需求响应的主动配电网优化调度研究
电力系统的智能化调度与优化研究方法
电力系统的智能化调度与优化研究方法在当今社会，电力已经成为了人们生活和生产中不可或缺的重要能源。
随着电力需求的不断增长以及电力系统的日益复杂，传统的调度与优化方法已经难以满足现代电力系统的高效、可靠和经济运行要求。
因此，智能化调度与优化成为了电力系统领域的研究热点和发展方向。
电力系统的智能化调度与优化是一个综合性的课题，涉及到电力系统的多个方面，包括发电、输电、配电和用电等环节。
其目标是在满足各种约束条件的前提下，实现电力系统的安全稳定运行、提高能源利用效率、降低运行成本，并最大程度地满足用户的电力需求。
一、电力系统智能化调度与优化的重要性首先，智能化调度与优化有助于提高电力系统的可靠性和稳定性。
通过实时监测电力系统的运行状态，及时发现并处理潜在的故障和安全隐患，能够有效避免大规模停电事故的发生，保障电力供应的连续性和稳定性。
其次，它能够提高能源利用效率。
根据不同的负荷需求和能源供应情况，合理安排发电计划，优化能源的分配和利用，减少能源的浪费，促进可再生能源的消纳，对于应对能源短缺和环境问题具有重要意义。
再者，智能化调度与优化可以降低电力系统的运行成本。
通过优化电力设备的运行方式、减少不必要的损耗和维修成本，提高电力系统的经济效益。
二、智能化调度与优化的基础技术要实现电力系统的智能化调度与优化，离不开一系列基础技术的支持。
1、先进的监测与测量技术包括高精度的传感器、智能电表等设备，能够实时采集电力系统的各种运行参数，如电压、电流、功率等，为调度与优化提供准确的数据基础。
2、通信技术高速、可靠的通信网络是实现智能化调度的关键。
它能够将采集到的数据及时传输到控制中心，并将控制指令快速下达至各个电力设备。
3、大数据分析技术电力系统产生的海量数据需要通过大数据分析技术进行处理和挖掘，以提取有价值的信息，为调度决策提供支持。
4、优化算法如线性规划、非线性规划、智能优化算法等，用于求解复杂的调度与优化问题。
电力系统中的需求响应与电能优化调度
电力系统中的需求响应与电能优化调度第一章引言电力系统是现代社会不可或缺的基础设施，对于国民经济的正常运行和人民生活的便利至关重要。
然而，随着工业化和城市化的快速发展，能源需求不断增加，电力供应形势也变得日益紧张。
为了应对这一挑战，电力系统的需求响应和电能优化调度成为研究的热点，通过合理的资源分配和能源利用方式，实现能源的高效利用和可持续发展。
第二章需求响应的概念与原理需求响应是指通过调整用户的用电行为，实现电力负荷的平衡。
传统的电力系统通过供过于求的方式来应对用户的能源需求，这种方式存在着浪费和安全隐患。
需求响应则希望通过引导用户优化用电行为，利用用户端灵活性，在不影响用户正常生产和生活需求的前提下，提供更加智能、高效、可持续的电力使用方式。
第三章需求响应的技术手段与模型1. 能源监测技术：通过安装智能电表等装置，对用户用电行为进行实时监测和数据采集，为需求响应提供数据支撑。
2. 能源管理系统：通过搭建网络平台和数据分析算法，实现对用户能源需求的预测、分析和优化控制。
3. 信息与通信技术：利用物联网、云计算等技术，实现电力系统的远程监控和智能化调节，拓展需求响应的应用范围和规模。
第四章电能优化调度的概念与算法电能优化调度是指通过合理的能源配置和供需管理，最大限度地提高电能利用效率和系统供电质量。
在电能优化调度中，涉及到的关键问题包括负荷预测、能源配置、机组调度和输电线路优化等。
1. 负荷预测：基于历史数据和统计分析，对未来一段时间内的负荷进行预测，为供需管理提供依据。
2. 能源配置：根据负荷预测结果和能源资源情况，确定机组的出力调整策略，实现电力供应的灵活性和高效性。
3. 机组调度：根据负荷预测和能源配置结果，对各个机组进行调度和协调，以满足系统负荷需求，并尽可能降低供电成本。
4. 输电线路优化：通过调整电力系统中的输电线路，提高输电效率，减少电能损耗，优化电力供应结构。
第五章电力系统中的需求响应与电能优化调度实践案例1. 虚拟电厂管控系统：以分布式电源、储能装置和用户负荷为基础，通过智能化管控系统实现对需求响应和电能优化调度的整体管理。
基于需求侧响应的主动配电网多源协调优化调度
基于需求侧响应的主动配电网多源协调优化调度卢锦玲;初文奇;於慧敏;郭金体;马冲【摘要】为提高主动配电网对可再生清洁能源的消纳能力,降低负荷峰谷差,对储能系统、可控分布式发电单元、柔性负荷的协调调度设定优先级,以减小发电成本、储能等效运行成本和源荷共赢成本为子目标,构建综合成本最小的主动配电网和能源终端用户合作共赢的优化调度模型.建立基于距离最小化原则和离差平方和的双目标决策函数,通过熵权-AHP(AnalyticHierachy Process,AHP)综合赋权法,计算目标函数中各子目标权重系数.采用改进的具有主动搜索和主动学习特性的APSO(Active Particle Swarm Optimization,APSO)算法,对所建模型进行求解.以44节点主动配电网络测试系统为算例,验证了优化调度策略的有效性和合理性.【期刊名称】《电力科学与工程》【年(卷),期】2018(034)011【总页数】8页(P30-37)【关键词】主动配电网;源荷共赢;协调调度优先级;主动粒子群算法【作者】卢锦玲;初文奇;於慧敏;郭金体;马冲【作者单位】华北电力大学电气与电子工程学院,河北保定 071003;华北电力大学电气与电子工程学院,河北保定 071003;无锡供电公司,江苏无锡 214000;华北石油管理局水电厂,河北任丘 062550);华北电力大学电气与电子工程学院,河北保定071003【正文语种】中文【中图分类】TM7340 引言主动配电网(Active Distribution Network，AND)是有高渗透率DG(Distributed Generation)接入的具有主动控制和主动管理能力的配电网，主动配电网发电侧的主动参与和用户侧的主动响应使配电网由原来的被动接收电能变为主动利用电能[1]。
主动配电网的优化调度是通过对DG、储能、柔性负荷等分布式能源设备的合理控制，达到增强对可再生能源消纳能力，节能降耗，提高电网运行可靠性和供电质量的目的[2]。
主动配电网电能数据优化运行控制研究
主动配电网电能数据优化运行控制研究贾明杰１ 伍展辉２ 曾家杰２ 李钊钊２ 孙阳涛２（１ 国网铜川供电公司 ２ 西安兴汇电力科技有限公司）摘 要：近年来，随着配电网的发展与智能化程度的提高，电能数据的获取和处理变得越来越重要。
在传统的被动配电网中，电能仅仅是被动地输送和分配，无法根据不同的负荷需求和用电场景进行精细化管理。
因此，为了更好地满足用户需求，主动配电网的出现成为了必然趋势，使得现代化电力系统呈现出智能化、人性化、便利化的特点，提高了电力系统运行的效率和可靠性。
在主动配电网中，电能数据的优化运行控制是至关重要的研究方向。
为了充分发挥主动配电网的潜力，本研究通过分析配电网中的电能数据，提出了几种基于电能数据的优化运行控制策略。
这些策略能够针对具体的负荷需求和用电场景提供一定的参考意义，从而增强电能调度能力，提升配电网的经济性和可靠性。
关键词：主动配电网；电能数据；优化运行；控制研究０ 引言随着能源危机的日益加剧和环境保护意识的不断提高，电力行业正朝着更加清洁、高效、智能化的方向发展。
作为电力系统领域的重要发展方向，主动配电网已经成为了电力行业发展的重要趋势之一。
主动配电网是建立在智能电网的基础上，利用先进的通信、控制和计算技术实现对配电网中各种电力设备进行全面监控、管理和控制的一种智能化配电网。
主动配电网运行控制是主动配电网的核心技术之一，其目的是通过对主动配电网中的各种电能数据进行综合分析、建模和优化，实现对电网的协调控制和优化运行。
在电力系统发生故障或负荷波动时，主动配电网运行控制系统可以自动、快速地进行响应和调节，以保证电力系统的安全稳定运行。
主动配电网电能数据的优化运行控制研究，旨在实现新能源的最大化利用和最优化配置，从而提高整个配电网的效率、可靠性和经济性。
１ 研究背景及面临的挑战随着全球能源需求不断增加，传统的电力系统已经无法满足高效、安全和可靠的需求。
为了解决这一问题，主动配电网的发展成为了智能电力系统的一个重要趋势，推动了主动配电网电能数据优化运行控制研究的发展。
计及柔性负荷的主动配电网多源协调优化控制
计及柔性负荷的主动配电网多源协调优化控制一、本文概述随着可再生能源的大规模接入和分布式电源的广泛应用，主动配电网的优化控制已成为电力系统领域的研究热点。
其中，柔性负荷作为一种可调节的电力负荷，对于平衡电网负荷、提高电网稳定性以及促进可再生能源的消纳具有重要意义。
本文旨在探讨计及柔性负荷的主动配电网多源协调优化控制方法，通过对配电网中的多种电源和柔性负荷进行协调优化，实现配电网的高效、安全和可持续运行。
本文将分析主动配电网的基本特性，包括其结构特点、运行方式以及与传统配电网的区别。
在此基础上，阐述柔性负荷在主动配电网中的作用及其调控潜力，包括需求响应、储能系统等。
本文将详细介绍多源协调优化控制的理论框架和方法。
通过对配电网中的多种电源（如风能、太阳能等可再生能源，以及微型燃气轮机等分布式电源）和柔性负荷进行建模，建立多源协调优化控制模型。
该模型将综合考虑电网运行的经济性、安全性和环保性，以及各类电源的互补性和柔性负荷的调控能力，实现配电网的优化运行。
本文将通过算例分析和仿真实验验证所提多源协调优化控制方法的有效性和可行性。
通过对比分析不同控制策略下的配电网运行性能，展示计及柔性负荷的主动配电网多源协调优化控制在提高电网稳定性、促进可再生能源消纳以及降低运行成本等方面的优势。
还将探讨未来研究方向和应用前景，为相关领域的研究和实践提供参考。
二、柔性负荷建模与分析在主动配电网中，柔性负荷扮演着至关重要的角色。
与传统的刚性负荷不同，柔性负荷能够根据电网的运行状态和需求，主动调整自身的用电行为，从而参与到电网的优化控制中。
这种可调节的特性使得柔性负荷成为实现配电网多源协调优化的重要资源。
为了对柔性负荷进行有效的控制和管理，首先需要建立其准确的数学模型。
柔性负荷的建模通常包括两个方面：一是负荷本身的电气特性建模，如负荷的功率、电流、电压等；二是负荷的行为特性建模，即负荷如何响应电网的调度指令，如何调整自身的用电行为。
需求侧响应下主动配电网优化调度
第41卷 第2期吉林大学学报(信息科学版)Vol.41 No.22023年3月Journal of Jilin University (Information Science Edition)Mar.2023文章编号:1671⁃5896(2023)02⁃0207⁃10需求侧响应下主动配电网优化调度收稿日期:2022⁃06⁃10基金项目:黑龙江省自然科学基金资助项目(LH2019E016)作者简介:高金兰(1978 ),女,山西运城人,东北石油大学副教授,主要从事电力系统运行与稳定㊁新能源发电研究,(Tel)86⁃136****6089(E⁃mail)jinlangao@㊂高金兰,孙永明,薛晓东,刁 楠,侯学才(东北石油大学电气信息工程学院,黑龙江大庆163318)摘要:针对电网运行中能量调度不佳的问题,首先基于需求侧响应不确定性特点,引入非经济因素以及消费心理学特征,建立需求侧响应模型;其次使用拉丁超立方抽样(LHS:Latin Hypercube Sampling)改善初始种群质量,引入正弦因子提高局部搜索能力,并实行变异操作优化全局搜索精度,以解决麻雀算法(SSA:Sparrow Search Algorithm)的早熟等问题;最后需求侧响应以电网运行成本和环境成本最小为目标建立主动配电网优化调度模型,并使用改进的麻雀算法进行求解㊂仿真结果验证了提出模型的准确性,算法的高效性,有效解决了能量调度不佳的问题㊂关键词:需求侧响应;改进麻雀算法;主动配电网;非经济因素中图分类号:TP302;TM734文献标志码:AOptimal Dispatch of Active Distribution Network under Demand Side ResponseGAO Jinlan,SUN Yongming,XUE Xiaodong,DIAO Nan,HOU Xuecai(School of Electrical and Information Engineering,Northeast Petroleum University,Daqing 163318,China)Abstract :Demand side response is an important means of active distribution network optimization scheduling.Aiming at the problem of poor energy scheduling in power grid operation,firstly,based on the uncertainty characteristics of demand side response,introducing non⁃economic factors and characteristics of consumer psychology,the active distribution network optimization is modeled with the minimum power grid operation cost and environmental cost as the objective function;secondly,aiming at the premature problem of sparrow algorithm,latin hypercube sampling is used to improve the initial population quality,sine factor is introduced to improve the local search ability of the algorithm,and mutation operation is implemented to optimize the global search accuracy of the algorithm;finally,the improved sparrow search algorithm is applied to the solution of the active power grid optimization model.The simulation results verify the accuracy of the proposed model and the efficiency of the algorithm,and effectively solve the problem of poor energy scheduling.Key words :demand side response;improved sparrow search algorithm;active distribution network;non⁃economic factors 0 引 言随着电力改革的深入发展,新的电力需求也随之而来㊂对分布式电源广泛接入电网带来的能量调度问题,主动配电网的提出对改善该问题是一个行之有效的手段[1]㊂需求侧响应技术是主动配电网的一种典型调度方式,可通过不同的定价措施以及政策导向引导用户改变用电习惯[2],可协调用户的负荷改善能力,调节整体的峰谷用电曲线,平衡各阶段用电器数量,其经济成本低㊁适用范围广㊂在主动配电网发展迅猛的今天,对需求侧响应技术的研究在改善用电质量㊁提升用户用电体验以及合理调配区域内有限电力资源方面有着重要意义㊂目前,对需求响应有许多学者进行相关研究㊂张智晟等[3]通过对不同时刻的电价信息响应程度进行负荷转移率的求解,将用户消费习惯与需求响应进行有效结合,通过实验证明了需求响应中考虑多种因素的重要性㊂许汉平等[4]主要应用政策激励进行需求响应,以整体能源的利用率㊁经济成本为优化目标,建立多方面调度模型㊂张超等[5]依据电力市场定义下,用电量以及电力价格的线性关系进行需求响应技术实施㊂在忽略储能成本的前提下,进行分布式能源㊁储能㊁电网等大规模功率交互条件下的综合优化㊂艾欣等[6]在直接负荷控制下进行整体的耦合系统优化模型建立,通过实验结果验证了需求响应能进行高低时段负荷调节,可有效缓解高峰时段用电压力,使负荷供需趋于平衡㊂朱超婷等[7]通过对电价弹性矩阵的建立进行负荷需求模拟,考虑用电量交互㊁需求响应成本等建立电网成本最低优化目标㊂上述研究并未考虑价格型响应在经济因素以外的影响,以及多种响应协调优化的情况㊂笔者在上述研究的基础上,引入非经济因素影响的电价型响应,以及攀比心理㊁从众心理影响的激励型响应,建立以经济㊁环境成本最小为目标的主动配电网优化模型㊂为精确求解模型,提出一种改进的麻雀算法,在基本算法中加入拉丁超立方抽样㊁正弦因子和变异操作㊂通过IEEE33节点算例,验证了笔者提出的模型和算法的准确性㊂1 需求侧响应1.1 价格型响应在消费心理学的描述中,价格的高低会影响消费者的选择㊂对电价而言,电价的差值大小和浮动范围都会影响需求响应的波动㊂用户的主观意愿在价格的影响下会频繁的改变,具有强烈的不确定性,其行为用曲线表示会有相应的上下限,定义为乐观曲线与悲观曲线[3],以不同时段的价格变化为基础,对应相应的负荷变化率,利用Logistic函数对负荷转移率进行描述如下:λpv(Δp pv)=a1+e-(Δp pv-c)/μ+b,(1)其中a为限制变化范围值;b为可变化参数;c为电价近似中间值;μ为调节参数;λpv为电价响应负荷转移率,Δp pv为电价差值㊂对不同响应区用户行为特征的负荷转移如下:λzpv=λmax pv+λmin pv2,0≤Δp pv≤a pv,λmin pv+λmaxpv+λmin pv2(1+m),a pv≤Δp pv≤b pv,λmax pv,Δp pv≥b pvìîíïïïïïï,(2)m=Δp pv-a pvb pv-a pv,(3)其中a pv㊁b pv分别为不同电价差分段点;λzpv为负荷峰谷转移率;λmax pv为最大峰谷转移率;λmin pv为最小峰谷转移率㊂同理,分别求出峰转平㊁平转谷的实际负荷转移率λzpf㊁λzfv㊂在需求侧响应过程中,用户并不只会从价格差值方面改变负荷大小㊂上述模型只能表示用户受经济因素影响进行相应决策,而实际电网运行过程中用户所面临的影响远远不止经济因素一种㊂在实际过程中,用户在价格差异的刺激下想要进行负荷转移,但存在由于条件限制没办法完成此操作的情况,如后续时间段有其他任务无法在当前时间段转移负荷,即各种非经济因素导致的约束㊂为符合实际负荷转移情况,笔者提出非经济因素影响的负荷转移曲线,并引入心理学特征,实际负荷转移曲线类似于倒S型曲线,其负荷转移概率(λfz)与非经济因素(f)关系如图1所示㊂图1可用公式表示为λfz=h(1+e1-l/f)-1,(4)其中h为基础系数;l为条件系数㊂802吉林大学学报(信息科学版)第41卷图1 负荷转移概率曲线Fig.1 Load transfer probability curve 综合考虑经济因素以及非经济因素对负荷转移概率的影响,可得用户响应的转移量Q t =-λzpf L p λfz -λzpv L p λfz ,t ∈T p ,λzpf L p λfz -λzfv L f λfz ,t ∈T f ,λzpv L p λfz +λzfv L f λfz,t ∈T v ìîíïïïï㊂(5)以及转移后负荷总量L t =L 0+Q t ,(6)其中λzpf 为峰转平时段转移率;λzfv 为平转谷时段转移率;L p ㊁L f 分别为峰㊁平时段原始平均负荷;T p ㊁T f ㊁T v 分别为峰㊁平㊁谷3时段,L 0为电价响应前负荷㊂1.2 激励型需求响应直接负荷控制(DLC:Direct Load Control)㊁可中断负荷(IL:Interruptible Load)激励响应适应条件简洁,应用较为广泛㊂二者均是与电力公司或电网管理部门提前签署的负荷控制协议㊂前者相对后者协议的自由度更高,并且没有IL 在不按照协议规定动作时的违约惩罚政策㊂1.2.1 直接负荷控制为在储能设备应用频繁的情况下充分发挥其双向交互的优势[8],签订DLC 协议的用户在满足基本的协议容量要求下,可在一定限度内通过储能设备人为增减响应程度㊂传统的激励型响应并未考虑人本身的不确定因素,为此笔者引入心理学中攀比心理以及从众心理因素,即在同一区域内用户签订相应供电协议后,会根据其他参与协议人数的变化在约定改变负荷期间进行相应变化㊂结合响应人群的心理特点,构建响应模型如下:D DLC =∑24t =1D DLC t +∑24t =1(E +t +E -t )α,(7)其中D DLC t 为DLC 协议响应量;D DLC 为响应后负荷;E +t ,E -t 为不同时间段增减负荷大小;α为响应系数㊂1.2.2 中断负荷在IL 规划中考虑违约协议部分,并依据上述心理学因素,在DLC 响应量变化时IL 也会随之变化,二者协同作用,建立中断负荷情况下的负荷响应模型如下:Q IL =∑24t =1(P IL,t -P wx,t ),P IL,t =rP wx,t {,(8)其中P IL,t 为IL 协议响应量;P wx,t 为中断响应未响应负荷;r 为违约响应系数㊂2 考虑需求侧响应的主动配电网优化模型2.1 目标函数目标函数包括经济与环境成本两部分,经济成本主要为储能维护㊁新能源发电㊁需求侧响应补偿和网络损耗成本,表达式为F 1=min ∑24t =1P x ,t C pvq +∑24t =1P bat,t C cn +∑24t =1P grid,t C g,t +B MG +B DLC +B IL +B []loss ,(9)其中P x ,t ㊁P bat,t ㊁P grid,t 分别为新能源出力㊁储能出力㊁向上级电网购电量;C pvq ㊁C cn ㊁C g,t 为相应成本系数;B DLC 为DLC 成本;B IL 为IL 成本;B loss 为网损成本;B MG 为燃气轮机运行成本㊂新能源设备出力情况:P x ,t =P pv,t +P wind,t ,(10)其中P pv,t ㊁P wind,t 分别为光伏㊁风机发电功率㊂燃气轮机运行成本:902第2期高金兰,等:需求侧响应下主动配电网优化调度B MG =∑24t =1P MG,t ηMG L p gas ,(11)其中ηMG 为效率;L 为热值;p gas 为气价;P MG,t 是燃气轮机功率㊂需求侧响应成本:B DLC =∑24t =1C DLCD DLC t +∑24t =1(E +t d +t +E -t d -t )α,(12)B IL =∑24t =1(C IL P IL,t -C wx P wx,t ),(13)其中C DLC 为DLC 补偿价格;d +t ㊁d -t 为增减负荷价格;C IL ㊁C wx 为IL 补偿价格㊁惩罚价格㊂网损成本:B loss =∑24t =1C g,t ∑Nj =1u j ,t ∑k ∈Ωj u k ,t G jk cos δjk ,t ,(14)其中N 为节点总数;u j ,t ㊁u k ,t 为t 时刻节点j ㊁k 电压幅值;G jk 为节点j ㊁k 间电导;Ωj 为以节点j 为首节点的尾节点集合;δjk ,t 为t 时刻节点j ㊁k 间电压相角差㊂环境成本即污染物处理成本最低,表达式为F 2=min ∑24t =1P grid,t W g C 1+∑24t =1P MG,t W MG C []2,(15)其中W g ㊁W MG 分别为向上级购买电量产生的污染物系数㊁燃气轮机污染系数;C 1㊁C 2为成本系数㊂2.2 动态权重调整主动配电网优化目标包括经济和环境成本两方面,可采用引入动态权重因子对综合成本进行实时优化[9]㊂对整个周期相同时间范围内的成本函数进行归一化处理,即可得到F 1(t )㊁F 2(t ),通过动态权重因子进行实时优化得到总目标函数:min f =∑24t =1[xF 1(t )+yF 2(t )],x =c 1+c 2F 1(t ),y =1-x ìîíïïïï,(16)其中x 为经济权重系数;y 为环境权重系数;c 1㊁c 2为变化因子㊂2.3 约束条件功率平衡约束为P MG +P pv +P wind +P bat +P grid =P load +P loss +P DR ,(17)其中P MG ㊁P pv ㊁P wind ㊁P bat ㊁P grid ㊁P load ㊁P loss ㊁P DR 分别为燃气轮机㊁光伏㊁风机㊁储能㊁上级电网传输㊁初始负荷㊁网损和需求响应功率㊂储能运行约束为E bat,t =E bat,t -1+(P c,t ηc -P d,t ηd )Δt ,(18)E min bat ≤E bat ≤E max bat ,(19)其中E max bat ㊁E min bat 分别为储能元件最大最小储量;E bat,t 为当前时刻储能元件储量;E bat,t -1为储能元件上一时刻余量;ηc ,ηd 分别为充放电效率;P c,t ㊁P d,t 分别为充放电功率㊂燃气轮机约束为P min ≤P MG ≤P max ,(20)其中P min ,P max 分别为燃气轮机出力上下限㊂除上述约束外,其他诸如节点电压约束等如文献[7]所描述㊂3 模型求解3.1 原始麻雀算法麻雀算法(SSA:Sparrow Search Algorithm)是对麻雀种群觅食过程中发生的一系列行为的分步012吉林大学学报(信息科学版)第41卷分析[10],具体原理如下㊂发现者位置更新:X t+1i,d=X t i,d exp-iαT()max,R2<S,X t i,d+Q L,R2≥Sìîíïïï,(21)其中X t i,d为第i只麻雀d维位置;T max为迭代次数上限值;α∈(0,1]为随机数;R2㊁S分别为危险值和正常值;Q为随机数;L为1×D的矩阵㊂跟随者位置更新:X t+1i,d=Q exp X t W i,d-X t i,diæèçöø÷2,i>n2,X t bi,d+X tb i,d-X t i,d A+L,其他ìîíïïïï,(22)其中X t Wi,d 为最差位置;X t bi,d为最好位置;A+=A T(A T A)-1,A为全为1或-1的矩阵㊂预警者位置更新:X t+1i,d=X t i,d+βX ti,d-X b t i,d,X t i,d+K X t i,d-X W t i,d(f i-f w)+æèçöø÷ε,ìîíïïïï(23)其中β为(0,1)的正态分布随机数;K为[-1,1]的随机数;f i为当前个体适应度;f g为最优个体适应度;f w为最差个体适应度㊂3.2 改进算法3.2.1 改善初始种群对智能算法,初始种群较差会对算法寻优过程产生一定负面影响,为避免由于初始种群造成局部最优现象,采用拉丁超立方抽样产生初始种群,具体步骤如下:1)确定一个初始种群规模T;2)将每一维量的可行区域分割成T个长度均一的区域,即H n个超立方体;3)建立矩阵B(H×n),其每行即为一个被抽到的超立方体;4)在不同抽中的超立方体中随机得到样本,即为初始种群的值㊂3.2.2 引入正弦权重系数为避免麻雀算法早熟现象,先引入粒子群算法的粒子移动概念,将跳跃到最优解的方式变为正常移动,并去除向原点收敛操作㊂再引入正弦变化的权重系数,具体如下㊂发现者:X t+1i,d=X t i,d(1+Q),R2<S,ωX t i,d+Q,R2≥S{㊂(24) 跟随者:X t+1i,d=ωX tb i,d+1D∑D d=1(K(X t b i,d-X t i,d))㊂(25) 权重系数:ω=ωmin+ωmax+ωmin2sinπt t()max,(26)其中ωmax为权重峰值;ωmin为权重谷值;t为当前迭代次数;t max为迭代次数峰值㊂对预警者改变跟随方式:X t+1i,d=X t i,d+β(X t i,d-X t bi,d),f i≠f g,X t i,d+β(X t Wi,d-X t bi,d),f i=f g{㊂(27)112第2期高金兰,等:需求侧响应下主动配电网优化调度3.2.3 变异操作变异操作能在一定程度上改善个体均一性,提升整体寻优效果[11⁃12]㊂在算法流程中引入变异概念对当前适应度最差的10%个体进行替换,并且按照自然进化的方式对变异概率进行合理变化,以平衡寻优进程,变异过程和概率为X new i ,d =X now i ,d +p m X now i ,d ,(28)p m =p max -∑N i =1(f i -f avg )2N p ,(29)其中X new i ,d 为变异后个体;X now i ,d 为变异前个体;P max 为变异频率上限;f i ㊁f avg 分别为个体的适应度㊁种群中所有个体的平均适应度;p 为变异频率调节参数㊂3.3 基于改进SSA 的主动配电网优化调度求解步骤依据主动配电网优化调度模型选取合适控制变量,麻雀个体位置的优劣代表目标函数的优化程度㊂通过麻雀群体避让天敌的行为进行位置更新,迭代到最优位置,即最佳优化调度结果,其流程图如图2所示,具体步骤如下:Step 1 输入主动配电网参数,包括新能源㊁储能设备等出力大小和负荷大小,以及分时电价㊁补偿价格等;Step 2 设置改进麻雀算法的初始数据,即迭代次数㊁权重系数㊁种群大小和变异概率等;Step 3 采用LHS 初始麻雀种群;Step 4 进行改进麻雀算法操作,根据粒子移动概念进行发现者㊁跟随者位置更新;在全维度进行警戒者位置更新;Step 5 判断是否进行终止操作,是则输出最优结果;Step 6 未达到截至条件,进行变异操作,将部分劣等个体进行变异,替代变异前个体,重新返回Step4进行循环,直至达到截至条件㊂图2 主动配电网优化调度流程图Fig.2 Optimal dispatching flow chart of active distribution network 4 算例分析4.1 仿真参数笔者采用修改后的IEEE33节点系统(见图3)验证整体模型的效果㊂节点17㊁18㊁24㊁25接入价格响应负荷;节点30㊁31㊁32接入激励响应用户;光伏接入节点15;风机接入节点4;燃气轮机接入节点21;储能设备接入节点23㊂DLC 补偿成本为0.3元/(kW㊃h),IL 的补偿成本为0.5元/(kW㊃h)㊂24h 的风光出力㊁负荷情况如图4所示,需求侧模型参数设置㊁区域内电价划分方式参照文献[13]㊂储能设备允许的SOC(State Of Charg)波动为0.2~0.9;燃气轮机的效率为0.85;光伏风机的维护成本为0.3元/(kW㊃h)㊂212吉林大学学报(信息科学版)第41卷图3 改进IEEE33节点图Fig.3 Improved IEE33node diagram 图4 主动配电网新能源出力、负荷曲线Fig.4 New energy output and load curve of active distribution network 4.2 仿真分析设置4种场景㊂场景1:电网不执行需求响应及优化㊂场景2:电网执行价格型需求响应㊂场景3:电网执行激励型需求响应㊂场景4:电网执行多种需求响应㊂场景1㊁4的总体调度情况如图5所示㊂图5 不同场景主动配电网优化调度图Fig.5 Optimal dispatching diagram of active distribution network in different scenarios 场景1中,在夜间时段以及用电器数量增加时,储能装置进行放电调节,在用电器数量减少以及新能源出力充足时进行充电调节,充分发挥其高发低储作用㊂燃气轮机在新能源出力不足及负荷升高时进行出力,减少相应的购电功率㊂在场景4中,需求侧响应技术的加入,在负荷高峰8⁃14h㊁20⁃23h 负荷相应减少,且部分负荷转移到1⁃6h㊂由于考虑环境成本以及动态优化条件,所以燃气轮机出力减少㊂对比场景1,场景4仅在20h㊁21h 燃气轮机工作㊂由图5可知,笔者提出的模型可有效调节不同阶段设备出力情况,合理实现一个周期内的总体调度㊂大电网㊁新能源发电以及储能设备协同作用,对区域内进行整体负荷供电㊂不同情况下需求侧响应前后负荷对比如图6㊁图7所示㊂可以看出3种情况均有削峰填谷效果,单一的需求响应在削峰填谷综合方面都有一定局限性㊂312第2期高金兰,等:需求侧响应下主动配电网优化调度图6 单一需求侧响应负荷变化曲线Fig.6 Response load curve of single demandside 图7 多种需求侧响应负荷变化曲线Fig.7 Response load change curves of multiple demand side 价格型响应下,7⁃11h 负荷减少约5%,12⁃14h几乎无变化,夜晚峰时段负荷减少约3%,谷时段1⁃7h 负荷提升3.3%㊂激励型响应下,夜晚峰时段负荷减少约5%,7⁃11h 几乎无变化,谷时段1⁃7h 负荷无升高㊂而综合两种响应模式所得结果在峰谷时段优于单一模式,峰时段均有5%以上负荷削减量,低谷时段负荷也有序上升㊂不同情况下的综合成本值如表1所示,与不进行需求侧响应相比,单一型需求响应以及多种需求响应结合可以通过响应措施进行负荷改变,使成本降低10%~20%㊂相比于场景1,场景4成本减少1242元,可有效降低整体的综合成本㊂表1 不同场景下成本情况 Tab.1 Cost under different scenarios 元场景1234经济成本4050.53791.83797.73109.6环境成本1756.31532.31425.11355.2总成本5706.85324.15222.84464.8 在调度周期内经济㊁环境权重变化情况如图8所示㊂在1⁃9h 经济权重递增趋势较大,从0.33递增到0.359,减少相应经济成本;17⁃21h 环境权重上升,对污染排放加以限制㊂对动态权重在一个调度周期内进行不间断调节,以减少整体成本㊂图8 动态权重变化图Fig.8 Dynamic weight change diagram 笔者分别采用灰狼优化算法(GWO:Grey Wolf Optimizer)㊁原始麻雀算法㊁鲸鱼优化算法412吉林大学学报(信息科学版)第41卷 图9 算法对比图 Fig.9 Algorithm comparison (WOA:Whale Optimization Algorithm)以及笔者的改进麻雀算法进行主动配电网优化,对比结果如图9所示㊂从图9中可看出,改进SSA 在整体迭代过程中稍优于其他算法㊂LHS㊁引入正弦权重㊁变异操作让算法中麻雀个体具备初始优势,在前期可达到较高的收敛速度;变异㊁正弦权重的引入可让其具备更好的全局寻优能力㊂对比发现,GWO 与WOA 前期收敛能力不强,原始SSA 的寻优速度与改进SSA 较为接近,但改进SSA 寻优精度更高㊂5 结 论笔者在考虑多种因素影响需求响应的基础上,构建主动配电网优化模型,采用改进麻雀算法进行求解,通过IEEE33算例进行仿真验证,证明了笔者模型㊁算法的准确性,结论如下:1)笔者提出的模型可有效实现主动配电网的优化调度,当需求响应加入运行时,可与其他设备进行协同优化,增加削峰填谷效果,配合动态权重因子的实时优化,可降低电网的整体成本;2)采用LHS㊁正弦因子㊁变异策略改进麻雀算法,可改善种群丰富程度,提高算法的收敛效果,与WOA㊁GWO㊁SSA 算法相比,改进的麻雀算法可以更好地进行主动配电网优化调度,有效降低综合成本㊂参考文献:[1]吕智林,廖庞思,杨啸.计及需求侧响应的光伏微网群与主动配电网双层优化[J].电力系统及其自动化学报,2021,33(8):70⁃78.LÜZ L,LIAO P S,YANG X.Bi⁃Level Optimization of Photovoltaic Microgrid Group and Active Distribution Network Considering Demand Side Response [J].Journal of Power System and Automation,2021,33(8):70⁃78.[2]刘伟,王俊,龚成生,等.基于激励机制的家庭能量系统优化策略研究[J].吉林大学学报(信息科学版),2021,39(5):525⁃530.LIU W,WANG J,GONG C S,et al.Research on Optimization Strategy of Family Energy System Based on IncentiveMechanism [J].Journal of Jilin University (Information Science Edition),2021,39(5):525⁃530.[3]张智晟,于道林.考虑需求响应综合影响因素的RBF⁃NN 短期负荷预测模型[J].中国电机工程学报,2018,38(6):1631⁃1638,1899.ZHANG Z S,YU D L.RBF⁃NN Short⁃Term Load Forecasting Model Considering Comprehensive Influencing Factors of Demand Response [J].Chinese Journal of Electrical Engineering,2018,38(6):1631⁃1638,1899.[4]许汉平,李姚旺,苗世洪,等.考虑可再生能源消纳效益的电力系统 源⁃荷⁃储”协调互动优化调度策略[J].电力系统保护与控制,2017,45(17):18⁃25.XU H P,LI Y W,MIAO S H,et al.Power System Source Load Storage”Coordinated Interactive Optimal Dispatching Strategy Considering Renewable Energy Consumption Benefits [J ].Power System Protection and Control,2017,45(17):18⁃25.[5]张超,左高,腾振山,等.基于需求侧响应的配电网优化调度研究[J].智慧电力,2020,48(2):53⁃57,91.ZHANG C,ZUO G,TENG Z S,et al.Research on Optimal Dispatching of Distribution Network Based on Demand SideResponse [J].Smart Power,2020,48(2):53⁃57,91.[6]艾欣,陈政琦,孙英云,等.基于需求响应的电⁃热⁃气耦合系统综合直接负荷控制协调优化研究[J].电网技术,2019,43(4):1160⁃1171.AI X,CHEN Z Q,SUN Y Y,et al.Research on Coordinated Optimization of Integrated Direct Load Control of Electric Thermal Pneumatic Coupling System Based on Demand Response [J].Power Grid Technology,2019,43(4):1160⁃1171.[7]朱超婷,杨玲君,崔一铂,等.考虑需求响应用户参与度的主动配电网优化调度[J /OL].电测与仪表:1⁃9[2022⁃06⁃08].https:∥ /kcms /detail /23.1202.TH.20201217.1641.003.html.512第2期高金兰,等:需求侧响应下主动配电网优化调度612吉林大学学报(信息科学版)第41卷ZHU C T,YANG L J,CUI Y B,et al.Optimal Dispatching of Active Distribution Network Considering Demand Response and User Participation[J/OL].Electric Measurement and Instrument:1⁃9[2022⁃06⁃08].https:∥/kcms/detail/ 23.1202.TH.20201217.1641.003.html.[8]范宏,邓剑.不确定性的激励型需求响应对配电网可靠性的影响[J].现代电力,2020,37(4):416⁃424. FAN H,DENG J.Influence of Uncertain Incentive Demand Response on Distribution Network Reliability[J].Modern Power, 2020,37(4):416⁃424.[9]杨雪.计及柔性负荷的多时间尺度主动配电网优化调度研究[D].北京:北京交通大学电气工程学院,2018. YANG X.Research on Optimal Dispatch of Multi⁃Time Scale Active Distribution Network Considering Flexible Load[D]. Beijing:School of Electrical Engineering,Beijing Jiaotong University,2018.[10]薛建凯.一种新型的群智能优化技术的研究与应用[D].上海:东华大学信息科学与技术学院,2020.XUE J K.Research and Application of a New Swarm Intelligence Optimization Technology[D].Shanghai:College of Information Science and Technology,Donghua University,2020.[11]黄治翰,汪晗,李启迪,等.基于改进遗传算法的主动配电网经济优化调度[J].山东电力技术,2021,48(10): 12⁃16,65.HUANG Z H,WANG H,LI Q D,et al.Economic Optimal Dispatch of Active Distribution Network Based on Improved Genetic Algorithm[J].Shandong Electric Power Technology,2021,48(10):12⁃16,65.[12]王彦琦,张强,朱刘涛,等.基于改进鲸鱼优化算法的GBDT回归预测模型[J].吉林大学学报(理学版),2022,60 (2):401⁃408.WANG Y Q,ZHANG Q,ZHU L T,et al.GBDT Regression Prediction Model Based on Improved Whale Optimization Algorithm[J].Journal of Jilin University(Science Edition),2022,60(2):401⁃408.[13]徐青山,曾艾东,王凯,等.基于Hessian内点法的微型能源网日前冷热电联供经济优化调度[J].电网技术,2016, 40(6):1657⁃1665.XU Q S,ZENG A D,WANG K,et al.Hessian Interior Point Method Based Economic Optimal Dispatch of Day Ahead Combined Cooling,Heating and Power Generation in Micro Energy Network[J].Power Grid Technology,2016,40(6): 1657⁃1665.(责任编辑:刘俏亮)。
主动配电网分布式鲁棒优化调度方法
主动配电网分布式鲁棒优化调度方法摘要：为了能克服风电负荷率的不确定性，根据鲁棒性提升的最坏-最好是基础理论，提出了积极配电网鲁棒性最佳经济发展调度实体模型。
在该模式中，选用拉丁舞超立方米抽样法形成风电情景，以表明风电预测分析的不确定性。
在建模过程中，引进了分布式系统储能技术的等效电路运行维护成本。
与此同时，以微型燃气轮机、分布式系统储能技术和积极配电网的调度成本最少为目标函数，选用根据任意基因变异的粒子群优化计算方法模型拟合开展求得，能够获得极端化情景下运作成本最少的调度方案。
模拟仿真结论验证了实体模型和求得优化算法的实效性，获得的调度方案在风电输出功率预测分析误差范围内可以达到系统软件的全部约束，得出了最好的经济发展调度方案。
与可预测性经济发展调度方案对比，本篇文章明确提出的调度方案具备更强的可扩展性。
关键词：主动配电网；分布式优化调度；鲁棒优化；线性化潮流；交替方向乘子法引言主动配电网是主网和配电网集中控制的配电网，以可靠和经济发展为保障措施，依据供电系统的具体运行状态响应式地调节其应等电源、负荷调控手段，具有分布式电源、储能技术、需求方回应等开关电源和负载调整方式。
从行业角度来看，ADN由电网公司、发电量顾客、用电量顾客等利益相关方构成。
每一个主体全是相对独立的，在自身的运营管束下，寻找利益最大化或成本费降到最低。
因而，ADN的最佳调度必须充分考虑系统软件中各主体的利润和安全运行的管束。
传统式的集中式提升调度方法必须监测和收集系统中全部主体的生产制造信息，由中央控制器融洽提升调度对策，并把调度管理决策结论发给全部主体。
可是，生产制造信息是利益者的关键商业机密，具备隐秘性，无法获得。
并且集中式提升必须搜集海量信息，通讯负担过重。
一旦中央控制器无效，最佳调度系统软件便会崩溃。
因而，集中式方式早已无法满足ADN发展趋势的要求，必须一种分布式系统方式来处理ADN提升调度难题。
在分布式系统方式中，一般将优化问题溶解为好几个智能体的子难题，根据融洽求得子难题来获取系统软件的全局性优化策略。
《2024年基于需求响应的微电网优化调度和监控系统设计》范文
《基于需求响应的微电网优化调度和监控系统设计》篇一一、引言随着全球能源需求的持续增长和传统能源的逐渐枯竭，微电网作为一种新型的能源供应模式，越来越受到人们的关注。
它不仅具备独立运行的能力，还可以通过与大电网的互动，实现能源的高效利用和供需平衡。
因此，设计一个基于需求响应的微电网优化调度和监控系统显得尤为重要。
本文将就如何实现这一系统进行详细的探讨。
二、需求响应的微电网调度重要性需求响应技术通过调节用户的能源使用行为和用电量，达到平衡电力供需的目的。
在微电网中，通过引入需求响应技术，可以实现电力负荷的削峰填谷，提高电力系统的稳定性和经济性。
此外，它还能降低用户对传统大电网的依赖，增强微电网的自主管理和调节能力。
三、微电网优化调度系统设计（一）系统架构设计微电网优化调度系统应具备多层次、模块化的架构设计。
包括数据采集层、数据处理层、调度决策层和执行控制层。
各层次之间应通过数据接口实现信息的传递和共享。
（二）数据采集与处理数据采集层负责实时收集微电网中各设备的运行数据，包括电压、电流、功率等。
数据处理层则对采集到的数据进行清洗、分析和存储，为调度决策提供支持。
（三）调度决策算法设计调度决策层是系统的核心部分，它根据收集到的数据和信息，采用先进的优化算法进行电力负荷预测和调度决策。
常用的算法包括遗传算法、模糊控制算法等。
通过这些算法，系统可以根据实时需求调整微电网的运行状态，实现电力负荷的优化分配。
（四）执行控制与反馈执行控制层负责根据调度决策层的指令，对微电网中的设备进行控制和管理。
同时，系统还应具备实时反馈功能，将执行结果反馈给调度决策层，以便进行进一步的优化调整。
四、微电网监控系统设计（一）监控系统架构微电网监控系统应具备实时的数据采集、处理、分析和显示功能。
系统架构包括数据传输层、数据处理与显示层和管理与决策层。
各层次之间应保证信息的顺畅传递和实时共享。
（二）实时数据传输与处理数据传输层负责将微电网中各设备的实时数据传输到数据处理与显示层。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
需求响应的主动配电网优化调度研究
摘要：在现代社会中，由于清洁能源增长的速度相对较快，在配电网中大规模
接入了分布式电源，导致传统电网出现了短路电流增大以及供电可靠性降低等问题。
主动配电网的出现是必然趋势，主动配电网具有较强的时序性，能够通过存
储能源，协调控制源荷，将配电网消纳分布式电源的能力进一步提高，推动了配
电网的低碳、经济运行。
而在现代社会通过对主动配电网进行优化调度，更能提
高配电网运行的安全性，因此对其进行研究具有十分重要的意义。
关键词：需求响应；主动配电网；优化调度
引言
目前，由于能源日益枯竭，人们逐渐认识到环保的重要性，可再生清洁能源
在社会发展中发挥了重要的作用。
近年来，可再生能源分布式发电(distributedgeneration，DG)发展迅猛，为提高新能源消纳、引导“源-网-荷-储”良
性互动、提升配电网优化运行水平，众多学者针对主动配电网的规划、调控运行、自愈、可靠性等方面展开了大量研究。
优化调度方面，在日前阶段预先考虑日内
情形，用枚举法来处理电价与光荷的不确定性，研究了有载分接开关与储能的日
前调度问题；有学者提出一种全局集中优化与区域分散自治相结合的ADN协调控制方法，全局优化给出各区域交换功率计划值，区域自治则基于反馈控制器调节
元件出力、进而实现实时校准，但未考虑ADN无功资源；有学者提出一种基于多代理的ADN两阶段调度策略，日前实行经济调度，日内调节自治区域内的可控
DG有功来进行滚动修正，然而未能有效解决电压越限问题；有学者引入半不变
量法随机潮流，在ADN日前调度中计及风光荷多重预测误差引起的越限风险，在日前阶段同时考虑调度经济性与安全性。
当前，制约新能源大规模集成入配电网
的主要瓶颈在于绿色DG出力间歇波动影响配电网的功率平衡与电压合格。
功率
不平衡可借由可控DG调节、需求侧管理与上级大电网功率支撑等手段来应对；
而电压越限问题则需要发挥ADN的无功资源优势，在日内运行中跟踪新能源波动，实施有功-无功联合调整、无功就地分散双向补偿，从而避免电压越限。
1用户需求响应模型
本文考虑价格型DR，在峰谷分时电价的基础上制定实时电价，建立基于负荷
价格弹性系数矩阵的用户DR模型，引导用户响应电价的变化以调整用电需求，
研究对象是普通居民用电负荷，并假设50%的用户对电价较敏感。
负荷价格弹性
系数分为自弹性系数和交叉弹性系数，分别用于表示DR用户对当前时段和其他
时段电价的电价相应。
考虑到居民用户的用电行为特性，对于大部分居民用户，
诸如空调、电热水器、洗衣机等家用电器对于电价的响应不可能做到全时段相应，例如晚间使用的电器不可能响应至凌晨，因此本文设置居民负荷仅在相邻的前后
3个时段响应，以降低对用户用电需求造成的影响。
为简化计算，将用户负荷等
效为节点负荷参与DR。
2相关约束条件
在该模型中，其主要的约束条件包括功率平衡约束、可控燃气轮机的约束、
主网购电功率的约束、储能约束、传输线功率的约束、潮流方程的约束、节点电
压的约束、无功约束、可中断负荷约束以及负荷转移约束、用户获利约束等。
其
中可控燃气轮机的约束主要指可控燃气轮机必须要满足最小、最大的出力以及最
大的爬坡下坡约束，功约束主要指在有功功率时光伏风机的工作最大状态，其主
要通过无功解耦进行控制，运行产生的无功率可以当做优化变量运行，受到无功
功率的约束，可以减少分布式电源不稳定的问题，最终通过无功补偿装置实现无
功率约束控制。
3电动汽车充电负荷计算
考虑到EV的实际发展状况，做出如下假设：①只考虑私人使用的EV，其接
入到小区停车场的交流充电桩充电，且每天只充1次；②充电桩数量能够满足用户充电需求；③EV数量为1000辆，其中比例为70%的EV用户对分时电价敏感，在不影响使用的情况下尽量选择谷时段充电，其余用户不受电价政策影响，不参
与有序充电；④通过峰谷分时电价引导用户进行有序充电，电价是由运营商制定的固定分时电价，本文采用简化的两段式峰谷电价模型，峰电价时段为t∈［8，23］，其余为谷电价时段。
3.1EV无序充电
EV日行驶里程、最后一次行程结束时刻、电池容量、充电功率的概率密度函
数见附录B。
EV用户的车辆使用时间和行驶习惯不受峰谷电价影响，且用户每次
在选择开始充电时刻时都已知电池充满需要多长的充电时间。
3.3EV有序充电及策略
本文所采取的EV有序充电策略为：若最后一次行程结束时刻（返回时刻）不在谷时段，且所需充电时间小于谷时段长度，用户选择能在谷时段将电池充满的
任意时刻充电；所需充电时间大于或等于谷时段长度，用户选择谷电价开始时刻
点tvs充电；若返回时刻在谷时段，且所需充电时间小于返回时刻与谷时段结束
时刻点tve的区间长度，用户选择能在谷时段将电池充满的任意时刻充电；所需
充电时间大于或等于返回时刻与谷时段结束时刻的区间长度，用户选择返回时刻
充电。
4节点算例
通过相关调查研究可以知道，储能的安装成本为5—342元/kW•h，充电的为0.98，放电的为0.99；运行管理的成本就是0.033—22元/kW•h，设备运行的寿命
最长为十年；微型可控燃气轮机的安装成本也就变成了6—000元/kW•h，该设备
的寿命最长为十五年，其运行管理的成本以及燃料费均是0.67元/kW•h；无功补
偿装置的成本主要为0.033元/kvar。
将调整模型与CPLEX结合进行求解之后，能
够得到相应的平谷电价以及需求响应之后的负荷曲线，根据相关负荷曲线可以知道，使用电价调节的手段能够在一定程度上削减负荷的高峰区域填补到低谷区域中。
通过对主动配电网进行优化调度之后可以发现，负荷的低谷时段为3点-10点，所以在该阶段中，配网向主网购电的价格相对较低，此时蓄电池在充电状态，燃气轮机的可控工作功率也相对较低；当负荷处于较平时段，蓄电池处于平稳状态，其充电和放电的功率并不明显；当负荷处于高峰期时，蓄电池的放电比较明显，此时可控燃气轮机的工作功率也相对较高，当在17点-18点时，因为受到联
络线和DG容量的限制，可将负荷切断让主动配电网的安全得到保证。
通过最终
的调度结果可以知道，主动配电网主动调度蓄电池、可中断负荷以及可控燃气轮
机能够将负荷进行平衡，进一步将电网的经济性作用有效提高。
本文构建“主动配电网优化调度模型”通过测试分析，表示可以控制配电网成本，帮助电网单位提升生产质量和经济效率。
其与方案①相比，调度成本、购电成本以及网损成本相对较低，且落实电价型的需求响应之后，降低了用户的购电成本，让主动配电网和
用户都能达到目的；其与方案②相比，可以减少网络消耗资源，控制配电网运行成本；其与方案③相比，购电成本以及无功补偿装置的成本明显较低；模型比方案④的无功补偿成本以及可中断负荷成本低；模型比方案⑤的分时电价让利成
本高，但是其他各项成本都相对较低。
结语
总之，所提调度方法能得出可行的日前计划，制定各可控元件合理运行方式，降低运行成本。
参考文献
[1]王鹏，刘敏.计及需求响应的主动配电网优化调度[J].电力科学与工程，2019，35（8）：17-23.
[2]初文奇.考虑需求响应的主动配电网多源协调优化调度策略[D].北京：华北
电力大学，2019.。