鄭 重 苗世洪 李 超 張 迪 韓 佶

面向微型能源互聯(lián)網(wǎng)接入的交直流配電網(wǎng)協(xié)同優(yōu)化調(diào)度策略

鄭 重1,2苗世洪1,2李 超1,2張 迪1,2韓 佶1,2

（1. 華中科技大學(xué)電氣與電子工程學(xué)院強(qiáng)電磁工程與新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室 武漢 430074 2. 華中科技大學(xué)電力安全與高效湖北省重點(diǎn)實(shí)驗(yàn)室 武漢 430074）

分布式電源通過(guò)微型能源互聯(lián)網(wǎng)（簡(jiǎn)稱(chēng)微能網(wǎng)）的方式接入配電網(wǎng)可以充分發(fā)揮微能網(wǎng)多能耦合互補(bǔ)的特點(diǎn)，促進(jìn)可再生能源消納。該文充分考慮交直流配電網(wǎng)和微能網(wǎng)的技術(shù)優(yōu)勢(shì)及交互影響，研究了計(jì)及動(dòng)態(tài)網(wǎng)絡(luò)重構(gòu)和多能源協(xié)同的交直流配電網(wǎng)優(yōu)化調(diào)度策略。首先，根據(jù)含微能網(wǎng)的交直流配電網(wǎng)系統(tǒng)結(jié)構(gòu)和調(diào)度模型特點(diǎn)，研究以配電網(wǎng)節(jié)點(diǎn)邊際電價(jià)和微能網(wǎng)購(gòu)/售電功率為交互變量的協(xié)調(diào)運(yùn)行機(jī)制；其次，以交直流配電網(wǎng)和微能網(wǎng)運(yùn)行成本最低為目標(biāo)，充分考慮網(wǎng)絡(luò)運(yùn)行約束和網(wǎng)絡(luò)間交互耦合約束，建立交直流配電網(wǎng)協(xié)調(diào)調(diào)度模型；再次，在混合整數(shù)二階錐規(guī)劃模型的節(jié)點(diǎn)邊際電價(jià)推導(dǎo)基礎(chǔ)上，提出基于極限學(xué)習(xí)機(jī)耦合交互的模型快速求解方法；最后，在含微能網(wǎng)的改進(jìn)IEEE 33節(jié)點(diǎn)交直流配電網(wǎng)開(kāi)展了算例分析。仿真結(jié)果表明，所提調(diào)度架構(gòu)能充分降低網(wǎng)絡(luò)運(yùn)行成本，促進(jìn)微能網(wǎng)和交直流配電網(wǎng)間信息交互，同時(shí)該文所提求解技術(shù)能夠在確保計(jì)算精度的前提下極大地提高求解效率。

交直流配電網(wǎng) 微型能源互聯(lián)網(wǎng) 協(xié)同優(yōu)化調(diào)度 動(dòng)態(tài)網(wǎng)絡(luò)重構(gòu) 極限學(xué)習(xí)機(jī)

0 引言

大力發(fā)展清潔能源已經(jīng)成為世界各國(guó)應(yīng)對(duì)環(huán)境污染和資源枯竭等問(wèn)題的重要戰(zhàn)略共識(shí)[1-2]。隨著清潔能源大規(guī)模以分布式電源（Distributed Generation, DG）的方式接入配電網(wǎng)，配電網(wǎng)的潮流分布發(fā)生了深刻變化，傳統(tǒng)的配電網(wǎng)調(diào)度模式已經(jīng)無(wú)法滿(mǎn)足系統(tǒng)的運(yùn)行需求[3]。交直流配電網(wǎng)由于具有拓?fù)浣Y(jié)構(gòu)靈活、潮流可控等優(yōu)勢(shì)，成為未來(lái)智能配電網(wǎng)的一個(gè)重要發(fā)展趨勢(shì)[4-7]。與此同時(shí)，由于清潔能源具有隨機(jī)性、間歇性等特性，清潔能源的大量無(wú)序接入為電網(wǎng)安全穩(wěn)定運(yùn)行帶來(lái)了嚴(yán)峻挑戰(zhàn)，冷-熱-電-氣深度耦合的微型能源互聯(lián)網(wǎng)（簡(jiǎn)稱(chēng)微能網(wǎng)）的發(fā)展與應(yīng)用為上述問(wèn)題的解決提供了新的思路[8-11]。因此，如何充分發(fā)揮交直流配電網(wǎng)靈活拓?fù)渲貥?gòu)和微能網(wǎng)多能耦合替代的優(yōu)勢(shì)，并實(shí)現(xiàn)二者的協(xié)同優(yōu)化，已經(jīng)成為進(jìn)一步促進(jìn)清潔能源高效消納的關(guān)鍵問(wèn)題之一。

在能源互聯(lián)網(wǎng)發(fā)展背景下，含多能微電網(wǎng)接入的交直流配電網(wǎng)協(xié)同優(yōu)化相關(guān)研究近年來(lái)漸漸興起。傳統(tǒng)文獻(xiàn)建模思路大致可以分為集中式和分布式兩大類(lèi)。針對(duì)集中式建模方法，文獻(xiàn)[12-13]對(duì)冷熱電聯(lián)供型多微網(wǎng)系統(tǒng)的優(yōu)化配置模型開(kāi)展研究，同時(shí)計(jì)及多主體利益關(guān)系制定系統(tǒng)最優(yōu)配置方案，但微電網(wǎng)與微電網(wǎng)間、微電網(wǎng)與配電網(wǎng)間的協(xié)同交互作用未能得到充分考慮。針對(duì)該問(wèn)題，文獻(xiàn)[14]建立考慮微電網(wǎng)間功率交互和微源出力協(xié)調(diào)的優(yōu)化調(diào)度模型，該模型既考慮了微電網(wǎng)與配電網(wǎng)、微電網(wǎng)與微電網(wǎng)之間的功率交互，也考慮了微電網(wǎng)之間的功率交互對(duì)微電網(wǎng)內(nèi)部制冷或制熱的微源出力的影響，但其本質(zhì)仍是微電網(wǎng)間的相互影響分析，外接配電網(wǎng)等效為根據(jù)分時(shí)電價(jià)購(gòu)售電的電能供應(yīng)商。上述文獻(xiàn)利用集中式算法進(jìn)行統(tǒng)一建模計(jì)算，普遍存在迭代次數(shù)多、計(jì)算復(fù)雜、收斂性無(wú)法保證等顯著缺陷。鑒于此，相關(guān)學(xué)者進(jìn)一步提出了分布式建模方法。對(duì)于交直流配電網(wǎng)而言，其接入的微能網(wǎng)可類(lèi)比為微電網(wǎng)，微能網(wǎng)和所接配電網(wǎng)間的協(xié)調(diào)機(jī)制也可以參考配電網(wǎng)和微電網(wǎng)間的協(xié)調(diào)機(jī)制。然而，微能網(wǎng)和配電網(wǎng)的協(xié)調(diào)關(guān)系中，配電網(wǎng)電價(jià)會(huì)直接影響到微能網(wǎng)中的運(yùn)行成本和能源生產(chǎn)方案，從而影響微能網(wǎng)對(duì)配電網(wǎng)的購(gòu)售電功率。由此可見(jiàn)，不同于常見(jiàn)配電網(wǎng)與微電網(wǎng)之間交互邊界功率的同構(gòu)協(xié)調(diào)機(jī)制，此時(shí)的協(xié)調(diào)變量是異構(gòu)的。為了解決這類(lèi)問(wèn)題，相關(guān)學(xué)者提出了異構(gòu)分解法[15-16]，為不同系統(tǒng)之間的協(xié)同優(yōu)化提供了一定基礎(chǔ)。針對(duì)多主體間信息私密性較差，通信需求較高等問(wèn)題，文獻(xiàn)[17-19]將冷熱電聯(lián)供型多微網(wǎng)和主動(dòng)配電網(wǎng)作為兩個(gè)不同的利益主體，采用分布式建模方法，建立考慮電能交互的冷熱電聯(lián)供型多微網(wǎng)系統(tǒng)優(yōu)化調(diào)度模型。文獻(xiàn)[20]提出了含綜合能源聯(lián)供型微網(wǎng)的配電網(wǎng)日前魯棒優(yōu)化調(diào)度模型，但其綜合能源微網(wǎng)模型中沒(méi)有考慮到綜合能源用戶(hù)參與，且模型需要進(jìn)行多次迭代計(jì)算，計(jì)算效率較低。文獻(xiàn)[21-22]也從含微能網(wǎng)配電網(wǎng)協(xié)調(diào)調(diào)度和擴(kuò)展規(guī)劃的角度展開(kāi)了相關(guān)研究，但是優(yōu)化模型中配電網(wǎng)調(diào)度資源較為有限。

綜上所述，現(xiàn)有微能網(wǎng)與配電網(wǎng)協(xié)同優(yōu)化模型研究中大多未能充分考慮配電網(wǎng)與微能網(wǎng)間的交互耦合，且未充分挖掘交直流配電網(wǎng)動(dòng)態(tài)網(wǎng)絡(luò)重構(gòu)和微能網(wǎng)用戶(hù)需求響應(yīng)等靈活調(diào)度資源，無(wú)法充分發(fā)揮配電網(wǎng)和微能網(wǎng)協(xié)調(diào)調(diào)度對(duì)可再生能源消納的促進(jìn)作用；此外，現(xiàn)有協(xié)調(diào)調(diào)度求解算法普遍存在計(jì)算復(fù)雜、耗時(shí)較長(zhǎng)等缺陷，工程應(yīng)用價(jià)值有限。

針對(duì)上述問(wèn)題，本文充分考慮交直流配電網(wǎng)與微能網(wǎng)的交互影響，研究計(jì)及動(dòng)態(tài)網(wǎng)絡(luò)重構(gòu)和多能源協(xié)同的交直流配電網(wǎng)優(yōu)化調(diào)度策略。首先，根據(jù)含微能網(wǎng)的交直流配電網(wǎng)系統(tǒng)結(jié)構(gòu)和調(diào)度模型特點(diǎn)，以配電網(wǎng)節(jié)點(diǎn)邊際電價(jià)和微能網(wǎng)購(gòu)/售電功率為交互變量，結(jié)合異構(gòu)分解技術(shù)構(gòu)建了交直流配電網(wǎng)-微能網(wǎng)協(xié)調(diào)調(diào)度框架，進(jìn)而以系統(tǒng)經(jīng)濟(jì)性最優(yōu)為目標(biāo)，建立了交直流配電網(wǎng)協(xié)調(diào)調(diào)度模型；然后，通過(guò)二階錐約束等價(jià)變形和整數(shù)松弛定價(jià)，完成了混合整數(shù)二階錐規(guī)劃模型節(jié)點(diǎn)邊際電價(jià)的數(shù)學(xué)推導(dǎo)，并提出了一種基于極限學(xué)習(xí)機(jī)（Extreme Learning Machine, ELM）耦合交互的模型快速求解方法；最后，在含微能網(wǎng)的改進(jìn)IEEE 33節(jié)點(diǎn)交直流配電網(wǎng)驗(yàn)證本文所提模型的有效性和求解技術(shù)的高效性。

1 交直流配電網(wǎng)-微能網(wǎng)協(xié)調(diào)調(diào)度框架與建模

1.1 交直流配電網(wǎng)-微能網(wǎng)協(xié)調(diào)調(diào)度框架

對(duì)于交直流配電網(wǎng)而言，微能網(wǎng)接入后，相當(dāng)于一個(gè)廣義負(fù)荷，需要重點(diǎn)關(guān)注微能網(wǎng)接入節(jié)點(diǎn)的邊界功率對(duì)系統(tǒng)安全經(jīng)濟(jì)運(yùn)行的影響；對(duì)于微能網(wǎng)而言，交直流配電網(wǎng)的電能售價(jià)會(huì)影響微能網(wǎng)的系統(tǒng)運(yùn)行收益和能源生產(chǎn)方案，不同的電能售價(jià)也會(huì)導(dǎo)致微能網(wǎng)對(duì)交直流配電網(wǎng)有不同的購(gòu)/售電需求?？梢?jiàn)，微能網(wǎng)和交直流配電網(wǎng)之間將會(huì)通過(guò)邊界信息相互影響，實(shí)現(xiàn)交直流配電網(wǎng)和微能網(wǎng)的協(xié)調(diào)調(diào)度具有重要意義。本文提出了一種交直流配電網(wǎng)-微能網(wǎng)協(xié)調(diào)調(diào)度框架，其結(jié)構(gòu)圖如圖1所示。

圖1 交直流配電網(wǎng)-微能網(wǎng)協(xié)調(diào)調(diào)度框架

該協(xié)調(diào)調(diào)度框架包括交直流配電網(wǎng)和微能網(wǎng)內(nèi)部?jī)?yōu)化過(guò)程以及優(yōu)化模型之間的耦合過(guò)程，具體介紹如下：

1）交直流配電網(wǎng)和微能網(wǎng)的內(nèi)部?jī)?yōu)化

交直流配電網(wǎng)的內(nèi)部?jī)?yōu)化模型以系統(tǒng)運(yùn)行成本最低為目標(biāo)，協(xié)調(diào)調(diào)度全網(wǎng)可控開(kāi)關(guān)狀態(tài)、可控分布式發(fā)電（Distributed Generation, DG）出力、電壓源換流器（Voltage Source Converter, VSC）調(diào)制比、靜止無(wú)功補(bǔ)償裝置（Static Var Compensator, SVC）補(bǔ)償電位等調(diào)度資源，實(shí)現(xiàn)系統(tǒng)的安全經(jīng)濟(jì)運(yùn)行；微能網(wǎng)的內(nèi)部?jī)?yōu)化模型以系統(tǒng)能源生產(chǎn)成本最低為目標(biāo)，根據(jù)系統(tǒng)外部電價(jià)制定系統(tǒng)內(nèi)部能源售價(jià)和能源生產(chǎn)方案。交直流配電網(wǎng)和微能網(wǎng)的內(nèi)部?jī)?yōu)化模型的一般表達(dá)形式詳見(jiàn)鏈接（https://pan.baidu. com/s/1-ZNtYd98QThNeqZMQ4s_0w，提取碼：1111，后文簡(jiǎn)稱(chēng)鏈接）。

2）交直流配電網(wǎng)和微能網(wǎng)優(yōu)化耦合模型

本文采用極限學(xué)習(xí)機(jī)實(shí)現(xiàn)交直流配電網(wǎng)和微能網(wǎng)優(yōu)化模型之間的耦合，該過(guò)程如圖2所示。對(duì)于交直流配電網(wǎng)優(yōu)化模型而言，將各個(gè)微能網(wǎng)購(gòu)/售電功率作為極限學(xué)習(xí)機(jī)的輸入變量，將配電網(wǎng)的節(jié)點(diǎn)邊際電價(jià)作為極限學(xué)習(xí)機(jī)的輸出變量；對(duì)于微能網(wǎng)優(yōu)化模型而言，將節(jié)點(diǎn)邊際電價(jià)作為極限學(xué)習(xí)機(jī)的輸入變量，將各個(gè)微能網(wǎng)購(gòu)、售電功率作為極限學(xué)習(xí)機(jī)的輸出變量。本文將在2.3節(jié)對(duì)兩個(gè)優(yōu)化模型的耦合模型進(jìn)行詳細(xì)說(shuō)明。

圖2 交直流配電網(wǎng)和微能網(wǎng)優(yōu)化模型的耦合架構(gòu)

1.2 上層交直流配電網(wǎng)優(yōu)化調(diào)度模型

1.2.1 上層目標(biāo)函數(shù)

上層交直流配電網(wǎng)優(yōu)化調(diào)度模型的目標(biāo)函數(shù)為

1.2.2 上層約束條件

1）潮流方程約束

考慮動(dòng)態(tài)網(wǎng)絡(luò)重構(gòu)和靜止無(wú)功補(bǔ)償器接入后的潮流方程約束為

2）網(wǎng)絡(luò)安全運(yùn)行約束

3）換流站容量約束

4）無(wú)功調(diào)節(jié)裝置約束

由于DG接入，交直流配電網(wǎng)中潮流可能出現(xiàn)反向，導(dǎo)致某些母線出現(xiàn)過(guò)電壓?jiǎn)栴}，因此本文考慮交直流配電網(wǎng)中存在以靜止無(wú)功補(bǔ)償裝置為代表的無(wú)功調(diào)節(jié)裝置，靜止無(wú)功補(bǔ)償裝置的無(wú)功調(diào)節(jié)功率需要滿(mǎn)足范圍約束，即

5）電源出力約束

變電站傳輸功率、交流電網(wǎng)電源和直流電網(wǎng)電源的有功無(wú)功出力需要滿(mǎn)足出力上、下限約束，即

1.3 下層微能網(wǎng)優(yōu)化調(diào)度模型

微能網(wǎng)系統(tǒng)運(yùn)行商需要根據(jù)配電網(wǎng)電價(jià)制定系統(tǒng)內(nèi)部能源生產(chǎn)方案，同時(shí)調(diào)整系統(tǒng)內(nèi)部電價(jià)，激勵(lì)微能網(wǎng)中的綜合能源用戶(hù)通過(guò)用能替代效應(yīng)積極參與系統(tǒng)優(yōu)化。因此，本文以微能網(wǎng)生產(chǎn)成本最低為目標(biāo)，在滿(mǎn)足供需雙側(cè)安全運(yùn)行相關(guān)約束條件下構(gòu)建微能網(wǎng)優(yōu)化調(diào)度模型。

1.3.1 下層目標(biāo)函數(shù)

接入交直流配電網(wǎng)后，微能網(wǎng)面臨變化的電價(jià)，且被允許在滿(mǎn)足安全約束的條件下向配電網(wǎng)倒送功率，目標(biāo)函數(shù)為

1.3.2 下層約束條件

微能網(wǎng)約束條件可以分為能源供給側(cè)約束和能源需求側(cè)約束。

1）能源供給側(cè)約束

（1）能源平衡約束

系統(tǒng)運(yùn)營(yíng)商向上級(jí)能源網(wǎng)絡(luò)購(gòu)買(mǎi)電力、天然氣、熱力能源資源，通過(guò)系統(tǒng)各類(lèi)能源轉(zhuǎn)換設(shè)備向多能用戶(hù)供能，各類(lèi)能源平衡約束為

（2）設(shè)備運(yùn)行參數(shù)約束

主要考慮到各類(lèi)能源轉(zhuǎn)換設(shè)備的容量限制，各設(shè)備的運(yùn)行約束為

（3）能源價(jià)格變化范圍約束

系統(tǒng)運(yùn)營(yíng)商可以制定向用戶(hù)出售電能和熱能的價(jià)格，為了保證系統(tǒng)運(yùn)營(yíng)商的運(yùn)行收益又不造成用戶(hù)用能成本過(guò)高，需要對(duì)能源價(jià)格變化范圍進(jìn)行限定，即

（4）風(fēng)光出力約束

2）能源需求側(cè)約束

需求側(cè)采用考慮用戶(hù)需求耦合響應(yīng)特性的綜合需求響應(yīng)模型。在此模型中，認(rèn)定用戶(hù)有一個(gè)初始冷/熱/電需求；采用電價(jià)彈性矩陣模型描述用戶(hù)電負(fù)荷響應(yīng)過(guò)程，同時(shí)考慮需求之間的耦合響應(yīng)，假設(shè)用戶(hù)受電負(fù)荷影響的相關(guān)需求轉(zhuǎn)由熱負(fù)荷設(shè)備供給。由此建立相關(guān)約束如下。

（1）需求平衡約束

用戶(hù)需求可以分為原始用能需求和需求偏移量?jī)蓚€(gè)部分，如式（21）所示。其中，原始用能需求見(jiàn)式（22），需求偏移量根據(jù)響應(yīng)情況可由式（23）表示。

（2）響應(yīng)量大小約束

在用戶(hù)自由分配負(fù)荷變化量時(shí)，需要保證各類(lèi)需求對(duì)應(yīng)負(fù)荷變化量在總負(fù)荷響應(yīng)范圍內(nèi)，表達(dá)式為

（3）用能成本約束

當(dāng)用戶(hù)響應(yīng)電價(jià)變化時(shí)，電、熱負(fù)荷變化將會(huì)改變用戶(hù)的用能成本。為避免用戶(hù)利益過(guò)度受損，需要考慮用能成本約束，即

2 基于ELM耦合交互的模型求解方法

本文將交直流配電網(wǎng)的節(jié)點(diǎn)邊際電價(jià)和微能網(wǎng)的購(gòu)、售電功率作為交互變量，在異構(gòu)分解框架中，利用極限學(xué)習(xí)機(jī)強(qiáng)大的非線性映射和泛化能力，實(shí)現(xiàn)兩交互變量的耦合，以提高調(diào)度模型的求解效率。下面首先介紹模型求解中的重要概念及計(jì)算工具——節(jié)點(diǎn)邊際電價(jià)和極限學(xué)習(xí)機(jī)；并在此基礎(chǔ)上，介紹交直流配電網(wǎng)和微能網(wǎng)的極限學(xué)習(xí)機(jī)耦合模型，給出模型快速求解的流程。

2.1 節(jié)點(diǎn)邊際電價(jià)

節(jié)點(diǎn)邊際電價(jià)以每個(gè)節(jié)點(diǎn)向用戶(hù)供電的邊際成本確定節(jié)點(diǎn)電價(jià)，通過(guò)向用戶(hù)提供經(jīng)濟(jì)信號(hào)，利用節(jié)點(diǎn)邊際電價(jià)能夠科學(xué)衡量能量?jī)r(jià)值，充分促進(jìn)市場(chǎng)合理競(jìng)爭(zhēng)[24]。一般地，節(jié)點(diǎn)邊際電價(jià)是以最優(yōu)潮流模型為基礎(chǔ)進(jìn)行推導(dǎo)的，但是本文提出的交直流配電網(wǎng)優(yōu)化調(diào)度模型是一個(gè)混合整數(shù)二階錐規(guī)劃問(wèn)題，其節(jié)點(diǎn)邊際電價(jià)的推導(dǎo)主要面臨兩個(gè)難題：

1）傳統(tǒng)方法推導(dǎo)出的二階錐約束的互補(bǔ)松弛條件將為二次等式，節(jié)點(diǎn)邊際電價(jià)也將以二次形式存在，無(wú)法利用成熟的規(guī)劃方法獲取。因此，為了對(duì)節(jié)點(diǎn)邊際電價(jià)進(jìn)行線性化表示，必須對(duì)二階錐約束的互補(bǔ)松弛條件形式等價(jià)變形，進(jìn)而確定二階錐約束的拉格朗日乘子。

2）傳統(tǒng)的節(jié)點(diǎn)邊際電價(jià)推導(dǎo)模型是以連續(xù)模型為基礎(chǔ)進(jìn)行推導(dǎo)的，但本文模型是一個(gè)混合整數(shù)規(guī)劃問(wèn)題，其節(jié)點(diǎn)邊際電價(jià)會(huì)受到整數(shù)變量的影響，傳統(tǒng)的推導(dǎo)方式將不再適用[25]。

其二階錐標(biāo)準(zhǔn)表達(dá)形式為

式（29）和式（30）兩個(gè)約束的互補(bǔ)松弛條件需要匹配于相應(yīng)的拉格朗日乘子，即式（29）和式（30）兩個(gè)二階錐的互補(bǔ)松弛條件形式如式（31）和式（32）所示。

在不考慮整數(shù)變量的情況下，本文提出的交直流混合配電網(wǎng)聯(lián)合優(yōu)化調(diào)度模型是一個(gè)連續(xù)凸優(yōu)化模型，其拉格朗日形式為

式中，G為交直流配電網(wǎng)電源集合。

根據(jù)穩(wěn)定性條件可得

將式（31）和式（32）代入式（36）和式（37）可得

式（38）為該系統(tǒng)的預(yù)算平衡式。式中第一項(xiàng)加和代表電力系統(tǒng)生產(chǎn)費(fèi)用，第三項(xiàng)加和代表為系統(tǒng)擁塞所產(chǎn)生的費(fèi)用，第二項(xiàng)加和則代表網(wǎng)損和電壓降產(chǎn)生的費(fèi)用。

前述模型是對(duì)連續(xù)模型的節(jié)點(diǎn)邊際電價(jià)進(jìn)行求解。對(duì)于混合整數(shù)規(guī)劃問(wèn)題，可以采用整數(shù)松弛定價(jià)的思路[26]。本文借鑒這一思路，先對(duì)原交直流混合配電網(wǎng)聯(lián)合優(yōu)化調(diào)度模型進(jìn)行整體優(yōu)化求解，得到整數(shù)變量最優(yōu)值后將其作為參數(shù)代入原模型中，進(jìn)而通過(guò)式（27）～式（39）求解松弛后的節(jié)點(diǎn)邊際電價(jià)。

2.2 極限學(xué)習(xí)機(jī)

ELM的基本方程為

將式（40）寫(xiě)成矩陣形式，即

其中

此外，本文采用標(biāo)準(zhǔn)方均根誤差[28-29]對(duì)ELM擬合誤差進(jìn)行表征，其具體計(jì)算公式為

2.3 交直流配電網(wǎng)和微能網(wǎng)優(yōu)化模型的耦合

對(duì)于交直流配電網(wǎng)優(yōu)化模型而言，各個(gè)微能網(wǎng)購(gòu)售電功率為模型的輸入變量，配電網(wǎng)的節(jié)點(diǎn)邊際電價(jià)為模型輸出變量。因此交直流配電網(wǎng)優(yōu)化模型的ELM等效優(yōu)化模型中輸入、輸出矩陣分別為

對(duì)于微能網(wǎng)優(yōu)化模型而言，微能網(wǎng)接入節(jié)點(diǎn)的節(jié)點(diǎn)邊際電價(jià)為模型輸入變量，系統(tǒng)購(gòu)售電功率為模型輸出變量。第個(gè)微能網(wǎng)模型的ELM等效優(yōu)化模型中輸入、輸出矩陣分別為

2.4 模型快速求解流程

由圖1可知，本文需要分別訓(xùn)練兩類(lèi)ELM。第一類(lèi)是針對(duì)交直流配電網(wǎng)優(yōu)化模型的耦合，將各個(gè)微能網(wǎng)購(gòu)、售電功率作為ELM的輸入變量，將配電網(wǎng)的節(jié)點(diǎn)邊際電價(jià)作為ELM的輸出變量；第二類(lèi)是針對(duì)微能網(wǎng)優(yōu)化模型的耦合，將節(jié)點(diǎn)邊際電價(jià)作為ELM輸入變量，將各微能網(wǎng)購(gòu)、售電功率作為ELM輸出變量。兩類(lèi)ELM的輸入輸出關(guān)系詳見(jiàn)鏈接。

由于兩類(lèi)ELM的訓(xùn)練過(guò)程完全相同，下面以第一類(lèi)ELM為例，介紹ELM的訓(xùn)練方法：

（1）隨機(jī)生成若干組微能網(wǎng)購(gòu)、售電數(shù)據(jù)，利用交直流配電網(wǎng)優(yōu)化調(diào)度程序求解節(jié)點(diǎn)邊際電價(jià)，進(jìn)而將上述數(shù)據(jù)作為第一類(lèi)ELM的輸入訓(xùn)練數(shù)據(jù)。

（2）確定隱層節(jié)點(diǎn)總數(shù)，選擇激勵(lì)函數(shù)(?)。

（3）隨機(jī)初始化輸入權(quán)值和隱層閾值向量。

（4）根據(jù)式（42）計(jì)算出隱層輸出矩陣。

（5）根據(jù)式（43）計(jì)算出輸出權(quán)值矩陣。

在完成上述兩類(lèi)ELM的訓(xùn)練后，將其作為交直流配電網(wǎng)和微能網(wǎng)優(yōu)化模型的耦合交互工具，完成整個(gè)優(yōu)化模型的快速求解。交直流配電網(wǎng)-微能網(wǎng)協(xié)調(diào)調(diào)度模型求解的流程如圖3所示。

算法具體步驟如下：

（1）對(duì)交直流配電網(wǎng)和微能網(wǎng)中的優(yōu)化變量進(jìn)行隨機(jī)初始化，初始化迭代次數(shù)iter=1。

圖3 基于ELM的雙層模型求解流程

（2）將微能網(wǎng)購(gòu)、售電數(shù)據(jù)輸入第一類(lèi)ELM，求解交直流配電網(wǎng)優(yōu)化模型，獲取節(jié)點(diǎn)電價(jià)。

（3）將電網(wǎng)節(jié)點(diǎn)電價(jià)數(shù)據(jù)輸入個(gè)第二類(lèi)ELM，依次求解對(duì)應(yīng)個(gè)微能網(wǎng)優(yōu)化模型，獲取微能網(wǎng)購(gòu)、售電數(shù)據(jù)。

（4）計(jì)算第iter次迭代節(jié)點(diǎn)邊際電價(jià)殘差及微能網(wǎng)購(gòu)、售電功率殘差，判斷是否滿(mǎn)足式（50）所示的收斂判據(jù)，若滿(mǎn)足，輸出交直流配電網(wǎng)-微能網(wǎng)協(xié)調(diào)調(diào)度模型優(yōu)化結(jié)果；若不滿(mǎn)足，返回步驟（2）。

3 算例分析

3.1 算例系統(tǒng)說(shuō)明

為驗(yàn)證所提計(jì)及動(dòng)態(tài)網(wǎng)絡(luò)重構(gòu)和多能源協(xié)同的交直流配電網(wǎng)優(yōu)化調(diào)度模型的有效性，本文基于一個(gè)包含兩個(gè)微能網(wǎng)的交直流配電系統(tǒng)進(jìn)行算例分析，算例系統(tǒng)結(jié)構(gòu)如圖4所示。所用算例系統(tǒng)中交直流配電網(wǎng)采用改進(jìn)的IEEE 33節(jié)點(diǎn)交直流配電網(wǎng)，微能網(wǎng)1對(duì)文獻(xiàn)[30]所用多能系統(tǒng)進(jìn)行改進(jìn)，微能網(wǎng)2在微能網(wǎng)1的基礎(chǔ)上進(jìn)行改進(jìn)，使其具備不同的負(fù)荷特性、DG出力特性和設(shè)備特性。兩個(gè)微能網(wǎng)分別接于交直流配電網(wǎng)中的交流節(jié)點(diǎn)24和交流節(jié)點(diǎn)5。

圖4 含微能網(wǎng)的交直流配電網(wǎng)結(jié)構(gòu)

3.2 模型參數(shù)選取

為了建立足夠精度的等效優(yōu)化模型，需要獲得足夠多的學(xué)習(xí)樣本。本文在邊界變量允許范圍內(nèi)隨機(jī)設(shè)置1 000組變量參數(shù)，分別代入兩個(gè)優(yōu)化模型中求出相應(yīng)模型最優(yōu)時(shí)的節(jié)點(diǎn)邊際電價(jià)和最優(yōu)購(gòu)售電功率。分別選用100、200、300、400、500、600、700、800和900組數(shù)據(jù)作為訓(xùn)練樣本，分別輸入兩個(gè)ELM模型中進(jìn)行訓(xùn)練，再用剩余100組數(shù)據(jù)進(jìn)行模型準(zhǔn)確性測(cè)試，其中，ELM擬合誤差計(jì)算公式詳見(jiàn)式（44）和式（45）。不同數(shù)量訓(xùn)練數(shù)據(jù)下ELM的擬合誤差見(jiàn)表1。

表1 不同數(shù)量訓(xùn)練數(shù)據(jù)下ELM的擬合誤差

Tab.1 Fitting errors of extreme learning machine with different training data

從表1中可以看出，當(dāng)訓(xùn)練數(shù)據(jù)為600時(shí)，擬合誤差趨向于收斂，約為6%。因此，本文選擇利用900組訓(xùn)練樣本得到的兩個(gè)ELM模型作為后續(xù)優(yōu)化模型中的耦合工具。

需要說(shuō)明的是，為了選擇合適的ELM核函數(shù)，本文分別針對(duì)RBF核函數(shù)（RBF kernel）、線性核函數(shù)（Linear kernel）、多項(xiàng)式核函數(shù)（Polynomial kernel）及波核函數(shù)（Wave kernel）的擬合誤差進(jìn)行對(duì)比分析，利用900組樣本進(jìn)行訓(xùn)練，并利用另外100組數(shù)據(jù)進(jìn)行測(cè)試，測(cè)試結(jié)果見(jiàn)表2。

表2 不同核函數(shù)下ELM的擬合誤差

Tab.2 Fitting errors of extreme learning machine with different kernel functions

由表2可知，采用RBF核函數(shù)時(shí)，模型的平均標(biāo)準(zhǔn)方均根誤差最低，擬合效果最優(yōu)。因此，本文最終選取RBF核函數(shù)進(jìn)行ELM訓(xùn)練。

3.3 模型求解精度和效率

為了提高求解效率，本文提出了基于ELM的交直流配電網(wǎng)雙層協(xié)調(diào)調(diào)度模型，采用ELM算法實(shí)現(xiàn)交直流配電網(wǎng)優(yōu)化模型和微能網(wǎng)優(yōu)化模型的快速響應(yīng)，避免每次迭代過(guò)程中求解高維子優(yōu)化問(wèn)題耗時(shí)過(guò)長(zhǎng)的缺陷，極大地提升了計(jì)算效率。本文進(jìn)一步分析引入ELM對(duì)模型求解精度的影響。

首先，本文將未采用ELM的協(xié)調(diào)調(diào)度模型優(yōu)化結(jié)果作為基準(zhǔn)值，對(duì)比分析采用ELM的優(yōu)化結(jié)果，以驗(yàn)證本文所提模型的精確性。ELM擬合節(jié)點(diǎn)邊際電價(jià)相對(duì)誤差曲線如圖5所示。LMP1和LMP2分別代表兩微能網(wǎng)接入節(jié)點(diǎn)的節(jié)點(diǎn)邊際電價(jià)。從圖5中可以看出，所得到各時(shí)段的節(jié)點(diǎn)邊際電價(jià)誤差均低于6%。因此，本文基于ELM的交直流配電網(wǎng)優(yōu)化模型可以通過(guò)數(shù)據(jù)學(xué)習(xí)的方式建立交互變量與目標(biāo)函數(shù)之間的關(guān)系，從而避免了迭代優(yōu)化中交替進(jìn)行的優(yōu)化過(guò)程，在允許的誤差范圍內(nèi)提高了優(yōu)化過(guò)程的求解效率。

圖5 ELM擬合節(jié)點(diǎn)邊際電價(jià)相對(duì)誤差曲線

為進(jìn)一步說(shuō)明本文所提基于ELM耦合交互的模型求解方法在求解精度及計(jì)算效率上的優(yōu)越性，引入傳統(tǒng)集中式求解算法及基于異構(gòu)分解的分布式求解算法[15-16]與本文所提算法進(jìn)行對(duì)比，結(jié)果見(jiàn)表3。

表3 模型求解精度及效率對(duì)比表

Tab.3 Comparison table of solving efficiency and accuracy

從表3可以看出，本文所提基于ELM耦合交互的模型求解方法的計(jì)算精度較高，生產(chǎn)總成本、交直流配電網(wǎng)發(fā)電成本及各微能網(wǎng)購(gòu)能成本誤差均保持在3%以?xún)?nèi)，在工程應(yīng)用上完全能夠接受。與此同時(shí)，相較于傳統(tǒng)分布式和集中式優(yōu)化算法，本文所提算法在計(jì)算效率層面具有顯著優(yōu)勢(shì)，整個(gè)優(yōu)化過(guò)程在154s內(nèi)完成。由此可見(jiàn)，基于ELM耦合交互的模型求解方法在允許小范圍犧牲最優(yōu)性的條件下極大地提高了模型的求解效率，既克服了傳統(tǒng)分布式優(yōu)化算法求解子優(yōu)化問(wèn)題耗時(shí)過(guò)長(zhǎng)的缺陷，亦避免了傳統(tǒng)集中式優(yōu)化算法在節(jié)點(diǎn)數(shù)量增加、網(wǎng)絡(luò)規(guī)模擴(kuò)大時(shí)所面臨的收斂性問(wèn)題，為高效求解此類(lèi)多個(gè)主體、調(diào)度資源多樣、調(diào)度模型復(fù)雜的協(xié)同優(yōu)化問(wèn)題提供了堅(jiān)實(shí)基礎(chǔ)。

3.4 協(xié)調(diào)調(diào)度和獨(dú)立調(diào)度結(jié)果對(duì)比

為進(jìn)一步體現(xiàn)本文所提交直流配電網(wǎng)協(xié)調(diào)調(diào)度模型相較于傳統(tǒng)獨(dú)立調(diào)度模型的優(yōu)勢(shì)，本文設(shè)置如下三種調(diào)度方式進(jìn)行對(duì)比分析：

調(diào)度方式1（協(xié)調(diào)調(diào)度方式）：即本文提出的基于ELM的交直流配電網(wǎng)-微能網(wǎng)協(xié)調(diào)調(diào)度方式，交直流配電網(wǎng)和兩個(gè)微能網(wǎng)進(jìn)行協(xié)調(diào)調(diào)度。微能網(wǎng)根據(jù)配電網(wǎng)給定電價(jià)分別進(jìn)行自調(diào)度，將自身功率需求傳遞給配電網(wǎng)后，配電網(wǎng)進(jìn)一步根據(jù)兩個(gè)微能網(wǎng)功率需求進(jìn)行優(yōu)化調(diào)度，將優(yōu)化后的配電網(wǎng)節(jié)點(diǎn)電價(jià)傳遞給微能網(wǎng)，模型間反復(fù)交互迭代直至收斂。

調(diào)度方式2（獨(dú)立調(diào)度方式-1）：交直流配電網(wǎng)和兩個(gè)微能網(wǎng)進(jìn)行獨(dú)立調(diào)度。兩個(gè)微能網(wǎng)根據(jù)交直流配電網(wǎng)給定節(jié)點(diǎn)電價(jià)進(jìn)行自調(diào)度，并向配電網(wǎng)上傳24h功率需求，配電網(wǎng)根據(jù)微能網(wǎng)功率需求進(jìn)行配電網(wǎng)優(yōu)化。兩個(gè)微能網(wǎng)接入節(jié)點(diǎn)的電價(jià)統(tǒng)一參考河北南部電網(wǎng)1～10kV配電網(wǎng)峰谷銷(xiāo)售電價(jià)。

調(diào)度方式3（獨(dú)立調(diào)度方式-2）：該調(diào)度方式與調(diào)度方式2基本相同，唯一的區(qū)別之處在于調(diào)度方式3中微能網(wǎng)的優(yōu)化目標(biāo)調(diào)整為向交直流配電網(wǎng)購(gòu)電功率最少（或者售電功率最多），以分析微能網(wǎng)向交直流配電網(wǎng)提供最小功率需求（或者最大功率支撐）時(shí)全系統(tǒng)的運(yùn)行生產(chǎn)總成本。

需要說(shuō)明的是，為驗(yàn)證本文協(xié)調(diào)調(diào)度模型及求解算法在計(jì)及多微能網(wǎng)接入的交直流配電網(wǎng)系統(tǒng)中的有效性和優(yōu)越性，本文進(jìn)一步增加了計(jì)及三微能網(wǎng)接入的交直流配電網(wǎng)系統(tǒng)算例分析，詳見(jiàn)鏈接。此外，由于采用的交直流配電網(wǎng)系統(tǒng)和微能網(wǎng)系統(tǒng)參數(shù)不同，涉及金額單位的問(wèn)題，因此本文在迭代優(yōu)化過(guò)程中將美元電價(jià)按1:7的匯率轉(zhuǎn)換為人民幣進(jìn)行，這并不會(huì)影響到最終調(diào)度結(jié)果。

1）生產(chǎn)成本優(yōu)化結(jié)果

交直流配電網(wǎng)和微能網(wǎng)的生產(chǎn)成本優(yōu)化結(jié)果見(jiàn)表4。

表4 三種調(diào)度方式下交直流配電網(wǎng)和微能網(wǎng)生產(chǎn)成本優(yōu)化結(jié)果

Tab.4 The cost of AC-DC distribution network and micro-energy-internet under 3 dispatching modes

分析表4中數(shù)據(jù)可看出：

（1）獨(dú)立調(diào)度方式-1下的微能網(wǎng)購(gòu)能成本最低，發(fā)電成本最高，獨(dú)立調(diào)度方式2下的微能網(wǎng)購(gòu)能成本最高，發(fā)電成本最低；協(xié)調(diào)調(diào)度方式下的微能網(wǎng)購(gòu)能成本和配電網(wǎng)發(fā)電成本介于兩者之間。這主要是由于在獨(dú)立調(diào)度方式-1下微能網(wǎng)的調(diào)度方式為自調(diào)度，其以微能網(wǎng)自身的運(yùn)行成本最小為目標(biāo)，所以犧牲了部分交直流配電網(wǎng)的運(yùn)行經(jīng)濟(jì)性，以確保微能網(wǎng)運(yùn)行最優(yōu)；而獨(dú)立調(diào)度方式-2則恰好相反，其以向交直流配電網(wǎng)提供最大功率支撐（或者最小功率需求）為目標(biāo)，旨在充分發(fā)揮微能網(wǎng)的多能耦合替代特性，使得微能網(wǎng)內(nèi)部資源利用最大化，所以該調(diào)度方式下微能網(wǎng)的購(gòu)能成本最高、交直流配電網(wǎng)的發(fā)電成本最低；而協(xié)調(diào)調(diào)度方式則綜合考慮了微能網(wǎng)和交直流配電網(wǎng)的運(yùn)行經(jīng)濟(jì)性。

（2）協(xié)調(diào)調(diào)度方式下的生產(chǎn)總成本最低，其次是獨(dú)立調(diào)度方式-1，獨(dú)立調(diào)度方式-2下的生產(chǎn)總成本最高，協(xié)調(diào)調(diào)度方式下生產(chǎn)總成本相比獨(dú)立調(diào)度方式最高相差1532.33元/天。相較于獨(dú)立調(diào)度方式，協(xié)調(diào)調(diào)度方式能夠可觀地降低系統(tǒng)總生產(chǎn)成本。

（3）相較于協(xié)同調(diào)度方式所能夠?qū)崿F(xiàn)配電網(wǎng)風(fēng)光全額消納，兩種獨(dú)立調(diào)度方式中配電網(wǎng)均出現(xiàn)了不同程度的棄風(fēng)棄光問(wèn)題。這主要是由于兩種獨(dú)立調(diào)度方式中配電網(wǎng)與微能網(wǎng)間缺乏有效數(shù)據(jù)信息交互，配電網(wǎng)及微能網(wǎng)在優(yōu)化過(guò)程中僅考慮自身經(jīng)濟(jì)性，系統(tǒng)整體資源協(xié)同利用效率較為有限；此外，獨(dú)立調(diào)度方式-2以向交直流配電網(wǎng)購(gòu)電功率最少為優(yōu)化目標(biāo)，該優(yōu)化目標(biāo)將導(dǎo)致配電網(wǎng)棄風(fēng)棄光現(xiàn)象進(jìn)一步加劇。同時(shí)，本文所提算法能夠通過(guò)節(jié)點(diǎn)邊際電價(jià)與微能網(wǎng)購(gòu)售電功率的迭代交互獲取全局最優(yōu)能源生產(chǎn)方案，進(jìn)而有效地促進(jìn)清潔能源消納。

2）交直流配電網(wǎng)優(yōu)化調(diào)度結(jié)果

三種調(diào)度方式下，交直流配電網(wǎng)負(fù)荷曲線及電源出力情況如圖6所示。

圖6 三種調(diào)度方式下交直流配電網(wǎng)負(fù)荷及電源出力曲線

分析圖6中信息可以看出，協(xié)調(diào)調(diào)度方式下兩個(gè)微能網(wǎng)的購(gòu)售電方案相對(duì)更為合理，對(duì)交直流配電網(wǎng)起到了一定的削峰填谷的作用。當(dāng)交直流配電網(wǎng)位于負(fù)荷高峰期時(shí)，兩個(gè)微能網(wǎng)向配電網(wǎng)售電，反之則微能網(wǎng)向配電網(wǎng)購(gòu)電，緩解了配電網(wǎng)調(diào)峰壓力，避免了配電網(wǎng)電源出力的頻繁調(diào)節(jié)。而兩種獨(dú)立調(diào)度方式下微能網(wǎng)由于缺乏與交直流配電網(wǎng)的有效交互機(jī)制，其能源生產(chǎn)方案與交直流配電網(wǎng)的實(shí)際需求并不匹配，常常會(huì)出現(xiàn)負(fù)荷低谷期微能網(wǎng)向配電網(wǎng)售電或者是負(fù)荷高峰期微能網(wǎng)向配電網(wǎng)購(gòu)電的現(xiàn)象。因此，從系統(tǒng)層面而言，協(xié)調(diào)調(diào)度方式更有利于發(fā)揮不同調(diào)度資源的協(xié)調(diào)互補(bǔ)特性，優(yōu)化系統(tǒng)的能源利用方式。

3）微能網(wǎng)優(yōu)化調(diào)度結(jié)果

三種調(diào)度方式下，微能網(wǎng)1和微能網(wǎng)2內(nèi)部的電能生產(chǎn)方案如圖7所示。

分析圖7可以發(fā)現(xiàn)：無(wú)論是協(xié)調(diào)調(diào)度方式還是兩種獨(dú)立調(diào)度方式，微能網(wǎng)接入交直流配電網(wǎng)后，由于微能網(wǎng)可以向交直流配電網(wǎng)倒送功率，所以當(dāng)單獨(dú)考慮微能網(wǎng)調(diào)度時(shí)出現(xiàn)的棄風(fēng)光現(xiàn)象將不再出現(xiàn)；另外，由于微能網(wǎng)2內(nèi)部的風(fēng)光資源更加充足，因此微能網(wǎng)2向交直流配電網(wǎng)的售電積極性更高，這也說(shuō)明微能網(wǎng)是促進(jìn)風(fēng)光資源消納的有效手段之一。進(jìn)一步縱向?qū)Ρ葓D7中的相關(guān)數(shù)據(jù)可知，協(xié)調(diào)調(diào)度方式下微能網(wǎng)內(nèi)部的負(fù)荷需求響應(yīng)趨勢(shì)與配電網(wǎng)負(fù)荷峰谷分布幾乎相反，即在配電網(wǎng)負(fù)荷高峰期時(shí)微能網(wǎng)負(fù)荷下降，在配電網(wǎng)負(fù)荷低谷期時(shí)微能網(wǎng)負(fù)荷上升，而兩種獨(dú)立調(diào)度方式下的負(fù)荷需求響應(yīng)則無(wú)明顯特征，說(shuō)明協(xié)調(diào)調(diào)度方式更有利于發(fā)揮微能網(wǎng)的負(fù)荷需求響應(yīng)特性，平滑配電網(wǎng)負(fù)荷曲線。

三種調(diào)度方式下，微能網(wǎng)1和微能網(wǎng)2內(nèi)部的電能生產(chǎn)方案見(jiàn)鏈接，可以發(fā)現(xiàn)，協(xié)調(diào)調(diào)度方式對(duì)微能網(wǎng)內(nèi)部的熱能生產(chǎn)方案具有較大的影響，其本質(zhì)是由于用戶(hù)綜合需求響應(yīng)的影響：不同調(diào)度方式下微能網(wǎng)的優(yōu)化目標(biāo)不同，對(duì)應(yīng)不同的響應(yīng)電價(jià)，電價(jià)將對(duì)用戶(hù)的熱負(fù)荷需求產(chǎn)生較大影響，進(jìn)而影響了微能網(wǎng)內(nèi)部的熱能生產(chǎn)方案。與此同時(shí)，獨(dú)立調(diào)度方式-2下微能網(wǎng)熱負(fù)荷僅由CHP機(jī)組和儲(chǔ)熱裝置供應(yīng)，而協(xié)調(diào)調(diào)度方式和獨(dú)立調(diào)度方式-1下均有電熱泵參與熱負(fù)荷供應(yīng)，且三種調(diào)度方式下均無(wú)燃?xì)忮仩t參與。這主要是由于CHP機(jī)組具有熱電聯(lián)產(chǎn)的獨(dú)特優(yōu)勢(shì)，當(dāng)微能網(wǎng)接入配電網(wǎng)后可以將其內(nèi)部盈余的風(fēng)電、光伏甚至是氣電倒送至交直流配電網(wǎng)中，使得CHP機(jī)組的優(yōu)勢(shì)被進(jìn)一步擴(kuò)大，熱電聯(lián)產(chǎn)的效益遠(yuǎn)遠(yuǎn)高于燃?xì)忮仩t以氣產(chǎn)熱的效益，所以三種調(diào)度方式下燃?xì)忮仩t都沒(méi)有被安排熱負(fù)荷供應(yīng)計(jì)劃。另一方面，協(xié)調(diào)調(diào)度方式和獨(dú)立調(diào)度方式-1電熱泵承擔(dān)熱負(fù)荷的時(shí)刻均為輕電重?zé)嶝?fù)荷階段，此時(shí)的節(jié)點(diǎn)電價(jià)一般也相對(duì)較低，所以通過(guò)電熱泵將電負(fù)荷轉(zhuǎn)換成熱負(fù)荷具備經(jīng)濟(jì)性，而獨(dú)立調(diào)度方式-2的優(yōu)化目標(biāo)為向交直流配電網(wǎng)供給最大功率，所以調(diào)度計(jì)劃會(huì)避免出現(xiàn)電轉(zhuǎn)氣的現(xiàn)象，因此獨(dú)立調(diào)度方式-2沒(méi)有電熱泵參與熱負(fù)荷供應(yīng)。

綜上所述，本文所提出的協(xié)調(diào)調(diào)度模型可以充分發(fā)揮不同調(diào)度資源的協(xié)調(diào)互補(bǔ)特性，促進(jìn)微能網(wǎng)和交直流配電網(wǎng)之間的信息交互，降低社會(huì)生產(chǎn)的總成本。

4 結(jié)論

為充分發(fā)揮交直流配電網(wǎng)和微能網(wǎng)的協(xié)調(diào)互補(bǔ)特性，本文對(duì)計(jì)及動(dòng)態(tài)網(wǎng)絡(luò)重構(gòu)和多能源協(xié)同的交直流配電網(wǎng)優(yōu)化調(diào)度技術(shù)開(kāi)展研究，提出了基于ELM的交直流配電網(wǎng)協(xié)同優(yōu)化調(diào)度模型快速求解方法，通過(guò)仿真算例對(duì)模型進(jìn)行了驗(yàn)證，結(jié)果表明：

1）本文提出了一種含微能網(wǎng)的交直流配電網(wǎng)協(xié)調(diào)運(yùn)行框架，該框架能夠反映微能網(wǎng)和交直流配電網(wǎng)之間的影響機(jī)理，以節(jié)點(diǎn)邊際電價(jià)和購(gòu)售電功率為交互變量的協(xié)調(diào)機(jī)制能夠有效地實(shí)現(xiàn)信息交互。

2）本文提出了一種基于ELM的交直流配電網(wǎng)雙層協(xié)調(diào)調(diào)度模型求解方法，該求解方法能夠在保證求解最優(yōu)性的前提下，縮短每次迭代計(jì)算時(shí)間，實(shí)現(xiàn)交直流配電網(wǎng)協(xié)同優(yōu)化模型的快速求解。

3）交直流配電網(wǎng)和接入的微能網(wǎng)之間的協(xié)調(diào)調(diào)度，對(duì)于提升系統(tǒng)整體經(jīng)濟(jì)性，促進(jìn)可再生能源消納和能源清潔化轉(zhuǎn)型具有重要意義。

[1] 國(guó)家能源局. 能源發(fā)展“十三五”規(guī)劃[EB/OL]. http://www.nea.gov.cn/135989417_14846217874961n.pdf.

[2] 國(guó)家發(fā)展和改革委員會(huì), 國(guó)家能源局. 能源生產(chǎn)和消費(fèi)革命戰(zhàn)略（2016-2030）[EB/OL]. https://www. ndrc.gov.cn/fggz/zcssfz/zcgh/201704/W020190910670685518802.pdf.

[3] 馬釗, 周孝信, 尚宇煒, 等. 未來(lái)配電系統(tǒng)形態(tài)及發(fā)展趨勢(shì)[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2015, 35(6): 1289-1298.

Ma Zhao, Zhou Xiaoxin, Shang Yuwei, et al. Form and development trend of future distribution system[J]. Proceedings of the CSEE, 2015, 35(6): 1289-1298.

[4] 黃堃, 劉之涵, 付明, 等. 計(jì)及電壓風(fēng)險(xiǎn)感知的交直流配電網(wǎng)優(yōu)化調(diào)度[J]. 電力系統(tǒng)自動(dòng)化, 2021, 45(15): 45-54.

Huang Kun, Liu Zhihan, Fu Ming, et al. Optimal dispatch of AC/DC distribution network considering voltage risk perception[J]. Automation of Electric Power Systems, 2021, 45(15): 45-54.

[5] 曾夢(mèng)隆, 韋鋼, 朱蘭, 等. 交直流配電網(wǎng)中電動(dòng)汽車(chē)充換儲(chǔ)一體站規(guī)劃[J]. 電力系統(tǒng)自動(dòng)化, 2021, 45(18): 52-60.

Zeng Menglong, Wei Gang, Zhu Lan, et al. Planning of electric vehicle charging-swapping-storage integrated station in AC/DC distribution network[J]. Automation of Electric Power Systems, 2021, 45(18): 52-60.

[6] 孫峰洲, 劉海濤, 陳慶, 等. 考慮新能源波動(dòng)區(qū)間的交直流配電網(wǎng)下垂斜率魯棒優(yōu)化方法[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(14): 62-70.

Sun Fengzhou, Liu Haitao, Chen Qing, et al. Robust optimization method for droop slopes in AC/DC distribution network considering fluctuation interval of renewable energy source[J]. Automation of Electric Power Systems, 2020, 44(14): 62-70.

[7] 李幸芝, 韓蓓, 李國(guó)杰, 等. 考慮非高斯耦合不確定性的交直流配電網(wǎng)兩階段概率狀態(tài)估計(jì)[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(23): 4949-4960.

Li Xingzhi, Han Bei, Li Guojie, et al. Two-stage probabilistic state estimation for AC/DC distribution network considering non-Gaussian coupling uncertainties[J]. Transactions of China Electrotechnical Society, 2020, 35(23): 4949-4960.

[8] 刁涵彬, 李培強(qiáng), 王繼飛, 等. 考慮電/熱儲(chǔ)能互補(bǔ)協(xié)調(diào)的綜合能源系統(tǒng)優(yōu)化調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(21): 4532-4543.

Diao Hanbin, Li Peiqiang, Wang Jifei, et al. Optimal dispatch of integrated energy system considering complementary coordination of electric/thermal energy storage[J]. Transactions of China Electrotechnical Society, 2020, 35(21): 4532-4543.

[9] 陳柏翰, 馮偉, 孫凱, 等. 冷熱電聯(lián)供系統(tǒng)多元儲(chǔ)能及孤島運(yùn)行優(yōu)化調(diào)度方法[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(15): 3231-3243.

Chen Bohan, Feng Wei, Sun Kai, et al. Multi-energy storage system and islanded optimal dispatch method of CCHP[J]. Transactions of China Electrotechnical Society, 2019, 34(15): 3231-3243.

[10] 尹斌鑫, 苗世洪, 李姚旺, 等. 先進(jìn)絕熱壓縮空氣儲(chǔ)能在綜合能源系統(tǒng)中的經(jīng)濟(jì)性分析方法[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(19): 4062-4075.

Yin Binxin, Miao Shihong, Li Yaowang, et al. Study on the economic analysis method of advanced adiabatic compressed air energy storage in integrated energy system[J] Transactions of China Electrotechnical Society, 2020, 35(19): 4062-4075.

[11] 楊經(jīng)緯, 張寧, 王毅, 等. 面向可再生能源消納的多能源系統(tǒng): 述評(píng)與展望[J]. 電力系統(tǒng)自動(dòng)化, 2018, 42(4): 11-24.

Yang Jingwei, Zhang Ning, Wang Yi, et al. Multi-energy system towards renewable energy accommodation: review and prospect[J]. Automation of Electric Power Systems, 2018, 42(4): 11-24.

[12] 林順富, 劉持濤, 李東東, 等. 考慮電能交互的冷熱電區(qū)域多微網(wǎng)系統(tǒng)雙層多場(chǎng)景協(xié)同優(yōu)化配置[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2020, 40(5): 1409-1421.

Lin Shunfu, Liu Jitao, Li Dongdong, et al. Bi-level multiple scenarios collaborative optimization configuration of CCHP regional multi-microgrid system considering power interaction among microgrids[J]. Proceedings of the CSEE, 2020, 40(5): 1409-1421.

[13] 李鵬, 吳迪凡, 李雨薇, 等. 基于談判博弈的多微網(wǎng)綜合能源系統(tǒng)多目標(biāo)聯(lián)合優(yōu)化配置[J]. 電網(wǎng)技術(shù), 2020, 44(10): 3680-3690.

Li Peng, Wu Difan, Li Yuwei, et al. Multi-objective union optimal configuration strategy for multi-microgrid integrated energy system considering bargaining games[J]. Power System Technology, 2020, 44(10): 3680-3690.

[14] 王守相, 吳志佳, 莊劍. 考慮微網(wǎng)間功率交互和微源出力協(xié)調(diào)的冷熱電聯(lián)供型區(qū)域多微網(wǎng)優(yōu)化調(diào)度模型[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2017, 37(24): 7185-7194, 7432.

Wang Shouxiang, Wu Zhijia, Zhuang Jian. Optimal dispatching model of CCHP type regional multi-microgrids considering interactive power exchange among microgrids and output coordination among micro-sources[J]. Proceedings of the CSEE, 2017, 37(24): 7185-7194, 7432.

[15] Li Zhengshuo, Guo Qinglai, Sun Hongbin, et al. Coordinated economic dispatch of coupled transmission and distribution systems using heterogeneous decomposition[J]. IEEE Transactions on Power Systems, 2016, 31(6): 4817-4830.

[16] Li Zhengshuo, Guo Qinglai, Sun Hongbin, et al. A new LMP-sensitivity-based heterogeneous decomposition for transmission and distribution coordinated economic dispatch[J]. IEEE Transactions on Smart Grid, 2018, 9(2): 931-941.

[17] 徐青山, 李淋, 盛業(yè)宏, 等. 冷熱電聯(lián)供型多微網(wǎng)主動(dòng)配電系統(tǒng)日前優(yōu)化經(jīng)濟(jì)調(diào)度[J]. 電網(wǎng)技術(shù), 2018, 42(6): 1726-1735.

Xu Qingshan, Li Lin, Sheng Yehong, et al. Day-ahead optimized economic dispatch of active distribution power system with combined cooling heating and power-based microgrids[J]. Power System Technology, 2018, 42(6): 1726-1735.

[18] Xu Qingshan, Li Lin, Xi Chen, et al. Optimal economic dispatch of combined cooling, heating and power-type multi-microgrids considering interaction power among microgrids[J]. IET Smart Grid, 2019, 2(3): 391-398.

[19] 徐青山, 李淋, 蔡霽霖, 等. 考慮電能交互的冷熱電多微網(wǎng)系統(tǒng)日前優(yōu)化經(jīng)濟(jì)調(diào)度[J]. 電力系統(tǒng)自動(dòng)化, 2018, 42(21): 36-44.

Xu Qingshan, Li Lin, Cai Jilin, et al. Day-ahead optimized economic dispatch of CCHP multi-microgrid system considering power interaction among microgrids[J]. Automation of Electric Power Systems, 2018, 42(21): 36-44.

[20] 周丹, 孫可, 張全明, 等. 含多個(gè)綜合能源聯(lián)供型微網(wǎng)的配電網(wǎng)日前魯棒優(yōu)化調(diào)度[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2020, 40(14): 4473-4485.

Zhou Dan, Sun Ke, Zhang Quanming, et al. Day-ahead robust dispatch of distribution network with multiple integrated energy system-based micro-grids[J]. Proceedings of the CSEE, 2020, 40(14): 4473-4485.

[21] 熊郁芬, 蘇潔瑩, 王獎(jiǎng), 等. 含多園區(qū)綜合能源系統(tǒng)的配電網(wǎng)雙層分布式調(diào)度[J]. 廣東電力, 2019, 32(10): 53-61.

Xiong Yufen, Su Jieying, Wang Jiang, et al. Bi-level distributed scheduling for distribution network with integrated energy system in parks[J]. Guangdong Electric Power, 2019, 32(10): 53-61.

[22] 雷霞, 唐文左, 李逐云, 等. 考慮區(qū)域綜合能源系統(tǒng)優(yōu)化運(yùn)行的配電網(wǎng)擴(kuò)展規(guī)劃[J]. 電網(wǎng)技術(shù), 2018, 42(11): 3459-3470.

Lei Xia, Tang Wenzuo, Li Zhuyun, et al. Distribution network expansion planning considering optimal operation of regional integrated energy system[J]. Power System Technology, 2018, 42(11): 3459-3470.

[23] Li Chao, Miao Shihong, Zhang Di, et al. A two-stage reactive power optimization strategy for AC/DC hybrid distribution network[C]//2020 5th Asia Conference on Power and Electrical Engineering (ACPEE), Chengdu, China, 2020: 426-431.

[24] 史新紅, 鄭亞先, 薛必克, 等. 機(jī)組運(yùn)行約束對(duì)機(jī)組節(jié)點(diǎn)邊際電價(jià)的影響分析[J]. 電網(wǎng)技術(shù), 2019, 43(8): 2658-2665.

Shi Xinhong, Zheng Yaxian, Xue Bike, et al. The effect analysis of units operation constraints on locational marginal price of unit nodes[J]. Power System Technology, 2019, 43(8): 2658-2665.

[25] Taylor J A. Convex optimization of power systems[M]. Cambridge: Cambridge University Press, 2015.

[26] 王宣元, 高峰, 康重慶, 等. 擴(kuò)展的節(jié)點(diǎn)電價(jià)算法研究[J]. 電網(wǎng)技術(shù), 2019, 43(10): 3587-3596.

Wang Xuanyuan, Gao Feng, Kang Chongqing, et al. Analysis of extended locational marginal price[J]. Power System Technology, 2019, 43(10): 3587-3596.

[27] Chen Y Q, Fink O, Sansavini G. Combined fault location and classification for power transmission lines fault diagnosis with integrated feature extraction[J]. IEEE Transactions on Industrial Electronics, 2017, 65(1): 561-569.

[28] 吳忠強(qiáng), 戚松岐, 尚夢(mèng)瑤, 等. 基于優(yōu)化極限學(xué)習(xí)機(jī)的直流微電網(wǎng)并網(wǎng)等效建模[J]. 電力自動(dòng)化設(shè)備, 2020, 40(6): 43-49.

Wu Zhongqiang, Qi Songqi, Shang Mengyao, et al. Grid-connected equivalent modeling of DC microgrid based on optimized extreme learning machine[J]. Electric Power Automation Equipment, 2020, 40(6): 43-49.

[29] 周鋒, 孫廷璽, 權(quán)少靜, 等. 基于集合經(jīng)驗(yàn)?zāi)B(tài)分解和極限學(xué)習(xí)機(jī)的變壓器油中溶解氣體體積分?jǐn)?shù)預(yù)測(cè)方法[J]. 高電壓技術(shù), 2020, 46(10): 3658-3665.

Zhou Feng, Sun Tingxi, Quan Shaojing, et al. Predication of dissolved gases concentration in transformer oil based on ensemble empirical mode decomposition and extreme learning machine[J]. High Voltage Engineering, 2020, 46(10): 3658-3665.

[30] 徐業(yè)琰, 廖清芬, 劉滌塵, 等. 基于綜合需求響應(yīng)和博弈的區(qū)域綜合能源系統(tǒng)多主體日內(nèi)聯(lián)合優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù), 2019, 43(7): 2506-2518.

Xu Yeyan, Liao Qingfen, Liu Dichen, et al. Multi-player intraday optimal dispatch of integrated energy system based on integrated demand response and games[J]. Power System Technology, 2019, 43(7): 2506-2518.

Coordinated Optimal Dispatching Strategy of AC/DC Distribution Network for the Integration of Micro Energy Internet

Zheng Zhong1,2Miao Shihong1,2Li Chao1,2Zhang Di1,2Han Ji1,2

（1. State Key Laboratory of Advanced Electromagnetic Engineering and Technology School of Electrical and Electronic Engineering Huazhong University of Science and Technology Wuhan 430074 China 2. Hubei Electric Power Security and High Efficiency Key Laboratory Huazhong University of Science and Technology Wuhan 430074 China）

By connecting distributed generations (DG) to the distribution network through micro-energy-internet (MEI), it can fully utilize the characteristics of the multi-energy coupling and complementation of MEI to promote the consumption of renewable energy. This paper gave full consideration to the technical advantages of AC/DC distribution network and MEI as well as the interaction between them, and studied the optimal dispatching strategy of AC/DC distribution network considering dynamic network reconfiguration and multi-energy collaboration. Firstly, according to the characteristics of the system structure and dispatching model of AC/DC distribution network containing MEI, the coordinated operation mechanism was studied with the locational marginal price of distribution network and the bought/sold power of MEI as interactive variables. Aiming at minimizing operating cost of AC/DC power distribution network and MEI, a coordinated dispatching model of AC/DC power distribution network was established with full consideration of network operation constraints and interaction coupling constraints. Then, based on the derivation of locational marginal price of the mixed integer second order cone programming model, a fast solving method based on the extreme learning machine coupling interaction model was proposed. Finally, an example analysis was carried out on the improved IEEE 33 node AC/DC distribution network containing MEI. The simulation results showed that the scheduling architecture can fully reduce the network operation cost and promote the information interaction between the micro energy grid and AC/DC distribution network. Meanwhile, the solution technology proposed in this paper can greatly improve the solution efficiency on the premise of ensuring the calculation accuracy.

AC/DC distribution network, micro energy internet, coordinated optimal scheduling, dynamic network reconfiguration, extreme learning machine

10.19595/j.cnki.1000-6753.tces.201374

TM732

2020-10-19

2021-10-09

鄭 重 男，1998年生，碩士研究生，研究方向?yàn)殡娋W(wǎng)分布式發(fā)電及儲(chǔ)能規(guī)劃、電力系統(tǒng)凸優(yōu)化。E-mail：zzheng@hust. edu. cn

苗世洪 男，1963年生，碩士，教授，博士生導(dǎo)師，研究方向?yàn)殡娏ο到y(tǒng)保護(hù)控制及微電網(wǎng)和主動(dòng)配電網(wǎng)新技術(shù)等。E-mail：shmiao@mail. hust. edu. cn（通信作者）

（編輯 赫蕾）