含可響應(yīng)分布式電源的智慧能源配網(wǎng)多目標(biāo)優(yōu)化調(diào)度

吳海江， 唐 鶴， 吳 滔

（1.廣東電網(wǎng)有限責(zé)任公司佛山供電局， 廣東 佛山 528000； 2.中國農(nóng)業(yè)大學(xué) 煙臺研究院， 山東 煙臺 264670）

0 引言

隨著智能電網(wǎng)技術(shù)的發(fā)展，智慧能源理念滲入到配電網(wǎng)中，配網(wǎng)負荷不再被動接受電能，而是主動參與到需求響應(yīng)項目中，與配網(wǎng)運行商、分布式電源形成了新的配電能源格局[1]。

此處是用典的最佳注釋。具體看是兩個典古的化用：秀才正做著“先天下/后天下/黃金屋/顏如玉”的美夢，18個字采用范仲淹《岳陽樓記》名句之典故，同時引用古語“書中自有黃金屋，書中自有顏如玉”，簡練而深刻。

針對智慧能源中可響應(yīng)負荷，文獻[2]提出了計及用戶響應(yīng)不確定性的可中斷負荷儲蓄機制。文獻[3]提出了智能小區(qū)可轉(zhuǎn)移柔性負荷實時需求響應(yīng)策略。 文獻[4]建立了計及用戶可響應(yīng)負荷的區(qū)域多能源系統(tǒng)運行優(yōu)化模型。 文獻[5]分析了需求響應(yīng)的負荷控制對供電可靠性的影響。 文獻[6] 建立了考慮可調(diào)負荷集群響應(yīng)不確定性的聯(lián)合調(diào)度模型。 根據(jù)以上文獻，可響應(yīng)負荷參與電力調(diào)度的機制已經(jīng)明確，并且潛力巨大。 在配網(wǎng)智慧能源研究方面，文獻[7]分析了需求側(cè)智慧能源系統(tǒng)關(guān)鍵技術(shù)。 文獻[8]分析了含智慧社區(qū)能量樞紐配電網(wǎng)三相不平衡動態(tài)潮流模型預(yù)測控制方法。 文獻[9]分析了智能電網(wǎng)支撐智慧城市關(guān)鍵技術(shù)。 文獻[10]基于泛在電力物聯(lián)網(wǎng)分析了智慧清潔能源小鎮(zhèn)的建設(shè)。

綜上所述，可響應(yīng)負荷用于削減總的系統(tǒng)運行成本、滿足功率平衡約束。 但是，可響應(yīng)負荷以及可再生能源并未計及到目標(biāo)函數(shù)中。 目前，對于電力系統(tǒng)多目標(biāo)優(yōu)化的求解方法分為分析法、啟發(fā)式算法、智能人工算法等[11]。啟發(fā)式算法在求解這類問題時應(yīng)用廣泛，主要包括對偶半定規(guī)劃、多目標(biāo)粒子群（MOPSO）算法、差分進化算法[12]～[14]等。

本文考慮多目標(biāo)優(yōu)化，其中，目標(biāo)函數(shù)1 包括運行成本以及排放成本，目標(biāo)函數(shù)2 考慮損失負荷期望，目標(biāo)函數(shù)3 考慮可延遲負荷與可再生能源出力之間的偏差。 同時，提出的多目標(biāo)優(yōu)化目標(biāo)函數(shù)中考慮了可再生能源及可延遲負荷的聯(lián)合調(diào)度優(yōu)化，根據(jù)可延遲負荷的最優(yōu)延遲策略提高功率因數(shù)。

（6）經(jīng)過多年的改造，村內(nèi)環(huán)境越來越好，生活垃圾集中收集并由專門單位集中處理，村內(nèi)的老式廁所已基本改造完畢，90%以上已用上水沖式廁所。生活污水有專門的下水管道排放收集，并由環(huán)保部門進行污水處理。各村建有集中居住地，水電、網(wǎng)絡(luò)、道路等基礎(chǔ)設(shè)施完善，休閑娛樂廣場均已建成。村民的環(huán)保意識均較強，積極響應(yīng)政府號召，秸稈還田率較高，農(nóng)藥藥瓶使用后回收至村內(nèi)垃圾點。

1 居民智慧能源

1.1 居民智慧能源構(gòu)成

智慧能源是通過智能控制、現(xiàn)代化能源生產(chǎn)和能源交易、信息通信技術(shù)等實現(xiàn)的能源網(wǎng)絡(luò)不斷協(xié)調(diào)和優(yōu)化互補的能源形式。 在電力系統(tǒng)中，配網(wǎng)的能源豐富度最高，最能體現(xiàn)智慧能源的理念，尤其是居民用戶在智慧能源中扮演重要角色，其多種能源主體能夠為電力系統(tǒng)優(yōu)化提供一定思路。

式中：α 和β 為β 分布的形狀參數(shù)；s 和smax分別為實際光照輻射強度和最大光照輻射強度，W/m2。

用戶側(cè)的負荷因數(shù)是確定用電需求的一個重要因素， 是反映電網(wǎng)電能使用情況的一個重要指標(biāo)，負荷因數(shù)越高，電網(wǎng)的運行成本和分布式網(wǎng)絡(luò)的可靠性也越高。另外，負荷因數(shù)可以用于顯示峰荷情況和資產(chǎn)使用情況。 用戶用能情況和需求響應(yīng)項目的實施情況也會對負荷因數(shù)產(chǎn)生間接影響。 本文負荷因數(shù)θ 計算式如下：

將Weibull 分布變換為離散形式，第t 個時間間隔分為NV種狀態(tài)，利用式（4）計算每個狀態(tài)下的風(fēng)速和概率。 利用所有時間間隔內(nèi)的所有可能狀態(tài)計算得到風(fēng)機的出力為

可再生能源接入配網(wǎng)， 主要包括電池儲能系統(tǒng)、微汽輪機、風(fēng)機和光伏機組等，這類機組的運行成本和維護成本均為可控。 其中風(fēng)機和光伏機組的出力具有不確定性， 調(diào)度控制較為困難。

1.2 風(fēng)電出力模型

工程上風(fēng)速用Weibull 分布函數(shù)模擬[15]，具體表達式如下：

當(dāng)另一個電器設(shè)備啟動時，發(fā)動機ECU通過檢測被提供的電壓值來判斷它是否運行。圖11示顯示了一個停車燈電路，當(dāng)開關(guān)合上時，12V電壓提供給ECU端子，當(dāng)開關(guān)斷開時，電壓變?yōu)?。

式中：v 為風(fēng)速，m/s；k 為形狀系數(shù)；c 為尺度系數(shù)。該Weibull 分布的概率累積密度函數(shù)為

由此得到風(fēng)速為

式中：r 為[0，1]之間均勻分布的隨機變量。

風(fēng)機的有功出力受風(fēng)速影響， 工程上雙饋感應(yīng)式風(fēng)機的出力PWi較為常用的計算方法如下[16]：

式中：Pri為額定容量；vcin，vcout，vr分別為切入風(fēng)速、切出風(fēng)速、額定風(fēng)速。

在智慧能源中， 通過一定的通信機制使電力負荷側(cè)用戶積極參與到各種需求響應(yīng)項目中，實現(xiàn)用戶、 配電系統(tǒng)運行商及可再生能源三者之間的通信。 用戶側(cè)的負荷分為固定負荷和可響應(yīng)負荷，可響應(yīng)負荷又分為可削減負荷和可延遲負荷，可延遲負荷包括電動汽車、烘干機、洗衣機等，這類負荷的特點是可以延遲或更改使用時間。 配電系統(tǒng)運行商是協(xié)調(diào)配網(wǎng)與主網(wǎng)的中間者， 負責(zé)配網(wǎng)運行的調(diào)度以及需求響應(yīng)項目的執(zhí)行等。

1.3 光伏出力模型

光伏出力取決于光照強度，其表達式如下：

式中：Ppvn為光伏板的額定出力；S 為PV 模塊的光照輻射；Sstc為標(biāo)準測試狀態(tài)下的光照輻射；Rc為光照輻射點。

光照輻射一般服從β 分布[17]，概率密度表達式如下：

傳統(tǒng)配網(wǎng)中，配網(wǎng)系統(tǒng)運行商以網(wǎng)損最小為目標(biāo)，從輸電網(wǎng)中購得電量售賣給用戶。 在這種模式下，配網(wǎng)不擁有發(fā)電設(shè)備，因而需要承擔(dān)輸電網(wǎng)機組的運行成本?？稍偕茉唇尤肱渚W(wǎng)后，一方面配網(wǎng)有機會控制機組的運行成本； 另一方面通過實施需求響應(yīng)項目， 配電系統(tǒng)運行商可以控制可響應(yīng)負荷參與，優(yōu)化機組出力。 在這種情況下，須要對機組進行實時控制和持續(xù)優(yōu)化。

將β 分布變換為離散形式， 第t 個時間間隔分為Ns種狀態(tài)，利用式（7）計算每個狀態(tài)下的光照輻射和概率。 利用所有時間間隔內(nèi)的所有可能狀態(tài)計算得到光伏的出力為

柴油機組、BES 和主網(wǎng)購電的運行成本分別如式（10），（11）所示，其中式（10）前三項為柴油機組的燃料成本，其余部分為柴油機組啟停成本。柴油機組和主網(wǎng)的排放函數(shù)如式（12），（13）所示。

1.4 不確定性的考慮

本文將風(fēng)電和光伏出力的不確定性通過風(fēng)速和光照強度的日曲線表達出來， 通過相應(yīng)的概率密度函數(shù)生成多種場景， 在模型仿真中對多種風(fēng)電和光伏出力的情景進行仿真， 以此作為不確定多場景的優(yōu)化手段，最終得到不同場景下的結(jié)果。

2 配網(wǎng)智慧能源多目標(biāo)優(yōu)化模型

本文對居民智慧能源負荷以及分布式電源的調(diào)度進行優(yōu)化， 網(wǎng)絡(luò)系統(tǒng)運行商基于日前可再生能源的利用情況來優(yōu)化負荷曲線，從而優(yōu)化經(jīng)濟、環(huán)境和可靠性指標(biāo)。 本文考慮了3 個目標(biāo)函數(shù)。

2.1 目標(biāo)函數(shù)

目標(biāo)函數(shù)1 以電網(wǎng)運行的經(jīng)濟性最大為目標(biāo)，體現(xiàn)為運行成本和排放成本最小。

式中：ρs為場景s 的概率；CDG（s，t，d）為t 時段場景s 柴油機組運行成本；CBES（s，t，b）為t 時段場景s第b 個電池儲能（BES）系統(tǒng)總運行成本；CUG（s，t）為t 時段場景s 主網(wǎng)運行成本；EDG（t，d）為t 時段d個分布式電源的排放量；EUG（t）為t 時段主網(wǎng)傳統(tǒng)機組的排放量。

國內(nèi)企業(yè)走出去，員工屬地化是必經(jīng)之路，而如何做好屬地化員工管理，爭取文化認同，避免文化沖突，將是必須要面對的課題。

不同分型并發(fā)癥發(fā)生率比較如表2。腹水、細菌感染、AKI、上消化道出血的發(fā)生率三型之間差異有統(tǒng)計學(xué)意義（χ2=53.96、20.03、16.07、14.46，P＜0.01），其中上消化道出血C型明顯高于A型和B型 （P＜0.01）。細菌感染中，腹腔感染在三型ACLF中的發(fā)生率C型和B型均顯著高于A型（P均 ＜0.05），肺部、血液和其他部位感染在各型間差異無統(tǒng)計學(xué)意義（P＞0.05）。三型間HE的發(fā)生率差異無統(tǒng)計學(xué)意義（χ2=3.85，P＞0.05）。

式中：PLS（s，t）為t 時段場景s 削減負荷量。

1.2.1 對照組 對患者每個月開展1次肺健康知識宣教，內(nèi)容包括COPD相關(guān)知識、肺康復(fù)理念，指導(dǎo)戒煙，給予氧療、藥物治療，共治療20周。

目標(biāo)函數(shù)3 以所有場景中負荷與電源出力之間的偏差最小為目標(biāo)。

式中：SOC（t）為t 時段電池的荷電參數(shù)。

可響應(yīng)用戶包括可削減和可延遲負荷，其中，可延遲負荷的使用時間從t 延遲至t′， 并且可以計算響應(yīng)負荷中的延遲負荷響應(yīng)水平[18]。

取不同凍藏時間的冷凍面團，利用FID試驗調(diào)節(jié)共振中心頻率，CPMG脈沖序列測量樣品的自旋弛豫時間(T2)，稱取面團(3.0±0.01) g放入試管中，置于永久磁場中心位置射頻線圈的中心，進行CPMG脈沖序列的掃描試驗。CPMG試驗參數(shù)：主頻=21（MHz）,偏移頻率=99315.9（MHz），采樣點數(shù)TD=156492，重復(fù)掃描次數(shù)NS=64，重復(fù)時間TR=1500 ms，半回波時間τ=7 μs，溫度=32 ℃。利用T2反演擬合軟件對CPMG弛豫衰減曲線進行反演得到弛豫圖譜和T2[10]。

深圳市佳士科技股份有限公司高級副總裁羅衛(wèi)紅先生、杭州華光焊接新材料股份有限公司董事長金李梅、南京大地水刀股份有限公司技術(shù)總監(jiān)蔣鎮(zhèn)漢、伏能士智能設(shè)備（上海）有限公司中國技術(shù)支持總監(jiān)Gerd Holzschuh分別做了題目為“持續(xù)追求技術(shù)發(fā)展 全面打造佳士質(zhì)量”、“面向綠色智能制造的釬焊技術(shù)展望”、“超高壓水射流技術(shù)的應(yīng)用”、“TPS/i-基于焊接工藝和用戶設(shè)計的智能平臺”的精彩報告。

2.2 約束條件

①功率平衡約束

式中：Dnr（t，nr）為t 時段不可響應(yīng)負荷；PPW（s，t，p，w）為t 時段場景s 風(fēng)電和光伏出力；Pd（s，t，d）為t時段場景s 柴油機組出力。

②機組出力約束

式中：ηd和ηch分別為放電效率和充電效率；μBESch和μBESd分別為充、 放電二進制變量；μLS為損失負荷期望二進制參數(shù)。

③BES 運行約束

式 中：Dn（t，n）為t 時 段 場 景s 可 響 應(yīng) 用 戶 負 荷需求；PRES（s，t）為t 時段場景s 可再生能源出力；DF（t，n）為t 時段固定負荷需求；DDL（t，n）為t 時段可延遲負荷需求。

④分布式電源約束

式中：RU 和RD 分別為上、下爬坡率。

⑤需求響應(yīng)約束

式中：ψ 為響應(yīng)水平。

2.3 負荷因數(shù)

閱讀能力的高低關(guān)系著學(xué)生將來語文學(xué)習(xí)能力的強弱，《語文課程標(biāo)準》也明確指出小學(xué)語文教師應(yīng)該有目的地進行閱讀教學(xué)，培養(yǎng)學(xué)生的閱讀能力，讓學(xué)生熱愛閱讀，通過閱讀享受到語文學(xué)習(xí)的樂趣。但很多語文教師受到傳統(tǒng)教育思想的影響，認為語文閱讀教學(xué)并不重要，忽視了對學(xué)生閱讀能力的培養(yǎng)，這對學(xué)生的學(xué)習(xí)是非常不利的。下面我就從“培養(yǎng)學(xué)生專心閱讀的習(xí)慣”“通過閱讀完成知識積累”“引導(dǎo)學(xué)生將閱讀延伸至課外”三個方面出發(fā)，談一談如何培養(yǎng)小學(xué)低年級學(xué)生的閱讀能力。

百米林帶中鄉(xiāng)土樹種占22科27屬29種,外來樹種47科75屬94種,外來樹種的數(shù)量遠高于原生的鄉(xiāng)土樹種[13],比例超過了3∶1 (94∶29),這與上海地區(qū)外來樹種和鄉(xiāng)土樹種的比例基本一致(547∶174),反映了高度人工化和城市化是上海地區(qū)人工植被的普遍特征。

3 模型求解

本文多目標(biāo)優(yōu)化模型的主要目的是尋找所有目標(biāo)函數(shù)空間的非支配解， 同時在有限選擇條件內(nèi)的目標(biāo)函數(shù)空間中得到Pareto 前沿（圖1）。 搜索和決策是求解多目標(biāo)優(yōu)化的兩個重要步驟，搜索是為了找到全局最優(yōu)解， 而決策是為了找到?jīng)Q策者滿意的一小部分解。 一般利用適應(yīng)性理論的進化算法和搜索算法求解多目標(biāo)優(yōu)化。

圖1 Pareto 前沿Fig.1 Pareto front

本文選用模糊決策法得到非支配解中的最優(yōu)解，最優(yōu)解通過解集與理想點的距離確定，其求解步驟如下：首先歸一化目標(biāo)函數(shù)，然后確定每個歸一化后目標(biāo)函數(shù)最小值， 最后選擇理想點和最小空間距離。

4 算例分析

4.1 系統(tǒng)說明

本文選取IEEE33 節(jié)點系統(tǒng)[19]進行仿真分析，仿真環(huán)境為MATLAB2014b。 如圖2 所示，本文考慮了4 組柴油機組 （DG）、5 臺光伏太陽能機組（PV）、7 臺風(fēng)機（W）和4 組電池儲能系統(tǒng)（E）。

本文考慮兩個情景：情景1 不考慮孤島模式；情景2 考慮孤島模式。4 組柴油機組參數(shù)如表1所示。 本文選擇10 個風(fēng)速和光照輻射強度場景，風(fēng)速概率分布、光照強度分布、日前市場電價、系統(tǒng)負荷需求分別如圖3～6 所示。 考慮可響應(yīng)負荷占比為95%，從主網(wǎng)獲得功率最小值和最大值分別為0 MW 和100 MW。 排放因子為950 kg/MW。

表1 柴油機組參數(shù)Table 1 Parameters of diesel generator

圖3 風(fēng)速分布Fig.3 Distribution of wind speed

圖4 光照強度分布Fig.4 Distribution of solar irradiance

圖5 電價曲線Fig.5 Electricity price curve

圖6 原始負荷需求Fig.6 Original demand profile

風(fēng)機的切入、額定和切出風(fēng)速分別為3，15 m/s 和25 m/s。 光伏和風(fēng)機的額定出力分別為1.1 MW 和2.5 MW。 EES 系統(tǒng)SOC 下限為10%，上限為100%， 充、 放電效率均為85%， 最大功率為1.125 MW，運行成本為75$，維護成本為12$。

4.2 算例分析

①情景1

為使特殊兒童得到更好的康復(fù)和治療，享受高標(biāo)準的文化教育，使其達到生活自理，甚至成為身心健康并對社會有用的人才。為此，莊園結(jié)合自身實際與前期經(jīng)驗，共同組建了由特殊教育、康復(fù)、保育、心理、社工等多專業(yè)人員組成的專業(yè)團隊，共同努力，為身心障礙兒童服務(wù)。2012年6月，在莊園領(lǐng)導(dǎo)的大力支持下，在重慶師范大學(xué)特殊教育專家張文京教授的指導(dǎo)下，教、康、保三位一體整合服務(wù)模式正式全面啟動。

一陣涼風(fēng)透過窗戶縫隙吹進來，把緊閉著的衛(wèi)生間窗簾掀開了一條縫。她一驚，伸手要去拉攏來?？删驮谒氖钟|到窗簾的剎那間，她的目光無意間投向了窗外，她看到了一個令人心跳耳熱的鏡頭。對面一間房子的窗戶，窗口的大紅雙喜還未褪色，不知是疏忽，還是過于急切，那對年輕夫妻未拉上窗簾也未關(guān)燈就除去彼此的衣物，赤裸地滾落床第，兩具肉體像柔軟的藤條般纏繞在一起，似乎憋足了半個世紀的愛和欲要在這一刻盡情地傾瀉……

本情景不考慮孤島運行，研究BES 系統(tǒng)對多目標(biāo)函數(shù)優(yōu)化之間的關(guān)系。 最優(yōu)解選擇在距離理想點的0.766 3 處，如圖7 所示。 3 個目標(biāo)函數(shù)的解分別為85 032.21，5.23 MW 和214.25 MW。 充放電運行成本為207.6$和178.3$。 日前可再生能源出力與負荷需求對BES 的影響是積極的，分布式電源出力剩余部分均由需求側(cè)消耗， 并沒有將剩余電能充入儲能系統(tǒng)中。

圖7 情景1 Pareto 前沿Fig.7 Pareto front set in case 1

根據(jù)分布式電源和主網(wǎng)的調(diào)度結(jié)果， 從圖8可以看出，第4 個時段BES 充電0.736 MW，而在第20 個時段放電0.657 MW。另外，可再生能源和用戶負荷的聯(lián)合優(yōu)化在負荷削減和運行成本削減方面都有一定作用。

圖8 情景1 BES 充放電結(jié)果Fig.8 Results of EES charging and discharging of scenario 1

②情景2

故障現(xiàn)象的多樣性使日常的維護不一定從開始的切入點入手，針對不同階段的故障排查都可以從邏輯流程控制中找到準確的切入點，為繼電保護通道的運維提供正確的思路和著手點。

本情景考慮孤島運行，不從主網(wǎng)購電。圖9 給出了Pareto 前沿距離理想點的距離， 為0.712 5。相比情景1， 目標(biāo)函數(shù)1 和3 的結(jié)果分別減少2.45%和4.01%。 由于孤島模式的限制，目標(biāo)函數(shù)2 的結(jié)果為16.48 MW，較情景1 有所增加。 電池充、放電成本分別為2 765.25$和2 013.72$。 孤島模式下機組排放減少較多。 根據(jù)孤島模式下的機組調(diào)度方案， 如圖10 所示，1～4 時段的充電功率為7.26 MW，12，21 和22 時段的放電功率共計6.39 MW。

圖9 情景2 Pareto 前沿Fig.9 Pareto front set in case 2

圖10 情景2 BES 充放電結(jié)果Fig.10 Results of EES charging and discharging of scenario 2

負荷需求如圖11 所示，可以看出，情景1 和情景2 之間的負荷需求有所轉(zhuǎn)移。 BES 系統(tǒng)的SOC 如圖12 所示，可以看出，目標(biāo)函數(shù)3 對充放電成本以及電池壽命有直接影響。 表2 給出了負荷因數(shù)在本情景的結(jié)果。

圖11 負荷曲線Fig.11 Demand profiles

圖12 電池荷電狀態(tài)Fig.12 SOC of BES

表2 供需約束中可再生能源和主網(wǎng)參與度Table 2 Participation of RES and main grid %

5 結(jié)論

本文研究了居民智慧能源多目標(biāo)優(yōu)化， 以運行成本、排放成本以及負荷損失期望最小為目標(biāo)，利用決策分析尋找Pareto 前沿集的最優(yōu)解。最后，在IEEE33 節(jié)點系統(tǒng)中分析了考慮孤島運行和不考慮孤島運行兩種情景。另外，本文提出的多目標(biāo)優(yōu)化目標(biāo)函數(shù)中考慮了可再生能源及可延遲負荷的聯(lián)合調(diào)度優(yōu)化， 根據(jù)可延遲負荷的最優(yōu)延遲策略提高功率因數(shù)。 仿真算例表明了本文所提模型的正確性和有效性。