邊緣計算架構下配電臺區虛擬電站控制策略

劉東奇 曾祥君 王耀南

（1. 長沙理工大學電氣與信息工程學院 長沙 410114 2. 機器人視覺感知與控制技術國家工程實驗室 長沙 410082）

0 引言

“智慧城市”（Smart City）建設已成為當今國際社會城市發展的主要目標，其信息化、智能化和彈性化必將成為未來城市發展的主要趨勢[1-2]。作為智慧城市能源配置的基礎平臺與綜合能源樞紐的核心載體，配電網是保證城市電力供應、提升城市能源供給彈性的關鍵所在。

隨著國家“碳達峰、碳中和”戰略目標的推進，未來分布式能源（Distributed Generator, DG）和電動汽車將廣泛接入配電網，逐步構成以新能源為主導的深度低碳新型電力系統，給傳統電網的穩定控制帶來挑戰。為了平抑分布式電源和電動汽車負荷的隨機性帶來的能量供需不平衡，一些研究提出采用儲能系統快速平衡系統中的不平衡功率，提高電網安全穩定性[3-6]。然而，城市配電網臺區數量極大，隨著分布式能源等在低壓臺區中的滲透率不斷攀升，在每個臺區部署相當容量的儲能系統是不現實的，所付出的成本將難以接受。而且，部署儲能系統不僅代價高昂，一旦管理失當，極易引發火災、環境污染等次生災害。一些研究提出，可以利用電動汽車作為有功功率調節、輔助電網進行削峰填谷的工具[7-9]，然而，電動汽車電池極其昂貴，往往采用動力性較磷酸鐵鋰更好的三元鋰電池，如長期使其深度充放電，對電池壽命影響較大，用戶難以接受。因此，如何經濟、高效地消納廣泛接入配電網的分布式能源，是配電網發展過程中亟需解決的一大問題。

同時，隨著大量的DG、電動汽車等廣泛接入電網，產生了巨大的信息流量，通信數據量將達澤字節（ZB）級別[10]。電力系統傳統的集中式調度模式已經不能高效處理這些DG、電動汽車等產生的數據，傳統的電網調控方式和信息處理模式將難以為繼。因此，邊緣計算[11-12]模式應運而生，邊緣計算是針對集中式處理的云計算模式演化出來的新型計算模式[13]，它的基本理念是通過將部分計算任務遷移到接近數據源的計算資源上就地運行處理，解決云計算資源不足的問題[14]。

在配電網中，智能配變終端（Distribution Transformer supervisory Terminal Unit, TTU）是實現邊緣計算的具體載體，它是一種新型的配電終端設備[15]。TTU不僅監測配電變壓器電壓、電流、功率等物理量，而且它本身具有一定的計算能力，相當于一個就地進行數據匯聚、清洗、處理的平臺，并且能夠實現一些就地的控制功能。通過將TTU部署在380V低壓配電臺區，就可以利用該終端的邊緣計算能力實現對臺區內DG、電動汽車和負荷等的有效管理。

為此，本文提出了一種邊緣計算架構下含高比例DG和電動汽車的配電網臺區運行的模式和相應的控制方法。 提出通過TTU邊緣計算組織，由DG、電動汽車和負荷構成的虛擬電站的整體架構。分析了該架構下虛擬電站的運行模式，并提出基于控制電動汽車并網工況，即控制電動汽車充電、空閑及無功補償的并網狀態，來調節本地電網有功功率（吸收或者發出）和電壓的虛擬電站控制方法。最后，通過構造仿真算例對所提方法進行測試，驗證其有效性。

1 虛擬電站的架構與運行模式

本文提出的虛擬電站架構如圖1所示。圖中的智能配變終端TTU部署于10kV臺區的配電站室、箱變或桿變上的配電變壓器低壓側。利用TTU的邊緣計算能力，在以邊緣計算為核心的數據處理計算框架的組織下，將各臺區變壓器所轄的電力臺區內聚合的所有負荷、電動汽車及采用最大功率跟蹤（Maximum Power Point Tracking, MPPT）策略的分布式能源DG，整體上等效為一個廣義的負荷（或源），這個廣義的負荷（源）與TTU之間構成了一個兩級的通信架構，即物聯網中廣義的邊—端架構。所以本文所提的虛擬電站實際上就是由邊緣計算組織，由DG、電動汽車和負荷構成的“虛擬的電站（Virtual Power Station, VPS）”。 它與調度主站一起構成了云—邊—端三層式架構。其中，處于中層的邊緣計算為上層提供輕量化的數據模型，并向下建立數字物理空間信息節點組織、映射、通信、控制架構。需要特別說明的是，這里的邊緣計算并不是某種特定的計算方法，而是一種相對云計算而言的新型計算模式。

圖1 本文所提出的虛擬電站架構Fig.1 Architecture of the proposed virtual power station

作為邊緣計算的物理載體、虛擬電站的“核心大腦”，TTU在整個云—邊—端三層式架構占據重要的地位。在某些場景中，類似TTU這種面向終端部署、提供邊緣計算平臺的設備也被稱為“邊緣計算網關”。邊緣計算網關允許用戶在其應用層部署應用程序，從而擴展網絡邊緣側的計算和業務能力。邊緣計算網關的軟件系統由一個主操作系統和多個容器子系統組成[16]。容器系統是一個類似于“虛擬機”的虛擬運行環境，在主操作系統上加載運行。應用程序（APP）在容器系統中運行，實際上，容器系統相當于一個“沙盒系統”，它只能訪問沙盒環境中提供的資源，而這個資源由主操作系統進行分配和控制，避免某個APP無限占用邊緣計算網關的所有計算資源的情況。由于容器之間的完全隔離，即使存在可能的漏洞，受影響的也只是容器內部的沙盒環境，容器外部系統不受影響，從而提高了整體的安全性能。通過這種模式，在電力邊緣計算網關——TTU上可定義多個功能APP，同時實現計量、分析、控制等功能，并且各功能之間邏輯上完全隔離，實現對DG、電動汽車、負荷以及下屬各設備等進行統一管理。

從控制邏輯上看，本文所述虛擬電站實質上是一個物聯網環境下的網絡控制系統。物聯網控制系統大都由數量龐大的子系統組成，由于這種系統過復雜，描述這種物聯網系統模型通用的方法是使用Petri網，利用該方法，一個事件的狀態轉移依賴于其他事件的過程可以被很好地描述出來。它的主要優點是使用Petri網建立的模型可以同時被用來分析行為屬性、評估系統性能、構建和控制系統結構[17]。將現場執行數據采樣的系統定義為“采集源點”，用S表示。Si（i=1, 2,…,n）表示具體的數據來源；將采樣數據上行至邊緣計算網關應用層的通道定義為“傳輸通道”，用Ct表示；將邊緣計算網關中執行決策的應用App定義為“決策點”，用PD表示；將邊緣計算網關中應用App向下發出的控制指令，下達各底層功率逆變器的通道定義為“控制通道”，用Cm表示；而各逆變器及與之連接的各設備、DG、負荷、電動汽車等抽象為“被控對象”，用O表示。此外，用t、ti（i=1, 2,…,n）表示瞬時變遷。基于以上定義，則整個物聯網控制系統可以用Petri網描述如圖2所示。

圖2 虛擬電站物聯網控制系統Petri網模型Fig.2 Petri net model of virtual power station internet of things control system

2 虛擬電站的控制方法

如上文所述，虛擬電站中包含了大量的分布式能源、電動汽車等獨立分散的發電和用電單元。由于電網的規模非常龐大，這些分布式能源接入電網的單元將產生高達澤字節（ZB）級別巨大的信息流量，如果這些數據流量都由傳統的主站調度中心進行處理，那么將在通信環節產生巨大的延遲，嚴重影響電網系統的正常運行。為了解決這個問題，本文提出基于邊緣計算信息處理架構的虛擬電站控制方法，利用TTU的邊緣計算能力，向下對分布式發電單元和電動汽車進行就地化的控制，向上提供輕量化的臺區運行數據，便于主站調度中心進行管理。

在具有邊緣計算能力的TTU組織下，本文所述的虛擬電站的控制策略總體描述如下：

1）臺區內分布式能源以MPPT策略發電，分布式能源發出的電扣除本臺區含電動汽車在內的所有負荷消耗的有功功率，余電通過臺區變壓器向外輸送。此時，臺區向外等效為一個發電廠，向外輸送有功功率。

2）當分布式能源發出的電不足以滿足本地負荷需求時，臺區向外等效為一個負荷，從外部吸收有功功率。

3）TTU將本臺區作為源或者荷向外發出或者吸收的有功功率大小上報調度主站，調度主站根據TTU上報數據修正調度功率值。

4）臺區向外等效為發電廠還是負荷，很大程度上取決于電動汽車的并網工況。通過優化電動汽車的充電時段和充電數量，使虛擬電站在源與荷之間切換，實現本臺區用電（發電）的最優經濟性。

5）臺區內的無功功率由處于空閑態的電動汽車來保持平衡。運用虛擬同步機技術，將電動汽車控制為虛擬的同步調相機，可實現對本地電壓的支撐。

根據所述的虛擬電站運行模式，虛擬電站的控制問題，可以進一步簡化為對該電站內電動汽車的并網工況進行控制的問題。因此，實現虛擬電站控制的第一步為，對轄區內電動汽車進行劃分，以確定哪些車可用于有功調控，哪些車用于無功調控。

2.1 虛擬電站的有功功率調控

設每臺電動汽車充電樁配置手動/自動選項開關，將用于有功調控的電動汽車定義如下：當且僅當前述的配置開關打到自動選項，電動汽車的剩余電量50%≤SOC＜100%時，電動汽車可參與于有功調控。剩余電量低于20%的電動汽車被認為是需要立即充電的剛性負荷需求。

引入BOOL變量AT來描述是否允許電動汽車參與有功調控，即

式中，SOCi%為第i輛電動汽車的剩余電量，計算公式為

式中，Bi為第i輛電動汽車的電池容量；Ei,k為第i輛電動汽車在k時段的電量，其計算公式為

式中，db為電池自放電系數；ηc為充電效率；Pi,k-1為第i輛電動汽車在k-1時刻的充電功率；Δt為從t-1時刻到t時刻的時長。

對于每臺AT=1的電動汽車，調控的指令為一個電動汽車充電使能的控制信號，該信號決定電動汽車處于空閑還是充電狀態。而對于整個虛擬電站而言，調控的指令則是使能指令覆蓋的電動汽車占本臺區參與有功調控的電動汽車總數的百分比，該信號決定了投入調控的電動汽車的臺數。

有功調控的目標為：第一，盡量消納本臺區DG發出的有功。這意味著電動汽車的負荷容量應該依據DG發電容量與臺區負荷容量進行配置。第二，從大電網宏觀層面上，轉移負荷尖峰。這意味著在某些時候，臺區內的有功平衡不再是虛擬電站控制追求的目標，此時應盡量使虛擬電站對外表現為源，來滿足高峰負荷。

可以看出，這兩個控制目標之間并不是完全相容的。將控制目標描述為

式中，m、n為權重系數，由調度員對兩個有功調控目標相互間的優先關系決定；優化變量為Ena(T)%，其為T時刻充電使能指令覆蓋的電動汽車占本臺區參與有功調控的電動汽車總數的百分比，取值空間為[0, 100%]；T代表不同的小時，取每小時0分1秒的時間點為控制量計算的時間斷面，取值范圍為[0, 23]；PTA為T時刻TTU采集到的變壓器二次側有功功率的測量值；SN為變壓器額定容量；N為參與有功調控的電動汽車（充電樁）總數；PEV為電動汽車充電樁的額定充電功率；γ(T)為電價系數，對應前一天T時刻PEV功率大小的充電電價；為該臺區前一天24hPEV對應的電動汽車充電電價的平均值，且有

可見，式（1）描述的優化問題，實際上由兩部分組成：前一部分反映了臺區內部的有功功率平衡；后一部分是通過引入電價系數，反映電網削峰填谷的需求。考慮到邊緣計算網關的計算資源與能力，對所提出的優化問題采用全局尋優性能良好的混沌優化算法進行求解。采用混沌優化算法的主要原因是混沌有豐富的時空動態，尤其是混沌的遍歷性特點，使其可以作為搜索過程中避免陷入局部極小的一種優化機制。解法的偽代碼如下所示。

Algorithm：Chaotic(X,N1,N2,L,U,Q) 參數描述： N1, 一次迭代次數; N2, 二次迭代次數; L, 取值左邊界; U, 取值右邊界; Q, 二次載波算子 1: 初始化：X=rand; N1, N2; 2: HX(1)=sin(2/X); %混沌映射 3: for k=1 to N1 do %一次搜索 4: x(k)=L+(U-L)*abs(HX(k)); 7: 適應值評估: f(x(k)) 8: if f(x(k)) ＜ fmin do 9: fmin=f(x(k)); 10: xmin=x(k); 11: end if 12: HX(k+1)=sin(2/hx(k)); 13: end for 14: Q=1/(2+exp(0.004*k)); 15: LC=xmin-Q*(U-L); %左邊界調整 16: UC=xmin+Q*(U-L); %右邊界調整 17: for k=N1 to N1+N2 do %二次搜索 18: x(k)=LC+(UC-LC)*abs(hx(k)); 19: 適應值評估: f(x(k)) 20: if f(x(k)) ＜ fmin do 21: fmin=f(x(k)); 22: xmin=x(k); 23: end if 24: HX (k+1)=sin(2/hx(k)); 25: end for 26: 輸出最優解

在邊緣計算網關處對所提出的優化問題進行計算和求解。可以得到每小時的Ena(T)%控制參數，繼而向臺區內一定比例的電動汽車發出充電使能控制指令，使虛擬電站在保證內部電力供需平衡的同時，也能輔助本地電網平抑峰谷負荷差。

2.2 虛擬電站的無功功率調控

對處于空閑態的電動汽車，如果它的并網逆變器采用三相全控電壓型逆變電路的話，那么就可以采用虛擬同步機技術[18-20]，將其等效地控制為虛擬的同步調相機，用以支撐本地電網電壓。虛擬同步調相機的原理簡要描述如下。理想三相無阻尼繞組隱極式同步發電機的基本結構如圖3所示。

圖3 理想三相隱極式同步發電機基本結構Fig.3 The basic structure of ideal three-phase stealt-pole synchronous generator

假設定子繞組三相對稱，且不計磁路飽和影響，同時為了分析方便，假設：①定子繞組之間互感M=0；②轉子繞組勵磁電流if恒定。此時，如果將并網逆變器PCC處的LC濾波器看作是這臺同步發電機的定子繞組，將濾波器的阻抗Ls、Rs看作是該定子繞組的電感和電阻，將濾波電容上電壓降Va、Vb、Vc看作是同步發電機定子端電壓，將逆變器由PWM輸出的電壓ea、eb、ec在一個開關周期內的平均值等效看作定子側的感應電動勢，則一臺三相全控電壓型逆變器可以在數學上被構造等效為一臺同步發電機，其物理規律與數學邏輯滿足

上述公式分別為符合假設條件定義的同步發電機的電壓方程、運動方程、轉矩方程和功率方程。

根據電機的可逆性可知，同步發電機本質上也可以認為是一臺同步電動機，只是功率（功角）的正方向定義不同。因此，可以將電動汽車充電樁控制為虛擬的掛在電網上空載運行的同步電動機（這種同步電動機又叫同步調相機），則可以利用同步電動機的調整特性，實現對本地電網無功功率的就地補償。

將電動汽車充電樁控制為同步調相機的控制框圖如圖4所示。該控制結構在文獻[19]所述具有虛擬同步發電機特性的電動汽車V2G充電樁控制結構的基礎上，基于電機的可逆性原理演化而來。需要特別說明的是，應用本文方法的充電樁必須采用三相全控型電力電子開關整流器，該類型的充電樁一般用在電動汽車采用直流充電（快充）模式的場合。

圖4 虛擬同步調相機控制框圖Fig.4 Block diagram of virtual synchronous compensator

圖4中，Vg為并網逆變器網側經電壓互感器檢測得到的電網電壓值，通過一個幅值檢測單元，得到電網電壓幅值的有效值Vm。Vr是設定的額定參考電壓幅值（有效值）。Dp和Dq分別為頻率環和電壓環的下垂控制系數，它們的整定規則參考文獻[19]所述方法。當電動汽車處于空閑態時，有功功率和無功功率的設定值都等于0，當逆變器收到TTU發來的臺區內無功功率平衡的使能信號時，開關Sq閉合，此時電動汽車與充電樁整體被控制等效為虛擬的同步調相機，對本地電壓進行就地支撐，提供無功補償。

3 算例分析

以長沙理工大學真型配電網實驗室為例進行分析，其具有多分段多聯絡的特點，通過改變母線聯絡方式可實現環網、輻射等多種典型配電網網架結構。配電網實驗室具有兩個容量為3 250kV·A的10kV配電變壓器臺區，每個10kV臺區通過10條出線連到10個400V的配電臺區。為實現臺區的精細化管理，對臺區進行了智能化改造，在配電變壓器低壓側部署了智能配變終端（TTU），如圖5所示。

圖5 配電變壓器二次側部署的配變監測終端Fig.5 Distribution transformer monitoring terminal

該10kV配電網變壓器臺區內接入了分布式發電設備（小型垂直軸風力發電機和屋頂光伏）和電動汽車，設臺區內含垂直軸風力發電機組 2 200kW，太陽能屋頂光伏500kW，設一天24h 10kV配電變壓器二次側智能配變終端（TTU）采集到的變壓器二次側有功功率的測量值PTA（未投入電動汽車充電樁時）見表1。電動汽車充電樁額定充電功率PEV=3kW，對應電動汽車額定充電功率的某地電動汽車充電的分時電價見表2。

表1 TTU采集到的變壓器二次側有功功率PTA Tab.1 PTA collected by TTU

表2 某地電動汽車充電分時電價Tab.2 TOU price of EV charging

設每小時可投入參與有功調控的電動汽車（充電樁）總數N=300輛，根據式（1）所描述的優化目標，采用混沌優化算法，權重系數取m=n=0.5，可得電動汽車充電調控結果見表3。表中，ΣPEV為充 電使能指令覆蓋的電動汽車充電功率的總和。

表3 電動汽車充電調控結果Tab.3 Regulation results of orderly charging of EVs

圖6將電動汽車充電功率的總和與未投入電動汽車充電樁時智能配變終端TTU采集到的變壓器二次側有功功率的測量值PTA進行了對照，圖中矩形框表示電動汽車的充電功率，直方柱表示未投入電動汽車充電樁時臺區變壓器二次側有功功率，線條是兩者功率之和。可以看到，所提出的優化控制模型基本達到了設計目標，即在盡量消納本臺區DG發出有功的同時，在峰值負荷期減少充電功率，使虛擬電站的DG滿足高峰負荷的需求。

圖6 各時刻PTA與相應調控的ΣPEVFig.6 Each moment of PTA and the corresponding ΣPEV

作為對比，圖7展示了0～300輛電動汽車無序充電（隨機接入充電）對虛擬電站發電功率的影響。其中，各時刻接入電網的電動汽車的數量采用蒙特 卡洛模擬的方式隨機產生。可以看到，電動汽車無序充電顯著拉大了峰谷差，降低了臺區虛擬電站運行的經濟性。

圖7 各時刻PTA與無序充電下的ΣPEVFig.7 PTA and the disordered charging power ΣPEV

除了參與有功調控的電動汽車以外，剩下的處于空閑態的電動汽車，可將其控制為虛擬的同步調相機，使其向電網提供電壓支撐。虛擬同步調相機的參數為：頻率環阻尼系數Dp=50.66，電壓環下垂系數Dq=3 223，頻率環慣性時間常數Tf=0.002，電壓環慣性時間常數Tv=0.02。

假設電網電壓發生跌落，如圖8所示，電壓幅值在T=1s時跌落了0.01(pu)，則虛擬同步調相機無功功率調節的效果如圖9所示，此時虛擬同步調相機處于過勵磁運行狀態，電動汽車發出感性的無功功率以滿足電網的需要。

圖8 電壓幅值發生跌落Fig.8 Voltage sag occurs

圖9 發生電網電壓跌落時電動汽車的無功功率Fig.9 Reactive power output of electric vehicles when grid voltage sag occurs

假設電網電壓上升，如圖10所示，電壓幅值在T=1s時上升了0.01(pu)，則虛擬同步調相機無功功率調節的效果如圖11所示。此時虛擬同步調相機處于欠勵磁運行狀態，電動汽車發出容性的無功功率以滿足電網的需要。

圖10 電壓幅值上升Fig.10 The voltage amplitude increases

圖11 發生電網電壓上升時電動汽車的無功功率Fig.11 Reactive power output of electric vehicles when grid voltage amplitude increases

4 結論

本文提出了一種邊緣計算架構下含高比例DG和電動汽車的配電網臺區運行的新模式和相應的控制方法。提出通過TTU邊緣計算組織，由DG、電動汽車和負荷構成的虛擬電站的整體架構，并提出了該架構下虛擬電站的運行模式：基于混沌優化算法，調節臺區內電動汽車充電的數量，調節本地電網有功平衡、實現削峰填谷；剩余的處于空閑態的電動汽車將其控制為虛擬同步調相機，來調節本地電網有功功率的電壓。

本文提出的方法能夠為接入大量分布式能源、電動汽車的配電網提供一種就地化的控制方案。仿真結果表明，所提出的優化模型及控制策略在完成就地消納DG發電功率的同時，也使虛擬電站在峰值負荷時期保留跨臺區供電的容量。同時，空閑態的電動汽車為本地臺區提供無功功率補償，實現就地支撐本地電網的功能。