一种台区用能多目标低碳降损优化调度策略方法

摘要

本发明公开了一种台区用能多目标低碳降损优化调度策略方法，涉及电力系统的用电调度领域。本发明考虑低压侧台区，构建多目标低碳降损用能优化模型，以台区日二氧化碳排放量最少、线损量最低为优化目标，计及台区中机组设备运行条件约束，对现有机组运行策略进行日内时序的优化，充分调动低压网络中各类资源灵活参与低碳降损优化行为。采用细菌觅食算法对模型进行求解；通过将生物领域的细菌觅食算法引入台区用能调度优化领域，有效避免了传统优化算法陷入局部最优解的问题，提高了全局搜索能力和收敛速度。针对台区用能调度问题的特点，对细菌觅食算法进行了改进和优化，提高了算法的稳定性和适应性；若将模型应用在巨大的用能基数上，其碳减排降损效果将十分明显。

说明书

技术领域

本发明涉及电力系统的用电调度领域，具体为一种台区用能多目标低碳降损优化调度策略方法。

背景技术

随着我国城镇居民生活水平的提升，居民用电量呈现飞速增长的态势，近些年来新增用电量中居民用电的比例高达38％；非线性负荷快速增长，空调已占夏季尖峰负荷的30％以上，导致电网峰谷差逐年增大，加剧电网高峰负荷供应缺口。同时清洁能源的大力推广，使得台区形成聚合传统用电负荷、电动汽车设备、分布式电源、小型储能装置等多种类型设备的低压网络。此外，电力行业对二氧化碳的计量大多从电源侧采用传统的静态排放因子计量方法，随着碳流理论的提出，越来越多的研究在用户侧进行。电力部门是重要的碳排放部门，电力低碳转型对于环保来说十分重要。在此背景下，开展低压侧用户用能潜力研究具有十分重要的现实意义，即在用户侧开展计及碳计量的用能优化具有非常重要的实际意义，通过分析用户用电习惯，优化台区用能，调度台区可控负荷，兼顾最大程度满足用户用能需求及最小程度降低用户舒适度，提高台区用电效率、可再生能源利用率及降低台区碳排放量。

发明内容

本发明为了解决电力行业对二氧化碳的计量，碳流理论如何应用于用户侧的问题，提供了一种台区用能多目标低碳降损优化调度策略方法。

本发明是通过如下技术方案来实现的：一种台区用能多目标低碳降损优化调度策略方法，具体步骤如下：

一、建立碳流追踪模型：已知电力系统共有N个节点，其中包括K台发电机，M个负荷节点，且网络的拓扑结构已知，不考虑系统网损，可通过直流潮流计算得到系统的潮流分布；

1.1)支路潮流分布矩阵

支路潮流分布矩阵为N阶方阵，用于描述电力系统的有功潮流分布，由P

若节点i、j之间有支路直接相连，i，j＝1,2,…,N；则支路i-j和支路j-i的支路潮流分布矩阵对应元素如式(1)所示：

若节点i、j之间没有支路直接向量，则P

1.2)机组注入分布矩阵

机组注入分布矩阵为K×N阶矩阵，用于描述所有发电机组与电力系统的连接关系以及机组注入有功功率，采用P

若第k台发电机组的接入节点为j，k＝1,2,…,K；那么其注入节点j的有功功率为：

若发电机未接入节点或注入系统的有功功率为0，则机组注入分布矩阵对应的元素为0；

1.3)负荷分布矩阵

负荷分布矩阵为M×N阶矩阵，用于描述所有电力负荷和系统的连接关系以及有功负荷量，采用P

若节点j无负荷接入则负荷分布矩阵对应的元素均为0；

1.4)节点有功通量矩阵

节点有功通量矩阵为N阶对角阵，用于描述考虑潮流方向下流入节点有功潮流的“绝对量”，采用P

P

P

其中，N+K为元素全是1的N+K阶行向量；公式(4)说明，在已知P

1.5)机组碳排放强度

碳排放特性依据机组类型而有所区别，机组碳排放强度在碳排放流计算中认为已知，机组碳排放强度向量由各台机组的碳排放强度组成；设第k台发电机组的碳排放强度为e

E

1.6)节点碳势向量：

求出节点的碳势是电力系统碳流计算的第一目标，节点碳势由P

E

二、定义动态碳排放因子

动态碳排放因子以节点为基础建立，根据动态碳排放因子建立的基本原则，在空间差异上需要满足公平性需求，因而建立的碳排放因子以空间上的平均节点碳势而得，所采取的单位为tCO

三、建立多目标低碳降损用能优化模型

在步骤一与二的基础上建立用能优化模型，设定台区日碳减排量最多、线损量最小为目标函数，考虑可时移设备和居民日常用电，对可时移设备构建约束条件集合，为台区中其设备制定最优运行策略：

台区分布式光伏采取“自发自用，余电上网”的并网模式，即剩余电力可自由调度；如上网出售；此外在本模型的运行中，负荷的调度采用按时间段调度的方式，将一天24h按时间间隔Δt＝15mins分成96个时间段t，在离散的时间段里进行负荷的调度；优化运行变量包括各时段冷/热负荷运行功率、储能设备的充/放电功率、充电桩充电功率以及从公共电网中购、售电功率；

3.1)确定目标函数

为体现出台区光伏发电产生的节碳效果，在本发明中定义台区日碳排放量为每日购电所产生的碳排放量与台区光伏售电节约的碳排放量之差，目标函数为台区典型负荷日碳排放量最小，其表达式为：

F

式中P

线损是通过总供电量和总售电量相减得到的，线损电量占供电量百分数称为线损率，考虑光伏发电情况，且台区所建分布式光伏采取“自发自用，余电上网”的并网模式，具体的线损计算公式为：

F

式中，Q

3.2)构造约束条件

3.2.1)功率平衡约束

P

在实际运行过程中，台区中发电功率要求与负荷功率需时刻保持平衡，其中，目标函数中变量满足以下平衡等式，首先建立台区各类负荷的功率与发电功率平衡约束：

式中P

P

P

其中，本地负荷P

P

式中P

式中

式中

式中

3.2.2)设备日前出力约束

典型用能台区中包含空气源热泵、空调、充电桩等设备，其输出功率需要满足上、下限约束，具体公式如下：

式中P

式中P

式中

3.2.3)负荷需求约束

考虑台区用户在冬、夏季对热量与冷量的需求以及电动汽车用户使用充电桩的需求、居民日常用电需求，设定原有负荷数据为当日的负荷需求量，为保证最小限度降低用户对冷、热、充电、用电体验感，设定需求量和供应量的关系如下：

式中

式中T＝4；在每相邻4个t时段内，对空气源热泵热负荷进行调度调节，i个空气源热泵可调节的范围为用户需求的90％到110％之间，最小限度降低对用户体验感的影响；

式中

在每相邻4个t时段内，对空气源热泵热负荷进行调度调节，i个空气源热泵可调节的范围为用户需求的90％到110％之间，最小限度降低对用户体验感的影响；

式中

式中P

在每相邻4个t时段内，对日常用户用电进行调度调节，k个日常用户用电可调节的范围为用户需求的90％到120％之间，最小限度降低对用户体验感的影响；

3.2.4)购售电约束

建立购售电功率约束：

P

P

式中P

3.2.5)线损约束

考虑台区实际情况，设定线损率的波动区间，此范围参考数据为该台区历史的日线损率：

2.5％＜L

3.2.6)储能运行约束

储能设备运行约束为：

式中

式中

式中Soc

四、细菌觅食法，为群体全局寻优算法，细菌觅食算法(BFOA)是一种新型群体全局寻优算法，该算法具有易跳出局部最优解和并行搜索等特点。BFOA通过效仿细菌觅食行为，提出了趋向、聚集、繁殖以及迁徙机制。具体包括如下步骤：

4.1)将多目标问题转化为单目标问题，求解(9)、(11)式的最小值，转化为求解适应度函数，即：

F

4.2)设定菌落大小为n＝30，每个细菌的感知半径为s＝1，每个细菌在每个迭代步骤中随机移动d＝0.1；

4.3)随机生成初始菌群，计算每个细菌的适应度；

4.4)模拟细菌觅食行为，计算每个细菌的移动距离和方向：

x

rand(-1,1)是随机数函数，用于产生范围在[-1,1]之间的随机数；

4.5)根据细菌的移动距离和方向更新菌群位置，计算每个细菌的适应度；

4.6)模拟细菌的消化行为，计算每个细菌的分泌量：

q

c为常数，用于控制分泌量的变化；

4.7)根据细菌分泌量更新细菌浓度，计算每个细菌的适应度；

4.8)采用NSGA-II算法对解集进行排序，找到帕累托前沿解集；

五、台区用能多目标低碳降损优化调度策略方法的实施，具体步骤如下：

步骤1：收集数据：收集台区的相关数据，包括负荷需求、可再生能源(如风能、太阳能等)发电量预测、传统能源供应情况；

步骤2：问题建模：根据收集到的数据，采用步骤一至三，建立台区用能调度的多目标优化数学模型，包括步骤二的目标函数和步骤三的约束条件；目标函数可包括碳排放量、损耗等指标；约束条件可包括购售电约束、储能运行约束、功率平衡、电压稳定、设备运行限制等；

步骤3：初始化参数：设置细菌觅食算法的初始参数，如细菌群体规模、趋化系数、趋向度等；同时，根据台区用能调度模型，随机生成初始细菌群体，并计算每个细菌个体的适应度值；

步骤4：细菌运动：执行趋向运动、趋化运动、淘汰和更新等操作，对细菌群体进行迭代优化；在此过程中，结合实时负荷需求和能源供应情况，动态调整细菌觅食算法的参数；

步骤5：收敛判断：判断细菌群体的适应度值是否满足预设的收敛条件，如最大迭代次数、适应度变化阈值等；若满足条件，输出当前最优解；若不满足条件，返回步骤4，继续进行细菌运动；

步骤6：解码策略：将算法得到的最优解解码为具体的调度策略，包括各类能源的供应量、负荷分配方案、储能设备充放电策略等；

步骤7：应用调度策略：根据解码后的调度策略，进行实际台区的用能调度；包括控制可再生能源发电设备、储能设备、调度电网输电，以满足多目标优化需求。

本发明所述的一种台区用能多目标低碳降损优化调度策略方法，对细菌觅食算法实现了以下改进：

1、动态调整算法参数：

a.趋向度调整：根据当前搜索阶段和解的分布情况，动态调整趋向度，在搜索初期，设置较大的趋向度以提高全局搜索能力；在搜索后期，逐渐减小趋向度以提高局部搜索精度。

b.趋化系数调整：根据细菌群体的适应度值变化情况，动态调整趋化系数。若适应度值变化较大，则增大趋化系数以加强趋化操作；若适应度值变化较小，说减小趋化系数，减少趋化操作。

c.步长调整：根据当前搜索阶段和解的分布情况，动态调整细菌个体的运动步长。例如，在搜索初期，可以设置较大的步长以加快搜索速度；在搜索后期，逐渐减小步长以提高搜索精度。

2、自适应适应度函数设计：

a.对各目标函数进行归一化处理，将它们转换为相同的量纲和数值范围，确保各目标函数在计算适应度值时具有相同的权重，避免某一目标函数主导优化过程。

b.根据当前搜索阶段和解的分布情况，动态调整各目标函数的权重；搜索初期，将权重分配给能源利用效率和碳排放量等全局性目标；在搜索后期，逐渐增加损耗等局部性目标的权重，以实现多目标的平衡优化。

与现有技术相比本发明具有以下有益效果：本发明所提供的一种台区用能多目标低碳降损优化调度策略方法，基于细菌觅食算法所建立的碳排放量最少和线损量最低的多目标优化模型，能够综合考虑低压侧电力的经济性和低碳性，符合双碳目标的战略部署。动态碳排放因子在时间上的差异性能够有效引导各类设备参与需求侧响应，其中，当碳排放因子较高时，为达到减排目的，各设备负荷削减；当碳排放因子较低时，为保证基本的用电需求，各设备负荷增加，进一步降低台区碳排放量，提高台区环保性。利用本发明所提出的基于细菌觅食算法的低碳降损用能优化模型，合理进行负荷转移、负荷削减等行为，充分调度储能设备参与需求侧响应，促进分布式光伏消纳，减少台区线损率，降低台区经济运行成本。而且在低压侧台区开展基于细菌觅食算法的低碳降损用能优化产生了较可观的效果。本发明通过动态调整算法参数、自适应适应度函数设计以及针对低压侧用能调度的特殊性所进行的创新，提高了优化效果和计算效率。本发明的具体实施例仅对某个台区某日的用能优化，若将模型应用在巨大的用能基数上，其碳减排、降损效果将十分明显。

附图说明

图1为台区低碳需求响应流程图。

图2为细菌觅食算法流程图。

图3为本发明具体实施例的碳排放因子曲线。

图4为夏季系统运行特性图。

图5为冬季系统运行特性图。

具体实施方式

以下结合具体实施例对本发明作进一步说明。

一种台区用能多目标低碳降损优化调度策略方法，具体步骤如下：

一、建立碳流追踪模型：已知电力系统共有N个节点，其中包括K台发电机，M个负荷节点，且网络的拓扑结构已知，不考虑系统网损，可通过直流潮流计算得到系统的潮流分布；

1.1)支路潮流分布矩阵

支路潮流分布矩阵为N阶方阵，用于描述电力系统的有功潮流分布，由P

若节点i、j之间有支路直接相连，i，j＝1,2,…,N；则支路i-j和支路j-i的支路潮流分布矩阵对应元素如式(1)所示：

若节点i、j之间没有支路直接向量，则P

1.2)机组注入分布矩阵

机组注入分布矩阵为K×N阶矩阵，用于描述所有发电机组与电力系统的连接关系以及机组注入有功功率，采用P

若第k台发电机组的接入节点为j，k＝1,2,…,K；那么其注入节点j的有功功率为：

若发电机未接入节点或注入系统的有功功率为0，则机组注入分布矩阵对应的元素为0；

1.3)负荷分布矩阵

负荷分布矩阵为M×N阶矩阵，用于描述所有电力负荷和系统的连接关系以及有功负荷量，采用P

若节点j无负荷接入则负荷分布矩阵对应的元素均为0；

1.4)节点有功通量矩阵

节点有功通量矩阵为N阶对角阵，用于描述考虑潮流方向下流入节点有功潮流的“绝对量”，采用P

P

P

其中，N+K为元素全是1的N+K阶行向量；公式(4)说明，在已知P

1.5)机组碳排放强度

碳排放特性依据机组类型而有所区别，机组碳排放强度在碳排放流计算中认为已知，机组碳排放强度向量由各台机组的碳排放强度组成；设第k台发电机组的碳排放强度为e

E

1.6)节点碳势向量：

求出节点的碳势是电力系统碳流计算的第一目标，节点碳势由P

E

二、定义动态碳排放因子

动态碳排放因子以节点为基础建立，根据动态碳排放因子建立的基本原则，在空间差异上需要满足公平性需求，因而建立的碳排放因子以空间上的平均节点碳势而得，所采取的单位为tCO

三、建立多目标低碳降损用能优化模型

在步骤一与二的基础上建立用能优化模型，设定台区日碳减排量最多、线损量最小为目标函数，考虑可时移设备和居民日常用电，对可时移设备构建约束条件集合，为台区中其设备制定最优运行策略，具体流程如图1所示：

台区分布式光伏采取“自发自用，余电上网”的并网模式，即剩余电力可自由调度；此外在本模型的运行中，负荷的调度采用按时间段调度的方式，将一天24h按时间间隔Δt＝15mins分成96个时间段t，在离散的时间段里进行负荷的调度；优化运行变量包括各时段冷/热负荷运行功率、储能设备的充/放电功率、充电桩充电功率以及从公共电网中购、售电功率；

3.1)确定目标函数

定义台区日碳排放量为每日购电所产生的碳排放量与台区光伏售电节约的碳排放量之差，目标函数为台区典型负荷日碳排放量最小，其表达式为：

F

式中P

线损是通过总供电量和总售电量相减得到的，线损电量占供电量百分数称为线损率，考虑光伏发电情况，且台区所建分布式光伏采取“自发自用，余电上网”的并网模式，具体的线损计算公式为：

F

式中，Q

3.2)构造约束条件

3.2.1)功率平衡约束

P

在实际运行过程中，台区中发电功率要求与负荷功率需时刻保持平衡，其中，目标函数中变量满足以下平衡等式，首先建立台区各类负荷的功率与发电功率平衡约束：

式中P

P

P

其中，本地负荷P

P

式中P

式中

式中

式中

3.2.2)设备日前出力约束

典型用能台区中包含空气源热泵、空调、充电桩等设备，其输出功率需要满足上、下限约束，具体公式如下：

式中P

式中P

式中

3.2.3)负荷需求约束

考虑台区用户在冬、夏季对热量与冷量的需求以及电动汽车用户使用充电桩的需求、居民日常用电需求，设定原有负荷数据为当日的负荷需求量，为保证最小限度降低用户对冷、热、充电、用电体验感，设定需求量和供应量的关系如下：

式中

式中T＝4；在每相邻4个t时段内，对空气源热泵热负荷进行调度调节，i个空气源热泵可调节的范围为用户需求的90％到110％之间，最小限度降低对用户体验感的影响；

式中

在每相邻4个t时段内，对空气源热泵热负荷进行调度调节，i个空气源热泵可调节的范围为用户需求的90％到110％之间，最小限度降低对用户体验感的影响；

式中

式中P

在每相邻4个t时段内，对日常用户用电进行调度调节，k个日常用户用电可调节的范围为用户需求的90％到120％之间，最小限度降低对用户体验感的影响；

3.2.4)购售电约束

建立购售电功率约束：

P

P

式中P

3.2.5)线损约束

考虑台区实际情况，设定线损率的波动区间，此范围参考数据为该台区历史的日线损率：

2.5％＜L

3.2.6)储能运行约束

储能设备运行约束为：

式中

式中

式中Soc

四、细菌觅食法，为群体全局寻优算法，如图2所示，具体包括如下步骤：

4.1)将多目标问题转化为单目标问题，求解(9)、(11)式的最小值，转化为求解适应度函数，即：

F

4.2)设定菌落大小为n＝30，每个细菌的感知半径为s＝1，每个细菌在每个迭代步骤中随机移动d＝0.1；

4.3)随机生成初始菌群，计算每个细菌的适应度；

4.4)模拟细菌觅食行为，计算每个细菌的移动距离和方向：

x

rand(-1,1)是随机数函数，用于产生范围在[-1,1]之间的随机数；

4.5)根据细菌的移动距离和方向更新菌群位置，计算每个细菌的适应度；

4.6)模拟细菌的消化行为，计算每个细菌的分泌量：

q

c为常数，用于控制分泌量的变化；

4.7)根据细菌分泌量更新细菌浓度，计算每个细菌的适应度；

4.8)采用NSGA-II算法对解集进行排序，找到帕累托前沿解集；

五、台区用能多目标低碳降损优化调度策略方法的实施，具体步骤如下：

步骤1：收集数据：收集台区的相关数据，包括负荷需求、可再生能源发电量预测、传统能源供应情况；

步骤2：问题建模：根据收集到的数据，采用步骤一至三，建立台区用能调度的多目标优化数学模型，包括步骤二的目标函数和步骤三的约束条件；

步骤3：初始化参数：设置细菌觅食算法的初始参数，同时，根据台区用能调度模型，随机生成初始细菌群体，并计算每个细菌个体的适应度值；

步骤4：细菌运动：执行趋向运动、趋化运动、淘汰和更新等操作，对细菌群体进行迭代优化；在此过程中，结合实时负荷需求和能源供应情况，动态调整细菌觅食算法的参数；

步骤5：收敛判断：判断细菌群体的适应度值是否满足预设的收敛条件；若满足条件，输出当前最优解；若不满足条件，返回步骤4，继续进行细菌运动；

步骤6：解码策略：将算法得到的最优解解码为具体的调度策略；

步骤7：应用调度策略：根据解码后的调度策略，进行实际台区的用能调度；包括控制可再生能源发电设备、储能设备、调度电网输电，以满足多目标优化需求。

本实施例采用上述方法在以下典型用能台区内实现，典型用能台区建筑提供冷、热、电供应，台区现有居民用户49户。目前已安装充电桩20台、空气源热泵49台、可控空调49台，已有总容量为150kW的储能装置、总装机容量为183.74kW的分布式光伏发电设备。以下为减排降损结果分析：

一、碳排放因子：

根据步骤二所建立的动态碳排放因子模型，计算出山西省某小区典型日24个时段的动态碳排放因子曲线，如图3所示。

二、减碳结果分析：

利用算法求解出台区在进行低碳降损用能优化后的冬夏两季碳排放数据，并与原始状态下台区碳排放量进行对比，碳排放量结果如表1所示。

表1夏、冬季典型负荷日碳排放量

台区在原始运行情况下，夏、冬季碳排放量分别为213.74kgCO

三、降损结果分析：

利用算法求解出优化后夏、冬季典型负荷日的线损量，并与原始状态下台区线损量进行对比，线损量结果如表2所示。

表2夏、冬季典型负荷日线损量

台区在原始运行情况下，夏、冬季线损量分别为23.2kWh、30.66kWh，进行优化后，线损量分别为14.62kWh、23.56kWh，优化后相较于原始运行情况下线损量分别降低了28.36％、23.16％。

四、用能优化结果分析：

基于本发明所提出的低碳降损用能优化运行方法，对上述两个典型季节负荷日的用能进行优化，优化前后的各类设备运行数据差如图4、5所示。

五：预期效果

本实施例在低压侧台区开展基于细菌觅食算法的低碳降损用能优化产生了较可观的效果。山西某典型用能台区的实施例表明，台区在参与用能优化后，夏季和冬季单日碳排放量可分别减少23.99％、20.17％，台区日线损量分别降低了28.36％、23.16％。本发明通过动态调整算法参数、自适应适应度函数设计以及针对低压侧用能调度的特殊性所进行的创新，提高了优化效果和计算效率。本发明的具体实施例仅对某个台区某日的用能优化，若将模型应用在巨大的用能基数上，其碳减排、降损效果将十分明显。

本发明要求保护的范围不限于以上具体实施方式，而且对于本领域技术人员而言，本发明可以有多种变形和更改，凡在本发明的构思与原则之内所作的任何修改、改进和等同替换都应包含在本发明的保护范围之内。