CN110380407B - 一种考虑农业电排灌负荷的配电网运行优化方法 - Google Patents

Abstract

本发明公开了一种考虑农业电排灌负荷的配电网运行优化方法，步骤一，计算分时电价下优化后的电排灌负荷；步骤二，建立考虑电排灌负荷的配电网运行的优化模型；步骤三，将优化后的电排灌负荷接入配电网中，采用粒子群算法对考虑电排灌负荷的配电网运行的优化模型进行求解。本发明根据电排灌用电特性，利用马尔科夫决策模型计算在分时电价影响下电排灌的最佳运行负荷，在此基础之上采用粒子群算法计算得出计及电排灌负荷的影响的配电网运行优化拓扑。可以在减少用户用电费用的同时减少网络损耗，提高电网的运行效率。

Description

一种考虑农业电排灌负荷的配电网运行优化方法

技术领域

本发明涉及一种考虑农业电排灌负荷的配电网运行优化方法，属于电力系统电源调度技术领域。

背景技术

目前，电能替代作为转变能源发展方式、实现能源战略转型、实施能源革命的重大举措，成为了当前能源研究方向的前沿。国家出台了一系列政策推广电能替代政策，如《关于推进电能替代的指导意见》中明确指出在工农业生产领域推广电灌溉措施。

电排灌负荷是农业负荷中占比最大的负荷，长期以来，其用电存在管理粗放、季节性等特点给电网的调控管理带来了困难，尤其是在夏季农业排灌负荷与空调负荷相叠加，大大地增加了电网的峰值负荷，不利于电网的经济运行。

发明内容

目的：目前国内外关于电排灌优化运行的研究较少，大部分的研究集中于电排灌泵站站内机组的优化运行和多个泵站站间的优化运行，但是对于电排灌负荷参与电网调控的效益分析仍然处于空白阶段。本发明填补了这部分研究的空白，提出的运行优化模型可以在减少用户用电费用的同时减少网络损耗，提高电网的运行效率。

技术方案：为解决上述技术问题，本发明采用的技术方案为：

一种考虑农业电排灌负荷的配电网运行优化方法，包括如下步骤：

步骤一，计算分时电价下优化后的电排灌负荷；

步骤二，建立考虑电排灌负荷的配电网运行的优化模型；

步骤三，将优化后的电排灌负荷接入配电网中，采用粒子群算法对考虑电排灌负荷的配电网运行的优化模型进行求解。

作为优选方案，所述步骤1包括：

1.1根据排灌站需要排灌的流量和扬程来近似计算电排灌的电力负荷，计算公式如下：

式中，Q表示水流量，单位：m³/秒；H表示总扬程，单位：m；η表示水泵、电动机及传动装置的总效率；

1.2采用基于马尔科夫决策过程的计算方法求解在分时电价环境下电排灌的优化运行负荷；

每个时段内总抽水流量为Q_总，要求将其分配于m台机组，使总抽水功率最小，根据马尔科夫决策过程的要求，把m台机组划分为 m个阶段；

决策变量Q_i：第i阶段分配的流量；

状态变量K_i：可供分配给第i阶段至第m阶段的流量；

状态转移方程：

K_i+1＝K_i-Q_i

效益函数：

N_i＝9.81Q_iH_i/η_i

目标函数就是使得总功率最小，即

约束条件：

Q_总＝K₁

其中，

为是第i个机组的上限功率，H_i为第i个机组的扬程，

第i台机组的最大和最小抽水流量，K₁为可供分配给第1 阶段至第m阶段的流量；

递推方程：

F_i(K_i)＝min{9.81Q_iH_i/η_i+F_i+1(K_i-Q_i)}

其中，F_i(K_i)表示以K_i的流量分配给第i至第m阶段，所需的最小输入功率；

1.3把状态变量离散化，然后进行逆序递推求解得到优化后各时段的电排灌负荷。

作为优选方案，所述η取0.7。

作为优选方案，所述步骤1.3包括：

1.3.1给泵站内每个水泵的分配流量设置一个初始值，一般选择为流量的平均值；

1.3.2将状态变量K进行离散化处理；

1.3.3从第一个时段开始起算，由状态变量K和动作变量Q计算得出该时段的末状态，计算在该状态下电排灌负荷的功率即效益函数，然后通过效益函数进行寻优得到该时段的电排灌负荷；

1.3.4当该时段计算完毕进入下一个时段，直至计算完毕。

作为优选方案，所述步骤2包括：

2.1目标函数：

电网损耗是配电网运行中的重要成本，计算公式如下：

式中，ΔP_Σ表示网损，i，j表示支路ij的首末节点，U_i表示支路ij首端电压，P_ij、Q_ij和R_ij表示支路ij上的有功功率、无功功率和电阻，t表示一天内每个整点的优化的时刻，n表示支路首节点的总数；

负荷均衡指标计算公式如下：

式中，D_LIne表示标准差；T_iLine表示优化后第i回线路的负载率； T_avLine表示优化后负载率的平均值，n表示回路的总数；

则考虑电排灌负荷的配电网运行的优化模型为：

minλ₁·ΔP_Σ+λ₂·D_LIne

式中，λ₁、λ₂为权重系数；

2.2约束条件：

(1)潮流方程约束

式中，P_i，Q_i表示节点i处的有功无功功率，G_ij和B_ij表示支路 ij的电导和电纳,U_j表示支路ij末端电压，θ_ij表示支路ij首末节点的相位差，n表示支路末节点的总数；

(2)线路的节点电压约束

U_imin≤U_i≤U_imax

式中，U_i为优化后节点i的电压值，U_imin和U_imax为节点i的电压允许的上下限值；

(3)网络拓扑约束

x∈G

式中，x表示支路G为所有辐射状网络结构集合，该式表示网络结构满足辐射状，不存在环状结构；

(4)开关操作次数

minO_sum＝∑O_i

式中，O_sum表示开关操作的总次数，O_i表示开关动作次数。

作为优选方案，所述步骤3包括：

3.1将优化后的电排灌负荷数据接入配电网对应的节点中，采用功率矩的方法对配电网的动态重构时段进行划分；

3.2对配电网的网络进行简化分析处理；

3.3初始化粒子群程序，设定粒子群规模为M，惯性权重系数上下限w_min、w_max，学习因子c₁和c₂的值，以及粒子群算法终止的条件最大迭代次数I_max的参数；

3.4对粒子群的位置和速度进行初始化，依次选择各个基本环中的1个开关，将其断开，并将其他开关置为不可操作。

3.5将配电网中的开关状态构成的群体作为网络重构中的自变量，对粒子进行编码，并检验网络是否满足辐射状约束，然后进行潮流计算，将计算出的目标函数的期望值作为粒子群中的适应度值；

3.6根据当前位置的个体极值pbest去选择更新历史pbest；若存在粒子的个体极值pbest优于群体的全局极值zbest，那么用个体极值pbest去替换该粒子原本的全局极值zbest；

3.7更新粒子群中粒子的飞行速度以及位置；

3.8判断粒子群算法是否到达设定好的最大迭代次数I_max，若是，停止迭代，得到重构后的配电网结构；否则，返回步骤3.4。

作为优选方案，步骤3.2包括：

(1)找到配电网中的基本环路，从而确定配电网网络重构中的控制变量；

(2)不在环路上的开关不属于控制变量，将不在基本环路上面的支路删除；

(3)通过合并解环效果一样的支路对配电网网络进行简化。

作为优选方案，所述对粒子进行编码：对每一个基本环中含有的开关进行编号，将配电网中的基本环的数目当作粒子群中搜索空间的维数，每一个基本环内开关的编码号即为粒子的位置，利用这种方法对粒子进行编码。

有益效果：本发明提供的一种考虑农业电排灌负荷的配电网运行优化方法，根据电排灌用电特性，利用马尔科夫决策模型计算在分时电价影响下电排灌的最佳运行负荷，在此基础之上采用粒子群算法计算得出计及电排灌负荷的影响的配电网运行优化拓扑。可以在减少用户用电费用的同时减少网络损耗，提高电网的运行效率。

附图说明

图1为基于马尔科夫决策过程的农业电排灌负荷优化的算法流程图；

图2为IEEE33节点带联络开关的网络结构图；

图3为IEEE33节点网络结构图；

图4为配电网支路网损优化前的分布图；

图5为配电网支路网损优化后的分布图；

图6为配电网支路电流优化前的分部图；

图7为配电网支路电流优化后的分部图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

一种考虑农业电排灌负荷的配电网运行优化方法，包括如下步骤：

步骤一，计算分时电价下优化后的电排灌负荷。

1.1根据排灌站需要排灌的流量和扬程来近似计算电排灌的电力负荷，计算公式如下：

式中，Q表示水流量，单位：m³/秒；H表示总扬程，单位：m；η表示水泵、电动机及传动装置的总效率，对于单级水泵η可取0.7。可知，求取排灌站的用电负荷取决于水流量和扬程。

1.2采用基于马尔科夫决策过程的计算方法求解在分时电价环境下电排灌的优化运行负荷。

排灌站总抽水流量在机组间的最优分配问题,可视为一个与时间无关的空间最优化问题。为了能采用马尔科夫决策过程进行求解, 可人为的给所研究的问题赋予时间特性,即将排灌站内可投入运行的机组按顺序编号,把每台机组作为一个阶段,这样,排灌站站内最优运行的问题就变成了一个多阶段决策过程的最优化问题,可用马尔科夫决策过程来求解。以下面的问题为例。

问题的描述变为：每个时段内总抽水流量为Q_总，要求将其分配于m台机组，使总抽水功率最小，根据马尔科夫决策过程的要求，把m台机组划分为m个阶段。

决策变量Q_i：第i阶段分配的流量(即分配给第i台机组的流量)；

状态变量K_i：可供分配给第i阶段至第m阶段的流量；

状态转移方程：

K_i+1＝K_i-Q_i

效益函数：

N_i＝9.81Q_iH_i/η_i

目标函数就是使得总功率最小，即

约束条件：

Q_总＝K₁

其中，

为是第i个机组的上限功率，H_i为第i个机组的扬程，

第i台机组的最大和最小抽水流量，K₁为可供分配给第1 阶段至第m阶段的流量。

递推方程：

F_i(K_i)＝min{9.81Q_iH_i/η_i+F_i+1(K_i-Q_i)}

其中，F_i(K_i)表示以K_i的流量分配给第i至第m阶段，所需的最小输入功率。在求解过程中，先把状态变量离散化(离散的间距取决于计算的精度)，然后进行逆序递推求解得到优化后各时段的电排灌负荷。

如图1所示，基于马尔科夫决策过程的求解过程如下：

1.2.1给泵站内每个水泵的分配流量设置一个初始值，一般选择为流量的平均值。

1.2.2将状态变量K进行离散化处理。

1.2.3从第一个时段开始起算，由状态变量K和动作变量Q计算得出该时段的末状态，计算在该状态下电排灌负荷的功率即效益函数，然后通过效益函数进行寻优得到该时段的电排灌负荷；

1.2.4当该时段计算完毕进入下一个时段，直至计算完毕。

步骤二，建立考虑电排灌负荷的配电网运行的优化模型。

2.1目标函数：

电网损耗是配电网运行中的重要成本，因此选择配电网的有功损耗作为综合优化的目标函数，计算公式如下：

式中，ΔP_Σ表示网损，i，j表示支路ij的首末节点，U_i表示支路ij首端电压，P_ij、Q_ij和R_ij表示支路ij上的有功功率、无功功率和电阻，t表示一天内每个整点的优化的时刻，n表示支路首节点的总数。

此外线路上的负荷越均衡，则在当前的负荷水平条件下，电网的设备利用率越高，因此将负荷均衡指标纳入优化的目标函数中，其计算公式如下：

式中，D_LIne表示标准差；T_iLine表示优化后第i回线路的负载率； T_avLine表示优化后负载率的平均值，n表示回路的总数。

则考虑电排灌负荷的配电网运行的优化模型的目标函数为：

minλ₁·ΔP_Σ+λ₂·D_LIne

式中，λ₁、λ₂为权重系数。

2.2约束条件：

(1)潮流方程约束

式中，P_i，Q_i表示节点i处的有功无功功率，G_ij和B_ij表示支路 ij的电导和电纳,U_j表示支路ij末端电压，θ_ij表示支路ij首末节点的相位差，n表示支路末节点的总数。

(2)线路的节点电压约束

U_imin≤U_i≤U_imax

式中，U_i为优化后节点i的电压值，U_imin和U_imax为节点i的电压允许的上下限值。

(3)网络拓扑约束

x∈G

式中，x表示支路G为所有辐射状网络结构集合，该式表示网络结构满足辐射状，不存在环状结构。

(4)开关操作次数

minO_sum＝∑O_i

式中，O_sum表示开关操作的总次数，O_i表示开关动作次数。

步骤三，将优化后的电排灌负荷接入配电网中，采用粒子群算法对考虑电排灌负荷的配电网运行的优化模型进行求解。

由于电排灌负荷具有季节性、分散性等特点，导致农业负荷的设备利用率低，且电网的损耗高于一般城区电网。所以本发明在得出电排灌负荷的最优运行策略，将其用电量反馈给上层电网，通过配电网的重构优化配电网的运行。

3.1将优化后的电排灌负荷数据接入配电网对应的节点中，采用功率矩的方法对配电网的动态重构时段进行划分；

3.2对配电网的网络进行简化分析处理；

由于配电网重构算法中，计算的维度大，计算复杂，为了减少粒子群算法的维度，减少计算量，所以需要对配电网的网络进行简化。

从配电网的拓扑分析可知其具有以下特点：

(1)配电网的运行需要满足辐射状的约束，当配电网中某一个联络开关闭合的时候，就会形成一个环，为了满足约束，必须断开环网中的一个开关。

(2)为了保证配电网下游供电不形成孤岛，不在环网中的开关必须闭合，因此在进行配电网网络重构时，这类开关不作为控制的变量，始终属于闭合的状态。

基于上述两个配电网的拓扑特点，在利用粒子群算法对配电网进行重构之前，可以通过以下3个步骤对配电网的网络结构进行简化，步骤如下：

(1)找到配电网中的基本环路，从而确定配电网网络重构中的控制变量；

(2)不在环路上的开关不属于控制变量，因此在简化过程，将不在基本环路上面的支路删除；

(3)通过合并解环效果一样的支路对配电网网络进行简化。

3.3初始化粒子群程序，设定粒子群规模为M，惯性权重系数上下限w_min、w_max，学习因子c₁和c₂的值，以及粒子群算法终止的条件最大迭代次数I_max的参数；

3.4对粒子群的位置和速度进行初始化，依次选择各个基本环中的1个开关，将其断开，并将其他开关置为不可操作。

3.5将配电网中的开关状态构成的群体作为网络重构中的自变量，对粒子进行编码，并检验网络是否满足辐射状约束，然后进行潮流计算，将计算出的目标函数的期望值作为粒子群中的适应度值；

对粒子群优化算法中的粒子进行编码：对每一个基本环中含有的开关进行编号，将配电网中的基本环的数目当作粒子群中搜索空间的维数，每一个基本环内开关的编码号即为粒子的位置，利用这种方法对粒子进行编码。

如图2中所示IEEE33节点的标准算例，其存在5个联络开关，共计有5个基本环路，则有：

基本环路S1＝{22,23,37,28,27,26,25,5,4,3}；

基本环路S2＝{25,26,27,28,29,30,31,32,36,17, 16,15,14,13,12,11,10,9,8,7,6}；

基本环路S3＝{34,14,13,12,11,10,9}；

基本环路S4＝{2,3,4,5,6,7,33,20,19,18}；

基本环路S5＝{8,9,10,11,35,21,33}。

其中，{}中代表的是支路号，采用选择支路在所在基本环中的位置，对开关进行操作。假设支路23，27，34，18，11需要断开，则搜索空间的编码为2|3|1|10|4。在搜索空间第i维的范围为1到 size(Si)，size(Si)代表的是开关集合Si的大小。

3.6根据当前位置的个体极值pbest去选择更新历史pbest；若存在粒子的个体极值pbest优于群体的全局极值zbest，那么用个体极值pbest去替换该粒子原本的全局极值zbest；

3.7更新粒子群中粒子的飞行速度以及位置；

3.8判断粒子群算法是否到达设定好的最大迭代次数I_max，若是，停止迭代，得到重构后的配电网结构；否则，返回步骤3.4。

实施例：

本发明以某一电排灌站实际运行数据为例进行分析。

根据某排灌站装置受水潮位变化的影响，将某天划分为4个时段，不同时段的电价、平均装置的扬程表如下表所示。

表1不同时段电价、平均扬程

分时电价在很多地方得到了广泛的应用，是电网调控用电负荷的重要手段之一，因此本文的算例分析计及了分时电价对电排灌负荷调控的影响，假设该站某日应排灌水量为2.5*10⁴m3，则考虑分时电价的日运行优化方案结果如下表所示。

表2考虑分时电价的电排灌站优化结果

优化前，电泵站总用电费用为8327.49元，优化后用电费用为 5617.34，因此在分时电价下，采用本文提出的算法对水泵的运行进行优化，可以节省费用2710.15元。

本发明采用IEEE33节点标准配电网进行校验，网络结构图如图3 所示。该配电系统中，含有32条分段开关、5条联络开关支路(图中黑色虚线8-21/9-15/12-22/18-33/25-29)。假设电排灌负荷安装在14节点，将其24小时对应的负荷值接入，其他节点的负荷数据采用某地区24h居民负荷数据接入。

设PSO中M为100，I_max为500，学习因子c₁和c₂分别为1.5、1.1，电压上下限为±5％，优化方案如下：

表3网络重构方案

优化前配电网的总网损为2577.982kWh，优化后系统总网损为 1611.08kWh，网损下降37.5％。优化前后各支路的电流情况如图6和图7；优化前后电网的网损情况如图4和图5所示，根据计算可知，负荷均衡度指标由优化前的0.1605下降到0.06401，说明配电网的负荷均衡提升，表明配电网的运行效率特得到了优化。

综上分析可知，本专利提出的考虑农业电排灌负荷的电网运行优化方法不仅可以减少农业用户的用电费用，调节农业电网的负荷减少电网的峰谷差，同时可以减少电网侧的损耗，平衡线路的负载水平，有利于电网的经济运行。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种考虑农业电排灌负荷的配电网运行优化方法，其特征在于：包括如下步骤：

步骤一，计算分时电价下优化后的电排灌负荷；

步骤二，建立考虑电排灌负荷的配电网运行的优化模型；

步骤三，将优化后的电排灌负荷接入配电网中，采用粒子群算法对考虑电排灌负荷的配电网运行的优化模型进行求解；

所述步骤一包括：

1.1根据排灌站需要排灌的流量和扬程来近似计算电排灌的电力负荷，计算公式如下：

式中，Q表示水流量，单位：m³/秒；H表示总扬程，单位：m；η表示水泵、电动机及传动装置的总效率；

1.2采用基于马尔科夫决策过程的计算方法求解在分时电价环境下电排灌的优化运行负荷；

每个时段内总抽水流量为Q_总，要求将其分配于m台机组，使总抽水功率最小，根据马尔科夫决策过程的要求，把m台机组划分为m个阶段；

决策变量Q_i：第i阶段分配的流量；

状态变量K_i：可供分配给第i阶段至第m阶段的流量；

状态转移方程：

K_i+1＝K_i-Q_i

效益函数：

N_i＝9.81Q_iH_i/η_i

其中，η_i表示第i阶段水泵、电动机及传动装置的总效率；

目标函数就是使得总功率最小，即

约束条件：

Q_总＝K₁

其中，N_i(Q_i,H_i)为效益函数，

为是第i个机组的上限功率，H_i为第i个机组的扬程，

第i台机组的最大和最小抽水流量，K₁为可供分配给第1阶段至第m阶段的流量；

递推方程：

F_i(K_i)＝min{9.81Q_iH_i/η_i+F_i+1(K_i-Q_i)}

其中，F_i(K_i)表示以K_i的流量分配给第i至第m阶段，所需的最小输入功率；

1.3把状态变量离散化，然后进行逆序递推求解得到优化后各时段的电排灌负荷；

步骤1.3包括：

1.3.1给泵站内每个水泵的分配流量设置一个初始值，选择为流量的平均值；

1.3.2将状态变量K_i进行离散化处理；

1.3.3从第一个时段开始起算，由状态变量K_i和决策变量Q_i计算得出该时段的末状态，计算在该状态下电排灌负荷的功率即效益函数，然后通过效益函数进行寻优得到该时段的电排灌负荷；

1.3.4当该时段计算完毕进入下一个时段，直至计算完毕；

所述步骤二包括：

2.1目标函数：

电网损耗是配电网运行中的重要成本，计算公式如下：

式中，ΔP_Σ表示网损，i，j表示支路ij的首末节点，U_i表示支路ij首端电压，P_ij、Q_ij和R_ij表示支路ij上的有功功率、无功功率和电阻，t表示一天内每个整点的优化的时刻，n表示支路首节点的总数；

负荷均衡指标计算公式如下：

式中，D_LIne表示标准差；T_iLine表示优化后第i回线路的负载率；T_avLine表示优化后负载率的平均值，n表示回路的总数；

则考虑电排灌负荷的配电网运行的优化模型为：

minλ₁·ΔP_Σ+λ₂·D_LIne

式中，λ₁、λ₂为权重系数；

2.2约束条件：

(1)潮流方程约束

式中，P_i，Q_i表示节点i处的有功无功功率，G_ij和B_ij表示支路ij的电导和电纳,U_j表示支路ij末端电压，θ_ij表示支路ij首末节点的相位差，n表示支路末节点的总数；

(2)线路的节点电压约束

U_imin≤U_i≤U_imax

式中，U_i为优化后节点i的电压值，U_imin和U_imax为节点i的电压允许的上下限值；

(3)网络拓扑约束

x∈G

式中，x表示支路G为所有辐射状网络结构集合，该式表示网络结构满足辐射状，不存在环状结构；

(4)开关操作次数

minO_sum＝∑O_i

式中，O_sum表示开关操作的总次数，O_i表示开关动作次数；

所述步骤三包括：

3.1将优化后的电排灌负荷数据接入配电网对应的节点中，采用功率矩的方法对配电网的动态重构时段进行划分；

3.2对配电网的网络进行简化分析处理；

3.3初始化粒子群程序，设定粒子群规模为M，惯性权重系数上下限w_min、w_max，学习因子c₁和c₂的值，以及粒子群算法终止的条件最大迭代次数I_max的参数；

3.4对粒子群的位置和速度进行初始化，依次选择各个基本环中的1个开关，将其断开，并将其他开关置为不可操作；

3.5将配电网中的开关状态构成的群体作为网络重构中的自变量，对粒子进行编码，并检验网络是否满足辐射状约束，然后进行潮流计算，将计算出的目标函数的期望值作为粒子群中的适应度值；

3.6根据当前位置的个体极值pbest去选择更新历史pbest；若存在粒子的个体极值pbest优于群体的全局极值zbest，那么用个体极值pbest去替换该粒子原本的全局极值zbest；

3.7更新粒子群中粒子的飞行速度以及位置；

3.8判断粒子群算法是否到达设定好的最大迭代次数I_max，若是，停止迭代，得到重构后的配电网结构；否则，返回步骤3.4。

2.根据权利要求1所述的一种考虑农业电排灌负荷的配电网运行优化方法，其特征在于：所述η取0.7。

3.根据权利要求1所述的一种考虑农业电排灌负荷的配电网运行优化方法，其特征在于：步骤3.2包括：

(1)找到配电网中的基本环路，从而确定配电网网络重构中的控制变量；

(2)不在环路上的开关不属于控制变量，将不在基本环路上面的支路删除；

(3)通过合并解环效果一样的支路对配电网网络进行简化。

4.根据权利要求1所述的一种考虑农业电排灌负荷的配电网运行优化方法，其特征在于：所述对粒子进行编码：对每一个基本环中含有的开关进行编号，将配电网中的基本环的数目当作粒子群中搜索空间的维数，每一个基本环内开关的编码号即为粒子的位置，利用这种方法对粒子进行编码。

Images