考慮需求側參與的分布式電源并網優化

時雨，包鈺婷，楊晶瑩，郭云峰，宋磊，李昊

（1.國網吉林省電力有限公司經濟技術研究院,吉林省長春市 130062；2.東北電力大學電氣工程學院,吉林省吉林市 132012；3.國網吉林省電力有限公司,吉林省長春市 130021）

0 引言

現代配電網中分布式能量系統(distributed energy resource,DER)滲透率不斷提高，使電網在利用可再生能源時面臨使用效率、峰谷波動等問題[1-2]。隨著智能電網的發展，需求響應（demand response，DR）的介入也給配電網各類資源配置帶來新的挑戰[3-5]。因此，結合各類DR制定含DER的配電網配置方案，對于智慧能源電網的安全經濟運行具有重大意義。

目前國內外已開展關于DER并網優化配置的研究，考慮源、荷、儲等對DER并網所發揮的作用，同時配置方式由單一風、光電源[6]拓展到儲能電池等各類資源[7]，配置方法從單目標優化[8]逐漸向多目標協同優化發展[9]。針對DER并網的經濟性問題，文獻[10]考慮風電、儲能的運行成本，在減小對電壓造成的影響下建立多目標優化配置模型，文獻[11]以降低年綜合費用為目標建立雙層優化模型，但對DER并網帶來的棄風棄光等問題考慮不足；文獻[12]針對風電并網對配電網規劃的影響，構建了基于風電極限場景的2階段輸電網魯棒規劃模型，但在DER接入電網時未充分發揮電網各類資源的調節能力；文獻[13]在中壓饋線上配置儲能以應對分布式光伏的影響，以經濟性最優為目標，建立了考慮運行策略的儲能優化配置模型；文獻[14]將儲能、靈活性機組及負荷響應納入靈活性資源并進行最小化成本配置，通過分時電價及負荷中斷手段提高系統運行的靈活性。但以上研究均未能充分發掘電網中各類資源參與電網調控的潛力。綜上，目前對于DER并網配置主要考慮經濟性問題，而對可再生能源使用效率等問題鮮有研究，且對系統中需求側參與配置的形式、能力考慮不足，未能充分發揮其參與電網運行調控的互動能力。

針對上述問題，文中將需求側2類負荷按參與形式分為電網調控負荷與主動參與負荷，提出用DR參與度表征主動參與負荷在電價影響下參與電網調控的互動能力，構建需求側負荷參與電網運行的經濟模型。在此基礎上，建立分層式優化模型，規劃層以網損靈敏度確定DER接入位置，按改造成本確定DR響應上限，獲得DER、DR規劃方案。運行層在規劃方案的基礎上，構建經濟性、可再生能源使用率、電壓穩定性及削峰填谷等指標，確定DR在電網調控、電價激勵2種參與模式下的運行方案。利用模擬退火–粒子群優化（simulated annealing- particle swarm optimization，SA-PSO）算法進行多目標求解，形成源-荷優化配置方案，并進一步分析各方案的綜合效益指標，為DR參與DER并網提供輔助決策。

1 DR參與度模型

DR可在用戶側根據電網需求做出響應，此類參與響應的負荷按形式分為可平移負荷、可轉移負荷、可削減負荷3類。文中考慮電網中各類DR在電網調控及電價引導下參與電網運行的情況，提出用戶需求響應參與度，構建其相應的經濟模型和參與度函數。

1）可平移負荷?？善揭曝摵赡軌驅崿F一定時間范圍內整段用電負荷的平移，對應于工業生產過程中部分設備的受控運行以及部分可靈活調整開啟時間的家用電器。在電網激勵和電價引導條件下，可平移負荷的響應特性經濟模型如下式所示。

式中：αishift為第i種可平移負荷調度總費用；αprice,iDshift為第i種可平移負荷參與調度的補償價格；αprice,tZ為t時刻電價；φiDshift為第i種可平移負荷在t時段參與調度的功率；φiZshift為用戶自主參與響應負荷t時段平移負荷功率；λiZ為用戶電價響應參與度；kD為參與電網調控負荷數量；kZ為參與電價激勵負荷數量。

2）可轉移負荷?？赊D移負荷能夠在其允許的時間范圍內，將部分負荷分配到其他時間段上，實現其在可分配時段內的靈活分配。對應于工業冷庫制冷、民用空調、充電等可靈活調整的負荷，其響應特性經濟模型如下式所示。

式中：αitrans為第i種可轉移負荷調度總費用；αprice,iDtrans為第i種可轉移負荷參與調度的補償價格；φi,tDtrans、φi,tDtrans*為該類負荷參與電網調控前、后負荷功率；φi,tZtrans、φi,tZtrans*為該類負荷自主參與響應前、后的負荷功率。

3）可削減負荷?？上鳒p負荷能夠根據電網調控或用戶主動參與對部分負荷進行一定量的削減。削減的負荷可在用電高峰期起到削峰作用，對應于工業負荷中的甩負荷、民用負荷中一些照明、加熱等負荷，其響應特性經濟模型如下式所示。

式中：αire為第i種可削減負荷調度總費用；αprice,iDre為第i種可削減負荷參與調度的補償價格；φi,tDre為電網調控下的削減負荷功率；φi,tZre為用戶自主參與響應的削減負荷功率。

通過上述經濟模型能夠描述3種可控負荷用戶在調控和電價引導政策下參與電網運行的成本費用，響應參與度函數則能夠體現用戶在電價引導政策下的主動參與積極性，直接影響需求側用戶參與電網調度的成本費用。

2 分層式優化模型

考慮需求側可控負荷參與電網調度，構建雙層優化模型，具體包含規劃層和運行層。其中，規劃層內容包括參與電網調控的DR容量及DER的安裝位置；運行層為優化2種協作方式下參與運行DR的調度方案。

2.1 規劃層目標函數

考慮風、光DER側出力與負荷側DR，采用源–荷協調控制策略，在電源側通過接入網損評價DER并網位置的配置效果，在負荷側通過響應負荷的改造成本評價DR容量配置效果，從而確定合理的源–荷配比。

1）電網調控DR改造成本。根據參考文獻[15]，將投資成本中的DR容量改造成本折算為等年值

式中：r為利率；li為第i種設備的壽命；ci為第i種DR單位容量改造為受電網調控負荷的成本；xiDR為第i種DR改造的容量。

2）網損靈敏度。負荷節點的有功網損靈敏度表示該節點引起有功損耗的大小，若該節點接有負荷，則該節點對網絡損耗影響較大；反之，若該節點屬于聯絡節點，無負荷功率流出，則該節點有功網損靈敏度為0。通過對各節點有功網損靈敏度的計算，可以有效反映出節點功率波動時對整個網絡潮流及損耗的影響情況。靈敏度指標如下式所示。

式中：Pi、Qi為i節點的負荷有功、無功功率；∑Rsi、∑Xsi為根節點s至節點i的等值電阻和電抗；M為受控資源安裝數量。由式（5）可知，Fi的值越大，表明該節點引起的有功損耗越大。DER在安裝改造過程中等效為負的負荷，能夠降低節點負荷值，從而起到改善網損的作用。

2.2 運行層目標函數

采用可控負荷響應策略，調節負荷的平移、轉移及削減，在需求側通過調度運行成本、可再生能源使用率、電壓穩定性指標及峰谷差值綜合評價DR時序調控效果。

1）經濟運行成本。

式中：αtgrid為購電總成本。

2）可再生能源使用率。

式中：φtX為t時段消納的DER出力；φtS為t時段DER實際出力。

3）電壓穩定性指標。

式中：Ui,t為節點i在t時刻的電壓值；Ui,N為節點i額定電壓；N為配電網總節點個數。

4）削峰填谷效果。

式中：Δφ1為削峰效果；Δφ2為填谷效果；Δφ3為削峰填谷效果；φmax、φmin為優化運行前綜合負荷在一天內的最大、最小值；φmax*、φmin*為優化運行后綜合負荷在一天內的最大、最小值。文中選用Δφ3作為削峰填谷評價指標。

2.3 約束條件

該規劃–運行模型中主要考慮DER位置容量及DR容量約束，并在潮流計算時考慮系統功率、電壓平衡約束。

1）系統功率平衡約束。

式中：φi,tDER為第i個DER在t時刻的出力。

2）節點電壓約束。

式中：Ui,max、Ui,min為i節點電壓的上限、下限。

3）選址、容量約束。

式中：xi,maxDER、xi,minDER為第i種DER的容量xiDER的上下限；xi,maxDR、xi,minDR為第i種DR的改造容量xiDR的上下限；Ωi為第i種DER可選安裝位置Li的集合。

3 模型求解

分層式模型中的規劃層主要解決參與電網調控的源–荷側的選址定容問題，運行層重點考慮電網調控與電價引導下的DR調度問題。運行層在規劃層基礎上需獲取各類DR在不同響應容量、不同參與度時的運行情況，且隨著DER接入數量的增加、調度時段的精細化以及綜合效益模型涵蓋指標的多樣化，整個求解過程難度也會顯著增大。為提高求解效率并保持解集的多樣性，采用分層優化的架構形式求解優化問題。

3.1 多目標SA-PSO混合算法

模擬退火算法（simulated annealing，SA）[16]是一種在一定概率控制下暫時接受一些劣質解的改進標準粒子群算法（ particle swarm optimization，PSO），可避免搜索陷入局部極值。文中采用多目標SA -PSO混合算法對分層模型求解。

應用Metropolis準則，根據粒子在溫度tls時的新舊位置值Eq和Ep，計算其適應度大小，若Ep＞Eq，則以位置值Eq為當前位置；否則以一定的概率e進入新位置。

式中：kb為玻爾茲曼常數。

在粒子位置更新過程中，粒子除依據新舊位置進行更新外，對于差的新位置，仍能在溫度控制下以某一概率進行更新。這樣粒子能夠以某種概率“試探”后再移動，增強局部搜索能力，粒子隨溫度降低逐漸形成低能量基態，收斂于全局最優解。

3.2 分層式優化求解流程

分層式優化求解流程如圖1所示。

圖1 分層式優化求解流程Fig.1 Solving flow of hierarchical optimization

在規劃層中，依據各類DER典型日出力情況，結合所需電網調控DR容量，得到DER與電網調控DR的選址定容方案。在運行層中，將規劃層規劃方案結果里的DR及DER安裝位置、容量作為運行層優化的輸入?？紤]電價激勵下不同用戶參與度，建立優化模型，利用多目標SA-PSO混合算法進行優化求解，得到各類DR優化運行方案。最終通過2層優化結果的迭代得到優化配置結果。

4 算例分析

4.1 基本參數設置

文中以東北某實際35 kV 72節點配電系統為例，接線如附圖A1所示。該系統總有功負荷為33 MW，其中工業負荷占比約為61%，民用負荷占比約為28%，可再生能源容量配比上限為20%。

該地區風、光電源典型時序出力模型如附圖A2所示。

利用SA-PSO算法對分層優化模型求解，具體參數設置見表1。

表1 SA-PSO算法參數設置Table 1 Parameter setting of SA-PSO algorithm

電網分時電價曲線如圖2所示[17]。

圖2 電網分時電價曲線Fig.2 Time-of-useelectricity price curve

研究表明[18]，工業負荷作為電網調控下的需求響應因素，其可控容量的比例約為5%～10%，民用負荷在電價激勵條件下參與電網調節的響應容量比例約為10%～15%；商業負荷受自身運營機制所限，能夠參與需求響應的可控比例較小，故忽略不計。

4.2 仿真分析

規劃層考慮DER接入計算各節點網損靈敏度從而確定風、光電源并網初始安裝位置。

由圖3可知，風、光分別在31、52節點接入時對網損改善效果最為明顯，網損波動影響較小。結合網損及可再生能源容量配比確定風電裝機容量為4 MW，光伏裝機容量為2.2 MW。

圖3 節點網損靈敏度Fig.3 Sensitivity of nodal network loss

與民用負荷相比，工業負荷可控規模更大、規律性更強[18]，設定工業負荷受控部分改造上限為負荷量的10%，作為受控資源參與電網調控。工業負荷改造成本為2.6萬元/MW，年利率0.08，規劃總時段為5年[19]。根據式（4），折算到等年值達到4.16萬元/年。

在規劃層所獲方案基礎上，綜合考慮調度周期運行成本、可再生能源使用率和電壓穩定性指標，在電網調控負荷受控參與、電價激勵負荷主動參與2種情況下求解運行方案。

選擇系統中工業負荷較大的節點作為接受電網調控的負荷節點，其編號分別為11、47、68；參與電價激勵響應的民用負荷節點編號分別為15、46、61。不同負荷參與度的運行方案Pareto解集如圖4所示，其中每個非劣解都對應一組運行策略。

圖4 多目標優化Pareto解集Fig.4 Multi-objective optimization Pareto solution set

不同場景下的典型運行方案優化結果見表2。

表2中電網調控、電價激勵2類DR按不同參與度劃分2個場景方案，各方案間差別主要體現在經濟運行成本、可再生能源使用率方面。同一場景下，隨著電價激勵DR參與度上升，運行成本有所下降，可再生能源利用率升高，負荷波動峰谷差降低。不難看出，此類負荷中民用負荷比重較大，用戶在電價引導下提升參與度能夠有效改善電網運行指標。另一方面，隨著電網調控DR參與度的提高，電網運行成本增加，可再生能源使用率提高，負荷峰谷差隨之降低。表明受控負荷在系統宏觀調控下產生了一定的負荷轉移成本，由于此類負荷一般為大型工業單位，其集中可控性較高且容量較大，在風光消納和削峰填谷方面具有更為顯著的優勢。

表2 不同場景下的運行方案優化結果Table 2 Optimization results of operating schemes under different scenarios

分析發現，通過提高DR參與度能夠在用戶側更好地改善用電情況，從而降低系統成本、減少棄風棄光量。從未來電網節能減排角度考慮，選取場景2的方案3進一步分析24h內可控負荷與風、光出力波動時序特性。

圖5（a）中，優化前典型日負荷曲線存在2個波峰時段，峰谷差為24.2 MW。綜合能源最小出力為傳統火電機組最低出力與風、光出力之和。不難看出，在23:00—7:00時段綜合能源最小出力高于負荷需求，進而導致棄風棄光。圖5（b）中，3類可控負荷在響應區間內分別做出相應調整，使得負荷峰谷差降至19.4 MW，同時可再生能源的棄風棄光量明顯降低，風、光使用率由82.1%提升至92.0%。

圖5 優化運行前后24 h源-荷功率波動Fig.5 The source-load power fluctuation beforein the24 hoursbefore and after theoptimization operation

經過優化，各類DR在2種參與模式下的負荷波動時序曲線更加貼合可再生能源出力情況，在運行過程中能夠根據電網削峰填谷的需要，進行靈活地轉移與削減，提高了可再生能源的使用率。在此過程中，由于各類DR的負荷特性，可削減負荷只在固定時刻削減自身出力參與電網運行；相對而言，可轉移與可平移負荷則能在相應時段內靈活調節出力分布，故在風光消納和削峰填谷方面具有更大優勢。

4.3 可控負荷構成對電網運行的影響評估

進一步分析不同DR構成的優化運行結果，根據電網調控負荷所占比例將容量配比分為3種主要場景。在各場景中，依據電網調控負荷構成比例，評估不同類型DR參與對電網運行指標的影響?？紤]到多目標優化解集多樣性對決策所產生的影響，選取可再生能源使用率為各方案的主要評估指標，結果如附表A1所示。

在同一場景中，負荷構成分為3種情況。場景2中，在可削減負荷占比不變情況下，為可平移、可轉移負荷分配相同的響應容量時，運行成本基本一致，但相較可轉移負荷，可平移負荷在其余指標上有更好的表現。原因在于2種負荷在運行區間內負荷分配形式不同，可平移負荷在整個用電區間上的調控方式為整段轉移，轉移的負荷量更為集中。隨著分配給可平移負荷的參與比重增加，電網運行成本增加，可再生能源使用率逐漸提高，發揮更好的削峰填谷效果。

在場景3中，保持可平移負荷所占比例一定，比較可轉移負荷與可削減負荷的表現?？梢钥闯?，在相近的運行成本下，可轉移負荷更利于消納風、光，促進削峰填谷。分析可知，運行形式相近的可平移負荷、可轉移負荷在提高可再生能源利用率上較可削減負荷效果更為明顯，隨著源–荷波動，發揮靈活的削峰填谷作用。而相比之下，可削減負荷的作用主要體現在削減用電負荷峰值上。

在場景1中，當電網調控負荷比例保持不變，隨著用戶參與度的增加，各運行指標均有明顯改善。表明用戶通過自主參與電網調節，隨電價調整自身負荷分配，可在更少的經濟成本下，有效地調動用戶側更多的資源，提高可再生能源使用率，并對削峰填谷起到積極作用。通過增加電網調控、用戶電價激勵2類DR的參與容量，均能在優化指標上獲得更大的優勢。

5 結論

本文考慮DR的參與度，研究DER并網的規劃與運行，得出以下結論：

1)通過DR參與度模型能夠有效描述需求側用戶參與電網運行的用電行為與特性，便于進行基于DR的風、光消納與削峰填谷分析決策。

2)分層式優化模型能夠考慮分布式電源接入對電網經濟性、穩定性以及可再生能源利用率的影響，通過SA-PSO多目標優化算法求解，在可行域內提供合理的多樣性方案，通過仿真驗證了所提方法的有效性與可行性。

3)電價激勵DR雖然具有靈活經濟的特點，但由于其分散性和不確定性，不能作為電網調節的主要依賴方式，只能作為用戶側的一種補充手段。相比較而言，電網調控DR受控參與運行可在電網管理下定點定量地參與調整，在集中可控性方面更具優勢，達到良好的可再生能源消納和削峰填谷效果。

致 謝

本文得到了國網吉林經研院“2020年清潔能源大省戰略下靈活性負荷控制技術”研究項目的支持，謹此深表感謝。

（本刊附錄請見網絡版，印刷版略）