考虑发电不确定性的配电网中太阳能光伏、风电分布式电源与电动汽车充电站最优配置的技术经济评估——基于CFOA算法

《Energies》：Techno-Economic Assessment of Optimal Allocation of Solar PV, Wind DGs, and Electric Vehicle Charging Stations in Distribution Networks Under Generation Uncertainty Using CFOA Algorithm Babita Gupta, Suresh Kumar Sudabattula, Sachin Mishra, Nagaraju Dharavat, Rajender Boddula and Ramyakrishna Pothu

　　

摘要：太阳能光伏（PV）系统与风力发电机（WT）等可再生分布式发电机（RDG）以及电动汽车充电站（EVCS）的大规模接入，使得辐射状配电系统（RDS）面临发电侧不确定性与动态负荷行为带来的双重挑战。本研究针对印度28节点配电测试系统，在开展可再生分布式电源（含太阳能光伏、风电及电动汽车充电站）最优配置研究时，将季节性因素导致的发电波动性纳入考量，提出一种融合新型捕鱼优化算法（CFOA）的多目标优化框架，同步实现安装与运行成本优化、电压稳定性提升及有功功率损耗降低三重目标。研究人员分别采用Beta分布与Weibull分布对太阳辐照度与风速进行概率建模，确保经济性分析符合当前多目标优化领域的通用方法范式。仿真结果表明，所提出的基于CFOA的选址定容方法可有效提升系统经济效率、降低能量损耗并改善整体运行性能。

论文解读

随着全球电力系统向可持续化与韧性化转型，太阳能光伏（PV）、风力发电机（WT）等可再生分布式发电机（RDG）及电动汽车充电站（EVCS）在辐射状配电网络（RDN）中的渗透率持续提升。此类集成虽有助于实现全球脱碳目标、降低温室气体排放并提升能源安全水平，但可再生能源出力的间歇性与电动汽车充电需求的随机性，也给配电系统带来了网损增加、电压失稳及供电可靠性下降等运行难题。现有研究多聚焦于单一资源或单一目标的优化配置，缺乏同时涵盖发电不确定性、成本效益与运行约束的集成化框架，尤其在印度电网实际场景下，针对真实规模配电系统的多目标不确定性优化研究仍较为匮乏。为此，研究人员以印度28节点辐射状配电测试系统为研究对象，构建了考虑季节性发电波动的可再生能源与电动汽车充电设施协同规划技术经济评估模型，并通过新型元启发式算法实现多目标寻优，相关成果发表于国际期刊《Energies》。

为实现上述研究目标，研究人员采用了四项核心技术方法：第一，选取能够反映印度城市电网特征的28节点辐射状配电测试系统作为实证载体，该系统具备可变季节性负荷需求、高电阻电抗比（R/X）及单主变电站的典型结构；第二，采用概率建模方法，分别以Beta分布刻画太阳辐照度的随机特性、以Weibull分布描述风速的时序波动，实现多季节场景下的出力不确定性量化；第三，构建包含有功网损最小化、净经济成本最小化与电压稳定指数（VSI）最大化的多目标优化模型，并通过加权求和法实现多目标归一化聚合；第四，引入新型生物启发式算法——捕鱼优化算法（CFOA）求解高维非线性优化问题，该算法模拟渔民协作捕捞与鱼类规避行为的动态交互机制，平衡全局探索与局部开发能力。

研究结果部分按如下逻辑展开：

系统建模与问题构建：研究人员首先基于电压稳定指数（VSI）完成资源选址，将VSI值最低的薄弱节点分配给太阳能光伏与风电分布式电源，VSI值最高的坚强节点分配给电动汽车充电站，以实现负荷均衡与网损降低。在建模层面，分别对太阳能光伏、风电及电动汽车充电站的出力特性与经济性进行量化，其中太阳能光伏采用Beta概率密度函数（PDF）描述辐照度分布，风电采用Weibull PDF拟合风速特性，电动汽车充电站则作为动态可控负荷，结合电池荷电状态（SoC）与充电行为进行建模。经济模型覆盖投资成本、运维成本与收益核算，并以净现值（NPV）作为长期经济性评价指标。

CFOA优化方法：研究人员详细阐述了捕鱼优化算法（CFOA）的数学原理与行为逻辑，包括种群初始化、鱼类移动规避机制、渔民搜索策略、捕获概率计算及全局最优更新规则。与传统粒子群优化（PSO）、遗传算法（GA）等方法相比，CFOA通过混沌映射注入受控随机性，有效缓解了早熟收敛问题，并借助罚函数处理电压限制、功率平衡及容量约束，适配配电系统优化的强约束特征。

结果与技术经济分析：仿真实验设置三类对比场景，分别为仅接入可再生能源、仅接入电动汽车、可再生能源与电动汽车协同接入。结果显示，在夏季11时，单台135 kW太阳能光伏接入7号节点可使网损降低43.493 kW，双光伏接入进一步降低至31.06 kW；单台260 kW风电接入相同节点后，春季正午时段网损为50.33 kW，秋季因风速下降网损相应减少。单独接入电动汽车会导致网损上升，其中双站接入使网损从68.8195 kW增至84.3528 kW，电压水平也有所下降。而在风光与电动汽车协同配置场景下，分布式电源的出力可抵消充电负荷，使网损降至最低，电压水平提升至0.97 p.u.以上，电压稳定指数（VSI）显著改善。算法性能对比表明，CFOA的平均优化值为36.8122，标准差仅为0.02049，收敛稳定性优于粒子群优化（PSO）、花授粉算法（FPA）等传统方法。经济性评估显示，风光分布式电源的年化成本处于可接受区间，电动汽车充电站的净现值（NPV）在10年期测算中超过60万美元，具备长期财务可行性。

在讨论与结论部分，研究人员指出，太阳能光伏、风电与电动汽车充电站的协同集成可显著降低网损并改善电压特性，且配置方案在多季节场景下均保持鲁棒性。捕鱼优化算法（CFOA）在处理多目标、强约束与不确定性优化问题时，表现出优于传统算法的搜索效率与收敛可靠性。该研究提出的集成框架为智能配电系统中可再生能源与电动交通的协同规划提供了可落地的技术经济评估工具，未来研究可进一步扩展至三相不平衡系统、引入储能装置与车网互动（V2G）功能，并尝试构建混合优化算法以应对更大规模网络的计算需求。