主動配電網分布式電源并網和需求側管理規劃

于大為 侯學文 馬平 董躍哲

摘要：? 針對長島縣規劃發展海上風電以及對配電網進行改造的實際情況，本文提出考慮分布式能源并網和需求側主動管理的綜合規劃方案。以年綜合費用最小為目標函數，計及各種電氣約束條件，建立風能并網的分布式能源和需求側管理綜合規劃模型，并采用多場景技術和進化策略算法，對綜合規劃模型進行求解。同時，以修改后的長島縣30節點配電網系統為例，對規劃模型進行仿真驗證，并對不同規劃方案進行經濟性和可靠性分析。分析結果表明，得到的綜合規劃方案既能實現年綜合費用最優，也符合該地區配電網安全穩定要求。該研究為長島主動配電網分布式能源規劃和建立需求側管理機制提供了理論指導。

關鍵詞：? 主動配電網; 分布式能源; 需求側主動管理; 綜合規劃; 進化策略算法

中圖分類號： TM731 文獻標識碼： A

分布式能源在配電網中滲透率的提高給配電網安全穩定帶來巨大挑戰，傳統配電網已不能滿足電力系統發展要求。自動化及電力電子等智能技術在電網中的應用越來越廣泛，作為智能電網發展產物，主動配電網（active distribution network，ADNs）技術在配電系統中的地位越來越明顯。主動配電網的主要特點是通過建立需求側管理機制合理分配電能，促進分布式電源的消納，保證配電網經濟穩定運行。近年來，對主動配電網的研究有許多，程耀華等人[1]將低碳優化與需求側管理相結合，規劃電網模型，通過構建不同場景對需求側管理方案進行優化，進而降低碳排放量，提升系統整體效益;曾鳴等人[2]從用戶、企業、政府3個角度研究需求側響應保障機制，對需求側響應進行規劃;張沈習等人[3]構建多層模型模擬各種場景下分布式能源有功出力，將需求側管理與網絡重構聯系起來，研究分布式能源并網合理規劃問題;G.Mokryani[4]提出一種結合需求側響應的概率方法來規劃主動配電網，在規劃范圍內最大限度降低線路總運行成本和總能量損耗;A.Barbato等人[5]提出一種新型完全分布式需求側管理系統，通過制定實時定價方案，控制高峰期用戶用電需求量;梁甜甜等人[6]構建了在智能電網環境下的需求側管理模型，實現實時用戶響應，并促進分布式能源的自由接入;曾鳴等人[7]全面分析分布式能源并網后對配電網的影響，探索需求側管理最優方案;Li Y等人[8]對分布式能源并網規劃問題，提出考慮儲能集成系統的兩階段優化方案;D.Lizondo等人[9]分析智能家居能源管理系統需求側響應對配電網系統造成的影響。以上對分布式能源并網規劃問題的研究缺少實例分析。基于此，本文以年綜合費用最小為目標函數，在計及各種約束條件基礎上，建立風能并網的分布式能源和需求側管理綜合規劃模型。采用進化算法對目標函數求解，對規劃模型進行仿真驗證，并對長島縣主動配電網分布式能源規劃和需求側管理方案進行經濟性和可靠性分析。該研究為主動配電網在新型負荷領域的控制與管理提供了理論依據。

1 主動配電網綜合規劃必要性分析

長島縣位于山東半島北部，風力資源豐富，適合大規模風電并網運行。傳統風力發電由于安裝位置等因素對鳥類棲息環境造成嚴重破壞，考慮環保要求，長島計劃發展海上風電，同時建立需求側管理機制來促進分布式電源的消納[1011]。本文依據長島縣供電公司2017年8月1日24個時段的采集數據，繪制負荷曲線和風力發電量曲線，8月1日24時段負荷曲線圖如圖1所示，8月1日24時段風力發電量曲線如圖2所示。由圖1可以看出，用電高峰時段在中午11點左右和下午5點以后，該時間段長島漁家樂空調、風扇、照明等電氣設備使用量大幅增加;由圖2可以看出，分布式風能發電表現出較強的隨機性，風機出力高峰期集中在上午8～9點，而在用電高峰期間風機有功出力不明顯。由圖1和圖2分析可得，長島地區分布式能源的進一步規劃，能有效緩解電網供電壓力，降低購電費用，提升環保效益。而風力發電有較強隨機性，一旦分布式風能產能過剩而電網用電負荷處于低谷期，將造成資源浪費和運維成本增加，風機并網后電網波動性增強，也會造成電力系統備用容量增加。因此，引入需求側管理機制既能夠改善風機并網不穩定現象，提高電源側備用容量裕度，也能夠改善系統負荷特性，降低線路供載壓力，起到削峰填谷的目的。

4 算例分析

目前，長島縣有110 kV變電站1座，35 kV變電站4座。由于其特殊的地理位置及豐富的風力資源，為海上分布式風能并網發電提供了有利條件;加之旅游業、海產加工業發達，漁家樂居民用電和加工廠工業用電在電網總用電中所占比重較高，為需求側主動管理提供了可能。IEEE30節點拓撲結構如圖4所示，根據長島電網實際情況，對圖4中IEEE30節點配電網絡參數進行修改，利用修改后配電網對綜合模型進行規劃。

4.1 規劃分析

圖4中，節點3和4為可中斷負荷節點，最大可中斷量不允許超過05 MW和12 MW，風電安裝的待選節點為2，5，8，單臺額定容量為03 MW，節點允許新增最大有功出力為17 MW，該配電系統計劃并網風機組總有功出力為32 MW。上級電網上網電價為0379元/kWh，節點3和節點4可中斷補償費用分別為0148元/kWh和0137元/kWh，節點2風機的運行管理費用為0368元/kWh，節點5為036元/kWh，節點8為03元/kWh。進化策略的最大迭代次數為20次，每次產生100個新個體與原始15個個體組成新種群，最終篩選出15個最優個體反復迭代。拉丁超立方采樣的樣本數為30，即構建30個風速負荷的耦合場景。在進化算法的基礎上，本設計方案如下：

1） 考慮節點2，5，8分布式電源規劃，而不考慮負荷側管理。

2） 采用節點2，5，8規劃分布式電源和節點3，4進行負荷側管理。

兩種方案的年綜合費用如表1所示，第1種方案規劃結果比較如表2所示，第2種方案規劃結果比較如表3所示。

由表2和表3可以看出，由于單臺海上風機額定容量為03 MW，方案1不考慮需求側管理，風機實際規劃容量應為0 MW，503 MW，603 MW;方案2考慮需求側管理，風機實際規劃容量應為0 MW，603 MW，503 MW。通過2種方案比較可知，采用需求側管理機制，主動配電網與單純分布式風能并網相比較，多花費綜合費用1 300元。同時，方案1在規劃過程中，由于受線路最大允許載流量、有載調壓變壓器允許最大容量等運行條件限制，該方案在用電高峰期容易造成配電網重載或越限情況產生，嚴重時甚至影響電網安全穩定運行;方案2采用需求側管理與控制措施對電網帶來的優勢，一方面降低了購電成本和網損，引導用戶側配合電網合理用電;另一方面需求側可中斷負荷計劃投切，既能為風電并網提供額外備用容量，降低發電側備用容量儲備壓力，促進分布式能源消納，又能通過用電高峰期負荷切除，提高線路和變壓器容量裕度，滿足電網運行約束，避免重載和過載現象產生。

4.2 主動配電網需求側管理機制應用

通過實例驗證，長島地區適合規劃海上風電項目，采取負荷側可中斷管理規劃方案，能在年綜合費用一定的情況下，改善配電系統不利狀況，提升環保效益。實地研究發現，節點3負荷種類中，漁家樂占比較大;節點4負荷種類中，海鮮加工廠占比較大。長島工商業用電電價為075元/kWh，居民用電電價為0547元/kWh，在需求側管理方面，采用柔性電價機制[20]，與漁家樂簽訂用電協議，高峰時段限制漁家樂使用空調數量，同時按照較為便宜的居民用電電價對漁家樂售電。針對海鮮加工廠負荷管理，簽訂優惠協議，在可中斷負荷切除后，非中斷部分按照原售電價格60%～80%售電。

5 結束語

本文結合長島地區配電系統實際情況，以年綜合費用最小建立目標函數，在滿足多種約束條件基礎上，采用主動配電網分布式能源規劃和需求側管理多場景模型，利用進化策略算法，對長島電網30節點配電系統進行模擬仿真求解。規劃過程中，采用基于超拉丁立方采樣的蒙特卡洛模擬法，對風速、負荷隨機變量進行抽樣模擬，有效克服了風速和負荷并網不確定性對電網規劃產生的影響。在實際應用中，該研究能夠改善負荷特性，避免線路重載和過載現象產生，為風機并網的穩定運行提供額外備用容量，有利于長島配電網系統運行的經濟性和穩定性。本文雖然將分布式能源并網和需求側管理聯合構建模型進行規劃，但仍需深入研究需求側管理對分布式能源并網的影響，以及分布式能源并網在系統運行方面對需求側管理的要求。

參考文獻：

[1] 程耀華， 張寧， 康重慶， 等. 考慮需求側管理的低碳電網規劃[J]. 電力系統自動化， 2016， 40（23）： 6169.

[2] 曾鳴， 韓旭， 李博. 促進主動配電網運行的需求側響應保障機制[J]. 電力建設， 2015， 36（1）： 110114.

[3] 張沈習， 袁加妍， 程浩忠， 等. 主動配電網中考慮需求側管理和網絡重構的分布式電源規劃方法[J]. 中國電機工程學報， 2016， 36（s1）： 19.

[4] Mokryani G. Active distribution networks planning with integration of demand response[J]. Solar Energy， 2015， 122（3）： 13621370.

[5] Barbato A， Capone A， Chen L， et al. A distributed demandside management framework for the smart grid[J]. Computer Communications， 2015， 57： 1324.

[6] 梁甜甜， 高賜威， 王蓓蓓. 智能電網下電力需求側管理應用[J]. 電力自動化設備， 2012， 32（5）： 8185.

[7] 曾鳴， 彭麗霖， 孫靜惠， 等. 兼容需求側可調控資源的分布式能源系統經濟優化運行及其求解算法[J]. 電網技術， 2016， 40（6）： 16501656.

[8] Li Y， Feng B， Li G Q， et al. Optimal distributed generation planning in active distribution networks considering integration of energy storage[J]. Applied Energy， 2018， 210： 10731081.

[9] Lizondo D， Rodriguez S， Will A， et al. An artificial immune network for distributed demandside management in smart grids[J]. Information Sciences， 2018， 438： 3245.

[10] 曾鳴， 李晨， 陳英杰， 等. 風電大規模并網背景下我國電力需求側響應實施模式[J]. 華東電力， 2012， 40（3）： 363367.

[11] 萬振東. 考慮大規模風電消納能力的電網靈活規劃[D]. 上海： 上海交通大學， 2011.

[12] 彭顯剛， 林利祥， 劉藝， 等. 基于縱橫交叉拉丁超立方采樣蒙特卡洛模擬法的分布式電源優化配置[J]. 中國電機工程學報， 2015， 35（16）： 40774085.

[13] 張翔， 程浩忠， 方陳， 等. 考慮主動管理模式的多目標分布式電源規劃[J]. 上海交通大學學報， 2014， 48（9）： 12311238.

[14] 馬兵， 王瑞峰. 計及需求響應的主動配電系統優化調度研究[J]. 鄭州大學學報： 理學版， 2016， 48（4）： 95101.

[15] 曾鳴， 呂春泉， 邱柳青， 等. 風電并網時基于需求側響應的輸電規劃模型[J]. 電網技術， 2011， 35（4）： 129134.

[16] 于晗， 鐘志勇， 黃杰波， 等. 采用拉丁超立方采樣的電力系統概率潮流計算方法[J]. 電力系統自動化， 2009， 33（21）： 3235， 81.

[17] 徐雨田， 廖清芬， 劉滌塵， 等. 主動管理模式下基于多場景分析的分布式電源規劃[J]. 電工電能新技術， 2018， 37（2）： 3846.

[18] 裴志剛. 建立可中斷負荷激勵機制緩解用電高峰期電力緊張[J]. 浙江電力， 2011， 30（12）： 1215.

[19] 阮冰潔， 楊強， 顏文俊. 計及實時電價的柔性負荷系統需求側響應機制研究[J]. 機電工程， 2015， 32（6）： 857862.

[20] 王建軍， 李莉， 譚忠富， 等. 電力需求側響應利益聯動機制的系統動力學模擬[J]. 系統工程理論與實踐， 2011， 31（12）： 22872295.