含光伏接入的过电压时序递进无功优化方法研究

杨勇，韩德孝，陈龙

（云南电力技术有限责任公司，云南昆明，650217）

1 光伏发电

光伏发电是依据目前能源市场需求下发展的新型发电技术，在环境问题日益严重的背景下，国家倡导实施可持续发展，致力于探索可再生、无污染、高效率的发电形式。光伏发电主要依据于太阳光，其光线遍布区域广泛、可利用面积较大并且无惧损耗，能源源不断的提供能量。依据以上种种优势光伏发电得到了世界各国的青睐。特别是光伏发电并入电网之后，给电力系统的发电提供了新的途径[1]。

独立光伏发电不可以与电网相连，在使用时需要搭配蓄电池储存能量，这就导致独立光伏发电的使用具有一定的局限性，整体的能量不能得到高效率的利用，从而无法满足用户稳定用电的需求。并网PV与之不同，它需要搭配并网逆变器将能量转化为电能传送至电网[2]。与独立PV相比，并网PV的能量利用率较高，且供电可靠性更强，使用范围更加广泛。

2 光伏发电相关理论

2.1 并网光伏发电系统的构成

并网PV由光伏电池方阵、变换器、控制装置、保护系统构成，光伏电池方阵将太阳能转化为电能，变换器的作用是将波形进行转换，光伏电池方阵中产生的波形不是电信号系统中常见的波形，电网无法直接识别，需要变换器将其转化为常规波形。控制装置是并网PV的重要组成部分，它的作用相当于是智能管家，负责收集、监视、控制PV数据。在实际应用中，PV系统的类型有很多，但是不论是哪种类型均需要具备控制装置，且控制装置在不同的PV中的作用也是不同的，具体如表1 所示。保护系统的主要功能是防止太阳能孤网出现以及确保继电装置安全运行。

表1 控制系统具体分型及用途

2.2 光伏发电并网对系统的影响

光伏发电并网后，会对原有的系统频率产生一定的影响。这是由于光伏发电的电池板与其他发电形式的电池板存在差异，其电池板不是动态元件，这就导致整个网络的等效转动力量降低，同时还会对固有转动分量带有一定程度上的损伤，使该装置整体使用寿命降低。

同时还会影响有功功率的流向和母线电压的幅值，在对PV系统并入电网的研究中，发现两种形式的并入方式更符合目前市场的需求，第一种为集中式并网，集中式并网通常情况下不会在城市中进行运用，这种并网形式比较适合高压电力系统，光伏电站将光能转化为电能后传输给高压系统，高压系统将电能传输至公共电网，然后由公共电网统一调控配送至用户，这些电站为了安全需要一般与负载的距离较远。第二种是分散式并网，这种并网形式相对来说比较常见，许多公共网络采取的并网形式就是分散式并网，但是这种形式下的并网方式对母线电压的幅值影响较大。

3 改进遗传算法无功优化方法分析应用

遗传算法是优化算法中使用较多的一种算法，是依据自然界中的自然选择和自然遗传的一种优化算法，在非线性问题求解、组合优化、人工生命等领域得到了广泛的应用。

3.1 遗传算法的基本原理

遗传算法的思想源自于自然界生物的遗传、变异以及优胜劣汰的自然法则，通过淘汰较弱个体，在优异群体中寻找最优个体，遗传算法就是基于此想法进行的。在计算开始时，首先利用随机的策略生成种群，并计算种群中个体适应度的值，对这些值进行排序。然后进行遗传操作，选取优秀个体，一直重复操作筛选劣质个体，直到得出高适应度值的个体，反编码后即可得到实际优化问题的解。

4 基于改进遗传算法的含光伏电源配电网电压无功优化

4.1 包含光伏电源配电网无功优化模型

无功优化模型可用下式进行表示

在上述式子中，f（x）是待优化模型的目标函数；h（x）为等式约束条件，g（x）为不等式的约束条件，有功网损的模型为:

在上式表达中，f1为所需要的目标函数，PLOSS是配电网中的有功损耗，而Ui、Uimin、Uimax分别代表在节点i处的电压值、在节点i处的电压最小幅值、节点i处的电压最大幅值。同理，Uj则代表当电压处于j节点时的电压值。ijθ代表节点i与节点j之间的相角，代表惩罚系数。

系统电压偏移会对配电网的正常运行带来极大的影响，电压水平不论是超出允许范围内还是低于允许范围内，都会影响配电网设备性能与寿命，目标函数为电压最小偏移量时，其表达式为

4.2 约束条件

无功优化问题在求解过程中各种变量都需要有约束条件的限制，有功功率Pi的平衡方程为

无功功率Qi的平衡方程式为

本文针在遗传算法上加入平稳区间的概念，同时，在个体迭代寻优过程中添加密集度，当即将迭代的种群处于比较密集的状态时，就可以通过加大个体交叉变异概率，这样新个体的产生速率将会在一定程度上提升，新产生的个体能够跳出局部最优时，在寻优时就能找到更优秀的个体，以此类推寻找全局条件下的最优解[3]。

对于改进的遗传算法，定义A（favg，r）为平稳区间，当随机适应度到平均适应度之间的宽度d大于r时，则表明待交叉的个体不处于平稳区间内，反之，则处于平稳区间内。

同时，需要依靠种群的密度μ判断交叉概率Pc和变异概率Pm是否需要自适应调整，变异概率的调整公式为

交叉概率的调整公式为

在交叉概率与变异概率的公式中，K1与K2是交叉概率的系数，K3与K4为变异概率系数，’f为适应度较大的个体。

4.3 遗传算法的优化流程

在改进的遗传算法开始时，输入配电网的相关数值，令迭代次数K=1，然后进入改良算法进行计算，对染色体进行编码，随机产生种群个体，在种群中经过适应度函数计算，在种群中通过交叉变异产生新的个体，若新个体满足终止条件，则计算结束，若不满足，需要令迭代次数加一，继续对个体进行计算，对种群交叉变异，直至得出符合终止条件的数值。具体无功优化流程图如图1所示。

图1 基于遗传算法的无功优化流程图

图2 节点电压对比图

红色曲线代表未优化，黑色曲线代表粒子群算法，蓝色曲线代表本算法，由曲线图可得，测得在不同节点时的电压幅值，将遗传算法改进后，可以有效减少节点电压的波动，且相较于粒子算法对电压的控制更为稳定，减少了无功补偿设备的投切，增加了机械设备的使用时间。

5 结论

本文针对光伏发电并入电网后引起的电压不稳定问题，运用改进遗传算法对配电网电压进行无功优化，改进的遗传算法对于光伏发电所引起的电压不稳定问题有成效，可大量运用于电网设备中。