基于用戶側管理的網—荷多目標調度模型

封士元 田書

摘 要：針對現階段配電網智能化程度低、與微網聯合調度經濟性差等問題，在考慮實時電價計費和完全利用微網電能的情況下，利用主動配電網技術構建以配電網-微網運維支出最低、聯合調度環境損耗最小和用戶負荷波動最平緩為優化目標的調度模型?；诟咚辜訖嗔Ｗ尤核惴?，求解調度模型最優方案。以添加風機、光伏、微燃機及儲能裝置的配電網為算例模型，通過比較3種運行方式，分析配網添加微電源、儲能裝置和改變拓撲對優化目標的影響，時延結果驗證了該方法有效性。

關鍵詞：主動配電網;微網;用戶側管理;改進粒子群算法;控制策略

DOI：10. 11907/rjdk. 182126

中圖分類號：TP301文獻標識碼：A文章編號：1672-7800（2019）004-0064-05

0 引言

由于各類型微電源在配電網大規模接入，對配電網產生重大改變，使原有配網到用戶的單向能量流變為配網到用戶、微網到用戶及微網到配網的復雜多變的能量流和信息流體系[1-2]?，F階段配電網智能化程度不高，與微網結合后整體聯合調度經濟性不理想，而主動配電網技術能綜合考慮信息交互、數據分析、綜合聯動等多個層面，并快速給出效益最優的解決方案，因此利用主動配電網技術是解決新形勢下配網復雜問題的有效方法[3]。

目前，在配電網與微網（雙網）聯合調度方面，國內外專家學者已開展大量相關研究。文獻[4]提出一種三階段魯棒優化調度方法，該方法解決了因分布式電源出力不確定對配電網的不利影響，并且調度模型考慮了電力設備投切次數和配電網電壓波動的限制，仿真結果證明了模型有效性;文獻[5]建立了以年綜合成本和微網自供電能力為優化目標的微網與配電網聯合調度模型，重點解決了配網中儲能裝置的容量分配問題，以及在微網不同分布情況下各優化結果，最終驗證了模型能夠取得良好的經濟和減排效益;文獻[6]在主動配電網的優化調度中考慮配網拓撲靈活改變的情況，拓撲結構的靈活改變能最大限度利用微網電能，實現配網與微網聯合調度的經濟效益最優，同時比較了改進和聲算法、標準和聲算法以及遺傳算法在作為模型求解器時的優劣情況;文獻[7]、[8]的數學模型實質都是在滿足潮流分布情況下單一地通過實時電價調節中斷負荷的使用區間，提高負荷使用的經濟性。綜上所述，現有文獻考慮影響雙網聯合調度效益的因素較為單一，不能全面反映聯合調度對經濟、社會帶來的效益。

本文以含風能、太陽能、微燃機及儲能裝置的IEEE33拓撲結構為例，通過短期風、光和微燃機出力預測值，在潮流最優情況下，以配電網運維支出、環境損耗以及負荷波動最小為優化目標，建立用戶依據實時電價響應動作的配電網與微網聯合調度模型。為解決多目標尋優問題，本文采用高斯加權粒子群算法，并對3種運行模式分別仿真分析得出最優方案，算例結果驗證了調度模型的經濟性和有效性。

4 算例模型與結果分析

仿真采用IEEE33節點配電系統[17]，如圖2所示。主饋線節點1-17為工業負荷，分支節點18-21、22-24、25-32為居民負荷。考慮到用戶用電習慣，認為可削減居民負荷不超過總居民負荷的10%，可轉移居民負荷不超過總居民負荷30%。節點3-4和節點9-10的光伏及風機裝機容量取0.1MW，節點17的光伏和儲能裝機容量分別取1MW和0.7MW，節點20的微燃機裝機容量取0.7MW，節點32的風機和儲能裝機容量分別取1MW和0.7MW。風電、光伏以及微燃機的并網電價分別為0.6元/kWh、1元/kWh和0.8元/kWh;用戶固定電價為0.56元/kWh[18]。儲能裝置充放電效率取90%。以微網所發電能全額利用為前提，選擇3種運行方式進行實驗對比：①方式1為含微網和儲能的新型配電網，但不考慮拓撲結構改變;②方式2為含微網和儲能的新型配電網，并考慮拓撲結構改變;③方式3為無微網和儲能接入的傳統配電網。

模型計算所需的必要數據包括工業負荷和居民負荷的日前負荷預測，光伏、風電和微燃機的日前預測出力，儲能1和儲能2的出力計劃及基準實時電價分別從文獻[19]、文獻[5]和文獻[20]獲取;表1為微燃機和配電網的污染物排放成本和系數，表2分別光伏、風機、微燃機和儲能電池的運行維護成本。

4.1 3種調度方式經濟性分析

表3為3種調度方式在目標函數取最優時負荷和拓撲結構的調整方法，由于方式3不考慮需求響應策略和拓撲改變，因此在表3中不出現方式3的調控數據。

對表3、表4數據經濟性分析可得出以下3點結論：①由于實時電價的影響，用戶晚間響應負荷削減和轉移的力度最大，且在負荷轉移時隙選擇上也基本選擇為用電低谷時期，負荷轉移的時間跨度也在約束范圍內;②網絡拓撲改變不僅能直接降低線路損耗，而且能提高清潔能源的帶負載效率，方式2環境損耗比方式1低37.5%，方式3沒有清潔能源接入，其環境損耗最高;③方式1和方式2總費用支出分別比方式3低3%和5%。

4.2 3種調度方式負荷波動分析

通過對看圖3、圖4、圖5直觀觀察，可以看出圖3、圖4的負荷波動情況優于圖5，從具體數值分析比較可得出以下結論：①從峰谷差值上看，方式1、方式2和方式3的峰谷差值分別為530kWh、587kWh、690kWh，方式1和方式2的峰谷差值相較于方式3分別減少了約23%和15%;②從均方差比較來看，方式1、方式2和方式3的均方差分別為145kWh、146.27kWh、237.96kWh，方式1和方式2的負荷波動率相較于方式3分別減少了約39%和38%。

4.3 3種調度方式節點電壓波動分析

由圖6可以看出方式1、方式2和方式3的最高節點電壓數值均未超過電壓上限，屬正常區間，但方式3的最低節點電壓數值在第22時出現輕微越限，此時存在配電網安全運行風險上升的可能，但在方式1和方式2條件下最低節點電壓數值均被控制在正常區間內，表明微網及儲能裝置的接入能有效提高配電網安全運行可靠性。

5 結語

本文以IEEE33為配電網拓撲結構，建立了含微網和儲能裝置的配電網-微網聯合調度模型，并采用基于高斯加權改進粒子群算法求解得到3種不同調度方式下的最優方案，結果顯示在以經濟性最優為前提時具有拓撲調節能力的方式2減少配電網運維支出和環境損耗的力度最大，同時也能降低負荷波動，避免電壓越限，增強了配電網可靠性、安全性和經濟性，為配網調度提供可靠參考，對電網企業和用戶均能產生較好的社會效益和經濟效益。在電網智能化趨勢下，配網拓撲改變將成為實現潮流優化、降低網絡損耗、建設堅強電網的重要手段，在今后的電網管理研究中應給予更多關注。

另外本文受篇幅限制，僅對電能質量電壓越限問題進行了分析比較，后續研究還可從靜態或動態分析等多個角度，分析在該網絡拓撲下的網絡安全問題，進一步提高智能配電網運營的安全可靠性。

參考文獻：

[1] 趙波，王財勝，周金輝，等. 主動配電網現狀與未來發展[J]. 電力系統自動化，2014，38（18）：125-135.

[2] 楊旭英，周明，李庚銀. 智能電網下需求響應機理分析與建模綜述[J]. 電網技術，2016，40（1）：220-226.

[3] 劉東，張弘，王建春. 主動配電網技術研究現狀綜述[J]. 電力工程技術，2017，36（4）：2-7+20.

[4] 金煒，駱晨，徐斌，等. 基于需求響應技術的主動配電網優化調度[J]. 電力建設，2017，38（3）：93-100.

[5] 劉峪涵，汪沨，譚陽紅. 并網型微電網多目標容量優化配置及減排效益分析[J]. 電力系統及其自動化學報，2017，29（9）：70-75.

[6] 廖劍波. 主動配電網的優化調度與靜態安全分析[D]. 上海：上海電力學院，2017.

[7] 徐明. 主動配電網系統負荷控制策略研究[D]. 長春：吉林大學，2017.

[8] 張馨瑜. 需求響應在主動配電網源網荷互動模式下的調度研究[D]. 阜新：遼寧工程技術大學，2017.

[9] KINHEKAR N，PADHY N P，OM GUPTA H. Multi-objective demand? side management? solutions? for? utilities? with? peak? demand deficit[J]. International Journal of Electrical Power & Energy Systems，2014，55（2014）：612-619.

[10] 肖曉偉，肖迪，林錦國，等. 目標優化問題的研究概述[J]. 計算機應用研究，2011，28（3）：805-808+827.

[11] 公茂果，焦李成，楊咚咚，等. 進化多目標優化算法研究[J]. 軟件學報，2009，20（2）：271-289.

[12] 符楊，蔣一鎏，李振坤. 基于混合量子遺傳算法的微電網電源優化配置[J]. 電力系統保護與控制，2013，41（24）：50-57.

[13] 楊維，李歧強. 粒子群優化算法綜述[J]. 中國工程科學，2004（5）：87-94.

[14] 劉先正，溫家良，潘艷，等. 采用改進粒子群算法的直流電網最優潮流控制[J]. 電網技術，2017，41（3）：715-720.

[15] 程聲烽，程小華，楊露. 基于改進粒子群算法的小波神經網絡在變壓器故障診斷中的應用[J]. 電力系統保護與控制，2014，42（19）：37-42.

[16] 劉衍民. 粒子群算法的研究及應用[D]. 濟南：山東師范大學，2011.

[17] 梁俊文，林舜江，劉明波. 主動配電網分布式無功優化控制方法[J]. 電網技術，2018，42（1）：230-237.

[18] 何正鑫.? 計及儲能和用戶側響應的微網經濟運行優化[D]. 廣州：華南理工大學，2014.

[19] LOGENTHIRAN T，SRINIVASAN D，SHUN Z T. Demand side management in smart grid using heuristic optimization[J]. IEEE Transactions on Smart Grid，2012，3（3）：1244-1252.

[20] 郝文斌，李銀奇. 不同電價機制下含光伏發電的家庭負荷調度經濟性研究[J]. 電力系統保護與控制，2017，45（17）：34-42.

（責任編輯：江 艷）