基于分布式實時調度策略的智能電網控制系統的設計與實現

杜家兵，陳衍鵬，梁滿發

（1.佛山供電局信息中心，廣東佛山528000；2.華南理工大學數學學院，廣東廣州510641）

隨著環境保護的需求和全球能源危機日益嚴重，用戶對電力的穩定、安全、高效、清潔和環保提出了更高的要求。因此，近幾年應運而生了智能電網的概念，并逐漸成為未來電網發展的研究熱點[1-3]。

智能電網為電網企業提供了一個降低成本、提升可靠性和運營效率的藍圖。電網企業通過管理生產、運輸和零售等各環節，實現節約用電和智能化管理，以提高能源的利用率、實現家電智能化[4-5]。在智能電網的背景下，電網企業只需考慮電網的可靠性、安全性和經濟性；而用戶只需考慮電力供應的穩定性與電費支出[6]。因此，提高電力系統的經濟性、可靠性和安全性，提升能源利用效率并減少電費支出，實現低碳環保和節能減排是智能電網建設的根本目標。

目前，可再生能源被廣泛應用于智能電網，雖然這能有效降低電網公司對火力發電的依賴并降低環境污染[7]。但可再生能源具有隨機性和不穩定的缺點，對大電網造成了沖擊并將嚴重影響電網的安全。隨著電網從傳統集中式架構向智能電網的分布式架構轉化，電力負荷也由原來的剛性負荷逐漸變為能主動參與電網運行控制的柔性負荷。傳統電網的統一調度方式已無法滿足智能電網的需求，所以采用何種控制策略以最大化智能電網的輸出功率，成為當前電網經濟調度的研究熱點[8-16]。

1 含柔性負荷的調度模型

假設柔性負荷的效益函數和發電機組的成本函數均是二次函數，本文定義了如式（1）所示的柔性負荷效益函數和式（2）所示的發電機組的成本函數：

式中，SD和SG分別表示柔性負荷集合與發電機集合，aj、bj、cj和αi、βi、γi為函數系數。

含柔性負荷的智能電網調度模型即考慮柔性負荷需求約束和發電機發電約束時，保證電力系統的經濟效益最大化。如式（3）所示的優化模型：

使用拉格朗日乘子法可將式（3）所示的約束問題，轉化為式（4）所示的無約束優化問題：

分別對PDj,PG和λ求偏導，可得到如式（5）所示的最優化條件；

由式（5）有：

式中，m和n分別表示發電機與柔性負荷數目。由式（6）可知，式（3）所示的經濟調度模型的最優解是使所有柔性負荷的效益增量與發電機成本增量相等。

2 分布式實時智能電網經濟調度

2.1 一致性算法

假設xi為表示電力元件i的輸入功率、輸出功率、用電效益和發電成本的物理量，則電力元件i在離散時間k的動態特性可由式（7）表示：

當x1=x2=…xn時，所有節點達到一致。則有式（8）所示的一致性協議：

式中aij>0為鄰接矩陣A的元素。

相應的，可得到電力系統動態方程：

由式（9）可知，每個電力元件節點的狀態均與其鄰居節點的狀態有關。

2.2 分布式調度策略

本文提出的分布式調度策略通過共享各條母線的信息實現全局經濟調度，包括柔性負荷邊際用電效益IB、發電機組邊際發電成本IC的計算和母線功率偏差修正項的計算兩部分。

2.2.1 IB和IC的計算

柔性負荷邊際用電效益IB和發電機組邊際發電成本IC，分別如式（10）和式（11）所示：

其更新公式如式（12）所示：

式中，SB和Ni分別表示母線集合和母線i的鄰居集合；w為一個正標量，表示算法的收斂速度；ΔPi(k)表示母線i的全局功率偏差。

本文考慮到柔性負荷和發電機組的功率約束，定義了如式（13）所示的柔性負荷需求功率函數與式（14）所示的發電機組功率函數：

從式（13）和式（14）可以看出，本文通過調節柔性負荷的邊際用電成本以及發電機組的發電成本來實現電力系統的功率平衡。當功率偏差項wΔPi(k)>0時，柔性負荷與用電效益將增加且其用電負荷將減小，發電成本和發電功率將增大；當功率偏差項wΔPi(k)＜0時，柔性負荷與用電效益將減小且其用電負荷將增加，發電成本及發電功率也將增加。

2.2.2 母線功率偏差修正項的計算

式（12）表明，電網全局功率偏差由母線間相互協調的方式來計算。母線i的全局功率偏差為ΔPi(k)，則母線i的局部功率偏差可由母線上的柔性負荷需求功率PDi與發電機輸出功率PG確定，如式（15）所示：

假設每條母線均有一個時標矢量Si和一個狀態矢量xi，則每條母線有如下特性：

式中，xij和sij分別為xi與Si的第j個近鄰。式（16）表明，母線i的局部功率偏差可由與其相鄰的其他母線j的信息交互獲得。且全局功率偏差，可由式（17）計算獲得：

式（16）和（17）的計算過程，可由圖1表示。圖1（a）表明系統啟動前各母線僅了解其本地功率偏差；迭代計算一次后得到圖1（b）所示的結果，各母線獲得其近鄰信息；迭代計算3次后，得到如圖1（d）所示的結果，各母線均能獲取系統中所有線路的信息，即可計算出全局功率偏差。

計算得到全局功率偏差后，即可調節λi使所有母線的全局功率偏差變為0，并得到最優的λi(k)。由式（11）～式（17）即可確定，如圖2所示本文分布式實時調度策略的計算流程。

圖1 母線間信息傳遞計算流程

圖2 分布式實時調度策略流程

3 實驗與結果分析

為了驗證本文提出的分布式實時調度策略的有效性，本節使用Matlab軟件和IEEE39節點系統，在不同通信條件和不同電力元件功率約束條件下的性能進行仿真測試。

如圖3所示為本文提出的分布式調度策略，以及集中式調度策略的系統變量仿真結果。從圖中可以看出，分布式調度策略與集中式調度策略均能求得最優的功率平衡約束，且系統所有一致性變量最終均可達到一致。

圖3 分布式調度策略和集中式調度策略的系統變量仿真結果

如圖4所示為分布式調度策略和集中式調度策略，在不同通信拓撲結構下的適應性比較結果。從圖中可看出，雖系統具有不同的通信拓撲結構，但一致性變量均能收斂到其最優值。

圖4 不同通信拓撲結構下分布式調度策略和集中式調度策略的系統變量仿真結果

4 結束語

分布式電源種類多樣、波動性大的特點，導致實現智能電網輸出功率最大化成為了當前電網經濟調度的研究熱點。本文針對該問題設計和實現了一種基于分布式實時調度策略的智能電網控制系統。首先，構建了含柔性負荷的調度優化模型；然后，設計了一種考慮柔性負荷的智能電網經濟調度策略，包括柔性負荷邊際用電效益、發電組邊際發電成本及功率偏差修正的分布式計算；最后，使用Matlab仿真軟件分別測試了在不同通信拓撲結構、含BESS充放電和“即插即用”時算法的性能。其實驗結果表明，所提出的算法具有一定的魯棒性，能適應不同負荷數量的條件。

參考文獻：

[1]王陽，李鵬，朱珺敏，等.一種計及微電源的電網分層調度方法[J].電網與清潔能源，2012，28（7）:12-18.

[2]曹勇.智能電網經濟運行的分布式控制方法及其收斂速度優化[D].杭州:浙江大學，2017.

[3]楊思，李雪亮，賈善杰，等.計及環境因素的智能電網分布式經濟調度策略[J].電器與能效管理技術，2017（16）:57-65.

[4]張玖林.認知智能電網頻譜分配與電力調度聯合資源分配策略研究[D].成都:電子科技大學，2016.

[5]楊超.復雜智能電網的分布式控制與故障辨識研究[D].武漢:華中科技大學，2016.

[6]李媛，武巖巖，王思琪.基于混沌時間序列的Elman神經網絡工業用電預測[J].沈陽工業大學學報，2016，38（2）:196-200.

[7]吳婧妤，葉鵬飛，付明，等.分布式電源協調優化調度和電壓協同控制關鍵技術綜述[J].自動化與儀器儀表，2017（2）:5-8.

[8]張延宇，曾鵬，臧傳治.智能電網環境下家庭能源管理系統優化調度算法[J].電力系統保護與控制，2016，44（2）:18-26.

[9]王娟娟，王宏安.基于多智能體混合調度的電網自愈系統[J].計算機研究與發展，2017，54（4）:720-730.

[10]代業明，高紅偉，高巖.考慮信息延遲的智能電網實時定價和算法[J].工業工程與管理，2017，22（2）:53-59.

[11]霍雪松，裴培.基于調度數據網絡技術的調度控制系統地區互備通信模式研究[J].電網與清潔能源，2016，32（5）:47-50.

[12]Avci M.Demand response-enabled model predictive HVAC load control in buildings using realtime electricity pricing[M].Boston:Dissertations&Theses-Gradworks，2013.

[13]AlHadban，Yehya.Demand-side management in office buildings in Kuwait through an ice-storage assisted HVAC system with modelpredictive control[D].Carlifornia:Cranfield University，2005.

[14]張少敏，孫婕，王保義.基于Storm的智能電網廣域測量系統數據實時加密[J].電力系統自動化，2016，40（21）:123-127.

[15]周晟，趙君翊，葛元鵬.主被動防御結合的智能電網信息安全防護體系[J].電子科技，2015，28（6）:213-215.

[16]齊仁龍，朱小會，張慶輝.光伏發電系統暫態特性仿真[J].沈陽工業大學學報，2017，39（2）:121-126.