基于區塊鏈的未來配電網優化模型

袁敬中 ,傅守強 ,陳翔宇 ,趙福旺

(1.國網冀北電力有限公司經濟技術研究院,北京 100038;2.唐山電力勘察設計院有限公司,河北 唐山 063004)

隨著可再生能源滲透率水平的提高,占據工業主導地位的安全電力比以往任何時候都更加重要[1]。可再生能源的出力受外部場景影響較大,帶來的波動性和不確定性可能導致的配電網絡系統安全問題不可忽略[2]。同時,配電網的能源結構由于分布式電源的接入而變得越發復雜[3]。因此,如何建立有效的適用于未來配電網發展的優化模型已成為業界關注的一個焦點[4]。

現階段,集中式配電網優化模型的實施效率較低,節點間信息傳輸的安全性較低[5],由此導致配電網的優化進程減慢,不符合未來配電網的發展趨勢[6]。區塊鏈是一種融合多種技術的分布式數據庫[7],數據信息在網絡中全權公開,而數據的保存只由管理者負責[8]。因此,區塊鏈的特性主要表現為公開透明、去中心化以及不可篡改性,這與未來配電網的智能發展需求完美契合。區塊鏈技術為解決配電網優化運行領域的問題提供了新的研究方向。

目前,區塊鏈技術已被引入到配電網的相關研究領域中。Gong等[9]針對可再生能源帶來的波動性等問題,提出將區塊鏈技術集成應用在輸配電網絡中的能源路由器上,使得可再生能源的滲透率大大提高。Hayes等[10]提出了一種配電網絡和本地點對點能源交易平臺的聯合仿真方法,并用典型的歐洲郊區配電網絡的案例研究演示了所提出的聯合仿真方法,由此證明了這種方法可用于分析點對點能源交易對網絡運行性能的影響。Shah等[11]提出了基于分布式共識的乘法器交替方向的(DCADMM)優化算法,將優化問題分解為具有私有成本函數和約束的子問題,使得求解過程的尋優性能大大提高。李軍等[12]提出了一種基于區塊鏈的配電網系統自動化感應和問題優化方案,可使配電網系統在信號不足的情況下能有效提高運行水平。龔鋼軍等[13]將綜合能源服務系統與區塊鏈技術相融合,使得綜合能源與區塊鏈間的可適度大大提高。胡偉等[14]針對傳統電力調度中的問題,在區塊鏈理念下設計了電力能源供需網調度優化模型,以此提高電力系統的安全可靠性。上述文獻對未來配電網的發展具有積極作用,也為進一步優化能源服務場景提供了參考和借鑒。但在現有研究中尚缺乏區塊鏈與未來配電網優化模型設計相融合的內容,配電網相關優化模型的實施和求解效率較低。這些不足形成了未來配電網智能化發展的阻力。

基于上述分析,本文提出基于區塊鏈的未來配電網優化模型。首先,借鑒區塊鏈的去中心化以及安全透明等特性,構建了基于區塊鏈的配電網架構;然后,考慮到可再生能源給配電網造成的波動性等問題,結合多場景分析法,建立考慮經濟性和穩定性的未來配電網優化模型;最后,提出改進的蟻群進化算法以及分布式計算流程,完成了基于區塊鏈的優化模型計算,以保障配電網優化模型的求解效率及準確性。

1 區塊鏈與未來配電網

1.1 區塊鏈與未來配電網優化運行的契合度分析

在現實情況下,配電網存在的問題是顯而易見的,如信息溝通不及時、信息傳遞時間長以及調度模型求解慢等。此外,配電網內部節點多所帶來的維護困難也無法有效保障配電網的安全。

從細節上看,典型的配電網內部節點間信息的傳遞模式為就近傳遞,即系統中的節點只限于和相鄰節點傳遞信息[15]。處于下游位置的節點,需要先將自身潮流信息傳遞給“中間商節點”,之后由“中間商節點”傳遞給中心機構接收。中心機構根據相關數據計算出最優的調度指令后,再經過相同路徑的反方向傳播,完成對下游節點調度指令的分配[16-17]。由此可見,這種信息傳遞方式存在一定的節點故障隱患,一旦某一節點發生通信故障,其下游節點都無法接收調度指令,因而造成配電網優化規劃目標的達成效率大大降低。

因此,為了解決上述問題,本文借鑒區塊鏈的去中心化以及可追溯等特性,提出基于區塊鏈的配電網優化規劃運行模型。該模型引入區塊鏈后與傳統的配電網模型相比具有兩點優勢:①智能合約可自動執行。為配電網的電源節點(如分布式電源、常規電源節點等)配置擁有計算、通信以及測量等功能的智能單元,由此完成區塊鏈系統的構建。通信模塊的作用是在分散部署的計算節點之間建立關聯關系,根據需求配置相關的智能合約,在智能合約的執行系統下,多種功能將被封裝在節點上,觸發條件滿足時即可執行相應的功能。②數據備份與可靠性有保障。由于區塊鏈上的數據對于所有節點都是可見的,所以系統中的節點都具備通信能力。因此,所有節點都擁有全部數據的權力,從而解決了單點故障問題。當某一節點出現故障時,區塊鏈系統可從正常節點內的備件將數據回復,從而促使配電網運行效率及調度可靠性的提升。

1.2 基于區塊鏈的配電網架構

由于可再生分布式能源的大規模加入,傳統的配電網已經不能滿足可再生能源高滲透率的需求,需要向綜合能源配電網方向轉變。為此,本文構建了基于可再生能源高滲透率的配電網架構,如圖1所示。在配電網側接入冷熱電聯產系統(Combined Cooling Heating and Power,CCHP)和電制冷裝置(Air Conditioning,AC),在天然氣管網末端接入CCHP機組和燃氣熱水鍋爐(Gas Fired Hot Water Boiler,GHB),以此向用戶提供具有安全、經濟和高效的電能、熱能及冷能。

圖1 基于區塊鏈的配電網運行架構

本文所提出的配電網架構的特點是將區塊鏈中的公有鏈和私有鏈特性引入到配電網系統中,目的是提高系統優化規劃求解的效率。公有鏈的特性主要表現為系統內部的所有誠信節點都有參與基于Po W 共識機制[18]計算以及驗證規劃模型的機會,而私有鏈的特性表現為只有調控中心節點才有發布算例任務的權利,其他節點不可隨意篡改區塊上的信息,只有調控中心節點可以發布相應算力和激勵。節點在對規劃模型實施計算或者驗證后都會獲得相應的獎勵。

區塊鏈中一個非常重要的環節就是共識。從社會治理角度講,共識決定了區塊鏈社會中的經濟形態,解決的是為什么參與以及能得到什么利益的問題。從技術上講,共識的目的是促使交易達成一致。PoW(Proof of Work)意為共識機制(即工作量證明機制),通過運算生成滿足規則的隨機數,從而獲得本次記賬權,發出需要記錄的數據,并通過網絡中其他節點的驗證后一并儲存。

2 基于多場景分析的未來配電網優化模型

2.1 多場景分析

多場景分析的目的是選取簡單、高效且具有確定性的場景,以便有效減少復雜公式的建模分析,降低模型的求解時間,提高求解效率[19]。

對于多場景有多種分析方法。例如,以四季作為分辨依據的時序劃分法,該方法根據分布式電源的出力隨季節變化的特性以提高劃分結果的可靠性,但其對場景的處理不甚理想,較為粗糙,誤差大;還有以決策變量與理想變量之間的插值效果為依據的場景分析法,該方法假設決策變量的誤差服從一定的概率分布,并由此生成大規模隨機數而確定場景的誤差區間,根據隨機數的發生概率計算場景概率,以此考察場景的決策效果。

基于上述分析方法的特點,本文將兩種方法進行結合,用場景分析法彌補時序劃分法的粗糙性,用時序劃分法增強隨機變量的季節特性。在此將這種方法稱之為多場景分析法,并將其運用于配電網的優化規劃當中。多場景分析法的主要特性體現在如下幾個方面:

(1) 分布式電源出力時序性。風、光及各類負荷在不同季節下的變化曲線表示出風電、光伏的出力值及各類負荷的需求值與季節具有很大的相關性,由此提供了春夏秋冬四季場景時序劃分的依據。

①風電出力時序性。天氣、地理位置以及季節等因素都會對風速產生影響,因此,風電的有功出力會隨著風速的變化而變化。通常四季風速的變化是有規律的,例如冬季風速均值最大而夏季較小,風速高值區一般在10～18時之間等。風速的規律在一定程度上揭示了風力發電機出力的規律,因此,風機發電機的出力與季節有很大的相關性。

②光伏出力時序性。白天的光照強度具有極大的不確定性,輻射大小隨天氣變動較大,因此,光伏出力具有時間不連續性和場景不確定性。一般情況下,夏季的光照強度大于冬季的光照強度。

(2)風光時序互補。圖2和圖3分別所示為夏季和冬季的風、光出力情形對比。在夏季光伏出力大于風電出力,而兩者在冬季的出力性質相反。

圖2 夏季風光出力對比

圖3 冬季風光出力對比

上述場景凸顯了分布式電源出力時序的重要性,因此,必須在充分考慮時序性的前提下,利用規劃模型的求解結果,合理兼顧風電和光伏發電的特點與區別,以實現最大程度的資源節約。

2.2 多場景下配電網優化模型

在滿足經濟獲益最高的前提下,需要全方面考慮待規劃設備的擴充容量,旨在促使用戶側的用能成本最小,進而實現用戶側購電效益最大化。

本文所構建模型的約束條件表現在如下5 個方面。

約束1CCHP機組建模。

(1)CCHP機組規劃容量的上、下限,即

(2)CCHP機組用氣量限制,即

式中,V c,t,s為CCHP消耗的天然氣。

約束2燃氣熱水鍋爐建模。

GHB作為CCHP 機組供熱的補充設備,通過燃燒天然氣供應熱能。

(1) 燃氣熱水鍋爐規劃容量的上、下限,即

(2) 燃氣熱水鍋爐用氣量的上、下限,即

式中,V g,t,s為燃氣熱水鍋爐g在場景s下時刻t燃氣熱水鍋爐節點集合。

約束3電制冷(AC)裝置建模。

AC是通過電能制冷的裝置,是CCHP 機組制冷的一種補充裝備。

(1)AC裝置規劃容量的上、下限,即

(2)AC裝置用電量的上、下限,即

式中,P k,t,s為電制冷裝置k在場景s下時刻t消耗的有功功率。

約束4分布式電源模型。

式中:VPW為含DG時系統年電壓指標;VPWO為不含DG時系統年電壓指標。

約束5配電網模型。

配電網的規劃內容與相關電站容量的擴充相關。由于分布式可再生能源的隨機性較大,使得電網內部能源不再是單相傳輸的方式。因此,本文基于Distflow 模型建立配電網約束模型,使得配電網內部分無功功率供給得到極大的滿足。

(1) 變電站規劃容量上、下限,即

(2) 變電站有功功率上、下限,即

(3) 變電站無功功率限制,即

在上述約束條件基礎上,本文設定的基于多場景分析的經濟性目標函數如下所述。

經濟效益最大化是配電網規劃所要遵循的基本目標。針對配電網規劃模型的設計,選用全壽命周期的年均成本現值表示經濟性,同時建立了最小化的全壽命周期的年均成本現值表示目標函數。

全壽命周期成本是指整個運作期內產品消耗的總成本,為了突出配電網規劃的經濟性,以年壽命周期成本(即平均分布在年內的全壽命周期成本)為代表,對全壽命周期成本進行了簡化,數值上等于風電光等分布式電源、CCHP機組、GHB 和AC設備投入后全壽命周期內年均投資費用的現值,目標函數如下式所示:

式中:Cp為年壽命周期成本;Cg為設備的初期投資成本;r0為折現率;n為經濟使用年限;Cm為設備年運行費用;Co為年直接停電損失費用。設備的初期投資費用如下式所示:

3 基于區塊鏈的優化模型求解

在基于區塊鏈的配電網絡背景下,蟻群算法(Ant Colony Optimization,ACO)又稱螞蟻算法,更能突顯它的特殊價值。蟻群算法是一種模擬進化的智能算法,其思路來源于螞蟻尋找食物的行為。每只螞蟻在尋找食物的過程中都會釋放一些信息素,路徑越短,揮發掉的信息素數量越少,其剩余的濃度就相對較高,從而其他螞蟻被吸引的概率就越高。因此,隨著時間的流逝,信息素濃度最高的路徑將成為最優結果[20]。

由此原理可知,區塊鏈與蟻群算法都具有去中心化的相同特性。因此,本文采用改進的蟻群算法(Improved Ant Colony Optimization Algorithm,IACO)求解上述優化模型。改進算法中,將揮發因子改成動態的自適應變化值,并對信息素進行了改進,以提高算法的全局搜索能力。算法中,信息素對應于啟發因子。

從計算機工程的角度看,通常采用的是一個主機帶動多個終端的集中式算法,在主機上進行全部的運算而終端不具備數據處理能力。相對的,分布式算法則是當前智能算法采用的主流技術,它是由集群或多層客戶機與服務器為運行機制的一種運算技術。顯然,集中式算法耗時耗力,為此,本文選取了基于PoW 共識機制的分布式算法以提高求解效率。具體的算法流程如圖4所示。

圖4 分布式計算算法流程

4 算例分析

4.1 算例設計

為驗證本文所述優化模型的優越性與適用性,本節在IEEE33節點的配電網系統下構建綜合能源系統(見圖5),模擬配網環境進行算例分析。該配網中共包括37條支路,1個電源網絡首端基準電壓12.66 k V,同時,各節點的負荷類型如下:節點1～10均為商業負荷,11～25均為居民負荷,26～33均為工業負荷。該配網參數如表1所示。

表1 IEEE-33節點配電系統參數

這里比較詳細地列舉了配網環境相關系統參數,主要目的是突顯優化模型計算中的區塊鏈技術特性。

圖5表示該配網綜合能源系統中位于節點10和節點28處各有一個分布式光伏電站。并且,本文選擇對風電和光伏發電電源進行規劃,在此基礎上,依據當前所研究場景的所需負荷量,設立4個節點,在這4個節點中安裝風電(f)或光伏(g)設備。

圖5 綜合能源系統下修改的33節點配電網

4.2 結果分析

4.2.1ACO 與IACO 算法對比分析 本文分別采用IACO 與ACO 算法對分布式電源規劃進行了計算,結果如圖6所示。圖6中,深色線和淺色線分別為采用IACO 和ACO 算法的尋優收斂曲線。對比可知,IACO 算法的收斂速度明顯快于ACO 算法,結果表明,IACO 算法具有顯著的優越性。

圖6 DG 規劃中IACO 和ACO 尋優對比

4.2.2基于IACO 算法的結果分析 上節證實了IACO 算法優于ACO 算法。據此,本節基于年均投資費用現值以及電壓分布改善率兩個指標,分別在考慮場景分析和不考慮場景分析兩種模式下,采用IACO 算法進行了多目標仿真尋優運算,結果如圖7所示。

圖7 兩種模式下的Pareto前沿

由圖7可見,加入場景分析后的規劃結果更具有優越性。這是由于考慮出力波動性的影響,合理設定了風電以及光伏發電的比例,使得負荷曲線與出力曲線實現最大程度的互補,進一步說明了場景分析對于模型規劃求解的必要性,計算結果列于表2。

表2 基于場景分析的部分Pareto最優解

由表2可以明顯看出,風機占比越大,目標值Cp越小,主要原因是風電機組造價較低;相反地,光伏機組的造價較高,對應的目標值也較大。雖然風電機組占比越高、投資成本越低,但其出力的穩定性卻低于光伏發電的穩定性。因此,決策時不僅需要考慮經濟指標,還應合理設置風電與光伏發電的比例,追求更好的能源出力效用。

5 結語

配電網優化是一個涉及發電方式、機組配置、環境約束和經濟優化的復雜問題。為了更好地解決配電網優化效果欠佳、優化模型求解效率低下等問題,本文提出了基于區塊鏈的未來配電網優化模型。通過區塊鏈技術的引入,進行了一種適應未來發展需求的配電網架構設計。同時,針對未來配電網可再生能源滲透率不斷提高所帶來的不確定性等問題,利用多場景分析法,把風電和光伏的時序互補性考慮到優化模型中,進而可以提高多場景分析下的配電網優化模型的可行性。在實踐方面,把分布式計算算法與Po W 共識機制進行結合,可以達到每個節點公平競爭運算任務的目的,以確保配電網優化模型的求解效率與求解質量。