基于出力特性的分布式电源优化配置与运行

张君则

基于出力特性的分布式电源优化配置与运行

张君则

（国网北京大兴供电公司，北京 102600）

针对不同类型分布式电源同时并网及运行问题，本文分析几种典型分布式电源的并网方式及出力特性，提出不同类型分布式电源容量区分及出力控制模型，从而建立以配电网网损最小为目标的分布式电源并网容量和位置综合优化配置模型。使用改进的粒子群算法进行容量和位置分组优化并推代求解，再通过优化各分布式电源的运行参数来调节其实际出力，进一步降低配电网网损。以IEEE-33节点配电系统为例进行计算，结果验证了所提模型及算法的有效性。

分布式电源；出力特性；配电网；优化计算

0 引言

近年来，在以电力为中心的新一轮能源革命背景下，传统电网的形态和功能定位正在发生深刻变化，分布式电源（distributed generation, DG）以其独特的技术优势得到越来越广泛的应用。分布式电源与传统电网相互补充、协调，是充分利用现有资源和设备，为用户提供优质电能的理想方式。然而，DG接入配电网后，将引起配电网的线路潮流、节点电压等发生变化，随之造成配电网损耗的改变。这种变化与接入配电网的DG类型、安装容量和位置及运行时注入配电网的功率密切相关，因此需要对包含多类型DG系统的优化配置和实际运行出力进行研究。

国内外学者对分布式电源的优化配置做了大量的研究。文献[1]以改善系统网损与电压分布为目标，将粒子群算法与免疫克隆算法相结合进行求解，在求解质量和迭代次数方面都更有优势。文献[2]以配电网运行费用最低为目标，用自适应粒子群算法优化DG的安装位置和容量。文献[3]采用混合模拟退火算法的改进粒子群算法进行分布式电源选址、定容计算，使配电系统的网损进一步降低。文献[4]以分布式电源并网与离网两种运行方式下配电网的运行风险成本为目标函数构建分布式电源选址定容规划模型，并采用改进多目标粒子群算法进行求解。文献[5]计及环境及电压指标，建立综合考虑网损、购电费用及设备建设费用等的分布式电源优化配置模型，并采用改进的自适应遗传算法进行求解。文献[6]分别对不同类型DG的接入位置、接入容量变化时对系统电压、网损的影响进行总结，但没有对DG的安装位置和容量进行定量计算。

目前，关于DG容量配置的研究大多局限于PQ型DG，即将DG有功功率和无功功率作为容量配置对象，而没有对具有不同功率输出特性的DG加以区分。例如，采用电流型PWM变流器[7]并网的DG以恒定电流源的形式向电网注入功率，则不宜笼统地以有功功率或无功功率表示。此外，DG的配置大多遵循“安装即忘记”的原则，没有考虑DG的功率输出特性，难以发挥DG在改善电网运行方面的优势。

针对以上问题，本文根据DG的出力特性对不同类型DG的容量形式加以区分，以配电网网损最小为目标，建立包含不同类型DG安装容量和位置的综合优化配置模型。借鉴配电网潮流计算中“前推回代”算法的高效性，本文将DG的安装容量和位置编号作为优化变量，使用改进的粒子群算法对两组变量分别进行优化并推代求解。在确定DG安装容量和位置的基础上，通过优化DG的运行参数来确定其实际出力，从而进一步降低电网损耗。

1 多类型DG综合优化配置模型

1.1 DG的出力特性及容量分类

分布式电源通常通过三种方式接入配电网[7]：同步发电机、电力电子装置、异步发电机。根据并网方式的不同，DG在潮流计算中被等效为PQ、PV、PI、P-Q(V)四种节点类型来处理，其功率输出表现为不同的调节特性。

1）并网接口为同步发电机，如采用功率因数控制的分轴微型燃气轮机可作为PQ节点，其功率输出特性可表示为

式中：为该类型DG的额定容量；为DG运行时的功率因数。

对于此类DG，可先假定其功率因数恒定，以额定容量作为容量的配置对象，运行中通过控制功率因数来调节其功率输出。

2）并网接口为电力电子装置，如以电流型PWM变流器并网的单轴微型燃气轮机可以看作以恒定电流源输出的PI节点处理，其功率输出特性为

式中：为并网点电压幅值；为变流器注入电网的电流幅值；为电流滞后电压的相位。

实际应用中，通常采取一些电流控制策略[8-10]使变流器实现单位功率因数的电流输出和幅值调节，式（2）可简化为

在进行潮流计算时其有功功率可按式（4）迭代。

式中：U为第次迭代的并网点电压；+1为第+1次迭代注入电网的有功功率。

此类DG的输出功率由并网电流决定，可将作为容量优化的对象，运行中通过控制电流的大小来调节其功率。

3）通过同步发电机接口并网，采用电压控制的分轴微型燃气轮机或通过电压型PWM变流器并网的单轴微型燃气轮机等可作为PV节点，其功率输出特性可表示为

式中：max为有功功率的最大值，输出功率在此范围内可调；无功功率为机端电压值的函数，通过潮流计算确定。

此类DG发出的有功功率和无功功率没有耦合关系，需要通过优化计算同时确定其有功功率和无功功率，运行中通过控制机端电压来调节其无功输出。

4）以异步发电机接口并网的P-Q(V)型DG，并网运行时需要从系统吸收无功功率来建立磁场，不具备电压调节能力，因此这里暂不讨论该类型DG的优化配置。

1.2 目标函数

本文以PQ型DG1、PI型DG2、PV型DG3同时接入配电网的网损最小为目标，其数学表达式为

式中：变量和分别表示三种DG安装位置和容量的三维向量；Loss为配电网网损；l为配电网支路个数；li为支路l的电阻；li、li为支路l的有功功率、无功功率；V为节点电压。

1.3 约束条件

1）潮流方程约束

式中：P、Q为系统注入节点的有功功率和无功功率；DG、DG为分布式电源注入节点的有功功率和无功功率；L、L为负荷流出节点的有功功率和无功功率；b为网络节点个数；V、V为节点、的电压；G、B为节点、间的电导和电纳；为节点与节点电压相位差。

2）DG容量约束

（1）PQ型DG应满足

式中：max为DG连续运行的最大视在功率；和通过功率因数=cos进行耦合，即/=tan。

（2）PI型DG，为防止过大的输出电流损坏变流器，应满足

式中，max为变流器最大输出电流。

（3）PV型DG，其有功功率和无功功率同样存在最大容量的约束，应分别满足

式中，max、max分别为有功容量和无功容量最大值。当无功出力超出最大值时，则PV节点转为PQ节点处理。

3）DG位置约束

限定不同类型DG接入配电网的不同位置，即满足

式中，1、2、3分别为DG1、DG2、DG3接入配电网的位置编号。

2 模型求解算法

2.1 基本粒子群算法

粒子群算法（particle swarm optimization, PSO）是一种产生于模拟鸟类觅食过程中迁徙和集群行为的基于群体智能的进化计算技术[11]。PSO的求解过程为：在可行解范围内随机产生个可行解粒子，粒子用维向量和表示其位置和速度，根据目标函数适应值迭代更新自己的位置和速度，直到得到满足最大迭代次数的全局最优解。粒子第1次迭代中速度和位置更新方程为

2.2 算法流程

将上述三种DG的位置编号和安装容量分别用粒子=(1,2,3)和=[,, (,)]表示。先在可行解范围内产生初始粒子0即产生各DG的初始容量，采用PSO求解粒子得到各DG的并网位置，再用PSO反推各DG的安装容量得到粒子的解。如此重复利用和间的互相推代，直到满足设定的最大次数max。算法流程如下：

1）初始化。输入配电网初始信息，设置粒子和的种群规模，惯性权重，加速系数1、2，迭代次数等。

2）在可行解范围内随机生成粒子0作为DG初始并网容量。

3）求解粒子。调用潮流计算程序计算各粒子对应的目标函数适应值即配电网网损，利用式（12）更新粒子的速度和位置，获得全局最优解。

4）求解粒子。在第3）步求得DG并网位置后，利用PSO对粒子进行求解，过程与步骤3）相同。

5）更新推代次数。重复步骤3）、4），若每推代一次而未发现更优的粒子(,)，则=+1，直到达到设定的最大推代次数max时，跳转至步骤6）；若发现更优粒子则更新粒子(,)，清零，跳转至步骤3）。

6）输出最优解(,)。

3 算例分析

3.1 IEEE-33节点配电系统概况

以图1所示IEEE-33节点配电系统为例进行计算，系统参数见文献[12]，图中数字为位置编号。该系统电压等级为12.66kV，总有功负荷3 715kW，总无功负荷2 300kvar，三相功率基准值为10MV·A，电压基准值为12.66kV，电流基准值0.79kA。

图1 IEEE-33节点配电系统

3.2 算例1：DG的综合优化配置计算

将该配电系统同时接入PQ型DG1、PI型DG2、PV型DG3，对应的位置用粒子=(1,2,3)表示，容量用粒子=[,, (,)]表示。为DG1的容量，最大值为2MV·A，额定功率因数为0.95；为DG2经变流器输出的电流幅值，最大值取158A；、分别为DG3的有功功率和无功功率，的最大值为2MW，的最大值为2Mvar。

PSO采用文献[13]中的方法对惯性权重进行改进，从0.4变化至0.9；采用文献[14]中的方法对加速系数进行改进，1从0.9变化至0.5，2从0.5变化至0.9，粒子和的种群规模均取20，迭代次数=200，粒子的最大速度xmax=(4, 4, 4)，粒子的最大速度ymax= [0.001, 0.001, (0.001, 0.001)]，最大推代次数max=20。

对三种DG的并网位置和容量进行综合优化的计算结果见表1，结果保留4位有效数字。

表1 以网损最小为目标的计算结果

以网损最小为目标函数适应值的优化过程曲线如图2所示。

图2 以网损最小为目标的优化过程曲线

由图2曲线的下降趋势可以看出，该算法曲线通过较少的推代次数迅速收敛至最优解附近，对所提出的优化模型能够快速求解。

3.3 算例2：DG的优化运行计算

由于配电网的负荷是时刻变化的，DG的配置容量无法始终满足电网的最佳运行状态，因此需要通过优化DG的运行参数来调节其功率输出。

表2 DG的参数

以配电网网损最小为目标，采用PSO对DG的运行参数=(,,)进行优化，其结果与DG另外两种运行状态下的网损见表3。

表3 DG三种运行状态下的网损

由表3可知，当DG参与配电网运行时，配电网网损将大幅降低。根据电网的负荷情况，通过优化DG的功率输出能够进一步降低所接入配电网的网损。

4 结论

1）根据DG功率输出特性的不同，将不同类型DG的容量加以区分更能体现其多样性及与传统能源利用形式的差别，具有较强的现实意义和必要性。

2）针对提出的多类型DG综合优化配置模型，通过容量和位置两组变量分别求解并互相推代的算法能够快速求解该模型，计算结果验证了该算法的有效性。

3）由于电网负荷是时刻变化的，需要对并网运行的DG输出功率进行适当调节。根据已优化的DG运行参数来确定其实际输出功率，进一步降低了配电网网损。

[1] SEDIGHIZADEH M, FALLAHNEJAD M, ALEMI M R, et al. Optimal placement of distributed generation using combination of PSO and clonal algorithm[C]// 2010 IEEE International Conference on Power and Energy, Kuala Lumpur, Malaysia, 2010: 1-6.

[2] 叶德意, 何正友, 臧天磊. 基于自适应变异粒子群算法的分布式电源选址与容量确定[J]. 电网技术, 2011, 35(6): 155-160.

[3] 刘波, 张焰, 杨娜. 改进的粒子群优化算法在分布式电源选址和定容中的应用[J]. 电工技术学报, 2008, 23(2): 103-108.

[4] 刘向实, 王凌纤, 吴炎彬, 等. 计及配电网运行风险的分布式电源选址定容规划[J]. 电工技术学报, 2019, 34(增刊1): 258-263.

[5] 李继宇, 江修波, 李功新. 考虑用户期望及低碳效益的分布式电源优化配置[J]. 电气技术, 2019, 20(8): 11-17.

[6] 张立梅, 唐巍, 赵云军, 等. 分布式发电接入配电网后对系统电压及损耗的影响分析[J]. 电力系统保护与控制, 2011, 39(5): 91-96.

[7] 彭彬, 刘宁, 吴迪. 配电网潮流计算中的分布式电源建模[J]. 电力系统及其自动化学报, 2011, 23(2): 152-156.

[8] 侯世英, 肖旭, 徐曦. 基于间接电流控制的并网逆变器[J]. 电力自动化设备, 2010, 30(6): 76-79.

[9] 方天治, 张先云, 黄淳, 等. 输入串联输出并联LCL型并网逆变器系统的目标多重化控制策略[J]. 电工技术学报, 2019, 34(6): 1189-1200.

[10] 姚建双, 贾军, 周苗, 等. 安康分布式电源并网关键问题研究[J]. 电气技术, 2021, 22(10): 88-92.

[11] KENNEDY J, EBERHART R. Particle swarm optimi- zation[C]//Proceedings of ICNN'95-International Con- ference on Neural Networks, Perth, WA, Australia, 1995: 1942-1948.

[12] BARAN M E, WU F F. Network reconfiguration in distribution systems for loss reduction and load balancing[J]. IEEE Transactions on Power Delivery, 1989, 4(2): 1401-1407.

[13] SHI Y, EBERHART R C. Empirical study of particle swarm optimization[C]//Proceedings of Congress on Evolutionary Computation (CEC99), Washington DC, USA, 1999: 1945-1950.

[14] RATNAWEERA A, HALGAMUGE S K, WATSON H C. Self-organizing hierarchical particle swarm opti- mizer with time-varying acceleration coefficients[J]. IEEE Transactions on Evolutionary Computation, 2004, 8(3): 240-255.

Optimal allocation and operation of distributed generation based on the output characteristics

ZHANG Junze

(State Grid Beijing Daxing Power Company, Beijing 102600)

In order to solve the problem of different types of distributed generations’(DGs’) grid -connection and operation at the same time, this article analyzes several typical DGs’ synchronization mode and output characteristics. A mothod of capacity division and power control of DG is proposed and then a comprehensive optimization model including different types of DGs is established with an objective of minimizing the network loss. A modified particle swarm algorithm is applied to solve the model. By optimizing the operating parameters of grid-connecting DGs and regulating the actual output power, the network loss can be further reduced. Taking the IEEE-33 distribution system as an example, the calculating result verifies the efficiency of the proposed model and algorithm.

distributed generation; output characteristics; distribution network; optimization calculation

2022-04-06

2022-04-12

张君则（1990—），男，汉族，安徽合肥人，硕士，工程师，主要研究方向为电力系统分析、运行与控制。