摘要：主动配电网（ActiveDistributionNetwork）的产生对于加大可再生能源的消纳能力、提高用电互动化水平、实现配电网的灵活智能管理发挥着重要的作用，逐渐成为未来智能电网发展的重要方向。其中主动配电网能量管理系统（DMSs）作为主动配电网的最高决策中心，通过对各分布式电源的有效控制和调度，保障配电网的全局优化运行。为提高主动配电网运行的经济性和可靠性，通过对主动配电网能量优化调度技术进行分析，考虑到风力发电和光伏发电的不确定性，结合随机模拟技术和惩罚函数方法，基于机会约束规划建立了含有风力发电机、光伏发电单元以及储能装置的主动配电网能量调度随机数学模型。在满足各种约束条件的基础上，使用改进的粒子群算法求解该模型。并以某地区实际系统为算例，通过与标准粒子群算法进行比较，验证所提模型的正确性与有效性。
关键词：主动配电网；能量管理系统；随机模拟技术
1前言
分布式发电技术在环境保护，提高电网供电可靠性和经济效益方面发挥着重要作用，因此得到各个国家的广泛关注，并且取得了快速的发展。然而规模化的可再生电源接入到配电网中，对传统配电网的运行控制产生了深远的影响。此时，配电系统从单向辐射式的网络转变为遍布分布式电源和负载互联的网络，这种双向供电的多电源配电网在运行和管理过程中暴露出越来越多的问题，主要表现在设备可利用率不高，系统自愈恢复能力薄弱，顾客与电网的自适应交互水平较低，供电可靠性及电能质量的恶化等，因此主动配电网技术应运而生。主动配电网（ADN）作为一种新兴的电力系统自动化发展方向，是智能配电网技术的高级模式。2008年在CIGRE会议上被首次提出，其基本定义是：通过使用灵活的网络拓扑结构来管理潮流，以便对局部的DER进行主动控制和主动管理的配电系统。因而主动配电网的特点主要是能够有效管理配电网中的间歇式新能源、储能装置、柔性负载、无功补偿设备等可控分布式电源的优化运行，为系统提供一定的电力支持，实现配电网络的安全、经济、高效运行。
主动配电网的核心价值在于通过源网的协调控制系统，将DG作为可控可调机组参与最优潮流的运行调度，实现主动配电网的全局优化能量管理。因此主动配电网能量管理系（DMSs）是主动配电网技术的实现形式，是最高层次的决策中心。DMSs通过状态估计、智能优化算法数据处理以及控制策略输出的方式完成对整个配电网的电压控制、潮流管理、DG协调运行以及快速网络重构控制，其中主动配电网能量管理系统状态估计中信息收集主要包括用户负荷实时数据、网络拓扑结构、DG的运行工况以及储能装置的电荷状态等全局运行数据信息。
2基于随机优化的主动配电网能量调度模型
2.1机会约束规划
机会约束规划是随机优化的重要分支，是由Charles和Cooper首先提出来的，用于解决在给定置信度水平下具有不确定性因素的优化问题。如果约束条件中含有随机变量，且必须在观测到随机变量的实现之前做出决策，考虑到所做的决策在一定程度上不能满足约束条件的要求，采用允许所做的决策在一定水平下不满足约束条件，但是该决策必须使约束条件成立的概率高于某一置信水平的原则加以解决。
2.2主动配电网能量调度模型
2.2.1目标函数
在主动配电网能量调度模型中，目标函数主要考虑的是整个配电网的经济优化运行。配电网经济运行指电网在供电成本率低或发电能源消耗率及网损率最小的条件下运行。分布式电源接入配电网中，能够极大地提高系统供电的经济性，相对于火力发电等传统机组发电，光伏发电以及风力发电的发电成本比较低廉，各分布式电源的运行维护成本主要考虑可调度发电机和储能装置的成本。在能量调度过程中，需尽可能提高可再生能源的利用效率，优化主网与分布式电源系统之间的能量交互成本同样需要重视。
2.2.2约束条件
主动配电网能量调度约束条件的选取主要考虑各分布式电源的运行状态限制以及配电网的可靠性要求，提高供电质量，促使主动配电网安全、高效、稳定运行。
期刊文章分类查询,尽在期刊图书馆传统配电网中能量调度约束条件中不含有随机变量，因此等式约束和不等式约束条件都是确定性的。在本文中，考虑到风力发电以及光伏发电输出功率的不确定性，基于机会约束规划方法，利用概率的形式描述约束条件，使得调度方案满足一定的约束条件置信水平，从而更加符合主动配电网的实际运行需求，保证能量调度方案的可行性。
2.2.3风电与光伏发电单元输出功率的随机模拟技术
主动配电网中风力和光伏发电随着天气条件的变化而变化，其出力是不可控的，需要对这种间歇式可再生能源进行输出功率预测。然而精确的风速以及光照强度很难预测，实际的风力发电机和光伏器件的出力会在预测值的基础上产生波动，对配电网的运行增加不确定性。因此本文在考虑间歇式可再生能源输出功率预测的前提下，利用随机模拟技术处理预测偏差，保证主动配电网运行稳定性。
3主动配电网能量调度模型求解方法
3.1改进粒子群算法
标准粒子群算法（PSO）的基本思想是：随机初始化一群没有质量和体积的粒子，将每个粒子看成是待求问题的一个解，用适应度函数来衡量粒子的优劣，所有粒子在可行解空间内按一定的速度运动并不断追随当前最优粒子，经过若干代搜索后得到该问题的最优解。上述能量调度模型的求解，本文主要利用改进的粒子群算法。同时，针对PSO在迭代后期容易陷入局部最优、收敛精度低、易发散等缺点，本文对标准粒子群算法进行了一些修正和改进。首先利用收缩因子替代传统的惯性权重，使PSO算法速度趋于0时，迫使粒子的速度在一定的约束范围内重新完成搜索，提高算法跳出局部最优的能力。其次将遗传算法中的选择操作应用到粒子群算法中，即混合PSO算法（HPSO），可以提高整体平均适应度值，有利于算法快速收敛。
3.2约束条件验证中的蒙特卡罗模拟技术
机会约束规划方法中，利用概率的形式描述约束条件，调度方案需要满足一定的约束条件置信水平。蒙特卡罗模拟技术为验证该类型概率形式的约束条件提供了有效的途径。
4算例结果与分析
以某地区包含有风电、光伏电站、储能装置和柴油发电机的主动配电网系统为例，如图4所示。其中两台柴油发电机额定容量分别为50kW和100kW，50kW柴油机的爬坡速率为20kW/h，100kW柴油机的爬坡速率为30kW/h。风力发电机的额定输出功率为300kW，光伏发电站输出额定功率为200kW，两个储能装置的容量均为50kW。设调度周期为24h，并将每个小时划分为一个时段，共24个调度时段，该日最高负荷为475kW，最低负荷为324kW。
本文用Matlab编程求解上述主动配电网能量调度模型，改进的粒子群算法参数设置为：种群规模为200，最大迭代次数为100，收缩因子按上文中式（16）设定，蒙特卡罗模拟的次数取N=1000。
5结束语
本文将随机规划理论应用到主动配电网能量调度系统中，解决了由于间歇式可再生能源接入配电网中所带来的不确定性影响。利用随机模拟技术预测风电与光伏发电单元输出功率，建立了基于机会约束规划的能量调度模型，采用改进的粒子群算法进行求解。以某地区实际系统为例，验证了该模型和求解方法能够有效地实现对主动配电网的能量优化调度，并分析讨论了不同约束条件置信水平对调度方案产生的影响，为各种运行标准下调度模型的确定提供参照。
参考文献
[1]尤毅,刘东,钟清,余南华.主动配电网优化调度策略研究[J].电力系统自动化,2014,09:177-183.
[2]蒲天骄,陈乃仕,王晓辉,葛贤军,李志宏,于建成.主动配电网多源协同优化调度架构分析及应用设计[J].电力系统自动化,2016,01:17-23+32.
[3]齐琛,汪可友,李国杰,韩蓓,徐绍军,卫泽晨.交直流混合主动配电网的分层分布式优化调度[J].中国电机工程学报,2017,07:1909-1918.
[4]王健.主动配电网日前计划调度方法研究[D].北京交通大学,2015.
论文作者:高晓春
论文发表刊物:《电力设备》2017年第20期
论文发表时间:2017/11/20
标签：配电网论文; 主动论文; 能量论文; 粒子论文; 算法论文; 条件论文; 模型论文; 《电力设备》2017年第20期论文;