考慮分時(shí)電價(jià)的主動(dòng)配電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度

王國占

(珠海智和電氣有限公司, 廣東 珠海 519000)

0 引言

隨著電網(wǎng)技術(shù)的發(fā)展和能源結(jié)構(gòu)的改變，主動(dòng)配電網(wǎng)(Active Distribution Network，ADN)應(yīng)運(yùn)而生[1]。相比傳統(tǒng)配電網(wǎng)，主動(dòng)配電網(wǎng)的結(jié)構(gòu)更復(fù)雜，不僅包含各類分布式能源，還包括一些柔性負(fù)荷[2]，因此對(duì)ADN調(diào)度策略進(jìn)行研究，不僅能夠降低可再生能源接入對(duì)配電網(wǎng)的影響，還能減小配電網(wǎng)運(yùn)行成本，提高經(jīng)濟(jì)性[3]。

文獻(xiàn)[4]對(duì)主動(dòng)配電網(wǎng)運(yùn)行過程中產(chǎn)生的各類成本進(jìn)行研究，建立了以主動(dòng)配電網(wǎng)運(yùn)行成本最小的經(jīng)濟(jì)優(yōu)化調(diào)度模型，采用改進(jìn)遺傳算法對(duì)模型進(jìn)行了求解，驗(yàn)證了模型的正確性和求解方法的優(yōu)越性。文獻(xiàn)[5]在建立ADN優(yōu)化調(diào)度模型時(shí)，考慮了用戶側(cè)綜合需求響應(yīng)的影響，并在主動(dòng)配電網(wǎng)中接入冷熱電聯(lián)供微網(wǎng)，以實(shí)現(xiàn)冷熱電聯(lián)供微網(wǎng)和ADN的最優(yōu)經(jīng)濟(jì)調(diào)度。文獻(xiàn)[6]為了提高主動(dòng)配電網(wǎng)的穩(wěn)定性和經(jīng)濟(jì)性，提出了基于改進(jìn)兩階段魯棒優(yōu)化的ADN經(jīng)濟(jì)優(yōu)化調(diào)度模型，采用實(shí)際配電網(wǎng)運(yùn)行數(shù)據(jù)驗(yàn)證了模型的正確性。文獻(xiàn)[7]以配電網(wǎng)電壓、功率波動(dòng)最小為內(nèi)層目標(biāo)，以環(huán)境懲罰成本和微網(wǎng)運(yùn)行成本最小為外層目標(biāo)，建立了ADN分層優(yōu)化調(diào)度模型，算例分析結(jié)果表明，該調(diào)度策略提高了可再生能源的利用率和配電網(wǎng)系統(tǒng)的可靠性。主動(dòng)配電網(wǎng)結(jié)構(gòu)復(fù)雜，現(xiàn)有ADN優(yōu)化調(diào)度模型的目標(biāo)函數(shù)和約束條件有待進(jìn)一步完善。

基于此，本文以ADN總運(yùn)行成本最小為目標(biāo)函數(shù)，考慮分時(shí)電價(jià)及配電網(wǎng)運(yùn)行過程中的各項(xiàng)約束，建立包含可再生能源、儲(chǔ)能設(shè)備和靜止無功補(bǔ)償裝置的主動(dòng)配電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度模型，采用蟻獅優(yōu)化算法對(duì)模型進(jìn)行求解，以IEEE 33節(jié)點(diǎn)配電系統(tǒng)進(jìn)行仿真分析，對(duì)模型的正確性及求解方法的實(shí)用性進(jìn)行驗(yàn)證。

1 ADN經(jīng)濟(jì)優(yōu)化調(diào)度模型

1.1 目標(biāo)函數(shù)

以一天(24 h)為一個(gè)調(diào)度周期，則一個(gè)調(diào)度周期內(nèi)ADN總運(yùn)行成本可表示為:

minP=F1+F2+F3+F4

(1)

式中：P為FWcost為一個(gè)調(diào)度周期內(nèi)ADN總運(yùn)行成本，F(xiàn)1為配電網(wǎng)系統(tǒng)內(nèi)火電機(jī)組的發(fā)電成本，F(xiàn)2為與上級(jí)電網(wǎng)的電能交換成本，F(xiàn)3為棄風(fēng)、棄光懲罰成本，F(xiàn)4為儲(chǔ)能成本。

(1)火電機(jī)組發(fā)電成本

(2)

(2)電能交換成本

(3)

(3)棄風(fēng)、棄光懲罰成本

(4)

(4)儲(chǔ)能成本

(5)

1.2 約束條件

(1)支路潮流約束

(6)

式中：pj,t、qj,t分別為注入節(jié)點(diǎn)j的有功功率和無功功率，rij、xij分別為支路ij的電阻和電抗，Pjk,t、Qjk,t分別為支路jk的首端的有功功率和無功功率，Pij,t、Qij,t分別為支路ij的首端的有功功率和無功功率，Iij,t為支路ij的電流，k∶j→k為以節(jié)點(diǎn)j為父節(jié)點(diǎn)的集合。

(2)風(fēng)電、光伏出力約束

火電機(jī)組功率約束為:

(7)

(3)靜止無功補(bǔ)償裝置約束

(8)

(4)節(jié)點(diǎn)電壓約束

Umin≤Ui≤Umax

(9)

式中：Ui為節(jié)點(diǎn)i的電壓，Umin、Umax分別為節(jié)點(diǎn)電壓最小值和最大值。

(5)儲(chǔ)能約束

(10)

2 狼群優(yōu)化算法

2013年，吳虎勝根據(jù)狼群圍攻獵物的行為提出了狼群優(yōu)化算法[9](Wolf Pack Algorithm，WPA)，狼群中包含頭狼、探狼和猛狼，它們的職責(zé)分別是指揮、搜索和攻擊。

WPA定義如下：設(shè)置狼群容量為N，空間維數(shù)為D，則狼群可表示為Xi=(xi1,xi2,…,xiD)。

(1)生成頭狼，在初始解中尋找最優(yōu)解Ylead，隨著算法的迭代，頭狼可能會(huì)被替換，如果某只狼的位置優(yōu)于頭狼，則將其替換，否則，頭狼不變。

(2)探狼搜索，設(shè)探狼數(shù)量為M，M取決于[N/(α+1),N/α)]，其中α為探狼比例因子，探狼游走方向共有h個(gè)，游走步長為stepa，初始適應(yīng)度為Yi，探狼在搜索方向p(p=1,2，…，h)上移動(dòng)后的位置為:

(11)

此時(shí)計(jì)算新適應(yīng)度值Yip，如果新適應(yīng)度比探狼當(dāng)前適應(yīng)度值Yi更好，則將其替換，并更新探狼位置Xi，然后將探狼當(dāng)前適應(yīng)度值與頭狼適應(yīng)度值Ylead比較，如果探狼當(dāng)前適應(yīng)度值更好，則用探狼代替頭狼，并召集猛狼向當(dāng)前位置移動(dòng)，否則繼續(xù)尋優(yōu)，直至最大迭代次數(shù)Tmax。

(3)猛狼移動(dòng)，猛狼的數(shù)量為N-M，猛狼收到召喚信息后，會(huì)立即向頭狼移動(dòng)，猛狼移動(dòng)步長為stepb，第k+1次迭代時(shí)猛狼的位置為:

(12)

計(jì)算猛狼移動(dòng)后的適應(yīng)度值Yi，如果Yi比Ylead更優(yōu)，則猛狼變更為頭狼，并向其他猛狼發(fā)出召喚，否則猛狼繼續(xù)往頭狼的方向移動(dòng)，直至距離頭狼的位置小于dnear，則向獵物發(fā)起攻擊，dnear的計(jì)算公式為:

(13)

式中：ω為距離判定因子。

(14)

攻擊獵物時(shí)，如果狼群位置適應(yīng)度值優(yōu)于當(dāng)前適應(yīng)度值，則進(jìn)行替換，否則不變。

步長stepa、stepb和stepc的關(guān)系為:

(15)

式中：S為步長因子。

(5)狼群更新。在狼群搜索獵物的過程中，會(huì)將適應(yīng)度最差的R匹狼淘汰，并隨機(jī)向狼群中補(bǔ)充R匹狼，R取值區(qū)間[N/(2×β),N/β]，其中β為更新比例因子。

WPA原理簡單、操作方便，在尋優(yōu)過程中不易陷入局部最優(yōu)，具有較高的求解精度，目前得到了廣泛應(yīng)用。

3 WPA求解ADN經(jīng)濟(jì)優(yōu)化調(diào)度模型

本文采用狼群優(yōu)化算法對(duì)ADN經(jīng)濟(jì)優(yōu)化調(diào)度進(jìn)行求解，求解步驟如下，求解流程如圖1所示。

1)設(shè)置ADN相關(guān)參數(shù)，并對(duì)WPA的相關(guān)參數(shù)進(jìn)行設(shè)置，設(shè)狼數(shù)量為N，初始位置Xi，最大的游走次數(shù)Tmax和迭代次數(shù)kmax，步長因子S，距離判定因子ω，探狼比例因子α和更新比例因子β。

2)將ADN總運(yùn)行成本作為適應(yīng)度函數(shù)，根據(jù)式(11)對(duì)探狼游走的位置進(jìn)行更新，直到探狼適應(yīng)度Yi>Ylead，用該探狼替換頭狼，進(jìn)行下一步，否則，繼續(xù)游走直到達(dá)到最大次數(shù)Tmax后進(jìn)行下一步。

3)根據(jù)式(12)對(duì)猛狼奔襲的位置進(jìn)行更新，直到探狼適應(yīng)度Yi>Ylead，用該猛狼替換頭狼，否則繼續(xù)奔襲直到與頭狼距離小于dnear時(shí)進(jìn)行下一步。

4)根據(jù)式(14)對(duì)獵物進(jìn)行圍攻，并更新頭狼。

5)整個(gè)狼群進(jìn)行更新。

6)判斷達(dá)到最大迭代次數(shù)或允許誤差，若是則輸出尋優(yōu)結(jié)果，否則返回步驟2。

圖1 改進(jìn)WPA的流程圖

4 算例分析

4.1 參數(shù)設(shè)置

采用IEEE 33節(jié)點(diǎn)系統(tǒng)進(jìn)行仿真分析，系統(tǒng)參數(shù)見文獻(xiàn)[10]。火電機(jī)組、風(fēng)電機(jī)組和光伏分別接在節(jié)點(diǎn)4、7和13處，裝機(jī)容量分別為10 MW、6 MW和3 MW，儲(chǔ)能設(shè)備安裝在16節(jié)點(diǎn)處，容量為3 MW，容量約束范圍為20%～90%，靜止無功補(bǔ)償裝置安裝在17節(jié)點(diǎn)處，補(bǔ)償范圍為-0.02～0.02 Mvar，系統(tǒng)節(jié)點(diǎn)電壓允許波動(dòng)范圍為0.95～1.05 p.u。ADN系統(tǒng)結(jié)構(gòu)如圖2所示。

圖2 ADN系統(tǒng)結(jié)構(gòu)圖

配電網(wǎng)與上級(jí)電網(wǎng)電能交換的電價(jià)從時(shí)間上進(jìn)行劃分[11]，具體如表1所示。

表1 峰谷電價(jià)表

調(diào)度周期為24 h，調(diào)度周期內(nèi)系統(tǒng)負(fù)荷、風(fēng)電出力和光伏出力情況如圖3所示。

圖3 系統(tǒng)負(fù)荷、風(fēng)電光伏出力情況

狼群算法的參數(shù)設(shè)置如下[10]：N=100、kmax=200、α=4、S=800、ω=600、Tmax=20、h=4、β=5。

4.2 結(jié)果分析

采用WPA對(duì)目標(biāo)函數(shù)進(jìn)行求解，計(jì)算結(jié)果如圖4所示。由圖4可知，經(jīng)過47次迭代后，WPA收斂到了最優(yōu)解，此時(shí)對(duì)應(yīng)的ADN總運(yùn)行成本為100 197元。

圖4 WPA優(yōu)化結(jié)果

表3給出了調(diào)度日當(dāng)天主動(dòng)配電網(wǎng)和傳統(tǒng)配電網(wǎng)的各項(xiàng)成本。由表3可知，傳統(tǒng)配電網(wǎng)的總運(yùn)行成本主要由發(fā)電成本和電能交換成本組成，棄風(fēng)、棄光懲罰成本和儲(chǔ)能成本均為0，總運(yùn)行成本為135 268元，而主動(dòng)配電網(wǎng)的發(fā)電成本、電能交換成本、棄風(fēng)、棄光懲罰成本和儲(chǔ)能成本分別為51 094元、36 181元、10 278元和2 664元，總運(yùn)行成本為100 197元，相比傳統(tǒng)配電網(wǎng)，總運(yùn)行成本降低25.93%，主動(dòng)配電網(wǎng)顯著提升了配電網(wǎng)運(yùn)行的經(jīng)濟(jì)效益。

表3 主動(dòng)配電網(wǎng)與傳統(tǒng)配電網(wǎng)對(duì)比

5 結(jié)論

本文以ADN總運(yùn)行成本最小為目標(biāo)函數(shù)，綜合考慮配電網(wǎng)運(yùn)行過程中產(chǎn)生的各類成本及相應(yīng)約束，并對(duì)不同時(shí)間段的購、售電單價(jià)進(jìn)行劃分，建立了考慮分時(shí)電價(jià)的主動(dòng)配電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度模型，采用狼群算法對(duì)ADN優(yōu)化調(diào)度模型進(jìn)行了求解，結(jié)果表明，ADN總運(yùn)行成本為100 197元，相比傳統(tǒng)配電網(wǎng)降低25.93%，驗(yàn)證了模型的實(shí)用性和求解方法的正確性。