一种源网互动的智能配电网日前调度方法与流程

本发明涉及一种源网互动的智能配电网日前调度方法，属于智能配电网调度领域。

背景技术：

传统配电网优化运行的主要手段是网络重构、电压无功控制，随着电力技术的发展和应用，分布式电源(distributed generation,DG)、微电网(micro grid,MG)纷纷接入配电网运行，配电网的控制手段增加。虽然配电网中存在DG可以供电，但主要能源供给仍然是上级电网，如果改变作为电源的上级电网的运行状态则会影响配电网的安全经济运行。智能配电网需要考虑上述因素，通过源网互动进行日前调度，实现上下级电网及电源的协调优化运行。

目前的研究主要集中在针对含有DG的配电网进行网络重构问题上，大多以网损最小或电压偏移最小为目标进行优化。赵晶晶等人在《基于粒子群优化算法的配电网重构和分布式电源注入功率综合优化算法》(电网技术，2009,33-17,p162-166)一文中提出了基于PSO算法的网络重构和DG出力的综合优化方法，其中采用了加权法将网损最低、电压偏移最小两个目标转化为单目标问题。庄园等人在《含分布式电源优化调度的配电网络重构》(电网与清洁能源，2012,28-11,p13-18)一文中采用交叉迭代方式优化DG出力及网络的运行状态。Wu Y K等人在”Study of Reconfiguration for the Distribution System With Distributed Generations”(IEEE Transactions on Power Delivery2010,25-3,p1678-1685)一文中采用蚁群算法实现网络重构与可调度DG的同时优化，但需要满足配电网辐射状的约束条件，该算法对大规模配电网难以保证计算效率。上述文献中的现有技术均没有考虑上级电源、微电网等对象对配电网调度的影响，也没有考虑DG的电压调节对配电网电压的改善作用。

技术实现要素：

发明目的：本发明提出一种源网互动的智能配电网日前调度方法，

技术方案：本发明采用的技术方案为一种

有益效果：本发明通过调节可控型DG及微电网的出力，可以使网络损耗、电压质量指标得到提升，并能有效减缓负荷的波动，减少网络重构的时段划分，并进一步减少开关动作次数。通过调节可控型DG的无功出力来控制端电压，从而有效改善智能配电网的电压分布。

附图说明

图1为粒子编码形式示意图；

图2为调整后的86节点配电系统示意图；

图3为可控型DG的电压调整计划与无功出力示意图；

图4为四种情况下时刻12配电网的电压分布图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等同形式的修改均落于本申请所附权利要求所限定的范围。

本发明首先在源网互动环境下分析可调度资源特性，包括上级电源的互动调度特性、分布式电源的互动调度特性和微电网互动调度特性。

在进行输电网调度方案决策时，往往将配电网作为负荷处理，输电网的运行方式多变，且存在检修等情况，例如主变检修一般需要5天时间，这样对配电网的安全经济运行具有较大影响。考虑实际中输电网调度和配电网调度属于不同部门的工作，因而采用交替进行信息交互的方式处理两级调度之间的协调问题。在进行配电网调度优化时，需要考虑上级电源的容量约束，如式(1)所示：

ΣS_x,feeder≤kS_x,total (1)

式中，∑S_x,feeder为某变电站出线功率之和，S_x,total为变电站可用主变总容量。为了适应负荷的变化，需留有一定的备用容量，设置备用系数k。

配电网中接入的分布式电源包括可控型DG与不可控型DG。以光伏发电为代表的不可控型DG执行就地全额消纳原则。可控型DG则主动参与互动调度，其可调度的最大功率不能超过该DG的最大输出功率，假设接入节点i的DG在t时刻的出力为则式(2)成立：

$P_{DG,i}^t\≤P_{DG,i\·max}---\left(2\right)$

式中P_DG,i·max为节点i上的DG的最大输出功率，单位为kW。

部分DG可通过调节无功出力来控制其端电压，从而改善配电网中的电压分布，其电压调节范围受限于电压质量及无功容量，满足式(3)和式(4)的约束条件：

$V_{min}\≤V_{DG,i}^t\≤V_{max}---\left(3\right)$

$Q_{DG,i}^t\≤Q_{DG,i\·max}---\left(4\right)$

分布式电源、储能系统等接入到低压电网，与局部负荷构成微电网，该微电网可作为一个整体，在PCC点处控制协调配电网与微电网之间的功率交换，PCC点为微电网与配电网的连接点。微电网交换功率的动态约束可表示如式(5)：

$P_{MG,i\·\min }^t\≤P_{MG,i}^t\≤P_{MG,i\·max}^t---\left(5\right)$

上式中为t时刻节点i的微电网向配电网输送功率的下限，为t时刻节点i的微电网向配电网输送功率的上限。

正常运行时，智能配电网首选需要满足潮流等式约束、支路电流限值约束和节点电压限值约束，除分布式电源、微电网等有源对象外，智能配电网还满足辐射状运行结构约束。本发明提出在满足上述这些约束的前提下，通过源网互动调度达到智能配电网优化运行的目标，具体如下：

微电网和DG的接入增大了潮流的变化、电压的波动性，同时微电网及可控型DG的出力与端电压的主动调节可作为改善电压质量的手段。因此源网互动调度时将电压水平作为优化目标，具体通过控制电压偏移最大节点的电压来实现最大电压偏移率的控制，如式(6)所示：

$\min U_D=\frac{max\left|U_i-U_e\right|}{U_e}\·100---\left(6\right)$

式中，i＝1,2,…N_p，N_p为节点总数，U_e为电压额定值，U_i为节点i的电压值，U_D为电压偏移率。

源网互动后可更大程度地改变网络中的潮流分布，通过优化降低网络损耗，如式(7)所示：

$\min Loss=\underset{t=1}{\overset{24}{\mathrm{\Σ}}}\underset{l=1}{\overset{N_b}{\mathrm{\Σ}}}{u}_l\·{\left(I_l^t\right)}^2\·R_l---\left(7\right)$

式中，l＝1,2,…N_b，N_b为支路总数；u_l为第l条支路的状态，该支路运行时取1，否则为0；R_l代表支路l的电阻，Loss为网络损耗。

一方面由于不同变电站所带负荷具有互补性，通过馈线开关状态的改变能够优化潮流的分布。另一方面从电源来看，光伏电源的出力具有波动性，调节微电网及可控型DG的出力可平抑潮流的波动。每个变电站作为上级电网的一个负荷点减少其负荷的波动，有利于对上级电网的调度，因此本发明通过源网互动手段优化智能配电网各供电分区的潮流，并建立综合负荷波动系数来衡量，具体计算公式如式(8)所示：

$\min VO=\underset{x=1}{\overset{N_s}{\mathrm{\Σ}}}\left(\underset{t=1}{\overset{23}{\mathrm{\Σ}}}\right|P_{total,x}^{(t+1)}-P_{total,x}^t|/\underset{t=1}{\overset{24}{\mathrm{\Σ}}}{P}_{total,x}^t)---\left(8\right)$

式中，VO为智能配电网的综合负荷波动系数，N_s为智能配电网中上级变电站的个数；为第x个变电站t时刻的负荷值。

开关动作次数过多会引起开关磨损，也会影响经济性，故进行调度时尽量减少开关动作次数：

$\min {\mathrm{NS}}_{total}=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{SW}{\mathrm{\Σ}}}\left|k_i^{n+1}-k_i^n\right|---\left(9\right)$

式中，SW为分段开关与联络开关总数，N为网络调度执行次数；代表网络调度前后开关的运行状态，NS_total为开关动作次数。

智能配电网的日前调度涉及多个时段，每个时段内微电网及可控型DG的出力都会影响负荷的分布，从而影响网络运行方式优化的时段划分，因此不能采取先划分时段、再对每个时段进行优化的策略。本发明提出基于多目标粒子群优化算法，同时对多个时段的微电网出力、可控型DG出力及其端电压、网络运行方式进行优化。

本发明粒子编码形式是采用了矩阵形式对粒子进行编码，如图1所示。图1可以分为三个部分，第一部分代表粒子的寻优空间，包含24个优化时段；第二部分目标空间代表粒子的各个适应度值；第三部分代表粒子的密度信息，仅对外部粒子适用，其中第一位是粒子密度，第二位是粒子所在网格的编号。

基于多目标粒子群算法对本文建立的智能配电网日前调度模型进行优化求解，具体步骤如下。

1)网络简化，粒子编码，并随机初始化内部粒子群的位置和速度；

2)将粒子位置代入待优化的多个目标函数，包括最大电压偏移、网络损耗、综合负荷波动系数、开关动作次数，并取这些目标函数的倒数为适应度函数来计算适应度值；

3)根据Pareto非支配解的概念，选择内部粒子群中的非支配解，将所对应粒子位置存储到外部粒子群中；

4)构造立体空间存放外部粒子群，选择空间分布密度最小的粒子位置为Gbest；在内部粒子群中根据Pbest更新规则选择每个粒子的Pbest；

5)计算内部粒子群中的粒子飞行速度，并更新内部粒子群中的粒子位置；

6)判断是否到达预先设定的最大迭代次数，若是，停止迭代，否则，返回步骤2)。

最后以IEEE-86节点配电网为基础来做算例分析。假设馈线A、B、C、D从变电站1引出，E、F、K从变电站2引出，G、H、I、J从变电站3引出，母线A和节点21、79分别接入光伏电源，节点9、42和72接有可控型DG，节点19、60和83分别接入一个微电网，且变电站1的一台主变、支路27和88需要检修，节点51需要保电，如图2所示。

表1为考虑源网互动的网络调度情形下由MOPSO算法得到的帕累托最优前沿非支配解。

表1

表2为源网互动调度情形下得出的帕累托前沿非支配解。

表2

对比分析可知，网损最优方案中损耗值仅为2867.91kWh，比互动前最优方案的3920.41kWh下降了26.85％。为了降低网损，此方案中可控型DG和微电网都是按最大出力运行，使得综合负荷波动系数较大，且网络需要进行4次重构，调整开关达到28次。负荷波动系数最小可达到0.2188，其最大电压偏移指标也较小，开关动作最少方案则仅是为满足支路检修和节点负荷保电所需的拓扑约束而进行开关操作。方案3作为一个帕累托前沿上的解，虽然没有一个指标最优，但各项指标都得到较大提升，是一个综合来看较为理想的一个解。

源网互动调度可通过控制DG的端电压使电网整体电压水平提升，最大电压偏移可控制到3.09％，远小于考虑源网互动的网络调度情形下的最优值5％，该方案对应的可控型DG的电压调节计划和无功调节计划如图3所示。

为了更详细地分析可控型DG及微电网参与互动对电压质量的影响，将12时刻的初始方案、情形1(不考虑源网互动的网络调度)电压质量最优方案、情形2(考虑源网互动的网络调度)电压质量最优方案、情形3(源网互动调度)电压质量最优方案所对应的电压分布情况绘制在图4中进行比较。

初始运行条件下配电网j的最低电压是节点9的0.9542p.u；为了保证检修和保电需求，支路52断开，使得节点52成为最末端，由于馈线A、G、H的负荷都较重，通过网络重构并不能使电压得到较大的提升，因此情形1中节点52的电压最低，达到0.9500p.u，比原始状态稍低；由于光伏电源的功率支撑作用使得节点79附近情形2的方案中电压质量比情形1好。可控型DG接入的位置(节点9、34、64)电压质量都有较大幅度的提升，在检修、保电需求导致网络运行存在约束时，可控型DG的电压调节作用是很大的。

智能配电网可调度资源除网络开关以外，还包括分布式电源、微电网等，日前调度需要考虑源网互动。上级电源及配电网络检修会影响调度方案，光伏电源的接入可在主变检修时提供部分功率支撑，使得配电网开关调整计划的选择性增多、负荷波动性增加。通过调节可控型DG及微电网的出力，可以使网络损耗、电压质量指标得到提升，并能有效减缓负荷的波动，减少网络重构的时段划分，并进一步减少开关动作次数。通过调节可控型DG的无功出力来控制端电压，从而有效改善智能配电网的电压分布。