面向現代工業園區 “源-荷”互動調度策略的研究

李愷， 譚海波， 郭光， 彭瀟， 談叢

(1.國網湖南省電力有限公司供電服務中心，長沙410004；2.智能電氣量測與應用技術湖南省重點實驗室，長沙410004)

0 引言

2019年4月18日,國家能源局印發 《能源標準化管理辦法》,規定了工業能耗標準化建設要求。如何提高能耗水平和優化能源供給模式成為了現代工業用戶面臨的重要議題。在該形勢下,傳統工業園區電力供應調度模式已逐漸落后,無法滿足現代工業園區能力需求[1-3]。

近年來,隨著物聯網、人工智能等信息技術的快速發展及其在生產生活中的運用,國內外應用新技術創新調度模式,提升工業園區能源利用效率和清潔能源消納水平,已成為研究熱點。文獻 [4]建立以運行成本最小、電網運行損耗最低為目標的優化調度策略模型,仿真結果證明,考慮目標優化的調度方法能夠有效降低系統運行成本和線路網損,提高新能源消納水平。文獻 [5]利用AGC機組超短期負荷預測功能對電網負荷趨勢進行超前分配、超短期負荷預測,達到提高電網穩定運行的目的。文獻 [6]綜合考慮供電企業、電力用戶,建立了多目標、變時段尖峰平谷電價最優模型,降低電費費率。文獻 [7]建立了考慮電價響應和用戶滿意度的含風電電力系統的優化調度模型,該模型對負荷側和發電側共同協調優化控制,降低了系統運行費用和機組的啟停費用。文獻 [8]結合可信性和模糊機會規劃約束理論,搭建動態經濟調度的模糊機會約束調度模型。

以上文獻研究均為只單獨考慮電力供應側或用戶側的調度模型,不是多主體參與的優化調度模型。為進一步優化模型,文獻 [9]提出了一種將能源供應和工業生產動態耦合的調度模型,并在蓄電池生產廠綜合運用,降低了工業生產用能成本。文獻 [10]開展了能源供應與多參與主體的工業園區互動機制的研究,對削峰填谷、緩解電力供應不足有一定的效果。

基于現代工業園區能耗需求大、區域集中、用能計劃明顯、時段互補、多能互補協調運行等特點[11-15],本文研究面向現代工業園區的 “源—荷”互動調度的機制,提出了三種目標優化策略,提高現代工業園區供電能力、降低用戶電費成本、提升配電變壓器載荷率、降低變壓器供電峰谷差。

1 最優調度策略模型介紹

依據工業園區當前存在的供電問題和用電需求,建立三種調度模型,分別是電費最優型模型、電網友好型模型、生產強化型模型。

1.1 電費最優型模型

電費最優型模型以工業園區用戶電費最低為目標,園區一天的總電費為園區所有用電負載用電量與電費費率的乘積之和,設計電費模型如下:

式中,Vmn為n時段內m號負載產生的電費,an為n時段費率,Wmn為n時段內m號負載產生的電量。

電費最優策略下,要求對各種組合的Wmn,

1.2 電網友好型模型

電網友好型模型控制目標是園區用電負荷盡量均衡。總負荷＝園區用電負荷+風電負荷+光伏負荷+儲能系統負荷,所以,園區用電負荷＝總負荷-風電負荷-光伏負荷-儲能負荷。其中,風電負荷和光伏負荷可以根據天氣情況提前擬合進行預測,得到W風和W光,因此可以根據生產需求,大致估算出W總,并且由于儲能系統可以在適當范圍內進行調節,設計負荷模型:

式中,W園電iT為T時段內,園區用電負荷在某生產場景的用電負荷；W園電T為T時段內,園電負荷的總需求量；定義 s為園區市電負荷曲線的標準偏差。

電網友好型策略下,即求 s最小,約束條件為:

1.3 生產強化型模型

生產強化型策略是指模擬生產需求比較緊急的情況下,負荷在某個時間節點前之前需求很大,某節點之后需求大幅減少。所以根據產量要求來設計負荷模型:

生產強化型策略下,要求s最大,且滿足約束條件:

2 多目標優化模型及求解算法

2.1 多目標優化模型

多目標優化問題即要求各目標在限制區域內盡可能同時達到最優,一個具有m個最小化目標變量、p+q個約束條件、D個決策變量的多目標優化問題可以表述:

式中,目標函數F(x)定義了m個決策空間向目標空間映射函數,x為D維決策變量,gi≤0(i＝1,2, ···,p)和hj(x)＝0(j＝1,2, ···,q)為約束條件,xdmin和xdmax是決策向量的上下限。

多目標優化結果是最優解的集合,集合中的元素稱為Pareto最優解。

2.2 粒子群算法

粒子群算法 (PSO)是Kennedy和Eberhart受鳥群覓食活動規律啟發提出的仿生算法[16]。多目標粒子群算法 (MOPSO)通過結合Pareto排序機制,利用粒子間的支配關系尋找粒子歷史最優解。MOPSO采用高效的群集并行對劣解進行搜索尋優,并能實時調整搜索策略以加快搜索速度,因此算法魯棒性和全局收斂能力較好。

對于規模為N的粒子群,粒子位置向量xi、粒子i、速度向量vi算法分別表示為:

式中,D是決策變量個數,演變過程中粒子位置和速度更新方式:

式中,k為演變次數；ω≥0為慣性權重；r1,r2是(0,1)之間的隨機數；c1,c2≥0為加速系數；為粒子群中第k次演變的最優位置的d維分量,稱為G-best；p(idk)為第i個粒子在第k次演變時最優位置的第d維分量,稱為P-best。

2.3 求解步驟

本文考慮三種優化目標,分別是電價最優、生產強化、電網友好,約束條件包括供電能力、生產計劃、能效水平等。利用多目標的粒子群算法求解算法流程:

1)輸入目標函數,即公式 (1)、 (5)、 (12),并進行初始化；

2)初始化粒子群,對每一個粒子的速度和位置初始賦值以及初始化公式 (18)中學習因子、迭代次數等；

3)計算粒子適應度值,由三個目標函數決定；

4)比較粒子的適應度,根據支配關系更新粒子個體最優位置 (P-best),選取粒子全局最優解位置 (G-best)；

5)按照粒子速度和位置更新公式 (17)、(18)、 (19)；

6)判斷迭代次數是否達到設定的最大值,是則輸出Pareto最優解集,否則返回步驟 (3)繼續迭代；

7)在Pareto最優解集中篩選出于正負理想點相對最小的解,即為最優解,對應即為電價最優、生產強化、電網友好的最優調度策略。

求解具體流程圖如圖1所示。

圖1 粒子群算法求解步驟流程

3 系統設計

系統按三層架構設計,分就地控制層、區域控制層、全局優化層,基于物聯網技術,構建信息物理融合的電力優化調度系統,結構如圖2所示。

圖2 基于信息物理融合的園區供電系統

全局優化層屬于園區供用電調度策略決策中樞,其他層配合其采集整個網絡運行數據,通過全局優化算法對工業園區用電進行全局層次優化控制,實現電價最優、電網友好、生產強化三種調度策略的求解。區域控制層,通過協調控制器實現短時間尺度的區域功率和負荷統籌協調,并基于全局運行決策給出的優化目標及參考信息對所屬范圍內的儲能系統和用電負荷進行控制。就地控制層基于全局優化層給出的優化控制目標,執行全局優化層的控制策略,對園區供用電設備、儲能系統進行控制管理,實現電價最優、電網友好、生產強化三種調度策略的在配電網或用戶側的運用。

4 應用效果及分析

本文設計的現代工業園 “源—荷”互動調度策略在湖南省某省級智慧園區應用,通過建立的信息物理系統對園區各發電、用電設備數據進行搜集分析,得到在三種不同供電調度策略下以及多目標優化策略下的用電負荷和電費曲線,如圖3—6所示。

從圖3可知,在電價最優策略下,工業園區用電負荷在電費費率高的情況下負荷低,整體降低了園區用電電費,節約了園區用戶電費。由圖4可知,在電網友好策略調度下,以負荷波動性最低為目標,負荷波動減少。從圖5可知,在生產強化策略下,達到了在短時間內滿足用戶最大生產需求為目標,某個節點用電負荷大幅下降目標,滿足了大工業用戶某個階段用電需求的增長。由圖6可知,在多目標優化策略控制下,在供電能力、電價最優約束條件下,能輸出最優用電負荷曲線,這進一步證實了多目標控制策略的可行性。

圖3 電價最優策略下用電負荷曲線

圖4 電網友好策略下用電負荷曲線

圖5 生產強化策略下用電負荷曲線

圖6 生產強化策略下用電負荷曲線

5 結語

本文設計了基于信息物理融合的現代工業園區源荷互動調度信息物理系統,從電價最優、負荷波動最低、生產強化三個目標優化調度模式,提出了源荷互動調度的多目標調度策略。經實踐應用證明,在不改變供電能力的情況下,該調度策略可最大效率利用供電設備,提高園區配電設備負載率,有效提升工業園區用戶生產產值,優化能源結構。對解決現代園區供電能力不足、用電需求多樣等問題具有極高的參考價值,并具一定的經濟效益,可在全國先進的現代工業園區推廣應用。