主动配电网与主网协调调度

金尧, 王正宇，蒋传文，张裕，赵岩

(1.上海交通大学电子信息与电气工程学院，上海市 200240； 2.贵州电网公司电网规划研究中心，贵阳市 550002；3.国网上海市电力公司，上海市200122)

主动配电网与主网协调调度

金尧1, 王正宇1，蒋传文1，张裕2，赵岩3

(1.上海交通大学电子信息与电气工程学院，上海市 200240； 2.贵州电网公司电网规划研究中心，贵阳市 550002；3.国网上海市电力公司，上海市200122)

主动配电网(active distribution network， ADN)拥有更多的调度自主权，能够主动管理分布式发电机、储能设备以及主动负荷，实现配网的高效运行。主网与配网调度结果相互影响，因此在制定ADN优化调度方案时，除了考虑自身的运行成本，还应该兼顾与主网之间的协调问题。该文设计配网与主网实时信息交互模式，对主动负荷和储能设备进行建模分析，提出基于实时电价的协调调度模型；并针对该调度模型，提出并行优化算法，通过对连接配网的IEEE 9节点系统进行仿真，验证了模型及求解算法的有效性；最后，分析比较了需求侧响应、储能设备和联络线功率上限对调度结果产生的影响。

主动配电网(ADN)；协调调度；需求侧响应；储能设备；分布式发电机

0 引 言

受到资源短缺和环境污染的制约，传统化石能源在电网中的比例逐渐下降，分布式能源渗透率不断提高。在大规模可再生能源接入电网后，配电网不再是作为一个纯粹的受电端，将拥有更多的自主权，能够对分布式能源以及储能设备进行调度，并且可以对负荷进行需求侧管理。配网中分布式电源、储能设备、需求侧响应等新元素的出现，给传统的配网运行调度模式带来了新的挑战，主动配电网(active distribution network，ADN)应运而生[1-5]。主动配电网是指能够自主控制分布式发电机(distributed generation，DG)、主动负荷和储能设备的配电网[6]，能够通过灵活的调度方式消纳可再生能源，减小间歇性能源不确定性对电网可靠性造成的影响。

现有的ADN调度模型研究中，往往只是单独考虑配电网侧的调度，忽略了配网与主网之间的信息交互与协调。文献[7]的配网调度模型中综合考虑了DG、储能设备和主动负荷。文献[8]基于用户、电网和环境效率最优，建立主动负荷需求侧响应决策模型。文献[9]将随机规划理论应用于ADN调度模型中，考虑了风力和光伏发电带来的不确定性影响。文献[10]通过控制分布式电源和联络线开关来实现配电网运行成本最优。文献[11]的调度模型中包含了基于经济效益最优的日前调度模型和基于可靠性的实时调度模型。

需求侧响应能够削峰填谷，提高电网消纳新能源的能力。文献[12]验证了通过需求侧响应能够有效降低电网成本，节省能源消耗。文献[13-14]建立了能够统一调配发电资源和互动负荷的发用电一体化调度模型，使用电侧可以参与到电网的运行中。文献[15]将可中断负荷和用电激励负荷视作系统备用的一部分。文献[16]研究了电价响应和用户满意度机制。由于我国没有实施实时电价，需求侧响应主要通过分时电价引导，无法实现用户与电网的信息互动，甚至有可能造成新的负荷高峰。本文提出的协调调度模型是基于实时电价机制，能够更为精确地反映负荷及供电成本的变化，充分调动用户参与需求侧响应的积极性，更有利于主网与配网间协调互动。

主网一般通过电价因素来影响配电网的调度计划，同时配电网的调度计划反过来也会对主网产生影响，如果仅从主网侧或者配网侧研究，往往不能得到全局较优的方案，因此在制定调度计划时，有必要做到主网与配网的协调。文献[17]提出一种双层调度模型，将联络线功率作为2个模型协调变量，能够有效平衡主网成本和配网成本。文献[18]提出的双层调度模型分为用户侧模型和可控负荷模型，并验证了通过双层优化模型调度可控负荷能够提高能源利用效率。文献[19]研究了电动汽车车群与主网之间的协调调度问题。

基于上述背景，本文假设ADN可以与主网进行实时的信息互动，提出实时电价条件下主网与配电网的协调调度模型，以成本效益最优为目标函数， 综合考虑分布式能源、储能设备以及需求侧响应的影响，并通过算例进行仿真分析。

1 协调调度架构

ADN调度的核心就是要充分发挥配网中分布式电源、储能设备和需求侧响应的作用，实现配网和主网的高效运行，在实现效益最优的同时，充分消纳分布式电源，降低负荷峰谷差率，降低网络损耗，提高电网的可靠性。

1.1 主网与配网协调调度

配网根据主网反馈的节点价格和售电量，又会调整自身的发电计划与购电计划，来确保自身成本最优以及联络线功率与售电量相符合。

从上述分析可以看出，一方面主网的节点价格会影响配网的调度方案，另一方面配网的购电量也会影响主网的调度方案，所以主网和配网在制定调度方案时，存在信息交互的过程，如图1所示，通过这种信息交互能够做到全局的优化，避免主网和配网调度方案陷入局部最优。

图1 主网与配电网间信息交互

1.2 主动负荷模型

ADN一个重要的特点就是能够对主动负荷进行需求侧管理，将高峰的负荷平移到非高峰时段，这样既能节省用电成本，又能够缓解电网负荷压力，本文的需求侧响应方案主要基于对节点价格和配网自身负荷水平的响应[20]。

(1)

(2)

1.3 储能设备模型

配网中加装储能设备一方面能够平衡间歇性能源出力的波动，另一方面能够在负荷低谷、充电高峰时放电，起到削峰填谷的作用。本文不考虑储能设备的运行维护费用，对于储能设备有以下约束[21]：

NSOCmin≤Et≤NSOCmax

(3)

(4)

E1=ET

(5)

2 协调调度模型

本文提出了一种实时电价背景下主网与配网的协调调度模型，主网调度模型以购电成本最优为目标函数，配网调度模型的目标函数中考虑了发电成本、购电成本以及惩罚项。

2.1 主网调度模型

主网调度采用单边开放的有功竞价交易模型，并按照发电机组的实际报价进行结算，目标函数为调度周期内主网购电成本最优，即

(6)

主网的约束条件如下。

(1)功率平衡约束：

(7)

(2)机组出力约束：

(8)

(3)机组爬坡速率约束：

(9)

式中：εDRi和εURi为机组i增减出力限制。

(4)线路传输容量约束：

(10)

(5)节点电压约束：

(11)

2.2 配网调度模型

对于配电网i，其调度模型的目标函数为

(12)

系统的约束条件如下。

(1)功率平衡约束：

(13)

(2)可控机组出力约束：

(14)

(3)机组爬坡速率约束：

(15)

(4)机组连续运行、停运时间约束：

(16)

(17)

(5)联络线功率约束：

(18)

此外，需求侧响应约束见公式(1)，储能设备约束见公式(3)～(5)，线路传输功率约束、节点电压约束与主网模型相同。

3 仿真分析

3.1 调度求解流程

本文中，主网的调度模型是最优潮流问题，通过MATPOWER进行计算求解，可以得到联络节点的节点价格，作为实际结算的价格。配网的调度模型采用粒子群算法进行求解，可以得到配网DG的出力计划、需求响应和储能设备的运行策略。

3.2 算例描述

本文选用IEEE 9节点系统作为主网的网架，在节点B7接入ADN，在配网的节点b3加装风机和储能设备，在节点b5和b6接入可控机组CG1和CG2，如图3所示。假设主网所有线路传输容量均为300 MW，配网线路以及配网与主网联络线传输容量为80 MW，节点电压上下限分别为额定电压的1.1倍和0.9倍。

发电机组参数如表1所示，假设所有机组最小运行和停运时间为2 h，初始状态为运行2 h，启动费用为100 $，增减出力限制为 30 MW/h。配网的线路参数如表2所示，假设储能设备的额定容量为20 MW·h，最大放电功率为6 MW，最大充电功率为3 MW，充放电效率均为0.9。需求侧响应最大可转出负荷为负荷的3%，最大可接收平移负荷为负荷的10%。

图2 协调调度模型求解过程

图3 含ADN的IEEE 9节点系统

表2 线路参数

ADN一天24 h的负荷和风力发电预测如表3所示，配网节点b1、b2、b5和b6的负荷比例为1:2:1:1，主网节点B5和B9负荷分别为配网负荷的69%和75%，所有节点负荷的功率因素设为0.95，储能设备的功率因素为1，风力发电的功率因素为0.9。假设配网初始预测的节点价格为：8$/( MW·h) (01:00—06:00，19:00—24:00)，12 $/( MW·h) (07:00—12:00)，16 $/( MW·h)(13:00—18:00)。

表3 负荷及风力发电预测数据

Table 3 Forecasted load and wind power data MW

3.3 计算结果分析

利用本文中介绍的优化算法求解协调调度模型，得到机组的有功出力、需求侧响应和储能设备运行状态，从结果可以看出主网机组由于成本较低全部开启，配网机组成本较高并不是全天开启，主要集中在负荷高峰时段开启，这一方面是由于联络线功率限制，另一方面由于主网机组在负荷高峰时段边际成本较高。

为了与协调调度方案对比，假设主网与配网之间没有信息交互，各自制定自己的调度方案，配网根据预测的节点电价制定日前调度方案，并向主网申报购电量，主网再制定主网的购电方案，实时调度中联络线功率应与申报的购电量一致，并按照实际的节点价格结算。

表4对比了协调调度模型和无信息互动的调度模型的成本和收益，其中总发电成本包括主网机组和配网机组，主网收益指主网售电费用减去购电费用，配网成本指配网发电费用加上从主网购电费用。可以看出协调调度不仅能够降低配网成本，还能增加主网收益，通过信息互动能够优化全网的机组配置。

表4 系统成本和收益对比

Table 4 System cost and benefit comparison $

为了进一步验证协调调度模型结果的优劣，将该配网模型接入IEEE 118系统，除主网参数外，其他条件不变。表5对比了不同系统，协调调度和全网优化调度的总成本。全网优化调度定义为，假设配网所有机组由主网统一调度，调度模型以经济性最优为目标函数，考虑网络和机组的约束。可以得到IEEE 9节点系统中协调调度比全网调度成本高1.2%，IEEE 118节点系统中协调调度比全网调度成本高0.7%，这主要是由于在较大系统中，ADN对节点电价的影响有限，所以ADN的调度策略对全网影响相对较小。尽管经济性上稍逊于全网统一调度，协调调度模型中主网和配网间只需要传递购电量和节点价格等关键的协调变量，而统一调度需要传递配网所有节点用电信息和机组调度指令，所以协调调度模型能够减小主网的调度压力。

表5 不同运行方式下系统成本对比

Table 5 System cost comparison under different running modes $

图4选取了某一天19：00的购电量与节点价格的变化情况，来展示协调调度算法的迭代收敛过程。可以看出，由于配网调度模型的目标函数加入了惩罚项，无论是购电量还是节点价格，在迭代3到4次时已经达到收敛，证明了算法具有良好的收敛性。

需求侧响应能够将一部分高峰负荷平移到非高峰时段，减小了高峰时的机组压力，图5对比了不同需求侧响应参与度下的负荷曲线，原始负荷的峰谷差率为38.76%，可平移负荷为3%时峰谷差率为31.42%，为5%时峰谷差率为30.08%，可以看出用户需求侧响应的参与度越高，对电网削峰填谷贡献越大。

图4 协调调度算法迭代过程

图5 不同可平移负荷水平下的负荷曲线

储能设备的运行状态主要取决于本身的容量功率限制和电网负荷水平，图6显示了储能设备一天的充放电状态，可以看出储能设备基本集中在负荷低谷时(23:00—08:00)充电，负荷高峰时(12:00—18:00)放电，同样能够起到削峰填谷的作用。

图6 储能设备充放电状态

联络线传输功率上限作为限制配网与主网能量交互的重要因素，同样会对调度的结果产生影响。配网成本和总发电成本与联络线功率上限关系曲线如图7所示，可以看出随着联络线功率上限的增加，成本呈下降趋势，这主要是由于主网机组的发电成本低于配网的机组，在只考虑价格因素的情况下，配网会优先选择购买主网电量，系统的成本也会随之下降。

图7 成本与联络线功率上限的关系

4 结 论

本文重点研究了ADN与主网协调机制，提出了基于实时电价的协调调度模型，通过仿真结果可以看出，协调调度模型的成本和效益都优于无信息交互的模型。本文的主网模型采用的是单边开放电力市场交易模型，ADN如何参与双边开放的电力市场以及相应的竞价策略还有待于进一步研究。另外由于主动配电网灵活的调度方式，同样可以参与辅助服务市场和电网的阻塞管理。

[1]范明天，张祖平，苏傲雪，等. 主动配电系统可行技术的研究[J]. 中国电机工程学报，2013，33(22)：12-18. FAN Mingtian, ZHANG Zuping, SU Aoxue, et al. Enabling technologies for active distribution systems[J]. Proceedings of the CSEE, 2013，33(22): 12-18.

[2]尤毅，刘东，于文鹏，等. 主动配电网技术及其进展[J]. 电力系统自动化, 2012，36(18): 10-16. YOU Yi, LIU Dong, YU Wenpeng, et al. Technology and its trends of active distribution network[J]. Automation of Electric Power Systems, 2012，36(18): 10-16.

[3]程林，刘琛，康重庆，等. 主动配电网关键技术分析与展望[J]. 电力建设，2015，36(1): 26-32. CHENG Lin, LIU Chen， KANG Chongqing, et al. Analysis of development of key technologies in active distribution network[J]. Electric Power Construction, 2015，36(1): 26-32.

[4]赵波，王财胜，周金辉，等. 主动配电网现状与未来发展[J]. 电力系统自动化，2014，38(18): 125-135. ZHAO Bo, WANG Caisheng, ZHOU Jinhui，et al. Present and future development trend of active distribution network [J]. Automation of Electric Power Systems，2014，38(18): 125-135.

[5]丁明，石雪梅. 新能源接入对主动配电网的影响[J]. 电力建设，2015，36(1): 76-84. DING Ming，SHI Xuemei. Effect of new energy paralleling to the active distribution networks[J]. Electric Power Construction, 2015,36(1): 76-84.

[6]D’ADAMO C, JUPE S, ABBEY C. Global survey on planning and operation of active distribution networks-update of CIGRE C6.11 working group activities[C]//20 International Conference and Exhibition on Electricity Distribution：Part 1，Prague，Czech，2009.

[7]GILL S, KOCKAR I, AULT G W. Dynamic optimal power flow for active distribution networks[J]. IEEE Transactions on Power System，2014, 29(1): 121-131.

[8]程瑜，安甦. 主动负荷互动响应行为分析[J]. 电力系统自动化，2013, 37(20): 63-70. CHENG Yu, AN Su. Analysis of active load’s interaction response behavior[J]. Automation of Electric Power Systems, 2013, 37(20): 63-70.

[9]王健，谢桦，孙健. 基于机会约束规划的主动配电网能量优化调度研究[J]. 电力系统保护与控制，2014，42(13): 45-52. WANG Jian, XIE Hua, SUN Jian. Study on energy dispatch strategy of active distribution network using chance-constrained programming[J]. Power System Protection and Control, 2014，42(13): 45-52.

[10]尤毅，刘东，钟清，等. 主动配电网优化调度策略研究[J]. 电力系统自动化，2014，38(9): 177-183. YOU Yi, LIU Dong, ZHONG Qing, et al. Research on optimal schedule strategy for active distribution network[J]. Automation of Electric Power Systems, 2014，38(9): 177-183.

[11]BORGHETTI A, BOSETTI M, GRILLO S, et al. Short-term scheduling and control of active distribution systems with high penetration of renewable resources[J]. IEEE Systems Journal, 2010, 4(3): 313-322.

[12]KHODAEI A, SHAHIDEHPOUR M, BAHRAMIRAD S. SCUC with hourly demand response considering intertemporal load characteristics[J]. IEEE Transactions on Smart Grid，2011, 2(3): 564-571.

[13]夏叶，康重庆，宁波，等. 用户侧互动模式下发用电一体化调度计划[J]. 电力系统自动化， 2012, 36(1): 17-23. XIA Ye, KANG Chongqing, NING Bo, et al. A generation and load integrated scheduling on interaction mode on customer side[J]. Automation of Electric Power Systems, 2012, 36(1): 17-23.

[14] 刘小聪，王蓓蓓，李扬，等. 智能电网下计及用户侧互动的发电日前调度计划模型[J]. 中国电机工程学报， 2013, 33(1): 30-38. LIU Xiaocong, WANG Beibei, LI Yang, et al. Day-ahead generation scheduling model considering demand side interaction under smart grid paradigm[J]. Proceedings of the CSEE, 2013, 33(1): 30-38.

[15] 王卿然，谢国辉，张粒子. 含风电系统的发用电一体化调度模型[J]. 电力系统自动化，2011, 35(5): 15-18, 30. WANG Qingran, XIE Guohui, ZHANG Lizi. An integrated generation-consumption dispatch model with wind power[J]. Automation of Electric Power Systems, 2011, 35(5): 15-18, 30.

[16]别朝红，胡国伟，谢海鹏，等. 考虑需求响应的含风电电力系统的优化调度[J]. 电力系统自动化，2014，38(13): 115-120, 159. BIE Zhaohong, HU Guowei, XIE Haipeng, et al. Optimal dispatch for wind power integrated systems considering demand response[J]. Automation of Electric Power Systems, 2014，38(13): 115-120, 159.

[17]KARGARIAN A, YONG F. System of systems based securi-ty-constrained unit commitment incorporating active distribution grids[J]. IEEE Transactions on Power Systems，2014, 29(5): 2489-2498.

[18]NG S K K, ZHONG J. Smart dispatch of controllable loads with high penetration of renewables[C]//2012.

[19]GONZALEZ VAYA M, ANDERSSON G. Optimal bidding strategy of a plug-in electric vehicle aggregator in day-ahead electricity markets under uncertainty[Z]. 2014: 1-11.

[20]符杨，蒋一鎏，李振坤，等. 计及可平移负荷的微网经济优化调度[J]. 中国电机工程学报,2014，35(16): 2612-2620. FU Yang, JIANG Yiliu, LI Zhenkun, et al. Optimal economic dispatch for microgrid considering shiftable loads[J]. Proceedings of the CSEE, 2014,35(16): 2612-2620.

[21]CHEN S X, GOOI H B, Wang M Q. Sizing of energy storage for microgrids[J]. IEEE Transactions on Smart Grid, 2012, 3(1):142-151.

(编辑 张媛媛)

Coordinative Dispatching Between Active Distribution Network and Main Network

JIN Yao1, WANG Zhengyu1, JIANG Chuanwen1, ZHANG Yu2, ZHAO Yan3

(1. School of Electronic Information and Electrical Engineering, Shanghai Jiaotong University, Shanghai 200240, China; 2. Power Grid Planning & Research Center， Guizhou Power Grid Corporation, Guiyang 550002, China; 3. State Grid Shanghai Municipal Electric Power Company, Shanghai 200122, China)

Active distribution network (ADN) with more autonomy in dispatching is able to control distributed generators, energy storage equipments and active load, which can realize the efficient operation of distribution network. The dispatching schedule of main network and distribution network influences each other. Besides the operating cost, the coordination of main network and distribution network should be considered when we make the optimal schedule of ADN. This paper provides a real-time information interaction mode, carries out modeling analysis on active load and energy storage equipments, and proposes a coordinative dispatching model based on real-time pricing. In addition, a parallel optimization algorithm is presented aiming at the scheduling model. Simulation results on the IEEE 9 node system connected with a distribution network verify the validity of the model and the algorithm. Finally, we analyze the influences of demand response, energy storage equipments and power limit in interconnecting lines on the dispatching schedule.

active distribution network (ADN); coordinative dispatching; demand response; energy storage equipment; distributed generator

国家高技术研究发展计划项目(863计划)(2014AA051902)；国家电网公司科技项目(5217L0140009)

TM 743

A

1000-7229(2016)01-0038-07

10.3969/j.issn.1000-7229.2016.01.006

2015-09-29

金尧(1991)，男，硕士研究生，主要研究方向为电力系统优化运行、主动配电网；

王正宇(1990)，男，硕士研究生，主要研究方向为配电网优化运行；

蒋传文(1966)，男，博士，教授，主要研究方向为电力市场、电力系统优化运行、可再生能源及风险管理。

Project supported by the National High Technology Research and Development of China (863 Program) (2014AA051902)