李恺， 谭海波， 郭光， 彭潇， 谈丛

(1.国网湖南省电力有限公司供电服务中心，长沙410004；2.智能电气量测与应用技术湖南省重点实验室，长沙410004)

0 引言

2019年4月18日,国家能源局印发 《能源标准化管理办法》,规定了工业能耗标准化建设要求。如何提高能耗水平和优化能源供给模式成为了现代工业用户面临的重要议题。在该形势下,传统工业园区电力供应调度模式已逐渐落后,无法满足现代工业园区能力需求[1-3]。

近年来,随着物联网、人工智能等信息技术的快速发展及其在生产生活中的运用,国内外应用新技术创新调度模式,提升工业园区能源利用效率和清洁能源消纳水平,已成为研究热点。文献 [4]建立以运行成本最小、电网运行损耗最低为目标的优化调度策略模型,仿真结果证明,考虑目标优化的调度方法能够有效降低系统运行成本和线路网损,提高新能源消纳水平。文献 [5]利用AGC机组超短期负荷预测功能对电网负荷趋势进行超前分配、超短期负荷预测,达到提高电网稳定运行的目的。文献 [6]综合考虑供电企业、电力用户,建立了多目标、变时段尖峰平谷电价最优模型,降低电费费率。文献 [7]建立了考虑电价响应和用户满意度的含风电电力系统的优化调度模型,该模型对负荷侧和发电侧共同协调优化控制,降低了系统运行费用和机组的启停费用。文献 [8]结合可信性和模糊机会规划约束理论,搭建动态经济调度的模糊机会约束调度模型。

以上文献研究均为只单独考虑电力供应侧或用户侧的调度模型,不是多主体参与的优化调度模型。为进一步优化模型,文献 [9]提出了一种将能源供应和工业生产动态耦合的调度模型,并在蓄电池生产厂综合运用,降低了工业生产用能成本。文献 [10]开展了能源供应与多参与主体的工业园区互动机制的研究,对削峰填谷、缓解电力供应不足有一定的效果。

基于现代工业园区能耗需求大、区域集中、用能计划明显、时段互补、多能互补协调运行等特点[11-15],本文研究面向现代工业园区的 “源—荷”互动调度的机制,提出了三种目标优化策略,提高现代工业园区供电能力、降低用户电费成本、提升配电变压器载荷率、降低变压器供电峰谷差。

1 最优调度策略模型介绍

依据工业园区当前存在的供电问题和用电需求,建立三种调度模型,分别是电费最优型模型、电网友好型模型、生产强化型模型。

1.1 电费最优型模型

电费最优型模型以工业园区用户电费最低为目标,园区一天的总电费为园区所有用电负载用电量与电费费率的乘积之和,设计电费模型如下:

式中,Vmn为n时段内m号负载产生的电费,an为n时段费率,Wmn为n时段内m号负载产生的电量。

电费最优策略下,要求对各种组合的Wmn,

1.2 电网友好型模型

电网友好型模型控制目标是园区用电负荷尽量均衡。总负荷＝园区用电负荷+风电负荷+光伏负荷+储能系统负荷,所以,园区用电负荷＝总负荷-风电负荷-光伏负荷-储能负荷。其中,风电负荷和光伏负荷可以根据天气情况提前拟合进行预测,得到W风和W光,因此可以根据生产需求,大致估算出W总,并且由于储能系统可以在适当范围内进行调节,设计负荷模型:

式中,W园电iT为T时段内,园区用电负荷在某生产场景的用电负荷；W园电T为T时段内,园电负荷的总需求量；定义 s为园区市电负荷曲线的标准偏差。

电网友好型策略下,即求 s最小,约束条件为:

1.3 生产强化型模型

生产强化型策略是指模拟生产需求比较紧急的情况下,负荷在某个时间节点前之前需求很大,某节点之后需求大幅减少。所以根据产量要求来设计负荷模型:

生产强化型策略下,要求s最大,且满足约束条件:

2 多目标优化模型及求解算法

2.1 多目标优化模型

多目标优化问题即要求各目标在限制区域内尽可能同时达到最优,一个具有m个最小化目标变量、p+q个约束条件、D个决策变量的多目标优化问题可以表述:

式中,目标函数F(x)定义了m个决策空间向目标空间映射函数,x为D维决策变量,gi≤0(i＝1,2, ···,p)和hj(x)＝0(j＝1,2, ···,q)为约束条件,xdmin和xdmax是决策向量的上下限。

多目标优化结果是最优解的集合,集合中的元素称为Pareto最优解。

2.2 粒子群算法

粒子群算法 (PSO)是Kennedy和Eberhart受鸟群觅食活动规律启发提出的仿生算法[16]。多目标粒子群算法 (MOPSO)通过结合Pareto排序机制,利用粒子间的支配关系寻找粒子历史最优解。MOPSO采用高效的群集并行对劣解进行搜索寻优,并能实时调整搜索策略以加快搜索速度,因此算法鲁棒性和全局收敛能力较好。

对于规模为N的粒子群,粒子位置向量xi、粒子i、速度向量vi算法分别表示为:

式中,D是决策变量个数,演变过程中粒子位置和速度更新方式:

式中,k为演变次数；ω≥0为惯性权重；r1,r2是(0,1)之间的随机数；c1,c2≥0为加速系数；为粒子群中第k次演变的最优位置的d维分量,称为G-best；p(idk)为第i个粒子在第k次演变时最优位置的第d维分量,称为P-best。

2.3 求解步骤

本文考虑三种优化目标,分别是电价最优、生产强化、电网友好,约束条件包括供电能力、生产计划、能效水平等。利用多目标的粒子群算法求解算法流程:

1)输入目标函数,即公式 (1)、 (5)、 (12),并进行初始化；

2)初始化粒子群,对每一个粒子的速度和位置初始赋值以及初始化公式 (18)中学习因子、迭代次数等；

3)计算粒子适应度值,由三个目标函数决定；

4)比较粒子的适应度,根据支配关系更新粒子个体最优位置 (P-best),选取粒子全局最优解位置 (G-best)；

5)按照粒子速度和位置更新公式 (17)、(18)、 (19)；

6)判断迭代次数是否达到设定的最大值,是则输出Pareto最优解集,否则返回步骤 (3)继续迭代；

7)在Pareto最优解集中筛选出于正负理想点相对最小的解,即为最优解,对应即为电价最优、生产强化、电网友好的最优调度策略。

求解具体流程图如图1所示。

图1 粒子群算法求解步骤流程

3 系统设计

系统按三层架构设计,分就地控制层、区域控制层、全局优化层,基于物联网技术,构建信息物理融合的电力优化调度系统,结构如图2所示。

图2 基于信息物理融合的园区供电系统

全局优化层属于园区供用电调度策略决策中枢,其他层配合其采集整个网络运行数据,通过全局优化算法对工业园区用电进行全局层次优化控制,实现电价最优、电网友好、生产强化三种调度策略的求解。区域控制层,通过协调控制器实现短时间尺度的区域功率和负荷统筹协调,并基于全局运行决策给出的优化目标及参考信息对所属范围内的储能系统和用电负荷进行控制。就地控制层基于全局优化层给出的优化控制目标,执行全局优化层的控制策略,对园区供用电设备、储能系统进行控制管理,实现电价最优、电网友好、生产强化三种调度策略的在配电网或用户侧的运用。

4 应用效果及分析

本文设计的现代工业园 “源—荷”互动调度策略在湖南省某省级智慧园区应用,通过建立的信息物理系统对园区各发电、用电设备数据进行搜集分析,得到在三种不同供电调度策略下以及多目标优化策略下的用电负荷和电费曲线,如图3—6所示。

从图3可知,在电价最优策略下,工业园区用电负荷在电费费率高的情况下负荷低,整体降低了园区用电电费,节约了园区用户电费。由图4可知,在电网友好策略调度下,以负荷波动性最低为目标,负荷波动减少。从图5可知,在生产强化策略下,达到了在短时间内满足用户最大生产需求为目标,某个节点用电负荷大幅下降目标,满足了大工业用户某个阶段用电需求的增长。由图6可知,在多目标优化策略控制下,在供电能力、电价最优约束条件下,能输出最优用电负荷曲线,这进一步证实了多目标控制策略的可行性。

图3 电价最优策略下用电负荷曲线

图4 电网友好策略下用电负荷曲线

图5 生产强化策略下用电负荷曲线

图6 生产强化策略下用电负荷曲线

5 结语

本文设计了基于信息物理融合的现代工业园区源荷互动调度信息物理系统,从电价最优、负荷波动最低、生产强化三个目标优化调度模式,提出了源荷互动调度的多目标调度策略。经实践应用证明,在不改变供电能力的情况下,该调度策略可最大效率利用供电设备,提高园区配电设备负载率,有效提升工业园区用户生产产值,优化能源结构。对解决现代园区供电能力不足、用电需求多样等问题具有极高的参考价值,并具一定的经济效益,可在全国先进的现代工业园区推广应用。