基于模糊隸屬度的電網(wǎng)調度高精度控制研究

摘 要：【目的】常規(guī)的電網(wǎng)調度高精度控制方法主要使用MPC（Model Predictive Control）隨機預測模型來調整能源出力分布狀態(tài)，易受HESS內部能量變化的影響，導致調度性能不佳。因此，提出一種基于模糊隸屬度的電網(wǎng)調度高精度控制方法。【方法】以電網(wǎng)運行成本與負荷峰谷差為基礎設計相關目標，并結合電網(wǎng)調度損耗與模糊隸屬度，搭建電網(wǎng)調度高精度控制模型。在控制模型的支持下，確定電力負荷狀態(tài)輸出調度時間序列，結合目標函數(shù)來實現(xiàn)對電網(wǎng)調度高精度控制。【結果】實驗結果表明，該電網(wǎng)調度模糊隸屬度高精度控制方法的調度負荷值為112.35～128.14 kW，調度電壓偏差率為0.159%～0.175%，調度懲罰成本在1.7萬元以下，調度響應精度在95%以上。【結論】該電網(wǎng)調度高精度控制方法的控制效果較好，具有較高的經(jīng)濟價值，為實現(xiàn)高質量低損耗電網(wǎng)調度提供了一定參考。

關鍵詞：模糊隸屬度；電網(wǎng)；調度；高精度；控制

中圖分類號：TM734" " " 文獻標志碼：A" " 文章編號：1003-5168（2024）22-0004-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.22.001

Research on High-Precision Control of Power Grid Dispatch Based on Fuzzy Membership Degree

Abstract：[Purposes] The conventional high-precision control method for power grid scheduling mainly uses the MPC （Model Predictive Control） stochastic prediction model to adjust the energy output distribution state， which is easily affected by internal energy changes in HESS， resulting in poor scheduling performance. Therefore， a high-precision control method for power grid scheduling based on fuzzy membership degree is proposed. [Methods] Based on the operating cost of the power grid and the difference between peak and valley loads， this paper designs relevant objectives， and builds a high-precision control model for power grid scheduling by combining power grid scheduling losses and fuzzy membership degree. Under the support of the control model， this paper determines the power load status output scheduling time series， and combines it with the objective function to achieve high-precision control of power grid scheduling. [Findings] The designed high-precision control method for fuzzy membership degree in power grid scheduling has a scheduling load value between 112.35 kW and 128.14 kW， a scheduling voltage deviation rate between 0.159% and 0.175%， and a scheduling penalty cost of less than 17 000 yuan and the scheduling response accuracy is more than 95%. [Conclusions] The high-precision control method designed for power grid dispatch has a good control effect and high economic value， making a certain contribution to achieving high-quality and low loss power grid dispatch

Keywords： fuzzy membership degree; power grid; scheduling; high precision; control

0 引言

電網(wǎng)是一種承載電力輸送與分配任務的輸電線路整體，通常由輸配電、變電單元組成［1］。受工業(yè)化快速發(fā)展的影響，我國各個區(qū)域的電力需求激增，電網(wǎng)調度的難度也越來越高［2］。可運用先進的計算機、傳感技術收集電網(wǎng)運行數(shù)據(jù)參數(shù)［3］，并進行合理調度決策，從而實現(xiàn)對電網(wǎng)的高精度調度。相關研究人員基于電網(wǎng)調度要求，設計出幾種常規(guī)的電網(wǎng)調度高精度控制方法。吳曉剛等［4］利用隨機模型預測控制進行儲能數(shù)值模擬，提高了樣本瞬間決策的完整性，但無法保證儲能的利用效率；張路等［5］提出了計及冶金負荷參與的電網(wǎng)負荷控制策略，并評估了調度削弱潛力，構建了調度決策模型，但該方法的調度負荷過高，不滿足目前的高精度控制要求。為了保證電網(wǎng)的綜合運行效益，本研究基于模糊隸屬度函數(shù)，設計出一種有效的電網(wǎng)調度高精度控制方法。

1 電網(wǎng)調度模糊隸屬度高精度控制方法設計

1.1 基于模糊隸屬度生成電網(wǎng)調度高精度控制模型

模糊隸屬度可描述調度元素之間的強弱關系，并根據(jù)實際問題做出針對性地選擇。因此，本研究基于模糊隸屬度設計調度高精度控制方法，并生成電網(wǎng)調度高精度控制模型。將運行成本與負荷峰谷差作為基礎進行協(xié)調優(yōu)化［6］，目標式[f]計算公式見式（1）。

[f=minfc， fp] （1）

式中：[fc]為調度運行成本；[fp]為調度負荷的峰谷差值［7］。

此時，可按照不同的控制時間段來計算電網(wǎng)調度損耗[Cdae]，見式（2）。

[Cdae=λ-pΔt] （2）

式中：[λ]為綜合平均電價；[p]為調度售電效率；[Δt]為充放電時間［8］。

為了滿足電網(wǎng)高精度控制的關聯(lián)關系，可設置可再生調度利用函數(shù)，計算其模糊隸屬度[FA]，見式（3）。

式中：[EK]為調度總功率；[ER]為調度約束比。

基于此，可對原本的多目標優(yōu)化函數(shù)進行歸一化單目標轉換，大幅度降低了電網(wǎng)調度控制求解的復雜度，生成的電網(wǎng)調度高精度控制模型如圖1所示。

由圖1可知，使用上述高精度控制模型可合理配置調度資源，調整出力比例，提高調度的綜合經(jīng)濟價值。

1.2 設計電網(wǎng)調度分布式高精度控制策略

采用電網(wǎng)調度分布式高精度控制策略，將電網(wǎng)的調度控制功能分散到各個節(jié)點上，再由每個節(jié)點根據(jù)本地信息和全局指令進行自主控制，實現(xiàn)對電網(wǎng)的優(yōu)化運行。可根據(jù)電力負荷狀態(tài)輸出調度時間序列[PR（n）]，見式（4）。

[PR（n）=y（n-τ）] （4）

式中：[y]為調度負荷預測常量；[n]為綜合調度維度；[τ]為調度處理時間。

為了克服出現(xiàn)集中式控制的局限性，需要各個電力節(jié)點進行相互協(xié)作與信息共享，并根據(jù)本地情況作出快速響應，此時得到的目標函數(shù)[minC]見式（5）。

[minC=Cpcc+CFL+CMR+CDERG] （5）

式中：[Cpcc]為電網(wǎng)供配電成本；[CFL]為輸出負荷成本；[CMR]為分布式調度損耗值；[CDERG]為基礎懲罰參量。

基于此，設計的電網(wǎng)調度分布式高精度控制策略如圖2所示。

由圖2可知，上述分布式控制策略具有強大的自適應性，能根據(jù)外部環(huán)境的變化自動調整運作策略。例如，在電力不足時，可自動增加發(fā)電設備的運行強度，提高全局的用電效能。此外，該策略還可對電力數(shù)據(jù)進行實時監(jiān)測分析，從電力的生成、傳輸、分配等環(huán)節(jié)出發(fā)，優(yōu)化電力的生成和供應，以最小的成本來滿足用戶需求；降低對傳統(tǒng)能源的依賴，提高可再生能源的利用率，為實現(xiàn)可持續(xù)發(fā)展和碳減排目標提供有效的手段。

2 實驗

為了驗證基于模糊隸屬度的電網(wǎng)調度高精度控制方法的控制效果，本研究配置了有效的實驗環(huán)境，并將其與吳曉剛等［4］、張路等［5］提出的電網(wǎng)調度高精度控制方法進行對比實驗。

2.1 實驗準備

根據(jù)電網(wǎng)調度高精度控制的實驗要求，本研究選用Windows10構建R2019B MATLAB仿真實驗平臺，該實驗平臺的CPU為i7-6700，采用時間組合法來確定電網(wǎng)調度的邊界條件，并讀取電網(wǎng)負荷頻道，構建的實驗模型如圖3所示。

由圖3可知，該實驗模型包括若干個與主網(wǎng)連接的分布式電源，變壓器額定容量設定為2 500 kVA，功率因數(shù)設定為0.85，調整充放電功率與荷電狀態(tài)，按照峰平谷時段要求設置電價。待完成上述步驟后，可預設電網(wǎng)調度負載，輸出電網(wǎng)調度高精度控制實驗結果。

2.2 實驗結果與討論

結合上述實驗準備，需要預設基礎功率調度曲線、調整調度時刻，確保并網(wǎng)波動能滿足實驗周期關系，分別用本研究設計的基于模糊隸屬度的電網(wǎng)調度高精度控制方法、吳曉剛等［4］提出的基于隨機模型預測控制的電網(wǎng)調度高精度控制方法、張路等［5］提出的計及負荷參與的電網(wǎng)調度高精度控制方法進行調度控制。使用PEPSE（Performance Evaluation of Power System Efficiencies）電力性能評估軟件輸出3種方法在不同調度時間內的調度負荷值、調度電壓偏差率、調度懲罰成本、調度響應精度指標，得到的實驗結果見表1。

由表1可知，本研究設計的電網(wǎng)調度高精度控制方法的調度時間穩(wěn)定（1.10～1.15 h），調度負荷適中（波動范圍為112.35～128.14 kW）；調度響應精度較高，均在95%以上；調度電壓偏差率極低（0.159%～0.175%），調度懲罰成本相對較低。吳曉剛等［4］提出的方法在調度時間上缺乏優(yōu)勢，且調度響應精度普遍較低（在70 %左右）；調度電壓偏差率顯著較高，平均偏差率超過2%，可能導致電網(wǎng)運行不穩(wěn)定，且調度懲罰成本非常高，遠超其他2種方法。張路等［5］提出方法的調度響應精度過低，只有60%～70%；調度電壓偏差率、調度懲罰成本也相對較高，部分情況超過3%。由此可知，本研究設計的電網(wǎng)調度高精度控制方法在調度時間、調度負荷、調度響應精度、調度電壓偏差率及調度懲罰成本方面均表現(xiàn)較好。

3 結語

綜上所述，在現(xiàn)代化電力需求激增的背景下，我國電力系統(tǒng)規(guī)模越來越大，組成越來越復雜。為了滿足用戶的供配電質量要求，優(yōu)化現(xiàn)有的能源結構，需要對電力進行有效的調度控制。受能源轉型與可再生能源接入的影響，目前電網(wǎng)調度存在調度波動性、間歇性問題，無法保證控制精度。因此，本研究基于模糊隸屬度設計出一種有效的電網(wǎng)調度高精度控制方法。實驗結果表明，該電網(wǎng)調度高精度控制方法的控制指標良好，具有明顯的經(jīng)濟價值，應對日益復雜的電力系統(tǒng)挑戰(zhàn)，保障電力系統(tǒng)的穩(wěn)定、高效性作出了一定的貢獻。

參考文獻：

［1］何宇斌，周華鋒，顧慧杰，等.電網(wǎng)調度控制中心的業(yè)務演變趨勢與發(fā)展路徑探討：以南方電網(wǎng)為例［J］.企業(yè)改革與管理，2024（1）：165-168.

［2］婁敏，楊淑瑤.堅守三尺調度臺守護電網(wǎng)保安全：記國網(wǎng)北京豐臺供電公司電力調度控制中心供電服務指揮中心地區(qū)調控室［J］.工會博覽，2023（20）：21-22.

［3］楊宗銘，朱紅杰，陳冠宇，等.基于模型預測控制和機會約束的主動配電網(wǎng)實時調度優(yōu)化策略［J］.電力需求側管理，2023，25（2）：23-29.

［4］吳曉剛，季青鋒，張有鑫，等.基于隨機模型預測控制的電氫混合儲能微電網(wǎng)彈性調度［J］.湖南電力，2023，43（6）：116-123.

［5］張路，陳軍，南東亮，等.計及冶金負荷參與安全輔助服務的電網(wǎng)緊急負荷控制策略［J］.電工電能新技術，2023，42（12）：77-87.

［6］徐忠文，韋洪波，齊鵬輝，等.一種智能電網(wǎng)新型協(xié)同調度控制策略模型［J］.武漢理工大學學報（信息與管理工程版），2023，45（1）：67-72，88.

［7］陳光宇，楊錫勇，江海洋，等.高比例新能源接入下計及工業(yè)負荷特性的電網(wǎng)需求響應調控策略［J］.電力自動化設備，2023，43（4）：177-184.

［8］阿依努爾·阿布都艾尼江，希望·阿不都瓦依提，王維慶，等.基于補償激勵的電動汽車與電網(wǎng)聯(lián)合優(yōu)化調度［J］.科學技術與工程，2022，22（10）：4206-4214.