一種基于廣義需求側響應的地區電網調度系統及方法
【技術領域】
[0001] 本發明涉及地區電網調度優化領域，更具體地說，是涉及一種基于廣義需求側響 應的地區電網調度系統及方法。
【背景技術】
[0002] 智能小區作為地區電網發展中的重要組成部分、已被廣泛使用。智能小區的應用 廣泛并且靈活，不僅能夠提供更高的電力可靠性，滿足用戶多種需求，還能實現能源效益、 經濟效益和環境效益的最大化。將智能小區接入電力系統中，將會是智能電網的發展方向 之一。但在智能小區中包含了各種分布式電源，由于分布式電源的特性，會影響到電力系統 的安全性和穩定性，現有的調度系統采用統一判斷、調度集中的控制方式，已不能有效的進 行動態調度。因此，如何解決上述的問題，為亟待解決的問題。
【發明內容】
[0003] 本發明的目的旨在提供一種一種基于廣義需求側響應的地區電網調度系統。
[0004] 本發明的另一目的是為了配合上述的系統，而提供的一種基于廣義需求側響應的 地區電網調度方法。本發明采用改進的遺傳退火進化算法對電網調度目標函數進行求解， 避免極少數優秀個體占據種群，對包含智能小區的電力系統進行有效的動態調度，滿足客 戶更多的功能需求。
[0005] 為實現上述的目的，本發明的一種基于廣義需求側響應的地區電網調度系統，包 括上級調度中心，其中上級調度中心連接有至少一個智能小區和發電單元，所述的智能小 區連接有DG電源和可控負荷。
[0006] 上述的地區電網調度系統，所述的上級調度中心通過有線或無線網絡與至少一個 智能小區和發電單元建立通訊。
[0007] 上述的地區電網調度系統，所述的上級調度中心包括相互連接的信息處理單元和 決策優化單元，所述的信息處理單元通過有線或無線網絡與至少一個智能小區和發電單元 建立通訊。
[0008] 本發明的系統采用上述的結構，通過將智能小區視作為一個由負到正的虛擬負 荷，以需求響應的形式融入地區電網的整體調度中，以達到智能小區與地區電網之間間以 及智能小區與小區內各分布式電源之間的協調運行的技術目的，使電網能夠高效穩定的運 行，滿足用戶更多需求。
[0009] 為實現上述的目的，本發明的一種基于廣義需求側響應的地區電網調度方法，包 括以下步驟： 步驟一:根據DG電源和可控負荷的數據，確定各智能小區的成本函數； 步驟二:根據各智能小區的成本函數以及發電單元的發電成本函數，確定電網總發電 成本，并以電網總成本最小為電網調度目標函數;該目標函數為
其中，c為總發電成本;1?為發電機組發電成本;為電網調度智能小區的成本。 [0010] 而發電機組發電成本_為：
其中，fi為發電機組發電成本，T為調度周期，務S為常規機組的數量，％，氏，h為機組/ 發電成本二次函數的系數時段機組i的有功出力。
[0011] 而電網調度智能小R·的成木為
其中，€-為電網調度智能小區的成本，T為調度周期，碑_為智能小區的數量，※，:興， 1?為機組/發電成本二次函數的系數，時段機組i的有功出力，當1時， :?為t時段智能小區j向電網輸出的有功功率，% ￡為t時段智能小區y對電網售電價 格，當:4 ?時，時段電網向智能小區j輸出的有功功率，. :^為t時段電 網的售電價格。
[0012] 步驟三:確定電網調度目標函數的約束條件，包括功率平衡約束、系統備用容量約 束、常規機組出力約束、常規機組爬坡速率動態約束和各智能小區上下限動態約束，并以上 述作為求解電網總成本最小的條件； 上述電網調度目標函數的約束條件分別為： 1) 功率平衡約束：
2) 系統備用容量約束：
3) 常規機組出力約束：
4) 常規機組的爬坡速率動態約束： 機組增加出力時為：
機組減小出力時為： ?_. ?· χ. ·. ：·:·,.
t·:· 5) 智能小區上下限動態約束：
其中，_>:.:$、躁驗為t時段的負荷需求和負荷備用需求;跑誠^、為機組i的最大 最小出力;__|^、1 -?為機組i在卑位時段內的上行和下行最大爬坡功率; s為智能小區j上報的在t時段的最大最小出力限值。
[0013] 步驟四：采用遺傳退火進化算法求解上述的目標函數，在電網總成本最小的情況 下確定不同時間段各智能小區向電網輸出的有功功率和電網向各智能小區輸出的有功功 率，并根據確定的輸出有功功率對系統進行調度。
[0014] 上述的地區電網調度方法，所述的遺傳退火進化算法的步驟包括： 步驟一，設置初始化參數:導入電網調度目標函數和約束條件； 步驟二，創建初始種群：各單元發電量作為變量，根據上述約束條件隨機生成初始種 群，并保留符合所有約束條件的個體； 步驟三，計算適應度值:將種群中每一個個體代入目標函數計算最小發電成本； 步驟四，判斷連續10代種群差異是否小于5%，是則結束并輸出最優個體，否則繼續執行 步驟四； 步驟五，保留精英個體:只保留符合約束條件的個體； 步驟六，選擇操作:通過輪盤賭方法選出若干個體，進入步驟七； 步驟七，交叉操作:各個體為向量形式，隨機交換個體間任意部分的值； 步驟八，變異操作:對個體的若干部分的值進行隨機更改，若該數值帶有約束則在約束 范圍內隨機取數； 步驟九，計算適應度值;將種群中每一個個體代入目標函數計算最小發電成本； 步驟十，選擇優秀個體進行模擬退火，在它們各自的領域分別進行局部搜索，而距全局 最優解較遠的個體不進行局部搜索，然后回到步驟四。其中，模擬退火方法的新X'從已有的 解X的領域中產生，如下兩式：
其中，D為跳變距離，GenomeLength為自變量的個數，r(l，GenomeLength)表示行數為1， 列數為GenomeLength的隨機數。隨機數可使用均值為0、方差為1的正態分布隨機數，或者 [0，1]之間的均勻分布隨機數。
[0015] 對于其中的跳變距離D，計算公式如下：
式中，L、U里為種群個體的最小值和最大值，LB、UB里為可行域的上下界J為縮水系數 (介于〇、1之間，與局部搜索范圍的縮減速度正相關），k表示第k代種群。
[0016] 另外，退火速度由縮水系數.f控制，第k代種群指的是遺傳算法概念下的種群，隨著 k變大則本步驟產生的新解與原解的差異將逐漸變小乃至不變，所以本步驟僅作為新解產 生器，而退火過程則由遺傳算法的迭代而推進，整體達到穩定解時即視為結束。
[0017] 遺傳退火進化算法求解上述的電網調度目標函數，計算得到的最優個體即各單元 發電量，以作為最優調度的依據。遺傳算法在每一次迭代中，通過選擇、交叉、變異等操作 后，會得到一組較好的子種群，在這些個體中選擇適應度最高一部分來進行模擬退火。在被 選出的優秀個體中，每個個體單獨進行退火操作。在退火過程中所產生的新個體，用以避免 在迭代初期極少數優秀個體占據種群而導致遺傳算法早熟，而隨迭代次數增加退火算法對 遺傳算法的干預將逐漸減少。
[0018] 本發明遺傳退火進化算法將退火特性融入遺傳算法，在遺傳算法的基礎上加入帶 有局部搜索特性的新解產生器，使得改進后的算法對全局和局部的搜索能力更為充分。遺 傳算法采用傳統單一的父代染色體交叉技術，不像差分進化算法的進化機制，不需要完全 依賴于生成多個新個體后的選擇過程，對于參與繁殖的父代個體進行預先的優化處理，所 以計算效率較高;而差分進化的關鍵步驟變異操作是基于群體的差異向量信息來修正各個 體的值，在迭代早期優秀個體占據群體的情況下，由于差異化信息過小，仍然不可避免像一 般啟發式算法一樣早熟收斂而陷入局部最優解;采用遺傳退火進化算法對所確定的電網調 度目標函數進行求解，通過對遺傳算法產生的新種群進行排序后，對部分優秀個體進行退 火操作，使優秀個體在各自的領域產生一些相近的新解，可以避免極少數優秀個體占據種 群，使智能電網參與電網調度，提高地區電網運行的穩定性和經濟性。
【附圖說明】
[0019] 圖1為本發明系統的結構示意圖； 圖2為本發明方法的流程圖； 圖3為本發明遺傳退火進化算法對地區電網動態調度模型求解的流程圖。
【具體實施方式】
[0020] 如圖1所示，一種基于廣義需求側響應的地區電網調度系統，包括上級調度中心， 其中上級調度中心連接有至少一個智能小區和發電單元，所述的智能小區連接有DG電源和 可控負荷;上級調度中心通過有線或無線網絡與至少一個智能小區和發電單元建立通訊； 上級調度中心包括相互連接的信息處理單元和決策優化單元，所述的信息處理單元通過有 線或無線網絡與至少一個智能小區和發電單元建立通訊。
[0021] 如圖2和圖3所示一種基于廣義需求側響應的地區電網調度方法，其特征包括以下 步驟:首先，根據DG電源和可控負荷的數據，確定各智能小區的成本函數;其次，根據各智能 小區的成本函數以及發電單元的發電成本函數，確定電網總發電成本，并以電網總成本最 小為電網調度目標函數;