摘要：分布式电源大量接入配电网，改变了配电网传统单一的运行方式，演变成多电源结构的灵活配电体系，给配电系统的优化运行带来了诸多的挑战和困难。针对此问题，本文首先从可靠性和环保性以及经济性的角度对分布式电源优化规划的数学模型进行了详细概述，其次，对几种常用的智能优化算法进行总结与分析，最后，针对当前研究所存在的缺陷及未来分布式电源的发展趋势，提出了几种建议。
关键词：配电网；分布式电源；优化规划
分布式电源(distributedgeneration，DG)作为一种新型清洁能源，被国内外研究人员广泛关注。由于风、光分布式电源所特有的波动性和随机性以及间歇性，随着其并网容量在电网中所占的比例越来越大，其出力的不稳定性在很大程度上影响了配电网运行的可靠性、安全性及电能质量，使得分布式电源的发展受到很大的限制。但是，DG的合理配置可以有效降低电网系统损耗、改善系统电压运行水平，提高系统整体运行的可靠性，进而提高清洁能源的渗透率。因此，本文对分布式电源接入配电网优化规划问题展开分析与研究，从分布式电源优化配置的数学模型及优化算法两个方面展开分析，并提出几种建议以应对未来分布式电源大量接入电网的发展趋势。
1、DG的接入对配电网产生的影响
（1）由于DG安装位置距负荷较近，可以减小线路潮流输送压力，避免配电网升级改造困难和投资费用高的问题，减小了系统网络损耗；通过DG向高峰负荷供电，减少配电网针对高峰负荷的额外投资；
（2）对于辐射状配电网，沿着馈线潮流方向，电压逐渐降低，通过合理的DG规划，可以对配电网进行无功补偿，改善电压质量；
（3）DG中可再生能源的使用，减少了传统发电过程中环境污染气体的排放。
综上所述，DG可以改善配电网运行的可靠性、经济性，减少对环境的污染，但同时DG的大规模接入对配电网的电压、继电保护、可靠性、谐波污染等带来影响，并且其影响程度与DG安装位置和容量密切相关。基于可再生能源的DG，如分布式光伏和风电，其出力具有随机性、波动性，因此容易造成系统电压波动；传统配电网中潮流方向是单向的，即从电源侧流向负荷侧，DG的接入改变了配电网结构，可能出现潮流倒送的情况，影响继电保护装置的正常工作；不合理的DG的接入位置和容量可能引起非同期重合闸，增加停电时间，降低系统的可靠性；由于DG需要通过电力电子器件并入电网，但电力电子开关设备的频繁动作会使大量谐波注入电网，造成谐波污染。
2、DG优化配置评价指标
2.1经济性评价指标
经济性评价指标是含分布式电源配电网优化规划的基础性评价指标，有利于实际工程应用。随着电力市场化变革，如何综合衡量DG开发商、电网公司及电力用户之间的经济效益成为当前经济性评估分布式电源接入的难题。构建系统有功损耗费用、DG投资运行费用的经济性评价指标，有效提高系统运行的整体经济水平。构建DG开发商投资利益及电网公司经济效益最大化的多目标经济性评估指标，为相关决策人员提供参考依据。常见分布式电源经济性评估指标为：售电收益及改善效益；系统网损改善效益；电压改善效益；DG接入后系统网络延缓效益。
2.2可靠性评价指标
传统含分布式电源优化规划过程中把分布式电源等效为恒定出力的常规电源结构来处理，忽视了其间歇性波动。为保证优化方案的合理性，建立计及系统供电可靠性的DG优化配置目标函数，分析孤岛运行方式下的最佳DG配置方案，有效改善了重要负荷的供电可靠性；把期望缺供电量的可靠性评估指标引入至DG优化配置中，利用机会规划约束的手段处理不确定分布式电源出力，所得配置方案具有更好的置信度。常用可靠性评估指标主要包括：系统平均停电频率指标、用户平均停电持续时间、系统平均停电持续时间、平均供电可用率(ASAI)、电量不足期望。
期刊文章分类查询,尽在期刊图书馆
2.3环保性评价指标
提出低碳环保理念可以有效促进清洁无污染的分布式电源的发展，把分布式电源的污染气体排放量指标引入至DG的优化配置评估模型中，能够有效缓解当前的环境压力。
3、智能优化算法
随着电网复杂性的日益增加以及各种优化理论的愈加完善，基于随机搜索的智能优化算法在处理分布式电源优化规划问题上展现了更强的实用性，并得到了广泛应用。本文综述了几种智能优化算法，如粒子群算法、遗传算法、差分进化算法、免疫算法等在分布式电源配电网优化规划中的应用。
3.1粒子群算法
粒子群优化算法最早是在1995年由Kelnnedy和Eberhart提出，其基本概念源于对鸟群捕食行为和人工生命的研究。它仿照鸟群觅食行为，使群体中的个体可以通过相互之间的信息共享和总结自身经验来修正其行动策略，最终求得最优化问题的解。与遗传算法有变异、交叉等行为不同，粒子群算法虽然也是通过个体的竞争与协作来完成搜索最优解，但它是在其解空间内，粒子追随最优粒子进行寻优。但这种算法依然存在收敛精度不高，容易陷入局部最优的缺点。
3.2遗传算法
遗传算法是一种通过模拟自然进化过程搜索最优解的方法。它在1926年由美国密西根大学的Holland教授首先提出来的，是一种基于基因遗传学和自然选择原理的优化搜索方法。遗传算法具有并行性好，通用性强，对可行性解表示广泛，群体搜索等特性。但同时，它也同样具有收敛速度较慢，容易陷入局部最优等缺点。
3.3禁忌搜索算法
禁忌搜索算法通过记忆功能记录已完成的寻优过程，并指导下一步的寻优方向，从初始解开始，通过逐次迭代逼近最优解。对每个解定义一个邻域。每一次迭代都从当前解的邻域中启发式的试探一系列的特定搜索方向，然后选择对目标函数改善最大的作当前解，反复迭代，直到满足终止准则。该法采用单点搜索，具有局部寻优效率和较好计算速度。但是当对计算结果的精度有所要求时，该算法的全局搜索能力并不高，而且计算结果对初值的选择依赖性较强，这就限制了该算法在约束条件严格要求的DG优化规划中的应用。
4、未来研究过程中的几点建议
根据现有含分布式电源配电网优化规划研究基础，从优化模型和优化算法上提出了几种针对性的建议：
（1）在实际含分布式电源的配电网优化规划过程中，需要从多角度的方式建立优化配置数学模型，未来研究可以重点考虑分布式电源孤岛运行方式下系统运行可靠性评价指标，以提高优化规划后系统运行的可靠性。
（2）分布式电源出力具有不确定性，传统优化配置把间歇性DG资源等效为恒定出力的常规能源来处理，具有一定的局限性，导致计算过程中的最佳方案随着未来不确定性因素的影响而降低了方案的置信度，因此，建立合理的置信度评价目标函数对提高配电系统可靠运行具有重要意义。
（3）解决含分布式电源配电网优化规划的传统优化算法大多局限在单目标的智能优化算法，利用权重系数的处理手段能有效提高算法的处理速度，但未能揭示各目标函数之间的内在联系，因此，未来方向建议从多目标的角度来优化DG配置问题。
5、结束语
随着DG渗透率的不断增加，对含分布式电源配电网进行合理的规划至关重要。以上，本文对DG优化配置问题的现状进行了详细的综述，从优化模型和优化算法的两个方面展开问题分析。首先，建立可靠性、经济性和环保性的DG评估模型；其次，介绍几种典型智能优化算法：遗传算法、粒子群算法、禁忌搜索算法；最后，提出几点针对性建议以应对当前DG配置的欠缺。
参考文献：
[1] 麻秀范.含分布式电源的配电网规划与优化运行研究[D].华北电力大学，2013
[2] 武祖林.浅析分布式电源接入对配网的影响[J].科技与企业.2013(24)
[3] 康锡石.分析分布式电源入网对系统配网电压质量的影响[J].电子测试.2016(03)
论文作者:吕贤敏
论文发表刊物:《电力设备》2017年第20期
论文发表时间:2017/11/15
标签：分布式论文; 算法论文; 电源论文; 配电网论文; 可靠性论文; 系统论文; 电网论文; 《电力设备》2017年第20期论文;