含光伏电站的配电网无功补偿优化研究

高月锁 谈震旻

上海电力新能源发展有限公司 上海 200000

1 无功补偿优化研究现状

光伏电站配电网负荷变动大是导致无功波动变化大的主要原因，无功功率的过剩与不足，需采取有效的调压措施，抑制无功功率引起的电压波动。无功补偿的原则是就地补偿，尽量避免无功在电网中的流动，集中补偿与分散补偿相结合能很好的解决补偿问题。当前，主要方法是在变电站和低压用户中安装适当的无功补偿装置，使无功功率在整体上达到平衡。

配电网无功补偿是调节电压质量、降损节能的有效手段。合理选择无功补偿位置和确定补偿容量，可使系统电压质量维持在较高水平，提高系统电压稳定性，最大限度地限制大容量无功的远距离传输，降低了网损和电费。随着无功补偿技术的发展，无功补偿在配电网中越来越普及，并积累了丰富的经验。然而，无功规划主要依靠规划人员的经验，不能满足配电网的实际需求，无功补偿效果欠佳，经济效益难以最大化。因此，在规划中要充分利用配电网有限的数据资源，优化无功补偿地点的配置，确定补偿容量，以最小的投资达到最佳的补偿效果[1]。

2 BCC算法及应用

2.1 BCC算法及改进

细菌群体趋化算法是一种受生物行为启发的函数优化方法，基本的BCC算法包括趋化过程、感知过程和精英保留策略。与粒子群算法相似，BCC算法的主要缺点是容易陷入局部最优。因此，在算法的迭代过程中，本文除趋化感知外，增加第三个待选位置以减少细菌聚集，并对其控制参数进行自适应调整，通过与趋化感知位置的比较，可选择一个更好的细菌位置，提高算法的全局能力。

2.2 BCC算法中光伏发电容量的处理方法

传统的无功补偿装置的无功功率是离散变量，因此在使用BCC算法时，速度和位置将被视为相似的整数来处理；光伏电站的无功出力是一个连续变量，本文将光伏电站分解为N个单位容量为Q的小型光伏电站，即光伏电站的无功出力由无功下限开始以步长Qa往无功上限增长，在此过程中得到最佳无功出力值[2]。

在Matlab程序设计中，本文通过改变小型光伏电站的数量来调整控制变量的大小。例如，若光伏电站的无功出力大小为-100-100kvar，选步长为5kvar，则小型电站的数量上下限为-20-20，若获得最佳解的函数为l7，则可确定光伏电站的最佳无功出力为17×5=85kvar。

这样，细菌在搜索空间中的位置对应于无功优化的控制变量，包括光伏电站的无功容量,传统无功补偿设备出力可统一处理，并通过对算法的搜索可得到最优解。

2.3 BCC算法的实现步骤

（1）设置系统参数，计算初始目标函数值，初始化菌群：输入配电网拓扑结构参数和算法相关参数。（2）通过潮流计算各细菌的适应度值，分别进行趋化和感知过程，比较两个位置对应的三个网损值和位置，并选择较好的位置。（3）精英保留策略，记录最佳值。（4）循环计算，直到达到最大迭代次数或达到精度要求为止。

3 算例分析

该模型采用了改进的IEEE.33节点配电系统，除增加两座光伏电站和两套无功补偿设备外，其余线路参数不变，如图1所示。

假设两个光伏电站都具有无功补偿能力，其无功出力在-100-500kvar范围内调节，额定照明强度Sr=1000W·m2，Weibul1分布曲线的形状指数k=1.8，规模指数C=5.5；6节点和31节点补偿装置的无功功率分别为300kvar和500kvar。计算时，取基准容量为100kVA，电压基准值为12.66kV，负荷节点电压范围为0.95、1.05。

图1

总体数量为50，最大迭代次数为500次。最初，使用50个4维随机变量来表示补偿装置数量QPV1（节点2）、QPV2（节点13）、QC1（节点6）、QC2（节点31），并将上限和下限分别调整为（0-50）、（0-50）、（0-4）和（0-7）。因它是一种随机搜索算法，所以前后进行50次迭代，并取平均值作为比较值。由其结果可知，极大地降低了优化后的系统网损。虽改进算法的运行时间比标准的BCC算法长，但在50次迭代计算中，改进算法的搜索成功率为100%，而改进前算法的搜索成功率仅为80%，因此改进算法的全局搜索能力更强[3]。

同时，优化后的系统电压水平得到了提高。在优化前，系统中有14个节点电压越限，分别是11-18和29-33，优化后的节点电压在合理范围内。优化前后的电压水平曲线如图2所示。

图2

因此，光伏电站参与无功优化能在很大程度上降低系统网损，提高系统电压水平。同时，改进的BCC算法具有更好的全局搜索能力。