新能源接入下配電網供給側多時間尺度調度

摘 要：常規的配電網供給側多時間尺度調度方法主要使用SADMM（Synchronous Alternating Direction Multiplier Method，SADMM）同步交替方向乘子法劃分調度指標，易受日前電壓修正作用影響，導致調度性能低下，因此，在新能源接入下，需要研究一種全新的配電網供給側多時間尺度調度方法，即構建了計及柔性負荷配電網供給側多尺度調度模型，設計了配電網供給側多時間尺度雙層優化調度框架，從而完成了配電網供給側多時間尺度調度。試驗結果表明，本文設計的配電網供給側多時間尺度調度方法的調度性能良好，能有效降低調度懲罰成本，具有一定的經濟價值，為推動配電網調度可持續發展做出了一定貢獻。

關鍵詞：新能源接入；配電網；供給側；多時間尺度；調度

中圖分類號：TM 911" " " 文獻標志碼：A

新能源接入后，配電網供給側的電源輻射發生了一定改變，供配電網損持續升高，嚴重影響了配電網的供配電質量[1]。配電網調度主要包括負荷預測、電源調度和跨區調度等環節，可合理分配未來約24h的電力需求，提高調度的精細性[2]。研究表明，進行多時間尺度調度時需要綜合考慮電網調度成本和新能源利用率等問題[3]，但目前大多數常規調度方法存在成本與效益矛盾，不符合目前的配電網調度經濟性要求。為了解決上述問題[4]，需要研究一種有效的配電網供給側多時間尺度調度方法。

事實上，配電網供給側多時間尺度調度存在3個關鍵步驟。其一，根據配電網的特點和需求，建立多時間尺度的模型，包括長時間尺度的優化模型和短時間尺度的實時調度模型[5]。其二，對新能源的出力進行預測。其三，根據預測的新能源出力和負荷制定優化調度策略。其四，通過自動化技術，實現配電網供給側多時間尺度調度的自動化運行[6]。結合上述配電網調度重點，本文考慮新能源接入，設計了一種全新的配電網供給側多時間尺度調度方法。

1 新能源接入下配電網供給側多時間尺度調度方法設計

1.1 計及柔性負荷構建配電網供給側多尺度調度模型

在電力系統運行中，柔性負荷是一種具有高度靈活性的負荷，能夠快速響應電網的調度指令，實現“源”“荷”間的有效互動，從而為多尺度調度提供更大的便利性和效益。因此，構建一個計及柔性負荷的配電網供給側多尺度調度模型，對提高電力系統的運行效率和穩定性具有重要意義。要構建這樣一個模型，需要對柔性負荷的特性進行深入理解。柔性負荷具有高度的靈活性和可調節性，可以根據電網的運行情況和調度指令進行快速響應和調整。這種特性使柔性負荷能夠在多尺度調度中發揮重要作用，從而提高調度效益。構建多尺度調度模型時，需要考慮多個因素，包括購電成本、分布式調度成本和特殊懲罰成本等。這些成本在柔性負荷的調度過程中具有重要作用，直接影響多尺度調度的經濟性和效益。在某些情況下，柔性負荷的調度可能會違反電網的運行規則或安全限制，此時就需要對特殊懲罰成本進行計算和控制。通過合理地控制特殊懲罰成本，可以提高多尺度調度的效益和穩定性。柔性負荷懲罰成本minC的計算過程如公式（1）所示。

minC=Cpcc+CFL+CMR+CDERG （1）

式中：Cpcc代表購電成本；CFL代表柔性負荷調度成本；CMR代表分布式調度成本；CDERG代表特殊懲罰成本[7]。

其中，分布式調度是指通過協調配電網中的分布式電源和柔性負荷實現電網的高效運行。在多尺度調度中，需要對分布式調度成本進行合理的計算和控制，以確保調度的經濟性和穩定性。

當配電網的發電量無法滿足需求時，需要從上級電網購入電力。此時，購電成本就成為需要考慮的重要因素。為了更好地進行多尺度調度，需要對購電成本進行準確計算和預測。購電成本CP如公式（2）所示。

CP=∑λPPP-?TPP （2）

式中：λP代表購電單價；PP代表功率交換值；?T代表調度時間間隔。

在新能源接入下，配電網供給側的單元運行成本由電網公司承擔[8]，儲能裝置在新能源接入的配電網中具有重要作用，可有效解決新能源出力的波動性和不確定性問題。因此在多尺度調度中需要考慮儲能裝置的投資和運行成本，以確保調度的經濟性和穩定性。可以根據不同供電電源的儲能關系計算儲能裝置成本CDG-DAY，如公式（3）所示。

（3）

式中：fsum代表初始供電投資費用；r代表期望年限；ry代表年利率。

由此得到的廣義電網調度成本CESS如公式（4）所示。

CESS=∑∑（PESS×|PESS（T））×?T （4）

式中：PESS代表儲能單價；PESS（T）代表儲能裝置的供能功率。

根據上述廣義調度成本可以調整中斷負荷[9]，進行多尺度調度補償，得到的多尺度調度模型DDERG如公式（5）所示。

DDERG=∑∑χDERG（CESS×PDERG） （5）

式中：χDERG代表新能源出力值；PDERG代表新能源電源數量。

基于以上考慮因素，構建一個計及柔性負荷的配電網供給側多尺度調度模型。該模型綜合考慮了購電成本、分布式調度成本、特殊懲罰成本、新能源出力和儲能裝置成本等多個因素，以實現經濟、高效且穩定的配電網運行和調度。采用該模型可以更好地協調配電網中的各種資源和負荷，提高電力系統的運行效率和穩定性，有效削減商業補償成本，最大程度上提高配電網供給側的經濟收益。

1.2 設計配電網供給側多時間尺度雙層優化調度框架

新能源接入配電網后，原本的配電網復雜度增加，產生了全新的獨立依賴關系，為了實現調度協同并降低配電網調度經濟運行成本，本文根據配電網的消納關系設計了配電網供給側多時間尺度雙層優化調度框架。該框架旨在實現配電網的調度協同，降低運行成本，提高經濟效益。如圖1所示。

由圖1可知，在這個框架中，分布式自適應網絡（Autonomous

Decentralized Network，ADN）調度中心具有核心作用，負責整體調度和協調。配電系統是框架的基礎，包括原有的配電設備和新能源設備，是一個復雜的網絡結構。同時，為了增強系統的靈活性和可靠性，引入微網群，以形成更靈活的調度方式。在供電方面，可控電源、儲能系統與傳統電源共同構成了多樣化的供給側資源。這些資源可以根據需求進行調度和控制，從而保障整個系統安全穩定運行。在需求方面，配電網會面臨來自不同地區和用戶的多樣化負荷需求。為了更好地進行匹配，引入基于功率線通信的能量互換技術（Power Line Communication-based Cooperative Inverter Energy Exchange Technology，PCCI），通過不同區域間的能量交換優化能源利用，降低供電成本。最重要的是，可再生能源的接入使系統具備了更好的環保性能和能源可持續性。在這個框架中，合理地整合了可再生能源負荷，更有效地利用了清潔能源。該配電網供給側多時間尺度雙層優化調度框架提供了一個全面的解決方案，通過充分考慮各種資源的特性和相互關系，實現了配電網的智能化調度和高效運行。

上述配電網供給側多時間尺度雙層優化調度框架主要將最低網損作為調度目標，利用功率控制中心（Power Control Center，PCC）獲取調度決策變量，由此生成調度決策式minfloss，如公式（6）所示。

minfloss=∑∑PLOSS （6）

式中：PLOSS代表調度網損。

根據上述調度框架可以判斷不同時刻的出力約束關系，調整多時間尺度調度閾值。配電網供給側的時間調度周期不斷發生變化，本文設計的優化調度框架將4個調度周期合成1個調度周期，生成并網模式下的調度目標函數，從而獲取有效的平衡功率約束值，此時得到的調度負荷關系如公式（7）所示。

PCCmin≤PCCi（t）≤PCCmax （7）

式中：PCCmin代表聯絡線功率最小值；PCCi（t）代表t時刻的聯絡線功率；PCCmax代表聯絡線功率最大值。

使用上述多時間尺度調度框架可以快速調整調度限制值，從根本上降低調度懲罰成本，提高電網調度的綜合性能。

2 試驗

為了驗證設計的新能源接入下配電網供給側多時間尺度調度方法的調度效果，本文配置了符合試驗要求的試驗環境，將其與文獻[5]、文獻[6]2種常規配電網供給側多時間尺度調度方法進行了對比試驗，具體如下。

2.1 試驗準備

結合配電網供給側多時間尺度調度試驗要求，本文將IEEE33節點作為試驗模板，采集某區域24h的負荷數據進行仿真分析，再根據多時間尺度調度試驗規劃確定調度區域，構建的試驗算例仿真分析模型如圖2所示。

由圖2可知，上述試驗節點算例仿真模型符合風光消納與出力的關系，能根據柔性負荷變化狀態進行調度跟蹤。在風電和光伏發電模型中，風電容量為100kW，光伏容量為80kW；無功補償裝置容量為0.65mVar，有功裝置容量為0.2mW；調度時間尺度為1h，調度范圍為33個節點；節點電壓上、下限為0.95p.u.～1.05p.u.；線路容量限制在200kVA；功率因素為0.9～1。

2.2 試驗結果與討論

根據上述試驗準備，可以進行配電網供給側多時間尺度調度試驗，即預設了試驗調度集群，將2023.1.5—2023.1.12作為調度時間，此時，分別使用本文設計的新能源接入下配電網供給側多時間尺度調度方法（方法一）、文獻[5]的基于VMD-MPC法的配電網供給側多時間尺度調度方法（方法二）以及文獻[6]的考慮光儲熱關系的配電網供給側多時間尺度調度方法（方法三）進行配電網調度，使用femind智能調度軟件記錄3種方法在不同日期下的調度性能指標（調度負荷值、調度電壓偏差率、調度響應精度和調度懲罰成本，得到的調度試驗結果見表1。

由表1可知，在不同調度時間下，本文設計方法的調度負荷、調度電壓偏差率和調度懲罰成本較低，調度響應精度較高；文獻[5]、文獻[6]方法的調度負荷、調度電壓偏差率和調度懲罰成本相對較高，調度響應精度偏低。上述試驗結果表明，本文設計的配電網供給側多時間尺度調度方法的調度效果較好，具有可靠性和一定的應用價值。

3 結語

綜上所述，隨著全球能源結構轉變，新能源在能源供應中的比例逐漸增加。很多新能源具有間歇性和不穩定性，無法保證原本的供配電質量。多時間尺度調度可以對新能源的出力進行預測和控制，從而降低新能源出力波動對電力系統的影響，提高電力系統的安全性和穩定性。因此，本文考慮新能源接入，設計了一種全新的配電網供給側多時間尺度調度方法。試驗結果表明，本文設計方法的調度效果較好，調度成本較低，具有可靠性和一定的應用價值，為提高電力系統經濟性、促進新能源的發展和利用做出了一定貢獻。

參考文獻

[1].戴文俊，胡艷麗.基于自適應變慣性權重精英變異粒子群算法的微電網優化調度研究[J].長春工業大學學報，2023，44（4）：328-334.

[2].吳洋，蘇承國，郭航天，等.市場環境下基于IGDT的水電富集電網中長期優化調度[J].水利水電技術（中英文），2023，54（7）：64-76.

[3].林振福，楊鐸烔.基于確定性策略梯度深度強化學習和模仿學習的多源微電網經濟優化調度策略[J].電工技術，2023（8）：76-82.

[4].譚志廣，楊栩，黃洪達，等.基于深度神經網絡的分布式智能微電網群間能量優化調度仿真模型[J].電工技術，2023（6）：104-106，110.

[5].趙鳳展，張啟承，張宇，等.基于VMD-MPC法的并網型微電網多時間尺度能量協調優化調度[J].農業工程學報，2021，37（7）：190-198.

[6].唐杰，呂林，許立雄，等.多時間尺度下計及光熱—儲熱的主動配電網主輔聯合優化調度[J].水電能源科學，2021，39（3）：190-194，189.

[7].王凌云，王易雯，張濤，等.基于信息間隙決策理論和電動汽車有序充放電的微電網優化調度[J].科學技術與工程，2023，23（8）：3306-3315.

[8].崔楊，李翼成，付小標，等.基于換電服務定價策略及動態調控方法的含充換電站微電網系統雙層優化調度[J].電網技術，2023，47（5）：1998-2011.

[9].徐忠文，韋洪波，齊鵬輝，等.一種智能電網新型協同調度控制策略模型[J].武漢理工大學學報（信息與管理工程版），2023，45（1）：67-72，88.