0 引 言

随着电力系统中新能源机组的不断加入和可控负荷的逐渐增多,集中式经济调度面临越来越多的挑战。

所谓经济调度就是研究如何将电力需求合理地分配给一定数量的发电机组[1]。传统上,电力系统采用集中式的经济调度方法,如微增率迭代法[2]、对偶二次规划[3]、内点法[4]和启发式算法[5-6]等。集中式方法通过调度中心来收集系统全局信息,再经过调度中心的优化计算,最后向发电机组和可控单元发出控制指令。调度中心与所有控制对象之间都建有通信线路,因此会增加系统的建设成本,降低运行的灵活性。

新能源机组会根据风、光等自然资源的变化,临时性地接入电网或退出运行,而集中式的调度方法在灵活性上较弱,难以满足电力元件的“即插即用”特性。

分布式经济调度只需要局部通信,可实现新能源机组的“即插即用”功能,因此,更加适合智能电网的发展方向。电力系统中的传统机组、新能源机组和可控负荷,可视为具有一定通信和计算功能的“智能体”,并且智能体间存在通信线路,于是可将电力系统视为由多种电力元件和通信线路组成的多智能体网络[7]。

一致性问题是多智能体网络研究中的基本问题,其含义为：通过多智能体间的局部通信,并利用智能体的本地计算功能,实现各个智能体的状态一致。代表智能体状态的变量,称为一致性变量。一致性算法则是用来求解一致性问题的分布式算法。

以一致性算法为基础的分布式调度研究已见于大量文献。文献[7]中,基于微增率一致性的分布式经济调度算法用来解决费用函数为二次凸函数,通信网络为无向图的经济调度问题。负荷需求与全部输出功率的偏差作为反馈量,反馈到主导机组的状态方程中。当功率偏差消除时,调度结果也达到经济性最优化。文献[8]也将微增率作为一致性变量,同时用累积化的方法收集功率不平衡信号,也就是使用两套一致性算法并行,一个用来实现微增率一致,另外一个用来分布式统计功率偏差总量。文献[9]考虑了线路损耗。另外,不使用反馈机制的分布式调度方法见文献[10-11]。文献[11]使用解析法得到经济调度最优解,再利用平均一致算法将解析解进行分布式求解。

上述研究着眼于利用一致性算法解决传统火电机组的分布式调度问题,并未考虑近年来电力系统中逐渐增多的新能源发电机组和可控负荷[12-14]。传统火电机组存在费用函数,可以用于微增率的求解,但新能源机组发电费用可以忽略不计,可控负荷的微增率费用也难以定义。因此,本研究重点考虑新能源机组和可控负荷的分布式经济调度方法。

（4）树立实时创新意识。创新是企业永恒的话题，对企业财务管理同样如此。新时期需要积极引进风险投资等科学理念，认真学习各项新的财务工具，尽可能多的在传统的财务工作方法上有所突破，提高财务效率的同时，也能够更好的降低企业财务成本，防范企业可能面临的众多财务风险。

考虑三类电力元件的分布式经济调度问题,即传统火电机组、新能源机组和可控负荷同时存在的经济调度问题。首先构造新能源机组的可用率函数,可控负荷的效益函数,再利用平均一致算法构造电力系统分布式经济调度框架,保证在正常情况下,新能源机组满功率工作,可控负荷不被削减。当电网调节能力不足时,再通过削减新能源机组出力或调节可控负荷功率进行功率平衡调节。最后仿真验证所提方法的有效性。

1 图论与一致性算法

1.1 图 论

设G为通信网络拓扑图,G=(V,E),其中V是由图G中的所有顶点组成的有限集,记V={1,2,…,n};E是由V中元素构成的有序二元组,若顶点i和顶点j之间存在通信线路,则记作(i,j)∈E。本文中假设图G都是连通的无向图,即图中任意两个顶点之间存在通路。图G的邻接矩阵A=aij,(i,j)∈V可以定义为

 

(1)

式中：di为与顶点i关联的边的数量；Ni为顶点i的邻居节点集,di=|Ni|+1。

在本文中,连通的无向图G均为等邻居节点图,故其邻接矩阵A为双随机矩阵[8]。

由图3可知,微增率λ一致收敛至11.0669,调度结果实现经济性最优,且与集中优化结果相同；功率偏差收敛至0,满足经济调度功率平衡约束。上述结果可证明所提分布式算法的有效性。

1.2 一致性算法

令xi(k)和ui(k)分别代表系统中第i个智能体的状态和输入,可以用一阶离散系统表示智能体的动态：

首先，选拔优秀合同管理人才。可依照合同管理人员应具有的素质条件，选择本企业优秀人才担任合同管理人员，也可以通过公开考评和竞争招聘方式引进、选拔人员。在三、四级要推行专兼职合同管理员制度，在使用过程中坚持优胜劣汰的原则，把优秀人才放在合同管理岗位上。

xi(k+1)=xi(k)+ui(k),i=1,2…,n

(2)

假设智能体之间存在通信网络,则通信线路两端的智能体能够获取对方的状态,进而构造输入为：

 

(3)

式中：j∈Ni表示第j个智能体与第i个智能体之间存在通信线路,那么,第i个智能体能够获取到第j个智能体的状态,进而构造自己的输入。上述的输入为分布式的。

将式(3)代入式(2),可得自治系统：

xi(k)],i=1,2…,n

(4)

上述自治系统可以写成矩阵形式：

x(k+1)=Ax(k)

(5)

从式(21)、(22)、(23)可知,一般情况下λ≥0,式(21)和(22)中的约束条件起主要作用,此时,传统机组和可控负荷进行功率平衡调节,而新能源机组满发；当λi≤0时,新能源机组才开始削减可再生能源出力。一般情况下,三类电力元件参与功率调节的次序依次为传统机组、可控负荷、新能源机组,即先由传统机组和可控负荷负责功率平衡调节,当传统机组和可控负荷调节能力不足时再调用新能源机组。因此,新能源发出的清洁电能能够优先于传统机组进行并网使用,新能源的优先级得到了保证。

 

(6)

上述内容为一致性算法的系统结构和基本原理,分布式经济调度框架将基于一致性算法的系统结构进行构造。

2 分布式经济调度

在经济调度中同时考虑传统机组、新能源机组和可控负荷等对象时,电力系统调度机构的目标是最大化社会福利。本研究将传统发电机组的增量成本(IC),新能源机组和可控负荷的增量效益(IB)选为一致性变量,利用一致性算法求解经济调度问题。假设每台机组和可控负荷存在具备一定通信和计算能力的本地控制器,而本地控制器通过获取相邻控制器的状态量信息,更新本地状态量。系统层的功率平衡由主导节点上的机组或可控负荷的本地控制器通过采集功率不平衡信号进行反馈调节。

2.1 经济调度问题

假设传统发电机成本函数、新能源发电机和可控负荷效益函数均可表示为二次函数。

传统发电机成本函数为：

 

(7)

考虑到可再生能源发电的费用成本可以忽略不计,因此将新能源出力与其最大可能出力的偏差的相反数量化为效益函数：

 

(8)

[2] LIN C E, VIVIANI G L. Hierarchical economic dispatch for piecewise quadratic cost functions[J]. IEEE Transactions on Power Apparatus & Systems,1984,4(6):1170-1175.

 

(9)

经济调度的目的是在满足各类发电机组和可控负荷运行约束的条件下,最大化社会福利,也即最小化整个电力系统的经济成本,可以描述为下述优化问题：

 

(10)

 

(11)

 

(12)

 

(13)

 

(14)

以上式中：αi、βi、γi分别为传统机组发电成本函数和可控负荷效益函数的系数；PDi、SD分别表示可控负荷的负荷值和顶点集合；PGi、SG分别表示传统机组的有功出力和顶点集合；PRi、SR分别表示新能源机组的有功出力和顶点集合。式(12)、(13)、(14)分别为各电力元件有功功率运行条件约束。

2.2 基于一致性算法的求解机制

首先,不考虑运行条件约束式(12)、(13)、(14),构造经济调度问题的拉格朗日函数：

(15)

式中：标量λ为拉格朗日乘子。

通过最优性条件可得：

(16)

根据式(16),可整理得到：

 

(17)

式(17)为最优性条件,可见,当优化问题求得最优解时,IB、IC均与λ相等。因此,定义一致性变量为各个元件利用局部信息估计得到的微增率λi,则每个电力元件利用本地获得的信息估计λi的迭代过程为

(18)

式(18)为一致性算法的形式,与式(4)保持一致(仅变量名称不同)。而一致性算法为分布式算法,各个电力元件只需要与相邻元件(通过通信线路)进行通信,获取相邻元件的λi,即可实现λ的分布式估计。

为保证功率平衡,首先定义负荷与发电机组出力之间的差值：

 

(19)

选取电力系统中某一元件作为主导元件,将功率差值作为反馈项加入一致性算法中,得到：

 

(20)

项目管理模块是企业资源管理系统中一大重要的节点，主要工作内容是对企业运营和投资成本费用的管理，以及对企业生产线上的各种设施进行定期的维新和护理，一定程度上减少在设施和成本上的不必要的财务支出。在企业扩大营业规模的上升时期，设备和应用技术的更新换代尤为快速，这也导致了企业在这方面花费的经费将大大增加，如何减少设备因为损坏、维修、更新等原因产生的费用，成为棘手的问题。因此，为了解决这个问题，需要将设施管理系统和企业资源管理系统相互结合，要保证它们和总的管理系统在运行时独立开来，这些系统分支在运行时产生的数据可能会有些偏差，需要技术人员严谨对待。

一是钾肥联合谈判机制是中国市场的必然选择，实现谈判效益最大化促使谈判机制有发挥更大作用的空间。钾肥观察家认为，应当由各行业组织牵头，以听证会的方式进行摸底，听取下游用户企业建议，形成共识、协调采购。供给方面跟踪国内资源勘探信息、采集国内钾肥企业产量量化数据，需求方面了解复合肥企业采购意愿、针对生产规模调研和摸底。

考虑到约束，即式(12)、(13)、(14),各类电力元件根据一致性算法得到的一致性状态量应按照下述规则还原为元件的有功功率：

 

(21)

 

(22)

 

(23)

式中:A∈Rn×n为图G的邻接矩阵；x=[x1,x2,…,xn]T。双随机矩阵A有如下性质[8]：

四组患者围手术期资料见表2。典型病例见图1。手术时间由A组至D组依次减少，A组的手术时间明显长于B、C、D组，差异有统计学意义（P＜0.05），而B、C、D组间比较，差异无统计学意义（P＞0.05）。术中失血量由A组至D组依次减少，A组的术中失血量明显多于B、C、D组，差异有统计学意义（P＜0.05），而B、C、D组间比较，差异无统计学意义（P＞0.05）。

分级多孔金-铜薄膜对苯甲醇的催化氧化 何淑仁，唐斌，邢新峰，石春颖，张秀梅，张晓梅，许效红(11-9)

上述为考虑传统机组、新能源机组和可控负荷的电力系统分布式经济调度一致性算法,具体流程如图1所示。

  

图1 算法流程

3 仿真计算

仿真计算部分的主要目的是验证分布式经济调度算法的有效性和满足“即插即用”要求的鲁棒性。采用修正的IEEE14节点系统进行仿真分析,其通信拓扑如图2所示,其中,节点1-3代表火电机组,节点8和12-14代表新能源机组,其余节点均为可控负荷。虚线代表通信线路。表1、表2为系统参数,初始值λi(0)=9.6。

  

图2 修正IEEE14节点系统

 

表1 传统机组和可控负荷参数

  

节点γβ功率上下限/MW10．004613．0650[100，400]20．01115．2950[150，450]30．009911．3700[80，320]4-0．140225．7550[100，120]5-0．062518．4200[160，180]6-0．151027．6300[100，120]7-0．084210．5900[70，80]9-0．081016．2750[110，130]10-0．212128．3650[70，90]11-0．119028．1400[110，130]

 

表2 新能源机组数据

  

节点功率上下限/MW节点功率上下限/MW8[0，50]13[0，70]12[0，60]14[0，80]

3.1 方法有效性分析

为验证分布式优化算法的有效性,将节点1上的发电机设置为主导元件,负责收集功率偏差信号作为反馈量。设置收敛系数ε=0.01λi(0)=0,i=1,…,n。

图3为系统变量仿真曲线。

  

图3 系统变量仿真曲线(1)

每个试验药剂分别设4个剂量，与对照药剂和空白做比较，4次重复，小区面积20 m2，随机区组排列。试验设计见表1。

元动作单元作为数控机床的基本组成单元，其故障模式多种多样，而且不同的故障模式对整机功能的影响也有所不同，将故障影响、经济损失、检测难度和维修难度作为分级标准，本文将元动作单元的故障模式分成3个等级：关键故障、主要故障和次要故障。

那条繁花似锦的宽阔大道果然不见。大道的中间，立着粗砺的水泥墩。它粗暴地从头延伸到尾，仿佛一个个板着面孔的小矮人，生硬而冷漠地拒绝一切行人横过马路。人行横道线自然也是没有了。阿东转了半天，发现果然无奈。所有的路口被封死，主道和辅道全跑汽车。连自行车和三轮车也都没有了自己可行的路径。行人过马路，只能走地下通道。健康人走此路尚且可以，老弱病残却委实难行。至于用轮椅的残障人士，根本就无路可走。阿里推着罗爹爹的确难以顺畅抵达东湖。

3.2 即插即用性能分析

为验证所提方法能满足电力元件“即插即用”特性，9号节点负荷在迭代次数为200时退出运行,接着系统能够自动达到新的平衡点；在迭代次数400时,再恢复该负荷,系统回归最初的平衡状态,结果见图4。

式中：ε>0为收敛系数,选取较小的ε不会影响一致性算法的收敛性。

  

图4 系统变量仿真曲线(2)

从图4可以看到,当迭代次数到达200时,9号节点负荷退出运行,系统微增率不再一致,功率偏差瞬间增大。当迭代次数到达400后,9号节点恢复运行,系统又回归最初的平衡状态。仿真验证了所提方法满足电力元件“即插即用”的要求。

4 结 语

本研究所提的基于一致性算法的电力系统分布式经济调度方法,有效地将传统机组、可控负荷和新能源机组通过等微增率准则协调在一起进行调度,并且实现了只需要局部通信的分布式求解。另外,所提方法满足电力系统对电力元件“即插即用”的要求,具有一定的实用性。

参考文献：

[1] WOOD A, WOLLENBERG B. Power system generation, opreation, and control[M]. New York: Wiley,1996.

定义可控负荷的效益函数为：

[3] GRANELLI G P, MONTAGNA M. Security-constrained economic dispatch using dual quadratic programming[J]. Electric Power Systems Research,2000,56(1):71-80.

3.1 实用性强 该多角度伸缩型辐射探测仪支架设计具有多角度随意调节、长短伸缩自如的功能，应用中可以有效地对探测范围的盲区进行监测，缩短大面积范围探测的时间及对工作人员的辐射，符合快速、高效的使用要求。

这十年的时间里，王宝生因为长期居住在这种潮湿环境当中，他患上了风湿关节炎和腰间盘突出，但他并没有因此放弃也没有因此偷懒，清理防火线的杂草和落叶也是王宝生的一项重要工作，几乎每隔几天他就会拿起扫把沿着近两公里的防火线进行清扫。在中军帐景区内有七棵古树是“文物级”的宝贝，一旦下雪，王宝生也会下山及时清理松枝上的积雪。

[4] LINW M , CHEN S J. Bid-based dynamic economic dispatch with an efficient interior point algorithm[J]. International Journal of Electrical Power & Energy Systems,2002,24(1):51-57.

[5] GAING Z L. Particle swarm optimization to solving the economic dispatch considering the generator constraints[J]. IEEE Transactions on Power Systems Pwrs,2003,18(3):1187-1195.

[6] CHIANG C L. Improved genetic algorithm for power economic dispatch of units with valve-point effects and multiple fuels[J]. IEEE Transactions on Power Systems,2005,20(4):1690-1699.

[7] ZHANG Z, CHOW M Y. Convergence analysis of the incremental cost consensus algorithm under different communication network topologies in a smart grid[J]. IEEE Transactions on Power Systems,2012,27(4):1761-1768.

[8] YANG Shi-ping, TAN Si-cong, XU Jian-xin. Consensus based approach for economic dispatch problem in a smart grid[J]. IEEE Transactions on Power Systems,2013,28(4):4416-4426.

[9] BINETTI G, DAVOUDI A, LEWIS F L, et al. Distributed consensus-based economic dispatch with transmission losses[J]. IEEE Transactions on Power Systems,2014,29(4):1711-1720.

滑床主要由三叠系下统大冶组(T1d)强风化、中风化泥灰岩组成，岩层产状94°∠44°，与主滑方向115°为顺向关系。

[10] CHEN G, LEWIS F L, FENG E N, et al. Distributed optimal active power control of multiple generation systems[J]. IEEE Transactions on Industrial Electronics,2015,62(11):7079-7090.

采用同样的方法可计算出血压、脉搏、呼吸、尿量、意识状态（CS）、末梢循环（PC）、血常规（RBT）、血生物化学（BE）、凝血酶原时间（PT）的信息增益率：

[11] BINETTI G, ABOUHEAF M, LEWIS F, et al. Distributed solution for the economic dispatch problem[C].21st Mediterranean Conference on Control and Automation, 2013, Chania, Greece.

[12] 谢 俊,陈凯旋,岳 东,等.基于多智能体系统一致性算法的电力系统分布式经济调度策略[J].电力自动化设备,2016,(02):112-117.

[13] 李 恒.基于Multi-Agent-System的日前电力市场环境下微电网的经济调度研究[D]. 秦皇岛：燕山大学,2015.

[14] 窦春霞,贾星蓓,李 恒.基于多智能体的微电网中分布式发电的市场博弈竞标发电[J].电网技术,2016(2):579-586.