李愷， 譚海波， 郭光， 彭瀟， 談叢

(1.國網(wǎng)湖南省電力有限公司供電服務(wù)中心，長沙410004；2.智能電氣量測與應(yīng)用技術(shù)湖南省重點實驗室，長沙410004)

0 引言

2019年4月18日,國家能源局印發(fā) 《能源標(biāo)準(zhǔn)化管理辦法》,規(guī)定了工業(yè)能耗標(biāo)準(zhǔn)化建設(shè)要求。如何提高能耗水平和優(yōu)化能源供給模式成為了現(xiàn)代工業(yè)用戶面臨的重要議題。在該形勢下,傳統(tǒng)工業(yè)園區(qū)電力供應(yīng)調(diào)度模式已逐漸落后,無法滿足現(xiàn)代工業(yè)園區(qū)能力需求[1-3]。

近年來,隨著物聯(lián)網(wǎng)、人工智能等信息技術(shù)的快速發(fā)展及其在生產(chǎn)生活中的運用,國內(nèi)外應(yīng)用新技術(shù)創(chuàng)新調(diào)度模式,提升工業(yè)園區(qū)能源利用效率和清潔能源消納水平,已成為研究熱點。文獻 [4]建立以運行成本最小、電網(wǎng)運行損耗最低為目標(biāo)的優(yōu)化調(diào)度策略模型,仿真結(jié)果證明,考慮目標(biāo)優(yōu)化的調(diào)度方法能夠有效降低系統(tǒng)運行成本和線路網(wǎng)損,提高新能源消納水平。文獻 [5]利用AGC機組超短期負(fù)荷預(yù)測功能對電網(wǎng)負(fù)荷趨勢進行超前分配、超短期負(fù)荷預(yù)測,達到提高電網(wǎng)穩(wěn)定運行的目的。文獻 [6]綜合考慮供電企業(yè)、電力用戶,建立了多目標(biāo)、變時段尖峰平谷電價最優(yōu)模型,降低電費費率。文獻 [7]建立了考慮電價響應(yīng)和用戶滿意度的含風(fēng)電電力系統(tǒng)的優(yōu)化調(diào)度模型,該模型對負(fù)荷側(cè)和發(fā)電側(cè)共同協(xié)調(diào)優(yōu)化控制,降低了系統(tǒng)運行費用和機組的啟停費用。文獻 [8]結(jié)合可信性和模糊機會規(guī)劃約束理論,搭建動態(tài)經(jīng)濟調(diào)度的模糊機會約束調(diào)度模型。

以上文獻研究均為只單獨考慮電力供應(yīng)側(cè)或用戶側(cè)的調(diào)度模型,不是多主體參與的優(yōu)化調(diào)度模型。為進一步優(yōu)化模型,文獻 [9]提出了一種將能源供應(yīng)和工業(yè)生產(chǎn)動態(tài)耦合的調(diào)度模型,并在蓄電池生產(chǎn)廠綜合運用,降低了工業(yè)生產(chǎn)用能成本。文獻 [10]開展了能源供應(yīng)與多參與主體的工業(yè)園區(qū)互動機制的研究,對削峰填谷、緩解電力供應(yīng)不足有一定的效果。

基于現(xiàn)代工業(yè)園區(qū)能耗需求大、區(qū)域集中、用能計劃明顯、時段互補、多能互補協(xié)調(diào)運行等特點[11-15],本文研究面向現(xiàn)代工業(yè)園區(qū)的 “源—荷”互動調(diào)度的機制,提出了三種目標(biāo)優(yōu)化策略,提高現(xiàn)代工業(yè)園區(qū)供電能力、降低用戶電費成本、提升配電變壓器載荷率、降低變壓器供電峰谷差。

1 最優(yōu)調(diào)度策略模型介紹

依據(jù)工業(yè)園區(qū)當(dāng)前存在的供電問題和用電需求,建立三種調(diào)度模型,分別是電費最優(yōu)型模型、電網(wǎng)友好型模型、生產(chǎn)強化型模型。

1.1 電費最優(yōu)型模型

電費最優(yōu)型模型以工業(yè)園區(qū)用戶電費最低為目標(biāo),園區(qū)一天的總電費為園區(qū)所有用電負(fù)載用電量與電費費率的乘積之和,設(shè)計電費模型如下:

式中,Vmn為n時段內(nèi)m號負(fù)載產(chǎn)生的電費,an為n時段費率,Wmn為n時段內(nèi)m號負(fù)載產(chǎn)生的電量。

電費最優(yōu)策略下,要求對各種組合的Wmn,

1.2 電網(wǎng)友好型模型

電網(wǎng)友好型模型控制目標(biāo)是園區(qū)用電負(fù)荷盡量均衡?？傌?fù)荷＝園區(qū)用電負(fù)荷+風(fēng)電負(fù)荷+光伏負(fù)荷+儲能系統(tǒng)負(fù)荷,所以,園區(qū)用電負(fù)荷＝總負(fù)荷-風(fēng)電負(fù)荷-光伏負(fù)荷-儲能負(fù)荷。其中,風(fēng)電負(fù)荷和光伏負(fù)荷可以根據(jù)天氣情況提前擬合進行預(yù)測,得到W風(fēng)和W光,因此可以根據(jù)生產(chǎn)需求,大致估算出W總,并且由于儲能系統(tǒng)可以在適當(dāng)范圍內(nèi)進行調(diào)節(jié),設(shè)計負(fù)荷模型:

式中,W園電iT為T時段內(nèi),園區(qū)用電負(fù)荷在某生產(chǎn)場景的用電負(fù)荷；W園電T為T時段內(nèi),園電負(fù)荷的總需求量；定義 s為園區(qū)市電負(fù)荷曲線的標(biāo)準(zhǔn)偏差。

電網(wǎng)友好型策略下,即求 s最小,約束條件為:

1.3 生產(chǎn)強化型模型

生產(chǎn)強化型策略是指模擬生產(chǎn)需求比較緊急的情況下,負(fù)荷在某個時間節(jié)點前之前需求很大,某節(jié)點之后需求大幅減少。所以根據(jù)產(chǎn)量要求來設(shè)計負(fù)荷模型:

生產(chǎn)強化型策略下,要求s最大,且滿足約束條件:

2 多目標(biāo)優(yōu)化模型及求解算法

2.1 多目標(biāo)優(yōu)化模型

多目標(biāo)優(yōu)化問題即要求各目標(biāo)在限制區(qū)域內(nèi)盡可能同時達到最優(yōu),一個具有m個最小化目標(biāo)變量、p+q個約束條件、D個決策變量的多目標(biāo)優(yōu)化問題可以表述:

式中,目標(biāo)函數(shù)F(x)定義了m個決策空間向目標(biāo)空間映射函數(shù),x為D維決策變量,gi≤0(i＝1,2, ···,p)和hj(x)＝0(j＝1,2, ···,q)為約束條件,xdmin和xdmax是決策向量的上下限。

多目標(biāo)優(yōu)化結(jié)果是最優(yōu)解的集合,集合中的元素稱為Pareto最優(yōu)解。

2.2 粒子群算法

粒子群算法 (PSO)是Kennedy和Eberhart受鳥群覓食活動規(guī)律啟發(fā)提出的仿生算法[16]。多目標(biāo)粒子群算法 (MOPSO)通過結(jié)合Pareto排序機制,利用粒子間的支配關(guān)系尋找粒子歷史最優(yōu)解。MOPSO采用高效的群集并行對劣解進行搜索尋優(yōu),并能實時調(diào)整搜索策略以加快搜索速度,因此算法魯棒性和全局收斂能力較好。

對于規(guī)模為N的粒子群,粒子位置向量xi、粒子i、速度向量vi算法分別表示為:

式中,D是決策變量個數(shù),演變過程中粒子位置和速度更新方式:

式中,k為演變次數(shù)；ω≥0為慣性權(quán)重；r1,r2是(0,1)之間的隨機數(shù)；c1,c2≥0為加速系數(shù)；為粒子群中第k次演變的最優(yōu)位置的d維分量,稱為G-best；p(idk)為第i個粒子在第k次演變時最優(yōu)位置的第d維分量,稱為P-best。

2.3 求解步驟

本文考慮三種優(yōu)化目標(biāo),分別是電價最優(yōu)、生產(chǎn)強化、電網(wǎng)友好,約束條件包括供電能力、生產(chǎn)計劃、能效水平等。利用多目標(biāo)的粒子群算法求解算法流程:

1)輸入目標(biāo)函數(shù),即公式 (1)、 (5)、 (12),并進行初始化；

2)初始化粒子群,對每一個粒子的速度和位置初始賦值以及初始化公式 (18)中學(xué)習(xí)因子、迭代次數(shù)等；

3)計算粒子適應(yīng)度值,由三個目標(biāo)函數(shù)決定；

4)比較粒子的適應(yīng)度,根據(jù)支配關(guān)系更新粒子個體最優(yōu)位置 (P-best),選取粒子全局最優(yōu)解位置 (G-best)；

5)按照粒子速度和位置更新公式 (17)、(18)、 (19)；

6)判斷迭代次數(shù)是否達到設(shè)定的最大值,是則輸出Pareto最優(yōu)解集,否則返回步驟 (3)繼續(xù)迭代；

7)在Pareto最優(yōu)解集中篩選出于正負(fù)理想點相對最小的解,即為最優(yōu)解,對應(yīng)即為電價最優(yōu)、生產(chǎn)強化、電網(wǎng)友好的最優(yōu)調(diào)度策略。

求解具體流程圖如圖1所示。

圖1 粒子群算法求解步驟流程

3 系統(tǒng)設(shè)計

系統(tǒng)按三層架構(gòu)設(shè)計,分就地控制層、區(qū)域控制層、全局優(yōu)化層,基于物聯(lián)網(wǎng)技術(shù),構(gòu)建信息物理融合的電力優(yōu)化調(diào)度系統(tǒng),結(jié)構(gòu)如圖2所示。

圖2 基于信息物理融合的園區(qū)供電系統(tǒng)

全局優(yōu)化層屬于園區(qū)供用電調(diào)度策略決策中樞,其他層配合其采集整個網(wǎng)絡(luò)運行數(shù)據(jù),通過全局優(yōu)化算法對工業(yè)園區(qū)用電進行全局層次優(yōu)化控制,實現(xiàn)電價最優(yōu)、電網(wǎng)友好、生產(chǎn)強化三種調(diào)度策略的求解。區(qū)域控制層,通過協(xié)調(diào)控制器實現(xiàn)短時間尺度的區(qū)域功率和負(fù)荷統(tǒng)籌協(xié)調(diào),并基于全局運行決策給出的優(yōu)化目標(biāo)及參考信息對所屬范圍內(nèi)的儲能系統(tǒng)和用電負(fù)荷進行控制。就地控制層基于全局優(yōu)化層給出的優(yōu)化控制目標(biāo),執(zhí)行全局優(yōu)化層的控制策略,對園區(qū)供用電設(shè)備、儲能系統(tǒng)進行控制管理,實現(xiàn)電價最優(yōu)、電網(wǎng)友好、生產(chǎn)強化三種調(diào)度策略的在配電網(wǎng)或用戶側(cè)的運用。

4 應(yīng)用效果及分析

本文設(shè)計的現(xiàn)代工業(yè)園 “源—荷”互動調(diào)度策略在湖南省某省級智慧園區(qū)應(yīng)用,通過建立的信息物理系統(tǒng)對園區(qū)各發(fā)電、用電設(shè)備數(shù)據(jù)進行搜集分析,得到在三種不同供電調(diào)度策略下以及多目標(biāo)優(yōu)化策略下的用電負(fù)荷和電費曲線,如圖3—6所示。

從圖3可知,在電價最優(yōu)策略下,工業(yè)園區(qū)用電負(fù)荷在電費費率高的情況下負(fù)荷低,整體降低了園區(qū)用電電費,節(jié)約了園區(qū)用戶電費。由圖4可知,在電網(wǎng)友好策略調(diào)度下,以負(fù)荷波動性最低為目標(biāo),負(fù)荷波動減少。從圖5可知,在生產(chǎn)強化策略下,達到了在短時間內(nèi)滿足用戶最大生產(chǎn)需求為目標(biāo),某個節(jié)點用電負(fù)荷大幅下降目標(biāo),滿足了大工業(yè)用戶某個階段用電需求的增長。由圖6可知,在多目標(biāo)優(yōu)化策略控制下,在供電能力、電價最優(yōu)約束條件下,能輸出最優(yōu)用電負(fù)荷曲線,這進一步證實了多目標(biāo)控制策略的可行性。

圖3 電價最優(yōu)策略下用電負(fù)荷曲線

圖4 電網(wǎng)友好策略下用電負(fù)荷曲線

圖5 生產(chǎn)強化策略下用電負(fù)荷曲線

圖6 生產(chǎn)強化策略下用電負(fù)荷曲線

5 結(jié)語

本文設(shè)計了基于信息物理融合的現(xiàn)代工業(yè)園區(qū)源荷互動調(diào)度信息物理系統(tǒng),從電價最優(yōu)、負(fù)荷波動最低、生產(chǎn)強化三個目標(biāo)優(yōu)化調(diào)度模式,提出了源荷互動調(diào)度的多目標(biāo)調(diào)度策略。經(jīng)實踐應(yīng)用證明,在不改變供電能力的情況下,該調(diào)度策略可最大效率利用供電設(shè)備,提高園區(qū)配電設(shè)備負(fù)載率,有效提升工業(yè)園區(qū)用戶生產(chǎn)產(chǎn)值,優(yōu)化能源結(jié)構(gòu)。對解決現(xiàn)代園區(qū)供電能力不足、用電需求多樣等問題具有極高的參考價值,并具一定的經(jīng)濟效益,可在全國先進的現(xiàn)代工業(yè)園區(qū)推廣應(yīng)用。