基于新能源承載能力的配電網(wǎng)電采暖負(fù)荷動(dòng)態(tài)優(yōu)化調(diào)度策略研究

王歡，劉盛琳，馮忠楠，喻明明，李振嘉

（1.沈陽(yáng)工程學(xué)院 電力學(xué)院，遼寧 沈陽(yáng) 110136；2.國(guó)網(wǎng)遼陽(yáng)供電公司，遼寧 遼陽(yáng) 111000）

0 引言

加快推進(jìn)能源結(jié)構(gòu)轉(zhuǎn)型以及全社會(huì)電能替代是實(shí)現(xiàn)“碳達(dá)峰、碳中和”目標(biāo)的重要途徑[1]。在電源側(cè)，須要提高電網(wǎng)的新能源承載能力，提升電網(wǎng)新能源的滲透率。同時(shí)，國(guó)家提出電能替代供能戰(zhàn)略并積極開(kāi)展電采暖工程建設(shè)，使得電制熱技術(shù)被廣泛應(yīng)用，電采暖負(fù)荷增長(zhǎng)迅速，樓宇集中式供暖和用戶(hù)分散式供暖是目前電采暖供熱的主要方式[2]。充分利用電采暖負(fù)荷群的調(diào)節(jié)能力，提高電網(wǎng)新能源的應(yīng)用水平，可以帶來(lái)更高的社會(huì)效益和經(jīng)濟(jì)收益，具有重要的現(xiàn)實(shí)意義[3]。

相關(guān)文獻(xiàn)對(duì)分散式電采暖負(fù)荷群調(diào)節(jié)能力和調(diào)控模型進(jìn)行了深入研究。文獻(xiàn)[4，5]詳細(xì)分析了電采暖負(fù)荷，建立了等效熱參數(shù)模型。文獻(xiàn)[6]基于遺傳算法優(yōu)化模型，提出了自適應(yīng)修正模型。文獻(xiàn)[7]分析了北方不同地區(qū)的氣候特性，通過(guò)計(jì)及氣候特性建立了空調(diào)負(fù)荷聚合模型，并對(duì)其可調(diào)節(jié)潛力進(jìn)行了研究。

近年來(lái)，學(xué)者們廣泛研究了蓄熱式電采暖負(fù)荷優(yōu)化調(diào)控策略。文獻(xiàn)[8]以家庭采暖的經(jīng)濟(jì)性為目標(biāo)，提出了一種含有地源熱泵和空氣源熱泵的家庭電采暖負(fù)荷群調(diào)控策略，并采用混合整數(shù)線(xiàn)性規(guī)劃算法進(jìn)行優(yōu)化。文獻(xiàn)[9]同樣基于電采暖用戶(hù)的經(jīng)濟(jì)性，提出了一種考慮停電時(shí)段的蓄熱式電采暖日內(nèi)優(yōu)化控制方法，該方法能實(shí)現(xiàn)用戶(hù)最小的熱需求。文獻(xiàn)[10]從樓宇的經(jīng)濟(jì)運(yùn)行角度出發(fā)，充分考慮樓宇內(nèi)暖通空調(diào)設(shè)備的可調(diào)節(jié)性和樓宇配電系統(tǒng)的運(yùn)行特性，提出了樓宇電采暖系統(tǒng)經(jīng)濟(jì)管理策略。文獻(xiàn)[11]提出了一種異構(gòu)溫控負(fù)荷聯(lián)合調(diào)控策略，以聯(lián)合調(diào)控為主對(duì)建筑內(nèi)全部溫控負(fù)荷進(jìn)行次序調(diào)度，進(jìn)而提升建筑群體對(duì)各類(lèi)能源的消納能力。

上述文獻(xiàn)關(guān)于電采暖調(diào)控策略的研究更多地集中在用戶(hù)側(cè)，隨著電采暖負(fù)荷的增加，調(diào)控策略如何兼顧電采暖用戶(hù)和電網(wǎng)的運(yùn)行，是未來(lái)研究的主要方向。文獻(xiàn)[12]提出了一種空調(diào)負(fù)荷群的調(diào)度控制策略，解決了負(fù)荷曲線(xiàn)擾動(dòng)問(wèn)題，重點(diǎn)討論了空調(diào)負(fù)荷控制造成的空調(diào)負(fù)荷群多樣性缺失問(wèn)題以及負(fù)荷反高峰問(wèn)題。文獻(xiàn)[13]提出了一種分布式電采暖負(fù)荷參與電力系統(tǒng)的經(jīng)濟(jì)調(diào)度策略，基于多智能體技術(shù)，實(shí)現(xiàn)分布式電采暖負(fù)荷參與電力系統(tǒng)調(diào)度，綜合考慮了系統(tǒng)發(fā)電成本和電采暖負(fù)荷效益。

綜上所述，隨著配電網(wǎng)中新能源滲透率的增加，配電網(wǎng)等值負(fù)荷波動(dòng)性更大，蓄熱式電采暖具有一定的可調(diào)節(jié)性，具有參與配電網(wǎng)負(fù)荷調(diào)度的潛力。如何在配電網(wǎng)運(yùn)行中綜合考慮用戶(hù)的采暖需求和電網(wǎng)的負(fù)荷特性需求，還未見(jiàn)有文章進(jìn)行深入研究。本文提出一種考慮新能源承載能力的配電網(wǎng)電采暖負(fù)荷動(dòng)態(tài)優(yōu)化調(diào)度策略。首先，構(gòu)建了蓄熱式電采暖負(fù)荷的調(diào)控模型；然后，以配電網(wǎng)臺(tái)區(qū)新能源承載能力為目標(biāo)，以配電網(wǎng)負(fù)荷波動(dòng)平抑、配電網(wǎng)穩(wěn)態(tài)安全運(yùn)行和電采暖負(fù)荷用戶(hù)舒適性為約束，建立了配電網(wǎng)電采暖負(fù)荷動(dòng)態(tài)優(yōu)化調(diào)度模型，并提出基于量子遺傳算法的求解策略。采用拉丁超立方抽樣法生成典型應(yīng)用場(chǎng)景，進(jìn)行配電網(wǎng)新能源承載能力調(diào)度策略的適用性分析。算例結(jié)果表明，所提方法能夠充分考慮電采暖負(fù)荷的調(diào)控潛力，提高配電網(wǎng)新能源的應(yīng)用水平。

1 蓄熱式電采暖負(fù)荷工作原理與數(shù)學(xué)模型

1.1 蓄熱式電采暖設(shè)備工作原理

在典型的蓄熱式電采暖工作原理的基礎(chǔ)上，為了響應(yīng)用戶(hù)需求，蓄熱式電采暖采取了相應(yīng)的運(yùn)行策略：在用電谷段，直熱設(shè)備制熱，為用戶(hù)供暖，同時(shí)以預(yù)設(shè)功率制熱后存儲(chǔ)至蓄熱體；在用電峰段，由蓄熱體釋放熱量為用戶(hù)供暖，若蓄熱體儲(chǔ)熱無(wú)法維持室溫時(shí)開(kāi)啟直熱設(shè)備輔助供熱。

1.2 典型電熱耦合模型

基于房間溫度、房間熱力學(xué)參數(shù)、電采暖設(shè)備構(gòu)建房間溫度變化與采暖設(shè)備功率之間的電熱耦合模型，如圖1所示。

圖1 房間電熱耦合模型Fig.1 Room electrothermal coupling model

房間空氣與溫度的熱平衡時(shí)變關(guān)系式可表述為

式中：Tin，Tout，Twall分別為室內(nèi)、太陽(yáng)輻射升溫和墻體溫度；Theat為采暖設(shè)備的溫度；C為空氣熱容。

采用等效熱參數(shù)模型能夠反映房屋溫度-供暖功率變化特性。北方地區(qū)某類(lèi)用戶(hù)室內(nèi)采暖模型如圖2所示。

圖2 北方地區(qū)某類(lèi)用戶(hù)采暖模型Fig.2 Heating model for a certain type of user in northern rural areas

圖2中：R1，R2分別為室內(nèi)、室外空氣與蓄熱體的等效熱阻；C1，C2分別為室內(nèi)空氣熱容和蓄熱體等效熱容；Pheat為采暖設(shè)備的電功率。

因?yàn)槎咎?yáng)輻射產(chǎn)生的熱量遠(yuǎn)低于室內(nèi)蓄熱式電采暖設(shè)備產(chǎn)生的熱量，所以可以忽略太陽(yáng)輻射的影響。描述房間溫度和采暖設(shè)備功率間的動(dòng)態(tài)模型如式（2）所示。

室內(nèi)空氣傳熱過(guò)程的關(guān)系式可表述為

根據(jù)式（2），（3），可得t時(shí)刻蓄熱式電采暖的輸出功率Pheat（t）為

式（4）表明蓄熱設(shè)備的輸出功率與室內(nèi)外溫度和房間溫度參數(shù)的變化密切相關(guān)。

在實(shí)際應(yīng)用中往往針對(duì)一類(lèi)具有相同需求或用能特性相近的用戶(hù)在同一個(gè)規(guī)律下進(jìn)行調(diào)節(jié)。在某類(lèi)用戶(hù)室內(nèi)采暖模型基礎(chǔ)上，將各類(lèi)用戶(hù)按照需求和特性聚合成負(fù)荷群后的調(diào)節(jié)規(guī)律相同，上述公式同樣適用，且調(diào)節(jié)作用更大。

2 考慮新能源承載能力的電采暖負(fù)荷調(diào)控策略

2.1 配電網(wǎng)負(fù)荷調(diào)控策略的框架

綜合考慮配電網(wǎng)運(yùn)行與電采暖用戶(hù)需求，包括配電臺(tái)區(qū)負(fù)荷波動(dòng)、天氣預(yù)測(cè)的隨機(jī)性、配電網(wǎng)新能源承載能力需求等，構(gòu)建綜合考量各項(xiàng)因素的優(yōu)化調(diào)度模型，本文提出的蓄熱式電采暖負(fù)荷的優(yōu)化調(diào)度模型步驟如下。

①結(jié)合電熱耦合模型，計(jì)算用戶(hù)各時(shí)段熱負(fù)荷功率需求。

②以提高配電網(wǎng)新能源接納能力和減小配電網(wǎng)峰谷差，平抑配電網(wǎng)負(fù)荷波動(dòng)為目標(biāo)，綜合考慮電網(wǎng)運(yùn)行和用戶(hù)供暖需求為約束條件，得到電采暖負(fù)荷動(dòng)態(tài)優(yōu)化調(diào)度模型。

③采用量子遺傳算法對(duì)動(dòng)態(tài)優(yōu)化模型進(jìn)行求解；采用拉丁超立方抽樣法進(jìn)行隨機(jī)模擬，生成典型應(yīng)用場(chǎng)景。

2.2 動(dòng)態(tài)優(yōu)化調(diào)度模型

在滿(mǎn)足用戶(hù)于不同時(shí)間段內(nèi)設(shè)定的平均溫度和熱量需求的條件下，通過(guò)調(diào)整蓄熱設(shè)備和直熱設(shè)備的輸入功率來(lái)實(shí)現(xiàn)最佳的運(yùn)行效果，最大限度地提高能源利用效率和供熱系統(tǒng)性能。通過(guò)動(dòng)態(tài)地優(yōu)化輸入功率分配，確保在不同時(shí)間段內(nèi)，系統(tǒng)能夠以最優(yōu)的方式進(jìn)行供熱，提供舒適的室內(nèi)溫度，并且最大化地實(shí)現(xiàn)新能源應(yīng)用，同時(shí)優(yōu)化配電網(wǎng)負(fù)荷特性，實(shí)現(xiàn)供熱系統(tǒng)與電力系統(tǒng)的高效協(xié)同運(yùn)行。構(gòu)建的綜合考量配電網(wǎng)運(yùn)行需求和采暖負(fù)荷用戶(hù)舒適性的動(dòng)態(tài)優(yōu)化調(diào)度模型如下。

2.2.1目標(biāo)函數(shù)

目標(biāo)函數(shù)1：配電網(wǎng)新能源承載能力最大。

式中：f1為配電網(wǎng)承載能力函數(shù)；Pwi為配電網(wǎng)中某節(jié)點(diǎn)上的風(fēng)力發(fā)電功率；Nw為風(fēng)力發(fā)電母線(xiàn)的數(shù)目；Pvi為配電網(wǎng)中某母線(xiàn)上的光伏發(fā)電功率；Nv為光伏發(fā)電母線(xiàn)的數(shù)目。

目標(biāo)函數(shù)2：配電網(wǎng)負(fù)荷波動(dòng)最小。

為了使配電網(wǎng)臺(tái)區(qū)總負(fù)荷曲線(xiàn)更加平穩(wěn)，減少峰谷差，使用曲線(xiàn)的方差作為衡量曲線(xiàn)平坦程度的指標(biāo)，并將其作為目標(biāo)函數(shù)。

式中：Pz（t）為配電網(wǎng)臺(tái)區(qū)總負(fù)荷；Pz'（t）為配電網(wǎng)臺(tái)區(qū)總負(fù)荷平均值；T為時(shí)間段總數(shù)。

式中：PL（t）為配電網(wǎng)常規(guī)負(fù)荷；Pd（t）為電采暖直熱負(fù)荷；Ph（t）為電采暖蓄熱負(fù)荷。

最終目標(biāo)函數(shù)為

式中：λ為優(yōu)化目標(biāo)調(diào)節(jié)系數(shù)，根據(jù)優(yōu)化需求來(lái)理性選取。

2.2.2約束條件

2.2.2.1配電網(wǎng)運(yùn)行約束條件

系統(tǒng)功率平衡約束條件如下：

式中：Ui，t，Uj，t分別為在t時(shí)刻節(jié)點(diǎn)i，j處的電壓幅值；Gij，Bij分別為支路i-j的電導(dǎo)和電納；θij為節(jié)點(diǎn)i，j的電壓相位差；N為配電網(wǎng)節(jié)點(diǎn)總數(shù)。

其中：

式（9）中分別為風(fēng)電發(fā)電功率約束、光伏發(fā)電功率約束、系統(tǒng)母線(xiàn)電壓約束、線(xiàn)路功率約束。

2.2.2.2電采暖負(fù)荷用戶(hù)群熱平衡約束

式中：Pd，t為t時(shí)段直熱設(shè)備的電功率；ηd為直熱設(shè)備的電熱轉(zhuǎn)換效率；Qall，t為t時(shí)段用戶(hù)熱量總需求；Tset為平均期望溫度；Ty，t為當(dāng)?shù)厥彝馓鞖忸A(yù)報(bào)溫度。

運(yùn)行過(guò)程中須滿(mǎn)足電采暖直熱設(shè)備運(yùn)行約束：

式中：Pd，max為直熱器電功率上限值。

電采暖蓄熱設(shè)備運(yùn)行約束：

式中：Ph，t為t時(shí)段蓄熱設(shè)備的電功率；St為蓄熱設(shè)備在t時(shí)段儲(chǔ)存的能量；ηh，in為蓄熱設(shè)備的蓄能效率；ηh，out為蓄熱設(shè)備的放能效率；ω為蓄能量系數(shù)；Ph，max為蓄熱器電功率上限；Smin，Smax分別為荷熱狀態(tài)的下限和上限。

上述模型適用于多時(shí)段動(dòng)態(tài)優(yōu)化問(wèn)題，優(yōu)化變量是用戶(hù)各個(gè)時(shí)段的電采暖負(fù)荷功率，控制目標(biāo)是各風(fēng)、光等新能源發(fā)電功率最大及配電網(wǎng)負(fù)荷特性。

3 基于量子遺傳算法的求解策略

考慮新能源接納能力的配電網(wǎng)電采暖負(fù)荷動(dòng)態(tài)優(yōu)化調(diào)度是一個(gè)多目標(biāo)多時(shí)段的非線(xiàn)性調(diào)度問(wèn)題，故考慮采用遺傳算法對(duì)本文所構(gòu)建模型進(jìn)行求解。為了提高遺傳算法的性能，將量子計(jì)算方法引入遺傳算法，以改進(jìn)其編碼和更新方式，使量子遺傳算法在最優(yōu)解的獲取速度與并行性方面優(yōu)于傳統(tǒng)遺傳算法。

本文所建模型中，適應(yīng)度函數(shù)是以新能源承載能力與負(fù)荷波動(dòng)為因變量，以新能源發(fā)電功率及配電網(wǎng)負(fù)荷特性為自變量的非線(xiàn)性函數(shù)，采用量子比特與量子邏輯門(mén)更新染色體對(duì)控制目標(biāo)變量進(jìn)行編碼與更新。基于量子遺傳算法的模型求解流程如圖3所示，具體求解方法如下。

圖3 基于量子遺傳算法的求解流程圖Fig.3 Solution flowchart based on quantum genetic algorithm

步驟1：算法初始化。設(shè)置當(dāng)前種群進(jìn)化次數(shù)t=0，并給出種群最大迭代次數(shù)T，隨機(jī)生成個(gè)體為M的初始種群，即確定一天內(nèi)各時(shí)段的初始電采暖負(fù)荷變量狀態(tài)集合。

步驟2：初始染色體編碼。采用量子比特概率幅表示染色體的編碼，且一個(gè)量子比特會(huì)同時(shí)處于多個(gè)幅度和為1的量子疊加態(tài)中，進(jìn)而能夠增加染色體的取值變化。數(shù)學(xué)表達(dá)如下：

本文所建立的優(yōu)化調(diào)度模型中待優(yōu)化控制變量數(shù)量較多，不僅與電采暖負(fù)荷的調(diào)控群體數(shù)目有關(guān)，還與一天內(nèi)動(dòng)態(tài)優(yōu)化的時(shí)間段多少有關(guān)，故將電采暖負(fù)荷群分成若干個(gè)子部分，各子部分表示各染色體所構(gòu)成的個(gè)體基因即目標(biāo)變量的取值。對(duì)于某一電采暖負(fù)荷群體，優(yōu)化變量包括各時(shí)段的電采暖直熱負(fù)荷和電采暖蓄熱負(fù)荷，若將一天劃分為24個(gè)時(shí)段，優(yōu)化變量集合可表述為[Pd（1），Pd（2），…，Pd（24）；Ph（1），Ph（2），…，Ph（24）]。

若有3個(gè)電采暖負(fù)荷群參與負(fù)荷調(diào)度，采用量子比特編碼后迭代k次時(shí)的第i個(gè)基因Qi（k）表示為

步驟3：個(gè)體適應(yīng)度評(píng)價(jià)。對(duì)種群中M個(gè)個(gè)體進(jìn)行測(cè)量，得到確定解的二進(jìn)制編碼，求得種群個(gè)體適應(yīng)度值，得到對(duì)應(yīng)的十進(jìn)制數(shù)。

步驟4：設(shè)置進(jìn)化目標(biāo)。記錄種群中最優(yōu)個(gè)體及對(duì)應(yīng)的適應(yīng)度值，以當(dāng)前最優(yōu)個(gè)體即當(dāng)前最優(yōu)新能源承載能力及負(fù)荷波動(dòng)幅度為進(jìn)化目標(biāo)。

步驟5：采用量子旋轉(zhuǎn)門(mén)更新染色體編碼。通過(guò)改變種群中所有染色體量子比特的量子角度及旋轉(zhuǎn)復(fù)數(shù)幅進(jìn)行量子態(tài)干涉來(lái)更新染色體編碼，從而使染色體取值趨近于適應(yīng)度較高的染色體。量子旋轉(zhuǎn)門(mén)如下：

步驟6：下一代群體生成。基于量子旋轉(zhuǎn)門(mén)更新染色體編碼，得到新的種群。

重復(fù)步驟3～6，直至t=T時(shí)終止迭代，并輸出優(yōu)化結(jié)果。

4 拉丁超立方抽樣的隨機(jī)場(chǎng)景生成

考慮天氣和負(fù)荷具有隨機(jī)性，在研究電采暖負(fù)荷的調(diào)控策略時(shí)須要構(gòu)建典型的應(yīng)用場(chǎng)景。本文采用基于多維采樣理論的拉丁超立方算法，生成不同溫度和配電臺(tái)區(qū)負(fù)荷組合的典型應(yīng)用場(chǎng)景。

設(shè)超立方體有s個(gè)輸入隨機(jī)變量，因?yàn)楸疚闹锌紤]到環(huán)境溫度和負(fù)荷，因此輸入s=2；在該超立方體內(nèi)生成M個(gè)樣本的步驟如下。

步驟1：抽樣規(guī)模為M，將隨機(jī)變量的累計(jì)概率分布按照所對(duì)應(yīng)的概率分為M個(gè)時(shí)間段，然后在其中任意取一個(gè)值，滿(mǎn)足：

式中：ai為采樣值；aik為變量的第k個(gè)采樣值；m為區(qū)間寬度。

式中：P為隨機(jī)事件出現(xiàn)的可能性大小。

步驟2：計(jì)算變量的第k個(gè)采樣值aik對(duì)應(yīng)的分布概率：

式中：N～M（0，1），k=1，2，…，M，服從均勻分布。

步驟3：計(jì)算累計(jì)分布函數(shù)的反函數(shù)Fai-1，計(jì)算第k個(gè)采樣值aik：

步驟4：將每個(gè)隨機(jī)變量的采樣值按列排成一個(gè)M×k的采樣矩陣A。

步驟5：采用Gram-Schmidt正交法進(jìn)行排序，最小化各列變量之間的相關(guān)性。

針對(duì)配電網(wǎng)臺(tái)區(qū)負(fù)荷與預(yù)測(cè)溫度具有隨機(jī)性和波動(dòng)性的特點(diǎn)，在提出的優(yōu)化調(diào)度策略基礎(chǔ)上，采用以上拉丁超立方采樣方法生成不同溫度與負(fù)荷的典型應(yīng)用場(chǎng)景，輸入溫度和負(fù)荷兩個(gè)變量，超立方體維度為2，繼而生成M個(gè)隨機(jī)場(chǎng)景，并通過(guò)正交法進(jìn)行排序，為隨機(jī)應(yīng)用場(chǎng)景的選取提供樣例。

5 算例分析

5.1 算例初始網(wǎng)架和數(shù)據(jù)

本文以東北某地區(qū)供電網(wǎng)絡(luò)為算例進(jìn)行分析與驗(yàn)證，在配電網(wǎng)中共存在23個(gè)負(fù)荷節(jié)點(diǎn)、2個(gè)PV節(jié)點(diǎn)和1個(gè)平衡節(jié)點(diǎn)，網(wǎng)架結(jié)構(gòu)如圖4所示。網(wǎng)架中的重要參數(shù)如表1所示。基于前文提到的蓄熱式電采暖負(fù)荷優(yōu)化調(diào)度模型，使用量子遺傳算法對(duì)算例進(jìn)行求解。

表1 算例參數(shù)Table 1 Example parameters

圖4 某配電網(wǎng)網(wǎng)架結(jié)構(gòu)Fig.4 Network structure of a certain distribution network

5.2 優(yōu)化策略計(jì)算分析

負(fù)荷優(yōu)化調(diào)度策略與配電網(wǎng)運(yùn)行方式、天氣等都有密切關(guān)系，本文根據(jù)北方冬季供暖特點(diǎn)及室外溫度情況，選取了冬季4個(gè)典型日天氣場(chǎng)景，對(duì)本文所述的策略進(jìn)行分析。4種典型場(chǎng)景下求得的電采暖負(fù)荷曲線(xiàn)如圖5～8所示。

圖5 典型場(chǎng)景1電采暖負(fù)荷曲線(xiàn)Fig.5 Optimal load curve in the first random scenario

圖6 典型場(chǎng)景2電采暖負(fù)荷曲線(xiàn)Fig.6 Optimal load curve in the second random scenario

圖7 典型場(chǎng)景3電采暖負(fù)荷曲線(xiàn)Fig.7 Optimal load curve under the third random scenario

圖8 典型場(chǎng)景4電采暖負(fù)荷曲線(xiàn)Fig.8 Optimal load curve under the fourth random scenario

場(chǎng)景1整體采暖負(fù)荷基本保持平穩(wěn)。在白天時(shí)段（7：00-18：00），隨著室外溫度的上升和光照強(qiáng)度的增加，采暖負(fù)荷逐漸減少，在13時(shí)左右采暖負(fù)荷的削減達(dá)到極值，負(fù)荷功率下降至770 kW，隨后因下午溫度降低日照減少，負(fù)荷水平恢復(fù)并在17時(shí)左右達(dá)到夜間采暖負(fù)荷的平均水平，負(fù)荷曲線(xiàn)優(yōu)化明顯。場(chǎng)景2上午的實(shí)際溫度低于場(chǎng)景1，因此采暖負(fù)荷增加了3.92%，須要進(jìn)行提前制熱；下午氣溫升高后采暖負(fù)荷減少了2.89%，但有部分用戶(hù)須要補(bǔ)充制熱。場(chǎng)景3比場(chǎng)景1的氣溫條件惡劣，因此采暖負(fù)荷增加了9.79%，大量用戶(hù)使用直熱和蓄熱設(shè)備保證自己的采暖需求；下午氣溫升高時(shí)采暖負(fù)荷雖然減少了5.36%，但是整體負(fù)荷曲線(xiàn)波動(dòng)較為明顯。

由于電采暖負(fù)荷的調(diào)節(jié)作用，電網(wǎng)新能源承載能力變化明顯，為了便于分析，對(duì)4個(gè)典型日各時(shí)段新能源承載能力的平均值進(jìn)行統(tǒng)計(jì)，并與未考慮電采暖負(fù)荷調(diào)節(jié)的情況進(jìn)行對(duì)比。由對(duì)比結(jié)果可以看出，在電采暖負(fù)荷的調(diào)節(jié)作用下，各種場(chǎng)景的新能源承載能力都有所增加，結(jié)果如圖9所示。

圖9 新能源承載能力對(duì)比Fig.9 Acceptance capability comparison chart

5.3 優(yōu)化算法有效性分析

在本文場(chǎng)景和模型框架下，考慮新能源接納能力的配電網(wǎng)電采暖負(fù)荷動(dòng)態(tài)優(yōu)化調(diào)度是一個(gè)多目標(biāo)多時(shí)段的非線(xiàn)性調(diào)度問(wèn)題，故考慮采用量子遺傳算法對(duì)本文所構(gòu)建模型進(jìn)行求解。適應(yīng)度函數(shù)是以新能源承載能力與負(fù)荷波動(dòng)為因變量，以新能源發(fā)電功率及配電網(wǎng)負(fù)荷特性為自變量的非線(xiàn)性函數(shù)，采用量子比特與量子邏輯門(mén)對(duì)控制目標(biāo)變量進(jìn)行編碼與更新，得到4種典型場(chǎng)景下的結(jié)果，如圖10～13所示。

圖10 典型場(chǎng)景1適應(yīng)度值迭代變化Fig.10 Iterative changes in fitness values in the first typicalscenario

圖11 典型場(chǎng)景2適應(yīng)度值迭代變化Fig.11 Iterative changes in fitness values in the second typical scenario

圖12 典型場(chǎng)景3適應(yīng)度值迭代變化Fig.12 Iterative changes in fitness values in the third typical scenario

圖13 典型場(chǎng)景4適應(yīng)度值迭代變化Fig.13 Iterative changes in fitness values in the fourth typical scenario

本文設(shè)置量子遺傳算法的進(jìn)化代數(shù)為250，種群數(shù)為50。從圖10～13中可以看出，種群隨著迭代次數(shù)的增加而發(fā)生的變化情況，以及不同迭代次數(shù)下求得的最優(yōu)目標(biāo)函數(shù)值。迭代初期量子遺傳算法迭代曲線(xiàn)斜率絕對(duì)值較大，然后趨于平穩(wěn)并收斂且具有較快的收斂速度。因此，在求解本文所建規(guī)劃模型時(shí)，量子遺傳算法效率更高，得到的結(jié)果也更好。

6 結(jié)束語(yǔ)

蓄熱式電采暖具有一定的可調(diào)節(jié)性，電采暖負(fù)荷參與電網(wǎng)優(yōu)化調(diào)度是新型電力系統(tǒng)丞待解決的關(guān)鍵問(wèn)題。本文提出了一種考慮新能源承載能力的配電網(wǎng)電采暖負(fù)荷動(dòng)態(tài)優(yōu)化調(diào)度策略。首先，構(gòu)建了蓄熱式電采暖負(fù)荷的調(diào)控模型；然后，以配電網(wǎng)臺(tái)區(qū)新能源承載能力為目標(biāo)，以配電網(wǎng)負(fù)荷波動(dòng)平抑、配電網(wǎng)穩(wěn)態(tài)安全運(yùn)行和電采暖負(fù)荷用戶(hù)舒適性為約束，建立了配電網(wǎng)電采暖負(fù)荷動(dòng)態(tài)優(yōu)化調(diào)度模型，并提出基于量子遺傳算法的解算策略；最后，采用拉丁超立方抽樣法生成典型應(yīng)用場(chǎng)景，進(jìn)行配電網(wǎng)新能源承載能力的調(diào)度策略適用性分析。算例分析結(jié)果表明，本文所提方法能夠充分考慮電采暖負(fù)荷的調(diào)控潛力，提高配電網(wǎng)新能源的承載力。