微网的实时调度策略

路建明，危瑾，吴雄

(1.国网湖南省电力公司，湖南长沙410007；2.西安交通大学，陕西西安710049)

为了提高微网的能量利用率和安全可靠性，微网的能量管理技术成为微网课题当中一个重要的组成部分〔1－2〕。可再生能源的随机性和波动性给分布式电源的管理带来了新的挑战。作为分布式电源的集成技术微网也面临着如何实时调度的难题。

文献 〔3－5〕均构建了以最大化运营效益为目标的微网能量管理模型，考虑了分布式电源的运行约束和各种物理约束。然而，上述文献提出的优化模型均是离线计算模型。较少的文献涉及微网的实时调度。文献 〔6〕提出了一种包含蓄电池的微网能量管理的实时优化调度模型，其根据并网情况的电网电价，蓄电池的储能状态建立了优化调度模型。文献 〔7〕补充了微网在孤网模式下的能量调度策略，考虑了微网孤网模式下的分布式电源的控制模式，提出了基于蓄电池储能状态大小的实时调度策略。文献 〔8－9〕制定了微网中蓄电池的实时能量调度规则，通过仿真验证了其调度策略的有效性。文献 〔10〕采用模糊控制的方法实时平衡微网中的功率波动。

目前针对微网的实时调度研究很少，且较少文献考虑了微网的控制策略。本文旨在专门研究微网不同控制策略下的实时调度策略。基于经济性原则和微网逆变器的控制方式，提出了微网并网和孤网下的实时调度方法，对比较了几种实时调度策略的优点和缺点，对其进行了经济性分析。为微网能量管理中的实时调度提供了探索方法和技术支持。

1 微网并网与孤网下的控制策略

1.1 并网下的控制策略

微网中分布式电源以及储能设备一般通过整流器和逆变器等电力电子设备将不同频率的电能平滑的转换为相同频率的交流或直流电能。通过控制逆变器可以控制分布式电源的输出，让分布式电源按指定的电压和频率 (V/f控制)或有功功率和无功功率 (PQ控制)输出。风电、光伏的发电主要取决于自然环境，具有随机性和波动性，属于不可调度机组。其具有一定的可预测性，但目前仍具有较大的预测误差。而燃料机组如微型燃气轮机、燃料电池、柴油机属于可调度机组。微网并网状态下，系统的频率和电压由电网决定，此时各分布式电源和储能设备的逆变器一般采用PQ控制，接受微网能量管理系统的指令来决定其发电功率。

1.2 孤网下的控制策略

在孤网状态下，根据微网的控制策略，一般分为主从控制和对等控制〔11〕。其中主从控制以某一可控微源为压频控制单元，其采用V/f控制，作为系统的参考电压和频率，负责吸收微网中的不平衡功率。其余的微源采用PQ控制接受能量管理系统的调度指令。对等控制根据逆变器的下垂特性曲线共享系统电压和频率，并能共同分摊微网中的不平衡功率。其函数如式 (1)、(2)所示:

式中 f和V分别为输出电压的频率和幅值；f∗和V∗分别为它们的参考值；P和Q分别为输出的有功功率和无功功率；P∗和Q∗为其参考值；m和n为逆变器的下垂系数。

2 微网的实时调度模型与算法

2.1 并网下的实时调度策略

在并网状态下，微网的频率由主网确定，可控分布式电源和储能系统采用PQ控制。对于不可控的可再生能源机组，一般采用最大功率跟踪的方法最大可能的发电。在微网的发电调度当中，一般会对可再生能源机组和负荷进行发电预测，在此基础上再安排各可控机组的计划出力。由于可再生能源机组发电取决于自然环境，具有随机性和波动性，其实际出力与预测出力有一定的误差，在实时调度当中需要实时去平抑系统中的不平衡功率。

根据经济性原则以及微网控制的方式，提出了并网状态下的几种实时调度策略。

1)优化方法。此方法通过构建一定的数学模型，采用优化算法优化各机组的出力。显然，由于优化需要时间，具有一定的时滞性。其基本数学模型如下。

目标函数:

其中:

式中 xt表示为t时刻的决策变量；G为可控分布式电源的集合；B为储能设备的集合；上标为“∗” 的量表示原计划设定值；Pdg，i，t表示 t时刻分布式电源i的有功功率；fdg，i(·)表示可控分布式电源i的运行费用；Cfi(·)表示分布式电源i的发电费用； ρmai，i为分布式电源 i的单位维护费用； Pbs，i，t为t时刻蓄电池i的有功功率；fbs，i(·)表示蓄电池i的维护费用；ρbs，i为蓄电池 i的单位维护费用；Pgrid＋，t和 Pgrid－，t分别为 t时刻从电网的买入和卖出电功率； ρbuy，t和 ρsell，t分别为 t时刻从电网的买入和卖出电价；fgrid(·)表示从电网的购售电费用；fp(·)表示惩罚费用；ρp为惩罚系数；分别为t时刻分布式电源i和蓄电池i的原计划设定值。

式 (4)，(6)表示微网的运行费用，式 (7)用惩罚函数的形式约束实时优化结果应尽可能少的偏离原计划优化结果即离线计算结果。

约束条件有:

式中 Prg，i，t为t时刻可再生能源机组i发出的有功功率； R为可再生能源机组集合；Pld，t和 Ploss，t分别为 t时刻的负荷和线损值； P－dg，i、 P－dg，i、 S－dg，i分别为第i台分布式电源的最小有功功率、最大有功功率、最大容量；分别表示 t时刻第 i台分布式电源设定状态值， 发出无功功率；分别为蓄电池i的最大充放电、 最大容量、 最小储能、 最大储能值； Qbs，i，t、 Ebs，i，t分别为t时刻蓄电池i发出无功功率和储能值；P－grid为微网与主网联络线上的最大有功功率传输量；Pgrid，t、Qgrid，t分别为t时刻微网与主网联络线上的发出有功功率和无功功率；λ为设定的最小功率因素值；V－i、分别为节点i的电压的最小和最大限值；Vi，t为 t时刻节点 i的电压值； Si，j，t为 t时刻支路 i， j的潮流值；为支路i，j的最大潮流限值。式(9)—(14)和式(16)—(17)为物理限值约束。由于微网被作为可控负荷，式 (15)保证联络线与微网的交互传输功率具有一定的功率因素。

该优化问题为非凸、非线性优化问题，用传统方法较难求解，本文采用遗传算法求解。

2)启发式方法。根据经济性原则将不平衡功率实时分配给各可控机组，采用简单的排序算法安排各机组的配额。其基本计算步骤如下:

a)计算实时功率与预测功率之差ΔPt；

图1 启发式算法流程

该算法通过逐步降低可控机组出力将ΔPt逐渐削减至零，从而达到实时功率平衡。

2.2 孤网下的实时调度策略

孤网情况下，根据系统采用的控制方式的不同，有着不同的实时调度策略。可以概括如下:

1)若微网采用主从控制，则要求压频控制单元采用V/f控制，吸收微网中的不平衡功率。其余的机组采用PQ控制，通过调节这些机组的功率达到优化的目地。其实时调度策略跟并网情况下类似，有优化方法和启发式方法，所不同的是作为压频控制单元的微源充当了电网的角色。

2)若微网采用对等控制，各分布式电源通过逆变器的下垂特性用来动态平衡功率。分布式电源的下垂系数一般为常数，文献 〔12〕指出分布式电源的下垂系数可以根据分布式电源的运行备用值动态改变，不平衡功率通过下垂系数成比例的分配到了各个分布式电源上。固定的下垂系数mi一般可以根据其最大容量值设计〔13〕:

对于既可以充电又可以放电的蓄电池，其下垂系数 mi＝ Δf/2。可调节下垂系数按式 (20)设计，则每个机组最后分配的功率如式 (21)所示:

以ΔPt大于零的情况为例，其不平衡功率分配的流程如图2所示。

图2 比例分配算法流程

一般情况下，按照各分布式电源的比例系数即可实时动态平衡误差功率。但是也有可能造成部分机组越限，此时应让越限的机组出力保持在限值，越限功率重新分配到还有余力的机组。

3 算例分析

3.1 基础数据

根据文献 〔14〕提供的14节点的微网算例做了小的改动，包含了多种典型的分布式电源。由一台微型燃气轮机 (Micro turbine，MT)，一台燃料电池 (Fuel cell，FC)，一组蓄电池 (Battery storage，BS)，一台风电 (Wind turbine，WT)，一台光伏 (Photovoltaic，PV)组成，通过公共连接点接入配电网 (Grid)。微网内的最大负荷为120 kW，微网系统结构如图3所示。

图3 微网的系统结构

微网中典型日每小时的总负荷、风电出力、光伏出力预测情况如图4所示。为了模型实时调度，每5 min的实时模拟数据也绘制在图中。

图4 典型日光伏风电以及负荷预测和实际出力

微源和配电网的相关参数见表1。

表1 微网中的相关参数 kW

微型燃气轮机和燃料电池的维护系数〔15〕分别为0.03元/kW和0.06元/kW。蓄电池的最大，最小和初始容量分别为100%，20%，50%额定容量。系统采用分时电价，其中峰时段为00:00—08:00，平时段为 08:00—20:00，谷时段为20:00—24:00， 电价分别为 0.24 元/kWh、0.48元/kWh、 0.36元/kWh。

微网并网与孤网状态下各微源的计划出力如图5、6所示。并网状态下，微型燃气轮机完全停机，由便宜的市电和其他机组供电。孤网状态下，发电便宜的燃料电池全程以额定功率运行，较贵的微型燃气轮机全程开机起备用的作用。

图5 并网状态下的计划出力

图6 孤网状态下的计划出力

3.2 结果分析

采用 Matlab编程计算。并网情况下，以每5 min为时间间隔模拟实时调度情景。优化方法每次计算的时间大约为20 s，启发式方法每次计算的时间几乎可以忽略不计。优化方法和启发式方法的可调度单元的调度情况分别如图7、8所示:

图7 并网下优化方法的实时调度结果

图8 并网下启发式方法的实时调度结果

从优化方法的计算结果可以看出，由于设计要求可控机组尽量少的偏离计划出力，因此，实际与计划之间的误差功率基本上由电网吸收。在13:00—17:00之间，燃料电池发电较市电便宜，因此其吸收了部分不平衡功率。

采用启发式方法获得的实时调度方案中，基上采用内部消化。蓄电池吸收了绝大部分的不平衡功率。而电网则在微源不能消纳时起到了补充吸收的作用，如在04:00—07:00之间，电网分担了部分不平衡功率。

若孤网采用主从控制，假设蓄电池充当压频控制单元，采用优化方法，启发式算法分别进行实时调度。以优化方法为例，其结果如图 9、10所示:

图9 孤网下优化方法的实时调度结果

图10 孤网下启发式方法的实时调度结果

若孤网采用对等控制，以下垂系数固定为例，其调度结果如图11所示。

图11 对等控制下的实时调度结果

从图11中可以看出，采用对等控制，系统的不平衡功率基于下垂系数按比例分配到了各个机组上。相比于采用压频控制的方式，其未造成机组较大的功率调节，因此可控机组不需担心其爬坡速度跟不上调节的幅度。比较各种调度策略优劣的一个重要的指标是其整体的经济性。表2给出了微网并网和孤网情况下几种策略下总的运行费用。方法1—4分别代表优化方法、启发式方法、下垂系数固定和可调的比例分配方法。

表2 各种策略下的运行费用 元

从表中可以看出，启发式方法在孤网和并网状态下均有最小的运行费用。主要因为其完全按经济性指标来安排出力，而优化方法考虑了多种约束条件，经济性并非最优，但是能满足设定的约束。孤网情况下，失去了市电的支援，其整体费用增加。在对等控制下，两种方法的运行费用相当，且总体不高，主从控制情况下，优化方法的费用总体偏高，启发式方法费用最低，但要求可调机组有较快的响应速度，实际当中可以模拟对等控制的比例分配法来减少机组的功率大幅度调整。

4 结语

文中总结了当前微网并网与孤网状态下的几种常用的控制方法。根据并网与孤网下的特点，提出了微网的实时调度策略。在并网情况下，主要设计了优化方法、启发式方法。在孤网的主从控制下，可以采用优化方法、启发式方法。而在对等控制下，根据下垂系数按比例分配不平衡功率。通过各种方法的比较分析，可以得出以下一些结论:

1)启发式方法具有最高的经济效益，其要求可调节机组具有较快的响应速度，适合于新能源比例少的场合。2)优化方法考虑了多种约束，经济性适中，计算有时滞性。适合于微网机组规模较小和有特殊控制约束要求的场合。3)孤网在对等控制的方式下不平衡功率分配均匀，过渡平滑。可以应用于启发式算法中，减少机组功率的调整力度。

〔1〕 Hatziargyriou N， Asano H， Iravani R， et al.Microgrids 〔J〕.Power and Energy Magazine， IEEE， 2007， 5(4):78-94.

〔2〕 Katiraei F，Iravani R，Hatziargyriou N，et al.Microgrids management〔J〕.Power and Energy Magazine， IEEE， 2008， 6(3):54-65.

〔3〕王锐，顾伟，吴志.含可再生能源的热电联供型微网经济运行优化 〔J〕.电力系统自动化，2011，35(8):22-27.

〔4〕徐立中，杨光亚，许昭，等.考虑风电随机性的微电网热电联合调度 (英文)〔J〕.电力系统自动化，2011，35(9):53-60.

〔5〕丁明，张颖媛，茆美琴，等.包含钠硫电池储能的微网系统经济运行优化 〔J〕.中国电机工程学报，2011，31(4):7-14.

〔6〕石庆均，江全元.包含蓄电池储能的微网实时能量优化调度〔J〕.电力自动化设备， 2013， 33(5):76-82.

〔7〕石庆均，耿光超，江全元.独立运行模式下的微网实时能量优化调度 〔J〕.中国电机工程学报，2012，32(16):26-35.

〔8〕 Belvedere B，Bianchi M，Borghetti A，et al.A microcontrollerbased power management system for standalone microgridswith hybrid power supply 〔J〕.IEEE Transactions on Sustainable Energy， 2012， 3(3):422-431.

〔9〕 Tan K T，So P L，Chu Y C，et al.Coordinated Control and Energy Management of Distributed Generation Inverters in a Microgrid 〔J〕.IEEE Transactions on Power Delivery， 2013， 28(2):704-713.

〔10〕 Mohamed A，Mohammed O.Real-time energy management scheme for hybrid renewable energy systems in smart grid applications〔J〕.Electric Power Systems Research， 2013， 96(0):133-143.

〔11〕 Lopes J A P， Moreira C L， Madureira A G.Defining control strategies for microgrids islanded operation 〔J〕. IEEE Transactions on Power Systems， 2006， 21(2):916-924.

〔12〕 Kang H-K， Ahn S-J， Moon S-I.A new method to determine the droop of inverter-based DGs 〔C〕.Calgary， AB， Canada:IEEE Computer Society，2009.

〔13〕 Guerrero J M，Chandorkar M，Lee T-L，et al.Advanced control architectures for intelligent microgridspart i:Decentralized and hierarchicalcontrol 〔J〕.IEEE Transactionson Industrial Electronics， 2013， 60(4):1254-1262.

〔14〕 Basu A K， Chowdhury S， Chowdhury S P.Impact of strategic deployment of CHP－based DERs on microgrid reliability 〔J〕.IEEE Transactions on Power Delivery， 2010，25(3):1697-1705.

〔15〕 Rasheduzzaman M， Stahlman E， Chowdhury B H.Investment payback calculatorfordistributed generation sources 〔C〕.Boston， MA， United states:IEEE Computer Society， 2011.