综述:分布式电源定容选址优化技术的系统性综述:优化方法、全球研究进展及智能电网启示

《CMES - Computer Modeling in Engineering and Sciences》:A Comprehensive Review of Sizing and Allocation of Distributed Power Generation: Optimization Techniques, Global Insights, and Smart Grid Implications

【字体: 大 中 小 】 时间:2025年12月10日 来源:CMES - Computer Modeling in Engineering and Sciences 2.4

编辑推荐:

  分布式电源(Distributed Generation, DG)的优化定容与选址已成为提升配电网络运行性能、效率及可靠性的核心计算难题。尽管现有研究已积累大量成果,但主流方法仍普遍存在收敛速度慢、易陷入局部最优、DG位置与容量求解精度不足等算法局限性。本研究

  
分布式电源(Distributed Generation, DG)的优化定容与选址已成为提升配电网络运行性能、效率及可靠性的核心计算难题。尽管现有研究已积累大量成果,但主流方法仍普遍存在收敛速度慢、易陷入局部最优、DG位置与容量求解精度不足等算法局限性。本研究针对可再生能源DG定容与选址的计算机建模及算法优化领域,开展了全面的文献计量与系统性综述。研究融合定量与定性分析方法,系统梳理了该领域的学术格局,绘制了高影响力研究方向、合著网络、文献引文网络、关键词聚类及国际合作模式图谱。同时,研究对领域内主流目标函数、核心计算模型与优化算法、DG技术类型及实施策略进行了分类与评价。结果表明,先进算法框架可显著提升网络稳定性,在多运行约束下有效降低有功网损并改善电压分布特性。本综述可为科研人员与工程实践者提供基础参考,明确新兴算法趋势、建模创新及数据驱动方法,为智能配电系统中基于优化的DG集成策略开发提供指引。
  1. 1.
    Introduction
    分布式电源(DG)系统正日益成为可再生能源发电的重要载体,其被视为解决电力系统网损高、供电可靠性低、电能质量差及输电网阻塞等问题的有效途径。合理配置DG可提升配电网电压稳定性与供电可靠性,同时降低电压偏差与功率损耗。然而,DG的不当接入会引发网损增加、电压不平衡、保护配合失效、潮流反向等负面效应,其容量与位置的失配还会影响公共耦合点故障电流水平及电能质量。因此,DG并网需采用最优配置策略。DG规划属于典型的多目标非线性问题,各目标间存在量纲与尺度差异,且常存在利益冲突,需谨慎构建多目标优化模型,现有研究多通过权重赋值将多目标问题转化为单目标问题求解。
    早期DG的无序建设曾给配电网带来严重挑战,传统配电网按单向潮流设计,而现代配电网需适应双向潮流以解决网损与电压波动问题。学界已广泛应用各类优化技术实现DG的最优选址定容,并持续探究DG容量与位置对网损、潮流分布、电压分布等特性的影响。现有DG规划设计的相关综述多聚焦于单一优化算法、特定方法或区域案例,且常将DG视为同质化对象,未区分可再生与不可再生DG类型,同时缺乏对该研究领域的文献计量分析,难以揭示研究集群、目标函数、优化技术与实际工程挑战间的复杂关联。此外,现有研究尚未充分解决径向配电网中提升系统效率与降低成本的核心矛盾,尤其缺乏对多目标优化视角下DG定容选址知识体系的系统性整合。本研究首次将定量文献计量映射与深度定性分析结合,覆盖2000年至2024年全球相关研究趋势,旨在填补上述空白。
    本研究的核心贡献包括:分析全球DG定容选址研究的演进规律,识别近二十年的关键技术突破与焦点领域;绘制包含高影响力期刊、合著网络、引文模式、关键词共现及国家合作关系的学术生态图谱;系统分类与评价主流目标函数、优化方法、DG技术及实施策略;融合技术、经济与政策视角,全面解析DG集成的多维影响因素;为科研人员、工程人员及政策制定者提供基础参考,支撑智能电网中可再生能源DG系统的设计与实施。
  2. 2.
    Research Methodology
    本研究采用系统性文献综述与文献计量分析相结合的方法,研究流程遵循PRISMA规范。文献检索基于Scopus数据库,因其收录的文献计量数据完整性优于其他平台,且与VOSviewer软件兼容性良好。检索词经多次迭代优化,最终确定为标题-摘要-关键词字段中包含“Distributed Generation”“Distributed Generator”“Distribution Generation”“DG”与“Allocation”“Placement”“Siting”“Sizing”“Size”及“Optimization”“Techniques”“Algorithms”“Approaches”“Strategies”的组合。
    文献筛选严格执行纳入与排除标准:纳入2000–2024年发表的期刊论文与综述,限英文文献;排除书籍章节、会议论文及其他语言文献。初步检索获得8428篇文献,经筛选后最终纳入4610篇有效文献用于后续分析。数据以CSV格式导出后导入VOSviewer软件,构建期刊共现网络、关键词共现网络、作者合著网络、文献引文网络及国家合作网络。系统性综述部分则从纳入文献中提取目标函数、优化算法、DG技术及配置策略三类核心主题展开分析。
  3. 3.
    Scientometric Results: Analysis and Discussions
    3.1 Annual Global Research Trends
    2000–2024年DG定容选址领域的年发文量呈持续增长态势,2000年仅11篇,2024年增至499篇。从年代分布看,2000–2010年发文量占总量的8%,2011–2020年占52%,2021–2024年虽仅4年已占40%,反映出该领域研究热度的快速攀升。这一趋势与全球可再生能源并网需求、电网可靠性提升诉求及电力系统优化运行压力密切相关,表明DG定容选址将持续成为学术界与工业界的核心关注方向。
    3.2 Mapping Scientific Outlets for Research
    期刊共现分析显示,998种期刊中有60种满足最低发文量与引文阈值。期刊可分为4个聚类:红色聚类以《Energies》《IEEE Access》《International Transactions on Electrical Energy Systems》为核心;蓝色聚类主导期刊为《International Journal of Electrical Power and Energy Systems》《Electric Power Components and Systems》《International Review of Electrical Engineering》;绿色聚类包含《IEEE Transactions on Power Systems》《Electric Power Systems Research》《IET Generation, Transmission & Distribution》;黄色聚类规模最小,代表期刊为《Energy Systems》《International Journal of Emerging Electrical Power Systems》。综合发文量与平均引文指标,《International Journal of Electrical Power and Energy Systems》《IEEE Transactions on Power Systems》《Renewable and Sustainable Energy Reviews》《IEEE Transactions on Power Delivery》《IEEE Transactions on Sustainable Energy》为该领域影响力最高的出版渠道。
    3.3 Science Mapping of Keyword Occurrence
    关键词共现分析提取了52个高频关键词,形成5个研究主题聚类:绿色聚类聚焦优化技术、微电网、电能质量、电压控制及可再生能源集成(如光伏、需求响应、储能);红色聚类围绕电压稳定性、网损、网络重构及损耗最小化展开;蓝色聚类涵盖遗传算法、灵敏度分析、辐射状配电网等计算智能与算法方法;黄色聚类为间断伽辽金法等小众数学分析方法。其中“分布式电源”为核心节点,连接优化、稳定性、微电网等多个子领域;“遗传算法”是应用最广泛的优化技术,体现了元启发式算法在该领域的核心地位。高频关键词还包括优化、配电网、粒子群优化、径向配电网、多目标优化、电压稳定性等,反映了领域研究热点。
    3.4 Authorship, Citation, and Co-Citation Analysis of Scholars
    学者引文分析识别出76位高产学者,分为6个合作集群,核心学者包括Abdelaziz A.Y.、Liu Y.、Das D.、Kamel S.、Li Y.等。按平均引文排序,Mithulananthan N.、El-Saadany E.F.、Salama M.M.A.、Hung D.Q.、Wang J.等影响力最为突出。共引分析进一步将学者分为三个集群:以Mithulananthan N.为核心的绿色集群、以Wang J.为代表的蓝色集群及以Salama M.M.A.为核心的红色集群,揭示了该领域的知识结构与学术传承关系。
    3.5 Articles’ Citations Network Analysis
    文献引文网络包含174篇高被引文献(最低引文100次),核心奠基性文献包括Atwa Y.M.(2010b)关于高风电渗透率配电网储能优化配置的研究、Wang C.(2004)提出的DG解析选址方法及Acharya N.(2006)的DG选址分析框架。这些文献在方法论创新与问题系统性构建方面贡献显著,形成了领域研究的理论基础。
    3.6 Active Countries in the Domain of DG Allocation
    国家合作分析显示,印度、伊朗、中国、美国、埃及为发文量最高的国家;按平均引文排序,加拿大、北马其顿、希腊、捷克共和国、卡塔尔的研究影响力领先。国家合作网络呈现出明显的区域集聚特征,跨洲际合作仍有提升空间,可为未来国际联合研究提供参考。
  4. 4.
    Major Global Research Trends of DG Sizing/Allocation Optimization, Technologies, and Strategies
    DG技术因可降低网损、环境友好、改善电压分布、延缓电网升级及提升供电可靠性等优势受到广泛关注,但其实际应用受社会、政治、经济因素制约。DG定容选址属于非线性优化问题,通常以最小化成本与网损、最大化系统电压为目标,需兼顾多目标与多约束条件。
    4.1 Objective Functions for DG Sizing and Allocation
    DG优化配置的目标函数可分为技术与经济两类,单目标优化多以最小化系统总有功损耗Ploss为核心,约束条件包括潮流等式约束、节点电压±5%额定值的不等式约束、线路热稳定约束及DG容量与功率因数的离散边界约束。多目标优化则同时兼顾电压分布Vprofile改善、可靠性提升、投资成本降低、碳排放减少等目标,需通过权重法或帕累托最优方法求解。DG功率因数通常设置为0.85–1.0的离散值,且需与接入点负荷功率因数存在差异以实现净功率最小化。
    4.2 The Optimization Techniques for DG Sizing and Allocation
    DG定容选址的优化技术可分为五类:解析法包括线性微分法、迭代法、灵敏度因子法等,计算效率高但仅适用于小规模简单网络,且未考虑经济与地理因素;传统非启发式方法涵盖非线性规划、混合整数非线性规划、动态规划等,可处理确定性约束但易面临收敛困难与计算复杂度高的问题;元启发式算法包括遗传算法(Genetic Algorithm, GA)、粒子群优化(Particle Swarm Optimization, PSO)、蚁群优化(Ant Colony Optimization, ACO)、布谷鸟搜索、细菌觅食优化等,适用于大规模非线性多目标问题,但存在早熟收敛、约束越界等风险;混合算法通过融合两种及以上算法的优势(如PSO与引力搜索算法结合、ACO与人工蜂群算法结合),提升了全局寻优能力与计算效率,但算法复杂度较高;其他新兴方法包括帕累托前沿差分进化、共生生物搜索、拟对立教与学优化等,在全局搜索能力上具有潜力,但计算负担较重。综合来看,元启发式与混合算法因良好的可扩展性、求解质量与灵活性,更适合智能电网环境下的实际工程应用。
    4.3 The Best DG Sizing and Allocation Technologies
    传统DG技术以往复式内燃机、微型燃气轮机及柴油发电机为主,其中柴油发电机因成本低、可靠性高曾被广泛使用,但受燃料价格与环境排放限制,逐步转向应急备用场景。微型燃气轮机虽NOx排放较低,但仍依赖化石燃料。可再生能源DG技术包括燃料电池、生物质能、太阳能光伏(Photovoltaic, PV)、风力发电机组、小水电等,其中水电因出力稳定占比最高,太阳能光伏因资源广泛、无污染成为增长最快的技术方向,风电则需结合随机性分析开展规划。燃料电池不受地理条件限制,理论效率显著高于传统电厂,是极具潜力的绿色DG技术。
    4.4 The DG Allocation and Sizing Strategies
    预定义选址策略基于灵敏度指标预先确定候选接入母线,常选择电压水平最低或电压稳定性最弱的母线接入单台或多台DG,但未考虑定容与选址的耦合关系,难以获得全局最优解。母线排序策略通过对母线按灵敏度指标排序,依次确定DG接入位置与容量,虽较预定义策略灵活,但仍未实现两者的协同优化。定容继承选址策略则突破了前两种策略的局限,不预先限定候选母线,而是将所有负荷母线均纳入优化变量,由优化算法自动筛选出最优接入位置与对应容量,并可自动剔除不可行解,实现了定容与选址的同步优化,是该领域的主流发展方向。
  5. 5.
    Conclusion, Limitations and Future Perspectives
    DG的合理接入可有效降低网损、改善电压分布、节约燃料成本、减少温室气体排放,是解决电力系统运行难题的重要途径。本研究指出,预定义与母线排序策略因未协同优化定容与选址过程,难以获得全局最优解,而定容继承选址策略可有效克服上述缺陷。解析法与传统优化方法适用于小规模简单网络,而元启发式与混合算法凭借优异的收敛性与精度,更适合大规模复杂配电网场景,其中混合元启发式算法(如PSO-GA、ACO-ABC)在处理含不确定性的多目标DG定容选址问题时表现最优。2000年以来该领域发文量的快速增长,反映了全球对配电网技术、经济、环境综合提升的需求,研究范式已从早期单目标单DG的解析求解,转向多目标多DG的元启发式与混合算法优化。
    研究仍存在以下局限:多数研究采用静态或简化负荷模型,且聚焦辐射状配电网,对复杂动态网络与网状结构的适用性不足;优化算法多在IEEE 33/69节点等小规模标准测试系统上验证,缺乏实际大规模配电网的实证;现有研究未充分整合保护配合、电压调节、可靠性评估、经济监管及源荷随机性等实际约束;对风电、光伏等间歇性DG的随机性规划研究仍需深化;储能系统、负荷不确定性及季节性变化对DG规划的影响尚未得到充分考量;部分元启发式算法存在参数整定复杂、大规模问题计算负担重、早熟收敛等问题,泛化性与可复现性有待提升;产消者层面规划、点对点能源交易、极端工况韧性提升等新兴方向仍处于探索阶段。未来研究应聚焦大规模实际网络验证的高效可扩展算法开发,深化随机性与实时约束的融合,结合静态与季节性负荷模型完善配电网扩展与保护规划,拓展DG在并网与离网场景下的多工况适应性研究,推动DG规划从理论优化向工程实用化迈进。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号