考慮負荷重要程度含DG 中壓配電網(wǎng)電壓調(diào)控策略

歐陽森，于業(yè)輝，張真

（1. 華南理工大學電力學院，廣州 510640；2. 國網(wǎng)浙江省電力有限公司嘉興供電公司，浙江 嘉興 314033）

0 引言

隨著光伏電源在電力系統(tǒng)中滲透率不斷提高，光伏電源并網(wǎng)容量和數(shù)量不斷增加，光伏發(fā)電產(chǎn)生的剩余能量饋入電網(wǎng)導致線路中潮流雙向流動，同時光伏出力具有隨機性，導致各負荷的節(jié)點電壓各時段波動較大，合理地調(diào)控配電網(wǎng)母線的電壓對改善用戶的電壓質(zhì)量具有重要意義［1-5］。

各負荷的重要程度對電壓調(diào)控具有重要的指導意義。文獻［6］建立負荷重要程度指標體系指導可靠性評估，確保重要負荷優(yōu)先供電，可將該思路引入電壓調(diào)控策略中。文獻［7］的傳統(tǒng)電壓調(diào)控策略僅考慮了母線電壓合格率，無法針對負荷重要程度不同提供最優(yōu)的調(diào)控方案，存在一定的盲目性?？傊?，用戶負荷對用電電壓的需求不同［8］，對電網(wǎng)電壓調(diào)控策略有較大的影響，因此考慮負荷重要程度對電壓調(diào)控具有的重要指導價值。文獻［9］采用一種改進層次分析法（analytic hierarchy process，AHP），通過構(gòu)造最優(yōu)傳遞矩陣簡化一致性檢驗，并以五標度法構(gòu)建判斷矩陣簡化了計算?？陀^評價方面?zhèn)鹘y(tǒng)熵權(quán)法［10］忽略了指標數(shù)據(jù)相關(guān)性和沖突性帶來的價值信息，對客觀數(shù)據(jù)的利用不夠全面。同時現(xiàn)有評估模型缺乏對主、客觀兩方面價值信息的有效融合，無法有效反映指標劣化程度，進而辨別負荷節(jié)點電壓調(diào)控的需求程度。

目前，針對中壓配電網(wǎng)電壓調(diào)控的相關(guān)研究較多［11-12］，但討論在高滲透光伏下，從源-網(wǎng)-荷三方面組合變權(quán)法評價用戶負荷重要程度并指導電壓調(diào)控的文獻較少。文獻［13］分析在無功補償資源匱乏下，提出中壓母線電壓質(zhì)量調(diào)控及評價方法，但該方法無法適用于涉及高滲透光伏入網(wǎng)導致電壓劇烈波動的場景。文獻［14-15］均考慮了接入大量光伏引起逆向潮流導致電壓越限，但是未能區(qū)分電壓正越限與負越限兩種情況的調(diào)控側(cè)重點以及各節(jié)點負荷的重要程度。文獻［16］結(jié)合含分布式電源的電壓調(diào)控現(xiàn)狀，歸納了現(xiàn)有研究方法。文獻［17］分析了電壓抬升現(xiàn)象產(chǎn)生的原因，提出了一種有功無功協(xié)調(diào)控制策略。文獻［18］討論諸多限制因素對并網(wǎng)點電壓的影響，并對比分析不同電壓質(zhì)量補償方案。現(xiàn)有調(diào)控策略僅保證電壓不越限，未區(qū)分調(diào)控的重點以盡可能地滿足用戶的需求。綜上所示，現(xiàn)有電壓調(diào)控策略缺乏對負荷重要程度的考慮；同時無法有效解決高滲透光伏接入后電壓雙向越限和劇烈波動的問題，調(diào)控策略具有盲目性。

因此，本文提出一種考慮負荷重要程度和高滲透率光伏接入的中壓配電網(wǎng)電壓調(diào)控策略。從用電用戶和供電部分兩個角度分析負荷重要程度指標，采用改進層次分析法和改進指標相關(guān)性權(quán)重法（criteria importance through intercriteria correlation，CRITIC）綜合權(quán)重，并利用劣化度構(gòu)造變權(quán)函數(shù)修正綜合權(quán)重，依據(jù)用戶的評估值確定用戶負荷重要程度系數(shù)；依據(jù)調(diào)控前后負荷的電壓正負偏差和電壓波動的改善大小，結(jié)合負荷重要程度系數(shù)建立調(diào)控效益模型，并以調(diào)控效益最大為目標，針對光伏逆變器的可調(diào)無功容量、有載調(diào)壓變壓器分接頭以及電容器投切組數(shù)進行優(yōu)化，求解多場景和多時段下配電網(wǎng)最優(yōu)電壓調(diào)控方案，通過改進的高滲透率光伏下的IEEE 33節(jié)點系統(tǒng)驗證方法的有效性。

1 負荷重要程度評估指標

高滲透率光伏下中壓母線上的用戶電壓存在雙向偏差，電壓調(diào)控不可能同時改善所有用戶電壓質(zhì)量，而現(xiàn)有調(diào)控策略缺乏對部分重要用戶的針對性。因此本文引入負荷重要程度指導各用戶電壓調(diào)控，用以區(qū)別用戶負荷的差異性是有必要的。考慮從源-網(wǎng)-荷三方面分析負荷的重要程度，在電源側(cè)DG 出力波動率以及電壓越限會限制其并網(wǎng)功率，若該負荷點能夠得到重視，可通過電壓調(diào)控提高DG 消納率，發(fā)揮其潛在價值；在電網(wǎng)側(cè)除了需要考慮傳統(tǒng)電壓偏差指標之外，還需分析在高滲透率光伏下的電壓波動、三相不平衡等電壓質(zhì)量指標；在負荷側(cè)社會效益決定供電部門對用戶負荷的重視程度，社會效益包括用戶用電量以及用戶用電滿意度，此外還需考慮用戶的負荷等級，等級越高調(diào)控所帶來的效益則越高。綜上所述，本文考慮選取新能源效益、電壓質(zhì)量、負荷社會效益3 個一級指標。

1.1 新能源效益指標

接入高滲透率光伏的中壓配電網(wǎng)因光伏出力的隨機性導致節(jié)點電壓越限，進而限制并網(wǎng)容量、消納率。因此電源側(cè)考慮DG的棄光率和滲透率。

棄光率越高代表該負荷點光伏出力受電壓約束越嚴重，電壓調(diào)控能夠提高消納率的空間越大，因更加重視該負荷點的電壓調(diào)控，計算公式如式（1）所示：

式中：ξpvi為第i個光伏電站的棄光率；T為統(tǒng)計周期；為tk時段的并網(wǎng)功率；為統(tǒng)計周期內(nèi)光伏電站實際可發(fā)出的總功率。

滲透率反映負荷點接入光伏電量的大小，滲透率越高代表該負荷點向電網(wǎng)輸送功率越高，火電廠的耗煤量降低，經(jīng)濟效益越高，因此電壓調(diào)控時更加重視這些節(jié)點的電壓改善程度，計算如式（2）所示：

式中：γpvi為第i個光伏電站的滲透率；PG，tk為tk時段發(fā)電廠發(fā)出的有功功率之和。

1.2 電壓質(zhì)量指標

高滲透率光伏接入中壓配電網(wǎng)會對電壓質(zhì)量的諧波含量、三相電壓不平衡度、電壓波動等產(chǎn)生較大影響。其中，對配電網(wǎng)電壓質(zhì)量中的電壓偏差、電壓波動影響尤為突出。當配電網(wǎng)接入光伏后，使沿饋線各負荷節(jié)點處的電壓被抬高甚至越限，影響用戶的供電質(zhì)量和安全性；光伏發(fā)電輸出功率具有隨機性，使得系統(tǒng)電壓整體波動較大。綜上本文選取電壓偏差、電壓波動、三相不平衡和諧波電壓畸變率作為電壓質(zhì)量評估指標的二級指標。

1） 電壓偏差指標。

文獻［19］規(guī)定10 kV 及以下三相供電電壓的電壓偏差限值為在標稱電壓±7%以內(nèi)，而電壓偏差在±3%以內(nèi)時，電壓的分布特性最優(yōu)，則負荷點j的電壓偏差水平可由式（3）計算求得：

式中：ξj，tk為負荷點j在tk時段的電壓偏差；Uj，tk為負荷點j在tk時段的電壓值；UN為系統(tǒng)標稱電壓。

2） 電壓波動指標。

電壓波動指標反映光伏隨機波動導致整個周期內(nèi)各時段變化的電壓幅值波動，采用相鄰兩個時刻電壓的標準差與采樣周期內(nèi)電壓監(jiān)測值的均值之比反映節(jié)點的電壓波動水平，如式（4）所示。

式中：?j為負荷點j的電壓波動值；為負荷j點在檢測周期內(nèi)的電壓均值。

3） 諧波電壓畸變率指標。

光伏并網(wǎng)逆變器的大量引入使得系統(tǒng)諧波含量顯著增加，負荷點諧波含量越高，該負荷點越需要得到改善。

式中：THDj，tk為負荷點j在tk時段的諧波電壓畸變率；Uj，tk，h、Uj，tk，1分別為tk時段負荷點j的基波電壓和h次諧波電壓值。

4） 三相不平衡度指標。

單相光伏及負荷的接入使得系統(tǒng)三相電壓不對稱，影響系統(tǒng)安全穩(wěn)定運行。

式中：βj，tk為負荷點j在tk時段的三相不平衡度；、分別為tk時段負荷點j的正序分量均方根值和負序分量均方根值。

1.3 用電負荷效益指標

電壓調(diào)控也應注重用戶負荷側(cè)的需求，一方面不同等級負荷的電壓需求不同，負荷等級越高時對電壓調(diào)控的需求越高，另一方面為反應用戶側(cè)的用電服務及管理水平，需獲取用戶用電意見，反饋電壓調(diào)控的效果，引入用戶滿意度指標，通過電力用戶的評價意見為電壓調(diào)控提供指導價值。此外用戶用電量直接決定供電部門對不同負荷點的重視程度。因此負荷側(cè)考慮采用負荷等級、用戶滿意度以及用戶用電量3個指標。

電力負荷依據(jù)文獻［20］可分為3 個等級，不同等級負荷對社會產(chǎn)生的效益不同，因此不同等級負荷的重要程度不同，可采用不同分值進行定性量化。用戶滿意度指標可通過設(shè)計調(diào)查問卷對周期內(nèi)用電體驗進行評估，求取各負荷點的平均得分。用電量指標指在檢測周期內(nèi)各負荷點的用電總量，單位為kWh。

1.4 負荷重要程度指標體系

從源-網(wǎng)-荷三方面分析電壓調(diào)控時各負荷節(jié)點的重要性，負荷點越重要電壓調(diào)控后所取得的效益越高，從新能源效益、電壓質(zhì)量、用電負荷效益3個方面建立負荷重要程度指標體系，如圖1所示。

圖1 負荷重要程度評價指標體系Fig. 1 Evaluation index system of load importance

圖2 考慮負荷重要程度的配電網(wǎng)電壓調(diào)控優(yōu)化流程圖Fig. 2 Flow chart of distribution network voltage regulation optimization considering load importance

2 負荷重要程度評估方法

2.1 改進AHP確定主觀權(quán)重

由于傳統(tǒng)層次分析法通過九標度法建立判斷矩陣常出現(xiàn)數(shù)據(jù)繁雜、容易出現(xiàn)嚴重不一致性的問題，且需要經(jīng)過多次調(diào)整才能一致性檢驗合格，計算繁瑣。因此本文使用三標度法構(gòu)建判斷矩陣，再由最優(yōu)矩陣導出擬優(yōu)一致矩陣，直接求出權(quán)重，使其自動滿足一致性條件，從而不需要一致性檢驗［21］。計算步驟如下。

1） 綜合R位專家意見比較G(i)與G(j)的重要程度對指標打分，構(gòu)建比較矩陣A為：

式中：aij為比較矩陣元素；G（i）為第i個指標的重要程度。

依據(jù)比較矩陣元素計算判斷矩陣元素為：

式中：cij為判斷矩陣元素；ri為矩陣A第i行的對角元素與上三角元素之和；rmax和rmin分別為ri中的最大與最小元素；n為指標數(shù)量。

進一步通過判斷矩陣計算擬優(yōu)一致矩陣D：

式中dij為第i、j項指標相對重要程度之比的修正值。

計算第α位專家所確定的矩陣D的特征向量qα，然后求解專家組確定的主觀權(quán)重為：

式中：為第j項指標的主觀權(quán)重；為第α位專家所確定第j項指標的主觀權(quán)重；R為專家人數(shù)。

2.2 改進CRITIC法確定客觀權(quán)重

CRITIC 法相比較于傳統(tǒng)客觀賦權(quán)法不僅考慮了指標所含信息量的大小，還充分計及了不同方案間的對比和評估指標間的沖突性。鑒于電網(wǎng)側(cè)電能質(zhì)量各指標間具有較強的相關(guān)性，用戶負荷效益指標具有較強的離散性，本文對CRITIC 法［22-23］做如下改進：考慮引入相關(guān)系數(shù)描述指標間對比強度；修正原相關(guān)系數(shù)為絕對值描述指標間沖突程度；采用冗余信息熵描述指標間離散程度。計算模型如下：

式中：j，j'= 1，2，…，n；j≠j'；為指標Pj由改進 CRITIC 所確定的客觀權(quán)重；m為指標個數(shù)；Mj為指標Pj所含信息量，且Mj越大，Pj所具有的信息量越大，Pj越重要；rj、rj'分別為指標Pj和Pj'的變異系數(shù)；為指標Pj的歸一化指標值均值；ρjj'為指標Pj和Pj'的相關(guān)系數(shù)；cov(pj，pj')為標準矩陣中第j列和第j'列的協(xié)方差；pij為對象Oi的指標Pj的歸一化指標值；Ej為指標Pj的冗余信息熵；bij為歸一化值。

2.3 負荷重要程度綜合評估

依據(jù)改進AHP 和改進CRITIC 法得到的主觀、客觀權(quán)重采用最小鑒別信息原理求解組合權(quán)重wi，為增強不同需求場景下對惡劣指標的反應靈敏度，本文引入變權(quán)函數(shù)φi(x)修正組合綜合權(quán)重為變權(quán)計算模型如下：

式中：ω'=[ω'1，…，ω'n]T為指標的變權(quán)權(quán)重向量；φi(·)為第i項指標變權(quán)函數(shù)；μi為第i項指標的劣化度，本文采用梯形函數(shù)確定劣化模型［24］。

式中：δi為第i項指標的狀態(tài)值；δ0i為指標正常范圍的邊界；劣化度μi∈[0.01，1]，其值越小表征指標的劣化程度越高。

本文依據(jù)雙激勵線的原理構(gòu)造三段式的懲罰和激勵變權(quán)函數(shù)：

式中：β為變權(quán)系數(shù)；本文β取0.1表征弱強度的獎懲力度；當劣化度低于0.75時，采用較重的懲罰力度；當劣化度高于0.9 時，采用較輕的激勵力度；若劣化度在（0.75，0.9］范圍內(nèi)則不懲罰也不激勵。

則評估對象Si的綜合評價值為yi：

式中bij為第i個評估對象第j項指標的歸一化值。

依據(jù)評價值計算方法可知：綜合評價值越大，即代表該負荷節(jié)點的相對重要程度越高，在電壓調(diào)控過程中更應注重該類點電壓改善程度。依據(jù)負荷點的評估值設(shè)定各點的重要程度系數(shù)如表1所示。

表1 負荷點評估值及負荷重要系數(shù)Tab. 1 Load point evaluation value and load importance coefficients

3 考慮負荷重要程度的電壓調(diào)控優(yōu)化模型

在面向高滲透率光伏接入后，傳統(tǒng)電壓質(zhì)量僅用電壓合格率，已難以體現(xiàn)波動性電壓及雙向越限對配電網(wǎng)造成的影響。因此根據(jù)電壓質(zhì)量評估結(jié)果動態(tài)調(diào)控各節(jié)點電壓以獲取最大效益更有研究價值。本文提出一種考慮負荷重要程度和高滲透率DG 的電壓調(diào)控優(yōu)化模型，為衡量電壓調(diào)控策略的優(yōu)劣性，設(shè)各負荷點電壓偏差和電壓波動調(diào)控效益分值如表2所示。

表2 電壓偏差及電壓波動調(diào)控分值Tab. 2 Voltage deviation and voltage fluctuation control score

3.1 目標函數(shù)

在一個完整調(diào)度周期（24 h）內(nèi)，通過優(yōu)化每一個時段內(nèi)DG 的時序無功功率出力、變壓器抽頭檔位以及電容器組數(shù)使得系統(tǒng)節(jié)點電壓質(zhì)量得到最大改善，本文將電壓雙向越限和電壓波動改善分值加權(quán)求和，并乘以負荷點重要程度系數(shù)作為調(diào)控效益，目標函數(shù)如式（16）所示：

式中：Fsys（tk）為tk時段的系統(tǒng)電壓調(diào)控效益值；λi為第i個用戶負荷的重要程度系數(shù)；fi（tk）為tk時段第i個用戶負荷的電壓偏差調(diào)控分值；gi（tk）為tk時段第i個用戶負荷的電壓波動調(diào)控分值；ξ為電壓正負偏差的比例系數(shù)；本文取ξ=0.5。

3.2 約束條件

為保證高滲透光伏下配電網(wǎng)能夠安全穩(wěn)定的運行，本文建立以下約束條件：系統(tǒng)安全運行約束、交流潮流功率約束、DG 運行約束、變壓器和電容器組運行約束。

1） 系統(tǒng)安全運行約束

式中：Umin、Umax分別為節(jié)點電壓最小、最大允許值；Imax為支路電流最大允許值；ui為節(jié)點i各時段電壓幅值的平方；lij為支路ij電流幅值的平方。

2） 交流潮流功率約束

式中：Ptk，ij、Qtk，ij、Itk，ij分別為tk時段交流系統(tǒng)中注入支路ij的有功功率、無功功率、電流幅值；Rij、Xij分別為支路ij的電阻和電抗；Ωb為節(jié)點集合。

3） DG出力約束

式中：、分別為tk時段節(jié)點i處DG 實際發(fā)出的有功功率和無功功率；為DG 的額定容量；λmax系統(tǒng)最大允許DG 滲透率；Ptk，E為tk時段系統(tǒng)額定功率；、分別為tk時段節(jié)點i處DG允許最大和最小無功出力。

4） 變壓器與電容器組運行約束

式中：為tk時段與節(jié)點i相連的可調(diào)變壓器檔位；vtk為檔位數(shù)；nD為最大可調(diào)檔位數(shù)；Dmin相鄰兩個檔位之間的距離；為tk時段節(jié)點i處投入的電容器組數(shù)；、分別為節(jié)點i處電容器組最大和最小允許投入組數(shù)。

針對傳統(tǒng)遺傳算法（genetic algorithm， GA）采用固定的交叉與變異概率導致前期全局搜索能力不足，后期已陷入局部最優(yōu)的缺陷［25］。本文考慮迭代初期設(shè)置較大交叉概率以增強全局搜索能力，后期又穩(wěn)定于一個較小值以保證優(yōu)秀個體不被破壞，依據(jù)指數(shù)模型構(gòu)造交叉概率隨進化代數(shù)增大而遞減趨勢如式（24）所示，且最終穩(wěn)定于預設(shè)較小值Pc.min。為抑制算法早熟，本文賦予適應值較優(yōu)的個體較小的變異概率，適應值較差的劣質(zhì)個體則賦予較大的變異概率，利用適應度值與當前種群最優(yōu)值差值率調(diào)整變異概率，以提高算法的收斂速度，變異模型如式（25）所示。

式中：mtmp為一個中間計算變量；TGen為預設(shè)的最大進化代數(shù)；t為當前進化代數(shù)；Pc.min與Pc.max分別為預設(shè)置的最小與最大交叉概率；Pc（t）為當前第t代種群的交叉概率：Pm.max與Pm.min分別為預設(shè)置的最大、最小變異概率；f（Xi）為個體Xi的適應值；fmax與fmin分別為種群的最大與最小適應值；Pm（t）為第t代種群中個體Xi的變異概率。

3.3 考慮負荷重要程度配電網(wǎng)電壓調(diào)控優(yōu)化流程

本文考慮負荷重要程度和高滲透光伏接入對系統(tǒng)電壓調(diào)控的影響，建立中壓配電網(wǎng)電壓調(diào)控優(yōu)化模型。首先從新能源效益、電壓質(zhì)量以及用電負荷效益三方面建立中壓配電網(wǎng)負荷重要指標體系；采用改進AHP 和改進CRITIC 法求解指標權(quán)重，采用指標劣化度實現(xiàn)綜合權(quán)重變權(quán)，進而確定各用戶負荷點重要程度系數(shù)；然后，建立以系統(tǒng)各負荷點電壓調(diào)控效益最大為目標的系統(tǒng)電壓調(diào)控優(yōu)化模型；采用改進遺傳算法對電壓調(diào)控模型進行求解，從而確定各時段DG 時序無功出力、變壓器抽頭檔位以及電容器組投入組數(shù)。配電網(wǎng)電壓調(diào)控優(yōu)化流程圖如2所示。

4 算例分析

高滲透率光伏下的改進IEEE 33 節(jié)點系統(tǒng)拓撲結(jié)構(gòu)如圖3 所示，節(jié)點18、33、22、11、26 分別接入額定容量為0.9 MVA、0.6 MVA、0.1 MVA、0.1 MVA、0.4 MVA 的光伏組件，無功調(diào)節(jié)范圍設(shè)為有功功率的±20%，且可作為無功支撐。在節(jié)點6、13、29 分別裝設(shè)6、8、6 組并聯(lián)電容器，每組電容器容量為25 kvar。本文依據(jù)不同的光伏出力曲線進行場景劃分為3 種場景。采用改進GA 進行求解，使用MATLAB R2018 a進行編程，種群個數(shù)為100，最大迭代次數(shù)為100 次，交叉概率范圍為［0.7 0.9］，變異概率為［0.05 0.2］。

圖3 高滲透率光伏下的改進IEEE 33節(jié)點系統(tǒng)Fig. 3 Improved IEEE 33-node system under high permeability photovoltaic

4.1 負荷重要程度評價結(jié)果

為對比分析改進前后評估方法的優(yōu)勢，各用戶重要程度指標的權(quán)重計算結(jié)果如表3 所示。通過AHP 與IAHP 所得主觀權(quán)重變化一致，指標P21 權(quán)重最高，P24 權(quán)重最低，但IAHP 將一致性檢驗步驟改進為構(gòu)造一致性矩陣，省略了一致性檢驗可能造成的繁瑣計算。傳統(tǒng)的熵權(quán)法因棄光率和滲透率指標差異小且指標值的熵值接近1 的較多，導致P11 與P12 權(quán)重過大，所得綜合權(quán)重因此不合理；改進CRITIC 法可有效避免指標值微小變化引起權(quán)重大幅變化，而導致賦權(quán)結(jié)果不理想的情況，同時也拉開各指標之間差距，通過劣化度計算變權(quán)函數(shù)修正綜合權(quán)重實現(xiàn)變權(quán)，劣化度高指標賦予較大權(quán)重，劣化度低指標賦予較小權(quán)重。

表3 負荷重要程度指標權(quán)重Tab. 3 Load importance index weight

對比分析各用戶的重要程度評估值以及重要程度系數(shù)如圖4 所示，傳統(tǒng)方法與改進方法均判斷出負荷節(jié)點18、28、33 對于電壓調(diào)控的重要程度較高。但傳統(tǒng)方法計算的評估值差異較小，導致無法拉開負荷重要程度系數(shù)的差距，失去重要程度評估的意義。而改進評估方法計算的評估值區(qū)分度較大，同時可有效突出重要負荷節(jié)點并賦予其較高的系數(shù)，為后續(xù)電壓調(diào)控提供指導。

圖4 評估結(jié)果及重要程度系數(shù)對比Fig. 4 Comparison of evaluation results and importance coefficient

4.2 電壓調(diào)控策略優(yōu)化結(jié)果

4.2.1 云朵效應場景下電壓調(diào)控策略結(jié)果

選取云朵效應場景下采用本文改進賦權(quán)方法確定負荷重要程度，求解各時段內(nèi)變壓器分接頭檔位、并聯(lián)電容器投入組數(shù)以及光伏組件無功出力情況結(jié)果如圖5 所示。在云朵效應場景下，時段10—12 和16—18 光伏系數(shù)驟降，此時光伏組件有功出力減小，電壓下降且電壓劇烈波動。為降低電壓偏差和減小電壓波動，電壓調(diào)控采取調(diào)整抽頭位置，圖5（a）中10—12、16—24 抽頭處于5%位置；同時增加并聯(lián)電容器投入組數(shù)，圖5（b）中10—12 和16—18 時段內(nèi)電容器組數(shù)顯著增加，20—22 時段內(nèi)數(shù)量增加是由于該時段內(nèi)出現(xiàn)負荷高峰，并且夜間無光伏有功功率出力，為提高電壓需投入較多電容器組數(shù)；最后調(diào)節(jié)光伏逆變器無功功率出力，同理在上述時段內(nèi)無功功率出力顯著增加，在1—8 以及22—24 時段內(nèi)吸收無功功率是由于負荷較輕，且抽頭位置較高，電壓偏高需要吸收無功以減緩電壓上升趨勢。

圖5 各時段變比抽頭、電容器投入組數(shù)及光伏無功出力Fig. 5 Transformation ratio taps, number of capacitor input groups and photovoltaic reactive power output in each period

通過上述決策變量可求得系統(tǒng)電壓分布，對比電壓調(diào)控前后系統(tǒng)的電壓偏差和電壓波動如圖5 所示，圖6（a）中在電壓調(diào)控前節(jié)點電壓在時段10—12和16—20 內(nèi)呈現(xiàn)較大的負偏差，在9、12—14 時段內(nèi)呈現(xiàn)較大的正偏差，因此導致電壓在10、12、16等時段內(nèi)產(chǎn)生波動劇烈，接近10%左右如圖5（c）中所示。如圖6（b）所示，在電壓調(diào)控之后電壓偏差大部分處于正偏差，符合預期使電壓盡可能的正偏差，且偏差率小于5%，同時電壓整體波動小于2%如圖6（d）所示，本文電壓調(diào)控策略可有效減小電壓偏差和平衡電壓的劇烈波動。

圖6 優(yōu)化前后電壓偏差和波動對比曲面圖Fig. 6 Comparison surface diagram of voltage deviation and fluctuation before and after optimization

4.2.2 采用不同重要程度系數(shù)的電壓調(diào)控策略對比

進一步對比分析在場景2 下，不考慮負荷重要程度（方法1）、傳統(tǒng)方法確定重要程度系數(shù)（方法2）以及本文方法確定重要程度系數(shù)（方法3）對電壓條調(diào)控策略的影響。3 種方法計算求得的電壓調(diào)控效益如圖7 所示，不考慮負荷重要系數(shù)會因各負荷點缺乏區(qū)分度，導致調(diào)控效益值最低；而采用改進方法確定的負荷重要程度系數(shù)可有效提高電壓調(diào)控的效益。如圖8 所示優(yōu)化后節(jié)點平均電壓偏差小于+4%，平均電壓波動降低到小于1%，本文電壓調(diào)控策略有效減小電壓偏差和波動。對比3 種方法可知，采用方法3 時重要程度較高的負荷節(jié)點（18、30 以及33）平均電壓偏差和波動可獲得更好的調(diào)節(jié)。方法可有效捕捉關(guān)鍵節(jié)點的信息并提供給電壓調(diào)控策略進行優(yōu)先治理，使得調(diào)控策略更具針對性。

圖7 場景2下3種不同方法的優(yōu)化結(jié)果對比Fig. 7 Comparison of optimization results of three different methods under scenario 2

圖8 不同方法下節(jié)點電壓平均偏差和波動對比圖Fig. 8 Comparison diagram of average deviation and fluctuation of node voltage under different methods

4.2.3 新能源和負荷效益指標對電壓調(diào)控的影響

為分析新能源效益和負荷用電效益指標對電壓調(diào)控的影響，本文選取光伏場景2 下的光伏出力曲線，進一步選取棄光率、用戶負荷等級以及用戶滿意度3個指標進行分析，劃分以下4種需求情況。

1） 需求場景1：新能源的棄光率相同且所有用戶負荷等級和滿意度均一致，滿足電能質(zhì)量標準即可；

2） 需求場景2：擬定在場景1 下節(jié)點18、33 的棄光率較大，要求電壓調(diào)控側(cè)重降低系統(tǒng)的棄光率；

3） 需求場景3：場景1 下使得節(jié)點16—18、31—33用戶滿意度較低，要求提高用戶群的滿意度；

4） 需求場景4：場景1 下設(shè)節(jié)點8—10、30—31負荷為一級重要負荷，電壓偏差小于±2%。

不同需求場景下求的各指標權(quán)重如表4 所示，各負荷節(jié)點的重要程度系數(shù)如圖9 所示。相對于場景1，場景2 中棄光率（P11）、場景3 中用戶滿意度（P32）以及場景4 中負荷等級（P31）權(quán)重顯著增大。由于不同場景下對應指標差距變大，權(quán)重增大可有效體現(xiàn)各個負荷節(jié)點之間的需求差異。場景2 中節(jié)點18、33 重要程度系數(shù)高于場景1，這是由于節(jié)點18和33處電壓越上限導致棄光率較高，同時P11權(quán)重較高，故負荷重要程度系數(shù)較大，認為其節(jié)點電壓調(diào)控更為迫切，所帶來的新能源效益較高；場景3 中用戶滿意度權(quán)重高，滿意度較低的重要程度系數(shù)高，滿意度較高的重要程度系數(shù)低，電壓調(diào)控將針對性的注重滿意度較低節(jié)點電壓進行調(diào)節(jié)，弱化滿意度較高節(jié)點的調(diào)節(jié)；場景4 中負荷等級權(quán)重高，社會效益占主導，一級負荷的重要程度系數(shù)高于其余節(jié)點，調(diào)控節(jié)點電壓可提高系統(tǒng)整體社會效益。

表4 不同需求場景下負荷重要指標綜合權(quán)重Tab. 4 Comprehensive weight of important load indicators under different demand scenarios

表5 算法全天計算結(jié)果對比Tab. 5 Comparison of whole day calculation results of the algorithm

圖9 不同需求場景下各節(jié)點的重要程度系數(shù)Fig. 9 Importance coefficient of each node under different demand scenarios

場景1、2 調(diào)節(jié)結(jié)果如圖10 所示，在滿足相同的電能質(zhì)量需求下，如圖10（a）中場景2 在12—14時段，通過降低主變檔位，降低系統(tǒng)整體電壓、降低棄光點功率因數(shù)，使得18、33 節(jié)點光伏并網(wǎng)功率增加，14 時段棄光率由16.69%降低至7.08%，調(diào)控效益由33.013 增大至34.715。如圖10（b）所示，C3投入組數(shù)減小可降低棄光點電壓，C1—2負責提高非光伏接入點電壓。因為此時棄光點的重要程度系數(shù)大，場景2 的調(diào)控方式所帶來的效益更高。

圖10 場景1和2電壓調(diào)控策略圖Fig. 10 Scenario 1 and 2 voltage regulation strategy diagram

場景1 和3 下采取不同的電壓調(diào)控策略后節(jié)點電壓分布如圖11所示，場景1中兩個用電滿意度較低的用戶群（節(jié)點16—18、31—33）電壓偏差范圍分別為［-0.03，0.05］，［-0.03，0.03］，而場景3 下分別為［-0.01，0.02］，［-0.02，0.01］，電壓偏差和波動顯著減小，調(diào)控效益增大。這是由于場景3用戶的用電質(zhì)量不滿意度增加，表4 中P23 權(quán)重增大，節(jié)點重要程度系數(shù)增大，調(diào)控策略集中無功資源優(yōu)化滿意度較低區(qū)域的電壓以提高用戶滿意度，取得最大調(diào)控效益。

圖11 場景1和3用戶滿意度較低節(jié)點電壓分布圖Fig. 11 Voltage distribution of nodes with low user satisfaction in scenario 1 and 3

同理分析場景1 與場景4，兩個重要負荷區(qū)域（節(jié)點8—10、30—31）電壓偏差范圍均為［-0.03，0.03］，而場景4 下均為［-0.02，0.02］，電壓偏差和波動顯著較小，重要負荷電壓質(zhì)量得到保證，在可滿足重要負荷更高的電壓需求，從而增大調(diào)控效益。

電壓調(diào)控策略可以在電壓滿足基本要求下，面對不同用戶和新能源需求時仍能進行針對性的電壓治理。可有效調(diào)動有限的無功調(diào)壓資源針對性的處理光伏接入導致的電壓問題，提高系統(tǒng)光伏接入量，降低棄光率，提供新能源效益。同時針對性解決重要負荷高用電質(zhì)量要求且用戶負荷的用電滿意度較低等問題，達到降低投訴率效果，提高社會效益。

4.3 算法對比分析

本文分別采用傳統(tǒng)遺傳算法和改進遺傳算法對場景2 下進行電壓調(diào)控，如圖12 所示，在時段11傳統(tǒng)GA 出現(xiàn)了局部收斂現(xiàn)象，計算效率低；如表4 所示，相比GA 本文改進的IGA 平均迭代次數(shù)少，收斂速度較快，平均計算時長段。

圖12 場景2迭代對比圖Fig. 12 Scenario 2 iteration comparison diagram

5 結(jié)論

針對傳統(tǒng)電壓調(diào)控策略難以應對高滲透率光伏接入中壓母線后電壓的雙向越限且波動劇烈，欠考慮負荷重要程度影響電壓調(diào)控策略的問題。本文主要開展了以下工作。

1） 從源網(wǎng)荷三方面建立負荷重要程度指標體系，基于改進AHP 和改進CRITIC 的組合變權(quán)法可有效增大節(jié)點評估值的區(qū)分度，并突出不同場景下指標的薄弱環(huán)節(jié)，劣化度較高的指標權(quán)重較大，電壓調(diào)控需求較高節(jié)點賦予較高的效益系數(shù)，權(quán)衡源網(wǎng)荷側(cè)的調(diào)控效益。

2） 建立了考慮負荷重要程度的含DG 配電網(wǎng)的電壓調(diào)控優(yōu)化模型，在不同光伏出力下策略均可改善電壓雙向偏差和減小電壓波動。同時可有效捕捉關(guān)鍵節(jié)點的信息并提供給電壓調(diào)控策略進行優(yōu)先治理，使得調(diào)控策略更具針對性。

3） 本文對傳統(tǒng)GA 算法進行改進，相較于傳統(tǒng)算法其迭代次數(shù)少、可有效避免局部收斂，計算結(jié)果準確，計算效率高。