2024年5月28日发(作者：禚宜)
2021年11期
TechnologyInnovationandApplication
科技创新与应用
创新前沿
基于改进萤火虫算法的DG定容选址算法研究
邓正臣
（上海电力大学电子与信息工程学院，上海201306）
对接入分布式电源（
DG）摘要：为了最大化降低配电网运行中的有功功率损耗
，
的最优容量和选址进行研究
。提出了一
（
FA）
选择有功网损为
种改进的萤火虫算法，通过分析配电网的线路数据，并在萤火虫个体的更新过程中加入淘汰与变异操作
，
改进后的萤火虫算法比传统算法具
目标函数。
以
IEEE-33节点标准测试系统为算例，仿真结果表明，算法具有一定的准确度，
有更好的寻优速度。
网损优化
关键词：分布式电源；配电网；萤火虫算法；
中图分类号院TM76文献标志码院A文章编号院2095-2945渊2021冤11-00猿员-0猿
andlocationofdistributedgeneration(DG)ovedFireflyAlgorithm(FA)isproposedbyanalyzingthelinedata
wellasselectingtheactivepowerlossastheobjectivefunctionandtakingtheIEEE-33nodestandardtestsystemasanex鄄
Abstract:Inordertominimizetheactivepowerlossintheoperationofpowerdistributionnetwork,theoptimalcapacity
ofpowerdistributionnetworkandaddingeliminationandmutationoperationintheupdateprocessofindividualfireflies,as
ulationresultsshowthatthealgorithmhasacertainaccuracy,andtheimprovedFireflyAlgorithmhasabetter
optimizationspeedthanthetraditionalalgorithm.
Keywords:distributedpowersupply;distributionnetwork;FireflyAlgorithm(FA);lossoptimization
1概述
法
，
并比较了萤火虫算法的优劣
，
标准的萤火虫算法更适合
求解连续域问题
，
对离散域问题效果较差
；
文献[3]采用了遗
网潮流的限制等约束
；
文献[4]提出了一种基于网损灵敏度
的DG优化配置方法，采用IEEE-33标准节点测试系统验
证了所提方法的有效性
；
文献[5]考虑了DG功率的不确定
mization，IPSO）优化配电网的网损、改善节点电压质量，并
（
Improvedparticleswarmopti原性，利用改进的粒子群算法
随着我国电力事业的快速发展，社会用电量总量急剧
大型水电站、燃煤火电站等大型集中电源，并由此扩建为超
大规模电力系统。但其弊端也日益凸显，高度集中的电源难
以满足电网运行的灵活性需求
，重要
供电节点的故障也会
严重影响电网整体的供电可靠性
，
远距离输电也面临着严
重的电能损耗和安全性等问题
[1]
。
为了克服以上问题对电网运行的负面影响
，分
布式电
源（Distributedgeneration，DG）的概念于20世纪80年代被
提出
。
DG对配电网的规划和运行有着极其重要的影响
，
配
电网中适当的接入DG可以起到提高电能质量、
降低有功
功率损耗、改善电压分布等作用，提高电网运行时整体的经
济性和灵活性。配电网作为电网的末端
，
其运行的稳定性和
效率直接影响到电网整体的效能发挥。因此，分布式电源的
选址与定容问题已成为电网规划的重要讨论内容
，
具有很
大的研究价值
。
有功功率
由于电网络的非线性
，
各个支路流过的功率
、
网损、节点电压等都需要通过潮流计算得到，所以DG的选
址定容问题本质上是大规模非线性方程组的求解。为了解
决这一问题
，
通常依靠潮流计算算法求解适应度值
，
使用仿
生学算法求解模型。文
献
[2]介绍了不同种形式的萤火虫算
（
GA）优化DG的位置与容量，并且充分考虑了配电攀升
，
在传统的电网架构下
，
电力部门主要建造如核电站
、
传算法
对改进的IEEE-33节点算例进行仿真
，
证明IPSO算法的
有效性
。
综合以上分析可知
，
萤火虫算法更适合自变量连续的
萤火虫算法在解决高纬
情况
，
对于跳变的变量适应性较差
。
度问题时具有更快的收敛速度，可以很快的得到较优DG
容量结果
，
但是在最优选址问题上具有一定不足
，
DG接入
节点号跳变时可能会导致结果不收敛。本文在传统的萤火
虫算法基础上
，
增加了萤火虫个体的淘汰与变异操作，通过
操作特定的个体编码
，
使得算法可以以更快的速度收敛
，
接
近最优解
，
使用IEEE-33节点标准测试系统为算例
，
仿真结
果验证了改进算法的有效性
，
其相比于传统算法具有更好
的收敛速度。
2基于NL法的潮流计算
支路功率、节点电
潮流计算可用于求解网络有功网损
、
（
1994-）
主动配电网优化。
作者简介院邓正臣，男，硕士研究生，研究方向
：
-31-
创新前沿
TechnologyInnovationandApplication
科技创新与应用
2021年11期
压等数据。在本文中用于求解目标函数
，
即萤火虫个体的亮
度。
当前使用最为广泛的潮流计算算法是牛顿-拉夫逊法
（NL），其核心是将非线性方程线性化处理后
，
经过多次迭
代，满足收敛判据后得出结果
[6]
。一般情况下
，
迭代4-5次算
法收敛。
相比于
P-Q分解法
，
NL法可以更好的规避配电网
中R/X比值偏大的病态问题
，
更适合用于DG选址定容问
题的求
NL
解
。
J
法的电压修正方程为：
若
·驻
蓘
采
U=
用
驻
极坐
S
标形式
：
（1）
HN
蓡
杉
山
·
山
JL
山
山
山
驻兹
煽
驻V
衫
衫
衫
山
衫
山
衫
山
衫
删
V
衫
衫
闪
=
蓘
驻
驻
P
Q
蓡
（2）
式中，兹表示电压相角，V表示电压值。
潮流计算的简要步骤如下
：
（1）确定电压的初值后；
（2）计算雅各比矩阵
；
（3）解修正方程，修正电压向量；
（4）判断是否收敛
，
若收敛则输出结果
，
得到各节点的
潮流计算结果信息，若不收敛则回到（2）中继续迭代，直至
满足收敛判据
。
（5）程序结束。
由潮流计算结果
，
可得到每段支路的网损
。
P
LOSS
=移P
loss
n
（3）
式中
，
P
n
loss
表示第n条支路的有功功率网损
，
P
LOSS
表示
全网的总
3
网损
，
作为萤火虫算法的适应度函数
。
萤火虫
改进萤火虫算
算法是根
法
据自然界中萤火虫的发光行为而构造
出的随机优化算法
，
模拟了萤火虫的群体移动行为
。引入淘
汰与变异操作更新接入节点的数据
，以
克服萤火虫算法处
理离散型
3.1编码
数据难以收敛的问题
。
设DG的接入数量为N
DG
，采用二进制编码方法
。每一
个萤火虫个体依次由各DG的接入位置A
DG
、DG注入的有
功功率P
DG
、DG注入的无功功率Q
DG
三部分二进制串组成。
其中，
3.2
节点
确定
种
位置为整数
每
群
个
初
萤火虫
始化
，功率数据为浮点数。
个体的编码结构后，用随机的方式初
始化种
3.3
群
设萤火虫
萤火虫
。
种
的
群
亮
数
度
量
与
为
吸
M
引
，
度
设M
i
为其中的第i只萤火虫
的功率数据矩阵
，
包含有功功率和无功功率两部分。
在确定
了初始种群后
，
将每一个萤火虫个体的数据带入到潮流计
-32-
算中
，
可计算出全网总有功网损P数设定
为萤火虫最大亮度。
LOSS
。
将
P
LOSS
的倒
设萤火虫的相对亮度为
：
I=I
0
伊e
-酌r
（4）
r
ij
=椰M
i
-M
j
椰=
姨
移
d=1
D
（M
id
-M
jd
）
2
（5）
式中
，
I酌为吸收系数
，
r
火虫
0
表示萤火虫的最大亮度，
ij
为萤
M
i与萤火虫j之间的距离
，
d表示维数
，
D表示总维数
。
id
表示第i只萤火虫中第d维的数据
。
萤火虫间的吸引力定义为
：
-酌r
式
茁=
中
茁
0
伊e
（6）
3.4
，
茁
0
表示萤火虫间的最大吸引力
，
即距离为0时
。
M
式
id
=M
萤火虫
中
，
id
+
茁
茁伊
表
（
位置
M
示
id
移
-M
迭
动
jd
）
代
+
更
琢着
新
（7）
0.5，0.5]
步长
，
琢着为扰动项
，
其中着沂[-
3.5
。
由于
变
节
异与
点编
淘汰
号与
操
功
作
率数据在数值上差别巨大，不能直
接带入位置更新公式
，
所以，对节点编号部分的编码引入变
异与淘汰操作。
（1）在迭代过程中淘汰亮度过低的个体
，
所以为了避免
陷入局部解
，
淘汰一个个体后
，
随机生成一个新的个体
；
（2）设定每个节点编码二进制的变异率为滓，随机改动
部分节点编码
，
使萤火虫变异到新的位置
，
尝试寻找更优的
节点位置
3.6目
。
标函数
（8）
由
F=min
设目标
于萤火虫
（P
函数为
：
LOSS
）
算法是为了寻找亮度最大的点
，
则目标函
数在算法中
（
体现
1/P
为
：
3.7
F=max
由线
边界
路的
条
LOSS
限
件
）（9）
制和设备功率等条件限制
，
必须对潮流
计算和萤火虫算法部分的相关变量进行约束
。约束条件
如下
：
DG
2臆A
的
DG
节
臆
点
N
位置约束
：
节
（10）
U
点电
U
压约束
：
分
min
布
臆
式电
i
臆
源的
U
max
（11）
功率约束
：
Q
P
min
（12）
min
臆
臆
P
Q
i
臆
i
臆
P
Q
max
max
（13）
I
热约束
：
n
臆I
cap
（14）
式中
，
I
cap
为编号为n支路的载流量上限
。
2021年11期
TechnologyInnovationandApplication
科技创新与应用
创新前沿
为
4仿真算例
验证所提
分析
算法的有效性
，
以IEEE-33节点和标准测
试系统模型为算例进行仿真
。
硬件平台
：
Inteli5-3230MCPU，主频2.8GHz，8GB内
存，内存频率1600MHz。相关约定：设发电机节点为平衡节
点
，
其余节点为PQ节点
，
只考虑DG向网络注入功率的情
况，设基准容量为100MVA，基准电压为12.66kV，节点电压
约束0.95p.u.~1.00p.u.。算法参数
：
设萤火虫算法最大迭代次
数为
0.02，淘汰
200次
，
种群数
4.1
IEEE-33
IEEE-33
概率为0.1
节点
节
，
量
标准
点
吸
为
标准
收
15
率
，
测试
测
为
精
系
试
0.00001
度为0.000001
统
系
共
统
，扰动参
，
数为
变异概
0.05
率
。
为
如图1所示。其中黑点代表负荷节点
有
，
也
33
代
个
表
节
DG
点
，
可
其
接
示
入的
意图
节点
，
左侧为电源侧
，
接于无穷大电源。
图1IEEE-33节点标准测试系统
由图1可知
，
IEEE-33节点标准测试系统
（
不考虑联络
线）是一个标准的辐射型配电网
。对该网络（
无DG接入
）
进
行初始潮流计算，可确定该系统的相关潮流分布和重要参
数，相关结果如表1所示。
表1IEEE-33节点系统潮流计算结果
计算参数 结果
线路有功功率损耗(MW) 0.20265
线路无功功率损耗(MVar) 0.13514
最高电压节点(电压标幺值) 18(0.913 p.u.)
节点总负荷(VA) 3715 +j2300
发动机总负荷(VA) 3908+j2435
计算用时(s) 0.025065
4.2
利用
仿
遗
真
传
结
算
果与性
法
（
GA
能
）、
比
标准
较
萤火虫算法和改进的萤火虫
算法，分别对算例进行仿真，各得到两组DG配置结果，如
表2、表3所示
。
由以上仿真结果
，
比较各组的有功网损可知
，
GA算法
在处理该问题时较FA算法更为有效
，
同时
，
改进后的萤火
DG
虫算
配
法在三种
置方案。
算法中具有最佳的寻优性
，
可以得到更好的
对比同时接入2个DG的定容选址结果可知，采用接
入多个DG补偿方案的效果要优于只接入1个DG的情况，
表21个DG定容选址结果
表32个DG定容选址结果
并且三种算法的配置结果具有较大的差异
，
改进后的FA算
法仍然可以得到最佳的DG定容选址方案
，
最大限度地减
少网络
5
的有功损耗，提高配电网运行的经济性。
本
研究结论
文提出了一种改进的萤火虫算法解决辐射型配电网
中的DG最优容量和选址问题
，
通过改进萤火虫种群的迭
代过程，对DG位置编码引入变异与淘汰的操作，避免陷入
局部解
，
使得萤火虫算法可以在一定程度上避免非连续可
行域对收敛性的影响。
以IEEE-33节点标准测试系统为算例
，
仿真结果表
明，改进后的算法可以很好的选择出较优的选址位置和注
入功率
，
达到最大化降低网络有功网损的目的。
最后，
通过
与其他算法的对比
，表
明改进后的萤火虫算法相比于标准
萤火虫算法和遗传算法，具有更好的性能和更高的有效性。
参考文献院
[1]
研究
梁有
综
伟
述
，
[J].
胡
电
志
网
坚
技
，陈
术
允
，2003
平
.
（
分布
12）
式
：71-75+88
发电及其在
援
电力系统中的应用
机
[2]
科学
程美英
，
2015
，倪
，
志
42（
伟
04
，朱
）：
旭
19-24
辉
.萤火虫优
援
化算法理论研究综述[J].计算
[3]
址
王
和
成
定
山
容
，
[J].
陈
电
恺
力
，
系
谢莹
统自
华
动
，等
化
.配
，
2006
电网
（03
扩
）
展
：38-43
规划中
援
分布式电源的选
[J].
[4]赵
[5]
电
良
测与
德，
仪
邢
表，
新超
2018
.基于
，55（
网损
07）
灵
：31-35
敏度的
援
DG优化配置快速计算方法
[J].
赵
马平
.计及DG功率不确定性的配电
[6]
电
金
张
气
焕
学
工程学
，
松
报
，
2020，15（03）：65-71援
网多目标无功优化
术，1998（04
，柳焯
）：47-51.
，于尔铿，等
.配电网潮流算法比较研究[J].电网技
-33-
2024年5月28日发(作者：禚宜)
2021年11期
TechnologyInnovationandApplication
科技创新与应用
创新前沿
基于改进萤火虫算法的DG定容选址算法研究
邓正臣
（上海电力大学电子与信息工程学院，上海201306）
对接入分布式电源（
DG）摘要：为了最大化降低配电网运行中的有功功率损耗
，
的最优容量和选址进行研究
。提出了一
（
FA）
选择有功网损为
种改进的萤火虫算法，通过分析配电网的线路数据，并在萤火虫个体的更新过程中加入淘汰与变异操作
，
改进后的萤火虫算法比传统算法具
目标函数。
以
IEEE-33节点标准测试系统为算例，仿真结果表明，算法具有一定的准确度，
有更好的寻优速度。
网损优化
关键词：分布式电源；配电网；萤火虫算法；
中图分类号院TM76文献标志码院A文章编号院2095-2945渊2021冤11-00猿员-0猿
andlocationofdistributedgeneration(DG)ovedFireflyAlgorithm(FA)isproposedbyanalyzingthelinedata
wellasselectingtheactivepowerlossastheobjectivefunctionandtakingtheIEEE-33nodestandardtestsystemasanex鄄
Abstract:Inordertominimizetheactivepowerlossintheoperationofpowerdistributionnetwork,theoptimalcapacity
ofpowerdistributionnetworkandaddingeliminationandmutationoperationintheupdateprocessofindividualfireflies,as
ulationresultsshowthatthealgorithmhasacertainaccuracy,andtheimprovedFireflyAlgorithmhasabetter
optimizationspeedthanthetraditionalalgorithm.
Keywords:distributedpowersupply;distributionnetwork;FireflyAlgorithm(FA);lossoptimization
1概述
法
，
并比较了萤火虫算法的优劣
，
标准的萤火虫算法更适合
求解连续域问题
，
对离散域问题效果较差
；
文献[3]采用了遗
网潮流的限制等约束
；
文献[4]提出了一种基于网损灵敏度
的DG优化配置方法，采用IEEE-33标准节点测试系统验
证了所提方法的有效性
；
文献[5]考虑了DG功率的不确定
mization，IPSO）优化配电网的网损、改善节点电压质量，并
（
Improvedparticleswarmopti原性，利用改进的粒子群算法
随着我国电力事业的快速发展，社会用电量总量急剧
大型水电站、燃煤火电站等大型集中电源，并由此扩建为超
大规模电力系统。但其弊端也日益凸显，高度集中的电源难
以满足电网运行的灵活性需求
，重要
供电节点的故障也会
严重影响电网整体的供电可靠性
，
远距离输电也面临着严
重的电能损耗和安全性等问题
[1]
。
为了克服以上问题对电网运行的负面影响
，分
布式电
源（Distributedgeneration，DG）的概念于20世纪80年代被
提出
。
DG对配电网的规划和运行有着极其重要的影响
，
配
电网中适当的接入DG可以起到提高电能质量、
降低有功
功率损耗、改善电压分布等作用，提高电网运行时整体的经
济性和灵活性。配电网作为电网的末端
，
其运行的稳定性和
效率直接影响到电网整体的效能发挥。因此，分布式电源的
选址与定容问题已成为电网规划的重要讨论内容
，
具有很
大的研究价值
。
有功功率
由于电网络的非线性
，
各个支路流过的功率
、
网损、节点电压等都需要通过潮流计算得到，所以DG的选
址定容问题本质上是大规模非线性方程组的求解。为了解
决这一问题
，
通常依靠潮流计算算法求解适应度值
，
使用仿
生学算法求解模型。文
献
[2]介绍了不同种形式的萤火虫算
（
GA）优化DG的位置与容量，并且充分考虑了配电攀升
，
在传统的电网架构下
，
电力部门主要建造如核电站
、
传算法
对改进的IEEE-33节点算例进行仿真
，
证明IPSO算法的
有效性
。
综合以上分析可知
，
萤火虫算法更适合自变量连续的
萤火虫算法在解决高纬
情况
，
对于跳变的变量适应性较差
。
度问题时具有更快的收敛速度，可以很快的得到较优DG
容量结果
，
但是在最优选址问题上具有一定不足
，
DG接入
节点号跳变时可能会导致结果不收敛。本文在传统的萤火
虫算法基础上
，
增加了萤火虫个体的淘汰与变异操作，通过
操作特定的个体编码
，
使得算法可以以更快的速度收敛
，
接
近最优解
，
使用IEEE-33节点标准测试系统为算例
，
仿真结
果验证了改进算法的有效性
，
其相比于传统算法具有更好
的收敛速度。
2基于NL法的潮流计算
支路功率、节点电
潮流计算可用于求解网络有功网损
、
（
1994-）
主动配电网优化。
作者简介院邓正臣，男，硕士研究生，研究方向
：
-31-
创新前沿
TechnologyInnovationandApplication
科技创新与应用
2021年11期
压等数据。在本文中用于求解目标函数
，
即萤火虫个体的亮
度。
当前使用最为广泛的潮流计算算法是牛顿-拉夫逊法
（NL），其核心是将非线性方程线性化处理后
，
经过多次迭
代，满足收敛判据后得出结果
[6]
。一般情况下
，
迭代4-5次算
法收敛。
相比于
P-Q分解法
，
NL法可以更好的规避配电网
中R/X比值偏大的病态问题
，
更适合用于DG选址定容问
题的求
NL
解
。
J
法的电压修正方程为：
若
·驻
蓘
采
U=
用
驻
极坐
S
标形式
：
（1）
HN
蓡
杉
山
·
山
JL
山
山
山
驻兹
煽
驻V
衫
衫
衫
山
衫
山
衫
山
衫
删
V
衫
衫
闪
=
蓘
驻
驻
P
Q
蓡
（2）
式中，兹表示电压相角，V表示电压值。
潮流计算的简要步骤如下
：
（1）确定电压的初值后；
（2）计算雅各比矩阵
；
（3）解修正方程，修正电压向量；
（4）判断是否收敛
，
若收敛则输出结果
，
得到各节点的
潮流计算结果信息，若不收敛则回到（2）中继续迭代，直至
满足收敛判据
。
（5）程序结束。
由潮流计算结果
，
可得到每段支路的网损
。
P
LOSS
=移P
loss
n
（3）
式中
，
P
n
loss
表示第n条支路的有功功率网损
，
P
LOSS
表示
全网的总
3
网损
，
作为萤火虫算法的适应度函数
。
萤火虫
改进萤火虫算
算法是根
法
据自然界中萤火虫的发光行为而构造
出的随机优化算法
，
模拟了萤火虫的群体移动行为
。引入淘
汰与变异操作更新接入节点的数据
，以
克服萤火虫算法处
理离散型
3.1编码
数据难以收敛的问题
。
设DG的接入数量为N
DG
，采用二进制编码方法
。每一
个萤火虫个体依次由各DG的接入位置A
DG
、DG注入的有
功功率P
DG
、DG注入的无功功率Q
DG
三部分二进制串组成。
其中，
3.2
节点
确定
种
位置为整数
每
群
个
初
萤火虫
始化
，功率数据为浮点数。
个体的编码结构后，用随机的方式初
始化种
3.3
群
设萤火虫
萤火虫
。
种
的
群
亮
数
度
量
与
为
吸
M
引
，
度
设M
i
为其中的第i只萤火虫
的功率数据矩阵
，
包含有功功率和无功功率两部分。
在确定
了初始种群后
，
将每一个萤火虫个体的数据带入到潮流计
-32-
算中
，
可计算出全网总有功网损P数设定
为萤火虫最大亮度。
LOSS
。
将
P
LOSS
的倒
设萤火虫的相对亮度为
：
I=I
0
伊e
-酌r
（4）
r
ij
=椰M
i
-M
j
椰=
姨
移
d=1
D
（M
id
-M
jd
）
2
（5）
式中
，
I酌为吸收系数
，
r
火虫
0
表示萤火虫的最大亮度，
ij
为萤
M
i与萤火虫j之间的距离
，
d表示维数
，
D表示总维数
。
id
表示第i只萤火虫中第d维的数据
。
萤火虫间的吸引力定义为
：
-酌r
式
茁=
中
茁
0
伊e
（6）
3.4
，
茁
0
表示萤火虫间的最大吸引力
，
即距离为0时
。
M
式
id
=M
萤火虫
中
，
id
+
茁
茁伊
表
（
位置
M
示
id
移
-M
迭
动
jd
）
代
+
更
琢着
新
（7）
0.5，0.5]
步长
，
琢着为扰动项
，
其中着沂[-
3.5
。
由于
变
节
异与
点编
淘汰
号与
操
功
作
率数据在数值上差别巨大，不能直
接带入位置更新公式
，
所以，对节点编号部分的编码引入变
异与淘汰操作。
（1）在迭代过程中淘汰亮度过低的个体
，
所以为了避免
陷入局部解
，
淘汰一个个体后
，
随机生成一个新的个体
；
（2）设定每个节点编码二进制的变异率为滓，随机改动
部分节点编码
，
使萤火虫变异到新的位置
，
尝试寻找更优的
节点位置
3.6目
。
标函数
（8）
由
F=min
设目标
于萤火虫
（P
函数为
：
LOSS
）
算法是为了寻找亮度最大的点
，
则目标函
数在算法中
（
体现
1/P
为
：
3.7
F=max
由线
边界
路的
条
LOSS
限
件
）（9）
制和设备功率等条件限制
，
必须对潮流
计算和萤火虫算法部分的相关变量进行约束
。约束条件
如下
：
DG
2臆A
的
DG
节
臆
点
N
位置约束
：
节
（10）
U
点电
U
压约束
：
分
min
布
臆
式电
i
臆
源的
U
max
（11）
功率约束
：
Q
P
min
（12）
min
臆
臆
P
Q
i
臆
i
臆
P
Q
max
max
（13）
I
热约束
：
n
臆I
cap
（14）
式中
，
I
cap
为编号为n支路的载流量上限
。
2021年11期
TechnologyInnovationandApplication
科技创新与应用
创新前沿
为
4仿真算例
验证所提
分析
算法的有效性
，
以IEEE-33节点和标准测
试系统模型为算例进行仿真
。
硬件平台
：
Inteli5-3230MCPU，主频2.8GHz，8GB内
存，内存频率1600MHz。相关约定：设发电机节点为平衡节
点
，
其余节点为PQ节点
，
只考虑DG向网络注入功率的情
况，设基准容量为100MVA，基准电压为12.66kV，节点电压
约束0.95p.u.~1.00p.u.。算法参数
：
设萤火虫算法最大迭代次
数为
0.02，淘汰
200次
，
种群数
4.1
IEEE-33
IEEE-33
概率为0.1
节点
节
，
量
标准
点
吸
为
标准
收
15
率
，
测试
测
为
精
系
试
0.00001
度为0.000001
统
系
共
统
，扰动参
，
数为
变异概
0.05
率
。
为
如图1所示。其中黑点代表负荷节点
有
，
也
33
代
个
表
节
DG
点
，
可
其
接
示
入的
意图
节点
，
左侧为电源侧
，
接于无穷大电源。
图1IEEE-33节点标准测试系统
由图1可知
，
IEEE-33节点标准测试系统
（
不考虑联络
线）是一个标准的辐射型配电网
。对该网络（
无DG接入
）
进
行初始潮流计算，可确定该系统的相关潮流分布和重要参
数，相关结果如表1所示。
表1IEEE-33节点系统潮流计算结果
计算参数 结果
线路有功功率损耗(MW) 0.20265
线路无功功率损耗(MVar) 0.13514
最高电压节点(电压标幺值) 18(0.913 p.u.)
节点总负荷(VA) 3715 +j2300
发动机总负荷(VA) 3908+j2435
计算用时(s) 0.025065
4.2
利用
仿
遗
真
传
结
算
果与性
法
（
GA
能
）、
比
标准
较
萤火虫算法和改进的萤火虫
算法，分别对算例进行仿真，各得到两组DG配置结果，如
表2、表3所示
。
由以上仿真结果
，
比较各组的有功网损可知
，
GA算法
在处理该问题时较FA算法更为有效
，
同时
，
改进后的萤火
DG
虫算
配
法在三种
置方案。
算法中具有最佳的寻优性
，
可以得到更好的
对比同时接入2个DG的定容选址结果可知，采用接
入多个DG补偿方案的效果要优于只接入1个DG的情况，
表21个DG定容选址结果
表32个DG定容选址结果
并且三种算法的配置结果具有较大的差异
，
改进后的FA算
法仍然可以得到最佳的DG定容选址方案
，
最大限度地减
少网络
5
的有功损耗，提高配电网运行的经济性。
本
研究结论
文提出了一种改进的萤火虫算法解决辐射型配电网
中的DG最优容量和选址问题
，
通过改进萤火虫种群的迭
代过程，对DG位置编码引入变异与淘汰的操作，避免陷入
局部解
，
使得萤火虫算法可以在一定程度上避免非连续可
行域对收敛性的影响。
以IEEE-33节点标准测试系统为算例
，
仿真结果表
明，改进后的算法可以很好的选择出较优的选址位置和注
入功率
，
达到最大化降低网络有功网损的目的。
最后，
通过
与其他算法的对比
，表
明改进后的萤火虫算法相比于标准
萤火虫算法和遗传算法，具有更好的性能和更高的有效性。
参考文献院
[1]
研究
梁有
综
伟
述
，
[J].
胡
电
志
网
坚
技
，陈
术
允
，2003
平
.
（
分布
12）
式
：71-75+88
发电及其在
援
电力系统中的应用
机
[2]
科学
程美英
，
2015
，倪
，
志
42（
伟
04
，朱
）：
旭
19-24
辉
.萤火虫优
援
化算法理论研究综述[J].计算
[3]
址
王
和
成
定
山
容
，
[J].
陈
电
恺
力
，
系
谢莹
统自
华
动
，等
化
.配
，
2006
电网
（03
扩
）
展
：38-43
规划中
援
分布式电源的选
[J].
[4]赵
[5]
电
良
测与
德，
仪
邢
表，
新超
2018
.基于
，55（
网损
07）
灵
：31-35
敏度的
援
DG优化配置快速计算方法
[J].
赵
马平
.计及DG功率不确定性的配电
[6]
电
金
张
气
焕
学
工程学
，
松
报
，
2020，15（03）：65-71援
网多目标无功优化
术，1998（04
，柳焯
）：47-51.
，于尔铿，等
.配电网潮流算法比较研究[J].电网技
-33-