考虑分布式电源与需求侧的主动配电网多级协调调度方法

耿 博 孙英英 黄 媚 李祖强 赵友国



考虑分布式电源与需求侧的主动配电网多级协调调度方法

耿 博 孙英英 黄 媚 李祖强 赵友国

（广东深圳供电局有限公司，广东深圳 518000）

主动配电网和智能配电网是未来配电网的主要发展方向。传统能源、分布式能源、储能及可控负荷等各类可调控资源的协调调度是主动配电网运行的关键。本文从供能和负荷控制角度对主动配电网协调优化调度问题进行研究，综合考虑不同特性的分布式电源、储能及可控负荷，建立各类可调控资源的调度模型，构建多时间尺度多目标优化的主动配电网协调调度系统。算例分析了系统对各类可调控资源的调度指导计划结果及调度后的配网运行效果，从而验证了所提调度方法及相关模型的可行性和有效性。

主动配电网；多级协调调度方法；分布式电源；储能；需求侧资源

分布式能源的发展近几年备受瞩目，大量分布式电源接入配电网，给配电网带来诸多影响，比如电压波动、谐波等[1]。为增加配网对于分布式电源的接纳能力，微网、虚拟电厂等技术被相继提出[2-3]。然而，目前各微网能量管理系统各自为政，追求本微网获取利益的最大化[4-5]。随着分布式发电的渗透率逐渐提高，这种状况显然不利于提高配网对于微网/分布式能源并网的欢迎度，也不利于配网的稳定可靠运行。

此外，随着国家经济的飞速发展，社会用电需求不断增长。能源枯竭、环境恶化等问题的出现，使得人们越来越意识到能源节约的重要性。提高用户用能效率、需求侧参与电网运行控制正是电力需求侧管理的核心理念[6-7]。考虑分布式发电和需求侧的新型配电网调度，需要同时关注供能侧和用能侧，并且能够解决多种能量流向带来的种种问题[8-9]。

在此背景下，主动配电网技术被提出。主动配电网相对于被动控制的传统配电网而言，对配电网内的分布式电源、需求侧负荷、储能等进行主动管理和主动控制[10]，调度控制技术是主动配电网的关键技术之一。目前，已有相关研究和示范在国内外开展，人工神经网络算法、组合优化方法等相继被用于解决主动配电网的优化调度问题[11]。文献[12]以机会约束规划为基础，建立考虑光伏、风电和储能的主动配电网调度的随机数学模型，实现主动配电网经济效益的最大化。文献[13]提出一种考虑分布式能源的主动配电网经济调度模型，采用智能单粒子优化算法进行优化求解。文献[14]从辐射状配网有功和无功协调优化的角度出发，建立日前调度的混合整数二阶锥规划模型。文献[15]对主动配电网进行控制区域划分，将全局优化与局部控制相结合，建立能量管理与协调控制系统。然而，目前主动配电网的协调调度技术仍然比较片面，主要集中在经济调度方面，且尚处于理论研究和示范阶段，在国内电力市场刚刚起步的情况下，这些方法距离工程实用化仍有一定距离。

基于此，本文以工程实用化为目标，提出一种综合考虑分布式发电、储能与可控负荷等多类可调控资源的主动配电网多目标多层级全资源协调优化调度方法，立足配网层面，以配电网削峰填谷、降低网损、安全稳定为目标，日前调度、日内调度与实时调度层级递进，协调配合，打造具有实际应用前景的主动配电网协调调度体系。

1 主动配电网多级协调调度系统

本文建立的主动配电网多级协调调度系统以分布式发电、储能、需求侧资源以及配网运行方式作为调控手段，从配网的角度出发，在配网安全可靠运行的前提下，考虑削峰填谷、降低网损等目标进行协调调度。系统包含日前调度、日内调度与实时调度三层时间尺度，日前调度采用粒子群算法进行优化计算，安排次日各类可调控资源生产计划；日内调度使用偏差修正方法，对日前计划进行修正调整；实时调度以电压灵敏度分析为基础，重点关注配电网以及各类可调控资源的安全可靠运行，在故障情况下及时进行调整控制。三层调度层级递进，协调配合，实现对各类可调控资源以及配电网的灵活调度管理。主动配电网多级协调调度系统架构图如图1所示。

本文采用日前、日内、实时三级时间尺度的调度模式。传统模式为日前调度与实时调度相配合，但这两级调度之间时间尺度跨度大、调度模式较粗放，无法适应大量分布式电源、储能、可控负荷接入后的新型配电网管理和调度的需求[16]。

图1 主动配电网多级协调调度系统架构

1）配网负荷及可调控资源预测数据通常与实际运行数据存在偏差，预测时间越长，误差越大，因此日前计划与实际运行存在一定偏差。

2）仅采用日前调度和实时调度的模式下，日前调度与实际情况的偏差将全部通过实时调度进行修正调整。然而能够满足实时调度快速性要求的可调控资源种类及调节容量往往有限，会导致实时调度可调节容量不足，进而影响配电网安全稳定运行。

以分布式光伏发电为例，通常预测时间越长，光伏发电功率预测误差也会随之增大，进而导致光伏日前发电计划的准确性和执行率存在问题。因此，研究多时间尺度调度协调配合的新型配网调度模式具有重要意义，采用日前、日内和实时调度逐级递进的调度模式，能够逐步降低由于预测误差和执行偏差等原因带来的配电网运行的不确定性，增强配电网对于分布式发电的接纳能力，保证配电网稳定可靠运行。

日前调度一般以15min为分辨率，制定次日24h各类可调控资源生产计划，以满足设备参数、网络安全等约束为前提，以调度成本最低、削峰填谷和降低配网网损等为目标。日内调度基于超短期预测，及时跟踪外部边界条件的变化，对各类可调控资源发电/用电计划进行滚动修正调整，降低运行偏差和执行偏差给配网带来的影响。在实时调度阶段，实时监测各类可调控资源和配网各节点运行状态，重点关注配网安全运行，进一步对实时扰动进行修正控制。

2 日前调度

目前计划有充足的时间进行优化计算，为次日24h配网及各可调控资源生产计划安排提供指导。本文日前调度立足配网层面，考虑工程实际应用条件，在满足各资源运行参数的基础上，以配网安全为约束，以削峰填谷、网损最小等为目标，以分布式发电、储能系统、可控负荷和配电网运行方式等多种可控资源为调控手段，进行优化计算分析和调度控制。

本文采用粒子群算法进行日前优化调度计算。粒子群优化算法最早是由美国社会心理学家James Kennedy和电气工程师Russell Eberhart提出的，兼有进化算法和群智能的特点，已成功地应用于各个领域。粒子群算法具有算法规则简单,容易实现，收敛速度快，且有多个措施可以避免陷入局部最优等优点[17]。

2.1 控制变量

式中，前个控制变量：可控分布式发电单元，发电功率；中间个控制变量：储能系统，充放电状态；中间个控制变量：可控负荷，用电功率。

2.2 优化目标

式中，min1为网损最小子目标函数；min2为削峰填谷子目标函数；1、2分别为3个子目标函数的权重系数。

1）网损最小子目标函数

式中，为系统节点数；B、B,0、0,0分别为系数的二次项、一次项和常数项；P、P分别为节点和节点的注入有功功率。

2）削峰填谷子目标函数

削峰填谷也就是使负荷曲线尽量平坦。负荷的方差可以反映负荷曲线的平坦程度，以此本文以负荷方差最小为削峰填谷子目标的目标函数，即

式中，为一个周期内的时段数；P为不包含分布式电源和储能出力时的负荷水平；N为分布式电源个数；为惩罚系数，指分布式电源实际发电行为与调度系统期望所期望的充放电行为不一致的惩罚参数；为一个周期内系统平均负荷。

（5）

式中，第一项为系统总负荷水平的方差，为了实现配电系统的削峰填谷；第二项为分布式电源实际发电行为与调度系统下发的发电指导计划不一致的 惩罚。

2.2 约束条件

含义：配电网潮流约束。

含义：分布式发电出力约束，主要取决于分布式发电的设备参数。

含义：储能充放电功率约束，受储能系统制造工艺的影响，储能有最大和最小充、放电功率的 限制。

对于不同的储能系统，不同时间段充放电功率的调整速度受到一定的限制。

式中，Ps为储能系统充放电功率在单位时间内的调整速度。

含义：可控负荷用电功率约束，可控负荷的用电功率不能超过其次日计划上下限。

3 日内调度

日内调度通常有基于超短期预测重新制定调度计划和根据偏差进行修正调整两种常见调度模式。前一种对分布式发电等可调控资源超短期预测的准确率依赖度较高，并且此模式将日前调度计划基本架空，使日前调度计划数据仅具有指导意义，这并不符合配网调度技术发展的需求和现实要求。基于上述考虑，本文研究的日内调度采用偏差修正方法。

日内调度的可调控资源可以根据实际情况进行选择，可以与日前调度相同，也可选择部分资源参与。本文以分布式发电、储能和可控负荷作为日内调度可控资源。日内调度的约束条件主要包括配网潮流约束和各类可调控资源的调节容量约束，此外，也可对各类可调控资源日内计划和日前计划的偏差进行相应限制。

在日内调度阶段，以配网负荷超短期预测数据为基础，与经过日前调度优化后的配网期望用电负荷进行对比计算，结合趋势分析方法，获得未来4h需要调整的偏差容量，并进行分类，各时段按照相应策略进行不同种类可调控资源调节容量计算和相同种类可调控资源内部调节容量分配。在此调度模式下，日内调度要做的不是完全推翻日前调度的计划，而是根据实际用电需求波动情况进行弥补修正，实现日前调度与日内调度的逐级递进，平滑过渡。

日内调度优化目标为

式中，为趋势分析考虑的时间节点个数；w为各时间节点偏差所占权重；DP为各时间节点偏差量。

日内调度为持续超前控制，每15min滚动运行。日内调度不要求一步到位，更多的是追求调度趋势的正确性。

3.1 可调控资源优先级

日内调度过程中，在不同的配电网运行偏差状态下，各类可调控资源具有不同的优先级，具体可以分为以下几种情况：

1）配电网超短期预测数据与期望用电计划数据相等

此时各类调节资源均不作调节，执行各自的发电/用电计划。

2）配电网超短期预测数据大于期望用电计划 数据

配网用电负荷增加，供电不足。此时优先调节各类分布式发电资源和储能资源。各类分布式发电资源增加发电出力，各储能系统转换至放电状态。如果仅分布式发电资源和储能资源的调节容量已经能够满足配电网用电负荷偏差的调节需求，就不再调整可控负荷用电计划，否则各可控负荷在其允许范围内削减用电负荷。

3）配电网超短期预测数据小于期望用电计划 数据

配网用电负荷减少，供电过量。此时优先调节各类可控负荷资源和各储能资源。各可控负荷资源增加用电负荷，各储能系统转换至充电状态。如果仅可控负荷资源和储能资源的调节容量已经能够满足配电网用电负荷偏差的调节需求，就不再调整各类分布式发电资源发电计划，否则各分布式发电资源在其允许范围内降低发电出力。

3.2 同类可调控资源调节容量分配原则

主动配电网中可调控资源包含多个类型，对于相同类型的可调控设备需要再次进行调节容量分配。

以可控负荷为例，配电网某区域中含有多个可控负荷区域，参照上节所述，能够获得本区域所有可控负荷未来4h调节计划。如果将此调节计划分配到本区域的多个可控负荷区域中，可以采用以下几种方法。

1）各类可调控资源内部可设置优先级，根据实际运行需要设定，各设备调节容量按照此优先级依次分配。

2）已断面潮流计算为基础，获取各设备网损灵敏度并以此为依据进行排序，各设备调节容量按照此顺序按比例分配或者依次分配。

3）按照各设备可调容量范围按比例分配。

4 实时调度

实时调度时间尺度较短，一般为5～15min，相对于日前调度和日内调度，实时调度阶段可调度的资源与容量范围相对有限，一般进行闭环控制，对配电网和各类可调控资源的经济性带来的影响比较小。因此，实时调度更多的关注配电网安全运行问题，在配电网相关运行指标如电压、频率等出现越限时，进行快速响应，调度能够满足响应速度的可调控资源进行调整，保证配电网的稳定可靠运行。

本文设计的实时调度功能模块具备两个主要方面的功能：

1）监视微网/分布式电源并网点电能质量，当并网点电能质量不符合要求时，发出离网指令，切除微网/分布式电源。

2）分布式能源接入后，可能会引起配网的电压越上限。实时调度功能模块通过储能、可控负荷、光伏出力等措施，消除电压越限，保证配网电压质量。

5 算例分析

本文以光伏、储能和可控负荷三类可调控资源为例，对日前调度、日内调度过程和效果进行说明。

太阳能光伏发电受自然条件约束，根据目前国家相关政策，一般属于不可调度发电单元。但是，考虑到在光伏电站与配网达成相关协议的情况下，在某些情况下，也可以优先满足配网调度的需求。同时，如果能够保证光伏发电实际发电全部被配电网消纳，就也能够满足国家对分布式光伏发电完全消纳的要求。此外，本文以光伏发电为典型代表模拟各类分布式电源调控过程。基于以上几点因素，本文将分布式光伏发电作为可调控资源之一，对其和需求侧资源以及储能的协调调度过程进行说明。

在工程实际应用中，还无法对储能单位的充放电功率进行调控控制，因此在本文中，仅对储能单元的充放电状态进行调节控制。

5.1 日前调度结果分析

配网负荷高峰、低谷门槛值可根据实际运行情况进行设置，根据设置好的配网负荷高峰、低谷门槛值，将配网次日负荷划分为高峰时段、低谷时段、平时段三种时段，如图2所示。

图2 配电网负荷（短期预测数据）

下面以配电网负荷削峰填谷为目标，在日前调度阶段，调度调节措施简要说明如下。

1）峰时段

高峰用电时段，光伏增加出力，储能进入放电状态，可控负荷减少用电。

2）谷时段

低谷用电时段，光伏减少出力，储能进入充电状态，可控负荷增加用电。

3）平时段

从经济性和实用性角度出发，不对各类可调控资源进行调节，按原计划安排生产即可。

各类可调控资源的调节容量，采用粒子群算法进行优化计算。同类可调控资源内各个设备的调节容量可根据可调容量范围进行比例分配，也可依次分配。光伏、储能、可控负荷日前调度结果如图3—图5所示。

如图3所示，根据日前调度安排，光伏在配网负荷低谷时段增加出力，在高峰时段降低出力，在平时段不进行调节。

图3 光伏日前调度前后发电计划

如图4所示，根据日前调度安排，储能在配网负荷低谷时段充电，高峰时段放电，平时段不进行调节。

（1：充电 -1：放电）

图5 可控负荷日前调度前后用电计划

根据日前调度安排，可控负荷在配网负荷低谷时段增加用电，高峰时段减少用电，平时段不进行调节。

假设各类可调控资源均按照日前调度下发的指导计划安排次日生产计划，得到的日前调度后的配网负荷如图6所示。

图6 日前调度对配网用电负荷的影响

在原预测负荷低谷时段，虚线比实线有所抬升，说明日前调度达到填谷效果；在原预测负荷高峰阶段，虚线比实线有所削减，说明日前调度达到削峰效果。

5.2 日内调度结果分析

配电网短期负荷预测结果与实际负荷往往存在一定偏差，图7中，虚线为配电网超短期负荷预测数据，实线为经过日前优化调度后得到的期望配网用电曲线。

图7 配电网负荷（超短期预测）

由图7所示，可以根据配网用电负荷偏差将其划分为两种时段，分别以时段1和时段2进行标示。

日内调度以修正配网用电负荷偏差为目标，可调控资源包括光伏、储能和可控负荷3类。在不同类型时段，各类可调控负荷具有不同的调节优先级。

1）时段1

（1）预测此时段用电负荷低于日前预期，此时调用各类可调控资源进行修正调整。

（2）首先调用可控负荷和储能，安排可控负荷增加用电，储能进入充电状态。

（3）如果调整容量仍然不足，就再调用光伏发电，安排光伏发电适当消减发电出力。

2）时段2

（1）预测此时段用电负荷高于日前预期，此时调用各类可调控资源进行修正调整。

（2）首先调用光伏和储能，安排光伏增加出力，储能进入放电状态。

（3）如果调整容量仍然不足，再调用可控负荷，安排可控负荷消减用电。

对于储能系统，根据实际运行情况，在此只对其进行充电、放电状态调节，不进行量化分析。同类可调控资源内各个设备的调节容量可根据可调容量根据网速灵敏度依次分配。光伏、储能、可控负荷日前调度结果如图8—图10所示。

如图8所示，在时段1，预测此时段实际用电负荷低于日前预期，降低光伏出力。在时段2，预测此时段实际用电负荷高于日前预期，增加光伏 出力。

图8 日内调度光伏12∶00—16∶00调节容量

如图9所示，在时段1，预测此时段实际用电负荷低于日前预期，储能充电。在时段2，预测此时段实际用电负荷高于日前预期，储能放电。

（1：充电 -1：放电）

如图10所示，在时段1，预测此时段实际用电负荷低于日前预期，可控负荷增加用电功率。在时段2，预测此时段实际用电负荷高于日前预期，可控负荷减少用电功率。

图10 日内调度可控负荷12∶00—16∶00调节容量

经过日前调度后，配电网超短期负荷预测数据和日前安排计划之间的偏差将会减小甚至将偏差减少至0，有利于配网安排生产用电计划，实现经济高效运行。

6 结论

本文研究主动配电网中分布式光伏发电、需求侧可控负荷及储能等可调度资源的调度模型，建立以日前调度、日内调度和实时调度层级递进的新型配电网调度模式，对配网运行方式和各类资源进行更加灵活的控制管理，提高配网对于分布式发电的接纳能力和负荷用电效率，增强需求侧参与配网调度的有序性。由算例分析结果可知：

1）日前调度、日内调度和实时调度层级配合的调度模式是可行有效的，能够实现层级递进，平稳过渡。

2）日前调度优化次日各资源生产计划，能够有效实现配网负荷削峰填谷、降低网损等目标。

日内调度修正实际运行偏差，能够实现配网高效稳定运行。

[1] 刘健, 林涛, 同向前, 等. 分布式光伏电源对配电网短路电流影响的仿真分析[J]. 电网技术, 2013(8): 2080-2085.

[2] 别朝红, 林雁翎, 张建华. 微网技术及其标准体系的研究[J]. 高电压技术, 2015, 41(10): 1003-6520.

[3] 卫志农, 余爽, 孙国强, 等. 虚拟电厂的概念与发展[J]. 电力系统自动化, 2013, 37(13):

[4] 肖青, 陈洁, 杨秀, 等. 含多种分布式电源的微网动态经济调度[J]. 电力系统及其自动化学报, 2013, 25(4): 22-28.

[5] 许玉贞, 詹红霞, 张瑞冬, 等. 考虑风电预测误差成本的微网经济调度[J]. 电气技术, 2015, 16(5): 26-29, 34.

[6] 梁甜甜, 高赐威, 王蓓蓓. 智能电网下电力需求侧管理应用[J]. 电力自动化设备, 2012, 32(5): 006-6047.

[7] 宋艺航, 谭忠富, 于超, 等. 需求侧峰谷分时电价对供电公司购售电风险影响分析模型[J]. 电工技术学报, 2010, 25(11): 183-190.

[8] 李鹏. 电力需求响应机制下含电池储能系统的风光互补发电系统经济调度研究[J]. 电气技术, 2015, 16(3): 57-60.

[9] Pilo F, Pisano G, Soma G G. Advanced DMS to manage active distribution networks[C]//PowerTech, 2009 IEEE Bucharest, 2009: 1-8.

[10] Mcdonald J. Adaptive intelligent power systems: Active distribution networks[J]. Energy Policy, 2008, 36(12): 4346-4351.

[11] 曾博, 杨煦, 张建华. 考虑可再生能源跨区域消纳的主动配电网多目标优化调度[J]. 电工技术学报, 2016, 31(22): 148-158.

[12] 王健, 谢桦, 孙健. 基于机会约束规划的主动配电网能量优化调度研究[J]. 电力系统保护与控制, 2014, 42(13): 45-52.

[13] 尤毅, 刘东, 钟清, 等. 主动配电网优化调度策略研究[J]. 电力系统自动化, 2014(9): 177-183.

[14] 刘一兵, 吴文传, 张伯明, 等. 基于混合整数二阶锥规划的主动配电网有功-无功协调多时段优化运行[J]. 中国电机工程学报, 2014, 34(16): 2575-2583.

[15] 刘东, 陈云辉, 黄玉辉, 等. 主动配电网的分层能量管理与协调控制[J]. 中国电机工程学报, 2014, 34(31): 5500-5506.

[16] 张伯明, 吴文传, 郑太一, 等. 消纳大规模风电的多时间尺度协调的有功调度系统设计[J]. 电力系统自动化, 2011, 35(1): 1-6.

[17] 王晓丽. 粒子群优化算法的改进及其应用研究[D]. 太原: 太原科技大学, 2008.

Study of Active Distributed Network Multi-layer Dispatching Method Considering of Distributed Energy and Demand Side

Geng Bo Sun Yingying Huang Mei Li Zuqiang Zhao Youguo

(Guangdong Shenzhen Power Supply Co.,Ltd, Shenzhen, Guangdong 518000)

Active and intelligent distribution network is its principal developing trend. There are several controllable resources such as traditional energy sources, distributed energy sources, energy storage, controllable load and so on in distributed network, and the regulated scheduling of these resources is one of the key technology for active distributed network operation. This paper researches the coordinated optimal dispatching method of active distribution network from the view of power supply and load control. The dispachting model of distributed energy, energy storage and controllable load are built and a coordinated optimal dispatch system is porposed. This paper gives some account casese about the regulation guidance plans and which shows the feasibility and validity of the dispatching model and method.

active distributed network; multi-layer coordinated dispatching method; distributed energy; erengy storage; demand side

耿 博（1986-），男，本科，工程师，主要从事电网调度运行控制与优化等方面的工作。