微能源网能量平衡规划的探索

张 捷

(上海凯畅新能源科技有限公司，上海 200125)

微电网(Micro Grid)[1-4]是当今电力工业中最具创新性的领域。未来的微电网可以作为能量平衡单元存在于现有配电网或小型社区的独立电网中。

微能源网(Micro Energy Grid)是以保障热功能量供应为前提的微电网系统。它同样是基于可再生能源(Renewable Energy Source，简称RES) 的分布式电源(Distributed Generation，简称DG)[5-6]接入与储能装置和柔性负荷构成的低(中)压配电平台。系统通过智能仪表系统实现与终端用户的互动，完成就地能源需求的管理。系统中包括有以热电联产( Combined Heat and Power, 简称CHP)为代表的分布式换热能源供应，在保证用户用热需求的同时均衡微电网的潮流涌动。

本文讨论的微能源网是指基于垄断型的配电网运营商(distribution system operator, 简称DSO)和能源服务商(Energy Service Company， 简称ESCO)[7]形态主要是指，其自身是垂直一体化公用电力公司的一部分，它不仅是配电网的所有者和运营者，而且充当零售供应商向终端用户售电、供热。在这样只有一个主体的背景下，虽然DSO可以非常便利地实施微电网的集成与运行，但微网上的所有技术和经济性(成本与收益)问题均变成了DSO的责任。

DSO自成产销者(身兼发电、产热和用电、用热)，智能化地将连接在电网内的各路DG集成起来构成“主动”配电网[8](Active Distribution grid，简称ADG)，从而实现高效的、可持续的、经济和安全的电力供给，就地负荷消纳、就地微源和智能控制。它既可以非自治方式并网运行，又可以自治方式独立运行。

建设以自发自用为主的微能源网需要解决的首要问题是能量平衡。即在DG/RES发电侧和需求侧实现能量消纳的平衡。有关需求侧响应(Demand Response,简称DR)的容量需确定恰当的产能建设规模和设计一套合适的产能结构和产能当量，使它既能够满足大多数时段的用能需求，在尽可能少的外购能量来补充用户需求的同时，上网向外售电的总量需控制在设计发电量总量的一半以内。因此，必须了解用户的用能规律，并制定出符合条件的产能设计方案。

以下重点讨论用户用能的分析方法和为平衡产能提出的当量设计模型。

1 需求侧的用能规律分析及负荷预测

用户用能规律分析的目标是为了解决避免盲目投资建设RES规模和平衡DG的产能消纳。因此，分析需求侧既往用能的数据是设计微能源网产能设备配置和产能设备装机容量的基础。记录的数据越完整、信息密度越大，则结果越接近真实。尽管在实际的运行中，需求侧的用能记录数据几乎是不会重复的，但在大数据的积累下，总是能找出一些规律性的信息和特征，并可以被用来作为参考。

1.1 对历史数据考察方向的路径

1.1.1需求侧的累计用能量

用户的用能负荷值是随时间变化的随机函数f(t)。它在一个时间段(如一个年度)上的投影面积即为在该时间段内用户的用能量E。用负荷函数f(t)在该时间段{t0，t1}上的积分表示。通常以一个年度或自然月作为一个考察周期。

(1)

在这里称常量A为E的负荷用能当量。在统计的时间周期内，可以将E理解为以A为半径的一个圆的面积量SA。

1.1.2热需求的预测分析保障

热需求在微能源网中所占的地位十分重要。热需求的供应不但是DSO的义务，同时也是为平衡RES发电的重要电源补充的源泉之一。热需求预测是基于微型热电联产的微电网中央控制器的必要功能。

影响热需求的主要因素有：

(1)每日不同时刻的影响；

(2)工作日与休息日的影响；

(3)季节性影响；

(4)随时间变化的波动性；

(5)外部温度与热能需求呈现高度的负相关。

在集中供热系统中已经开发了几种在线热需求预测方法。预测的时间范围一般是72 h，以小时为时间步长。

更简单的方法是基于仅需要历史热需求数据的纯粹自回归移动平均模型( Autoregressive Moving Average，简称ARMA)，考虑季节差异的模型也得到了应用。作为一种扩展，模型还可将温度作为一个解释变量。更先进的方法假设气象预报可以在线获取，但是这通常不适用于微电网。

实用的预测方法是基于自适应估计，即允许适应系统缓慢地变化。这种方法也可以用来追踪例如从温暖到塞冷的过渡时期。由于供热家庭的需求不同，过渡过程是平滑的。

另外，也可以应用如神经网络或模糊逻辑神经网络的黑匣子模型。在这种情况下，模型结构和可用的信息能够根据应用的不同而不同，因此具有更大的灵活性。

1.1.3用能纪录的数值分布

图1为某大型企业一个基地2017年用电的记录图表。分析对象为以小时为间隔的，一整年的在线记录数据，共计8 760个负荷量纪录。

图1 2017年某保税区全年用电总汇负荷

为便于了解该用户的负荷分布情况，对该记录数据库按负荷量的值排序重整如图2所示。

图2 排序后的全年用电总汇负荷图表

从年度用能负荷统计图表不难看出，由于受季节和其他经营性的因素影响，一年中用电负荷的变化可能会有较大波动。图3是该处1月1日及8月10日后一周后连续7天的用电负荷记录。

图3 两个不连续的周记录负荷对照

比照记录可以看出这两段时间内的负荷量差几乎有一倍之多。说明不能用某一天(典型日)的用能状态代表全年的日用能规律。

1.1.4分支(通道)用能关联性

微能源网的供能服务是将服务对象原来的用能通道一起接管过来，形成一个统一调度、分配能量供给的闭环网格系统。也就是说，微能源网格对用户的用能做监控、管理到用户原来的主要用能分支节点，如电力变压器的输出与开关柜连接的节点或蒸汽、热水管道的输出总阀等。在这里等同于延伸到设置的监测表具所在的节点。用户负荷的总量就是由这些节点的用能负荷叠加汇总起来的。

某生产企业基地原来的电力供应分别来自与之衔接至大电网的9个变压器(加工厂6个，饲料厂3个)；用热则使用2台燃煤锅炉，需要解决蒸汽供应并同时控制、降低生产成本等问题。2018年3月7日～13日用电负荷联合图见图4。

图4 2018年3月7日～13日用电负荷联合图

从图4中可以看出：周伺1变和周伺2变重合度很高，可以判定是因为同一工艺关系达成的。而在实际工况中，这是两条同一配置的生产流水线。

两台分支变压器所需负荷的对比见图5。变压器与锅炉供热出力的关系对照图见图6。

从图5记录数据分析，某地加工厂的1号和2号变压器出力曲线高度融合，可以判断属于同样工况的两条同质生产线，同期运转。

图5 两台分支变压器所带负荷的对比

从图6数据图表中可以发现，饲料厂1号变压器与饲料厂1号锅炉的出力曲线在时间上有高度的关联性，适于应用热电联产定向供给能源。

图6 变压器与锅炉供热出力的关系对照

1.2 负荷发生概率的分析方法

为了真实反映用户用电负荷的实际情况和规律，只有用大数据分析历史负荷记录的方式来实现。通过对负荷发生概率的分析方法，可以获得用户用能的大概率事件，并推算出恰当的功率当量配置结果。

在积累了一定量实测记录的前提下，我们尽力依据数据说话，用量化的数据来分析说明现场实际的用能规律。以某保税开发园区的用电情况为例：该园区现有三个用户项下7路电度计量表的用电数据。微能源网将替代对它的供电服务。将该处的用电负荷记录数据进行整理分析：

从历史最高负荷的数值向下做等分分级分割成用能当量的阶梯排列；

对整年的负荷记录数据依阶梯当量整理出阶梯的负荷发生频次并排列出负荷频次表；

将整年记录数据按发生时间段(24个小时)划分，分别整理出在该时段内符合发生的频次表；

二表合一形成“负荷发生梯度频次表”(见表1)备考。

通过表1可以找出在各时段不同当量梯度等级的负荷集中程度，并以此判断基础负荷发生规律和需要保证用户用能的负荷安全线。

表1 负荷发生梯度频次表 %

同理，各路电表、蒸汽表的记录数据也可以分别对各分支用能管道(通路)依照相同的办法来分析统计结果。

对于用电负荷的分析，还可以考虑按用电时段的“尖、峰、平、谷”分框划分，兼顾电网电价的时段差别来合理调整供能计划。通常可以对谷时用电的情况予以忽略，因为此时自发电的成本大都会高于电网电价。

2 产能配置的预测模型

微能源网的产能与消纳配置关系要求，产能量不超出总用电需求的一倍，即本地消纳的比例不少于50%。单个微能源网项目的上网(并入国家电网)出力容量应控制在20 MW(参见《关于开展分布式发电市场化交易试点的通知[2017]1901号》)以下。

为了能满足上网售电量的规定和将外来补充供能量限制到最小，根据经验判断选择了三种方案来评估分布式能源(DER)在DR的产能当量，并寄希望从中选择出较为贴切的结果。

用能量的面积表示法：

以基础负荷当量Lbase为半径r作圆的面积为基本用能量Ebase=Sbase；

以最高负荷量Ltop为半径R作圆的面积为满负荷用能量Etop=Stop

Lbase≤A≤Ltop

(2)

(1)平均负荷法。Eaverage为Etop和Ebase的平均值，其几何意义为取Stop的一半和Sbase的一半之和。以基础负荷值r为当量的用能量和以最大负荷值R为当量的用能量的平均值的结果。

(3)

(4)

(2)增量平均法。在满足基础负荷的需求前提下，取基础负荷与最大负荷值的均值作为增量(delta)补充，

测算供能当量A和供能量：

(5)

(6)

(3)椭圆面积法。椭圆配置理论：以r和R为长短半轴得椭圆面积Sellipse；

充分性证明：

Sellipse=πrR

Saverage=(Stop+Sbase)/2=π (R2+r2)/2=π/2×(R-r)2+2Rr)=πrR+π/2×(R-r)2

=Sellipse+Srest

→Aellipse

∀K=(R-r)，K是负荷分布离散性因子，K值越大则越杂乱，离散性越大；反之，分布相对集中度越高。

如果K→0，则r→R；Sellipse→Stop，

Saverage为Stop和Sbase的平均值，其物理量意义为取Stop的一半和Sbase的一半之和。其中：

Stop以高位集中用能带的上沿值为半径R作圆的面积，相当于除却少量突发尖峰负荷外的满负荷量；

Sbasel以低位集中用能带的分布中心值为半径r作圆的面积，相当于以用能空闲时段最高负荷值为标杆的负荷总量；

Aellipse可以假设为判定供能量与用能量合理适配的供能当量(Energy Equivalent)。以投影该能量的标杆值作为供能装机容量的参考值，该当量值界于满负荷使用能量和基础负荷能量用量之间。前提是假定可以满足大多数的用能负荷值的需求，并且对高出该值的负荷发生累积量做出填补的额外供能开销是可以被控制在经济条件范围内的。

Srest是平均符合法与椭圆面积发计算的负荷量差。

图7为全年记录数据在24小时段分布情况。从图7中可直观判断出基础用能负荷的覆盖位置。当供能当量在800 kW附近。

图7 全年纪录按小时时段重排的负荷分布

在考证实际的用能负荷轨迹时，时常看到这样的一个现象，就是大部分时间发生的负荷量会相对集中在一个或数个能级数据分布段上。如考察上面《负荷分梯度发生几率统计表》的台阶发生梯度频次，可以发现出绝大多数的用能保障基数在300～800 kW段。通过对统计的数据计算，获得年负荷当量为761.5 kW，满足基础用能负荷的选择范围。在这里选择该值为基础负荷当量Lbase，并选择历史最高负荷量的值为Ltop。采用三种方法分别测算供能当量A和供能量。

将这三种方法结合年度负荷分布做折线图(见图8)。

图8 全年负荷分布与DR当量预测

结果：三种配置的当量值表现出椭圆方程法比较适合作为电源配置装机容量的选择值。统计结果也验证了这个结论。具体数据见表2。

欠荷率=欠荷量:总供能量。tA是当量线与负荷升序曲线交点处的时基线落点，t0，t1分别为时基线的起点和终点。

3 结语

适当的选择装机容量，可以有效地控制项目设备成本，平衡并减少弃风弃光和网购电价差的比率，增进项目系统的经济效益。

表2 计算结果数据表

总出力包线覆盖网内瞬时负荷量的比率可称为“保障率”。该值越大则网格内用能越安全，需要网外应急补充的几率越少，用能单价越低。保障率差的系统将需要更多的外网电量或蓄能设备来维持。保障率过低会使项目成为摆设，失去建设意义。

基础主电源为新能源发电，其在总出力包线中的比率可称为“渗透率”。这个指标是体现微能源网格项目成败的核心标杆之一。该指标高说明系统利用资源成本低，收益率随之就高。

总出力包线与用能负荷经验曲线的重合度越高，则微能源网的产能量在网内消纳的比率就越高，称之为“重合率”。重合率越高表示冗余或不足产能占总产能的绝对值比率越小，产能与耗能约接近。即项目设计中的设备配置越合理，投入经济效益越高。

在实际设计中，除了预测供能当量的参考选项外，还应结合RES的资源条件等因素，适当分配各种DG在系统中装机容量及时间衔接，综合排布、分配相互间的产能量比例，并结合配置经济、合适的储能设施。