智能配电网的新形态及其灵活性特征分析与应用

王成山, 李 鹏, 于 浩

(1. 智能电网教育部重点实验室(天津大学), 天津市 300072; 2. 国网天津市电力公司检修公司, 天津市 300230)

0 引言

配电网的发展一直以满足用户需求为目标。在初级发展阶段,配电网主要以满足负荷基本需求、实现用电负荷区域全覆盖为目标,侧重于配电网的一次网架建设,逐步形成了可满足基本负荷需求的粗放型电力供应平台;随着用户负荷对电能质量与供电可靠性需求的不断提升,配电网进入中级精细化发展阶段,以实现全局性的用户高供电可靠性为目标,致力于对已有配电网的自动化和网架结构升级改造,使配电网逐渐发展成为电力供应的优质服务平台。

近年来,随着全球能源供应向着清洁、低碳、电气化方向转型,智能电网蓝图下的新型配电网也承担起愈发重要的责任[1-2]。受科技进步的推动作用与用户需求的拉动,配电网从当前中级形态向未来高级形态的发展正逐渐加速。在电源侧,分布式发电、电储能及综合能源等技术的应用促进了配电网能量来源的清洁化和多元化;在电网侧,一次电气网络中的电力电子应用、二次信息网络的全覆盖等因素大幅提升了配电网的可控性和可观性;在负荷侧,智能家居、电动汽车、综合能源等新型负荷终端大量出现,并将在市场环境下形成多利益主体参与的深度博弈,使配电网面临着更加复杂化、互动化的服务需求[3-6]。在上述因素的共同影响与推动下,配电网迎来新一轮变革,正在向智能配电网的新形态过渡。

本文面向智能配电网的发展需求,针对其多元要素融合带来的复杂特征,提出以灵活性为核心的智能配电网的发展理念,并围绕配电网灵活性问题的技术内涵、挑战与应用进行初步探讨,为复杂运行环境下配电网关键技术问题的解决提供了新的视角和思路。

1 智能配电网的新形态及挑战

智能配电网面临着高比例分布式可再生能源的接入,需要通过信息化与电力电子化的配电网络,满足用户多样化的电力供应需求,并为用户间的点对点能源交易服务提供灵活的供电途径。智能配电网将从单纯的电力配送者转变为具有多重角色功能的公共平台:①可再生资源消纳的支撑平台;②多源海量信息集成的数据平台;③多利益主体参与的市场交易平台;④电气化交通发展的支撑与服务平台;⑤智慧城市建设的能源基础平台等。

智能配电网的多重角色目标要求需要其更具可控性和兼容性,更加开放和包容,配电网的网架形态将会发生很大变化。例如:基于多端柔性开关(soft open point,SOP)[7-8]的蜂窝状配电网被认为是未来智能配电网网架形态演化的一种可能路径。理想状态下,蜂窝状配电网以可控六边形馈线网格构成的多环自相似结构为基础,在提供全系统精细点对点能量传输控制能力的同时,对分布式发电、微电网、交直流混合配电等新型配用电技术有着良好的兼容性和可扩展性[9],其结构如图1所示。

受多元要素的集成与融合影响,智能配电网高级形态下的运行特性将有很大不同,分布式能源的间歇性与波动性、电动汽车等新型负荷的时空转移、信息量测和传输的随机误差、市场交易中的人工决策和复杂博弈等使配电网的不确定性显著增强[10]。这些不确定性不仅具有明显的多时空尺度特征,同时在数学上也表现为近似性、随机性、模糊性等多种截然不同的类型[11],有些服从数学和统计学规律,有些与经济学、行为学、心理学息息相关,从而导致认知和应对更加困难。在系统层面,这些不确定性被进一步传导并耦合,最终形成整体配电网的复杂不确定性特征,使高级形态下的配电网从规划建设到运行控制的全过程技术体系都面临着巨大挑战。

图1 基于多端柔性互联的蜂窝状配电网Fig.1 Honeycomb distribution network based on multi-terminal SOP

复杂不确定性的有效应对需要配电网具备更强的可控性和灵活性[12-13]。从发展历程来看,配电网的形态演化过程也是可控能力不断提升的过程。对高级形态配电网来说,其可控性需要达到很高水平,但由于现有配电技术理念和方法的局限性,实现对系统内多源海量可控资源的有效统筹与优化仍十分困难,导致系统的可控性无法充分转化为系统运行的灵活性或适应性。特别是随着越来越多新型可调度资源的接入,传统面向特定局部场景或设备的优化方法已无法满足复杂不确定性环境下的全局性优化调度需求。由此,配电网高级形态下的灵活性问题逐渐上升到整体系统层面,并成为智能配电网技术发展中需解决的关键问题之一[14]。

2 智能配电网的灵活性

2.1 灵活性的内涵

近年来,面向多场景的配电网规划和运行成为研究热点,即在考虑多种不确定性因素的基础上,通过灵活控制、优化调度、交易博弈等手段,满足系统在不同时空尺度下的多样化需求[15-18],其方法本质便是对配电系统灵活性的提升与运用。例如:在风、光等分布式资源发生波动时,保证可再生资源被优先完全消纳的能力;在大负荷冲击或用户集群行为异常时,保持系统安全稳定与可靠运行的能力;在故障导致非计划停电时,快速隔离故障并转供负荷的能力;在正常运行时,有效应对各种不确定性扰动并时刻保持优化运行状态的能力等[19-21]。在此基础上,本文进一步提出具有一般性的配电网灵活性理念,旨在实现配电网不同运行场景下灵活调度能力的通用化表述,并建立涵盖上述各种具体灵活性需求的一致性分析框架。从本质来看,智能配电网的灵活性反映了配电网充分统筹和利用系统内可调度资源,有效应对运行中的多重不确定性因素扰动,灵活适应各种复杂运行环境并维持高水平运行目标实现的能力。

以提升配电网灵活性为目标,将各种可调度资源纳入统一的分析与优化框架之下,充分发挥配电网高级形态的可控性潜力,为配电网复杂运行问题提供经济、合理、有效的复合式应对手段,成为智能配电网的重要特征,图2给出了一种系统灵活性的框架描述。目前,面向大电网灵活性的研究已广泛开展[22],重点用于解决大规模间歇式能源发电的集中接入与消纳问题,并在灵活性指标体系、分析模型、作用机理等方面取得了一定成果[23-29]。与大电网相比,智能配电网中的可调度资源更加丰富,资源秉性的差异更加明显;同时电力用户将在发电、用电、储能等多重身份之间灵活转换,使智能配电网灵活性的供需关系更加复杂[30]。这些特征使智能配电网的灵活性提升手段更加多样化。

图2 智能配电网灵活性描述Fig.2 Flexibility description in smart distribution network

2.2 灵活性的分类

智能配电网的灵活性体现在源—网—荷各个环节,根据物理本质的不同可以将其划分为一次、二次和三次等多个层级。

一次灵活性又可以称为物理层灵活性,反映了智能配电网多时空尺度能量的平衡与控制能力。其中,电源侧的一次灵活性主要源于微型燃气轮机、燃料电池等稳定可调度的分布式电源,蓄电池、超级电容等储能装置,以及上级电网和综合能源网的支撑调节能力;电网侧的一次灵活性则主要源于分段、联络开关等拓扑控制元件,以及以柔性交流配电系统(flexible AC distribution system,DFACTS)和SOP为代表的电力电子配电装备等提供的灵活拓扑与精细潮流控制能力[31-34]。此外,微电网、单元控制区(unit control unit,CELL)等能够直接接受配电网调度的区域性系统，也能够根据其响应特性,在一定程度上等效为一次灵活性资源[35]。

二次灵活性又可以称为信息层灵活性,反映了智能配电网的全面信息感知与灵活运行调度能力。其中,智能表计、同步相量量测、无线宽带通信等先进量测与通信技术奠定了配电网灵活性的信息基础;高性能计算、大数据发掘、人工智能等先进信息分析手段则赋予了配电网准确感知、判断和预测系统运行态势的能力。以海量数据为驱动,以分布式智能等先进控制架构为依托,配电管理系统(distribution management system,DMS)及其框架下的虚拟储能、虚拟电厂等聚合管理技术将实现对配电网资源的有效统筹与调度[36-37],使二次侧技术手段成为配电网灵活性的重要组成部分。

三次灵活性又可以称为市场层灵活性,其本质是通过灵活的市场机制来调节电网的供需平衡进而改变用户的发、用电行为[38]。三次灵活性的来源主要可以分为两个部分:一是对协议用户负荷的直接控制,即在协议允许范围内对用户侧可控负荷进行灵活启停与时序转移;二是通过分时电价、政策优惠等多种激励手段,通过改变用户侧分布式电源的出力特性或负荷的用电模式来支撑电网运行[39-40]。由于三次灵活性以市场覆盖下的全体用户作为调度资源,因此具有巨大的调节潜力,但在经济性和时效性方面则存在一定差距,并且依赖于对用户行为特征的准确分析和预测。因此,三次灵活性主要定位于在一次和二次灵活性无法满足系统需求时发挥补充调节的作用。

2.3 灵活性的多维属性

智能配电网灵活性不仅需要全面反映各种不同层面、不同类型、不同特性灵活性资源的控制能力与响应特性,同时需要服务于配电网在不同场景下的调度与优化需求,其多维属性特征集中体现在时间、空间、物理和价值4个方面,如图3所示。

图3 智能配电网灵活性的多维属性Fig.3 Multi-dimensional characteristics of flexibility in smart distribution networks

1)时间属性

智能配电网灵活性的时间属性体现为内在和外在两个角度。其中,内在时间属性反映了灵活性自身的时序动态特征。配电网中存在大量储能类灵活性资源,既包括蓄电池、超级电容、蓄冷、蓄热等实体储能装置,又包括电动汽车、可控负荷等虚拟储能形式。储能类资源的调度能力主要通过可调容量和剩余能量体现,而这些参数又将随系统运行状态的发展而处于不断变化之中,并与所采取的调度控制策略密切耦合,使灵活性从独立断面问题发展为时序动态问题。

外在时间属性反映了配电网灵活性的多时间尺度特征。由于各种灵活性资源的响应速度与调节能力在时间尺度上存在较大差异,如SOP的实时功率控制、超级电容的秒级功率补偿、蓄电池的小时级能量平衡等,使各种灵活性资源仅在特定调度周期下才能够发挥作用。因此,配电网灵活性的描述在不同时间尺度下将存在显著差异,形成了其多时间尺度特征。

2)空间属性

由于电气网络传输能力的限制,智能配电网灵活性并不等同于各种灵活性资源的简单加和,而是根据空间尺度的不同而受到相应的约束限制。例如：在个体装置层面,其灵活性由自身调节能力决定;对微电网等小规模区域性系统来说,其网络约束可以适当简化为理想线路的连通性约束,并在此基础上实现区域内灵活性资源的统筹;对配电网层面灵活性来说,网络的连通能力、传输容量等约束条件更加复杂,使灵活性资源的空间分布成为影响系统灵活性水平的重要因素。因此,对配电网灵活性的描述与分析必须以特定的空间尺度为前提,并采用符合研究对象空间结构特征的分析模型与求解方法。

3)物理属性

灵活性作为全面反映智能配电网灵活调度能力的虚拟物理量,决定了其在根本上无法完全脱离灵活性资源的物理本质。从来源看,配电网灵活性资源覆盖了电气、信息、控制等多种不同本质的环节类型,其所能提供的灵活调度能力也有着不同的物理特征,使配电网灵活性所需要涵盖的内容在物理维度上大大丰富。从需求看,即使对单一类型的灵活性资源来说,面向不同的电网调度场景,需要其提供的调节能力也可能涉及可调容量、响应频率、响应速度、爬坡率等多类型性能指标。为满足电网调度需求,这些物理性能指标均需要直接或间接地在配电网灵活性中得到体现,使其物理属性进一步复杂。

4)价值属性

智能配电网灵活性的提升或利用均需要付出成本代价,并可能体现在建设投资、设备折旧、运行成本、闲置成本、销售损失等不同的角度,从而形成了灵活性的价值属性。相应地,通过灵活性的调度优化,配电网将具备更强的不确定性应对能力,并通过保证整体系统在实际复杂运行环境下的环保性、可靠性、经济性等多目标可持续实现而获得综合收益。成本和收益的考量构成了配电网灵活性问题的经济约束。对给定场景来说,收益不及成本的灵活性资源被视为无效资源。换言之,价值属性是判断灵活性资源是否可获取、可利用的必要条件。特别需要强调的是,灵活性的成本和收益与配电运营商和用户对系统不同运行指标和目标的重视程度密切相关,并能够根据系统实际运行状态和需求进行灵活调整,使灵活性的价值属性与经济约束带有了一定的动态特征。

对智能配电网来说,其灵活性问题求解的本质就是面向不同需求,协调不同时间、空间、物理和价值属性的灵活性资源与手段,提供符合特定时空尺度、经济上有利用价值、物理上可实现的调控策略,从而实现系统目标。这也使得对配电网灵活性的多维属性的深入认知与准确评估显得尤为重要。

3 智能配电网的灵活性影响要素

3.1 智能配电网的可观性

可观性是指从全局角度实时、准确掌握系统灵活性水平和需求的能力,是智能配电网灵活性提升技术研究与应用的必要前提。传统配电网由于量测信息相对匮乏,对系统运行状态的精确掌控极为困难,更无法实现全面的灵活性分析与调度。而随着信息技术的不断发展,信息网在配电网中的覆盖逐步加深,使配电网的智能量测、信息通信和数据利用能力大大增强,为配电网灵活性观测奠定了技术基础。其中,配电网同步相量量测技术和以此为基础的智能态势感知技术成为最具代表性的可观性提升手段。

配电网同步相量量测技术以同步相量测量单元(phasor measurement unit,PMU)为基础,旨在实现全系统高精度同步量测和信息集成[41]。基于PMU的同步相量量测为配电网灵活性观测提供了数据支撑,同时也面临着新的要求，举例如下。

1)量测能力的多元化。配电网灵活性的多维属性特征使其对量测信息的全面性要求更高,可能需要在电气量之外进一步提供运行环境、装备状态、动态趋势等多维度信息。

2)量测布局的合理化。配电网灵活性的供需关系和常规电能供应有着本质区别,需要特别考虑灵活性资源和需求的时空分布来对有限的终端资源进行合理布局。

3)信息利用的就地化。能够由局部终端通过少量通信完成基于就地信息的快速灵活性分析,实时掌握本地灵活性的供需流向,并结合分散控制架构实现灵活性的供需快速平衡。

在同步相量量测的基础上,配电网的智能态势感知旨在完成特定时空下对配电网运行状态的获取、分析、理解和预测[42],而灵活性的观测又进一步扩展了对态势感知技术的需求。在数据方面,智能态势感知需要实现PMU、数据采集与监控(SCADA)、运维信息、营销信息等多源异构数据的有效集成与发掘,从而能够全面感知深入至用户侧的多类型灵活性资源状态与调度潜力;在模型方面,智能态势感知需要针对不同运行场景下的具体灵活性特征,建立覆盖时间、空间、物理、价值等多维属性的全面灵活性感知指标体系;在性能方面,智能态势感知需要具备更强的不确定性感知能力,实时掌握各种不确定性因素的变化趋势,并准确判断其灵活性需求特征。

此外,近年来快速发展的物联网、云平台、虚拟现实等前沿信息科技在配电网灵活性观测技术中同样表现出了巨大的应用潜力,未来有望在配电网灵活性供需深度评估、点对点市场交易，以及动态可视化展示等领域发挥重要作用。

3.2 智能配电网的可控性

可控性是配电网在不同时间尺度下通过自身结构和装备的有效控制而调整系统运行状态的能力,是配电网灵活性的物理本源和实现基础。可控性的提升一方面依赖于配电装备自身可控能力的提高,近年来主要体现在以SOP、固态变压器(solid state transformer,SST)为代表的智能配电网电力电子化趋势;另一方面则依赖于先进运行技术对可控性资源的体量扩充,以微电网、虚拟储能等灵活调度控制技术为其中的典型代表。

其中,智能软开关SOP的基本理念在于采用全控型电力电子装置形成馈线间的常态化“柔性连接”,根据控制指令实时调整相连馈线的功率交换,进而改变系统整体的潮流分布[32]。与传统开关相比,SOP的控制精度更高、调节能力更强、动作速度更快、故障影响更小,对配电网可控性的提升效果显著[8]。特别是对配电网灵活性问题来说,SOP的实时动态响应、精细潮流调节和多时间尺度运行等能力使其能够充当统筹和协调配电网中多来源、多类型、多尺度灵活性资源的桥梁,有效提升配电网对灵活性资源的统筹调度与优化能力。

微电网作为多层级配电网的重要组成部分,通过对其内部不确定性资源、可控资源与负荷需求的整体统筹优化,实现区域内不确定性的就地消纳与能量供需平衡,并对外部电网形成支撑[35]。以微电网为媒介,大量常规配电网中不可控、不能控或不易控的分布式灵活性资源被统筹纳入配电网调度体系当中,大大扩充了配电网可控性的来源范畴。通过微电网,这些灵活性资源能够整体响应配电网调度控制指令、支撑系统运行优化、参与市场交易博弈,使微电网成为配电网中不可忽视的可控性与灵活性提升资源[43]。

除了受到上述代表性技术的推动,智能配电网可控性还将与电力市场交易机制密切相关。利用适当的激励手段,电力用户将从个体利益出发不断调整其用电行为,通过与电网的互动形成全体电力用户的间接可控性,进一步扩展了配电网可控性的概念范畴。

4 灵活性视角下的配电网规划与运行

现有配电网的规划与运行大多以给定典型场景下的确定性分析手段为基础,导致所得优化方案和策略在不确定性运行环境下存在弱化甚至完全失效的风险,凸显了不确定性应对问题的重要意义。而在灵活性视角下,各种场景下的不确定性应对问题在本质上均可以视为不同时空尺度下的灵活性供需匹配问题,给配电网在复杂环境下的规划、运行与控制问题提供了新的解决思路和研究方向。

4.1 灵活性的量化建模

可控资源的不断丰富使配电网灵活性问题愈发复杂,常规的定性描述方式难以全面、准确地反映灵活性的多维特征,无法适应未来配电网优化调度需要,完备的量化分析手段成为配电网灵活性分析与应用的首要问题。灵活性的量化旨在运用数学分析方法,以定量方式建立能够精细反映配电网灵活性水平及其复杂属性特征的分析模型,为系统层面的灵活性评估、调度、匹配和优化提供手段与依据。目前,在大电网层面已经初步建立了具有多维属性的灵活性模型[27，44],为配电网灵活性的建模提供了一定借鉴。但由于其量化特征仍不明显,且更侧重于灵活性的指标式评估,在运行调度中的实用价值有限。

相比而言,配电网所面临的调度场景和资源构成更加复杂,对灵活性量化建模的技术需求也更加丰富,需要其具备:①对不同类型灵活性资源的广泛适用能力,将装备、信息、市场等不同环节与来源的灵活性纳入统一的量化分析框架;②面向不同时间尺度的灵活性建模能力,为暂态、短期、中长期等不同场景下的多类型调度需求提供针对性的分析手段;③考虑物理本质的量化灵活性网络传导能力,使灵活性成为具有定量生产、调度、转移、消耗及交易功能的虚拟物理量;④与现有配电网优化技术框架的兼容能力,使量化灵活性能够作为配电网整体多目标优化问题的组成部分。

由此可见,配电网的灵活性模型实际上涵盖了灵活性的量化方法和传导机制两个层次,其量化模型也可以根据来源范畴的不同从节点灵活性和网络灵活性两个角度来考虑。

1)节点灵活性

节点灵活性是其关联辐射范围内全体灵活性资源综合调节能力的集中表征。各种差异化的灵活性资源将通过节点实现调节能力的标准化统筹,从而显著降低配电网灵活性的分析与调度难度。节点灵活性一方面与本地不确定性形成就地平衡,同时还将以节点为单位向外部系统提供灵活性支撑与供应,使其成为配电网灵活性的基本源单位。文献[44]提出的节点功率模型体现了对节点灵活性的一种典型建模思路,如图4所示。在节点侧,电源能量供应、负荷能量需求分别被视为正向和反向能量流入,而弃风、弃光等导致的电源出力削减和用户负荷减载则分别被视为正向和反向的能量流失;在电网侧,节点模型以一定的传导效率与外部电网实现能量交互。这一思路被用于实现节点灵活性的能量、功率、爬坡率三维量化建模,并重点应用于运行问题的分析求解当中[44-45]。

图4 节点功率模型基本结构Fig.4 Basic structure of nodal power model

2)网络灵活性

网络灵活性在本质上反映了系统层面对大量分散的节点灵活性进行空间传导和调度利用的能力,如图5所示。特别对配电网来说,节点灵活性资源和不确定性需求在空间分布上可能差异巨大,需以灵活配电网来为节点灵活性的相互支撑、灵活性资源与需求的优化匹配等提供必要途径,使网络灵活性成为配电网灵活性的重要组成部分,同时也形成了配电网灵活性与大电网灵活性的主要区别之一。

图5 网络灵活性与节点灵活性关系Fig.5 Relationship between nodal flexibility and network flexibility

空间连通性是网络灵活性的最基本体现,并可以通过分段、联络开关等拓扑控制装置完成多种连通模式的灵活切换,实现节点灵活性的不同拓扑组合。在此基础上,通过SOP等电力电子装置实现的柔性可控连通则提供了灵活性的定量、定向转移能力[32],从而进一步提升网络灵活性水平。以高水准网络灵活性为依托,广泛分布的节点灵活性资源能够形成多样化的组合与支撑模式,全面保障了配电网灵活性的充分发掘与有效利用;同时,以网络灵活性为基础的空间传导机制使大规模系统问题能够在空间维度进行解耦,不仅有效降低灵活性问题的分析规模与难度,同时使更加高效的分布式灵活性技术成为可能。

目前,对网络灵活性的研究与应用仍处于最基础的连通性分析阶段,对高级配电网形态下的网络灵活性量化模型研究尚不充分。尤其对SOP等先进的可控传输装置来说,其接入位置、接入容量，甚至多个SOP之间的相对关系都可能对网络灵活性产生截然不同的影响,使其量化问题更加复杂。

总体来看,节点灵活性和网络灵活性构成了配电网灵活性量化模型的基础框架,其他源于信息通信、市场交易等不同层次的技术手段最终都将通过节点或网络影响配电网整体灵活性水平。这为配电网灵活性量化问题的研究提供了一种可行思路,而如何对这些复杂灵活性特征及相关多层次附加因素的影响进行准确量化则是下一步研究中需要重点解决的问题。

4.2 灵活性视角下的智能配电网规划

高级形态智能配电网的优化规划既包括了网架规划、变电站规划等传统内容,又涵盖了分布式电源、储能装备的优化配置等新问题。从配电网侧来看,受大量分布式电源随机出力特性的影响,配电网的规划问题与运行问题高度耦合,在规划阶段就必须考虑系统运行策略的影响;从用户侧来看,分布式电源和电动汽车等新设备的灵活接入赋予了用户多重角色身份,使系统运行策略更加复杂。规划和运行的耦合放大了不确定性的影响,给规划问题的准确分析求解带来了困难。

在灵活性视角下,配电网优化规划问题在本质上成为中长期尺度下、整体系统层面的灵活性供应与需求的量化匹配问题。此时,系统的灵活性来源主要包括变电站的选址定容、网架拓扑结构设计、配电装备与线路选型等手段,而灵活性需求则主要体现在用户负荷的发展变化、电动汽车和分布式电源的接入增长，以及规划周期内可能出现的设备停运和故障扰动等中长期不确定性因素[46]。

基于灵活性的配电网规划旨在以系统层面的灵活性供需匹配为目标,通过对各种灵活性资源进行优化规划,使配电网具备在中长期尺度不确定性影响下的能量灵活平衡的能力。同时,通过灵活性供需的准确量化,规划策略的针对性和有效性得以显著增强,并能够根据灵活性需求的增长趋势预期合理安排扩建改造计划,避免投资与资源的浪费。在灵活性匹配的前提下,配电网在经济性、可靠性和环保性等方面将具备更强的不确定性应对能力,从而确保在全寿命周期内配电网多规划目标的有效实现。

4.3 灵活性视角下的配电网运行

配电网运行问题涵盖了正常状态下的运行优化和故障状态下的自愈控制。在现有调度框架下,配电网的运行控制手段通常以分布式电源和储能出力调度、网络重构、无功优化等方式为主;在优化目标方面,则以经济目标、环境目标、可靠性目标等较为常见,同时需要根据系统实际情况因地制宜地对优化目标进行协调,即解决多目标优化问题;在约束条件方面,一般包括潮流约束、分布式电源特性约束、资源环境约束等,在某些情况下还需要考虑到用户侧灵活互动等复杂因素的影响。但是,由于当前优化方法中仍然缺少对不确定性特征的准确认知和分析手段,使传统的运行优化模型趋于理想化,系统的优化运行状态在实际调度周期内难以持续,成为运行优化技术所面临的最大挑战。

在灵活性视角下,配电网的不确定性运行优化问题成为中短期时间尺度下的多层级灵活性供需匹配问题。其中,灵活性来源主要包括可控电源、储能、联络开关、SOP等物理层灵活性资源,以及微电网、虚拟储能等灵活运行调度手段;而灵活性需求则体现为系统运行中的各种不确定性扰动,如分布式资源快速波动、随机故障扰动、用户负荷需求突发变化等。

基于灵活性的配电网运行技术旨在以系统多层级灵活性供需匹配为目标,通过对各种灵活性资源的优化组合与调度,使配电网具备在不同调度周期下维持功率和能量平衡并自主趋优的能力。此时,面向运行问题的灵活性模型维度将更加丰富,包括容量、能量、功率、爬坡率等多种性能指标都需要在模型中加以体现。通过将灵活性匹配关系与系统经济性、安全性和环保性等运行目标相结合,配电网运行优化策略的鲁棒性将显著增强,从而确保清洁能源消纳、运行潮流优化、快速供电恢复等宏观目标的有效实现。

4.4 基于灵活性的分散控制

配电网的电力电子化趋势使其控制尺度愈发精细,以SOP为代表的潮流控制装置已经达到实时响应水平,需要更加快速的控制体系架构来充分发挥其快速调节能力。围绕运行控制的快速性需求,分散控制架构成为面向配电网高级形态的重要发展趋势[47]。在分散控制模式下,系统优化控制更多地依靠智能终端之间的相互配合来实现,基于局部信息制定优化策略并实施。与集中控制相比,分散控制的执行效率更高,同时能够以分布式求解方法解决大规模系统难以集中求解的问题;但与此同时,信息量的局限性将给其控制效果带来一定影响。因此,分散控制往往与集中控制相协调,通过在多个维度上的灵活配合来发挥其各自优势并实现更好的控制效果。

因此,配电网的分散控制问题同样存在着灵活性的供需匹配内涵,其灵活性源于装备的多状态运行控制能力和智能终端的空间覆盖、同步量测、灵活通信和数据分析能力等,而灵活性需求则体现在量测误差、通信中断等随机扰动，以及就地信息的局限性等方面。在灵活性供需匹配的前提下,分散控制终端的抗扰能力将显著增强,对保证复杂条件下配电网运行控制的快速性、可靠性与有效性有着重要意义。

5 结语

配电网的发展一直以更好地满足电力用户的需求为目标。伴随着配电网形态的变化,多重要素融合带来的不确定性特征愈发明显,给配电网整体技术体系都带来了很大挑战。而配电网灵活性提升技术作为充分发挥系统可控能力、应对复杂不确定性特征的有效手段,其进展已明显滞后于配电网的可控性水平提升。开展可量化的配电网灵活性技术研究,充分发挥配电网高级形态下的全面可控能力,确保其在复杂不确定性运行环境下的多运行目标有效实现,成为未来配电技术发展亟待解决的问题。

本文从配电网高级形态的现实发展需求入手,定义了配电网层面的灵活性概念,分析了其来源、需求与多维属性特征,对配电网灵活性的可观、可控与量化分析等关键技术进行了探讨,对量化灵活性匹配在配电网规划、运行、控制技术中的应用进行了展望,希望能够对配电网灵活性技术的研究应用提供一些思路和借鉴。随着智能配电网发展,配电网灵活性将体现出越来越强的现实意义与应用价值,相关理论基础与技术手段的系统性研究亟待开展。

参 考 文 献

[1] 余贻鑫,栾文鹏.智能电网述评[J].中国电机工程学报,2009,29(34):1-8.

YU Yixin, LUAN Wenpeng. Smart grid and its implementations[J]. Proceedings of the CSEE, 2009, 29(34): 1-8.

[2] 余贻鑫,刘艳丽.智能电网的挑战性问题[J].电力系统自动化,2015,39(2):1-5.DOI:10.7500/AEPS20141204007.

YU Yixin, LIU Yanli. Challenging issues of smart grid[J]. Automation of Electric Power Systems, 2015, 39(2): 1-5. DOI: 10.7500/AEPS20141204007.

[3] 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]// Proceedings of CIRED 20th International Conference on Electricity Distribution, June 8-11, 2009, Prague, Czech Republic: 4p.

[4] 马钊,安婷,尚宇炜.国内外配电前沿技术动态及发展[J].中国电机工程学报,2016,36(6):1552-1567.

MA Zhao, AN Ting, SHANG Yuwei. State of the art and development trends of power distribution technologies[J]. Proceedings of the CSEE, 2016, 36(6): 1552-1567.

[5] 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 trends of active distribution network[J]. Automation of Electric Power Systems, 2012, 36(18): 10-16.

[6] 王成山,李鹏.分布式发电、微网与智能配电网的发展与挑战[J].电力系统自动化,2010,34(2):10-14.

WANG Chengshan, LI Peng. Development and challenges of distributed generation, the micro-grid and smart distribution system[J]. Automation of Electric Power Systems, 2010, 34(2): 10-14.

[7] BLOEMINK J M, GREEN T C. Benefits of distribution-level power electronics for supporting distributed generation growth[J]. IEEE Transactions on Power Delivery, 2013, 28(2): 911-919.

[8] 王成山,宋关羽,李鹏,等.基于智能软开关的智能配电网柔性互联技术及展望[J].电力系统自动化,2016,40(22):168-175.DOI:10.7500/AEPS20160620009.

WANG Chengshan, SONG Guanyu, LI Peng, et al. Research and prospect for soft open point based flexible interconnection technology for smart distribution network[J]. Automation of Electric Power Systems, 2016, 40(22): 168-175. DOI: 10.7500/AEPS20160620009.

[9] JI H, WANG C, LI P, et al. An enhanced SOCP-based method for feeder load balancing using the multi-terminal soft open point in active distribution networks[J/OL]. Applied Energy[2017-09-30]. DOI: 10.1016/j.apenergy.2017.09.051.

[10] 陶顺,陈鹏伟,肖湘宁,等.智能配电网不确定性建模与供电特征优化技术综述[J].电工技术学报,2017,32(10):77-91.

TAO Shun, CHEN Pengwei, XIAO Xiangning, et al. Review on uncertainty modeling and power supply characteristics optimization technology in smart distribution network[J]. Transactions of China Electrotechnical Society, 2017, 32(10): 77-91.

[11] SAFTA C, CHEN L Y, NAJM H N, et al. Efficient uncertainty quantification in stochastic economic dispatch[J]. IEEE Transactions on Power Systems, 2017, 32(4): 2535-2546.

[12] Electric Power Research Institute. Electric power system flexibility-challenges and opportunities[R]. 2016.

[13] DALL’ANESE E, MANCARELLA P, MONTI A. Unlocking flexibility: integrated optimization and control of multienergy systems[J]. IEEE Power and Energy Magazine, 2017, 15(1): 43-52.

[14] NOSAIR H, BOUFFARD F. Flexibility envelopes for power system operational planning[J]. IEEE Transactions on Sustainable Energy, 2015, 6(3): 800-809.

[15] SAXENA K, ABHYANKAR A R. Agent-based decentralised load flow computation for smart management of distribution system[J]. IET Generation Transmission and Distribution, 2017, 11(3): 605-614.

[16] ZHANG G, JIANG C, WANG X, et al. Bidding strategy analysis of virtual power plant considering demand response and uncertainty of renewable energy[J]. IET Generation Transmission and Distribution, 2017, 11(13): 3268-3277.

[17] XU Y, DONG Z Y, ZHANG R, et al. Multi-timescale coordinated voltage/var control of high renewable-penetrated distribution systems[J]. IEEE Transactions on Power Systems, 2017, 32(6): 4398-4408.

[18] WAFAA M, DESSAINT L A. Multi-objective stochastic optimal power flow considering voltage stability and demand response with significant wind penetration[J]. IET Generation Transmission and Distribution, 2017, 11(14): 3499-3509.

[19] 高亚静,李瑞环,梁海峰,等.考虑间歇性电源与负荷不确定性情况下基于多场景技术的主动配电网两步优化调度[J].中国电机工程学报,2015,35(7):1657-1665.

GAO Yajing, LI Ruihuan, LIANG Haifeng, et al. Two step optimal dispatch based on multiple scenarios technique considering uncertainties of intermittent distributed generations and loads in the active distribution system[J]. Proceedings of the CSEE, 2015, 35(7): 1657-1665.

z[20] MALIK O, HAVEL P. Active demand-side management system to facilitate integration of RES in low-voltage distribution networks[J]. IEEE Transactions on Sustainable Energy, 2014, 5(2): 673-681.

[21] ZHAO C, WANG J, WATSON J P, et al. Multi-stage robust unit commitment considering wind and demand response uncertainties[J]. IEEE Transactions on Power Systems, 2013, 28(3): 2708-2717.

[22] LANNOYE E, FLYNN D, O’MALLEY M. Evaluation of power system flexibility[J]. IEEE Transactions on Power Systems, 2012, 27(2): 922-931.

[23] 肖定垚,王承民,曾平良,等.电力系统灵活性及其评价综述[J].电网技术,2014,38(6):1569-1576.

XIAO Dingyao, WANG Chengmin, ZENG Pingliang, et al. A survey on power system flexibility and its evaluations[J]. Power System Technology, 2014, 38(6): 1569-1576.

[24] MA J, SILVA V, BELHOMME R. Evaluating and planning flexibility in sustainable power systems[J]. IEEE Transactions on Sustainable Energy, 2013, 4(1): 200-209.

[25] FREW B A, BECKER S, DVORAK M J, et al. Flexibility mechanisms and pathways to a highly renewable US electricity future[J]. Energy, 2016, 101: 65-78.

[27] ZHAO J, ZHENG T, LITVINOV E. A unified framework for defining and measuring flexibility in power system[J]. IEEE Transactions on Power Systems, 2016, 31(1): 339-347.

[28] MA J. Evaluating and planning flexibility in a sustainable power system with large wind penetration[D]. Manchester, UK: University of Manchester, 2012.

[29] 鲁宗相,李海波,乔颖.含高比例可再生能源电力系统灵活性规划及挑战[J].电力系统自动化,2016,40(13):147-158.DOI:10.7500/AEPS20151215008.

LU Zongxiang, LI Haibo, QIAO Ying. Power system flexibility planning and challenges considering high proportion of renewable energy[J]. Automation of Electric Power Systems, 2016, 40(13): 147-158. DOI: 10.7500/AEPS20151215008.

[30] SILVA A C, SUMAILI J, SILVA J, et al. Assessing DER flexibility in a German distribution network for different scenarios and degrees of controllability[C]// Proceedings of CIRED 2016 Workshop, June 14-15, 2016, Helsinki, Finland: 4p.

[31] CAO W, WU J, JENKINS N, et al. Benefits analysis of soft open points for electrical distribution network operation[J]. Applied Energy, 2016, 165: 36-47.

[32] 王成山,孙充勃,李鹏,等.基于SNOP的配电网运行优化及分析[J].电力系统自动化,2015,39(9):82-87.DOI:10.7500/AEPS20140828002.

WANG Chengshan, SUN Chongbo, LI Peng, et al. SNOP-based operation optimization and analysis of distribution network[J]. Automation of Electric Power Systems, 2015, 39(9): 82-87. DOI: 10.7500/AEPS20140828002.

[33] AGALGAONKAR Y P, PAL B C, JABR R, et al. Distribution voltage control considering the impact of PV generation on tap changers and autonomous regulators[J]. IEEE Transactions on Power Systems, 2014, 29(1): 182-192.

[34] LI P, JI H, WANG C, et al. Coordinated control method of voltage and reactive power for active distribution networks based on soft open point[J]. IEEE Transactions on Sustainable Energy, 2017, 8(4): 1430-1442.

[35] MAJZOOBI A, KHODAEI A. Application of microgrids in supporting distribution grid flexibility[J]. IEEE Transactions on Power Systems, 2017, 32(5): 3660-3669.

[36] KONSTANTELOS I, GIANNELOS S, STRBAC G. Strategic valuation of smart grid technology options in distribution networks[J]. IEEE Transactions on Power Systems, 2017, 32(2): 1293-1303.

[37] THAVLOV A, BINDNER H W. Utilization of flexible demand in a virtual power plant set-up[J]. IEEE Transactions on Smart Grid, 2015, 6(2): 640-647.

[38] SCHUITEMA G, RYAN L, ARAVENA C. The consumer’s role in flexible energy systems: an interdisciplinary approach to changing consumers’ behavior[J]. IEEE Power and Energy Magazine, 2017, 15(1): 53-60.

[39] ZHANG C, DING Y, NORDENTOFT N C, et al. FLECH: a Danish market solution for DSO congestion management through DER flexibility services[J]. Journal of Modern Power Systems and Clean Energy, 2014, 2(2): 126-133.

[40] 张钦,王锡凡,王建学,等.电力市场下需求响应研究综述[J].电力系统自动化,2008,32(3):97-106.

ZHANG Qin, WANG Xifan, WANG Jianxue, et al. Survey of demand response research in deregulated electricity markets[J]. Automation of Electric Power Systems, 2008, 32(3): 97-106.

[41] CARTA A, LOCCI N, MUSCAS C. A PMU for the measurement of synchronized harmonic phasors in three-phase distribution networks[J]. IEEE Transactions on Instrumentation and measurement, 2009, 58(10): 3723-3730.

[42] MUSCAS C, PAU M, PEGORARO P A, et al. Uncertainty of voltage profile in PMU-based distribution system state estimation[J]. IEEE Transactions on Instrumentation and Measurement, 2016, 65(5): 988-998.

[43] HOLJEVAC N, CAPUDER T, KUZLE I. Adaptive control for evaluation of flexibility benefits in microgrid systems[J]. Energy, 2015, 92(4): 487-504.

[44] ULBIG A, ANDERSSON G. Analyzing operational flexibility of electric power systems[J]. International Journal of Electrical Power and Energy Systems, 2015, 72: 155-164.

[45] ULBIG A. Operational flexibility in electric power systems[D]. Zurich, Switzerland: ETH Zurich, 2014.

[46] CESENA E A M, CAPUDER T, MANCARELLA P. Flexible distributed multienergy generation system expansion planning under uncertainty[J]. IEEE Transactions on Smart Grid, 2016, 7(1): 348-357.

[47] CALDERARO V, CONIO G, GALDI V, et al. Optimal decentralized voltage control for distribution systems with inverter-based distributed generators[J]. IEEE Transactions on Power Systems, 2014, 29(1): 230-241.