分区调度（共3篇）
分区调度 篇1
目前, 我国航空电子技术中, 相关航空电子软件、机械电子等都有很大的发展, 特别是关于航空电子软件开发和使用, 我国航空系统航空电子已经由电子机械相关的技术和系统逐步向着航空电子软件技术和系统方向过渡发展, 比如, 在航空电子应用的航空软件导航系统、雷达等。在航空电子软件的应用上, 根据相关软件的安全等级的区别, 并按照航空软件的分组策略进行分区。在ARNC 653标准中的规定, MA系统结构, 由两层任务调度的策略, 以实现各个分区应用软件的执行。在这些分区应用的软件的正常执行工作和使用的过程中, 相关的航空电子科技研发人员应当特别需要注意对分区任务调度的研究, 为了达到分区应用软件在执行时的正确性, 就需要保证分区任务调度的可行性。根据相关文献资料和科研资料中, 可以了解到, 对航空电子双层任务分区的调度, 可以基于单调速率任务分配的调度模型, 并通过这一调度模型可以得到航空电子分区设计相关的一些参数或者是一些表达式等重要的数据;还有的是根据最早时限优先调度模型进行分区调度。
1 基于ARNC 653标准, 研究航空电子双层任务分区调度模型设计
在研究航空电子双层任务分区调度模型设计方面上, 提高航空电子系统的精度, 航空系统工程相关设计科研人员通常基于ARNC 653标准研究分析, 对于分区管理的概念特别强调。
在航空系统上, 一般情况下, 一个或者多个航空电子应用软件可以对应一个核心模块, 因此, 在这个对应的核心模块上可以针对多个航空电子应用软件进行相应的分区处理, 通过对分区应用的管理可以提高航空电子系统的容错能力。在分区处理应用中, 一般一个或者多个并发执行的进程组成对应了一个分区。
在航空电子系统的实际操作中, 轮转调度方式的应用可以很好的对分区模块应用软件的每一个分区进行全部激活;在航空电子系统航空应用软件的各个分区中, 根据调度策略实现模块内所有分区之间的互不影响, 就应当使激活的分区可以被执行, 而没有激活的分区就不能够被执行, 这样才能够满足航空电子系统核心模块分区管理的有效性, 且保证各个分区之间互不影响与相对独立。当然, 航空系统航空电子相关工作科研设计人员在操作系统层对航空电子双层任务分区的调度设计不仅仅可以采用轮转调度策略, 还可以采用一些其它方面的调度策略, 从有关资料可以了解到相关调度策略, 可以采用分层EDF调度方法。分层EDF调度方法在航空电子系统的应用来看, 并不算是非常合理有效的调度方法, 主要是因为这中调度方法是基于宽带服务思想、且必须要有非常多的周期任务, 周期任务繁多这一特点对于航空电子系统来说就不太实用了。
在航空电子双层任务分区调度设计中, 一般情况下, 当采用单处理器系统的时候, 在K个不同的分区里, 由于所有的分区都有不同的任务, 而且在相同的分区里面也会有不同的几个任务, 针对第k个分区其所包含的任务往往使用Γk进行表示, Γk={Τki/1≤i≤nk}, 其中, Τki中ki的意思指的是在第k个分区里面的第i个任务, 这些任务都具有相对的独立性。对于航空电子系统中所采用的轮转调度的策略需要一轮Trl时间长度的访问, 任务执行系数αk, αk介于0~1之间, 分区Pk的执行时间为Trl*αk, 调度模型总结为图1。
该文就EDF调度策略的调度模型进行相关的探讨和研究, 对于这种调度策略仅仅凭借函数表达式来进行调度是不够的, 为了能够实现对不同时间时刻的调度, 把Γk中的任务进行合理排序, 以实现任务的顺利执行。
2 根据分区调度设计, 对可调度性进行研究和探讨
针对分区Pk, 别的分区对Pk分区的阻塞可以理解为周期任务, 这个周期任务用Τk0{0, Trl, Trl (1-αk) , Trl (1-αk) }对Pk任务抢占造成的, (对Τk0的解释说明, 释放抖动0, 周期Trl, 执行和截止时间Trl (1-αk) ) 。按照此模型, Γk中的各任务和Τk都能够调度成功, Τk0模拟了别的分区对Pk的周期抢占影响。
3 结语
随着我国的科学技术的不断发展, 我国航空电子技术中, 相关航空电子软件、机械电子等都有很大的发展, 特别是关于航空电子软件开发和使用, 我国航空系统航空电子已经由电子机械相关的技术和系统逐步向着航空电子软件技术和系统方向过渡发展。在航空电子双层任务分区调度设计中, 一般情况下, 往往会参考ARNC 653标准中的规定, 根据两层任务调度的策略, 以实现各个分区应用软件的执行。分区应用的软件的正常执行工作和使用对分区设计都有很大的影响。在我国的相关的航空电子系统航空电子双层任务分区调度设计中, 相关的航空电子科技研发人员会特别需要注意对分区任务调度的研究, 以达到分区应用软件在执行时的正确性, 并保证分区任务调度的可行性。
摘要：在当今社会的大发展的环境下, 我国的经济在不断的飞速发展, 科教兴国培养了大批的科技型人才, 因此, 我国科学技术也在不断的提高, 电工电子技术、数字信息化技术、计算机科技等技术都有了空前的发展, 我国航空系统工程正在逐步向着综合化的方向发展, 航空电子技术发展的脚步也越来越快。该文就针对航空电子分区调度的相关问题进行研究和探讨。在航空电子分区调度问题上, 需要建立相关的操作系统, 并根据双层任务调度模型作为电子分区的工作模型。在航空电子双层分区调度设计的相关问题的研究和探讨中, 计算和给出分区调度方法。
关键词：航空系统工程,航空电子,双层任务调度模型,分区调度,分区设计
参考文献
[1]朱晓飞, 刘世杰.全国航空电子过程管理标准化技术委员会一届二次会议暨2009年度工作会议顺利召开[J].航空标准化与质量, 2010 (1) .
[2]何锋, 宋丽茹, 熊华钢.航空电子分区层次调度模型及其优化设计 (英文) [J].系统仿真学报, 2009 (19) .
[3]何锋, 熊华钢, 宋丽茹.航空电子分区调度研究[J].系统仿真学报, 2008 (S1) .
[4]董勤鹏, 熊华钢.基于某航空电子设备的自动测试系统设计与实现[J].现代电子技术, 2008 (21) .
[5]何锋, 宋丽茹, 熊华钢.航空电子分区层次调度模型及其优化设计 (英文) [J].系统仿真学报, 2009 (19) .
分区调度 篇2
传统的自动发电控制(AGC)根据区域控制误差(ACE)来调整机组出力以满足相关的控制标准[1,2,3,4],其本质是一种反馈控制。这种反馈控制要求控制区有足够的快速可调容量,然而对于水电资源稀缺地区则难以满足,因此文献[5,6,7]提出了利用超短期负荷预测实现AGC的超前控制,在传统的机组调节量引入超前控制分量。另一方面,随着电力市场的兴起,实时调度系统作为实时发电市场的技术保障[8],其重要性不言而喻。文献[8,9,10,11]均设计并实现了完整的实时调度系统,并且应用在相应的省级电网。实时调度系统中,最关键的技术是实时发电计划的制定,传统的解决该问题的方法为静态优化方法和动态优化方法[12,13]。静态优化方法主要是最优潮流(或者利用潮流灵敏度)的方法,其最大的缺点是只针对某一时段优化,没有考虑时段之间的耦合关系。文献[14]系统地综述了国内外在动态优化上所做的研究,指出通过寻找到各时段之间的解耦条件并且把动态优化问题转变为静态优化问题是非常必要的。文献[15,16]提出有功调度的积留量方法,该方法在静态优化模型中引入前瞻约束和后顾约束,使动态优化问题转化为静态优化问题,求解速度大幅提高。文献[17]则在积留量方法中引入断面约束,进一步提高了该方法的实用性。
为了适应电网的发展,特别是为了降低连锁故障发生的风险,省级电网逐步打开500 kV 和220 kV间的电磁环网。为此,调度部门提出了新的控制要求:
1)电网分区控制:由于电网规模的不断扩大,为了降低调度复杂度,将大电网分解成各个控制子分区,并在日前制定各分区之间的500 kV割集断面功率传输计划,防止分区之间的传输功率产生大的波动。
2)电网分层控制:接入500 kV的机组一般是大容量的节能机组,机组调节特性好。在节能调度中,该类机组将被优先调节。一方面,这类具有快速调节能力机组的可调容量会被首先耗费掉;另一方面,会导致500 kV联络变压器下送功率过大。如果该类机组出现故障,则电网的负荷损失大,因此,需要控制500 kV机组的下送功率。
根据调度部门提出的控制要求,本文在安全经济调度优化模型中引入分区约束和分层约束,通过控制500 kV割集断面和500 kV联络变压器的功率,实现分区分层平衡。在此基础上,提出了在不可行(例如无法满足联络线路(断面)安全约束)的情况下求解机组的控制策略的新模型。该模型可以给出不可行情况下最小越限风险的控制策略,保证系统持续可靠运行。
1 系统可行条件下的实时机组计划制定
为了实时满足发供平衡,将电网的机组分成3类:①日前机组,负责执行日前计划;②实时机组,负责执行实时计划;③AGC机组,负责执行AGC控制指令。
其中,实时机组控制周期为15 min(可调)。在满足安全、节能环保要求的前提下,15 min实时机组计划完成的任务包括:①弥补日前负荷预测与15 min超短期负荷预测的偏差;②控制分区断面传输功率;③为AGC留出足够的备用容量。为此,可构建如下线性规划模型:
式中:ri为发电机当前的发电单位成本;ΔP为下一点负荷增量减去日前机组和AGC机组的计划增长量,为了给AGC留出足够的裕量,在这里AGC机组的计划取可调出力上下限的中间值;ΔPi为机组i的调整量;NcagcG为全网实时调度机组的个数;NncagcG为除NcagcG以外的机组;Sij为负荷平衡灵敏度[9],其中为了达到分区平衡,需要在母线负荷因子中引入分区负荷预测的信息;ΔCgj为非实时调度的机组的计划调节量对断面功率的影响;Mint为内网安全功率传输断面集合;
不等式(3)保证传输断面不过载;约束(式(4)、式(5))保证500 kV断面的功率跟踪计划值。
2 系统不可行条件下的实时机组计划制定
对于上述实时机组的计划制定模型,一般情况下是存在可行解的。然而在某些特殊情况下,可能会出现无可行解。此时表明在给定的断面潮流约束下,出现了机组出力发得出但送不出的情况,或者是500 kV断面计划不合理。当出现这种情况时,算法必须能自动松弛断面的功率约束以便获得可行解,从而保证系统的连续运行。为了极小化越限所带来的风险,此时的控制目标从发电经济型转变为断面越限后风险最小。因此,可建立如下目标规划模型:
式中:w1,w2,w3为权系数,w2>w3>w1,表示优先考虑安全断面功率越限,其次是控制断面的功率偏移,最后考虑发电经济性;d+j为断面越限时的越限量;d-j为断面未越限时的剩余量;在目标函数希望越限量d+j最小,考虑到各断面的重要性不同,因此引入pj作为风险系数,∑pjd+j为断面越限的总风险;d-k为实际控制值小于目标值时的偏差;d+k为实际控制值大于目标值的偏差; 在目标值希望偏差量d+k+d-k最小,因此
式(9)在断面安全约束基础上引入d+j和d-j,变成等式约束。式(10)、式(11)是分区分层控制约束,目标函数在原来发电成本项
3 模型的求解方法
上述模型本质上是线性规划模型,本文采用单纯形法求解。在河南电网实际运行中,165台实时机组,23个断面约束,在双核CPU主频1.66 GHz、物理内存1 GB的计算机上,可在10 s内完成一次计算,因此满足在线应用的要求。
4 算例分析
采用本文提出的方法的有功实时调度系统已经在河南省调度通信中心实际运行,运行表明本文提出的方法能够应对处理电网调度中的各种情况。
4.1 河南电网结构分析
图1是河南电网的网络结构分区图,分为豫北、豫西、豫中和豫南4个分区,各分区之间通过500 kV的割集断面连接,500 kV与220 kV通过500 kV联络变压器连接,豫西和豫中地区为主要的电源区,豫北和豫南地区为负荷区,所以省内基本上是西电东送的格局。
4.2 机组实时策略制定与控制效果分析
河南电网2008年某冬季潮流断面,各分区之间的功率传输情况如附录A表A1所示,各断面的安全限值如表A2所示,其中豫北—豫中和豫北下送断面需要跟踪其功率交换计划。
为了验证本文算法的有效性,下面给出不考虑和考虑分层约束条件下的2个算例,对比分析其调度策略的变化。
算例1:不考虑分层约束的机组调节策略
表1列出了各机组的电压等级和出力计划值调整量。
可以看出,由于500 kV机组的节能性能好,排序靠前,500 kV的机组出力上调量较大,产生大量功率下送,经过潮流的安全校核,预测下一点豫北地区的功率下送值变为2 598.72 MW。
算例2:考虑分层约束的机组调节策略
加入豫北下送的断面约束条件,下一点豫北的功率下送保持在2 500 MW。表2列出了求解出的机组调节策略。
从表1、表2的对比可以看出,在引入分层控制约束之后,500 kV机组的出力上调量减少,220 kV机组的上调量增加,负荷基本由220 kV的机组平衡,500 kV的机组主要控制分区之间的功率流通,达到了分层平衡的要求。
4.3 不可行条件下机组实时策略制定与分析
在实际运行中,存在500 kV联络线日前计划不合理或区域实时机组可调容量不足的情况,从而导致在现有约束条件下不存在可行解。该算例的目的是验证采用本文提出的最小越限风险控制策略的有效性。在上面的潮流断面下,调度员在设定实时控制机组时,豫中和豫南地区的实时机组可调容量很小,更多的实时机组设在豫西和豫北地区,然而由于豫中地区负荷预测增长量198.32 MW大于豫北—豫中断面和豫西—豫中断面的传输上限。可见采用算例1的模型无法求解出可行解,程序自动采用算例2的模型进行求解,得到控制策略如附录A表A3和表A4所示。
从附录A表A3和表A4的机组控制策略可以得出,下一点豫西机组出力增加204.9 MW,豫北机组出力增加255.7 MW,此时豫北—豫南功率变为-548.29 MW,偏离控制目标值51.71 MW。豫西—豫中断面的传输功率刚好控制到其极限值1 100 MW。可见,采用目标规划模型可以保证得到优化解,并且使断面的越限风险最小,且尽量跟踪计划值。在实际运行中,程序会给出报警信息,提示调度员哪些约束或计划发生问题,便于调度员及时修正相关联络线和机组计划。
5 结语
本文提出的有功实时调度方法兼顾了安全与经济的协调,体现了全局分区分层的控制策略。实时调度作为一个在线闭环控制系统,必须有足够的鲁棒性和可靠性。本文提出的方法在系统出现不存在可行解的情况时,也可得到预想风险最小的控制策略,从而保证在各种情况下,实时调度系统均能够求解出机组的控制策略。通过现场实际运行和仿真计算表明,本文提出的有功实时调度模型和方法能够在很大程度上提高电网有功调度的自动化水平[18]。
附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。
分区调度 篇3
随着能源危机和环境压力日益增大,电网发展必须在有限资源和环境要求的双重制约下进行,大量分布式发电DG(Distributed Generation)接入配电网已成为必然趋势[1]。 为应对高渗透率DG接入,如何加大配电网对于可再生能源的管理能力、提升配电网资产的利用率、延缓配电网的升级投资以及提高用户的用电质量和供电可靠性已成为目前含分布式电源配电网研究的热点。 城市配电网中,分布式电源主要以光伏PV(Photo Voltaic)形式接入,光伏的出力具有间歇性与随机性,其对电网安全稳定运行有消极影响[2]。 虽然燃气轮机快速响应机组可用来抑制可再生能源造成的功率波动,但燃气轮机仍然会使用化石能源,从而降低了由光伏发电带来的经济和环境效益,因而适当容量的储能装置将是平抑可再生能源发电功率波动的有效手段。 因此有必要对含光伏发电及储能ES(Energy Storage)装置的城市配电网系统进行规划[3]。
目前国内外学者对分布式电源的优化配置进行了不少研究,取得了许多理论和实践方面的成果。 文献[4]分别从DG独立发电商和配电公司的角度出发,建立了投资DG单位成本收益和DG接入对电网改善收益最大的多目标模型,所建模型既能反映投资DG的安装、运行、维护费用,又能反映DG接入对系统电压、网损、可靠性、延缓网络更新等影响。 文献[5]针对配电网加入DG的经济技术优化目标,给出了DG多目标规划的数学模型,采用多目标混沌量子遗传算法对分布式电源的选址和容量进行了优化配置。 文献[4-5]均未考虑分布式电源的不确定性,具有一定局限性。 文献[6]通过划分时段并根据每个时段内DG与系统负荷功率的概率分布,以DG投资与售电、系统降损、电压质量以及废气减排量等综合效益为目标函数,利用遗传算法求解DG最优配置。 文献[7]对负荷和DG的典型时序性进行了分析,以配电网损耗、停电损失为目标,考虑时序性和多场景提出了多目标DG选址定容模型,给出了场景和场景权重的确定方法。 文献[8]研究了DG配置和网络重构利益最大化问题,建立了结合年负荷增长并考虑经济性和环保等因素的目标函数。 以上文献均未考虑储能对DG优化配置的影响。
综上所述,目前含高渗透率DG配电网环境下DG规划的文章较少,且考虑配电网调度及自愈等因素的研究相对不足。 本文充分考虑光伏电源以及负荷的不确定性,基于密度聚类方法建立分时段光伏-负荷综合状态模型,结合储能优化调度建立高渗透率光伏与储能综合优化配置模型,利用虚拟分区、二层规划等手段进行求解,采用IEEE 33 节点系统进行模型和方法验证。
1 光伏及负荷模型
1.1 时变负荷模型
采用时变负荷模型[9]如式(1)所示,该模型通过负荷的年-周曲线、周-日曲线和日-小时曲线形成实时的负荷数据,能很好地反映负荷的时变特性。
其中,L(t)为第t小时的负荷值;Ly为年负荷峰值;Hw(t)、Hd(t)、Hh(t)分别为与第t小时对应的年- 周负荷曲线、周-日负荷曲线及日-小时负荷曲线中的功率系数。
1.2 光伏模型
光伏阵列输出功率主要与光照强度有关。 在一定时间段(一个或几个小时)内,太阳光照强度可以近似看成Beta分布[10,11],其概率密度函数如式(2)所示。
其中,r和rmax分别为对应时间段内的实际光强和最大光强(单位W / m2);α 和 β 为Beta分布的形状参数;Γ 为Gamma函数。
假设太阳能电池方阵有Mpv个电池组件,每个组件的面积和光电转换效率为Am和 ηm(m = 1,2,… ,Mpv),则太阳能电池方阵总功率为:
其中,A、η 分别为方阵总面积和光电转换效率。
光伏发电与负荷都具有时序性、随机性,且两者之间有一定关联性[12]。 目前处理光伏与负荷不确定性的方法主要有蒙特卡洛仿真和概率法,蒙特卡洛仿真通过大量随机模拟覆盖光伏出力与负荷的可能情况,要求样本空间大,仿真时间长,不能考虑光伏和负荷内在关联性;概率法则是利用概率密度函数,将光伏发电与负荷用多个状态表示以简化运算,该方法中光伏和负荷状态是独立的,不能反映关联性,组合状态可能在现实中并不出现。
另一方面,具有连续时标的光伏发电与负荷的统计数据本身即蕴涵了其固有性质和规律。 本文考虑各季节的不同时段,利用密度聚类方法对光伏发电与负荷时序数据进行处理,生成了不同季节各时段光伏-负荷典型组合状态,此方法不仅能真实反映光伏与负荷的时序性、随机性及关联性,而且可以大幅削减状态数,能够满足本文后续模型和方法的计算时间和精度要求。
对3 a的数据进行处理,一年4 个季节各选一个代表日,每个代表日分为24 个时段,全年共有96个时段。 某一个季节代表日各时段光伏-负荷组合状态生成方法如下。
a. 数据生成。 统计该季节各小时光照强度和负荷,每个小时的数据为一个样本点,用{光伏,负荷}二元数组表示。
b. 状态聚类。 将该季节所有天第i时段{光伏,负荷}二元数组标记到二维图上,用密度聚类DBSCAN算法[13]进行聚类,获得各时段聚类数为Ni(i =1,2,…,24)。
c. 状态合并。 将第i时段状态数取为Ni,第j类样本数为Mj,第j类第k个样本为xijk(k = 1,2,…,Mj;j = 1,2,…,Ni;i = 1,2,… ,24),第i时段第j类样本中心点为Xij,则:
将第i时段属于第j类的全部Mj个样本状态合并成一个状态Xij,第i时段状态Xij出现的概率P(Xij)为:
d. 重复以上步骤,获得一天各时段对应的综合状态及概率,作为该季节代表日数据。
2 基于虚拟分区调度的配电网光伏-储能二层规划数学模型
2.1 建模思路
配电网中光伏发电和储能规划应更多地考虑运行条件。 本文对配电网中光伏发电和储能规划考虑以下因素。
a. 配电网快速发展使分布式电源的协调调度成为可能,在高渗透率DG配电网条件下,通过监测及通信手段,调度中心可以随时掌握光伏发电、负荷及网络的运行状态,通过高级软件计算储能设备充放电功率参考值,并发布控制指令实现经济运行。 考虑环保和发挥光伏作用,光伏发电应采用最大功率跟踪控制,储能则根据光伏出力进行优化调度。
b. 为便于配电网对高渗透率分布式电源进行高效管理,未来配电网应根据光伏发电、储能的容量及分布进行虚拟分区,在电网运行时由区域内光伏发电和储能实现区域内功率支撑和降低区域内电能损耗,进而保证整个配电网的经济运行。 此外,配电网分区也有利于区域自治和自愈功能实现。
c. 可通过控制储能充放电功率实现能量平衡和抑制光伏发电的功率波动,虽然光伏电源与储能的配置相互影响,但光伏电源的配置对储能的配置具有决定性作用。
基于以上分析,本文建立光伏电源、储能配置的二层规划模型。 上层规划为光伏投资决策问题,规划目标是年费用最小,决策变量是光伏安装位置与容量;下层规划为储能投资决策问题,规划目标是等效负荷方差和最小,首先对已经完成光伏配置的配电网进行虚拟分区,在此基础上进行储能的优化配置,同时规划中考虑区内储能调度优化,达到削峰填谷、降损效果。 上层规划结果即光伏投资决策变量为下层规划提供了初始条件,下层规划所得最优值反馈到上层规划,导入年费用中便是上层规划总的目标函数值。模型原理图如图1 所示。
2.2 上层规划目标函数及约束条件
以年投资运行维护费用Cinv、系统年有功损耗费用Closses及从上级电网购电年费用Cen这3 个指标最小为优化目标,决策变量为光伏的安装位置与容量,目标函数为:
其中,w1、w2、w3为各目标权重,采用判断矩阵法确定权重[14]。
a. 年投资运行维护费用:
其中,NPV、NES分别为光伏、储能的安装总数;αPV、αES分别为光伏、储能的固定投资年平均费用系数;CPV、CES分别为光伏、储能的单位容量投资成本;SPV,i为安装在第i个光伏安装位置的光伏安装容量;SES, j为在第j个储能安装位置的储能安装容量;cPV、cES分别为光伏、储能的单位电量运行维护费用;SPV、SES分别为光伏、储能的安装总容量;FPV、FES分别为光伏、储能的容量系数。
b. 年网损费用:
其中,Tk为第k个季节的天数;为第i时段满足一定置信度的系统年网损费用,由下层规划得出。
c. 年购电费用:
其中,Tk为第k个季节的天数;为第i时段满足一定置信度的购电费用,由下层规划得出。
上层约束条件如下。
a.支路功率概率约束:
其中,P{·}表示事件概率;Pk(x,ξ)为在状态 ξ 下支路k的有功功率值;Pkmax为支路k的有功功率允许最大值;βP为支路功率的置信水平;Ωline为系统支路集合。
b. 节点电压概率约束:
其中,Ui(x,ξ)为在状态 ξ 下节点i的电压值;Uimax、Uimin分别为节点i的电压上、下限;βU为节点电压的置信水平;Ωnode为系统节点集合。
c. 功率平衡约束:
其中,Pi、Qi分别为节点i注入的有功功率和无功功率;Gij、Bij、δij分别为节点i、 j之间的电导、电纳和电压相角差;n为系统节点总数;Ui、Uj分别为节点i、 j的电压幅值。
2.3 下层规划目标函数及约束条件
以光伏安装位置和容量为基础,下层规划进行分区调整以及储能优化配置。 考虑区域内功率平衡及光伏发电的随机性,基于电量平衡对配电网进行虚拟分区,分区后对区内储能进行优化调度,达到平抑光伏出力波动、削峰填谷的作用,进而达到降损的目标。
2.3.1 虚拟分区
由于光伏发电出力是波动的,不能按某一时刻功率平衡进行配电网分区,而应考虑整个规划周期。 本文提出以电量平衡为约束的分区方法如下。
a. 电量计算。 光伏发电量为光伏电源容量与光伏最大发电量利用小时数的乘积,负荷电量为最大负荷与最大负荷利用小时数的乘积。
b. 分区方法。 以光伏发电系统接入点为中心,以电量平衡为约束进行广度优先搜索,最大限度地得到满足电量平衡的区域。
c. 候选支路。 由于光伏发电量约束,会有部分支路和节点未被划入区域内,将区域边缘支路与未被划入区域的支路作为区域间连接支路的候选支路。
d. 区域信息。 通过对区域最大数量NQYmax的限定,可知连接支路最大数量为(NQYmax- 1),在候选支路中选取数量不大于(NQYmax- 1) 条的支路后, 即可确定各区域信息。
2.3.2 区内储能调度方案
为了提高区域内供电充裕度和平衡区内负荷,光伏采用最大功率跟踪技术,对区内储能进行优化调度。 在区内负荷高峰时刻安排储能放电,在区内负荷低谷时段安排储能充电,根据电网的光伏出力-负荷综合曲线合理对储能的充放电进行调度。 区域内负荷的平衡情况可由网损体现,为了将区内每个时段的调度值直接反映到网络损耗计算的模型中,建立以区内的等效负荷方差和最小的下层规划目标函数。
其中,D为区内等效负荷方差和;Tk为第k个季节的天数;NQY为划分后区域的数量;分别为第k个季节区域J在第i时段的负荷期望、光伏出力期望;为第k个季节区域J内储能在第i时段的功率,表示储能发出功率,表示储能吸收功率;为第k个季节区域J的等效负荷平均值,如式(16)所示。
储能模型如下:
其中,Si为储能装置在第i时段的荷电状态;Δt为时间间隔;ηC、ηD分别为储能设备充、放电效率;Pies为第i时段储能的充放电功率,充电时Pies≥ 0,放电时Pies< 0。
在储能优化调度时,要满足储能的容量约束。
其中,Si为储能装置在第i时段的荷电状态;S为储能最大荷电状态;β1和 β2为充放电系数,取 β1= 0.2,β2= 0.8。
下层约束条件如下。
a. 小时网损费用概率约束:
其中,X为决策变量,即区域的划分与储能的接入位置及容量;ξj为配电网系统中的第j个状态量;ξmax为所在时段的系统状态总数;f(X,ξ)为在状态 ξ 下系统的网损费用最小值;α 为目标函数的置信水平;为所在时段f(X,ξ)在概率水平至少为 α 时所取得的最小值;Ploss为系统网损;Cp为购电电价;Δt为时段长度(本文取1 h)。
b. 小时购电费用概率约束:
其中,为所在时段f(X,ξ)在概率水平至少为 α 时所取得的最小值;P、Ploss、Ppv、Pes分别为总负荷、系统网损、光伏发电有功出力、储能出力。
c. 区域划分数量约束:
其中,NQY为划分后区域的数量;NQYmax为允许划分的区域最大数量。
d. 光伏空间约束:
其中,Marea为光伏安装面积;Mmaxarea为允许光伏安装的最大面积。
式(15)中变量均为同一区域内变量,所以各区域储能调度可以独立并行进行。
3 二层规划求解方法
本文采用精英保留策略遗传算法[15]求解所提出的二层规划问题。 遗传操作采用最优保留策略、自适应交叉率和变异率,使其能够获得全局最优解。 为提高编码效率,上、下层遗传染色体均采用混合编码。
3.1 上层规划编码
每个染色体分为两部分,如图2 所示。
染色体第一部分实现对光伏位置的基因编码,其值从光伏候选位置中产生,表示为L1—LM,M为光伏最大位置数;染色体第二部分实现对光伏容量的基因编码,表示为C1— CM,Ci(i = 1,2,… ,M)为安装在位置Li的安装容量,Ci有8 种可能取值,编码为0 表示不接入DG。
3.2 下层规划编码
下层将区域间连接支路和储能安装容量及位置作为控制变量,规划24 h运行状态。 如图3 所示,每个染色体分为3 个部分。
第一部分对应区域间连接支路,其值从区域间连接支路的候选位置中产生,表示为l1— lA,A为区域间连接支路候选位置数;第二部分实现对储能位置的基因编码,其值从储能的候选位置中产生,表示为S1—SB,B为储能的最大位置数;染色体第三部分实现对储能容量的基因编码,表示为Ce1—Ce B,Cei(i = 1,2,…,B)为安装在位置Si的安装容量,Cei有8 种可能取值,编码为0 表示不接入储能。
3.3 储能调度编码
本文采用惯性因子随适应值自动改变的自适应粒子群算法[16,17]。粒子的编码如图4所示,图中PESi为第i个粒子的位置;PESit(t=1,2,…,24)为第i个粒子t时刻的坐标,表示储能t时段的调度值。
3.4 算法流程
a. 输入网络原始数据。
b. 根据原始数据进行潮流计算,获得初始网络相应数据。
c.按上文所述对上、下层规划编码。
d.产生上层规划遗传算法初始种群。
e. 建立光伏-负荷在每个时段的多状态模型。
f. 针对上层初始化种群中每一个个体,产生下层规划初始化群体,根据下层规划模型,对每个时段各状态进行潮流计算,且采用粒子群算法对储能进行调度,得到下层规划目标函数最优值。
g. 将上层初始化群体中每一个个体对应的下层规划最优值、储能容量、每个时段的网损购电及费用返回上层规划。
h. 计算上层规划模型。
i. 进行遗传操作,包括选择、交叉、变异,产生新种群。
j. 终止条件判断,若遗传代数T大于最大遗传代数,计算结束,输出结果;否则,T=T+1,转至步骤f。
4 算例及结果分析
4.1 算例介绍
采用IEEE 33 节点系统进行仿真,如图5 所示,负荷水平为3715 k W+2700 kvar。
设自然条件满足光伏的接入要求。 预测规划水平年原负荷节点新增容量10%,分布式电源渗透率范围为30%~50%,权重w1= 0.104 7、w2=0.637 0、w3=0.258 3,区域最大数量为6。 光伏候选安装位置为节点7、9、10、13、14、16、18、23、26、29、31。 储能候选安装位置为节点8、11、12、15、17、19、22、24、27、30、32。表1 给出了涉及的相关参考价格。
4.2 光伏、储能规划方案比较
对3 种计算情形进行配电网光伏、储能优化配置研究:情形1,采用二层规划,不考虑分区且不进行储能调度,只在固定时段对储能进行恒功率充放电;情形2,采用二层规划且考虑分区,但是不进行储能调度,只在固定时段对储能进行恒功率充放电;情形3,采用二层规划,考虑分区且进行各区域储能调度。
规划结果见表2、表3。
万元/ a
由表2 可以知道,情形1、情形2、情形3 的储能安装个数分别为4、5、5,说明考虑分区有利于储能分散配置,以保证各区内储能更好地配合光伏出力;情形2、情形3 的分区数均为3,说明对于IEEE 33节点网络,在本文渗透率范围内分区数量为3 时规划较为合理。
由表3 数据可以看出,情形2 和情形3 中网损费用、购电成本都明显优于情形1,且网损费用、购电成本和总成本减小分别在2.96 % 以上、1.41 % 以上和1.02% 以上,网损费用改善最为显著,说明分区对于网损改善具有较好效果;对比情形1、情形2 和情形3,情形3 总成本最低,比情形1 和情形2 每年分别要节省成本8.76 % 和8.32 %;对比情形2 和情形3,情形3 比情形2 的网损费用节省了25.22 %,说明以区域为对象进行储能优化调度可实现各区域内负荷削峰填谷,进而获得更好的降损效果。
图6 中给出了第3 种情形下光伏、储能的优化结果。
4.3 不同调度模式下规划方案比较
采用2 种储能调度模式进行优化:模式1,对全网储能统一进行调度;模式2,对各区内储能分别进行调度。 规划结果见表4。
万元/ a
从表4 数据可以看出,与模式1 相比较,模式2的投资运行维护费用要多,说明分区储能调度时,储能配置容量大,而网损费用和购电成本均比全网储能调度的少,其中模式2 的网损费用、购电成本分别减低了11.15% 和6.01%,网损改善显著。 分区储能调度时,网损费用和购电成本均下降,说明配电网内各分区自治进行区内储能调度,对配电网的网损改善更佳。
表5、图7 给出了区域1 储能在模式1 和模式2下的各时段出力最优方案比较。
从表5 数据看出,在08:00—10:00 期间,负荷出现高峰,而光伏出力较少,储能进行放电;在11:00 —15: 00 期间,负荷值变化较小,而此时光照强度大,光伏出力水平较高,储能进行充电;在15:00—18:00 期间,负荷又出现高峰,而光照强度逐渐减小,光伏出力较少,储能进行放电;夜间负荷小,储能进行充电。这说明储能作为可控元件,在光伏出力较小而负荷较大时或光伏出力较大而负荷较小时,能够调节区域内整体负荷水平,缓解光伏出力带来的波动性,起到削峰填谷、节能降损的作用。
表5 数据显示,区域内的负荷高峰分别为08:00和17:00 时,08:00 时模式2 比模式1 的储能多出力58.49 k W,17: 00 时模式2 比模式1 的储能多出力16.66 k W;区域内的负荷低谷出现在00: 00 — 03: 00,此期间模式2 比模式1 的储能分别多吸收电能35.22k W、34.14 k W、45.50 k W。 结合以上数据, 对应图7可得出,模式2 比模式1 的削峰填谷效果更加显著,即分别对各区内储能进行调度比对全网储能进行统一调度更有利于电网的节能降损。
k W
表6 比较了蒙特卡洛法、概率法和本文方法3 种模拟方法的状态数和支行时间。 由表6 可知,本文的状态数为145,相对于概率法和蒙特卡洛法,大幅减少了状态数量;本文方法运行时间为43 min,相对于概率法,时间缩短了41 min。 故本文的状态处理方法大幅节省了运行时间,简化了计算难度。
5 结论
考虑城市配电网中高渗透率光伏接入,结合虚拟分区及储能优化调度,提出了光伏电源和储能优化配置的二层规划模型和求解方法。 本文研究得到如下结论。
a. 充分考虑光伏与负荷间的内在关联,采用密度聚类方法建立了光伏-负荷综合状态模型,实际统计出的1 d状态数仅为145,简化了模型计算难度。
b. 虚拟分区可使各区内储能更好地配合光伏出力、改善网损、减少购电费用;在虚拟分区的基础上,考虑储能调度,网损费用和购电成本进一步减少,反映了在规划过程中考虑储能调度的必要性。