考慮微電網群和需求響應的配電網日前-日內優化調度策略

王 濤,賈清泉,崔傳智

(燕山大學,河北 秦皇島 066004)

0 引言

隨著以光伏、風機為代表的可再生能源的快速發展,可再生能源得到了廣泛關注并大規模應用于電力系統中。但分布式電源出力具有間歇性,在使得電網更加環保的同時,也為電網安全穩定運行帶來了挑戰[1-2]。微電網(Microgrid)作為分布式可再生能源的有效接入方式,受到了廣泛關注,成為分布式可再生能源消納的重要方式[3-5]。但是單個微電網存在容量有限、抗干擾能力弱等缺點[6]。因此,將地理位置相近的多個微電網互聯,構成一個可以消納更多分布式可再生能源的微電網群。微電網群內子微電網間協同運行,能夠提高分布式可再生能源的滲透率和利用率,提高微電網的供電可靠性和電能質量。

目前國內外已有許多文獻對多微電網系統和微電網群系統的配電網做了研究。文獻[7]提出了一種具有集群微電網的配電網兩級能量管理模型,協調配電網和微電網群間的能源管理。文獻[8]提出了一種用于電網內電力共享的微電網間相互作用的協同電力調度算法,研究了分布式智能電網中以運營成本最小化為目標的負荷需求管理。文獻[9]基于交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)證明了將相近的多個微電網互聯構成微電網群系統進行協同管理,能夠提高系統的運行經濟性和可靠性。文獻[10]提出了一種針對微電網群優化運行的基于一致算法的信息傳遞全分布式算法,實現了微電網群運行成本的全分布式運行優化,但是沒有考慮系統網絡損耗。文獻[11]提出了基于一致性協議的多微網協調控制策略,實現子微網功率的平均分配。但是一致性協調過程涉及收斂系數等問題,影響了多微網協調控制效果。文獻[12]建立了多微網的主動配電網系統的雙層優化調度模型。文獻[13-14]分別考慮了多代理框架的多微網系統,以解決微網內部和微網之間的能源管理問題。

針對負荷的多時間尺度特性和預測的不完全精確問題,文獻[15]提出基于模型預測控制的多時間尺度主動配電網多源協調優化調度策略,分別考慮長時間尺度最優經濟調度和短時間尺度滾動優化,但預測方法存在較大偏差。文獻[16-17]改善了模型預測誤差問題,用實際出力值代替預測值,進一步降低預測誤差。文獻[18]提出了一種基于用戶需求響應(demand response,DR)的集成預調度和重新調度的兩階段調度方法,實現了大規模用戶參與配電系統的優化調度。文獻[19]針對冷熱電負荷需求的不匹配特性和隨機特性,從供給側和需求側控制的角度對冷熱電聯供系統的綜合優化運行問題進行了研究。上述文獻考慮了多微電網接入配電網系統,分別考慮了各自的經濟性,但未從配電網角度整體考慮系統的經濟性。

本文從配電網整體經濟性考慮,提出基于配電網整體經濟性的調控策略,并考慮具有需求側響應、儲能和分布式電源的可調度性微電網群系統參與配電網經濟優化調度。同時,考慮光伏預測、負荷預測的不確定性和需求側響應的提前通知時間特性,針對傳統集中式調度的實效性、經濟性差等問題,提出微電網-微電網群-配電網自下向上的申報策略和配電網-微電網群-微電網自上而下的求解策略,建立了配電網-多微電網的日前-日內滾動多時間尺度優化調度模型,模型采用ADMM 求解。并用算例分析了微電網群接入配電網的整體經濟性,驗證所提模型的經濟性。

1 含微電網群的配電網優化系統

1.1 系統優化架構

本文提出的配電網-微電網群-微電網功率和信息交互的配電網控制架構如圖1所示。

圖1 含微電網群的配電網控制架構

微電網內部資源將各自出力聚合并上傳至微電網控制中心(Microgrid Center,MGC),MGC把收集的可控資源出力信息聚合并上報給微電網群控制中心(Multi-microgrid Center,MMGC);MMGC把收集的群內微電網出力信息聚合,并于日前上報給配電網決策中心(Distribution Network Decision Center,DNDC),DNDC 根據運行成本統一決策出力信息,并把微電網群出力決策量下發至各MMGC;MMGC 根據微電網等值模型進一步決策出群內微電網出力信息,并把決策信息下發給群內MGC;MGC 根據內部各資源出力成本,將MMGC決策量分配至各個設備。

1.2 系統日前-日內優化策略

配電網日前-日內多時間尺度優化策略如圖2所示。日前優化根據配電網負荷預測和光伏出力預測,每24 h制定一次調度計劃,得到日前配電網購電電量、每個微電網出力信息,MGC 進一步優化決策得到每小時微電網內部柴油機出力策略、儲能充放電策略和日前型可控負荷策略。

圖2 配電網多時間尺度優化策略

為了適應日內可控負荷的隨機性、實現微電網內統一調度,并盡可能及時傳輸并處理數據信息,以滿足實時性的要求,每個MGC 采集內部實時信息后上傳至MMG 和DNDC,由MGC 完成優化計算[20],并把優化結果下發給內部可控資源,實現日內短時間尺度的優化調度。日內滾動優化階段對負荷的預測精度進一步提高,基于日負荷曲線的日內實測值,對日內型可控負荷實際申報值及分布式儲能等資源進行修正調控,需要通過對日內型可控負荷、儲能和柴油機功率進行修正以滿足功率平衡條件?？紤]到日內型可控負荷隨機性、實時性較強,日內優化控制采用滾動優化方式,提前15 min制定1 h的控制計劃,僅通知用戶第1個15 min的控制結果。

2 配電網-微電網模型建立

2.1 微電網約束建立

本文考慮每個微電網由光伏發電、柴油機、儲能系統、常規負荷和需求側響應負荷組合而成。

微電網運行的任何時刻都需要滿足內部功率平衡,即在微電網n內滿足

式中:P n,PCC(t)為t時段配電網需要微電網發出的有功功率;為光伏預測功率;)為DG的輸出功率)和分別為t時刻儲能的充電和放電功率;為t時段可以平移的功率;)和分別為t時段可轉入功率和可轉出功率;)為t時段用戶可中斷功率;為t時刻微電網與群內其他微電網交換的功率;)為t時刻微電網群決策微電網n用于與其他微電網群交換的功率。

任一時刻,微電網的出力都受到內部資源總和的約束,其出力范圍約束為

微電網與微電網間聯絡線存在傳輸功率上限,可表示為

2.2 微電網內資源模型建立

本文假設其預測誤差服從均值為0、標準差為σpv,k的正態分布

式中:γpv為光伏預測偏差占光伏預測功率的比例。

則t時刻光伏電池板k的實際出力P'pvk(t)為

儲能系統的荷電狀態滿足以下公式

式中:BSOC,i(t)為儲能的荷電狀態,本文設置其上下限為0.9和0.2;ηin和ηout分別為儲能充放電的效率,本文均設置為0.95。其運行成本與放電功率之間關系為

柴油發電機(DG)發電成本與其輸出功率之間的關系為

式中:CDG(t)為DG 的發電成本;cDG(t)為柴油燃料價格;PDG(t)為DG 的輸出功率;adg、bdg和cdg分別為燃料消耗系數。

DR 可以引導用戶用電,保障電網穩定運行。DR 主要可以分為激勵機制型DR(Incentivebased Demand Response,IDR)和價格機制型DR(Price-based Demand Response,PDR)兩大類[21]。本文將IDR 和PDR 作為參與微電網的負荷調度對象,且建立的模型采用日前動態電價模式,因此需要PDR 調度量需要在日前調度根據電價確定;不同的IDR 在響應時間上存在差異,因此在考慮提前通知時間長短將IDR 進行分類,如表1所示。

表1 IDR的類型

IDR 可以分為以下3種:

1)可中斷負荷

可中斷負荷(Interruptible Load,IL)是指在電網負荷高峰時刻,用戶可以根據電網的激勵機制降低用電,如家用娛樂設備。IL 既可以日前安排,也可以臨時削減,所以IL既有日前型,也有日內型?？芍袛嘭摵傻目刂颇Ｐ?/p>

式中:TOIL和TIL分別為用戶負荷不可中斷的時段和可中斷的時段;PIL,max(t)為t時段用戶最大可中斷功率。

2)可平移負荷

可平移負荷(Shift Load,SL)是指負荷的用電時段可以根據系統的用電狀態整體平移到另一個時段,但在調度周期內平移前后的負荷曲線保持不變,如工業用戶?？善揭曝摵蓛H可在日前安排,因此屬于日前型可控負荷?？善揭曝摵傻目刂颇Ｐ?/p>

式中:Δt為可平移時長;TSL為可平移的時間;PSL(t+Δt)為平移到t+Δt的負荷功率。

3)可轉移負荷

可轉移負荷(Translatable Load,TL)是指負荷的各時段用電量可以靈活調節,但是負荷總量不變,如電動汽車。TL 既可日前安排,也可以臨時調整,因此屬于日前型和日內型可控負荷?？赊D移負荷的控制模型

式中:TOTL、TTLin和TTLout分別為不可轉移負荷時段、可轉入負荷時段和可轉出負荷時段;PTLin,max(t)和PTLout,max(t)分別為t時段最大可轉入負荷功率和最大可轉出負荷功率。

為了使DR 資源充分參與到微電網系統的調控中,負荷聚合商提前與用戶簽訂合同,將各類能夠提供DR 資源的用戶進行聚合,并由微電網控制中心統一調控。

2.3 配電網日前調度模型建立

配電網日前優化調度提前一天制定次日24 h的調度計劃。配電網日前模型以配電網系統運行成本最小為目標,確定日前購電量和微電網群出力;微電網群日前模型以運行成本最小為目標,確定微電網聯絡線功率;微電網根據內部資源成本函數,優化日前型負荷、柴油機和儲能出力。配電網日前目標函數可表示為

式中:cgird(t)為電網電價;Pgrid(t)為配電網聯絡線有功功率;Ccompl(t)為用戶失電成本,可表示為

式中:ccompl為用戶失負荷補償系數;Pcompl(t)為用戶失負荷功率。

微電網群日前目標函數可表示為

式中:CMGm(t)為微電網群運行成本;CPCCm(t)為微電網與配電網交易成本;Cab(t)為棄光成本。

式中:cab為棄光電價;Pab(t)為棄光量。

約束條件

1)節點電壓越限約束

式中:U i(t)為t時刻i節點的電壓;U i,min和U i,max分別為節點電壓上、下限,取0.93 p.u.和1.05 p.u.。

2)潮流約束

2.4 配電網日內修正模型建立

負荷預測偏差分布可以當做均值為0、標準差為σload的正態分布,其概率密度函數為

式中:Pload為負荷預測功率;γ為負荷預測偏差占負荷預測功率的比例。

配電網日內優化以修正預測偏差的調度成本最小為目標,日內目標函數為

式中:ΔCDG(t)為柴油機調節成本;ΔCload(t)為可控負荷調控成本;ΔC i(t)為儲能調控成本;ΔCload(t)為可控負荷調節成本,可表示為

式中:c'IL和c'TL分別為日內型可中斷負荷和可轉移負荷的成本系數。

約束條件

式中:ΔPDG(t)為柴油機出力調節量;ΔP i(t)為儲能出力調節量;ΔPgrid(t)為微電網與配電網交換電量;ΔPload(t)為可控負荷調節量;ΔPMG(t)為與其他微電網功率交換量。

柴油機出力變化量需要滿足

儲能出力變化量需要滿足

式中:P i(t)為儲能充電或者放電功率,充電取正,放電取負。

2.5 模型求解方法

ADMM 是Gabay等人提出的可以用于解決具有線性等式約束的規模較大的凸優化問題的分布式算法[22],對于凸優化問題具有魯棒性強等特點。其融合了乘子法的良好收斂性,具有收斂性好、低通信負擔的優點。其標準形式為

式中:f(x)和g(z)分別為凸函數,x∈R Nx和z∈R Nz為待優化變量;A、B、C為等式約束的相關參數,A∈R m×Nx、B∈R m×Nz和C∈R m×1。

應用增廣拉格朗日函數法,構造其增廣拉格朗日函數

式中:λ為對偶乘子,λ＞0;ρ為懲罰系數,ρ＞0。

根據乘子法和對偶上升的原理,按如下步驟對每個優化變量進行交替求解

將原始殘差和對偶殘差作為ADMM 收斂性的判據

式中:σ1和σ2分別為原始殘差和對偶殘差的閾值,當小于或等于該閾值時,ADMM 停止迭代,收斂到所要求的精度標準。

將ADMM 應用于本文含微電網群的配電網優化調度中,通過對微電網的約束條件的處理,并對每個微電網群進行交替迭代求解。其中,微電網群1的k+1次迭代利用配電網的變量z k、x k和λk以及本群的x k和λk;微電網群2的k+1次迭代利用配電網的變量z k、x k和λk以及本群的x k和λk。

3 算例分析

3.1 算例參數設置

本文以IEEE 33節點為基礎,分別在18、22、25和33節點接入4個微電網,其拓撲結構如圖3所示。其中微電網1和微電網2組成微電網群1,微電網3和微電網4組成微電網群2。各微電網的光伏、儲能和柴油機配置如表2所示。各微電網可控負荷占比如表3所示。設各微電網群內的微電網交換功率的成本和光伏發電成本為0,微電網間的交換功率成本為0.4元/k Wh。日前24 h每小時配電網電價如表4所示。ADMM 的σ1和σ2本文均取為10-4,ρ取0.4,微電網光伏預測誤差分布置信水平為0.95,標準差為0.3。配電網預測誤差分布置信水平為0.95,標準差為0.1。

表2 各微電網分布式資源配置

表3 各微電網可控負荷構成

表4 分時電價

圖3 算例拓撲結構

3.2 調控結果分析

3.2.1 日前調度結果分析

選取典型日的配電網負荷曲線和光伏出力曲線,配電網-微電網群日前調度結果如圖4所示。微電網內各分布式資源和需求側響應調度結果如圖5所示。

圖4 配電網-微電網群日前調度結果

圖5 各微電網資源日前調度結果

由圖4分析可知,微電網群參與配電網優化調度具有削峰填谷和降低負荷波動的作用,峰谷差降低了32%。在20:00-21:00時段內,各微電網群出力和為600 k W,占配電網總負荷的16%,減少了高電價時段配電網購電量,降低了配電網的運行成本。

由圖5分析可知,各微電網充分調用內部可控資源參與日前優化調度。儲能在用電高峰時段(18:00-22:00)發出電量,在用電低谷時段(00:00-05:00)和光伏出力較大時段(09:00-17:00)吸收電量?？善揭曝摵珊腿涨翱赊D移負荷從用電高峰時段轉出至需要消納光伏的時段,儲能和可控負荷具有顯著的就近消納光伏和削峰填谷作用,峰谷差降低了32%。

3.2.2 日內修正結果分析

日內優化在日前調度結果的基礎上進行修正,各微電網的修正量如圖6所示。日內各微電網儲能、柴油機、可中斷負荷和可轉移負荷對預測誤差的修正量如圖7所示。

圖6 日內微電網修正量分配(15 min/時段)

圖7 各微電網日內調度結果(15 min/時段)

由圖6分析可知,微電網2由于其柴油機額定功率較大且日內型負荷豐富,日內調度量最大。

由圖7分析可知,微電網充分利用了內部的分布式資源和日內型可控資源,并根據成本分配了各資源的修正量。柴油機由于具有啟停成本,本文僅考慮在日前已經開機的情況下參與日內優化調度。儲能在SOC和充放電允許的情況下,均參與了日內的優化調度。在各個15 min優化調度周期內,日內型IL 和TL 均在允許范圍內充分參與日內的調度修正。如微電網1在第32和71時段內,日內型IL可以通過中斷來響應微電網的修正指令;日內型TL 也需要滿足轉移總量之和為0,在18、25等時段內均有轉出,在24、34等時段內均有轉入,以響應微電網的修正指令。

3.3 調控結果對比

本文提出的微電網-微電網群-配電網自下向上申報和配電網-微電網群-微電網自上而下調度策略可以充分利用微電網內部可控資源,并且可以降低通信時間,完成短時間實時性的優化調度。為體現其優越性,將本文所提方法的經濟性與配電系統資源統一由配電網調度的傳統集中式調度策略的經濟性,分別考慮配電網和微電網為主體的多主體調度策略的經濟性進行對比,結果如表5所示。

表5 不同調度策略經濟性對比結果

由表5分析可知,本文策略相較于傳統集中式控制策略和多主體調度策略,系統日前購電成本分別降低了3%和1%,系統日內調度成本降低了46%和16%,系統總運行成本分別降低了4%和1%。綜上所述,本文所提出的調度策略可以充分發揮微電網的可調度性,帶來更好的經濟效益。

4 結論

配電網優化調度隨著新能源的接入量增加逐漸困難,會對用戶的電能質量造成不利影響。本文針對微電網群接入配電網的情況,提出了配電網-微電網群-微電網自上而下的日前-日內多時間尺度優化調度策略,充分利用微電網內的可控資源,修正日前預測誤差,滿足系統的經濟性。

1)本文建立的自下向上申報流程和自上而下決策的結構更有利于信息的計算與傳送,提升了實時性,降低了通信延遲和計算時間長帶來的風險。

2)本文所提出的配電網多時間尺度優化調度策略充分調用了微電網群和微電網內部的可控資源參與配電網的有功調度,實現了配電網整體性最優經濟調度,降低了配電網系統的峰谷差,提高了系統的經濟性。