基于多用户需求管理的主动配电网规划与仿真研究

国网湖北省电力有限公司襄阳供电公司 万奕妍

传统的电力系统是由较少的大型发电机和远距离输电线路构成的，缺乏灵活性和适应性，不能满足现代电力市场多样化、个性化的用户需求。而主动配电网主张以“用户为中心”，利用新型的配电技术和控制策略实现小区域内的能源交互和电力负荷调节，提高电力系统的效率和可靠性。与传统的电力系统相比，主动配电网最突出的特点是互动性、灵活性较强。

主动配电网内用户侧与供电侧主动性、互动性增强，可以充分发掘柔性负荷资源调节潜能，提高“源—荷—网—储”自主协调能力，在满足多源负荷协同优化调度的基础上，避免电网设备的超前投资与能源的浪费。因此，设计能够实现多用户用电需求管理的主动配电网规划算法，对于提高电力系统的效率和可靠性具有重要意义。

1 基于多用户需求管理的主动配电网负荷预测

1.1 常规用户负荷预测

基于需求响应分时电价模式，用户综合满意度对于常规负荷的影响如下。

基于微观经济学视角引入需求弹性指数，分析用电需求与电价之间的关系，自弹性系数为。由于不同时间段内电价与电量呈正比，因此交叉弹性指数可表达为[1]。设弹性系数矩阵为E，则E的对角系数即为εii，则电力需求与电力价格公式为：

图1 用户综合满意度对常规负荷影响

基于矩阵E，从用电高峰时段激励政策影响视角出发，考虑用户接收尖峰断电铺贴的情况下，用户需求模型变化：

上述公式中：Δπ代表需求响应前后电压差额，πt代表需求响应前电费，P代表需求响应前用电负荷，Presdent,i代表目标区域内常规用户的用电负荷，Rsub代表对于用户的补偿费用。

1.2 电动汽车充电负荷预测

在规划区域内，电动汽车的负荷需求与负荷状况、汽车行驶公里数、电池电量等因素相关。在充电方面，充电时间也与电动汽车电池容量、额定充电功率等因素密切相关。因此，研究人员尝试定义电动汽车在规划区域内使用电网进行充电所带来的负荷需求，其大小与电动汽车的充电请求监控、充电时段及充电速率等参数有关[2]。在实际应用中，对于电动汽车充电负荷的精确量化和优化控制，可以考虑采用智能充电技术，例如基于人工智能算法的充电调度策略，以提高充电效率和稳定性，同时最大限度地减少对电网的影响以及负荷压力，其中电动汽车电池充电负荷计算公式为：

式中：Pev（t）代表t时刻电动汽车累计充电负荷，Pmch代表第m辆电动车的充电功率，变量γ则代表电动汽车充电效率，函数ft（x）代表电动汽车无序充电的起始时间，参量μt代表充电起始时刻的期望值，σt代表充电起始时刻标准差，fL（x）代表电动汽车电池含量。根据上述公式，发现在响应度阈值内电动车充电响应度与用电高峰削减负荷量成正比[3]。

2 基于多用户需求管理的主动配电网规划

随着能源互联网的发展，主动配电网成为一种新兴的智能化供电模式。在这种模式下，有机地整合各类分布式能源和负载，使得电力系统具有更强的可控性和灵活性。而为了提高主动配电网的运行效率和用户体验，负荷优化调度显得尤为重要。

主动配电网负荷优化调度的核心理念是“网—源—荷—储”协调控制技术。此技术的本质是整合资源，以电力作为平台，构建能源供给与需求的均衡，实现电力的清洁化、自治化、合理化、高效化和共享化。从而建立起更加智能化的电力管理体系，促进能源供需的平衡。

目前，主动配电网中，规划区域内的用电总量如果超过供电限额的上限，则电力公司只能采取扩展电力供应范围的方式来满足规划区域内用电负荷需求，这会带来高昂的初期成本。为了最大限度地实现主动配电网中的负荷优化调度，需要对用户用电行为进行适当调整。当前，主动配电网中存在三种不同类型的用户：常规用户、电动汽车充电用户和微电网用户。不同类型的用户对需求的响应是不同的。因此，当确定负荷阈值时，必须对这些差异性进行充分考虑。只有在理性、全面的基础上制定负荷计划，才能实现主动配电网中的负荷管控，从而有效降低电网接线造价成本。

随着科学技术的日益发展，人们对于优化算法的研究也越来越深入。在这些优化算法中，粒子群优化（PSO）算法因其简单实用而备受青睐。然而，标准粒子群算法存在问题，如收敛速度较快、局部搜索精度差等。因此，基于混沌理论的粒子群优化算法（CPSO）应运而生。

CPSO算法基于混沌运动特有的遍历性以及随机性，将Logistic模型投射至优化变量取值空间之内，通过这种方式将搜索转变为混沌轨道遍历算法，避免搜索过程由于局部最优的干扰而影响数据精度。相比较于标准粒子群算法，CPSO算法具有搜索速度更快、寻优能力更强的优点。

为更好地比较CPSO算法和标准PSO算法的优缺点，研究人员引入Rastrigin函数并对该算法进行测试。该函数以（0，0）为最小值。通过调用MATLAB数据编程执行结果，研究人员发现标准粒子群算法下，数据的收敛速度较慢，寻优能力有待提高，CPSO算法运行速度比前者更快，数据精度更高。造成这一现象的原因在于CPSO算法充分利用混沌运动的特性，较好地解决了标准PSO算法的局限性。

需要注意的是，CPSO算法在使用过程中也存在一些问题。例如，其求解结果可能会受到初始种群和参数设置的影响，从而导致结果的不稳定性，同时CPSO算法较为复杂，需要大量的计算。因此，在使用时需要进行合理的参数设置和实验方案设计，以确保结果的有效性。

本次研究中，设基于主动需求策略的配电网扩建费用为Ct，其计算公式为：Ct=Csub+Closs+Cwire+Cs，其中Csub的计算公式为：，Closs的计算公式为：Closs=T×Ploss×Closs，Cwire的计算公式为：，Cs的计算公式为：。上述公式中：Csub代表需求一侧的主动管理成本，Cwire代表需求被响应后电力公司扩线所需要的费用，Closs代表主动配电网运行时产生的损耗，Cs代表新建变电站的成本。常量T代表主动配电网的周期运行小时数，Ploss代表配电网的有功损耗，Closs代表网损。

在对主动配电网进行规划之后，在确保用户满意度为最佳值的条件下，尽可能减少此过程中产生的费用，提高电力用户主动响应度[4]：，式中：μload代表规划范围内用户整体响应度，Pload代表多类型用户需求响应前符合，ΔPload,t代表多类型用户需求响应之前与之后的负荷差。

3 主动配电网规划仿真实验分析

3.1 基础场景设置

为验证主动配电网规划的有效性，研究人员以某城区10kV主动配电网作为实验对象进行仿真模拟。该区域占地面积86.49km2，其中供电面积为46.35km2，容载比为1.86～2.2，变电站额定容量为0.53MVA。该区域内电力线路的建设成本为12.5万元/km，线路负载率为52%。该区域内有四座变电站，造价为60.2万元/台，单根电动汽车充电桩的建设成本为15.3万元，充电桩最大功率为3.11MW（如图2所示）。

图2 规划区域地理分布

3.2 仿真实验结果分析

本次研究中设定了三种不同的场景。场景1：在不考虑需求管理政策的前提下进行主动配电网规划；场景2：引入需求管理政策，忽略多用户需求的主动配电网规划；场景3：综合多种类型用户的需求信息，包括并网型微电网、电动汽车充电负荷和常规用电负荷等，实施基于多类型用户用电意愿主动需求管理的主动配电网规划优化方案。

研究人员基于经济视角对三种不同的用电场景进行横向对比：实际进行仿真实验过程中，为了体现该规划模型的优越性，引入DEG消纳率概念，即：，式中：TMG代表电网内部新能源消纳率，Pload代表该区域内电力用户消纳的电能，Pes代表储能消纳电能，PDEG代表分布式电源电能[5]。基于上述公式绘制在不同使用场景下的多源负荷规划对比图（如图3所示）。

图3 不同场景负荷优化调度

研究人员综合分析ADN规划场景，并对不同场景下的电力用户响应度数据进行收集与统计（见表1）。

表1 不同场景电力用户响应度

场景2中采用的调度模式只注重供电公司是否能够获得利润，忽视了多类型用户用电意愿。令用户整体满意度停留在较低水平。同时，电力公司制定的需求管理策略，其削峰填谷效果不明显；场景3中，研究人员尝试构建一种以用户满意度，以及供电公司获利最大为目标的需求管理方案。通过这种方式提高电力用户对于电力供应的满意度。研究人员基于仿真实验结果，发现当用户满意度停留在0.8左右时，需求管理的满意度达到峰值。这种状态下，电力用户的满意度上涨0.3763，电力公司收益提高15.635%，削峰填谷效果更加明显。

由此可以发现，采用场景3负荷调度策略，无论是电力用户还是电力公司，其主要诉求均能得到满足，整体负荷曲线也更加平稳，能够缓解该地区高峰时段用电紧张的问题，具有良好的应用前景。

4 结语

综上所述，本文提出一种基于多用户需求管理的主动配电网规划方案，通过对用户需求进行建模和分析，实现了对配电网的智能化管理和优化，通过对不同场景下的配电网进行仿真验证了其有效性和可行性。试验结果表明，基于多用户需求管理的主动配电网规划和仿真方法，可有效提高配电网的运行效率和稳定性，同时满足用户的需求和利益。本次研究为配电网的智能化管理和优化提供了一种新的思路和方法，具有一定的理论和实践意义。