基于分布式控制模型的自動化系統多時間尺度優化調度

李愛超，王 霞，張 景

（河北科技學院 智能制造工程學院，保定 071000）

0 引言

由于各地電力需求的增長，現有的電力線路容量有限，難以完全供給城市內所有的電力需求。且由于家用電器、電動汽車等電子產品數量的增加，直流電負荷不斷地增加帶來了大量的電力損耗成本。另外，現有的可再生能源大量接入配電網，其供電效應的不確定性對電力調度自動化系統造成了巨大的壓力。傳統的電力調度自動化系統已經難以規劃當前的電力網絡，電力調度與電力需求嚴重不符現象直接導致電能質量下降等問題[1]。在電網自動化調度系統面臨挑戰的同時，相關的研究人員正在研究解決問題的方法。其中，計及需求響應的多時間尺度優化調度方法可以較好地保證電力的有效調度?；谧赃m應步長ADMM的多時間尺度優化調度方法，建立了日間電力自動化調度的目標函數，并設置了約束條件。然而這些方法只能在整體電力調度過程中保證調度結果的準確性，在分布式的電力網絡中無法有效調度子系統的各項參數，同時也難以保證不同電力節點的任務分配均勻性。因此，本文基于分布式控制模型，設計了一個自動化系統多時間尺度優化調度方法，并通過實驗驗證了多種時間尺度下該調度方法的可行性與優越性。

1 基于分布式控制模型設計自動化系統多時間尺度優化調度方法

1.1 自動化系統負荷值預測

電力自動化調度系統的核心點就在于對多時間尺度負荷的預測，在日內實施調度計劃時，可以根據功率的變化，實時調整整個自動化系統的緊張狀態，并在后續的負荷反彈過程中直接控制負荷管理中心。假設自動化系統在某時間段內所需功率負荷的容量為，則該段負荷容量的實際負荷功率可以表示如式(1)所示。

式(3)中，π(h，d)表示目標h個目標d之間的距離函數；πi(h，d)表示第i個目標函數下二者的距離；表示該目標函數的最大值；表示該目標函數的最小值。由此可以在無窮大的邊界下定義擁擠距離的非邊界模型，為了避免預測模型因過早收斂得到局部最優的解，可以在目標重組的過程中設定各個元素的支配向量[2]。此時可以直接通過計算電力自動化系統負荷值中的期望系數，來計算每個目標的自適應參數在分類對抗的過程中，可以得到計算公式如式(4)所示。

式(4)中，hp表示電力自動化系統在時間p的預測負荷值；gj表示稀疏區域內的搜索最優解。通過式(4)，計算自動化系統內的預測負荷值，并據此設計調度優化方法。

1.2 設計基于分布式控制模型的優化調度方法

為解決不同信息在電力系統內的沖擊與擁塞現象，并保證分布式控制模型的調度完整性，需要對其進行優化調度，合理地提高網絡性能，同時建立相關的控制模型。通過多時間尺度標準，以自動化系統的動態實時特征為中心，基于實時調度確定系統運行的同步方案。在此基礎上，可以將分布式控制模型的調度層次大致地區分為任務分配和任務調度兩個等級，在任務分配時，需要嚴格規定所有任務節點的執行標準，在任務調度時，需要在執行之前準確判斷所有任務的執行方法[3]。任務分配時，應代入任務分配算法的規則，保證分配到的任務在節點能力范圍之內，不能分配超出節點能力范圍的任務。分布式任務調度的結構模型如圖1所示。

圖1 分配式調度控制模型結構示意圖

首先需要將電力調度任務導入到任務分配起中，在分配任務結構時，需要首先讀取所有原始任務集，并使用任務分配器將加權處理的隊列全部分配到各個節點中，此時每個節點的能力需要大于各節點分配的任務量。在分配任務的過程中，主要通過任務調度算法自外向內輸入，每一個任務分配器都由i個隊列組成，其可以表示為(h1，h2，L，hi)。任務自分配器進入節點后，需要通過權值屬性的高低計算個節點的能力大小，并以此處理隊列任務的分配工作。此時，需要保證在多時間尺度內建立一個滾動的功率平衡，該平衡的表達式如式(5)所示。

式(5)中，tq表示日前階段的電力分配任務；th表示在日中各階段中的電力分配情況；Pi，h1表示在日間某個階段節點i的輸出功率；表示w時刻電能輸入的平均值；Fd表示系統在第d次修正時的預測值。如此，在多時間尺度的優化調度過程中，各節點就會有一種相互獨立的趨勢，即節點能力大小不一，且每一個節點的能力都會在任務管理器中明確地表示出來[4]。調度算法分配了每一個節點在每一個階段的任務，只有完成任務才能夠在CPU中獲取相對應的執行權限。如果根據貧富相對平均的原則，可以將權值相對較小的任務隊列分配到權值屬性相對較高的節點中，保證高權值的節點在相對條件下自動減少自身權值屬性，從而達到負載平衡。

1.3 建立電力自動化系統調度優化函數模型

1.3.1 目標函數

在自動化電力調度系統中，日間優化模型是一種隨機的變量，不僅需要考慮用電單位的用電量，還需要結合多種目標函數值，對其進行約束分析。假設用電單位的用電量在概率空間中是一種隨機的模糊變量，則該模型可以滿足：

式(6)中，?(f)表示任意隨機變量f的可測函數，所有的f均屬于概率空間的參數；u(f)表示模糊變量的不確定性優化系數；pi表示一個機會測度的約束值。在該模糊隨機變量的模型中，想要解決用電量的不確定性，可以得到一個隨機機會的約束目標函數如式(7)所示。

式(8)中，pt表示電力運行負荷的預測值；Ha表示電能在發電設施內部損耗的日間運行負荷；Hb表示在電網中損耗的負荷指標；Hc表示在供電過程中損耗的負荷指標；Hu表示負荷平移指標；hg表示g個子系統的負荷功率。通過式(8)，可以建立一個自動化電力調度系統的日間預測函數。

1.3.2 約束條件

在當前的優化調度目標函數中，還需要設置大量的約束條件，以保證其在各個電力子系統中運行的穩定性。因此該目標函數需要在電能子系統的平移負荷中設置約束條件，在功率平衡中設置約束條件，并在電壓平衡中設置約束條件。在平移負荷的約束中，可以在某個時間段內將電能子系統的最大供電效應作為負荷的最大值，如式(9)所示。

式(9)中，Pi(t)表示t時刻時i個子系統的供電能力；Pi，max表示i個子系統在所有時間刻度上最大供電負荷指標?？梢砸源私⒉煌瑫r段的網損功率，其計算公式如式(10)所示。

式(10)中，Klo(t)表示t時刻內能源系統功率平衡的約束式；K2h(t)和G2h(t)分別表示t時段內電力子系統h的有功功率與無功功率；U2h(t)表示電力自動化調度系統的電壓水平[5]。結合以上公式，在配電網的自動化調度系統中保證各個負荷節點的電壓值，并滿足所有支路電路的電壓需求，可以得到約束表達式如式(11)所示。

式(11)中，Umin和Umax分別表示該時段內電壓波動的最小值和最大值；Ui(t)表示t時刻 i 節點電壓的負荷值。在以上公式下，可以將當前的自動化電力調度系統日間優化模型轉化為非線性的優化模型，依據此時的函數模型，可以直接實現自動化系統多時間尺度的優化調度。

2 實驗設計

文中設計了一種基于分布式控制模型的自動化系統多時間尺度優化調度方法，為證明該調度方法在保證電力自動化系統穩定性的情況下，所需調整容量更少，其調度方法最佳，將其與已有的計及需求側響應的調度方法、基于自適應步長的調度優化方法進行對比，通過調度出力調整值判斷三種方法的優劣。

2.1 電力自動化調度系統預測

在該系統框架中，以電能母線作為所有電力能量的匯集點，連接若干個電力子系統，將儲能系統作為調度的能源支撐點，通過分布式控制模型實現各子系統之間的供能與用能互補。在實驗中，采用某城市的實地電力數據，在此基礎上等比例縮小，并將經典的10機系統以及1個電網系統組成該測試算例。通常情況下，進行預測的時間間隔越短，則電力自動化系統預測到結果越準確，在該預測結果下得到的調度方法就越好。在多時間尺度的協調優化調度下，可以將整個時間系統分為三類，分別是日內12h調度、日內1h調度、日內15min調度、日內1min調度。分別將三類時間系統劃分為100個時段，可以得到不同時間尺度下電力自動化調度系統的電能出力預測曲線以及實測值如圖2所示。

圖2 電能處理功率預測值及實測值

在圖2中，日內1min的電力自動化系統出力功率預測值最接近出力功率的實測值，其預測偏差約為3.74%，日內15min、日內1h、日內12h三類時間尺度的電力自動化調度系統出力功率的預測值相對實測值的預測偏差分別為6.74%、10.56%、12.37%。由此可見，在不同時間尺度的對比中，時間源越短，預測值越接近實測值。由于不同時間尺度的預測精度相差較大，其所得到的調整值也必然有很大的差距，因此在調整電力自動化系統調度方案的過程中，應將不同的時間源分別計算。

2.2 系統優化調度調整值對比

通過系統優化調度調整值的計算，可以判斷不同算法的調度優化程度，進而得到三種方法的對比結果。系統優化調度調整值計算公式如式(12)所示。

式(12)中，Wf表示不同時間尺度下系統優化調度的調整值；ηi，m表示單位系統的出力調整功率，其中i表示電力機組的序號，m表示調整值的偏差系數；ΔPh表示機組滿負荷運行時最后一次滾動調整的出力值；PL，t表示t時刻第L個負荷尺度的短期預測偏差?；谑?12)可以分別計算四種不同時間尺度下三種優化調度方法的調整值，并得到數據結果如圖3所示。

圖3 系統優化調度調整值

根據圖3中的數據可知，在日內12h調度中，分布式控制模型的計劃調整平均值為4.76MW，計及需求側響應方法以及基于自適應步長的調度方法調整平均值為10.35MW和12.11MW。日內1h調度中，三種調度優化方法的計劃平均調整量分別為3.06MW、8.02MW和7.19MW。日內15min的調度過程中，計劃調整的平均值為2.54MW、6.22MW、4.69MW。日內1min的調整平均值為1.77MW、3.84MW、3.79MW。在以上數據中，時間尺度間隔越長，系統優化調度調整值就越高。且基于分布式控制模型的優化調度方法明顯優于計及需求側響應的優化調度方法和基于自適應步長的優化調度方法。

3 結語

基于分布式控制模型的自動化系統多時間尺度優化調度方法，不但優化了負荷值的預測算法，還同步控制各目標在不同節點中的調度結果，并據此設置目標函數與約束條件。最后設計對比實驗，驗證了該優化調度方法的優越性，其調整值在不同的時間尺度下均小于其他對比方法。通過該調度優化方法，可以更好地完善電力自動化系統的調度機制，對實現逐級消除電力自動化系統的功率偏差、提高電能質量以及完善安全運行機制均具備極大的促進作用。在保證了電力自動化系統運行的穩定性之后，便可以在保持經濟穩定運行的同時，使優化調度方法更貼合實際，保證調度方法對每一個不同場景的適應性。