基于信息熵理論的配電網多目標負荷調度模型設計

林桂輝，吳偉，徐春華，麥家怡，姚芳，劉溪橋

（廣東電網有限責任公司珠海供電局，廣東珠海 519000）

隨著新能源的開發與用戶用電能力的提升，當前電力行業正經歷一場巨大變革。原本的電力工業只要求穩定、持續的供電，但是在能源轉換之后，開始向著擁有更高的能量利用率、更高的經濟效益并能夠繼續穩定電能供應的角度轉變。在這樣的背景下，對于配電網的電力調度就成為了熱點話題。文獻[1]通過詳細控制電網的運行狀態控制電網負荷調度，并基于此建立調度模型。文獻[2]利用各種電子元件實時采集電網的運行狀態信息，并在一定的計算之后得到電網參數，進而實現對電網負荷調度模型的實際控制策略。文獻[3]根據上一個時間段內電網的用電情況判斷其接下來一段時間內的用電需求，進而進行電網調度。以上三種常規的電網多目標負荷調度均無法準確預測用戶的實際需求，從而導致對一片區域內電網的電力需求預測出現誤差，進而形成電力資源的浪費。

為了避免該問題，基于信息熵理論設計了配電網多目標負荷調度模型，從而得到用戶在下一段時間內用電能力的不確定性度量，進而根據該度量數值建立配電網電力負荷的數學模型并設計電力調度模型。

1 配電網多目標負荷調度模型

1.1 計算配電網多目標負荷信息熵指數

信息熵理論最早應用于通信系統的研究中，其核心在于使用定量的方式度量某事件或某條信息不確定性的程度[4]。在配電網負荷調度模型的設計中，對于用電客戶的用電量以及用電時間是完全隨機的，因此想要精準地預測用戶用電數值，就需要使用信息熵理論對其進行計算。設某隨機事件N發展之后的結果有n種，其結果分別為x1,x2,x3,…,xn,可通過概率計算公式得到該隨機事件的分布列P(N=Xi)=pi，此時的信息熵可以表示為：

式中，pi表示隨機事件N發生后的第i個可能性發生的概率；n表示隨機事件N所有可能性的個數。通過式（1）可知，當pi越大時U(N)就會越小，也就是說，如果一個事件中所蘊含的信息量相對較少，則該事件的不確定性也就會越小[5]。與之相反的，當一個事件相對較為復雜時，該事件的不確定性就會大大增加。所有信息熵均滿足U(N)≥0，則當事件A與事件B相互獨立時，這兩個事件累加信息熵的表達式可以表示為：

式中，U(A)表示事A的信息熵；U(B)表示事件B的信息熵；U(A,B)表示兩個相互獨立事件A與B的累加信息熵。通過式（3）可以得到兩個相互獨立事件A與B累加信息熵指數的計算結果。

式中，ai表示事件A的第i個結果，bi表示事件B的第i個結果；p(ai|bi)表示兩個相互獨立的事件A與B的 聯合概 率[6]。

1.2 構建配電網多目標負荷數學模型

想要以節約資源為根本目標，改善配電網的電力調度質量，需科學地構建配電網多目標數學模型[7]。該文將信息熵理論加入到配電網多目標負荷數學模型中，根據上節計算出的配電網多目標負荷信息熵指數，獲取具體的目標函數如下所示：

式中，t表示數學模型中得到優化的時段數；α表示配電網多目標負荷調度的信息熵指數；a表示事件A的第一種可能，b表示事件B的第二種可能；U(A)和U(B)則分別表示事件A與事件B的信息熵；Pa(t)表示在t時段事件A的第a種可能發生的概率；Pb(t)表示在t時段事件B的第b種可能發生的概率。當該公式取最小值時，可以通過數學模型中分布式電源的功率差異計算得到不同目標狀態下各配電局域網絡的出力最小功率[8-10]。在上述目標函數中，還需要一定的約束條件作為平衡運算效率的表達式，因此可以得到功率平衡約束的計算公式如下：

式中，Pt表示t時段時配電網中的有功功率；Pui表示t時段時配電網中分布式電源的有功輸出[11]；Pci表示t時段時配電網中的儲能功率；Ppi表示t時段時配電網中的有功負荷功率；Qt表示t時段時配電網中的無功功率；Qui表示t時段時配電網中分布式電源的無功輸出；Qci表示t時段時配電網中的靜止補償器的無功輸出功率；Qpi表示t時段時配電網中的無功負荷功率[12-13]。

1.3 設計配電網多目標負荷調度模型

在上文基礎上建立配電網多目標負荷調度模型，如圖1 所示。

圖1 配電網多目標負荷調度模型框架

如圖1 所示，在配電網多目標負荷調度模型中，想要優化預測結果，就需要著重注意風力發電以及光伏發電，將風力發電和光伏發電的不確定性引入信息熵理論，就能夠以最小的能耗誤差代入計算模型[14-15]。將預測結果分為有儲能與無儲能兩個方向，一般而言，無儲能前提下的電力負荷會更加緊湊，而有儲能的負荷調度模型容錯率更高[16]。該文設計的配電網多目標負荷調度模型可以適用于任意配電網，只需要調整有功與無功的資源區間，并將時間節點控制在可控的自治區域內，就可以實現配電網多目標負荷調度模型的設計。

2 仿真實驗

2.1 實驗準備

為驗證上文中提出的基于信息熵理論的配電網多目標負荷調度模型在實際應用中的可行性，以及其對比三種常規模型是否更具優越性，設計如下仿真實驗。使用計算機對配電網系統進行測試，在相關軟件中構造如圖2 所示的配電網節點模型。

圖2 配電網節點模型

為驗證該調度模型所需要消耗的能源小于常規的幾種模型，進行以下實驗操作。為提高實驗結果的準確性，反復操作三次，最后取實驗結果的平均值作為最終的實驗數據。

2.2 配電網調度模型測試

由于配電網多目標分配的特殊性，其在有儲能與無儲能的情況下具備相差較大的實驗數據，因此在實驗中分別對有儲能的情況與無儲能的情況進行討論。使用文中模型進行電力調度時得到的電力消耗情況如圖3 所示。

圖3 文中方法

如圖3 所示，有儲能的電力消耗小于無儲能，且隨著電力負荷的加大，配電網中消耗的電力也在逐漸增大。當電力負荷為2.6 MW 時，有儲能與無儲能所需要消耗的電力分別為4.8×104kW 與8.2×104kW。當電力負荷為5 MW 時，有儲能與無儲能所需要消耗的電力分別為18.4×104kW 與20×104kW。在這個過程中，有儲能與無儲能所需要的電力消耗數值在不斷接近，直至電力負荷達到5.0 MW 時相疊加。

如圖4 所示，有儲能與無儲能的配電網電力消耗隨著電力負荷的提高，增長幅度較為均勻。當電力負荷為2.6 MW 時，有儲能與無儲能的電力消耗分別為4.1×104kW 與6.2×104kW。當電力負荷為5.0 MW 時，有儲能與無儲能的電力消耗分別為25.4×104kW 與32.1×104kW。其增長幅度明顯大于文中設計的調度模型。由此可知，文中設計的調度模型在電力負荷相同時所需要消耗的電力小于文獻[1]方法，在一定程度上降低了能源消耗。

圖4 文獻[1]方法

如圖5 所示，有儲能與無儲能的配電網電力消耗隨著電力負荷的提高，且有儲能的增長幅度小于無儲能。當電力負荷為2.6 MW 時，有儲能與無儲能的電力消耗分別為4.5×104kW 與6.8×104kW。當電力負荷為5 MW 時，有儲能與無儲能的電力消耗分別為19.6×104kW 與33.4×104kW，其增長幅度明顯大于文中設計的調度模型。由此可知，文中設計的調度模型在電力負荷相同時所需要消耗的電力小于文獻[2]方法，在一定程度上降低了能源消耗。

圖5 文獻[2]方法

如圖6 所示，有儲能與無儲能的配電網電力消耗隨著電力負荷的提高，且二者的增長幅度較為平均。當電力負荷為2.6 MW 時，有儲能與無儲能的電力消耗分別為4.7×104kW 與13.9×104kW。當電力負荷為5.0 MW 時，有儲能與無儲能的電力消耗分別為21.4×104kW 與30.9×104kW。其增長幅度明顯大于文中設計的調度模型。

圖6 文獻[3]方法

由此可知，文中設計的調度模型在電力負荷相同時所需要消耗的電力小于文獻[3]方法，在一定程度上降低了能源消耗。根據圖4-6 可知，當電力負荷為5 MW 時，文中設計的配電網調度模型在有儲能時需要消耗的電能較常規的三種電力調度模型分別小約7×104kW、1.2×104kW、3×104kW，在無儲能時所需要消耗的電能較常規的三種電力調度模型分別小約12.1×104kW、13.4×104kW、10.9×104kW。根據數據可知文中設計的配電網多目標負荷調度模型確實能夠減少電能的浪費，提高能源利用率。

3 結束語

該文配電網多目標負荷調度模型的設計宗旨在于對客戶用電能力的預測，設計并建立該負荷調度預測模型。根據實驗可知該模型能夠減少配電網電力調度誤差，減少能源損耗，從而形成相對準確的調度程序，相對于常規的三種調度模型在調度的準確性方面更具優勢。