智能電網(wǎng)多層次優(yōu)化方法研究

王　重，劉　斌，練紅海，谷　飛

（湖南工業(yè)大學(xué) 理學(xué)院，湖南 株洲 412007）

智能電網(wǎng)多層次優(yōu)化方法研究

王重，劉斌，練紅海，谷飛

（湖南工業(yè)大學(xué) 理學(xué)院，湖南 株洲 412007）

提出了將分布式能源、可再生能源和能源存儲設(shè)備連接到微電網(wǎng)的一種多層次優(yōu)化方法，構(gòu)建了一個用于降低計算復(fù)雜度、優(yōu)化不同分散的微電網(wǎng)、不同的決策者和多目標(biāo)結(jié)構(gòu)的多層次結(jié)構(gòu)體系。該體系將多層次結(jié)構(gòu)體系連接到系統(tǒng)控制網(wǎng)絡(luò)的智能電網(wǎng)，多層次結(jié)構(gòu)體系的上層決策層具有一組固定的參數(shù)（參考值）函數(shù)，并通過特定的控制策略結(jié)構(gòu)來適應(yīng)較低的決策水平，根據(jù)這一參數(shù)，每個較低級別的決策者通過跟蹤上層決策者所提供的參考值解決自身的優(yōu)化問題。軟件模擬仿真結(jié)果顯示，多層次結(jié)構(gòu)體系的運用，不僅在智能電網(wǎng)中優(yōu)化了運行時間，而且對電網(wǎng)能量進行了優(yōu)化管理，降低了能源消耗。

智能電網(wǎng)；微電網(wǎng)；多層次結(jié)構(gòu)；控制策略

1　問題提出

隨著科學(xué)技術(shù)的不斷發(fā)展，人們對微電網(wǎng)的智能化程度要求越來越高，多階微電網(wǎng)組成的智能電網(wǎng)也應(yīng)運而生。對于現(xiàn)在的智能電網(wǎng)，其在運行控制方面的技術(shù)已經(jīng)足夠成熟與完善，但多階微電網(wǎng)在組建智能電網(wǎng)時缺乏統(tǒng)一的數(shù)學(xué)模型和控制與優(yōu)化的魯棒性工具［1-2］，因而電網(wǎng)的結(jié)構(gòu)尚需要進行進一步優(yōu)化與改進。

本課題組成員在進行實時優(yōu)化控制時發(fā)現(xiàn)，構(gòu)建一個有效實時控制方案的難度主要基于電網(wǎng)的結(jié)構(gòu)，特別需要解決可再生能源、傳統(tǒng)的電力供電、雙向功率流、動態(tài)存儲系統(tǒng)、隨機建模以及可再生能源預(yù)測的不確定性等問題。如果整個系統(tǒng)所有的結(jié)構(gòu)問題在一個完整的體系中同時出現(xiàn)，將引出一個很難處理的實時優(yōu)化控制問題，因而怎樣決策處理結(jié)構(gòu)問題是解決這一問題的關(guān)鍵。因此，本文擬從智能電網(wǎng)的結(jié)構(gòu)著手，構(gòu)建一個由多階微電網(wǎng)組成的多層次結(jié)構(gòu)體系的智能電網(wǎng)，并將其分布式功率流進行優(yōu)化控制。

本文提出以一種多層次結(jié)構(gòu)體系來解決現(xiàn)有電網(wǎng)結(jié)構(gòu)中存在的問題，該體系的上層決策層（upper level decision maker，UDM）為具有固定的某組參數(shù)（參考值）函數(shù)，通過假設(shè)一個特定的控制策略結(jié)構(gòu)，以適用于下層決策層（lower level decision makers，LDMs），根據(jù)這一參數(shù)，每個下層決策者通過跟蹤上層決策層所提供的參考值來解決其自身的優(yōu)化問題。為此，本研究對此多層次結(jié)構(gòu)體系的組成提出如下要求：上層決策層具有協(xié)調(diào)切換控制下層決策層的功能，它的每個部分與微電網(wǎng)相關(guān)。在這個方案中，上層決策層考慮了微電網(wǎng)動態(tài)系統(tǒng)不能全部呈現(xiàn)的細節(jié)問題，同時也要解決這些細節(jié)問題。在一些智能電網(wǎng)的相關(guān)文獻中，研究者提出將聚合模型運用到智能電網(wǎng)中，并介紹了近似的電氣約束條件［3-6］。而本文提出的多層次結(jié)構(gòu)體系，其在原則上可以用于任何類型的電網(wǎng)配置。此外，在此方案中有2個鮮明的特點：其一為UDM將LDMs視為單個節(jié)點，另一個為它不同于文獻［7］和［8］中提出的關(guān)于UDM的決策問題和局部控制策略在結(jié)構(gòu)和參數(shù)上被約束。當(dāng)UDM決策問題得到解決后，所得的解決方案用于解決低層次問題，充分考慮了電網(wǎng)系統(tǒng)的復(fù)雜性和電網(wǎng)對應(yīng)所在子系統(tǒng)的電氣約束。不過已有的工作方案雖然有利于計算運行時間，但具有一定程度的次優(yōu)性，主要源于在更高層的決策問題中引入了對應(yīng)的較低級別的結(jié)構(gòu)體系約束環(huán)節(jié)。這種解決方案已經(jīng)通過實驗證明了它的可行性，運行時不會引起重大電氣事故。

本研究中，將多層次結(jié)構(gòu)體系中的主電網(wǎng)構(gòu)建成了環(huán)型的中級線電壓（medium voltage，MV）模型，低層次的電氣系統(tǒng)由低壓（low voltage，LV）線相連的LV-MV變電站構(gòu)成。文獻［9］中給出了電網(wǎng)的有功功率流和無功功率流的一般模型，本文根據(jù)該模型建立了LDMs決策問題的模型。同時，本研究中將UDM決策問題的模型設(shè)定為一個直流分布網(wǎng)絡(luò)［10-11］。一次構(gòu)建的多層次結(jié)構(gòu)體系通訊更加簡便，將大大縮短運行時間。

2　LDMs的決策問題

微電網(wǎng)的決策問題與特定的微電網(wǎng)的供電設(shè)備和存儲系統(tǒng)運行管理有關(guān)。微電網(wǎng)在實際應(yīng)用中也有各種各樣的數(shù)學(xué)模型，如文獻［3-4］中的聚合模型等，本文選取了一個m階微電網(wǎng)在區(qū)間（t，t+1）上從節(jié)點a傳輸?shù)焦?jié)點b的功率流模型。在每個節(jié)點處，其功率平衡的方程式如下：

式（1）中：

a=1， 2， …， Nm；b=1， 2， …， Nm；t=0，1， …， T-1；其中Nm為m階微電網(wǎng)的節(jié)點數(shù)；

Am，a為在節(jié)點a附近且與節(jié)點a相接的節(jié)點b的不同階的個數(shù)集合；

ΔP， ΔQ分別為外界干擾或系統(tǒng)自身引起的附加額外有功功率和無功功率；

功率因數(shù)的計算表達式參照文獻［5］給出，具體描述如下：

式（2）中：a=1， 2， …， Nm；b=1， 2， …， Nm，且a≠b；t=0，1， …， T-1；

存儲系統(tǒng)的狀態(tài)方程為

式（3）中：a=1， 2， …， Nm；b=1， 2， …， Nm，且a≠b；t=0，1， …， T-1；

Δ為離散時間間隔。

決策問題在m階微電網(wǎng)中的目標(biāo)函數(shù)（LDMAC）如下：

除了表達式（1）（3）（4）外，LDM決策問題必須考慮有關(guān)邊界狀態(tài)和控制變量、以及有功功率、無功功率和容量的限制，如文獻［6］所示：

式（5）～（7）中：a=1， 2， …， Nm；t=0，1， …， T-1；k=1，2， …， km，a；b=1， 2， …， Nm，且a≠b；

3　UDM決策問題與無約束LDM策略

UDM的決策問題是實現(xiàn)經(jīng)濟成本、二氧化碳排放量的成本和連接損耗的加權(quán)和的最小化。針對這些問題，本文建立了一個相應(yīng)的決策模型，該模型包括M個節(jié)點，Pa，b，t為其決策變量，表示從節(jié)點a到節(jié)點b的功率流，Pa，t為可控發(fā)電設(shè)備位于節(jié)點a附近的m階微電網(wǎng)在區(qū)間（t，t+1）上的功率流，其中a=1， 2， …，，為微電網(wǎng)的數(shù)目，最小化的目標(biāo)函數(shù)如下：

式中：Ma為在UDM電網(wǎng)中與節(jié)點a鄰近的所有節(jié)點的集合；

Ca，t為由一個微電網(wǎng)向大電網(wǎng)購買電能而付出的單位成本，元/（kW·h）；

Ba，t為由一個微電網(wǎng)向大電網(wǎng)售出電能而得到的單位利益，元/（kW·h）；

fe為排放因子，kg/m3；

fx=10-3

x，其中x為與電能輸送有關(guān)的效益值；

CCO2為每排放單位數(shù)量CO2的花費，元/t；

ga（Pa，t）為可控電力設(shè)備電能輸出成本；

fp為換算系數(shù)，且fp=10-3；

fe，a，fo，a分別為燃料在節(jié)點a的排放因子和氧化因子，kg/（kW·h）；

LHVa為使用可燃性較低的燃料的熱值，單位為（kW·h）/ m3；

a為加權(quán)因子；

對m階微電網(wǎng)建模，將其形成的智能電網(wǎng)作為一個單一的整體，則可用一個線性狀態(tài)方程代表每個子系統(tǒng)/微電網(wǎng)的動態(tài)：

式（9）中：a=1， 2， …， Nm；t=0，1， …， T-1；

ca為節(jié)點a的存儲功耗因子；

在UDM電網(wǎng)中，節(jié)點a的功率消耗平衡方程為

式（10）中：a=1， 2， …， M；t=0，1， …， T-1；

UDM電網(wǎng)的附加成本的最小化表達式（8）受如下電力約束（Pa，b，t= pa，b，tSb）：

式（11）～（16）中：a=1， 2， …， Nm；t=0，1， …， T-1；k=1， 2， …， km，a；b=1， 2， …， Nm，且a≠b。

所有參數(shù)表達式（12）～（16）是從當(dāng)前評估范圍內(nèi)進行界定的，決策問題則是在表達式（9）～（16）的約束條件下實現(xiàn)表達式（8）的最小化。

4　約束的UDM決策問題

對于UDM的優(yōu)化問題，可以引入額外的約束模型，通過仿真得到LDMs的具體決策方案。假定每個LDM的控制策略可以嵌入UDM中，每個LDM的決策方案都可以間接解決一個問題（LDM-E），在這一條件下，節(jié)點a的LDM優(yōu)化問題在理論上對應(yīng)的加權(quán)偏差總和的表達式為：

為了使提供的LDM-E問題更加標(biāo)準化，本研究提出如下假設(shè)：

式（18）～（20）中：t=0，1， …， T-1；

ca為過渡矩陣；

Qa是一個標(biāo)量矩陣，且

對于LDM-Ea控制問題的最優(yōu)控制規(guī)律，由如下表達式給出：

式（21）中k=0， 1， …， T-1。

Ka，k和ga，k可以通過以下公式向后遞推得到：

式（22）中k=0， 1， …， T-1。

Ka,k和ga,k的初始化如下：

對應(yīng)的解決方案（21）和（22）為每個微電網(wǎng)必須強加在UDM問題的約束條件，也就是如下表達式：

式（23）中：a=1， 2， …， Nm；k=1， 2， …， T-1；

5　實例仿真

為驗證所提模型的有效性，搭建了一個多層次結(jié)構(gòu)體系的智能電網(wǎng)模型進行實例仿真。所搭建模型由多階微電網(wǎng)組成，同時，考慮到多層次結(jié)構(gòu)體系可被應(yīng)用于不同的案例研究，故本文采用將鄰近的電網(wǎng)連接到配電網(wǎng)絡(luò)。實例仿真中，UDM電網(wǎng)由15 kV供電線電壓結(jié)構(gòu)構(gòu)成母線，LDMs電力系統(tǒng)由400 V供電線電壓結(jié)構(gòu)構(gòu)成，并通過LV-MV變壓器與UDM電網(wǎng)相連。本次建模中，一個系統(tǒng)包括3個微電網(wǎng)，并將由3個微電網(wǎng)構(gòu)成的UDM（見圖1，圖中單位為MW）電網(wǎng)全部與不同的中壓/低壓變電站相連，且將每個變電站連接到外部電網(wǎng)并提供一個負載。此外，微電網(wǎng)1～3完全互連。

圖1　t=1時智能電網(wǎng)模型的直流負載流動靜態(tài)圖Fig. 1 DC-load flow static diagram of smart grid model at t=1

5.1多層次的UDM-LDMs解決方案

電力消耗模式來源于真實的數(shù)據(jù)和估計。此外，就該智能電網(wǎng)而言，可再生實用性模式以60 min（T=4）為時間周期，時間間隔Δ=0.25 h（15 min），對于不同的微電網(wǎng)，其最大輸入功率分別為330，100，200 kW。外部負載的3個變電站是不隨時間變化的，其額定功率分別為500，700，600 kW。用特征控制策略（23）得到的參數(shù)解決LDM-E問題，該過程運用MATLAB軟件計算解決，所得微電網(wǎng)的功率流最優(yōu)結(jié)果如表1所示。

表1　微電網(wǎng)中的功率最優(yōu)結(jié)果Table 1　Power optimal results of microgrids

此外，每個微電網(wǎng)和外電網(wǎng)之間的電力交換功率如表2所示，可控發(fā)電設(shè)備的發(fā)出功率如表3所示，電能的存儲狀態(tài)如表4所示。通過使用DigSilent軟件，運用逼近的方法得出了最優(yōu)結(jié)果，特別是所有的輸入?yún)?shù)（負荷、可再生能源等）、從可控發(fā)電設(shè)備得到的最優(yōu)值以及向外部電網(wǎng)注入的電能，然后，分別將這些數(shù)據(jù)（見表2～4）輸入DigSilent軟件中，得到輸出線路的最佳功率流。

表2　從微電網(wǎng)到外電網(wǎng)的功率流Table 2　Power flows from microgrid to external grid

表3　可控發(fā)電設(shè)備發(fā)出功率Table 3　Power of the controllable power generator

表4　電能儲存狀態(tài)Table 4　Electrical energy storage state

5.2多層次方法與集中式方法

以集中式方法和多層次方法運行軟件，所得上層決策層的運行時間和所獲得的目標(biāo)函數(shù)值（成本）結(jié)果如表5所示。

表5　集中式方法與多層次方法的運行效率比較Table 5　Operation efficiency comparison of the centralized method and the multilevel method

分析表5中的數(shù)據(jù)可以得知，同一時間點下，采用多層次方法解決問題所需成本略高于以集中式方法解決問題所需的成本，但相差不大，即采用這2種方法解決問題的效果相差不太大；然而，多層次方法的運行時間相比于集中式方法的存在較大差距，隨著時間的增大，多層次方法的運行時間比集中式的要大為縮短。

當(dāng)增加多階微電網(wǎng)的數(shù)量（N）時，上層決策層的運行時間和所獲得的目標(biāo)函數(shù)值（成本）的結(jié)果如表6所示。

表6　多階微電網(wǎng)下集中式方法與多層次方法的運行效率比較Table 6　Operation efficiency comparison of the centralized method and the multilevel method on the multi-channel microgrid

分析表6所示結(jié)果，可得知當(dāng)多階微電網(wǎng)的數(shù)量增加時，采用多層次方法仍然可以減少上層決策層的運行時間；但是其運行成本略有增加。因此，在實際的電力配送中，應(yīng)根據(jù)具體要求選擇合適的處理方法。

5.3LDMs的最優(yōu)解決方案

UDM決策問題的結(jié)果為LDMs決策問題提供了參考值，3個不同的微電網(wǎng)被作為仿真對象，UDM電網(wǎng)與微電網(wǎng)交換功率的最優(yōu)值見表7，分析表7中的數(shù)據(jù)可知，表中數(shù)據(jù)與表2中的數(shù)據(jù)非常相近，即所得值非常相似于UDM的參考值。

表7　微電網(wǎng)交換功率最優(yōu)結(jié)果表Table 7　Optimal results of microgrids switching power

仿真過程中發(fā)現(xiàn)，LDMs決策問題的所有功率流優(yōu)化結(jié)果在DigSilent軟件上都得到了有效驗證。如圖2所示為微電網(wǎng)1在t=1時的靜態(tài)結(jié)果圖。

圖2　t=1微電網(wǎng)1中交流負載流靜態(tài)圖Fig. 2　AC-load flow static diagram of microgrid 1 at t=1

圖2中，微電網(wǎng)功率流AB，BA，AC，CA對應(yīng)的數(shù)據(jù)分別為-0.092，0.093，-0.123，0.124 MW。微電網(wǎng)1節(jié)點之間的優(yōu)化功率流如表8所示，而在表8中，AB，BA，AC，CA對應(yīng)的數(shù)據(jù)分別為-88.90，89.50，-125.28，125.89 kW。將這兩組功率流數(shù)據(jù)進行比較可知，在仿真值與技術(shù)值之間，數(shù)值非常接近，表現(xiàn)出了非常令人滿意的結(jié)果。

表8　微電網(wǎng)1節(jié)點之間的優(yōu)化功率流Table 8　Optimal power flows between microgrid 1 nodes

6　結(jié)語

本研究中，構(gòu)建了一個將多層次結(jié)構(gòu)體系連接到系統(tǒng)控制網(wǎng)絡(luò)的智能電網(wǎng)，多層次結(jié)構(gòu)體系的上層決策層具有一組固定的參數(shù)（參考值）函數(shù)，并通過一個特定的控制策略結(jié)構(gòu)來適應(yīng)較低的決策水平，根據(jù)這樣的參數(shù)，每個較低級別的決策者通過跟蹤上層決策者所提供的參考值解決了自身的優(yōu)化問題。

軟件模擬仿真結(jié)果顯示，多層次結(jié)構(gòu)體系得到了性能相差不太大而結(jié)構(gòu)優(yōu)于集中式的優(yōu)化控制結(jié)構(gòu)體系。此外，多層次結(jié)構(gòu)電網(wǎng)縮短了運行時間，對電網(wǎng)能量進行了優(yōu)化管理，在現(xiàn)實生活中具有較高的實用價值和現(xiàn)實意義。

［1］DELFINO F， MINCIARDI R， PAMPARARO F， et al. A Multilevel Approach for the Optimal Control of Distributed Energy Resources and Storage［J］. Transactions on Smart Grid， IEEE， 2014， 5（4）： 2155-2162.

［2］MINCIARDI R， ROBBA M. Bilevel Approach for the Optimal Control of Interconnected Microgrids［C］// Decision and Control （CDC）， 2014 IEEE 53rd Annual Conference on.［S. l.］：IEEE， 2014：2499-2504.

［3］BERL A， NIEDERMEIER M， DE Meer H. Smart Grid Considerations： Energy Efficiency vs. Security［J］. Advances in Computers，2013，88：159-198.

［4］趙洪山，米增強，牛東曉，等. 利用混雜系統(tǒng)理論進行電力系統(tǒng)建模的研究［J］. 中國電機工程學(xué)報，2003，23（1）：20-25. ZHAO Hongshan，MI Zengqiang，NIU Dongxiao，et al. Power System Modelling Using Hybrid System Theory［J］. Proceedings of the CSEE，2003，23（1）：20-25.

［5］BONFGLIO A， BRACCO S， BRIGNONE M， et al. A Receding-Horizon Approach for Active and Reactive Power Flows Optimization in Microgrids［C］//Control Applications（CCA）， 2014 IEEE Conference on. ［S. l.］：IEEE，2014：867-872.

［6］楊新法，蘇劍，呂志鵬，等. 微電網(wǎng)技術(shù)綜述［J］. 中國電機工程學(xué)報，2014，34（1）：57-70. YANG Xinfa，SU Jian，LZhipeng，et al. Overview on Micro-Grid Technology［J］. Proceedings of the CSEE，2014，34（1）：57-70.

［7］劉夢璇. 微網(wǎng)能量管理與優(yōu)化設(shè)計研究［D］. 天津：天津大學(xué)，2012. LIU Mengxuan. Research on Energy Management and Optimal Design of Microgrid［D］. Tianjin：Tianjin University，2012.

［8］王瑞琪. 分布式發(fā)電與微網(wǎng)系統(tǒng)多目標(biāo)優(yōu)化設(shè)計與協(xié)調(diào)控制研究［D］. 濟南：山東大學(xué)，2013. WANG Ruiqi. Research on Multi-Objective Optimization Design and Coordinated Control of Distributed Generation and Microgrid［D］. Jinan：Shandong University，2013.

［9］張學(xué)，裴瑋，鄧衛(wèi)，等. 多源/多負荷直流微電網(wǎng)的能量管理和協(xié)調(diào)控制方法［J］. 中國電機工程學(xué)報，2014，34（31）：5553-5562. ZHANG Xue， PEI Wei， DENG Wei， et al. Energy Management and Coordinated Control Method for Multi-Source/Multi-Load DC Microgrid［J］. Proceedings of the CSEE，2014，34（31）：5553-5562.

［10］劉海璇，吳福保，董大興，等. 微電網(wǎng)能量管理系統(tǒng)中的公共信息模型擴展［J］. 電力系統(tǒng)自動化，2012，36（6）：45-51. LIU Haixuan，WU Fubao，DONG Daxin，et al. Extended Common Information Model for Microgrid Energy Managemant System［J］. Automation of Electric Power Systems，2012，36（6）：45-51.

［11］王新剛，艾 芊，徐偉華，等. 含分布式發(fā)電的微電網(wǎng)能量管理多目標(biāo)優(yōu)化［J］. 電力系統(tǒng)保護與控制，2009，37（20）：79-83. WANG Xingang， AI Qian， XU Weihua， et al. Multi-Objective Optimal Energy Managemant of Microgrid with Distributed Generation［J］. Power System Protection and Control，2009，37（20）：79-83.

（責(zé)任編輯：廖友媛）

Study on Multilevel Optimization Approach for Smart Grids

WANG Zhong ， LIU Bin ， LIAN Honghai，GU Fei
（School of Science， Hunan University of Technology， Zhuzhou Hunan 412007，China）

A multilevel optimization approach is proposed to connect distributed energy， renewable energy and energy storage devices to microgrid. A multilevel architecture system is constructed to reduce the computational complexity and optimize different decentralized microgrids， different decision makers and multiple objectives construction. This architecture system connects the multilevel structure system to the system control network of smart grids， the upper decision level of multilevel architecture system has a set of fixed parameter （reference values） function， and adapts to the lower decision level by a specific structure of the control strategy. On the basis of the parameters， each decision maker at the lower level solves its own optimization problem by tracking the reference values provided by the upper level. Software simulation results show that the application of multi-level structure system not only optimizes the running time in the smart grid but also optimizes the power grid energy management and reduces energy consumption.

smart grid；microgrid；multilevel architecture；control strategy

TM74

A

1673-9833（2016）01-0029-07

10.3969/j.issn.1673-9833.2016.01.006

2015-11-02

國家自然科學(xué)基金資助項目（61174075），湖南工業(yè)大學(xué)研究生創(chuàng)新基金資助項目（CX0914）

王重（1991-），男，湖北仙桃人，湖南工業(yè)大學(xué)碩士生，主要研究方向為微電網(wǎng)的能量管理與優(yōu)化，混雜系統(tǒng)與脈沖系統(tǒng)的魯棒性與穩(wěn)定性分析，E-mail：1070768405@qq.com