基于新能源发电不确定性配电网优化调度研究

摘要：本文主要探究基于新能源发电不确定性的智能配电网优化调度方法。以风电、光伏发电为例，分析风电和光点不确定性；基于多代理系统，构建配电管理系统、区域型代理与单元型代理；设计目标函数，结合约束条件，求解实时优化调度算法，建立智能配电网优化调度模型。结果表明，该算法能够通过微型燃气轮机、风电调度达到系统平衡，可解决供电工序矛盾。

关键词：新能源发电；不确定性；智能配电网；优化调度

中图分类号：TM73""""""""" 文献标志码：A

新能源接入为电网注入新活力，可有效缓解化石能源依赖性，避免燃烧过多传统燃料进而污染环境，并增加整体发电量。由于风能、太阳能等资源丰富、可再生且无污染，因此受到广泛关注，需要逐步提高新能源在配电网中的占比。特别是我国国家发展和改革委员会提出必须加强风能、太阳能等新能源的利用开发。但是，新能源发电易受气候、环境影响，存在不确定性，波动频率无固定规律，传统配电网能量管理、调度模式落后，制约了新能源的有效利用，因此智能电网应运而生，需要采取智能化手段并根据新能源发电不确定性对其进行优化调度，提高电网资源利用率。

1新能源发电不确定性

1.1风电不确定性

风力发电的本质是风能，受气象因素影响，尽管一段时间能够总结基本风速规律，但每时每刻风速强度均有变化，除了年度变化，短期内也存在无规律脉动变化，具有随机性与波动性[1]。进行智能配电网优化时，风力发电不确定性主要包括预测功率误差，即风电数据是基于历史数据、环境变化预测的，每种预测模型均有误差，无法对数据进行准确测量。现阶段，风电功率预测误差为25%～40%，比光电误差更大。配电网运行影响如下所示。1）电能质量。大风扰动会对系统频率造成影响，导致功率输出不平稳，电压出现偏差。2）电力系统调峰对风电接入有所影响，风电具备反调峰特性。3）继电保护。连接分布式电源后，保护范围受拓扑变化，可能出现拒动或误动情况。4）电力市场交易改变了市场工序曲线，无法准确将电力信息申报至市场[2]。

1.2光电不确定性

在光伏发电中，受温度、风速和光照强度等影响，光伏发电具有不确定性，并存在计算误差和预测模型局限性，导致实际光伏发电功率和预测功率存在误差[3]。在配电网中，光伏发电是分散式并网，如图1所示，电量优先分配至临近负荷，发电量如果低于需求量，就吸收电网电量，反之则剩余电量传输至电网。该发电并网影响类似于风力发电，对电能质量、符合平衡率、网损和继电保护均有影响。

2基于新能源发电不确定性的智能配电网优化调度模型

2.1需求侧管理

在法规与政策支持下，电力需求侧管理利用激励、引导等方法，统筹产品供应商、电网公司和发电公司等群体，以提高用电效率，转变用电模式。与传统配电网相比，智能配电网优化系统能够掌握用户信息，了解实时电价，利用用户与电网的双向互动，制定更复杂、灵活的需求侧管理方法。具体要求如下。

第一，智能配电网优化调度集成量测与传感技术，采集用户智能表信息，实时监测电网运行，获得用户用电规律，保证预测负荷准确性，并制定合理调度方案。将需求侧管理融入电器设计中，以监测、感应和遥控方式追踪，提高调度质量。

第二，新能源是需求侧管理的一部分，受限于光伏、风电能源不确定性，其调度能力较低，特别是风电，与用电负荷相比存在反调峰特性，加剧了峰谷差，增加了配电网运行难度。需要以需求侧管理方式，并基于新能源不确定度，对负荷进行转移、延迟和消减等调度，跟踪新能源，加强出力平衡，提高新能源利用率。

第三，智能配电网需求侧资源较丰富，包括楼宇微电网、智能家居和电动汽车等，从传统负荷向生产型负荷转变，需要优化调度，为电网提供支持。

2.2多代理系统

代理是具备反应性、自治性的实体，能够根据自身学习与周围环境决定行为，通过其他代理交换信息。多代理系统则是多个代理构成的松散、自主的联合体系，物理上、逻辑上各代理互相分散，通过协同互动、互相服务共同完成任务[4]。各代理不受其他干扰，以协商、竞争方法协调矛盾，达成目标。多代理系统的智能配电网结构图如图2所示。

以多代理技术管控智能配电网的本质是下放配电管理系统控制权，使各单元系统能够自我控制，利用代理间制约、联系关系，实现多层次智能配电网优化调度目标。基于多代理系统的管理结构主要如下。1）配电管理系统。该系统是控制中心，可收集各个区域代理人运行情况，结合负荷预测和光伏/风电出力预测情况，并基于系统区域内上级系统和竞价数据，保证系统稳定运行并调度各区域发电。该系统可结合实际观测整体系统，利用区域性代理控制、调度智能配电网。2）区域型代理。该代理比配电中心控制范围更小，介于代理人与配电管理系统间，负责根据区域天气，预测发电单元电力消费和处理情况，结合上层配电系统和下层代理人协调互通，制定区域新能源出力计划、调控负荷计划，公布上网电价与网内电价[5]。3）单元型代理。该代理包括风力发电、光伏发电等代理单元，能够自我管控，利用通信

系统将荷电状态、运行状况和调用负荷情况等进行上报，确定负荷调用补偿电价和发电成本，受区域型代理人控制，可通过通信系统运作协调。

智能配电网多代理系统接入新能源，能够为能源间交换能量提供支持，具备高效、兼容特点。对拓扑结构来说，馈线上分段开关间或分段开关至线路末端节点的发电单元均可划分成区域代理人。基于此，每个区域可等效成一个生产型负荷，输出功率超出负荷需求即可视为可控性新能源，相馈线注入功率即为新能源输出功率，自治控制即为新能源输出功率调节，如图3所示。

2.3目标函数

根据多代理系统进行智能配电网优化调度时，需要构建优化调度模型，鉴于运营人员与区域代理人利益一致，设计目标函数minF，如公式（1）所示。

式中：T为调度周期各阶段数量；？T为各阶段持续时间，进行优化调度时通常设计24h为一个周期，调度每阶段为1h，认为1h内新能源输出功率、系统负荷、负荷调控以及储能交换功率不变[6]；ΩADG与Ωz分别为智能电网中独立新能源总数和自治区域总数；PjNDG（t）为第j可控新能源t时段输出功率；λjNDG（t）和CiADG（t）分别为第j和i可控新能源t时段运行成本。

CiADG（t）如公式（2）所示。

CiADG（t）=CiBESS+CiDC（t）+CiCL（t） （2）

式中：CiBESS为t时段i区域运行蓄电池成本；CiDC（t）为t时段i区域运行可控新能源成本；CiCL（t）为t时段i区域调用可控负荷成本。

智能配电网以新能源最大化利用为目标，对风电、光伏均采取最大功率点跟踪方式。假设间歇式能源发电省略排放成本，其成本CiDC（t）如公式（3）所示。

（3）

式中：PgDC（t）为g节点t时段并网可控新能源发电电价；ΩDGi为i区域新能源接入节点集合；λgDG（t）为g节点t时段并网可控新能源有功功率。

2.4约束条件

功率平衡约束如公式（4）所示。

Pi（t）=Ui（t）∑j∈iUj（t）（Gijcosθij（t）+Bijsinθij（t））

Qi（t）=Ui（t）∑j∈iUj（t）（Gijsinθij（t）+Bijcosθij（t）） （4）

式中：Qi（t）和Pi（t）分别为i节点t时段注入的无功和有功功率；Bij和Gij分别为i、j支路电纳与电导数值；Ui和Uj分别为i、j节点t时段电压幅值；θij（t）为i、j节点t时段相角差。

节点电压约束如公式（5）所示。

Vi，min≤Vi（t）≤Vi，max（5）

式中：Vi，max和Vi，min为i节点最大、最小电压值；Vi（t）为i节点t时段电压。

支路载流量约束如公式（6）所示。

IL，ij，max≥IL，ij（t）（6）

式中：IL，ij，max为支路电流最大值；IL，ij（t）为i、j支路t时段电流幅值。

新能源出力约束如公式（7）所示。

式中：ΔPgDG（t）和QgDG（t）分别为g节点i时段并网新能源可控有功和无功功率；QDGmin，g和QDGmax，g分别为新能源无功可调最小和最大值；PDGmin，g和PDGmax，g分别为新能源有功可调最小和最大值。

在负荷调控约束中，缩减部分不能超出节点可缩减负荷总量，可转移负荷最大量需要低于全部用于参与可转移量。在整体优化调度周期内，保持接受负荷转移量不变且转移时间在一定限度范围内，否则会对用户生活造成破坏。开始转移负荷时，节点处起始调用可转移负荷是1或0，完成负荷恢复时段与之相反。

2.5实时优化调度

在智能配电网中，系统实时运行扰动主要是新能源电力波动、负荷波动造成的功率扰动。为减轻实时调度负担，可采取物理解耦模式，对于区域功率扰动，利用区域代理人控制新能源达成平衡；对于区域外功率扰动，利用变电站低压母线达成平衡。在自治区域内，新能源提供的旋转备用难以抵消系统功率波动，要求上级变电站低压侧母线平衡波动，目标函数minf如公式（8）所示。

式中：ΔPiADG（t）为i区域实时调度向系统馈线注入功率波动；PiADG（t）为预测短期功率/负荷，是i区域预测短期注入系统馈线功率/负荷；PiADG（t）为i区域实际注入系统馈线功率。

通过优化各区域获得总功率波动？PADG（t），如公式（9）所示。

在实时调度中，还需要考虑区域供需平衡约束，如公式（10）所示。

式中：ΩL，i为i区域负荷集合；ΩDG，i为i区域间歇式电源集合；ΔDi'（t）为i区域l'负荷实测出力和预测出力差值；ΔgPDG（t）为i区域g节点分布式电源预测出力和实时出力差值；Δg'PDG（t）为i区域g'节点分布式电源预测出力和实时出力差值。

2.6算法求解

智能配电网调控新能源时，基于多代理系统优化调度建模，并采取微分进化算法对其进行求解，步骤如下。1）输入智能配电网网架参数和系统光伏、风电新能源装机容量基本参数，编码处理，引入24h光伏、风电和负荷预测信息，种群信息初始化。2）种群个体的约束违反惩罚值，与目标函数值进行计算，构成适应度函数值。3）根据微分进化算法，采用交叉、变异操作生成新个体，对其适应度函数值进行计算，比较原有适应度函数值，如果优于原参数，就以新个体代替原个体。4）多次迭代，保证达到收敛条件，输出优化调度结果。

3算例分析

3.1系统概况

采用配电网节点配送系统，电压等级12.66V。结合上述分区方法，划分4个自治区，利用区域代理人加以控制。负荷节点包括居民用户、商业用户与工业用户。系统新能源和储能装置、并网节点见表1。

光照度与风速采取广东中山典型日实测数据，构成风电系统输出功率与光伏系统输出功率。

3.2日前优化调度

在日前优化模型下计算获得24h风电系统、光伏系统、储能设备以及微型燃气轮机出力情况。由于燃气轮机出力较稳定，因此功率峰值在2：00—4：00、11：00—18：00这2个时间段。考虑风电2：00—4：00短时间缺额，增加微型燃气轮机出力，维持功率平衡。而在11：00—18：00，风电功率处于谷值节点，属于负荷峰值阶段，应对其反调峰特性，增加微型燃气轮机输出功率。蓄电池储能时，2：00—7：00以充电为主，处于负荷谷值节点，风电出力较高；10：00—18：00是蓄电池放电阶段和负荷峰值阶段，风电出力低谷。18：00—23：00调用不显著，尽管处于负荷峰值阶段，但风电也是峰值功率阶段，可通过微型燃气轮机、风电调度取得系统平衡。各区域内日前调度注入馈线功率，分布式电源容量较大，以外送功率为主，可实现供需平衡。

4结论

综上所述，石油、煤炭等化石能源储量衰竭，增加了世界能源压力。面对环保和能源枯竭的双重挑战，必须合理利用风力、光伏等新能源进行发电，以分布式电源方式实现配电网并网，缓解能源和环境问题。但是新能源具有不确定性，可立足于多代理系统模式构建智能配电网，实时调控各区域、各单元新能源负荷，从而满足用户电力需求，维持电力系统运行稳定性。

参考文献

[1]张昌庆，姜雪娇，覃刚，等. 基于需求响应平台的主动配电网短期负荷预测[J]. 中国新技术新产品，2023（13）：59-61.

[2]李巍. 山区配电网自动化建设的难点分析及对策[J]. 中国新技术新产品，2023（17）：66-69.

[3]赵玉芝. 基于蚁狮优化算法的主动配电网优化调度[J]. 中国新技术新产品，2022（20）：39-42.

[4]潘忠志，孔宁，王燕涛. 改进新能源消纳的配电网资源优化配置研究[J]. 东北电力大学学报，2023，43（6）：71-78.

[5]李可雨，王峰，蔡德胜，等. 新能源发电协同参与配电网无功优化控制技术[J]. 供用电，2023，40（4）：15-22.

[6]宋昌军. 新能源发电并网对配电网运行的影响及应对措施[J]. 电气技术与经济，2023（1）：147-149.