基于需求侧响应的主动配电网多源协调优化调度

卢锦玲， 初文奇， 於慧敏， 郭金体， 马 冲

(1.华北电力大学 电气与电子工程学院，河北 保定 071003； 2.无锡供电公司，江苏 无锡 214000； 3.华北石油管理局水电厂，河北 任丘 062550)

0 引言

主动配电网(Active Distribution Network，AND)是有高渗透率DG(Distributed Generation)接入的具有主动控制和主动管理能力的配电网，主动配电网发电侧的主动参与和用户侧的主动响应使配电网由原来的被动接收电能变为主动利用电能[1]。主动配电网的优化调度是通过对DG、储能、柔性负荷等分布式能源设备的合理控制，达到增强对可再生能源消纳能力，节能降耗，提高电网运行可靠性和供电质量的目的[2]。

由于风电、光伏等间歇性可再生能源发电出力的随机性和波动性，储能系统、柔性负荷不同时间断面的时间转移特性和耦合相关性[3]，以及主动配电网对联络开关调整的灵活性，使得传统配电网的优化调度策略不再适用于主动配电网。主动配电网的优化调度模型，其目标函数是对整个调度周期综合运行成本的优化，而非以某一时刻网损或发电成本最小为优化目标；其约束函数除了潮流约束、发电单元出力约束、节点电压约束外，还需考虑柔性负荷可调度负荷资源容量约束、反向潮流约束、储能充放电功率约束和荷电状态约束。文献[4]提出了一种计及储能系统参与的多目标主动配电网优化调度模型，论证了储能系统对于提高可再生能源的利用效率，优化能源管理上的有效性，未考虑储能系统状态切换损耗和充放电损耗对电网运行成本的影响。文献[5]通过随机模拟技术来应对间歇性可再生能源出力的不确定性，并建立了基于机会约束规划的能量调度随机优化模型，未考虑柔性负荷可调度负荷资源对于优化调度的影响。文献[6]建立了一种计及DG、储能装置、柔性负荷可调度负荷资源的基于模型预测控制的优化调度策略，实现调度周期内平滑间歇性可再生能源有功出力的目标，未考虑多源协调互动及其对运行成本的影响。

本文首先对柔性负荷进行了定义，其次设定多源协同优化调度优先级，通过协调控制分布式能源的供需互动，促进系统对可再生能源的消纳。以主动配电网和能源终端用户为利益整体，以减小发电成本、储能等效运行成本和源荷共赢成本为目标，构建综合成本最小的主动配电网和能源终端用户合作共赢的优化调度模型，并建立各参与优化调度元件的约束模型。考虑分时售购电价的差异，最小化主动配电网的运行成本和能源终端用户购电成本，实现主动配电网和用户的合作共赢。然后结合熵权法和层次分析法，提出了一种基于距离最小化原则和离差平方和的熵权—AHP综合赋权法。通过构造对发电成本、储能等效运行成本、源荷共赢成本的权重评价指标体系，使本文构建的主动配电网多源协调优化调度模型更具有现实意义。利用具有主动搜索和学习特性的改进APSO算法求解优化调度模型，最后以44节点的主动配电网测试系统为例进行分析，验证了所提优化调度策略的有效性。

1 协调调度优先级的设定

通过对可控分布式发电单元、储能和柔性负荷设定协调调度优先级，实现主动配电网发电侧和用户侧的多方参与，光伏发电、风力发电、储能多种能源互补优化，分布式发电单元、储能、柔性负荷多能互动的协调优化调度，可以提高可再生能源的利用率，降低主动配电网运行成本和能源终端用户的购电成本，实现主动配电网和用户的合作共赢，在实现对主动配电网协调优化调度的同时提高用户满意度。本文所提出的源荷共赢是指在主动配电网发电调度和需求调度的协调运行模式下，主动配电网的运行成本和能源终端用户购电成本较优化调度前均有明显降低。设定储能系统的调度优先级最高，柔性负荷的调度优先级最低，按优先级从高到低执行调度响应决策，从而达到3方面目标。

1.1 降低发电成本

风电、光伏等间歇性可再生能源出力的随机性和波动性强，不参与主动配电网的协调优化调度控制，是不可调度能源。储能系统的灵活调节特性和双向互动能力[7]，及柔性负荷可调度负荷主动参与需求侧响应[8]，对于平抑可再生能源功率波动，实现削峰填谷，促进多能源互补和可再生能源的高效利用具有充分的优越性。通过对协调调度优先级的设定，可以实现对间歇性可再生能源的最大消纳，建立灵活经济的主动配电网优化调度模型。由于间歇性可再生能源较可控分布式发电更为绿色经济，本文设定可控分布式发电单元的优先级低于储能系统，对发电成本定义如下：

(1)

式中：Cwindt.n为风力发电成本；Pwindt.n为风力发电单元有功出力；CPV.m为光伏发电成本；PPV.m为光伏发电单元有功出力；CKDG.i为可控分布式发电单元的发电成本；PKDG.i为可控式发电单元的有功出力；T为一次完整调度时间；N为风力发电站数量。

1.2 减小储能等效运行成本

储能对于可再生能源出力的瞬时波动具有响应速度快、调节精度高等优点，具备可以根据系统运行状况进行灵活充放电的特性，对于提高系统供电质量和可再生能源消纳具有重要意义。储能设备的循环寿命与运行过程中的放电深度成负相关，放电深度越大，循环寿命越短[9]。本文在目标函数中通过储能单次循环等效运行成本来计及放电深度对储能系统循环寿命的影响[10]，并对储能设备充放电功率建立相应的约束模型。设定储能系统的协调调度优先级最高，计及储能系统放电次数、状态切换损耗及充放电功率损耗，在保证用户用电满意度的情况下最小化储能等效运行成本，储能等效运行成本表达式如下：

(2)

PBESS.loss(t)=

+(1-ηout.g)PBout.g(t)]

(3)

(4)

式中：Closs(t)为储能单次循环等效运行成本；CP和CW分别为储能装置单位功率和单位容量的投资成本；PBESS.N为储能装置的额定有功功率；WBESS.N为储能装置的额定容量，NBESS为储能装置的循环寿命；DoD为储能装置的放电深度，PBESS.loss为储能装置损耗；μBESS.g为储能状态变化量纲；ΔPBESS.g(t)为第g个储能状态切换损耗；ηin.g为充电效率；PBin.g为第g个储能的充电功率；ηout.g为放电效率；PBout.g为第g个储能的放电功率;G为储能单元数量。

1.3 降低源荷共赢成本

本文构建了主动配电网发电侧与用户侧合作共赢的调度机制，考虑柔性负荷可调度负荷激励成本和能源终端用户购电成本对源荷共赢成本的整体影响。一方面，考虑通过分时售购电价的价格激励和对柔性负荷可调度负荷的补偿激励机制，诱导用户合理调节用电结构和用电方式。另一方面，通过合理地协调调度优先级的设定，对主动配电网的协调优化调度，降低用户购电成本，提高用户用电满意度，激励用户积极响应电网的协调优化调度。通过对柔性负荷的主动调整和用户的积极响应改善负荷曲线，从而达到削峰填谷，平抑间歇性可再生能源的功率波动，增强对可再生能源的消纳能力的目的。考虑到对柔性负荷协调调度的时间、容量与用户购电成本及柔性负荷可调度负荷激励成本呈反相关，设定柔性负荷的协调调度优先级最低。源荷共赢成本表达式如下：

(5)

式中：ξtrload.p为用户p的激励系数；μtrload.p为可平移负荷的状态；Ptrload.p(t)为增加的可平移负荷容量；ξzdload.q为用户q的中断补偿系数，μzdload.p为可中断负荷的状态，Pzdload.q(t)为减少的中断负荷容量，Cl为用户实时购电电价；Pl为负荷功率；L为负荷数量；P为可平移负荷数量；Q为可中断负荷数量。

2 主动配电网多源协调优化调度模型

2.1 目标函数

在主动配电网多源协调优化调度模型中，目标函数考虑的是以主动配电网和能源终端用户为利益整体，整个调度周期中主动配电网的优化经济运行。将主动配电网作为电力市场中的主动参与者与主电网进行电能交易，当主动配电网的电能过剩时，向主电网售电反送电能。在设定协调调度优先级的前提下，计及分时售购电价对主动配电网综合运行成本的影响，以发电成本、储能等效运行成本、源荷共赢成本作为子目标，构建目标函数如下：

F=min(λmul-gfg+λmul-lossfloss+

λmul-loadfload+CLinePLine)

(6)

式中：λmul-g、λmul-loss、λmul-load为各子目标在目标函数中的权重系数，且有λmul-g+λmul-loss+λmul-load=1；CLine为主动配电网实时交互售/购电价；PLine为主动配电网与主网间的电能互动容量，当主动配电网的电能不足，即向主电网购电时PLine取正值，反之取负值。

2.2 约束条件

1)系统潮流等式约束

(7)

2)柔性负荷容量限制约束

可中断负荷：

Pzdload.q.min≤Pzdload.q≤Pzdload.q.max

(8)

可平移负荷：

Ptrload.p.min≤Ptrload.p≤Ptrload.p.max

(9)

3)可控分布式发电出力约束

PKDG.i.min≤PKDG.i≤PKDG.N.max

(10)

4)储能充放电功率约束

PBin.g.min(t)≤PBin.g(t)≤PBin.g.max(t)

(11)

PBout.g.min(t)≤PBout.g(t)≤PBout.g.max(t)

(12)

储能装置充放电功率大小与其使用寿命成负相关。本文设定单位时间储能装置的最大充放电功率为其额定容量的20%。

5)储能能量平衡约束

EBESS(0)=EBESS(TΔt)

(13)

式中：EBESS(0)为储能装置初始时刻存储能量；EBESS(TΔt)为储能装置调度周期结束时的剩余能量。

6)荷电状态约束

SBESS.g.min≤SBESS.g≤SBESS.g.max

(14)

式中：SBESS.g为第g个储能装置的荷电状态。考虑到储能装置荷电状态对其运行效率的影响[12]，本文设定储能装置的荷电范围为其额定容量的20%～95%。

7)馈线容量约束

PLine.k≤PLine.k.max

(15)

式中：PLine.k为第k条馈线配电网与主电网的电能互动容量；PLine.k.max为第k条馈线的额定容量。配电网与主网间的电能互动容量不应超过二者间的馈线额定容量。

3 熵权—AHP综合赋权法

AHP赋权法不可避免会受到主观因素的影响[11]，权重的确定取决于决策者的专业经验，极易脱离数据实际。熵权法是客观赋权法的一种，其结果过分依赖于实测数据，忽略了决策者的主观能动性，无法消除实测数据误差对评价结果的影响[12]。本文通过基于距离最小化原则和离差平方和的熵权—AHP综合赋权法，既能兼顾决策者的专业经验和知识，又能减小主观随意性对赋权结果的影响，从而使赋权结果更客观、有效、可靠，在工程实用中具有较强的可操作性。对于采用相同评价指标的优化调度场景，权重系数无需重新计算。其基本步骤如下：

1)构建基于距离最小化原则和离差平方和的双目标决策函数：

(16)

2)通过线性加权法将(16)式转化为：

(17)

式中：α，β为偏好因子，表示AHP赋权法和熵权法在综合赋权法中的相对重要程度，其中0≤α，β≤1，α+β=1。

3)构造基于(17)式的拉格朗日函数：

(18)

4)综合式(17)(18)得到主客观综合权重：

(19)

式中：T=(thj)n×n；e为单位列向量，即e=(1,1,…,1)T。

其中，

4 主动粒子群算法

粒子群算法(Particle Swarm Optimization,PSO)[13]具有算法简单、收敛速度快、精度高等优点，但寻优过程中过度依赖于粒子自身惯性和最优粒子对粒子的拉动作用，限制了种群对全局范围的有效搜索，降低了粒子搜索的主观能动性。同时，PSO算法对初始参数敏感，易出现早熟收敛现象。为对所建模型进行求解，针对上述问题，本文提出具有主动搜索和学习特性的主动粒子群算法(Active Particle Swarm Optimization,APSO)，对标准PSO算法做出如下三方面改进：

改进一：本文通过Logistic混沌序列的遍历性在搜索空间中生成随机遍历位置，为粒子的主动探测和全局搜索提供参考点x(t,d)。粒子在参考点附近随机动态邻域内U(x(t,d),δ(d))进行主动搜索，搜索结果对“首领粒子”gbest进行更新。进而引导粒子向最优区域飞行，开拓粒子群探索视野，提升PSO算法的全局寻优能力。对参考点序列x(t,d)定义为：

x(t,d)=l(d)·cx(t+200,d)

(20)

cx(t,d)=a(d)·cx(t-1,d)·(1-cx(t-1,d))

(21)

a(d)=4.1+0.1·rand()

(22)

式中：cx(t,d)为Logistic混沌序列；a(d)为资源系数；t为当前迭代时间；d为当前搜索区域维度；rand()为区间[0,1]上均匀分布的随机数。

对t时刻参考点附近随机动态邻域定义如式(22)所示，将邻域内随机采样的M/100个粒子与全局最优粒子gbest进行比较和更新。

(23)

式中：floor为高斯取整函数；M为粒子群规模。

改进二：赋予粒子群以P(t)的主动探索概率对参考点附近随机动态邻域U(x(t,d),δ(d))进行实时探索的能力，提升PSO算法局部寻优能力。本文对t时刻粒子主动探索概率定义为

式中：T为迭代时间限值。

改进三：采用自适应惯性权重对标准PSO算法的惯性权重系数进行改进[14]，使其随实时适应度值的变化而变化，提高全局搜索能力，改善标准PSO早熟收敛问题。本文对自适应惯性权重的定义为：

(24)

式中：ωmax、ωmin分别为ω的上下限值；f为粒子实时适应度值；fmin、favg分别为粒子群实时适应度值的最小值和平均值。

图1 主动配电网络测试系统

5 算例分析

本文以包含有风电、光伏电站，燃气轮机和蓄电池储能的44节点主动配电网络测试系统为算例[15]，并用所提出的APSO算法进行求解，从而验证本文所提优化调度策略的有效性，如图1所示。其中2座风力发电站额定输出功率均为500 kW，3座光伏电站额定输出功率均为500 kW,1座光伏电站额定输出功率为300 kW，2台燃气轮机额定容量均为300 kW，5个蓄电池储能容量为250 kW，2个蓄电池储能容量为500 kW，共7个蓄电池储能，其初始荷电状态均为50%。设完整调度周期为24 h,每1 h为一个调度时段。设定优化调度前储能和柔性负荷不参与配电网的调度运行，其中可平移负荷上限为375 kW，可中断负荷上限为312 kW，优化调度前配电网各分布式电源出力和日负荷曲线如图2所示。主动配电网向主电网实时交互售/购电价曲线如图3所示。根据本文提出的熵权—AHP综合赋权法，确定了一组以主动配电网和能源终端用户合作共赢利益为导向的综合权重：λmul-g=0.40，λmul-loss=0.33，λmul-load=0.27。

图2 优化前主动配电网运行状态

图3 主动配电网实时交互售/购电价

算法参数设置如下：粒子群规模Mmax为200，迭代次数上限Nmax为500，惯性权重系数上下限值ωmax、ωmin分别为0.9和0.6，学习因子c1、c2分别为1.5和1，用Matlab编程对上述模型进行求解，优化后配电网的运行状态如图4所示。

图4 优化后主动配电网运行状态

图5为主动配电网负荷状态。

图5 主动配电网负荷状态

对比图2和图4可以明显看出，用户对协调优化调度的积极响应，柔性负荷和储能在系统优化调度中协调参与，负荷曲线与可再生能源发电单元出力曲线契合度明显提升，有效降低了电网弃风、弃光的风险，提高了系统对光伏发电、风电这类可再生清洁能源的消纳能力，其原因是，柔性负荷和储能的灵活调峰特性和双向互动能力有助于缓解可再生能源发电出力的间歇性和波动性对系统可靠运行带来的不利影响。

由图4中7个储能的综合充放电出力可以看出，通过对系统的优化调度，储能灵活的充放电特性得到了合理利用，当可再生能源发电出力大于系统负荷且电价较低时，尽可能多的充电存储，当可再生能源发电出力小于系统负荷且电价较高时放电，有效平衡负荷和可再生能源发电出力差额，满足系统的运行状态的需要。由图5可以看出，通过对柔性负荷的主动调整和用户的积极响应改善负荷曲线，削峰填谷作用明显。

为对比验证本文提出的优化调度策略，确定5种不同的调度策略如下：

策略1：不计及储能和柔性负荷的确定性调度；

策略2：仅考虑储能调节的确定性调度；

策略3：仅考虑柔性负荷调节的确定性调度；

策略4：综合考虑储能和柔性负荷调节的确定性调度，令可控分布式发电单元的调度优先级高于储能系统，柔性负荷的调度优先级最低；

策略5：综合考虑储能和柔性负荷调节的确定性调度，令储能系统的调度优先级高于可控分布式发电单元，柔性负荷的调度优先级最低；

计算5种不同调度策略下主动配电网总运行成本如表1所示。

表1五种不同调度策略下主动配电网总运行成本元

策略发电成本储能等效运行成本源荷共赢成本配电网卖电收益配电网总运行成本策略124 838.8024 596.9241.924 596.9策略216 939.23 270.315 943.2996.019 213.5策略317 476.4017 915.91 092.317 915.9策略420 830.53 012.320 038.22 344.723 050.6策略514 301.02 177.313 633.72 061.31 5811.1

从表1中可知，策略2比策略1多考虑了储能因素，主动配电网总运行成本降低了5 383.42元，配电网向主网售电收益为996.03元，较策略1增加了754.13元。这是由于储能具有可以根据系统运行状态灵活充放电的特性，在保障主动配电网安全可靠运行的同时，提高配电网运行的经济性。

策略3比策略1多考虑了柔性负荷因素，虽然策略3对用户侧柔性负荷可调度负荷激励成本增加了1 531.92元，但主动配电网总运行成本降低了6 681.03元。由图2和图4可以对比看出，优化前的负荷峰谷差为860.03 kW,通过对主动配电网的协调优化调度，负荷峰谷差降低为597.52 kW，具有明显的削峰填谷的调峰特性，使主动配电网运行在更为经济和高效的负载水平，改善主动配电网的经济效益。

策略5的主动配电网总运行成本较策略4降低了7 239.47元，发电成本降低6 529.51元，售电收益减少283.46元，这是由于策略5对储能、可控分布式发电单元、柔性负荷的协调优先调度，风电、光伏发电、储能等多能源出力互补优化,使系统发电单元出力曲线与日负荷曲线契合度提高，减少了可控分布式发电冗余。策略5的源荷共赢成本较策略4减少了6 404.51元，在降低主动配电网运行成本的同时最小化能源终端用户的用电成本，实现了主动配电网和能源终端用户的合作共赢。通过对比可以明显看出，策略5协调调度优先级设定的优越性。

图6为APSO算法与标准PSO算法迭代次数比较。

图6 APSO算法与标准PSO算法迭代次数比较

从图6可以看出，标准PSO算法对策略5对应模型求解迭代次数为96次，配电网总运行成本为17 031.37元，而采用本文所提出的APSO算法迭代次数为43次，总运行成本为15 811.13元，APSO算法的收敛特性和搜索能力较标准PSO算法有明显改善，间接提升了主动配电网的经济效益。

6 结论

本文通过协调可控分布式发电单元、储能系统和柔性负荷，构建了以发电成本、储能等效运行成本和源荷共赢成本综合最小为目标的源荷合作共赢的多源协调优化调度模型，并利用APSO算法对优化调度模型进行求解，得到结论如下：

(1)引入主动探索概率和遍历参考点的APSO算法可以有效提高粒子全局搜索和局部寻优的能力，改善传统PSO算法易早熟收敛的缺陷。

(2)通过柔性负荷对用户侧原本分散的柔性负荷可调度负荷资源进行统一管理和调度，实现了电能在用户侧的优化配置，削峰填谷作用明显，在降低主动配电网综合运行成本和用户购电成本的同时，实现了主动配电网智能用电的双向交互。

(3)通过设定的协调调度优先级，对可控分布式发电单元、储能系统和柔性负荷的灵活调度，缓解系统调峰压力，优化负荷曲线，减少系统弃风、弃光风险，提高了对可再生能源的消纳。

(4)提出的主动配电网协调优化调度策略，实现主动配电网发电侧和用户侧的多方参与，分布式发电单元、储能、柔性负荷的多能互动，光伏发电、风力发电、储能等多种能源的互补优化。有效降低了主动配电网的运行成本和用户的购电成本，实现了主动配电网和能源终端用户的合作双赢。