电力系统优化规划5分布式电源

分布式电源的优化规划配电网扩展规划中分布式电源的选址和定容思索分布式电源调峰的配电网规划配电网扩展规划中

分布式电源的选址和定容引言分布式发电(DG)是指将发电系统以小规模(发电功率在数千瓦至50MW的小型模块)、分散式的方式布置在用户附近，可独立地输出电能的系统。分布式发电设备主要包括以液体或气体为燃料的内燃机、微型燃气轮机、风力发电、光伏电池等。引言分布式发电具有投资省、损耗低、系统可靠性高、选址容易、效率高、能源种类多样等优点，将成为21世纪电力工业的开展方向之一。已有研讨指出到2021年，新增分布式电源总容量将占新增电源总容量的20%。随着分布式发电技术的逐渐推行，对配电网的节点电压、线路潮流、短路电流、网络可靠性等都会带来影响，且其影响程度与分布式电源的位置和容量亲密相关。因此，合理选择分布式电源的位置和容量非常重要。国外已有一些学者对分布式电源的选址和定容问题进展了研讨。文献[7]在给定分布式电源容量情况下，采用解析法研讨了单条辐射线路上分布式电源的最优安装位置。该模型假定负荷沿馈线按一定规律分布(如均匀分布、递增分布、递减分布等)，但实践配电网中负荷分布往往是随机的。文献[8]讨论了现有网络负荷值及负荷点个数均不变情况下的分布式电源优化规划问题，没有思索到网络扩展的情况。文献[10]在分布式电源位置和容量不确定的条件下，运用延续消除法优化了输电网扩展规划中分布式电源的位置和容量。文献[11]在分布式电源个数、位置和容量均未知的条件下，采用遗传算法对分布式电源的位置和容量进展了优化，但该方法只思索了原有负荷节点负荷值添加情况下的配电网网络扩展规划，未思索新增负荷节点对网络构造的影响，具有一定的局限性本文思索了配电网扩展规划条件下新增负荷节点的情况，根据新增负荷总量确定待建分布式电源的总容量，在分布式电源个数、位置和单个电源容量均不确定的情况下，以网络建立本钱与运转费用为目的函数，运用遗传算法对分布式电源的位置和容量进展优化。对于遗传算法中每个分布式电源位置和容量方案，再运用基于支路交换的模拟退火算法进展网络扩展规划。遗传搜索终止时得到分布式电源和配电网络的综合优化方案。计及分布式电源的配电网优化规划模型配电网规划的目的是根据电源开展及负荷增长情况合理地确定假设干年后的目的网络构造，使其在保证平安可靠的前提下到达经济上的优化。本文采用最小化配电网年费用F作为优化目的函数，那么计及分布式电源的配电网优化规划的数学模型为:为折算到每年的线路投资及运转费用。为支路总数；为0-1变量，0表示第i条支路未被选中，1表示被选中；为第i条支路的固定投资费用，假设为已有线路，其值为0；为单位电价〔元/kwh〕；为第i条支路的年最大负荷利用小时数；为第i条支路上的有功损耗；为第i条线路的检修、维护费用；为第i条支路的固定投资年平均费用系数；为折算到每年的分布式电源投资及运转费用。为接入配电网的分布式电源个数；为第i个分布式电源的固定投资年平均费用系数；为第i个分布式电源的固定投资费用；为第i个分布式电源的年电量损失总值；为第i个分布式电源的检修、维护费用；由于分布式电源的出力遭到诸如风速、太阳辐射强度等不确定性因索的影响，假设分布式电源总容量所占比例过高，将导致系统的电能质量下降，因此，以上模型的约束条件中思索了分布式电源的总容量约束。有如下定义:计及分布式电源的线路负载才干和配电网潮流衔接到配电网的分布式电源所采用的模型既可简化为PV节点，也可以是PQ节点，本文将其当成具有恒定功率因数的PQ节点。由于分布式电源的位置普通接近负荷中心，本文假设分布式电源的位置在负荷节点上。计及分布式电源的配电网规划必需思索分布式电源对线路负载才干和配电网潮流的影响。图1所为带分布式电源的简单辐射线路。当分布式电源接到末端负荷节点上时，经过线路的有功和无功都将减少，这就使得该条线路末端的负荷值可以超越没有分布式电源时线路容量所允许的负荷值，从而改动了线路的负载才干;而假设分布式电源加在线路的变电站节点上，那么只能改动电源的总容量，而不能改动线路的负载才干。图2所示为一条辐射型途径，在该途径的第i个负荷节点上安装有分布式电源，根据节点上的负荷有功与分布式电源的有功之间的大小关系，负荷与配电网间的有功流动有如下3种情况:求解战略由于遗传算法具有的全局搜索才干强等优点，思索到分布式电源选址和定容的特点，本文采用遗传算法优化分布式电源的位置和容量。图3为配电网扩展规划中分布式电源选址和定容的流程。染色体编码采用变长度的整数编码，单个分布式电源的信息用信息对(Ci,Ni)表示，其中Ci为该分布式电源容量编号，Ni为该分布式电源位置编号，一个分布式电源位置和容量方案个体是由假设干个一一对应的Ci和Ni组成的，如下式所示：编码长度与分布式电源的接入比例以及选择的每个分布式电源的容量相关。产生分布式电源位置和容量的初始群体在优化过程中，首先要处理的是初始解的产生方法，初始解普通用随机方法产生。分布式电源位置和容量初始解的产生步骤如下:1〕计算待规划配电网新增负荷的总容量，根据给定的分布式电源接入比例，确定分布式电源的总容量。2)反复从分布式电源的待选容量集合中随机选取1个元素，直至已选的分布式电源总容量等于步骤1确定的结果。产生分布式电源位置和容量的初始群体3)对步骤2中生成的分布式电源容量方案，从允许建立分布式电源的负荷节点集合中随机选取数量与容量方案所含容量个数相等的元素作为该分布式电源容量方案的初始位置，并把每个分布式电源随机地安装在一个节点上，一个节点只能有一个分布式电源。这样就产生一个分布式电源的位置和容量方案个体。假设遗传算法的群体规模为M，那么需求反复调用上述过程中的步骤2和步骤3共M次以生成遗传算法的初始群体。计及分布式电源的网络优化规划得到分布式电源位置和容量方案个体后，本文采用基于支路交换的模拟退火算法进展网络扩展优化规划。基于支路交换的模拟退火算法支路交换法的根本思想如下:从一个初始的辐射型网络开场，闭合一条联络支路，构成一个回路。再将该回路中的某一支路断开，构成一个新的辐射型网络，判别新的网络对于给定的目的函数能否更优，是那么将该解设置为当前解，否那么当前解不变。反复上述过程，直到目的函数不能改动或已得到了规划人员称心的解为止。由于支路交换法的每一步涉及的只是网络的一个很小的部分，因此可以充分利用旧解获得新解，计算量小，效率高。模拟退火法：模拟退火法是一种将组合优化问题与统计力学中的热平衡问题类比，经过模拟退火过程及Metropolis抽样法，有效地绕开部分最优解，以较大的概率找到全局最优解，而且最终解与初始解无关。遗传操作的实现遗传算子主要包括选择、交叉和变异算子，经过对群体进展遗传操作，得到下代个体。本文的遗传操作主要是针对个体中的分布式电源信息进展每次遗传操作过程中调用M/2次交叉操作，以产生包含M个个体的下代群体然后对新群体的每个个体按一定概率进展变异操作最后需进展选择算子以保管前代群体中的优质个体本文采用的3种算子如下。选择算子本文所采用的选择(复制)算子采用最优保管战略，即前代群体中顺应度最高的几个个体直接交换掉当前群体中顺应度最低的等量个体，这样就保证了当前群体中的最优个体的顺应度不低于前代群体的顺应度。交叉算子本文采用的交叉算子为改良的均匀交叉算子，首先用均匀交叉产生2个个体，即对2个个体中同一负荷节点上的分布式电源容量Ci进展概率为0.5的交换，假设负荷节点在2个个体中都没有带分布式电源，那么不需进展交换。然后再根据各个体的分布式电源总容量，分别进展以下处置:交叉算子1〕当分布式电源总容量大于所需总容量时，从该个体中随机去掉某个负荷节点上的分布式电源，直到总容量不大于所需总容量。假设小于那么执行处置第2个处置方案;而等于那么执行第3个处置方案。2〕分布式电源总容量小于所需总容量时，按以下2种情况处置：当两者之差绝对值大于或等于最大待选容量时，从一切待选分布式电源中随机选取容量类型;小于最大待选容量时，从小于容量差绝对值的待选容量中随机选取容量类型。然后随机安装在允许建但还没有分布式电源的负荷节点上，直到容量差绝对值小于最小待选容量或刚好满足接入比例约束。3〕当分布式电源总容量等于所需总容量时，无需处置。变异算子采用交换变异算子，对于一个分布式电源位置和容量方案个体，假设在0,1之间随机产生的数小于等于变异概率，那么对该个体中恣意2个带有分布式电源的负荷节点Ni,Nj(i,j=1,2,...,nDG)上的分布式电源容量Ci,Cj进展交换，得到一个下代个体。假设一个个体如下所示：假设随机选取的2个负荷节点号分别为Ni,Nj，那么变异后得到的下代个体C',N'如下:搜索终止条件遗传优化搜索的终止条件有以下3个，满足任何一个条件搜索就终了。1)遗传操作中延续前后2代群体中最优个体的顺应度变化率在某个限定的恣意小正数。所确定的范围内，即满足:式中:Fnew为新产生的样体中最优个体的顺应度，Fold为前代样体中最优个体的顺应度。2)到达最优解延续不变最大代数C。3)到达遗传操作的终止代数T。优化过程终了后，得到顺应度较高的几个个体均可以作为参考方案来指点实践电网的规划任务。算例分析按照本文引见的方法，对某城市部分配电网进展了分布式电源的选址、定容和网络扩展规划。图4中实线为已有线路，虚线为待选线路，节点1~节点3为配电站节点，其他均为负荷节点，其中节点33~节点57为新增负荷节点。假设网络中允许接人分布式电源的节点为节点14~节点59。待选单个分布式电源的容量为CX100kVA(C=1,2,…,6〕。分布式电源的功率因数为0.9，增长负荷总量只思索新增负荷节点的负荷总量，接入比例为20%。遗传算法参数特别是交叉概率、变异概率的选取，本文参考文献[13]并针对配电网规划问题的特点以及多个配电网规划实例得到的结果进展，参数如下：群体大小M=60，交叉概率Pc=0.8，变异概率Pm=0.05，最优保管个数取2，最优解延续不变最大代数C=5，终止代数T=50，收敛判据ε=0.0001。文献[11]曾经给出了在配电网规划中可以得到较好结果的模拟退火算法参数值，本文运用其参数的取值，在此不再列出。表1为采用本文模型和算法得到的分布式电源位置、容量的优化结果。分布式电源位置、容量及网络优化方案如图5所示，图中空心节点表示装有分布式电源的负荷节点。由于分布式电源对线路潮流的影响，可以看出绝大部分分布式电源都位于辐射线路的中末端。从表2中可以看出，方案1中由于分布式电源对线路负载才干和配电网潮流的影响，使得方案1线路投资本钱和线路损耗本钱均低于方案2，特别是损耗本钱方面减少了将近30%。思索到如下因索:①分布式电源的接入使得该部分网络中配电站可以供电的负荷总量添加以及我国社会用电紧张;②分布式发电的接入可以带来宏大的社会和经济效益;③分布式发电所用的能源很多是可再生能源，对国家能源战略有重要意义。因此方案1与方案2进展比较时没有思索分布式电源的本钱。结论分布式发电在电力系统中将发扬重要作用，对分布式电源进展选址和定容可以得到更好的网络规划结果。本文运用遗传算法对有新增负荷节点的配电网扩展规划中分布式电源的位置和容量进展优化，对遗传算法中每个分布式电源位置和容量方案，运用基于支路交换的模拟退火算法进展网络扩展规划，对分布式电源和网络的综合规划结果进展经济性评价以衡量个体方案的优劣。经过对实践算例的分析，本文方法得到大部分位于辐射线路中末端的分布式电源方案。此外，经过对有与没有分布式电源时的配电网扩展规划结果的比较，可以看出分布式电源的接人降低了配电网的线路投资和损耗本钱，同时思索到分布式发电带来的宏大社会和经济效益，分布式电源接入配电网具有非常重要的作用。参考文献王成山，陈恺，谢莹华，等.配电网扩展规划中分布式电源的选址和定容，电力系统自动化，2006，30〔3〕：38-43.王成山，郑海峰，谢莹华.计及分布式发电的配电系统随机潮流计算，电力系统自动化，2005，29〔24〕：39-44.倪秋龙，黄明翔.基于支路交换的模拟退火算法在配电网规划中的运用.电力系统及其自动化学报，2000，12〔4〕：31-35.讨论疑问分布式电源的年电量损失算法的效率问题改良1〕目的函数运营商，用户分布式电源的随机性可靠性2〕优化算法解空间约减思索分布式电源调峰的配电网规划引言随着电力市场的逐渐深人，传统的配电网规划方法面临着前所未有的挑战。通常，规划者首先预测规划程度年内的最大负荷，以投资本钱最小为目的，然后采用优化方法确定最优规划方案。这种基于最大负荷的规划方法往往需求大量投资，不仅添加了投资风险，而且电力设备利用率不高，其弊端表如今夏季负荷激增所导致的电力供应短时缺乏，为满足短时峰荷用电，供电公司不得不添加投资。而随着负荷峰谷差的不断增大，电力设备利用率逐年下降。近年来，分布式电源(DG)以经济、灵敏、环保以及可防止或延缓电网建立的特点遭到规划人员的关注。作为配电网增容的替代方案，文献[4]提出思索DG增容的配电网规划模型；文献[5-6]从供电公司的角度，给出了市场条件下DG规划模型，并采用启发式方法求解；文献[7]提出配电网最大化DG容量的规划模型，采用线性规划方法求解；还有文献在DG位置曾经确定的条件下，讨论了规划DG容量的问题；由于DG经济、灵敏的特点，因此还被用来处理不确定情况下的配电网规划问题。此外，目前已有文献讨论包含DG的配电网扩展规划问题。文献[10]研讨了多负荷程度下计及节能调度的配电网DG优化配置问题，并实现了主从方式与对等方式相混合的并行算法；思索到DG对配电网潮流和线路负载才干的影响，文献[11]运用支路交换和模拟退火算法扩展规划网络，同时采用遗传算法综合优化DG的位置和容量。本文针对传统配电网规划方法的缺乏，提出引入DG调峰的配电网规划方法。该方法从供电公司的角度，以线路投资、网络损耗和DG投资以及DG调峰所添加的附加费用之和最小为目的，采用遗传算法规划未来配电网络。本文充分利用配电网正常运转时呈放射状的网络构造特点，提出用一种操作简单的启发式方法确定DG的位置和容量，以消除配电网架在最大负荷程度下的支路过载，有效减小了问题求解难度。配电网的负荷继续曲线如图1所示。为满足最大负荷下的供电要求，传统规划方法是直接按照规划程度年内的最大负荷Lmax规划网架。而假设能按照低于负荷峰值的负荷程度L0规划网架，同时配备一定容量的可调度DG，用以满足最大负荷下的用电需求，一旦负荷超越L0，投人DG参与调峰，势必更加经济。确定用于网架规划的负荷程度L0非常关键，由于L0太高(接近Lmax)能够会得到与传统规划方法一样的网架，从而失去引人DG调峰的意义。相反，L0太低那么需添加更多的DG投资，反而不经济。本文从场景技术出发，在不同的L0取值场景下分别确定相应的规划方案，然后从一切方案中寻求最优解。目的函数以供电公司年费用作为目的函数假设不思索DG，配电网扩展规划的年费用主要包括线路投资年费用和损耗费用；假设思索DG调峰，那么还需添加DG投资年费用和附加费用。虽然引入DG调峰将产生运转本钱(DG的燃料费用)，但相应电量不从发电商购买，无需支付购电费用，其差值即为附加费用。目的函数如下所示：为网架投资年费用，包括线路投资年费用和损耗费用；为调峰费用，包括DG投资年费用和附加费用；分别为第i条新建线路的投资和第j台DG机组的投资；分别为线路和DG投资年费用系数；为新建线路的数量和一切线路的数量；为DG机组数量；为最大负荷年利用小时数；分别为最大负荷程度Lmax下第i条线路的电流值和电阻值；为DG运转本钱；为购电价钱；为第j台DG机组的有功出力为图1所示负荷继续曲线L(t)上，负荷程度L0对应的负荷继续时间。约束条件所需满足的约束条件包括L0和Lmax这2种负荷程度下的配电网运转约束以及DG运转约束，详细如下:1)配电网放射状网络构造约束经过遗传编码和解码战略可确保每个网架正常运转时均为放射状构造，第3节中有详细表达。2)负荷程度L0下的运转约束在负荷程度L0下，DG不投入运转，此时，节点电压需维持在允许值内，即有:同时，线路上的潮流也必需满足热容量约束:3)最大负荷程度Lmax下的运转约束在最大负荷程度Lmax下，DG投人运转，此时仍需满足节点电压约束和线路容量约束:4)DG运转约束DG出力受DG最大容量的限制，即有:为第j台DG机组的装机容量。此外，潮流反向将影响电压程度分布，思索到当前配电网的运转方式，安装在负荷中心的DG只对该节点负荷供电，因此有:为第j台DG机组的视在功率;为第j台DG机组所在节点的最大负荷;消除支路过载的DG选址定容按照负荷程度L0所规划的配电网架在最大负荷程度Lmax下运转时，通常会产生支路过载和节点电压降低。而节点电压降低又是由于线路负载过重而导致沿线电压降增大。因此，本文主要从消除支路过载的角度来思索DG的选址定容，所提出的选址定容方法基于以下前提和假设:1)假设各负荷中心均配置了无功补偿安装，因此各节点的功率因数维持在给定程度。2)从减小DG运转维护任务量出发，尽能够减少DG布点.配电网运转时呈放射状网络构造，任一支路潮流只受沿潮流方向以后的节点功率的影响。下面以图2为例论述其中联络。假设有4条支路过载，分别是支路1-2,3-4,5-6,5-13;节点4,6,12,14为DG安装的待选节点。过载支路与待选节点之间的关系可用关联矩阵M表示:mij=1表示第i条支路的潮流大小受第j个待选节点功率的影响，本文称之为第i条支路与第j个待选节点相关联，这阐明在第j个待选节点安装DG可消除(或减轻)第i条支路的过载；mij=0表示第i条支路的潮流大小不受第j个待选节点功率的影响，亦即在第j个待选节点安装DG对消除第i条支路的过载没有影响，称之为第i条支路与第j个待选节点无关联。显然，假设矩阵M中存在元素全为0的行，那么阐明该行对应支路过载无法经过在待选节点安装DG来消除。关联矩阵M各列之和可用来表示在各待选节点安装DG时可消除(或减轻)过载支路的数量，本文称之为关联度。例如，在图2中的节点4安装DG可同时消除(或减轻)支路1-2和支路3-4的过载，因此节点4的关联度为2。节点关联度越大，阐明在该节点安装DG越能有效消除多条支路的过载，应该被优先选择安装DG，而对于那些关联度为0的节点，那么可直接从关联矩阵M中剔除。因此可根据待选节点的关联度大小确定安装DG的优先次序，其步骤如下:1)负荷程度L0下产生的网架在最大负荷程度Lmax下计算潮流，确定过载支路集合B和过载量ΔSi(i∈B)。2)采用广度搜索建立mXn维关联矩阵M，其中，m为过载支路数，n为安装DG的待选节点数。假设M存在全为0的行，表示对应支路的过载无法消除，终了；否那么，计算各节点的关联度，剔除关联度为0的待选节点。3)选取关联度最大的待选节点，假设该节点为k。设与节点k相关联的过载支路集合为Ek，为集合Ek中过载支路的最大过载量，即假设，那么节点k的DG出力SGk取节点k的最大负荷值SDK，否那么SGk取。然后更新。此时，假设△Si〔i∈Ek〕小于或等于0，那么将对应的待选节点从过载支路集B中删除。4)检查B能否为空集。假设不为空集，那么反复步骤3；假设为空集，根据各待选节点的DG出力SGj(j=1,2,…,n)确定适宜的DG容量。遗传搜索用于网架规划的负荷程度L0从最大负荷程度Lmax开场，逐渐递减△L，分别讨论不同负荷场景下的规划方案，最后从一切方案中寻觅最优解。对于某一给定的负荷程度L0，本文采用遗传算法求解思索DG调峰的配电网规划模型，流程如图3所示。首先，给出新建线路的待选支路。对一切待选支路采用自然数编码，产生一定数量的染色体。每个染色体为一切待选支路组成的随机序列。在解码中运用图论中的避圈法，每条染色体(支路序列)可生成相应的放射状网络，从而确保解空间内一切网架均满足放射状约束。然后，判别能否满足约束条件式(2)和式(3)，得到满足负荷程度L0的网架方案。为了满足峰值负荷下的供电要求，采用第2节的启发式方法规划DG位置和容量。最后，检验规划网络能否满足Lmax下的运转约束，即约束条件式(4)和式(5)。对于不满足任何一个约束条件的个体，附加惩罚项，以确保遗传进化的延续性。算例分析某配电网包含50个负荷节点，现有节点31个，待规划的负荷节点19个。