基于分布估计算法的用户参与需求响应检测识别方法研究

引言

当前我国正处在经济快速发展的时代,居民用电负荷不断增加,电力供需矛盾突出,部分地区仍存在电力供应不足的现象。需求响应技术能够极大地提高需求侧负荷调节能力,但由于参与需求响应的用户数目庞大,用户是否有效参与需求响应难以检测,导致电网需求响应的效果远低于预期,对电力企业的经济效益以及人们的日常生活造成了很大影响,所以研究一种用户参与需求响应的检测与识别方法十分重要。

目前,比较常见的需求响应检测方法有以下几种:

(1)专家系统。葛朝强等人将专家的经验和知识与受保护电网相结合并建立规则,同时给出了用户参与需求响应的检测识别过程与逻辑。

(2)神经网络。Kumar等人对用户样本数据进行训练,搭建了需求响应检测模型,取得了较为准确的结果。

(3)Petri网。Zhao等人提出了改进后的基于Petri网的用户配电网检测识别模型,实现了对用户参与需求响应的检测识别。

但随着电力市场改革的深入,电网规模不断扩大,上述方法学习能力差、鲁棒性低的缺陷逐渐显现出来,已不能满足当今的需求响应发展要求。

基于此,本文提出一种基于分布估计算法的用户参与需求响应检测识别方法,并改进评价函数,通过建立概率模型以及对种群个体的适应度值进行计算,最终得到准确的最优解,也就是用户参与需求响应的具体停电线路,以实现用户参与需求响应的检测与识别,有效解决了传统方法识别精度低、识别速度慢等问题。

1参与需求响应检测与识别基本理论概述

精确检测和识别配电网中用户具体停电线路是实现需求响应有效应用的前提和基础。在城市电网转型和对电力供应可靠性要求较高的场合,需要安装能够自动检测和识别停电线路的系统。当用户参与需求响应部分电路停电时,馈线终端FTU会获取到相关断路器及分段开关的信息序列,包括用电负荷、目前的电压等级、有无停电电流、功率和断路器开关位置等。在与需求响应停电电流的预先设定值比较后,将需求响应具体信息与部分电路的停电时间一起发送到控制主站,由计算机系统进行数据分析,以确定用户是否真实参与需求响应,识别用户具体切除了哪条负荷,控制指令是否有效。图1所示为用户参与需求响应的部分停电线路检测识别流程图。

用户参与需求响应的部分电路停电检测与识别主要是基于对馈线终端FTU传输给主控制系统实时数据的分析处理。断路器上的FTU通过传输网络向主配电站发送需求响应信息后,主配电站利用特定的算法确定用户位置,然后发出指令,打开停电位置两侧的断路器,合上联络开关。这一操作的准确性将保证用户参与需求响应时间的准确性。

2基于分布估计算法的用户参与需求响应检测识别方法

2.1分布估计算法的基本原理

分布估计算法(EstimationoffDstiDrbtDonA1goiDthm,EfA)是一种把统计学和随机优化算法相结合后得到的全新智能进化算法,它不同于人工智能中的传统进化算法,并不是利用微观数学建模对生物进化进行研究,而是对整个生物进化的宏观分析,能够最大限度地提高种群信息的完整性,具有更好的全局搜索能力。从优良解集的概率模型分布中得出进化的方向,避免了进化过程中算法运算方向不确定和没有目标的缺点,可以最大限度地保留算法偏离局部最优的能力,实现了全局收敛。分布估计算法的示意图如图2所示。

2.2用户参与需求响应检测识别算法流程

2.2.1建立开关函数

用户参与需求响应的时间、位置、线路信息是由馈线终端FTU反馈到主控制系统进行判断分析,但该反馈信息为停电电流信息,并不是用户具体的参与需求响应的线路信息,因此需要构建一个开关函数来进行信息转换,如式(1)所示:

式中:Zi为第i个节点处馈线终端FTU反馈给主控制系统的设备状态:Ⅱxj为对节点j以下所有线路上的停电状态的运算:Ⅱxk为对节点k以上所有线路上的停电状态的运算。

2.2.2构建评价函数

在配电网中对用户参与需求响应的线路进行检测与识别时,应用分布估计算法的关键在于建立合适的评价函数对种群个体适应度值进行计算,从而找出用户的减负荷线路信息,即用户参与需求响应的具体信息,构造的评价函数如式(2)所示:

式中:F(Xi)为种群中每个个体所对应的适应度:Xi为配电网中各线路的状态信息:Ij为配电网中各馈线终端FTU反映的实际状态,取值为0时表示第j个馈线终端FTU上没有流过需求响应电流:Ij*(Xi)为配电网各馈线终端FTU上的期望状态。

例如,图3所示的开环运行拓扑结构,各用户开关位置均配有馈线终端FTU。

当用户L1参与需求响应时,1~4处能够检测识别到停电电流:当用户L3参与需求响应时,1~3处能检测识别到停电电流。由开关函数可将用户参与需求响应的过程定义如式(3)所示:

其中,ll表示或运算,等式右边任一线路参与需求响应时,I*都能检测到电流信息,并赋值为1。但当线路L3参与需求响应时,4处并不能检测到停电电流,从而导致后面未参与需求响应的线路出现意外停电,因此对评价函数做出如式(4)所示的改进。

式中:О为取值为正数的权系数,一般取0.8。

通过以上改进,可以有效减少误判或错判。

2.2.3建立概率模型算法

概率模型的建立是分布估计算法的核心,概率模型的构建需要对实际问题进行研究分析,从而选择合适的概率模型,本文针对需求响应参与检测与识别的问题采用均匀分布概率模型:同时为了提高算法响应速度,采用了简单易实现的UMDA算法。

2.2.4对概率模型进行采样

本文采用的概率模型随机采样方式为蒙特卡罗采样方法,该方法建立在概率和理论总结方法的基础上,通过生成U(0,1)的随机数据集,产生分布函数所需要的随机数,得到的随机数如式(5)所示。

3实验仿真与分析

图4所示是一个典型的IEEE33节点配电网结构拓扑图,系统以多电源开环方式运行,从电源节点1、18、22、30四个节点来进行线路划分,将其分为四个独立的拓扑结构。

下面针对单段需求响应停电线路、多段需求响应停电线路的情况进行仿真,仿真结果如表1所示,第二列为本文方法得出的需求响应停电线路相量,其中需求响应停电线路相量中"1"表示该区段为响应线路,"0"表示该区段为非响应线路。

从表1分析可知,对于上面四种情况,分布估计算法对单段、多段用户需求响应都能识别得比较准确,平均识别准确率在90%以上,并且所需时间都在1~2s,体现了对用户参与需求响应检测与识别的快速性和准确性。同时,绘制不同线路参与需求响应时的适应度函数曲线如图5所示。

由图5可知,通过适应度函数对种群进行迭代时,虽然会有波动,但在迭代次数达到10次左右就能输出最优的用户需求响应线路,表明该方法在进行用户参与需求响应的检测与识别时有着很高的准确性,并且非常稳定。

4结语

本文通过对传统需求响应检测方法进行研究分析,提出一种基于分布估计算法的用户参与需求响应检测识别方法,并改进了其评价函数,使该方法对用户参与需求响应检测识别的平均准确率达到90%以上,而检测时间只需要1~2s,极大地提高了电网需求响应的调节能力,增强了电网运行的稳定性,有着非常广阔的应用前景。