基于多层电价响应机制的主动配电网源-网-荷协调方法

2018-04-09 14:36:35 电力系统自动化   点击量: 评论 (0)
基于多层电价响应机制的主动配电网源-网-荷协调方法1研究背景随着可再生能源并网比例的持续增长,配电网的形态与运行方式正在发生巨大变化
基于多层电价响应机制的主动配电网源-网-荷协调方法
 
1研究背景
 
随着可再生能源并网比例的持续增长,配电网的形态与运行方式正在发生巨大变化。分布式电源、主动负荷、储能装置及微电网的大量接入,使得以配电网为中心的源、网、荷均呈现出多元变化,为配电网的协调优化带来更多挑战。这些挑战主要可归纳为:
 
1)多元多层级主体协调问题。参与协调优化的源、网、荷分属于不同的利益主体;而配电网上直接并网的源、荷与微电网内通过微电网间接并网配电网的源、荷运行特点又不同,如何处理不同层级上的不同利益主体,进行多级协调成为一大问题。
 
2)不确定性与风险协调问题。风电功率、电动汽车及空调负荷的不确定性,均会使得源-网-荷协调优化模型变得模糊,如何处理每个利益主体的收益与风险关系也成为一大问题。
 
本文将多智能体系统与多层电价响应机制结合,以协调不同层级的多利益主体。配电网智能体不直接集中控制各分布式电源及主动负荷的发用电量,而是通过价格杠杆在多个层级间进行间接协调。在不同层级的优化过程中,采用模糊机会约束规划和可信性测度来处理不确定性和风险,并通过等价类对机会约束条件进行转化。采用蝙蝠算法和黄金分割法对多层模糊随机规划模型进行求解,解决可再生能源高渗透率配电网的源-网-荷协调优化问题。
 
2基于多智能体的多层电价响应
 
根据主动配电网内各主体的功能属性,定义如下5类智能体,分别为配电网智能体、虚拟电厂智能体、微电网智能体、多形态负荷智能体以及一次侧能源智能体,如图1所示。
 
图1多智能体架构
 
 
在此背景下,主动配电网多智能体系统包含核心协调层(ADNA)、直接协调层(VPPA与MGA)、间接协调层(微网内PEAs、LAs),如图2所示。处于上层的智能体对下层进行电价激励,处于下层的智能体对上层电价进行功率响应,这一多层电价响应机制保证了不同层级智能体间利益协调的有序进行,原理类似于有序的多层规划。
 
图2多层电价响应机制
 
 
多层电价响应机制与传统的市场交易机制不同,不需要集中市场交易平台/中心,ADNA无需了解网内各PEAs、LAs的成本与报价信息及进行大规模的集中计算,比较适用于市场参与者众多的配电网市场;另外,该机制中PEAs、LAs等市场参与者可以主动参与协调过程,主动响应电价并相应调节功率。因此本文所提多层电价响应机制是一种分散自律且体现参与者主动响应的配电网市场模式。
 
3多层模糊机会约束的源-网-荷协调模型
 
1)核心协调层ADNA的优化模型
 
在基于多智能体的多层电价响应机制中,ADNA的优化目标是使得配电网的购电成本及不平衡成本总和最小化,决策配电网电价。
 
2)直接协调层VPPA的优化模型
 
虚拟电厂智能体VPPA的优化目标是追求内部PEAs及LAs收益的最大化。决策在某一配电网电价条件下,VPPA内源-荷的响应功率。通过协调优化内部电动汽车、常规火电机组、分布式风电机组、空调可调度负荷等的运行状态,来实现整体VPPA的收益最大化。
 
3)直接协调层MGA的优化模型
 
微电网智能体MGA的优化目标与VPPA的作用方式不同。微电网是一个独立的智能体主元,拥有独立的优化目标,其利益与微电网上并网的源-荷存在博弈关系。微电网从并网的源-荷购电,而向上层并网的配电网售电。在某一配电网电价已知条件下,决策微电网电价。
 
4)间接协调层并网微电网的PEAs及LAs的优化模型
 
并网微电网的PEAs及LAs会针对每一个微电网电价做出优化响应。决策在某一微电网电价条件下,并网微电网的PEAs及LAs的响应功率。可以发现,这一过程与VPPA的优化过程极为相似。只是参与优化的PEAs及LAs不再是虚拟电厂内的源、荷智能体,而是并网微电网的源、荷智能体。
 
4求解方法
 
基于多智能体多层电价响应机制的模糊机会约束协调优化模型包含大量模糊参数和模糊机会约束条件,数学性质模糊,难以采用基于导数的优化方法直接求解。本文采用等价类转化的方式来处理模糊机会约束条件,将模糊机会约束转化为确定性约束。采用基于模糊模拟的BP神经元网络逼近带有模糊参数的目标函数数学乐观值。
 
经过不确定性处理的优化模型约束中已不含随机变量,但目标函数由BP神经元网络逼近,仍然难以用传统优化工具进行求解。同时,多层电价响应机制中,要求对若干不同激励电价下的响应功率和成本进行计算,这样的遍历式寻优思路效率极低,不适合实际应用。因此,本文采用蝙蝠算法求解含BP神经元的模型,采用黄金分割法模拟多层电价响应机制。
 
5算例分析与讨论
 
1)多层电价响应机制对比分析
 
分别进行如下市场机制下的配电网源-网-荷协调优化仿真:不计风险的多层电价响应机制;计及风险的多层电价响应机制;传统集中市场机制。
 
可发现,不计风险条件下多层电价响应机制的配电网源-网-荷协调最优电价与配网运行成本均与传统集中市场模式相同。在这一模式下,市场参与者主动参与协调过程,同样实现了社会效益最大化的市场目标。而计及风险的多层电价响应模式下,与其他两种模式相比配网最优电价较低,这主要是因为本文模式计及风险,允许存在一定的不平衡功率。同时,本文模式下配电网的成本也更低,这主要是因为计及风险条件下,配网从PEAs及LAs购得发电功率更低,配网电价也更低。
 
2)考虑风险对源-网-荷协调优化的影响
 
不同的置信度水平可以反应参与协调优化智能体对风险的接受程度。改变置信水平进行优化计算。分别取置信水平为0.5,0.6,0.7,0.8,0.9进行仿真。可以看出,无论对于何种电价,置信水平越高,VPPA的收益就越低。
 
不同的模糊参数刻画方式体现了多智能体对风险的灵活考虑与接受程度。考虑采用三种隶属度函数对模糊变量进行刻画:①三角形模糊刻画方案。②梯形模糊刻画方案。③矩形模糊刻画方案。结果可以看出,对于前两种优化方案而言,配电网的总成本均会随置信水平的升高而增加。这主要是由于,机会约束的置信水平要求越高,说明参与调度主体对风险的接受程度越小,优化调度算法为实现这样趋于保守的调度要求,会增加成本。
 
3)求解算法的计算精度与计算效率
 
将本文所提的结合蝙蝠算法的黄金分割法与其他由遗传算法和模式搜索算法构成的复合智能算法进行比较,计算结果如表1所示。
 
表1算法比较分析
 
 
由表1可见,从最优电价看,本文所提算法与其他对比算法取得了相同精度的优化结果。从计算效率上看,对于配电网而言算法1只需11次就完成了计算,与算法2持平,远低于算法3、4的34次。这主要是由于黄金分割法充分利用了配网成本与配网电价的单谷一维函数关系进行最优电价搜索,计算高效;而模式搜索算法未计及这一单谷特性而反复放大搜索范围进行试探,增加了计算次数。因此,结合蝙蝠算法的黄金分割法对于求解本文模型体现了良好的精确性与高效性。
 
6结论
 
1)多智能体系统可有效协调主动配电网环境下的源、网、荷利益主体,基于多智能体的多层电价响应机制可对不同层级上复杂的源、网、荷结构进行协调,充分发挥高比例可再生能源和主动负荷的潜力。
 
2)模糊参数和模糊机会约束规划可以简洁有效地处理可再生能源高渗透率电网的诸多不确定因素,计及各智能体对风险的追求与厌恶程度。模糊机会约束的等价类转化和结合BP神经元网络的模糊模拟可以有效简化模糊规划,而结合蝙蝠算法的黄金分割法使得多层电价响应机制求解得到极大简化。
 
3)本文对风险的考虑仅为对模糊机会约束置信度水平的控制,可以进一步引入风险考核指标进行下一步深入研究。(徐熙林,宋依群,姚良忠,索瑞鸿,严正)
 
原标题:上海交通大学 徐熙林,宋依群;中国电科院 姚良忠等:基于多层电价响应机制的主动配电网源-网-荷协调方法
 
 
大云网官方微信售电那点事儿

责任编辑:lixin

免责声明:本文仅代表作者个人观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
我要收藏
个赞