刘锋 刘贵
(国电南瑞科技股份有限公司 南京市 211106)
摘要:近年来，光伏发电发展迅速并不断地并入配电网。通过调整光伏并网系统的有关参数来调节其无功输出，使得光伏电站能够参与配电网的无功优化。运用上述基于随机约束的无功优化数学模型，采用标准的粒子群算法对算例进行优化，优化结果验证了该模型与算法的准确性与有效性。
关键词: 配电网；无功优化；粒子群算法；光伏电站
一、光伏电站对配电网系统电压的影响
电网中各节点的电压水平是由电网的潮流分布决定的，大量光伏电站的接入必然会影响潮流分布，引起各处的电压变化。结合图 1 所示的光伏电站并网的简单供电线路，来说明线路输送功率与线路电压降的关系。线路上的电压降满足以下关系:
可以看出，光伏电站升压变高压侧电压值与线路输送的有功功率、无功功率及等值线路的 Ｒ、X 值有密切的关系，线路的电阻、电抗一般具有确定的数值，当有功功率沿输电线传递时，线路两端存在电压差。而光伏电站发出的功率是随光照和温度的变化而变动的，那么线路电压降也将是变动的，这将造成节点电压的波动。光伏电站以发出有功为主，只有当需要的时候才发出部分无功功率，因此线路两端电压降的大小将取决于电阻和电抗的取值。适用于光伏电站的无功补偿设备目前主要有可投切的并联电容、电抗器、静止无功补偿装置和静止无功发生器等其中，并联电容、电抗器是无功补偿和电压调节最基本的措施。将电容器、电抗器连接成若干组，根据光伏电站出力水平与网络节点电压变化情况确定每组容量，分组投切，实现无功功率的不连续调节，以保持网络关键节点电压水平处于合理范围。并联电容、电抗器单位容量的投资费用较少，容易安装、方便维护，尤其是并联电容器，运行功率损耗只占额定容量的0.3% ～ 0.5%，因此目前普遍适用于接入电压等级较低的中小型光伏电站。
二、光伏发电无功出力的调整策略
一般 PV 系统并网的逆变器如图 2 所示，借助电力电子开关 S1～ S4的PWM 控制方法来实现调节
分别表示无功补偿设备年度折旧维护率和投资回收率， KC为单位容量无功补偿设备的价格，QC∑为各点无功补偿容量之和，ΔP∑为补偿后的无功网损。
3）、变量约束
本文选定的控制变量为光伏电站的无功调节容量 QDG、无功补偿装置的出力 QC和有载调压变压器的变比 Tt，状态变量是负荷节点电压值UD。
控制变量的约束为:（6）
式中: QDGi、QDGi．max、QDGi． min分别为光伏电站的无功容量、无功容量的上限值和下限值; QCj、QCj． max、QCj． min分别为无功补偿容量、无功补偿容量的上限值和下限值; Ttk、Ttk． max、Ttk． min分别为变压器可调分接头及其上限值和下限值; UDj、UDj． min、UDj． max分别为负荷节点的电压、节点电压上限值和下限值; Ng、NC、Nt、Nd分别为光伏电站数、无功补偿装置数、变压器可调分接头数、负荷节点数。在无功优化问题中，状态变量约束可以采用罚函数法处理。就是将越界的不等式约束以惩罚项的形式附加在原来的目标函数上，从而构成一个新的目标函数。然后对此目标函数进行优化，优化结果可以使控制变量自动满足约束条件，应用此法能够简化优化模型，此时无功优化的目标函数为（10）
式中: Uilim为第 i 节点电压值; Uimax，Uimin分别为节点电压 Ui的上限和下限; λ 为罚系数; NVlim为电压越限的母线集合。
四、粒子群算法在无功补偿优化中的实现
本文提出改进的多组织粒子群算法进行优化求解。首先构造出若干个组别，每个组别中都包含相同数目的粒子。每一个组别都通过与其邻居的竞争或合作进行操作和自学习操作，结合 PSO算法的进化机制，不断地通过各组别间的交互作用和每个组别与环境间的相互影响，来更新每组在解空间中的位置，使其能够更快、更精确地收敛到全局最优解。不同于基本 PSO 算法的是: 粒子在每一次迭代中，除了跟踪个体极值 Pbest和全局极值Gbest外，还要跟踪 组 织 ( Multi-group) 中 的 最 佳 值 Mbest。在M PSO 算法中，粒子 i 的速度和位置的更新方程为:（12）
式中: c1，c2，c3为加速系数( 或称学习因子) ，分别调节向全局最优粒子和个体最优粒子方向飞行的步长，合适的c1，c2，c3可以加快收敛速度且不易陷入局部最优，通常令c1= c2=c3= 2， r1，r2 ，r3为［0，1］之间任意可能的随机数， Pbest为粒子的个体最优点的位置( 即坐标)， Gbest为整个种群的全局最优点的位置，Mbest为各组别最优点位置。
五、运用IEEE 9节点分析
运用 MATLAB 对 IEEE 9 节点算例进行无功补偿优化计算，来验证 MPSO 算法的优化效果。通过系统运行费用及网损量可以看出，对含光伏电站的配电网进行无功补偿可以降低网络损耗，从而减少费用。MPSO、PSO 算法可以获得比较理想的优化结果，MPSO 算法具有更强的全局搜索能力，能够有效地摆脱局部最优解。在计算速度上，MPSO 算法也具有很强的优势，能够以极快的速度获得最优解。通过对无功优化前后节点电压值的比较，可以看到无功优化前，各节点电压值普遍较低，采用 MPSO 算法进行系统无功优化后，系统整体的电压水平得到了很大的提高，且均在电压限值范围之内。
图3 MPSO 和 PSO 适应度进化曲线
总体来看将光伏电站的无功功率输出考虑在内，对系统运行的经济性和稳定性都很有利。
六、结束语
本文应用现有无功补偿手段并将光伏电站自身的无功调节能力考虑在内，综合各种约束条件，光伏电站参与无功优化，可以更大程度地降低系统网损，提高系统电压水平。
参考文献：
[1]郭康.基于智能单粒子算法的含光伏电站配电网的无功优化［J］．电力科学与工程，2011，27( 8): 28-32
[2]电力系统无功优化的 LＲS － PSO 算法［J］．电力系统及其自动化学报，2008，20( 4) : 92-97．
论文作者:刘锋,刘贵
论文发表刊物:《电力设备》2015年第9期供稿
论文发表时间:2016/4/20
标签：电压论文; 电站论文; 光伏论文; 节点论文; 算法论文; 粒子论文; 功率论文; 《电力设备》2015年第9期供稿论文;