基于SAPSO的新能源配电网线损与电压协同管理研究

国网甘肃省电力公司 李威武 刘正英 国网甘肃省电力公司电力科学研究院 梁 琛 马喜平 董晓阳 杨军亭

能源和环境危机的日益严重使新能源大规模接入电网，其发电技术迅速发展，弥补了传统能源发电的不足。但由于风光等可再生能源的间歇性、电动汽车充电的随机性，以及自身负荷的不确定性增加了输出功率的波动性、改变了配网潮流分布，提高了新能源配电网的运行风险，给线损和电压管理带来了极大的挑战。因此，亟需解决“源-荷-车-储”并存的新能源配电网线损和电压协同管理问题。

新能源接入配网后，传统基于调控无功补偿投入点、配置容量、变压器分接头等的配电网降损和防止电压偏移方法已经不再适用。综合分析大量现有文献，新能源配电网优化管理研究主要集中在最优选址和定容分布式电源、配电网重构[1]和电车充电[2]等方面，其关键是将新能源配电网不确定因素运用数学变量进行描述，建立最优协调模型。

文献[3]针对风光分布式电源出力的不确定性建立了基于输出功率协调线损和电压的随机概率优化模型；文献[4]构建了基于风力和负荷间歇性的分布式电源配网系统多目标无功优化模型；文献[5]考虑随机因素，提出了最小化负荷方差优化目标的充电策略，分析了不同插电式混合电动汽车对配电网负荷曲线、网络线损及节点电压偏移的影响。文献[3-5]均是假设负荷确定且概率分布函数已知的条件下建立的线损和电压协调优化模型。分布式电源通过较少线路阻抗及电流值降低了线损，但若其安装位置及功率输出的不合理也会增加系统线损。同时电车充电负荷的不确定性将加剧负荷峰谷，影响配网稳定性。且均是以分布式电源和电车单接入为对象进行了配电网影响及优化研究，没有考虑到同时接入的影响性。

1 新能源配电网线损与电压协同管理原理

新能源配电网分布式能源和电动汽车不同接入点的两点式辐射状结构如图1。图中和分别为节点i 和j 的电压幅值；和分别为由节点i 流向节点j 的电流幅值和功率；Zij为节点i和j 间的支路阻抗；为支路阻抗产生的功率损耗；SDi和SDj分别为节点i 和j 的负荷功率；SDGi和SDGj分别为注入到节点i 和j 的功率；SEVi和SEVj分别为节点i 和j 给电车的充电功率。则传输线路上的有功和无功功率、电流、电压以及有功损耗表示为：

图1 新能源配电网结构图

式中Φi为该节点后所有节点集合。

由上式可知：新能源配电网线路有功损耗受节点负荷和电压以及分布式电源节点注入功率和电动汽车节点取用功率等多方面因素的影响。分布式电源注入功率形成逆向潮流时会使节点电压升高越出上限，此时虽然减少了线损，但将威胁配电网的安全运行。电车充电功率过大且分布式电源无法及时补充，将会降低电压越至下限增大配电网线损且影响配网经济稳定运行。因此十分必要合理控制新能源配电中分布式电源和电电车的发充电功率，以实现配电网降损稳压和经济安全稳定运行。

2 新能源配电网线损与电压协同优化模型

2.1 模型构建

本文考虑分布式电源和电动汽车同时接入对配电网线损的影响及造成的电压偏移，建立协调线损和电压偏移的优化模型。其目标函数为：

式中：PTLoss和分别为传统能源和新能源总有功线损；kLLI为线损指数，越小表明分布式能源和电车接入后降损效果越好；kVDI为电压偏移指数；VN为配电网额定电压；γ1和γ2为权重因子。

约束条件包括等式约束和不等式约束，其中不等式约束为节点电压、支路电流、分布式电源功率、电车充电功率四方面约束，表达式为式（4）。

式中：PS和QS分别为主网向配网提供的有功功率和无功功率；QS和Vmax分别为i 节点的上下限电压；为线路最大电流；为分布式电流有功功率上限；和分别为分布式电源无功功率上限和下限；和分别为电车取用配电网的最大有功功率和无功功率。

2.2 模型求解

粒子群算法是通过初始化随机粒子群后多次迭代获取最优解的过程，具有结构简单、收敛快和易实现的特点，近年来被广泛应用于优化问题中。但由于常数化的学习因子和惯性权因子使其易陷入局部最优解，模拟退火算法通过概率突跳特性弥补了上述不足。因此本文结合模拟退火和粒子群算法，进行新能源配电网线损与电压协同优化模型求解，步骤如图2。

图2 基于SAPSO 的求解配电网线损与电压协同优化模型流程

3 算例分析

为验证本文所提模型的合理性和有效性，以额定电压VN=1.0、主变电站为第一节点（电压为1.02，约束范围为0.9VN≤Vi≤1.1VN）的IEEE-33配电系统为例进行算例分析。节点负荷的有功功率、无功功率和电阻为10MVA，电压为12.66kV，最大发电功率为1.2MW、发电功率因数为0.85的风电机组分布式电源接入在14、18和32节点，能量转换效率为0.85的电动汽车接入在9、26和32节点，且每个节点最多只能接入5辆。且PSO 算法和SAPSO算法的种群规模、迭代次数惯性权重因子均相同，i=100、t=100、ω=0.9，而学习因子不同，分别为c1=2和c2=2.5、c1=2和c1=2。

线损分析。由图3可知，在协调优化前，配电网系统最大线损超过了80kW，支路线损较大；经过本文所提出的模型进行优化协调分布式电源发电功率和电动汽车充电功率后，尤其是SAPSO 模型，最大线损降到了20kW。表明本文提出的协调优化能够有效降低新能源并网配电网系统线损，提高了资源利用率，延长了设备使用寿命。

图3 IEEE-33配电系统线损变化曲线

电压偏移分析。分布式电源和电动汽车接入配电网前节点电压偏移整体较大，最小节点电压仅为0.84，采用SAPSO 算法协调优化后，各节点电压在0.99-1.02范围内，偏移较小。

综合分析。比较SAPSO 和PSO 两种算法对分布式电源发电功率优化效果，如表1所示。得出：SAPSO 比PSO 优化协调的分布式电源发电功率小，且大幅度降低了线损KLLI和电压偏移KVDI指数，分别为5.8%和9.7%。

表1 算法优化效果

4 结语

本文针对分布式电源和电动汽车同时接入配电网系统后、对线路损耗和电压偏移产生的影响进行了协同管理，构建了以线损和电压偏移最小为目标、以等式约束和节点电压、支路电流、分布式电源功率、电车充电功率约束的多目标优化模型。

图4 EEE-33配电系统电压变化曲线

首先基于分布式电源和电动汽机接入配网系统的线损和电压原理进行了简介，梳理了影响线损增加和电压偏移的因素。其次建立节点电压、支路电流、分布式电源功率和电车充电功率的约束的协调线损和电压偏移的优化模型，并通过SAPSO 模型进行优化模型求解。最后通过IEEE-33配电系统进行仿真验证，表明本文所提模型合理有效，能够实现配电网降损稳压和经济安全稳定运行。