李德海

(国网黑龙江省电力有限公司，哈尔滨 150090)

0 引 言

分布式发电具有模块化、环保、能量多样化的特点[1]。合理地选择分布式发电的接入位置与容量，能够实现功率就地平衡、支撑电压并减少网络损失。同时，通过调整分布式发电的无功输出，参与配电网的无功优化，能够在某种程度上减少运行费用并改善运行的经济性[2-3]。

目前，学者们研究了大量包含分布式发电的模型算法[4]，如多目标归一化加权法、环境效益激励因子法、年投资费用最小法等。常用的优化算法[5-6]包括内点法、遗传算法、粒子群算法、模糊算法等。文献[7]引入了电力系统的非线性数学模型，考虑了节点电压约束与无功补偿约束后，以系统损失最小为优化目标，基于自然选择与遗传机理和改进的判断规则加速了算法的进化效率，但局部寻优能力较弱将导致算法迭代次数多，易陷入早熟，很难满足正常的优化需求。也有学者从其他的角度来尝试解决此问题，并结合具体实例给出了测试的结果[8-10]。

文章建立了风电、光伏发电和微汽轮机的潮流模型[11-12]，然后建立了以网损最低为目标的目标函数，同时，考虑了两个约束条件，一是节点电压约束，二是并联电容器和调压变压器约束。利用免疫遗传算法对优化问题的求解空间进行离散。遗传算法容易实现，并且目标函数的极限值较小使得离散变量的处理更容易，搜索全局最优解的概率更大；但是，其局部搜索能力弱，迭代次数多，耗时长。……