智能電網(wǎng)經(jīng)濟(jì)調(diào)度運(yùn)行探討

胡小英（國網(wǎng)江西省電力公司鄱陽縣供電分公司，江西上饒334000）

智能電網(wǎng)經(jīng)濟(jì)調(diào)度運(yùn)行探討

胡小英（國網(wǎng)江西省電力公司鄱陽縣供電分公司，江西上饒334000）

隨著我國經(jīng)濟(jì)發(fā)展水平的不斷提高，智能電網(wǎng)應(yīng)用日漸普遍，促使電網(wǎng)從傳統(tǒng)的集中控制轉(zhuǎn)變?yōu)榉植际娇刂?，直接對傳統(tǒng)電機(jī)組功率輸出造成影響。電動(dòng)汽車可為電網(wǎng)提供一系列輔助服務(wù)（V2G），從而使過去單一經(jīng)濟(jì)調(diào)度模式發(fā)生改變。車組充電與可再生能源發(fā)電間歇性對電網(wǎng)調(diào)度能力要求增大，由此，本文將使用動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模型，對奠定汽車充放電時(shí)間與功率進(jìn)行調(diào)節(jié)，以體現(xiàn)智能電網(wǎng)經(jīng)濟(jì)調(diào)度應(yīng)用的合理性及有效性。

智能電網(wǎng)；經(jīng)濟(jì)調(diào)度；電機(jī)功率；調(diào)度模式

電動(dòng)汽車使用因溫室氣體排放減少，從而減少了對環(huán)境污染，也是智能電網(wǎng)的重要組成。使用電動(dòng)汽車可以為接入網(wǎng)提供輔助服務(wù)，還能與發(fā)電并網(wǎng)，將單一集中發(fā)電模式改變了，呈現(xiàn)出雙向流動(dòng)特征。但在使用電動(dòng)汽車時(shí)，如果不能對充電控制容易使電網(wǎng)壓力增大，且外部環(huán)境影響下會出現(xiàn)間歇性，降低用電質(zhì)量。由此，加強(qiáng)智能電網(wǎng)條件下發(fā)電機(jī)組經(jīng)濟(jì)調(diào)度至關(guān)重要。

1 基于智能電網(wǎng)的動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模型

1.1 目標(biāo)函數(shù)

智能電網(wǎng)中電動(dòng)汽車與可再生能源發(fā)電接入可使單一發(fā)電商獲利模式改變，在優(yōu)化目標(biāo)中需要考慮發(fā)電商利益，同時(shí)還要兼顧車主利益以及環(huán)境保護(hù)需求。鑒于放電會使電池壽命縮短，V2G服務(wù)成本升高。從發(fā)電商角度考慮應(yīng)用V2G服務(wù)成本較應(yīng)用常規(guī)機(jī)組要高，從而將V2G而使用常規(guī)機(jī)組；從車組角度考慮，使用V2G沒有經(jīng)濟(jì)回報(bào)將放棄使用[1]。由此，智能電網(wǎng)條件下經(jīng)濟(jì)調(diào)度是多目標(biāo)、多約束的動(dòng)態(tài)化優(yōu)化問題，目標(biāo)函數(shù)可以表示為：

公式中，不等式約束函數(shù)為gi（x）；而等式約束函數(shù)為hj（x），優(yōu)化模型分為四部分，分別為：①最大發(fā)電成本。發(fā)電成本既包括燃料成本、停留成本、還包括電動(dòng)切除發(fā)電成本等。②最低碳排放量。通過使用發(fā)電機(jī)組進(jìn)行經(jīng)濟(jì)調(diào)度可以使碳排放量減少，從而將環(huán)境污染減少。③最大電網(wǎng)等效負(fù)荷率。可再生能源發(fā)電外界環(huán)境對其的影響較大，容易增大輸出功率，由此，可以對電動(dòng)汽車充放電跟蹤功率波動(dòng)進(jìn)行優(yōu)化，對電網(wǎng)負(fù)荷平滑，從而將發(fā)電間歇減少對電網(wǎng)影響較少。電網(wǎng)等效負(fù)荷波動(dòng)與等效負(fù)荷符合率存在相關(guān)性，后者越大，等效負(fù)荷波動(dòng)越小。④最低電主充電成本。確保車主經(jīng)濟(jì)利益最大化是電動(dòng)汽車參與V2G服務(wù)根本保證，也可以使車主參與積極性增強(qiáng)[2]。

1.2 等式約束

（1）平衡系統(tǒng)功率：電動(dòng)汽車與可再生能源入網(wǎng)后，會使傳統(tǒng)發(fā)電機(jī)組出力出現(xiàn)改變，從而使系統(tǒng)功率平衡受到影響；

（2）電動(dòng)汽車電池量需要與車主行車需要契合，也是電動(dòng)汽車根本功能；

（3）入網(wǎng)后，各時(shí)段電池電量與充放電功率需滿足條件，并要滿足行駛前后電池容量條件。

2 模型求解

2.1 求解算法與流程

過去電網(wǎng)經(jīng)濟(jì)調(diào)度僅考慮到不同時(shí)段負(fù)荷經(jīng)濟(jì)分配，是一個(gè)動(dòng)態(tài)優(yōu)化的過程。而在電動(dòng)汽車加入后，還要對不同時(shí)間點(diǎn)電量與電動(dòng)汽車行駛需求考慮，這樣一來，模型將更加復(fù)雜，求解難度增大。BSGA-II算法是應(yīng)用較為普遍的優(yōu)化算法之一，引入了擁擠距離概念與精英保留機(jī)制，使計(jì)算復(fù)雜性降低，且在優(yōu)化分解上更加均勻。算法中優(yōu)化模塊有2層，分為內(nèi)層與外層，機(jī)組組合為外層優(yōu)化，負(fù)荷經(jīng)濟(jì)分配為內(nèi)層優(yōu)化，且外層優(yōu)化模塊還會將機(jī)組停機(jī)狀態(tài)生成，統(tǒng)計(jì)發(fā)電數(shù)量，將這些數(shù)據(jù)傳輸?shù)椒謱觾?yōu)化模塊內(nèi)，整體優(yōu)化過程由NSGA-II完成，內(nèi)層優(yōu)化可依據(jù)外層傳遞進(jìn)行，通過機(jī)組啟動(dòng)與停機(jī)狀態(tài)經(jīng)濟(jì)分配每個(gè)機(jī)組負(fù)荷，然后將機(jī)組負(fù)荷分配結(jié)構(gòu)傳輸?shù)酵鈱幽K進(jìn)行綜合評估。

2.2 算法改進(jìn)

在實(shí)際計(jì)算中采用二進(jìn)制數(shù)字法優(yōu)化時(shí)間過長，不容易馬上將最優(yōu)解找到，由此，對發(fā)電機(jī)組停機(jī)組初始化方法進(jìn)行修改，修改內(nèi)容為：每一個(gè)機(jī)組隨機(jī)發(fā)電功率、與t時(shí)段各機(jī)組總發(fā)電功率、各機(jī)組發(fā)電功率比；按t時(shí)段負(fù)荷重新分配各機(jī)組發(fā)電功率；按照發(fā)電約束條件對發(fā)電功率進(jìn)行調(diào)整。

3 算例分析

3.1 數(shù)據(jù)

（1）機(jī)組數(shù)據(jù)依據(jù)以上優(yōu)化模型對機(jī)組系統(tǒng)進(jìn)行分析，24h內(nèi)機(jī)組負(fù)荷情況見表1所述，系統(tǒng)旋轉(zhuǎn)備用設(shè)定為15%。

表1 日負(fù)荷數(shù)據(jù)統(tǒng)計(jì)

（2）電動(dòng)汽車數(shù)據(jù)

假設(shè)電網(wǎng)可供調(diào)度電動(dòng)汽車有2000輛，將每輛電動(dòng)汽車功率設(shè)定為3kW，連續(xù)充電5h。電動(dòng)汽車兩個(gè)時(shí)段行駛在路上，分別為上午7：00～8：00、下午16：00～18：00，其他時(shí)間可與選擇的放電。早上7：00出發(fā)時(shí)SOC為100%，一個(gè)充電、放電周期過后恢復(fù)原有的SOC，平均行駛路程為45英里，耗電5英里/kW·h。

（3）可再生能源發(fā)電數(shù)據(jù)

假如電網(wǎng)中風(fēng)電、光伏發(fā)電安裝容量為25MW、12MW，采用分布概率模型對風(fēng)電與光伏分布建模，從而生成一個(gè)出力數(shù)據(jù)，詳見圖1。

圖1 風(fēng)、光發(fā)電功率

3.2 數(shù)據(jù)仿真結(jié)果

3.2.1 Pareto解集

依據(jù)上述模型與優(yōu)化方法對機(jī)組進(jìn)行仿真計(jì)算，NSGA-II參數(shù)設(shè)置為：N=100，進(jìn)化代數(shù)為150，交叉概率Pc=0.8，變異概率Pm=0.2。

3.2.2 最種方案確定

在不同的Pareto解集中，可以依據(jù)用戶需求選擇最優(yōu)方案，本文確立方案的選擇為：先將發(fā)電成本減少，從而使發(fā)電商獲利機(jī)會增大，采用V2G服務(wù)，而不采用昂貴的機(jī)組；其次，為了使車主更多的選擇V2G服務(wù)，需將充電成本減少；將對環(huán)境的污染減少；發(fā)電使用可再生能源，為了將電網(wǎng)等效負(fù)荷率提高，優(yōu)化目標(biāo)進(jìn)行優(yōu)化排序與選擇，最終確立機(jī)組優(yōu)化方案見圖2。

圖2 機(jī)組最佳優(yōu)化方案

通過圖2可以看出，機(jī)組1～4承擔(dān)系統(tǒng)基礎(chǔ)負(fù)荷，而機(jī)組1、2、3則在較大與中等的模型機(jī)組中發(fā)電的成本較低，由此，一直處于滿發(fā)電狀態(tài)。但是其他機(jī)組則需要依據(jù)發(fā)電量多少而對發(fā)電量進(jìn)行調(diào)整；機(jī)組1～10作為小型發(fā)電機(jī)組，發(fā)電量少，在負(fù)荷高峰時(shí)段可以投入使用。此外，晚間22：00與第二日的7：00電網(wǎng)負(fù)荷較低但是風(fēng)能較為豐富，需充分利用這段時(shí)間，為早間出行大下良好基礎(chǔ)，同時(shí)還要提高電網(wǎng)負(fù)載率。早上7：00～8：00電動(dòng)車在路上行駛，停車后SOC會下降，從8：00～15：00期間可再生能源發(fā)電功率也在不斷攀升，但是此階段電動(dòng)汽車不需要充電，因?yàn)榇穗A段的電網(wǎng)負(fù)荷處于高峰期，且負(fù)荷最高達(dá)1600MW，且光能功率有限，由此，此段時(shí)間不宜充電，而是想電網(wǎng)中輸送部分電能，從而將供電質(zhì)量提高，還能將負(fù)荷壓力減少[3]。此外，在負(fù)荷高峰時(shí)段，充電價(jià)格要較平時(shí)高，但是放電的效益較大，由此，此階段適宜放電。16：00～7：00負(fù)荷開始下降，且15：00負(fù)荷有所減少，此階段充電價(jià)格會略低，適宜充電，從而使行駛需求滿足。18：00～19：00電動(dòng)汽車已經(jīng)回到家中，且此時(shí)電網(wǎng)負(fù)荷也會降低，可以對汽車充電，19：00～21：00電網(wǎng)負(fù)荷再次升高，但風(fēng)電減少，電動(dòng)汽車可以向電網(wǎng)釋放電能，從而將電網(wǎng)壓力減輕。

3.2.3 結(jié)果對比

本次提出的優(yōu)化模型應(yīng)用有著不同效果，第一種方式：不對可再生能源發(fā)電進(jìn)行考慮，電網(wǎng)調(diào)控中電動(dòng)汽車僅作為負(fù)荷；第二種方式：不對可再生能源發(fā)電進(jìn)行考慮，電動(dòng)汽車僅作為負(fù)荷也可以作為電源為電網(wǎng)提供輔助服務(wù)；第三種方式：對可再生能源發(fā)電進(jìn)行考慮，電動(dòng)汽車可作為負(fù)荷充電也可以作為電源參與電網(wǎng)輔助服務(wù)。三種方法均可以作為等效負(fù)荷與負(fù)荷率，在原始負(fù)荷下，需充分利用電網(wǎng)低谷時(shí)段，負(fù)荷峰谷差增大下，等效負(fù)荷率則會降低。即使第一種方式在低谷時(shí)段充電，但是負(fù)荷高峰沒有釋放電能，電網(wǎng)峰荷沒有降低。第二種方式在低谷充電，同時(shí)可以向電網(wǎng)放電，可將峰荷降低。

4 結(jié)束語

本文基于智能電網(wǎng)構(gòu)建了一種動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模型，這種模型設(shè)計(jì)包括可再生能源發(fā)電與電動(dòng)汽車，將單一電商利益模式打破了，減少了充電成本與環(huán)境污染，值得進(jìn)一步研究與采用。

[1]鄭漳華，艾 芊，徐偉華，施 婕，解 大，韓 利.智能電網(wǎng)經(jīng)濟(jì)運(yùn)行的多目標(biāo)調(diào)度優(yōu)化策略（英文）[J].電網(wǎng)技術(shù)，2010，02（08）：7～13.

[2]李碧君，周曉寧，劉 強(qiáng).基于智能電網(wǎng)調(diào)度技術(shù)支持系統(tǒng)的電網(wǎng)運(yùn)行安全風(fēng)險(xiǎn)在線防控[J].華東電力，2014，06（21）：1057～1063.

[3]吳 昊，王艷松.基于智能單粒子算法的微電網(wǎng)經(jīng)濟(jì)調(diào)度[J].電力系統(tǒng)保護(hù)與控制，2016，20（17）：43～49.

TM73

A

2095-2066（2016）36-0034-02

2016-12-13