基于自適應(yīng)粒子群的含分布式電源配電網(wǎng)多目標(biāo)規(guī)劃

趙 瑋

（國網(wǎng)滄州供電公司，河北 滄州 061000）

0 引 言

配電網(wǎng)是電力系統(tǒng)中面向電力用戶用電需求的重要環(huán)節(jié)，分布式配電網(wǎng)是應(yīng)用較為廣泛的一種類型[1]。隨著互聯(lián)網(wǎng)時(shí)代的快速發(fā)展，人們對電力的需求日益增長，同時(shí)對于用電品質(zhì)也提出了更高的要求，關(guān)于配電網(wǎng)規(guī)劃的相關(guān)問題也開始受到了越來越多的關(guān)注[2]。

現(xiàn)階段，國內(nèi)相關(guān)研究學(xué)者針對配電網(wǎng)規(guī)劃問題展開研究。

史晨豪等人引入二進(jìn)制交叉和多項(xiàng)式突變等方法改進(jìn)二代非支配排序遺傳算法（Non-dominated Sorting Genetic Algorithms Ⅱ，NSGAⅡ）算法，采用改進(jìn)蟻群層次聚類算法對配電網(wǎng)節(jié)點(diǎn)進(jìn)行劃分，更新節(jié)點(diǎn)歐氏距離，引入最優(yōu)目標(biāo)函數(shù)，設(shè)置約束條件，利用模糊理論求得方案最優(yōu)解[3]。

張凱越等人針對配電網(wǎng)重構(gòu)，采用自適應(yīng)多種群果蠅算法進(jìn)行多目標(biāo)優(yōu)化。通過協(xié)調(diào)不同指標(biāo)獲取配電網(wǎng)規(guī)劃方案的最優(yōu)解，并引入AHP-CRITIC算法計(jì)算主觀權(quán)重，結(jié)合逼近理想解（Technique for Order Perference by Similarity to an Ideal Solution，TOPSIS）法確定最優(yōu)解方案[4]。鄭云飛等人提出基于NSGA Ⅱ算法的配電網(wǎng)可靠性優(yōu)化規(guī)劃方法，按措施類型劃分配電網(wǎng)可靠性成本曲線，以低成本和高可靠性為指標(biāo)，采用NSGA Ⅱ算法求取Pareto最優(yōu)解，并依據(jù)用戶滿意度選擇最終的配網(wǎng)規(guī)劃方案[5]。

雖然上述方法都能夠?qū)崿F(xiàn)對配電網(wǎng)的多目標(biāo)規(guī)劃，但是由于受分布式電源構(gòu)成元素的不穩(wěn)定性影響，配網(wǎng)負(fù)荷的波動性較大，導(dǎo)致配電網(wǎng)在運(yùn)行期間的無功負(fù)荷較高，造成了大量的電力資源浪費(fèi)，影響了資源的利用效率。因此，要實(shí)現(xiàn)穩(wěn)定的供電，配電網(wǎng)的規(guī)劃也要結(jié)合實(shí)際情況進(jìn)行適應(yīng)性調(diào)節(jié)。電力市場的逐漸成熟化發(fā)展使得在信息通信技術(shù)的支持下可以實(shí)現(xiàn)對需求側(cè)資源的實(shí)際情況作出準(zhǔn)確評估和判斷[6]。借助用戶和電網(wǎng)之間的雙向互動關(guān)系，對供電模式進(jìn)行適應(yīng)性調(diào)節(jié)是十分必要的，其不僅可以在極大程度上降低無效電能的輸出總量，同時(shí)對于提高資源的利用率也有重要的現(xiàn)實(shí)意義[7]。

為解決上述問題，本文基于自適應(yīng)粒子群算法針對含分布式電源配電網(wǎng)的多目標(biāo)規(guī)劃展開研究。并通過試驗(yàn)測試的方式分析驗(yàn)證了設(shè)計(jì)規(guī)劃方法在實(shí)際電網(wǎng)環(huán)境中的應(yīng)用價(jià)值。借助本文的研究內(nèi)容，希望可以為實(shí)際的電網(wǎng)資源管理提供有價(jià)值的參考，助力配電網(wǎng)實(shí)現(xiàn)長期穩(wěn)定運(yùn)行。

1 分布式電源配電網(wǎng)多目標(biāo)規(guī)劃方法設(shè)計(jì)

1.1 構(gòu)建配網(wǎng)負(fù)荷需求模型

在配網(wǎng)的實(shí)際運(yùn)行過程中，其覆蓋區(qū)域產(chǎn)生的負(fù)荷需求是以相對穩(wěn)態(tài)的趨勢周期性變化，對具體的負(fù)荷情況進(jìn)行細(xì)化分析，其可以分為可避免負(fù)荷和可轉(zhuǎn)移負(fù)荷2個(gè)部分。以此為基礎(chǔ)，本文綜合這2個(gè)部分負(fù)荷構(gòu)成情況構(gòu)建了分布式配電網(wǎng)負(fù)荷需求模型。

受用戶需求的自彈性特征影響，用戶的部分負(fù)荷需求是可以通過分時(shí)電價(jià)與激勵補(bǔ)償措施實(shí)現(xiàn)削減或者避免的，該部分負(fù)荷即為可避免負(fù)荷需求。其具體的計(jì)算方式可以表示為

式中：pi為i用戶的可避免電荷需求；p0為i用戶的原始負(fù)荷需求；e為i用戶的自彈性系數(shù)；wi為i用戶的實(shí)際響應(yīng)電價(jià)參數(shù)；w0為i用戶的原始電價(jià)參數(shù)；a為激勵補(bǔ)償作用系數(shù)。

對可轉(zhuǎn)移負(fù)荷需求進(jìn)行分析，在分時(shí)電價(jià)與激勵補(bǔ)償措施的作用下，用戶相關(guān)電力需求的發(fā)生時(shí)段會發(fā)生一定的變化，該類負(fù)荷需求的計(jì)算方式可以表示為

式中：pj為可轉(zhuǎn)移負(fù)荷需求總量；k為用戶電荷需求的交叉彈性系數(shù)；b為在j時(shí)段的激勵補(bǔ)償作用強(qiáng)度；wj表示在j時(shí)段的實(shí)際響應(yīng)電價(jià)參數(shù)。結(jié)合不同時(shí)期的需求調(diào)節(jié)目標(biāo)，當(dāng)負(fù)荷處于波峰階段時(shí)，b為正值；當(dāng)負(fù)荷處于波谷階段時(shí)，b為負(fù)值；其他時(shí)段b為0。

那么，結(jié)合式（1）和式（2）的計(jì)算結(jié)果，配網(wǎng)負(fù)荷需求模型可以表示為

式中：P表示配網(wǎng)負(fù)荷需求模型。

通過這樣的方式計(jì)算得到電網(wǎng)在不同時(shí)段的實(shí)際負(fù)荷需求，為其后續(xù)的規(guī)劃管理提供執(zhí)行基礎(chǔ)，確保供電的穩(wěn)定性。

1.2 基于自適應(yīng)粒子群的配網(wǎng)規(guī)劃

在對含分布式電源配電網(wǎng)進(jìn)行規(guī)劃的過程中，既要確保供電總量能夠滿足實(shí)際的用電負(fù)荷，同時(shí)又要最大限度降低供電期間的無效負(fù)荷總量。不僅如此，考慮到電網(wǎng)的實(shí)際配置情況，需要協(xié)調(diào)各部分發(fā)電機(jī)組的實(shí)際輸出情況，因此其是一個(gè)涉及多個(gè)因素的多目標(biāo)尋優(yōu)問題，本文采用粒子群算法實(shí)現(xiàn)對其的規(guī)劃，并在其中引入適應(yīng)度函數(shù)，確保尋優(yōu)結(jié)果的可靠性。

假設(shè)配網(wǎng)在發(fā)電構(gòu)成上包括風(fēng)電、光伏和燃?xì)?種形式，其對應(yīng)的輸出功率分別為W1、W2、W3，儲能裝置的可執(zhí)行容量上下限分別為Cmax和Cmin。那么，分別令粒子的搜索域?yàn)閃1、W2、W3和Cmax。

在此基礎(chǔ)上，按照隨機(jī)分布的方式對粒子的位置進(jìn)行初始化處理。需要注意的是，由于不同時(shí)段的實(shí)際負(fù)荷需求是相對波動的，因此本文將構(gòu)建的配網(wǎng)負(fù)荷需求模型作為粒子尋優(yōu)的目標(biāo)函數(shù)，其可以表示為

式中：f(X)為目標(biāo)函數(shù)；X為粒子群的位置參量。

在尋優(yōu)的過程中，可能存在部分多個(gè)結(jié)果同時(shí)滿足尋優(yōu)需求的情況，為上述參數(shù)建立適應(yīng)度函數(shù)，以此對尋優(yōu)結(jié)果進(jìn)行約束。其可以表示為

通過式（5）可以看出，本文設(shè)置的適應(yīng)度函數(shù)為儲能裝置趨近于最小值，通過這樣的方式，可以最大限度降低由于能源存貯帶來的成本問題，確保在滿足負(fù)荷需求的同時(shí)最大限度降低配電網(wǎng)的成本開銷。

2 應(yīng)用測試與分析

本文為了測試設(shè)計(jì)規(guī)劃方法的實(shí)際應(yīng)用效果，以實(shí)際配網(wǎng)環(huán)境為基礎(chǔ)開展了對比應(yīng)用測試。選取3種已有的配電網(wǎng)規(guī)劃方法作為測試的對照組，分別為文獻(xiàn)[3]提出建立在NSGA Ⅱ算法多要素改進(jìn)基礎(chǔ)上的配電網(wǎng)多目標(biāo)優(yōu)化方法，文獻(xiàn)[4]提出的利用自適應(yīng)多種群果蠅算法（Adaptive Multi Fruit Fly Optimization Algorithm，AMFOA）分析主客觀因素的配電網(wǎng)多目標(biāo)規(guī)劃方法以及文獻(xiàn)[5]提出的以NSGA Ⅱ算法為基礎(chǔ)的配電網(wǎng)可規(guī)劃方法。將上述3種配電網(wǎng)規(guī)劃方法與本文設(shè)計(jì)的基于自適應(yīng)粒子群的含分布式電源配電網(wǎng)多目標(biāo)規(guī)劃方法共同進(jìn)行測試，對比不同規(guī)劃方法在電網(wǎng)運(yùn)行管理中的應(yīng)用價(jià)值。

2.1 測試環(huán)境及參數(shù)

本文開展測試的分布式配網(wǎng)環(huán)境如圖1所示。

圖1 測試環(huán)境配網(wǎng)設(shè)置

如圖1所示，測試環(huán)境的配網(wǎng)中共包含24個(gè)節(jié)點(diǎn)。在發(fā)電機(jī)組配置上，其包括2臺500 kW的微型燃?xì)獍l(fā)電機(jī)組，1臺500 kW的光伏發(fā)電機(jī)組，以及2臺分別為500 kW和300 kW的風(fēng)電發(fā)電機(jī)組。不僅如此，配網(wǎng)中還包含3個(gè)容量分別為400 kW·h的儲能裝置，對應(yīng)的充電和放電功率均為80 kW，可以執(zhí)行的最低儲能為10.0%，最高儲能為90.0%。在測試配網(wǎng)區(qū)域的負(fù)荷曲線上，其峰值為1 158.06 kW，谷值為462.35 kW。在此基礎(chǔ)上，分別統(tǒng)計(jì)4種測試方法下的電網(wǎng)無功負(fù)荷情況。

2.2 測試結(jié)果與分析

統(tǒng)計(jì)了在不同負(fù)荷狀態(tài)下，不同方法對應(yīng)的電網(wǎng)無功負(fù)荷，其結(jié)果如表1所示。

表1 不同方法下電網(wǎng)無功負(fù)荷輸出情況對比表 單位：kW

通過表1數(shù)據(jù)，對4種電網(wǎng)規(guī)劃方法的應(yīng)用效果進(jìn)行分析。文獻(xiàn)[3]方法的無功負(fù)荷輸出隨著用電側(cè)負(fù)荷的逐漸增加呈現(xiàn)出逐漸下降的趨勢，但是在波谷時(shí)期，其無功負(fù)荷值達(dá)到了55.70 kW，處于較高水平。文獻(xiàn)[4]方法無功負(fù)荷輸出表現(xiàn)出了與文獻(xiàn)[3]方法相同的發(fā)展趨勢，雖然整體上實(shí)現(xiàn)了一定程度的下降，但是當(dāng)用戶側(cè)負(fù)荷需求處于波谷時(shí)，其無功負(fù)荷也達(dá)到了256.44 kW，且當(dāng)用戶側(cè)負(fù)荷需求達(dá)到1 250 kW時(shí)，其無功負(fù)荷為8.93 kW，已經(jīng)處于相對臨界狀態(tài)，隨著用電側(cè)負(fù)荷的發(fā)展，可能會出現(xiàn)供電量低于實(shí)際需求的情況。文獻(xiàn)[5]方法的無功負(fù)荷輸出并未明顯受到用電側(cè)負(fù)荷的影響，始終處于100～120 kW，具有較高的穩(wěn)定性，但是所處水平存在一定提升空間。觀察本文方法的應(yīng)用效果可以看出，無功負(fù)荷輸出的最大值和最小值分別為62.44 kW和14.37 kW，與其他3種方法相比，無功負(fù)荷輸出值較低，證明本文設(shè)計(jì)的規(guī)劃方法的應(yīng)用效果較好。

測試結(jié)果表明，本文設(shè)計(jì)的基于自適應(yīng)粒子群的含分布式電源配電網(wǎng)多目標(biāo)規(guī)劃方法可以實(shí)現(xiàn)對配電網(wǎng)資源的合理管理，有效降低無功負(fù)荷輸出值，提高能源的有效利用率，具有一定的實(shí)際應(yīng)用價(jià)值。

3 結(jié) 論

在配電網(wǎng)環(huán)境中，用電需求具有一定的規(guī)律性特征，由此形成的負(fù)荷波峰和波谷是影響配電網(wǎng)供電效果的重要因素。在此基礎(chǔ)上，為了滿足配電網(wǎng)供需平衡關(guān)系，在電力負(fù)荷持續(xù)增長的背景下，本文基于自適應(yīng)粒子群算法，針對含分布式電源配電網(wǎng)進(jìn)行多目標(biāo)規(guī)劃，解決了分布式電源中可再生能源滲透率不斷增加的問題，提出了切實(shí)可行的資源管理方法，進(jìn)一步提高了能源的有效利用率。