基于变异反向学习郊狼优化算法的光伏智能边缘终端优化配置方法

姜小涛，方磊，牛睿，张玮亚，刘嘉恒，葛磊蛟

(1. 国网江苏省电力有限公司南京供电分公司，南京市 210005；2. 天津大学智能电网教育部重点实验室，天津市 300072)

0 引 言

光伏智能边缘终端(photovoltaic intelligent edge terminal，PVIET)为实现分布式光伏运维高效率的一种新型光伏数据采集设备，不仅可以实现光伏数据采集的自动化、智能化，而且可以对采集到的光伏数据进行预处理，减轻云端处理器的压力，有效保证光伏电站安全稳定运营。从电站运行可靠性的角度来看，选用一站一台式的配置方式是最佳的配置方式，然而由于光伏智能边缘终端价格十分昂贵，大型光伏电站可以负担得起，但应用于容量小的分布式光伏电站时，相对而言成本高，与分布式光伏运维低成本的目标相违背，导致实际工程中难以大规模使用。因此如何对多台光伏智能边缘终端进行合理优化布局，实现一台光伏智能边缘终端对多个分布式光伏电站的数据采集以大幅度降低成本，意义重大。

光伏智能边缘终端产品面世不久，国内外暂时未有其优化布局的相关文献，但其优化布局原理和模型求解方法类似于配电网馈线终端单元(feeder terminal unit，FTU)、同步相量测量单元(phasor measurement unit，PMU)、电池储能系统(battery energy storage system，BESS)、分布式电源(distributed generation，DG)的优化布局方法[1-11]。文献[1]根据技术性、经济性、可拓展性3个方面制定了FTU优化配置的原则与思路；文献[2]从故障定位角度出发，在规划阶段对FTU进行了优化配置；文献[3]在满足重要用户要求和系统供电可靠性约束条件下，以投资最少为目标建立FTU优化配置模型，使用改进自适应遗传算法对问题进行求解；……