考慮分布式電源和電動(dòng)汽車集群調(diào)度的配電網(wǎng)絡(luò)重構(gòu)
謝學(xué)淵1, 劉瀟瀟1, 李超1, 胡資鵬1, 劉鎧1, 陳濤2
（1. 國(guó)網(wǎng)湖南省電力有限公司節(jié)能管理分公司，湖南 長(zhǎng)沙 410000; 2. 東南大學(xué) 電氣工程學(xué)院，江蘇 南京 210096）
摘要：隨著分布式電源和電動(dòng)汽車等靈活性電力資源大量接入配電網(wǎng)，對(duì)系統(tǒng)安全可靠性提出了更高要求。提出一種考慮分布式電源和電動(dòng)汽車集群調(diào)度的配電網(wǎng)絡(luò)重構(gòu)方法，以提高系統(tǒng)可靠性和經(jīng)濟(jì)性。在考慮電壓偏差的基礎(chǔ)上，以故障停電損失成本作為衡量電網(wǎng)可靠性的經(jīng)濟(jì)性指標(biāo)，對(duì)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行重新構(gòu)建。首先以線路的開關(guān)狀態(tài)、電動(dòng)汽車充、放電狀態(tài)及功率為決策變量，建立以綜合成本最小為目標(biāo)的配電網(wǎng)絡(luò)重構(gòu)模型；然后針對(duì)配電網(wǎng)絡(luò)重構(gòu)模型，采用共生生物搜索算法進(jìn)行模型求解；最后，通過仿真算例驗(yàn)證了所提方法的有效性。
引文信息
謝學(xué)淵, 劉瀟瀟, 李超, 等. 考慮分布式電源和電動(dòng)汽車集群調(diào)度的配電網(wǎng)絡(luò)重構(gòu)[J]. 中國(guó)電力, 2023, 56(1): 119-125.
XIE Xueyuan, LIU Xiaoxiao, LI Chao, et al. Distribution network reconfiguration considering distributed generation and electric vehicle cluster scheduling[J]. Electric Power, 2023, 56(1): 119-125.
引言
分布式電源（distributed generation，DG）和電動(dòng)汽車（electric vehicle，EV）大量接入給配電網(wǎng)絡(luò)帶來一定影響[1-2]。DG接入導(dǎo)致電網(wǎng)運(yùn)行產(chǎn)生波動(dòng)、增大網(wǎng)絡(luò)損耗、節(jié)點(diǎn)電壓越限等問題。EV能夠較好存儲(chǔ)DG發(fā)電電量，降低其出力波動(dòng)性，但是大量的EV接入電網(wǎng)也降低了電網(wǎng)的可靠性。為了進(jìn)一步提高DG和EV接入電網(wǎng)可靠性，可采取控制網(wǎng)絡(luò)中聯(lián)絡(luò)開關(guān)和分段開關(guān)的手段，對(duì)配電網(wǎng)進(jìn)行重構(gòu)[3-4]。
配電網(wǎng)絡(luò)重構(gòu)是一種能夠提高配電網(wǎng)可靠性的有效手段[5-8]。文獻(xiàn)[5-6]在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)上，以網(wǎng)損最小為目標(biāo)建立了配電網(wǎng)重構(gòu)數(shù)學(xué)模型來研究配電網(wǎng)絡(luò)重構(gòu)問題。文獻(xiàn)[8]以網(wǎng)損最小、饋線負(fù)載平衡度最優(yōu)和開關(guān)操作次數(shù)最少為目標(biāo)建立了多目標(biāo)的配電網(wǎng)絡(luò)重構(gòu)模型?，F(xiàn)有配電網(wǎng)絡(luò)重構(gòu)的研究大都是在不同的模型和約束條件基礎(chǔ)之上保證配電網(wǎng)的安全可靠性，但其主要都側(cè)重于網(wǎng)絡(luò)拓?fù)渲貥?gòu)的算法求解，較多關(guān)注算法的求解效率和精度。隨著大量DG接入配電網(wǎng)，網(wǎng)絡(luò)的潮流分布、電壓分布、網(wǎng)損以及電網(wǎng)運(yùn)行的安全可靠性都會(huì)發(fā)生較為明顯的變化。配電網(wǎng)絡(luò)重構(gòu)作為一種有效提高電網(wǎng)可靠性的手段，能夠通過開斷聯(lián)絡(luò)開關(guān)和分段開關(guān)有效提高電網(wǎng)的可靠性。因此，有必要考慮如何通過配電網(wǎng)絡(luò)重構(gòu)，構(gòu)建合理的配電網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，從而解決由DG帶來系統(tǒng)的可靠性問題。
國(guó)內(nèi)外已有學(xué)者思考研究如何在DG基礎(chǔ)上對(duì)配電網(wǎng)絡(luò)進(jìn)行重構(gòu)[9-12]。文獻(xiàn)[9]在考慮DG接入情況下提出了一種配電網(wǎng)效益最優(yōu)重構(gòu)方法。文獻(xiàn)[10]在追求負(fù)荷均衡基礎(chǔ)上，通過分析DG的特性以及對(duì)電網(wǎng)的影響來重新構(gòu)建網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。文獻(xiàn)[11]將DG和配電網(wǎng)絡(luò)重構(gòu)相結(jié)合，研究了DG的安裝位置和配置容量對(duì)配電網(wǎng)絡(luò)重構(gòu)的影響。EV作為一種特殊的移動(dòng)儲(chǔ)能裝置，能夠改善DG接入導(dǎo)致配電網(wǎng)的低可靠性。EV能夠通過車到網(wǎng)（vehicle to grid，V2G）技術(shù)接入電網(wǎng)實(shí)現(xiàn)功率的雙向流動(dòng)，這種技術(shù)改變了電網(wǎng)現(xiàn)有的運(yùn)行約束條件，進(jìn)一步加劇了DG帶來的電網(wǎng)可靠性問題。因此，要在DG和EV同時(shí)接入電網(wǎng)的環(huán)境下，通過改變現(xiàn)有網(wǎng)絡(luò)結(jié)構(gòu)來改變電網(wǎng)運(yùn)行條件，協(xié)調(diào)利用DG和EV來提高電網(wǎng)運(yùn)行的可靠性。文獻(xiàn)[13-14]基于電壓偏差同時(shí)考慮了DG和EV接入的配電網(wǎng)絡(luò)重構(gòu)，但忽略了在重構(gòu)過程中可能出現(xiàn)的線路故障帶來的可靠性問題。
綜上，本文將DG和EV集群調(diào)度相結(jié)合，在考慮電壓偏差基礎(chǔ)上，以故障停電損失成本作為衡量電網(wǎng)可靠性的經(jīng)濟(jì)性指標(biāo)，對(duì)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行重新構(gòu)建，所提方法能夠在經(jīng)濟(jì)性基礎(chǔ)上提高配電網(wǎng)的可靠性，從而為實(shí)際場(chǎng)景應(yīng)用提供參考。
1 考慮DG和EV的配電網(wǎng)絡(luò)重構(gòu)模型
本文考慮DG和EV接入的情況下通過改變線路狀態(tài)，構(gòu)建新的配電網(wǎng)拓?fù)浣Y(jié)構(gòu)，從而最小化總成本。在DG和EV集群接入基礎(chǔ)上，對(duì)配電網(wǎng)絡(luò)進(jìn)行重構(gòu)，使其能夠滿足網(wǎng)絡(luò)的運(yùn)行安全約束條件，以實(shí)現(xiàn)EV最優(yōu)調(diào)度。在配電網(wǎng)絡(luò)重構(gòu)模型中，決策變量為線路的開關(guān)狀態(tài)、EV充、放電狀態(tài)及功率。目標(biāo)函數(shù)為綜合成本最小，包括網(wǎng)損成本、故障成本、EV調(diào)度成本，放電補(bǔ)貼成本和上游電網(wǎng)購(gòu)電成本，其中故障成本用停電損失成本來表示?？傮w目標(biāo)函數(shù) Ctotal 為
約束條件包括考慮DG的配電網(wǎng)潮流方程、節(jié)點(diǎn)電壓、節(jié)點(diǎn)偏差、線路傳輸功率、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、EV充、放電功率、EV電池狀態(tài)等約束。
2 共生生物搜索算法
共生生物搜索算法通過模擬生物在生態(tài)系統(tǒng)中共生的相互作用，來提高生物適應(yīng)生態(tài)環(huán)境的能力[17]。共生生物搜索算法本身具有易操作、控制參數(shù)少，穩(wěn)定性好、收斂速度快等特點(diǎn)[18]。
互利共生指第w和v個(gè)體 Iw 和 Iv 共同生存，并且相互都可以獲得自身利益從而分別促進(jìn)自身生長(zhǎng)發(fā)育。通過隨機(jī)選擇一個(gè)個(gè)體與有機(jī)體相互作用來模擬互利共生關(guān)系，可表示為
寄生是指隨機(jī)選取一個(gè)個(gè)體，進(jìn)行進(jìn)化和修改，從而生成變異載體。比較變異載體和原宿主個(gè)體對(duì)環(huán)境的適應(yīng)度，如果變異載體的適應(yīng)度高于原宿主個(gè)體，能夠取代原宿主個(gè)體；反之，原宿主個(gè)體能夠免疫變異體，從而阻止其寄生，原宿主個(gè)體將被保留，變異體會(huì)被淘汰。
共生生物搜索算法通過不斷重復(fù)上述共生關(guān)系的3個(gè)階段，兩種相互共生的生物體通過這3種共生關(guān)系相互作用，逐漸提高對(duì)環(huán)境的適應(yīng)能力，從而得到適應(yīng)度最高的個(gè)體。
本文采用共生生物搜索算法對(duì)配電網(wǎng)絡(luò)重構(gòu)模型進(jìn)行求解的流程如圖1所示。具體求解步驟如下。
（1）初始化種群。以線路開關(guān)狀態(tài)、EV充、放電狀態(tài)及功率為決策變量，初始化整個(gè)種群，同時(shí)設(shè)置算法所需相關(guān)參數(shù)和終止條件。
（2）種群通過互利關(guān)系作用進(jìn)行個(gè)體更新進(jìn)化。隨機(jī)選取種群中的任意兩個(gè)個(gè)體，通過式（8）進(jìn)行計(jì)算，產(chǎn)生新個(gè)體。
（3）種群通過共棲關(guān)系作用進(jìn)行個(gè)體更新進(jìn)化。在步驟（2）基礎(chǔ)上，利用式（9）對(duì)種群中任意兩個(gè)個(gè)體進(jìn)行共棲關(guān)系作用。
（4）種群通過寄生關(guān)系作用進(jìn)行個(gè)體更新進(jìn)化。在步驟（3）基礎(chǔ)上產(chǎn)生變異載體，從而進(jìn)行寄生操作。
（5）計(jì)算種群中所有個(gè)體適應(yīng)度，并選取適應(yīng)度最高的個(gè)體作為最優(yōu)解。
（6）判斷是否達(dá)到終止條件。如果是，則輸出最優(yōu)解，否則返回（2）。
3 算例分析
3.1 參數(shù)設(shè)置
本文采用IEEE 33節(jié)點(diǎn)系統(tǒng)來驗(yàn)證本文所提的考慮DG和EV的配電網(wǎng)絡(luò)重構(gòu)。配電網(wǎng)具體結(jié)構(gòu)如圖2所示。在圖2中，實(shí)線表示線路上安裝有分段開關(guān)，虛線表示線路上安裝有聯(lián)絡(luò)開關(guān)，設(shè)置線路故障率為0.01[19]。
假設(shè)DG為分布式光伏，相關(guān)數(shù)據(jù)如表1所示。在分時(shí)電價(jià)基礎(chǔ)上，將一天24 h負(fù)荷的變化劃分為負(fù)荷高峰、負(fù)荷平穩(wěn)、負(fù)荷低谷時(shí)段，各時(shí)段的電價(jià)和相關(guān)參數(shù)如表2所示。在表2中，負(fù)荷高峰具體時(shí)段為10:00—12:00、20:00—22:00，負(fù)荷平穩(wěn)具體時(shí)段位為08:00—09:00、13:00—19:00、23:00—00:00，負(fù)荷低谷具體時(shí)段為01:00—07:00。
假設(shè)放電價(jià)格與充電價(jià)格一致，EV放電的單位電量補(bǔ)償價(jià)格為0.5元/(kW·h)[20-21]。假設(shè)算例中所有的EV都為同一型號(hào)，其具體參數(shù)參考文獻(xiàn)[22]。EV集群中電動(dòng)汽車車主都是愿意主動(dòng)參與電網(wǎng)調(diào)度的。EV集群的運(yùn)行數(shù)據(jù)如表3所示。共生生物搜索算法中種群規(guī)模設(shè)置為25[23]，最大迭代次數(shù)設(shè)置為100。
3.2 配電網(wǎng)絡(luò)重構(gòu)結(jié)果
在DG和EV的基礎(chǔ)上，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的重構(gòu)結(jié)果如表4所示。在表4中，s表示開關(guān)，同時(shí)除表中顯示的開關(guān)斷開外，其余線路上的開關(guān)都處于閉合狀態(tài)。EV調(diào)度結(jié)果如表5所示。由表5可知，EV在夜間負(fù)荷低谷期01:00—05:00時(shí)段內(nèi)充電，在負(fù)荷高峰時(shí)期的10:00—12:00、20:00—22:00時(shí)段內(nèi)放電，從而獲得更高的收益。
為驗(yàn)證考慮DG和EV集群調(diào)度的配電網(wǎng)絡(luò)重構(gòu)的經(jīng)濟(jì)性，設(shè)置3種場(chǎng)景分別計(jì)算其各項(xiàng)成本進(jìn)行對(duì)比。場(chǎng)景1：既不考慮DG也不考慮EV集群調(diào)度的配電網(wǎng)絡(luò)重構(gòu)；場(chǎng)景2：只考慮DG但不考慮EV集群調(diào)度的配電網(wǎng)絡(luò)重構(gòu)；場(chǎng)景3：既考慮DG同時(shí)也考慮EV集群調(diào)度的配電網(wǎng)絡(luò)重構(gòu)。3種場(chǎng)景下計(jì)算的各項(xiàng)成本如表6所示。
由表6可知，相比于場(chǎng)景2，場(chǎng)景1在網(wǎng)損成本、可靠性成本和上游電網(wǎng)購(gòu)電成本上分別增加了5.7萬元、2.3萬元和40.5萬元，總成本增加了46.2萬元。造成場(chǎng)景1成本增加的原因是場(chǎng)景1只考慮了電網(wǎng)中原本的電力用戶用電情況而進(jìn)行配電網(wǎng)絡(luò)重構(gòu)，而場(chǎng)景2中考慮了DG，DG的接入能夠降低網(wǎng)損，從而減少網(wǎng)損的支出費(fèi)用。另外，用戶優(yōu)先使用價(jià)格較低的DG減少了上一級(jí)電網(wǎng)購(gòu)電電量，降低購(gòu)電成本。相比于場(chǎng)景2，場(chǎng)景3在網(wǎng)損成本、可靠性成本和上游電網(wǎng)購(gòu)電成本上分別減少了5.6萬元、6.4萬元和29.7萬元，在EV調(diào)度的費(fèi)用支出和補(bǔ)貼上增加了6.7和3.9萬元，總成本減少了31.1萬元。這是因?yàn)閳?chǎng)景3同時(shí)考慮了DG和EV，在這些靈活性電力資源接入電網(wǎng)的同時(shí)對(duì)配電網(wǎng)進(jìn)行網(wǎng)絡(luò)重構(gòu)，能夠有效提高系統(tǒng)可靠性，降低運(yùn)行成本。與此同時(shí)，EV靈活調(diào)度進(jìn)一步降低從上一級(jí)電網(wǎng)購(gòu)電電量，從而降低總成本。
為驗(yàn)證共生生物搜索算法的可行性和優(yōu)越性，將共生生物搜索算法和遺傳算法[24]、粒子群算法[25]進(jìn)行對(duì)比，得到的相關(guān)數(shù)據(jù)如表7所示。由表7可知，相對(duì)于另外2種算法，采用共生生物搜索算法進(jìn)行計(jì)算時(shí)，得到的平均電壓偏差以及故障情況下的電量不足都較小。此外，由最大迭代次數(shù)、最小迭代次數(shù)和平均迭代次數(shù)也可以看出，共生生物搜索算法相對(duì)另外2種算法在穩(wěn)定性和收斂性方面具有優(yōu)勢(shì)。
4 結(jié)語(yǔ)
本文針對(duì)DG和EV大量接入配電網(wǎng)帶來的可靠性問題，提出一種考慮DG和EV集群調(diào)度的配電網(wǎng)絡(luò)重構(gòu)方法。在考慮電壓偏差的基礎(chǔ)上，以電網(wǎng)故障后缺失電量導(dǎo)致的故障停電損失成本作為衡量電網(wǎng)可靠性的經(jīng)濟(jì)性指標(biāo)，對(duì)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行重新構(gòu)建，并通過仿真算例進(jìn)行了驗(yàn)證。此外，本文所研究的配電網(wǎng)絡(luò)重構(gòu)方法不但能夠降低網(wǎng)絡(luò)損耗，而且可以提高系統(tǒng)可靠性及經(jīng)濟(jì)性，為實(shí)際工程場(chǎng)景應(yīng)用提供參考。
