光伏的优化设计（应用改进的郊狼优化算法）

光伏智能边缘终端是实现分布式光伏规模化接入配电网高效率智慧运维的重要设备之一。天津大学智能电网教育部重点实验室、国网江苏省电力有限公司南京供电分公司、武汉大学电气工程学院的研究人员刘嘉恒、张明、葛磊蛟、嵇文路、王波、方磊、张玮亚，在2021年第7期《电工技术学报》上撰文，构建光伏智能边缘终端优化配置的数学模型，为实现模型的准确求解，进一步提出一种改进的郊狼优化算法。

为解决郊狼优化算法精度不足、收敛速度缓慢等问题，提出全新的社会互助郊狼成长策略和单维组内最优郊狼扰动策略，引入模拟退火、自适应精英保留策略，以让该算法更加适合所提出的工程问题，实现对PVIET的数量、位置及与光伏电站连接方式三个方面的求解。通过算法对比，验证了改进郊狼优化算法在精度、稳定性和收敛性等方面的优越性。

光伏智能边缘终端（Photovoltaic Intelligent Edge Terminal, PVIET）是一种新型的分布式光伏智慧运维设备，具有数据采集、处理、存储、上传等功能，可为有效解决分布式光伏运维难度大、成本高、效率低等问题提供基础，为分布式光伏功率预测和故障诊断等提供数据支撑。

然而，单台PVIET价格相对昂贵，实际规模化应用中，一般采用多个分布式光伏站共用一台PVIET以降低成本；但是，如何保证PVIET配置的经济性，同时在复杂通信环境下保障运维数据采集的可靠性和准确性，其挑战大，但非常值得深入研究。

PVIET在2019年才刚面世，上市时间较短，当前在国际国内的应用案例有限，国内外专家学者关于PVIET优化配置的研究相对较少，但是国内外学者们在类似研究方面有一些涉及，如配电自动化终端、同步相量测量单元、分布式发电数据采集终端等配电装置的优化配置，学者们从模型构建、求解算法优化、配置准则等进行了一些研究，值得借鉴。

尤其在求解算法方面，由J. Pierezen等率先提出的元启发式算法，即郊狼优化算法（Coyote Optimization Algorithm, COA）在电气领域有一些成果。有学者将郊狼优化算法应用于分布式发电优化规划中，以解决复杂的实数参数优化问题。有学者采用郊狼优化算法对单相和三相电力变压器进行参数估计。有学者针对风电综合经济调度问题，用郊狼优化算法求解文中风电经济调度一体化方法模型，并与遗传算法、粒子群算法等进行了比较，结果表明郊狼优化算法的性能更加优越。

为实现一台PVIET高效率、低成本采集管理区域配电网内多个分布式光伏站，天津大学智能电网教育部重点实验室等单位的科研人员提出了一种基于改进COA的PVIET优化配置方法。

图1 光伏智能边缘终端的通信方式

首先，阐述了PVIET的主要功能与支持的通信方式。其次，考虑PVIET的等年值投资成本、年通信成本及保障数据采集可靠性的成本，提出了一种PVIET优化配置模型，并应用改进郊狼优化算法对模型进行求解，获得PVIET在配电网中布点数量和位置。

其中，改进的郊狼优化算法通过引入随机分组策略加强郊狼种群的信息交流，建立基于社会互助的新型郊狼成长方式，并应用混合模拟退火算法提高算法求解精度，引入自适应的精英保留策略提升算法收敛速度。通过单维组内最优郊狼扰动策略，提高组内最优狼质量的同时避免郊狼的全维度成长对部分维度的优良信息的掩盖。最后，通过改进的IEEE 69节点仿真算例，验证了所提PVIET优化配置模型的可行性，通过算法对比，说明了改进郊狼优化算法在精度、稳定性和收敛性等方面的优越性。

图2 不同PVIET数量条件下的算法收敛性能对比

研究人员指出，仿真结果表明，在充分考虑保障数据采集可靠性成本的前提下，达成了PVIET的合理优化配置，大幅度降低成本，可为PVIET优化规划设计提供依据。

另外，所提出的全新社会互助郊狼成长策略，以及利用随机分组策略、模拟退火与自适应精英保留策略的改进郊狼优化算法，在仿真中表现出色。

• 1）改进算法在PVIET数量为4~9时进行50次独立实验时，改进郊狼优化算法的精度较原来分别提升了18.37%、27.72%、35.67%、38.91%、42.95%、45.65%、46.14%；
• 2）相对于粒子群算法精度分别提升了18.20%、23.52%、29.79%、33.95%、36.49%、39.33%、39.82%；
• 3）相对于正余弦算法精度分别提升了20.39%、26.43%、31.95%、35.42%、38.19%、40.48%、41.05%，且最优解与最劣解之间峰谷差小；
• 4）在收敛性比较中，改进郊狼优化算法相比于COA、PSO、SCA的收敛速度更快。

以上研究成果发表在2021年第7期《电工技术学报》，论文标题为“基于改进郊狼优化算法的光伏智能边缘终端优化配置方法”，作者为刘嘉恒、张明 等。

,