盧錦玲， 初文奇， 於慧敏， 郭金體， 馬 沖

(1.華北電力大學 電氣與電子工程學院，河北 保定 071003； 2.無錫供電公司，江蘇 無錫 214000； 3.華北石油管理局水電廠，河北 任丘 062550)

0 引言

主動配電網(Active Distribution Network，AND)是有高滲透率DG(Distributed Generation)接入的具有主動控制和主動管理能力的配電網，主動配電網發(fā)電側的主動參與和用戶側的主動響應使配電網由原來的被動接收電能變?yōu)橹鲃永秒娔躘1]。主動配電網的優(yōu)化調度是通過對DG、儲能、柔性負荷等分布式能源設備的合理控制，達到增強對可再生能源消納能力，節(jié)能降耗，提高電網運行可靠性和供電質量的目的[2]。

由于風電、光伏等間歇性可再生能源發(fā)電出力的隨機性和波動性，儲能系統、柔性負荷不同時間斷面的時間轉移特性和耦合相關性[3]，以及主動配電網對聯絡開關調整的靈活性，使得傳統配電網的優(yōu)化調度策略不再適用于主動配電網。主動配電網的優(yōu)化調度模型，其目標函數是對整個調度周期綜合運行成本的優(yōu)化，而非以某一時刻網損或發(fā)電成本最小為優(yōu)化目標；其約束函數除了潮流約束、發(fā)電單元出力約束、節(jié)點電壓約束外，還需考慮柔性負荷可調度負荷資源容量約束、反向潮流約束、儲能充放電功率約束和荷電狀態(tài)約束。文獻[4]提出了一種計及儲能系統參與的多目標主動配電網優(yōu)化調度模型，論證了儲能系統對于提高可再生能源的利用效率，優(yōu)化能源管理上的有效性，未考慮儲能系統狀態(tài)切換損耗和充放電損耗對電網運行成本的影響。文獻[5]通過隨機模擬技術來應對間歇性可再生能源出力的不確定性，并建立了基于機會約束規(guī)劃的能量調度隨機優(yōu)化模型，未考慮柔性負荷可調度負荷資源對于優(yōu)化調度的影響。文獻[6]建立了一種計及DG、儲能裝置、柔性負荷可調度負荷資源的基于模型預測控制的優(yōu)化調度策略，實現調度周期內平滑間歇性可再生能源有功出力的目標，未考慮多源協調互動及其對運行成本的影響。

本文首先對柔性負荷進行了定義，其次設定多源協同優(yōu)化調度優(yōu)先級，通過協調控制分布式能源的供需互動，促進系統對可再生能源的消納。以主動配電網和能源終端用戶為利益整體，以減小發(fā)電成本、儲能等效運行成本和源荷共贏成本為目標，構建綜合成本最小的主動配電網和能源終端用戶合作共贏的優(yōu)化調度模型，并建立各參與優(yōu)化調度元件的約束模型。考慮分時售購電價的差異，最小化主動配電網的運行成本和能源終端用戶購電成本，實現主動配電網和用戶的合作共贏。然后結合熵權法和層次分析法，提出了一種基于距離最小化原則和離差平方和的熵權—AHP綜合賦權法。通過構造對發(fā)電成本、儲能等效運行成本、源荷共贏成本的權重評價指標體系，使本文構建的主動配電網多源協調優(yōu)化調度模型更具有現實意義。利用具有主動搜索和學習特性的改進APSO算法求解優(yōu)化調度模型，最后以44節(jié)點的主動配電網測試系統為例進行分析，驗證了所提優(yōu)化調度策略的有效性。

1 協調調度優(yōu)先級的設定

通過對可控分布式發(fā)電單元、儲能和柔性負荷設定協調調度優(yōu)先級，實現主動配電網發(fā)電側和用戶側的多方參與，光伏發(fā)電、風力發(fā)電、儲能多種能源互補優(yōu)化，分布式發(fā)電單元、儲能、柔性負荷多能互動的協調優(yōu)化調度，可以提高可再生能源的利用率，降低主動配電網運行成本和能源終端用戶的購電成本，實現主動配電網和用戶的合作共贏，在實現對主動配電網協調優(yōu)化調度的同時提高用戶滿意度。本文所提出的源荷共贏是指在主動配電網發(fā)電調度和需求調度的協調運行模式下，主動配電網的運行成本和能源終端用戶購電成本較優(yōu)化調度前均有明顯降低。設定儲能系統的調度優(yōu)先級最高，柔性負荷的調度優(yōu)先級最低，按優(yōu)先級從高到低執(zhí)行調度響應決策，從而達到3方面目標。

1.1 降低發(fā)電成本

風電、光伏等間歇性可再生能源出力的隨機性和波動性強，不參與主動配電網的協調優(yōu)化調度控制，是不可調度能源。儲能系統的靈活調節(jié)特性和雙向互動能力[7]，及柔性負荷可調度負荷主動參與需求側響應[8]，對于平抑可再生能源功率波動，實現削峰填谷，促進多能源互補和可再生能源的高效利用具有充分的優(yōu)越性。通過對協調調度優(yōu)先級的設定，可以實現對間歇性可再生能源的最大消納，建立靈活經濟的主動配電網優(yōu)化調度模型。由于間歇性可再生能源較可控分布式發(fā)電更為綠色經濟，本文設定可控分布式發(fā)電單元的優(yōu)先級低于儲能系統，對發(fā)電成本定義如下：

(1)

式中：Cwindt.n為風力發(fā)電成本；Pwindt.n為風力發(fā)電單元有功出力；CPV.m為光伏發(fā)電成本；PPV.m為光伏發(fā)電單元有功出力；CKDG.i為可控分布式發(fā)電單元的發(fā)電成本；PKDG.i為可控式發(fā)電單元的有功出力；T為一次完整調度時間；N為風力發(fā)電站數量。

1.2 減小儲能等效運行成本

儲能對于可再生能源出力的瞬時波動具有響應速度快、調節(jié)精度高等優(yōu)點，具備可以根據系統運行狀況進行靈活充放電的特性，對于提高系統供電質量和可再生能源消納具有重要意義。儲能設備的循環(huán)壽命與運行過程中的放電深度成負相關，放電深度越大，循環(huán)壽命越短[9]。本文在目標函數中通過儲能單次循環(huán)等效運行成本來計及放電深度對儲能系統循環(huán)壽命的影響[10]，并對儲能設備充放電功率建立相應的約束模型。設定儲能系統的協調調度優(yōu)先級最高，計及儲能系統放電次數、狀態(tài)切換損耗及充放電功率損耗，在保證用戶用電滿意度的情況下最小化儲能等效運行成本，儲能等效運行成本表達式如下：

(2)

PBESS.loss(t)=

+(1-ηout.g)PBout.g(t)]

(3)

(4)

式中：Closs(t)為儲能單次循環(huán)等效運行成本；CP和CW分別為儲能裝置單位功率和單位容量的投資成本；PBESS.N為儲能裝置的額定有功功率；WBESS.N為儲能裝置的額定容量，NBESS為儲能裝置的循環(huán)壽命；DoD為儲能裝置的放電深度，PBESS.loss為儲能裝置損耗；μBESS.g為儲能狀態(tài)變化量綱；ΔPBESS.g(t)為第g個儲能狀態(tài)切換損耗；ηin.g為充電效率；PBin.g為第g個儲能的充電功率；ηout.g為放電效率；PBout.g為第g個儲能的放電功率;G為儲能單元數量。

1.3 降低源荷共贏成本

本文構建了主動配電網發(fā)電側與用戶側合作共贏的調度機制，考慮柔性負荷可調度負荷激勵成本和能源終端用戶購電成本對源荷共贏成本的整體影響。一方面，考慮通過分時售購電價的價格激勵和對柔性負荷可調度負荷的補償激勵機制，誘導用戶合理調節(jié)用電結構和用電方式。另一方面，通過合理地協調調度優(yōu)先級的設定，對主動配電網的協調優(yōu)化調度，降低用戶購電成本，提高用戶用電滿意度，激勵用戶積極響應電網的協調優(yōu)化調度。通過對柔性負荷的主動調整和用戶的積極響應改善負荷曲線，從而達到削峰填谷，平抑間歇性可再生能源的功率波動，增強對可再生能源的消納能力的目的?？紤]到對柔性負荷協調調度的時間、容量與用戶購電成本及柔性負荷可調度負荷激勵成本呈反相關，設定柔性負荷的協調調度優(yōu)先級最低。源荷共贏成本表達式如下：

(5)

式中：ξtrload.p為用戶p的激勵系數；μtrload.p為可平移負荷的狀態(tài)；Ptrload.p(t)為增加的可平移負荷容量；ξzdload.q為用戶q的中斷補償系數，μzdload.p為可中斷負荷的狀態(tài)，Pzdload.q(t)為減少的中斷負荷容量，Cl為用戶實時購電電價；Pl為負荷功率；L為負荷數量；P為可平移負荷數量；Q為可中斷負荷數量。

2 主動配電網多源協調優(yōu)化調度模型

2.1 目標函數

在主動配電網多源協調優(yōu)化調度模型中，目標函數考慮的是以主動配電網和能源終端用戶為利益整體，整個調度周期中主動配電網的優(yōu)化經濟運行。將主動配電網作為電力市場中的主動參與者與主電網進行電能交易，當主動配電網的電能過剩時，向主電網售電反送電能。在設定協調調度優(yōu)先級的前提下，計及分時售購電價對主動配電網綜合運行成本的影響，以發(fā)電成本、儲能等效運行成本、源荷共贏成本作為子目標，構建目標函數如下：

F=min(λmul-gfg+λmul-lossfloss+

λmul-loadfload+CLinePLine)

(6)

式中：λmul-g、λmul-loss、λmul-load為各子目標在目標函數中的權重系數，且有λmul-g+λmul-loss+λmul-load=1；CLine為主動配電網實時交互售/購電價；PLine為主動配電網與主網間的電能互動容量，當主動配電網的電能不足，即向主電網購電時PLine取正值，反之取負值。

2.2 約束條件

1)系統潮流等式約束

(7)

2)柔性負荷容量限制約束

可中斷負荷：

Pzdload.q.min≤Pzdload.q≤Pzdload.q.max

(8)

可平移負荷：

Ptrload.p.min≤Ptrload.p≤Ptrload.p.max

(9)

3)可控分布式發(fā)電出力約束

PKDG.i.min≤PKDG.i≤PKDG.N.max

(10)

4)儲能充放電功率約束

PBin.g.min(t)≤PBin.g(t)≤PBin.g.max(t)

(11)

PBout.g.min(t)≤PBout.g(t)≤PBout.g.max(t)

(12)

儲能裝置充放電功率大小與其使用壽命成負相關。本文設定單位時間儲能裝置的最大充放電功率為其額定容量的20%。

5)儲能能量平衡約束

EBESS(0)=EBESS(TΔt)

(13)

式中：EBESS(0)為儲能裝置初始時刻存儲能量；EBESS(TΔt)為儲能裝置調度周期結束時的剩余能量。

6)荷電狀態(tài)約束

SBESS.g.min≤SBESS.g≤SBESS.g.max

(14)

式中：SBESS.g為第g個儲能裝置的荷電狀態(tài)。考慮到儲能裝置荷電狀態(tài)對其運行效率的影響[12]，本文設定儲能裝置的荷電范圍為其額定容量的20%～95%。

7)饋線容量約束

PLine.k≤PLine.k.max

(15)

式中：PLine.k為第k條饋線配電網與主電網的電能互動容量；PLine.k.max為第k條饋線的額定容量。配電網與主網間的電能互動容量不應超過二者間的饋線額定容量。

3 熵權—AHP綜合賦權法

AHP賦權法不可避免會受到主觀因素的影響[11]，權重的確定取決于決策者的專業(yè)經驗，極易脫離數據實際。熵權法是客觀賦權法的一種，其結果過分依賴于實測數據，忽略了決策者的主觀能動性，無法消除實測數據誤差對評價結果的影響[12]。本文通過基于距離最小化原則和離差平方和的熵權—AHP綜合賦權法，既能兼顧決策者的專業(yè)經驗和知識，又能減小主觀隨意性對賦權結果的影響，從而使賦權結果更客觀、有效、可靠，在工程實用中具有較強的可操作性。對于采用相同評價指標的優(yōu)化調度場景，權重系數無需重新計算。其基本步驟如下：

1)構建基于距離最小化原則和離差平方和的雙目標決策函數：

(16)

2)通過線性加權法將(16)式轉化為：

(17)

式中：α，β為偏好因子，表示AHP賦權法和熵權法在綜合賦權法中的相對重要程度，其中0≤α，β≤1，α+β=1。

3)構造基于(17)式的拉格朗日函數：

(18)

4)綜合式(17)(18)得到主客觀綜合權重：

(19)

式中：T=(thj)n×n；e為單位列向量，即e=(1,1,…,1)T。

其中，

4 主動粒子群算法

粒子群算法(Particle Swarm Optimization,PSO)[13]具有算法簡單、收斂速度快、精度高等優(yōu)點，但尋優(yōu)過程中過度依賴于粒子自身慣性和最優(yōu)粒子對粒子的拉動作用，限制了種群對全局范圍的有效搜索，降低了粒子搜索的主觀能動性。同時，PSO算法對初始參數敏感，易出現早熟收斂現象。為對所建模型進行求解，針對上述問題，本文提出具有主動搜索和學習特性的主動粒子群算法(Active Particle Swarm Optimization,APSO)，對標準PSO算法做出如下三方面改進：

改進一：本文通過Logistic混沌序列的遍歷性在搜索空間中生成隨機遍歷位置，為粒子的主動探測和全局搜索提供參考點x(t,d)。粒子在參考點附近隨機動態(tài)鄰域內U(x(t,d),δ(d))進行主動搜索，搜索結果對“首領粒子”gbest進行更新。進而引導粒子向最優(yōu)區(qū)域飛行，開拓粒子群探索視野，提升PSO算法的全局尋優(yōu)能力。對參考點序列x(t,d)定義為：

x(t,d)=l(d)·cx(t+200,d)

(20)

cx(t,d)=a(d)·cx(t-1,d)·(1-cx(t-1,d))

(21)

a(d)=4.1+0.1·rand()

(22)

式中：cx(t,d)為Logistic混沌序列；a(d)為資源系數；t為當前迭代時間；d為當前搜索區(qū)域維度；rand()為區(qū)間[0,1]上均勻分布的隨機數。

對t時刻參考點附近隨機動態(tài)鄰域定義如式(22)所示，將鄰域內隨機采樣的M/100個粒子與全局最優(yōu)粒子gbest進行比較和更新。

(23)

式中：floor為高斯取整函數；M為粒子群規(guī)模。

改進二：賦予粒子群以P(t)的主動探索概率對參考點附近隨機動態(tài)鄰域U(x(t,d),δ(d))進行實時探索的能力，提升PSO算法局部尋優(yōu)能力。本文對t時刻粒子主動探索概率定義為

式中：T為迭代時間限值。

改進三：采用自適應慣性權重對標準PSO算法的慣性權重系數進行改進[14]，使其隨實時適應度值的變化而變化，提高全局搜索能力，改善標準PSO早熟收斂問題。本文對自適應慣性權重的定義為：

(24)

式中：ωmax、ωmin分別為ω的上下限值；f為粒子實時適應度值；fmin、favg分別為粒子群實時適應度值的最小值和平均值。

圖1 主動配電網絡測試系統

5 算例分析

本文以包含有風電、光伏電站，燃氣輪機和蓄電池儲能的44節(jié)點主動配電網絡測試系統為算例[15]，并用所提出的APSO算法進行求解，從而驗證本文所提優(yōu)化調度策略的有效性，如圖1所示。其中2座風力發(fā)電站額定輸出功率均為500 kW，3座光伏電站額定輸出功率均為500 kW,1座光伏電站額定輸出功率為300 kW，2臺燃氣輪機額定容量均為300 kW，5個蓄電池儲能容量為250 kW，2個蓄電池儲能容量為500 kW，共7個蓄電池儲能，其初始荷電狀態(tài)均為50%。設完整調度周期為24 h,每1 h為一個調度時段。設定優(yōu)化調度前儲能和柔性負荷不參與配電網的調度運行，其中可平移負荷上限為375 kW，可中斷負荷上限為312 kW，優(yōu)化調度前配電網各分布式電源出力和日負荷曲線如圖2所示。主動配電網向主電網實時交互售/購電價曲線如圖3所示。根據本文提出的熵權—AHP綜合賦權法，確定了一組以主動配電網和能源終端用戶合作共贏利益為導向的綜合權重：λmul-g=0.40，λmul-loss=0.33，λmul-load=0.27。

圖2 優(yōu)化前主動配電網運行狀態(tài)

圖3 主動配電網實時交互售/購電價

算法參數設置如下：粒子群規(guī)模Mmax為200，迭代次數上限Nmax為500，慣性權重系數上下限值ωmax、ωmin分別為0.9和0.6，學習因子c1、c2分別為1.5和1，用Matlab編程對上述模型進行求解，優(yōu)化后配電網的運行狀態(tài)如圖4所示。

圖4 優(yōu)化后主動配電網運行狀態(tài)

圖5為主動配電網負荷狀態(tài)。

圖5 主動配電網負荷狀態(tài)

對比圖2和圖4可以明顯看出，用戶對協調優(yōu)化調度的積極響應，柔性負荷和儲能在系統優(yōu)化調度中協調參與，負荷曲線與可再生能源發(fā)電單元出力曲線契合度明顯提升，有效降低了電網棄風、棄光的風險，提高了系統對光伏發(fā)電、風電這類可再生清潔能源的消納能力，其原因是，柔性負荷和儲能的靈活調峰特性和雙向互動能力有助于緩解可再生能源發(fā)電出力的間歇性和波動性對系統可靠運行帶來的不利影響。

由圖4中7個儲能的綜合充放電出力可以看出，通過對系統的優(yōu)化調度，儲能靈活的充放電特性得到了合理利用，當可再生能源發(fā)電出力大于系統負荷且電價較低時，盡可能多的充電存儲，當可再生能源發(fā)電出力小于系統負荷且電價較高時放電，有效平衡負荷和可再生能源發(fā)電出力差額，滿足系統的運行狀態(tài)的需要。由圖5可以看出，通過對柔性負荷的主動調整和用戶的積極響應改善負荷曲線，削峰填谷作用明顯。

為對比驗證本文提出的優(yōu)化調度策略，確定5種不同的調度策略如下：

策略1：不計及儲能和柔性負荷的確定性調度；

策略2：僅考慮儲能調節(jié)的確定性調度；

策略3：僅考慮柔性負荷調節(jié)的確定性調度；

策略4：綜合考慮儲能和柔性負荷調節(jié)的確定性調度，令可控分布式發(fā)電單元的調度優(yōu)先級高于儲能系統，柔性負荷的調度優(yōu)先級最低；

策略5：綜合考慮儲能和柔性負荷調節(jié)的確定性調度，令儲能系統的調度優(yōu)先級高于可控分布式發(fā)電單元，柔性負荷的調度優(yōu)先級最低；

計算5種不同調度策略下主動配電網總運行成本如表1所示。

表1五種不同調度策略下主動配電網總運行成本元

策略發(fā)電成本儲能等效運行成本源荷共贏成本配電網賣電收益配電網總運行成本策略124 838.8024 596.9241.924 596.9策略216 939.23 270.315 943.2996.019 213.5策略317 476.4017 915.91 092.317 915.9策略420 830.53 012.320 038.22 344.723 050.6策略514 301.02 177.313 633.72 061.31 5811.1

從表1中可知，策略2比策略1多考慮了儲能因素，主動配電網總運行成本降低了5 383.42元，配電網向主網售電收益為996.03元，較策略1增加了754.13元。這是由于儲能具有可以根據系統運行狀態(tài)靈活充放電的特性，在保障主動配電網安全可靠運行的同時，提高配電網運行的經濟性。

策略3比策略1多考慮了柔性負荷因素，雖然策略3對用戶側柔性負荷可調度負荷激勵成本增加了1 531.92元，但主動配電網總運行成本降低了6 681.03元。由圖2和圖4可以對比看出，優(yōu)化前的負荷峰谷差為860.03 kW,通過對主動配電網的協調優(yōu)化調度，負荷峰谷差降低為597.52 kW，具有明顯的削峰填谷的調峰特性，使主動配電網運行在更為經濟和高效的負載水平，改善主動配電網的經濟效益。

策略5的主動配電網總運行成本較策略4降低了7 239.47元，發(fā)電成本降低6 529.51元，售電收益減少283.46元，這是由于策略5對儲能、可控分布式發(fā)電單元、柔性負荷的協調優(yōu)先調度，風電、光伏發(fā)電、儲能等多能源出力互補優(yōu)化,使系統發(fā)電單元出力曲線與日負荷曲線契合度提高，減少了可控分布式發(fā)電冗余。策略5的源荷共贏成本較策略4減少了6 404.51元，在降低主動配電網運行成本的同時最小化能源終端用戶的用電成本，實現了主動配電網和能源終端用戶的合作共贏。通過對比可以明顯看出，策略5協調調度優(yōu)先級設定的優(yōu)越性。

圖6為APSO算法與標準PSO算法迭代次數比較。

圖6 APSO算法與標準PSO算法迭代次數比較

從圖6可以看出，標準PSO算法對策略5對應模型求解迭代次數為96次，配電網總運行成本為17 031.37元，而采用本文所提出的APSO算法迭代次數為43次，總運行成本為15 811.13元，APSO算法的收斂特性和搜索能力較標準PSO算法有明顯改善，間接提升了主動配電網的經濟效益。

6 結論

本文通過協調可控分布式發(fā)電單元、儲能系統和柔性負荷，構建了以發(fā)電成本、儲能等效運行成本和源荷共贏成本綜合最小為目標的源荷合作共贏的多源協調優(yōu)化調度模型，并利用APSO算法對優(yōu)化調度模型進行求解，得到結論如下：

(1)引入主動探索概率和遍歷參考點的APSO算法可以有效提高粒子全局搜索和局部尋優(yōu)的能力，改善傳統PSO算法易早熟收斂的缺陷。

(2)通過柔性負荷對用戶側原本分散的柔性負荷可調度負荷資源進行統一管理和調度，實現了電能在用戶側的優(yōu)化配置，削峰填谷作用明顯，在降低主動配電網綜合運行成本和用戶購電成本的同時，實現了主動配電網智能用電的雙向交互。

(3)通過設定的協調調度優(yōu)先級，對可控分布式發(fā)電單元、儲能系統和柔性負荷的靈活調度，緩解系統調峰壓力，優(yōu)化負荷曲線，減少系統棄風、棄光風險，提高了對可再生能源的消納。

(4)提出的主動配電網協調優(yōu)化調度策略，實現主動配電網發(fā)電側和用戶側的多方參與，分布式發(fā)電單元、儲能、柔性負荷的多能互動，光伏發(fā)電、風力發(fā)電、儲能等多種能源的互補優(yōu)化。有效降低了主動配電網的運行成本和用戶的購電成本，實現了主動配電網和能源終端用戶的合作雙贏。