郭松
(国网陕西省电力公司物资公司, 陕西, 西安 710068)
电力能源需求增加,其生产电力的化石能源消耗量与日俱增,占电力生产总能源的90%以上,导致温室气体排放量加剧,出现气候变暖、城市雾霾频发等环境问题[1]。此外,随着社会经济发展,居民日常生活不断舒适化、企业生产不断精细化,促使居民生活和企业生产对电力质量要求不断提高[2]。因此,相关学者采用接入不同端口变更功率注入点,调整电能流动路径来针对不同的电力客户进行供电。但是该电能调度方法仅能调度部分电力,当其调度电路出现电能不足、线路故障等问题时,其调度的电能减少,难以满足居民生活和企业生产需求[3-4]。基于此,电力调度已经成为电力供应链必须面对的实际问题。
目前,国内外将电力调度分为静态和动态2种调度模式,设计了经济、安全、可靠等约束条件,将电力的最小运行成本、发电机启停时间、线路负荷等作为电力调度目标,控制发电机组运行,实现电力调度。在国内外研究基础上,相关学者提出如下观点。文献[5]将差分进化算法和飞蛾算法相结合,提高了飞蛾算法调度电力灵活性和全局能力,从而增强电力调度精度和收敛性。文献[6]根据火电调峰的主动性设计成本约束,将电力经济性和能源消耗最小作为目标,建立电力调度模型,实现电力优化调度。上述学者研究的电力调度方法、调度电力多层级供应链,打破了供应链均衡性。为此本文提出时间窗约束下的电力多层级供应链均衡优化调度方法,其创新之处在于将电力多层级供应链约束与时间窗约束相融合,保证均衡优化调度最优解是唯一的;将成本、需求和资金周转率作为目标,对应电力供应链边际成本、任务适应度和平均适应度,保证电力多层级供应链均衡性。
电力供应链包括如下环节:① 原料供应商a;② 生产发电商b;③ 输电分销商c;④ 用电消费者d[7]。根据这一单级单循环供应链,设定电力多层级供应链均衡模型约束条件如下。
(4)a产量和库存产品应少于等于a的容量,则存在nag+uag≤hag,∀a,g。其中,nag表示a提供g的数量,uag表示a提供nag的产品g后库存的剩余数量,hag表示a提供g的能力。
(5)b产量和库存产品应少于等于b的容量,则存在nbi+ubi≤hbi,∀b,i。其中,nbi表示b提供i的数量,ubi表示b提供nbi的产品i后库存的剩余数量,hbi表示b提供i的能力。
(6)c产量和库存产品应少于等于c的容量,则存在nci+uci≤hci,∀c,i。其中,nci表示c提供i的数量,uci表示c提供nci的产品i后库存的剩余数量,hci表示c提供i的能力。
综合上述9个约束条件,即可建立电力多层级供应链均衡模型,让电力多层级供应链处于均衡状态。
在上述9个约束条件下,建立的电力多层级供应链均衡模型如下:
(1)
(2)
(3)
式(1)~式(3)中,minf1、minf2、minf3分别表示电力多层级供应链3个目标函数,ζag表示a提供g的单位固定成本,ζag表示a存储g的单位库存成本,vabg表示g从a运输到b的单位运输成本,lab表示a与b之间的距离,ζbi表示b提供i的单位固定成本,ζbi表示b存储i的单位库存成本,vbci表示i从b运输到c的单位运输成本,lbc表示b与c之间的距离,ζci表示c提供i的单位固定成本,ζci表示c存储i的单位库存成本,vcdi表示i从c运输到d的单位运输成本,lcd表示c与d之间的距离,Tabg表示产品g在a与b之间所需的资金周转周期,Tbci表示产品i在b与c之间所需的资金周转周期,Tcdi表示产品i在c与d之间所需的资金周转周期[8]。
在电力多层级供应链均衡模型中,式(1)均衡了电力多层级供应链成本,式(2)均衡了电力多层级供应链需求,式(3)均衡了电力多层级供应链资金周转率。
从式(1)~式(3)可以看出,只有在同一单位时间内,模型才处于均衡状态,实现电力多层级供应链均衡优化调度。为此,采用时间窗设计电力多层级调度约束条件,约束电力多层级供应链均衡优化调度。
如式(1)~式(3)所示,其电能在各个环节的输送处于均衡状态,则其电力产品输送时间一定,存在最早输送和最晚输送时间,且电力供应链必须遵循这个时间。此时,电力多层级供应链均衡优化调度时间窗如图1所示。
图1 电力多层级供应链均衡优化调度时间窗
图1中,∞表示超级大的正数,t表示时间,tjmax表示产品到达每一节供应链最早时间,tjmin表示产品到达每一节供应链最晚时间,f(t)表示关于时间t的函数[9]。
根据图1,设计时间窗约束函数f(t)如式(4):
(4)
式(4)中,j表示电力多层级供应链各个环节运转产品[10]。在式(2)时间窗约束条件下,依据式(1)~式(3)所示的电力多层级供应链模型,均衡优化调度电力多层级供应链。
在电力多层级供应链模型约束和时间窗两层约束下,采用IGA算法均衡优化调度电力多层级供应链,其调度过程如下。
1) 初始化IGA算法种群。
(5)
(6)
4) 依据式(5)、式(6)计算结果,保留IGA算法中完成调度任务适应度最高个体。
5) 通过遗传操作替换步骤4)中适应度相对较低的个体。其遗传操作过程如下。
(1) 选择:根据式(5)、式(6),计算IGA算法个体选择概率:
(7)
(8)
式(7)、式(8)中,Q表示IGA算法总群规模。根据式(5)、式(6)计算得到个体适应度,按照式(7)、式(8)选择个体。
(9)
(10)
式(9)、式(10)中,f1表示交叉个体适应度函数,f2表示变异个体适应度函数,e1、e2、e3、e4均表示阈值在(0,1)范围内的常数[13]。采用式(5)、式(6)确定f1和f2的值,同时设定e1、e2、e3、e4的值,即可得到P1和P2的值。
6) 提高交叉和变异概率,加速算法调度过程。
7) 判断进化后的调度策略是否满足供应链均衡调度约束。其判断依据如式(8):
(11)
根据解码结果,输出电力多层级供应链均衡优化调度最优解,实现电力多层级供应链均衡优化调度。
选择文献[5]方法、文献[6]方法作为此次实验比较方法,由原料供应商、生产发电商、输电分销商、用电消费者4个基础节点组成的电力多层级供应链作为均衡优化调度电力多层级供应链,验证本文时间窗约束下的电力多层级供应链均衡优化调度方法。
此次实验依据4个基础节点设计的电力多层级供应链如图2所示。
图2 电力多层级供应链
图2中,G表示生产发电企业,1、2、3、6、8五个节点为输电分销商输电节点,4、5、7、9四个节点为生产发电商供电节点,10、11、12、13、14五个节点为用电消费者。由图2可知,存在1个原料供应商分别向4个生产发电商提供电力生产原材料。其中,生产发电商-输电分销商-用电消费者3个基础环节,每个节点之间均由输电线连接,且每条输电线均具有相同的阻抗。
假设电力供应边际成本函数ζ表达式为
ζ=gj+aqi
(12)
式(12)中,qi表示第i个企业供电量,a表示供电成本系数,g表示每发送一度电成本。依据式(12)电力边际成本函数ζ表达式,反推原料供应商原料销售价格在某个时间段的边际成本函数为80-2qi。假设生产发电商的供电量分别为q4、q5、q7、q9,输电分销商输电节点输电量分别为q1、q2、q3、q6、q8,其电力多层级供应链供电和发电边际成本函数如表1所示。
表1 电力多层级供应链供电和发电边际成本函数
2.2.1 电能调度负荷波动比较
根据此次实验设计的电力多层级供应链,分别为5个消费者均衡优化调度电能,以此满足消费者用电需求,并在电能调度过程中,每15 min统计一次电能调度产生的负荷,其统计结果如图3所示。
图3 电能调度负荷变化图
从图3可以看出:文献[5]方法和文献[6]方法,调度此次实验设计的电力多层级供应链为消费者提供电能,所产生的电能调度负荷波动不稳定,会给供应链增添电能供应压力;而本文方法调度此次实验设计的电力多层级供应链为消费者提供电能,所产生的电能调度负荷波动相对稳定。
2.2.2 供应链利润比较
在上一组实验基础上,根据表1的边际成本,统计3组调度方法为消费者调度1440 min的电能后,原料供应商、生产发电商、输电分销商3个基础环节获取的利润,其统计结果如图4所示。
图4 电力多层级供应链利润比较
从图4可以看出:在3组调度方法调度1440 min的电能产生的调度负荷下,文献[5]方法和文献[6]方法同一层级获取到的利润最大值和最小值差值分别为420元、337元、550元、530元,电力多层级供应链调度均衡性极差;而本文方法同一层级获取到的利润最大值和最小值差值分别为70元和50元,电力多层级供应链调度均衡性较优。
综合上述2组实验结果可知,本文方法在调度电力多层级供应链电能时,平衡电能调度负荷,以此保证电力多层级供应链均衡性。
在时间窗约束条件下,均衡电力多层级供应链,依据供应链调度任务,均衡优化调度电力多层级供应链,维持电力供应链平衡。但是此次本文设置的约束条件,仍然存在一定的局限性。因此在今后,还需深入研究供应链约束条件,建立更加完善的电力多层级供应链均衡优化调度机制。