呂智林，廖龐思，楊 嘯

（廣西大學電氣工程學院，南寧 530004）

太陽能、風能等可再生能源取之不盡用之不竭的特性將使其成為未來電力系統(tǒng)主要能源。而主動配電網(wǎng)ADN（active distribution network）的發(fā)展旨在提高配電網(wǎng)側(cè)的可再生能源滲透率，優(yōu)化能源結(jié)構(gòu)[1]。多個微電網(wǎng)組成微網(wǎng)群，相互成為備用能量，互濟富余電力也成為對可再生能源進行充分利用的有效方法之一。在電力市場環(huán)境下，微網(wǎng)與微網(wǎng)或微網(wǎng)與主動配電網(wǎng)相連才能獲得更大利益[2]。

目前已有許多文獻對微網(wǎng)并入主動配電網(wǎng)做了討論和研究。文獻[3]提出了一種并網(wǎng)多微網(wǎng)-主動配電網(wǎng)雙層優(yōu)化模型，利用上層ADN 系統(tǒng)的優(yōu)化結(jié)果約束下層多微網(wǎng)MMG（multi-microgrid）從而得到MMG 的分布式電源DG（distributed genera?tion）規(guī)劃；文獻[4]采用目標級聯(lián)法對ADN 系統(tǒng)和MMG 分別進行優(yōu)化調(diào)度，通過將聯(lián)絡(luò)線功率作為解耦變量，實現(xiàn)微網(wǎng)自治模型與配網(wǎng)優(yōu)化模型的解耦與并行求解；文獻[5]提出了一種以上層配電系統(tǒng)作為領(lǐng)導者，下層微網(wǎng)作為追隨者的非線性雙層優(yōu)化模型，解出上層最小化成本和下層MMG 的最大化利潤；文獻[6]提出一種多微網(wǎng)-主動配電網(wǎng)兩層嵌套模型，以內(nèi)層ADN 系統(tǒng)的調(diào)度結(jié)果作為外層微網(wǎng)調(diào)度模型的約束實現(xiàn)多微網(wǎng)的經(jīng)濟優(yōu)化調(diào)度。

上述文獻都是對微網(wǎng)和ADN 系統(tǒng)分別進行建模和優(yōu)化，從而使雙方達到經(jīng)濟效益的最大化，但在優(yōu)化過程中沒能考慮不同類型微網(wǎng)用戶的用電特性。為了能更好地引導用戶進行需求側(cè)響應(yīng)，本文結(jié)合了商業(yè)型、辦公樓型和住宅型3種微網(wǎng)的用電特性，利用需求側(cè)響應(yīng)DR（demand-side response），引導用戶改變用電習慣來節(jié)能降耗。需求側(cè)響應(yīng)是供需側(cè)制定用電協(xié)議，由用戶自發(fā)進行用電調(diào)整來參與供需功率平衡調(diào)節(jié)的方式。需求側(cè)管理不僅能夠提高分布式電源的滲透性，還能彌補DG 發(fā)電的間歇性[7]。文獻[8]提出了一種基于多智能體系統(tǒng)的多步分層優(yōu)化算法，將儲能電池、需求側(cè)響應(yīng)和可控發(fā)電廠作為調(diào)節(jié)單元根據(jù)各微網(wǎng)的能量盈余和短缺信息實時進行調(diào)控；文獻[9]結(jié)合冷熱電可平移負荷的特性，建立了包含可平移負荷的綜合能源運行成本的優(yōu)化調(diào)度模型，最后算例表明了負荷平移具有削峰填谷，減少綜合運行成本等方面的作用。在考慮能源效益方面，使用基于多智能體一致性的分布式能源管理方法能有效解決微網(wǎng)群中能源互聯(lián)網(wǎng)的能源管理問題[10]，微網(wǎng)間將剩余能量進行互濟調(diào)節(jié)能提高可再生能源消納率，且每個子微網(wǎng)只需要與相鄰微網(wǎng)進行少量的信息交換，與傳統(tǒng)集中式調(diào)度方法相比，收斂速度更快，加快指令產(chǎn)生與下達，符合實時動態(tài)調(diào)度的需求[11]。

針對城鎮(zhèn)區(qū)域光伏發(fā)電較普及而風力發(fā)電較少的情形，本文提出了考慮用戶需求側(cè)響應(yīng)的光伏微網(wǎng)群-主動配電網(wǎng)雙層優(yōu)化調(diào)度模型，將下層光伏微網(wǎng)通過一定的拓撲結(jié)構(gòu)組成微網(wǎng)群集系統(tǒng)，使用一致性算法將經(jīng)濟調(diào)度問題轉(zhuǎn)換為功率分配過程中成本一致性問題，在保證微電網(wǎng)群整體實時功率平衡的同時能降低功率調(diào)節(jié)所耗費的成本。微網(wǎng)群通過聯(lián)絡(luò)線PCC（point of common coupling）與ADN進行買賣電交易，根據(jù)微網(wǎng)群的電能情況來決定其是當作虛擬負荷，還是當作虛擬電源來參與上層主動配電網(wǎng)最優(yōu)潮流的優(yōu)化調(diào)度，上層的配電網(wǎng)模型以系統(tǒng)網(wǎng)絡(luò)損耗最小為目標函數(shù)，對最優(yōu)潮流模型進行線性化出處理，解出滿足潮流約束下的配電網(wǎng)層DG出力。

1 微網(wǎng)群-主動配電網(wǎng)協(xié)調(diào)優(yōu)化調(diào)度策略

為提高微網(wǎng)的經(jīng)濟效益和環(huán)境效益以及能源效益，本文提出的策略主要考慮微網(wǎng)群并網(wǎng)運行時與ADN 系統(tǒng)交互的兩種情況：有能量剩余向ADN系統(tǒng)售電，無法滿足用電需求時先微網(wǎng)群內(nèi)部互濟調(diào)節(jié)再向ADN 系統(tǒng)購電，通過與ADN 交互減小分布式電源出力的不確定性和負荷波動性對微網(wǎng)群的影響；上層ADN 系統(tǒng)與下層微網(wǎng)群作為不同的利益主體分別建模優(yōu)化，上下層優(yōu)化調(diào)度既獨立又互相關(guān)聯(lián)，上下層之間以PCC功率作為解耦變量進行優(yōu)化，分別求解出各自的決策變量與目標函數(shù)。

1.1 下層微網(wǎng)群功率調(diào)節(jié)策略

本文將多個光伏微網(wǎng)互聯(lián)組成微網(wǎng)群，使得微網(wǎng)群里的各個子微網(wǎng)實現(xiàn)能源共享，在各自負荷高峰和低谷時段能進行能量互濟。各子微網(wǎng)都含有光伏PV（photovoltaic）發(fā)電機、儲能系統(tǒng)ESS（ener?gy storage system）、固定負荷FL（fixed load）以及需求側(cè)的柔性負荷。柔性負荷包括可轉(zhuǎn)移負荷TL（transferable load）和可中斷負荷IL（interruptible load），其中，可轉(zhuǎn)移負荷是指一類使用時間靈活的負荷，根據(jù)協(xié)議用戶可在用電高峰時段的原本用電需求轉(zhuǎn)移到用電低谷時段或可再生能源出力高峰時段使用；可中斷負荷則是根據(jù)協(xié)議在用電高峰時段可直接中斷使用的負荷。

本文研究的對象是光伏微網(wǎng)群與主動配電網(wǎng)，因此對微網(wǎng)群進行功率調(diào)節(jié)時從供給側(cè)和需求側(cè)兩個方面來考慮，所以主要的調(diào)節(jié)方式包括：儲能系統(tǒng)充放電、多微網(wǎng)間的協(xié)調(diào)、需求側(cè)響應(yīng)以及向ADN系統(tǒng)買賣電。

1.2 上層主動配電網(wǎng)優(yōu)化調(diào)度策略

改進的IEEE-33 節(jié)點主動配電網(wǎng)系統(tǒng)結(jié)構(gòu)如圖1 所示。本文提出的微網(wǎng)群-主動配電網(wǎng)聯(lián)合調(diào)度策略通過PCC 聯(lián)絡(luò)線將微網(wǎng)群接入配電網(wǎng)的14節(jié)點處，微網(wǎng)群優(yōu)化得到的PCC功率會作為線路參數(shù)參與上層的經(jīng)濟調(diào)度。

圖1 接入微網(wǎng)群的主動配電網(wǎng)系統(tǒng)結(jié)構(gòu)Fig.1 Structure of ADN system connected with MMG

2 微網(wǎng)群-主動配電網(wǎng)協(xié)調(diào)優(yōu)化調(diào)度數(shù)學模型

2.1 微網(wǎng)群優(yōu)化調(diào)度模型

微網(wǎng)群的優(yōu)化調(diào)度以儲能電池充放電、向外購電和需求側(cè)響應(yīng)3 種功率調(diào)節(jié)方式來實現(xiàn)功率平衡，平抑光伏出力和負荷的波動。以微網(wǎng)群經(jīng)濟成本最優(yōu)的角度建立微網(wǎng)群優(yōu)化調(diào)度模型，在滿足各調(diào)節(jié)單元的功率約束條件下，實現(xiàn)微網(wǎng)群供電可靠性和經(jīng)濟性。

2.1.1 微網(wǎng)群優(yōu)化目標

微網(wǎng)群的優(yōu)化目標是實現(xiàn)微網(wǎng)群售電收益最高，調(diào)節(jié)成本最低，因此目標函數(shù)是售電收益與調(diào)節(jié)成本之和，表達式為

式中：Pb,t為t時段微網(wǎng)群向ADN購電或售電功率；ρ1為購電價格，購電情況下Pb(t)為負；ρ2為售電價格，售電情況下Pb(t)為正。

各調(diào)節(jié)單元的調(diào)節(jié)成本分別表述。需求側(cè)響應(yīng)的調(diào)節(jié)成本為式中：Ppv,i,t為微網(wǎng)i在t時段的光伏出力功率；Pb,t為t時段微網(wǎng)群與主動配電網(wǎng)交易功率，即PCC 聯(lián)絡(luò)線功率；PL,i,t為微網(wǎng)i在t時段的負荷需求；Pdr,i,t為微網(wǎng)i在t時段的需求側(cè)響應(yīng)功率，包括該時段從原本負荷需求功率中轉(zhuǎn)移出去和中斷使用的負荷功率。每個子微網(wǎng)在t時段的需求側(cè)響應(yīng)功率為上述兩種類型的需求側(cè)響應(yīng)功率之和，即

式中：Ptr,i,t為微網(wǎng)i在t時段的轉(zhuǎn)移負荷功率；Pir,i,t為微網(wǎng)i在t時段中斷的負荷功率。需求側(cè)響應(yīng)調(diào)節(jié)中進行負荷轉(zhuǎn)移的優(yōu)先級比中斷負荷高，即若需要進行需求側(cè)響應(yīng)的時段正好在轉(zhuǎn)出負荷的時間約束內(nèi)則優(yōu)先考慮轉(zhuǎn)出負荷。

（2）儲能系統(tǒng)功率約束為

式中：Ptr,i,max為微網(wǎng)i的最大轉(zhuǎn)移負荷功率；Pir,i,max為微網(wǎng)i的最大可中斷負荷功率。微網(wǎng)i在t時段的轉(zhuǎn)移狀態(tài)變量di,t和轉(zhuǎn)移負荷功率Ptr,i,t分別為

（5）聯(lián)絡(luò)線功率約束為

式中，Ppcc,min和Ppcc,max分別為PCC 聯(lián)絡(luò)線功率的最小值和最大值。

下層優(yōu)化得出的微網(wǎng)向配電網(wǎng)購電或售電功率Pb即為聯(lián)絡(luò)線功率。

2.2 上層配電網(wǎng)系統(tǒng)最優(yōu)潮流模型

2.2.1 目標函數(shù)

最優(yōu)潮流模型以ADN 系統(tǒng)網(wǎng)絡(luò)損耗最低為目標，求出網(wǎng)損最低情況下的發(fā)電成本。目標函數(shù)為

式中：C(PGi)為發(fā)電機組運行成本；PGi為第i個發(fā)電機組的有功發(fā)電功率；N為發(fā)電機組個數(shù)；αi、βi、γi分別為第i個發(fā)電機的耗量特性曲線參數(shù)。

2.2.2 約束條件

（1）功率平衡約束為

（2）功率上、下限約束和電壓上、下限約束為

式中：Vi_min、Vi_max分別為節(jié)點i電壓幅值的上、下限；PGimax、PGimin分別為發(fā)電機組i有功出力的上、下限；QGimax、QGimin分別為發(fā)電機組i無功出力的上、下限。

（3）二階錐約束為

3 雙層優(yōu)化調(diào)度模型的求解

3.1 微網(wǎng)群優(yōu)化模型的求解

下層微網(wǎng)群優(yōu)化調(diào)度模型使用離散一階一致性算法進行求解，該算法選取子微網(wǎng)的調(diào)節(jié)成本作為一致性變量。基于一致性算法的功率調(diào)節(jié)策略不需要中央控制器，當微網(wǎng)群功率不平衡時，子微網(wǎng)間只需要交換自身實時更新的一致性變量，達成一致后再各自逐級反解出決策變量。

由于迭代收斂得到的一致性變量即各微網(wǎng)的調(diào)節(jié)成本是一定的，所以已知調(diào)節(jié)成本可以根據(jù)調(diào)度優(yōu)先級先后反解出分配到各調(diào)節(jié)單元的功率。在該功率調(diào)節(jié)策略中，儲能單元輸出功率、需求側(cè)響應(yīng)功率以及向ADN 購電功率3 個決策變量由一致性變量逐級反解得到，具體表現(xiàn)為調(diào)節(jié)成本低的單元優(yōu)先啟動。一致性算法求解過程中，若某個調(diào)節(jié)單元分配到的功率超出約束條件的限制，則取最大值為調(diào)節(jié)功率，若取該調(diào)節(jié)單元的最大調(diào)節(jié)功率仍不能滿足功率平衡則啟動下一個調(diào)節(jié)成本較低的調(diào)節(jié)單元進行調(diào)節(jié)，直到總調(diào)節(jié)功率能夠填補微網(wǎng)群總體功率不平衡量且調(diào)節(jié)成本達到一致收斂。

單個微網(wǎng)的調(diào)節(jié)成本包括蓄電池充放電折舊成本Cdr,i、需求側(cè)響應(yīng)成本Ces,i和購電成本Cb,i，即

式中，Ci為第i個微網(wǎng)的總調(diào)節(jié)成本。

由文獻[13-14]的一致性算法圖論基礎(chǔ)，3 個微網(wǎng)由環(huán)形結(jié)構(gòu)的通信拓撲結(jié)構(gòu)進行通信得出通信迭代矩陣為H，則微網(wǎng)的一致性變量更新公式為

式中，θ為收斂誤差，本文取0.000 1。

綜上，微網(wǎng)群的優(yōu)化調(diào)度求解算法流程如圖2所示。

圖2 微網(wǎng)群功率調(diào)節(jié)流程Fig.2 Flow chart of MMG power regulation

在判斷各微網(wǎng)出力是否滿足負荷時，已經(jīng)能實現(xiàn)自給自足的子微網(wǎng)獨立運行，退出通信拓撲。當微網(wǎng)群中的子微網(wǎng)有電能剩余時，優(yōu)先考慮把電能傳輸給電能不足的子微網(wǎng)，再考慮自身的儲能進行充電。為避免棄光造成能源的浪費，售電功率取各子微網(wǎng)進行電能互濟及ESS充電后剩余電量出售給配電網(wǎng)，微網(wǎng)群售電過程不需要進行一致性功率調(diào)節(jié)。

3.2 主動配電網(wǎng)優(yōu)化模型的求解算法

上層的配電網(wǎng)模型以網(wǎng)絡(luò)損耗為目標函數(shù)，將下層優(yōu)化得出PCC 聯(lián)絡(luò)線功率代入上層最優(yōu)潮流模型中求解出滿足潮流約束下的配電網(wǎng)層DG 出力。式（17）導致了上層模型的非凸非線性，因此在模型求解之前用二階錐技術(shù)通過重新定義變量將式（17）轉(zhuǎn)化為式（19），再用Gurobi 求解器進行求解。模型求解步驟如下。

步驟1 將下層優(yōu)化得到的PCC功率代入主動配電網(wǎng)線路參數(shù)中，開始讀取數(shù)據(jù)。

步驟2 用二階錐技術(shù)轉(zhuǎn)化上層優(yōu)化模型。

步驟3 調(diào)用Gurobi求解器解上層優(yōu)化模型并輸出DG出力與目標函數(shù)。

4 算例分析

4.1 算例參數(shù)

4.1.1 微網(wǎng)群基本參數(shù)

本文將微電網(wǎng)群視為能夠直接實現(xiàn)能量互濟的互聯(lián)系統(tǒng)，不考慮微網(wǎng)間具體的接線方式。各微網(wǎng)所含設(shè)備與設(shè)備容量如表1所示。

表1 微網(wǎng)群的設(shè)備容量及數(shù)量Tab.1 Equipment capacity and quantity of MMG

假設(shè)蓄電池的初始荷電狀態(tài)為10%，在光伏發(fā)電高峰期進行充電，在負荷需求峰值時段進行放電，對負荷曲線起到削峰填谷作用，充放電效率為90%，充放電折舊系數(shù)為0.05 元/kW。假設(shè)光伏消納率為100%。一個調(diào)度周期為24 h，微網(wǎng)群的24 h光伏預測出力如圖3所示。

圖3 微網(wǎng)群光伏出力及負荷預測Fig.3 Photovoltaic output and load forecasting of MMG

圖3 中負荷表示每個微網(wǎng)的總負荷，包括固定負荷、可中斷負荷和可轉(zhuǎn)移負荷，MG1 是商場區(qū)域微網(wǎng)，總負荷需求較高且高峰期在下午到晚上；MG2 是辦公樓型微網(wǎng)，負荷用電高峰期在白天；MG3 是住宅區(qū)微網(wǎng)，高峰期為08：00 和20：00。為提高用戶進行需求側(cè)響應(yīng)的積極性，根據(jù)可進行需求側(cè)響應(yīng)的負荷量并結(jié)合各時段用戶響應(yīng)的實際意愿為3個不同類型MG設(shè)定相應(yīng)的補償價格，3個微網(wǎng)支付給用戶的需求側(cè)響應(yīng)補償價格r1、r2、r3如圖4所示。本文微網(wǎng)群與主動配電網(wǎng)的交易電價采用尖峰電價[15]，一個調(diào)度周期各時段電價如表2所示。

圖4 微網(wǎng)群需求側(cè)響應(yīng)補償價格Fig.4 Demand-side response compensation price of MMG

表2 微網(wǎng)群與ADN 交易的電價Tab.2 Electricity price for transaction between MMG and ADN

4.1.2 ADN 系統(tǒng)基本參數(shù)

ADN系統(tǒng)結(jié)構(gòu)如圖2所示，發(fā)電機組基本參數(shù)如表3所示。

表3 ADN 系統(tǒng)中各機組的特性參數(shù)與出力范圍Tab.3 Characteristic parameters and output range of each unit in ADN system

4.2 結(jié)果與分析

4.2.1 微網(wǎng)群優(yōu)化調(diào)度結(jié)果

對微網(wǎng)群進行24 h 調(diào)度，得到3 個微網(wǎng)的需求側(cè)響應(yīng)功率、與ADN 交易的電能功率以及儲能充放電功率，結(jié)果分別如圖5～圖7所示。

圖5 微網(wǎng)群需求側(cè)響應(yīng)功率Fig.5 Demand-side response power of MMG

圖6 微網(wǎng)群買賣電功率Fig.6 Purchase and selling electric power by MMG

圖7 儲能充放電功率Fig.7 Charging and discharging power of energy storage

結(jié)合圖3～圖7，由于07：00—17：00 光伏出力充足，不需要向ADN 購電及啟動需求側(cè)響應(yīng)進行調(diào)節(jié)，需求側(cè)響應(yīng)功率為0。在時段00：00—06：00和17：00—24：00 則需充分利用儲能、需求側(cè)響應(yīng)以及向外購電來滿足微網(wǎng)電能需求。圖6 中數(shù)值為負表示購電，為正表示售電。MG1儲能和需求側(cè)響應(yīng)調(diào)節(jié)單元的調(diào)節(jié)能力較強，需要承擔更多的調(diào)節(jié)功率。但當3 個微網(wǎng)總調(diào)節(jié)成本達成一致時，MG2 和MG3 由于進行需求側(cè)響應(yīng)功率較小，所以需要幫MG1承擔購電量，所以從圖6可以看出MG2和MG3的購電量較大。3個MG在一個調(diào)度周期內(nèi)的儲能充放電情況如圖7 所示，數(shù)值為正表示充電，為負表示放電。

圖8 為3 個微網(wǎng)分別在一個調(diào)度周期內(nèi)的收益，即功率調(diào)節(jié)成本與賣電收益的總和。在01：00—05：00、19：00—24：00 時段中3 個微網(wǎng)使用一致性算法進行功率調(diào)節(jié)，調(diào)節(jié)成本達成一致，所以3 個微網(wǎng)的調(diào)節(jié)成本相同。

圖8 微網(wǎng)群收益Fig.8 Revenue of MMG

商業(yè)型MG1和住宅型微網(wǎng)MG3需求側(cè)響應(yīng)類型包含可轉(zhuǎn)移負荷和可中斷負荷，而辦公樓型微網(wǎng)MG2只包含可中斷負荷。實施DR調(diào)度后轉(zhuǎn)移的負荷、中斷負荷與原始負荷占比如圖9～圖11所示。

圖9 MG1 實施DR 后的負荷功率Fig.9 Load power after DR of MG1

圖10 MG2 實施DR 后的負荷功率Fig.10 Load power after DR of MG2

圖11 MG3 實施DR 后的負荷功率Fig.11 Load power after DR of MG3

圖9～圖11 中的“DR 后負荷”表示進行需求側(cè)響應(yīng)后的總負荷（包括固定負荷和無需中斷或轉(zhuǎn)移負荷）。白色部分表示轉(zhuǎn)移出去的負荷，陰影部分表示實施DR后轉(zhuǎn)入使用的負荷。對比光伏出力曲線可知白天的光伏發(fā)電充足可以滿足用戶用電需求，不需要進行需求側(cè)響應(yīng)。進行負荷轉(zhuǎn)移能起到一定的削峰填谷作用，協(xié)調(diào)進行兩種需求側(cè)響應(yīng)能使調(diào)度周期內(nèi)的負荷盡量趨近光伏發(fā)電輸出功率曲線。

為驗證下層基于一致性算法的功率調(diào)節(jié)策略的有效性，本文采用微網(wǎng)分散自治模式進行對比分析。模式1 中3 個微網(wǎng)互聯(lián)成微網(wǎng)群，根據(jù)本文提出的功率調(diào)節(jié)策略進行調(diào)度。模式2中3個微網(wǎng)不互聯(lián)，各自進行功率調(diào)節(jié)。2 種運行方式一個調(diào)度周期內(nèi)功率調(diào)節(jié)費用如表4所示。

表4 2 種模式下微網(wǎng)功率調(diào)節(jié)費用Tab.4 Power regulation cost in two modes of microgrid

由表4可知：模式1中，微網(wǎng)群的調(diào)節(jié)費用比較平均地由3個微網(wǎng)承擔，因為在此模式下微網(wǎng)間互通信息，總體功率不平衡時先由調(diào)節(jié)費用最低的儲能單元放電，再根據(jù)各子微網(wǎng)進行DR 和向外購電調(diào)節(jié)費用高低進行調(diào)節(jié)功率的分配；模式2中，MG1的調(diào)節(jié)費用比MG2高出很多是因為MG1供需功率不平衡量較大，所以需要更多的DR 功率和向外購電來調(diào)節(jié)，產(chǎn)生的費用最多。然而使用模式1后能充分利用其他微網(wǎng)可調(diào)資源，把自身的調(diào)節(jié)壓力分給另外兩個調(diào)節(jié)成本較低的微網(wǎng)，實現(xiàn)微網(wǎng)群的能量互濟且在使微網(wǎng)群實現(xiàn)功率平衡的前提下調(diào)節(jié)成本最小，獲得更好的經(jīng)濟效益。

4.2.2 ADN 層聯(lián)合優(yōu)化調(diào)度結(jié)果

主動配電網(wǎng)24 h 調(diào)度的分布式電源出力如圖12所示。

圖12 主動配電網(wǎng)DG 出力Fig.12 DG output from ADN

圖12中01：00—06：00和17：00—24：00時PCC功率為負說明微網(wǎng)群作為虛擬負荷連接到ADN 系統(tǒng)中。由于DG8 和DG24 機組參數(shù)較小，因此DG8和DG24 承擔較大的出力變化，由圖12 也可以看出，其他DG的出力變化較小。

ADN 系統(tǒng)的網(wǎng)絡(luò)損耗如圖13 所示，由圖13 可知06：00—17：00時段的ADN系統(tǒng)網(wǎng)絡(luò)損耗有所降低，因為該時段微網(wǎng)群向ADN系統(tǒng)售電，在ADN系統(tǒng)充當發(fā)電單元的角色，ADN的其他機組就可以減少發(fā)電，使得網(wǎng)損降低。

圖13 主動配電網(wǎng)網(wǎng)絡(luò)損耗Fig.13 Network loss of ADN

算例中把下層優(yōu)化得到的PCC 功率代到上層最優(yōu)潮流優(yōu)化時，若在微網(wǎng)群可再生能源出力高峰時段不與主動配電網(wǎng)進行交易，棄風棄光的能量為629 kW，對自然資源造成很大的浪費。同時若在負荷高峰時段僅使用向外購電方式進行功率調(diào)節(jié)會使調(diào)節(jié)成本增多，所以采用本文提出的微網(wǎng)群-主動配電網(wǎng)聯(lián)合調(diào)度方案能在保證用電可靠性的前提下提高經(jīng)濟效益和環(huán)境效益。

ADN 系統(tǒng)發(fā)電成本如圖14 所示。由圖14 可知，微網(wǎng)群向ADN售電時段，PCC聯(lián)絡(luò)線在ADN系統(tǒng)中當做電源供電，其他DG就可以減少出力，減小ADN系統(tǒng)的發(fā)電成本。

圖14 ADN 系統(tǒng)發(fā)電成本Fig.14 Power generation cost of ADN system

5 結(jié) 論

本文通過研究城鎮(zhèn)光伏微網(wǎng)用戶的用電行為，將三種不同用戶類型的光伏微網(wǎng)組成的微網(wǎng)群接入ADN系統(tǒng)，構(gòu)建了微網(wǎng)群和ADN系統(tǒng)雙層優(yōu)化調(diào)度模型。通過分析算例仿真結(jié)果，得出的結(jié)論如下。

（1）下層微網(wǎng)群計及需求側(cè)響應(yīng)的微網(wǎng)調(diào)節(jié)成本一致性協(xié)調(diào)策略與各微網(wǎng)分散自治的方式相比能實現(xiàn)微網(wǎng)間的能量協(xié)調(diào)互濟，降低微網(wǎng)群的整體功率調(diào)節(jié)費用。通過協(xié)調(diào)調(diào)度不同微網(wǎng)內(nèi)部的儲能系統(tǒng)及需求側(cè)的柔性負荷等可調(diào)資源，更好地引導用戶用電，對負荷曲線起到削峰填谷的作用，并直接減少微網(wǎng)群電費支出。

（2）微網(wǎng)群通過與ADN進行電能交易，既可以緩解負荷高峰時因光伏發(fā)電不足造成供電緊張，又可以在光伏發(fā)電高峰將剩余電能出售，提高微網(wǎng)群經(jīng)濟效益、減少棄光，同時也減少了ADN 系統(tǒng)的發(fā)電成本和網(wǎng)絡(luò)損耗。