《基于遗传算法的主动配电网多能源协同优化调度（论文）14000字》

)为简化分析，本文下一章的算例分析中暂不考虑此约束条件。创新点及主要研究内容本文主要研究的是源网荷储协同配合的AND经济性优化运行方案，重点研究目标是提高AND对低碳能源的吸取、储存、消耗能力，基于已有成果可推导出相关结果提高电力系统的经济性，降低碳排放（方景辉，叶婉婷，2021）。本文创新性地将环境污染成本纳入电源发电成本中，以此来考虑某些传统发电设备生产时对环境产生的影响，并将此因素添加进模型中进行求解，得出经济性最优，绿色能源消纳能力最强的AND运行方法。主动配电网“源网荷储”协同优化调度算例I（吴宇轩，徐豪，2018）-33算例及其参数本文采用的算例基于I（吴宇轩，徐豪，2018）-33改进，I（吴宇轩，徐豪，2018）-33是一种通用的配电网模型ADDINEN.CITE<EndNote><Cite><Author>M.E.</Author><Year>1989</Year><RecNum>29</RecNum><DisplayText><styleface="superscript">[36]</style></DisplayText><record><rec-number>29</rec-number><foreign-keys><keyapp="EN"db-id="dfzex5w2t0r5wee0e9rpxfvkrdx52prpdfst"timestamp="1650547829">29</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>BaranM.E.</author><author>WuF.F.</author></authors></contributors><titles><title>Networkreconfigurationindistributionsystemsforlossreductionandloadbalancing%JIEEETransactionsonPowerDelivery</title></titles><volume>4</volume><number>2</number><dates><year>1989</year></dates><isbn>0885-8977</isbn><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[36]，如图3-1所示，在此基础上加入了光伏、风电、储能等各类分布式电源，本文研究背景下我们不可忽视这种情况的存在建立了一种“源网荷储”协同的AND优化模型ADDINEN.CITE<EndNote><Cite><Author>史海燕</Author><Year>2021</Year><RecNum>32</RecNum><DisplayText><styleface="superscript">[37]</style></DisplayText><record><rec-number>32</rec-number><foreign-keys><keyapp="EN"db-id="dfzex5w2t0r5wee0e9rpxfvkrdx52prpdfst"timestamp="1650552759">32</key></foreign-keys><ref-typename="Thesis">32</ref-type><contributors><authors><author>史海燕</author></authors><tertiary-authors><author>王树东,</author></tertiary-authors></contributors><titles><title>主动配电网中“源-荷-储”协同优化调度研究</title></titles><keywords><keyword>主动配电网</keyword><keyword>“源-荷-储”协同</keyword><keyword>两阶段优化调度策略</keyword><keyword>遗传随机权重粒子群算法</keyword><keyword>双储能运行</keyword></keywords><dates><year>2021</year></dates><publisher>兰州理工大学</publisher><work-type>硕士</work-type><urls></urls><electronic-resource-num>10.27206/ki.ggsgu.2021.000045</electronic-resource-num><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[37]，如图3-2所示（邱昊天，孟雨菲，2019）。图3-1I（吴宇轩，徐豪，2018）-33节点配电网图3-2基于I（吴宇轩，徐豪，2018）-33改进的主动配电网本文采用Matpower中的case33进行仿真，Matpower是Matlab中的一个开源免费的m文件包，可用于解决电力系统稳态潮流的仿真与优化，以这种状态为背景其代码不仅易于研究人员理解，且易于修改，功能完善，非常适合用于本课题的研究（林轩，江雅琴，2022）ADDINEN.CITEADDINEN.CITE.DATA[38-40]。case33中参数矩阵的介绍如表3-1、表3-2、表3-3所示。表3-1busdata矩阵参数描述bus_i母线编号type母线类型（1=PQ，2=PV，3=ref）Pd有功输入功率（本文中单位为kW）Qd无功输入功率（本文中单位为kVAr）Gs并联电导Bs并联电纳area区号Vm母线电压幅值（标幺值）Va母线电压相角baseKV母线电压基准值（kV）zone损耗区号Vmax母线工作电压最大值（标幺值）Vmin母线工作电压最小值（标幺值）表3-2generatordata矩阵参数描述bus接入发电机的节点号Pg电源输入有功功率（MW）Qg电源输入无功功率（MVAr）Qmax最大无功输出（MVAr）Qmin最小无功输出（MVAr）Vg电源工作电压（标幺值）mBase功率基准值status电源工作状态Pmax最大有功输出（MW）Pmin最小有功输出（MW）表3-3branchdata矩阵参数描述fbus支路起点编号tbus支路终点编号r支路电阻（标幺值）x支路电抗（标幺值）表3-3（续）参数描述b支路电纳（标幺值）rateA连续工作潮流限制rateB短时运行潮流限制rateC应急潮流限制ratio变比angle相角status支路工作状态虽然本文对这一部分的研究结论尚未进行完全的挖掘，但是从已经露出的研究成果来看，具有一定的指导价值，首先初步的研究结果为理解该领域提供了新的视角和见解，有助于识别关键变量及其相互作用机制，这为进一步深入研究奠定了坚实的基础。其次这些研究揭示了若干潜在的趋势和模式，能够为理论框架的发展提供实证支持，并激发更多的学术探讨与辩论。本文busdata矩阵参数设置如下：表3-4busdata矩阵参数bus_itypePdQdGsBsareaVmVabaseKVzoneVmaxVmi6611121100600011012.6611.10.93190400011012.6611.10.941120800011012.6611.10.95160300011012.6611.10.96160200011012.6611.10.972000011012.66111812001000011012.6611.10.99160200011012.6611.10.910160200011012.6611.10.9112000011012.6611112160350011012.6611.10.913160350011012.6611.10.9141120800011012.6611.10.915160100011012.6611.10.916160200011012.6611.10.917160200011012.6611.10.918190400011012.6611.10.919190400011012.6611.10.920190400011012.6611.10.921190400011012.6611.10.9表3-4（续）bus_itypePdQdGsBsareaVmVabaseKVzoneVmaxVmin22190400011012.6611.10.923190500011012.6611.10.92414202000011012.6611.10.92514202000011012.6611.10.9262000011012.6611127160250011012.6611.10.928160200011012.6611.10.9291120700011012.6611.10.93012006000011012.6611.10.9311150700011012.6611.10.93212101000011012.6611.10.933160400011012.6611.10.9本文generatordata矩阵参数设置如下：表3-5generatordata矩阵参数busPgQgQmaxQminVgmBasestatusPmaxPmin10010-10110013070010-10110011-0.75110010-101100110260010-10110010.80本文branchdata矩阵参数设置如下：表3-6branchdata矩阵参数fbustbusrxfbustbusrxfbustbusrx120.00580.002914150.03690.032826270.01770.0090230.03080.015715160.04660.034027280.06610.0583340.02280.011616170.08040.107428290.05020.0437450.02380.012117180.04570.035829300.03170.0161560.05110.04412190.01020.009830310.06080.0601670.01170.038619200.09390.084631320.01940.0226780.04440.014720210.02550.029832330.02130.0331890.06430.046221220.04420.05852180.12480.1248表3-6（续）fbustbusrxfbustbusrxfbustbusrx9100.06510.04623230.02820.01929150.12480.124810110.01230.004123240.05600.044212220.12480.124811120.02340.007724250.05590.043718330.03120.031212130.09160.07216260.01270.006525290.03120.031213140.03380.044514150.03690.032826270.01770.0090120.00580.002915160.04660.034027280.06610.0583230.03080.0157遗传算法及本算例程序本文对算例进行求解的程序如下：load('XS1.mat');load('XS2.mat');load('XS3.mat');load('DJxs.mat');CLresults=zeros(4,48);fora=1:48Pmat=loadcase('case33adn');xs1=XS1(a,1);%负荷预测系数FHXS=zeros(33,2);FHXS=xs1*(Pmat.bus(:,3:4));Pmat.bus(:,3:4)=FHXS;xs2=XS2(a,1);%风机出力系数FJXS=zeros(1,2);FJXS=xs2*(Pmat.gen(3,9:10));Pmat.gen(3,9:10)=FJXS;xs3=XS3(a,1);%光伏出力系数GFXS=zeros(1,2);GFXS=xs3*(Pmat.gen(4,9:10));Pmat.gen(4,9:10)=GFXS;DJ=DJxs(a,1)*Pmat.gencost(2,6);%分时电价系数Pmat.gencost(2,6)=DJ;bus=Pmat.bus;%节点参数branch=Pmat.branch;%支路参数gen=Pmat.gen;%电源参数Ngen=4;%电源数目Pgenmax=1*gen(:,9);Pgenmin=1*gen(:,10);gencost=Pmat.gencost;%发电费用cost1=gencost(:,5);cost2=gencost(:,6);cost3=gencost(:,7);zqgm=30;%种群规模Nevo=100;%进化代数cost=zeros(1,zqgm);fv=0;%适应度值初始化B=zeros(Nevo,4);Pgen=(Pgenmax-Pgenmin).*rand(Ngen,zqgm)+Pgenmin;Pgen=[Pgen;zeros(3,zqgm)];forx=1:zqgmfory=1:NgenPmat.gen(y,2)=Pgen(y,x);endresult=runpf(Pmat);ifresult.success==1if(sum(result.gen(:,2)>=Pgenmin)==Ngen)&&(sum(result.gen(:,2)<=Pgenmax)==Ngen)Pgen(6,x)=1;Pgen(1:Ngen,x)=result.gen(1:Ngen,2);cost(x)=sum((Pgen(1:Ngen,x).^2)'*cost1+Pgen(1:Ngen,x)'*cost2+ones(Ngen,1)'*cost3);Pgen(7,x)=cost(x);%发电成本Pgen(5,x)=1/cost(x);%适应度值elsePgen(6,x)=0;Pgen(5,x)=0;endelsePgen(6,x)=0;Pgen(5,x)=0;endendforx=1:NevoMm=zeros((Ngen+3),zqgm);fory=1:zqgmAa=randperm(zqgm,2);ifPgen(5,Aa(1))<=Pgen(5,Aa(2))Mm(:,y)=Pgen(:,Aa(2));elseMm(:,y)=Pgen(:,Aa(1));endendPgen=Mm;%交叉pC=0.75;numC=floor(pC*zqgm);numC=numC-mod(numC,2);tempC=randperm(zqgm,numC);pointC=randperm(Ngen,1);b=rand(pointC,1);forj=1:0.5*numCpgC1=b.*Pgen(1:pointC,2*j-1)+(1-b).*Pgen(1:pointC,2*j);pgC2=b.*Pgen(1:pointC,2*j)+(1-b).*Pgen(1:pointC,2*j-1);Pgen(1:pointC,2*j-1)=pgC1;Pgen(1:pointC,2*j)=pgC2;end%变异pV=0.3;numV=floor(pV*zqgm)+1;idV=randperm(zqgm,numV);pointV=randperm(Ngen,1);tempV=rand(1);fory=idViftempV>0.5Pgen(pointV,y)=Pgen(pointV,y)+0.01*Pgenmax(pointV);elsePgen(pointV,y)=Pgen(pointV,y)-0.01*Pgenmax(pointV);endend%判断是否为可行解forj=1:zqgmPmat.gen(1:Ngen,2)=Pgen(1:Ngen,j);result=runpf(Pmat);ifresult.success==1if(sum(result.gen(:,2)>=Pgenmin)==Ngen)&&(sum(result.gen(:,2)<=Pgenmax)==Ngen)Pgen(6,j)=1;Pgen(1:Ngen,j)=result.gen(1:Ngen,2);cost(j)=sum((Pgen(1:Ngen,j).^2)'*cost1+Pgen(1:Ngen,j)'*cost2+ones(Ngen,1)'*cost3);Pgen(7,j)=cost(j);Pgen(5,j)=1/cost(j);elsePgen(6,j)=0;Pgen(5,j)=0;endelsePgen(6,j)=0;Pgen(5,j)=0;endend%排序[M,iy]=sort(Pgen,2);B(x,1)=M(5,zqgm);B(x,2)=mean(M(5,:));B(x,3)=M(5,1);B(x,4)=Pgen(6,iy(5,zqgm));B(x,5)=Pgen(7,iy(5,zqgm));ifB(x,1)>fv&&B(x,4)==1fv=B(x,1);costbst=1/fv;xm=[Pgen(1:4,iy(5,zqgm));Pgen(6,iy(5,zqgm))];endendCLresults(:,a)=result.gen(:,2);end本程序首先定义了各机组出力预测系数、负荷预测系数、分时电价系数等多个矩阵，然后导入算例的参数矩阵，并用系数对参数进行调整，由此可以推知并定义了参数变量：bus，branch，gen，Ngen，Pgenmax，Pgenmin，gencost，cost1，cost2，cost3；接下来对遗传算法多个参数（贺泽宇，傅梦琪，2020）：zqgm，Nevo，cost，fv进行了定义，定义初始种群，凭这些迹象可以推导出并定义了用于存放结果的矩阵B；对初始种群进行求解后，采用锦标赛选择法对个体进行筛选，保留下优良个体，这不难看出将他们组成新的种群；对新的种群进行交叉、变异，并判断子代结果是否可行，对结果进行排序；当进化代数达到设定值后停止循环，算法结束。将48组系数都代入计算一次后，得到各机组24h（间隔30分钟）最优化出力情况，并将结果存入CLresults矩阵（程天佑，吕芝和，2023）。这一结果与已有的文献结论大致相同，这也验证了前期研究中所提出的构思，从而进一步证明了所采用研究方法的科学性和有效性。本研究通过创新性地运用[具体方法]，为解决该领域研究中的难点问题提供了新的方法论支持。同时，这一发现也为其他类似研究提供了方法借鉴，有助于推动该领域研究方法的多样化和创新化。优化结果及分析设置好参数后，对模型进行求解，由图3-3可以看出，迭代次数增加时，适应度值越来越大并逐渐收敛（图3-3中纵坐标为适应度值的倒数），现有结果表明了可以推出即总成本越来越趋近于最小值，由此求得了在满足各约束条件下的最优经济性出力，各机组24h内的出力情况如表3-7所示（陆子谦，苏怡，2018）。图3-3适应度值变化曲线表3-7各机组最优经济性出力时刻主网出力/MW储能出力/MW风机出力/MW光伏出力/MW时刻主网出力/MW储能出力/MW风机出力/MW光伏出力/MW0:001.2968-0.51170.70170.000012:000.71070.98800.60740.71820:301.3942-0.74980.74950.000012:300.81960.99920.59120.65601:001.2492-0.74760.71990.000013:000.94560.73710.53440.79871:301.1709-0.72930.71540.000013:300.71570.99870.46010.73492:001.2569-0.67790.55830.000014:000.95760.42680.66210.71732:300.7883-0.36150.63600.000014:300.51360.96410.67960.68993:000.9840-0.56930.59990.000015:001.02720.63920.65850.57743:301.0666-0.59000.48560.000015:300.54600.95580.65680.5822表3-7（续）时刻主网出力/MW储能出力/MW风机出力/MW光伏出力/MW时刻主网出力/MW储能出力/MW风机出力/MW光伏出力/MW4:001.1226-0.74930.62100.000016:000.66770.99530.56990.46184:301.0364-0.74250.68600.000016:300.61240.93490.55190.47995:000.8096-0.58950.78760.000017:000.86030.71260.65590.23015:300.9906-0.66540.79920.000017:300.41560.95360.66960.32076:001.2401-0.68820.74770.000018:000.48200.95440.66890.18486:301.1657-0.50540.76600.000018:300.40280.99600.70810.22347:000.9132-0.04430.72170.000019:001.02960.60450.76800.05947:301.1195-0.10680.72980.000019:301.64190.16520.76180.04178:000.38500.63340.66750.202920:001.69820.02810.79990.00008:300.44160.78560.68130.188020:301.7128-0.13860.79950.00009:000.48430.89470.59590.346121:001.6213-0.23980.82920.00009:300.57680.97550.54430.320421:301.4716-0.22770.82900.000010:000.71170.97850.46510.376922:001.6673-0.40680.79770.000010:300.80480.85240.57780.437222:301.6792-0.55210.77740.000011:001.02180.88740.51830.399523:001.5532-0.45170.73070.000011:301.09120.88200.38190.559223:301.5905-0.60200.67890.0000各机组24h出力仿真结果曲线如图3-4所示主网供电出力仿真值曲线（b）储能出力仿真值曲线（c）风电出力仿真值曲线（d）光伏出力仿真值曲线图3-4各机组出力仿真值变化曲线由图3-4（c）和（d）可以看出光伏与风电出力的仿真值与预测的最大出力24h内走势相同，且仿真值与预测值非常接近，由此可见该模型基本上实现了绿色能源最大程度的消纳（秦俊熙，许雪柔，2024）；同时，本文研究背景下我们对这种情况进行了综合考虑由图3-4（a）可以看到，优化之后AND从主网获得的有功基本上在1MW附近波动，在此类条件基础上可以推知其变化相较于优化之前，出力更加平缓，这对于增强电力系统的稳定性与经济性有一定帮助（罗景辰，韩依娜，2021）。同时，由图3-5可以看到，进行优化之后，负荷曲线波峰和波谷的差值更小，于此特定状态之下很容易推断出波峰相较之前更低，而波谷相较之前有所提高，曲线更加平缓，因此从该模型结果可以看出，合理调控储能系统，还可实现“削峰填谷”的目标（唐浩然，夏清婉，2019）。图3-5优化前后负荷曲线对比总结与展望总结目前，降低碳排放已成为各个行业发展的趋势，作为社会的重要部门，电力系统如何在满足安全与稳定的条件下实现节能降碳的目标已成为一大研究方向。本文在对AND现有研究目标进行了解后，运用电力系统最常用的Matpower对AND建立模型，并且求解，按照该理论框架进行细致研究可得出得出了一种AND的日前优化运行方案，该方案主要实现了以下两个目标：在满足电能质量、保证安全稳定的条件下，实现了对于清洁、绿色能源最大程度的吸收和消纳，使绿色能源利用率最大化，使传统能源出力更平缓，改善使用传统能源发电造成的能源浪费与环境污染问题。利用该优化方案运行，可使AND内储能系统发挥出其削峰填谷的能力，使配电网更加稳定、可靠。展望本文在研究的过程中，所建立的模型还存在些许不足，仍有较大的改进空间：本文在对AND进行建模时，为简化研究，忽略了储能装置的SOC这一约束条件，即认为储能系统的容量足够大，而实际中则不是这样，因此，基于已有成果可推导出相关结果本文所建立的模型是一种更为理想化的模型，其重点研究目标是使储能系统最大限度发挥作用的优化方案。如果需要使研究结果更加贴近现实情况，便不可忽略此约束条件。本文的优化运行方案是以30分钟为间隔，如果可以提前获取准确的气象预报，可缩小间隔，使日前调度方案更加精细。本文为使AND最大程度吸纳低碳能源，本文研究背景下我们不可忽视这种情况的存在对储能系统采用了分时电价，而仿真中的参数是在借鉴目前国内其他研究的基础上作者假定的，并不是最优的分时电价，因此，可以对最优分时电价进行研究，使该模型的优化程度更高。本文所建立的模型中DG渗透率比较低，若出现高渗透率DG，则必须考虑电网中电压越限的问题ADDINEN.CITE<EndNote><Cite><Author>许晓艳</Author><Year>2010</Year><RecNum>4</RecNum><DisplayText><styleface="superscript">[41]</style></DisplayText><record><rec-number>4</rec-number><foreign-keys><keyapp="EN"db-id="dfzex5w2t0r5wee0e9rpxfvkrdx52prpdfst"timestamp="1650546611">4</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>许晓艳</author><author>黄越辉</author><author>刘纯</author><author>王伟胜</author></authors></contributors><auth-address>中国电力科学研究院;</auth-address><titles><title>分布式光伏发电对配电网电压的影响及电压越限的解决方案%J电网技术</title></titles><pages>140-146</pages><volume>34</volume><number>10</number><keywords><keyword>光伏发电</keyword><keyword>配电网</keyword><keyword>电压越限</keyword><keyword>无功补偿</keyword><keyword>储能装置</keyword></keywords><dates><year>2010</year></dates><isbn>1000-3673</isbn><call-num>11-2410/TM</call-num><urls></urls><electronic-resource-num>10.13335/j.1000-3673.pst.2010.10.021</electronic-resource-num><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[41]。参考文献ADDINEN.REFLIST[1]李明宇，张浩然:推动源网荷储协调发展加快构建新型电力系统，国家电网报[N],2022-03-10.[2]王思远，赵子逸,等.考虑分布式电源主体参与的主动配电网分布式控制方法综述，山东电力技术[J],2023,48(08):13-18+38.[3]陈逸飞，刘俊杰,等.考虑源网荷储协调的主动配电网优化调度方法研究，电力系统保护与控制[J],2021,50(01):167-173.[4]孙博宇，周泽楷,等.含分布式能源的主动配电网“源-网-荷-储”协调经济调度，水利水电技术(中英文)[J],2021,52(06):215-222.[5]吴宇轩，徐豪.“双碳”背景下的源-网-荷-储协同现状与问题，中国电力企业管理[J],2021(13):72-73.[6]郑明哲，黄俊熙,等.主动配电网规划研究综述，电网技术[J],2015,39(10):2705-2711.[7]何宇航，林泽宇,MuhammadA,etal.SecurityImpactsAssessmentofActiveDistributionNetworkontheModernGridOperation—AReview,Electronics[J],2021,10(16).[8]QianlongW,JiehuiZ,WenhuT,etal.EquivalentModelofActiveDistributionNetworkConsideringUncertaintiesofWindTurbines,PhotovoltaicsandLoads,IOPConferenceSeries:EarthandEnvironmentalScience[J],2021,645(1).[9]郭子瑜，梁俊逸,等.主动配电网现状与未来发展，电力系统自动化[J],2014,38(18):125-135.[10]WenfaK,MinyouC,WeiL,etal.DistributedReal-timePowerManagementofHigh-penetratedPVSourcesWithVoltageRegulationOverTime-varyingNetworks,InternationalJournalofElectricalPowerandEnergy张宇轩，李子豪tems[J],2021,129.[11]谢思远，程宇墨,等.主动配电系统可行技术的研究，中国电机工程学报[J],2013,33(22):12-18+5.[12]韩逸飞，曹俊杰.主动配电网规划研究与综述，科技创新与应用[J],2021,11(12):56-58+62.[13]彭博宇，曾泽楷,等.主动配电网技术及其进展，电力系统自动化[J],2012,36(18):10-16.[14]许轩，蒋子豪.主动配电网技术研究现状综述，电力工程技术[J],2017,36(04):2-7+20.[15]吕明哲，谭俊熙,等.主动配电网规划关键问题与研究展望，电工技术学报[J],2014,29(02):13-23.[16]徐宇航，罗泽宇.“源网荷储”协调的主动配电网运行优化分析[D].郑州大学,2021.[17]苏博瑜，唐俊逸.主动配电网日前计划调度方法研究[D].北京交通大学,2015.[18]吕思远，魏墨Real-timeCoordinationOptimizationMethodofActiveDistributionNetworkConsideringDifferentStakeholders,IOPConferenceSeries:EarthandEnvironmentalScience[J],2021,827(1).[19]JianxiW,ShidaZ,YonghuiS,etal.Day-AheadOptimalDispatchforActiveDistributionNetworkConsideringProbabilityModelofControllableDistributedGeneration,FrontiersinEnergyResearch[J],2022.[20]JingruiZ,YuluZ,ZhuoyunL,etal.Three-levelDay-aheadOptimalSchedulingFrameworkConsideringMulti-stakeholdersinActiveDistributionNetworks:Up-to-downApproach,Energy[J],2021,219.[21]