基于动态规划方法的微电网实时能量调度优化

摘 要：在微电网管理过程中，由于负荷用电的不确定性，微电网联网功率存在随机性，会造成配电系统电压大幅波动及功率不平衡问题。为解决上述问题，提出一種动态规划方法，对微电网需求侧负荷进行分类控制，实现能量的调度优化。结果显示，动态规划方法通过对微电网上下层的参数调节，实现实时能量的联网分配，减少了不稳定电压和不平衡功率问题的出现，提高了实时能量的调度效率。动态规划算法可以对微电网的实时能量进行有效优化，平均优化幅度为26.2%。因此，对于微电网的实时能量调节，动态规划方法具有十分重要的理论优化作用，可以促进微电网能量调度水平的提高。

关键词：微电网;实时能量;动态规划;调度优化

中图分类号：TM73  文献标志码：A  文章编号：1671-0797（2022）07-0014-03

DOI：10.19514/j.cnki.cn32-1628/tm.2022.07.004

0    引言

低碳减排是目前电力行业发展的主要趋势，所以电力企业正不断加大对太阳能、水利、风能等清洁能源的开发力度。但是，微电网发电的随机性、不确定性也威胁着配电网的稳定运行[1]。受多方面因素影响，微电网能量调度难度增加。同时，微电网提供的能量在配电网中所占的比例越来越高，所以其能量调度问题成为电力企业关注的重点。另外，微电网与配电网融合，其运行稳定性直接决定配电网的安全以及其他电力设备的正常运行，所以其能量调度具有十分重要的实践意义。如何对微电网中的能量进行分析，提出有效的调度方案，是目前亟待解决的问题。现有微电网能量调度方法较多，但均存在准确性差、时效性不理想的问题。基于上述背景，本文提出了一种动态规划方法，对微电网进行实时能量监测，并制订了有效的调度方案，以提高电网运行的稳定性。

1    基于动态规划方法的微电网能量调度

微电网能量调度涉及的因素较多，为了更加准确地进行研究，需要对其进行分类和量化，具体过程如下。

1.1    微电网需求侧负荷分类

在微电网能量调度过程中，要对其需求侧的负荷进行分类。本文在微电网能量调度研究的基础上对负荷进行分类，主要包括三个等级[2]：第一、第二等级属于不可控负荷，第三等级为可控负荷，其中第三等级负荷又可以细分为可调负荷、平移负荷两种，具体如表1所示。

由表1可知，可调负荷能依据电力价格、运行温度进行调节，以此保证微电网的经济效益;平移负荷则可依据用户体验、社会价值和危害进行增减、延迟启动和时间调度。因此，第三等级负荷能在不改变负荷曲线的基础上，转变原有的负荷运行模式，以达到负荷最优。相对于第三等级负荷来说，第一、第二等级负荷的不可控因素较多，不能随意进行调试，否则会造成严重后果。由此可知，第三等级负荷是微电网实时能量调节的重要对象。

1.2    微电网能量的动态规划算法

针对微电网第三等级负荷进行实时能量的动态规划，首先需对每个阶段的能量调度进行分析，选择最优的调度方案，使其在预定负荷曲线下达到负荷最优。

针对动态规划算法应用于微电网实时能量调度，可以进行如下假设：

假设1：设不同阶段为k，微电网状态为xk，能量为sk，调度方案为vk，那么调度方案的优化计算如下：

vk=（1）

式中：V（·）为调度方案函数;k为微电网所处的阶段，该数值可以任意划分，主要依据电网的经济效益、用户体验划分。

同时，实时能量的计算如下：

sk+1=T（sk，xk）|k

式中：T（·）为实时函数。

本文将微电网调度分为3个阶段，即k=3;xk是微电网的状态;sk代表不同阶段的调度能量，其值小于微电网总调度能量;vk是微电网调度方案，依据不同阶段的调度能量、状态等数据，从诸多调度方案中选择最优方案[3]。由于vk、sk、xk之间存在相关性，所以在确定sk后，vk与xk之间的关系也得到明确，即可以得到最优vk值。

假设2：设最优的能量调度函数为f（·），计算如下：

f（sk）=max

opt（xk）+ζ（3）

式中：opt（·）为每个阶段的最优结果;ζ为误差调节系数。

假设3：ri为调度后的实时能量变化;ui为不同阶段的电网稳定性;wi为电力调度后带来的变化，包括经济效益、用户体验等，且wi>wi+1，那么一年最多天数n的计算公式为：

n（i）=max

riui-wi（4）

2    动态规划算法的实时能量调度求解

对24 h的微电网实时能量进行优化，预计每日可以完成3个阶段的能量调度。图1是微电网调度的过程，具体为：a→A，A→b，b→C。

k=1、2、3为不同阶段，用a、A、b进行不同阶段的调度，C为能量的调度结束，即k=4。电网状态xk在k=1时，为微电网的最稳定状态。在k=1阶段，电网调度集合V（x1）中有3种调度方法，分别为不稳定、基本稳定、稳定。

最优结果函数opt（·）可用倒序方法进行计算，从最后的调度阶段出发进行反推，即k=4。由于最优的实时调度状态为微电网最稳定[4]，所以f（x4）=1。依据能量调度后经济损失最小、用户体验最佳的标准，得到f（x3）、f（x2）、f（x1）的最优调度方法，并构建最优调度集合[5]，结果如表2所示。

由表2中的数据，同理可以推出f（x2）的最优调度方案，结果如表3所示。

综合表2和表3中的计算结果，得到最终的调度方案，计算结果如表4所示。

综合分析可知，当wi-wi+1

6wi+2。能量调度方案由f（x4）向f（x1）反向追溯时，得到最优调度方案为：a3→A3→b2→C0。综上所述，可以得到微电网实时能量的最终调度方案如表5所示。

由表5可知，微电网实时能量调度过程中，动态规划算法可以依据不同调度阶段，进行实时能量调度优化，减少调度对经济效益的影响，改善用户体验效果。为了进一步验证优化结果，对24 h内调度优化量进行对比，结果如图2所示。

由图2可知，在0～24 h内，能量的变化幅度比较小，整体比较稳定。其中，当ri≤wi-wi+1时，能量的调度幅度加大;当wi-wi+1wi-1-wi+1时，能量调度的变化幅度最小。由此可知，动态规划算法可以对微电网的实时能量进行有效优化，平均优化幅度为26.2%。

3    结语

综上所述，实时能量调度是微电网稳定运行的重要保证，也是微电网并网的基础[6]。本文对微电网实时能量调度问题进行了分析，提出一种动态规划算法，能够实现对能量的有效调度，并减少能量调度对经济效益、用户体验的影响。該算法将微电网实时能量调度分为3个阶段，计算每个阶段的最佳调度方案[7]。结果显示，在对经济效益和用户体验效果影响最小的情况下，动态规划算法可以实现26.2%的优化比例，说明该方法满足微电网实时能量的调度要求。但是，本文在研究过程中仍然存在不足，对于不同阶段间的能量调度以及能量的落差问题缺乏深入研究，在未来的研究中，还需针对此内容进行深入分析。

[参考文献]

[1] 郭梦旭，刘成林，刘双，等.基于鸽群启发算法的风电场多目标优化功率控制方法研究[J].机电信息，2022（2）：9-11.

[2] 何力，吕红芳，李俊甫，等.基于模拟退火算法改进的人工鱼群算法（SA_AFSA）的微电网能量优化调度研究[J].太阳能学报，2020，41（9）：36-43.

[3] 李得民，吴在军，赵波.多微电网系统的合作博弈模型及其优化调度策略[J/OL].中国电机工程学报，2021：1-15.（2021-08-10）[2022-02-09].https：//kns.cnki.net/kcms/detail/detail.aspx？dbcode=CAPJ&dbname=

CAPJLAST&filename=ZGDC20210809003&uniplatform=

NZKPT&v=3UDY-INjhgoU2nsYCNiUgJSbHGuaHKSGPKwm1l6

a7sbUVfpOxYc69THSB6M0MOQq.

[4] 刘海明，王生铁，刘瑞明，等.交直流混合微电网并网运行能量管理协调控制策略研究[J].内蒙古工业大学学报（自然科学版），2021，40（5）：355-363.

[5] 刘林鹏，朱建全，陈嘉俊，等.基于柔性策略-评价网络的微电网源储协同优化调度策略[J].电力自动化设备，2022，42（1）：79-85.

[6] 吕宇桦，杨苹，陈锦涛，等.多元化绿色交易体系下直流微电网优化配置方法[J].电网技术，2021，45（3）：997-1005.

[7] 张东，刘甲琛，夏艺歌，等.风力发电无储能型微电网能量管理方法研究[J].电力勘测设计，2021，12（6）：79-84.

收稿日期：2022-02-14

作者简介：朱永明（1985—），男，浙江义乌人，工程师，研究方向：电气工程及其自动化。