光伏智能邊緣終端(Photovoltaic Intelligent Edge Terminal, PVIET)是一種新型的分布式光伏智慧運維設備,具有數據采集、處理、存儲、上傳等功能,可為有效解決分布式光伏運維難度大、成本高、效率低等問題提供基礎,為分布式光伏功率預測和故障診斷等提供數據支撐。
然而,單臺PVIET價格相對昂貴,實際規模化應用中,一般采用多個分布式光伏站共用一臺PVIET以降低成本;但是,如何保證PVIET配置的經濟性,同時在復雜通信環境下保障運維數據采集的可靠性和準確性,其挑戰大,但非常值得深入研究。
PVIET在2019年才剛面世,上市時間較短,當前在國際國內的應用案例有限,國內外專家學者關于PVIET優化配置的研究相對較少,但是國內外學者們在類似研究方面有一些涉及,如配電自動化終端、同步相量測量單元、分布式發電數據采集終端等配電裝置的優化配置,學者們從模型構建、求解算法優化、配置準則等進行了一些研究,值得借鑒。
尤其在求解算法方面,由J. Pierezen等率先提出的元啟發式算法,即郊狼優化算法(Coyote Optimization Algorithm, COA)在電氣領域有一些成果。有學者將郊狼優化算法應用于分布式發電優化規劃中,以解決復雜的實數參數優化問題。有學者采用郊狼優化算法對單相和三相電力變壓器進行參數估計。有學者針對風電綜合經濟調度問題,用郊狼優化算法求解文中風電經濟調度一體化方法模型,并與遺傳算法、粒子群算法等進行了比較,結果表明郊狼優化算法的性能更加優越。
為實現一臺PVIET高效率、低成本采集管理區域配電網內多個分布式光伏站,天津大學智能電網教育部重點實驗室等單位的科研人員提出了一種基于改進COA的PVIET優化配置方法。
圖1 光伏智能邊緣終端的通信方式
首先,闡述了PVIET的主要功能與支持的通信方式。其次,考慮PVIET的等年值投資成本、年通信成本及保障數據采集可靠性的成本,提出了一種PVIET優化配置模型,并應用改進郊狼優化算法對模型進行求解,獲得PVIET在配電網中布點數量和位置。
其中,改進的郊狼優化算法通過引入隨機分組策略加強郊狼種群的信息交流,建立基于社會互助的新型郊狼成長方式,并應用混合模擬退火算法提高算法求解精度,引入自適應的精英保留策略提升算法收斂速度。通過單維組內最優郊狼擾動策略,提高組內最優狼質量的同時避免郊狼的全維度成長對部分維度的優良信息的掩蓋。最后,通過改進的IEEE 69節點仿真算例,驗證了所提PVIET優化配置模型的可行性,通過算法對比,說明了改進郊狼優化算法在精度、穩定性和收斂性等方面的優越性。
圖2 不同PVIET數量條件下的算法收斂性能對比
研究人員指出,仿真結果表明,在充分考慮保障數據采集可靠性成本的前提下,達成了PVIET的合理優化配置,大幅度降低成本,可為PVIET優化規劃設計提供依據。
另外,所提出的全新社會互助郊狼成長策略,以及利用隨機分組策略、模擬退火與自適應精英保留策略的改進郊狼優化算法,在仿真中表現出色。
以上研究成果發表在2021年第7期《電工技術學報》,論文標題為“基于改進郊狼優化算法的光伏智能邊緣終端優化配置方法”,作者為劉嘉恒、張明 等。