CN105552896A - 一种基于分布式光伏发电的配电网高峰负荷控制方法 - Google Patents

Abstract

本发明提出一种基于分布式光伏发电的配电网高峰负荷控制方法，先考虑分布式电源投资与运行费用、线路投资与运行费用以及检修费用三者之和最小出发，使用遗传算法进行分布式电源接入配电网的扩展规划。分布式电源接入到负荷节点，则可以改变该节点的负荷和潮流，进而减少线路上负荷，使得线路上的负荷可以比规划设计的高，同时合理的分布式电源接入能有效降低线路损耗，提高经济性。

Description

一种基于分布式光伏发电的配电网高峰负荷控制方法

技术领域

本发明提出一种基于分布式光伏发电的配电网高峰负荷控制方法，属于配电网调峰领域。

背景技术

近年来，随着人民生活水平的提高和产业结构的调整，我国电网负荷峰谷差正逐年增大，电网调峰任务重、难度大。同时，随着光伏发电在电力系统中装机容量所占比例越来越大，其对电力系统规划、仿真、调度、控制的影响也引起了人们极大的关注。

随着分布式发电技术的发展，需要考虑其对配电网规划的影响；确定分布式电源的位置和容量时考虑配电网调峰，可消除配电网在最大负荷水平下的支路过载情况；现有技术中有的是基于光伏出力特性和负荷特性，分析了光伏的调峰特性及调峰方案选择；由于光伏发电具有间歇性、随机性等特点，当光伏发电并网容量超过某一阈值时，有可能破坏电力系统的稳定运行，还有从电网调峰平衡角度出发，提出一种计算光伏发电穿透功率极限的方法；通过详细分析可再生能源的出力特性、负荷特性以及电源的调峰能力以及综合考虑了旋转备用和联络线调节能力的影响，有些学者提出基于可再生能源接入系统后电力平衡的可再生能源接纳能力计算方法；以分布式电源投资费用及向输电网购电费用最小为优化目标，在输电网正常运行且价格固定、考虑停运状态和实时电价这三种典型的方式下分别考虑配电网中分布式电源的类型及容量规划。

负荷曲线的变化规律是配电网规划的基础。某市高速圈的负荷特点是办公写字楼较多，其次是居民小区，没有工厂，结合具体的数据从曲线走势、峰谷差率以及峰值负荷持续时间对负荷特性进行分析。具体如下式所示：

$\%P=\frac{P_{max}-P_{min}}{P_{max}}\×100\%---\left(1\right)$

ΔT＝T_90％(2)

式中：％P为峰谷差率，P_max为最大负荷，P_min为最小负荷，ΔT为峰值负荷持续时间，T_90％为90％最大负荷持续时间，规定为峰值负荷持续时间。

为找出不同时间的峰值特性及调峰容量的特点，选择一年中不同时期的典型日负荷进行分析，如图1所示。

由图1可以看出，除了7月20日负荷曲线具有单峰特性外，其余四天都出现早高峰与晚高峰；双峰负荷中早高峰比晚高峰高的情况较多；但随着温度降低，在12月20日晚高峰负荷高于早高峰；不同的负荷曲线峰值特性对应的峰谷差率差异较大，具有单峰特性的7月20日峰谷差率达到了78％，而晚高峰高于早高峰的12月20日峰谷差率为62％，早高峰比晚高峰高的三天峰谷差率分别为52.5％、64％和74％，因此有不同的调峰需求。

发明内容

发明目的：本发明提出一种基于分布式光伏发电的配电网高峰负荷控制方法，合理地在配电网中接入优化容量后的分布式光伏电源，改变接入点的负荷和潮流，降低线路负荷和线路损耗。

技术方案：本发明提出一种基于分布式光伏发电的配电网高峰负荷控制方法，包括以下步骤：

1)利用遗传算法计算出分布式光伏电源容量；

2)根据初始网架结构进行染色体编码，根据分布式电源接入容量的大小进行实数编码长度的确定，设置初始参数；

3)进行分布式光伏电源的配电网潮流计算；

4)进行适应度函数的计算；

5)适应度最高的直接进入下一代；

6)判断是否达到最大迭代次数，若满足则结束输出结果，否则经过遗传操作返回步骤2)进入下一代。

优选地，所述步骤1)中遗传算法计算过程包括以下步骤：

1)根据历史日负荷曲线计算峰谷差率的分布区间及概率，通过供电公司数据统计得出发电、输电成本与容量的关系；

2)将方差与峰值负荷持续时间进行归一化处理，得出目标函数表达式；

3)根据不同峰谷差率区间选定不同区间内的最大负荷点所在日负荷曲线作为初始负荷水平；

4)对分布式电源安装容量采用实数编码，产生初始种群；

5)计算适应度，并进行比较，保留较大的适应度值；

6)判断是否满足终止条件，若满足则跳转步骤7)；否则开始选择、交叉、变异操作，然后跳转到步骤5)；

7)得出最优群体，在群体内进行比较，输出方差较最的方案。

优选地，所述步骤2)采用二进制编码与实数编码相结合的染色体编码。

优选地，所述步骤4)中适应度函数值F(X)为：

$F\left(X\right)=\left\{\begin{array}{cc}{C}_{max}-f\left(X\right)& f\left(X\right)<C_{max}\\ 0& f\left(X\right)\&GreaterEqual;C_{max}\end{array}\right.---\left(13\right)$

式中C_max为一个相对较大的适当的数。

优选地，所述步骤6)中遗传操作包括选择、交叉和变异。

有益效果：本发明先考虑分布式电源投资与运行费用、线路投资与运行费用以及检修费用三者之和最小出发，使用遗传算法进行分布式电源接入配电网的扩展规划。分布式电源接入到负荷节点，则可以改变该节点的负荷和潮流，进而减少线路上负荷，使得线路上的负荷可以比规划设计的高，同时合理的分布式电源接入能有效降低线路损耗，提高经济性。

附图说明

图1为某高速圈典型日负荷曲线图；

图2为日峰负荷曲线图；

图3为具有光伏发电的等效负荷曲线图；

图4为接入不同容量光伏的等效负荷曲线图；

图5为原始峰值负荷持续曲线图；

图6为等效峰值负荷持续时间；

图7为分布式电源选址的流程图；

图8为算例中35节点网架示意图；

图9为规划后的网架结构图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等同形式的修改均落于本申请所附权利要求所限定的范围。

图2是该区域内2013年的日峰负荷值。可以看出，2013年的日峰负荷变化相对平稳，大幅波动出现在夏季时段，主要是由气温变化所引起，高温使得大量的空调等降温设备投入使用，形成了夏季高峰期。具体来说，深入观察图2发现：一年的最大负荷出现在8月20日，为1.39MW；最小日高峰负荷出现在2月5日，为0.32MW，日高峰负荷一年之中的峰谷差率高达78％，但是2013年全一年，负荷值在90％以上时间的仅为34天，日峰值负荷持续时间仅占一年时间的9.32％，大部分时间负荷都维持在一般水平，因此，按照最大负荷水平进行配电网规划，会造成巨大较大的浪费。所以在做配电网扩展规划时，可以选择典型的日负荷曲线为例，符合技术经济的要求。

光伏电池在某一时刻t的实际出力P_t可表示为：

$P_t=P_{stc}\frac{I_{rt}}{I_{stc}}\&lsqb;1+{\mathrm{\&alpha;}}_T(T_t-T_{stc})\&rsqb;---\left(3\right)$

式中：P_stc是标准条件下光伏板的出力，对应的太阳辐射强度I_stc为1000W/m2，温度T_stc＝25℃；I_rt为t时刻实际的太阳辐射强度，T_t为t时刻光伏板的温度。可以看出光伏电池实际出力主要受太阳辐射强度与温度的影响。

可以看出光伏电池实际出力主要受太阳辐射强度与温度的影响。一般来说中午出力最大，早上和傍晚光伏出力较小，晚上没有出力。也就是说，日负荷曲线与光伏电源出力曲线具有相似之处，部分负荷曲线的早高峰与光伏出力的高峰可以很好地重合。图3是2013年7月10日光伏电源出力曲线与负荷曲线的聚合效果。

表1为接入光伏的调峰效果，由表可知，考虑光伏发电后的等效负荷曲线与原始负荷曲线相比，最大负荷与最小负荷数值都有所下降，其中最大负荷下降幅度是最小负荷下降幅度的3.52倍，峰谷差及峰谷差率都大大降低，同时，等效后的负荷波动小，峰值负荷持续时间大大加长。也就是说，太阳能光伏发电的调峰效果显著。

表1：光伏电源的调峰效果

接入不同容量的分布式电源对负荷峰谷差率的降低差异较大。以上述某一天的负荷为基础，分别接入0.2、0.4、0.6、0.8、1.0、1.2兆瓦的光伏电源后的等效负荷曲线如图4所示。

由图4可知，并不是接入的光伏电源容量越大，峰谷差率降低越多。当光伏电源加入达到一定程度时，峰谷差率不再变化；随着光伏电源的容量继续增大，峰谷差率反而又增大了。所以如何合理选择光伏电源容量需要考虑调峰因素。

以每天最大负荷的90％作为参考负荷观察，等效前后的负荷曲线及其参考负荷如图5和图6所示，可以发现，接入光伏电源后，峰值负荷持续时间从4个小时增长为7个小时，此时负荷曲线变得更为平稳。所以选择光伏发电优化容量时需考虑峰值负荷持续时间指标。

根据上述分析进行光伏发电容量的优化。光伏发电容量优化的目标函数f为：

f＝min(C_f)(4)

$C_f=\underset{i=1}{\overset{24}{\&Sigma;}}{(P_i-P_{av})}^2---\left(5\right)$

式中C_f为负荷方差，P_i为第i时刻的有功功率，P_av为平均功率。

利用遗传算法进行容量优化，包括以下步骤：1)根据历史日负荷曲线计算峰谷差率的分布区间及概率，通过供电公司数据统计得出发电、输电成本与容量的关系；2)将方差与峰值负荷持续时间进行归一化处理，得出目标函数表达式；3)根据不同峰谷差率区间选定不同区间内的最大负荷点所在日负荷曲线作为初始负荷水平；4)对分布式电源安装容量采用实数编码，产生初始种群；5)计算适应度，并进行比较，保留较大的适应度值；6)判断是否满足终止条件，若满足则跳转步骤7；否则开始选择、交叉、变异操作，然后跳转到步骤5)；7)得出最优群体，在群体内进行比较，输出方差较最的方案。

在确定了配电网各个区域所需接入的光伏发电容量之后，再考虑对具体网架进行扩展规划，包括新增线路的选择。对于新增线路，需要计及投资费用、网损费用与检修费用；光伏电源接入配电网中，需要有初始投资、运行检修费用。综合考虑建立如下的目标函数F：

minF＝C_L+C_DG(6)

$C_L=\underset{i=1}{\overset{n_L}{\&Sigma;}}(x_i{\mathrm{\&beta;}}_i{C}_{li}+C_{pu}{\mathrm{\&tau;}}_{\max }{\mathrm{\&Delta;P}}_{li})---\left(7\right)$

$C_{DG}=\underset{j=1}{\overset{n_{DG}}{\&Sigma;}}({\mathrm{\&delta;}}_j{C}_{DGj}+C_{rj}{T}_{max}{E}_{DGj})---\left(8\right)$

式中：C_L为折算到每年的线路投资与运行费用，x_i为0-1变量，0表示该线路不需要投建，1表示需要投建，β_i为第i条线路的固定投资年平均费用系数，C_li为第i条线路的固定投资费用，C_pu为单位电价，τ_max为年最大负荷损耗小时数，ΔP_li为第i条线路上的有功损耗，C_DG为折算到每年的光伏电源投资与运行费用，δ_j为第j个光伏电源的固定投资年平均费用系数，C_DGj为第j个光伏电源的固定投资费用，C_rj为光伏电源单位容量运行费用，T_max为最大负荷利用小时数，E_DGj为第j个光伏电源的容量。

规划问题的约束条件包括了：

1)节点电压约束

U_imin≤U_i≤U_imax(9)

式中U_i为节点i的电压，U_imin为U_i的下限，U_imax为U_i的上限。

2)线路有功约束

P_j≤P_jmax(10)

式中P_j为支路j的有功功率，P_jmax为支路j的最大允许功率。

3)分布式电源约束

P_ΣDG≤P_max(11)

P_DGi≤P_Li(12)

式中P_ΣDG为接入配电网的光伏电源总容量，P_max为允许接入配电网的光伏电源最大容量，P_DGj为节点i安装的光伏电源有功功率，P_li为节点i的有功负荷。

接着基于遗传算法求解配电网扩展规划，包括以下步骤：

1)染色体混合编码

本发明在进行遗传编码的时候做了一些改变，使用二进制编码与实数编码相结合的遗传算法，具体如下表：

表2：混合编码染色体

0

1

0

…

1

0

3

1

0

…

1

2

如表2所示，待选投建线路采用二进制编码，长度为待选投建线路数，0表示该线路不投建，1表示该线路投建；而分布式电源位置和容量采用实数编码方式，长度表示可安装分布式电源的单元数，由第三章得出峰值负荷调节的容量大小，我们以1MW为标准，0.1MW为分布式电源单位容量，则可以得出分布式电源接入的染色体长度为10，里面基因的位置标示安装分布式电源的可行点编号，0表示不安装，出现的次数代表了分布式电源接入的容量，以图8为例，前六个为线路染色体，0代表不投建，1代表投建；后六个代表分布式电源接入，则节点1接入0.2MW，节点2、3只接入0.1MW。使用此编码方式，不会出现分布式电源接入容量大于峰值负荷的情况。

2)初始群体产生

由于表示分布式电源位置和容量的染色体部分在编码时考虑了其容量上限这一问题，现在只要求每个节点上安装的分布式电源容量不超过该节点的负荷即可。因此，分布式电源初始群体产生可分为两步，第一步，随机生成一个分布式电源初始群体；第二步，检验初始群体中各节点上的分布式电源容量，若所有染色体对应的方案中各节点上安装的分布式电源均小于该节点的负荷总量，则该群体满足条件，可以作为分布式电源的初始群体。

3)环的修复

闭环式指由网络中一系列的负荷节点构成回路，或在多个电源之间存在通路，这在配电网中是不允许的，所以我们需要对其进行修复，类似于支路交换法，断开回路中的一条馈线，或者断开多电源的两两相连的馈线。

4)适应度函数

遗传算法通过求解目标函数值来得到下一步的搜索信息，而目标函数值的使用是通过计算适应度函数值大小来实现的。具体操作是先将染色体解码，然后计算出该染色体对应个体的目标函数值，再由目标函数值按一定的转换规则求出适应度。

本发明进行适应度计算时，要对染色体中各个可行布点编号出现的次数进行统计，出现的次数乘以分布式电源的最小安装容量即为该点的安装容量，而在染色体中未出现的可行布点编号，就说明在该节点不安装分布式电源。

对于求最小值问题，可将目标函数按以下方式转换为适应度函数值F(X)：

$F\left(X\right)=\left\{\begin{array}{cc}{C}_{max}-f\left(X\right)& f\left(X\right)<C_{max}\\ 0& f\left(X\right)\&GreaterEqual;C_{max}\end{array}\right.---\left(13\right)$

式中C_max为一个相对较大的适当的数。

5)选择操作

遗传算法中遵循的是“适者生存”的原则，即对环境适应能力高的物种就会生存下来，繁衍下一代，而适应能敌低的物种遗传到下一代的可能性小，慢慢就会被淘汰。选择算子就是模拟优胜劣汰的过程。本发明采用的选择算子使用最有保存策略，即将适应度最高的个体直接保存下来，不需要参与交叉和变异操作，直接替代新群体中适应度最低的个体。

6)交叉操作

遗传算法中的交叉操作是指将两个配对的染色体上的部分基因按一定规律进行交换而得到两个新个体。交叉运算在遗传算法中起着重要作用，是产生新个体的主要方法，是遗传算法区别于其他算法的主要特点。

本发明的交叉算子采用单点交叉，先对群体中的个体进行两两随机配对。对每一对配对好的个，随机生成交叉点，再依据交叉概率交换染色体上的部分基因。

7)变异操作

遗传算法中的变异操作是指依据变异概率对染色体上的某个或某些基因用其他等位基因替换，进而得到新个体。本文中染色体的编码选择实数编码方式，具体如下：

该部分的变异操作我们引入领域解的思想，进行变异操作。假设某配电网中有十个节点可安装分布式电源，节点编号为1-10，则该部分染色体基因位上的取值为0-9，且该配电网可安装DG的容量上限是0.5MWA，取最小单元容量为0.1MWA，则该部分染色体的长度为5.具体执行过程如下：

表3：分布式电源变异操作示意表

0	3	5	9	8
							变异点

由于点5是变异点，则我们可以得出领域解为(03098)(03198)(03298)(03398)(03498)(03698)(03798)(03898)(03998)，然后选择领域解中最优的一个，即完成变异操作。

8)搜索终止条件

遗传算法搜索终止条件常用的由以下三个：

(1)遗传操作前后两代最优值适应度差小于某个给定的任意很小的数。

(2)达到遗传操作中最优解连续不变量最大代数。

(3)达到遗传操作最大迭代数。

本发明使用第三个终止条件，即遗传操作达到最大迭代数。

如图7所示，总结上述流程如下：

(1)产生初始种群：根据初始网架结构进行染色体中二进制编码的确定，根据分布式电源接入容量的大小进行实数编码长度的确定，设置初始参数：种群大小、迭代次数、交叉概率、变异概率等；

(2)进行分布式电源的配电网潮流计算；

(3)考虑分布式电源的配电网规划模型中的约束条件；

(4)进行适应度函数的计算；

(5)遗传操作：适应度最高的直接进入下一代，即最有保存策略；交叉算子采用单点交叉；变异根据领域解进行变异操作；

(6)判断终止条件，是否达到最大迭代次数，若满足则继续下一步；否则继续循环步骤5，进入下一代；

(7)结束，输出结果。

最后给出一个算例根据某市配电网规划，可以发现大市区高速圈内线路现状联络率为57％。此高速圈内发展较为迅速。接下来结合高速圈具体情况，对该配电网进行分布式电源的选址与定容以及配电网输电线路的扩展规划进行计算。具体算例如下所示：节点1为电源节点，其余都为负荷节点，新增节点为3639，假设在网络中负荷节点均可以安装分布式电源，且假设分布式电源直接安装在负荷节点上，图8中实线代表已有线路，虚线为待建线路。此处假设分布式电源的容量为100KW的整数倍。

我们需要对图7的一些参数做一些规定：一般来说，群体大小我们选择M＝100，交叉概率P_c＝0.45，变异概率P_m＝0.04，最大迭代次数N_c＝1000，收敛判据ε＝0.0001，线路年最大负荷利用小时数τ_max＝2400h，电价线路投资年费用系数x_i＝0.2，DG投资年费用系数α_j＝0.35，DG的投资根据具体容量进行选择，具体如附录，DG运行成本c_DG＝0.24元/kWh。

可以得出遗传算法终止时，得到分布式电源位置以及所需容量。分布式电源所在的安装位置如下表4所示

表4：分布式电源选址与定容

位置	11	29	31	37	34	35
							容量(kW)	200	100	200	100	100	100

规划之后的配电网如图9所示，空心点代表分布式电源安装处，虚线代表新增线路。

表5：规划前后网损对比

	总有功注入(MW)	总无功注入(MVA)	总有功损耗(MW)	总无功损耗(MVA)7 -->
					含DG	14.462	8.932	0.861	1.959
不含DG	15.237	10.859	1.743	4.415

从表5我们可以看出，引入分布式电源之后，由于其对线路负载能力和配电网潮流的影响，网损有了明显的降低，极大的降低了网损费用。

表6：规划前后费用对比

费用名	含分布式电源	不含分布式电源
			分布式发电运行年费用	169.7	0
检修年费用	186.4	181.5
			线路年费用	171.9	374.8
总费用	528.0	556.3

从表6可得，含分布式电源的方案为528万元，不含分布式电源为556.3万元。当投入分布式电源的时候，虽然会有分布式发电运行年费用，但是极大的降低了网损，使得线路年费用有了极大的降低，从综合总费用来看，含分布式电源的配电网规划不仅能够极大的提高配电网的安全性和稳定性，也具有不错的调峰作用。虽然分布式电源的发电成本目前还是比较高，但是优化分布式电源的位置和容量可明显推迟配电网线路的升级，并且随着科技的发展，分布式电源的成本会越来越低，含分布式电源的方案的经济优势会越来越明显。同时考虑到分布式电源接入系统所带来的巨大的调峰的社会效应，所以在配电网中引入分布式电源具有非常重要的经济效益和社会效益。

Claims (5)

1.一种基于分布式光伏发电的配电网高峰负荷控制方法，其特征在于，包括以下步骤：

1)利用遗传算法计算出分布式光伏电源容量；

2)根据初始网架结构进行染色体编码，根据分布式电源接入容量的大小进行实数编码长度的确定，设置初始参数；

3)进行分布式光伏电源的配电网潮流计算；

4)进行适应度函数的计算；

5)适应度最高的直接进入下一代；

6)判断是否达到最大迭代次数，若满足则结束输出结果，否则经过遗传操作返回步骤2)进入下一代。

2.根据权利要求1所述的基于分布式光伏发电的配电网高峰负荷控制方法，其特征在于，所述步骤1)中遗传算法计算过程包括以下步骤：

1)根据历史日负荷曲线计算峰谷差率的分布区间及概率，通过供电公司数据统计得出发电、输电成本与容量的关系；

2)将方差与峰值负荷持续时间进行归一化处理，得出目标函数表达式；

3)根据不同峰谷差率区间选定不同区间内的最大负荷点所在日负荷曲线作为初始负荷水平；

4)对分布式电源安装容量采用实数编码，产生初始种群；

5)计算适应度，并进行比较，保留较大的适应度值；

6)判断是否满足终止条件，若满足则跳转步骤7)；否则开始选择、交叉、变异操作，然后跳转到步骤5)；

7)得出最优群体，在群体内进行比较，输出方差较最的方案。

3.根据权利要求1所述的基于分布式光伏发电的配电网高峰负荷控制方法，其特征在于，所述步骤2)采用二进制编码与实数编码相结合的染色体编码。

4.根据权利要求1所述的基于分布式光伏发电的配电网高峰负荷控制方法，其特征在于，所述步骤4)中适应度函数值F(X)为：

$F\left(X\right)=\left\{\begin{array}{cc}{C}_{max}-f\left(X\right)& f\left(X\right)<C_{max}\\ 0& f\left(X\right)\&GreaterEqual;C_{max}\end{array}\right.$

式中C_max为一个相对较大的适当的数。

5.根据权利要求1所述的基于分布式光伏发电的配电网高峰负荷控制方法，其特征在于，所述步骤6)中遗传操作包括选择、交叉和变异。