V2G模式下基于SaDE-BBO算法的有源配电网优化.pdf

：年 月 第 卷第 期 模式下基于 算法的有源配电网优化李伟豪，杨伟，左逸凡，李娇（南京理工大学自动化学院，江苏 南京 ；国网江苏省电力有限公司宿迁供电分公司，江苏 宿迁 ）摘要：为了解决大规模电动汽车入网难以实现个体调度以及集群调度存在“维数灾”的问题，建立基于车辆到电网（，）模式的有源配电网分层分区优化运行模型。其中，上层优化模型对电动汽车集控中心（，）进行调度，优化各区域 的充放电功率并作为下层优化模型的输入；下层优化模型调整各调压方式。在优化算法方面，提出一种自适应差分进化 生物地理学优化（，）算法，并在改进的 节点配电系统中进行仿真分析。结果表明：在不同充电控制策略下，模式与各调压方式的协调互动在降低各区域 运营成本、平抑负荷波动以及保证有源配电网的安全和经济运行方面优势显著，与其他优化算法相比，算法具有更优质的解和更好的收敛性。关键词：车辆到电网（）；分布式电源；有源配电网；分层分区；优化运行；自适应差分进化 生物地理学优化（）算法中图分类号：文献标志码：文章编号：（）收稿日期：；修回日期：基金项目：国家重点研发计划资助项目（）引言高比例新能源发电和大规模电动汽车的同时并网，对配电网的经济运行和安全稳定带来了新的挑战 。车辆到电网（，）技术的发展使电动汽车具有荷储双重特性，能够在需求侧实时响应有源配电网的需求，经济高效地降低有源配电网的负荷峰谷差、消纳间歇式能源出力 。因此，研究基于 模式优化有源配电网的运行具有重要意义 。针对电动汽车与分布式电源共存的配电网，文献 将传统调压方式与分布式电源无功出力相结合，建立不同时段的无功电压协调优化模型，有效改善了系统的运行电压。文献 提出基于多种群遗传算法的两阶段多目标模型优化电动汽车的有序充电，降低了购电成本。随着 技术的应用和分时电价的普及，电动汽车亦可作为移动储能元件进行放电参与电网的多源互补协调优化。文献 基于分布式电源逆变器的有功、无功解耦控制，提出可跨地区消纳分布式电源的多目标优化调度模型，可促进分布式电源的消纳并提高其利用率。文献 将有源配电网的优化控制划分为长周期全网功率优化控制和短周期多源协调校正控制，前者实现最优潮流控制，后者实现多源协同优化运行。上述文献研究大多仅对电动汽车进行个体调度，而大规模电动汽车入网时往往会造成“维数灾”，因此，也有诸多文献采用集群控制策略。文献 考虑电动汽车充放电的灵活性，建立实时凸优化调度模型，在有效避免过充或过放的同时平抑了光伏发电出力的波动。针对集群和个体之间存在的问题，文献 提出一种分布式电动汽车调度策略，通过协调电动汽车集控中心（，）和停车场协控中心获取最优充放电功率，减小了算法维度，提高了电动汽车的响应速度，但不包含其他无功补偿装置协调控制。文献 从充放电系统和网络拓扑 个层面搭建内外嵌套模型，优化调度电动汽车的充放电功率，能够在保证车主利益的同时优化配电网的运行工况，但忽略了充电负荷的随机性。生物地理学优化（，）算法的基本思想来源于生物地理学理论，一般用于解决复杂优化问题 ，目前已广泛应用于配电网规划 、负荷分配 以及微网的优化配置 等。在电网分区问题上，文献 对 算法进行改进，提出了算法节点信息交换的更新方法，降低了算法的时间复杂度，使之更适合现代电网。针对微电网调度问题，文献 在 算法基础上改进了迁移模型与迁移策略，从而优化了微电网的调度，降低了发电成本，减少了碳排放。针对上述问题，文中以各区域 运营成本最低、相对负荷波动率和负荷波动标准差最小为目标函数构建上层优化模型，得到优化后的各区域 充放电功率并作为下层优化模型的输入；以有源配电网综合运行成本最小为目标函数构建下层优化模型，并对 算法进行必要的改进，提出一种自适应差分进化 生物地理学优化（，）算法求解该优化模型。通过仿真分析不同控制策略与各调压方式协调优化有源配电网运行的效果，验证所提分层分区优化运行模型以及 算法的有效性。有源配电网分层分区优化运行模型为实现多源可控资源的协调互动，从各区域 来看，基于分时电价的引导要使各区域 运营成本最低 ；从有源配电网来看，要能够平抑负荷波动，在满足有源配电网安全运行的同时提高运行的经济性 。因此，文中以各区域 运营成本最低和负荷波动最小为上层优化模型，以综合运行成本最低为下层优化模型，构建有源配电网的分层分区优化运行模型。上层优化模型优化各区域 充放电功率作为下层优化模型的输入，下层优化模型优化求解各调压设备的动作值。上层优化模型上层优化模型综合考虑各区域 的运营成本和电网的负荷波动，以各区域 运营成本最低和负荷波动最小为目标函数，约束条件包括潮流约束、峰谷差约束、电动汽车充放电功率及状态约束以及电量平衡约束。上层优化模型目标函数（）各区域 运营成本最低。在整个调度周期内，峰时电价高，放电越多，收益越大；谷时电价低，充电越多，充电成本越低。因此，以各区域 运营成本最低为目标函数，即：（，）（）式中：为调度周期的时段数；为 的个数；，、，分别为 时段第 个 的单位充、放电电价；，、，分别为 时段第 个 的充、放电功率；为时段长度。（）有源配电网的负荷波动最小。相对负荷波动率 和负荷波动标准差 是反映负荷波动情况的 个指标。值越小，表明各 充、放电功率分别跟踪分布式电源有功出力和负荷的效果越好；值越小，表明负荷波动越平稳。（），（，），槡（），（，），槡（）式中：为 个时段负荷平均值；为分布式电源数量；，为 时段分布式电源 的出力；，为 时段基础负荷；为 个时段内优化负荷曲线平均值；、为权重系数，一般都取 。上层优化模型约束条件（）潮流约束。，（）式中：，为上层网络向配电网注入的有功功率；，为系统 时段的网损。（）峰谷差约束。，（）式中：，、，分别为配电网原负荷峰、谷值；，、，分别为优化后负荷峰、谷值。（）充、放电功率约束。，；，（），；，（）式中：，为 变量，表征充电状态；，为 变量，表征放电状态；，、，分别为 时段第 个 的充、放电最大功率。（）充、放电状态约束。，；，（）（）电量平衡约束。（，），；，（）式中：、分别为电动汽车的充、放电效率；为第 个 的总充电需求。下层优化模型下层优化模型以上层优化模型所得的 充放电功率为输入，将配电网的有功损耗以及各电压调节手段转化为经济成本，以有源配电网综合运行成本最低为目标函数，并满足有源配电网运行约束以及各个调压设备出力约束，构建下层优化模型。下层优化模型目标函数 (，)（）式中：为接入配电网的分布式电源数；为 时段网损边际价格；、分别为分布式电源出力成本、静止无功补偿成本；，为 时段节点 处分布式电源发出的无功出力；为 时段静止无功补偿的无功出力。其中：，（）（）式中：为配电网节点数；，、，分别为 时段节点 和节点 的电压；、分别为节点 和节点 之间的电导、电纳和电压相角差。下层优化模型约束条件（）潮流约束。，（），（）（）式中：，、，分别为 时段节点 注入的有功和无功。（）节点电压约束。，（）式中：，、，分别为 时段节点 电压的上限、下限。（）静止无功补偿出力约束。，（）式中：，、，分别为 时段静止无功补偿无功出力的上、下限。（）分布式电源无功出力约束。，（）（，）（，），（），（，）（，）槡（）式中：，、，分别为 时段分布式电源无功出力上、下限；，为 时段节点 处分布式电源发出的有功出力；，为分布式电源逆变器最大视在功率；，、，分别为 时段节点 处负荷的有功和无功。优化运行模型求解算法 算法 算法源于物种在栖息地之间迁移过程中蕴含的优化思想，将物种在生态环境的活动地称为栖息地。生态环境中存在多重因素影响栖息地环境的 优 劣，这 些 因 素 被 称 为 适 应 度 指 数 变 量（，），栖息地对该处物种生存的适宜程度以及环境优劣采用适应度指数（，）描述，和 的关系如图 所示。图 和 的对应关系 算法标准 算法易于操作，拓展性好，但是也存在以下不足：（）随机生成初始种群，种群个体质量差；（）迁移模型采用线性模型，而实际物种迁移过程比线性模型更复杂；（）迁移算子以局部搜索为主，容易使算法陷入局部最优；（）变异算子在整个解空间内随机搜索个体，容易影响算法后期的收敛速度；（）采用精英保留机制用于栖息地的优胜劣汰的选择策略，计算复杂度高。针对 算法存在的不足，文中分别从初始种群、迁移模型、迁移算子、变异算子以及选择机制进行优化，提出 算法。混沌初始化采用分段 混沌映射生成随机数，即：（）（）（）（）式中：为混沌吸引因子，一般取值为；为 ，内的随机数。余弦迁移模型 算法中线性迁移模型描述种群的迁入、迁出较为简单，文献 提出 种迁移模型，经过验证，余弦迁移模型的性能最优，其迁入率、迁出率计算如下：李伟豪 等：模式下基于 算法的有源配电网优化 （）（）（）（）式中：、分别为最大迁入、迁出概率；为种群数量；为最大种群数。基于环形结构的差分迁移操作差分进化算法的变异机制在解空间内具有良好的全局搜索能力，但局部搜索能力较差，与 算法正好形成互补。因此，将差分进化算法中的变异机制融入 算法，得到差分迁移算子为：（）（）（）（）或（）式中：（）为第 个栖息地的第 个 ；、为 ，内不同于 的随机整数，为栖息地总数；为随机数；为 ，内的随机整数，为变量维度；为差分系数；为交叉率。自适应差分变异算子为了降低迭代后期 变异的随机性，将自适应差分优化算法融入变异操作中，即：（）（）（）（）（）（）式中：、为 ，内不同的随机数；为自适应调节参数。（）（）（）式中：为当前种群的最优适应度。随着迭代次数增加，越接近最优适应度，使自适应调整参数越小，越能够保持原有解的优良特性。贪婪选择策略相较于复杂的精英保留机制，贪婪选择法只要在优胜劣汰之后对种群排序一次，操作简单，其实质是对于种群中每个栖息地适应度（，）与自身更新后新栖息地适应度 ，进行比较，淘汰差的，保留优的，能够有效地保留优质个体。综上所述，算法流程如图 所示。算例仿真 配电网模型配电网模型采用改进的 节点配电系统，参考了文献 的 划分方法，将该系统划分为 个 区域，由 个 调度机构控制相应区域内电动汽车充放电，具体结构如图 所示。系统电压为 ，节点 为根节点；节点 、接入分布式光伏，节点 、装设静止无功补偿器，容量范围为 ，节点 、接入图 算法流程 图 改进的 节点配电系统 风电机组，节点 、接入电动汽车；光伏并网容量为 ，风电并网容量为 ；优化周期为 ；系统节点电压越限约束为 ；网损成本为 元（），风电、光伏无功出力成本分别为 元（）、元（），无功补偿成本为 元（）；分时电价采用国内工业用电价，即谷时段（时 时）元（）、平时段（时 时）元（）、峰时段（时 时、时次日 时）元（）。该系统内风电、光伏发电出力、基础负荷以及电动汽车无序充电情况如图 所示，根据各区域 的历史充电负荷预测得到各区域 可调度容量如图 所示，电动汽车其他相关参数如表 所示，算法相关参数设置如表 所示。模式下优化运行 模式接入对各 运营成本的影响在不考虑无功补偿的情况下，分别考虑电动汽车无序充电、有序充电和 模式 种控制策略接图 系统基础数据 图 各区域 可调度容量 表 电动汽车其他相关参数 参数数值参数数值最大充电速率 放电效率 最大放电速率 离开系统时荷电状态 充电效率 表 算法相关参数设置 参数数值参数数值种群规模 最大变异概率 最大迭代次数 差分系数 最大迁入概率 交叉率 最大迁出概率 误差 入电网，采用 算法求解上层优化模型，分别得到优化后各区域 的有序充电功率和有序充放电功率，如图 和图 所示。各 充放电费用和收益如表 所示。图 各区域 有序充电功率 图 各区域 参与 调节 表 各 充放电费用和收益 元 有序充电费用 调节充电费用放电收益总费用 由图、图 可知，各区域 的充电负荷集中在 时 时，在谷时段进行充电，从而降低向配电网的购电成本。这是由于 调节能够实现向电网放电，在峰时段向电网放电以提高收益，且分层分区的调度方式能够保证各区域 根据本区域内的负荷波动情况进行有针对性的调度。表 中，调节的充电费用虽高于有序充电费用，但与有序充电策略相比，各