基于蜻蜓算法的分布式电源并网容量优化配置.pdf

第42 卷第 3 期2023 年 9 月青海电力QINGHAI ELECTRIC POWERSEP.，2023Vol.42 NO.3DOI:10.15919/ki.qhep.2023.03.006基于蜻蜓算法的分布式电源并网容量优化配置潘万宝1,余畅文2,马小龙2,刘 练2,刘 闯2（1.国网湖北省电力有限公司荆州供电公司，湖北 荆州 434000；2.国网湖北省电力有限公司荆门供电公司，湖北 荆门 448000）摘 要:为解决分布式能源的优化配置问题，提高配电网运行的经济性和稳定性，提出了一种基于蜻蜓算法的分布式电源并网容量优化配置方法。以配电网网损最小为目标函数，建立了基于蜻蜓算法的分布式电源优化配置模型，根据DG接入数量的不同设置三种场景进行仿真分析，采用蜻蜓算法对目标函数进行优化。仿真结果表明，在配电网中配置一定数量的DG后，配电网网损明显降低，且随着接入DG个数的增加，配电网网损进一步减小，当系统配置 3 个DG时，配电网网损由DG接入前的 202.76kW降低至 22.89kW，降幅高达 88.71%，同时系统节点电压、支路损耗和支路电流等指标均得到了明显改善，验证了所提DG并网容量优化配置方法的正确性。关键词:分布式电源;优化配置;并网容量；蜻蜓算法中图分类号：TM773 文献标识码：A 文章编号：1006-8198（2023）03-0032-06Optimal Allocation of Grid-connected Capacity of Distributed Power Supply Based on Dragonfly AlgorithmPANWanbao1,YUChangwen2,MAXiaolong2,LIULian2,LIUChuang2Abstract:Inordertosolvetheproblemofoptimalallocationofdistributedenergyandimprovetheeconomyandstabilityofdistributionnetworkoperation,amethodofoptimalallocationofgrid-connectedcapacityofdistributedpowerbasedonDragonflyalgorithmwasproposed.Takingtheminimumlossofdistributionnetworkastheobjectivefunction,theoptimalconfigurationmodelofdistributedpowersupplybasedontheDragonflyalgorithmisestablished.ThreescenariosaresimulatedaccordingtothedifferentSettingsofthenumberofDGaccess,andtheDragonflyalgorithmisusedtooptimizetheobjectivefunction.ThesimulationresultsshowthatafteracertainnumberofDGisconfiguredinthedistributionnetwork,thenetworklossofthedistributionnetworkissignificantlyreduced,andwiththeincreaseofthenumberofconnectedDG,thenetworklossofthedistributionnetworkisfurtherreduced.WhenthesystemisconfiguredwiththreeDG,thenetworklossofthedistributionnetworkisreducedfrom202.76kWbeforetheDGaccessto22.89kW,adecreaseof88.71%.Atthesametime,thenodevoltage,branchlossandbranchcurrentofthesystemareobviouslyimproved,whichverifiesthecorrectnessoftheproposedmethodofoptimalallocationofDGgrid-connectedcapacity.Keywords:distributedpowersupply;optimizetheconfiguration;grid-connectedcapacity;dragonflyalgorithm收稿日期：2023-09-05；修回日期：2023-9-11作者简介：潘万宝(1990)，男，工程师，从事电力设备运行与维护工作。33第 3 期潘万宝，等：基于蜻蜓算法的分布式电源并网容量优化配置0 引言在能源危机和环境问题的双重背景下，以可再生能源为主的分布式电源（DistributedGen-eration，DG）受到了广泛关注1-2。光伏、风电等 DG 在发电过程中不消耗化石能源，能够源源不断地输出清洁电能，但这些 DG 输出功率的波动性较大，在并网时会改变电力系统的潮流大小和方向，给电力系统安全性和稳定性带来一定影响3-4。因此，为了减小 DG 并网带来的不良影响，合理规划 DG 接入位置及容量具有重要意义。目前，针对 DG 并网的选址定容问题，国内外专家学者进行了大量研究。文献5提出了一种基于改进蚁狮算法的分布式电源优化配置方法，以功率损耗和电压稳定性为优化目标，采用改进蚁狮算法对多目标函数进行优化，获得了 DG 最优配置方案。文献6提出了一种兼顾经济性和稳定性的分布式电源配置方法，建立了分布式电源多目标优化配置模型，利用层次分析法计算各指标权重，将多目标转化为单目标，利用改进乌燕鸥算法进行求解，算例分析验证了该方法的有效性。文献7首先建立了以DG 投资成本、运维成本、网损成本和用户购电成本之和最小为目标函数的 DG 优化配置模型，然后采用对配电网潮流进行计算，并利用自适应遗传算法对模型进行求解，最后利用算例分析验证了所提模型既能够保证配电网运行的经济性，又能提高电压质量。上述方法分别提出了不同的分布式电源配置方法，但均没有对 DG接入数量带来的影响进行深入分析，因此针对不同数量 DG 并网的优化配置问题有待进一步研究。1 分布式电源优化配置模型1.1目标函数配电网网损是衡量配电网运行状态的重要指标8，DG 并网后会使系统潮流发生变化，从而改变网损，本文以配电网网损最小为目标函数，其数学表达式为：22loss21minmkkkkkPQPRU=+=（1）式中:Ploss为配电网网损；k 为配电网中各支路编号；Rk为支路 k 的电阻；Pk、Qk为支路 k 的有功功率和无功功率；Qk为支路 k 的末端电压；m为配电网支路总数。1.2约束条件对分布式电源进行优化配置时，需要考虑功率平衡、节点电压、支路电流及 DG 容量等约束，具体如下：（1）功率平衡约束DG.L.1DG.L.1(cossin)(sincos)niiiijijijijijjniiiijijijijijjPPPUUGBQQQUUGB=+=+（2）式中：i、j 均为配电网网络的节点编号；Pi、Qi分别为系统在第 i 个节点注入的有功功率和无功功率；PDGi、QDGi为 DG 在第 i 个节点注入的有功功率和无功功率；Ui、Uj分别为第 i 个节点和第 j 个节点的电压；Gij、Bij分别为第 i 个节点和第 j 个节点组成支路的电导和电纳；ij为第 i 个节点和第 j 个节点组成支路的电压相角差；PLi、QLi分别为第 i 个节点的有功负荷和无功负荷。（2）节点电压约束（3）式中：Ui.min为第 i 个节点的最低电压；Ui.max为第i个节点的最高电压。（3）支路电流约束maxkkII（4）式中：为支路k流过的电流；为支路k允许通过的最大电流。（4）传输功率约束maxijijPP（5）式中：Pij为第i个节点和第j个节点组成支路的传输功率；Pijmax为该支路允许传输的最大功率。（5）配电网 DG 容量约束DG,L,jjPP（6）式中：为 DG 占比系数，取值为 0.25。2 蜻蜓算法蜻蜓算法（DragonflyAlgorithm）是数学家Mirjalili根据蜻蜓自然行为提出的一种群体智能优化算法9。在 DA 算法中，蜻蜓种群分为静态34第 42 卷青海电力群体搜索和动态群体搜索，前者是指小群体蜻蜓的整个解空间中的全局搜索行为，后者则是指大群体蜻蜓在小范围内的局部寻优过程，可见DA算法具有良好的优化性能，目前已在能源、医疗、交通等领域得到了广泛应用10。在 DA 算法中，定义邻域半径r的增长与算法的迭代次数成正比，如果两只蜻蜓之间的距离小于邻域半径，则认为两只蜻蜓是相邻的。蜻蜓种群通过分离、队列、凝聚、寻猎和避敌 5种行为来实现个体位置的更新，具体如下：（1）分离蜻蜓个体在飞行过程中应避免发生碰撞，该过程的表达式为：1()()NjiiijSX tXt=（7）式中：Si为第i只蜻蜓的分离量；t为迭代次数；Xi(t)为第t次迭代时第i只蜻蜓的位置；Xij(t)为Xi(t)的第j只临近蜻蜓个体；N 为临近蜻蜓个体的总量。（2）对齐蜻蜓个体在飞行过程中要与蜻蜓种群中的其他个体相互对齐，该过程的表达式为：1()NjijiVtAN=（8）式中：Ai为第i只蜻蜓的对齐量；Vij(t)为第t次迭代时第j只临近蜻蜓个体的速度。（3）凝聚蜻蜓个体在飞行过程中会向自己所属的群体靠近，该过程的表达式为：1()()NjijiiXtCXtN=（9）式中：Ci为第i只蜻蜓的凝聚量。（4）寻猎蜻蜓个体在飞行过程中会受到食物的吸引，此时蜻蜓个体会向食物靠拢，食物所在位置即为最优蜻蜓个体的位置，该过程的表达式为：()()iiiFXtX t+=（10）式中：Fi为第i只蜻蜓在寻找猎物时移动的距离；Xt+(t)为第t次迭代时食物的位置。（5）避敌蜻蜓个体在飞行过程中尽可能远离天敌，以防止遭受天敌攻击，天敌所在位置即为最差蜻蜓个体的位置，该过程的表达式为：()()iiiEXtX t=+（11）式中：Ei为第i只蜻蜓在躲避天敌时移动的距离；Xi-(t)为第t次迭代时天敌的位置。蜻蜓的活动方式取决于上述五种行为，因此可以得到蜻蜓的飞行步长为：(1)()()iiiiiiiX tsSaAcCfFeEX t+=+（12）式中：Xi(t)、Xi(t+1)分别为第i只蜻蜓在第t次迭代和第t+1 次迭代时飞行步长；s 为分离量权重；a 为对齐量权重；c 为凝聚量权重；f 为寻找食物的权重系数；e为逃避天敌的权重系数；为惯性权重。由此可以得到蜻蜓个体的位置更新公式为：(1)()(1)iiiX tX tX t+=+（13）如果蜻蜓个体周围没有邻近个体，则利用莱维飞行策略进行随机飞行，其表达式为(1)()()()iiiX tX tLevy D X t+=+（14）式中：D 为空间维数，Levy 为莱维飞行函数，其表达式为：112()0.01rLevy xr=（15）1(1)2(1)sin()2(1)22+=+（16）式中：r1、r2均为随机数，取值范围为(0,1)；为 Gamma函数；为常数，取值为 1.5。3 DA算法求解分布式电源优化配置模型本文采用算法对分布式电源优化配置模型进行求解，主要求解步骤如下，具体流程如图 1所示。1）输入 DG 个数，初始化相关参数。输入配电网运行数据，对 DA 算法的相关参数进行设置，主要包括蜻蜓种群规模的最大迭代次数。2）初始化蜻蜓个体的位置和蜻蜓飞行步长。3）更新 DA 算法的相关系数，随机初始化35第 3 期潘万宝，等：基于蜻蜓算法的分布式电源并网容量优化配置相邻半径、各权重量和权重系数。4）计算适应度值。将目标函数作为适应度函数，计算蜻蜓飞行一次后的适应度值，并选出其中的最优适应度值。5）判断蜻蜓个体是否存在相邻蜻蜓个体，若是则利用式（13）进行迭代，否则利用式（14）进行迭代；6）计算蜻蜓个体的行为参数。利用式（7）（11）分别对分离量权重、对齐量权重、凝聚量权重、寻找食物的权重系数、逃避天敌的权重系数进行计算。7）更新蜻蜓位置，利用步骤（5）对蜻蜓位置进行更新，同时利用式（12）调整蜻蜓飞行步长。8）判断算法是否能够继续运行，若已达到最大迭代次数，则输出最优解，否则返回步骤（4）继续迭代。结束达到最大迭代次数YN开始寻找相邻蜻蜓个体设置DA算法参数初始化Xi、Xi更新参数r,s,a,c,f,e计算蜻蜓个体适应度值确定食物和天敌计算Si,Ai,Ci,Fi,Ei初始化Xi、Xi输出最优解目标函数潮流计算图 1 DG 优化配置流程图4 算例分析采用如图 2 所示的 IEEE33 节点测试系统进行仿真分析，该系统中共有33个节点，32条支路，其中节点 1 为电源点，系统基准电压为 12.66kV，三相基准功率为 10MVA，系统总负荷为5084.26+j2547.32kVA，各节点及支路参数可参考文献 11。DA 算法的相关参数设置为12：蜻蜓种群容量 N=30、最大迭代次数 Tmax=200，分离量权重s=0.2；对齐量权重a=0.2；凝聚量权重 c=0.1；寻找食物的权重系数=0.1；逃避天敌的权重系数 e=0.25；惯性权重=0.2。123456789101113141516171826272829303132332324251920212212图 2 IEEE33 节点系统采用蜻蜓算法对分布式电源优化配置模型进行优化计算，并根据 DG 接入个数的不同设置下列三种不同场景进行仿真分析，三种场景下的 DG 接入有功容量和无功容量均相同。（1）场景一：接入 1个 DG在 IEEE33 节点测试系统接入 1 个 DG 后的最优配置结果见表 1，此时系统电压、各支路损耗和支路电流相比 DG 接入前的分布情况分别如图 3 图 5所示。表 1 四种算法优化重构的收敛曲线DG 接入位置有功容量/kW无功容量/kVar配电网网损/kW291656.231313.7564.03图 3 接入 1 个 DG 前后的系统各节点电压对比36第 42 卷青海电力图 4 接入 1 个 DG 前后的系统各支路损耗对比图 5 接入 1 个 DG 前后的系统各支路电流对比（2）场景二：接入 2个 DG在 IEEE33 节点测试系统接入 2 个 DG 后的最优配置结果见表 2，此时系统电压、各支路损耗和支路电流相比 DG 接入前的分布情况分别如图 6 图 8所示。表 2 四种算法优化重构的收敛曲线DG 接入位置有功容量/kW无功容量/kVar配电网网损/kW15390.34347.2232.31301265.89966.53图 6 接入 2 个 DG 前后的系统各节点电压对比图 7 接入 2 个 DG 前后的系统各支路损耗对比图 8 接入 2 个 DG 前后的系统各支路电流对比（3）场景三：接入 3个 DG在 IEEE33 节点测试系统接入 3 个 DG 后的最优配置结果见表 3，此时系统电压、各支路损耗和支路电流相比 DG 接入前的分布情况分别如图 9 图 11所示。表 3 四种算法优化重构的收敛曲线DG 接入位置有功容量/kW无功容量/kVar配电网网损/kW14341.23267.7226.4823519.31320.1929795.69725.84图 9 接入 3 个 DG 前后的系统各节点电压对比37第 3 期潘万宝，等：基于蜻蜓算法的分布式电源并网容量优化配置图 10 接入 3 个 DG 前后的系统各支路损耗对比图 11 接入 3 个 DG 前后的系统各支路电流对比在接入容量一定时，三种不同场景下 DG 接入后的网损情况见表 4。由表 4 可知，在配电网中配置一定数量的DG后，配电网网损明显降低，且随着接入 DG 个数的增加，配电网网损进一步减小，可见光伏分散式接入更加有利于降低系统网络损耗。表 4 三种场景优化结果对比接入 DG 个数DG 接入后网损/kW无 DG 网损/kW164.03202.76232.31326.48在场景三的基础上，对满足 DG 接入容量约束下的最小网损进行计算，DG 配置结果见表5。由表 5 可知，在配电网中按照表 5 中的方案接入 DG 时，配电网系统的网损最小，最小网损为 22.89kW，相比 DG 接入前，配电网网损降幅高达 88.71%。综上所述，在配电网中合理配置DG，能够使配电网系统的各支路损耗明显降低，各支路电流分布更加均衡，配电网运行的经济性和稳定性更好，验证了本文所提分布式电源优化配置方法的正确性。表 5 网损最小时的 DG 配置方案DG 接入位置有功容量/kW无功容量/kVar最小网损/kW无 DG 网损/kW14741.23367.7222.89202.76231019.31820.19291313.48698.985结论本文以配电网网损最小为目标函数，建立了基于蜻蜓算法的分布式电源优化配置模型，根据 DG 接入数量的不同设置三种场景进行仿真分析，采用蜻蜓算法对目标函数进行优化，仿真结果表明，在配电网中配置一定数量的DG后，配电网网损明显降低，且随着接入 DG 个数的增加，配电网网损进一步减小，当系统配置 3 个DG 时的优化效果更好，此时系统节点电压波动更小，各支路损耗最低，且支路电流分布更均衡，配电网运行的经济性和稳定性更好。参考文献：1 余墨多,黄文焘,邰能灵,等.逆变型分布式电源并网运行暂态稳定机理与评估方法 J.电工技术学报,2022,37(10):2596-2610.2 吴成国,肖仕武,朱健.含负序电压支撑分布式电源的电网分区短路电流计算方法 J.电网技术,2023,47(03):1159-1169.3 何自争,邱怡,陈逸馨,等.基于 SA-CS 算法的分布式电源接入配电网规划研究 J.黑龙江电力,2022,44(05):415-419.4 连 胜,刘 闯,陈 涛,等.基于差分粒子群算法的含 DG 配电网优化重构 J.安徽电气工程职业技术学院学报,2023,28(01):38-44.5 蔡 浩,施 凯,唐 静,等.基于改进蚁狮优化算法的可再生能源分布式电源优化配置 J.电测与仪表,2022,59(11):88-95.6 肖永江,于永进,张桂林.基于改进乌燕鸥算法的分布式电源优化配置 J.电力系统保护与控制,2022,50(03):148-155.7 郝文斌,谢明洋,谢 波,等.基于自适应遗传算法的分布式电源优化配置 J.四川电力技术,2020,43(06):2-5+20.（下接第 53页）53第 3 期陈 薇，等：一种 500kV 四分裂导线间隔棒安装辅助工具的研制500kV 间隔棒安装辅助工具研制成功后，已经在实际工作中应用。相对于传统的作业方法，使用现有的作业方法，更换间隔棒时间大大减少，工作效率显著提高。部分停电检修作业中，利用此间隔棒安装辅助工具更换间隔棒作业，缩短工作时间见表 4。5 结束语本文研制的 500kV 间隔棒安装辅助工具，能够有效解决 500kV 输电线路停电检修作业中更换间隔棒耗时耗力的问题，有效提高作业效率，降低劳动强度。经过多次的现场应用，具有以下特点：设计合理，安全可靠。采用四分裂框型结构，将装置安装在导线上，保证了四根子导线相对位置的固定，增加导线稳定性。滑轮支架预留快拆销轴孔，可以有效避免导线从滑轮上脱落，提升了装置的安全稳定性。定位准确。采用电子测距仪，间隔棒安装距离精确度可控制到厘米。电子测距仪安装在装置上，可以精确显示装置移动距离，取代现在使用人工测量加逐米画线进行测距的方法，提高了测距精度，缩短了测距时间。方便携带，便于操作。一次安装可以实现一条线路上所有间隔棒的安装更换工作。采用调节杆调节上下导线距离，方便将下方两根子导线挂至滑轮，操作省时省力。结构灵活，可以拆分使用。在日常作业过程中，可以只用测距模块精确测出间隔棒是否发生偏移，可以使用调节模块，调整间隔棒的垂直度，减少更换整个间隔棒的次数。参考文献:1 黎湘康，魏长喜.500kV 线路重冰段间隔棒损坏及跳线绝缘子串脱落的探讨 J.四川电力技术，2001,24(5):62.2 程 鹏，何 成，朱弘钊，等.风害区域分裂导线间隔棒失效机理分析 J.水电能源科学，2018,36(3):172-175.3 张叔宝，刘明亮.球绞型间隔棒损坏原因分析及改进措施 J.电气应用，2005,24(10):31-32.4 郑克全，黄燕娇，肖湘奇.带电更换超/特高压输电线路导线间隔棒通用工具的设计 J.通讯世界，2015，22(7):151-152.5 张贵军，周自更，王 宾.一种双分裂导线更换或加装间隔棒专用工具的研制 J.农村电气化，2019，41(6):73-76.6 董彦武.带电加装、更换 500kV 紧凑型输电线路相间间隔棒技术研究J.山西电力，2013,33(6):62-65.本文编辑：黄海川（上接第 37页）8 白丽丽,杨晓娜,张纪英,等.基于改进哈里斯鹰算法的分布式电源优化配置J.吉林大学学报(信息科学版),2022,40(05):734-743.9 吴忠强,赵德隆,王云青,刘重阳.基于改进蜻蜓算法的蓄电池参数辨识 J.电机与控制学报,2020,24(12):152-160.10 薛海峰,武晓云.基于离散多目标蜻蜓算法和改进 FCM 的风电协调输电网扩展规划研究 J.智慧电力,2021,49(06):83-90.11 王国占.考虑分时电价的主动配电网经济优化 调 度 J.安 徽 电 气 工 程 职 业 技 术 学 院 学报,2022,27(02):7-13.12 张水平,高 栋.基于随机替换和混合变异的蜻蜓算法 J.科学技术与工程,2020,20(22):9108-9115.本文编辑：黄海川