徐鵬 陸迪 辛釔辰

摘 要：對分布式電源進(jìn)行合理的選址和定容對于配電網(wǎng)運(yùn)行和規(guī)劃非常重要。提出一種改進(jìn)交叉操作的遺傳算法，用邏輯交叉的方法對二進(jìn)制編碼的變量采進(jìn)行交叉操作，以網(wǎng)損最小為目標(biāo)，對分布式電源的定容定址問題加以求解，獲取分布式電源的最優(yōu)安裝位置和容量；并針對標(biāo)準(zhǔn)測試系統(tǒng)并入一臺、兩臺分布式電源分別進(jìn)行仿真計(jì)算與分析，仿真結(jié)果驗(yàn)證所提方法的有效性。

關(guān)鍵詞：分布式電源 優(yōu)化配置 遺傳算法 邏輯交叉 功率損耗

中圖分類號：TM715 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-3973（2013）009-083-02

1 引言

分布式電源（DG）具有投資少、選址容易、減輕環(huán)境污染、多樣的可再生能源種類，近年來受到了全世界的關(guān)注?，F(xiàn)有的電力系統(tǒng)與分布式電源并網(wǎng)運(yùn)行可以有效的降低線路網(wǎng)損，緩解電壓驟變，并且供電可靠性大大提高。

在智能電網(wǎng)技術(shù)迅速發(fā)展的今天，分布式電源技術(shù)已經(jīng)日趨成熟，將來會(huì)有更多的分布式電源并入電網(wǎng)中。大量分布式電源并網(wǎng)有諸多優(yōu)點(diǎn)，如減少線路有功網(wǎng)損，節(jié)約電網(wǎng)投資等，但如果分布式電源并網(wǎng)位置和容量選擇不當(dāng)，將會(huì)給電網(wǎng)帶來一些負(fù)面影響。因此，合理選擇分布式發(fā)電的位置和容量十分重要。

近年來，DG的優(yōu)化選址與定容問題得到了廣泛關(guān)注。優(yōu)化的方法包括傳統(tǒng)優(yōu)化算法和智能優(yōu)化算法（如遺傳算法、粒子群算法和混合智能算法等），本文作者在前述工作的基礎(chǔ)上，首先提出一種改進(jìn)交叉操作的遺傳算法；以含分布式電源的配電網(wǎng)網(wǎng)損最小為目標(biāo)，采用所提出的改進(jìn)算法來求解分布式電源的優(yōu)化選址與定容問題。

2 含分布式電源的配電網(wǎng)優(yōu)化配置的目標(biāo)函數(shù)

等式約束條件為潮流約束方程。

其中，QDGi 為節(jié)點(diǎn)注入的分布式電源的無功功率；PDGi 為節(jié)點(diǎn)注入的分布式電源的有功功率；PL為線路支路有功功率；PDG為注入的分布式電源的額定容量；U為節(jié)點(diǎn)電壓；PS為配電系統(tǒng)從輸電系統(tǒng)購買的實(shí)際功率；PSmax為配電系統(tǒng)從輸電系統(tǒng)購買的最大功率。

3 基于改進(jìn)交叉操作遺傳算法求解流程

3.1 遺傳算法的基本原理

生物的進(jìn)化是一個(gè)奇妙的優(yōu)化過程，它通過選擇淘汰，突然變異，基因遺傳等規(guī)律產(chǎn)生的物種能夠適應(yīng)周圍環(huán)境變化。遺傳算法的基本思想是根據(jù)生物進(jìn)化產(chǎn)生的。

3.2 改進(jìn)交叉操作的遺傳算法

由于遺傳算法存在的缺點(diǎn)：穩(wěn)定性差，易早熟，收斂速度慢。為彌補(bǔ)簡單遺傳算法在分布式發(fā)電優(yōu)化配置求解中存在的不足，筆者下面提出了幾點(diǎn)改進(jìn)措施：

（1）逐步遞減交叉率和遞增變異率。

（2）邏輯交叉，即通過對經(jīng)選擇操作所選的兩個(gè)父代個(gè)體分別進(jìn)行邏輯或運(yùn)算和與運(yùn)算，產(chǎn)生兩個(gè)新的子代個(gè)體，經(jīng)大量實(shí)驗(yàn)運(yùn)算表明，這種運(yùn)算不但可以避免早熟，而且會(huì)對解空間擴(kuò)大搜索范圍。

3.3 改進(jìn)遺傳算法的計(jì)算步驟

結(jié)合筆者提出的思想，基于改進(jìn)遺傳算法的的分布式發(fā)電優(yōu)化配置的具體計(jì)算步驟如下：

（1）開始進(jìn)化。

（2）輸入系統(tǒng)的初始數(shù)據(jù)。

（3）由混沌函數(shù)產(chǎn)生初始種群。

（4）計(jì)算個(gè)體的適應(yīng)度值。

（5）保存適應(yīng)度值最大的個(gè)體，不讓其參加交叉、變異過程。

（6）根據(jù)選擇原則選出個(gè)體。

（7）讓已選擇的個(gè)體參與交叉過程。

（8）對參與交叉后的種群進(jìn)行變異操作。

（9）對變異后種群中的個(gè)體再次計(jì)算適應(yīng)度函數(shù)值，并從父代種群和子代種群兩個(gè)最優(yōu)個(gè)體中選擇出較好的個(gè)體，插入到子種群中。

（10）判斷是否滿足進(jìn)化終止準(zhǔn)則，如果滿足就轉(zhuǎn)到（11），否則轉(zhuǎn)至（4）繼續(xù)進(jìn)行遺傳過程。

（11）終止進(jìn)化，輸出搜索結(jié)果。

4 算例分析

本文以IEEE13節(jié)點(diǎn)標(biāo)準(zhǔn)系統(tǒng)為例進(jìn)行了仿真分析。假設(shè)網(wǎng)絡(luò)中允許接入分布式電源的節(jié)點(diǎn)為節(jié)點(diǎn)2-節(jié)點(diǎn)13。關(guān)于多種群遺傳算法參數(shù)的選取如下：各種群群體大小為M=60，交叉率Pc為0.8，變異率Pm為0.02，最優(yōu)解連續(xù)不變最大代數(shù)W=5，最大迭代次數(shù)T=50。

原系統(tǒng)的功率損耗為175.595KW，并入系統(tǒng)中的DGs可供選擇的容量分別為500，1000，1500和2000KW。第一步，并入一臺DG后，通過運(yùn)行MATLAB程序，并入一臺DG的最優(yōu)安裝位置和容量分別為母線8和2000KW，功率損耗降至123.409KW。第二步，并入兩臺DG后，獲取的最優(yōu)安裝位置和容量為在母線8和12上分別安裝一臺容量為2000KW的DG，功率損耗降至84.440KW。通過多次運(yùn)行MATLAB程序表明：繼續(xù)增加并入系統(tǒng)的DG的臺數(shù)，對降低功率損耗的效果不明顯，并且，如果負(fù)荷發(fā)生改變（減少負(fù)荷），母線電壓會(huì)高于最大允許電壓值。

5 結(jié)論

本文提出了以網(wǎng)損最小為基礎(chǔ)，采用改進(jìn)交叉操作的遺傳算法對分布式電源選址和定容問題進(jìn)行求解的優(yōu)化方法，以使得加入分布式電源以后線路網(wǎng)絡(luò)損耗達(dá)到最優(yōu)，抑制了遺傳算法收斂速度比較慢，算法穩(wěn)定性比較差，易早熟等缺點(diǎn)，大大提高了算法收斂到全局最優(yōu)解的速度和收斂的精度，并針對標(biāo)準(zhǔn)測試系統(tǒng)進(jìn)行了仿真計(jì)算與分析，三個(gè)算例結(jié)果表明，該算法是行之有效的。同時(shí)表明，該系統(tǒng)并入一臺或者兩臺分布式電源可以有效的降低線路損耗，系統(tǒng)并入多臺分布式電源雖然增加了投資，但對降低功率損耗的效果不明顯。因此，系統(tǒng)中并入多臺分布式電源是不合理的。

參考文獻(xiàn)：

[1] 梁才浩，段獻(xiàn)忠.分布式發(fā)電及其對電力系統(tǒng)的影響[J].電力系統(tǒng)自動(dòng)化，2001，25（12）：53-56.

[2] 梁有偉，胡志堅(jiān)，陳允平.分布式發(fā)電及其在電力系統(tǒng)中的應(yīng)用研究綜述[J].電網(wǎng)技術(shù)，2003，27（12）：71-88.

[3] 劉殿海.電源優(yōu)化規(guī)劃理論研究及應(yīng)用[D].北京：華北電力大學(xué)，2006.

[4] 陳海焱，陳金富，段獻(xiàn)忠.含分布式電源的配電網(wǎng)潮流計(jì)算[J].電力系統(tǒng)自動(dòng)化，2006，30（1）：35-40.

[5] 徐荊州.分布式發(fā)電對配網(wǎng)可靠性的影響分析[D].南京：東南大學(xué)，2007.

[6] 王秀麗，王錫凡.遺傳算法在輸電系統(tǒng)規(guī)劃中的應(yīng)用[J].西安交通大學(xué)學(xué)報(bào)，1995，29（8）：1-16.

[7] 席裕庚，柴天佑.遺傳算法綜述[J].控制理論與應(yīng)用，1996，13（6）：697-708.

[8] 丁永生，任立紅.人工免疫系統(tǒng)：理論與應(yīng)用[J].模式識別與人工智能，2000，l3（l）：52-59.

[9] 張紀(jì)會(huì)，高齊圣，徐心和.自適應(yīng)蟻群算法[J].控制理論與應(yīng)用，2000，17（l）：l-8.

[10] 王成山，陳愷，謝瑩華，等.配電網(wǎng)擴(kuò)展規(guī)劃中分布式電源的選址和定容[J].電力系統(tǒng)自動(dòng)化，2006，30（3）：38-43.