基于動態規劃方法的微電網實時能量調度優化

摘 要：在微電網管理過程中，由于負荷用電的不確定性，微電網聯網功率存在隨機性，會造成配電系統電壓大幅波動及功率不平衡問題。為解決上述問題，提出一種動態規劃方法，對微電網需求側負荷進行分類控制，實現能量的調度優化。結果顯示，動態規劃方法通過對微電網上下層的參數調節，實現實時能量的聯網分配，減少了不穩定電壓和不平衡功率問題的出現，提高了實時能量的調度效率。動態規劃算法可以對微電網的實時能量進行有效優化，平均優化幅度為26.2%。因此，對于微電網的實時能量調節，動態規劃方法具有十分重要的理論優化作用，可以促進微電網能量調度水平的提高。

關鍵詞：微電網;實時能量;動態規劃;調度優化

中圖分類號：TM73? 文獻標志碼：A? 文章編號：1671-0797（2022）07-0014-03

DOI：10.19514/j.cnki.cn32-1628/tm.2022.07.004

0? ? 引言

低碳減排是目前電力行業發展的主要趨勢，所以電力企業正不斷加大對太陽能、水利、風能等清潔能源的開發力度。但是，微電網發電的隨機性、不確定性也威脅著配電網的穩定運行[1]。受多方面因素影響，微電網能量調度難度增加。同時，微電網提供的能量在配電網中所占的比例越來越高，所以其能量調度問題成為電力企業關注的重點。另外，微電網與配電網融合，其運行穩定性直接決定配電網的安全以及其他電力設備的正常運行，所以其能量調度具有十分重要的實踐意義。如何對微電網中的能量進行分析，提出有效的調度方案，是目前亟待解決的問題。現有微電網能量調度方法較多，但均存在準確性差、時效性不理想的問題。基于上述背景，本文提出了一種動態規劃方法，對微電網進行實時能量監測，并制訂了有效的調度方案，以提高電網運行的穩定性。

1? ? 基于動態規劃方法的微電網能量調度

微電網能量調度涉及的因素較多，為了更加準確地進行研究，需要對其進行分類和量化，具體過程如下。

1.1? ? 微電網需求側負荷分類

在微電網能量調度過程中，要對其需求側的負荷進行分類。本文在微電網能量調度研究的基礎上對負荷進行分類，主要包括三個等級[2]：第一、第二等級屬于不可控負荷，第三等級為可控負荷，其中第三等級負荷又可以細分為可調負荷、平移負荷兩種，具體如表1所示。

由表1可知，可調負荷能依據電力價格、運行溫度進行調節，以此保證微電網的經濟效益;平移負荷則可依據用戶體驗、社會價值和危害進行增減、延遲啟動和時間調度。因此，第三等級負荷能在不改變負荷曲線的基礎上，轉變原有的負荷運行模式，以達到負荷最優。相對于第三等級負荷來說，第一、第二等級負荷的不可控因素較多，不能隨意進行調試，否則會造成嚴重后果。由此可知，第三等級負荷是微電網實時能量調節的重要對象。

1.2? ? 微電網能量的動態規劃算法

針對微電網第三等級負荷進行實時能量的動態規劃，首先需對每個階段的能量調度進行分析，選擇最優的調度方案，使其在預定負荷曲線下達到負荷最優。

針對動態規劃算法應用于微電網實時能量調度，可以進行如下假設：

假設1：設不同階段為k，微電網狀態為xk，能量為sk，調度方案為vk，那么調度方案的優化計算如下：

vk=（1）

式中：V（·）為調度方案函數;k為微電網所處的階段，該數值可以任意劃分，主要依據電網的經濟效益、用戶體驗劃分。

同時，實時能量的計算如下：

sk+1=T（sk，xk）|k

式中：T（·）為實時函數。

本文將微電網調度分為3個階段，即k=3;xk是微電網的狀態;sk代表不同階段的調度能量，其值小于微電網總調度能量;vk是微電網調度方案，依據不同階段的調度能量、狀態等數據，從諸多調度方案中選擇最優方案[3]。由于vk、sk、xk之間存在相關性，所以在確定sk后，vk與xk之間的關系也得到明確，即可以得到最優vk值。

假設2：設最優的能量調度函數為f（·），計算如下：

f（sk）=max

opt（xk）+ζ（3）

式中：opt（·）為每個階段的最優結果;ζ為誤差調節系數。

假設3：ri為調度后的實時能量變化;ui為不同階段的電網穩定性;wi為電力調度后帶來的變化，包括經濟效益、用戶體驗等，且wi>wi+1，那么一年最多天數n的計算公式為：

n（i）=max

riui-wi（4）

2? ? 動態規劃算法的實時能量調度求解

對24 h的微電網實時能量進行優化，預計每日可以完成3個階段的能量調度。圖1是微電網調度的過程，具體為：a→A，A→b，b→C。

k=1、2、3為不同階段，用a、A、b進行不同階段的調度，C為能量的調度結束，即k=4。電網狀態xk在k=1時，為微電網的最穩定狀態。在k=1階段，電網調度集合V（x1）中有3種調度方法，分別為不穩定、基本穩定、穩定。

最優結果函數opt（·）可用倒序方法進行計算，從最后的調度階段出發進行反推，即k=4。由于最優的實時調度狀態為微電網最穩定[4]，所以f（x4）=1。依據能量調度后經濟損失最小、用戶體驗最佳的標準，得到f（x3）、f（x2）、f（x1）的最優調度方法，并構建最優調度集合[5]，結果如表2所示。

由表2中的數據，同理可以推出f（x2）的最優調度方案，結果如表3所示。

綜合表2和表3中的計算結果，得到最終的調度方案，計算結果如表4所示。

綜合分析可知，當wi-wi+1

6wi+2。能量調度方案由f（x4）向f（x1）反向追溯時，得到最優調度方案為：a3→A3→b2→C0。綜上所述，可以得到微電網實時能量的最終調度方案如表5所示。

由表5可知，微電網實時能量調度過程中，動態規劃算法可以依據不同調度階段，進行實時能量調度優化，減少調度對經濟效益的影響，改善用戶體驗效果。為了進一步驗證優化結果，對24 h內調度優化量進行對比，結果如圖2所示。

由圖2可知，在0～24 h內，能量的變化幅度比較小，整體比較穩定。其中，當ri≤wi-wi+1時，能量的調度幅度加大;當wi-wi+1wi-1-wi+1時，能量調度的變化幅度最小。由此可知，動態規劃算法可以對微電網的實時能量進行有效優化，平均優化幅度為26.2%。

3? ? 結語

綜上所述，實時能量調度是微電網穩定運行的重要保證，也是微電網并網的基礎[6]。本文對微電網實時能量調度問題進行了分析，提出一種動態規劃算法，能夠實現對能量的有效調度，并減少能量調度對經濟效益、用戶體驗的影響。該算法將微電網實時能量調度分為3個階段，計算每個階段的最佳調度方案[7]。結果顯示，在對經濟效益和用戶體驗效果影響最小的情況下，動態規劃算法可以實現26.2%的優化比例，說明該方法滿足微電網實時能量的調度要求。但是，本文在研究過程中仍然存在不足，對于不同階段間的能量調度以及能量的落差問題缺乏深入研究，在未來的研究中，還需針對此內容進行深入分析。

[參考文獻]

[1] 郭夢旭，劉成林，劉雙，等.基于鴿群啟發算法的風電場多目標優化功率控制方法研究[J].機電信息，2022（2）：9-11.

[2] 何力，呂紅芳，李俊甫，等.基于模擬退火算法改進的人工魚群算法（SA_AFSA）的微電網能量優化調度研究[J].太陽能學報，2020，41（9）：36-43.

[3] 李得民，吳在軍，趙波.多微電網系統的合作博弈模型及其優化調度策略[J/OL].中國電機工程學報，2021：1-15.（2021-08-10）[2022-02-09].https：//kns.cnki.net/kcms/detail/detail.aspx？dbcode=CAPJ&dbname=

CAPJLAST&filename=ZGDC20210809003&uniplatform=

NZKPT&v=3UDY-INjhgoU2nsYCNiUgJSbHGuaHKSGPKwm1l6

a7sbUVfpOxYc69THSB6M0MOQq.

[4] 劉海明，王生鐵，劉瑞明，等.交直流混合微電網并網運行能量管理協調控制策略研究[J].內蒙古工業大學學報（自然科學版），2021，40（5）：355-363.

[5] 劉林鵬，朱建全，陳嘉俊，等.基于柔性策略-評價網絡的微電網源儲協同優化調度策略[J].電力自動化設備，2022，42（1）：79-85.

[6] 呂宇樺，楊蘋，陳錦濤，等.多元化綠色交易體系下直流微電網優化配置方法[J].電網技術，2021，45（3）：997-1005.

[7] 張東，劉甲琛，夏藝歌，等.風力發電無儲能型微電網能量管理方法研究[J].電力勘測設計，2021，12（6）：79-84.

收稿日期：2022-02-14

作者簡介：朱永明（1985—），男，浙江義烏人，工程師，研究方向：電氣工程及其自動化。