基于動態(tài)經(jīng)濟調度及無功調度的協(xié)同優(yōu)化

許金炬

（國網(wǎng)江蘇省供電公司江陰市供電分公司）

0 引言

電網(wǎng)調度對保障電網(wǎng)運行安全、降低電網(wǎng)運營成本、提升末端供電質量有積極幫助。隨著智能電網(wǎng)覆蓋范圍的增加，對電網(wǎng)調度也提出了更高的要求。傳統(tǒng)的電網(wǎng)調度只針對特定時段調度（即靜態(tài)調度），無法解決發(fā)電機功率分配不合理的問題，實用性較差。本文基于不平衡功率分配方法，對傳統(tǒng)的MHBA 算法進行了改良，運用該算法可實現(xiàn)全天候的動態(tài)經(jīng)濟調度和動態(tài)無功調度。運用該協(xié)同優(yōu)化策略，不僅能避免以往電網(wǎng)調度中功率失衡等問題，而且還能改善電壓質量、降低發(fā)電成本，對提升電力企業(yè)的經(jīng)濟效益有積極幫助。

1 動態(tài)經(jīng)濟調度數(shù)學模型的構建

經(jīng)濟調度的目的是在滿足約束條件的前提下，使電網(wǎng)的發(fā)電成本最低、排放的污染氣體最少。這里的約束條件包括2 項，其一是功率平衡等式約束，可表示為：

式中，Pi，t表示在t時刻第i個發(fā)電機的有功功率，Pd，t表示在t 時刻電網(wǎng)負荷，Ps，t表示t時刻的功率損耗。其二是發(fā)電機有功功率不等式約束，可表示為：

式中，和分別表示第i 個發(fā)動機輸出的最大和最小有功功率。為了量化表示電網(wǎng)運行中發(fā)電成本和污染氣體的排放量，設計目標函數(shù)：

式中，DFc（P）表示發(fā)電機在某個時間段（D）內的發(fā)電成本函數(shù)，對于火力發(fā)電機來說，特指燃料成本；DFe（P）表示某個時間段內污染氣體排放函數(shù)。N表示發(fā)電機數(shù)量，ai、bi、ci分別是第i個發(fā)電機的成本系數(shù)，相應的xi、yi、zi為第i個發(fā)電機污染氣體排放系數(shù)。本文把1h作為1個調度區(qū)間，一天內有24個調度區(qū)間，故T取值為24［1］。

2 動態(tài)無功調度數(shù)學模型的構建

無功調度的目的是合理分布無功潮流，達到降低線路功率損耗、保證電網(wǎng)運行安全的效果。與動態(tài)經(jīng)濟調度一樣，動態(tài)無功調度的約束條件也分為等式約束和不等式約束。僅考慮無功功率的情況下，等式約束可表示為：

式中，Qi表示第i個發(fā)電機的無功功率；QDi表示節(jié)點i處的無功負荷；Gij和Bij表示節(jié)點i與j之間的電納和電導。不等式約束條件有多種類型，如發(fā)電機電壓約束、變壓器抽頭約束、無功補償容量約束等［2］。這里以變壓器抽頭約束條件為例，不等式約束可表示為：

式中，t 表示變壓器數(shù)量，Tt表示變壓器交換頭位置。為了量化表示動態(tài)無功調度效果，本文選取了“功率損耗”指標，并建立了目標函數(shù)，函數(shù)式如下：

式中，DFL（V）表示在某個時間段內的功率損耗函數(shù)，N表示線纜數(shù)量，gk表示第k條線纜的電導，Vi，t和Vj，t分別表示在t時刻節(jié)點i和節(jié)點j的電壓幅值，λi，t和λj，t則為t 時刻對應節(jié)點的電壓相角，這里的T同樣取24。

3 動態(tài)經(jīng)濟調度和無功調度的協(xié)同優(yōu)化策略

3.1 動態(tài)電網(wǎng)調度的協(xié)同優(yōu)化模型

將前文所述的動態(tài)經(jīng)濟調度模型與動態(tài)無功調度模型相結合，構建動態(tài)電網(wǎng)調度協(xié)同優(yōu)化模型，表示為：

式中，DFc、DFe、DFl的含義和表達式見上文，不在贅述。協(xié)同優(yōu)化策略如下：

步驟1：結合電網(wǎng)參數(shù)，在發(fā)電機完成初始化后獲取電壓值V。根據(jù)V優(yōu)化經(jīng)濟調度，計算出發(fā)電機的有功功率P和發(fā)電成本Fc。

步驟2：根據(jù)P，優(yōu)化無功調度，計算出無功調度后發(fā)電機的電壓值V1和功率損耗Fl。

步驟3：將V1作為經(jīng)濟調度的輸入值，繼續(xù)優(yōu)化經(jīng)濟調度，求得新的P′、Fc′。

步驟4：將P′作為無功調度的輸入值，繼續(xù)優(yōu)化無功調度，可以得到新的V1′和Fl′。

步驟5：重復上述步驟，直到滿足條件［3］。

該協(xié)同優(yōu)化策略可通過MHBA 算法（多目標混合蝙蝠算法）實現(xiàn)，從應用效果來看能夠加快收斂速度、達到多目標優(yōu)化目的。但是MHBA 算法通常適用于靜態(tài)電網(wǎng)調度，如果將其直接運用到動態(tài)電網(wǎng)調度中，容易出現(xiàn)功率失衡、功率分配不均等問題，協(xié)同優(yōu)化效果不理想。基于此，本文提出了一種改進的MHBA算法。

3.2 基于改進MHBA算法的協(xié)同優(yōu)化

本文在傳統(tǒng)MHBA 算法的基礎上，用不平衡功率分配法對其進行改進，實現(xiàn)方法為：

步驟1：獲取當前發(fā)電機的有功功率P，根據(jù)上文介紹的功率平衡等式求得不平衡功率，以error表示。

步驟2：設定一個閾值δ，并將error 與δ 對比，判斷不平衡程度。如果存在error＞δ，則根據(jù)發(fā)電機數(shù)量（N）計算error的平均值，即error/N。

步驟3：把均分后的error 至分配給每一臺發(fā)電機，此時發(fā)電機獲得新的有功功率，記為Pi。

步驟4：重復步驟1～3，持續(xù)迭代，直到迭代次數(shù)m達到最大值（mmax），算法結束［4］。

改進的MHBA算法流程如圖1所示。

圖1 基于改進MHBA算法流程圖

4 基于協(xié)同優(yōu)化策略的電網(wǎng)調度仿真分析

4.1 仿真實驗設計

為了驗證上文設計的基于改進MHBA 算法協(xié)同優(yōu)化策略的應用效果，在Matlab R2020上進行了仿真實驗。運行環(huán)境為：

操作系統(tǒng)Windows10； CPU： 3.12GHz Intel Core i7處理器；內存：16GB。

在仿真實驗中，選擇“發(fā)電成本”和“功率損耗”兩項指標，評價傳統(tǒng)MHBA 算法協(xié)同優(yōu)化策略與改進MHBA 算法協(xié)同優(yōu)化策略，在電網(wǎng)調度中的應用效果［5］。為了消除無關因素干擾，仿真實驗中模擬了某電力系統(tǒng)在一天內各個時段的真實負載變化情況，如表1所示。

表1 某電力系統(tǒng)24 h負載記錄表

4.2 仿真實驗結果

仿真實驗結果如圖2所示。

圖2 兩種算法協(xié)同優(yōu)化下發(fā)電成本和功率損耗對比結果圖

結合上圖可知，在“發(fā)電成本”一項中，相比于傳統(tǒng)MHBA 算法，使用改進MHBA 算法進行動態(tài)經(jīng)濟調度和動態(tài)無功調度的協(xié)同優(yōu)化，電力系統(tǒng)每天的發(fā)電成本有明顯的降低。在2h 時兩者差異最小，為24 元；在14h 兩者差異最大，為77 元。使用改進MHBA 算法協(xié)同優(yōu)化策略后，該電力系統(tǒng)每天可節(jié)約發(fā)電成本（以平均值計）為：35748-34128=1620 元。在“功率損耗”一項中，相比于傳統(tǒng)MHBA 算法，使用改進MHBA 算法進行協(xié)同優(yōu)化后，電力系統(tǒng)的功率損耗也有一定程度的下降。在2h 和24h，兩者功率損耗差異最小，為0.2kW；在12h 兩者功率損耗差異最大，達到了1.3kW。使用改進MHBA 算法協(xié)同優(yōu)化策略后，該電力系統(tǒng)每天降低的功率損耗（以平均值計）為：189.6-176.0=13.6kW。

根據(jù)仿真實驗數(shù)據(jù)可知，本文提出的基于改進MHBA 算法的動態(tài)經(jīng)濟調度和動態(tài)無功調度協(xié)同優(yōu)化策略，能夠讓電力系統(tǒng)的發(fā)電成本和功率損耗得到不同程度的降低，對降低電力企業(yè)的運維成本和提高供電質量有積極幫助。

5 結束語

在電力系統(tǒng)的運維管理中，電網(wǎng)調度是一項重要操作。隨著電網(wǎng)智能化的成熟發(fā)展，將人工智能技術應用到電網(wǎng)調度中，在解決復雜調度問題和優(yōu)化調度效果方面發(fā)揮了重要作用。在構建動態(tài)經(jīng)濟調度和動態(tài)無功調度協(xié)同優(yōu)化模型的基礎上，利用改進的MHBA 算法對目標函數(shù)求解，在人工智能技術的支持下進行多次迭代運損，逐步逼近最優(yōu)解，保證了約束條件的最優(yōu)化。在此基礎上進行電網(wǎng)調度，顯著降低了發(fā)電成本和功率損耗，在滿足用戶用電需求的同時，也達到了電力企業(yè)的預期。