钟建伟，姜芮，王晨(湖北民族学院信息工程学院，湖北 恩施　445000)

0　引　言

随着社会的进步与发展，能源驱动方式也有所转变。时代的发展对电力网络结构有了新的转变要求，用户侧也在不断提高电能质量需求，加之如今能源消耗和环境污染问题日趋严重，原有的电力系统结构面临着严重的时代冲击。在智能电网的大环境下，电力供求关系也发生了变化[1-2]。从传统的电力供给侧单方面向用户侧配电结构到如今逐步过渡到基于用户需求侧与电力供给侧两项综合考量进行安全稳定优质双向用电供求关系[3-4]。用户需求不同，传统的统一治理标准也应转变成因需供给的标准。

在智能电网的环境下，电能质量的单项评估[5]不能直观地反应出该分布式电源是否能优质并网。现有电能质量的评估方式是基于算法的多目标评估[6]。在评估的过程中，需建立相应的评估模型和目标函数，再对其进行分析得到Pareto最优解集，但数据处理复杂。分布式电源接入大电网的电能质量评估应将研究重点放在分布式电源自身。在文献[7]中运用了传统的数据包络分析(Data Envelope Analyse, DEA)，将多个未接入大电网的分布式电源进行相对优劣的评估。但传统的DEA方法并不能对每一个决策单元进行有效分析。所以本文在传统DEA方法基础上，引入交叉评价机制，对电能质量数据进行交叉DEA分析处理，得以优质评估。交叉评价的基本思想是：用每一个DMUi的权重去计算其效率值，得交叉评价值Mik。

根据电能质量层级的区别，需要进行不同的分层定价。在分布式电源接入的智能电网环境下，将从因质定价和因时定价两个方面来综合考量分层定价，引入用电保险机制来保障用户和电网的双边利益。

1　DG并网后电能供需分析

传统的一次能源本身的非再生性和对环境污染的不可逆性，促使人们寻求新能源来改变现有的能源结构。走可持续发展道路，大力发展新清洁能源势在必行。在智能电网[8]背景下，分布式电源并网改变了能源结构，电力供应逐步开放用户侧需求服务，才能更好地推动电力市场的运行、发展。

智能电网从发电侧引入清洁能源代替传统的一次能源，形成分布式电源与传统电源的共同供电的结构。供电公司的电力供需结构对用户侧开放是将传统供电仅由供电侧决定配电方式转变成用户侧与发电侧共同决策配电方式。电力供应向用户侧开放对电网智能化发展有着非常重要的推动作用。

全网统一的电能质量标准使得电力用户享有同样安全稳定运行的电网结构。但不可忽略的是电网在遭遇自然灾害、恶劣天气或定期运维检修过程中，不可避免地在调度过程中会使某部分地区用户用电终止。不同类型的用户有不同的用电需求。普通居家用电，可克服偶尔缺电情况。而在对电力需求敏感的个人或企业，发生严重的电力中断不仅会产生巨额的成本预损还会导致某个行业的运转出现停运甚至威胁到社会的经济产业链。

根据用户侧的需求不同进行不同电能质量的电力供电势在必行，对电能质量层级要求比较严格的个人或企业将被供给电能质量评估中更加优质的电能质量。高层级的电能质量相应的定价会高于传统供应的普通电能质量层级的电力价格。需求高电能质量层级的用户享有更高层级权限的电力供需，在电网现有的环节中存在电力波动，为保障高层级用户的电力需求和供电公司的正常收益，建立电力供应风险保护机制，应建议该类用户购买电力供给保险。这种保护机制不仅可以减少用户对特殊电力需求的未知风险担忧，也可以增大供电公司在引入新清洁能源后的并网运行后的推行力度。

2　基于DEA分析方法的电能质量综合评估

DEA分析方法[9-10]基本思想是对于同一类型的决策单元进行相对有效的评价方法。假设有n个待评估对象，即有n个决策单元会产生相对应的n个DMU值。对于这n个决策单元中，每个决策单元有p个输入目标和q个输出目标。即DMU

分别是DMUi的p个输入x1i,x2i,…,xpi与q个输出y1i,y2i,…,yqi(xji,yji>0)的向量，记X为多输入指标矩阵，X=[x1,x2,…,xn]；Y为多输出指标矩阵，Y=[y1,y2,…,yn]；对于第i个决策DMU，v=[v1,v2,…,vp]T、u=[u1,u2,…,uq]T，分别是输入和输出的权向量(u,v≥0)。

DMUi的总输入：

Ii=v1x1i+v2x2i+…+vpxpi

(1)

DMUi的总输出：

Oi=u1y1i+u2y2i+…+uqyqi

(2)

总输入Ii和总输出Oi之比为DMUi的效率评值为Mii

(3)

传统的DEA分析模型结构如下：

1)传统DEA模型线性规划方程

(4)

2)综合交叉DEA评价模型

第一步：

利用传统DEA分析模型计算出DMUi的效率评价指数Mii(1≤i≤n)

第二步：

给定i∈{1,2,…,n},k∈{1,2,…,n}解以下线性规划方程：

(5)

第三步：

(6)

第四步：

由交叉评价值构成交叉评价矩阵

图1　交叉DEA分析流程图

综合交叉DEA分析比传统的DEA分析复杂，需求解大量的线性规划方程。利用工程软件编译综合交叉DEA分析的流程如图1所示。

3　不同用户的电能治理方式

现有的电能质量治理方式是供电侧对用户侧进行统一治理。供电侧统一的治理标准使所有用户支付的电能治理的费用相同，让现有的用户不能根据个人及企业需求进行高效适价的电能质量分配。

现有电能质量治理方式[11-12]主要有SVC(静止无功补偿器)、STATCOM(静止同步补偿器)、UPS(不间断稳压电源)、DATATCOM(配电网静止同步补偿)、SSTS(固态电子转换开关)、DVR(动态电压恢复器)等。根据每种补偿器自身的特点治理不同用户的电能质量指标的需求。为保证对重要用户可靠供电，使用SSTS(固态电子转换开关)，用于双回线路的切换，克服传统机械开关反应慢的弊端；对用于重要负荷，例如银行，医院等，可使用UPS(不间断稳压电源)；对用于敏感负荷，例如半导体生产厂家，可使用DVR(动态电压恢复器)，对补偿电源电压波动和闪变等有明显效果。针对不同电力用户需求，进行相应的电能质量治理。

4　分类治理的电能质量评估分析

图2　基于DEA分析的电能质量评估流程图

以用户的需求为出发点，电能质量治理成本将随着治理方式不同、治理装置的容量不同而发生变化。不同电能质量层级需求的用户用于电能质量治理方式也不相同。在分布式电源未并入大电网前，先进行传统DEA分析[13]，在结合用户侧需求进行不同的电能质量治理方式的电能质量新数据，在对新的电能质量数据进行综合交叉DEA分析，得分布式电源接入点的新评估数据进行电能质量分层。基于DEA析的不同用户侧需求电能质量评估流程如图2所示。

下面进行基于DEA分析的不同用户侧需求电能质量评估流程分析，现有5个暂未接入大电网的分布式电源点，未治理的分布式电源点的电能质量数据如表1所示。

表1　未经治理的分布式电源点电能质量数据

根据用户侧对电能质量某项敏感需求，进行向定制的电能质量治理方式。表2所示是采用静止无功无偿(StaticVar Compensator,SVC)与静止同步补偿器(Static Synchronous Compensator,STATCOM)得到的监测点1的新的电能质量各项指标值的治理的效果。

表2　监测点1在治理前后的电能质量数据

对5个分布式电源点的数据进行综合交叉DEA分析，将治理后的电能质量数据代入MATALAB程序，得交叉评价矩阵：

其中对角元素为自我评价值：

M11=0.886 8M22=1.000 0M33=1.000 0
M44=1.000 0M55=1.000 0

与前文所述，自我评价值取得最大值1的分布式电源监测点较多，仅用EII没有办法区分所有决策单元的优劣，由以上程序计算出的各分布式电源监测点的平均交叉评价值如表3所示。

表3　各分布式电源监测点的平均交叉评价值

按mi的大小，从大到小对这5个监测点进行优劣排序为:

DMU3>DMU2>DMU4>DMU5>DMU1

综上分析评价矩阵M，对角线元素值为自我评价值Mii与综合交叉评价值mi,分析可知分布式电源监测点3的运行效果最好。

多个电能质量监测点在进行交叉DEA分析后会生成等级排序，对电能质量进行分级。

本文中的综合交叉DEA数据包络分析办法对电能质量进行评估，评估后对电能质量进行分级。在DMU值处在不同的区间值内时，进行不同层级的定价。综合交叉包络分析值越大层级越高，定价高；反之，分析值越低，定价低。

5　结束语

(1)分布式电源接入电网前，采用DEA方法评估分布式电源电能质量重在选择一个合理评价指标体系，在不同的指标体系中DEA评价结果是不一样的。传统DEA方法可以建立一种含分布式电源电能质量综合评估的体系模型，引入输入指标和输出指标的共同评估的模型可以避免一味追求电能质量，而忽略了分布式电源和治理装置本身的成本。但不能对每一个决策单元进行有效分析，并且在每一个决策单元为达到最大的效率评价指数，会对每一个输入、输出的指标进行不合理的权重分配。交叉DEA分析在一定程度上弥补了传统DEA分析方法存在的缺陷，能更好地进行分布式电源并网和电能质量的治理工作。分布式电源接入前的电能质量分析，能避免分布式能源接入后产生严重的并网问题。

(2)传统综合评估算法仅对电能质量排序和分档，容易忽视了电能质量治理环节的内容。本文对传统DEA评估方法进行了改进，采用交叉DEA分析方法。交叉DEA分析方法分析复杂，需求解大量的线性规划方程，本文利用工程软件编译综合交叉DEA分析的程序。在分布式电源接入的电能质量分析工作中，可以对综合评估结果进行合理排序。

(3)分布式电源接入前，接入不同电能质量治理装置，采用交叉DEA方法进行评估。能根据用户的不同需求进行接入前治理，让用户侧的电能质量更好地实现因需供电的交互供电方式。

参考文献：

[ 1 ] 刘壮志,许柏婷,牛东晓.智能电网需求响应与均衡分析发展趋势[J].电网技术, 2013, 23(6): 37-46.

[ 2 ] MARIO V F PEREIRA,LEONTINA MVG PINTO. Application of sensitivity analysis of load supplying capability to interactive transmission expansion planninig[J]. IEEE Transactions on Power Apparent and systems, 1985, 104(2): 381-389.

[ 3 ] 田世明,王蓓蓓,张晶.智能电网条件下的需求响应关键技术[J]. 中国电机工程学报,2014,16(5): 34-2.

[ 4 ] 张钦,王锡凡,王建学,等． 电力市场下需求响应研究综述[J]． 电力系统自动化, 2008, 32(3): 97-106.

[ 5 ] BOLLEN M U J.Understanding power quality problems, voltage sags and inter-ruption[M].New York： IEEE Press,2000.

[ 6 ] 何禹清,彭建春,毛丽林,等. 考虑用户不同需求的电能质量综合评估[J].电力系统自动化, 2010, 34(12):48-52.

[ 7 ] 林海雪. 电能质量指标的完善化及其展望[J].中国电机工程学报, 2014, 36(10): 34-29.

[ 8 ] 王瑞祺. 分布式发电与微网系统多目标优化设计与协调控制研究[D]. 济南：山东大学, 2013.

[ 9 ] 付学谦,陈皓勇,刘国特,等. 分布式电源电能质量综合评估方法[J]. 中国电机工程学报, 2014, 36(9): 34-25.

[10] ROBERT J,SCHILLING JAMES,CARROLL J. Approximation of nonlinear systems with radial basis function neural networks[J]. IEEE Transactions on Neural Networks, 2001, 12(1):21-28.

[11] REDOYLE,R H GREEN. Efficiency and cross efficiency in DEA:Derivations meanings and uses[J].J Opl Res Soc, 1994,45(5):567-578.

[12] 陈志业, 尹华丽, 李鹏.电能质量及其治理新技术[J].电网技术, 2002, 36(7): 26-37.

[13] 秦毅, 姜钧. 应用MATLAB解决常用 DEA模型的评价分析[J]. 电脑编程技巧与维护, 2013, 32(22): 40-48.