基于改進粒子群算法的智能配電網(wǎng)日內(nèi)分布式優(yōu)化調(diào)度方法

摘要：當前配電網(wǎng)調(diào)度中，約束條件的設(shè)定往往采用目標式方法，導(dǎo)致調(diào)度覆蓋范圍受限。為此，文章提出了一種基于改進粒子群算法的智能配電網(wǎng)日內(nèi)分布式優(yōu)化調(diào)度方法。該方法根據(jù)實時調(diào)度需求，設(shè)定了日內(nèi)配電網(wǎng)優(yōu)化調(diào)度目標，采用多階策略，突破傳統(tǒng)調(diào)度覆蓋范圍的限制，制定多階調(diào)度約束條件，對基礎(chǔ)變量進行優(yōu)化。在此基礎(chǔ)上，文章構(gòu)建了改進粒子群算法的電網(wǎng)日內(nèi)分布式優(yōu)化調(diào)度模型，通過反向核驗處理機制實現(xiàn)高效優(yōu)化調(diào)度。測試結(jié)果顯示，該方法在調(diào)度后顯著降低了線路損耗，具有較高的實用價值。

關(guān)鍵詞：改進粒子群算法；智能配電網(wǎng)；日內(nèi)分布；分布式調(diào)度；調(diào)度方法；電網(wǎng)控制

中圖分類號：TM73" 文獻標志碼：A

0 引言

智能配電網(wǎng)作為連接能源生產(chǎn)與消費的橋梁，其運行效率和安全性在電力系統(tǒng)運行中至關(guān)重要。隨著智能配電網(wǎng)的深入發(fā)展，分布式電源（如光伏、風電等）的廣泛接入，使得配電網(wǎng)的運行環(huán)境變得愈發(fā)復(fù)雜多變。為解決這一問題，研究人員不斷探索有效的配電網(wǎng)日內(nèi)分布式優(yōu)化調(diào)度方法。

梅鵬等^［1］通過云模型模擬不確定性因素，構(gòu)建了優(yōu)化調(diào)度模型，以實現(xiàn)能源的高效利用和電網(wǎng)的穩(wěn)定運行。張明^［2］基于智能終端的實時監(jiān)測數(shù)據(jù)，通過負載預(yù)測和分析，制定了分布式優(yōu)化調(diào)度策略。盡管這些方法在一定程度上達到了預(yù)期目標，但在復(fù)雜多變的運行環(huán)境下，其穩(wěn)定性和可靠性仍面臨挑戰(zhàn)，難以滿足日益嚴格的調(diào)度要求。鑒于此，本文提出了基于改進粒子群算法的智能配電網(wǎng)日內(nèi)分布式優(yōu)化調(diào)度方法。

1 設(shè)計改進粒子群算法的日內(nèi)分布式優(yōu)化調(diào)度方法

1.1 設(shè)置日內(nèi)配電網(wǎng)優(yōu)化調(diào)度目標

在日常的優(yōu)化調(diào)度中，首要目標便是實現(xiàn)能源利用效率的最大化^［3］。將當前的可再生能源消納率控制在預(yù)設(shè)的標準之內(nèi)，減少化石能源消耗，以此來進一步降低環(huán)境污染和碳排放^［4-5］。本文結(jié)合改進粒子群算法，有效尋找最優(yōu)解。當前先設(shè)定基礎(chǔ)的目標函數(shù)并精準標定分布范圍之內(nèi)的饋線位置。當饋線上分段開關(guān)之間存在分布式電源時，本文將這2個區(qū)段合并為一個統(tǒng)一區(qū)域。然而，若饋線上分支界定開關(guān)與尾端線路之間的分布式電源存在不穩(wěn)定性，則須要進行調(diào)度區(qū)域的獨立劃分。在已預(yù)設(shè)的分區(qū)中，本文將優(yōu)化目標設(shè)定為最小化配電網(wǎng)的運行費用。目標函數(shù)如公式（1）所示。

min ds=min∑m=1［KXP2+KESSP^ESSA+θm］-Km（1）

其中，min ds為目標函數(shù)；KXP2為負荷有功值；KESS為儲能裝置在放電和充電時的實際調(diào)度成本系數(shù)；P^ESSA為分區(qū)儲能裝置有功；θ為補償因數(shù)；K為柔性負荷值；m為基礎(chǔ)調(diào)度頻次。

結(jié)合當前的分區(qū)，本文將實際需要執(zhí)行的目標設(shè)定為最大消納率，測定單位時段最小分布式可再生能源發(fā)電（Distributed Renewable Energy Generation， DREG）削減率，如公式（2）所示。

min f^s=min∑y=1（P-y2L+H）×100%（2）

其中，min f^s為最小DREG削減率；y為削減頻率；P為最大消納率；為初始DREG削減率；L為預(yù)設(shè)區(qū)段；H為最小電壓偏差。

依據(jù)得出的最小DREG削減率，調(diào)整上述計算的目標函數(shù)，形成更加符合優(yōu)化調(diào)度的目標，為后續(xù)處理奠定基礎(chǔ)。

1.2 多階調(diào)度約束條件制定

相較于傳統(tǒng)的配電網(wǎng)優(yōu)化調(diào)度約束條件，此次設(shè)計的多階約束條件不僅覆蓋范圍更廣，而且針對性更強，能更有效地實現(xiàn)配電網(wǎng)的調(diào)度平衡。其中，電力平衡約束作為最基礎(chǔ)的約束條件，要求配電網(wǎng)在任何時刻的電力供應(yīng)必須嚴格等于電力需求，以確保電網(wǎng)的穩(wěn)定運行。設(shè)定支路潮流的約束條件，如公式（3）所示。

Wei≤W^e+1i

ia=（a-x）2+W（3）

其中，Wei和W^e+1i分別為支路潮流約束的基礎(chǔ)值和實際值；ia為約束范圍；a和x分別為最大約束限制值和最小約束限制值；為調(diào)度差值。

結(jié)合當前的測定結(jié)果，本文對每一個調(diào)度支路進行細致的調(diào)整。為確保調(diào)度的有效性和安全性，還須設(shè)定嚴格的容量約束條件。考慮到各分布式能源資源、儲能系統(tǒng)以及輸電設(shè)備均存在容量限制，優(yōu)化調(diào)度過程中必須確保這些設(shè)備的工作狀態(tài)始終在其規(guī)定的容量限制范圍內(nèi)。計算容量約束限值，如公式（4）所示。

b=δ2+wσ（1-ξ）2c-τ（4）

其中，b為容量約束限值；δ為配電調(diào)度均值；w和σ分別為基礎(chǔ)調(diào)度區(qū)域和調(diào)度點；ξ為重復(fù)調(diào)度區(qū)域；c為頻率波動；τ為日內(nèi)電力調(diào)度值。

結(jié)合容量約束限值，調(diào)整配電網(wǎng)的電壓、頻率等，確保測試的穩(wěn)定與安全，形成基礎(chǔ)的約束條件。

1.3 構(gòu)建改進粒子群算法電網(wǎng)日內(nèi)分布式優(yōu)化調(diào)度模型

結(jié)合改進粒子群算法，本文構(gòu)建了電網(wǎng)日內(nèi)分布式優(yōu)化調(diào)度模型。在復(fù)雜的運行背景下，該模型能夠結(jié)合調(diào)度的實時狀態(tài)，精準輸出最優(yōu)解?；谥霸O(shè)定的目標函數(shù)，利用改進粒子群算法，本文建立了個體最優(yōu)與群體最優(yōu)之間的有效聯(lián)系，設(shè)計了模型的優(yōu)化調(diào)度結(jié)構(gòu)，以確保調(diào)度的高效性和準確性。設(shè)計模型的優(yōu)化調(diào)度結(jié)構(gòu)如圖1所示。

在該流程中，計算個體最優(yōu)與群體最優(yōu)之間的最優(yōu)解，如公式（5）所示。

Vqj（t-1）=phestqj-gbestq2+dqj（5）

其中，Vqj（t-1）為調(diào)度最優(yōu)解；phestqj和gbestq分別為基礎(chǔ)調(diào)度區(qū)域和實際調(diào)度區(qū)域；dqj為調(diào)度均值。針對模型輸出結(jié)果，本文進行了多周期對比分析。具體而言，將配電網(wǎng)合理劃分為多個子區(qū)域，每個子區(qū)域作為一個獨立的優(yōu)化單元進行并行優(yōu)化。隨后，通過協(xié)調(diào)機制整合各子區(qū)域的優(yōu)化結(jié)果，實現(xiàn)全局最優(yōu)處理，確?；A(chǔ)性調(diào)度的有效實施。利用改進粒子群算法計算調(diào)度優(yōu)化核驗最大差，如公式（6）所示。

Y=2-（1+I）（6）

其中，Y為調(diào)度優(yōu)化核驗最大差；為實際負荷值；I為核驗均值。

為確保優(yōu)化調(diào)度方案的經(jīng)濟性和可行性，本文設(shè)定了基于計算得出的調(diào)度優(yōu)化核驗最大差為核驗標準。通過模擬實驗，驗證該方案是否滿足電力系統(tǒng)的物理約束和技術(shù)限制，進而確認優(yōu)化調(diào)度方案的經(jīng)濟可行性。

2 方法測試

2.1 測試準備

選定A配電網(wǎng)供電區(qū)域，劃分為6個獨立單元測試區(qū)域。在區(qū)域內(nèi)，部署邊緣節(jié)點和高位核心節(jié)點，核心節(jié)點控制邊緣節(jié)點并匯總數(shù)據(jù)。結(jié)合實際需求，設(shè)定輔助測試指標及參數(shù)標準如表1所示。

2.2 測試過程與結(jié)果分析

測定出優(yōu)化調(diào)度過程中的線路損耗值如圖2所示。從圖2可以看到，隨著優(yōu)化調(diào)度策略的實施，線路損耗呈現(xiàn)一個顯著下降的趨勢。這不僅驗證了改進粒子群算法在智能配電網(wǎng)優(yōu)化調(diào)度中的有效性，還進一步表明了多階調(diào)度約束條件的合理設(shè)定對于降低線路損耗、提升電網(wǎng)運行效率的重要性。具體而言，優(yōu)化調(diào)度過程中，系統(tǒng)通過實時調(diào)整各分布式電源的輸出功率和電網(wǎng)結(jié)構(gòu)，使得能量流動更加合理，減少不必要的能量損失。此外，算法的高效性和穩(wěn)定性也為持續(xù)降低線路損耗提供了有力保障。綜上所述，該優(yōu)化調(diào)度方法在實現(xiàn)節(jié)能減排、提高電網(wǎng)經(jīng)濟效益方面展現(xiàn)出了實際應(yīng)用價值。

3 結(jié)語

本文對基于改進粒子群算法的智能配電網(wǎng)日內(nèi)分布式優(yōu)化調(diào)度方法進行探索，結(jié)合局部搜索和自適 應(yīng)日內(nèi)引導(dǎo)調(diào)度，強化調(diào)度標準，提升可控性與穩(wěn)定性。改進后的粒子群算法有效克服了傳統(tǒng)方法的不足，提高了求解效率和全局優(yōu)化能力，為應(yīng)對復(fù)雜電網(wǎng)環(huán)境，構(gòu)建安全、高效、綠色的電力系統(tǒng)作出貢獻。

參考文獻

［1］梅鵬，林志賢，李騰飛.基于云模型的含分布式光伏配電網(wǎng)雙層優(yōu)化調(diào)度方法［J］.無線電工程，2023（9）：2158-2164.

［2］張明.基于負載均衡的主動配電網(wǎng)分布式優(yōu)化調(diào)度方法［J］.電器工業(yè)，2022（12）：27-30，43.

［3］閆麗梅，曾家威，徐建軍，等.含電動汽車和光伏的配電網(wǎng)演化動態(tài)博弈調(diào)度策略［J］.太陽能學(xué)報，2024（5）：316-323.

［4］李揚，胡兆華.跨區(qū)域協(xié)同指揮下的配電網(wǎng)分布式目標優(yōu)化調(diào)度方法［J］.微型電腦應(yīng)用，2023（8）：146-148，152.

［5］孫景濤，許曉陽，張鑫，等.一種基于混合整數(shù)線性規(guī)劃的交直流混聯(lián)配電網(wǎng)多層優(yōu)化調(diào)度方法［J］.廣東電力，2023（1）：35-47.

（編輯 王雪芬編輯）

Optimal intra-day distributed dispatching method of intelligent distribution network

based on improved particle swarm algorithm

LI" Xiye

（State Grid Wuxiang County Electric Power Supply Company， Wuxiang 046300， China）

Abstract：" In current distribution network scheduling， the setting of constraint conditions often adopts a goal based approach， resulting in limited scheduling coverage. Therefore， this article proposes an intelligent distribution network intraday distributed optimization scheduling method based on improved particle swarm optimization algorithm. This method sets the goal of optimizing the daily distribution network scheduling based on real-time scheduling needs， and adopts a multi-level strategy to breakthrough the limitations of traditional scheduling coverage. It formulates multi-level scheduling constraints and optimizes the basic variables. On this basis， an improved particle swarm optimization algorithm based intraday distributed optimization scheduling model for power grids was constructed， and efficient optimization scheduling was achieved through reverse verification processing mechanism. The test results show that this method significantly reduces line losses after scheduling and has high practical value.

Key words： improved particle swarm algorithm; intelligent distribution network; intra-day distribution; distributed dispatching; dispatching method; power grid control