基于螢火蟲算法的分布式電源優(yōu)化配置研究

董國玉

(廊坊職業(yè)技術學院，河北廊坊065000)

基于螢火蟲算法的分布式電源優(yōu)化配置研究

董國玉

(廊坊職業(yè)技術學院，河北廊坊065000)

為了充分發(fā)揮分布式電源的優(yōu)勢，在研究分布式電網(wǎng)潮流特性的基礎上，提出了以網(wǎng)絡損耗最小和運行最經(jīng)濟為主要目標的分布式電源運行目標函數(shù)。并利用改進后的螢火蟲算法對函數(shù)進行了求解探索。仿真證明，利用更迭域自適應方法改進后的螢火蟲算法可有效地解決多目標復雜模型，尋優(yōu)速度和算法收斂性明顯好于單一算法，能夠很好地解決分布式電源的定容和定址等優(yōu)化配置問題。

分布式電源；優(yōu)化配置；螢火蟲算法；算法改進

分布式電網(wǎng)是傳統(tǒng)電網(wǎng)的有效補充。但是分布式電網(wǎng)接入傳統(tǒng)配電網(wǎng)后，分布式電源的任何變化都會引起傳統(tǒng)電網(wǎng)潮流大小、方向、系統(tǒng)損耗等因素的變化，而由于受分布式電源自身特性的限制，這種變化又是非線性的和復雜的。因此，采取某種手段對分布式電源進行規(guī)劃，促使分布式電網(wǎng)按照某一目標穩(wěn)定地運行具有重要的意義。

根據(jù)文獻[1]研究結論可知，DG(分布式電源)的運行過程受到多種因素的影響，其中負荷的變化是重要的影響因素之一。除此之外，DG的選址和定容也是提高DG運行效率的關鍵因素。因此，合理地對DG實現(xiàn)有效地優(yōu)化配置具有重要的現(xiàn)實意義。

本文通過對分布式電源潮流特性等因素的分析，建立了以經(jīng)濟運行和損耗最小為目標的DG多目標優(yōu)化模型，并利用改進后的螢火蟲算法對其進行求解，以有效解決DG的定容和選址問題。最后，通過與其它智能算法的對比分析，驗證了該算法的有效性。

1 分布式電源潮流特性分析和目標函數(shù)的確定

1.1 分布式電源潮流特性分析

可再生性能源的發(fā)電、輸電、配電環(huán)節(jié)都會受到氣候、負荷等多種因素的影響，具有明顯的季節(jié)性、隨機性和波動性，而這種不確定性使電網(wǎng)中的電功率或電流的實時分布、分配或走向充滿可變性，這就導致了電力潮流的不確定性，而這種不確定性具有很高的復雜性，利用數(shù)學模型很難再現(xiàn)其準確的過程，因此利用建模的方式來實現(xiàn)分布式電源的負荷預測和定容定址的計算都存在一定的難度。而采用多目標函數(shù)的分布式電源配置模型可以提高在一定范圍內(nèi)配電網(wǎng)的穩(wěn)定性和運行效率，是一種確定分布式電源配置方式的良好手段。

1.2 分布式電源目標函數(shù)的確定

分布式電源的隨機性帶來了電網(wǎng)潮流的不可控性，而潮流的不可控會直接影響系統(tǒng)的損耗，因此，分布式電網(wǎng)穩(wěn)定運行的第一個子目標確定為網(wǎng)損最小。

分布式配電網(wǎng)的網(wǎng)損分為兩大部分，一部分為DG與其網(wǎng)內(nèi)負荷間所產(chǎn)生的損耗；而另一部分為傳統(tǒng)電網(wǎng)變配電站與接入DG之間所產(chǎn)生的系統(tǒng)損耗，而這兩部分的總和就是分布式配電網(wǎng)的集成網(wǎng)損，具體表示為式(1)～(2)[2]。

式中：Gn(i,j)為線路中i點與j點之間n支路的電導參數(shù)；Ui、Uj、δij分別表示i點與j點的電壓幅值和相位差；而Pn就是配電網(wǎng)N段的有功網(wǎng)損。

分布式電網(wǎng)運行的第二個目標函數(shù)確定為營運成本為最低。眾所周知，分布式電源的安裝成本相對較高，為提高投資回報率，就需要盡可能地增加使用的年限，而這又會提高分布式電網(wǎng)的年運行維護費用，因此，確定最經(jīng)濟的運行方式為第二個目標函數(shù)，具體表示為式(3)。

式中：CDG,i為第i年DG的運維費用；PDG，i為當年DG的安裝容量；Xi為第i年DG的有效利用率；N為規(guī)劃使用年限。

確定了以網(wǎng)損和運維費用最小為目標函數(shù)之外，還需要為綜合目標函數(shù)增加相應的約束條件。在本設計中，確定了四大要素為主要的約束條件：(1)有功功率與無功功率的平衡約束；(2)節(jié)點電壓在安全范圍內(nèi)的約束；(3)DG接入容量不得超過系統(tǒng)總容量相應比例的約束；(4)配電線路傳輸功率小于最大安全功率約束。

有了以上的綜合目標函數(shù)和約束條件后，就可以利用相關算法來求解最優(yōu)解了。

2 螢火蟲算法分析

螢火蟲算法是一種新型的基于生物特性的群智能優(yōu)化算法。算法的本質(zhì)是模擬螢火蟲利用光素值的大小來優(yōu)化群體活動的行動模式，來進行問題最優(yōu)解的尋找。螢火蟲算法具有模式明確、實現(xiàn)簡單、復雜度相對可控、穩(wěn)定性強的優(yōu)點。同時螢火蟲算法具有非常優(yōu)秀的多峰函數(shù)優(yōu)化能力，特別適合多模函數(shù)的優(yōu)化問題，所以利用螢火蟲算法來解決分布式電源的優(yōu)化配置具有良好的效果。

螢火蟲算法當中的每只螢火蟲代表了每一個問題空間中目標函數(shù)的相應可能取值。針對分布式電源的兩個目標函數(shù)，每只螢火蟲代表了相應問題參數(shù)的取值，而最可能的取值群體由螢火蟲算法給出：螢火蟲的移動方向(參數(shù)取值閾)和移動距離(參數(shù)改變的幅度設定)主要由螢火蟲自身的亮度(參數(shù)可靠性系數(shù))和吸引度(參數(shù)優(yōu)化特性)來決定。針對分布式電源的定址和容量的問題，目標函數(shù)的取值受到取值參數(shù)本身權重和最優(yōu)化特性的影響而不斷迭代的過程，最終使群體參數(shù)趨向于最優(yōu)化。

利用螢火蟲算法來解決具體問題需要有三個數(shù)學變量，分別為個體螢火蟲的螢火亮度；個體螢火蟲的吸引度；被吸引螢火蟲的位置迭代距離。

(1)個體螢火蟲的螢火亮度(系統(tǒng)參數(shù)的可靠性系數(shù))

式中：βo為螢火蟲自身最大的吸引力，也是當前參數(shù)的可靠性初值；γ為光強吸收因子，在本設計中定義為可靠性受環(huán)境影響的因子，一般定義為一個常數(shù)；r為當前螢火蟲可感知的范圍半徑，而rij為兩只螢火蟲i與j間的有效距離。

(2)個體螢火蟲的吸引度(系統(tǒng)參數(shù)的優(yōu)化特性)

(3)位置迭代距離

每一次個體螢火蟲受其他螢火蟲的吸引都會進行位置的更迭，不斷趨向最優(yōu)參數(shù)進行移動，移動的距離由式(6)來決定：

式中：Xi(t)為第i只螢火蟲的上一次的位置；Xi(t+1)為當前迭代后的位置；β(rij)為個體吸引度；li(t)為i、j兩只螢火蟲迭代后發(fā)生的位置差；α為初始化步長因子，可以根據(jù)實際問題進行具體定義。

標準螢火蟲算法進行位置更迭的算法流程如圖1所示。

圖1 螢火蟲算法流程

分布式電源的螢火蟲算法可有效地解決多目標函數(shù)的最優(yōu)解問題。但是，不加改進的螢火蟲算法也具有收斂速度過慢、精度低的缺點。為了提高螢火蟲算法的有效性，需要采取某種方式對算法本身進行改進。

本設計采取的辦法是更迭域自適應的方法，具體的做法是當螢火蟲在當前域空間沒有找到比自身亮度更大的目標時，當前域空間所定義的中心位置自動向某一特定方向移動一定常數(shù)的距離，并在該位置的空間中重新搜索和迭代，直至達到合理優(yōu)化結果結束。

經(jīng)過改進的算法在問題最優(yōu)解發(fā)現(xiàn)率和最優(yōu)解發(fā)現(xiàn)時間上都有了較大的改進，如圖2所示，達到了改進算法的目的。

3 結束語

本文在對分布式電源充分分析的基礎上，設定了以網(wǎng)損和運維經(jīng)濟為目標的多目標最優(yōu)函數(shù)，并利用改進后的螢火蟲算法對其進行求解。最后仿真實驗證明，改進后的螢火蟲算法能在有效的時間內(nèi)找到解空間內(nèi)的最優(yōu)解，為分布式電源的優(yōu)化配置提供良好的技術手段。

圖2 算法改進前后效率對比

[1]周勇.基于改進螢火蟲算法分布式電源優(yōu)化配置研究[D].長沙：長沙理工大學，2014：1-3.

[2]徐衛(wèi)星.基于改進粒子群算法的分布式電源優(yōu)化配置[J].電氣技術，2015(12)：71-75.

Research on optimal configuration of distributed power supply based on firefly algorithm

DONG Guo-yu
(Langfang Polytechnic Institute,Langfang Hebei 065000,China)

On the basis of research characteristics of distributed network,in order to make use of the advantages of distributed power source,distributed power operating objective function with the main goal of the least network loss and the most economic operation were introduced.The function was explored by the improved firefly arithmetic.The simulation show that the multi-objective complex model can be effectively solved using the arithmetic which is improved by alternating domain self-adaptation method. It is obvious that the velocity of optimization and the algorithm convergence are better than single arithmetic.Then the problem of optimal allocation could be solved well such as constant volume and addressing in the distributed power system.

distributed power supply;optimal configuration;firefly algorithm;algorithm improvement

TM 73

A

1002-087 X(2017)10-1487-03

2017-03-12

董國玉(1979—)，女，河北省人，副教授，碩士，主要研究方向為運籌與優(yōu)化。