| 标题 | 基于用户侧管理的网—荷多目标调度模型 |
| 范文 | 封士元 田书 摘 要：针对现阶段配电网智能化程度低、与微网联合调度经济性差等问题，在考虑实时电价计费和完全利用微网电能的情况下，利用主动配电网技术构建以配电网-微网运维支出最低、联合调度环境损耗最小和用户负荷波动最平缓为优化目标的调度模型。基于高斯加权粒子群算法，求解调度模型最优方案。以添加风机、光伏、微燃机及储能装置的配电网为算例模型，通过比较3种运行方式，分析配网添加微电源、储能装置和改变拓扑对优化目标的影响，时延结果验证了该方法有效性。 关键词：主动配电网;微网;用户侧管理;改进粒子群算法;控制策略 DOI：10. 11907/rjdk. 182126 中图分类号：TP301文献标识码：A文章编号：1672-7800（2019）004-0064-05 0 引言 由于各类型微电源在配电网大规模接入，对配电网产生重大改变，使原有配网到用户的单向能量流变为配网到用户、微网到用户及微网到配网的复杂多变的能量流和信息流体系[1-2]。现阶段配电网智能化程度不高，与微网结合后整体联合调度经济性不理想，而主动配电网技术能综合考虑信息交互、数据分析、综合联动等多个层面，并快速给出效益最优的解决方案，因此利用主动配电网技术是解决新形势下配网复杂问题的有效方法[3]。 目前，在配电网与微网（双网）联合调度方面，国内外专家学者已开展大量相关研究。文献[4]提出一种三阶段鲁棒优化调度方法，该方法解决了因分布式电源出力不确定对配电网的不利影响，并且调度模型考虑了电力设备投切次数和配电网电压波动的限制，仿真结果证明了模型有效性;文献[5]建立了以年综合成本和微网自供电能力为优化目标的微网与配电网联合调度模型，重点解决了配网中储能装置的容量分配问题，以及在微网不同分布情况下各优化结果，最终验证了模型能够取得良好的经济和减排效益;文献[6]在主动配电网的优化调度中考虑配网拓扑灵活改变的情况，拓扑结构的灵活改变能最大限度利用微网电能，实现配网与微网联合调度的经济效益最优，同时比较了改进和声算法、标准和声算法以及遗传算法在作为模型求解器时的优劣情况;文献[7]、[8]的数学模型实质都是在满足潮流分布情况下单一地通过实时电价调节中断负荷的使用区间，提高负荷使用的经济性。综上所述，现有文献考虑影响双网联合调度效益的因素较为单一，不能全面反映联合调度对经济、社会带来的效益。 本文以含风能、太阳能、微燃机及储能装置的IEEE33拓扑结构为例，通过短期风、光和微燃机出力预测值，在潮流最优情况下，以配电网运维支出、环境损耗以及负荷波动最小为优化目标，建立用户依据实时电价响应动作的配电网与微网联合调度模型。为解决多目标寻优问题，本文采用高斯加权粒子群算法，并对3种运行模式分别仿真分析得出最优方案，算例结果验证了调度模型的经济性和有效性。 4 算例模型与结果分析 仿真采用IEEE33节点配电系统[17]，如图2所示。主馈线节点1-17为工业负荷，分支节点18-21、22-24、25-32为居民负荷。考虑到用户用电习惯，认为可削减居民负荷不超过总居民负荷的10%，可转移居民负荷不超过总居民负荷30%。节点3-4和节点9-10的光伏及风机装机容量取0.1MW，节点17的光伏和储能装机容量分别取1MW和0.7MW，节点20的微燃机装机容量取0.7MW，节点32的风机和储能装机容量分别取1MW和0.7MW。风电、光伏以及微燃机的并网电价分别为0.6元/kWh、1元/kWh和0.8元/kWh;用户固定电价为0.56元/kWh[18]。储能装置充放电效率取90%。以微网所发电能全额利用为前提，选择3种运行方式进行实验对比：①方式1為含微网和储能的新型配电网，但不考虑拓扑结构改变;②方式2为含微网和储能的新型配电网，并考虑拓扑结构改变;③方式3为无微网和储能接入的传统配电网。 模型计算所需的必要数据包括工业负荷和居民负荷的日前负荷预测，光伏、风电和微燃机的日前预测出力，储能1和储能2的出力计划及基准实时电价分别从文献[19]、文献[5]和文献[20]获取;表1为微燃机和配电网的污染物排放成本和系数，表2分别光伏、风机、微燃机和储能电池的运行维护成本。 4.1 3种调度方式经济性分析 表3为3种调度方式在目标函数取最优时负荷和拓扑结构的调整方法，由于方式3不考虑需求响应策略和拓扑改变，因此在表3中不出现方式3的调控数据。 对表3、表4数据经济性分析可得出以下3点结论：①由于实时电价的影响，用户晚间响应负荷削减和转移的力度最大，且在负荷转移时隙选择上也基本选择为用电低谷时期，负荷转移的时间跨度也在约束范围内;②网络拓扑改变不仅能直接降低线路损耗，而且能提高清洁能源的带负载效率，方式2环境损耗比方式1低37.5%，方式3没有清洁能源接入，其环境损耗最高;③方式1和方式2总费用支出分别比方式3低3%和5%。 4.2 3种调度方式负荷波动分析 通过对看图3、图4、图5直观观察，可以看出图3、图4的负荷波动情况优于图5，从具体数值分析比较可得出以下结论：①从峰谷差值上看，方式1、方式2和方式3的峰谷差值分别为530kWh、587kWh、690kWh，方式1和方式2的峰谷差值相较于方式3分别减少了约23%和15%;②从均方差比较来看，方式1、方式2和方式3的均方差分别为145kWh、146.27kWh、237.96kWh，方式1和方式2的负荷波动率相较于方式3分别减少了约39%和38%。 4.3 3种调度方式节点电压波动分析 由图6可以看出方式1、方式2和方式3的最高节点电压数值均未超过电压上限，属正常区间，但方式3的最低节点电压数值在第22时出现轻微越限，此时存在配电网安全运行风险上升的可能，但在方式1和方式2条件下最低节点电压数值均被控制在正常区间内，表明微网及储能装置的接入能有效提高配电网安全运行可靠性。 5 结语 本文以IEEE33为配电网拓扑结构，建立了含微网和储能装置的配电网-微网联合调度模型，并采用基于高斯加权改进粒子群算法求解得到3种不同调度方式下的最优方案，结果显示在以经济性最优为前提时具有拓扑调节能力的方式2减少配电网运维支出和环境损耗的力度最大，同时也能降低负荷波动，避免电压越限，增强了配电网可靠性、安全性和经济性，为配网调度提供可靠参考，对电网企业和用户均能产生较好的社会效益和经济效益。在电网智能化趋势下，配网拓扑改变将成为实现潮流优化、降低网络损耗、建设坚强电网的重要手段，在今后的电网管理研究中应给予更多关注。 另外本文受篇幅限制，仅对电能质量电压越限问题进行了分析比较，后续研究还可从静态或动态分析等多个角度，分析在该网络拓扑下的网络安全问题，进一步提高智能配电网运营的安全可靠性。 参考文献： [1] 赵波，王财胜，周金辉，等. 主动配电网现状与未来发展[J]. 电力系统自动化，2014，38（18）：125-135. [2] 杨旭英，周明，李庚银. 智能电网下需求响应机理分析与建模综述[J]. 电网技术，2016，40（1）：220-226. [3] 刘东，张弘，王建春. 主动配电网技术研究现状综述[J]. 电力工程技术，2017，36（4）：2-7+20. [4] 金炜，骆晨，徐斌，等. 基于需求响应技术的主动配电网优化调度[J]. 电力建设，2017，38（3）：93-100. [5] 刘峪涵，汪沨，谭阳红. 并网型微电网多目标容量优化配置及减排效益分析[J]. 电力系统及其自动化学报，2017，29（9）：70-75. [6] 廖剑波. 主动配电网的优化调度与静态安全分析[D]. 上海：上海电力学院，2017. [7] 徐明. 主动配电网系统负荷控制策略研究[D]. 长春：吉林大学，2017. [8] 张馨瑜. 需求响应在主动配电网源网荷互动模式下的调度研究[D]. 阜新：辽宁工程技术大学，2017. [9] KINHEKAR N，PADHY N P，OM GUPTA H. Multi-objective demand? side management? solutions? for? utilities? with? peak? demand deficit[J]. International Journal of Electrical Power & Energy Systems，2014，55（2014）：612-619. [10] 肖晓伟，肖迪，林锦国，等. 目标优化问题的研究概述[J]. 计算机应用研究，2011，28（3）：805-808+827. [11] 公茂果，焦李成，杨咚咚，等. 进化多目标优化算法研究[J]. 软件学报，2009，20（2）：271-289. [12] 符杨，蒋一鎏，李振坤. 基于混合量子遗传算法的微电网电源优化配置[J]. 电力系统保护与控制，2013，41（24）：50-57. [13] 杨维，李歧强. 粒子群优化算法综述[J]. 中国工程科学，2004（5）：87-94. [14] 刘先正，温家良，潘艳，等. 采用改进粒子群算法的直流电网最优潮流控制[J]. 电网技术，2017，41（3）：715-720. [15] 程声烽，程小华，杨露. 基于改进粒子群算法的小波神经网络在变压器故障诊断中的应用[J]. 电力系统保护与控制，2014，42（19）：37-42. [16] 劉衍民. 粒子群算法的研究及应用[D]. 济南：山东师范大学，2011. [17] 梁俊文，林舜江，刘明波. 主动配电网分布式无功优化控制方法[J]. 电网技术，2018，42（1）：230-237. [18] 何正鑫.? 计及储能和用户侧响应的微网经济运行优化[D]. 广州：华南理工大学，2014. [19] LOGENTHIRAN T，SRINIVASAN D，SHUN Z T. Demand side management in smart grid using heuristic optimization[J]. IEEE Transactions on Smart Grid，2012，3（3）：1244-1252. [20] 郝文斌，李银奇. 不同电价机制下含光伏发电的家庭负荷调度经济性研究[J]. 电力系统保护与控制，2017，45（17）：34-42. （责任编辑：江 艳） |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。