基于雙層優化和態勢感知的智能配電網精細化日前優化調度

孫曉艷

1.無錫職業技術學院,江蘇 無錫214121

2.江蘇大學無錫機電學院,江蘇 無錫214121

隨著傳統配電網逐漸向智能配電網（Smart Distribution Grids，SDG）過渡，高級自動化和大數據技術等新技術的快速發展和應用為配電網實現源-網-荷各側資源的綜合協調優化運行提供了條件[1,2]，但同時以風機、光伏為代表具有強不確定性的分布式可再生電源(Distributed Renewable Generation，DRG)并網比例的顯著提高，將導致棄風棄光等問題，甚至可能威脅到配電網的安全運行[3,4]，傳統的配電網調度運行方法不再適用。

目前國內外學者已開展了大量研究和實踐工作。文獻[5]通過對可控光伏實現有功無功解耦控制，以配電網企業運行成本最小為目標，建立了有功無功協調優化的日前調度模型；文獻[6]分析了DRG并網對智能電網的影響，并以DRG 并網后的系統運行網損最小為目標，建立了日前調度模型；文獻[7]基于二層規劃和機會約束規劃建立網絡結構和DRG 有功出力的協調調度模型，應用遵循解環原則的遺傳算法對其求解，但未計及儲能和柔性負荷等可控資源；文獻[8]計及風電出力不確定性提出了綜合考慮備用市場成本、電力交易成本和運行成本的優化調度模型；文獻[9]計及了DRG、儲能和柔性負荷等可控資源對配電網進行多目標優化調度，其中文獻[10]建立了調度周期內以DRG 利用率最大、網損最小和用戶滿意度最高為目標的日前調度模型，并采用層次分析-熵權法確定各子目標權重系數，但層次分析法是一個主觀定權方法，在確定權重系數時仍需主觀判斷并受其影響；文獻[11]建立了以DRG 有功削減量、系統運行成本和網損三方面最小為優化目標的多目標日前調度模型，應用多目標和聲搜索算法求解得到Pareto 前沿并采用逼近理想解排序法得到最佳折中方案，但仍需人為確定不同目標的權重來確定最佳方案。

1 基于自適應變權重的SDG 精細化綜合日前調度模型

1.1 目標函數

式中：RtV、RtDRG和RtC分別為SDG 在t時段的系統電壓裕度、DRG 出力削減率和運行成本率，wtv、wtdrg和wtc分別是相應指標在t時段的權重因子。

式中：RtV,t和Vti分別為配電網t時段第i個節點的電壓裕度和節點電壓幅值，當RtV,t≤1 時，節點電壓未越限，當RtV,t＞1 時，節點電壓越限，且RtV,t越大，節點i電壓越限越嚴重；VN為全網統一的額定電壓；Vmax和Vmin分別為節點電壓幅值的上、下限；N為配電網節點電壓總個數。

式中：Ndrg為DRG 的總臺數；為第i臺DRG 在t時段運行環境下的最大可能出力，該出力由該時段的風光氣象數據結合具體的風機或光伏的數學模型計算得到[9]；為該DRG 所要削減的出力。

式中：Ctdeal為t時段配電網與上級電網的交易成本，αtdeal為配電網與上級電網間的購售電標識變量，從上級電網處購電時αtdeal=1，向上級電網售電時αtdeal=-1，ctgrid為t時段配電網與上級電網的交易電價，Ptgrid為該時段配電網與上級電網的交互功率，ΔT為時段間隔；Ctloss為t時段配電網的損耗成本，由網絡損耗成本Ctloss,net和儲能損耗成本Ctloss,ess組成，ctloss為t時段損耗成本電價，Ptloss,net為t時段配電網的網絡損耗功率，Ness為儲能總個數，Ptess,i和ηess,i分別為第i個儲能的充放電功率和充放電效率，ηess,i可以分別為充電效率ηiness,i和放電效率ηoutess,i，當儲能充電時，Ptess,i＜0，ηess,i為充電效率ηiness,i，放電時Ptess,i＞0，ηess,i為放電效率ηoutess,i；Ctdrg為t時段配電網向DRG 購電的成本，ctdrg,i和Ptdrg,i分別為t時段第i臺DRG 的上網電價和實際出力；Ctdms為t時段配電網的柔性負荷調節成本，由負荷削減成Ctcut和負荷平移成本Cttran構成，Ncut為參與負荷削減的總用戶數，ctcut為負荷削減的用戶補償電價，Ptcut,i為t時段第i個用戶的負荷削減量，Ntran為參與負荷平移的負荷節點數，cttran為負荷每平移一個時段的用戶補償電價，Pttranout,i和ΔDttran,i分別為t時段第i個用戶的負荷平移移出量和負荷平移時段數。

1.2 約束條件

式中：式(11)為配電網的功率平衡約束；式(12)為節點電壓上下限約束；式(13)為支路功率上限約束；

式中：式(14)為網絡拓撲約束；式(15-16)為開關操作次數約束。

式中：式(17-19)分別是DRG 的有功出力上下限約束、功率因數調節上下限約束和有功出力削減約束。

式中：式(20-23)分別為儲能的逆變器容量限制、充放電功率上下限約束、荷電狀態及其上下限約束。

Qtsc,i為第i臺STATCOM 在t時段的無功出力，Qsc,i,min和Qsc,i,max為其出力上下限。

式中：柔性負荷可分為可削減負荷和可平移負荷，式(25)為可削減負荷的削減量上限，式(26-29)分別為可平移負荷的移出量上限、移入量上限、最大延遲供電時間約束和平衡約束。

2 基于雙層優化策略的調度模型求解

如圖1 所示為基于雙層優化策略的調度模型求解流程圖，其尋優流程如圖2 所示。

圖1 基于雙層優化策略的調度模型求解流程圖Fig.1 Flow chart of solving scheduling model based on bilevel optimization strategy

圖2 內層PSO 算法尋優流程圖Fig.2 Flow chart of inner layer PSO algorithm optimization

3 算例與分析

本文采用改進的IEEE33 節點配電系統[12]仿真，如圖3 所示，并網電氣設備的基本參數如下：節點22-32 的負荷參與柔性負荷調節，其可削減負荷比例為10%，可平移負荷比例為30%，最大允許延遲供電時間取6 h；風機安裝在節點15 和26 上，額定容量分別0.8 MW 和0.2 MW；光伏安裝在節點9、19、23 和32 上，其中32 節點的光伏的額定容量為0.8 MW，其余光伏的額定容量為0.2 MW；相同型號的儲能安裝在節點15 和32 上，其額定容量為1.4 MW，逆變器的最大視在功率為0.7 MW，SOC 調節范圍為10%～90%；充放電效率為95%；STATCOM 安裝在節點8，其額定容量為0.2 Mvar。

圖3 改進的IEEE33 節點配電系統網絡結構Fig.3 Improved network structure of IEEE33 node distribution system

調度日各個時段的光照強度和風速預測曲線如圖4 所示，負荷預測曲線如圖5 所示。

圖4 調度日光照強度和風速預測曲線Fig.4 Forecasting curve of illumination intensity and wind speed on scheduling days

圖5 調度日負荷預測曲線Fig.5 Forecasting curve of load on scheduling days

各時段配電網與上級電網的交易電價、損耗成本電價和負荷削減的用戶補償電價均取0.74 元/kWh，負荷每平移一個時段的用戶補償電價取0.12 元/kWh，風電和光伏的上網電價分別取0.80 元/kWh 和1.00 元/kWh[8]。系統電壓裕度、DRG 出力削減率和運行成本率在各個時段的最終權重值如圖6 所示。

圖6 方案3 中各運行評估指標在各時段的權重值Fig.6 The weight value of each evaluation index in each period in scheme3

圖7 基準調度方案在各時段的運行成本Fig.7 The operation cost of the benchmark scheduling scheme in each period

由圖6 可知：系統電壓裕度在1-9 和12 時段的權重值為0，說明調度日內配電網在這段時間不需要考慮運行安全問題，而在其他時段特別是負荷高峰期，配電網容易出現電壓越限問題，故系統電壓裕度權重值較高；DRG 出力削減率在負荷高峰期18-23 時段權重值為0，說明這段時間的運行環境，配電網均可滿額消納已并網DRG 的出力，只需保證配電網運行安全性和經濟性即可，而在6-17 時段的權重值較高，這是由于這段時間的DRG 出力較大，這表明要在調度日的這段時間著重考慮如何減少棄風棄光；運行成本率的權重值在0-5 時段較高，甚至在2 和4-5 時段的權重為1，表明此時配電網既難以出現電壓越限問題，也難以出現棄風棄光問題，調度時重點關注經濟性即可。

為充分驗證本文所提方法和模型的優越性，本文針對上述算例采用了以下四種方案分別進行優化調度并比較分析其調度結果。方案1：第1.2 節所提的基準調度方案，即不采取任何調度手段；方案2：以整個調度周期的運行成本率RtC之和最小為目標進行優化調度，即系統電壓裕度RtV和DRG出力削減率Rtrdg在各時段的權重值均為0；方案3：利用本文所提考慮運行環境時變性的智能配電網精細化日前綜合優化調度方法來進行優化調度；方案4：以調度周期的系統電壓裕度、DRG 出力削減率和運行成本率之和最小為目標進行優化調度，其中上述三個運行評估指標在各時段的權重均各為1/3。方案1 在每個時段的運行成本如圖8 所示，總運行成本為40225.77 元，由于方案1 是基準調度方案，則其每個時段的運行成本率RtC為1。四種方案的調度結果如表1 所示，四種方案在調度日的系統電壓裕度、DRG 出力削減率和運行成本率如圖9～11 所示，其中圖9 內的左側小圖為縱坐標系統電壓裕度在區間0-1 時的局部放大圖。

表1 四種方案的調度結果比較Table 1 Scheduling results comparison of four schemes

觀察表1 和圖4～7 中四種方案的各類評估指標，可知盡管方案1(不調度方案)可使DRG 出力削減率為0，但卻會造成SDG 在19-22 時段的電壓嚴重越限，日系統電壓裕度高達82.464，不滿足配電網安全運行要求；比較方案2、方案3 和方案4 的各類評估指標可知：在運行安全性上，方案3的日系統電壓裕度最低，優于方案2 和4，分別降低了1.412 和0.102，可以看出相較于方案2，方案3 的運行安全有明顯改善，且由圖7 可得方案3 和4 在各時段的RtV普遍低于0.5，安全裕度較高，而方案2 在時段17、21 和23 的RtV接近于1，表明這三個時段的配電網安全裕度較低，若在日內實際運行中存在突發情況，較大可能會發生電壓越限，存在一定的安全風險；在DRG 消納能力上，方案3 的日DRG 出力削減率最低，明顯優于方案2 和4，分別降低了4.263 和3.401，結合圖7 和圖10 可發現正是因為方案3 在6-17 時段側重優化Rtrdg這一指標，才使得方案3 在這段時間的Rtrdg較低；在運行經濟性上，方案2 的日運行成本率最低，僅略優于方案3 和4，相較于方案3 和4 分別降低了0.337 和0.547；在綜合運行評估指標上，方案4 劣于方案3，高出1.826。

4 結論

本文提出基于運行環境時變性的精細化綜合日前調度方法。算例仿真結果表明：1）本文提出的精細化綜合日前調度模型和方法能夠根據每個時段不同的運行環境確定每個時段應該優化的側重點，從而得到最適合調度日的目標函數。2）本文提出的基于雙層優化策略的調度模型求解流程可以有效求解含有不止一類互相影響的控制變量的調度模型，進而得到既能有效提高配電網安全裕度，又能減少棄風棄光量，還能降低運行成本的最適合調度日的綜合日前調度方案。