倪 萌 王蓓蓓 朱 紅 劉少君

能源互聯(lián)背景下面向高彈性的多元融合配電網(wǎng)雙層分布式優(yōu)化調(diào)度方法研究

倪 萌1王蓓蓓1朱 紅2劉少君2

（1. 東南大學電氣工程學院 南京 210096 2. 國網(wǎng)江蘇省電力有限公司南京供電分公司 南京 210019）

能源互聯(lián)背景下，以儲能、需求響應(yīng)、分布式發(fā)電（DG）等為代表的多元融合資源將深度參與電網(wǎng)運行。配電網(wǎng)作為局部地區(qū)多類分布式資源的整合者，需要通過有效的手段，對包括DG、儲能、可控負荷等多元融合的分布式資源進行優(yōu)化調(diào)控，提高配電網(wǎng)的彈性。該文針對多元分布式資源接入后，集中式調(diào)度策略下的配電網(wǎng)將面臨的各類問題，結(jié)合多元分布式資源的特性，建立了面向高彈性配電網(wǎng)的兩層分布式協(xié)調(diào)調(diào)度模型。該文首先對高彈性配電網(wǎng)下的多元融合分布式資源進行協(xié)調(diào)整合，之后通過協(xié)調(diào)全局控制中心和本地控制中心，對上述資源進行合理調(diào)度，以保證在一定的電壓質(zhì)量要求下消納更多的DG發(fā)電量，以提高電力中新能源的利用水平。文中算例采用IEEE 14節(jié)點和69節(jié)點的配電網(wǎng)系統(tǒng)，對比傳統(tǒng)集中式模型和該文提出的雙層分布式模型的優(yōu)化調(diào)度結(jié)果，驗證了所提模型在配電網(wǎng)系統(tǒng)下的適用性及優(yōu)越性。

多元融合分布式資源 高彈性配電網(wǎng) 雙層分布式調(diào)度 電壓質(zhì)量

0 引言

近年來，各國不斷出臺有關(guān)政策，以鼓勵并規(guī)范分布式可再生能源的開發(fā)與利用。美國加州最先推行了可再生能源配額制，由此，風電和光伏發(fā)電從2000年5%左右的總裝機占比，逐步增加到2010年的8%，再到現(xiàn)如今的30%[1]。中國國家能源局在關(guān)于可再生能源發(fā)展的“十三五”規(guī)劃指導(dǎo)意見中鼓勵市場主體自主建設(shè)分布式發(fā)電項目，各個省份紛紛響應(yīng)，其中，浙江省發(fā)改委發(fā)布的能源發(fā)展“十三五”規(guī)劃中明確了未來將建成分布式發(fā)電（Distributed Generation, DG）和光伏發(fā)電600萬kW，家庭屋頂光伏100萬戶。然而，分布式新能源發(fā)電在清潔環(huán)保的同時，還具有隨機性、波動性和可變性等特征，因此，較高的新能源滲透率可能會給電力系統(tǒng)運行的穩(wěn)定性、電壓質(zhì)量等各方面帶來挑戰(zhàn)[2-4]。為解決分布式發(fā)電帶來的上述問題，能源互聯(lián)網(wǎng)可通過物理層和信息層的互動，提高電網(wǎng)對于各種擾動的響應(yīng)能力。作為局部地區(qū)的分布式資源整合者[5]，配電網(wǎng)需要通過有效的調(diào)控架構(gòu)和調(diào)控策略對儲能、需求響應(yīng)、分布式發(fā)電等為代表的多元分布式資源進行優(yōu)化調(diào)控，從而在保證安全性、經(jīng)濟性的同時，提高配電網(wǎng)運行彈性，支持高比例分布式新能源的接入。

當前配電網(wǎng)的主要調(diào)控架構(gòu)包括集中式調(diào)控架構(gòu)和分層調(diào)控架構(gòu)。集中式調(diào)控架構(gòu)是基于一個控制中心（全局控制中心），對多節(jié)點的分布式資源進行優(yōu)化調(diào)度，是當前配電網(wǎng)采用的主要調(diào)度架構(gòu)。文獻[6]針對配電網(wǎng)中高滲透率光伏問題，提出一種電池儲能系統(tǒng)參與配電網(wǎng)集中式調(diào)度的控制策略。文獻[7-9]通過集中優(yōu)化與調(diào)度可控負荷資源實現(xiàn)新能源消納和削減峰值負荷的目標。文獻[10-12]考慮了多種分布式資源的接入，包括儲能和柔性負荷資源，并建立集中式聯(lián)合優(yōu)化調(diào)度模型，通過算例驗證了模型的可行性。上述文獻均利用集中式調(diào)控架構(gòu)，控制思路簡單，但考慮到高彈性多元融合配電網(wǎng)的建設(shè)需求，上述集中式調(diào)度架構(gòu)存在如下兩個問題：①多元融合配電網(wǎng)中資源繁多，全局控制中心下控制負荷數(shù)量多[4]，需要發(fā)出大量控制指令，計算量大，計算時間長，從工程實際考慮，無法實時給出調(diào)度指令；②考慮到全局調(diào)度中心在進行控制指令下達和本地信號上傳過程中存在傳輸延遲[13]，實際系統(tǒng)運行時實時調(diào)度指令無法即時到達各個本地節(jié)點。

針對集中式調(diào)度模式的問題，目前已有文章指出可以通過建立分布式的分層調(diào)度架構(gòu)以應(yīng)對上述問題，該控制架構(gòu)下，各個本地優(yōu)化中心被賦予一定的自主優(yōu)化權(quán)限，全局控制中心被給予更長的緩沖時間進行長時段的優(yōu)化調(diào)度，不需要給出實時指令。文獻[13]考慮通信延遲與負荷預(yù)測誤差，提出保證配電網(wǎng)安全性和經(jīng)濟性的雙層分布式儲能調(diào)度策略。文獻[14]建立了需求響應(yīng)和邊緣計算的配電網(wǎng)分布式優(yōu)化調(diào)度方法，實現(xiàn)配電系統(tǒng)能量的分區(qū)分層優(yōu)化。文獻[15]提出一種交直流混合的分層分布式多元協(xié)調(diào)優(yōu)化調(diào)度策略，對儲能及分布式電源進行合理優(yōu)化調(diào)控。然而，由于當前文獻對配電網(wǎng)中各類分布式資源的特性分析不足，模型構(gòu)建較為簡單，實際中執(zhí)行此類優(yōu)化調(diào)度結(jié)果較為困難。考慮到工程實際，現(xiàn)有文獻沒有更好地考慮全局控制中心和本地控制中心對于不可控負荷和多種分布式資源信息的掌握程度及預(yù)測精度的不同，以上問題可能會給調(diào)控的精確性帶來影響。此外，當前文獻中的分布式優(yōu)化主要考慮了配電網(wǎng)的整體利益，并未兼顧配電網(wǎng)下本地資源擁有者的收益，例如保證儲能資源擁有者的收益盡可能增大。

針對以上問題，本文建立了面向高彈性的多元融合配電網(wǎng)雙層分布式優(yōu)化調(diào)度模型，協(xié)調(diào)全局控制中心和本地控制中心的控制策略，對儲能及可控負荷資源進行合理優(yōu)化調(diào)度。本文提出的雙層分布式框架對多元融合配電網(wǎng)中的儲能和需求側(cè)資源的控制更為精確，上層的負荷預(yù)測誤差由下層來協(xié)調(diào)，節(jié)約了購電成本，增加了配電網(wǎng)對于分布式新能源的高彈性消納能力。算例通過IEEE 14節(jié)點的配電網(wǎng)模型，對比集中式控制策略和雙層分布式控制策略下最終的優(yōu)化結(jié)果，并通過分析新能源滲透率及全局控制中心調(diào)度周期對電網(wǎng)電壓偏移率的靈敏度，展現(xiàn)了雙層分布式控制策略的優(yōu)越性。此外，為進一步驗證更為復(fù)雜的配電網(wǎng)下本文模型的正確性，本文最后對IEEE 69節(jié)點的配電網(wǎng)模型進行了集中式控制策略和雙層分布式控制策略下最終優(yōu)化結(jié)果的對比分析。

1 多元融合配電網(wǎng)雙層分布式調(diào)度模型

傳統(tǒng)配電網(wǎng)下集中式優(yōu)化調(diào)度僅有一個優(yōu)化調(diào)控中心——全局控制中心，它將進行各時段負荷及新能源發(fā)電量的預(yù)測，并結(jié)合預(yù)測信息對多元資源進行優(yōu)化調(diào)度。全局控制中心的調(diào)度周期，即全局周期被設(shè)定為一個較長的時間，以滿足優(yōu)化計算及信息傳輸?shù)臅r間要求。全局控制中心將讀取本地節(jié)點信息，對全局周期下每個時段的各類資源進行優(yōu)化調(diào)度，再將相應(yīng)調(diào)度指令信息下傳給本地節(jié)點。因此，集中式調(diào)度中本地節(jié)點無需進行優(yōu)化，直接按上層指令對下屬各類資源進行控制。

本文為高彈性配電網(wǎng)設(shè)計的雙層分布式架構(gòu)如圖1所示。與集中式調(diào)度不同的是，雙層分布式調(diào)度架構(gòu)包含若干優(yōu)化計算中心——全局控制中心與本地控制中心，兩方協(xié)同調(diào)控的指令流及信息流按照圖1進行。

圖1 全局控制中心與本地控制中心協(xié)同控制架構(gòu)

如圖1所示，本系統(tǒng)包括1個根節(jié)點和-1個本地節(jié)點。該框架下可進行優(yōu)化調(diào)控的分布式資源包括儲能及可控負荷資源，其中，可控負荷資源包括可平移負荷及可削減負荷。雙層分布式調(diào)度架構(gòu)下全局控制中心的主要任務(wù)與集中式調(diào)度框架類似。唯一區(qū)別在于，雙層分布式調(diào)度向本地控制中心傳遞的信息為可平移負荷的平移量，以及節(jié)點功率上、下限范圍約束。

本地控制中心位于本地節(jié)點，在雙層分布式調(diào)度策略下，本地控制中心讀取本地最新負荷信息及分布式發(fā)電信息，進行負荷及DG預(yù)測，之后利用預(yù)測信息，間隔一個較短的時段（本地周期）進行優(yōu)化調(diào)度。由于本地控制中心下的優(yōu)化調(diào)度是基于較短的本地周期下預(yù)測的負荷及分布式發(fā)電量進行的，因此，其預(yù)測精度比全局周期下的預(yù)測精度更高。在一個全局周期結(jié)束后，本地控制中心將儲能電量及負荷信息上報給全局控制中心。此外，本地控制中心所采集的信息還包括不可控負荷和分布式發(fā)電信息。

1.1 負荷及DG預(yù)測模型

本文集中式調(diào)度與雙層分布式調(diào)度兩種策略利用的負荷及新能源發(fā)電信息均為預(yù)測信息，可以通過建立季節(jié)乘積自回歸移動平均模型（Autoregressive Integrated Moving Average Model, ARIMA）預(yù)測模型獲得[16]。本文參考文獻[13]中階數(shù)的確定方式，即自回歸參數(shù)項數(shù)、差分階數(shù)、移動平均參數(shù)項數(shù)的確定方式，同時考慮負荷的日周期趨勢，建立ARIMA(3,0,3)×(3,0,3)模型為

1.2 雙層分布式優(yōu)化調(diào)度模型

雙層分布式優(yōu)化調(diào)度模型下，首先分析高彈性配電網(wǎng)下多元融合的分布式資源各自的特性，從而確定協(xié)調(diào)調(diào)控策略?？紤]到可平移負荷的負荷水平較高，用電時間具有連續(xù)性，調(diào)度周期較長，將其作為全局控制中心調(diào)度的資源，并將優(yōu)化調(diào)度結(jié)果下達給本地控制中心。儲能靈活性較高，可削減負荷響應(yīng)速度快、負荷水平較低，可由本地控制中心直接進行優(yōu)化調(diào)度，并將有關(guān)結(jié)果返還給全局控制中心，方便其進行下一全局周期的優(yōu)化。

為賦予本地控制中心更高的自主權(quán)，全局控制中心獲得全局周期下的最優(yōu)調(diào)度結(jié)果，即各個節(jié)點各個時間點的最優(yōu)凈注入功率后，需要對該功率進行松弛，并將其上、下限值下傳給本地節(jié)點，本地控制中心只需要控制本地節(jié)點凈注入功率在一定范圍內(nèi)即可。因此，全局控制中心的優(yōu)化分為兩個階段：第一階段是依據(jù)全局控制中心預(yù)測的負荷及DG預(yù)測量進行優(yōu)化，并獲得各自擁有分布式資源節(jié)點的最優(yōu)凈注入功率；第二階段是得到擁有儲能或可削減負荷資源節(jié)點的凈注入功率范圍上、下限。

本地控制中心在獲得各節(jié)點凈注入功率上下限后，利用本地節(jié)點的負荷預(yù)測信息及DG預(yù)測信息，對儲能和可削減負荷進行調(diào)用，并在一個全局周期后將最新的負荷信息和儲能的剩余電量值上傳給全局控制中心，以便其進行下一全局周期的調(diào)度，上、下層指令以及信息傳遞如圖1。

1.2.1上層全局控制中心一階段優(yōu)化

上層全局控制中心一階段優(yōu)化調(diào)度的基本模型與集中式優(yōu)化基本相同，然而需要注意的是此階段僅確定了可平移負荷的調(diào)度結(jié)果，并為下一階段提供了各個節(jié)點最優(yōu)凈注入功率值P。

一階段優(yōu)化調(diào)度的目標函數(shù)為

式中，s為可平移負荷的數(shù)量；p為電量補償成本；t為時間補償成本。時間補償成本可由式（4）計算得到。

電量補償成本可由式（5）計算得到。

可削減負荷成本為

各節(jié)點的功率平衡約束方程為

各個支路潮流方程及各節(jié)點電壓約束為

式中，為所有節(jié)點的集合；P與Q為各個節(jié)點凈注入功率；P與Q為各支路功率；S為支路-視在功率；g和b分別為支路-的電導(dǎo)、電納；V為時刻電壓幅值；θ為節(jié)點、之間電壓相位差；max和min分別為電壓幅值上、下限。

由于潮流方程包含的二次及三角函數(shù)等都是非凸函數(shù)，因此求解帶有潮流方程的優(yōu)化問題都比較困難。本文首先進行變量替換，將非線性變量2轉(zhuǎn)換為R，VVcosθ轉(zhuǎn)換為W，VVsinθ轉(zhuǎn)換為T，然后通過二階錐松弛的方法，從而讓潮流約束轉(zhuǎn)換為線性約束加一個二階錐約束。因此，式（10）、式（11）可以轉(zhuǎn)換為式（12）～式（16）所示約束，其中，,∈，∈。

可平移負荷調(diào)度模型為

式中，為擁有可平移負荷節(jié)點的集合。

可削減負荷調(diào)度模型如式（19），通過選擇不同擋位來選擇可削減負荷調(diào)度量。

儲能的容量及充放電功率約束公式為

集中式優(yōu)化調(diào)度模型下，儲能、可平移負荷、可削減負荷等多元融合的分布式資源全部由全局控制中心直接進行優(yōu)化調(diào)度，并將控制指令下傳給本地節(jié)點，而本地節(jié)點只負責采集本地的負荷及DG信息，并根據(jù)全局控制中心下達的指令來控制多元資源的調(diào)用。因此，文中集中式模型與雙層分布式一階段優(yōu)化模型基本一致。

1.2.2 上層全局控制中心二階段優(yōu)化

為充分利用本地的負荷及分布式發(fā)電信息，賦予本地控制中心更大的權(quán)限，將擁有儲能或可削減負荷資源節(jié)點的最優(yōu)凈注入功率值進行松弛，使得下層本地控制中心在進行優(yōu)化時只需要保證節(jié)點凈注入功率在上層優(yōu)化傳遞下來的上、下限范圍內(nèi)即可。

針對每個包含儲能以及可削減負荷的節(jié)點，利用節(jié)點功率松弛方法[13]，獲得該節(jié)點凈注入功率的上、下邊界目標函數(shù)分別為

目標函數(shù)通過增大和減小需要進行松弛的節(jié)點的電價，從而使得該節(jié)點的凈注入功率在不違背約束條件的情況下盡可能地減小或增大，這里，除被松弛節(jié)點的功率及根節(jié)點的凈注入功率為可變量外，其他各節(jié)點的凈注入功率由一階段的優(yōu)化結(jié)果得到。此外，二階段優(yōu)化需要滿足潮流方程及電壓約束，即式（8）～式（17）。

依次對除根節(jié)點外的各個節(jié)點進行注入功率松弛，獲得各個節(jié)點的凈注入功率上、下限，分別為max、min。

1.2.3 下層本地控制中心優(yōu)化及調(diào)度

擁有可平移負荷資源的節(jié)點直接執(zhí)行全局控制中心關(guān)于可平移負荷的調(diào)度指令；擁有儲能或可削減負荷資源的本地控制中心從上層優(yōu)化求解結(jié)果中獲得此全局周期內(nèi)節(jié)點的凈注入功率上、下限，并根據(jù)最新的本地負荷及DG預(yù)測值，在每個本地調(diào)度周期內(nèi)進行一次優(yōu)化調(diào)度，其目標函數(shù)如式（25），即讓節(jié)點購入電量及可削減負荷調(diào)用成本之和最小化。

功率平衡約束方程為

式（27）為節(jié)點功率約束。此外，需要滿足可削減負荷及儲能的約束條件，即式（19）～式（22）。

2 雙層分布式調(diào)度策略計算流程

根據(jù)1.2節(jié)對于雙層分布式框架的介紹，本文的雙層分布式調(diào)度策略仿真計算流程如圖2所示。全局控制中心首先根據(jù)本地節(jié)點傳達的最新負荷和DG信息進行預(yù)測，并進行兩階段的調(diào)度優(yōu)化。一階段通過最優(yōu)潮流計算獲得各節(jié)點的最優(yōu)功率；二階段首先判斷該節(jié)點是否擁有儲能及可削減負荷，若有則需要對節(jié)點功率進行松弛，獲得該節(jié)點的功率上、下限值，若沒有則無需進行松弛。按順序依次對相關(guān)節(jié)點進行功率松弛，直到遍歷各個節(jié)點，跳出循環(huán)。此后，本地控制中心依據(jù)上層的調(diào)控指令及功率約束條件進行本地優(yōu)化，獲得儲能及可削減負荷資源調(diào)度策略。為對比兩類優(yōu)化調(diào)度策略的實際協(xié)調(diào)效果，將實際負荷和分布式發(fā)電量代入，并分別根據(jù)兩類調(diào)度策略對于分布式資源的優(yōu)化結(jié)果，進行潮流計算分析。

圖2 雙層分布式調(diào)度策略計算流程

3 算例分析

本文基于IEEE 14節(jié)點和IEEE 69節(jié)點的配電網(wǎng)系統(tǒng)對兩種調(diào)度模型進行對比分析，優(yōu)化調(diào)度模型通過Matlab中的YALMIP[19]工具箱，并利用CPLEX[20]算法包進行求解。

3.1 算例基本參數(shù)

IEEE 14節(jié)點配電網(wǎng)系統(tǒng)拓撲如圖3所示。該配電網(wǎng)絡(luò)共13條支路，基準電壓為23kV，基準容量為100MV·A。

圖3 IEEE 14節(jié)點配電網(wǎng)系統(tǒng)

網(wǎng)絡(luò)具體參數(shù)配置如下：

（1）各節(jié)點的功率因數(shù)設(shè)為0.9，根據(jù)本節(jié)點注入的有功功率確定節(jié)點的無功功率。

（2）各節(jié)點均接入可再生能源，本文設(shè)各節(jié)點接入的新能源均為屋頂光伏，具體數(shù)據(jù)來自于pecan street網(wǎng)站[21]。

（3）節(jié)點4、9、10配置儲能，設(shè)系統(tǒng)中總的儲能滲透率為5%，儲能的容量配置計算公式為

（4）節(jié)點9、10、11存在可削減負荷，其可削減負荷可調(diào)用時間及擋位配置見附表1。

（5）節(jié)點5、9、14存在可平移負荷，其基本負荷曲線見附圖1。

（6）參考江蘇省電價，將電力分為峰谷平三個時段進行計費，具體電價數(shù)據(jù)參見附表2。

（7）負荷資源調(diào)用成本參見附表3。

3.2 指標定義

兩類調(diào)度模型的結(jié)果對比需要一些衡量指標，首先定義功率曲線平滑度指標。考慮到功率曲線越平坦，電力系統(tǒng)越安全經(jīng)濟，本文為衡量功率曲線的平坦程度引入平滑度指標，該指標越小，功率曲線越平坦，公式為

式中，P為時刻功率；為時刻點數(shù)量。

有關(guān)電壓質(zhì)量的指標，這里定義各種調(diào)度策略下，各個節(jié)點調(diào)度周期內(nèi)出現(xiàn)的最大電壓偏移的電壓偏移率為節(jié)點最大電壓偏移率，公式為

式中，N為額定電壓。

各個節(jié)點都有可再生能源發(fā)電，為衡量其在系統(tǒng)中的占比，本文定義新能源滲透率的計算公式為

3.3 負荷及DG預(yù)測

設(shè)上層全局控制中心預(yù)測周期為24h，下層本地控制中心預(yù)測周期為1h，建立1.1節(jié)的季節(jié)乘積ARIMA預(yù)測模型，每個預(yù)測周期后利用最新的負荷或者新能源發(fā)電信息進行預(yù)測。以節(jié)點2的負荷及10%新能源滲透率下DG信息為例進行預(yù)測，本地控制中心利用的預(yù)測信息誤差明顯小于全局控制中心利用的預(yù)測信息，不同預(yù)測周期下的負荷與DG預(yù)測信息如圖4所示。

圖4 不同預(yù)測周期下的負荷與DG預(yù)測信息

3.4 兩種優(yōu)化調(diào)度模型結(jié)果分析

為對比兩種調(diào)度模型的最終調(diào)度結(jié)果與最優(yōu)調(diào)度結(jié)果的貼近程度，建立不考慮負荷預(yù)測誤差的最優(yōu)調(diào)度模型。最優(yōu)調(diào)度模型與集中式調(diào)度模型基本類似，但需滿足另外兩類條件：①不需要進行負荷預(yù)測，即各節(jié)點各個時刻的負荷提前預(yù)知，因此不存在負荷預(yù)測誤差；②不考慮信息傳輸?shù)南拗疲膊恍枰O(shè)置本地控制中心來分擔全局控制中心的優(yōu)化計算量，全局控制中心在最小的時間間隔內(nèi)進行各個節(jié)點的優(yōu)化調(diào)度計算。

由此，本文主要對以下三類模型進行對比分析：①參考模型：沒有預(yù)測誤差的最優(yōu)調(diào)度模型；②集中調(diào)度模型：考慮預(yù)測誤差的集中式調(diào)度模型；③本文模型：本文提出的考慮預(yù)測誤差的雙層分布式調(diào)度模型。

首先，對比原根節(jié)點負荷曲線、參考模型、集中調(diào)度模型以及本文模型下的根節(jié)點功率曲線。注意，這里集中調(diào)度模型和本文模型優(yōu)化調(diào)度后的根節(jié)點功率曲線的計算需要依據(jù)優(yōu)化的調(diào)度結(jié)果，并結(jié)合實際負荷值而非預(yù)測負荷值進行潮流計算而得到。這里全局周期設(shè)置為24h，本地周期設(shè)為1h。

兩類模型優(yōu)化調(diào)度后的根節(jié)點功率曲線如圖5所示。由圖5的折線圖可以看出，相比于原根節(jié)點功率曲線，在參考模型、集中調(diào)度模型、本文模型調(diào)度策略下，調(diào)度后根節(jié)點功率曲線峰谷差明顯縮小，由原來的11.30MW分別變?yōu)?.69MW、9.40MW、8.15MW。存在負荷預(yù)測誤差時，兩種策略下調(diào)度后最終根節(jié)點功率曲線的峰谷差大于不存在預(yù)測誤差的精確調(diào)度結(jié)果；本文模型的調(diào)度策略下，最終根節(jié)點功率曲線的峰谷差要小于集中調(diào)度模型調(diào)度策略下的峰谷差。圖5中柱狀圖分別為集中調(diào)度模型、本文模型兩種調(diào)度模式下最終根節(jié)點功率與最優(yōu)調(diào)度下根節(jié)點功率的差值，可以反映出這兩種調(diào)度模式與最優(yōu)調(diào)度結(jié)果的接近程度。由圖5可知，分布式雙層調(diào)度后的根節(jié)點功率更接近參考模型。

圖5 兩類模型優(yōu)化調(diào)度后的根節(jié)點功率曲線

再分別計算原根節(jié)點功率曲線、參考模型、集中調(diào)度模型和本文模型調(diào)度后的根節(jié)點功率曲線平滑度指標，結(jié)果見表1，該指標越小，功率曲線越平坦?？梢?，兩種調(diào)度策略都可以改善根節(jié)點功率曲線的平坦程度，雙層分布式調(diào)度結(jié)果要優(yōu)于集中式調(diào)度。

表1 根節(jié)點功率曲線平滑度指標

Tab.1 Smoothness index of power curve of root node

各種調(diào)度模式下購電成本及本地節(jié)點的儲能盈利見表2，集中調(diào)度與本文模型調(diào)度后各類成本及儲能盈利狀況按照相較于參考模型的費用偏差來表示?？梢?，參考模型、集中調(diào)度模型及本文模型調(diào)度模式下，配電網(wǎng)總成本均有所降低，依據(jù)參考模型進行優(yōu)化調(diào)度后配電網(wǎng)成本最小，而本文模型下配電網(wǎng)的總成本小于集中調(diào)度模型。由于集中調(diào)度模型與本文模型的上層模型中利用的負荷及DG預(yù)測信息，以及關(guān)于可平移負荷的優(yōu)化策略相同，可平移負荷最終調(diào)用成本相同。然而，本文模型的下層模型充分利用了下層更精確的負荷和DG預(yù)測信息進行本地優(yōu)化，最終對儲能及可削減負荷的協(xié)調(diào)調(diào)度策略優(yōu)于集中調(diào)度模型的優(yōu)化結(jié)果。應(yīng)注意，盡管依據(jù)本文模型調(diào)度后的配電網(wǎng)成本小于參考模型，但由于本地節(jié)點可以在功率上、下限范圍內(nèi)進行本地利益最大化，擁有更大自主權(quán)，本地儲能的盈利優(yōu)于參考模型，儲能運營商的利益能被更好的兼顧。

表2 三種調(diào)度模式下各類成本及盈利

Tab.2 Costs and profits under three scheduling strategies（單位：元）

為進一步分析本文模型的優(yōu)化調(diào)度中，上、下層的配合關(guān)系，選取多元融合下，同時擁有儲能、可平移負荷、可削減負荷這三類資源的節(jié)點9進行分析。圖6展現(xiàn)了上層優(yōu)化第一階段得到的節(jié)點9最優(yōu)凈注入功率，負荷預(yù)測更為精確的下層優(yōu)化后的節(jié)點凈注入功率，以及各類資源的優(yōu)化調(diào)度量。虛線表示上層優(yōu)化第二階段得到的凈注入功率上下限，可以看到，下層優(yōu)化將在此范圍內(nèi)優(yōu)化，即滿足式（27）的限制條件。

圖6 節(jié)點9優(yōu)化調(diào)度結(jié)果

圖6中可平移負荷數(shù)據(jù)代表可平移負荷調(diào)度前后的功率數(shù)值差。經(jīng)過上層優(yōu)化，確定可平移負荷向前平移8h后，上層向下層傳遞凈注入功率的上下限，由下層再對儲能及可削減負荷進行調(diào)度。以第12小時為例進行分析，上層向下層傳遞節(jié)點注入功率的上、下限分別為最優(yōu)節(jié)點注入功率的2.43～ -1.70MW之間，下層在此裕度中優(yōu)化，得到最優(yōu)的可削減負荷等級為第二級，即1MW，儲能放電量為1.8MW（充電為正，放電為負）。

3.5 兩種優(yōu)化調(diào)度模型靈敏度分析

3.5.1 新能源滲透率對電壓最大偏移率的影響

兩種調(diào)度模式下電壓最大偏移率隨新能源滲透率的變化如圖7所示。

圖7 兩種調(diào)度模式下電壓最大偏移率隨新能源滲透率的變化

由圖7可以直觀看出：

（1）隨著多元融合配電網(wǎng)中，間歇性分布式新能源滲透率逐步增大，新能源波動范圍逐步增大，其出力的絕對預(yù)測誤差也因此增大，集中調(diào)度模型和本文模型優(yōu)化調(diào)度后電壓偏移增大。

（2）可以看到帶有三類可調(diào)度資源的9節(jié)點以及相鄰的8、10節(jié)點的電壓偏移相較于其他節(jié)點更大，說明多元融合配電網(wǎng)中各類分布式資源接入，會影響到節(jié)點的電壓偏差，而更精確的新能源預(yù)測可以使分布式資源的調(diào)度更為精確。

（3）相比于集中調(diào)度模型的優(yōu)化調(diào)度，本文模型的優(yōu)化調(diào)度在DG預(yù)測誤差隨著新能源滲透率增大而增大的情況下，電壓偏移情況要優(yōu)于集中調(diào)度模型，在30%的新能源滲透率下依舊保持電壓不越線（7%），原因是通過下層控制中心，可以獲得更精確的新能源發(fā)電預(yù)測數(shù)據(jù)及負荷預(yù)測數(shù)據(jù)，從而使優(yōu)化更貼近于無預(yù)測誤差時的最優(yōu)調(diào)度，提高了配電網(wǎng)對于分布式新能源接入的響應(yīng)彈性。

3.5.2 全局周期時長變化下的靈敏度分析

全局周期時長是指式（2）中的常量all，表征了全局控制中心進行一次優(yōu)化間隔的時長，如果變長意味著負荷及新能源發(fā)電預(yù)測周期增大。兩種調(diào)度模式下電壓偏移率隨全局周期延長的變化情況如圖8所示。

圖8 兩種調(diào)度模式下電壓偏移率隨全局周期延長的變化情況

圖8展現(xiàn)了所有時刻中電壓最大偏移率指標隨全局周期時長延長而變化的趨勢。全局周期以24h為單位不斷延長至120h，在集中調(diào)度模型與本文模型的優(yōu)化調(diào)度策略下，全局控制中心間隔一個全局周期進行預(yù)測與優(yōu)化，本文模型中本地控制中心間隔一個本地周期（1h）進行預(yù)測和優(yōu)化，可以看出：

（1）隨著全局周期延長，全局控制中心下負荷預(yù)測周期因此延長，負荷預(yù)測誤差隨著負荷預(yù)測周期的延長不斷增大，對于多元融合配電網(wǎng)下的分布式資源的協(xié)調(diào)調(diào)度準確度下降，從而使經(jīng)過集中調(diào)度模型和本文模型調(diào)度后的節(jié)點最大電壓偏移不斷增大。

（2）相比于集中調(diào)度模型，本文模型的調(diào)度策略可以在較長的調(diào)度周期下保持電壓不越線，說明分布式調(diào)度在負荷預(yù)測誤差隨著調(diào)度周期延長而增大的情況下能更精確地在減少電網(wǎng)成本的目標下保證電網(wǎng)安全。原因是本文模型通過下層控制中心，可以依據(jù)更精確的負荷及新能源發(fā)電預(yù)測數(shù)據(jù)進行優(yōu)化，從而使儲能及可控負荷資源的調(diào)度更為精確。

由此可知，對于配電網(wǎng)中計算量更大、對時間要求更高的全局控制中心，雙層分布式調(diào)度策略提高了其對于計算周期的彈性。

3.6 69節(jié)點下兩種優(yōu)化調(diào)度模型結(jié)果分析

為進一步驗證雙層分布式算法的適用性與優(yōu)越性，選擇IEEE 69節(jié)點配電系統(tǒng)進行驗證。系統(tǒng)拓撲如附圖2所示，該節(jié)點網(wǎng)絡(luò)共69個節(jié)點，68條支路。該配電系統(tǒng)下各分布式資源配置見表3，其中，儲能在該系統(tǒng)內(nèi)的滲透率為5%。

表3 IEEE 69節(jié)點配電網(wǎng)分布式資源配置

Tab.3 Distributed resource allocation under the IEEE 69 node distribution network

與14節(jié)點配電系統(tǒng)下的優(yōu)化調(diào)度結(jié)果相類似，集中調(diào)度模型的調(diào)度策略與本文模型的調(diào)度策略均在一定程度上減小了根節(jié)點注入功率的峰谷差，其中，本文模型的調(diào)度策略下最終根節(jié)點功率曲線的峰谷差（3.20MW）要小于集中調(diào)度模型的調(diào)度策略下的峰谷差（2.33MW）。圖9中柱狀圖分別為集中調(diào)度模型、本文模型兩種調(diào)度模式下最終根節(jié)點功率與參考模型下根節(jié)點功率的差值，可以看出，分布式雙層調(diào)度后的根節(jié)點功率更接近于無預(yù)測誤差的最優(yōu)調(diào)度結(jié)果。

圖9 模型優(yōu)化調(diào)度后的根節(jié)點功率曲線

4 結(jié)論

在當前能源互聯(lián)的背景下，本文針對高彈性配電網(wǎng)下多元融合的分布式資源的優(yōu)化調(diào)度問題，提出一種利用儲能、可平移負荷及可削減負荷資源的雙層分布式優(yōu)化調(diào)度策略。該策略充分考慮了本地節(jié)點的更為精確的負荷預(yù)測信息，通過上、下層的協(xié)調(diào)控制，對多類分布式資源進行優(yōu)化，從而實現(xiàn)配電網(wǎng)成本的最小化。算例分析對比了傳統(tǒng)集中式調(diào)度策略及本文的雙層分布式調(diào)度結(jié)果，驗證了本文模型的可行性，同時也證明了在本文的調(diào)控模式下，配電網(wǎng)可以在保證較低成本的同時，獲得更為平滑的根節(jié)點功率曲線。此外，當逐步提高系統(tǒng)新能源滲透率或延長全局控制中心的優(yōu)化周期時，本文的雙層分布式優(yōu)化調(diào)度策略可以利用本地節(jié)點更為精準的負荷預(yù)測信息實現(xiàn)分布式資源更為精確的優(yōu)化控制，提高了配電網(wǎng)對于分布式新能源接入的響應(yīng)彈性，以及計算量更大、對時間要求更高的全局控制中心對于計算周期的彈性。

為了驗證雙層分布式模型在更為復(fù)雜的配電網(wǎng)系統(tǒng)下的適用性，本文分析了IEEE 69節(jié)點配網(wǎng)系統(tǒng)下，集中式及雙層分布式調(diào)度策略的調(diào)度結(jié)果，進一步驗證了雙層分布式調(diào)度策略的優(yōu)越性。

目前研究中僅通過功率因數(shù)來限制各節(jié)點的無功功率，后續(xù)研究可以加入無功功率調(diào)節(jié)手段配合各分布式資源進行優(yōu)化調(diào)度。

附 錄

IEEE 14節(jié)點算例中可平移負荷功率曲線如附圖1所示。

附圖1 可平移負荷功率曲線

App.Fig.1 Diagram of time-shiftable load curves

IEEE 69節(jié)點配電網(wǎng)拓撲如附圖2所示?？上鳒p負荷參數(shù)配置見附表1。具體電價數(shù)據(jù)參見附表2。

附圖2 IEEE 69節(jié)點配電網(wǎng)系統(tǒng)

App.Fig.2 Diagram of IEEE 69 node distribution network system

附表1 可削減負荷參數(shù)配置

App.Tab.1 The parameters of interruptible load（單位：MW）

節(jié)點可調(diào)用時間1檔2檔3檔 9[9, 12]0.511.5 10[6, 9]∪[17, 20]0.040.140.24 11[13, 16]0.10.250.4

附表2 配電網(wǎng)電價數(shù)據(jù)

App.Tab.2 The parameters of electricity price

高峰時段（8:00～12:00;17:00～21:00)平時段（12:00～7:00;21:00～24:00)低谷時段（0:00～8:00) 價格/元1077.5646.5315.5

負荷資源調(diào)用成本參見附表3。

附表3 負荷資源調(diào)用成本

App.Tab.3 The cost of controllable load resource

可平移負荷可削減負荷 CS tCS pCC fCC p 1擋2擋3擋 價格/元140482.560500650800

[1] 喻潔, 劉云仁, 楊家琪. 美國加州輔助服務(wù)市場發(fā)展解析及其對我國電力市場的啟示[J]. 電網(wǎng)技術(shù), 2019, 43(8): 2711-2717.

Yu Jie, Liu Yenren, Yang Jiaqi, et al. Analysis of development of California ancillary service market and its enlightenment to China’s power market[J]. Power System Technology, 2019, 43(8): 2711-2717.

[2] 沈鑫, 曹敏. 分布式電源并網(wǎng)對于配電網(wǎng)的影響研究[J]. 電工技術(shù)學報, 2015, 30(增刊1): 346-351.

Shen Xin, Cao Min. Research on the influence of distributed power grid for distribution network[J]. Transactions of China Electrotechnical Society, 2015, 30(S1): 346-351.

[3] 孟廣雨, 于潔瀟, 楊挺. 基于隨機網(wǎng)絡(luò)演算的分布式能源調(diào)控系統(tǒng)時延上界計算[J]. 電工技術(shù)學報, 2020, 35(11): 2360-2371.

Meng Guangyu, Yu Jiexiao, Yang Ting. Upper bound calculation of delay of distributed energy resource coordinated-control system based on stochastic network calculus[J]. Transactions of China Electrotechnical Society, 2020, 35(11): 2360-2371.

[4] 高勇, 彭志煒, 劉斌, 等. 主動配電網(wǎng)柔性負荷優(yōu)化調(diào)控研究綜述[J]. 新型工業(yè)化, 2019, 9(4): 27-34.

Gao Yong, Peng Zhiwei, Liu Bin, et al. An overview of research on optimal control of flexible loads in active distribution networks[J]. The Journal of New Industrialization, 2019, 9(4): 27-34.

[5] 吳志, 劉亞斐, 顧偉, 等. 基于改進Benders分解的儲能、分布式電源與配電網(wǎng)多階段規(guī)劃[J]. 中國電機工程學報, 2019, 39(16): 4705-4715.

Wu Zhi, Liu Yafei, Gu Wei, et al. A modified decomposition method for multistage planning of energy storage, distributed generation and distribution network[J]. Proceeding of the CSEE, 2019, 39(16): 4705-4715.

[6] 李佳琪, 陳健, 張文, 等. 高滲透率光伏配電網(wǎng)中電池儲能系統(tǒng)綜合運行控制策略[J]. 電工技術(shù)學報, 2019, 34(2): 437-446.

Li Jiaqi, Chen Jian, Zhang Wen, et al. Integrated control strategy for battery energy storage systems in distribution networks with high photovoltaic penetration[J]. Transactions of China Electrotechnical Society, 2019, 34(2): 437-446.

[7] Callaway D, Hiskens I. Achieving controllability of electric loads[J]. Proceedings of the IEEE, 2011, 99(1): 184-199.

[8] 王珂, 姚建國, 姚良忠, 等. 電力柔性負荷調(diào)度研究綜述[J]. 電力系統(tǒng)自動化, 2014, 38(20): 127-135.

Wang Ke, Yao Jianguo, Yao Liangzhong, et al. Survey of research on flexible loads scheduling technologies[J]. Automation of Electric Power Systems, 2014, 38(20): 127-135.

[9] 寧佳, 湯奕, 高丙團. 基于需求響應(yīng)潛力時變性的風火荷協(xié)同控制方法[J]. 電工技術(shù)學報, 2019, 34(8): 1728-1738.

Ning Jia, Tang Yi, Gao Bingtuan. Coordinated control method of wind farm-AGC unit-load based on time-varying characteristics of demand response potential[J]. Transactions of China Electrotechnical Society, 2019, 34(8): 1728-1738.

[10] 王林富, 邱方馳, 張斌, 等. 基于分布式電源的配電網(wǎng)多目標優(yōu)化策略研究[J]. 智慧電力, 2019, 47(1): 47-53, 65.

Wang Linfu, Qiu Fangchi, Zhang Bin, et al. Research on multi-objective optimal strategy for distribution network based on distributed generation[J]. Smart Power, 2019, 47(1): 47-53, 65.

[11] 金國彬, 潘狄, 陳慶, 等. 考慮源荷不確定性的直流配電網(wǎng)模糊隨機日前優(yōu)化調(diào)度[J]. 電工技術(shù)學報, 2021, 36(21): 4517-4528.

Jin Guobin, Pan Di, Chen Qing, et al. Fuzzy random day-ahead optimal dispatch of dc distribution network considering the uncertainty of source-load[J]. Transactions of China Electrotechnical Society, 2021, 36(21): 4517-4528.

[12] 葉暢, 苗世洪, 李姚旺, 等. 基于改進不確定邊界的主動配電網(wǎng)魯棒優(yōu)化調(diào)度[J]. 電工技術(shù)學報, 2019, 34(19): 4084-4095.

Ye Chang, Miao Shihong, Li Yaowang, et al. Robust optimal scheduling for active distribution network based on improved uncertain boundary[J]. Transactions of China Electrotechnical Society, 2019, 34(19): 4084-4095.

[13] Anderson K，Rajagopal R, Gamal A. Coordination of distributed energy storage under spatial and temporal data asymmetry[J]. IEEE Transactions on Smart Grid, 2019, 10(2): 1184-1194.

[14] 彭躍輝, 韓建沛, 劉念. 考慮需求響應(yīng)和邊緣計算的配電網(wǎng)分布式優(yōu)化調(diào)度[J]. 華北電力大學學報(自然科學版), 2020, 47(4): 19-28.

Peng Yuehui, Han Jianpei, Liu Nian. Distributed optimal scheduling of distribution network considering demand response and edge computing[J]. Journal of North China Electric Power University (Natural Science Edition), 2020, 47(4): 19-28.

[15] 齊琛, 汪可友, 李國杰, 等. 交直流混合主動配電網(wǎng)的分層分布式優(yōu)化調(diào)度[J]. 中國電機工程學報, 2017, 37(7): 1909-1917.

Qi Chen, Wang Keyou, Li Guojie, et al. Hierarchical and distributed optimal scheduling of AC/DC hybrid active distribution network[J]. Proceedings of the CSEE, 2017, 37(7): 1909-1917.

[16] 郭國太. 居民區(qū)用電負荷特性研究與模型預(yù)測[J]. 電氣技術(shù), 2020, 21(1): 41-46.

Guo Guotai. Study on electricity load characteristic and model prediction in residential areas[J]. Electrical Engineering, 2020, 21(1): 41-46.

[17] 丁一帆. 基于價值挖掘的負荷柔性調(diào)度研究[D]. 南京: 東南大學, 2018.

[18] 符楊, 蔣一鎏, 李振坤, 等. 計及可平移負荷的微網(wǎng)經(jīng)濟優(yōu)化調(diào)度[J]. 中國電機工程學報, 2014, 34(16): 2612-2620.

Fu Yang, Jiang Yiliu, Li Zhenkun, et al. Optimal economic dispatch for microgrid considering shiftable loads[J]. Proceedings of the CSEE, 2014, 34(16): 2612-2620.

[19] Johan L. YALMIP[EB/OL]. [2020-09-30]. https: //yalmip. github. io/.

[20] IBM. IBM ILOG CPLEX[EB/OL]. [2020-09-30]. http: //www-01.ibm.com/software/integration/optimi-zation/ cplex-optimizer.

[21] Pecan Street Inc. Pecan Street[EB/OL]. [2020-09-30]. https: //www. pecanstreet. org.

Study of Two-Layer Distributed Optimal Scheduling Strategy for Highly Elastic Multi-Resource Fusion Distribution Network in Energy Interconnection Environment

Ni Meng1Wang Beibei1Zhu Hong2Liu Shaojun2

（1. School of Electrical Engineering Southeast University Nanjing 210096 China 2. Nanjing Power Supply Company State Grid Jiangsu Electric Power Co. Ltd Nanjing 210019 China）

With the development of energy interconnection system, diversified resources represented by energy storage, demand response and distributed generation(DG) are deeply involved in power grid operation. As an integrator of multiple distributed resources, distribution system needs to optimize and regulate distributed resources to improve the elasticity of distribution system. Centralized optimization strategy for the traditional distribution network has several limitations in the case of multi-resource fusion. This paper analyzes the characteristics of multiple distributed resources firstly, and then establishes a two-layer distributed optimization model for highly elastic distributed network which regulates several kinds of distributed resources through coordinating global controller and local controllers in order to ensure more DG consumption under the certain voltage quality, and to improve the utilization level of renewable energy. IEEE 14 nodes and IEEE 69 nodes distribution network systems are used for case study. The results of the two optimization strategies are compared. The applicability and advantages of the two-layer distributed scheduling model are verified.

Multiple distributed resources, highly elastic distributed network, two-layer distributed optimization model, voltage quality

10.19595/j.cnki.1000-6753.tces.201390

TM73

國家自然科學基金項目（71471036）和國網(wǎng)公司科技項目（泛在物聯(lián)背景下主動配電網(wǎng)電壓控制深度強化學習策略研究）資助。

2020-10-21

2020-11-18

倪 萌 女，1997年生，碩士研究生，研究方向為需求側(cè)管理與需求響應(yīng)。E-mail：lemon1969@yeah.net

王蓓蓓 女，1979年生，副教授，博士生導(dǎo)師，研究方向為智能用電、需求側(cè)管理與需求響應(yīng)、電力系統(tǒng)運行與控制和電力市場。E-mail：wangbeibei@seu.edu.cn（通信作者）

（編輯 赫蕾）