分布式电源的最优选址和规模在实现技术经济目标方面具有重要意义

工程科学与技术，国际期刊19（2016）1266全长文章分布式电源投加Belkacem Mastern*，K. 斯赖里阿尔及利亚Biskra大学电气工程系A R T I C L E I N F OA B S不 R 一C T文章历史记录：2015年11月18日收到2016年3月10日星期一2016年3月14日接受2016年4月6日在线发布保留字：分布式发电径向分布差分搜索最佳选址和规模可再生能源智能电网电能质量SVC配电系统中多种类型配电电源的最优选址和规模对于专家和工业界实现预期的技术经济目标具有重要意义。针对现代配电网规划问题，提出了一种新的基于可变变量的差分搜索（DS）算法，即自适应DS算法。 该算法研究了多台分布式电源的最优选址和规模问题。考虑DG的有功功率成本和能量损耗成本，对总功率损耗进行了优化。在33节点和69节点两个实际测试系统上，在正常情况下并考虑特定的负载裕度稳定性，验证了所提出的规划策略的鲁棒性。结果表明，在SVC补偿器存在的情况下，在合适的位置安装合适尺寸的DG的© 2016 Karabuk University. Elsevier B.V.的出版服务。这是CC下的开放获取文章BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍近年来，各种可再生能源和多种形式的柔性交流输电系统（FACTS）在世界上许多实际电力系统中的集成得到了相当大的发展。基于可再生能源的分布式发电（DG）技术在世界范围内发展迅速，并在配电系统中得到了广泛的许多研究和最近的实际项目与分布式系统中多种类型的可再生能源的集成有关，证明了它们在改善输送给消费者的电能质量方面的效率和能力[1，2]。然而，大量的论文也提出了DG的集成对电力系统保护协调的可靠性的缺点[3，4]。电能损耗是电能质量的一项重要技术指标，为了达到预期的技术经济目标，应合理降低总的电能损耗[5]。从传统的单向电力网络向现代的多种可再生能源网络的过渡，以及能源的最佳配置成为一项复杂而重要的任务[6]。期间* 通讯作者。联系电话：+213 665084111。电子邮件地址：bemahdad@yahoo.fr（B. Mauritius）。由Karabuk大学负责进行同行审查近二十年来，分布式电源对电能质量影响的研究和分析得到了广泛的关注。目前已有大量的文献提出了利用确定性方法和元启发式优化方法来解决考虑实际约束的参考文献6和7对最佳分布式可再生能源发电规划的不同方法进行了出色的回顾。在参考文献8中，研究了使用卡尔曼滤波算法选择多个分布式电源的最佳位置和大小，在参考文献9中，提出了考虑负荷平均小时变化的DG的最佳布置和大小，在参考文献10中，提出了用于DG的最佳布置和大小的新的功率稳定性指标和线路损耗，在参考文献11中，提出了在配电系统中分配可再生能源的新的混合方法，在参考文献12中，分析了有和没有排放交易的分布式发电的环境效益，在参考文献13中，提出了一种通过分布式发电机布局提高配电系统负荷能力的有效策略，该策略考虑了负荷增长的技术经济效益，在参考文献14中，提出了一种用于降低损耗的主配电网中的多分布式发电机布置策略，在参考文献15中，提出了一种基于DG的规划策略以提高配电系统中的电压稳定裕度，在参考文献16中，为了减少功率损耗，考虑了分布式发电机组的最佳尺寸http://dx.doi.org/10.1016/j.jestch.2016.03.0022215-0986/©2016Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。出版社：Karabuk University，PressUnit ISSN （印刷版）：1302-0056 ISSN（在线）：2215-0986 ISSN（电子邮件）：1308-2043主 办可 在 www.sciencedirect.com上 在 线ScienceDirect可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：http://www.elsevier.com/locate/jestchB.马格德堡湾Srairi/Engineering Science and Technology，an International Journal19（2016）1266-12821267在参考文献17中，提出了配电网中可调度和不可调度的可再生DG单元的最佳布置，以使能量损失最小化。有关更多详细信息，参考文献18中提出了电力系统中DG和FACTS控制器影响评估的最新优秀综述。各种分析方法已被应用于多DG的最佳选址和大小，以最大限度地减少径向配电系统中的线路损耗[19在参考文献22中，采用了粒子群优化算法，并将其用于多个DG的最优大小和位置，以最小化考虑负荷增长的功率损耗;在参考文献23中，提出了遗传算法和粒子群优化算法的组合，用于配电系统中DG的最优位置和大小;在参考文献24中，采用了基于目标规划的新方法来求解分布式发电规划;在参考文献25中，采用了灵敏度分析方法和PSO算法，并将其用于求解电压下DG的最优无功控制文献26提出了一种新的负荷增长下的电压稳定性指标，用于负荷增长下辐射状配电网DG的优化配置;文献27提出了一种新的回溯搜索优化算法，用于求解多类型分布式电源的优化配置;文献28提出了一种MINLP算法，用于配电网多DG单元的优化配置，在参考文献29中，提出了一种改进的基于教-学的优化算法，用于优化分布式发电的位置和大小，在参考文献30中，使用细菌觅食优化解决了配电系统中多个分布式发电机的最优大小和位置，在参考文献31中，提出了一种有效的分布式发电的位置和大小问题的方法，在参考文献32中，IPSO-MonteCarlo方法被应用于最优分布式电源分配和规模，在参考文献33中，粒子群优化算法被应用于DSTATCOM协调的分布式电源的最优位置和规模，在参考文献34中，多目标准-针对辐射状配电网中分布式发电机的优化配置问题，提出了一种基于反向教-学的优化方法。文献35提出了一种多目标粒子群优化算法，用于求解多个分布式电源和并联电容器组的多目标最优配置问题同时考虑负载的不确定性。Civicioglu[36]提出了一种新的基于种群的全局优化算法--差分搜索算法（DSA）;该方法的特殊性和有效性在许多标准基准函数上得到了验证[36]，并且结果与许多最近的元启发式方法相比具有竞争力。在文献中，已经提出了一些文件，用于解决与电力系统规划和控制有关的问题，使用DS算法。在文献37中，DSA被修改并应用于求解无功规划，在文献38中，DSA被应用于求解正常和突发情况下的最优功率潮流。DS算法有几个参数需要调整，这些参数是一致的。被认为是一个重要的优势。经验证实，任何元启发式算法的鲁棒性都需要在搜索过程中在探索和利用之间保持良好且灵活的正如所证明的，控制配电网络中的无功功率传输以减少电压降并因此减少输电线路中的功率损耗是强制性的，特别是在关键情况下。静止无功补偿器（SVC）是FACTS家族中的第一个装置，在世界上各种实际电力系统中大量安装实际上，与STATCOM、TCSC和UPFC等装置相比，SVC具有低与组电容器相比，SVC具有相对高的成本。在现代配电系统中，其特点是压力-由于各种分散的间歇电源的存在，SVC变得非常适合于确保电压的灵活控制，特别是在关键情况下。本文考虑的两种可再生能源是风能和太阳能。众所周知，由这些类型的源输送的能量是间歇性的。在这种间歇性的情况下，在特定的负载总线上可能会出现不可接受的电压偏差。基于组电容器的经典补偿器不能保证电压的灵活控制。作为传统补偿器的替代方案，为了保证电压的灵活控制，现代配电网中必须采用基于并联FACTS装置的快速动态控制器进行无功控制。在文献中，很少有文章提出了考虑FACTS装置，特别是SVC装置的多种类型的DG的优化位置和控制。在参考文献39中，一种基于动态策略的元启发式方法被应用于SVC设备的最佳尺寸和位置，以改善具有分散光伏和风力发电厂的配电网中的电压分布。在参考文献40中，改进了一种火算法，并将其应用于大型输电网络的最优有功功率损耗和电压稳定性改进，在参考文献41中，提出了一种用于求解辐射状配电系统中电容器的最优尺寸和位置的功率授粉优化算法和功率损耗指数本文综述了近年来提出的各种元启发式方法，最近的文献证实，不存在能够精确地解决与电力系统规划和控制相关的所有问题的标准和通用的优化技术。一般而言，大多数元启发式方法的缺点与参数调整以及探索和开发之间的协调有关本文提出了一种新的变结构方法--自适应DS法，以改进多SVC装置协调下DG的选址定容问题。该优化策略适用于多种类型DG的最佳位置，以最小化总有功功率损耗，同时考虑正常条件和临界负载条件下的安全约束在两个标准的辐射状配电系统33节点和69节点上验证了所提出的灵活规划策略在解的质量和收敛性方面的性能 图 1示出了所提出的基于DSA的规划策略的结构，以解决与考虑各种类型的DG和并联FACTS设备的集成的现代配电系统相关的各种优化问题。本文的贡献可概述如下：• 提出了一种新的基于DS的最大功率损耗控制方法。• 分布式发电和多个并联补偿器SVC装置的同时定位和定尺寸实现了最大损耗最小化。• 所提出的策略能够在考虑负荷增长的情况下找到有竞争力的解决方案。• 有功网损敏感度（APLS）和无功网损敏感度（RPLS）是用于寻找分布式发电（DG）最佳可能位置的两个指标本文件的编排如下：辐射状配电系统的基本数学描述在第2节中给出。第3节概述了基于系统补偿的并联FACTS装置。在第4中介绍了考虑安全约束、DG成本和功率损耗成本的优化问题的数学公式。DS算法的机制搜索的简要描述在第5中给出。拟议1268B.马格德堡湾Srairi/Engineering Science and Technology，an International Journal19（2016）1266-1282  Vm2 Mm131协调规划中心最佳位置、DG规模扩展规划现代配电系统Fig. 1. 现代配电系统的互动结构。第6节介绍了一种称为自适应DS的分布式电源与静止无功补偿装置协调运行的同时优化方法。在第7节中，提出并讨论了基于各种场景的模拟结果。最后，第8节总结了本文，并提出了继续工作的前景。2.2. 基本方程2.2.1.分支中的功率损耗公知的用于母线m和m+ 1之间的线路区段中的有功和无功功率损耗的通用公式通过使用以下等式来计算：2014年第22. 辐射状配电系统2.1. 概述P损失m，m1M mRm（一）在传统的配电馈线（没有DG单元）提供了只有一个源，电压下降到馈线端部，因为线路的阻抗引起的电压降。Q损失m，m1年第2Vm2 m（二）因此，根据负载需求量，高压降发生在馈线末端[19]。图2示出了具有一个主馈线的简单径向分布（RD）的基本结构。2.2.2.总功率损耗配电系统的总有功和无功功率损耗可以很容易地通过将所有分支功率损耗相加而得到，并且其表示为：P12关键总线Q12123456站Vmax电压ΔVVmin距离（阻抗）图二. 辐射状配电系统的基本结构。B.马格德堡湾Srairi/Engineering Science and Technology，an International Journal19（2016）1266-12821269我我我我总线JDGPa）、巴士J巴士J-Q+QDGP+Q（b）（c）图3.第三章。分布式发电 的三种运行模式：（a）DG注入有功功率，（b）DG注入有功功率并吸收无功功率，（c）DG注入有功功率并吸收或注入无功功率。NBRPt，lossPm，mm1（三）电流方向将被反转，并且在DG连接的母线处将出现电压上升。2.3. 分布生成在文献中，已经给出了许多定义来引入分布生成源：• 电力研究所将分布式发电定义为从几千瓦到50兆瓦的发电[20，30]。• 大型高压电力系统国际会议将DG定义为小于50• 国际能源署（IEA）将分布式发电（DG）定义为在现场为客户服务或为配电网提供支持的发电厂，以分布式电压连接到电网。如图3所示，并基于DG的重新-3. 基于系统补偿的并联FACTS装置静止无功补偿器（SVC）[13]是一种并联无功补偿器。如图5（a）所示，SVC装置的结构简单，由连接的反并联晶闸管组成，以提供可控性。空心电抗器和高压交流电容器是与晶闸管阀一起使用的无功功率元件。SVC装置具有与网络实时交换无功功率（吸收或产生）的能力，以控制电力系统特定母线上的电压。图5（b）示出了SVC设备稳态电路表示。本研究中使用的SVC模型基于将并联控制器表示为可变磁阻，并且以下等式描述SVC模型。与网络交换有功功率和无功功率的源，DG分为三类[20，30]：（i）DG注入有功功率ISVC SVCV（四）DG只注入有功功率（P），但吸收无功功率，DG既注入有功功率（P），又吸收或注入无功功率（四）网络供电。如图4所示，在DG存在的情况下，如果其功率超过当地负荷需求，与母线i交换的无功功率QSVC可以是：按下：QSVC 电动机BSVC电动机V2（5）距离（阻抗）见图4。 考虑DGP12来自DG的站1Q1223456DGVmax电压ΔVΔV（无DG）Vmin1270B.马格德堡湾Srairi/Engineering Science and Technology，an International Journal19（2016）1266-128212巴士k巴士j北京地铁1巴士iViILTCRFixed IC电容器Vr巴士i巴士J电压控制+Q-Q图五、（a）静止无功补偿器（SVC）的基本电路，（b）SVC稳态电路表示。3.1. SVC电压控制实际配电网c/2012年12月12日至2014年12月12日c/12U112位P12位R12位Q12位QSVC12位U1（七）系统是控制电压在关键总线的动态前，c12位P12位R12位Q12位X12位QSVC12位X12位U 简体中文（八）改变电网的无功功率 图图6示出了使用SVC装置的简单辐射状配电系统中的电压控制的基本原理。母线i和母线j之间的电压降表示为：• 无功补偿前12U1哪里可编程逻辑控制器SVC12U1设备.U112c是 的 校正 电压 生成 通过SVC粤备16018888号-1U1• 无功补偿（六）并联补偿对于电压控制是非常有效的;因此，减少的功率损耗量取决于与网络交换的无功功率的最佳位置和最佳值。P12站1Q12-Qsvc2线电压幅值+Q-QVmaxSn-QsvcIJ赔偿额新奇奇U2cΔUcU2Vmin新Cos距离（阻抗）见图6。基于并联补偿器的SVC电压控制原理。简体B.马格德堡湾Srairi/Engineering Science and Technology，an International Journal19（2016）1266-12821271QQdg，idgQQsvc，i我dg，idg， idg，i4. 问题公式化NDGNL NBRPg，slackpdg，i PD，iPlos，m（十三）提出的最优规划策略的主要目标是优化多个分布式发电站的位置和规模第一章1NDG第一章1Nlm1NBR发电机和SVC装置，以减少总功率损耗在正常和Q g，slackQ dg，Q D，iQ los，m（十四）在危急情况下。本研究所采用的目标函数为有功网损的减少和总电能的最小化第一章1第一章1m1考虑所有安全约束的组合成本。4.1. 目标函数在这项研究中，考虑了两个目标函数：总功率损耗和总电压偏差，这两个目标函数进行优化，考虑DG安装成本和能量损失的成本。4.4.2. 不等式约束不等式约束表示与配电系统的元件相关的安全约束。4.4.3. 电压约束以下表达式表示所有母线上的电压磁限。VminVmax，i，2，，Nbus（十五）4.2. 最小化总功率损耗我我我f损失MinNBR压差损失m1m，m（九）• DG限制：所使用的DG源必须在允许的尺寸和功率因数相关的能量损失成本和每年的能量损失成本表示如下[20]：• 能量损失P最小值民报，i最大值，dg，i最大值，i，2，0，Ndgi，2，0，Ndg（十六）（十七）年能量损失成本由下式给出• 危险品渗透CPt，Ec$（10）与系统的总负荷需求相比，DG源注入网络的功率量称为水平Ec：能源价格（$/kWh）T：持续时间（h）[21]第21话。通常，与穿透水平相关的约束计算如下：当Ec0时。06$/KWh，T8760h• 分布式电源有功发电NDG年1月1日Nl年月27日（十八）DG的成本特性以二次形式表示，并由以下等式[20]表示：其中，λ是渗透水平。• SVC限制：SVC装置的参数必须限制在其限值内，表示如下CaP2P c$/h（十一）minsvc，isvc，i（十九）成本系数取为：a = 0，b = 20，c = 0.25。4.3. 总综合成本最小化在参考文献41的基础上，提出了一个组合目标函数，以使总成本最小化，该函数由下式表示：• 分支流程：所有支路视在功率分流将保持在其热功率以下。组合方程：Si≤Smax我是... NBR（二十）CB成本计算我（十二）5. 差分搜索算法其中，常数取自参考文献41;这些常数的确定和取值如下：K p：是每千瓦时的成本，K p0。06$/kWh，KC：是成本kVAr，KC3 $/kVAr，Kl：是每次安装的成本，Kl1000 $，CB：是补偿母线的数量。4.4. 约束4.4.1.等式约束基本有功和无功功率平衡约束由以下两个表达式表示：差分搜索算法（DSA）是一种新型的基于种群的全局优化算法.DS的行为模拟了生物体用于迁移的布朗式随机行走运动。大自然是所有生物的理想食物来源，但由于一年中周期性的气候变化，食物的数量和质量因季节和地区而异。因此，许多生物物种全年都在进行季节性迁徙，从贫困地区迁移到自然资源容量和多样性高的合适和有效的栖息地。生物的迁徙物种构成了一个包含大量个体的超级有机体[311272B.马格德堡湾Srairi/Engineering Science and Technology，an International Journal19（2016）1266-12825. 1. DSA的机理研究以下阶段总结了DSA与其他元启发式方法相比的搜索空间的特定方法：• 与许多随机优化方法一样，DS算法由各个问题的随机解组成，相当于一个人工超级有机体迁移到问题的全局最优解。• 然后，超级有机体开始通过向更富有成效的领域移动来改变其位置• 超级有机体的机制搜索可以用类布朗随机游走模型来描述[31]。• 在搜索过程中，人工超级有机体测试了一些随机选择的位置是否适合暂时使用。• 如果测试的位置适合在迁移过程中暂时停留，那么发现的人工超级有机体的数量立即定居在被发现的位置，并从这个位置继续迁移。• 与许多计算智能算法相比，DSA在搜索过程中只有两个控制参数需要调整过程这两个参数是：P1和P2，通常设置为0.3* rand以获得最佳解决方案。DSA方法最近已被用于解决不同的知名基准函数[31]，并成功进行了测试。6. 拟议规划战略本节描述了我们的贡献，涉及到DS算法的适应性，以解决与SVC装置协调的多个分布式发电的最优位置和控制。6.1. 生成初始数据库在第一阶段，基于以下步骤获得通用数据库1.1. 运行配电网潮流，确定所有状态变量和控制变量，如：所有母线电压、支路有功和无功潮流、低电压关键母线、备用发电机无功功率和总功率损耗。1.2. 选择电压幅值低的所有母线6.2. DG的位置为了减小DG最优选址的搜索空间，提出了有功网损灵敏度对于所有分支，APLS和RPLS值以降序排序，并且具有最高值的总线具有更多的机会被选择用于安装DG的初始候选位置;这两个建议的损耗灵敏度由等式（2，1）确定，并且数学表达如下：6.3. 初步候选地点• 选择包含损耗敏感度最高的总线的主列表。• 选择第二互补候选总线;这些总线确定如下：在每个最高候选总线包括具有高索引的最近总线（从左到右）• 定位DG在所有候选人总线与50和100的最大功率，运行功率开关，并排序候选人总线对应的最小功率损耗。6.4. 搜索过程众所周知，与许多元启发式方法一样，控制参数的选择是防止算法早熟收敛的一项重要任务这一阶段的主要目标是加强全球解决方案。提出了一种基于两个分解差分搜索算法的交互式过程来定位最佳搜索空间。经验证实，可利用对应于特定搜索空间的最差解作者建议的两个参数P1和P2的值通常设置为0.3*rand以获得最佳解并不总是正确的;我们的实践经验证实，这些值取决于待解决问题的特殊性和针对这一相关结论，在搜索过程中动态调整这两个控制参数的值，并在每次搜索过程中不断更新，以保证搜索和开发的多样性和良好的平衡性，从而获得近似全局解。通过在搜索过程（迭代）期间基于拟合函数的演变和从轨迹到轨迹的演变动态地调整两个参数P1和P2来更新搜索空间。该方法通过增强算法在搜索过程中的开发和探索能力，保证了最终解的提高。图7示出了在搜索过程期间的基本建议的自适应DS参数。7. 案例研究和数值结果7.1. 测试系统1：33总线该网 络的电 压为12.66 kV ， 负荷需 求为3.715 MW 和2.300MVAR，由32条线路和33条母线组成。标准33母线径向配电馈线系统的单线图如图8所示：DG的有功功率限制在0和5 MW之间，DG功率的最大渗透水平（）受到限制，使其不应超过总负荷，考虑两个渗透水平（DG70%和DG50%）。在本研究中，考虑了四种情况：场景1：不考虑SVC的功率损耗优化，渗透水平> 50%。对于第一种情况，审查了两种情况：情况1：DG可以与电网交换无功功率。在第一种情况下，为了显示DG数量的影响，考虑两个测试：情况1.2：合并一个DG情况2：DG不能与网络交换无功功率;同样，对于第二种情况，进行两项测试：P损失m，2Qm1R m， m1（二十一）案例2.1：合并两个DGmVm12案例2.2：合并一个总干事场景2：考虑SVC的功率损耗优化;为此，Q损失第二种设想审查了两种情况mVm1二（二十二）情况3：考虑SVC装置，集成一个DG（有无无功功率支持）：B.马格德堡湾Srairi/Engineering Science and Technology，an International Journal19（2016）1266-12821273123456789101112 1314 15 16 17 18192326202427212528222930313233地方适应子选项2Trail=Trail+11没马克斯·是最终溶液哪个更好？子选项1子选项2日期起来子选项1P1=0.3.randP2=0.3.randDS1比较：子选项1、子选项2子选项2DS2P1=0.3randP2=P1+0.2randP1与P2It1It2 It3子选项1轨迹=1见图7。在搜索过程中自适应DS参数。见图8。 33母线配电系统单线图。1274B.马格德堡湾Srairi/Engineering Science and Technology，an International Journal19（2016）1266-1282表133总线的结果：集成两个DG，无SVC补偿。无DG案例1：有两个DG，没有无功功率支持：案例1.1情况2：有两个DG，无功功率支持：案例2.1DG位置–十三，三十十三，三十DG容量（KVA）–850.0816-1154.2809845.884-1114.82总有功损耗（KW）202.6717985.90828.523最小母线电压（p.u.）0.9130，18号0.9688，总线330.98018，总线25功率（kW）371537153715Qload（KVAR）230023002300PDG成本（$/h）040.7591339.7142能源损失成本（美元）106524.296145153.752314992.076214损失减少%57.612%85.926%节省的能源损失成本（美元）–61370.543891532.219886DG总容量（MW）2.00441.9607粗体数值表示使用建议方法所达到的最佳位置、大小及适合度场景3：<不考虑SVC装置，接入水平50%的两个DG的网损优化。对于这种情况下，已经进行了两次测试，无功功率能力的DG。场景4：考虑临界负荷增长，整合渗透水平>50%在这种情况下，不考虑SVC装置的贡献。已执行两个病例：案例4：两个无功功率容量的案例5：具有无功功率能力的两个DG的集成7.2. 场景1：不考虑SVC设备的优化，渗透水平>50%本案例的主要目的是研究当DG可以与网络交换无功功率时，DG对功率损耗降低的影响。7.2.1.情况1：DG可与电网交换无功功率7.2.1.1.案例1.1：合并两个DG。 在第一个案例研究中，根据规划策略中提出的实际步骤选择两个候选母线，以最大限度地减少总有功功率损耗。在这种情况下，不考虑并联补偿。优化后的总有功损耗为28.5KW。从变电站输送的有功功率和无功功率分别为1790 kW和880 KVAR。两个DG的有功功率的最佳大小在表1中给出。图9显示了无功损耗灵敏度指数，我们可以看到最佳候选总线已被识别。图10示出了与最佳DG位置相关的功率损耗最小化为了显示所提出的规划策略的特殊性和有效性，结果进行了比较，在文献中提出的许多最近的技术的结果。表4显示了与处理相同问题的其他技术的比较研究。图11显示了正常情况下所有母线上的电压分布，并考虑了这两个DG的集成，图中清楚地显示了与基本情况相比电压的改善。7.2.1.2.情况1.2：合并一个总干事。在该试验中，根据灵敏度指标，在有效位置上只集成一个可扩展分布式电源最佳的候选位置是在总线6，和总的有功功率优化的DG与网络交换无功功率的能力。优化后的总有功损耗为61.458KW。DG的最佳有功功率大小为2.47333MW，如表2所示。所有负载的电压分布如图11所示;我们可以看到，与考虑两个分布式发电的情况相比，电压偏差有所增加。如图所示，通过集成一个DG实现的总功率损耗比考虑集成两个DG的情况更高。321001 2 3 4 5 6 7 8 9 10 1112 1314 15 16 17 18 1920 2122 23 24 25 26 27 28 29 30 3132 33 34 35巴士见图9。无功损耗灵敏度指标。反应性指数敏感性B.马格德堡湾Srairi/Engineering Science and Technology，an International Journal19（2016）1266-128212750.040.0350.030.02551015 20 2530一代图12个。 功率损耗最小化的收敛特性：场景1：情况2：两个DG的集成。图10个。 功率损耗最小化的收敛特性：场景1：情况1：两个DG的集成。7.2.2.情况2：DG不能与电网交换无功功率7.2.2.1.案例2.1：合并两个DG。对于这第二项研究，总功率损耗进行了优化，而不考虑位于母线6的DG的无功功率。实现的最佳总功率损耗为85.908KW，与第一种情况相比更高。这清楚图11. 电压曲线比较：情况：基本情况，情况2和情况3：（无SVC）。表233总线的结果：集成一个DG，无SVC补偿。证明了DG无功功率与有功功率协调控制的重要性。图12中示出了对应于功率损耗最小化的最终收敛特性。所有负荷的电压分布如图11所示，该图显示了与考虑DG无功功率支持的情况相比，7.2.2.2.案例2.2：合并一个总干事。在本研究中，一个DG集成在总线6，总功率损耗优化，而不考虑无功功率的DG。实现的最佳总功率损耗为103.9638KW，与考虑无功功率支持的情况相比更高。所有负载的电压分布曲线如图13所示;与考虑DG无功功率控制的情况相比，这种情况下的电压偏差也有所增加。这清楚地证明了协调控制DG的无功功率和有功功率的重要性。图图14和图15示出了在具有和不具有无功功率容量的情况下，有功功率损耗随DG的大小的变化。7.3. 场景2：考虑SVC设备该方案的主要目的是演示三个控制变量之间的关系：DG的有功功率，DG的无功功率和安装在最佳位置的动态并联补偿器的无功功率对于这种情况，考虑以下情况无DG有一个DG，无功功率支持：案例2.2一个DG，无功功率支持：案例1.2DG位置–0606DG尺寸（MW）–2.57532.47333总有功损耗（KW）202.67179103.963861.458最小母线电压（p.u.）0.9130，18号0.951总线180.96538总线18功率（kW）371537153715Qload（KVAr）230023002300PDG成本（$/h）051.756549.71666能源损失成本（美元）106524.296154643.376532302.41954损失减少%–48.703%69.676%节省的能源损失成本（美元）–51880.919674221.87656DG总容量（MW）2.57532.47333粗体数值表示使用建议方法所达到的最佳位置、大小及适合度Ploss（MW）1276B.马格德堡湾Srairi/Engineering Science and Technology，an International Journal19（2016）1266-1282基本情况：无两个DG单DG：无无功功率支持，单DG;有无功功率支持10.980.960.940.920.905 10 15 20 25 30350.120.1180.1160.1140.1120.110.1080.1060.1040.1021.5 2 2.53DG容量（MW）巴士图十三. 电压分布比较：情况：基本情况，集成一个DG，有和没有DG的无功功率支持（无SVC）。7.3.1.案例3：考虑SVC装置对于这种特殊情况，只有一个DG集成在总线6中。在30母线上还设置了一个SVC，对DG的有功、无功功率、SVC的无功功率三个控制变量进行了优化。0.1050.10.0950.090.0850.080.0750.070.0650.061.5 2 2.53DG容量（MW）图14. 有功功率损耗随DG大小的变化：具有无功功率容量。表333总线的结果：一个DG与SVC的集成：渗透率超过50%。图十五岁 有功功率损耗随DG大小的变化：无功功率容量。协调一致。表3显示了实现的优化变量。实现的最佳总功率损耗为56.8793MW;该值为获得没有反应性功率支持从DG（cosω1）。SVC在母线30处注入的无功功率为1150 KVAR。重要的是要澄清，通过安装SVC在有效的位置，总功率损耗减少相比，同一情况下，一个DG。7.4. 结果讨论和比较研究为了验证所提出的方法的有效性，在本节中的技术和经济的比较研究，显示在集成不同类型的DG的重要性和影响两个DG的集成，只有主动功率控制的结果，在减少总损失，因此，能源损失的成本从106524.2961美元，减少到45153.7523美元，导致每年节省61370.5438美元。然而，当考虑具有无功功率控制能力的第二类DG时，总有功功率损耗显著降低。在这种情况下，能量损失的成本减少到14992.076214美元;每年节省的费用为91532.219886美元。因此，在实际问题中，有必要考虑动态控制可从DG的无功功率与产生的有功功率协调，以有效地利用DG集成，通过减少总功率损耗和总电压偏差。为了验证所提出的规划策略的效率，最好的结果进行了比较，许多最近的优化技术。如表4-7所示无DG有一个DG，无功功率支持一个DG，无功功率支持DG位置–0606DG尺寸（MW）–2.947572.4778总有功损耗（KW）202.6717956.879366.084最小母线电压（p.u.）0.9130，18号0.970总线180.965总线18功率（kW）371537153715Qload（KVAR）230023002300PDG成本（$/h）059.201449.8075能源损失成本（美元）106524.296129895.789134734.0113损失减少%–71.935%67.393%节省的能源损失成本（美元）–76628.50771790.28480DG总容量（MW）2.947572.4778SVC无功功率（KVAR）15501940SVC装置3030粗体数值表示使用建议方法所达到的最佳位置、大小及适合度电压幅值（p.u）功率损耗（MW）功率损耗（MW）B.马格德堡湾Srairi/Engineering Science and Technology，an International Journal19（2016）1266-128212770.02960.02950.02950.02940.02930.02930.02925 10 15 20 25 30一代图16. 网损最小化的收敛特性：两个DG与无功功率支持：渗透水平约为50%。观察到，通过所提出的方法获得的DG的最佳大小是显着的小相比，与其他方法具有很大的增加的功率损耗减少的百分比。可以清楚地得出结论，所提出的规划策略提供了最好的解决方案，并且非常适合于解决考虑临界情况的大型配电系统。场景3：在渗透水平50%的情况下集成两个DG的优化<，不考虑SVC设备。在此情况下，进行了有无功能力的DG和无功能力的DG两个测试。在最近的文献中，一些作者在许多实际的配电测试系统上验证了他们的规划策略，考虑了特定的DG渗透水平，以保持网络的质量;渗透水平不能超过总电力需求的50%。为了验证拟议规划策略的稳健性和效率，我们考虑了相同的两个DG集成与无功功率支持，如图2所示。16和17。基于两个DG的整合的优化的总功率损耗在表8和表9中示出。三种情况下所有母线上电压幅值的最佳分布如图所示。 十八岁很明显，与最近提出的其他技术相比，所提出的规划策略在考虑不同渗透水平的解决方案质量和收敛特性方面给出了更好的结果情景4：本情景的主要目标是验证考虑临界负荷的拟议规划策略的表6最后将33节点DG优化结果与其他算法进行了比较 两个无功功率支持的DG：渗透水平约为50%。方法[22]母线NDG大小（KW）损耗（KW）损耗降低%1020.0ELF 6 2600.0 111.10 47.39IA 6 2600.0 111.10MINLP 6 2590.0 111.01 47.39PSO 6 2590.0 111.10 47.39拟议方法粗体数值表示使用建议方法所达到的最佳位置、大小及适合度。表5最后将33节点DG优化结果与其他算法进行了比较一个无功功率支持的DG：约50%。方法[22]母线NDG大小（KW）损耗（KW）损耗降低%30 1154.2809粗体数值表示使用建议方法所达到的最佳位置、大小及适合度。表7最后将33节点RDS的最优DG算法与其他算法的结果进行了比较两个DG，带无功功率支持：渗透水平≥50%。方法[24]母线NDG大小（KW）损耗（KW）损耗降低%IA 61800.0 44.84 78.7730 900.00MINLP 13 819.00 29.31 86.10粗体数值表示使用建议方法所达到的最佳位置、大小及适合度。粗体数值表示使用建议方法所达到的最佳位置、大小及适合度。Ploss（MW）参考文献21中建议的渗透水平。收敛性Charge-特征 为 功率 损失 小化 对应 到精灵12301020.087.6358.51IA61800.091.6356.6114720.00表4最后将33节点DG优化结果与其他算法进行了比较一个DG，MINLP1330850.001150.087.1658.69无功功率支持：渗透水平超过50%。PSO121000.087.5058.523010