智能配用电系统综合效益分析模型研究

孙强，傅旭华，王林钰，刘斌，王坤，李宏仲

（1.国网能源研究院，北京 102209；2.国网浙江省电力公司经济技术研究院，浙江杭州 310008；3.上海电力学院电气工程学院，上海 200090）

智能配用电系统综合效益分析模型研究

孙强1，傅旭华2，王林钰1，刘斌3，王坤2，李宏仲3

（1.国网能源研究院，北京 102209；2.国网浙江省电力公司经济技术研究院，浙江杭州 310008；3.上海电力学院电气工程学院，上海 200090）

以智能配用电系统的典型特征为基础，梳理具有代表性的典型智能配用电系统业务，并从全社会的角度出发，针对储能装置、分布式电源（DG）、充电站、微电网和智能家居等智能配用电系统中的典型设备，建立成本效益模型。通过提炼各种业务间关联关系，提出较为完备的自底向上的智能配用电系统综合效益分析模型。结合算例，对含有BESS、DG和电动汽车充换电站的配用电系统进行了综合效益评估，并分析了当多种智能业务同时存在时，单一业务对网损效益、可靠性效益的贡献度。为以后智能配用电系统综合经济性的评估和不同业务对效益的贡献分析提供了一定依据。

智能配电网；配用电系统；典型业务；综合效益

自2009年国家电网公司提出建设坚强智能电网以来，我国的智能电网建设已经取得巨大成就，并逐步从以特高压为核心的输电网深入到配用电系统领域[1-2]。配用电系统是电网系统智能化的重要突破口，其智能化水平对坚强智能电网的整体性能有着巨大影响。智能配用电系统综合运用现代通信、信息、自动控制、高级量测等技术，通过用电信息采集、双向互动服务、配电自动化、电动汽车有序充电、分布式电源控制、储能等技术提供多样化的优质用电服务，提高电网可靠性、安全性，减小电网损耗，提高能源利用效率，满足电动汽车、DG和分布式储能等新能源的接入与推广应用[3-5]。

大量新型智能化业务的出现和对原有元件的替代，使得智能配用电系统相比传统配用电系统具有更加智能化的功能和特性，对配用电系统的规划、设计、运营带来显著的影响。分析各类新型业务本身的综合效益，以及应用到电力系统中时对系统内其他业务以及配用电系统整体综合效益的影响，对于合理安排智能化技术推广应用、科学推进智能配用电系统建设具有重要现实意义。

1 智能配用电系统综合效益分析模型研究现状

伴随智能配用电系统的发展，已经开展了一些智能化业务效益分析的研究。目前已有的研究主要专注于某一类智能化典型业务的分析，如针对独立储能、DG、电动汽车充换电站、微电网等智能业务的效益研究[6-11]。

对于智能配用电系统来说，它结合了多种不同的典型业务，每一种业务对系统整体性能有不同程度的影响；不同业务之间，如储能和DG，微电网与储能、DG之间都存在着包含或关联关系，它们共同作用于智能配用电系统。因此，当多类智能业务同时用于配电系统时，仅依靠对单独业务的分析，并进行叠加，虽然能了解效益来源，但容易造成实际效果的重复计算；而直接从整体分析，则能得出比较系统的综合效益值，但对效益来源比较模糊，不能根据需求开展具体的业务建设和规模调整等工作。文献[12]将智能电网建设的总体效益分为不同的类别，建立了不同的指标，最终计算出投入产出，方法主要分析了产出结果，而对产出来源没有进行明确界定。

本文在建立各智能设备成本效益模型的基础上，研究分析配用电系统整体的综合效益，并通过算例进行验证，同时针对效益的关联部分进行了灵敏度分析，得到各智能设备对各类效益的贡献度影响。

2 智能配用电系统综合效益分析模型

智能配用电系统综合效益的分析采用投入产出方法，并结合全寿命周期理论，在对单项业务进行经济效益分析的基础上建立综合效益的经济模型。对于无关联关系的效益因素，仍采用单独效益加和的结果，而对于具有重叠或互相影响关系的效益，利用实时仿真获取整体效益，如与网络计算有关的网损效益和可靠性效益。智能配用电系统的年综合效益模型可以表示为：

式中：E为多种智能业务同时存在时系统的综合效益年值；Ca为每年的成本值。

2.1 效益模型

2.1.1 减少电网扩建效益

在具有很高输配电建设成本的地区，为满足较小的负荷增长而需要新建输配电线路及其配套设备时，负荷侧就地配置储能、DG或微电网均可以减少新建输配电设备所带来的高额投资，从而起到减少电网扩建的作用，所带来的减少电网扩建的等效效益为：

式中：Cd为配电网的单位造价，万元/MW；λd为配电设备的固定资产折旧率；η、ξ、ζ分别为储能效率、各类DG的实际发电效率、微电网中微电源的实际发电效率；Psmax、Prmax、Pmmax分别为储能、DG和微电网中微电源的额定功率，MW。

2.1.2 网损效益

储能、充换电站、DG和微电网的合理配置可实现削峰填谷，拉平负荷曲线，提高负荷率，实现负荷的就地供电，减少长距离输电传输所带来的网损。网损与配电网的实际潮流有关，在计算网损效益时可以在软件部分将所需的多种智能业务同时接入系统中，运行潮流得到相关的网损指标。则智能配用电系统的年网损效益为：

式中：ξif和ξil分别为配网系统安装智能业务前后系统的网损，MW；ei为第i小时的实时电价。

2.1.3 可靠性效益

储能、DG和微电网等智能业务在系统故障时均可以作为其备用电源，及时为用户提供电能，减少用户的停电时间；配电自动化的使用可以实现迅速定位故障点、隔离非故障区域、有效控制故障范围和时间，同时又可以大大提高倒闸操作的效率并减少由于停送操作引起的无谓停电，从而提高系统可靠性。由于某一供电可靠性水平下的经济效益较难评估，可以对可靠性作间接定性评估。系统的可靠性效益为：

式中：ENSIf和ENSIl分别为安装智能业务前后系统的缺供电量，可通过仿真得到；IEAR为缺电损失评价率，即由于电力供给不足或中断所引起用户缺电、停电造成的经济损失，可视智能业务安装点的性质而定，在不确定其安装点的情况下，取该地单位电量的GDP产值。

2.1.4 环境效益

在中国发电能源结构中，煤炭所占比例最大，提供了约80%的电力。集中式燃煤发电所产生的主要污染物有SO2、CO2、NOx、CO等[13-14]。DG和微电网中的微电源往往以天然气、H2或风力、太阳能可再生清洁能源为发电原料，能大大减少污染物的排放。除此之外，随着电动汽车的普及，社会对传统燃油汽车的需求量逐渐减小，减少了汽车尾气的排放，从而具有良好的环境价值。

式中：Er4、Em4和Ee3分别为DG、电动汽车充换电站和微电网分别对应的环境效益模型；vi，j和vj，k分别为DG和微电网中j种DG的第i种污染物和k种微电源的第j种污染物的排放系数；v0，i和v0，j为DG和微电网中集中式燃煤发电的第i和j种污染物的排放系数；Vi、Vj为DG和微电网相应污染物的环境价值；k和M分别为DG和微电网污染物的种类；tAV，j和tAV，k分别为第j种DG和微电源中第k种微电源的年设备平均利用小时数；tAV为DG或微电网中微电源的综合平均利用小时数；Pr和Pm分别为DG和微电网中微电源的发电量；NRES为基于传统化石燃料发电的微电源类型集合；VdCO2、VdCO、VdNOx和VdCN分别CO2、CO、CN化合物和NOx的排放价格，元/kg；KdCO2、KdCO、KdNOx和KdCN分别为相应污染物的减排系数，kg/100 km；Lj为第j种（公交车、公务车、出租车和私家车）电动汽车的日均行驶里程，km；Nj为相应种类电动汽车的辆数。

2.1.5 节能效益

可再生清洁能源DG及微电网中微电源的使用，可以减少化石能源的消耗；电动汽车充换电站的完善可以促进电动汽车的使用，减少对燃油的需求量；智能家居作为减少家庭能耗的一大利器，具有明显的节能效益；而配电自动化的使用，可以节约日常现场操作、故障现场监测等成本，从而产生节能效益。综上，节能效益可以表示为：

式中：Eh、Ed2、Er5、Em5和Ee4分别为智能家居、配电自动化、DG、微电网和充换电站所产生的节能效益；Mc为火电机组产生单位电能所消耗的煤炭量，g/kW·h；pc为煤炭价格，万元/t；m为配网中可再生能源DG和微电网中微电源的数量；Er，i和Em，i分别为第i个可再生能源DG和微电源的年总发电量；乘用车包括3种，即电动出租车、电动私家车和电动公务车。L公交和L乘用为相应某种电动汽车的日均行驶里程，km；N公交和N乘用为相应某种电动汽车的辆数；cc为标准煤的价格；Kc，公交和Kc，乘用为电动公交车和乘务车的耗煤系数；co，公交和co，乘用为公交车和乘务车所使用0号柴油和93号汽油的价格；Ko，公交和Ko，乘用为公交车和乘务车相应的油耗[15]。

2.1.6 低储高发效益

所谓低储高发，即在负荷低谷期、电价较低时储存电能，在负荷高峰期、电价较高时释放电能所获得的经济效益。储能系统具有明显的低储高发效益，电动汽车充换电站可以在电价较低时，对电动汽车进行充电、换电；而在用电高峰期、电价较高时，使用低谷时充好的电池进行换电，其产生的充换电效益也可视作为低储高发效益，则该项年效益可以表示为：

式中：Es3、Ee2和Ee5分别为储能的低储高发效益、电动汽车充换电站的换电效益和充电效益；P+i和P－i分别为第i小时段储能的放电功率和充电功率（负荷低谷时净充电，负荷高峰时净放电）；n为储能装置年投运天数；ei为i小时段的电价；ehb和ehs分别为电动公交车和电动乘用车（出租车、私家车和公务车）的换电服务价格；Qkmax为第k辆电动公交车所需的电池容量，kW·h；nk为第k辆电动公交车一年内的换电次数；Qdmax为第d辆电动出租所需的电池容量，kW·h；nd为第d辆电动出租车1 a内的换电次数；Qk、Qd、Qm和Qg分别为公交车第k次、出租车第d次、公务车第m次和私家车第g次所需充电的充电量，kW·h；ecb和ecs分别为电动公交车和乘用车的充电服务价格；n′k、n′d、n′m和n′g分别为公交车、出租车、公务车和私家车1 a内对应的充电次数；ηc为充电站的转换效率，按90%考虑。

2.1.7 其他效益

其他效益主要指储能系统的新能源并网备用容量。由于分布式新能源发电的功率输出具有很大的随机性和波动性，所以当建设DG系统时需要配备与风电场额定容量相当的备用容量以应对其波动性。蓄电池储能系统可以快速调节其消耗及发出的功率，可以更好地代替常规电源作为新能源发电的备用容量。为方便计算，将储能理想化为均匀充放电，所以在其充放电期间，剩余电量在0～PsmaxT之间服从均匀分布，其储存电量期望值为0.5PsmaxT。该项效益可以表示为：

式中：es为备用容量的价格，万元/（MW·a）；T为储能装置以功率Psmax充电的持续时间，h。

综上所述，智能配用电系统所产生的综合效益年值可以表示为：

2.2 成本模型

从全寿命周期成本的角度出发，智能化典型业务的成本可以分为初期投资成本、运行维护成本和退役成本。

2.2.1 初期投资成本

智能业务的初期投资成本由规划设计成本、物资采购成本和工程建设成本组成。其中，规划设计成本即为可研及初设费；物资采购成本包括设备费和运输费；工程建设成本包括设计费、安装调试费、场地费和验收费。综上所述，初期投资成本可以表示为：

2.2.2 运行维护成本

不同智能业务其运行维护成本组成不同，且随着智能业务投入运行时间的增长，其每年的运维成本也在不断变化。从综合成本的角度考虑，则运行维护成本可以表示为：

式中：ρ为单位容量的年运维成本，万元/MV·a；Pmax为所有智能业务的总容量。

2.2.3 退役成本

不同智能业务在退役时由于其自身的特殊性，可能会产生一定量的环保费用支出，同时在寿命期末处置该类长期资产时会获得一定的价值，利用双倍余额递减法，可计算得到智能业务的残值，在折旧年限Ni到达时智能业务产生的残值可以表示为：

则智能业务全寿命周期内的退役成本可以写为：

根据全寿命周期成本理论，在设备的生命周期内，应当考虑通化膨胀、税收等因素所得到的社会折现率。则智能业务的年平均总成本可以表示为：

式中：r为年折现率。

3 效益的贡献度

在智能配电网系统的效益分析中，由于各种智能业务产生的网损效益和可靠性效益跟网络计算相关，且单项业务所产生的两项效益并不是完全独立的，它们之间相互关联并存在重叠部分，所以为了避免重复计算，利用软件仿真从整体上对2项效益进行求解。为了解决各种智能业务接入配网后，单一智能业务对网损效益和可靠性效益的贡献程度，现引入网损灵敏度和可靠性灵敏度的概念。

3.1 网损效益的贡献度

当多种智能设备或系统接入配电网中时，由于其作为引入配网的新负荷或新电源会引起某些节点处注入功率的变化，从而对潮流及线路网损产生影响。所以，网损灵敏度可反映发电机、负荷的注入功率对网损的影响程度，即可以反映智能业务的接入对网损的影响。

在有n个节点的网络中，若除了节点i和平衡节点S外，其他节点注入的有功和无功功率均不变，则系统中产生的网损只是由i和S两节点处注入的有功功率变化引起的。网损灵敏度可以表示为[16]：

式中：Pi为智能业务的功率；系数矩阵为极坐标表示时牛顿-拉夫逊潮流计算修正方程式的雅克比矩阵。

根据网损效益的计算公式可以求解出当q个智能业务同时接入同一配电系统中时，系统的网损总效益为El，则第p个智能业务所产生的网损效益为：

式中：λp为第p个智能业务的网损灵敏度，即单一智能业务的网损灵敏度；分母为接入配电网络中的所有智能业务的网损灵敏度之和。

3.2 可靠性效益的贡献度

智能配用电系统中的不同智能业务均可以提高系统的可靠性，但所提高的可靠性并不等于各类业务单独接入时所提高可靠性的单纯组合。为了研究当有多种智能业务接入同一个配电网络中时，单一智能业务对系统可靠性效益所作出的贡献，就需要研究可靠性对单一智能业务的灵敏度。

该部分采用内嵌式的灵敏度分析方法进行可靠性效益贡献度的分析。虽然不同类型的智能业务特性不同，但其接入配电网后均可以等效为电源或负荷，并对系统的可靠性指标产生影响。

本文选取2个可靠性指标：智能业务对系统停电率的灵敏度λu、对系统停电时间的灵敏度λt。设有q个智能业务同时接入同一配电网络中，则第p个智能业务对系统停电率的灵敏度为λup，对系统停电时间的灵敏度为λtp，则单一智能业务的可靠性灵敏度为：

根据式（4）可靠性效益计算公式可以求得当q个智能业务同时接入同一配电系统中时系统总的可靠性效益Er，则第p个智能设备所产生的可靠性效益为：

4 算例分析

4.1 算例描述

算例选取某区域的一条10 kV配电线路。该算例线路的供电半径较长，节点较多，有2块重负荷区域，分别为：节点23和节点25。该配网系统的日负荷曲线如图1所示。

图1 算例系统的日负荷曲线Fig.1 Daily load curve of an example system

4.2 智能配用电系统的综合效益

为了评估智能配用电系统的综合效益，在配电网系统的节点23、3、4处分别接入大小为0.3 MW的分布式电源、0.2 MW的储能和0.3 MW的电动汽车充换电站。为了计算方便，3种智能业务的寿命年限均取15 a。通过仿真运算，可以得到该智能配用电系统的成本效益组成及系统的综合效益，如表1所示。

表1 智能配用电系统的成本效益组成Tab.1 The structure of cost and benefit for smart distribution and utilization system

由表1可以看出，智能配用电系统的使用具有一定的社会效益，其中低储高发效益和可靠性效益最可观。

4.3 不同智能业务对效益的贡献度

智能配用电系统的网损效益和可靠性效益与网络计算相关，所以当不同智能业务同时存在于同一配电网络中时，各类单一智能业务产生的网损效益（可靠性效益）简单加和并不等于系统所产生的综合网损效益。为了研究不同智能业务对与网络计算相关效益的贡献程度，需要对其相应效益的灵敏度进行分析。通过算例仿真，得到BESS、DG和充换电站对网损效益和可靠性效益的贡献度，分别如图2和图3所示。

图2 不同智能业务对网损效益的贡献度Fig.2 Contribution degree of different smart devices to the net loss benefit

图3 不同智能业务对可靠性效益的贡献度Fig.3 Contribution degree of different smart devices to the reliability benefit

由于本文在对智能业务所产生综合效益的处理上，忽略了其自身的特性，将其视为系统新接入的电源或负荷。所以从上图可以看出，同一容量的不同智能业务对可靠性效益和网损效益的贡献度有所不同。DG和充换电站的安装容量相同，但由于两者的安装位置不同，对两种效益的影响程度有差异。DG与充换电站相比对，其网损效益的贡献度高，为18%，而可靠性效益却低，为1%。

网损效益与网络计算相关，智能业务的安装位置和安装容量均会引起系统潮流的变化，从而产生相应的网损效益。所以，不同智能业务对网损效益的影响会同时受安装位置和安装容量的影响，如图2所示。而可靠性效益的计算过程中，其算法采用的是回路搜索法，计算时只搜索与某一负荷点具有影响的设备，即可靠性效益与智能业务的安装位置有关，而与其容量无关。所以由图3可知，智能业务所产生的可靠性效益与其安装容量并不成比例关系。

5 结语

本文在分析前人研究的基础上，建立了智能配用电系统中各智能业务的成本效益模型，并提出了较为完备的综合效益分析模型。对于与网络计算相关的网损效益和可靠性效益，由于多个智能业务同时存在时所产生的两项效益会存在一定的冗余，所以引入了网损灵敏度和可靠性灵敏度的概念来分析不同智能业务对综合网损效益和综合可靠性效益的贡献程度。以此为基础并结合算例，对含有BESS、DG和电动汽车充换电站的配用电系统进行了综合效益评估，并分析了当多种智能业务同时存在时，单一业务对网损效益、可靠性效益的贡献度。为以后智能配用电系统综合经济性的评估和不同业务对效益的贡献分析提供了一定依据。

[1]张文亮，刘壮志，王明俊，等.智能电网的研究进展及发展趋势[J].电网技术，2009，33（13）:1-11.ZHANG Wenliang，LIU Zhuangzhi，WANG Mingjun，et al.Research status and development trend of smart grid[J].PowerSystemTechnology，2009，33（13）:1-11（in Chinese）.

[2]胡学浩.智能电网——未来电网的发展态势[J].电网技术，2009，33（14）:1-5.HU Xuehao.Smart grid：A development trend of future power grid[J].Power System Technology，2009，33（14）: 1-5（in Chinese）.

[3]刘国军，侯兴哲，王楠，等.智能配用电通信综合网管系统研究[J].电网技术，2012，36（1）:12-17.LIU Guojun，HOU Xingzhe，WANG Nan，et al.An integrated network management system for communication of smart power distribution and utilization grid[J].Power System Technology，2012，36（1）:12-17（in Chinese）.

[4]罗超.基于云存储的智能配用电系统及其访问控制方法研究[D].北京:华北电力大学，2014.

[5]CHEN Chaoshun，LIN Chiahung，Shih-Chieh Hsieh，et al.Development of smart distribution grid[C].IEEE Inter-national Symposium，2013:4-6.

[6]KYUNG S K，MCKENZIK K J，LIU Y L，et al.A study on applications of energy storage for the wind power operation in powersystems[C].Canada:IEEE Power Engineering Society General Meeting，Montreal Quebec，2006.

[7]苏虎，栗君，吴玉光，等.储能电池系统经济价值的评估[J].上海电力学院学报，2013，29（4）:315-320.SU Hu，LI Jun，WU Yuguang，et al.Assessment of the economic value of the energy storage battery systems[J].Journal of Shanghai University of Electric Power，2013，29（4）:315-320（in Chinese）.

[8]颜志敏，王承民，郑健，等.配电网中蓄电池储能系统的价值评估模型[J].电力自动化设备，2013，33（2）:57-61.YAN Zhimin，WANG Chengmin，ZHENG Jian，et al.Value assessment model of battery energy storage system in distribution network[J].Electric PowerAutomation Equipment，2013，33（2）:57-61（in Chinese）.

[9]李德泉，徐建政，杨硕.分布式发电效益分析及其量化模型[J].电力系统保护与控制，2012，40（14）:147-151.LI Dequan，XU Jianzheng，YANG Shuo.Benefits analysis of distributed generation and its quantitative models[J].Power System Protection and Control，2012，40（14）: 147-151（in Chinese）.

[10]居勇.建设电动汽车充电站的约束条件及综合效益分析[J].华东电力，2011，39（4）:0547-0550.JU Yong.Electric vehicle charging station constraint conditions and comprehensive benefit analysis[J].East China Electric Power，2011，39（4）:0547-0550（in Chinese）.

[11]梁惠施，程林，苏剑.微网的成本效益分析[J].中国电机工程学报，2011，31（4）:38-44.LIANG Huishi，CHENG Lin，SU Jian.Cost benefit analysis for microgrid[J].Proceedings of the CSEE，2011，31（4）:38-44（in Chinese）.

[12]曾鸣，李凌云，马明娟，等.基于区间数的智能电网经济效益评价研究[J].华东电力，2013，41（2）:0249-0253.ZENG Ming，LI Lingyun，MA Mingjuan，et al.Economic benefits evaluation of smart grid based on interval numbers[J].East China Electric Power，2013，41（2）:0249-0253（in Chinese）.

[13]曾鸣，田廓，李娜，等.分布式发电经济效益分析及其评估模型[J].电网技术，2010，34（8）:129-133.ZENG Ming，TIAN Kuo，LI Na，et al.Economic benefits analysis of distribution generation and its assessment model[J].Power System Technology，2010，34（8）:129-133（in Chinese）.

[14]徐武峰.电动汽车充换电设施投资效益分析[J].电气技术，2015（4）：108-114.XU Wufeng.The discussion on economic benefit of electric vehicle charging facilities[J].Electrotechnical Application，2015（4）：108-114（in Chinese）.

[15]魏国华.基于灵敏度的网损分析和网络参数的综合优化[D].秦皇岛:燕山大学，2010.

Study on Comprehensive Benefit Analysis Model of Smart Distribution and Utilization System

SUN Qiang1，FU Xuhua2，WANG Linyu1，LIU Bin3，WANG Kun2，LI Hongzhong3
（1.State Grid Energy Research Institute，Beijing 102209，China；2.Economics Technology Research Institute，State Grid Zhejiang Electric Power Company，Hangzhou 310008，Zhejiang，China；3.College of Electrical Engineering，Shanghai University of Electric Power，Shanghai 200090，China）

Starting from the characteristics of the smart distribution and utilization system，typical and representative applications are summarized in this paper for further research.The comprehensive benefit analysis model of smart distribution and utilization system viewed from the perspective of the entire society，taking the battery-energy storage system（BESS），distributed generation（DG），charging station，microgrid and smart home into account，is introduced on the basis of establishing the cost benefit models of all kinds of smart devices through extracting the correlation among the various business from the bottom to the top.Combined with an example，the comprehensive benefit of smart distribution and utilization system and the contribution degrees of smart devices to the benefits are analyzed．

smart devices；comprehensive benefit；installation position；configuration capacity

2015-09-25。

孙 强（1977—），男，博士，高级工程师，主要研究方向智能电网、能源电力规划与分析。

（编辑 董小兵）

国家“千人计划”项目（XM2014040042804）。

ProjectSupported by the NationalThousand Talents Plan（XM2014040042804）.

1674-3814（2016）05-0040-07

TM71

A