基于分布式实时调度策略的智能电网控制系统的设计与实现

杜家兵，陈衍鹏，梁满发

（1.佛山供电局信息中心，广东佛山528000；2.华南理工大学数学学院，广东广州510641）

随着环境保护的需求和全球能源危机日益严重，用户对电力的稳定、安全、高效、清洁和环保提出了更高的要求。因此，近几年应运而生了智能电网的概念，并逐渐成为未来电网发展的研究热点[1-3]。

智能电网为电网企业提供了一个降低成本、提升可靠性和运营效率的蓝图。电网企业通过管理生产、运输和零售等各环节，实现节约用电和智能化管理，以提高能源的利用率、实现家电智能化[4-5]。在智能电网的背景下，电网企业只需考虑电网的可靠性、安全性和经济性；而用户只需考虑电力供应的稳定性与电费支出[6]。因此，提高电力系统的经济性、可靠性和安全性，提升能源利用效率并减少电费支出，实现低碳环保和节能减排是智能电网建设的根本目标。

目前，可再生能源被广泛应用于智能电网，虽然这能有效降低电网公司对火力发电的依赖并降低环境污染[7]。但可再生能源具有随机性和不稳定的缺点，对大电网造成了冲击并将严重影响电网的安全。随着电网从传统集中式架构向智能电网的分布式架构转化，电力负荷也由原来的刚性负荷逐渐变为能主动参与电网运行控制的柔性负荷。传统电网的统一调度方式已无法满足智能电网的需求，所以采用何种控制策略以最大化智能电网的输出功率，成为当前电网经济调度的研究热点[8-16]。

1 含柔性负荷的调度模型

假设柔性负荷的效益函数和发电机组的成本函数均是二次函数，本文定义了如式（1）所示的柔性负荷效益函数和式（2）所示的发电机组的成本函数：

式中，SD和SG分别表示柔性负荷集合与发电机集合，aj、bj、cj和αi、βi、γi为函数系数。

含柔性负荷的智能电网调度模型即考虑柔性负荷需求约束和发电机发电约束时，保证电力系统的经济效益最大化。如式（3）所示的优化模型：

使用拉格朗日乘子法可将式（3）所示的约束问题，转化为式（4）所示的无约束优化问题：

分别对PDj,PG和λ求偏导，可得到如式（5）所示的最优化条件；

由式（5）有：

式中，m和n分别表示发电机与柔性负荷数目。由式（6）可知，式（3）所示的经济调度模型的最优解是使所有柔性负荷的效益增量与发电机成本增量相等。

2 分布式实时智能电网经济调度

2.1 一致性算法

假设xi为表示电力元件i的输入功率、输出功率、用电效益和发电成本的物理量，则电力元件i在离散时间k的动态特性可由式（7）表示：

当x1=x2=…xn时，所有节点达到一致。则有式（8）所示的一致性协议：

式中aij>0为邻接矩阵A的元素。

相应的，可得到电力系统动态方程：

由式（9）可知，每个电力元件节点的状态均与其邻居节点的状态有关。

2.2 分布式调度策略

本文提出的分布式调度策略通过共享各条母线的信息实现全局经济调度，包括柔性负荷边际用电效益IB、发电机组边际发电成本IC的计算和母线功率偏差修正项的计算两部分。

2.2.1 IB和IC的计算

柔性负荷边际用电效益IB和发电机组边际发电成本IC，分别如式（10）和式（11）所示：

其更新公式如式（12）所示：

式中，SB和Ni分别表示母线集合和母线i的邻居集合；w为一个正标量，表示算法的收敛速度；ΔPi(k)表示母线i的全局功率偏差。

本文考虑到柔性负荷和发电机组的功率约束，定义了如式（13）所示的柔性负荷需求功率函数与式（14）所示的发电机组功率函数：

从式（13）和式（14）可以看出，本文通过调节柔性负荷的边际用电成本以及发电机组的发电成本来实现电力系统的功率平衡。当功率偏差项wΔPi(k)>0时，柔性负荷与用电效益将增加且其用电负荷将减小，发电成本和发电功率将增大；当功率偏差项wΔPi(k)＜0时，柔性负荷与用电效益将减小且其用电负荷将增加，发电成本及发电功率也将增加。

2.2.2 母线功率偏差修正项的计算

式（12）表明，电网全局功率偏差由母线间相互协调的方式来计算。母线i的全局功率偏差为ΔPi(k)，则母线i的局部功率偏差可由母线上的柔性负荷需求功率PDi与发电机输出功率PG确定，如式（15）所示：

假设每条母线均有一个时标矢量Si和一个状态矢量xi，则每条母线有如下特性：

式中，xij和sij分别为xi与Si的第j个近邻。式（16）表明，母线i的局部功率偏差可由与其相邻的其他母线j的信息交互获得。且全局功率偏差，可由式（17）计算获得：

式（16）和（17）的计算过程，可由图1表示。图1（a）表明系统启动前各母线仅了解其本地功率偏差；迭代计算一次后得到图1（b）所示的结果，各母线获得其近邻信息；迭代计算3次后，得到如图1（d）所示的结果，各母线均能获取系统中所有线路的信息，即可计算出全局功率偏差。

计算得到全局功率偏差后，即可调节λi使所有母线的全局功率偏差变为0，并得到最优的λi(k)。由式（11）～式（17）即可确定，如图2所示本文分布式实时调度策略的计算流程。

图1 母线间信息传递计算流程

图2 分布式实时调度策略流程

3 实验与结果分析

为了验证本文提出的分布式实时调度策略的有效性，本节使用Matlab软件和IEEE39节点系统，在不同通信条件和不同电力元件功率约束条件下的性能进行仿真测试。

如图3所示为本文提出的分布式调度策略，以及集中式调度策略的系统变量仿真结果。从图中可以看出，分布式调度策略与集中式调度策略均能求得最优的功率平衡约束，且系统所有一致性变量最终均可达到一致。

图3 分布式调度策略和集中式调度策略的系统变量仿真结果

如图4所示为分布式调度策略和集中式调度策略，在不同通信拓扑结构下的适应性比较结果。从图中可看出，虽系统具有不同的通信拓扑结构，但一致性变量均能收敛到其最优值。

图4 不同通信拓扑结构下分布式调度策略和集中式调度策略的系统变量仿真结果

4 结束语

分布式电源种类多样、波动性大的特点，导致实现智能电网输出功率最大化成为了当前电网经济调度的研究热点。本文针对该问题设计和实现了一种基于分布式实时调度策略的智能电网控制系统。首先，构建了含柔性负荷的调度优化模型；然后，设计了一种考虑柔性负荷的智能电网经济调度策略，包括柔性负荷边际用电效益、发电组边际发电成本及功率偏差修正的分布式计算；最后，使用Matlab仿真软件分别测试了在不同通信拓扑结构、含BESS充放电和“即插即用”时算法的性能。其实验结果表明，所提出的算法具有一定的鲁棒性，能适应不同负荷数量的条件。

参考文献：

[1]王阳，李鹏，朱珺敏，等.一种计及微电源的电网分层调度方法[J].电网与清洁能源，2012，28（7）:12-18.

[2]曹勇.智能电网经济运行的分布式控制方法及其收敛速度优化[D].杭州:浙江大学，2017.

[3]杨思，李雪亮，贾善杰，等.计及环境因素的智能电网分布式经济调度策略[J].电器与能效管理技术，2017（16）:57-65.

[4]张玖林.认知智能电网频谱分配与电力调度联合资源分配策略研究[D].成都:电子科技大学，2016.

[5]杨超.复杂智能电网的分布式控制与故障辨识研究[D].武汉:华中科技大学，2016.

[6]李媛，武岩岩，王思琪.基于混沌时间序列的Elman神经网络工业用电预测[J].沈阳工业大学学报，2016，38（2）:196-200.

[7]吴婧妤，叶鹏飞，付明，等.分布式电源协调优化调度和电压协同控制关键技术综述[J].自动化与仪器仪表，2017（2）:5-8.

[8]张延宇，曾鹏，臧传治.智能电网环境下家庭能源管理系统优化调度算法[J].电力系统保护与控制，2016，44（2）:18-26.

[9]王娟娟，王宏安.基于多智能体混合调度的电网自愈系统[J].计算机研究与发展，2017，54（4）:720-730.

[10]代业明，高红伟，高岩.考虑信息延迟的智能电网实时定价和算法[J].工业工程与管理，2017，22（2）:53-59.

[11]霍雪松，裴培.基于调度数据网络技术的调度控制系统地区互备通信模式研究[J].电网与清洁能源，2016，32（5）:47-50.

[12]Avci M.Demand response-enabled model predictive HVAC load control in buildings using realtime electricity pricing[M].Boston:Dissertations&Theses-Gradworks，2013.

[13]AlHadban，Yehya.Demand-side management in office buildings in Kuwait through an ice-storage assisted HVAC system with modelpredictive control[D].Carlifornia:Cranfield University，2005.

[14]张少敏，孙婕，王保义.基于Storm的智能电网广域测量系统数据实时加密[J].电力系统自动化，2016，40（21）:123-127.

[15]周晟，赵君翊，葛元鹏.主被动防御结合的智能电网信息安全防护体系[J].电子科技，2015，28（6）:213-215.

[16]齐仁龙，朱小会，张庆辉.光伏发电系统暂态特性仿真[J].沈阳工业大学学报，2017，39（2）:121-126.