考慮可再生能源跨區(qū)域消納的主動(dòng)配電網(wǎng)多目標(biāo)優(yōu)化調(diào)度

曾 博 楊 煦 張建華

?

考慮可再生能源跨區(qū)域消納的主動(dòng)配電網(wǎng)多目標(biāo)優(yōu)化調(diào)度

曾 博 楊 煦 張建華

（新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室（華北電力大學(xué)）北京 102206）

提高對(duì)可再生能源的綜合利用能力是主動(dòng)配電網(wǎng)（ADN）運(yùn)行控制面臨的新增重要任務(wù)。為此，提出了一種面向促進(jìn)可再生能源跨區(qū)域消納的ADN多目標(biāo)運(yùn)行優(yōu)化方法。首先，基于并網(wǎng)接口模型，推導(dǎo)了集中控制模式下分布式發(fā)電（DG）的有功、無功功率解耦可調(diào)范圍，并提出考慮可再生能源跨區(qū)域消納的ADN能量管理策略。在此基礎(chǔ)上，分別以系統(tǒng)運(yùn)行成本、可再生能源發(fā)電功率削減量以及系統(tǒng)網(wǎng)損三方面最小化作為目標(biāo)，構(gòu)建ADN多目標(biāo)優(yōu)化調(diào)度模型。該模型綜合考慮了DG有功、無功出力控制、儲(chǔ)能設(shè)備充放電以及可中斷負(fù)荷的調(diào)用，并詳細(xì)分析了網(wǎng)絡(luò)潮流和分布式資源特性兩方面的約束及其多時(shí)段耦合特征。鑒于所建模型具有高維、非線性特點(diǎn)，采用基于啟發(fā)式策略的多目標(biāo)和聲搜索算法實(shí)現(xiàn)高效求解。以擴(kuò)展的33節(jié)點(diǎn)配網(wǎng)系統(tǒng)為例，驗(yàn)證了所提模型的有效性以及ADN運(yùn)行中計(jì)及可再生能源DG無功控制潛力的必要性。

主動(dòng)配電網(wǎng) 可再生能源發(fā)電 優(yōu)化運(yùn)行 多目標(biāo)優(yōu)化

0 引言

全球性環(huán)境危機(jī)及傳統(tǒng)化石能源不斷減少使得基于可再生能源的分布式發(fā)電技術(shù)（Distributed Renewable Energy Generation, DREG）在近年得到飛速發(fā)展。隨著以風(fēng)電、光伏為代表的DREG在不同電壓等級(jí)的規(guī)模化接入，如何在充分保證電網(wǎng)安全經(jīng)濟(jì)的條件下最大限度地提高可再生能源利用效率成為當(dāng)前配電網(wǎng)運(yùn)行管理中面臨的重要問題[1]。

作為智能配電網(wǎng)未來發(fā)展的重要形態(tài)之一，主動(dòng)配電網(wǎng)（Active Distribution Network, ADN）已被證明是實(shí)現(xiàn)上述目標(biāo)的一種有效技術(shù)手段。與面向用戶自治的微電網(wǎng)技術(shù)不同，ADN強(qiáng)調(diào)借助先進(jìn)的信息通信及自動(dòng)控制技術(shù)，對(duì)系統(tǒng)中各類可調(diào)分布式資源，包括分布式發(fā)電（Distributed Generation, DG）、儲(chǔ)能設(shè)備、可中斷負(fù)荷等，實(shí)施綜合協(xié)調(diào)管理，從而在整個(gè)配電網(wǎng)層面實(shí)現(xiàn)對(duì)可再生能源的高效主動(dòng)利用[2,3]。因此，ADN無論在運(yùn)行方式還是調(diào)度目標(biāo)上均有著鮮明的特點(diǎn)。同時(shí)，受分布式資源（Distributed Energy Resources，DER）類型及控制方式多樣性的影響，ADN運(yùn)行在控制維度及尋優(yōu)空間方面也將變得更加復(fù)雜，從而也對(duì)求解算法的性能提出了更高要求。

針對(duì)ADN運(yùn)行控制問題，目前國內(nèi)外學(xué)者已開展了大量相關(guān)研究工作。文獻(xiàn)[4]基于智能電網(wǎng)標(biāo)準(zhǔn)通信協(xié)議，構(gòu)建了面向風(fēng)力發(fā)電主動(dòng)控制的ADN優(yōu)化調(diào)度模型。文獻(xiàn)[5-8]以運(yùn)行成本最小化為目標(biāo)，基于最優(yōu)潮流（Optimal Power Flow, OPF）技術(shù)，建立了面向ADN的日前、實(shí)時(shí)優(yōu)化調(diào)度模型。在上述研究基礎(chǔ)上，文獻(xiàn)[9]分析了電價(jià)波動(dòng)、開關(guān)動(dòng)作及特定管制體制下DG調(diào)用次序?qū)ο到y(tǒng)運(yùn)行成本的影響。文獻(xiàn)[10]則進(jìn)一步關(guān)注了儲(chǔ)能、可控負(fù)荷等DER的多斷面時(shí)間耦合特性，以配電網(wǎng)從上級(jí)電網(wǎng)獲取電量最小為目標(biāo)，建立了ADN動(dòng)態(tài)調(diào)度模型。考慮到實(shí)際運(yùn)行中某些約束條件并非需要嚴(yán)格滿足，文獻(xiàn)[11]提出了基于機(jī)會(huì)約束規(guī)劃的ADN能量調(diào)度策略。文獻(xiàn)[12]結(jié)合分散控制及集中優(yōu)化的思想，建立了面向DG協(xié)調(diào)運(yùn)行的多時(shí)間尺度OPF模型。此外，為支持AND中多種可調(diào)設(shè)備的高效優(yōu)化調(diào)度，文獻(xiàn)[13]設(shè)計(jì)了一種基于多代理系統(tǒng)（Multi-Agent System, MAS）的AND三層多源協(xié)調(diào)優(yōu)化調(diào)度架構(gòu)，并提出了與之相適應(yīng)的區(qū)域自治協(xié)調(diào)調(diào)度策略。在ADN中，有功和無功功率存在天然的強(qiáng)耦合特性，因此脫離無功控制的單純有功優(yōu)化很難保證最終調(diào)度方案具有全局最優(yōu)性。為此，文獻(xiàn)[14]基于混合整數(shù)二階錐規(guī)劃方法，研究并提出了綜合考慮DG有功出力與系統(tǒng)無功調(diào)節(jié)裝置協(xié)調(diào)控制的ADN優(yōu)化運(yùn)行模型及其快速求解策略。

上述成果為本領(lǐng)域研究的展開奠定了重要基礎(chǔ)，但仍然存在著以下三個(gè)方面的不足：①在優(yōu)化模型方面，已有研究對(duì)ADN內(nèi)涵特點(diǎn)的挖掘尚不夠充分，所建模型在立足于電能就地分配，大多僅關(guān)注了運(yùn)行成本或網(wǎng)絡(luò)損耗等方面因素，未能準(zhǔn)確反映ADN對(duì)促進(jìn)綠色電能主動(dòng)利用及廣域消納的目標(biāo)要求；②在建模方法方面，針對(duì)ADN運(yùn)行涉及的多方面目標(biāo)，大多采用簡單的加權(quán)和方式將其轉(zhuǎn)化為單目標(biāo)問題處理。由于這種方式難以清晰表征不同屬性之間的內(nèi)在聯(lián)系，最終可能導(dǎo)致所得策略與運(yùn)行者的主觀意愿之間存在較大偏差；③在控制對(duì)象方面，目前研究大多將DREG處理為基于最大功率點(diǎn)跟蹤的不可調(diào)度單元，而忽略了DREG本身具有無功調(diào)節(jié)能力及其對(duì)ADN整體運(yùn)行性能的影響，因而難以確保最終所得調(diào)度方案具備全局最優(yōu)性。

針對(duì)上述問題，本文提出了一種促進(jìn)可再生能源消納的ADN多目標(biāo)運(yùn)行優(yōu)化方法。在深入分析解耦條件下DG有功、無功功率可調(diào)能力的基礎(chǔ)上，提出了可再生能源跨區(qū)域消納的ADN能量管理策略，并進(jìn)一步構(gòu)建了多目標(biāo)日前優(yōu)化調(diào)度模型。該模型綜合考慮DG有功、無功出力控制、儲(chǔ)能設(shè)備充放電以及可中斷負(fù)荷的調(diào)用，并計(jì)及DER運(yùn)行的多時(shí)段耦合特征。采用基于啟發(fā)式策略的多目標(biāo)和聲搜索（Multi-Objective Harmony Search, MOHS）算法對(duì)所建模型進(jìn)行高效求解，相關(guān)結(jié)果驗(yàn)證了所提模型的有效性。

1 基于逆變器接口的DG有功、無功功率解耦控制

在ADN下，由于主動(dòng)管理（Active Network Management, ANM）模式的實(shí)施，各類DG由傳統(tǒng)配電網(wǎng)下“不可見”的單純有功功率注入源逐漸轉(zhuǎn)變?yōu)榭缮疃葏⑴c系統(tǒng)全局能量調(diào)度的可控機(jī)組。鑒于可再生能源的波動(dòng)性，目前對(duì)于DREG的控制方式主要包括不調(diào)控和功率因數(shù)調(diào)控兩種基本模式[1]。在不調(diào)控模式下，DREG所發(fā)電能全部注入配電網(wǎng)，配電能量管理系統(tǒng)（Distribution Management System, DMS）通過對(duì)其他可調(diào)度單元（如微型燃?xì)廨啓C(jī)、儲(chǔ)能單元、可控負(fù)荷等）進(jìn)行協(xié)調(diào)控制實(shí)現(xiàn)系統(tǒng)優(yōu)化運(yùn)行。在該模式下，由于DREG作為非調(diào)控單元參與運(yùn)行，因此難以有效應(yīng)對(duì)DREG高滲透情況下所引發(fā)的電壓偏移和輸電阻塞問題。在功率因數(shù)調(diào)控模式下，DMS通過調(diào)控功率因數(shù)實(shí)現(xiàn)對(duì)DREG的主動(dòng)控制。然而這種模式的不足在于DG的有功、無功輸出之間存在耦合關(guān)系，其無功出力將受制于同時(shí)段的有功出力波動(dòng)情況，因此靈活性較低，難以充分滿足ADN最優(yōu)運(yùn)行的目標(biāo)要求。鑒于以上不足，本文將基于逆變器接口模型[15,16]，分析DG有功、無功功率解耦控制策略。

圖1為基于逆變器DC-AC接口模型下DG拓?fù)浣Y(jié)構(gòu)。首先通過換流器將DG單元的電能輸出轉(zhuǎn)換為標(biāo)準(zhǔn)直流電流，直流電流再通過逆變器轉(zhuǎn)換為工頻下的交流電流，最后通過變壓器實(shí)現(xiàn)并網(wǎng)運(yùn)行。在換流器輸出的直流電流一定的條件下，主要通過對(duì)電網(wǎng)側(cè)逆變器控制實(shí)現(xiàn)對(duì)DG有功、無功功率的解耦控制。其中，測(cè)量裝置對(duì)并網(wǎng)點(diǎn)的有功功率DG，無功功率DG和節(jié)點(diǎn)電壓g進(jìn)行采集，通過通信系統(tǒng)傳輸至DMS，DMS將下一階段的運(yùn)行參數(shù)反饋至DG控制端，實(shí)現(xiàn)對(duì)DG輸出功率控制。在上述并網(wǎng)模式下，對(duì)DG有功、無功功率解耦可控能力進(jìn)行推導(dǎo)。

圖1 DC-AC接口模型下DG拓?fù)浣Y(jié)構(gòu)

當(dāng)考慮DG換流器輸出電流c一定的條件下，端口有功、無功功率及電壓滿足

（2）

式中，c為從DG出口到并網(wǎng)點(diǎn)的所有變壓器和濾波器阻抗值。式（2）可進(jìn)一步改寫為

綜合式（2）、式（3）可知，當(dāng)有功取值一定時(shí)，DG輸出無功與換流器輸出電流c以及端口電壓g相關(guān)。根據(jù)文獻(xiàn)[17]提供的等價(jià)轉(zhuǎn)換方程，可進(jìn)一步得到DG的最大調(diào)節(jié)容量為

（4）

（6）

式中，c,max和c,max分別為DG逆變端口側(cè)的最大輸出電流和最大端口電壓，其具體獲取方法詳見文獻(xiàn)[16]。由式（4）～式（6）可見，當(dāng)DG的有功功率輸出和功率因數(shù)確定時(shí)，其無功功率可調(diào)節(jié)范圍也可隨之確定。與傳統(tǒng)功率因數(shù)控制方式[12]相比，在上述解耦狀態(tài)下，DG無功功率出力將在既定范圍內(nèi)實(shí)現(xiàn)靈活調(diào)控。

2 ADN多目標(biāo)運(yùn)行優(yōu)化模型

當(dāng)DREG大量接入后，將顯著改變配電網(wǎng)原有潮流分布，進(jìn)而可能引起線路過載、供電質(zhì)量下降等一系列問題。因此，傳統(tǒng)以“本區(qū)利用，就地消納”為核心的DG控制策略已很難有效滿足ADN對(duì)可再生能源規(guī)模化利用的需求。此外，伴隨ADN下各類新型拓?fù)浣Y(jié)構(gòu)及先進(jìn)控制技術(shù)的應(yīng)用，配電網(wǎng)網(wǎng)架的互聯(lián)程度得到極大提升，從而使得對(duì)可再生能源的跨區(qū)域消納成為了一種可能。

2.1 考慮可再生能源跨區(qū)域消納的ADN能量管理策略

為便于說明，圖2給出了一個(gè)跨區(qū)互聯(lián)的主動(dòng)配電網(wǎng)系統(tǒng)。其中，DN1、DN2分別代表兩個(gè)具有相同電壓等級(jí)的供電區(qū)域，通過跨區(qū)聯(lián)絡(luò)線實(shí)現(xiàn)相連。假設(shè)DN1為DREG高滲透系統(tǒng)，即研究對(duì)象，而DN2為無源配電網(wǎng)絡(luò)，由上級(jí)電網(wǎng)供電，并可接受由DN1提供的可再生能源電能。為實(shí)現(xiàn)可再生能源高效消納目標(biāo)，設(shè)計(jì)ADN能量管理策略如下。

圖2 跨區(qū)域互聯(lián)的主動(dòng)配電網(wǎng)系統(tǒng)

對(duì)于DN1，其內(nèi)部負(fù)荷需求由上級(jí)電網(wǎng)、儲(chǔ)能設(shè)備、區(qū)域內(nèi)的DREG與可控DG四方面提供： ①當(dāng)DREG發(fā)電超過負(fù)荷需求時(shí)，多余功率將首先為儲(chǔ)能設(shè)備進(jìn)行充電。待儲(chǔ)能充滿后，再通過聯(lián)絡(luò)線外送至DN2；若外送功率到達(dá)相關(guān)設(shè)備容量上限，則被迫削減DREG出力或使其完全退出運(yùn)行；②當(dāng)DREG發(fā)電不足時(shí)，不足差額將首先由區(qū)域內(nèi)儲(chǔ)能及上級(jí)電網(wǎng)順次提供，若仍舊不能滿足相關(guān)要求（如因約束越限等），再選擇調(diào)用可控DG或可中斷負(fù)荷實(shí)現(xiàn)功率平衡。

為簡便起見，在潮流計(jì)算過程中，本文將DN2設(shè)置為等效虛擬節(jié)點(diǎn)，其調(diào)度方式與節(jié)點(diǎn)類型則由式（7）中判據(jù)產(chǎn)生：①當(dāng)式（7）滿足條件時(shí)，表明DN1中可再生能源出力過剩，此時(shí)將區(qū)域聯(lián)絡(luò)線開關(guān)閉合，設(shè)為平衡節(jié)點(diǎn)，上級(jí)電網(wǎng)為PV節(jié)點(diǎn)；②當(dāng)式（7）不滿足條件時(shí)，表明DN1中可再生能源出力不足，此時(shí)則將區(qū)域聯(lián)絡(luò)線斷開，并選取上級(jí)電網(wǎng)為平衡節(jié)點(diǎn)。

為保證調(diào)度過程中潮流流向的確定性，本文假設(shè)DN1聯(lián)絡(luò)線節(jié)點(diǎn)處已加裝靜止無功補(bǔ)償裝置。此外，針對(duì)上述策略，若目標(biāo)ADN與多個(gè)區(qū)域配電網(wǎng)相連時(shí)，則選取聯(lián)絡(luò)線容量最大的電網(wǎng)作為平衡節(jié)點(diǎn)。

2.2 目標(biāo)函數(shù)

基于上述能量管理策略，分別從系統(tǒng)運(yùn)行成本、可再生能源利用率及網(wǎng)損水平3個(gè)維度構(gòu)建ADN日前調(diào)度模型的優(yōu)化目標(biāo)。

（1）目標(biāo)函數(shù)1：ADN運(yùn)行成本最小。

（9）

（11）

（12）

（2）目標(biāo)函數(shù)2：DREG的功率削減量最小。

（3）目標(biāo)函數(shù)3：系統(tǒng)能量損耗最小。網(wǎng)損是反映配電網(wǎng)運(yùn)行水平的重要指標(biāo)之一。在ADN框架下，各類DG規(guī)模化應(yīng)用將改變配電網(wǎng)的固有潮流分布，進(jìn)而影響網(wǎng)絡(luò)損耗。因此，構(gòu)建基于系統(tǒng)網(wǎng)損最小的目標(biāo)函數(shù)為

式中，F為系統(tǒng)中線路通道集合；Z為線路對(duì)應(yīng)饋線的阻抗值；P、Q分別為線路流過的有功功率和無功功率；U為線路的末端電壓。

2.3 約束條件

模型約束條件主要包括網(wǎng)絡(luò)潮流約束和DER特性約束兩個(gè)方面。

2.3.1 網(wǎng)絡(luò)潮流約束

（1）功率平衡約束。

（2）線路電流約束。

（17）

（3）平衡節(jié)點(diǎn)約束。在本文模型中，分別將上級(jí)電網(wǎng)及區(qū)域聯(lián)絡(luò)線作為正向及負(fù)向平衡節(jié)點(diǎn)。為抑制ADN功率波動(dòng)對(duì)外部系統(tǒng)造成的影響，需要對(duì)關(guān)口交換功率進(jìn)行必要限制，因此即有

2.3.2 DER特性約束

（1）DG出力約束。受制于技術(shù)特性及自身容量限制，DG的有功、無功可調(diào)出力需要滿足約束

（2）可控DG的爬坡率約束。為保證可控型DG的安全穩(wěn)定運(yùn)行，需對(duì)其輸出功率在多時(shí)段間的變化速率進(jìn)行必要限制，即有

（3）儲(chǔ)能裝置調(diào)控約束。儲(chǔ)能裝置運(yùn)行需同時(shí)滿足充放電狀態(tài)約束、充放電功率約束以及荷電狀態(tài)約束[19]

（22）

（23）

（4）可中斷負(fù)荷調(diào)用約束。在ADN中，對(duì)可中斷負(fù)荷的調(diào)用受限于可用容量、中斷持續(xù)時(shí)間、時(shí)間間隔以及調(diào)用次數(shù)等一系列限制[20]，即滿足如下約束條件

（25）

（27）

（28）

3 求解方法

3.1 Pareto最優(yōu)解集的獲取

本文上述所建模型屬于一個(gè)復(fù)雜的多時(shí)段多目標(biāo)優(yōu)化問題，且具有高維度及非線性的特點(diǎn)。和聲搜索（Harmony Search, HS）算法是由Z.W. Geem等在2001年所提出的一種新型智能優(yōu)化算法，其基本原理是通過模仿創(chuàng)作家反復(fù)尋找最優(yōu)聲調(diào)的方法，來實(shí)現(xiàn)對(duì)相關(guān)問題的方案尋優(yōu)。與遺傳算法、粒子群算法等傳統(tǒng)智能優(yōu)化方法相比，HS算法具有全局搜索能力強(qiáng)，收斂速度快的優(yōu)點(diǎn)[21]。文獻(xiàn)[22,23]通過引進(jìn)多尺度變異和參數(shù)動(dòng)態(tài)調(diào)整策略，使其能夠在保證收斂速度條件下具有更強(qiáng)的全局搜索能力，從而更好地適應(yīng)多目標(biāo)優(yōu)化的求解需要。

本文采用基于啟發(fā)式策略的多目標(biāo)和聲搜索（Multi-Objective HS, MOHS）算法對(duì)模型進(jìn)行求解，以獲取Pareto最優(yōu)解集，基于MOHS算法的求解流程如圖3所示。對(duì)上述計(jì)算中的關(guān)鍵步驟說明如下：

（1）算法參數(shù)初始化。需要初始化的MOHS算法計(jì)算參數(shù)包括和聲記憶庫容量（Harmony Memory Search, HMS），和聲記憶考慮概率（Harmony Memory Considering Rate, HMCR），最大迭代次數(shù)max。

（2）支配排序。多目標(biāo)優(yōu)化問題可定義為

（30）

圖3 基于MOHS算法的求解流程

按順序計(jì)算所有和聲的被支配數(shù)量，選取其中的非支配解移入和聲存儲(chǔ)庫，并對(duì)支配解根據(jù)被支配數(shù)量進(jìn)行分級(jí)排序。

（3）擁擠度計(jì)算。對(duì)處于相同等級(jí)的和聲，利用文獻(xiàn)[24]中的方法計(jì)算各和聲的擁擠度，根據(jù)擁擠度對(duì)同級(jí)和聲進(jìn)行排序。

（4）雜交策略。在智能優(yōu)化算法中，隨著迭代次數(shù)的增加，解集的多樣性會(huì)下降，而提高解集多樣性又會(huì)降低算法的收斂速度。本文利用雜交策略來對(duì)算法性能進(jìn)行優(yōu)化，新和聲生成算法[22]為

3.2 折中方案的獲取

針對(duì)上述計(jì)算得到的Pareto前沿解，本文進(jìn)一步采用逼近理想解排序（Technique for Order Performance by Similarity to Ideal Solution, TOPSIS）法以確定針對(duì)各個(gè)目標(biāo)的最佳折中方案。TOPSIS法是一種經(jīng)典的多屬性決策技術(shù)，具有原理直觀、計(jì)算簡便、對(duì)樣本量要求不大等優(yōu)點(diǎn)，其詳細(xì)執(zhí)行步驟可參見文獻(xiàn)[25]。

本文假設(shè)ADN運(yùn)行者對(duì)不同目標(biāo)持相同的偏好程度，因此權(quán)重向量=[0.33, 0.33, 0.33]。

4 算例分析

4.1 基礎(chǔ)數(shù)據(jù)

為驗(yàn)證所提方法的有效性，本文選取擴(kuò)展的33節(jié)點(diǎn)配電系統(tǒng)[24]作為算例進(jìn)行計(jì)算分析，擴(kuò)展33節(jié)點(diǎn)配網(wǎng)系統(tǒng)如圖4所示。該系統(tǒng)電壓等級(jí)為12.66kV，最大負(fù)荷為5.084+j2.547MV·A。其中，節(jié)點(diǎn)0為上級(jí)變電站的低壓側(cè)母線，系統(tǒng)通過聯(lián)絡(luò)線10-與外區(qū)域配電網(wǎng)互聯(lián)。假設(shè)其最大載流量為610A；為了避免運(yùn)行過程中斷路器頻繁開斷，限定在一個(gè)調(diào)度周期24h內(nèi)斷路器最大動(dòng)作次數(shù)為4次。系統(tǒng)中DER信息如下：光伏安裝在7, 13, 32號(hào)節(jié)點(diǎn)上，各節(jié)點(diǎn)總裝機(jī)容量均為1MW；風(fēng)電安裝在21，27號(hào)節(jié)點(diǎn)上，各節(jié)點(diǎn)總裝機(jī)容量均為0.8MW；微型燃?xì)廨啓C(jī)安裝在24, 30號(hào)節(jié)點(diǎn)上，并假設(shè)其基于“以熱定電”的運(yùn)行方式，功率可控范圍為0.1～0.4MW；儲(chǔ)能安裝在6, 29號(hào)節(jié)點(diǎn)上，各節(jié)點(diǎn)總充放電功率上限為0.24MW，容量上限為1.2MW·h，SOC調(diào)節(jié)范圍為30%～90%，充電效率為80%。直控負(fù)荷通過饋線開關(guān)實(shí)現(xiàn)調(diào)節(jié)，以恒功率因數(shù)進(jìn)行控制，各節(jié)點(diǎn)可控負(fù)荷容量見表1。假設(shè)各節(jié)點(diǎn)負(fù)荷在24h內(nèi)最多中斷一次，且每次中斷持續(xù)時(shí)間不超過2h。

圖4 擴(kuò)展33節(jié)點(diǎn)配網(wǎng)系統(tǒng)

系統(tǒng)的日間負(fù)荷曲線取自文獻(xiàn)[27]，光照及風(fēng)速數(shù)據(jù)則選自對(duì)我國華北某市春季典型日的實(shí)際調(diào)研結(jié)果。此外，參考我國實(shí)際執(zhí)行標(biāo)準(zhǔn)，光伏和風(fēng)電的上網(wǎng)電價(jià)分別取為1元/(kW·h)及0.8元/(kW·h)。微型燃?xì)廨啓C(jī)的上網(wǎng)電價(jià)為0.81元/(kW·h)；配電網(wǎng)從上級(jí)電網(wǎng)的購電價(jià)格為0.38元/(kW·h)；可中斷負(fù)荷成本系數(shù)1和2分別取為1=5 000，2=3 200[20]。此外，假設(shè)系統(tǒng)各節(jié)點(diǎn)的最大允許電壓偏移范圍為±5%。

表1 各節(jié)點(diǎn)可控負(fù)荷容量

Tab.1 Capacity of interruptible loads at different buses

算法中相關(guān)參數(shù)設(shè)置如下：HMS=40；max= 500；基于動(dòng)態(tài)策略調(diào)整HMCR，HMCRmax=0.9，HMCRmin=0.6。

4.2 優(yōu)化結(jié)果分析

4.2.1 Pareto最優(yōu)解分析

經(jīng)計(jì)算得到的Pareto前沿集如圖5所示，其中DREG算法按照功率因數(shù)為0.9進(jìn)行控制。可見，基于MOHS算法形成的Pareto解集分布均勻而廣泛，可為運(yùn)行成本、網(wǎng)絡(luò)損耗、可再生能源利用率這三類沖突目標(biāo)的相互妥協(xié)提供豐富的信息。

圖5 Pareto前沿集

根據(jù)上述Pareto優(yōu)化結(jié)果，在實(shí)際應(yīng)用中可根據(jù)ADN運(yùn)行者具體期望要求，考慮多方面因素影響，選擇優(yōu)化運(yùn)行方案。

由圖5可知，調(diào)度目標(biāo)中系統(tǒng)運(yùn)行成本、DREG功率削減和系統(tǒng)能量損耗三者之間存在密切關(guān)聯(lián)。若調(diào)度者優(yōu)先考慮經(jīng)濟(jì)性因素，即偏向選擇運(yùn)行成本較小的方案，但這在一定程度上將不利于可再生能源的最大化利用（表現(xiàn)為DREG功率削減增大）。反之，若僅以可再生能源消納最大為目標(biāo)，則將顯著增加系統(tǒng)運(yùn)行成本及網(wǎng)絡(luò)損耗。這說明要實(shí)現(xiàn)可再生能源電力的跨區(qū)消納，伴隨輸電路徑的增長將不可避免地造成網(wǎng)損增加。同時(shí)，為應(yīng)對(duì)DREG算法出力波動(dòng)，還將不得不更頻繁地調(diào)用燃?xì)廨啓C(jī)、儲(chǔ)能及可中斷負(fù)荷等資源，進(jìn)而導(dǎo)致系統(tǒng)總成本上升。由上述優(yōu)化結(jié)果可知，在實(shí)際應(yīng)用中可由ADN運(yùn)行者的具體期望要求，綜合權(quán)衡多方面因素，最終科學(xué)確定系統(tǒng)調(diào)度運(yùn)行方案。

4.2.2 系統(tǒng)功率平衡分析

為清晰揭示ADN日間各機(jī)組的出力情況以及能量構(gòu)成，分別對(duì)4.2.1節(jié)中DREG出力削減值為5%和15%時(shí)的系統(tǒng)優(yōu)化運(yùn)行方案進(jìn)行功率平衡分析。各類DG和儲(chǔ)能的運(yùn)行基點(diǎn)以及可中斷負(fù)荷的調(diào)用狀況即AND優(yōu)化結(jié)果如圖6所示。

（a）DREG出力削減為5%

（b）DREG出力削減為15%

圖6 ADN運(yùn)行優(yōu)化結(jié)果

Fig.6 Optimal scheduling plan of ADN

通過圖6結(jié)果對(duì)比可知，當(dāng)DREG能量貢獻(xiàn)較低時(shí)（即削減率較大時(shí)），負(fù)荷供能主要由系統(tǒng)中DREG、電網(wǎng)購電以及燃?xì)廨啓C(jī)三方面構(gòu)成，而較少調(diào)用儲(chǔ)能及可中斷負(fù)荷。此時(shí)，雖然DREG發(fā)電得到很大程度利用，但在部分時(shí)段（如對(duì)于光伏 12∶00～14∶00，對(duì)于風(fēng)電則為早上1∶00～7∶00）仍存在部分棄光、棄風(fēng)現(xiàn)象。隨著對(duì)可再生能源消納比率目標(biāo)的提高，系統(tǒng)中DREG發(fā)電占總電力供應(yīng)的比例增大，同時(shí)ADN從外部電網(wǎng)的購電比率將顯著降低。此時(shí)，儲(chǔ)能和可中斷負(fù)荷在系統(tǒng)運(yùn)行中所起到的作用將更加明顯。這主要表現(xiàn)為：一方面，儲(chǔ)能設(shè)備的調(diào)用頻率增多。在DREG發(fā)電功率超過負(fù)荷需求時(shí)，多余功率將優(yōu)先對(duì)儲(chǔ)能系統(tǒng)充電（如圖6中時(shí)段），在DREG出力不足時(shí)進(jìn)行放電（圖6中的時(shí)段）。同時(shí)，儲(chǔ)能系統(tǒng)的充放電功率和深度均有所上升，不僅出力波動(dòng)范圍加大且總投入時(shí)間更長。另一方面，當(dāng)2=5%時(shí)，系統(tǒng)運(yùn)行者調(diào)用可中斷負(fù)荷的次數(shù)和容量均較2=15%的方案明顯增多。這說明要實(shí)現(xiàn)可再生能源高效利用的目標(biāo)，一些情況下ADN運(yùn)行者不得不對(duì)用戶固有用電行為進(jìn)行干預(yù)，才能使之最大限度地追蹤可再生能源（風(fēng)速、光照）的自然特性。

上述計(jì)算結(jié)果符合含高滲透率DREG的ADN運(yùn)行易受環(huán)境因素影響這一基本特征。同時(shí)，對(duì)儲(chǔ)能及需求側(cè)資源的利用提高了系統(tǒng)對(duì)可再生能源的利用率。

4.2.3 跨區(qū)域消納策略分析

為驗(yàn)證跨區(qū)域消納策略對(duì)可再生能源利用率的影響，分別構(gòu)建計(jì)及跨區(qū)域消納策略（情景1）和僅考慮本區(qū)域消納（情景2）兩類情景進(jìn)行對(duì)比分析，經(jīng)過優(yōu)化計(jì)算，各情景下Pareto前端如圖7所示，同時(shí)表2給出不同情景下的系統(tǒng)目標(biāo)函數(shù)值。

圖7 各情景下Pareto前端

根據(jù)計(jì)算結(jié)果可知，情景1及情景2中的可再生能源日利用率分別為88.2%和85.1%。可見，跨區(qū)域消納策略促進(jìn)了DREG利用效率的提升（即DREG出力削減逐步減少）。同時(shí)，可再生能源跨區(qū)域消納策略的實(shí)施，使得系統(tǒng)網(wǎng)損逐漸升高，見表2。說明系統(tǒng)間的互聯(lián)使得ADN中DG輸出能量輸送的范圍逐漸擴(kuò)大，因此配電網(wǎng)的系統(tǒng)能量損耗也逐步增大；另一方面，隨著DREG出力減少，儲(chǔ)能設(shè)備和可控負(fù)荷調(diào)用頻率和調(diào)度深度降低，進(jìn)而降低ADN的整體運(yùn)行費(fèi)用。

表2 不同情景下的系統(tǒng)目標(biāo)函數(shù)值

Tab.2 Objective function values for different cases

需要指出的是，當(dāng)潮流計(jì)算中以聯(lián)絡(luò)配電網(wǎng)作為負(fù)平衡節(jié)點(diǎn)時(shí)，本文中以聯(lián)絡(luò)線最大傳輸功率作為約束條件，當(dāng)出現(xiàn)功率越限時(shí)，則通過減少DREG出力來保證系統(tǒng)穩(wěn)定運(yùn)行。在實(shí)際電網(wǎng)運(yùn)行過程中，作為受端電網(wǎng)的聯(lián)絡(luò)配電網(wǎng)在調(diào)度過程中處于被動(dòng)方，聯(lián)絡(luò)點(diǎn)傳輸功率的增加以及變化速率的提高均會(huì)增加受端電網(wǎng)的調(diào)度與運(yùn)行控制負(fù)擔(dān)。因此在實(shí)際運(yùn)行中，應(yīng)以受端電網(wǎng)安全穩(wěn)定為前提來確定聯(lián)絡(luò)線功率傳輸?shù)南揞~與最大變化率。

4.2.4 DREG有功、無功功率解耦控制分析

由式（4）～式（6）可知，不同功率因數(shù)所對(duì)應(yīng)的DG無功調(diào)節(jié)能力不同，為分析DREG的無功功率調(diào)節(jié)能力對(duì)運(yùn)行目標(biāo)的影響，將DREG的功率因數(shù)依次取為1, 0.9, 0.8，并進(jìn)行優(yōu)化計(jì)算。圖8及表3分別給出了上述不同功率因數(shù)下所得Pareto前端及系統(tǒng)目標(biāo)函數(shù)值。通過分析可得：①當(dāng)=1時(shí)，DG不具備無功調(diào)節(jié)能力，僅以有功注入電網(wǎng)，此時(shí)DREG的利用率為86.7%；②當(dāng)=0.9時(shí)，DG具備一定的無功調(diào)節(jié)能力，但需要犧牲一部分有功出力來實(shí)現(xiàn)無功調(diào)節(jié)，此時(shí)DREG的利用率為88.2%；③當(dāng)=0.8時(shí)，DG的無功調(diào)節(jié)能力進(jìn)一步提高，同時(shí)有功出力進(jìn)一步降低，DREG的利用率為78.9%。通過場景1和場景2對(duì)比分析，當(dāng)計(jì)及DREG的無功調(diào)節(jié)能力時(shí)，將有助于網(wǎng)絡(luò)中局部電壓質(zhì)量改善，從而提升可再生能源的利用效率。

圖8 DREG在不同功率因數(shù)下的Pareto前端

表3 DREG在不同功率因數(shù)下的系統(tǒng)目標(biāo)函數(shù)值

Tab.3 Objective function values under different power factors of DREG

通過表中系統(tǒng)網(wǎng)損項(xiàng)分析，DREG無功調(diào)節(jié)能力的提升有利于系統(tǒng)網(wǎng)損逐步降低。說明在計(jì)及DREG的無功調(diào)節(jié)能力，可以有效改善系統(tǒng)潮流分布，從而提高配電系統(tǒng)整體運(yùn)行效率。通過對(duì)運(yùn)行成本項(xiàng)進(jìn)行分析，可知運(yùn)行成本(=0.9)＞(=1)＞(=0.8)，說明隨著DREG利用率的下降，導(dǎo)致系統(tǒng)能量構(gòu)成中可再生能源的比例降低，而由于從主網(wǎng)的購電成本要遠(yuǎn)低于DREG的購電成本，因此使得運(yùn)行成本整體下降。

綜上所述，當(dāng)計(jì)及DREG的無功功率調(diào)節(jié)能力，雖然可以提高ADN的整體運(yùn)行效率，改善電能質(zhì)量，但以較低的功率因數(shù)運(yùn)行同時(shí)也會(huì)犧牲DREG的有功功率出力。因此DREG的最優(yōu)功率因數(shù)應(yīng)按照系統(tǒng)中的實(shí)際可再生能源的滲透率，通過靈敏度分析確定。

5 結(jié)論

為實(shí)現(xiàn)對(duì)可再生能源的高效主動(dòng)利用能力，本文提出了一種ADN多目標(biāo)運(yùn)行優(yōu)化方法。在深入分析逆變器并網(wǎng)模式下DG有功、無功功率解耦可控能力的基礎(chǔ)上，提出了面向ADN的跨區(qū)域能源消納策略，并據(jù)此分別以系統(tǒng)運(yùn)行成本、DREG出力削減和網(wǎng)損最小化作為目標(biāo)，構(gòu)建了ADN多目標(biāo)優(yōu)化調(diào)度模型。以擴(kuò)展33節(jié)點(diǎn)配網(wǎng)系統(tǒng)為例，利用MOHS算法對(duì)模型進(jìn)行求解，相關(guān)計(jì)算結(jié)果表明：

1）在ADN下，DREG利用效率、系統(tǒng)運(yùn)行成本以及系統(tǒng)網(wǎng)損之間存在著復(fù)雜的相互影響，要提高DREG的有效利用率，會(huì)在一定程度上使得系統(tǒng)運(yùn)行成本上升，并間接增加系統(tǒng)整體運(yùn)行網(wǎng)損。

2）跨區(qū)域電能消納策略有利于可再生能源的高效利用，但隨DG供電半徑的擴(kuò)大將一定程度地增加系統(tǒng)運(yùn)行網(wǎng)損。

3）計(jì)及DREG無功調(diào)節(jié)能力雖然會(huì)一定程度上制約其有功出力，但由于改善系統(tǒng)潮流分布及DG并網(wǎng)點(diǎn)電能質(zhì)量，因此總體上仍舊對(duì)提高可再生能源利用及系統(tǒng)整體運(yùn)行效率具有顯著積極作用。

綜上所述，本文所提方法能夠在實(shí)現(xiàn)可再生能源優(yōu)先消納的前提下，有效協(xié)調(diào)ADN運(yùn)行的綜合效益，滿足不同系統(tǒng)運(yùn)營商的差異化需求，相關(guān)結(jié)論可為ADN實(shí)際調(diào)度策略的制定提供必要的參考依據(jù)。

參考文獻(xiàn)：

[1] D’Adamo C, Abbey C, Baitch A, et al. Development and operation of active distribution network[R]. CIGRE, 2011.

[2] Ochoa L F, Harrison G P. Minimizing energy losses: optimal accommodation and smart operation of renewable distributed generation[J]. IEEE Transa- ctions on Power Systems, 2012, 26(1): 198-205.

[3] 張建華, 曾博, 張玉瑩, 等. 主動(dòng)配電網(wǎng)規(guī)劃關(guān)鍵問題與研究展望[J]. 電工技術(shù)學(xué)報(bào), 2014, 29(2): 13-23.

Zhang Jianhua, Zeng Bo, Zhang Yuying, et al. Key issues and research prospects of active distribution network planning[J]. Transactions of China Electro- technical Society, 2014, 29(2): 13-23.

[4] Adrian T, Mats L, Cherry Y. Active management of distributed energy resources using standardized communications and modern information techno- logies[J]. IEEE Transactions on Industrial Electronics, 2009, 56(10): 4029-4037.

[5] Fabrizio P, Giuditta P, Gian G S. Optimal coor- dination of energy resources with a two-stage online management[J]. IEEE Transactions on Industrial Electronics, 2011, 58(10): 4526-4537.

[6] Dolan M J, Davidson E M, Kockar I, et al. Distribution power flow management utilizing an online optimal power flow technique[J]. IEEE Transa- ctions on Power Systems, 2012, 27(2): 790-799.

[7] Borghetti A, Bosetti M, Grillo S, et al. Short-term scheduling and control of active distribution system with high penetration of renewable resources[J]. IEEE Journal on Systems, 2010, 4(3): 313-322.

[8] 王威, 黃大為. 含可調(diào)度分布式電源的配電網(wǎng)綜合優(yōu)化[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(12): 429-433.

Wang Wei, Huang Dawei. The coordination optimization of distribution networks with dispatched distributed generators[J]. Transactions of China Electrotechnical Society, 2015, 30(12): 429-433.

[9] 尤毅, 劉東, 鐘清, 等. 主動(dòng)配電網(wǎng)優(yōu)化調(diào)度策略研究[J]. 電力系統(tǒng)自動(dòng)化, 2014, 38(9): 177-183.

You Yi, Liu Dong, Zhong Qing, et al. Research on optimal schedule strategy for active distribution network[J]. Automation of Electric Power Systems, 2014, 38(9): 177-183.

[10] Gill S, Kockar I, Ault W. Dynamic optimal power flow for active distribution networks[J]. IEEE Transactions on Power Systems, 2014, 29(1): 121-131.

[11] 王健, 謝樺, 孫健. 基于機(jī)會(huì)約束規(guī)劃的主動(dòng)配電網(wǎng)能量優(yōu)化調(diào)度研究[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(13): 45-52.

Wang Jian, Xie Hua, Sun Jian. Study on energy dispatch strategy of active distribution network using chance-constrained programming[J]. Power System Protection and Control, 2014, 42(13): 45-52.

[12] 尤毅, 劉東, 鐘清, 等. 多時(shí)間尺度下基于主動(dòng)配電網(wǎng)的分布式電源協(xié)調(diào)控制[J]. 電力系統(tǒng)自動(dòng)化, 2014, 38(9): 192-203.

You Yi, Liu Dong, Zhong Qing, et al. Multi-time scale coordinated control of distributed generators based on active distribution network[J]. Automation of Electric Power Systems, 2014, 38(9): 192-203.

[13] 蒲天驕, 李燁, 陳乃仕, 等. 基于MAS的主動(dòng)配電網(wǎng)多源協(xié)調(diào)優(yōu)化調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(23): 67-75.

Pu Tianjiao, Li Ye, Chen Naishi, et al. Multi-source coordinated optimal dispatch for active distribution network based on multi-agent system[J]. Transactions of China Electrotechnical Society, 2015, 30(23): 67-75.

[14] 劉一兵, 吳文傳, 張伯明, 等. 基于混合整數(shù)二階錐規(guī)劃的主動(dòng)配電網(wǎng)有功-無功協(xié)調(diào)多時(shí)段優(yōu)化運(yùn)行[J]. 中國電機(jī)工程學(xué)報(bào), 2014, 34(16): 2575- 2583.

Liu Yibing, Wu Wenchuan, Zhang Boming, et al. A mixed integer second-order cone programming based active and reactive power coordinated multi period optimization for active distribution network[J]. Proceedings of the CSEE, 2014, 34(16): 2575-2583.

[15] Nayeem R U, Kankar B, Torbjorn T. Wind farms as reactive power ancillary service providers-technical and economic issues[J]. IEEE Transactions on Energy Conversion, 2009, 24(3): 661-672.

[16] Augusto C R, Antonio P. Distributed generators as providers of reactive power support—a market approach[J]. IEEE Transactions on Power Systems, 2013, 28(1): 490-502.

[17] Vito C, Gaspare C, Vincenzo G, et al. Optimal decentralized voltage control for distribution systems with inverter-based distributed generators[J]. IEEE Transactions on Power Systems, 2014, 29(1): 230-241.

[18] 曾博, 董軍, 張建華, 等. 節(jié)能服務(wù)環(huán)境下的電網(wǎng)綜合資源協(xié)調(diào)規(guī)劃新方法[J]. 電力系統(tǒng)自動(dòng)化, 2013, 37(9): 34-40.

Zeng Bo, Dong Jun, Zhang Jianhua, et al. A coor- dinated planning approach for grid-side integrated resources in an energy-saving service environment[J]. Automation of Electric Power Systems, 2013, 37(9): 34-40.

[19] Aouss G, Pu L. Active-reactive optimal power flow in distribution networks with embedded generation and battery storage[J]. IEEE Transactions on Power Systems, 2012, 27(4): 2026-2035.

[20] Hyung-Geun K, Jin-O K, Optimal combined scheduling of generation and demand response with demand resource constraints[J]. Applied Energy, 2012, 96: 161-170.

[21] Geem Z W, Kim J H, Loganathan G V. A new heuristic optimization algorithm: harmony search[J]. Simulation, 2011, 76(2): 60-68.

[22] Zou D X, Gao L Q, Wu J H, et al. A novel global harmony search algorithm for reliability problems[J]. Computers & Industrial Engineering, 2010, 58(2): 307-316.

[23] Komail N, Malihe M F, Hossein, et al. An improved multi-objective harmony search for optimal place- ment of DGs in distribution systems[J]. IEEE Transa- ctions on Smart Grid, 2013, 4(1): 557-567.

[24] 彭春華, 孫惠娟. 基于非劣排序微分進(jìn)化的多目標(biāo)優(yōu)化發(fā)電調(diào)度[J]. 中國電機(jī)工程學(xué)報(bào), 2009, 29(34): 71-76.

Peng Chunhua, Sun Huijuan. Multi-objective optimi- zation power dispatch based on non-dominated sorting differential evolution[J]. Proceedings of the CSEE, 2009, 29(34): 71-76.

[25] 邱威. 考慮間歇性能源接入和運(yùn)行安全的多目標(biāo)有功優(yōu)化調(diào)度[D]. 北京: 華北電力大學(xué), 2012.

[26] Baran M E, Wu F F. Network reconfiguration in distribution systems for loss reduction and load balancing[J]. IEEE Transactions on Power Delivery, 1989, 4(2): 1401-1407.

[27] Zeng B, Zhang J H, Yang X, et al. Integrated planning for transition to low-carbon distribution system with renewable energy generation and demand response[J]. IEEE Transactions on Power Systems, 2014, 29(3): 1153-1165.

Multi-Objective Optimization for Active Distribution Network Scheduling Considering Renewable Energy Harvesting Across Regions

（State Key Laboratory for Alternate Electrical Power System with Renewable Energy Sources North China Electric Power University Beijing 102206 China）

Increasing the efficiency of renewable energy usage is a newly-supplemented target for active distribution network (ADN) operation. Thereby, a multi-objective optimization framework for ADN operation that considers cross-regional utilization of renewable energy is proposed in this study. Firstly, based on the DC/AC model, the active/reactive decouple model of DG units under the centralized control mode is derived, and then the strategy for ADN operation considering cross-regional usage of renewable energy is put forward. Accordingly, a multi-objective model for ADN scheduling is built, taking the minimization of operation cost, renewable energy curtailment and network losses as objectives. In this model, the management for the active/reactive power output from DG units, energy storages and interruptible loads has been considered, taken the inter-temporal constraints into account. Due to high dimension and nonlinearity of the proposed model, the multi-objective harmony search algorithm is adopted. A modified 33-bus distribution system has verified the proposed method as well as the necessity for incorporating reactive capability of renewable-based DG units.

Active distribution network, renewable energy generation, optimal scheduling, multi-objective optimization

TM732

國家重點(diǎn)研發(fā)計(jì)劃重點(diǎn)專項(xiàng)（2016YFB0101903），國家自然科學(xué)基金（51507061），中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)基金（2015QN01）資助項(xiàng)目。

2014-11-02 改稿日期 2015-01-28

曾 博 男，1987年生，博士，研究方向?yàn)橹鲃?dòng)配電網(wǎng)規(guī)劃與運(yùn)行技術(shù)、需求響應(yīng)與電動(dòng)汽車等。E-mail: alosecity@126.com（通信作者）

楊 煦 男，1989年生，碩士研究生，研究方向?yàn)橹鲃?dòng)配電網(wǎng)運(yùn)行及分布式發(fā)電技術(shù)。E-mail: yangxul@ieee.org