1990-)，男，通信作者，硕士，主要研究方向：新能源并网、电力系统优化运行；

王伟(1987-)，男，硕士，主要研究方向：电力系统保护与控制；

张海峰(1989-)，男，硕士，主要研究方向：电力系统优化运行；

王迪(1990-)，男，硕士，主要研究方向：电力系统优化调度与运行。