基于分布估計算法的用戶參與需求響應檢測識別方法研究

王金鋒 任正某 姜炎君 孫曉晨

（國網陜西省電力有限公司經濟技術研究院，陜西 西安 710065）

0 引言

當前我國正處在經濟快速發展的時代，居民用電負荷不斷增加，電力供需矛盾突出，部分地區仍存在電力供應不足的現象。需求響應技術能夠極大地提高需求側負荷調節能力，但由于參與需求響應的用戶數目龐大，用戶是否有效參與需求響應難以檢測，導致電網需求響應的效果遠低于預期，對電力企業的經濟效益以及人們的日常生活造成了很大影響，所以研究一種用戶參與需求響應的檢測與識別方法十分重要。

目前，比較常見的需求響應檢測方法有以下幾種：

（1）專家系統。葛朝強等人[1]將專家的經驗和知識與受保護電網相結合并建立規則，同時給出了用戶參與需求響應的檢測識別過程與邏輯。

（2）神經網絡。Kumar等人[2]對用戶樣本數據進行訓練，搭建了需求響應檢測模型，取得了較為準確的結果。

（3）Petri網。Zhao等人[3]提出了改進后的基于Petri網的用戶配電網檢測識別模型，實現了對用戶參與需求響應的檢測識別。

但隨著電力市場改革的深入，電網規模不斷擴大，上述方法學習能力差、魯棒性低的缺陷逐漸顯現出來，已不能滿足當今的需求響應發展要求。

基于此，本文提出一種基于分布估計算法的用戶參與需求響應檢測識別方法，并改進評價函數，通過建立概率模型以及對種群個體的適應度值進行計算，最終得到準確的最優解，也就是用戶參與需求響應的具體停電線路，以實現用戶參與需求響應的檢測與識別，有效解決了傳統方法識別精度低、識別速度慢等問題。

1 參與需求響應檢測與識別基本理論概述

精確檢測和識別配電網中用戶具體停電線路是實現需求響應有效應用的前提和基礎。在城市電網轉型和對電力供應可靠性要求較高的場合，需要安裝能夠自動檢測和識別停電線路的系統。當用戶參與需求響應部分電路停電時，饋線終端FTU會獲取到相關斷路器及分段開關的信息序列，包括用電負荷、目前的電壓等級、有無停電電流、功率和斷路器開關位置等。在與需求響應停電電流的預先設定值比較后，將需求響應具體信息與部分電路的停電時間一起發送到控制主站，由計算機系統進行數據分析，以確定用戶是否真實參與需求響應，識別用戶具體切除了哪條負荷，控制指令是否有效。圖1所示為用戶參與需求響應的部分停電線路檢測識別流程圖。

圖1 用戶參與需求響應線路檢測與識別流程圖

用戶參與需求響應的部分電路停電檢測與識別主要是基于對饋線終端FTU傳輸給主控制系統實時數據的分析處理。斷路器上的FTU通過傳輸網絡向主配電站發送需求響應信息后，主配電站利用特定的算法確定用戶位置，然后發出指令，打開停電位置兩側的斷路器，合上聯絡開關。這一操作的準確性將保證用戶參與需求響應時間的準確性。

2 基于分布估計算法的用戶參與需求響應檢測識別方法

2.1 分布估計算法的基本原理

分布估計算法（Estimation of Distribution Algorithm，EDA）[4]是一種把統計學和隨機優化算法相結合后得到的全新智能進化算法，它不同于人工智能中的傳統進化算法，并不是利用微觀數學建模對生物進化進行研究，而是對整個生物進化的宏觀分析，能夠最大限度地提高種群信息的完整性，具有更好的全局搜索能力。從優良解集的概率模型分布中得出進化的方向，避免了進化過程中算法運算方向不確定和沒有目標的缺點，可以最大限度地保留算法偏離局部最優的能力，實現了全局收斂。分布估計算法的示意圖如圖2所示。

圖2 分布估計算法示意圖

2.2 用戶參與需求響應檢測識別算法流程

2.2.1 建立開關函數

用戶參與需求響應的時間、位置、線路信息是由饋線終端FTU反饋到主控制系統進行判斷分析，但該反饋信息為停電電流信息，并不是用戶具體的參與需求響應的線路信息，因此需要構建一個開關函數來進行信息轉換，如式（1）所示：

式中：Zi為第i個節點處饋線終端FTU反饋給主控制系統的設備狀態為對節點j以下所有線路上的停電狀態的運算為對節點k以上所有線路上的停電狀態的運算。

2.2.2 構建評價函數

在配電網中對用戶參與需求響應的線路進行檢測與識別時，應用分布估計算法的關鍵在于建立合適的評價函數對種群個體適應度值進行計算，從而找出用戶的減負荷線路信息，即用戶參與需求響應的具體信息，構造的評價函數如式（2）所示：

式中：F（Xi）為種群中每個個體所對應的適應度；Xi為配電網中各線路的狀態信息；Ij為配電網中各饋線終端FTU反映的實際狀態，取值為0時表示第j個饋線終端FTU上沒有流過需求響應電流；Ij*（Xi）為配電網各饋線終端FTU上的期望狀態。

例如，圖3所示的開環運行拓撲結構，各用戶開關位置均配有饋線終端FTU。

圖3 雙電源開環拓撲結構

當用戶L1參與需求響應時，1～4處能夠檢測識別到停電電流；當用戶L3參與需求響應時，1～3處能檢測識別到停電電流。由開關函數可將用戶參與需求響應的過程定義如式（3）所示：

其中，||表示或運算，等式右邊任一線路參與需求響應時，I*都能檢測到電流信息，并賦值為1。但當線路L3參與需求響應時，4處并不能檢測到停電電流，從而導致后面未參與需求響應的線路出現意外停電，因此對評價函數做出如式（4）所示的改進。

式中：ω為取值為正數的權系數，一般取0.8。

通過以上改進，可以有效減少誤判或錯判。

2.2.3 建立概率模型算法

概率模型的建立是分布估計算法的核心，概率模型的構建需要對實際問題進行研究分析，從而選擇合適的概率模型，本文針對需求響應參與檢測與識別的問題采用均勻分布概率模型；同時為了提高算法響應速度，采用了簡單易實現的UMDA算法。

2.2.4 對概率模型進行采樣

本文采用的概率模型隨機采樣方式為蒙特卡羅采樣方法，該方法建立在概率和理論總結方法的基礎上，通過生成U（0，1）的隨機數據集，產生分布函數所需要的隨機數，得到的隨機數如式（5）所示。

3 實驗仿真與分析

圖4所示是一個典型的IEEE33節點配電網結構拓撲圖，系統以多電源開環方式運行，從電源節點1、18、22、30四個節點來進行線路劃分，將其分為四個獨立的拓撲結構。

圖4 IEEE33節點拓撲結構

下面針對單段需求響應停電線路、多段需求響應停電線路的情況進行仿真，仿真結果如表1所示，第二列為本文方法得出的需求響應停電線路相量，其中需求響應停電線路相量中“1”表示該區段為響應線路，“0”表示該區段為非響應線路。

從表1分析可知，對于上面四種情況，分布估計算法對單段、多段用戶需求響應都能識別得比較準確，平均識別準確率在90%以上，并且所需時間都在1～2s，體現了對用戶參與需求響應檢測與識別的快速性和準確性。同時，繪制不同線路參與需求響應時的適應度函數曲線如圖5所示。

表1 需求響應檢測識別與仿真結果

圖5 需求響應停電時適應度函數曲線

由圖5可知，通過適應度函數對種群進行迭代時，雖然會有波動，但在迭代次數達到10次左右就能輸出最優的用戶需求響應線路，表明該方法在進行用戶參與需求響應的檢測與識別時有著很高的準確性，并且非常穩定。

4 結語

本文通過對傳統需求響應檢測方法進行研究分析，提出一種基于分布估計算法的用戶參與需求響應檢測識別方法，并改進了其評價函數，使該方法對用戶參與需求響應檢測識別的平均準確率達到90%以上，而檢測時間只需要1～2s，極大地提高了電網需求響應的調節能力，增強了電網運行的穩定性，有著非常廣闊的應用前景。