张建宾 王倩 王磊 马建伟 牛雨 张晓慧

摘 要：智能配电网中不同的等效负荷组网具有不同程度的参与荷网源互动降损的能力，与常规能源配合，可起到一定的降低智能配电网损耗的作用。本文分析了智能配电网中常规电源、等效负荷组网以及配电网拓扑结构的调节特性，并以此为基础，根据不同的调节特性分别建立调节特性数学模型。在所得调节特性数学模型的基础上，以配电网损耗为目标，结合各调节主体及配电网的约束，采用粒子群算法进行优化，研究了智能配电网降损手段。

关键词：智能配电网;粒子群算法;分布式电源

中图分类号：TM73文献标识码：A文章编号：1003-5168（2020）16-0127-04

Abstract： Different equivalent load networks in the smart distribution network have different degrees of ability to participate in the interactive loss reduction of the load source. In combination with conventional energy， it can play a role in reducing the loss of the smart distribution network. In this paper， the regulation characteristics of conventional power supply， equivalent load networking and distribution network topology in smart distribution network were analyzed. Based on this， the mathematical model of regulation characteristics was established according to different adjustment characteristics. On the basis of the obtained mathematical model of regulation characteristics， the distribution network loss was taken as the goal， combined with the constraints of each regulation body and distribution network， the particle swarm optimization algorithm was used to optimize the loss of the smart distribution network.

Keywords： smart distribution grid;particle swarm optimization;distributed generation.

本文分析了智能配电网中常规电源、等效负荷组网以及配电网拓撲结构的调节特性，并以此为基础，根据不同的调节特性分别建立调节特性数学模型。在所得调节特性数学模型的基础上，以配电网损耗为目标，结合各调节主体及配电网的约束，采用粒子群算法进行优化，研究了智能配电网降损手段。

1 智能配电网中源网荷调节特性分析模型

部分可调节资源仅能通过档位变换或是部分机组启停进行调节，其功率变化近似分段的梯形变化，如含有工业负荷的等效负荷等;部分可调节资源能通过调控机组运行状态进行调节，其功率变化连续近似平滑的折线变化，如小水电等。

1.1 离散型调节特性的数学模型

2.2 约束条件

约束条件包括潮流约束、支路电流约束和节点电压约束以及可调节资源（部分常规电源和部分等效负荷组网）的约束[4]。

3 基于粒子群算法的求解流程

粒子群优化（Particle Swarm Optimization，PSO）算法是指用外部粒子群来存储搜索中的Pareto非支配解，并且不断更新[5]。使用自适应网格法评估外部粒子群中非支配解的密度信息，选择密度最小Pareto非支配解作为Gbest引导粒子寻优，在使Pareto非支配解多样化的同时使得最优前沿分布均匀。

利用粒子算法求解基于源网荷协调优化的智能配电网降损策略的基本思想是首先调节无功补偿设备，将单日24 h划分为几个时段，进行无功损耗优化，随后进行有功损耗优化，最后通过智能配电网静态重构调整配电网结构。通过首轮源网荷资源协调可得到初步的智能配电网降损优化结果，进一步调整优化降损方案。将网络结构调节结果作为已知条件修正初始值，再次进行无功损耗和有功损耗的优化，得到最终的降损优化结果。具体算法流程如下[6-8]：①采用粒子群算法对无功补偿设备进行优化;②采用粒子群算法进行可调源网荷资源协调优化;③对粒子群的位置和速度进行初始化，以由配电网开关状态组成的种群为自变量，有功网损值为因变量和适应度函数，进行潮流计算得到有功网损值，并检验网络是否为辐射状;④根据当前位置的个体极值去选择更新历史，若存在粒子的个体极值优于群体的全局极值，那么用个体极值替换该粒子原本的全局极值;⑤更新粒子群中粒子的飞行速度及位置;⑥判断粒子群算法是否达到设定好的最大迭代次数，若是，停止迭代，否则，返回步骤④。

4 算例分析

为了更好地验证本文提出的配电网运行效率提升手段，根据调整过的IEEE-33节点配电网对本文提出的算法进行验证。配电系统接线图如图1所示，分段开关为S1—S32，由实线表示，联络开关为S33—S37，由虚线表示。系统重构前的初始有功网损为203 kW，无功网损为202.1 kvar。考虑到智能配电网部分等效负荷组网中存在风力发电的情况，分别在7号节点、28号节点和24号节点接入容量为150 kW的风力发电电源，其出力预测曲线如图2所示。其他等效负荷组网随机分配在32个节点上。考虑到配电网中无功补偿设备，在18号、22号、25号和33号节点各有1台可投切电容器组，其配置情况见表1。