CN110322092B

CN110322092B - 一种源网荷多层博弈经济调度方法

Info

Publication number: CN110322092B
Application number: CN201810293626.4A
Authority: CN
Inventors: 孙晓蕾; 何文慧; 陈聿笙
Original assignee: Nanjing University of Science and Technology
Current assignee: Nanjing University of Science and Technology
Priority date: 2018-03-30
Filing date: 2018-03-30
Publication date: 2022-09-27
Anticipated expiration: 2038-03-30
Also published as: CN110322092A

Abstract

本发明公开了一种源网荷多层博弈经济调度方法，为协调微网、配网和负荷的关系，提高主动配电网对可再生能源的消纳能力，提升系统经济性。步骤：1)划分微网与配网之间的合作博弈、配网与负荷之间的合作博弈以及负荷之间的非合作博弈的三层调度策略；2)建立以发电运行成本最小、网损最小和电压偏移合格率最高为目标的多目标优化经济调度模型，并运用综合定权法将其化为单目标；3)并采用改进微分进化算法对其求解。本发明的源网荷多层博弈经济调度方法针对含多微网的主动配电网调度问题，可调度变量较多，关系较复杂，其中包括配电网和微网的各种电源、负荷和储能及其相互之间的关系，本发明将含多微网的主动配电网运行优化问题分为三层，并充分利用博弈论的思想。

Description

一种源网荷多层博弈经济调度方法

技术领域

本发明属于智能电网领域，特别涉及一种源网荷多层博弈经济调度方法。

背景技术

随着环境危机与能源紧缺的日益加剧，可再生能源(Renewable Energy,RE)以其绿色环保等特点得到越来越广泛的关注。但传统配电网被动地控制和管理不利于高渗透率分布式能源(Distributed Energy Resource,DER)的接入。主动配电网(ActiveDistribution Network,ADN)技术以其对分布式电源、储能以及柔性负荷的主动控制和管理，可以实现分布式能源的高效消纳和系统的优化运行。因此，对主动配电网中分布式电源、储能以及柔性负荷的高效控制策略有必要深入研究。

目前，关于主动配电网的优化调度方法研究已成为一个热点。微网是分布式电源接入电网的最佳形式之一，但目前，含多微网的主动配电网运行优化策略的研究较少。现有的双层规划策略，构造了微网间互动备用博弈矩阵，分析了多微网与配网之间的运行行为，但没有考虑微网与配网之间互为备用的关系和柔性负荷的响应；同时跨时段决策和实时调度决策，建立了基于效用函数的经济优化调度模型，得到智能配电网的最佳运行方式，但缺乏微网与配电网之间的互动配合。

发明内容

本发明的目的在于提出一种源网荷多层博弈经济调度方法，协调微网、配网和负荷的关系。

为了解决上述技术问题，本发明提供一种源网荷多层博弈经济调度方法，具体步骤为：

步骤1、将调度策略规划问题划分为三层调度策略，具体为微网与配网之间的合作博弈策略、配网与负荷之间的合作博弈策略以及负荷之间的非合作博弈策略；

步骤2、建立以发电运行成本最小、网损最小和电压偏移合格率最高为目标的多个子目标优化经济调度模型，并运用综合定权法将其化为单目标模型；

步骤3、采用改进微分进化算法对单目标模型求解，得到最优单目标。

本发明与现有技术相比，其显著优点在于：(1)针对含多微网的主动配电网调度问题，可调度变量较多，关系较复杂，其中包括配电网和微网的各种电源、负荷和储能及其相互之间的关系，本发明将含多微网的主动配电网运行优化问题分为三层，并充分利用博弈论的思想；(2)考虑需求响应和配网与微网相互备用，可以提高主动配电网对可再生能源的消纳能力，且相互备用相对于需求响应对系统运行经济性影响更大；(3)采用结合主成分分析法、层次分析法和熵权法的综合定权指标，并结合改进DE算法对系统调度策略进行优化，可有效提升系统的经济性。

附图说明

图1是含多微网的主动配电网多层系统结构图。

图2是负荷之间非合作博弈流程图。

图3是基于改进微分进化算法的模型求解过程图。

具体实施方式

本发明是一种源网荷多层博弈经济调度方法，具体步骤为：

本发明提出微网与配网的互动备用模式来协调源网荷的关系。在整个系统中存在四层关系，包括多微网之间、微网与配电网之间、配电网与负荷之间以及各负荷之间的关系，其多层系统结构如图1所示。该互动备用包括微网之间相互备用和微网与配网相互备用，并基于合作博弈来制定相互备用的策略。本发明将该调度策略规划问题划分为三层，分别为微网与配网之间的合作博弈策略、配网与负荷之间的合作博弈策略和负荷之间的非合作博弈策略。

对于微网i，电源调度优先级为：第一级为微网i的可再生分布式电源(RenewableDistributed Power Supply,分布式电源)、除风光外其他电源、储能，第二级为外部微网或配网的分布式电源、除风光外其他电源、储能，第三级为主网。其中，微网和配网中始终有一个光伏作为当地恒供电源，不作为系统的备用。网间互动备用量包括微网或配网的分布式电源(DG)发电量和微网或配网的储能充电量。微网与配网之间的合作博弈策略表示为第i个电网t时刻的微网与配网之间的互动备用量

则第i个电网t时刻的网间互动备用量

可表示为：

式中，

和

分别为分布式电源、除风光外其他电源和储能发电一级决策变量；

Y_i ^t和

分别为分布式电源、除风光外其他电源和储能的发电二级决策变量；

和

分别为分布式电源、除风光外其他电源和储能的发电量；ε₁、ε₂和ε₃分别为分布式电源、除风光外其他电源和储能的调度顺序变量。

对于配网负荷的供电，同样需先调用配网或微网中的可再生能源。因此，同微网与配网之间的合作博弈策略类似，配网中电源为负荷供电的优先级为：第一级为配网或微网中可再生能源(风、光)、微网中除风光外其他微源、储能，第二级为主网。则配网与负荷之间的合作博弈策略表示为配网与负荷之间的互动容量

具体为：

式中，a^t、b^t分别为除风光外其他电源和储能的发电一级决策变量；M^t、L^t和N^t分别为分布式电源、除风光外其他电源和储能的发电二级决策变量；

和

分别为配网和微网中分布式电源、除风光外其他电源和储能的发电量；

为配电网的负荷量。

用户均以追求自身的收益最大为目标，则各用户之间是非合作博弈关系。该博弈是否存在唯一的纳什均衡，取决于收益函数即用户的用电成本。

用户的用电成本即配电网发电成本与配电网的常规电源发电成本、DG发电成本、储能运行成本以及微网中的各电源发电成本等有关，成本计算较为复杂。本发明将主网购电成本

分布式电源发电成本

和储能放电成本

的和作为配电网总发电成本

负荷之间的非合作博弈策略流程如图2所示，具体实施步骤为：

2)用户接收主网发电成本函数，并计算可平移负荷

2)系统控制中心接收所有用户的负荷预测值和DG发电预测值，计算主网消纳负荷，并发送给每个用户，各用户再根据配电网总发电成本函数

以其购电成本最小化为目标优化可平移负荷，得到最优可平移负荷

3)对比

和

若相等，则流程结束，得到最优可平移负荷

若不相等，则用

代替

重复步骤2)。

通过以上步骤，用户间的博弈便达到了纳什均衡，并得到了最优可平移负荷。

进一步的实施例中，由于该调度问题涉及到微网、配电网、负荷多方面的利益，本发明采用多目标优化来实现各方利益的均衡。

第1个子目标为系统发电运行成本最小。

系统发电运行成本C_RZ包括微网运行成本C_Rmicro、网间互动运行成本C_Rs以及配网运行成本C_Rdis：

C_RZ＝C_Rmicro+C_Rs+C_Rdis

式中，N为配网中微网总数；T为系统总运行时段；

为第j种DG的燃料成本(风光发电的燃料成本为0)；

为第j种DG的单位运行维护成本；c_m为市场电价；c_s为单位互动运行成本，该参数综合考虑各种电源的发电成本。

第2个子目标为配电网的电网损耗最小。

配电网网损包括输电线路损耗、变压器和变流器损耗以及其他设备的损耗。本发明仅计入输电线路损耗、变压器和变流器损耗，由于变流器和变压器的损耗计算较复杂，本文采用转换效率来描述其损耗，则配电网的网损W_loss为：

式中，第一项表示微网与配网传输功率的损耗；第二项表示配网传输功率的损耗；

和

分别为微网和配电网对第i个微网提供备用时的线路损耗和变压器及变流器损耗；

和

分别为各电源对配网负荷供电时的线路损耗和变压器及变流器损耗；P_l ^i,t和

分别为微网i中线路l末端等效的有功和无功负荷值；r_l是线路的等效电阻；N_l是微网i中的线路总数；

和

分别为微网i中流过第v个变压器和第w个变流器的有功功率；η_trans和η_conv分别为第i个微网中变压器总数和变流器总数。

第3个子目标为配电网各节点电压偏移合格率最大。

本发明以电压偏移合格率作为配电网电压的评价标准，合格的电压偏移是指10kV线路的电压偏移在额定电压的±7％之内，将电压偏移合格的节点所占的比例定义为电压偏移合格率μ_V，可以表示为：

μ_V＝n_qua/n_total

式中，n_qua为电压合格的节点数；n_total为配网中节点总数。

进一步的实施例中，步骤2中，运用综合定权法将多目标化为单目标，通过对各目标赋权并相加得到一个正系数的单目标函数。本发明采用Delphi法将主成分分析法、层次分析法(AHP)和熵权法相结合，得到一种综合权值ρ_i(i＝1，2，3)：

ρ_i＝φ₁ρ_fuz,i+φ₂ρ_ahp,i+φ₃ρ_ew,i

式中：ρ_fuz,i、ρ_ahp,i和ρ_ew,i分别为第i个子目标对应主成分分析、层次分析法和熵权法的权重；φ₁、φ₂和φ₃分别为重要度系数，且满足φ₁+φ₂+φ₃＝1。

该问题可以转化为对重要度系数φ_j的优化，优化目标为最优权重与各权重ρ_i的离差最小值：

式中，ρ_i为第i种赋权法的权重向量，

表示第i个子目标的最优权重。

最优权重求解过程中满足下列条件：

在配网中功率与电压限制：

P_min≤P^t≤P_max

Q_min≤Q^t≤Q_max

U_min≤U^t≤U_max

式中，P_max与P_min、Q_max与Q_min、U_max与U_min分别为配网中传输有功功率、无功功率以及节点电压的上、下限。

潮流约束：

式中：

和

分别为DG总发电有功功率和无功功率；

和

为交换有功和无功功率；

和

为相邻两节点i、j的电压；

为相邻两节点i、j的电压相角差。

DG功率约束：

储能功率与容量约束：

式中：

为储能的当前荷电状态；S_OCmax和S_OCmin为储能荷电状态的上、下限。

DG的爬坡约束：

式中：

和

分别为第i种DG上、下爬坡约束。

备用容量约束：

式中：P_Smax为最大网间互动备用容量，此约束为保证全网备用容量的均衡。

根据各个子目标的最优权重

将多目标优化经济调度模型转换为单目标模型，具体为：

其中，

分别表示第i个子目标的最优权重，i＝1,2,3。

进一步的实施例中，以同类型电源调度的顺序为变量，因该模型的求解为多决策变量的非线性问题，采用改进微分进化算法对其进行求解。

单目标模型的求解问题为多决策变量的非线性问题，采用改进微分进化(Improved Differential Evolution,IDE)算法对其进行求解，具体改进如下：

1)参数的动态调整

微分进化算法中，缩放因子F选取的适当与否直接影响算法的收敛性能。当F>1时，算法的收敛速度会明显下降，更大时甚至可能造成收敛困难；但F过小时，个体变化较小，不利于保证种群多样性，一般F的选取范围是(0.4,0.9)。F在搜索前期取值越大越有利于个体多样性，在后期取值越小越有利于收敛。种群个体前期比较分散，后期比较集中于最优个体附近。因此对F的动态调整如下：

式中：F_min为0.4；

和

分别为种群中最优个体和最差个体的适应度。

交叉因子C_R在搜索前期越小越有利于增强算法的局部搜索能力，在后期越大越能防止算法陷入的局部最优。因此，对C_R的动态调整如下：

式中，C_Rmin为C_R的下界，取0.3。

3)局部增强算子

在变异、交叉和选择得到新种群后，以P_m(0＜P_m＜1)概率随机选择新种群中的个体，使该部分个体接近当前种群最优解，缩小寻优范围，增强局部收敛能力。从而引入局部增强算子：

式中：

为局部增强后的新个体；x_best,G+1为种群中的最优个体；x_r1,G+1和x_r2,G+1是种群中随机选取的个体，满足r₁≠r₂≠i，gen为迭代次数。结合图3所示，单目标模型求解的具体步骤为：

步骤3.1、根据负荷之间的非合作博弈策略，计算最优可平移负荷，并对分布式电源、除风光外其他电源和储能的调度顺序变量进行排序；

步骤3.2、在全部排序内随机生成初始化种群，种群G＝0；并获取顺序变量的当前排序，计算初始种群适应度；

步骤3.3、判断G是否达到迭代次数，是，则退出循环，输出最优调度策略；否，则令循环变量i＝1，执行步骤3.4；

步骤3.4、对当前种群进行变异、交叉，以及计算个体适应度后得到新种群；

步骤3.5、判断i是否等于种群数量，是，则令G＝G+1，并对种群更新，以Pm概率对新种群中的部分个体按局部增强算子重新赋值，并返回步骤3.3；否，则令i＝i+1，并返回步骤3.4。