盧錦玲， 趙大千， 陳傳寶， 楊 進

(1.華北電力大學 電氣與電子工程學院，河北 保定 071003；2.國網(wǎng)保定供電公司，河北 保定 071051)

兼顧不同主體利益的主動配電網(wǎng)優(yōu)化調度

盧錦玲1， 趙大千1， 陳傳寶1， 楊 進2

(1.華北電力大學 電氣與電子工程學院，河北 保定 071003；2.國網(wǎng)保定供電公司，河北 保定 071051)

基于先進的量測和通信技術，對電源、電網(wǎng)和負荷側設備進行靈活的控制和管理，以提高配電網(wǎng)對大規(guī)模分布式電源的消納能力，是主動配電網(wǎng)區(qū)別于傳統(tǒng)配電網(wǎng)的重要特點。綜合考慮可調度分布式電源、儲能、有載調壓變壓器、分組投切電容器和需求側資源的主動控制和管理，在考慮環(huán)境效益的同時，兼顧配電公司和分布式發(fā)電商2個不同主體的利益，建立了以配電公司運行成本最小、分布式發(fā)電商凈收益最大、污染氣體排放量最低為目標的主動配電網(wǎng)日前優(yōu)化調度模型，并提出了一種基于多樣性策略的改進蝙蝠算法進行求解。采用熵權TOPSIS法進行綜合決策，從Pareto解集中選取最優(yōu)調度方案。最后以擴展的IEEE 33節(jié)點配電系統(tǒng)為算例，證明了上述調度模型和算法的合理性和有效性。

主動配電網(wǎng)； 多目標優(yōu)化； 日前調度； 環(huán)境效益； 不同主體利益

0 引言

電力系統(tǒng)中的分布式電源(Distributed Generation，DG)根據(jù)其控制特性可分為可調度分布式電源和不可調度分布式電源2類。可調度DG一般都是非間歇性的、可控的電源，如微型燃氣輪機(Micro-gas Turbine，MT)、燃料電池等；不可調度DG的出力則取決于環(huán)境因素，具有間歇性和不確定性，因此是不可控的，如光伏電源(Photovoltaic，PV)、風機(Wind Turbine，WT)等。通過對可調度分布式電源等可控資源的控制和管理，保證配電網(wǎng)安全經(jīng)濟運行，是配電網(wǎng)優(yōu)化調度的首要目標。

主動配電網(wǎng)(Active Distribution Network，ADN)的概念首次提出于2008年的國際大電網(wǎng)會議，旨在通過對電源側、電網(wǎng)側和負荷側設備進行靈活的主動控制和管理，以促進配電網(wǎng)對大規(guī)模分布式電源的安全經(jīng)濟消納[1]。因此，相對于傳統(tǒng)配電網(wǎng)ADN具有更多的可控資源。主動配電網(wǎng)優(yōu)化調度需考慮儲能、有載調壓變壓器、無功補償、需求側資源的控制和管理，具有更多的決策變量和約束條件，其優(yōu)化模型也更加復雜。

相對于傳統(tǒng)配電網(wǎng)，主動配電網(wǎng)優(yōu)化調度研究在國內(nèi)外尚處于起步階段，但是也取得了一定的研究成果。文獻[2]基于主動配電網(wǎng)能量管理系統(tǒng)，采用機會約束規(guī)劃方法建立了考慮分布式風機和光伏電源出力不確定性的主動配電網(wǎng)能量調度數(shù)學模型；文獻[3]通過設定調度優(yōu)先級對主動配電網(wǎng)中的分布式可控資源進行協(xié)調優(yōu)化調度，以一天24 h作為一個調度周期，實現(xiàn)可再生能源利用率、網(wǎng)損和用戶滿意度多個目標的綜合優(yōu)化；文獻[4-6]采用多時間尺度優(yōu)化調度方法，即基于負荷預測的日前優(yōu)化調度和基于當前狀態(tài)的實時優(yōu)化調度相結合，實現(xiàn)了ADN可再生能源的高效利用；文獻[7]在考慮分布式電源出力和電價不確定性的基礎上，建立了可控負荷、有載調壓變壓器(On-Load Tap Changer，OLTC)、并聯(lián)電容器協(xié)同調度的線性化優(yōu)化模型，并采用一種降壓節(jié)能的控制策略使ADN運行收益最大化；文獻[8]將分布式電源、儲能和微網(wǎng)作為控制對象，建立了網(wǎng)損最少、電壓偏移最小、負荷峰谷差最小的主動配電網(wǎng)多目標優(yōu)化調度模型，并采用粒子群-菌群算法解出最優(yōu)調度方案。但是多數(shù)研究成果存在以下問題：沒有考慮調度方案的環(huán)境效益，未把環(huán)境指標加入優(yōu)化目標之中；只考慮了配電公司的運行成本進行優(yōu)化，沒有兼顧配電公司和分布式發(fā)電商不同主體的利益。

針對上述問題，本文以配電公司運行成本最小、分布式發(fā)電商凈收益最大和污染氣體排放量最小為目標，全面考慮可調度分布式電源、儲能、有載調壓變壓器、分組投切電容器和需求側資源作為控制對象，建立ADN多目標日前優(yōu)化調度模型。提出了一種改進蝙蝠算法求解上述模型，并采用熵權TOPSIS法選擇最終調度方案。最后以算例仿真結果證明了本文調度模型和算法的合理性和有效性。

1 主動配電網(wǎng)多目標優(yōu)化調度模型

1.1目標函數(shù)

(1)配電公司運行成本最小。

主動配電網(wǎng)的運行成本為：

(1)

(2)

(2)分布式發(fā)電商凈收益最大。計算公式如下：

(3)

(4)

式中：cf、com分別為DG單位有功出力的燃料費用和運行維護費用。

(3)污染氣體排放量最低。假設儲能和不可調度DG在運行過程中不產(chǎn)生污染氣體，即僅考慮上級火電廠和可調度DG的污染氣體排放。計算公式如下：

(5)

式中：ΩN-DG為ADN中所有不可調度DG節(jié)點的集合；K為污染氣體種類數(shù)；ωk為第k種污染氣體的權重；eg,k為g節(jié)點處不可調度DG單位有功出力時排放的第k種污染氣體的量；ek為火電廠發(fā)電機單位有功出力時排放的第k種污染氣體的量。

1.2約束條件

(1)功率平衡約束。

(6)

(2)節(jié)點電壓約束。

(7)

(3)線路潮流約束。

(8)

(4)可調度DG出力及爬坡率約束。

(9)

(5)儲能設備功率及荷電狀態(tài)約束。

(10)

為保證持續(xù)性充放電調度，儲能設備一個周期內(nèi)的充放電能量應保持大致平衡，即滿足：

(11)

(6)OLTC分接頭調節(jié)約束。

(12)

(7)電容器投切約束。

(13)

(8)需求側負荷中斷約束。

主動配電網(wǎng)的需求側管理一般包括2種方法：一是基于峰谷電價的負荷轉移，即通過制定峰谷電價來引導用戶改變其用電行為，屬于被動的、不可控的管理措施；二是基于合同的負荷中斷，即配電公司按照事先與用戶簽訂的合同對其負荷進行削減，并給予該用戶一定經(jīng)濟補償[9]。本文考慮第2種方法，即基于合同的負荷中斷?？芍袛嘭摵墒且环N可控的需求側資源，在對其進行主動控制時要滿足以下約束：

(14)

2 多目標優(yōu)化調度模型求解方法

2.1傳統(tǒng)蝙蝠算法

蝙蝠算法(Bat Algorithm，BA)首次提出于文獻[10]。它通過模擬自然界中蝙蝠群利用回聲定位進行捕食的行為，對某個問題的目標函數(shù)進行優(yōu)化。在BA中，每個優(yōu)化問題的解都可看作搜索空間中的一個“蝙蝠”。t時刻，每個蝙蝠都有自己的空間位置xit和飛行速度vit，同時具有不同的頻率fi(或波長)、響度Ait和脈沖發(fā)射率rit。蝙蝠在追捕獵物的同時，改變自身的頻率、響度和脈沖發(fā)射率，進行最優(yōu)解的選擇，直到目標停止或條件得到滿足。

蝙蝠的頻率、速度和位置的更新公式為：

(15)

式中：fmax、fmin為脈沖頻率的上下限；β為[0,1]上均勻分布的隨機變量；x*為當前時刻蝙蝠群中的最優(yōu)蝙蝠位置。

蝙蝠的響度和脈沖發(fā)射率采用下式進行更新：

(16)

式中：α為取值[0,1]之間的常數(shù)；ri0為蝙蝠i的最大脈沖響度；γ為正常數(shù)。

2.2基于多樣性策略的改進蝙蝠算法

傳統(tǒng)蝙蝠算法收斂速度快、魯棒性強，已經(jīng)在多個學科領域得到了實踐和應用；但是該算法后期收斂速度慢、缺乏種群多樣性、易陷入局部最優(yōu)解[11-12]。針對傳統(tǒng)蝙蝠算法的不足之處，本文提出了一種基于多樣性策略的改進蝙蝠算法進行求解。

(1)引入線性遞減慣性權重系數(shù)。

在蝙蝠速度更新公式中引入慣性權重系數(shù)ω，如下式：

(17)

式中：ω是隨著算法迭代次數(shù)的增加而線性遞減的參數(shù)。算法迭代前期，ω值比較大，有利于蝙蝠在更大的空間范圍內(nèi)進行搜索，從而提高BA的全局搜索能力，避免算法過快收斂、陷入局部最優(yōu)；算法迭代后期，ω值變小，有利于提高算法的局部搜索能力，后期收斂速度較快、精度較高。

(2)運用吸引排斥機制保持種群多樣性。

蝙蝠算法種群多樣性(div)的計算公式為：

(18)

吸引排斥機制就是通過引入種群多樣性閾值dth，將蝙蝠種群進行“吸引”或“排斥”操作。當div≥dth時，種群向中心進行吸引操作、減少種群多樣性，即按照式(17)進行蝙蝠速度更新；當div

(19)

可見，吸引排斥機制能夠有效防止蝙蝠群多樣性在迭代后期不斷減少，有利于保持種群多樣性，避免算法進入早熟、陷入局部最優(yōu)。

采用改進蝙蝠算法的ADN優(yōu)化調度流程圖如圖1所示。

圖1 采用改進蝙蝠算法的ADN優(yōu)化調度流程圖

3 熵權TOPSIS法綜合決策

熵權法是一種根據(jù)各評價指標變異程度的大小來確定其客觀權重的方法[13]。一般情況下，若某個評價指標的變異程度越大，則這個指標包含的信息量就越多，在綜合決策中所占的權重就越大。反之，則權重越小。

TOPSIS法(Technique for Order Preference by Similarity to Ideal Solution)[14]是一種逼近于理想解的排序法，即根據(jù)評價對象與理想化目標的接近程度來判定對象的優(yōu)劣程度：若評價對象在離理想解最近的同時離負理想解最遠，則為最優(yōu)；否則不為最優(yōu)。熵權TOPSIS法就是采用熵權法指導TOPSIS法中各指標權重的確定，可以全面利用評價對象的信息，得出不受決策者主觀偏好影響的最終方案。熵權TOPSIS法綜合決策步驟如下：

4 算例分析

4.1算例參數(shù)

本文算例采用擴展IEEE 33節(jié)點配電系統(tǒng)[15]，如圖2所示。

圖2 擴展IEEE 33節(jié)點配電系統(tǒng)

系統(tǒng)的額定電壓為12.66 kV，網(wǎng)絡最大總負荷為(4 427+j2 547)kVA。節(jié)點電壓取值范圍為0.95～1.05 p.u.，節(jié)點1到節(jié)點5之間的線路最大載流量為0.474 kA，其他線路的最大載流量為0.316 kA。本文假設光伏電源、儲能為純有功出力，風機、微型燃氣輪機和可中斷負荷的功率因數(shù)均為0.95。單臺光伏電源、風機的額定容量均為1 MW；微型燃氣輪機的可調容量為600 kW，最大爬坡率為180 kW/h。儲能裝置容量為1 MW·h，最大充放電功率為200 kW，充放電效率為0.9，SOC調節(jié)范圍為20%～90%，充放電能量平衡閾值ε為0.01。每個調度周期儲能的初始電量為其總容量的20%。OLTC分接頭調節(jié)范圍為0.95～1.05(8×0.012 5)，一天內(nèi)最大調整次數(shù)為6次。分組投切電容器共10組，每組無功補償量為100 kVar，一天內(nèi)最大投切次數(shù)為4次?？芍袛嘭摵晒?jié)點為5、17、30，最大中斷量為該點負荷的60%，一天內(nèi)最大中斷時長為2 h。上級火電廠和可調度DG排放的污染氣體有CO2、SO2和NO2，考慮環(huán)境成本確定其權重分別為0.001 9、0.411 0和0.587 1[16]。

算例以一個典型日24 h為調度周期，調度間隔為1 h。負荷、光伏電源、風機全天的有功出力變化參考文獻[17]；優(yōu)化模型中的成本參數(shù)和環(huán)境參數(shù)取值見表1和表2。改進蝙蝠算法種群規(guī)模Np=60，最大迭代次數(shù)Gmax=100，最大和最小慣性權重系數(shù)分別為1和0.6。

表1 優(yōu)化模型的成本參數(shù)取值

注：峰時為8∶00～22∶00，谷時為22∶00～次日8∶00。

表2 優(yōu)化模型的環(huán)境參數(shù)取值

4.2結果分析

熵權TOPSIS法綜合決策中理想解、負理想解和最終Pareto解集(未進行歸一和加權)的分布情況如圖3所示。如本文第3節(jié)所述，通過計算Pareto解集中各解與理想解的相對接近度，即可確定最終決策方案。

圖3 最終Pareto解集的分布情況

采用本文改進蝙蝠算法得到的最優(yōu)調度結果如圖4所示。由圖4可以看出，儲能設備在高峰負荷時段(8∶00～22∶00)一般進行充電，而在低谷負荷時段(22∶00～次日8∶00)進行放電。這是因為電力市場中峰時電價高于谷時電價，通過儲能的有序充放電可以將部分峰時負荷轉移到谷時，從而減少峰時的購電量，降低運行成本。對于儲能設備在峰時的個別放電行為和在谷時的個別充電行為，這是由于儲能充放電需滿足一定的荷電狀態(tài)約束，不能過分充電或放電。另外，可中斷負荷一般在峰時進行中斷，這是因為在中斷量相同的情況下，中斷峰時的負荷相對于中斷谷時的負荷具有更優(yōu)的經(jīng)濟效益。

圖4 主動配電網(wǎng)多目標優(yōu)化調度結果

僅考慮配電公司運行成本的單目標優(yōu)化調度結果如圖5所示。

圖5 主動配電網(wǎng)單目標優(yōu)化調度結果

多目標優(yōu)化調度和單目標優(yōu)化調度的系統(tǒng)指標對比見表3。其中，平均最大/最小電壓是指ADN中各節(jié)點最大/最小電壓在一個調度周期的平均值。由圖5和表3可見，多目標和單目標優(yōu)化的最終調度方案不同。多目標優(yōu)化調度中MT的出力總體高于單目標優(yōu)化調度，即：考慮環(huán)境效益和不同主體利益的優(yōu)化調度方案中可調度DG的消納容量更高。相對于單目標優(yōu)化調度，多目標優(yōu)化調度方案雖然具有較高的運行成本，但是分布式發(fā)電商收益更大、污染氣體排放量較少，且系統(tǒng)平均電壓水平較高。這是因為多目標優(yōu)化調度方案的MT出力較大，而MT的上網(wǎng)電價高于主動配電網(wǎng)從上級電網(wǎng)的購電電價，MT單位有功出力的污染氣體排放量少于上級火電廠。

表3 多目標優(yōu)化調度和單目標優(yōu)化調度的系統(tǒng)指標對比

以單目標優(yōu)化調度為例，分別采用傳統(tǒng)蝙蝠算法和本文提出的改進蝙蝠算法進行求解，其迭代收斂曲線如圖6所示?？梢?，改進蝙蝠算法的收斂速度比傳統(tǒng)蝙蝠算法快；同時，由于引入了線性遞減慣性權重系數(shù)和吸引排斥機制，改進蝙蝠算法具有更強的全局尋優(yōu)能力，可以得到比傳統(tǒng)蝙蝠算法更優(yōu)的解。

圖6 傳統(tǒng)蝙蝠算法和改進蝙蝠算法迭代收斂曲線

5 結論

本文在全面考慮主動配電網(wǎng)可控資源的基礎上，以一天24 h為一個調度周期，建立了綜合考慮配電公司運行成本、分布式發(fā)電商凈收益和污染氣體排放量的主動配電網(wǎng)多目標優(yōu)化調度模型，提出了一種改進蝙蝠算法對模型進行求解，并采用熵權TOPSIS法選擇最終調度方案。算例仿真結果說明：考慮環(huán)境效益和不同主體利益進行優(yōu)化調度，有利于提高可調度DG的利用率，促進主動配電網(wǎng)對可調度DG的充分消納。隨著電力電子和通信技術的發(fā)展，主動配電網(wǎng)中分布式風電、光伏等間歇性可再生能源的可控性也越來越高；因此，本文的多目標優(yōu)化調度方案對于促進可再生能源的高效利用，具有較好的應用前景。

[1] 張欣悅，荊志朋，謝曉琳．面向用戶的智能配電網(wǎng)綜合評價指標體系及應用[J]．華北電力大學學報(自然科學版)，2016，43(1)：106-110．

[2] 王健，謝樺，孫?。跈C會約束規(guī)劃的主動配電網(wǎng)能量優(yōu)化調度研究[J]．電力系統(tǒng)保護與控制，2014，42(13)：45-52．

[3] 沙熠，邱曉燕，寧雪姣，等．協(xié)調儲能與柔性負荷的主動配電網(wǎng)多目標優(yōu)化調度[J]．電網(wǎng)技術，2016，40(5)：1394-1399．

[4] 董雷，陳卉，蒲天驕，等．基于模型預測控制的主動配電網(wǎng)多時間尺度動態(tài)優(yōu)化調度[J]．中國電機工程學報，2016，36(17)：4609-4616．

[5] 莊慧敏，肖建．主動配電網(wǎng)的兩階段優(yōu)化調度模型[J]．西南交通大學學報，2015，50(5)：928-934．

[6] 曾鳴，彭麗霖，王麗華，等．主動配電網(wǎng)下分布式能源系統(tǒng)雙層雙階段調度優(yōu)化模型[J]．電力自動化設備，2016，36(6)：108-115．

[7] 蔡宇，林今，萬燦，等．市場環(huán)境下考慮降壓節(jié)能調節(jié)的主動配電網(wǎng)運行優(yōu)化策略[J]．電網(wǎng)技術，2016，40(10)：2951-2960．

[8] ZHAO F，SI J，WANG J．Research on optimal schedule strategy for active distribution network using particle swarm optimization combined with bacterial foraging algorithm[J]．International Journal of Electrical Power & Energy Systems，2016，78(6)：637-646．

[9] 葉中行，孫明遠．家庭需求側資源與電力供應商雙向交互策略[J]．電力科學與工程，2017，33(3)：1-6．

[10] YANG X．Bat algorithm for multi-objective optimization[J]．International Journal of Bio-Inspired Computation，2011，3(5)：267-274．

[11] YANG X，GANDOMI A H．Bat algorithm：A novel approach for global engineering optimization[J]．Engineering Computation，2012，29(5)：267-289．

[12] 賀興時，丁文靜，楊新社．基于模擬退火高斯擾動的蝙蝠優(yōu)化算法[J]．計算機應用研究，2014，31(2)：392-397．

[13] 余健，房莉，倉定幫，等．熵權模糊物元模型在土地生態(tài)安全評價中的應用[J]．農(nóng)業(yè)工程學報，2012，28(5)：260-266．

[14] HWANG C L，YOON K P．Multiple attribute decision making methods and applications：A state-of-the-art survey[J]． Lecture Notes in Economics & Mathematical Systems, 1981, 375(4):525-531.

[15] BARAN M E，WU F F．Network reconfiguration in distribution systems for loss reduction and load balancing[J]．IEEE Transactions on Power Delivery，1989，4(2)：1401-1407．

[16] 栗然，申雪，鐘超，等．考慮環(huán)境效益的分布式電源多目標規(guī)劃[J]．電網(wǎng)技術，2014，38(6)：1471-1478．

[17] ZENG B，ZHANG J，YANG X，et al．Integrated planning for transition to low-carbon distribution system with renewable energy generation and demand response[J]．IEEE Transactions on Power Systems，2014，29(3)：1153-1165．

《電力科學與工程》

歡迎投稿

歡迎訂閱

投稿網(wǎng)址：http://www.dlkxygc.com

Optimal Dispatch of Active Distribution Network Considering Benefits of Different Agents

LU Jinling1， ZHAO Daqian1， CHEN Chuanbao1， YANG Jin2

(1．School of Electrical and Electronic Engineering，North China Electric Power University，Baoding 071003，China; 2．State Grid Baoding Power Supply Company，Baoding 071051，China)

Based on the advanced measurements and communication technologies, the flexible control and management are applied to the equipment at power side, grid side and load side, to improve the consumptive ability of distribution network for large-scale distributed generation. And it becomes a key characteristic that distinguishes active distribution network from traditional distribution network. Considering the active control and management of dispatchable distributed generation and equipment such as energy storage, on-load tap changer, packet switching capacitor and demand-side resources, etc., a day-ahead scheduling model for active distribution network is set up in this paper, which also takes the benefits of two different agents, distribution company and distributed generators, into account. The proposed model is established aiming at the goals of the lowest operating cost for distribution company, largest net income for distributed generators, and lowest emission of polluting gases. An improved bat algorithm based on the diversity strategy is proposed to solve the optimization model. The entropy weight TOPSIS method is used to make comprehensive decision, and the optimal scheduling scheme is selected from the Pareto solution set. Finally, an example of the extended IEEE 33 bus distribution system is given to prove the rationality and effectiveness of the scheduling model and algorithm.

active distribution network；multi-objective optimization；day-ahead scheduling；environmental benefit；benefits of different agents

2017-05-08。

10.3969/j.ISSN.1672-0792.2017.08.004

TM732

：A

：1672-0792(2017)08-0019-08

趙大千(1993-)，男，碩士研究生，研究方向為主動配電網(wǎng)規(guī)劃與運行。

盧錦玲(1971-)，女，博士，副教授，主要研究方向為電力系統(tǒng)運行、分析與控制。