基于“云邊端”協同的分布式光伏柔性調節體系架構

劉 洋，于海東，劉文彬，黃 敏

（國網山東省電力公司電力科學研究院，山東 濟南 250003）

0 引言

隨著世界各國對環境保護和能源短缺的日益關切，光伏發電已成為解決能源與環境問題的重要舉措，其中，分布式光伏發電成為智能配電網的關鍵組成部分。伴隨國家碳達峰碳中和重大戰略和光伏補貼政策，僅2021 年，山東省低壓分布式光伏就增長了近30 萬戶。低壓光伏主要分布在農村等經濟欠發達地區，這些地區普遍存在“源”“荷”不匹配［1］，反向重過載、電壓越限等問題突出［2］。

為解決分布式光伏引起的電壓越限、反向重過載問題，學者們提出多種控制方法。傳統低壓配電網電壓調節方式主要包括無功補償裝置投切［3］、變壓器有載調壓［4］等；隨著技術的發展，低壓柔性互聯［5］、電力彈簧［6］、儲能［7］等技術手段也得到一定的研究及應用?？紤]光伏逆變器自身調節能力，文獻［8］建立計及光伏的配電網無功調節策略，文獻［9］提出一種基于九區圖的中壓配電網電壓控制策略，但上述研究仍以電容器投切、有載調壓變壓器為主要調節手段，難以發揮光伏逆變器自身的靈活調節能力。分布式光伏逆變器充分利用自身容量吸收無功，通過改變線路潮流，可有效改善節點電壓［10］。文獻［11-15］提出一系列逆變器就地化電壓治理策略，所提策略均不依賴臺區整體監視與控制，因此，無法實現多逆變器的協同配合，容易造成調節過量。

針對臺區內多臺光伏逆變器協同電壓調節，現有研究可分為集中式控制和分布式控制兩類控制策略。針對集中式控制策略，文獻［16］基于電壓靈敏度將臺區光伏電源進行分組，根據電壓越限發生位置協調各群組無功調節資源；文獻［17］采用集中控制思想，通過復合形算法優化求解臺區內各個逆變器有功、無功出力；文獻［18］提出一種時變、線性化的配電網分布式光伏最優潮流追蹤模型；文獻［19］建立配電網光伏調壓二階錐優化模型，通過分區并行計算加快求解速度。上述集中式控制算法對計算資源要求較高，難以依托臺區邊緣計算設備進行實現。針對分布式控制策略，文獻［20］采用一致性算法對臺區可調節光伏資源進行分布式控制，文獻［21］提出以分布式光伏為重要管控環節的主動配電網分布式控制架構，上述分布式控制策略、架構主要停留在理論研究層面，缺乏實際設備支持其功能實現。

針對上述問題，對低壓光伏接入引起的潮流特性變化進行分析，并闡述臺區電壓越限機理及影響因素。基于配電臺區采集、計算設備，提出一種“云邊端”協同的低壓分布式光伏柔性調節體系架構。依托該體系架構，在某配電網臺區開展現場測試，驗證“云邊端”協同架構的有效性，并綜合分析光伏有功、無功調壓效果。

1 光伏并網潮流特性

1.1 電壓特性

大量分布式光伏接入低壓配電網，顯著改變了潮流的大小和方向，使得配電線路上各節點的電壓分布明顯變化，典型光伏并網配電臺區拓撲結構如圖1 所示。圖1 中，為配電變壓器低壓母線電壓，基本保持不變；為節點k電壓；Pk、Qk（k=1，2，…，n）分別為節點k用戶有功、無功負荷；PPVk、QPVk（k=1，2，…，n）分別為節點k所接光伏電源有功、無功出力，如果節點k無光伏電源，則PPVk=QPVk=0；Rk、Xk分別表示線路k的電阻與電抗值。

圖1 光伏潮流反送特性Fig.1 Diagram of PV reverse power flow

對任一節點k（k=1，2，…，n），當其他節點光伏電源、負荷的有功、無功出力均為0，僅考慮節點k注入功率對電壓分布的影響時，節點l（l=1，2，…，n）電壓為

通常，電壓相量橫分量引起的絕對值變化遠小于縱分量，因此式（1）中等式右側第二部分（虛部）可以忽略不計，簡化后節點l電壓為

由式（2）可知，簡化后節電l的電壓與節點k注入有功功率、無功功率呈線性關系，可通過疊加各節點注入功率對電壓的影響計算線路功率分布。節點k光伏輸出有功功率、無功功率對節點l電壓的調節作用強度可以用靈敏度μP,k,l和μQ,k,l表示：

1.2 線損特性

將線路全程電壓近似為配電變壓器低壓母線電壓，定義功率自負荷流向線路為正方向，則節點k到節點k-1 之間線路的有功、無功損耗為

式中：ΔPk,k-1、ΔQk,k-1分別為節點k到節點k-1 之間線路的有功損耗、無功損耗；Pk,k-1、Qk,k-1分別為節點k流向節點k-1 的有功、無功功率，其定義如式（6）、式（7）所示。

式（1）—式（7）針對單線路鏈式配電網給出的電壓及線損特性模型，也可推廣到輻射狀低壓配電網，逐一分析各支線，并將支線視為干線負荷即可。

2 “云邊端”協同的光伏管控體系架構

基于“云邊端”協同的光伏臺區運行控制體系通過標準化通信協議實現光伏逆變器群調群控，主要由配電云主站、臺區智能融合終端、光伏逆變器規約轉換器等關鍵設備組成?；凇霸七叾恕眳f同的光伏臺區運行控制體系架構如圖2 所示。

圖2 基于“云邊端”協同的光伏臺區運行控制體系架構Fig.2 Architecture of distributed PV operation control based on Cloud-Edge-End collaboration

云側（配電云主站）根據調度下發的控制指令、策略或整體調度計劃曲線，利用云主站的“云邊協同”管控策略，生成每個臺區相應的控制指令、策略或調度計劃曲線，通過消息隊列遙測傳輸（Message Queuing Telemetry Transport，MQTT）協議并下發至臺區智能融合終端群。

邊側（臺區智能融合終端）通過執行云主站下發的整體控制策略，實現臺區的“邊端協同”自治運行。臺區智能融合終端作為配電網臺區網關節點，負責臺區內光伏逆變器數據采集、云主站需求數據上報。對上通過4G/5G 與云主站進行數據交互，將臺區數據上傳至云主站，同時接收云主站的調控指令、策略或調度計劃曲線。臺區智能融合終端通過標準化的低壓分布式光伏管控微應用，實現控制指令或策略的分解與下發光伏逆變器群執行，對下采用高速電力線載波（High-speed Power Line Communication，HPLC）單模通信或“高速電力線載波+微功率無線”（High-speed Power Line Communication and Radio Frequency，HPLC&RF）雙模通信與光伏逆變器進行動態交互。

端側（光伏逆變器規約轉換器與通信轉接頭）負責與光伏逆變器通信，傳遞控制指令或策略。為應對光伏逆變器通信接口的多樣性，開發可靈活適配各種通信接口的轉接頭，既保證規約轉換器本身接口的規范性、普適性，又滿足電網公司和光伏廠家4G 采集控制雙通道的需求。通過規約轉換器將不同光伏逆變器的本地通信協議轉換為DL/T 645—2007《多功能電能表通信協議》、DL/T 698.45—2017《電能信息采集與管理系統第4-5 部分：通信協議—面向對象的數據交換協議》等標準化臺區通信協議，并通過自身配置的HPLC或HPLC&RF 完成數據采集上報或下發控制指令、策略的執行，實現低壓分布式光伏的群控群調。

3 現場測試及數據分析

3.1 測試臺區概況

某臺區2018 年進行配套電網改造，改造后整村戶均容量提高至3.13 kVA，線路絕緣化率提高至100%，供電可靠率及電壓合格率均達99.98%以上，居生生活及農業生產用電均正常。但自2020 年11月開始，臺區分布式光伏負荷迎來爆發性增長，于2021 年8 月達到變壓器容量上限后繼續增長，目前該臺區共接入光伏用戶13 戶，裝機容量為338.425 kW，變壓器負載率達169.2%，造成該臺區嚴重過載，臺區最大反送負載率達111%，嚴重影響電網設備的安全穩定運行。臺區低壓分布式光伏接入分布如圖3 所示。

圖3 臺區低壓分布式光伏接入分布Fig.3 Layout of low voltage distributed PV access in station area

對該臺區10 臺光伏逆變器（13 臺逆變器中，光伏節點8 用戶拒絕安裝終端設備；光伏節點12、光伏節點13 因型號過于老舊，控制點表已不可查詢）部署規約轉換器與通信轉接頭進行測試，通過融合終端標準化光伏管控微應用實現10 臺光伏逆變器運行數據實時召測與有功、無功出力實時控制。

3.2 有功功率控制效果

測試當日正午時段變壓器反向有功功率為204.86 kW，反向負載率為102.43%，光伏自然發電狀態下節點電壓如表1 所示。對光伏逆變器集群有功出力進行批量壓降，以電壓越限問題最嚴重的B 相為例，不同指令下節點電壓分布如圖4 所示。

表1 光伏自然發電狀態功率及電壓分布Table 1 Power and voltage distribution under PV natural generation state

圖4 有功調節指令下主要節點B相電壓分布Fig.4 Phase B voltage of major nodes under different active power regulation commands

當有功出力限值設置為額定值的80%時，由于此時光伏逆變器集群的實際出力在額定值的80%左右，實際削減光伏逆變器有功出力及節點電壓調節效果不明顯；當有功出力限值分別設置為額定值的60%、40%、20%、1%時，光伏逆變器集群有功出力、各節點電壓均呈現階梯式下降趨勢。僅光伏出力限額1% 情形下，所有節點電壓滿足GB/T 12325—2008《電能質量供電電壓偏差》要求，因此僅依靠有功壓減不足以解決該臺區的電壓越限問題。

不同有功調節指令下配電變壓器反向負載率如表2 所示。由于光伏逆變器的實際有功出力約為額定值的80%，對降低配電變壓器反向負載率的效果不明顯；當有功出力限值設置為60%額定值、40%額定值、20%額定值、1%額定值時，配電變壓器反向負載率近似線性下降，反向重過載問題治理效果顯著，確保了配電設備的安全穩定運行。

表2 不同有功調節指令下配電變壓器反向負載率Table 2 Reverse load rates of distribution transformers under different active power regulation commands

3.3 通信響應時延

指令下發時延指云主站從發出群控群調指令到收到所有光伏逆變器應答信號的通信時延，數據召測時延指云主站從下發召測指令到收到所有光伏逆變器召測數據的通信時延。不同調控指令下發及數據召測時延如表3 所示，通信時延與調控指令內容無關，調控指令下發時延約為12 s，數據召測時延約為48 s。

表3 不同有功調節指令下通信響應時延Table 3 Communication response delay under different active power regulation commands

本次測試中，邊端通信采用DL/T 645—2007《多功能電能表通信協議》，為點對點單數據項通信，調控指令下發與數據召測均須融合終端與所有光伏逆變器逐一建立通信鏈路并完成數據傳輸，通信時延與光伏逆變器數量、所讀取或下發的數據項數量有關?？刂浦噶钕掳l涉及1 個數據項，10 個光伏逆變器逐一傳輸，平均時間約為12 s，每次點對點單通信時間約為1 s；數據召測時涉及有功數值、無功數值、有功占比、無功占比、功率因數5 個數據項，響應時間約為48 s，點對點傳輸5 個數據項的通信時延約為4 s 左右。若統一采用DL/T 698.45—2017《電能信息采集與管理系統第4-5 部分：通信協議—面向對象的數據》協議，可一幀傳輸多個數據項，顯著提升數據召測速度。

3.4 無功功率控制效果

融合終端對逆變器下達功率因數定值控制指令，在不影響有功的前提下調節無功出力。不同功率因數調控指令下節點電壓分布如圖5 所示。純有功發電狀態下，除線路首端用戶外，其他所有逆變器并網點電壓均超過235.4 V，臺區電壓越限問題嚴重；當功率因數定值設置為0.97 時，融合終端數據顯示臺區共吸收無功26.088 kvar，光伏用戶節點平均電壓較純有功發電狀態下降5.7 V；當功率因數定值設置為0.94 時，所有量測節點電壓均下降至240 V 以下；當功率因數定值設置為0.88 時，所有節點電壓均滿足GB/T 12325—2008《電能質量供電電壓偏差》要求。

圖5 無功調節指令下主要節點B相電壓分布Fig.5 Phase B voltage of major nodes under different reactive power regulation commands

3.5 有功、無功調壓效果比較

綜合分析有功、無功調壓數據，對比臺區各節點電壓平均值對逆變器有功、無功出力的靈敏度，結果如表4、表5 所示。逆變器有功出力削減總額、吸收無功總額均與臺區總體電壓水平呈近似線性關系。有功總額每削減10 kW，節點平均電壓下降約0.875 V；吸收無功總額每提升10 kvar，節點平均電壓下降約1.272 V。

表4 節點電壓對逆變器有功出力的靈敏度Table 4 Sensitivity of node voltage to active power output of inverters

表5 節點電壓對逆變器無功出力的靈敏度Table 5 Sensitivity of node voltage to reactive power output of inverters

根據實測數據可知，該配電網臺區節點電壓對逆變器無功出力的靈敏度更高。通過充分利用光伏逆變器無功容量，可顯著改善臺區電壓質量，無須通過有功調節控制電壓質量，避免光伏發電資源浪費。

4 結論

低壓配電網高比例分布式光伏接入引起電壓越限及反向重過載問題，可通過光伏逆變器自身調節能力進行治理。針對目前光伏逆變器功率調節與管控缺乏實用化解決方案的現狀，提出基于“云邊端”協同的光伏管控體系架構，并開展實地測試，驗證所提方案的可行性。

1）光伏逆變器可準確相應配電云主站下發的有功、無功調控指令，電壓越限、反向重過載問題可以得到有效解決。

2）該管控體系架構下，調控指令下發時延約為12 s，數據召測時延約為48 s，滿足電網對低壓分布式光伏的運行管控需求。

3）僅就本文實測數據而言，節點電壓對逆變器無功出力的靈敏度更高，充分利用光伏逆變器無功容量即可顯著改善臺區電壓質量，避免光伏發電資源的浪費。

根據線損特性分析，無功調壓造成大量無功功率在線路上的流動，會顯著提升線路損耗，如何調整無功出力在不同光伏逆變器間的分配（必要時引入有功調節），在考慮線損特性的前提下實現臺區經濟性最大化，將是下一步主要研究方向。