面向“源-网-荷-储”的主动配电网优化重构及协调调度研究

邢海军，洪绍云，范宏，赵晓莉

(1．上海电力学院电气工程学院，上海市 200090；2．国网江西省电力有限公司建设分公司，南昌市 330001)

0 引 言

截至2018年一季度末，我国可再生能源发电装机达到6.66亿kW，其中，风电装机1.68亿kW、光伏发电装机1.4亿kW。分布式电源(distributed generation，DG)大规模接入，给配电网运行带来一系列的问题，如谐波污染、接入点电压升高、系统双向潮流、新能源消纳困难等[1-2]。

随着配电网改造、智能配电网建设的不断推进，现代配电网已发生了翻天覆地的变化。现代配电网除了承担分配电能的任务，还安装了大量的终端测量器件用于实时掌握配电网运行状态，优化配电网的运行，如高级量测装置(advanced metering infrastructure，AMI)、远程终端单元(remote te2rminal unit，RTU)、智能配电终端单元(intelligent distribution terminal unit，IDU)等。这些器件为分布式电源、配电网、负荷、储能等设备的主动管理和控制提供了保障[3-5]。

主动配电网(active distribution network，ADN)主动管理策略包括：“源端”的DG出力调度、电动汽车充放电控制；“网端”的电容器组无功补偿、有载调压变压器(on-load tap changer，OLTC)调整、网络重构；“荷端”的需求侧管理；“储端”的电池储能系统(battery energy storage system，BESS)优化运行等。ADN“源-网-荷-储”协调优化运行主要考虑通过各位置上的可控设备相互协调优化系统运行状态，包括：提高系统的性能指标，如降低网络损耗、提高可靠性等；适应DG、负荷等的不确定性；提高间歇性能源的消纳；降低DG等新能源对系统的负面影响。

近些年，面向“源-网-荷-储”的主动配电网协调优化运行研究较热。文献[6]通过提高需求侧和供应侧资源的协调可控性来应对当前电力系统双侧随机问题，在此基础上提出以系统成本及污染排放最小化为目标函数的“源-网-荷-储”优化调度模型。文献[7]提出了一种“源-网-荷”相协调的主动配电网经济调度方法，该方法计及购电成本、损耗成本、需求侧管理成本，建立了以配电网运行成本最低为目标的经济调度模型。文献[8]综合考虑了主动配电网中的多种可调资源，以周期内系统总运行成本最低为目标函数建立了主动配电网的最优经济运行模型。文献[9]提出了一种交直流混合主动配电网的分层分布式多源协调优化调度体系。在局部调度层，针对分布式电源，结合储能单元进行联合出力优化，其结果上报给区域调度层，在区域调度层，充分尊重并利用配电网各交、直流区域的自主运行特性。文献[10]建立了考虑分布式电源特性与电价影响的主动配电网调度优化决策模型，并利用序优化方法进行快速高效求解。文献[11]提出了一种主动配电网鲁棒优化调度方法，运用需求响应技术，通过电价激励达到调控负荷的目的，从而实现对负荷削峰填谷的作用，其运用两层规划模型将可再生能源的无功调节能力与配电网传统调控手段相配合。文献[12]的数学模型除了考虑有载调压、DG调度等普通的主动管理策略外，还加入了储能系统调度，由于储能的时序特性，文献[12]中引入了电池电量约束及相邻时刻充放电约束。

由于网络重构变量的多维度性，已有文献很少将网络重构加入到主动配电网协调优化运行中。本文面向“源-网-荷-储”的主动配电网优化重构及协调调度，考虑风电、光伏接入ADN，主要的创新之处包括：采用多时段网络重构方案与电池储能系统优化运行相结合等主动管理策略达到协调优化；建立面向“源-网-荷-储”的ADN优化重构及协调调度的二阶锥规划(second order cone programming，SOCP)模型。最后通过IEEE 33节点算例[13]进行验证。

1 网络重构及储能运行优化

1.1 网络重构

网络重构是在配电网正常运行状态下，通过分段开关和联络开关的操作进行运行优化，降低网损、提高供电可靠性；在故障状态下，通过开关操作恢复故障停电区域供电[14-15]。配电网重构不需要进行新设备的投资，却能够带来电网在经济性、安全性等多方面的提升，是较经济的主动管理策略。

传统文献的网络重构方案多数是静态重构，即给出适应该时刻的满足重构目标的拓扑网络方案。本文考虑网络重构是对应配电网络日前调度下找到适应负荷及分布式电源24个时刻变化的网络重构方案。具体的网络重构在第2节模型中体现。

1.2 储能优化运行

BESS在日常使用过程中需要根据储能效率、循环寿命、能量密度、功率密度、响应时间、环境适应能力、充放电效率、自放电率、深放电能力等技术条件进行选择。本文电池储能系统运行数学模型如下详述[16]。其中：式(1)为BESS放电功率的上下限约束；式(2)为BESS充电功率的上下限约束；式(3)为BESS荷电状态约束；式(4)为BESS相邻时刻容量约束；式(5)为BESS功率爬坡率约束。

(1)

(2)

(3)

2 ADN“源-网-荷-储”协调优化运行

2.1 数学模型

本文考虑ADN日前优化运行，以最小化24 h内配电网络总的有功损耗作为目标函数。约束条件包括配电网络前推回代潮流方程约束式(7)—(9)、节点电压上下限约束式(10)、支路电流上限约束式(11)、DG出力上下限约束式(12)、网络拓扑结构辐射状约束式(13)、储能运行约束式(1)—(5)。

(6)

s.t.

(8)

(13)

2.2 网络重构二阶锥规划模型及求解

(15)

式中‖·‖2为欧几里德范数，文献[16-17]对式(15)的松弛有详细介绍，式(15)的松弛不影响模型求解的最终结果。

SOCP模型的求解具有众多优点，如SOCP模型是凸规划模型，能够保证得到全局最优解。本文采用基于MATLAB的CVX[19]建模工具包及GUROBI[20]商业解法器进行模型求解。

3 算例分析

3.1 IEEE 33节点算例

采用文献[13]中算例对本文模型进行验证，算例网络如图1所示。该网络是一个12.66 kV单电源配电系统，含33个节点与5条联络线，总负荷为3 715 kW，2 300 kV·A。网络中联络线为7—20、8—14、11—21、17—32、24—28。日前优化运行调度假设风电(wind turbine generation，WTG)出力、光伏(photovoltaic generation，PVG)出力及负荷预测已给定，具体如图2所示。功率基准值取10 MV·A，电压基准值取12.66 kV。节点电压约束为0.95～1.05 pu，支路功率约束为5 MV·A。电池储能自放电率为每月2%，充、放电效率为0.95，荷电状态上限和下限分别为100%、40%。DG及储能主要安装在线路末端，具体讨论2种安装场景。

图1 IEEE 33节点配电网Fig.1 IEEE 33-node distribution network

图2 风电、光伏及负荷预测数据Fig.2 Forecasting data of WTG, PVG and load

场景1节点17安装800 kW风机及500 kW/2 MW·h的电池储能系统BESS1；节点24安装200 kW光伏；节点32安装500 kW光伏及500 kW/2 MW·h的电池储能系统BESS2。

场景2节点17安装300 kW风机及200 kW/800 kW·h电池储能系统BESS1；节点24安装 100 kW光伏；节点32安装200 kW光伏及200 kW/800 kW·h电池储能系统BESS2。

3.2 结果分析

表1给出了“源-网-荷-储”协调优化运行结果。场景1中，24 h内总的网络损耗为1.204 MW·h，其不考虑网络重构情况下的网络损耗为1.677 MW·h，相比下降了28.2%。场景2中，24 h内总的网络损耗为1.724 MW·h，不考虑网络重构情况下的网络损耗为2.455 MW·h，相比下降了29.8%。可以看出：“网侧”的网络重构对于系统优化运行具有重要影响。原始网络不考虑储能及DG接入时的网络损耗为3.195 MW·h，相比可知“源-网-荷-储”协调优化运行可以大幅减小系统网络损耗，优化系统运行。

表1协调优化运行结果
Table1Coordinativeoperationresults

图3、4分别给出了场景1、场景2下BESS协调优化运行结果。场景1中，BESS1与WTG安装在同一节点，由于WTG在01:00—04:00功率较大，在该时段内BESS1充电功率高；BESS2与PVG安装在同一节点，由于PVG中午时段功率较大，在该时段内BESS2充电功率较大。场景2中，由于网络重构开关状态改变，节点17、32负荷供电由原来的馈线1—21转换为2—24，同时DG及储能的容量都发生了变化，为了满足网络损耗最小的目标，BESS的充放电功率有所调整。BESS1、BESS2主要的放电时刻在18:00—22:00，该时段内负荷处于高峰时刻，同时光伏出力消失，需要储能放电给负荷供电，从而达到降低功率在线路中的传输，减少系统网络损耗。

图3 场景1下BESS协调优化运行结果Fig.3 Coordinative operation result of the BESS in case 1

图4 场景2下BESS协调优化运行结果Fig.4 Coordinative operation result of the BESS in case 2

图5为场景1下，节点17及节点32在1天24 h的电压曲线，图6为场景1在19:00及03:00时刻各节点的电压曲线。由图5可知：本文“源-网-荷-储”的主动配电网协调优化能够保证各节点各时刻的电压均在电压约束0.95～1.05 pu范围内。图6中，负荷较低的03:00，在不考虑网络重构及不考虑BESS、DG接入的情况下，均能够达到电压约束要求。在负荷较高的19:00，不考虑网络重构已无法满足电压约束，最低节点电压已降低为0.921 7 pu，节点为32；若继续不考虑BESS、DG的接入，最低节点电压已降低为0.913 1 pu，节点为17。

图5 场景1下，节点17及节点32的电压曲线Fig.5 Voltage profiles of node 17 and 32 in case 1

图6 场景1下，19:00及03:00电压曲线Fig.6 Voltage profile at 19:00 and 03:00 in case 1

4 结 论

本文面向“源-网-荷-储”的主动配电网协调优化运行问题，提出了考虑DG、BESS接入下的ADN优化重构及日前协调调度模型，分析了不同DG、BESS接入容量下ADN协调优化运行结果。

场景1下，24 h内总的网络损耗为1.204 MW·h，相比不考虑动态网络重构下降了28.2%。场景2下，24 h内总的网络损耗为1.724 MW·h，相比不考虑动态网络重构下降了29.8%。

BESS能够通过削峰填谷提高系统运行指标，“网侧”的网络重构及储能相结合对于系统优化运行具有重要影响，同时能够满足系统运行约束。“源-网-荷-储”协调优化运行可以大幅减小系统网络损耗，提高系统运行性能。