分布式电源接入配电网研究综述

来源:用户上传      作者:

　　摘 要 本文以分布式电源接入配电网为例，研究分析了分布式电源接入配电网目前的研究重点、数学模型、及研究方法，并针对目前的研究进展提出了下一步的建议。
　　关键词 分布式电源 配电网 智能算法
　　0引言
　　截止2018年底，我国新能源发电累积装机容量的比重达3.6亿千瓦，占全国总装机容量的19%。而新能源发电中主要采用的太阳能、风能，其固有的间歇性、随机性、分布范围广等特点，决定了除采用与传统发电形式一致的大规模集中发电以外，还必须要大量地使用分布式电源（DG，distributed generation）的形式，才能很好的解决新能源发电的能量利用与消纳等问题。因此，DG接入配电网是目前新能源研究领域的热点问题。
　　1研究问题
　　针对DG接入配电网，前期试点工程中，并未对接入工作和配电网的规划、运维带来很大的挑战，但是随之光伏、风电的度电成本进一步降低，大量的DG接入配电网已是大势所趋。因此在大量DG接入配电网的趋势下，配电网的“接纳能力”和“消纳能力”成为了重点研究问题。
　　现阶段对于DG接纳能力评估方法与提升技术研究成果已较为丰富，此基础上从不同角度对有成果进行系统性的总结与分析，为配电网DG的充分纳利用提供借鉴意义。就目前配电网现状而言，已基本形成全国各区域全覆盖，且普遍采用辐射状供电形式。而配电网规划新建存在着资金投资量大、通道选址困难、负荷不确定性等因素。短期内根据DG接入的需求，大量规划、新建配电网线路较为困难。因此，目前亟需解决的是基于配电网现状，对DG的消纳提出建设性的建议，既能解决DG接入的问题，还能提高配电网供电质量和供电可靠性。
　　2研究数学模型
　　为了能定量分析DG接入配电网的问题，要建立包含DG的配电网数学模型，较为常见的模型中将多目标问题优化，采用随机加权法进行单目标化处理，其函数表达式为
　　其中，为DG接入配电网容量之和，为DG接入配电网损耗之和，和为随机数，且，，。
　　除了构建目标函数以外，还应该满足一些必要的约束条件，其函数表达式为：
　　3研究方法
　　文献[1]使用了遗传算法模拟自然进化过程搜索最优解的方法，通用性强，对可行性解表示广泛。但收敛速度较慢，容易陷入局部最优。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，通过逐次迭代逼近最优解，该法采用单点搜索具有较好计算速度和局部寻优效率，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。差分进化算法是一种新型的基于群体智能的全局优化算法，保留了基于种群的全局搜索策略，降低了遗传操作的复杂性。
　　4研究建议
　　根据现有DG接入配电网的研究基础，从优化目标函数、改进算法策略的角度给出一些建议和意见：
　　（1）在实际DG的优化配置过程中，需要从多角度的方式建立优化配置数学模型，未来研究可以重点以DG构建虚拟发电厂VPP（Virtual Power Plant）的系统运行方式，为系统提供高可靠性、高质量、高度安全和随时可用的电能服务，使得对配电网中大量DG的管理更加高效，提高系统运行的稳定性。
　　（2）针对目前算法主流采用随机搜索的智能算法，但普遍存在容易陷入局部最优且收敛速度较慢的情况，在采用智能算法时，对算法的步长、迭代次数等进行优化，并采用多种算法进行对比分析，找出最适宜的算法，确保结果的准确性和最优。
　　 基金项目：乐山职业技术学院院级课题资助项目“分布式电源接入配电网研究综述”（KY2019008）。
　　參考文献
　　[1] 麻秀范，崔换君.改进遗传算法在含分布式电源的配电网规划中的应用[J].电工技术学报，2011，26（03）.
　　[2] 田颖.基于禁忌差分粒子群算法的分布式电源的选址和定容[D].北京：华北电力大学，2012.
　　[3] 黄映，李杨，高赐威.基于非支配排序差分进化算法的多目标电网规划[J].电网技术，2011，35（03）.
转载注明来源:https://www.xzbu.com/1/view-15196648.htm