（国网四川省电力公司达州市蒲城供电分公司 636150）
摘要：电力行业普遍把“大机组、大电厂和大电网”作为电力工业的发展方向。经过百年发展，电力系统已具有相当规模——超临界机组的发电厂、特（超）高压直流/交流远距离输电系统、特大交直流混联电网，这是目前电网几个主要组成部分，但大电网同样也给电力系统的安全稳定运行带来巨大的问题。本文主要介绍了分布式淡忘的国内外现状、主要优化模型，分布式常见分类等问题。
关键词：分布式发电；优化配置；可靠性；
1分布式电源并网概述
分布式发电的广泛应用是未来电力工业的大趋势，研究分布式发电在电网中的接入点选择对于改善电能质量、降低网损、提高供电可靠性都具有重要的理论意义和实用价值。配电网运行过程中，太大的电力系统故障波动都会对这个过程产生很大的影响，甚至威胁到电网本身的安全和稳定。配电网的拓扑结构会在分布式电源接入后发生显著地变化。伴随着电源点的接入，配电网各区域的潮流流向也会随之发生变化。同时，由于配电网原有的传统电源、电厂分布的电网布局遭到破坏，继电保护的方向性、电能质量的优劣、功率的就地平衡和系统稳定都会受到威胁。整个电网在分布式电源的接入影响之下，都需要一个时间段去完成调整、改变和过渡。
2.分布式电源概念和分类
2.1 分布式发电的概念
分布式发电，也称分散式发电，通常指的是分散式接入配电网或分布在负荷附近的高效、可靠的发电功率在几千瓦至数百兆瓦的发电单元。它所用的能源包括天然气（含煤层气、沼气等）、太阳能、生物质能、氢能、风能、小水电站等洁净能源或可再生能源。为了提高能源的利用率，降低成本，分布式发电往往采用冷、热、电联或热电联产的方式，这样有助于促进能源的可持续发展、改善环境并提高绿色能源的竞争力。
2.2分布式发电的常见分类
2.2.1太阳能发电
一个完整的太阳能发电系统通常由六个部分构成，这六个部分主要包括：光伏电池、控制系统、逆变单元、储能系统及其控制器、用户单元等，每个部分都相对独立又相互制约，在这六个子系统的相互协调配合之下，光伏发电技术完成太阳能向电能的转换，太阳能发电系统如图2.1所示，本系统为太阳能发电系统的基本单元。
2.2.2风力发电
风电的利用小时数比其他新能源要高，在运行过程中主要受到风力大小的影响，在风力发电系统中，最重要的单元就是风力发电机组，它又是由风机和发电机两个关键单元组成。
双馈型风机主要利用功率变频器实现与电网的接入，风力发电机组结构就和普通的水力发电机组和火力发电机组类似，它能够进行有功功率和无功功率的调节控制，这样能够保证风电机组在电网中灵活地运行，提高对风能的利用效率，有助于提高系统的静态稳定性。如图2.1为双馈风力发电机组并网示意图。
图2.1双馈风力发电机组并网示意图
2.2.3燃料电池发电
燃料电池发电主要是一种将化学能转变为电能和热能的化学反应，它主要是把燃料和氧化剂相结合，通过电解质使其发生氧化反应，可以作为其燃料的包括：石油、天然气、氢气、煤制气、碳氢化合物。该技术最早的应用并不是在我们的日常生活中，而主要应用于我国的军事和航天领域，后来经过推广，已成为电力系统中的备用电源，现在我们所使用的电动汽车就是依靠技术来获得动力。
2.2.4 微型燃气轮机发电
小型的燃气轮机发电可以在电力系统中的利用形式也是多种多样，在实际系统中燃气轮机发电不仅能为负荷供电，同时燃气轮机发电也可以利用其热传递效应实现热点联合供应。这样的结构保证了燃气轮机能够尽可能发挥其工作效益，在利用形式上也不受配电系统太大限制。
3.分布式电源主要的优化模型
（1）分布式电源的可靠性优化建模。分析分布式电源的优势和劣势，确定影响分布式电源的主要因素包括DG的并网电气接线位置和DG的装机容量配置情况，通过从对系统可靠性出发建立数学模型，然后分析节点电压的在不同状况下的适应性来确定DG的接入电网的地理位置，确定各电源间的电气连接关系，再利用可靠性大小、精确度等进一步优化计算过程，用明确的指标进行衡量。
（2）分布式电源的经济性优化建模，从分布式电源接入系统后对电网电能质量的影响，比如改善电能质量等进行分析，再综合DG的造价、运维和产生的经济效益作为基本的出发点。通常情况下需要考虑到规划水平、网络损耗、投资费用作为本建模方法的约束条件。
（3）分布式电源容量优化建模，在配电网系统中，分布式电源的容量确定主要受到网损和系统稳定性两个方面因素的影响。
4 分布式电源数学模型求解的优化算法研究
在对分布式电源相关问题完成数学化建模后，首先，必须设置相关的优化目标进行方法的求解。目前，对于分布式电源的位置和容量的优化求解方法主要包括人工智能算法，传统数学模型算法和模型启发式算法等三大类。每种算法的及相关的研究如下：
（1）传统数学模型算法
在对数学化后的模型进行优化，就是利用各个约束条件去找出算法对应的适应解。但是如果模型系统太过庞大，必然会导致复杂和冗余的计算过程，无法完成优化目标的求解。
（2）模型启发式算法
这类算法的特点往往是忽略了算法本身具有的收敛程度、计算精度和速度等基本特征，而是从历史案例和经典模型中去寻求最优解。这种算法的优势在于直观和快速，缺点则是无法适应过多的约束条件，只能在局部范围内完成对算法的求解。
（3）人工智能算法
在前面介绍的两种传统算法中，都只能实现对单一目标函数中单一优化量的寻找最优解。这种方法往往是需要在优化对象是线性并且变量和约束条件较少的前提下完成。人工智能算法就克服了约束条件单一、变量单一的缺点，它能够对目标函数的整体进行优化求解，具有非常强大的自适应能力。
参考文献
[1] 刘振亚. 智能电网技术[M].北京:中国电力出版社, 2010.05.
[2] 杨新法，苏剑，吕志鹏. 微电网技术综述[J].中国电机工程学报, 2014, 34(1):57-70.
[3] 徐青山. 分布式发电与微电网技术[M].北京: 人民邮电出版社, 2011.
作者简介：代翠莲，女，1970 四川省达州市宣汉县人。 民族：汉 职称：电气助理工程师 学历：本科 研究方向：电气工程及其自动化
论文作者:代翠莲
论文发表刊物:《电力设备》2017年第29期
论文发表时间:2018/3/13
标签：分布式论文; 电网论文; 电源论文; 算法论文; 系统论文; 燃气轮机论文; 电能论文; 《电力设备》2017年第29期论文;