基于序優化方法的主動配電網調度優化決策

邵傳軍，崔曉青，于光遠，王志磊

(國網濟南供電公司，濟南市250012)

基于序優化方法的主動配電網調度優化決策

邵傳軍，崔曉青，于光遠，王志磊

(國網濟南供電公司，濟南市250012)

近年來，隨著可再生能源發電技術快速發展，電網中可再生能源的滲透率不斷提高。主動配電網技術被認為是實現可再生能源高效消納的一種有效解決方案。主動配電網的調度決策深刻影響著配電網的可靠性與經濟性，是主動配電網實現其應用價值的核心技術，因此研究主動配電網的調度優化決策方法具有重要的現實意義。該文針對同時具有分布式光伏、風電以及儲能設備的主動配電網，建立了考慮分布式電源特性與電價影響的主動配電網調度優化決策模型，并利用序優化方法進行快速高效求解，得到主動配電網在運行周期內的最優調度策略。最后，利用某實際配電網的算例驗證了該文提出的主動配電網調度優化決策方法的有效性。

主動配電網；分布式電源；儲能設備；電價；調度優化決策

0 引 言

近年來，隨著分布式發電以及儲能技術的快速發展，主動配電網技術逐漸受到人們的關注[1-2]。主動配電網是指使用靈活的網絡拓撲來管理潮流，以便對局部的分布式能源進行主動控制和主動管理的配電系統[3]。主動配電網具有靈活的運行方式，被認為是實現高效消納分布式電源和可再生能源的有效解決方案[4-5]。

主動配電網與被動配電網的不同之處在于主動配電網為有源配電系統，具備雙向調度功能[6]。主動配電網內部普遍包含分布式電源。一些主動配電網內還有儲能系統、電動汽車充電站等。主動配電網的調度優化決策深刻影響著配電網的可靠性與經濟性，是主動配電網實現其應用價值的核心技術。研究主動配電網的調度優化決策方法具有重要的現實意義：一方面有利于提高配電網的安全性、可靠性、經濟性；另一方面有利于促進分布式發電等相關智能電網技術的進一步發展。

在主動配電網調度優化決策相關研究中，具有一些有代表性的研究成果。文獻[7]提出了以運行成本最低為目標函數的調度優化模型，并利用智能單粒子優化算法進行求解，但該模型中未考慮儲能裝置；文獻[8]基于機會約束規劃建立了含有風電、光伏和儲能裝置的能量調度隨機數學模型，并使用改進粒子群算法進行求解，但未考慮電價影響與主動配電網網絡拓撲情況；文獻[9]以柔性負荷為研究對象，構建了綜合考慮可再生能源利用率、網絡損耗和用戶滿意度的主動配電網優化調度模型，但柔性負荷應用場景較少，具有一定局限性。

目前針對主動配電網調度優化決策的研究主要從提升經濟性、平抑波動性和配合負荷特性等角度切入，但尚沒有構建一個能夠同時計及分布式電源、儲能設備、電價影響以及主動配電網拓撲的調度優化決策模型。為此，本文針對同時具有分布式光伏、風電以及儲能設備的主動配電網，建立考慮分布式發電特性與分時電價影響的主動配電網調度優化決策模型，并利用序優化方法進行快速高效求解，得到主動配電網在運行周期內的最優調度策略。

1 研究框架

本文整體研究思路如圖1所示。首先，對主動配電網中的分布式電源的功率特性以及儲能裝置的運行特性進行分析，并建立相應的運行約束條件；其次，基于主動配電網的拓撲可變特性，建立主動配電網拓撲約束；然后，引入電價影響機制，對分時電價影響機制建模；最后，建立主動配電網調度優化決策模型，并通過序優化方法求解，得到主動配電網的調度策略。

圖1 整體研究思路示意圖

2 數學建模

主動配電網的系統架構如圖2所示。除了負荷之外，主動配電網內通常還包括分布式電源、儲能裝置等可調度設備，并具備調度決策系統充當主動配電網“大腦”的角色。調度決策系統根據輸電網邊界條件以及自身設備狀態對可調度設備進行調度優化決策。

圖2 典型主動配電網系統架構示意圖

本文將以日前主動配電網調度優化決策為研究對象，基于分布式電源與儲能裝置特性、主動配電網拓撲特性以及分時電價影響機制，建立相應的優化決策數學模型，如下詳述。

2.1 主動配電網拓撲特性

主動配電網具有網絡拓撲可變的特性，可根據調度運行需求靈活開、合配電線路，提升配電網運行效率。

主動配電網在運行過程中，有3個基礎要求：連通性，即保證所有負荷與供電系統相連；充裕性，即保證所有負荷均可被可靠供電；安全性，即所有輸電線路均運行在輸送容量限制范圍內。在建模過程中為了滿足主動配電網的基礎要求，需要建立相應的約束。

2.1.1 連通性約束

為保證配電網呈輻射狀連通，式(1)給出了主動配電網連通性約束：

I(t)∈T,?t

(1)

式中：I(t)為t時刻的配電網的聯絡開關方案;T為配電網的連通輻射狀結構的集合。

2.1.2 充裕性約束

為保證所有負荷均被可靠供電，建立針對每一節點的功率平衡約束：

(2)

式中：Gn、Nn、Sn分別為位于節點n的機組集合、配電網內與節點n相連節點的集合、位于節點n的儲能設備集合；ΩN為配電網的節點集合；Pg,t、Pg,t′分別為分布式電源g在t時刻的出力預測值、棄電功率，其中Pg,t′不能超過出力預測值Pg,t，如式(3)的所示；Pnr，t為節點n在t時刻通過線路nr向節點r傳輸的功率；Pds，t、Pcs，t分別為儲能設備s在t時刻的放電、充電功率；ηs為儲能設備s的充、放電效率；PLn,t為節點n在t時刻的負荷值。

0≤Pg,t′≤Pg,t,?g,t

(3)

2.1.3 安全性約束

式(4)給出了線路輸送功率的約束：

(4)

式中Snr為線路nr的最大輸送容量。

線路輸送功率的表達式如下：

Pnr，t=(δn,t-δr,t)/(Xnr+M-MInr,t)

(5)

式中：δn,t為節點n在t時刻的相角，rad；Xnr為線路nr的電抗標幺值, pu；Inr,t為線路nr上聯絡開關的狀態，線路nr連通時，Inr,t=1，線路nr斷開時，Inr,t=0；M為無限大的正數。

當線路nr斷開時，式(5)分母趨于無窮大，線路輸送功率為趨于0的無窮小值。

2.2 分布式電源與儲能特性

2.2.1 分布式電源相關約束

由于分布式電源的出力具有高度的隨機性與波動性，主動配電網調度決策需要提供一定的備用資源，以滿足分布式電源對配電網靈活性的要求。配電網正、負備用資源約束分別如式(6)—(7)所示：

(6)

(7)

2.2.2 儲能設備運行特性相關約束

(1)充、放電功率約束：

0≤Pcs, t≤Ics, t·Ps, max,?s,t

(8)

0≤Pds, t≤Ids, t·Ps, max,?s,t

(9)

式中：Ics,t、Ids,t為儲能設備狀態變量，當儲能設備s在充電狀態時，Ics,t=1，Ids,t=0，當儲能設備s在放電狀態時，Ics,t=0，Ids,t=1；Ps, max為儲能設備s的充、放電功率最大值。

(2)充、放電狀態約束：

Ics, t+Ids, t≤1, ?s,t

(10)

(3)儲能系統能量(state of charge，SOC)約束：

(11)

(12)

(4)儲能系統能量約束：

(13)

式中N為調度周期內的時段數。

本文假定每一調度周期內儲能系統充電電量與放電電量相等。

2.3 電價機制

作為輸、配電網間交互的邊界條件，電價通過影響調度運行成本而影響目標函數，而深刻影響配電網的調度運行，因而電價機制的不同，也將影響主動配電網的調度優化結果。電價機制有恒定電價、兩部制電價、階梯電價、分時電價、實時電價等多種類型。電價大多從用電時間、用電量、負荷水平3個維度制定。

本文假設輸、配電網聯絡線傳輸功率電價機制為分時電價。峰荷時段電價記為πp；谷荷時段電價記為πv；其他時段電價記為πg。分時電價機制下，配電網會通過優化調度策略來保證峰荷時段的穩定運行，并抑制峰荷時段電力負荷需求。

2.4 主動配電網運行決策目標

主動配電網的調度優化決策目標通常包括：(1)更高的負荷供電可靠性，以滿足用戶的用電需求為首要目標，通常情況下不允許切負荷；(2)更高的風電和光伏發電消納率，最大限度地減少棄風量和棄光量；(3)更低的分布式電源與儲能裝置運行成本，提高經濟效率；(4)更低的輸電網側用電電價或更高的上網電價；(5)更少去調用輸電網側的調節能力，即保證主動配電網自身充裕的靈活性，以應對分布式電源出力的不確定性。基于此決策目標，構建主動配電網調度優化決策目標函數：

(14)

(15)

(16)

(17)

(18)式中：Fcurt為棄電懲罰費用；γcurt為單位棄電懲罰費用；Funit為常規機組運行成本；fg,t為分布式電源g的單位發電成本；Fstor為儲能裝置運行成本，體現為能量轉換的損耗；γstor為單位損耗成本；Felec為輸電網側聯絡線用電電費；πt為輸、配電網聯絡線傳輸功率電價，在不同負荷時段對應不同的電價；PTm0，t為配電網與輸電網聯絡線傳輸功率(假設配電網與輸電網連接的節點號為0，外部節點為m，且δm,t=0)。

由于風電與光伏出力具有高度的不確定性，因此生成n個風電與光伏出力場景，式(14)中的目標函數為這n個場景的平均值。需要說明的是，在調度優化決策時，不允許切負荷。

2.5 序優化方法求解

以式(14)為目標函數、式(1)—(13)為約束條件的主動配電網調度優化決策模型屬于混合整數非線性規劃，計算負擔較高。當配電網規模增長時，對計算能力提出較高要求。為了提高求解效率，本文采用序優化方法進行求解。該方法是由何毓琦[10]等學者于20世紀末提出的一種處理基于模擬仿真進行優化的重要方法，已成功使用到了許多實際應用當中[11-13]。該方法核心思想如圖3所示，θN是共包含N個元素的總優化空間集合。利用特定選取規則，從中選出含S個元素的子集θS，θS中應至少有k個解屬于由足夠好的解組成的子集θG(θG有G個元素)，且其概率Pr{θG∩θS的元素個數大于或等于k}需要大于給定概率目標。該方法定義了如圖4所示的5種排序性能曲線，通過粗略模型評估θN中N個決策解，所有優化問題均可以根據這N個解的模型目標值排序結果來確定其所屬的性能曲線類型。屬于不同類型優化問題序優化求解時使用的參數不同。在本文中，采用去掉如式(1)所示約束條件后的粗略優化模型。在確定性能曲線類型之后，最優解的估計值可通過如下步驟得到：(1)給定θG的空間大小以及k值；(2)評估粗略模型的偏差；(3)確定θS的元素個數，即S值；(4)得到最優解的估計值。詳細方法請見文獻[10]，在此不贅述。

圖3 序優化方法基本思想示意圖

圖4 排序性能曲線類型

3 算例分析

3.1 基本數據

以我國某省份的主動型配電網為例，其網絡拓撲如圖5所示。該配電網共有10個支路開關，其中C1～C7為關鍵負荷，采用雙回路供電設計；有2個風電機組、3個光伏機組、4個儲能設備，參數見表1。配電網總負荷如圖6所示。風力發電與光伏發電出力預測值如圖7所示。采用本文提出的基于序優化的調度策略對該算例1天24 h的配電網進行調度優化決策。為了不失一般性，假設所有支路線路參數一致。

圖5 主動配電網算例示意圖

基于Python 2.7.11建立該算例的調度模型，計算平臺為Macbook Pro (配置2.2 GHz Intel Core i7處理器和16 GB內存)，總計算時間長度為3.6 s。

表1 模型基本參數

Table 1 Basic parameters of model

圖6 配電網總負荷

圖7 風力發電與光伏發電出力預測值

3.2 結果分析

設定光伏與風電出力的預測誤差服從正態分布，誤差標準差為10%。生成2 000個風光出力場景，利用序優化方法求解，通過粗略數學模型評估得到的排序性能曲線如圖8所示，為Bell型。

圖8 排序性能曲線計算結果

設k=1。假設θG由解空間中前1%的優化解組成，則θG中足夠好的解的數目g為2 000個×1%=20個。假設粗略模型與精細化模型的偏差服從均勻分布U(-w,w)，需要對w進行評估。通過選擇出50個粗略模型進行精細優化，可以得到w的統計結果，即w=0.21。因為50個樣本相對較少，保守起見，我們將這一數字放大為2倍值，即w=0.42，此時w位于區間[-0.5, 0.5]之內，θS所含元素數目s可由式(19)確定：

s=‖θS‖=「eZσkρgγ+η?

(19)

式中：||·||為求集合的元素個數的符號；「·?為向上取整符號；根據文獻[14]，Zσ=8.199 8、ρ= 1.916 4、γ=-2.025 0、η=10.00。

由式(19)計算得s=19。因此，我們選擇出 2 000個粗略評估過程中最優的19個解進行精細化評估，得到最優解。經程序計算，最優開關狀態為K4與K10斷開、其余開關接通，且無風電、光伏棄電，配電網運行成本(目標函數值)為2.94萬元，較未采用優化調度優化時3.07萬元的運行成本，降低了4.2%。

儲能設備的充、放電決策結果如圖9所示。當輸電網電價處于低谷時，儲能設備進行充電；當輸電網電價處于高峰時，儲能設備放電，以此來壓低購用電成本。

圖9 主動配電網儲能設備充、放電功率與分時電價情況

圖10為分布式電源并網前、后的配電網負荷變化情況，以及考慮儲能設備充、放電行為后的配電網最終凈負荷。由圖10可見，分布式電源并網后負荷曲線被壓低。同時，儲能設備起到進一步削峰填谷的作用。

圖10 配電網調度優化決策負荷情況

進一步，我們利用常規方法對模型進行了求解，因為模型高度復雜且非線性，首先忽略了連通性約束，其次將2 000個風光出力場景縮減為10個，最后利用CPLEX優化引擎求解，計算時間為17.9 s，運行成本為3.01萬元，進一步證明了序優化方法求解的高效性。

4 結 論

本文提出了一種主動配電網調度優化決策模型，以分布式電源與儲能特性、主動配電網拓撲特性、電價為基礎，對主動配電網的調度運行進行數學建模，并利用序優化方法求解。算例結果表明，序優化方法求解效率較高，能夠快速得到最優解的估計值，且所提出的方法能夠降低主動配電網運行成本。在未來工作中，應進一步研究多個主動配電網系統協調優化調度與決策，使分布式電源與儲能設備的利用效率得到進一步的提高。

[1]童亦斌, 吳學智, 唐芬, 等. 分布式光伏發電與主動配電網的協調發展[J]. 電力建設, 2015, 36(1):72-75. TONG Yibin, WU Xuezhi, TANG Fen, et al. Coordinated development of distributed photovoltaic generation and active distribution network[J]. Electric Power Construction, 2015, 36(1):72-75.

[2]丁明, 石雪梅. 新能源接入對主動配電網的影響[J]. 電力建設, 2015, 36(1):76-84. DING Ming, SHI Xuemei. Effect of new energy paralleling to the active distribution networks[J]. Electric Power Construction, 2015, 36(1):76-84.

[3]范明天,張祖平, 蘇傲雪,等. 主動配電系統可行技術的研究[J]. 中國電機工程學報,2013, 33(22): 12-17. FAN Mingtian, ZHANG Zuping, SU Aoxue, et al. An investigation of enabling technologies for active distribution system[J]. Proceedings of the CSEE,2013, 33(22): 12-17.

[4]劉廣一, 張凱, 舒彬. 主動配電網的6個主動與技術實現[J]. 電力建設, 2015, 36(1):33-37. LIU Guangyi, ZHANG Kai, SHU Bin. Six actives and key technologies of active distribution network[J]. Electric Power Construction, 2015, 36(1):33-37.

[5]程林, 劉琛, 康重慶, 等. 主動配電網關鍵技術分析與展望[J]. 電力建設, 2015, 36(1):26-32. CHENG Lin, LIU Chen, KANG Chongqing, et al. Analysis of development of key technologies in active distribution network [J]. Electric Power Construction, 2015, 36(1):26-32.

[6]金堯, 王正宇, 蔣傳文,等. 主動配電網與主網協調調度[J]. 電力建設, 2016, 37(1):38-44. JIN Yao, WANG Zhengyu, JIANG Chuanwen, et al. Coordinative dispatching between active distribution network and main network[J].Electric Power Construction, 2016, 37(1):38-44.

[7]尤毅, 劉東, 鐘清,等. 主動配電網優化調度策略研究[J]. 電力系統自動化, 2014, 38(9):177-183. YOU Yi, LIU Dong, ZHONG Qing, et al. Research on optimal schedule strategy for active distribution network[J]. Automation of Electric Power Systems, 2014, 38(9):177-183.

[8]王健, 謝樺, 孫健. 基于機會約束規劃的主動配電網能量優化調度研究[J]. 電力系統保護與控制, 2014，42(13):45-52. WANG Jian, XIE Hua, SUN Jian. Study on energy dispatch strategy of active distribution network using chance-constrained programming[J]. Power System Protection and Control, 2014，42(13):45-52.

[9]沙熠, 邱曉燕, 寧雪姣,等. 協調儲能與柔性負荷的主動配電網多目標優化調度[J]. 電網技術, 2016，40(5): 1394-1399. SHA Yi, QIU Xiaoyan, NING Xuejiao, et al. Multi-objective optimization of active distribution network by coordinating energy storage system and flexible load[J]. Power System Technology, 2016，40(5): 1394-1399.

[10]HO Y C，SREENIVAS R S，VAKILI P.Ordinal optimization of DEDS[J]．Discrete Event Dynamic Systems，1992，2(1)：61-88．

[11]LIN S Y，HO Y C，LIN C H．An ordinal optimization theory based algorithm for solving the optimal power flow problem with discrete control variables[J]．IEEE Transactions on Power Systems，2004，19(1)：276-286．

[12]GUAN X, HO Y C, LAI F．An ordinal optimization based bidding strategy for electric power suppliers in the daily energy market[J]．IEEE Transactions on Power Systems，2001，16(4)：788-797．

[13]XU Q, KANG C, XIA Q, et al．Anti-disaster transmission expansion planning considering wind power integration using ordinal optimization[C]//IEEE Power and Energy Society General Meeting. Nation Harbor, Maryland: IEEE,2014:1-5.

[14]LAU T W E,HO Y C. Universal alignment probabilities and subset selection for ordinal optimization[J]. Journal of Optimization Theory and Applications, 1997，93(3): 445-489.

(實習編輯 郭文瑞)

Dispatching Optimization Decision-Making of Active Distribution Network Based on Ordinal Optimization Theory

SHAO Chuanjun, CUI Xiaoqing, YU Guangyuan, WANG Zhilei

(State Grid Jinan Power Supply Company, Jinan 250012,China)

With the rapid development of renewable energy generation, the technique of active distribution network is taken as an effective solution to efficiently accommodate renewable energy in recent years. The dispatching strategy of active distribution network affects the reliability and economy of distribution network deeply, which is the key technique to realize the value of active distribution network. So it is of great value to conduct the research on the dispatching optimization decision-making of active distribution network. Focusing on the active distribution network with distributed photovoltaic, wind power and energy storage devices integrated, this paper proposes a dispatching optimization decision-making model considering the characteristics of distributed generation and electricity price. Based on the ordinal optimization theory, the optimal dispatching strategy of active distribution network for certain operation period can be achieved efficiently. Finally, a case study on a real distribution network is carried out to verify the effectiveness of the proposed dispatching optimization decision-making method for active distribution network.

active distribution network;distributed generation; energy storage devices; electricity price; dispatching strategy decision-making

TM 734

A

1000-7229(2016)11-0095-06

10.3969/j.issn.1000-7229.2016.11.014

2016-06-13

邵傳軍(1976)，男，工程師，研究方向為電力系統規劃、經濟與可靠性；

崔曉青(1971)，女，本科，高級經濟師，研究方向為人力資源管理；

于光遠(1985)，男，碩士，工程師，研究方向為電網系統規劃；

王志磊(1989)，男，碩士，助理工程師，研究方向為電力系統規劃與可靠性。