1 引言

随着分布式发电技术的快速发展，分布式电源(distributed generation,DG)在配电网当中的渗透水平日益提高，使传统配电网正在向有源配电网络体系结构进行演变[1]。大量分布式电源接入，在减缓环境压力的同时，但其出力的随机波动性给配电系统优化运行带来了诸多难题[2]。电力系统无功优化技术能有效提高电网运行水平、降低系统网络损耗[3-4]，因此，研究有源配电网的无功优化具有重要的现实意义。

现有大量文献对含分布式电源的配电网无功优化相关手段进行了报道。文献[5]从多角度的方式对双馈异步风力发电机进行了动态建模，研究了其无功功率调节能力。文献[6]分析了光伏电站的无功调节能力，建立了含光伏电站的配电网无功优化数学模型，利用经典粒子群优化算法对模型进行求解。文献[7]从光伏出力的时序特性出发，分析光伏电源的有功与无功出力性能，建立了以全寿命周期静收益为目标函数的配电网无功优化数学模型，并利用混沌粒子群算法求解。以上文献充分考虑了典型风、光分布式电源的无功调节能力，对含DG的配电网进行了无功优化，但是，其主要是从静态的角度研究问题，很少涉及动态无功优化过程。

壮族师公舞与祭祀有关，古代的壮民对天灾人祸很无奈，总是受到自然灾害的威胁，而他们对大自然又没有科学的理解，无法征服，只能祈求于神，每逢民间的重大节日一定会请来师公主持仪式。师公舞必戴面具，手里也离不开法器。戴着面具才有神秘感，手持法器这样才能斩妖除魔，消除病痛和灾害。舞蹈的寓意也使得先民们江山太平、丁口平安、五谷丰登。

针对此问题，本文首先从典型风、光分布式电源的时序出力特性出发，分析了风、光分布式电源的无功调节能力；其次，以分布式电源和电容器组的无功调节能力作为控制变量，建立了考虑电容器组投资成本、系统有功损耗及电压偏差满意度的多目标优化数学模型；在此基础上将一种新型的万有引力优化算法进行问题求解；最后，以IEEE-33节点配电系统为例，研究含典型风、光分布式电源的配电网动态无功优化问题。

2 分布式电源无功调节能力分析

在配电网动态无功优化过程中充分考虑了典型风、光分布式电源出力的随机波动特性。

2.1 风力发电无功出力特性建模

典型日下风速变化情况服从Wei bull分布，对应的概率密度函数[8]为：

1.2 形成评价指标草案 在回顾文献和理论分析的基础上，查阅专科护士培训用书《康复专科护士实践手册》《实用专科护士丛书-康复科分册》及美国康复护理协会官网上的相关文件，形成康复专科护士核心能力评价指标雏形，通过专家会议法对指标进行修改，并结合康复护理发展现状及患者需求，最终形成康复专科护士核心能力评价指标初稿，包括8个一级指标、21个二级指标和71个三级指标[7-8]。

(1)

式中，v为实时风速；k为形状参数；c为尺度参数。

风力发电机输出有功功率与风速的关系可以近似用分段函数来描述：

(2)

式中，vci为切入风速；vr为额定风速；Pr为额定输出功率；a=Pr/(vci-vr)与b=Pr/(vr-vci)为常量。

在无功优化过程中，将风力发电等效为恒功率因数的PQ节点，因此，风力发电机组的无功出力为[9]：

据国家旅游部门统计，2016年我国出境游人数达到1.22亿人次，旅游消费1098亿美元，出境游客人次连续13年以两位数的速度增长，这两项指标连续四年位居全球第一，对全球旅游收入的贡献年均超过13%。与之相伴，中国留学大军也遍布五大洲，2015年总人数首次突破50万，2016达到54.45万人。中国也因此摘得世界第一大留学生输出国的桂冠。

Qwind(t)=Pwind(t)×tanθ

(3)

式中，θ为功率因数角。

2.2 光伏发电无功出力特性建模

光伏发电输出有功功率主要与光照强度、光伏电磁阵列面积和光电转换效率有关，其对应的概率密度函数为：

(4)

式中，α和β为Beta分布的形状参数；Γ()函数Gramma函数；为光伏发电的最大输出功率；

光伏发电无功调节能力取决于逆变器容量和光伏发电所发出的有功功率，其无功输出为[6]：

(5)

式中，Smax为并网逆变器容量。

3 有源配电网动态无功优化数学模型

有源配电网动态无功优化数学模型主要由目标函数、等式与不不等式约束三部分构成。

3.1 目标函数

综合考虑电容器组投资成本、系统有功损耗及电压偏差满意度的多目标无功优化数学模型为：

列宁指出，马克思主义是马克思主义的观点和学说的体系。但马克思主义大众化的研究对象不限于马克思主义的观点和学说如何大众化。笔者认为，马克思主义大众化虽以马克思主义观点和学说为基点，但马克思主义大众化研究学科的研究对象是涉及本体论、方法论、时空论、价值论的范畴，马克思主义的观点和学说大众化仅是其研究对象之一。综观马克思主义大众化研究成果，马克思主义大众化研究学科的研究对象主要有以下内容：

F=K1F1+K2F2+K3F3

(6)

式中：F1、F2和F3分别为电容器投资成本、系统网络损耗和电压偏差满意度目标函数；K1、K2和K3为对应的权重系数，其中K1+K2+K3=1。

(1)电容器组投资成本目标函数[10]为：

(7)

式中：K为待选安装位置集合；μ为电容器单位安装容量价格；QC,k为节点k处电容器安装容量；ω为补偿系数；Cf,k为节点k处安装电容器组的固定投资费用。

式中：为粒子i在第k维空间所对应的位置。

(2)系统有功损耗

图1 含电容器组的2节点配电系统

式中：rankj为[0,1]区间内的随机数；

(8)

式中：Rj为支路j上的电阻；Vi+1为节点i+1处的电压幅值；Pi+1和Qi+1分别为节点i+1处流过的有功和无功功率。

式中：和为节点i处允许电压上、下限；为支路b上允许流过电流极限。

腹腔镜下排烟[6]：在手术过程中电外科器械会产生大量的烟雾，使视野变得模糊，大多数在视野不清晰时，通过曲卡排气孔放出烟雾，以保持视野清晰，故大量烟雾从腹腔镜释放到手术间，大量气体被我们医护人员所吸入，所以在手术过程中使用自制简易吸烟装置是有必要的，保护了医护人员。

配电网电压偏差满意度是无功优化的关键指标之一，主要用于衡量电压质量的偏移情况，其对应指标为[11]：

(9)

式中：△Un、△Umax和△Umin为实际电压偏差、能接受最大偏差和最小偏差。

结核性胸膜炎在我国现阶段是一个高发的疾病，因为环境问题、饮食问题以及人们日常的生活习惯，结核性胸膜炎患者逐年增多，结核性胸膜炎主要是由于细菌通过一定的途径进入人体的胸腔而引起感染的一种疾病，所以人们应该尽早进行治疗，配合医院的治疗手段，从而达到康复的效果。现报告如下。

从各地实践看，如果不消除特权思想、清除特权作风，即使换了车牌，也难以有效遏制这些车的“脾气”。据媒体报道，江苏徐州市云龙区机关事务管理局曾发布通知，该区各单位公务车及区工作人员私人车辆年审时，如遇到有电子警察违章记录的，该机关可以帮助协调交警部门，予以免除驾驶证扣分。这些车不可能都挂着特殊车牌，但照样有办法免于处罚——如果种种特权不消除，仅仅是在换号牌号段上做文章，特权车的问题恐怕难以根治。更何况，车牌号一定程度上是稀缺资源，09号牌不能再用，将导致诸多号码闲置。如果将来不能重新投入使用，无异于浪费了社会资源，那这样的“停用”岂不成了因噎废食？

3.2 约束条件

等式约束条件为功率平衡约束：

(10)

式中：PS和QS为变电站注入功率；PDGi和QDGi为分布式电源注入功率；Pload和Qload为配电网总负荷功率；Ploss和Qloss为配电网损耗功率。

不等式约束条件主要包括节点电压约束、支路电流约束及无功补偿容量约束：

(11)

(3)电压偏差满意度

4 万有引力优化算法

依据力的合成原则，可知粒子i在时刻t第k维空间中的总作用力及对应的加速度为：

试验在试验小区中进行，各小区面积54.0 m2(长12.0 m，宽4.5 m)，各小区用埋深40 cm的塑料薄膜包裹的田埂隔开防止串水和侧渗。田埂高和宽均为40 cm。灌溉由水泵抽水，并通过管道供水到各小区，在每个小区的出水口安装水表。每个小区安装水尺进行水层变化观测。

4.1 万有引力优化算法原理

GSA智能优化算法由Esmat Rashedi教授[12]于2009提出，其主要根据物理学中的万有引力原理进行优化计算。在GSA算法的优化过程中，种群粒子个体通过万有引力作用相互吸引，遵循动力学规律进行粒子移动，质量较大的个体在移动过程中由于受引力作用越大，因此，当优化过程结束时，质量最大的个体处于空间最优位置，其所对应的位置信息为优化过程相关最优解[13]。GSA算法基本原理如下[14-15]：

将初始化的N个粒子随机分布在D维空间中，第i个粒子的位置为：

(12)

“未名生科一号”于2018年6月21日起投入试运行，成为了北京大学高性能计算校级公共平台的“实习生”。4个月以来，它已经累计为12个项目35位科研人员提供了计算支持，包括生命科学学院高宁和李宁宁团队，物理学院欧阳颀、毛有东和李新征团队，分子医学研究所陈雷团队，北京国际数学中心鄂维南团队。试运行期间，系统的平均使用率达到了94.7%。

乔十二郎只看到了结果，没看出门道，因为他不是当事者，也不知道黄河筏子羊皮囊的坚韧。他所疑惑的是，张万邦前边挨了那么多拳都安然无恙，眼下只挨了两下，怎么就糟糕成这样？

根据万有引力定律可知，在时刻t，粒子i对粒子j的相互作用力为：

(13)

式中：G0为万有引力系数；α为算法性能参数；T为最大迭代次数；Mpi(t)和Maj(t)为粒子i和j在t时刻对应的惯性质量；Rij(t)为时刻t粒子i与j对应的欧式距离：Rij(t)=||Xi(t)，Xj(t)||2。

电力系统动多目标无功优化问题属于典型非线性复杂化的计算问题，本文采用一种新型的启发式智能优化算法—万有引力优化算法(Gravitational Search Algorithm，GSA)进行有源配电网动态无功优化计算。

(14)

图1为典型的含电容器组的2节点配电网络，由图1易知系统有功损耗为：

根据式(14)，可知GSA运算过程中粒子i的速度和位置更新表达式为：

(15)

GSA算法优化过程中的适应度函数主要通过粒子的惯性质量来计算，其计算过程如下：

(16)

式中：fiti(t)为t时刻粒子i的适应度函数；其中best(t)和worst(t)为t时刻粒子j的最小适应度值和最大适应度值。

4.2 万有引力优化算法流程

基于万有引力优化算法的有源配电网动态无功优化过程如图2所示。

图2 GSA算法流程图

5 算例分析

5.1 算例原始数据

基于matlab7.0仿真软件编写有源配电网多目标动态无功优化程序，系统采用IEEE-33节点配电系统进行仿真，在18号节点处接入光伏发电单元(photovoltaic，PV)，33号节点处接入风力发电单元(wind turbine，WT)，其网架结构如图3所示,对应主要参数见文献[16]。PV、WP单元相关参数见表1、表2。GSA算法性能参数见表3。采用粒子群(particle swarm optimization，PSO)算法进行算法对比，PSO算法性能参数：种群规模为50，学习因子c1=c2=2，迭代次数为200，惯性权重为0.8。电容器组待选安装位置为整个配电系统节点位置集合，设置无功补偿节点数量为2个，补偿点为14和29号节点，其无功补偿范围为[0，200]Kvar，步长为10Kvar。

图3 IEEE-33节点配电系统

表1 风力发电单元相关参数

安装位置额定容量/kW启动风速/(m/s)额定风速/(m/s)切除风速/(m/s)CK33200312256.033.2

表2 光伏发电单元相关参数

安装位置总面积/m2光电转换效率/%最大辐射强度/(W/m2)αβ183000157500.489.32

表3 GSA算法相关参数

迭代次数/T粒子规模/N引力常数/G0引力系数/α粒子维度/n200701002030

5.2 算例数据分析

利用Wei bull分布和Beta分布模拟风速和光照强度生成，其对应的WT和PV功率分布曲线如图4和5所示。

从图4和图5可知，风力发电和光伏发电输出功率受风速和光照的不确定性影响而随机波动，因此，在无功优化过程中需充分考虑分布式电源的随机波动特性；另一方面，风力发电和光伏发电能提供一定的无功支撑能力，能参与一定的无功调节。

设置目标函数权重系数K1=K3=0.25，K2=0.5。电容器组的无功补偿量价格为60元/Kvar，待选安装位置的固定投资费用为5200元。电压偏差指标最大值及最小值为1.05UN和0.95UN，其中UN为额定电压，取值为12.66kV。考虑电容器组和典型分布式电源无功输出特性，不同优化算法下的动态无功优化结果见表4(表示中结果为24个时段的平均值)。

图4 WT功率输出波动情况

图5 PV功率输出波动情况

表4 风力发电单元相关参数

算法WT出力情况有功/kW无功/KvarPV出力情况有功/kW无功/Kvar无功补偿量Q1/KvarQ2/Kvar目标函数F1/万元F2/kWF3FPSO52.33017.19631.62510.3951401302.14181.0420.856991.271GSA52.78317.34932.01710.5231401502.26179.5150.857190.537

由表4可知，不同算法下的无功补偿量不同，与PSO算法对比，GSA算法结果中，其投资水平相对较高，但其网损指标和电压满意度相对较高。如图6所示，电压满意度指标可以通过不同算法下的电压分布水平来体现，GSA无功补偿后的整体电压水平较优。

预算的决策层，作为国土资源的财政税收预算管理的重要组织机构，过于看重预算满意度，造成了预算草案带有很大的主观成分，没有真实反映当前国土资源部门的财政税收的目标。这种不科学的决策很不利于预算管理工作的顺利开展，也阻碍了财政税收预算管理工作发挥其实际的作用。

不同算法下的目标性能收敛曲线如图7所示。由算法收敛特性曲线可知，GSA算法迭代至55次左右达到最优解，其收敛性能明显强于PSO算法。

6 结论

本文研究含分布式电源的配电网动态无功优化问题，结论如下：

(1)分析典型风、光分布式电源的无功调节能力，建立了考虑电容器组投资成本、系统有功损耗及电压偏差满意度的多目标优化数学模型。

图6 电压幅值变化水平

图7 不同算法收敛特性曲线

(2)将一种新型的万有引力优化算法用于有源配电网无功优化，与传统粒子群算法相比，结果表明万有引力优化算法具有很好的全局搜索性能。

(3)电容器组合理配置能有效降低网损、提高系统运行电压满意度；另一方面，从分布式电源出力的随机性出发，采用动态无功补偿的方式更加符合实际运行情形。

随着人们生活水平的提升，学生所面临的学习压力越来越大，所以导致大部分学生逐渐出现了“亚健康”状态，降低了学生的身体素质。所以在现代社会中，社会各界各界人士愈加重视学生的体育教学，尤其是小学体育教学。因为小学生正处于身体发育的重要阶段，并且小学体育教学能够帮助学生培养体育运动精神和意识。因此体育教师需要重视因材施教，尽可能吸引学生学习的注意力，进而提升学生学习兴趣。

参考文献

[1] 曾博，刘念，张玉莹，等.促进间歇性分布式电源高效利用的主动配电网双层场景规划方法[J].电工技术学报，2013，28(9)：155-164.

[2] 冯兴田，韦统振，孔令志.高渗透分布式发电对配电网电压质量的影响研究[J].水电能源科学，2010，28(9)：154-157.

[3] 张立群.基于混沌优化鱼群算法的配网无功优化[J].水电能源科学，2013，31(6)：222-224.

[4] 张璐，唐巍，丛鹏伟，等.含光伏发电的配电网有功无功资源综合优化配置[J].中国电机工程学报，2014，34(31)：5525-5533.

[5] 严干贵，王茂春，穆钢，等.双馈异步风力发电机组联网运行建模及其无功静态调节能力研究[J].电工技术学报，2008，23(7)：98-104.

[6] 郭康，徐玉琴，张丽，等.计及光伏电站随机出力的配电网无功优化[J].电力系统保护与控制，2012，40(10)：53-59.

[7] 陈丽，张晋国，苏海锋.考虑并网光伏电源出力时序特性的配电网无功优化[J].电工技术学报，2014，29(12)：120-127.

[8] 潘超，孟涛，尹杭.基于萤火虫优化算法的主动配电网广义电源规划模型[J].水电能源科学，2014，32(12)：186-190.

[9] 张喆，李庚银，魏军强.考虑分布式电源随机特性的配电网电压质量概率评估[J].中国电机工程学报，2013，33(13)：150-156.

[10] 张建平，张沈习，朱忠烈，等.考虑电容器电压特性的配电网无功规划[J].华东电力，2014，42(7)：1285-1289.

[11] 谭煌，张璐，丛鹏伟，等.计及分布式电源与电容器协调的配电网日前无功计划[J].电网技术，2014，38(9)：2590-2597.

[12] Rashedi E,Nezamabadi P H,Saryazdi S.GSA:A gravitational search algorithm[J].Information Sciences,2009,179(13):2232-2248.

[13] 张维平，任雪飞，李国强，等.改进的万有引力搜索算法在函数优化中的应用[J].计算机应用，2013，33(5)：1317-1320.

[14] 毕晓君，刁鹏飞，肖婧.基于混合策略的引力搜索算法[J].系统工程与电子技术，2014，36(11)：2300-2305.

[15] 上官海洋，向铁元，张巍，等.基于智能优化算法的FACTS设备多目标优化配置[J].电网技术，2014，38(8)：2193-2199.

[16] M.M.AMAN,G.B.J,A.H.A.B,et al.A new approach for optimum simultaneous multi-DG distributed generation units placement and sizing based on maximization of system load ability using HPSO(hybrid particle swarm optimization)algorithm[J].Energy,2014,66(1):202-215.