含分布式发电机配电网功率调度分析

岳中义 芮 典

（国网浙江省电力有限公司杭州市临安区供电公司）

0 引言

随着分布式发电技术的发展和应用，配电网系统出现了诸多新问题，如功率波动、无功供需失衡等。为解决这些问题，需要对配电网系统进行多时间尺度的有功无功协调调度分析。

短期尺度调度主要是对瞬时功率波动进行调整，以实现无功补偿、提高电压稳定性等目的。在配电网中，由于接入大量分布式发电机，电压、电流等参数波动频繁，会对电网产生负面影响。通过短期尺度调度，可以快速响应电网变化，在最短时间内对电网进行优化调节，提高电网运行质量。中期尺度调度主要是对分布式发电机在不同时间、不同负荷下的有功无功调节。在电力市场化运作的背景下，通过对发电机的出力进行调节，可以在实现电力平衡的同时，提高发电机的经济效益。中期尺度调度需要考虑到电网的负荷预测、市场价格以及发电机的状态等多项因素，以实现经济、可靠、安全的运行。长期尺度调度主要是对大型分布式发电机进行统一规划，确定其在不同季节、不同电网负荷下的优化运行策略。这需要考虑到发电机的类型、装置容量、安装位置、运行保障等多方面因素。通过长期尺度调度，可以实现分布式发电的最大利用和清洁能源的合理利用。

含分布式发电机的配电网在多时间尺度下的有功无功协调调度分析，是实现清洁、安全、高效的电力系统必不可少的一环。未来，对配电网多时间尺度调度技术的要求也会越来越高，需要在实际操作中不断积累经验，不断优化技术手段，以适应电力系统的快速发展。

1 技术分析

分布式发电机，特别是风力发电机和光伏发电机，其输出功率具有很强的随机性和波动性，预测误差随着时间的推移而增大，给现有电网调度带来了很大的挑战［1-2］。为了解决这一问题，人们分别在预测层次、框架层次和决策层次上提出了不同的方法。在预测层面，研究人员对许多风力发电机组和光伏发电机组的预测技术进行了研究，减少了预测误差［3-4］；其他一些研究人员对预测误差的概率特征进行了研究，拟合了预测误差曲线，提前安排了旋转备用。

以光伏和风力发电为代表的可再生能源引入传统的配电网络，对系统的运行提出了巨大的挑战。所有这些挑战都可以通过分销网络来解决［5］。含分布式发电机有源配电网（ADN）是一种能够管理配电网，消除分布式电源对配电网的影响，实现分布式电源有效利用的技术解决方案。因此，对能量管理的研究已成为一个热点问题。有研究者提出了一种固定电池的短期优化调度方法，其成本目标函数由操作成本和可靠性成本组成。为了充分利用光伏生产等分布式可再生能源，降低运营风险，提出了一种包含三类代理的分层多代理调度体系结构，可再生能源产量不确定性的潜在风险被考虑到ADN经济调度中。

在框架层面，研究者建议将DG分为可控发电机（如燃气轮机）和不可控发电机（如风力涡轮机和光伏发电），使用可控发电机来减轻不可控发电机输出波动对电网的影响。此外，需求侧响应是一种有效的解决方案。并且建立了基于消费者心理学理论的用户电价响应模型，利用发电侧电源和负荷侧电源，实现了风力发电综合系统降低发电成本的目标。分布式发电配网结构如图1所示。

图1 含分布式发电机配网结构

在以上研究的基础上，本文提出了一种含分布式发电机的配电网有功与无功协调调度方案。在日前阶段，根据负荷和分布式发电机提前24h的预测以及作用，计算分布式发电机的运行输出，有载分接开关（OLTC）和电容器组补偿功率（CB）等慢动作装置的方案。日内阶段遵循日前阶段的顺序，每4h执行一次。在日内阶段，根据最新的预测数据和日前阶段的结果，将配电网与输电网之间联络线的波动降至最低。

2 配电网多时间尺度功率调度模型

能量调度的主要任务是分配发电机组，以控制有源配电网（ADN）中的供电和能耗。根据不同的时间尺度，ADN的能量管理可分为日前能量管理和实时能量调度两个阶段。根据不同的能量分配原则和优化方法，采用两个时间尺度的优化调度模型，通过协调能源来实现分布式能源的有效利用。

2.1 日前及日间优化调度模型

本文将风力发电机组和光伏发电机组视为间歇输出的不可调电源，将柴油机和储能电源（ESS）视为可调电源。日前优化调度的目的是在负荷预测和间歇发电预测的基础上协调可用资源。主要目标是尽量减少运行成本，其中包括电力购买成本、可控分流发电成本、网络损耗成本和ESS充放电成本，如公式（1）所示。

其中，Cgrid（t）为时刻t时的电价；Pgrid（t）为时刻t的ADN与上层电网之间的交换功率；CDGi（t）为时刻t可控DG的发电成本；PDGi（t）为时刻t可控DG的有功功率输出；Cess（t）为时刻t的ESS的充放电价格；Pess（t）为时刻t的ESS的充放电功率，正值代表充电，负值代表放电；T是调度周期，通常被认为等于24。

在这个约束中，方程（1）、（2）和（3）分别代表功率平衡约束和功率流约束。方程（4）保证线路的传输功率满足其最大功率限制。节点电压约束，以及确保馈线不会达到反向动力传输的水平，其中Vi和Vbus是第一节点电压幅度和变电站母线电压幅度。给定的约束（5）定义了可控DG的最大和最小功率限制和斜坡速率限制。PDGi，min和PDGi，max为DG的最小和最大功率。Rup和Rdown为上斜率和下斜率。在方程（6）中，第一项定义了ESS在任何时候充放电功率的最大和最小容量；第二项是延长ESS的使用寿命；第三项保证在一个调度周期内节约电力。

在日内阶段，为了减轻风力发电机组和光伏发电机组输出波动对电网的影响，目标是尽量减少日内决策与日前参考值之间的联络线交换功率偏差。白天阶段的每个周期为4h，间隔15min。由于这些变量与前一天的变量相同，所以这里省略了细节。白天阶段的目标功能为：

2.2 实时优化调度分析

由于可再生能源的输出和负荷消耗具有随机性，因此可控电源的输出应根据可再生能源输出和负荷消耗的实际情况进行调整。因此，实时优化调度需要及时响应负荷及可再生能源的小范围波动，从而修正负荷需求及可再生能源的实际曲线与预测曲线之间的偏差，缓解功率波动，提高系统运行的鲁棒性。基于超短期负荷和可再生能源预测，实时优化调度及时调整各可控DG和ESS的运行状态，补偿间歇性RES的预测误差。实时优化调度的目标是降低调整成本，保证ADN的安全稳定运行。用目标函数公式（8）表示调整成本。

3 实验结果及分析

该模型基于图2所示的改进的IEEE33节点配电网络，节点数据来自文献，联络线功率交换成本和燃气轮机运行成本来自数据库。为验证该方法的有效性，将该方法与传统有功调度和传统无功调度方式进行比较。前者的目标是使整个配电网的成本最小，其控制变量为分布式发电机的有功功率输出和ESS；后者的目标是使整个系统的功率损耗最小，其控制变量为有载分配开关抽头、CB开关数和分布式发电机的无功功率输出。并给出了这三种方法在调度期间的区别。

图2 IEEE 33总线配电网络模型

电价采用峰谷电价模型，峰值时间为8∶00～22∶00，电价为0.6元／（kW·h），而谷值时间为22∶00～0∶00和0∶00～8∶00，电价为0.4元／（kW·h）。柴油发电成本假设为0.55元／（kW·h）。ESS的额定容量为500kW·h，最大充放电速率限制在其额定容量的20%。为了获得较长的时间，将SOC的下限、初值和上限分别设置为0.1、0.5和0.9。在计算中，ESS的成本仅考虑其充放电损失成本，设定为0.05元／（kW·h）。

虽然传统的无功调度目标是使整个系统的成本最小化，但这种方法在配电网中不像在输电网中那样有效。其原因是配电网的电阻和电抗过于接近，传统的有功和无功功率解耦控制方法已不适用。表显示了本文方法和其他两种对比方法的总体系统成本。

表 系统成本参数

与其他两种方法相比，本文提出的方法可以通过协调配电网系统的有功和无功输出来降低系统成本，从而使优化效果最大化。

为了说明这种方法的有效性，在三种方法之间的实时系统能量损失如图3所示。为简便起见，将传统的有功调度方法、传统的无功调度方法和本文提出的方法分别称为方法a、方法b和方法c。

图3 系统能量损失

与传统的有功调度方法相比，本文提出的方法可以提高分布式发电机在峰值负荷时期的有功和无功输出，从而降低系统的能量损失。

本文提出的方法的实时系统运行状态如图4及图5所示。显示了一天之内实时有功功率输出和消耗。在9h时，负载的有效需求降低，光伏输出大大增加。为了改善系统的无功功率不足，OLTC抽头发生了变化，汽轮机的输出功率增加，CB的无功功率补偿量增加。15h以后，光照度降低，负荷增加，汽轮机和ES的输出也增加。在18.00时，风力发电机的输出增加，但由于此时负荷较高，燃气轮机和电动汽轮机的输出仍保持在较高水平，有载调速装置的出力相对较高。22h以后，负荷降低，配电网中的设备和发电机也作出相应的动作。总的来说，这些曲线与实际的配电网输出和消耗是一致的。

图4 汽轮机输出功率

图5 反应装置动作

4 结束语

本文结合配电网的运行特点，研究了配电网中各种有源和无源的可调度资源。提出了一种多时间尺度下的主动与被动协调方法。仿真结果表明，该方法可以有效地降低联络线的功率波动，同时保证了配电网的运行安全，减少了配电网可再生能源输出的不确定性，降低了对主网的影响。