配电网分布式电源“源—网”调度数据交互技术研究

田 赟， 冯李军

（1.国网山西省电力公司电力科学研究院，山西 太原 030001；2.国网永济市供电公司，山西 永济 044500）

0 引言

近年来，国家高度重视分布式电源发展，并在《能源发展“十三五”规划》中提出要优化太阳能开发格局，优先发展分布式发电。山西省政府落实党中央对资源型地区经济转型发展的部署，提出了建设“资源型经济转型发展示范区”、打造“能源革命排头兵”和构建“内陆地区对外开放新高地”的三大目标定位，大力发展光伏产业，实施光伏扶贫政策，使分布式光伏发电获得巨大发展。截止到2018 年底，山西电网分布式电源装机已达3 600 MW，其中分布式光伏装机达2 200 MW，接近全省最大用电负荷平均值的10%。分布式电源大规模接入，在改变配电网运行特性，使其从传统的无源型结构变为遍布电源的复杂结构的同时，给电网的主网电力平衡管理和配电网运行控制带来技术上的挑战[1]，研究分布式电源“源—网”数据交互技术，实现分布式电源与主网和配电网的“物联”成为热门课题。

1 分布式电源大规模接入影响及现状分析

1.1 分布式电源大规模接入带来电力平衡难题

分布式电源直接向配电网用户提供电源，与电力负荷是相抵消的关系，呈现“负用电”特性，对传统负荷预测模型产生影响，尤其是分布式光伏，其发电出力受光照等环境因素影响，波动性、间歇性显著，加大了负荷趋势和空间负荷分布的分析难度，不利于电力平衡管理[2]。目前，山西省分布式光伏装机容量已超全省最大负荷的10%，午间山西电网调峰难问题日益凸显，晴天午间光伏发电调峰比后夜调峰更加困难，主网调峰困难由“一日一难”恶化为“一日两难”，同时4 个地区电网的分布式光伏装机占最大负荷比例接近10%，省地级电网电力平衡均面临新挑战。受分布式电源管理职责界面、电站建设情况和自动化技术条件限制，分布式光伏功率预测和实时监测手段缺失，覆盖分布式电源的电力平衡工作举步维艰，亟须构建含分布式电源的电力平衡管理机制，提升电力平衡管理水平。

1.2 分布式电源数据接入现状分析

国家电网公司《分布式电源调度运行管理规范》要求“10～35 kV 分布式电源应能实时采集并网运行信息，包括设备状态、电压、电流、有功功率、无功功率和发电量等，并上传至相关调度。380/220 V 如纳入调度管辖，应通过用电信息采集系统采集并网运行信息并接入调度自动化系统，主要包括每日电流、电压和发电量信息”。目前山西电网各地县调调管10～35 kV 光伏电站部分尚未实现，380/220 V 光伏均未实现自动化信息接入调度，仅通过用电信息采集系统向营销部门传输电量信息，自动化信息接入情况总体较差，同时由于新能源接入地调自动化系统缺乏具体的技术规范，监视信息及监视界面尚无统一标准，省地级调度对分布式光伏的运行信息掌控不足，严重影响分布式电源设备实时调度控制。

2 分布式电源“源—网”调度数据交互模型研究

分布式电源“源—网”调度数据交互需要实现分布式电源数据的“可观、可测”，即发电出力数据的实时采集和未来数据的预测分析，同时建立省地县三级调度数据共享机制和与电站的交互机制[3-4]，从而为主网和配电网运行控制以及“源—网”协调运行提供数据支撑。

2.1 分布式电源调度数据采集模式选择

目前，在分布式电源数据信息采集模式上主要有两类。

a） 省调集中采集转发模式。各分布式电源信息直接传送至省调，再将数据转发相应地县调。该模式有助于统一规范分布式电源调度数据上传内容及格式，并且有利于数据的统计分析和集中管理，同时，对于不具备分布式电源信息接入条件的场站，可由省调端集中统一采取间接估算等方法获取数据。省调安全防护的严苛标准虽然可确保调度数据的网络安全，但在数据接入方面的投入相对较大，尤其是通过直采信息接入存在一定的困难。

b) 地调采集逐级上传模式。各分布式电源信息直接传送至地调，再将数据逐级向上级调度转发。该模式符合目前调度数据上送的模式，且在直采信息接入的投入上有很大的优势，亦有利于分布式电源数据异常信息的整治和分级管理，但对数据上传规范性和集中管理方面会有影响，尤其对于不具备直采信息接入条件的场站，不利于统一间接式估算算法的应用。

鉴于上述两类数据采集上传模式的优缺点对比，可选取2 种模式相结合的方法进行分布式电源数据采集模型的设计，即对具备直采信息的分布式电源场站，可通过地县调直采后逐级上传至省调模式，对于不具备直采信息的分布式电源场站，可通过采取省调统一间接估算模式，进而两类不同数据统一集中至省调进行管理，再由省调共享至地县调，实现数据采集的全覆盖。

2.2 分布式电源数据采集和分析模型的建立

为确保分布式电源数据采集的可拓展性、交互性以及校核准确性，在模型建立过程中，着重要做好数据交互开发和接口管理工作[5]，主要内容有以下几点。

a) 获取智能调度系统（D5000 系统） 安全Ⅲ区数据平台具备直采数据接入条件的分布式光伏和集中式光伏实时数据，该数据主要通过地调上传获取，用于实时监视以及无直采接入分布式光伏实时出力的估算。

b) 获取D5000 系统安全Ⅱ区气象采集服务器集中式电站气象信息，用于10～35 kV 分布式光伏出力预测。由于目前的分布式光伏电站不具备气象信息上传条件，所以需要参考集中式电站气象数据。

c) 获取D5000 系统安全Ⅳ区的营销用电采集系统380/220 V 分布式光伏容量数据，用于分布式光伏基础信息维护和实时出力的估算。

d） 获取D5000 系统安全Ⅳ区山西全省气象系统数据，用于380/220 V 分布式光伏出力预测和出力估算数据校核。详情见图1。

在分布式电源数据实现实时采集分析和预测的基础上，可搭建分布式电源调度管理系统，系统可以具备分布式电源接入基础数据管理、分布式光伏出力预测、分布式光伏出力实时监测、分布式电源数据可视化展示和统计分析功能，同时可通过调度管理系统OMS（operation management system） 分享数据至分布式电源，实现数据的交互。系统框架见图2。

图1 分布式电源数据采集模型

图2 分布式电源调度数据管理系统框架

2.3 分布式光伏数据估算和预测方法分析

2.3.1 利用固定曲线拟合公式进行功率预测和估算

对于10～35 kV 分布式光伏功率预测，以单个电站为最小预测单位，预测方式选取就近的集中式光伏的气象数据，根据气象文件中的辐照度数据进行推算[6]。前期通过大量数据采集和曲线拟合，经推算，获取公式为P=0.112x2+0.919x-0.019 7，其中P为每单位容量的功率，x为辐照度。以山西分布式光伏出力数据为例，取时长为3 天、每天96 个点的预测功率和实际功率对比见图3。

对功率预测进行合格率评估，具体评估方法见下式

式中：PPi为i时刻预测功率；PMi为实际发电功率；Ci为i时刻预测的开机容量；n为统计时段的总样本数；Bi为i时刻预测绝对误差是否合格，若合格为1，不合格为0；T为判定阈值，短期功率预测T为20%。经测算3 日的合格率分别为80.16%、81.09%、82.35%，符合相关技术标准对功率预测合格率应大于80%的要求。

图3 固定曲线拟合预测功率与实际功率对比曲线图

对于380/220 V 分布式光伏功率预测，采取基于网架结构和气象特征的虚拟电站定制策略，通过聚类和归集，形成数量较少的虚拟电站进行降维分析。预测方式为以县为单位进行预测，根据所在县域的集中式光伏电站气象数据加权平均得到辐照度数据进行预测。如某一县域无集中式电站，就近选取典型集中式电站天气数据进行模拟推算，同时利用县域辐照度气象数据进行校核。

对于不具备直采条件的分布式光伏出力估算，10～35 kV 电站根据就近典型直采电站的实发功率，同样利用分布式光伏功率与辐照度的单一变量函数关系反推算出实时的辐照度，再根据辐照度模拟出电站实发功率。380/220 V 分布式光伏以县域为单位，依托各县域的装机数据，取集中式光伏电站以及就近典型分布式直采电站的实发功率推算出实时辐照度，并通过加权平均后，根据辐照度模拟出电站实发功率。

2.3.2 基于气象条件相似度的非固定功率预测方法

通过获取一个电站（或县域） 待预测日96 点的气象预报数据及相似气象历史数据和历史负荷，抽取样本时间内气象数据最接近且时刻点最接近的n个气象历史数据及对应时刻负荷数据，计算每个时刻的平均值，再取全部96 点数据进行曲线拟合和算法推导，建立负荷相对于气象的全天一元二次方程式模型，并将待测时刻的气象预报数据代入模型，得到预测功率。同样，以山西分布式光伏出力数据为例，取时长为3 天、每天96 个点的预测功率和实际功率对比见图4。

图4 基于相似度算法的预测功率与实际功率对比曲线图

对功率预测进行合格率评估，得到3 天数据的QR分别为95.56%、95.62%、96.11%。

该算法相较于固定曲线拟合公式算法，由于提取历史相似气象和相似负荷数据进行校对，能够减少历史采集数据异常带来的数据偏差，并通过拟合得到符合当日数据要求的曲线，无固定的算法方程式和系数，有相对的灵活性且更为精确，这从合格率评估即可以看出，建议在实际应用中选取此种算法。

3 结束语

本文分析了山西电网分布式电源，主要是分布式光伏的接入现状以及对主配网运行的影响，就分布式电源数据接入的模式进行对比，并结合当前部分分布式光伏电站不具备直采信息接入条件的情况，选定分级直采上传和统一估算相结合的数据交互方式，另提出了分布式光伏电站的间接估算方法，对实现配电网分布式电源“源—网”调度数据交互有一定的指导作用，亦对分布式电源与主配电网“物联”起到基础性的研究作用。