湯俊峰

（國網(wǎng)浙江省電力有限公司龍泉市供電公司，浙江龍泉 323700）

在電力系統(tǒng)中，配電網(wǎng)的能源管理至關(guān)重要，調(diào)度方案的優(yōu)劣直接決定了配電網(wǎng)能否安全、穩(wěn)定地運(yùn)行。配電網(wǎng)絡(luò)中控制單元的數(shù)量較多。因此，合理地規(guī)劃控制單元啟動、停止和輸出，并對其進(jìn)行協(xié)調(diào)和優(yōu)化是目前國內(nèi)外相關(guān)領(lǐng)域的重要研究課題。

常規(guī)配電網(wǎng)以火電、水電、核電為主要動力來源，其輸出穩(wěn)定、可控。由于風(fēng)電、光伏出力預(yù)測的準(zhǔn)確性不高，因此必須充分考慮配電網(wǎng)的隨機(jī)性和波動性。倪識遠(yuǎn)[1]等人提出了一種考慮動態(tài)重構(gòu)的調(diào)度方法，該方法通過使用環(huán)路網(wǎng)架十進(jìn)制編碼方式，能夠?yàn)槟Ｐ蜕舷聦記Q策變量提供電源出力。定義相同目標(biāo)函數(shù)上下層決策變量，使用協(xié)同優(yōu)化策略進(jìn)行配電網(wǎng)主動最優(yōu)調(diào)度。葉亮[2]等人提出了基于最優(yōu)潮流的調(diào)度方法，運(yùn)用二階錐松弛技術(shù)構(gòu)建潮流規(guī)劃模型，并調(diào)用Gurobi 求解器進(jìn)行求解。以優(yōu)化的聯(lián)絡(luò)線功率為約束條件，構(gòu)建配電網(wǎng)內(nèi)可控電源調(diào)度模型，結(jié)合Tent 映射混沌技術(shù)求解調(diào)度結(jié)果。調(diào)度優(yōu)化所得的決策方案使其能夠抵抗調(diào)度參數(shù)波動變化，但與此同時也意味著這兩種方法的保守性較強(qiáng)。

由于當(dāng)配電網(wǎng)中含有儲能設(shè)備、需求響應(yīng)以及電氣機(jī)組等各種能量時，調(diào)度過程的約束調(diào)節(jié)過程就會更加復(fù)雜。為此，結(jié)合深度置信網(wǎng)絡(luò)-隨機(jī)森林算法(Deep Belief Networks-Random Forest,DBN-RF)進(jìn)行配電網(wǎng)多能互補(bǔ)優(yōu)化調(diào)度。

1 基于DBN 的配電網(wǎng)多能互補(bǔ)優(yōu)化調(diào)度

研究對象為配電網(wǎng)分布式電機(jī)、燃?xì)廨啓C(jī)組、分布式光伏機(jī)組，基于DBN 的多能互補(bǔ)耦合協(xié)調(diào)結(jié)構(gòu)如圖1 所示。

圖1 深度置信網(wǎng)絡(luò)多能互補(bǔ)耦合協(xié)調(diào)結(jié)構(gòu)

由圖1 可知，充分考慮風(fēng)電與光伏出力不確定原因，結(jié)合耦合協(xié)調(diào)結(jié)構(gòu)改變配電網(wǎng)中能量分布情況[3]，以應(yīng)對不確定變量下惡劣場景預(yù)測值與真實(shí)值的偏差。

1.1 構(gòu)建調(diào)度模型

電-氣-熱多能互補(bǔ)魯棒優(yōu)化調(diào)度模型是以配電網(wǎng)運(yùn)行成本最小為目標(biāo)的，充分考慮儲能設(shè)備和多能耦合設(shè)備的聯(lián)合運(yùn)維費(fèi)用，構(gòu)建調(diào)度模型如式（1）所示：

式中，Z電、Z氣、Z熱分別表示分布式電機(jī)、燃?xì)廨啓C(jī)組、分布式光伏機(jī)組發(fā)電費(fèi)用；W電(t)、W氣(t)、W熱(t)分別表示t時段分布式電機(jī)、燃?xì)廨啓C(jī)組、分布式光伏機(jī)組發(fā)電平均功率；Z本、W本(t)分別表示t時段配電網(wǎng)接收到的售電電價、送電平均功率[4-6]，T表示總調(diào)度時間。針對該模型設(shè)置約束條件，如式（2）所示：

1.2 模型求解

由于DBN 深度置信網(wǎng)絡(luò)是由神經(jīng)網(wǎng)絡(luò)層和受限玻爾茲曼機(jī)層組成的，所以在使用該網(wǎng)絡(luò)求解模型時，可以將其視為一個特征學(xué)習(xí)模型[10-11]。在該模型中，輸入配電網(wǎng)電-氣-熱互聯(lián)數(shù)據(jù)，針對最優(yōu)調(diào)度問題，尋找電-氣-熱能源配電網(wǎng)最優(yōu)日前調(diào)度方案，并給出了魯棒優(yōu)化模型下限[12]。

假設(shè)DBN 中每個受限玻爾茲曼機(jī)具有二進(jìn)制可視單元和隱藏單元，將以配電網(wǎng)運(yùn)行成本最小為目標(biāo)的調(diào)度結(jié)果代入求解過程中，通過獨(dú)立特征學(xué)習(xí)不會受到非線性回歸過程影響。

在當(dāng)前調(diào)度模式下，求取惡劣場景下多能互補(bǔ)耦合協(xié)調(diào)調(diào)度方案，并給出關(guān)鍵問題的反饋。在此基礎(chǔ)上，將問題目標(biāo)函數(shù)值與反饋問題函數(shù)值之和作為魯棒優(yōu)化模型新的上界[13]。

DBN 網(wǎng)絡(luò)將各個層次的單元連接起來，利用無監(jiān)督學(xué)習(xí)方法獲得初始參數(shù)，確保模型在訓(xùn)練過程中不會陷入局部最佳狀態(tài)[14]。在DBN 網(wǎng)絡(luò)中，每一層信息都是由神經(jīng)元數(shù)目來決定的。在信息傳遞過程中，為了確保信息的一致性，可將隱藏層的信息表示為式（3）：

式中，I可表示可視層的實(shí)際信息量；m表示隱藏單元數(shù)量；n表示可視單元的數(shù)量。

在確保信息量一致的情況下，判定調(diào)度模型函數(shù)的上下界。當(dāng)上下界的值小于設(shè)定閾值時，算法停止迭代，此時的調(diào)度方案為最優(yōu)調(diào)度方案[15]；反之，由該問題所產(chǎn)生的關(guān)鍵情景會代替該問題，并不斷進(jìn)行迭代求解，直至達(dá)到設(shè)定的收斂條件為止。

2 基于RF的總體協(xié)調(diào)度評價

使用RF 隨機(jī)森林算法構(gòu)建多能互補(bǔ)調(diào)度綜合評價模型，該模型的關(guān)鍵環(huán)節(jié)是樣本集的抽樣，并結(jié)合所有抽樣結(jié)果形成子決策樹。以子決策樹為基礎(chǔ)，對調(diào)度方案進(jìn)行篩選，選擇最優(yōu)方案作為多能互補(bǔ)優(yōu)化調(diào)度方案。

2.1 總體協(xié)調(diào)度評價函數(shù)構(gòu)建

根據(jù)基于DBN 的配電網(wǎng)多能互補(bǔ)優(yōu)化調(diào)度方案，從原始樣本集中抽取多個子樣本集，形成子決策樹。對于樣本集的子決策樹，計算樣本集的信息熵，信息熵可表示為式（4）：

式中，Pi表示樣本集x中第i類分類結(jié)果所對應(yīng)的樣本占比。對所有樣本進(jìn)行處理后，將屬性節(jié)點(diǎn)加入決策樹中，即可構(gòu)建子決策樹[16]。統(tǒng)計子決策樹輸出結(jié)果，在多能互補(bǔ)優(yōu)化調(diào)度問題中，最理想的狀態(tài)是滿足所有單一目標(biāo)均達(dá)到理想值。然而，各個目標(biāo)函數(shù)都存在著矛盾，難以在滿足函數(shù)的最優(yōu)條件下實(shí)現(xiàn)。因此，需要構(gòu)建一個能使各個目標(biāo)函數(shù)協(xié)調(diào)一致的數(shù)值，具體計算過程如式（5）所示：

式中，R1(x)、R2(x)、R3(x)分別表示電能、氣能、熱能調(diào)度函數(shù)的最理想值。在這個調(diào)度過程中尋找一個決策向量x，使其表示與理想函數(shù)值最接近。因此，確定總體協(xié)調(diào)度評價函數(shù)，可表示為式（6）：

式中，R′(x) 表示綜合目標(biāo)函數(shù)值。在此基礎(chǔ)上，以歐氏距離為矢量空間，對其進(jìn)行綜合評估。

2.2 多能互補(bǔ)調(diào)度綜合評價

對于基于DBN 的配電網(wǎng)多能互補(bǔ)優(yōu)化調(diào)度模型，求出單個目標(biāo)函數(shù)的最優(yōu)值，再求出每個目標(biāo)的滿足度函數(shù)，并在全局解空間內(nèi)求出最接近最優(yōu)解的最佳方案，從而獲取最佳調(diào)度結(jié)果?；赗F 隨機(jī)森林算法的求解步驟如下：

將多目標(biāo)決策問題轉(zhuǎn)換成單一目標(biāo)最優(yōu)問題，其表達(dá)式如式（7）所示：

式中，、T1分別表示電能總理想值和綜合函數(shù)值；、T2分別表示光能總理想值和綜合函數(shù)值；、T3分別表示熱能總理想值和綜合函數(shù)值。

利用RF 隨機(jī)森林算法進(jìn)行求解計算，確定最終評價結(jié)果。結(jié)合深度置信網(wǎng)絡(luò)多能互補(bǔ)調(diào)度方案，確定整個配電網(wǎng)最佳運(yùn)行模式。

3 實(shí)驗(yàn)與分析

3.1 實(shí)驗(yàn)架構(gòu)

以電-氣-熱聯(lián)供型配電網(wǎng)為研究對象，其結(jié)構(gòu)如圖2 所示。

圖2 電-氣-熱聯(lián)供型配電網(wǎng)結(jié)構(gòu)

由圖2 可知，配電網(wǎng)主要由分布式風(fēng)力發(fā)電機(jī)、分布式光伏和小型燃?xì)忮仩t組成，這些組件都是以潔凈能源為動力運(yùn)行的，且燃?xì)忮仩t機(jī)組對配電網(wǎng)的凈負(fù)載變化有較強(qiáng)適應(yīng)性。

3.2 優(yōu)化調(diào)度數(shù)據(jù)分析

設(shè)置了以下四種調(diào)度場景進(jìn)行對比，分析不同運(yùn)行模式下調(diào)度算法的經(jīng)濟(jì)性。四種場景分別是：

場景1：電機(jī)-光伏聯(lián)合運(yùn)行，不考慮燃?xì)忮仩t，配電網(wǎng)常規(guī)調(diào)度。

場景2：電機(jī)-燃?xì)忮仩t聯(lián)合運(yùn)行，不考慮光伏，配電網(wǎng)常規(guī)調(diào)度。

場景3：光伏-燃?xì)忮仩t聯(lián)合運(yùn)行，不考慮電機(jī)，配電網(wǎng)常規(guī)調(diào)度。

場景4：電機(jī)-光伏-燃?xì)忮仩t聯(lián)合運(yùn)行，配電網(wǎng)常規(guī)調(diào)度。

四種場景下配電網(wǎng)調(diào)度結(jié)果如表1 所示。

表1 四種場景下配電網(wǎng)調(diào)度結(jié)果

場景1：當(dāng)電機(jī)、光伏機(jī)組作為一個整體接入配電網(wǎng)時，這兩部分能源的日前調(diào)度總成本相對于基礎(chǔ)價有所增加，這是因?yàn)榕潆娋W(wǎng)為應(yīng)對不確定變量，大幅度增加配電網(wǎng)的購電、光伏利用行為，其中購電行為在達(dá)到用電負(fù)荷后，剩余部分主要供給燃?xì)忮仩t出力，轉(zhuǎn)換為更多熱能。

場景2：當(dāng)電機(jī)、燃?xì)忮仩t作為一個整體接入配電網(wǎng)時，大幅度增加配電網(wǎng)的購電、購氣行為，其中購電、購氣行為在達(dá)到用電、用氣負(fù)荷后，剩余部分主要供給光伏機(jī)組出力。

場景3：當(dāng)光伏、燃?xì)忮仩t作為一個整體接入配電網(wǎng)時，這兩部分能源調(diào)度總成本大幅度增加，通過配電網(wǎng)光伏利用、購氣行為，將剩余部分供給電機(jī)出力，轉(zhuǎn)換為更多電能。

場景4：當(dāng)電機(jī)、光伏機(jī)組、燃?xì)忮仩t作為一個整體接入配電網(wǎng)時，這三個部分的調(diào)度總成本相對于基礎(chǔ)價有所減少，其原因是當(dāng)電機(jī)、光伏機(jī)組在惡劣情況下使出力達(dá)到最大值時，燃?xì)忮仩t可停止運(yùn)行。同理，電機(jī)、光伏機(jī)組在出力充裕情況下，配電網(wǎng)在一定程度上提升了消納能源的能力，保證配電網(wǎng)調(diào)度成本最低。

3.3 實(shí)驗(yàn)結(jié)果與分析

為了進(jìn)一步驗(yàn)證基于DBN-RF 的配電網(wǎng)多能互補(bǔ)優(yōu)化調(diào)度算法應(yīng)用的合理性，將其與考慮動態(tài)重構(gòu)的調(diào)度方法、基于最優(yōu)潮流的調(diào)度方法進(jìn)行實(shí)驗(yàn)對比分析。三種方法配電網(wǎng)出力的輸出有功功率情況如圖3 所示。

圖3 三種方法配電網(wǎng)出力對比分析

由圖3 中所示的實(shí)驗(yàn)結(jié)果可以看出，使用考慮動態(tài)重構(gòu)的調(diào)度方法在10 h 時，與理想出力數(shù)據(jù)存在最大誤差，最大差值為90 kW；使用基于最優(yōu)潮流的調(diào)度方法在10 h 時，與理想出力數(shù)據(jù)存在最大誤差，最大差值為40 kW；使用基于DBN-RF 的調(diào)度方法與理想出力數(shù)據(jù)一致。上述結(jié)果說明基于DBNRF 的配電網(wǎng)多能互補(bǔ)優(yōu)化調(diào)度算法的應(yīng)用效果較為理想，能夠有效提升配電網(wǎng)消納能源的能力，提高整體的調(diào)峰效益。

4 結(jié)束語

針對電機(jī)、燃?xì)廨啓C(jī)組、光伏機(jī)組等大規(guī)?？稍偕茉唇尤肱潆娋W(wǎng)發(fā)電所帶來的調(diào)峰問題，提出了基于DBN-RF 的配電網(wǎng)多能互補(bǔ)優(yōu)化調(diào)度算法。

該算法通過DBN 構(gòu)建多能互補(bǔ)優(yōu)化調(diào)度模型，再利用RF 算法評價模型調(diào)度結(jié)果。模型在保證調(diào)度成本最小的前提下，有效促進(jìn)多個能源的消納，提高整體調(diào)峰利益。