程蒙 趙雙芝 韓雪龍 楊永前

摘 ?要：本文針對城市光伏建筑一體化（BIPV）接入城市配電網(wǎng)的優(yōu)化規(guī)劃問題，建立了以光伏發(fā)電（PV）投資的動態(tài)回收年限最小和光伏發(fā)電接入后配電系統(tǒng)的靜態(tài)電壓穩(wěn)定性最好為目標的多目標優(yōu)化規(guī)劃模型。將NSGA-Ⅱ中的快速非支配排序策略與精英保留策略引入生物地理算法，形成多目標生物地理算法（MOBBO），并用此算法求解PV接入城市配電網(wǎng)的位置及容量的Pareto最優(yōu)解集。最后以IEEE33節(jié)點配電系統(tǒng)為例進行PV的多目標優(yōu)化規(guī)劃，并將優(yōu)化結果與NSGA-Ⅱ算法進行比較，結果表明多目標生物地理算法具有更好的收斂性能和尋優(yōu)能力，最后的優(yōu)化結果大大增加了PV優(yōu)化配置的靈活性和科學性。

關鍵詞：NSGA-Ⅱ;生物地理算法;BIPV;動態(tài)回收年限;Pareto最優(yōu)解

中圖分類號：TM715 ? ? 文獻標識碼：A 文章編號：2096-4706（2019）17-0029-05

Abstract：In allusion to the optimal planning problem of building integrated photovoltaic（BIPV） in the distribution network，a multi-objective，in which the minimization of dynamic payback period as well as optimal stability of steady state voltage are token as objectives，is built. The optimal Pareto solution set of network-connecting positions and configured capacity of PV are solved by multi-objective biogeography-based optimization algorithm（MOBBO），which is formed by putting rapid non-dominated sorting strategy and elitism strategy of NSGA-Ⅱ algorithm into biogeography-based optimization algorithm. Finally，taking testing system of IEEE33 node distribution network as an example to proceed multi-objective optimal planning of PV. The proposed algorithm has better global convergence and searching capability compared to the results obtained with the NSGA-Ⅱ algorithm. The final optimal results increased the flexibility and scientificity of the optimized configuration of PV.

Keywords：NSGA-Ⅱ;biogeography-based algorithm;BIPV;dynamic recovery period;Pareto optimal solution

0 ?引 ?言

太陽能光伏發(fā)電系統(tǒng)一般可以分為以下三種類型：離網(wǎng)式光伏發(fā)電系統(tǒng)、并網(wǎng)式光伏發(fā)電系統(tǒng)和分散式光伏發(fā)電系統(tǒng)。在中國的大中型城市，分散式的并網(wǎng)型光伏發(fā)電系統(tǒng)，尤其是依附于城市建筑的BIPV系統(tǒng)，具有項目投資少、建設速度快、不會造成環(huán)境污染，并且有政策的大力支持等優(yōu)點，已經(jīng)成為城市光伏發(fā)電系統(tǒng)的主流。光伏建筑一體化廣義上可以理解為安裝在所有建筑上的太陽能光伏發(fā)電系統(tǒng)?！犊稍偕茉粗虚L期發(fā)展規(guī)劃》中提出“建設與建筑物一體化的屋頂太陽能并網(wǎng)光伏發(fā)電設施，到2020年，全國建成2萬個屋頂光伏發(fā)電項目，總?cè)萘?00萬kW”，建筑光伏系統(tǒng)的規(guī)模化應用已提上日程[1]。研究表明，合理配置光伏建筑一體化以及其他類型的分布式電源接入城市配電網(wǎng)的接入點及接入容量，可以有效地改善配電網(wǎng)電壓質(zhì)量、減小系統(tǒng)有功網(wǎng)損、提高系統(tǒng)負荷率;反之，如果配置不合理，將會影響電網(wǎng)的安全運行，影響配電網(wǎng)電壓的穩(wěn)定性[2]。針對分布式電源接入配電網(wǎng)的選址與定容問題，國內(nèi)外學者進行了一些研究。文獻[3]和[4]以系統(tǒng)網(wǎng)損最小為目標函數(shù)，文獻[5]和[6]則是以綜合系統(tǒng)費用為目標，分別構建了分布式電源優(yōu)化配置的單目標模型。但是隨著我國分布式發(fā)電相關技術的快速發(fā)展和電力市場的逐步完善，在分布式電源優(yōu)化規(guī)劃中需要考慮的因素逐漸增多，例如電壓穩(wěn)定性、環(huán)境因素、入網(wǎng)電價、回收年限等。所以單目標規(guī)劃模型往往不能滿足目前大量的分布式電源接入城市配電系統(tǒng)的優(yōu)化規(guī)劃要求。文獻[7]以系統(tǒng)網(wǎng)損、電壓質(zhì)量和環(huán)境因素為目標構建分布式電源多目標優(yōu)化規(guī)劃模型，但其實質(zhì)是將多目標函數(shù)通過加權轉(zhuǎn)化為單目標函數(shù)，改變權重將直接對分布式電源的配置方案產(chǎn)生影響。文獻[8]-[10]運用不同的算法求解分布式電源多目標優(yōu)化規(guī)劃模型，最終得到一組Pareto最優(yōu)解，但都未考慮不同類型的分布式電源發(fā)電的不同特點，得到的規(guī)劃方案缺乏針對性。

本文以光伏發(fā)電系統(tǒng)接入城市配電網(wǎng)的選址與定容問題為研究對象，以光伏發(fā)電系統(tǒng)接入配電網(wǎng)的經(jīng)濟性指標（動態(tài)回收年限）和安全性指標（電壓穩(wěn)定性）為目標，構建多目標的優(yōu)化規(guī)劃模型，并采用多目標生物地理算法進行求解。最后，通過對IEEE33節(jié)點算例的仿真分析，驗證所提模型和算法的可行性，并將所得結果與NSGA-Ⅱ算法進行比較。

2.2 ?多目標生物地理學優(yōu)化算法

基本的生物地理學優(yōu)化算法只能處理單目標的優(yōu)化問題，而不能處理多目標優(yōu)化問題。在單目標生物地理學優(yōu)化算法中，用棲息地的適應度指數(shù)HSI來比較棲息地的好壞，但是在處理多目標問題時，棲息地的HSI不再唯一，必須采用新的比較策略來比較棲息地的優(yōu)劣。本文采用與NSGA-Ⅱ相似的快速非支配排序策略與精英保留策略處理棲息地的多個HSI的比較問題。

2.2.1 ?快速非支配排序策略

計算當前所有棲息地的HSI，找出不受其他棲息地支配的棲息地，即這組棲息地的Pareto最優(yōu)解，將其排在最前端，等級為1;在剩下的棲息地繼續(xù)尋找非支配解，放在等級為1的棲息地之后，等級設為2;重復以上過程，直到所有棲息地都得到相應的等級。對于位于同一等級的棲息地，則按棲息地的擁擠距離由大到小排序。定義第i個棲息地的擁擠距離L[i]d=L[i]d+（L[i+1]m-L[i-1]m），其中L[i]m為第i個棲息地的第m個HSI。

2.2.2 ?精英保留策略

精英保留策略是將前一次迭代中的優(yōu)良棲息地保留到本次迭代中，它是多目標生物地理學算法以概率1收斂的必要條件。其具體方法是：將上一次迭代中等級為1的棲息地與本次迭代的棲息地合并為一組新的棲息地，按照快速非支配排序選出最前端的N個棲息地進入下次迭代。

多目標生物地理算法的流程圖如圖2所示。

3 ?算例分析

為驗證多目標生物地理優(yōu)化算法用于BIPV的優(yōu)化規(guī)劃的可行性和效果，本文采用IEEE33節(jié)點算例進行仿真，其系統(tǒng)結構如圖3所示。

將各分布式電源負的PQ節(jié)點處理，功率因數(shù)取0.9[14]。根據(jù)文獻[15]所提供的數(shù)據(jù)，本算例中的參數(shù)匯總?cè)绫?所示。

多目標生物地理優(yōu)化算法參數(shù)設置如下：種群規(guī)模N= 50;最大迭代次數(shù)Gmax=200;全局遷移率Pmod=1;最大遷入率E=1;最大遷出率I=1;種群的最大突變率Mmax=0.01。

本文在Matlab環(huán)境下分別編寫NSGA-Ⅱ和MOBBO算法程序，各計算50次，其運算結果的對比如表2所示。從表2中可以看出與傳統(tǒng)的多目標優(yōu)化算法NSGA-Ⅱ相比，MOBBO算法具有計算速度快、收斂性強和計算精度高等優(yōu)點。

從分別利用NSGA-Ⅱ和MOBBO算法進行BIPV多目標優(yōu)化規(guī)劃的結果可以看出，BIPV項目的動態(tài)回收年限與BIPV接入配電網(wǎng)后的靜態(tài)電壓穩(wěn)定度是相互沖突的兩個目標，即要使系統(tǒng)靜態(tài)電壓穩(wěn)定度提高，就得投入更多的資金，延長項目的動態(tài)回收年限。因此就需要對這兩個目標函數(shù)進行協(xié)調(diào)優(yōu)化，從而找到一組折中的優(yōu)化方案，即多目標問題的Pareto最優(yōu)解集。

通過對NSGA-Ⅱ和MOBBO算法所得結果的對比，可以看出MOBBO算法能找到比NSGA-Ⅱ算法更優(yōu)的解，即在靜態(tài)電壓穩(wěn)定裕度相同時，MOBBO能找到動態(tài)回收年限更小的解。而且NSGA-Ⅱ無法找到該多目標優(yōu)化問題的所有Pareto最優(yōu)解，在Pareto解的兩端其搜索性較差。因此，在處理BIPV的多目標優(yōu)化規(guī)劃問題時，本文提出的MOBBO算法能取得比NSGA-Ⅱ算法更好的優(yōu)化結果。

該算法所得到的解之間互不支配，所有的解都是最優(yōu)解，不同的解代表不同的優(yōu)化效果。方案一、方案二和方案三是其中三個有代表性的BIPV優(yōu)化配置方案，方案一的靜態(tài)電壓穩(wěn)定性最高，但動態(tài)回收年限最長;方案三的動態(tài)回收年限最短，但網(wǎng)損和電壓穩(wěn)定性最差;方案二則是一個折中方案，各項指標均適中。三個方案的BIPV的接入點位置如圖3所示，其具體配置情況如表3所示。

原有的配電網(wǎng)系統(tǒng)在未接入BIPV時，系統(tǒng)網(wǎng)損為202.68kW，系統(tǒng)的靜態(tài)電壓穩(wěn)定度為0.0746。采用以上三種方案配置BIPV后，能有效減少系統(tǒng)網(wǎng)損，提高靜態(tài)電壓穩(wěn)定性。三種方案的優(yōu)化結果如表4所示。

為了表現(xiàn)BIPV接入后對靜態(tài)電壓穩(wěn)定性的影響，對采用這三種方案配置BIPV后各節(jié)點的電壓進行對比。

方案一接入的BIPV容量大，需要的投資也最大，但是在BIPV接入后的網(wǎng)損最小，系統(tǒng)的靜態(tài)電壓穩(wěn)定度最好。因此在資金充足、對網(wǎng)損、電壓穩(wěn)定度要求較高時可優(yōu)先選擇此方案。方案三的BIPV接入容量最小，投資小、資金動態(tài)回收年限小，但是網(wǎng)損與動態(tài)電壓穩(wěn)定度的改善效果較差，在資金不充足的情況下可以優(yōu)先選擇此方案，待以后太陽能光伏組件價格下降后，再進一步加大BIPV的配置。方案二則是一個折中方案，投資較少，而網(wǎng)損和電壓穩(wěn)定性也能得到有效改善。由于基于MOBBO算法的BIPV優(yōu)化規(guī)劃得出的是一種Pareto最優(yōu)解，這樣大大增加了規(guī)劃的靈活性，在實際規(guī)劃中，可以根據(jù)具體情況選擇合適的方案，以期達到更好的優(yōu)化規(guī)劃結果。

4 ?結 ?論

本文以城市光伏發(fā)電投資的動態(tài)回收年限和靜態(tài)電壓穩(wěn)定性為優(yōu)化目標，建立了BIPV的多目標優(yōu)化規(guī)劃模型，通過本文提出的多目標生物地理算法求解及算例結果分析，得出以下結論：

（1）在城市配電網(wǎng)推進光伏建筑一體化項目能有效減少配電系統(tǒng)網(wǎng)損，提高靜態(tài)電壓穩(wěn)定性，同時也能大大減少對火力發(fā)電的需求，提高電力供應的多樣性，緩解城市環(huán)境污染。

（2）與傳統(tǒng)的NSGA-Ⅱ算法相比，多目標生物地理學優(yōu)化算法在處理PV接入城市配電網(wǎng)的多目標優(yōu)化規(guī)劃問題上，具有更好的收斂性能，同時也為多目標優(yōu)化問題提出了一種新的方法。其所得出的Pareto最優(yōu)解能兼顧各個規(guī)劃目標，規(guī)劃人員可以根據(jù)實際需求進行選擇，增加了規(guī)劃的靈活性和科學性。

參考文獻：

[1] 徐靜，陳正洪，唐俊，等.建筑光伏并網(wǎng)發(fā)電系統(tǒng)的發(fā)電量預測初探 [J].電力系統(tǒng)保護與控制，2012，40（18）：81-85.

[2] 王守相，王慧，蔡聲霞.分布式發(fā)電優(yōu)化配置研究綜述 [J].電力系統(tǒng)自動化，2009，33（18）：110-115.

[3] NERVES AC，RONCESVALLES JCK. Application of evolutionary programming to optimal siting and sizing and optimal scheduling of distributed generation [C]//TENCON 2009-2009 IEEE Region 10 Conference.S.l.：s.n.，2009：1-6.

[4] 朱勇，楊京燕，張冬清.基于有功網(wǎng)損最優(yōu)的分布式電源規(guī)劃 [J].電力系統(tǒng)保護與控制，2011，39（21）：12-16.

[5] EL-KHATTAM W，HEGAZY YG，SALAMA MMA. An Integrated Distributed Generation Optimization Model for Distribution System Planning [J].IEEE Transactions on Power Systems，2005，20（2）：1158-1165.

[6] 葉承晉，黃民翔. 基于改進粒子群算法的分布式電源經(jīng)濟性最優(yōu)規(guī)劃 [J].電力系統(tǒng)保護與控制，2012，40（19）：126-132.

[7] 鄭漳華，艾芊，顧承紅，等.考慮環(huán)境因素的分布式發(fā)電多目標優(yōu)化配置 [J].中國電機工程學報，2009，29（13）：23-28.

[8] 于青，劉剛，劉自發(fā)，等.基于量子微分進化算法的分布式電源多目標優(yōu)化規(guī)劃 [J].電力系統(tǒng)保護與控制，2013，41（14）：66-72.

[9] Moradi M H，Tousi S M R，Abedini M. Multi-objective PFDE algorithm for solving the optimal siting and sizing problem of multiple DG sources [J].International Journal of Electrical Power & Energy Systems，2014，56（3）：117-126.

[10] 王瑞琪，李珂，張承慧，等.基于多目標混沌量子遺傳算法的分布式電源規(guī)劃 [J].電網(wǎng)技術，2011，35（12）：183-189.

[11] 魏峰.火電與風電投資效益比較研究 [D].保定：華北電力大學，2013.

[12] 黃松，楊建華，季宇，等.基于NSGA-Ⅱ的多類型分布式電源在配電網(wǎng)中的優(yōu)化配置 [J].華東電力，2013，41（12）：2484-2488.

[13] SHAH A，SIMON D，RICHTER H. Constrained biogeography-based optimization for invariant set computation [C]//American Control Conference （ACC），2012. S.l.：s.n.，2012：2639-2644.

[14] 劉學平，劉天琪，王劍.基于小生境的配電網(wǎng)多目標分布式電源規(guī)劃 [J].電網(wǎng)技術，2010，34（10）：126-130.

[15] 王斯成.分布式光伏發(fā)電政策現(xiàn)狀及發(fā)展趨勢 [J].太陽能，2013（8）：8-19.

作者簡介：程蒙（1990-），男，漢族，河南信陽人，項目經(jīng)理，助理工程師，碩士研究生，研究方向：電網(wǎng)建設與經(jīng)濟運行;趙雙芝（1988-），女，漢族，河北保定人，專業(yè)員，助理工程師，碩士研究生，研究方向：新能源涉網(wǎng)試驗及配網(wǎng)規(guī)劃;韓雪龍（1988-），男，漢族，河北石家莊人，實驗員，助理工程師，碩士研究生，研究方向：分布式發(fā)電并網(wǎng)及微電網(wǎng)技術;楊永前（1988-），男，漢族，河南平頂山人，項目經(jīng)理，工程師，碩士研究生，研究方向：電網(wǎng)建設及電力系統(tǒng)暫態(tài)穩(wěn)定控制。