修正克隆遺傳算法在分布式電源規(guī)劃中的應(yīng)用

李陽(yáng)，周步祥，林楠，馮超，劉金華

（1.四川大學(xué)電氣信息學(xué)院，成都 610065；2.四川電力職業(yè)技術(shù)學(xué)院，成都 610713；3.二灘水電開(kāi)發(fā)有限責(zé)任公司，成都 610051）

修正克隆遺傳算法在分布式電源規(guī)劃中的應(yīng)用

李陽(yáng)1，周步祥1，林楠2，馮超1，劉金華3

（1.四川大學(xué)電氣信息學(xué)院，成都 610065；2.四川電力職業(yè)技術(shù)學(xué)院，成都 610713；3.二灘水電開(kāi)發(fā)有限責(zé)任公司，成都 610051）

在分析微電網(wǎng)中分布式電源特性的基礎(chǔ)之上，構(gòu)建了相關(guān)的目標(biāo)函數(shù)與數(shù)學(xué)模型，提出一種針對(duì)微電網(wǎng)系統(tǒng)的修正克隆遺傳算法。該算法在傳統(tǒng)克隆遺傳算法基礎(chǔ)之上，加入修正表和局部搜索操作，提高了搜索效率，從而能更快速地獲得微電網(wǎng)中分布式電源的最優(yōu)化配置。最后在IEEE39節(jié)點(diǎn)算例上，應(yīng)用此算法在計(jì)算機(jī)上進(jìn)行仿真，結(jié)果表明了該算法的可行性和有效性。

微電網(wǎng)；分布式電源；修正克隆遺傳算法；目標(biāo)函數(shù)

隨著社會(huì)與經(jīng)濟(jì)的飛速發(fā)展，世界各國(guó)對(duì)節(jié)能減排，更清潔、更高效、可再生的能源方面的研究日益增多[1-4]。太陽(yáng)能電池、風(fēng)力發(fā)電機(jī)、燃料電池、光伏電池等一系列小容量的分布式電源DG （distribution generation）以其高效率、能源種類多等獨(dú)特的性能[5-8]，受到了電力行業(yè)廣泛的關(guān)注。微電網(wǎng)是由各種負(fù)荷以及多種不同類型的分布式電源共同組成的系統(tǒng)，這些分布式電源由于時(shí)間和氣候環(huán)境等因素的影響而具有很大的不確定性。因此，微電網(wǎng)系統(tǒng)也往往隨之在不同的時(shí)間和環(huán)境下，具有不同發(fā)電特性或者用電特性。微電網(wǎng)中分布式電源的接入，提高了供電安全性、可靠性和經(jīng)濟(jì)性，保證了電能質(zhì)量，實(shí)現(xiàn)了對(duì)用戶提供可靠、經(jīng)濟(jì)、清潔、互動(dòng)的電力供應(yīng)和增值服務(wù)[9-12]。

文獻(xiàn)[13]針對(duì)放射性配電網(wǎng)，采用數(shù)值算法，根據(jù)配電網(wǎng)網(wǎng)損和連續(xù)電流模型，確定DG的接入位置和容量。文獻(xiàn)[14]提出了一種結(jié)合粒子群算法，來(lái)獲得配電網(wǎng)中DG的最優(yōu)化配置，該方法計(jì)算速度相對(duì)較快，除了可較好地增加電網(wǎng)負(fù)載率之外，還能很明顯地改善電壓電能質(zhì)量。文獻(xiàn)[15]采用一種蟻群算法來(lái)搜索最優(yōu)的DG規(guī)劃方案，但該算法必須調(diào)節(jié)出十分合理的各參數(shù)的比例，才能獲得最優(yōu)化結(jié)果。

本文提出的修正克隆遺傳算法是在傳統(tǒng)克隆遺傳算法基礎(chǔ)之上，提出的一種新的DG接入和最優(yōu)化配置的算法，該算法不僅僅繼承了傳統(tǒng)克隆遺傳算法僅在一條染色體上進(jìn)行移位變異操作，不進(jìn)行交叉操作導(dǎo)致出現(xiàn)“早熟”收斂現(xiàn)象的優(yōu)點(diǎn)之外，同時(shí)還根據(jù)微電網(wǎng)和分布式電源的特點(diǎn)，加入了修正表和局部尋優(yōu)操作，提高了算法運(yùn)算效率。算例仿真表明，該算法用于微電網(wǎng)分布式電源的最優(yōu)化配置的研究中，操作簡(jiǎn)單，收斂速度快，能較準(zhǔn)確獲得最優(yōu)解。

1 微電網(wǎng)分布式電源模型的建立

首先建立含分布式電源的配電網(wǎng)規(guī)劃模型，在滿足相關(guān)的節(jié)點(diǎn)電壓、電流約束條件的同時(shí)，最大程度上降低系統(tǒng)網(wǎng)損和分布式電源的總體投資費(fèi)用，目標(biāo)函數(shù)可由下式表示：

式（1）中ω1和ω2為加權(quán)因子，且ω1+ω2=1；Tmax為最大年負(fù)荷小時(shí)數(shù)；Cpu為單位電價(jià)。式（2）中Ui為節(jié)點(diǎn)電源幅值；PGi、QGi為節(jié)點(diǎn)i注入的有功功率、無(wú)功功率；Bij、Gij、αij分別為支路電納、電導(dǎo)和節(jié)點(diǎn)i與節(jié)點(diǎn)j之間的相角差。式（3）中Umax和Umin分別為第i個(gè)節(jié)點(diǎn)的電壓最大、最小幅值；Imax為支路上允許流過(guò)電流的最大值；PDGmax和PDGmin分別為DG有功出力的上下限。

2 修正克隆遺傳算法

2.1 染色體編碼

本文采用4位二進(jìn)制進(jìn)行編碼，用變量X= （x1，x2，…，xn）來(lái)表示微電網(wǎng)中節(jié)點(diǎn)i的DG接入方案，從而進(jìn)一步確定DG的位置和容量。若獲得的值xi=0，則該節(jié)點(diǎn)不考慮DG的接入；若xi≠0，則該節(jié)點(diǎn)考慮安裝DG，且容量Wi=xiw0，其中w0為額定容量，在此取為90 kVA。

2.2 種群的初始化

隨機(jī)產(chǎn)生一個(gè)初始群體。首先，淘汰不符合以上兩種規(guī)則的個(gè)體；然后對(duì)初始群體進(jìn)行適應(yīng)度計(jì)算，優(yōu)選適應(yīng)度排在前面的若干個(gè)體，重復(fù)幾次后獲得M個(gè)個(gè)體作為初始種群。

2.3 基因選擇和變異操作

基因選擇通常情況下是指進(jìn)行復(fù)制、繁殖操作，在此采用適應(yīng)度比例法進(jìn)行優(yōu)秀個(gè)體的選擇操作，獲得適應(yīng)度較高的個(gè)體。若設(shè)置種群規(guī)模為M，個(gè)體適應(yīng)度為si，則個(gè)體i被選中的概率為

基因變異操作是模擬生物進(jìn)化過(guò)程中，由于某些偶然因素而引發(fā)的突變現(xiàn)象。就是指按照一定的變異率pm，隨機(jī)選取個(gè)體染色體的某個(gè)位置的基因進(jìn)行改變。當(dāng)采用二進(jìn)制編碼時(shí)，變異操作就是實(shí)現(xiàn)某基因位置“0”和“1”翻轉(zhuǎn)操作。

2.4 適應(yīng)度函數(shù)的確定

在遺傳算法中，通常用適應(yīng)度函數(shù)來(lái)評(píng)價(jià)染色體個(gè)體的優(yōu)劣，其中每一個(gè)個(gè)體被遺傳到下一代的概率，是由該個(gè)體的適應(yīng)度函數(shù)來(lái)確定，適應(yīng)度函數(shù)是指導(dǎo)算法搜索方向的依據(jù)。而適應(yīng)度函數(shù)要求優(yōu)化問(wèn)題為求最大值，且為非負(fù)值。因此，需要將目標(biāo)函數(shù)與適應(yīng)度函數(shù)進(jìn)行一定的轉(zhuǎn)化。

邢雙雙等[8]認(rèn)為護(hù)理質(zhì)量評(píng)價(jià)指標(biāo)體系應(yīng)覆蓋臨床常見(jiàn)病和多發(fā)病，應(yīng)利于臨床?？剖褂?，應(yīng)明確各個(gè)指標(biāo)的界定標(biāo)準(zhǔn)。本研究指標(biāo)體系包括15項(xiàng)安全及消毒隔離敏感指標(biāo)，9項(xiàng)護(hù)理記錄及評(píng)估敏感指標(biāo)，12項(xiàng)醫(yī)囑執(zhí)行及服務(wù)流程敏感指標(biāo)，3項(xiàng)輸血專項(xiàng)敏感指標(biāo)，內(nèi)容涵蓋護(hù)理質(zhì)量過(guò)程和結(jié)局，適宜各類病人使用及臨床各護(hù)理單元的護(hù)理質(zhì)量管理。

在本文分布式電源優(yōu)化配置問(wèn)題中，適應(yīng)度函數(shù)為系統(tǒng)網(wǎng)損耗費(fèi)和投資費(fèi)用加權(quán)和所得到的目標(biāo)函數(shù)F（x）通過(guò)相關(guān)變形而獲得。即若設(shè)K為任意充分大的實(shí)數(shù)，則建立非線性加速適應(yīng)度函數(shù)Fitness（x）為：

2.5 修正表

本文采用修正克隆遺傳算法，引入修正表對(duì)算法進(jìn)行修正，避免算法多次重復(fù)地計(jì)算，提高算法的速度。

首先，在進(jìn)行DG優(yōu)化配置過(guò)程中，若將DG配置在系統(tǒng)末端時(shí)，流過(guò)線路的有功和無(wú)功都將會(huì)減少；而若將DG配置在系統(tǒng)變電節(jié)點(diǎn)上，則往往只能改變電源總的容量，卻不能提高線路最終的負(fù)載能力的大小。因此，在進(jìn)行分布式電源最優(yōu)化配置的時(shí)候，需將屬于這兩種情況的配置方案植入修正表，進(jìn)行修正。其次，需把已經(jīng)搜索到并進(jìn)行了潮流計(jì)算得出適應(yīng)度的點(diǎn)所對(duì)應(yīng)的染色體及其適應(yīng)度加入修正表中，賦予其修正屬性。再以后產(chǎn)生的染色體都先用修正表來(lái)判斷其屬性，如果不在修正范圍之內(nèi)，則可以進(jìn)一步判斷潮流約束條件和計(jì)算其適應(yīng)度值。如果屬于修正范圍中，則直接加入修正表，不進(jìn)行重復(fù)計(jì)算。

2.6 優(yōu)選操作和局部搜索操作

為了加快計(jì)算速度，保證每個(gè)子代都能優(yōu)于下一代個(gè)體，采用局部?jī)?yōu)選操作。當(dāng)經(jīng)過(guò)遺傳操作之后產(chǎn)生的新的個(gè)體優(yōu)于當(dāng)前個(gè)體，則執(zhí)行優(yōu)選操作，直接將當(dāng)前個(gè)體予以淘汰，用新產(chǎn)生的個(gè)體進(jìn)行替換；若產(chǎn)生的新個(gè)體劣于當(dāng)前個(gè)體，則進(jìn)行局部尋優(yōu)操作，這樣不僅僅大大加快了尋優(yōu)的速度，同時(shí)也保證了子代的優(yōu)越性。

2.7 終止條件

當(dāng)滿足以下兩條件時(shí)，達(dá)到遺傳終止條件：

1）值之差在某一個(gè)任意小的正數(shù)φ所確定的范圍中，可表示為

其中：Snew為種群中新一代中最優(yōu)的個(gè)體適應(yīng)度值；Sold為種群中前一代中最優(yōu)的個(gè)體適應(yīng)度值。

2）達(dá)到最大的遺傳終止代數(shù)T。

2.8 計(jì)算流程圖

綜上所述，最終得出該算法的流程圖如圖1所示。

圖1 修正克隆遺傳算法的流程圖Fig.1Flow chart of the improved CGA

3 仿真結(jié)果及算例分析

通過(guò)建立上述模型，下面在Matlab計(jì)算機(jī)環(huán)境下對(duì)IEEE39節(jié)點(diǎn)配電網(wǎng)系統(tǒng)進(jìn)行分析。

如圖2中所示的網(wǎng)架結(jié)構(gòu)：其系統(tǒng)電壓等級(jí)為35 kV，分布式電源節(jié)點(diǎn)安裝比例不超過(guò)系統(tǒng)總?cè)萘康?0%。在此取初始種群大小為90，交叉率取為0.5，變異率取為0.3，最大的遺傳終止代數(shù)為60。

圖2 IEEE39節(jié)點(diǎn)配電網(wǎng)系統(tǒng)接線圖Fig.2IEEE 39-bus radial distribution system

下面對(duì)在不同權(quán)重系數(shù)之下，獲得的目標(biāo)函數(shù)的結(jié)果進(jìn)行分析和對(duì)比。

其中權(quán)重方案I主要是考慮在欠發(fā)達(dá)地區(qū)，網(wǎng)損在配電網(wǎng)系統(tǒng)中所占比例相對(duì)較大，而分布式電源投入資金有限，取ω1=0.6，ω2=0.4時(shí)目標(biāo)函數(shù)的結(jié)果。從表1的結(jié)果中可以看出，采用本文算法，在安裝DG之前系統(tǒng)網(wǎng)損是275.087 kW，而當(dāng)DG接入后網(wǎng)損為169.743 kW，有功網(wǎng)損下降率達(dá)到38.29%，

其中權(quán)重方案II主要是考慮在中等發(fā)達(dá)地區(qū)，配電網(wǎng)系統(tǒng)中線損率和分布式電源配置成本同樣重要性，取ω1=0.5，ω2=0.5時(shí)目標(biāo)函數(shù)的結(jié)果。從表1的結(jié)果中可以看出，采用本文算法，在安裝DG之前系統(tǒng)網(wǎng)損是275.087 kW，DG接入后系統(tǒng)網(wǎng)損為188.602 kW，有功網(wǎng)損下降率達(dá)到31.44%。

其中權(quán)重方案Ⅲ主要是在比較發(fā)達(dá)地區(qū)，考慮網(wǎng)損在配電網(wǎng)系統(tǒng)中所占比例相對(duì)較小，分布式電源投入資金相對(duì)充足時(shí)，取ω1=0.4，ω2=0.6時(shí)目標(biāo)函數(shù)的結(jié)果。從表1的結(jié)果可以看出，采用本文算法，在安裝DG之前系統(tǒng)網(wǎng)損是275.087kW， DG接入后網(wǎng)損為216.897 kW，有功網(wǎng)損下降率達(dá)到21.15%。

表1 不同權(quán)重系數(shù)下IEEE39節(jié)點(diǎn)配電系統(tǒng)測(cè)試仿真結(jié)果Tab.1The results of different approaches for 39-bus distribution test system in different weight coefficients

同時(shí)，在圖3給出了分別采用遺傳算法和本文算法，所獲得的IEEE39節(jié)點(diǎn)配電網(wǎng)系統(tǒng)進(jìn)行優(yōu)化的收斂曲線，從圖3中可以看出，本文采用修正的克隆遺傳算法計(jì)算效率更高，運(yùn)算速度更快，有更好的收斂性。

圖3 IEEE 39節(jié)點(diǎn)系統(tǒng)GA和CGA得到的優(yōu)化收斂曲線圖Flg.3Convergence curves of IEEE 39 bus system by GA and CAG

4 結(jié)論

本文采用修正克隆遺傳算法來(lái)解決微電網(wǎng)中分布式電源的優(yōu)化配置問(wèn)題。采用該方法后能明顯的降低系統(tǒng)網(wǎng)損、提高供電可靠率，該算法通過(guò)修正表和局部搜索的加入，有效提高了傳統(tǒng)修正克隆遺傳算法的計(jì)算效率。最后通過(guò)IEEE39節(jié)點(diǎn)測(cè)試系統(tǒng)，在計(jì)算機(jī)上進(jìn)行仿真測(cè)試，表明了該算法的可行性和高效性。

由于各方面條件所限，本文沒(méi)有考慮一些自然經(jīng)濟(jì)條件、以及相關(guān)國(guó)家政策對(duì)運(yùn)行成本、維護(hù)成本、天然氣以及其它發(fā)電和購(gòu)電成本等對(duì)DG接入微電網(wǎng)的影響，有待進(jìn)一步的研究與探討。

[1]Kuri B，Li F．Distributed generation planning in the deregulated electricity supply industry[C]//IEEE Power Engineering Society General Meeting，Denver，USA：2004．

[2]錢科軍，袁越（Qian Kejun，Yuan Yue）.分布式發(fā)電技術(shù)及其對(duì)電力系統(tǒng)的影響（Distributed generation technology and its impact on power systems）[J].繼電器（Relay），2007，35（13）：25-29.

[3]余貽鑫，欒文鵬（Yu Yixin，Luan Wenpeng）.智能電網(wǎng)（Smart grid）[J].電網(wǎng)與清潔能源（Power System and Clean Energy），2009，25（1）：7-11.

[4]Hammons T J.Integrating renewable energy sources into European grids[J].International Journal of Electrical Power and Energy Systems，2008，30（8）：462-475．

[5]李興源，魏巍，王渝紅，等（Li Xingyuan，Wei wei，Wang Yuhong，et al）.堅(jiān)強(qiáng)智能電網(wǎng)發(fā)展技術(shù)的研究（Study on the development and technology of strong smart grid）[J]．繼電器（Relay），2009，37（17）：1-7．

[6]溫陽(yáng)東，王欣（Wen Yangdong，Wang xin）.分布式發(fā)電對(duì)配電網(wǎng)繼電保護(hù)的影響（Effect of distributed generation on protection in distribution system）[J]．繼電器（Relay），2008，36（1）：12-14，26．

[7]Dugan R C，McDermott T E，Ball G J.Planning for distributed generation[J].EEE Industry Applications Magazine，2001，7（2）：80-88．

[8]孫鳴，趙月靈，王磊（Sun Ming，Zhao Yueling，Wang Lei）. DG容量及接入方式對(duì)變電站繼電保護(hù)定值的影響（Impart of DG capacity and location on relay protection of substation）[J]．電力自動(dòng)化設(shè)備（Electric Power Automation Equipment），2009，29（9）：46-49．

[9]胡學(xué)浩（Hu Xuehao）.智能電網(wǎng)——未來(lái)電網(wǎng)的發(fā)展態(tài)勢(shì)（Smart grid——a development trend of future powergrid）[J].電網(wǎng)技術(shù)（Power System Technology），2009，33 （14）：1-5.

[10]梁才浩，段獻(xiàn)忠（Liang Caihao，Duan Xianzhong）.分布式發(fā)電及其對(duì)電力系統(tǒng)的影響（Distributed generation and its impaction on power system）[J]．電力系統(tǒng)自動(dòng)化（Automation of Electric Power Systems），2001，25（12）：53-56．

[11]胡驊，徐沖，吳汕，等（Hu Hua，Xu Chong，Wu Shan，et al）.影響用戶側(cè)分布式發(fā)電經(jīng)濟(jì)性因素分析（Analysis of factors influencing economy of customer-side distributed generation）[J]．電力自動(dòng)化設(shè)備（Electric Power Automation Equipment），2008，28（5）：29-33．

[12]崔金蘭，劉天琪（Cui Jinlan，Liu Tianqi）.分布式發(fā)電技術(shù)及其并網(wǎng)問(wèn)題研究綜述（Distributed generation and its grid interconnection issue）[J].現(xiàn)代電力（Modern Electric Power），2007，24（3）：53-57.

[13]Coello C A C，Pulido G T，Lechuga M S．Handling multiple objectives with particle swarm optimization[J].IEEE Trans on Evolutionary Computation，2004，8（3）：256-279．

[14]Sheidaei Farnaz，Shadkam Majid，Zarei Mahdi．Optimal distributed generation allocation in distribution systems employing ant colony to reduce losses[C]//Universities Power Engineering Conference，Padova，Italy：2008．

[15]Ajay-D-Vimal Raj P，Senthilkumar S，Raja J，et al.Optimization of distributed generation capacity for line loss reduction and voltage profile improvement using PSO[J]. Elektrika，2008，10（2）：41-48．

Application of Improved Clonal Genetic Algorithm in Distributed Generation Planning

LI Yang1，ZHOU Bu-xiang1，LIN Nan2，F(xiàn)ENG Chao1，LIU Jin-hua3
（1.School of Electrical Engineering and Information，Sichuan University，Chengdu 610065，China；2.Sichuan Electric Power College，Chengdu 610713，China；3.Ertan Hydropower Development Company，Ltd.，Chengdu 610051，China）

Based on detailed analysis of the distributed generations′（DG）characteristics in microgrid，the objective function and mathematical model are built，and then the improved Clonal Genetic Algorithm（CGA）is proposed.Correctional operate and partial search are added to CGA in order to improve the search efficiency.Therefore，the optimal configuration of DG in microgrid is more rapid to obtain.Finally，the method is applied in IEEE 39 bus system.And compared with the other algorithm，the simulation results show that the algorithm is more feasible and effective.

microgrid；distributed generation（DG）；clonal genetic algorithm（CGA）；objective function

TM715

A

1003-8930（2013）04-0128-05

李陽(yáng)（1987—），男，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng)自動(dòng)化及計(jì)算機(jī)信息處理、分布式電源等。Email：liyang2010vip@163.com

2011-07-05；

2011-08-09

周步祥（1965—），男，博士，教授，研究方向?yàn)殡娏ο到y(tǒng)自動(dòng)化、計(jì)算機(jī)應(yīng)用等。Email：hiway_scu@126.com

林楠（1973—），女，碩士，講師，研究方向?yàn)殡娏ο到y(tǒng)自動(dòng)化、計(jì)算機(jī)應(yīng)用。Email：cdlinlan@yahoo.com