主动配电网源-网-荷-储协调调度研究综述

2018-04-18陈美福夏明超陈奇芳宋玉光杨帅

电力建设 2018年11期

陈美福，夏明超，陈奇芳，宋玉光，杨帅

(北京交通大学电气工程学院, 北京市 100044)

0 引言

随着全球经济的快速发展，环境污染和能源危机问题日益严峻，迫使各国加大在新能源应用领域的投入，推动了新能源发电、电动汽车、微电网等技术取得了突飞猛进的发展。与此同时，大量新能源发电、储能、电动汽车充电设施、微电网等技术在配电网中得到推广应用。因此，配电网中出现了大量有源负荷节点，改变了传统的单向潮流结构和配电网的电压水平，提高了配电网的短路容量，增加了配电网的继保策略复杂度。部分负荷也能够根据激励或者电价调节自身的用电需求，配电网传统的被动式单向供电模式受到了巨大挑战[1]。

配电网存在的可再生能源消纳能力不足、一次网架薄弱、自动化水平不高、调度方式落后以及用电互动化水平较低等问题，严重制约了可再生能源的大规模应用，不利于能源结构的优化调整和促进电力市场的开放。随着电网朝着高效、灵活、智能和可持续方向发展，在2008年的国际大电网会议(CIGRE)上，配电与分布式发电专委会的C 6.11工作组在其提交的《主动配电网的运行与发展》报告中首次明确提出主动配电网的概念[2]：通过具有高可靠性的保护设备、高效的潮流控制设备、双向高速的通信网络、灵活的拓扑结构、完善的智能量测系统等基础设施来管理潮流，以便对分布式能源、柔性负荷进行主动控制和主动管理的配电系统[3]，即主动配电网是可以主动控制和管理分布式能源的配电系统。因而，相比于传统的配电网，主动配电网具有更灵活的电网结构、更复杂的电源出力特性、更丰富的控制手段、规模化的分布式储能系统和具备互动用电特性的负荷，对促进我国能源结构的优化与调整具有重要的战略意义[4]。

主动配电网主要目标是提高配电网消纳新能源的能力。传统的以发电跟踪负荷实现系统平衡、以发电控制调整系统运行状态的调度手段难以满足配电网安全经济运行的需求。因此，须在纵深层面实现“源-网-荷-储”的合理优化调度及协调控制，充分发挥电源的互补性、电网的灵活性、负荷和储能的灵活可控性，主动调度配电网中的可控资源，实现主动决策、管理和控制，提高配电网对新能源的消纳能力，保证配电网运行的可靠性和经济性。

近年来，国内外学者针对主动配电网“源-网-荷-储”协调调度技术开展了深入广泛的研究，取得了丰富的研究成果。本文结合最新的研究成果，从主动配电网主要特征出发，对主动配电网需求响应技术、柔性负荷建模、协调调度机理、协调调度架构4个层面对主动配电网“源-网-荷-储”协调调度技术进行分析、归纳和总结，最后对主动配电网协调调度技术发展中存在的问题和面临的前景进行探究思考。

1 主动配电网的主要特征

主动配电网是具备组合控制各种分布式能源能力的配电网络，通过灵活的网络拓扑结构来管理潮流，能够对不同区域中的分布式能源进行主动控制和主动管理。通过灵活有效的协调控制技术和管理手段，主动配电网可实现对分布式能源的大规模消纳，从而提升配电网资产利用率并提高用户的用电质量和供电可靠性。其“主动”特点主要体现在以下方面：

(1) “源-网-荷-储”全面协调规划。相较于传统配电网，主动配电网可对源、网、荷、储采用主动的协调控制方式，具有更加灵活多变的结构[5]。因此，除须考虑传统配电网规划的要求，还要考虑主动协调调度的需求，充分考虑网内各个模块合理配合的问题以及需求侧响应等管理手段带来的不确定性等，尽可能提高协调规划的扩展性、全面性和灵活性。

(2) 主动协调控制。主动配电网的核心功能之一是对配电网资源的主动决策、管理和控制。通过“源-网-荷-储”协调控制可以主动实现源端互补和网端灵活重构。同时，让负荷和储能作为有效的调度资源主动追踪电源出力变化，实现削峰填谷，平抑可再生能源的出力波动，缓解可再生能源出力不确定性带来的影响，最终实现可再生能源的高效消纳，确保配电网安全稳定运行。

(3) 市场的主动性。随着电改政策的逐步推进，开放的电力市场将成为主动配电网的重要组成部分。售电侧将主动制定合适的价格和服务，通过合理的定价方式为用户提供优质电能服务，以提高用户黏性。

(4) 用户侧的主动性。用户侧需求响应是主动配电网的重要功能之一，用户根据电网运营商制定的价格或者服务政策，可以主动地为电网提供辅助服务，从而获得经济收益，减少电网投资，提高电网资产利用率。

2 主动配电网需求响应机制

用户侧需求响应是主动配电网协调调度用户侧灵活资源的重要方法，也是用户与配电网互动的关键技术。用户可以自愿地调节柔性负荷来改变原有的用电模式，实现与电网互动，由此获得资金奖励或电费优惠等经济回报。从机制上可划分为基于价格的机制和基于激励的机制2种模式。

2.1 价格机制需求响应

价格机制下的需求响应中电价信号是关键，通过电价信号引导用户的响应行为，进而对负荷曲线及电网可靠性等产生影响。常见基于价格的需求响应包括基于分时电价(time of use price，TOU)的需求响应和基于实时电价(real time price，RTP)的需求响应。

TOU提前一天或更早制定好电价并下发给用户，是一种静态电价机制，能够较好地反映电力系统的长期供电成本，适用于与柔性负荷结合优化负荷用电，降低用电成本和增强电网的稳定性。目前，关于TOU的研究主要集中在柔性负荷如何根据分时电价制定自身的用电策略，以实现用电成本和网络稳定性最优的目标。文献[6-7]将电动汽车充电与TOU建立联系，考虑电网的负荷水平和用户需求制定TOU下的电动汽车最优充电策略，实现了用户充电成本的降低和负荷的削峰填谷。文献[8]制定分时电价下电热水器的运行策略，实现大规模电网经济效益的同时，还提升了用户在负荷高峰时的用电体验。

RTP在极短时间段内定价并下发给用户，是一种理想的动态电价机制，灵活性强，不仅适用于引导柔性负荷合理用电，还能够有效促进可再生能源消纳，降低可再生能源出力波动造成的影响。文献[9]提出了基于RTP的风电消纳机组组合和经济调度模型，RTP下需求侧资源可灵活的响应风电出力变化，降低风电不确定性影响。文献[10]在RTP背景下设计电动汽车的充放电优化策略以降低电动汽车充电对电网的影响并实现经济最优。文献[11]为更好地实现RTP功能提出了一种在线凸优化方法来确定电价，引导期望的用户用电行为，并根据反馈信息研究用户的电价弹性。

基于价格机制下的需求响应管理，其响应效果依赖于用户的响应，存在一定的不确定性[12-14]，可以在宏观上实现柔性负荷的调度管理，进行削峰填谷。但是，难以实现柔性负荷的确定性调度，而且电价与用户响应之间存在着复杂的相关关系，能否合理定价关系到峰谷变化、电网经济性和系统稳定性的优劣，需进一步深化研究。

2.2 基于激励机制的需求响应

激励机制下的需求响应通过事先与用户签订协议，在系统需要时直接调整用户负荷功率，实现需求响应下确定性的柔性负荷调度，常见的控制方法有直接负荷控制(direct load control，DLC)、可中断负荷(interruptible load， IL)、紧急需求响应(emergency demand response，EDR)和可转移负荷(transferable load，TL)等。

DLC[15]通常针对居民和小型的商业用户。参与的可控负荷通常为短时间停电对其供电服务质量影响不大的负荷(如空调、电热水器和电动汽车充电桩等)。通过DLC控制可以促进可再生能源消纳、增强系统稳定性等。文献[16]提出了基于模型预测控制的温控负荷控制方法，能够实现负荷跟踪等多种辅助服务。文献[17]利用电热水器参与日内电力市场，促进了可再生能源消纳，提升了经济性。文献[18-19]提出了利用电动汽车参与系统辅助调频的控制策略，增强了系统稳定性。与DLC型柔性负荷的属性不同，IL主要针对大型商业用户。通过签订合同，在负荷高峰或者系统故障时中断部分或全部负荷，从而保障系统安全性与经济性[20]。文献[21]考虑IL响应不确定的情况下，将IL纳入系统备用，在一定程度上实现了系统可靠性和经济性的均衡。文献[22]建立了考虑IL参与的配电网故障恢复优化模型，实现了在系统供电容量不足时最大限度地保证重要负荷供电和重要负荷供电的快速恢复。文献[23-24]将可中断负荷用于阻塞管理中，有效消除了系统中的市场力，缓解了阻塞。TL是指不改变负荷的用电量，而通过改变负荷用电时间来实现改善负荷曲线目标的控制方式。针对TL进行控制使其与系统的发电时间特性进行匹配，不仅能充分利用可再生能源发电[25-26]，还能提升系统的经济性[27]。EDR是基于DLC和IL应对紧急状况(如频率控制、电压偏移控制和阻塞管理)时采取的需求相应措施[28-30]。

目前，针对不同类型激励机制的需求响应参与系统优化以实现经济性、稳定性和可靠性等目标的研究已有很多，但受控后负荷的反弹效应模型和考虑负荷自身因素、外部环境因素和不确定条件的负荷模型尚未完全建立，因此，激励机制下的需求响应仍须进一步研究。

3 源-网-荷-储协调调度机理

“源-网-荷-储”的全面互动和协调平衡是主动配电网柔性负荷调度的发展趋势。目前，已有源源互补、源网协调、网荷互动、源荷互动等部分互动调度形式[31]。

3.1 源源互补

源源互补是通过不同电源间的出力时序特性和频率特性进行互补来促进可再生能源的消纳。传统常规电厂协调可再生能源出力虽能较好实现可再生能源入网，但常规电厂备用容量高，成本较大，而基于出力时序特性进行的多种分布式发电(distributed generation, DG)出力互补，如风光互补、风光水火互补等[32-33]，能有效促进可再生能源的消纳，在一定程度上缓解可再生能源出力的波动性和间歇性。文献[34]在分析负荷时序特性、DG发电时序特性的基础上，根据时序特性以电能损耗和可靠性为目标，为DG选址定容。文献[35]考虑了多种类型DG的互补特性，以及需求响应与DG的时序特性，建立了不同类型DG和负荷模型的主动配电网协同规划。储能装置作为促进可再生能源消纳的理想装置能够实时跟踪可再生能源出力，如风储混合、光储混合、风光储混合等[36-37]。从促进可在生能源消纳的频率特性出发，文献[38]提出了一种包含抽水蓄能和电池储能的复合储能协调优化运行模型，在有效提高风电入网率的同时又避免引入容量过高的电池储能，保证了经济性。文献[39]通过经验模态分解，提出了一种超级电容-蓄电池混合储能系统，可有效促进风电消纳。

3.2 源网协调

源网协调通过对分布式电源接入位置、容量进行优化和灵活调整网络结构配置来实现不同分布式电源高效消纳。文献[34]考虑分布式电源的时序特性以电能损耗和可靠性为目标对DG进行选址定容。文献[40]针对未来配电网将会出现的智能软开关和传统联络开关并存的情况，提出了一种联络开关和智能软开关并存的配电网运行时序优化方法。文献[41]提出了基于模型预测控制的多时间尺度动态优化调度，长时间尺度下计算出优化参考值，短时间尺度下进行滚动优化，从而降低可再生能源波动的影响。

3.3 网荷互动

网荷互动是在需求响应机制下利用柔性负荷参与电网的辅助服务以促进电网优化运行，如参与电网无功优化进行电压调节、参与有功优化进行频率调节、参与有功优化缓解与主网交换功率的波动、减小网络损耗等。文献[39,42]在ADN中协调储能和柔性负荷，降低了配网的网络损耗。文献[43]提出了一种基于市场控制的空调负荷参与平抑微网联络线功率波动的方法。文献[44]提出了一种在需求响应机制下利用温控负荷维持孤立微网电压平衡的控制策略。文献[45]提出了一种需求响应与储能可控分布式电源分级协调的频率控制策略，实现了孤岛微网的频率稳定。

3.4 源荷互动

源荷互动是通过利用柔性负荷、需求响应来调节电网峰谷差和促进可再生能源消纳。目前，在源荷互动方面开展了可行性及效益分析、商业运作模式和政策机制、协同规划模型、调度算法研究、试点实施等工作[46-49]。文献[50]提出了考虑柔性负荷调峰的大规模风电随机优化调度方法。文献[51]提出了一种“多级协调、逐级细化”的多时间尺度柔性负荷协调调度模型，能有效缓解风电预测功率误差所引起的功率不平衡，并减少系统备用容量。文献[52]针对可再生能源出力的间歇性提出了一种电动汽车准入与调度机制，实现电动汽车充电满意度和可接受电动汽车数量之间的均衡，促进了可再生能源的消纳。

上述研究成果从主动配电网中不同对象之间的联系分析了其调度机理，并主要从“源-网-荷-储”互动调度出发建立优化模型和策略。未来的研究中须分析参与对象时序特性、频域特性、结构特性和供需特性，建立全面考虑“源-网-荷-储”调度机理下的主动配电网优化互动模型。

4 互动协调控制模型

主动配电网中协调控制的重点对象是对柔性负荷的控制。针对柔性负荷的建模，主要可从用户用电特性、电网优化调度、负荷聚集特性和源荷不确定性四个角度出发，建立对应的负荷模型。

4.1 用户用电特性模型

从用户用电特性角度建模能够计及多种因素对用户响应行为的影响，比如消费者心理和用户满意度等，方便地获取响应行为的时序特征。文献[53]针对当前负荷资源调度建模中未考虑用户侧意愿的问题，构建用户满意度的两阶段调度模型，结果表明该模型可以调整用户用电行为和优化系统的负荷曲线。文献[54]针对大规模风电和空调负荷等对电力系统带来峰谷差的问题，设计了计及用户自愿申报用电意愿的新型用户侧用电模型，使得用户的申报能够充分反映自身生产实际需求，为用户侧参与电网互动提供新思路。文献[55]针对电动汽车传统模型为固定模型，无法反映电动汽车模型受用户使用行为影响的问题，建立了电动汽车充放电阶段模型，使得电动汽车调度模型更加精确。文献[56]针对通过统计用户对电价的反应来建立分时电价模型过于简略的问题，建立多种分时电价模型，并且考虑不同用电特性的负荷，使最终建立的模型能够有效减小峰谷差。

目前，常用的用户响应建模方法依赖于用户的历史统计数据，反映用户对电价/激励等响应的宏观表现，缺乏对物理特性的建模，在一定程度上影响了模型在动态应用时的准确性。

4.2 电网优化调度模型

从电网优化调度的角度，通常在优化模型中将柔性负荷响应量作为决策变量参加电网统一优化。文献[57]针对电网调度大量不同类型的负荷资源时存在控制变量数目过多的问题，权衡负荷模型的准确性和可控性，建立了适合电网调度的随机混合模型，不仅可以进行实时控制，而且可以保护用户的隐私。文献[58]结合舒适度相关的方法对用户舒适度进行更为精确的建模，使负荷侧资源的实际响应能够与电网的调度指令偏差最小化，取得了较好的控制效果。文献[51]为了方便电网为消纳风电提供更灵活的控制手段，将负荷侧资源建立成多时间尺度的调度模型，电网以风电功率消纳最大化为调度目标，将系统进行整体优化，结果表明可以降低系统功率失衡风险和减少系统备用容量。文献[42]在长周期上制定以网损最小为目标的最优潮流模型，协调全网的有功功率和无功功率，在短时间尺度上对分布式发电、负荷侧资源等进行协调控制，对长周期所给出的优化结果进行对应的指令跟踪，结果表明其可以使电网维持在最优运行状态。

多数文献考虑同类负荷或局部地区负荷的整体外特性，而对单个负荷或一定数量负荷聚集的调度模型及柔性负荷响应的不确定性均考虑较少。

4.3 负荷聚合特性模型

从负荷聚集角度建模考虑的是一定数量的各类用电设备及相关变配电设备的组合特性。一方面可计及不同柔性负荷元件响应行为的多样性、不确定性甚至移动性，另一方面还可适当简化模型的复杂性。文献[59]针对当前综合负荷参数过多的问题进行了研究，在保证外特性相近的原则下，对综合负荷的模型进行了简化处理，获得了综合负荷的相近模型，适用于电力系统优化设计场合。为了对大量柔性负荷进行动态建模，文献[60]考虑空调响应延迟时间，建立了负荷聚合模型，该聚合模型可以对调度指令进行快速跟踪响应，结果表明该方法更能反映空调实际响应特性。文献[61]针对当前空调聚合模型多限于分体式空调的问题，将中央空调进行聚合模型建模，综合考虑空调自身特性、用户舒适度、经济性因素，对分布式电源出力进行有效消纳。此外也有研究为了降低空调类负荷对电力系统暂态分析准确度的影响，针对当前负荷聚合建模过程中直接聚合存在的问题，提出对负荷先聚类后聚合的策略，提高所得聚合模型的准确度。

目前，针对负荷聚合建模已有较多的研究，但多偏向以经济性为目标的柔性负荷自主响应特性、负荷整体建模等方面的聚合效应模型，缺乏针对互动环境下柔性负荷互动行为的建模研究。

4.4 计及源荷不确定性的模型

可再生能源出力与负荷具有随机波动性，这给主动配电网的协调优化调度带来了巨大的挑战[62]。针对源荷的不确定性问题，常基于概率统计、预测等手段进行建模处理，在一定误差范围内满足优化调度的需求。文献[63]考虑风力发电和光伏发电的不确定性，结合随机模拟技术和惩罚函数方法，基于机会约束规划建立了含有风力发电机、光伏发电单元以及储能装置的主动配电网能量调度随机数学模型。文献[64]针对光伏、风电、负荷等的不确定性，结合预测技术，对出力范围内的功率值建立概率模型，确保调度结果最优。文献[65]通过历史数据，针对源荷不确定性建立鲁棒调度模型。文献[66]采用模型预测控制，通过结合当前量测值与未来时段的预测值，获得当前最优控制量，实现滚动求解最优，降低其出力不确定对调度的不利影响。与之类似，文献[67]也采用预测值与量测值相结合的方法，来应对分布式电源等的不确定性。文献[68-69]考虑实时调度中超短期预测结果的波动性，针对分布式电源、负荷等超短期预测结果进行实时调度，以不确定单位作为随机变量进行概率潮流计算，保证主动配电网的安全运行。文献[70]考虑需求响应时，针对用户响应行为的不确定性，采用概率统计方式，将用户分为领导型用户、从众型用户、顽固型用户，建立相应调度模型。文献[71]将用户参与度与电网侧激励间的关系用不确定性模型来表征，对参与响应的用户采用有序用电调度，而无响应的用户采用无序用电，提高电网调度效果。

总之，源荷的不确定性对主动配电网的优化调度、稳定运行带来较大的不利影响，优化调度模型求取的最优结果与实际最优值存在一定偏差。目前，针对不确定性问题所采用的概率统计和预测方法虽然能取得较好的效果，但模型的精度和使用场景仍有较大的局限性。

5 源-网-荷-储调度架构

“源-网-荷-储”调度架构是实现主动配电网优化调度的载体，可以分为集中式架构、分层式架构和分散式架构3类。

5.1 集中式架构

对于集中优化调度而言，通常的做法是先建立目标函数，比如网损最小、成本最低、电压合格率高等；然后，建立各个受控环节的经济调度模型，再依据所建立调度模型的复杂度，选取合适的求解算法。优化目标函数可分为单目标优化和多目标优化两类，而求解算法中常见的有遗传算法、粒子群算法、模拟退火算法及相应的改进算法等。

文献[5]以系统成本及污染排放最小化为优化目标，充分考虑需求响应、储能、风电、光伏相关环节，建立“源-网-荷-储”的协调调度模型，采用多目标粒子群优化算法进行求解。文献[72]综合考虑分布式能源、储能、柔性负荷，建立了可再生能源利用率、网络损耗和用户满意度相关的多目标优化调度模型，采用改进粒子群算法进行集中优化。文献[73]针对电动汽车接入电网的可行性、经济性进行了分析，对电动汽车最优充放电进行了优化，使得电网可以接入更多的电动汽车，并且电动汽车可以以更低的成本进行充电。文献[74]针对风光出力消纳问题，将负荷加入调度范围，整合成一个混合控制系统，以经济优化调度为目标函数，结合智能优化算法，求解目标函数，解决光伏、风电出力的随机波动问题。

集中式调度架构适合于规模适中的应用场。当协调对象规模较大时，其对通信需求、计算能力和存储空间的需求都会急剧增加。

5.2 分层式架构

分布式发电的容量一般较小，数量众多。此外，当柔性负荷包含大量空调负荷和电动汽车时，如果采用集中控制，将产生巨大的通信和运算压力。分层控制[75]与集中-分散控制、多代理控制的概念类似，常用于控制组件过多的情况。这种控制模式中，底层控制具有一个统一控制器(类似于代理中心)，该控制器可以接受上层控制器的调度指令，以达到经济运行、安全运行等目的[76]。文献[77]针对大规模空调负荷将直接负荷控制在微观层，每个聚合商管理对应区域的空调负荷，使实际负荷出力与调度计划一致；在宏观层，电网调度部门对各个聚合商进行控制，优化负荷调度计划。文献[78]除了采用负荷聚合商之外，还纳入了传统发电和风力发电，进行多时间尺度的协调控制，以实现供需平衡和调度成本最小。

分层协调控制中，负荷聚合建模尤为重要，目前电网对负荷聚合商的调度通常将其看作“虚拟电厂”，对负荷聚合商协调整合负荷资源的互动优化作用的研究较少。此外，在实际应用中应充分考虑工程需求进行合理的层次划分。

5.3 分散式架构

分散控制中，整个控制架构不包含集中控制中心，各个参与单元都具有同等执行权限。通过建设好的通信网络，参与单元将获得必要的信息，达到统一的目标。比如在微网协调控制中，基于均一协议的分散式控制，可以保证在微网内部供需平衡的情况下，达到经济运行的目标[78]。文献[79]从源-网-荷对应的利益主体角度出发，“源”部分从分布式电源收益最高出发进行选址定容，“网”部分以配网运行成本最小为目标进行配网规划，“荷”部分以用户收益最高进行用电调整，各部分之间通过用电需求、价格等因素进行信息交互，不存在中央控制。文献[80]也依据源网荷进行利益主体划分，电源方可以进行售电和购买需求侧发电；电网公司通过过网费盈利；负荷方则依据需求响应进行相应动作，并最终通过竞争非合作博弈方法让不同利益主体受益。

目前的分散式控制算法中，由于各控制器只监测本地量，分散式架构可能出现欠控制或过控制，同时各控制器之间可能出现冲突，难以达到电网调度的系统级控制目标。