袁敬中 ,傅守強(qiáng) ,陳翔宇 ,趙福旺

(1.國網(wǎng)冀北電力有限公司經(jīng)濟(jì)技術(shù)研究院,北京 100038;2.唐山電力勘察設(shè)計院有限公司,河北 唐山 063004)

隨著可再生能源滲透率水平的提高,占據(jù)工業(yè)主導(dǎo)地位的安全電力比以往任何時候都更加重要[1]。可再生能源的出力受外部場景影響較大,帶來的波動性和不確定性可能導(dǎo)致的配電網(wǎng)絡(luò)系統(tǒng)安全問題不可忽略[2]。同時,配電網(wǎng)的能源結(jié)構(gòu)由于分布式電源的接入而變得越發(fā)復(fù)雜[3]。因此,如何建立有效的適用于未來配電網(wǎng)發(fā)展的優(yōu)化模型已成為業(yè)界關(guān)注的一個焦點[4]。

現(xiàn)階段,集中式配電網(wǎng)優(yōu)化模型的實施效率較低,節(jié)點間信息傳輸?shù)陌踩暂^低[5],由此導(dǎo)致配電網(wǎng)的優(yōu)化進(jìn)程減慢,不符合未來配電網(wǎng)的發(fā)展趨勢[6]。區(qū)塊鏈?zhǔn)且环N融合多種技術(shù)的分布式數(shù)據(jù)庫[7],數(shù)據(jù)信息在網(wǎng)絡(luò)中全權(quán)公開,而數(shù)據(jù)的保存只由管理者負(fù)責(zé)[8]。因此,區(qū)塊鏈的特性主要表現(xiàn)為公開透明、去中心化以及不可篡改性,這與未來配電網(wǎng)的智能發(fā)展需求完美契合。區(qū)塊鏈技術(shù)為解決配電網(wǎng)優(yōu)化運行領(lǐng)域的問題提供了新的研究方向。

目前,區(qū)塊鏈技術(shù)已被引入到配電網(wǎng)的相關(guān)研究領(lǐng)域中。Gong等[9]針對可再生能源帶來的波動性等問題,提出將區(qū)塊鏈技術(shù)集成應(yīng)用在輸配電網(wǎng)絡(luò)中的能源路由器上,使得可再生能源的滲透率大大提高。Hayes等[10]提出了一種配電網(wǎng)絡(luò)和本地點對點能源交易平臺的聯(lián)合仿真方法,并用典型的歐洲郊區(qū)配電網(wǎng)絡(luò)的案例研究演示了所提出的聯(lián)合仿真方法,由此證明了這種方法可用于分析點對點能源交易對網(wǎng)絡(luò)運行性能的影響。Shah等[11]提出了基于分布式共識的乘法器交替方向的(DCADMM)優(yōu)化算法,將優(yōu)化問題分解為具有私有成本函數(shù)和約束的子問題,使得求解過程的尋優(yōu)性能大大提高。李軍等[12]提出了一種基于區(qū)塊鏈的配電網(wǎng)系統(tǒng)自動化感應(yīng)和問題優(yōu)化方案,可使配電網(wǎng)系統(tǒng)在信號不足的情況下能有效提高運行水平。龔鋼軍等[13]將綜合能源服務(wù)系統(tǒng)與區(qū)塊鏈技術(shù)相融合,使得綜合能源與區(qū)塊鏈間的可適度大大提高。胡偉等[14]針對傳統(tǒng)電力調(diào)度中的問題,在區(qū)塊鏈理念下設(shè)計了電力能源供需網(wǎng)調(diào)度優(yōu)化模型,以此提高電力系統(tǒng)的安全可靠性。上述文獻(xiàn)對未來配電網(wǎng)的發(fā)展具有積極作用,也為進(jìn)一步優(yōu)化能源服務(wù)場景提供了參考和借鑒。但在現(xiàn)有研究中尚缺乏區(qū)塊鏈與未來配電網(wǎng)優(yōu)化模型設(shè)計相融合的內(nèi)容,配電網(wǎng)相關(guān)優(yōu)化模型的實施和求解效率較低。這些不足形成了未來配電網(wǎng)智能化發(fā)展的阻力。

基于上述分析,本文提出基于區(qū)塊鏈的未來配電網(wǎng)優(yōu)化模型。首先,借鑒區(qū)塊鏈的去中心化以及安全透明等特性,構(gòu)建了基于區(qū)塊鏈的配電網(wǎng)架構(gòu);然后,考慮到可再生能源給配電網(wǎng)造成的波動性等問題,結(jié)合多場景分析法,建立考慮經(jīng)濟(jì)性和穩(wěn)定性的未來配電網(wǎng)優(yōu)化模型;最后,提出改進(jìn)的蟻群進(jìn)化算法以及分布式計算流程,完成了基于區(qū)塊鏈的優(yōu)化模型計算,以保障配電網(wǎng)優(yōu)化模型的求解效率及準(zhǔn)確性。

1 區(qū)塊鏈與未來配電網(wǎng)

1.1 區(qū)塊鏈與未來配電網(wǎng)優(yōu)化運行的契合度分析

在現(xiàn)實情況下,配電網(wǎng)存在的問題是顯而易見的,如信息溝通不及時、信息傳遞時間長以及調(diào)度模型求解慢等。此外,配電網(wǎng)內(nèi)部節(jié)點多所帶來的維護(hù)困難也無法有效保障配電網(wǎng)的安全。

從細(xì)節(jié)上看,典型的配電網(wǎng)內(nèi)部節(jié)點間信息的傳遞模式為就近傳遞,即系統(tǒng)中的節(jié)點只限于和相鄰節(jié)點傳遞信息[15]。處于下游位置的節(jié)點,需要先將自身潮流信息傳遞給“中間商節(jié)點”,之后由“中間商節(jié)點”傳遞給中心機(jī)構(gòu)接收。中心機(jī)構(gòu)根據(jù)相關(guān)數(shù)據(jù)計算出最優(yōu)的調(diào)度指令后,再經(jīng)過相同路徑的反方向傳播,完成對下游節(jié)點調(diào)度指令的分配[16-17]。由此可見,這種信息傳遞方式存在一定的節(jié)點故障隱患,一旦某一節(jié)點發(fā)生通信故障,其下游節(jié)點都無法接收調(diào)度指令,因而造成配電網(wǎng)優(yōu)化規(guī)劃目標(biāo)的達(dá)成效率大大降低。

因此,為了解決上述問題,本文借鑒區(qū)塊鏈的去中心化以及可追溯等特性,提出基于區(qū)塊鏈的配電網(wǎng)優(yōu)化規(guī)劃運行模型。該模型引入?yún)^(qū)塊鏈后與傳統(tǒng)的配電網(wǎng)模型相比具有兩點優(yōu)勢:①智能合約可自動執(zhí)行。為配電網(wǎng)的電源節(jié)點(如分布式電源、常規(guī)電源節(jié)點等)配置擁有計算、通信以及測量等功能的智能單元,由此完成區(qū)塊鏈系統(tǒng)的構(gòu)建。通信模塊的作用是在分散部署的計算節(jié)點之間建立關(guān)聯(lián)關(guān)系,根據(jù)需求配置相關(guān)的智能合約,在智能合約的執(zhí)行系統(tǒng)下,多種功能將被封裝在節(jié)點上,觸發(fā)條件滿足時即可執(zhí)行相應(yīng)的功能。②數(shù)據(jù)備份與可靠性有保障。由于區(qū)塊鏈上的數(shù)據(jù)對于所有節(jié)點都是可見的,所以系統(tǒng)中的節(jié)點都具備通信能力。因此,所有節(jié)點都擁有全部數(shù)據(jù)的權(quán)力,從而解決了單點故障問題。當(dāng)某一節(jié)點出現(xiàn)故障時,區(qū)塊鏈系統(tǒng)可從正常節(jié)點內(nèi)的備件將數(shù)據(jù)回復(fù),從而促使配電網(wǎng)運行效率及調(diào)度可靠性的提升。

1.2 基于區(qū)塊鏈的配電網(wǎng)架構(gòu)

由于可再生分布式能源的大規(guī)模加入,傳統(tǒng)的配電網(wǎng)已經(jīng)不能滿足可再生能源高滲透率的需求,需要向綜合能源配電網(wǎng)方向轉(zhuǎn)變。為此,本文構(gòu)建了基于可再生能源高滲透率的配電網(wǎng)架構(gòu),如圖1所示。在配電網(wǎng)側(cè)接入冷熱電聯(lián)產(chǎn)系統(tǒng)(Combined Cooling Heating and Power,CCHP)和電制冷裝置(Air Conditioning,AC),在天然氣管網(wǎng)末端接入CCHP機(jī)組和燃?xì)鉄崴仩t(Gas Fired Hot Water Boiler,GHB),以此向用戶提供具有安全、經(jīng)濟(jì)和高效的電能、熱能及冷能。

圖1 基于區(qū)塊鏈的配電網(wǎng)運行架構(gòu)

本文所提出的配電網(wǎng)架構(gòu)的特點是將區(qū)塊鏈中的公有鏈和私有鏈特性引入到配電網(wǎng)系統(tǒng)中,目的是提高系統(tǒng)優(yōu)化規(guī)劃求解的效率。公有鏈的特性主要表現(xiàn)為系統(tǒng)內(nèi)部的所有誠信節(jié)點都有參與基于Po W 共識機(jī)制[18]計算以及驗證規(guī)劃模型的機(jī)會,而私有鏈的特性表現(xiàn)為只有調(diào)控中心節(jié)點才有發(fā)布算例任務(wù)的權(quán)利,其他節(jié)點不可隨意篡改區(qū)塊上的信息,只有調(diào)控中心節(jié)點可以發(fā)布相應(yīng)算力和激勵。節(jié)點在對規(guī)劃模型實施計算或者驗證后都會獲得相應(yīng)的獎勵。

區(qū)塊鏈中一個非常重要的環(huán)節(jié)就是共識。從社會治理角度講,共識決定了區(qū)塊鏈社會中的經(jīng)濟(jì)形態(tài),解決的是為什么參與以及能得到什么利益的問題。從技術(shù)上講,共識的目的是促使交易達(dá)成一致。PoW(Proof of Work)意為共識機(jī)制(即工作量證明機(jī)制),通過運算生成滿足規(guī)則的隨機(jī)數(shù),從而獲得本次記賬權(quán),發(fā)出需要記錄的數(shù)據(jù),并通過網(wǎng)絡(luò)中其他節(jié)點的驗證后一并儲存。

2 基于多場景分析的未來配電網(wǎng)優(yōu)化模型

2.1 多場景分析

多場景分析的目的是選取簡單、高效且具有確定性的場景,以便有效減少復(fù)雜公式的建模分析,降低模型的求解時間,提高求解效率[19]。

對于多場景有多種分析方法。例如,以四季作為分辨依據(jù)的時序劃分法,該方法根據(jù)分布式電源的出力隨季節(jié)變化的特性以提高劃分結(jié)果的可靠性,但其對場景的處理不甚理想,較為粗糙,誤差大;還有以決策變量與理想變量之間的插值效果為依據(jù)的場景分析法,該方法假設(shè)決策變量的誤差服從一定的概率分布,并由此生成大規(guī)模隨機(jī)數(shù)而確定場景的誤差區(qū)間,根據(jù)隨機(jī)數(shù)的發(fā)生概率計算場景概率,以此考察場景的決策效果。

基于上述分析方法的特點,本文將兩種方法進(jìn)行結(jié)合,用場景分析法彌補(bǔ)時序劃分法的粗糙性,用時序劃分法增強(qiáng)隨機(jī)變量的季節(jié)特性。在此將這種方法稱之為多場景分析法,并將其運用于配電網(wǎng)的優(yōu)化規(guī)劃當(dāng)中。多場景分析法的主要特性體現(xiàn)在如下幾個方面:

(1) 分布式電源出力時序性。風(fēng)、光及各類負(fù)荷在不同季節(jié)下的變化曲線表示出風(fēng)電、光伏的出力值及各類負(fù)荷的需求值與季節(jié)具有很大的相關(guān)性,由此提供了春夏秋冬四季場景時序劃分的依據(jù)。

①風(fēng)電出力時序性。天氣、地理位置以及季節(jié)等因素都會對風(fēng)速產(chǎn)生影響,因此,風(fēng)電的有功出力會隨著風(fēng)速的變化而變化。通常四季風(fēng)速的變化是有規(guī)律的,例如冬季風(fēng)速均值最大而夏季較小,風(fēng)速高值區(qū)一般在10～18時之間等。風(fēng)速的規(guī)律在一定程度上揭示了風(fēng)力發(fā)電機(jī)出力的規(guī)律,因此,風(fēng)機(jī)發(fā)電機(jī)的出力與季節(jié)有很大的相關(guān)性。

②光伏出力時序性。白天的光照強(qiáng)度具有極大的不確定性,輻射大小隨天氣變動較大,因此,光伏出力具有時間不連續(xù)性和場景不確定性。一般情況下,夏季的光照強(qiáng)度大于冬季的光照強(qiáng)度。

(2)風(fēng)光時序互補(bǔ)。圖2和圖3分別所示為夏季和冬季的風(fēng)、光出力情形對比。在夏季光伏出力大于風(fēng)電出力,而兩者在冬季的出力性質(zhì)相反。

圖2 夏季風(fēng)光出力對比

圖3 冬季風(fēng)光出力對比

上述場景凸顯了分布式電源出力時序的重要性,因此,必須在充分考慮時序性的前提下,利用規(guī)劃模型的求解結(jié)果,合理兼顧風(fēng)電和光伏發(fā)電的特點與區(qū)別,以實現(xiàn)最大程度的資源節(jié)約。

2.2 多場景下配電網(wǎng)優(yōu)化模型

在滿足經(jīng)濟(jì)獲益最高的前提下,需要全方面考慮待規(guī)劃設(shè)備的擴(kuò)充容量,旨在促使用戶側(cè)的用能成本最小,進(jìn)而實現(xiàn)用戶側(cè)購電效益最大化。

本文所構(gòu)建模型的約束條件表現(xiàn)在如下5 個方面。

約束1CCHP機(jī)組建模。

(1)CCHP機(jī)組規(guī)劃容量的上、下限,即

(2)CCHP機(jī)組用氣量限制,即

式中,V c,t,s為CCHP消耗的天然氣。

約束2燃?xì)鉄崴仩t建模。

GHB作為CCHP 機(jī)組供熱的補(bǔ)充設(shè)備,通過燃燒天然氣供應(yīng)熱能。

(1) 燃?xì)鉄崴仩t規(guī)劃容量的上、下限,即

(2) 燃?xì)鉄崴仩t用氣量的上、下限,即

式中,V g,t,s為燃?xì)鉄崴仩tg在場景s下時刻t燃?xì)鉄崴仩t節(jié)點集合。

約束3電制冷(AC)裝置建模。

AC是通過電能制冷的裝置,是CCHP 機(jī)組制冷的一種補(bǔ)充裝備。

(1)AC裝置規(guī)劃容量的上、下限,即

(2)AC裝置用電量的上、下限,即

式中,P k,t,s為電制冷裝置k在場景s下時刻t消耗的有功功率。

約束4分布式電源模型。

式中:VPW為含DG時系統(tǒng)年電壓指標(biāo);VPWO為不含DG時系統(tǒng)年電壓指標(biāo)。

約束5配電網(wǎng)模型。

配電網(wǎng)的規(guī)劃內(nèi)容與相關(guān)電站容量的擴(kuò)充相關(guān)。由于分布式可再生能源的隨機(jī)性較大,使得電網(wǎng)內(nèi)部能源不再是單相傳輸?shù)姆绞健Ｒ虼?本文基于Distflow 模型建立配電網(wǎng)約束模型,使得配電網(wǎng)內(nèi)部分無功功率供給得到極大的滿足。

(1) 變電站規(guī)劃容量上、下限,即

(2) 變電站有功功率上、下限,即

(3) 變電站無功功率限制,即

在上述約束條件基礎(chǔ)上,本文設(shè)定的基于多場景分析的經(jīng)濟(jì)性目標(biāo)函數(shù)如下所述。

經(jīng)濟(jì)效益最大化是配電網(wǎng)規(guī)劃所要遵循的基本目標(biāo)。針對配電網(wǎng)規(guī)劃模型的設(shè)計,選用全壽命周期的年均成本現(xiàn)值表示經(jīng)濟(jì)性,同時建立了最小化的全壽命周期的年均成本現(xiàn)值表示目標(biāo)函數(shù)。

全壽命周期成本是指整個運作期內(nèi)產(chǎn)品消耗的總成本,為了突出配電網(wǎng)規(guī)劃的經(jīng)濟(jì)性,以年壽命周期成本(即平均分布在年內(nèi)的全壽命周期成本)為代表,對全壽命周期成本進(jìn)行了簡化,數(shù)值上等于風(fēng)電光等分布式電源、CCHP機(jī)組、GHB 和AC設(shè)備投入后全壽命周期內(nèi)年均投資費用的現(xiàn)值,目標(biāo)函數(shù)如下式所示:

式中:Cp為年壽命周期成本;Cg為設(shè)備的初期投資成本;r0為折現(xiàn)率;n為經(jīng)濟(jì)使用年限;Cm為設(shè)備年運行費用;Co為年直接停電損失費用。設(shè)備的初期投資費用如下式所示:

3 基于區(qū)塊鏈的優(yōu)化模型求解

在基于區(qū)塊鏈的配電網(wǎng)絡(luò)背景下,蟻群算法(Ant Colony Optimization,ACO)又稱螞蟻算法,更能突顯它的特殊價值。蟻群算法是一種模擬進(jìn)化的智能算法,其思路來源于螞蟻尋找食物的行為。每只螞蟻在尋找食物的過程中都會釋放一些信息素,路徑越短,揮發(fā)掉的信息素數(shù)量越少,其剩余的濃度就相對較高,從而其他螞蟻被吸引的概率就越高。因此,隨著時間的流逝,信息素濃度最高的路徑將成為最優(yōu)結(jié)果[20]。

由此原理可知,區(qū)塊鏈與蟻群算法都具有去中心化的相同特性。因此,本文采用改進(jìn)的蟻群算法(Improved Ant Colony Optimization Algorithm,IACO)求解上述優(yōu)化模型。改進(jìn)算法中,將揮發(fā)因子改成動態(tài)的自適應(yīng)變化值,并對信息素進(jìn)行了改進(jìn),以提高算法的全局搜索能力。算法中,信息素對應(yīng)于啟發(fā)因子。

從計算機(jī)工程的角度看,通常采用的是一個主機(jī)帶動多個終端的集中式算法,在主機(jī)上進(jìn)行全部的運算而終端不具備數(shù)據(jù)處理能力。相對的,分布式算法則是當(dāng)前智能算法采用的主流技術(shù),它是由集群或多層客戶機(jī)與服務(wù)器為運行機(jī)制的一種運算技術(shù)。顯然,集中式算法耗時耗力,為此,本文選取了基于PoW 共識機(jī)制的分布式算法以提高求解效率。具體的算法流程如圖4所示。

圖4 分布式計算算法流程

4 算例分析

4.1 算例設(shè)計

為驗證本文所述優(yōu)化模型的優(yōu)越性與適用性,本節(jié)在IEEE33節(jié)點的配電網(wǎng)系統(tǒng)下構(gòu)建綜合能源系統(tǒng)(見圖5),模擬配網(wǎng)環(huán)境進(jìn)行算例分析。該配網(wǎng)中共包括37條支路,1個電源網(wǎng)絡(luò)首端基準(zhǔn)電壓12.66 k V,同時,各節(jié)點的負(fù)荷類型如下:節(jié)點1～10均為商業(yè)負(fù)荷,11～25均為居民負(fù)荷,26～33均為工業(yè)負(fù)荷。該配網(wǎng)參數(shù)如表1所示。

表1 IEEE-33節(jié)點配電系統(tǒng)參數(shù)

這里比較詳細(xì)地列舉了配網(wǎng)環(huán)境相關(guān)系統(tǒng)參數(shù),主要目的是突顯優(yōu)化模型計算中的區(qū)塊鏈技術(shù)特性。

圖5表示該配網(wǎng)綜合能源系統(tǒng)中位于節(jié)點10和節(jié)點28處各有一個分布式光伏電站。并且,本文選擇對風(fēng)電和光伏發(fā)電電源進(jìn)行規(guī)劃,在此基礎(chǔ)上,依據(jù)當(dāng)前所研究場景的所需負(fù)荷量,設(shè)立4個節(jié)點,在這4個節(jié)點中安裝風(fēng)電(f)或光伏(g)設(shè)備。

圖5 綜合能源系統(tǒng)下修改的33節(jié)點配電網(wǎng)

4.2 結(jié)果分析

4.2.1ACO 與IACO 算法對比分析 本文分別采用IACO 與ACO 算法對分布式電源規(guī)劃進(jìn)行了計算,結(jié)果如圖6所示。圖6中,深色線和淺色線分別為采用IACO 和ACO 算法的尋優(yōu)收斂曲線。對比可知,IACO 算法的收斂速度明顯快于ACO 算法,結(jié)果表明,IACO 算法具有顯著的優(yōu)越性。

圖6 DG 規(guī)劃中IACO 和ACO 尋優(yōu)對比

4.2.2基于IACO 算法的結(jié)果分析 上節(jié)證實了IACO 算法優(yōu)于ACO 算法。據(jù)此,本節(jié)基于年均投資費用現(xiàn)值以及電壓分布改善率兩個指標(biāo),分別在考慮場景分析和不考慮場景分析兩種模式下,采用IACO 算法進(jìn)行了多目標(biāo)仿真尋優(yōu)運算,結(jié)果如圖7所示。

圖7 兩種模式下的Pareto前沿

由圖7可見,加入場景分析后的規(guī)劃結(jié)果更具有優(yōu)越性。這是由于考慮出力波動性的影響,合理設(shè)定了風(fēng)電以及光伏發(fā)電的比例,使得負(fù)荷曲線與出力曲線實現(xiàn)最大程度的互補(bǔ),進(jìn)一步說明了場景分析對于模型規(guī)劃求解的必要性,計算結(jié)果列于表2。

表2 基于場景分析的部分Pareto最優(yōu)解

由表2可以明顯看出,風(fēng)機(jī)占比越大,目標(biāo)值Cp越小,主要原因是風(fēng)電機(jī)組造價較低;相反地,光伏機(jī)組的造價較高,對應(yīng)的目標(biāo)值也較大。雖然風(fēng)電機(jī)組占比越高、投資成本越低,但其出力的穩(wěn)定性卻低于光伏發(fā)電的穩(wěn)定性。因此,決策時不僅需要考慮經(jīng)濟(jì)指標(biāo),還應(yīng)合理設(shè)置風(fēng)電與光伏發(fā)電的比例,追求更好的能源出力效用。

5 結(jié)語

配電網(wǎng)優(yōu)化是一個涉及發(fā)電方式、機(jī)組配置、環(huán)境約束和經(jīng)濟(jì)優(yōu)化的復(fù)雜問題。為了更好地解決配電網(wǎng)優(yōu)化效果欠佳、優(yōu)化模型求解效率低下等問題,本文提出了基于區(qū)塊鏈的未來配電網(wǎng)優(yōu)化模型。通過區(qū)塊鏈技術(shù)的引入,進(jìn)行了一種適應(yīng)未來發(fā)展需求的配電網(wǎng)架構(gòu)設(shè)計。同時,針對未來配電網(wǎng)可再生能源滲透率不斷提高所帶來的不確定性等問題,利用多場景分析法,把風(fēng)電和光伏的時序互補(bǔ)性考慮到優(yōu)化模型中,進(jìn)而可以提高多場景分析下的配電網(wǎng)優(yōu)化模型的可行性。在實踐方面,把分布式計算算法與Po W 共識機(jī)制進(jìn)行結(jié)合,可以達(dá)到每個節(jié)點公平競爭運算任務(wù)的目的,以確保配電網(wǎng)優(yōu)化模型的求解效率與求解質(zhì)量。