有源配电系统中网络重构、光伏发电与智能停车场的协同调度及其增强型灰狼优化方法

《Processes》:Coordinated Scheduling of Network Reconfiguration, Photovoltaic Generation, and Intelligent Parking Lots in Active Distribution Systems Using Enhanced Grey Wolf Optimization

【字体: 大 中 小 】 时间:2026年06月16日 来源:Processes 2.8

编辑推荐:

  光伏(PV)发电与电动汽车(EV)在配电网络中的大规模接入带来了显著的运行挑战,包括电压波动、能量损耗增加以及馈线拥塞。尽管既有研究分别针对配电系统重构(DSR)、光伏调度或电动汽车智能停车场(IPL)管理进行了探讨,但尚不存在能够同时对这三类柔性调节工具进行

  
光伏(PV)发电与电动汽车(EV)在配电网络中的大规模接入带来了显著的运行挑战,包括电压波动、能量损耗增加以及馈线拥塞。尽管既有研究分别针对配电系统重构(DSR)、光伏调度或电动汽车智能停车场(IPL)管理进行了探讨,但尚不存在能够同时对这三类柔性调节工具进行统一优化的框架。因此,本研究旨在构建一种协同调度框架,在24 h时域内同时最小化能量损耗与电压偏差。为求解该数学模型,研究人员构建了一种增强型灰狼优化器(EGWO),引入动态邻域影响(DNI)与自适应收敛因子两项机制,以避免过早收敛问题,并在搜索过程中实现算法的动态平衡。基于IEEE 33节点系统、在5种运行场景下的仿真结果定量表明了各控制层的效益。仅采用DSR时,日能量损耗降低30.41%。仅采用光伏调度时,损耗降低15.40%。当光伏调度与DSR联合时,损耗降低38.29%,表明两者具有显著协同效应。进一步纳入IPL后,相较基准工况,电压偏差进一步改善40.26%,同时仍可维持36.20%的损耗降幅。
该论文发表于《Processes》,聚焦有源配电系统(ADN,具备主动调控能力的配电网络)在高比例光伏(PV)与电动汽车(EV)接入背景下的协同优化运行问题。研究背景在于,传统配电网最初按照单向潮流、被动运行模式设计,而光伏出力的间歇性、波动性以及电动汽车充放电行为的不确定性,会引发节点电压波动、线路损耗增加、馈线拥塞,甚至反向潮流等运行风险。已有研究虽然分别在分布式电源选址与定容、配电系统重构(DSR)、车网互动(V2G)与停车场储能管理等方面取得进展,但大多将这些调节手段分离处理,缺乏将网络拓扑重构、光伏有功调度与智能停车场储能调度纳入统一框架的研究。特别是,在二进制开关决策、连续功率调度及交流潮流(AC power flow)非凸约束并存的混合整数非线性规划(MINLP)框架下,如何兼顾能量损耗与电压质量,并系统比较不同控制层级的增益,仍是未被充分解决的问题。因此,开展这项研究的必要性在于挖掘网络空间柔性、分布式发电局部柔性与储能时间柔性的协同效益,为主动配电网提供可实施的综合调度方案。

研究人员围绕上述问题,构建了一个面向24 h调度周期的多目标优化模型,对IEEE 33节点有源配电系统中的DSR、PV限发与IPL充放电进行协同优化。目标函数采用总有功电能损耗与全网平均电压偏差的归一化加权和形式,使不同量纲指标能够在同一优化框架下被公平权衡。为求解该MINLP问题,论文提出增强型灰狼优化器(EGWO),在传统灰狼优化(GWO)基础上引入动态邻域影响(DNI)和自适应收敛因子,以增强对离散—连续混合搜索空间的全局搜索能力和停滞逃逸能力。通过5类工况——基准工况、仅DSR、仅PV、PV+DSR、PV+DSR+IPL——逐级分析不同柔性资源的独立效益与协同效益。研究结果表明,网络重构对降低损耗的单独贡献大于仅光伏调度,而PV与DSR联合可获得最大的损耗降幅;在此基础上进一步引入IPL,则可实现最优电压偏差改善。论文的重要意义在于提出了一个统一且可扩展的主动配电网协同调度框架,并证明通过多类柔性资源协同可以显著提升配电系统运行效率与电压质量。

在技术方法方面,研究主要采用以下几类关键方法。其一,建立包含二进制开关变量、PV连续出力变量以及IPL充放电与荷电状态(SOC,state of charge)变量的MINLP优化模型,并引入辐射状拓扑、交流潮流、光伏出力上限、储能能量平衡、SOC上下界、电压与线路载流约束。其二,采用EGWO进行求解,通过双曲正切转移函数实现连续变量到开关变量的映射,并结合拓扑修复算子强制满足辐射结构。其三,使用自适应外罚函数处理运行约束违约。其四,在IEEE 33节点标准测试系统上开展24 h时序仿真。样本并非临床或生物队列,而是标准电力系统算例;PV与IPL固定布置在18号与33号节点,IPL由每站200辆插电式混合动力汽车(PHEV)聚合而成。

在“Problem Formulation”部分,论文首先定义了多目标优化问题。研究人员将目标函数设定为总有功能量损耗与全网电压偏差的归一化加权和,其中归一化基准取自不采用任何调控策略的Base Case。通过这种处理,可以避免因物理量尺度差异导致某一目标主导优化过程。论文进一步给出了能量损耗项与电压偏差项的数学表达,并指出较低的目标值意味着更低的线路热损耗与更平坦的电压曲线。该部分还明确了决策变量,包括表示开关状态的二进制变量、表示PV出力的连续变量、表示IPL充电功率和放电功率的连续变量,以及表示储能能量状态的状态变量。由此建立起统一的调度与重构建模框架。

在“Radiality and Network Topology Constraints”部分,研究人员说明配电网必须保持辐射状运行。通过约束闭合支路数等于节点数减1,并辅以连通性与无孤岛要求,保证得到可行的生成树拓扑。论文还解释了分段开关与联络开关在实际配电自动化中的物理意义,说明网络重构并非抽象数学操作,而是具备工程可实施性的控制手段。这一部分的结论是:拓扑重构必须在严格满足辐射结构的前提下进行,任何最优解都不能破坏配电系统的基础运行形态。

在“Power Flow Constraints”部分,论文建立了包含开关状态影响的交流潮流方程,要求各节点满足有功与无功功率平衡。由于二进制开关变量可将断开支路的潮流强制为零,因此潮流方程与网络结构之间形成强耦合。通过这一建模,研究人员能够在同一框架下同时考虑拓扑变化、PV注入及IPL充放电对潮流分布的影响。该部分表明,系统功率流的物理规律被完整纳入优化问题,是后续调度结果具有可行性的基础。

在“Photovoltaic Generation Constraints”部分,研究人员规定PV有功出力非负且不超过每时段最大可利用光伏功率,从而允许优化过程在必要时实施限发。该部分说明,PV并非始终按最大可用功率发电,而是在满足系统整体优化目标时可进行有控制的削减。这一结论体现了局部发电柔性对全网运行优化的作用。

在“Intelligent Parking Lot Constraints”部分,论文将IPL建模为聚合式储能单元。每个IPL包含200辆PHEV,总储能容量为1.0 MWh,变流器额定功率为0.5 MW,并通过离散时间状态方程描述SOC演化。研究设置充放电效率均为95%,并保持最小SOC为20%,以避免深度放电。通过这些约束,IPL被刻画为可执行时间迁移的灵活资源。该部分得出的核心结论是:智能停车场能够在满足设备功率与能量边界的条件下,为配电系统提供可调度的储能支撑能力。

在“System Operational Limits”部分,论文规定所有节点电压需保持在1.0 p.u.±5%范围内,所有线路电流不得超过热稳定限值。该部分说明,所有优化收益均建立在严格运行安全约束之上,避免通过违反电压或热限值换取表面性能改善。

在“Solution Methodology: Enhanced Grey Wolf Optimizer for Active Distribution Network Scheduling”部分,研究人员指出,该问题由于同时包含离散开关、连续功率变量与非凸交流潮流方程,传统导数型优化算法难以有效处理。为此,论文采用GWO作为基础算法,并针对MINLP场景进行增强。其核心思想在于用狼群个体表示完整的日内调度方案,将DSR、PV与IPL变量共同编码进位置向量中,通过群体搜索寻找全局较优解。

在“Solution Encoding and Population Initialization”部分,论文给出了EGWO的编码机制。DSR变量通过双曲正切转移函数从连续值映射为0/1开关状态,再经修复算子保证辐射性;PV与IPL子向量则直接在各自可行域内初始化。该部分说明,算法设计针对混合变量结构进行了专门适配,是EGWO能够处理该类问题的重要基础。

在“Fitness Evaluation and Constraint Handling”部分,研究人员通过24 h逐时交流潮流计算评估每个候选解的损耗与电压偏差,并采用自适应外罚函数将电压越限与线路过载纳入适应度。罚因子随迭代逐渐增大,使算法前期允许有限度探索、后期强化可行性收敛。该部分的结论是:EGWO在搜索质量与约束满足之间建立了动态平衡机制。

在“Dynamic Neighborhood Influence”部分,论文提出第一个增强机制。相较传统GWO仅跟随α、β、δ三只头狼,DNI允许性能较差的个体朝向局部邻域内适应度更优的个体移动,从而避免整个种群在局部最优附近过早聚集。研究据此认为,该机制提高了算法维持群体多样性与跳出局部最优的能力。

在“Self-Adaptive Convergence Factor”部分,论文提出第二个增强机制。不同于传统GWO中线性递减的收敛因子,EGWO依据α狼近若干代的适应度改善幅度动态调整收敛参数:改进明显时加快开发,停滞明显时重新强化探索。该部分说明,EGWO能够依据搜索状态自适应调节全局探索与局部开发的平衡。

在“System Description and Input Data”部分,研究对象为IEEE 33节点辐射状配电系统,额定电压12.66 kV,系统含37条支路与5个常开联络开关。仿真按24 h、1 h分辨率进行,所有工况共享同一负荷曲线与PV可用出力曲线,以保证比较公平。PV布置在18号和33号节点,各额定2.0 MW;IPL同样设置于这两个节点,每站储能容量1.0 MWh。算法在MATLAB R2021b与MATPOWER 8.1环境下实现。该部分表明,研究采用标准化测试系统与透明的参数设定,便于结果复现与方法比较。

在“Case Study Definitions”部分,研究人员设计了5种情景,从完全被动运行逐步增加控制层级,以分析不同柔性资源的边际贡献。该设计使论文能够清楚识别各控制手段的独立价值与叠加价值。

在“Base Case Performance (Case 1)”部分,基准工况下系统日总能量损耗为3037.83 kWh,平均最小电压为0.9317 p.u.,平均电压偏差为0.0385 p.u.,远端节点18与33在高负荷时段出现明显低电压趋势。该工况构成所有后续归一化评价的参照。

在“Case 2: Distribution System Reconfiguration (DSR Only)”部分,仅实施DSR时,EGWO将日损耗降至2113.97 kWh,较基准下降30.41%;平均电压偏差降至0.0265 p.u.,下降31.17%;平均最小电压提升至0.9526 p.u.。结果说明,仅通过拓扑优化即可显著改善潮流分布并抬升远端电压,且EGWO优于GWO与PSO。

在“Case 3: Photovoltaic Scheduling Only (PV Only)”部分,仅进行PV调度时,EGWO将日损耗降至2569.99 kWh,较基准下降15.40%;平均电压偏差降至0.0306 p.u.,改善20.52%;平均最小电压提升至0.9462 p.u.。结果显示,PV在高辐照时段可有效承担本地负荷、减少馈线功率传输,但其单独作用弱于DSR。论文还指出,33号节点PV出力通常高于18号节点,反映其更高电气距离所带来的系统价值。

在“Case 4: Combined PV Scheduling and DSR (PV + DSR)”部分,PV与DSR联合时取得最优损耗表现。EGWO得到的日损耗为1874.70 kWh,较基准下降38.29%;平均电压偏差降至0.0235 p.u.,改善38.96%;平均最小电压升至0.9581 p.u.。这一结果表明,网络空间重构与局部发电调节之间存在显著协同作用,优于任一单独控制层。

在“Case 5: Full Coordination of PV, DSR, and IPL (PV + DSR + IPL)”部分,三类柔性资源协同时实现最佳综合性能。EGWO下日损耗为1938.19 kWh,较基准下降36.20%,虽然略高于Case 4,但平均电压偏差进一步降至0.0230 p.u.,改善40.26%,为全部工况最佳;平均最小电压为0.9556 p.u.。IPL运行特征显示,33号节点IPL承担主要储能调节任务,在低谷时充电、峰荷时放电,实现削峰填谷与电压支撑;18号节点IPL使用强度较低,更多作为辅助储能。该部分说明,储能时间平移能力有助于进一步提高电压质量,但由于充放电效率损失,未必带来最小的总能耗。

在“Comparative Summary and Performance Analysis”部分,论文综合比较五类工况后得出三点结论:第一,DSR的独立降损能力强于PV调度;第二,PV+DSR组合实现最大损耗降低;第三,IPL加入后虽然总损耗略有回升,但电压质量达到最佳。该部分进一步指出,随着控制层级增加,电压偏差持续下降,平均最小电压由0.9317 p.u.提高至0.9556 p.u.,说明多层柔性协调对配电网电能质量改善具有持续增益。

在“Algorithm Convergence and Computational Performance”部分,研究人员比较了EGWO、GWO与PSO的收敛特性。结果表明,EGWO在各工况下均取得更低最终适应度,在最复杂的Case 5中约20次迭代即可收敛,而GWO与PSO分别约需35次和45次迭代。Case 5下EGWO计算时间为145.8 s,略高于GWO但低于PSO。由此可见,EGWO以较小的附加计算成本换取了更优解质量与更快收敛速度。

在“Impact of PV Intermittency: A Sensitivity Analysis”部分,论文对Case 5进行了光伏波动敏感性分析。在保持优化决策不变的情况下,将PV实际输出按预测值的0.8、0.9、1.1和1.2倍扰动。结果表明,PV欠发会增加损耗并恶化电压偏差,PV超发则相反;但在±20%波动范围内,性能变化保持在5%以内,说明确定性EGWO调度方案对中等程度辐照波动具有一定鲁棒性。

讨论部分集中体现了该研究对主动配电网多柔性资源协调运行的认识。论文表明,不同灵活性来源在系统运行目标上存在功能分化:DSR主要通过改变潮流路径来降低线路损耗,PV调度通过本地供电缓解馈线负担,而IPL则通过时间维度的能量迁移显著改善峰时电压支撑。研究还表明,最优运行目标并非单纯追求最低损耗,而是在损耗与电压偏差之间进行归一化权衡。EGWO之所以能够优于传统GWO与PSO,关键在于其既保留了群智能算法处理非凸、多峰、混合变量问题的优势,又通过DNI与自适应收敛因子改善了局部停滞和搜索失衡问题。论文同时指出,研究仍采用确定性建模,尚未纳入PV辐照、EV到离站行为及用户偏好等不确定性,因此其结论更适用于确定性日内调度场景。

研究结论部分可译为:本文提出了一种面向有源配电系统的多目标优化框架,综合考虑了光伏发电、智能停车场与配电系统重构。增强型灰狼优化器(EGWO)针对这一新兴MINLP问题进行了专门设计,通过动态邻域影响与自适应收敛因子改善了探索能力与收敛性能。基于IEEE 33节点系统的5类工况仿真表明,光伏调度与DSR的组合可实现最大的能量损耗降低,降幅为38.29%;而进一步纳入IPL后,则可获得最佳电压偏差改善,降幅为40.26%。在所有工况下,EGWO在解质量与收敛速度方面均优于传统GWO与PSO,即使在最复杂工况下也能在约20次迭代内获得最优适应度值。研究的局限性包括对PV辐照波动、EV到离站时刻以及用户行为模式采用确定性处理。未来工作将通过概率模型与数据驱动行为建模提高调度框架的鲁棒性与工程适用性,并进一步考虑负荷与发电预测不确定性、更细粒度的EV车队建模、电池退化成本以及跨季节长期时间尺度分析。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号