基于信息熵理論的配電網(wǎng)多目標(biāo)負(fù)荷調(diào)度模型設(shè)計

林桂輝，吳偉，徐春華，麥家怡，姚芳，劉溪橋

（廣東電網(wǎng)有限責(zé)任公司珠海供電局，廣東珠海 519000）

隨著新能源的開發(fā)與用戶用電能力的提升，當(dāng)前電力行業(yè)正經(jīng)歷一場巨大變革。原本的電力工業(yè)只要求穩(wěn)定、持續(xù)的供電，但是在能源轉(zhuǎn)換之后，開始向著擁有更高的能量利用率、更高的經(jīng)濟(jì)效益并能夠繼續(xù)穩(wěn)定電能供應(yīng)的角度轉(zhuǎn)變。在這樣的背景下，對于配電網(wǎng)的電力調(diào)度就成為了熱點話題。文獻(xiàn)[1]通過詳細(xì)控制電網(wǎng)的運(yùn)行狀態(tài)控制電網(wǎng)負(fù)荷調(diào)度，并基于此建立調(diào)度模型。文獻(xiàn)[2]利用各種電子元件實時采集電網(wǎng)的運(yùn)行狀態(tài)信息，并在一定的計算之后得到電網(wǎng)參數(shù)，進(jìn)而實現(xiàn)對電網(wǎng)負(fù)荷調(diào)度模型的實際控制策略。文獻(xiàn)[3]根據(jù)上一個時間段內(nèi)電網(wǎng)的用電情況判斷其接下來一段時間內(nèi)的用電需求，進(jìn)而進(jìn)行電網(wǎng)調(diào)度。以上三種常規(guī)的電網(wǎng)多目標(biāo)負(fù)荷調(diào)度均無法準(zhǔn)確預(yù)測用戶的實際需求，從而導(dǎo)致對一片區(qū)域內(nèi)電網(wǎng)的電力需求預(yù)測出現(xiàn)誤差，進(jìn)而形成電力資源的浪費。

為了避免該問題，基于信息熵理論設(shè)計了配電網(wǎng)多目標(biāo)負(fù)荷調(diào)度模型，從而得到用戶在下一段時間內(nèi)用電能力的不確定性度量，進(jìn)而根據(jù)該度量數(shù)值建立配電網(wǎng)電力負(fù)荷的數(shù)學(xué)模型并設(shè)計電力調(diào)度模型。

1 配電網(wǎng)多目標(biāo)負(fù)荷調(diào)度模型

1.1 計算配電網(wǎng)多目標(biāo)負(fù)荷信息熵指數(shù)

信息熵理論最早應(yīng)用于通信系統(tǒng)的研究中，其核心在于使用定量的方式度量某事件或某條信息不確定性的程度[4]。在配電網(wǎng)負(fù)荷調(diào)度模型的設(shè)計中，對于用電客戶的用電量以及用電時間是完全隨機(jī)的，因此想要精準(zhǔn)地預(yù)測用戶用電數(shù)值，就需要使用信息熵理論對其進(jìn)行計算。設(shè)某隨機(jī)事件N發(fā)展之后的結(jié)果有n種，其結(jié)果分別為x1,x2,x3,…,xn,可通過概率計算公式得到該隨機(jī)事件的分布列P(N=Xi)=pi，此時的信息熵可以表示為：

式中，pi表示隨機(jī)事件N發(fā)生后的第i個可能性發(fā)生的概率；n表示隨機(jī)事件N所有可能性的個數(shù)。通過式（1）可知，當(dāng)pi越大時U(N)就會越小，也就是說，如果一個事件中所蘊(yùn)含的信息量相對較少，則該事件的不確定性也就會越小[5]。與之相反的，當(dāng)一個事件相對較為復(fù)雜時，該事件的不確定性就會大大增加。所有信息熵均滿足U(N)≥0，則當(dāng)事件A與事件B相互獨立時，這兩個事件累加信息熵的表達(dá)式可以表示為：

式中，U(A)表示事A的信息熵；U(B)表示事件B的信息熵；U(A,B)表示兩個相互獨立事件A與B的累加信息熵。通過式（3）可以得到兩個相互獨立事件A與B累加信息熵指數(shù)的計算結(jié)果。

式中，ai表示事件A的第i個結(jié)果，bi表示事件B的第i個結(jié)果；p(ai|bi)表示兩個相互獨立的事件A與B的 聯(lián)合概 率[6]。

1.2 構(gòu)建配電網(wǎng)多目標(biāo)負(fù)荷數(shù)學(xué)模型

想要以節(jié)約資源為根本目標(biāo)，改善配電網(wǎng)的電力調(diào)度質(zhì)量，需科學(xué)地構(gòu)建配電網(wǎng)多目標(biāo)數(shù)學(xué)模型[7]。該文將信息熵理論加入到配電網(wǎng)多目標(biāo)負(fù)荷數(shù)學(xué)模型中，根據(jù)上節(jié)計算出的配電網(wǎng)多目標(biāo)負(fù)荷信息熵指數(shù)，獲取具體的目標(biāo)函數(shù)如下所示：

式中，t表示數(shù)學(xué)模型中得到優(yōu)化的時段數(shù)；α表示配電網(wǎng)多目標(biāo)負(fù)荷調(diào)度的信息熵指數(shù)；a表示事件A的第一種可能，b表示事件B的第二種可能；U(A)和U(B)則分別表示事件A與事件B的信息熵；Pa(t)表示在t時段事件A的第a種可能發(fā)生的概率；Pb(t)表示在t時段事件B的第b種可能發(fā)生的概率。當(dāng)該公式取最小值時，可以通過數(shù)學(xué)模型中分布式電源的功率差異計算得到不同目標(biāo)狀態(tài)下各配電局域網(wǎng)絡(luò)的出力最小功率[8-10]。在上述目標(biāo)函數(shù)中，還需要一定的約束條件作為平衡運(yùn)算效率的表達(dá)式，因此可以得到功率平衡約束的計算公式如下：

式中，Pt表示t時段時配電網(wǎng)中的有功功率；Pui表示t時段時配電網(wǎng)中分布式電源的有功輸出[11]；Pci表示t時段時配電網(wǎng)中的儲能功率；Ppi表示t時段時配電網(wǎng)中的有功負(fù)荷功率；Qt表示t時段時配電網(wǎng)中的無功功率；Qui表示t時段時配電網(wǎng)中分布式電源的無功輸出；Qci表示t時段時配電網(wǎng)中的靜止補(bǔ)償器的無功輸出功率；Qpi表示t時段時配電網(wǎng)中的無功負(fù)荷功率[12-13]。

1.3 設(shè)計配電網(wǎng)多目標(biāo)負(fù)荷調(diào)度模型

在上文基礎(chǔ)上建立配電網(wǎng)多目標(biāo)負(fù)荷調(diào)度模型，如圖1 所示。

圖1 配電網(wǎng)多目標(biāo)負(fù)荷調(diào)度模型框架

如圖1 所示，在配電網(wǎng)多目標(biāo)負(fù)荷調(diào)度模型中，想要優(yōu)化預(yù)測結(jié)果，就需要著重注意風(fēng)力發(fā)電以及光伏發(fā)電，將風(fēng)力發(fā)電和光伏發(fā)電的不確定性引入信息熵理論，就能夠以最小的能耗誤差代入計算模型[14-15]。將預(yù)測結(jié)果分為有儲能與無儲能兩個方向，一般而言，無儲能前提下的電力負(fù)荷會更加緊湊，而有儲能的負(fù)荷調(diào)度模型容錯率更高[16]。該文設(shè)計的配電網(wǎng)多目標(biāo)負(fù)荷調(diào)度模型可以適用于任意配電網(wǎng)，只需要調(diào)整有功與無功的資源區(qū)間，并將時間節(jié)點控制在可控的自治區(qū)域內(nèi)，就可以實現(xiàn)配電網(wǎng)多目標(biāo)負(fù)荷調(diào)度模型的設(shè)計。

2 仿真實驗

2.1 實驗準(zhǔn)備

為驗證上文中提出的基于信息熵理論的配電網(wǎng)多目標(biāo)負(fù)荷調(diào)度模型在實際應(yīng)用中的可行性，以及其對比三種常規(guī)模型是否更具優(yōu)越性，設(shè)計如下仿真實驗。使用計算機(jī)對配電網(wǎng)系統(tǒng)進(jìn)行測試，在相關(guān)軟件中構(gòu)造如圖2 所示的配電網(wǎng)節(jié)點模型。

圖2 配電網(wǎng)節(jié)點模型

為驗證該調(diào)度模型所需要消耗的能源小于常規(guī)的幾種模型，進(jìn)行以下實驗操作。為提高實驗結(jié)果的準(zhǔn)確性，反復(fù)操作三次，最后取實驗結(jié)果的平均值作為最終的實驗數(shù)據(jù)。

2.2 配電網(wǎng)調(diào)度模型測試

由于配電網(wǎng)多目標(biāo)分配的特殊性，其在有儲能與無儲能的情況下具備相差較大的實驗數(shù)據(jù)，因此在實驗中分別對有儲能的情況與無儲能的情況進(jìn)行討論。使用文中模型進(jìn)行電力調(diào)度時得到的電力消耗情況如圖3 所示。

圖3 文中方法

如圖3 所示，有儲能的電力消耗小于無儲能，且隨著電力負(fù)荷的加大，配電網(wǎng)中消耗的電力也在逐漸增大。當(dāng)電力負(fù)荷為2.6 MW 時，有儲能與無儲能所需要消耗的電力分別為4.8×104kW 與8.2×104kW。當(dāng)電力負(fù)荷為5 MW 時，有儲能與無儲能所需要消耗的電力分別為18.4×104kW 與20×104kW。在這個過程中，有儲能與無儲能所需要的電力消耗數(shù)值在不斷接近，直至電力負(fù)荷達(dá)到5.0 MW 時相疊加。

如圖4 所示，有儲能與無儲能的配電網(wǎng)電力消耗隨著電力負(fù)荷的提高，增長幅度較為均勻。當(dāng)電力負(fù)荷為2.6 MW 時，有儲能與無儲能的電力消耗分別為4.1×104kW 與6.2×104kW。當(dāng)電力負(fù)荷為5.0 MW 時，有儲能與無儲能的電力消耗分別為25.4×104kW 與32.1×104kW。其增長幅度明顯大于文中設(shè)計的調(diào)度模型。由此可知，文中設(shè)計的調(diào)度模型在電力負(fù)荷相同時所需要消耗的電力小于文獻(xiàn)[1]方法，在一定程度上降低了能源消耗。

圖4 文獻(xiàn)[1]方法

如圖5 所示，有儲能與無儲能的配電網(wǎng)電力消耗隨著電力負(fù)荷的提高，且有儲能的增長幅度小于無儲能。當(dāng)電力負(fù)荷為2.6 MW 時，有儲能與無儲能的電力消耗分別為4.5×104kW 與6.8×104kW。當(dāng)電力負(fù)荷為5 MW 時，有儲能與無儲能的電力消耗分別為19.6×104kW 與33.4×104kW，其增長幅度明顯大于文中設(shè)計的調(diào)度模型。由此可知，文中設(shè)計的調(diào)度模型在電力負(fù)荷相同時所需要消耗的電力小于文獻(xiàn)[2]方法，在一定程度上降低了能源消耗。

圖5 文獻(xiàn)[2]方法

如圖6 所示，有儲能與無儲能的配電網(wǎng)電力消耗隨著電力負(fù)荷的提高，且二者的增長幅度較為平均。當(dāng)電力負(fù)荷為2.6 MW 時，有儲能與無儲能的電力消耗分別為4.7×104kW 與13.9×104kW。當(dāng)電力負(fù)荷為5.0 MW 時，有儲能與無儲能的電力消耗分別為21.4×104kW 與30.9×104kW。其增長幅度明顯大于文中設(shè)計的調(diào)度模型。

圖6 文獻(xiàn)[3]方法

由此可知，文中設(shè)計的調(diào)度模型在電力負(fù)荷相同時所需要消耗的電力小于文獻(xiàn)[3]方法，在一定程度上降低了能源消耗。根據(jù)圖4-6 可知，當(dāng)電力負(fù)荷為5 MW 時，文中設(shè)計的配電網(wǎng)調(diào)度模型在有儲能時需要消耗的電能較常規(guī)的三種電力調(diào)度模型分別小約7×104kW、1.2×104kW、3×104kW，在無儲能時所需要消耗的電能較常規(guī)的三種電力調(diào)度模型分別小約12.1×104kW、13.4×104kW、10.9×104kW。根據(jù)數(shù)據(jù)可知文中設(shè)計的配電網(wǎng)多目標(biāo)負(fù)荷調(diào)度模型確實能夠減少電能的浪費，提高能源利用率。

3 結(jié)束語

該文配電網(wǎng)多目標(biāo)負(fù)荷調(diào)度模型的設(shè)計宗旨在于對客戶用電能力的預(yù)測，設(shè)計并建立該負(fù)荷調(diào)度預(yù)測模型。根據(jù)實驗可知該模型能夠減少配電網(wǎng)電力調(diào)度誤差，減少能源損耗，從而形成相對準(zhǔn)確的調(diào)度程序，相對于常規(guī)的三種調(diào)度模型在調(diào)度的準(zhǔn)確性方面更具優(yōu)勢。