董国玉

(廊坊职业技术学院，河北廊坊065000)

基于萤火虫算法的分布式电源优化配置研究

董国玉

(廊坊职业技术学院，河北廊坊065000)

为了充分发挥分布式电源的优势，在研究分布式电网潮流特性的基础上，提出了以网络损耗最小和运行最经济为主要目标的分布式电源运行目标函数。并利用改进后的萤火虫算法对函数进行了求解探索。仿真证明，利用更迭域自适应方法改进后的萤火虫算法可有效地解决多目标复杂模型，寻优速度和算法收敛性明显好于单一算法，能够很好地解决分布式电源的定容和定址等优化配置问题。

分布式电源；优化配置；萤火虫算法；算法改进

分布式电网是传统电网的有效补充。但是分布式电网接入传统配电网后，分布式电源的任何变化都会引起传统电网潮流大小、方向、系统损耗等因素的变化，而由于受分布式电源自身特性的限制，这种变化又是非线性的和复杂的。因此，采取某种手段对分布式电源进行规划，促使分布式电网按照某一目标稳定地运行具有重要的意义。

根据文献[1]研究结论可知，DG(分布式电源)的运行过程受到多种因素的影响，其中负荷的变化是重要的影响因素之一。除此之外，DG的选址和定容也是提高DG运行效率的关键因素。因此，合理地对DG实现有效地优化配置具有重要的现实意义。

本文通过对分布式电源潮流特性等因素的分析，建立了以经济运行和损耗最小为目标的DG多目标优化模型，并利用改进后的萤火虫算法对其进行求解，以有效解决DG的定容和选址问题。最后，通过与其它智能算法的对比分析，验证了该算法的有效性。

1 分布式电源潮流特性分析和目标函数的确定

1.1 分布式电源潮流特性分析

可再生性能源的发电、输电、配电环节都会受到气候、负荷等多种因素的影响，具有明显的季节性、随机性和波动性，而这种不确定性使电网中的电功率或电流的实时分布、分配或走向充满可变性，这就导致了电力潮流的不确定性，而这种不确定性具有很高的复杂性，利用数学模型很难再现其准确的过程，因此利用建模的方式来实现分布式电源的负荷预测和定容定址的计算都存在一定的难度。而采用多目标函数的分布式电源配置模型可以提高在一定范围内配电网的稳定性和运行效率，是一种确定分布式电源配置方式的良好手段。

1.2 分布式电源目标函数的确定

分布式电源的随机性带来了电网潮流的不可控性，而潮流的不可控会直接影响系统的损耗，因此，分布式电网稳定运行的第一个子目标确定为网损最小。

分布式配电网的网损分为两大部分，一部分为DG与其网内负荷间所产生的损耗；而另一部分为传统电网变配电站与接入DG之间所产生的系统损耗，而这两部分的总和就是分布式配电网的集成网损，具体表示为式(1)～(2)[2]。

式中：Gn(i,j)为线路中i点与j点之间n支路的电导参数；Ui、Uj、δij分别表示i点与j点的电压幅值和相位差；而Pn就是配电网N段的有功网损。

分布式电网运行的第二个目标函数确定为营运成本为最低。众所周知，分布式电源的安装成本相对较高，为提高投资回报率，就需要尽可能地增加使用的年限，而这又会提高分布式电网的年运行维护费用，因此，确定最经济的运行方式为第二个目标函数，具体表示为式(3)。

式中：CDG,i为第i年DG的运维费用；PDG，i为当年DG的安装容量；Xi为第i年DG的有效利用率；N为规划使用年限。

确定了以网损和运维费用最小为目标函数之外，还需要为综合目标函数增加相应的约束条件。在本设计中，确定了四大要素为主要的约束条件：(1)有功功率与无功功率的平衡约束；(2)节点电压在安全范围内的约束；(3)DG接入容量不得超过系统总容量相应比例的约束；(4)配电线路传输功率小于最大安全功率约束。

有了以上的综合目标函数和约束条件后，就可以利用相关算法来求解最优解了。

2 萤火虫算法分析

萤火虫算法是一种新型的基于生物特性的群智能优化算法。算法的本质是模拟萤火虫利用光素值的大小来优化群体活动的行动模式，来进行问题最优解的寻找。萤火虫算法具有模式明确、实现简单、复杂度相对可控、稳定性强的优点。同时萤火虫算法具有非常优秀的多峰函数优化能力，特别适合多模函数的优化问题，所以利用萤火虫算法来解决分布式电源的优化配置具有良好的效果。

萤火虫算法当中的每只萤火虫代表了每一个问题空间中目标函数的相应可能取值。针对分布式电源的两个目标函数，每只萤火虫代表了相应问题参数的取值，而最可能的取值群体由萤火虫算法给出：萤火虫的移动方向(参数取值阈)和移动距离(参数改变的幅度设定)主要由萤火虫自身的亮度(参数可靠性系数)和吸引度(参数优化特性)来决定。针对分布式电源的定址和容量的问题，目标函数的取值受到取值参数本身权重和最优化特性的影响而不断迭代的过程，最终使群体参数趋向于最优化。

利用萤火虫算法来解决具体问题需要有三个数学变量，分别为个体萤火虫的萤火亮度；个体萤火虫的吸引度；被吸引萤火虫的位置迭代距离。

(1)个体萤火虫的萤火亮度(系统参数的可靠性系数)

式中：βo为萤火虫自身最大的吸引力，也是当前参数的可靠性初值；γ为光强吸收因子，在本设计中定义为可靠性受环境影响的因子，一般定义为一个常数；r为当前萤火虫可感知的范围半径，而rij为两只萤火虫i与j间的有效距离。

(2)个体萤火虫的吸引度(系统参数的优化特性)

(3)位置迭代距离

每一次个体萤火虫受其他萤火虫的吸引都会进行位置的更迭，不断趋向最优参数进行移动，移动的距离由式(6)来决定：

式中：Xi(t)为第i只萤火虫的上一次的位置；Xi(t+1)为当前迭代后的位置；β(rij)为个体吸引度；li(t)为i、j两只萤火虫迭代后发生的位置差；α为初始化步长因子，可以根据实际问题进行具体定义。

标准萤火虫算法进行位置更迭的算法流程如图1所示。

图1 萤火虫算法流程

分布式电源的萤火虫算法可有效地解决多目标函数的最优解问题。但是，不加改进的萤火虫算法也具有收敛速度过慢、精度低的缺点。为了提高萤火虫算法的有效性，需要采取某种方式对算法本身进行改进。

本设计采取的办法是更迭域自适应的方法，具体的做法是当萤火虫在当前域空间没有找到比自身亮度更大的目标时，当前域空间所定义的中心位置自动向某一特定方向移动一定常数的距离，并在该位置的空间中重新搜索和迭代，直至达到合理优化结果结束。

经过改进的算法在问题最优解发现率和最优解发现时间上都有了较大的改进，如图2所示，达到了改进算法的目的。

3 结束语

本文在对分布式电源充分分析的基础上，设定了以网损和运维经济为目标的多目标最优函数，并利用改进后的萤火虫算法对其进行求解。最后仿真实验证明，改进后的萤火虫算法能在有效的时间内找到解空间内的最优解，为分布式电源的优化配置提供良好的技术手段。

图2 算法改进前后效率对比

[1]周勇.基于改进萤火虫算法分布式电源优化配置研究[D].长沙：长沙理工大学，2014：1-3.

[2]徐卫星.基于改进粒子群算法的分布式电源优化配置[J].电气技术，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

董国玉(1979—)，女，河北省人，副教授，硕士，主要研究方向为运筹与优化。