基于撮合交易的能源互联网最小网损路由算法

郭 慧, 汪 飞, 张笠君, 冯夏云, 罗 建

(1. 上海大学机电工程与自动化学院, 上海市 200072; 2. 上海市电站自动化技术重点实验室, 上海市 200072)

0 引言

当前,信息技术推动新一轮能源革命——能量流与信息流的融合,特别是电力流与信息流的融合[1-2]。世界各地几个具有代表性的示范项目描绘了能源互联网的美好愿景。早在2003年,瑞士启动了科研项目“未来能源网络愿景”,苏黎世联邦理工学院于2007年首次提出能量枢纽的概念[3]。2008年,美国国家科学基金资助的FREEDM项目,提出并研制构建能源互联网的核心设备能量路由器(energy router,ER)[4]。同年,德国联邦经济技术部与环境部发起包含6个示范项目的E-energy计划,使德国成为第一个实践能源互联网的国家[5]。2011年,日本成立“数字电网联盟”,开始应用互联网思维优化电力系统的运行,并采用数字ER实现异步区域电网的互联与控制[6-7]。从2012年开始,能源互联网的研究在国内得到广泛关注,国家电网提出全球能源互联网的构想[8]。

在上述科研实践项目中,电力电子技术与信息通信技术被有机结合起来构建未来能源互联网。具有间歇性和波动性的分布式可再生能源大规模接入,可导致能源互联网中电力传输不同步。因此,在ER的设计中需要考虑这些特殊需求。由于良好的性能和广泛的应用,由FREEDM提出的基于固态变压器(solid state transformer,SST)的ER已成为研究热点[4]。如同信息路由器能将信息流正确地传输到目的地址一样,ER也应该将一定的能量流正确地传输到负载端。然而,现有研究大多聚焦在SST的电路拓扑和功能结构上,很少涉及能量路由的优化设计。

文献[9]介绍了一种基于DC母线的ER,并提出应用于能源局域网的能量路由算法。该算法需要通过遍历所有路径得到最低成本方案,并且没有自动实现阻塞管理。为解决上述问题,文献[10]在由电动汽车组成的多路由动态电网中提出了一种最小成本流算法,该算法主要考虑了能量流从源到负载端的传输限制。但文中所用优化模型——认为由损耗产生的成本与能量流成线性变化,并不适合能源互联网中的输电线路。

此外,传统调度方式难以区分能量流的源和方向,也不能保证能量流按照合同路径传输[11-13]。因此,电网中规定了统一的电能质量标准。然而,一些电气设备可能并不需要高质量的电能[6]。像普通商品一样,电力应该具有不同的电能质量,并体现优质优价。未来能源互联网中的电能可以能量包的形式进行传输,含有源地址和目的地址等信息[14]。根据不同负荷需求选择不同电能质量的电源,以实现能量的梯级利用。这与文献[6-7]提出的基于电力线载波通信(power line communication,PLC)的能量路由实现方式相似。但是,如何确定能量包的源地址和目的地址文献中没有提及。

考虑到电力市场的放开,未来能源互联网将会提供一个对等扁平化的能源交易平台[15]。因此,本文提出一种基于撮合交易的最小网损路由(minimum loss routing,MLR)算法。该算法首先根据含有电能质量的报价信息,利用分类及撮合交易机制确定交易对,即能量流传输的源地址和目的地址。然后,应用本文所提出的MLR算法确定能量流的传输路径,并通过修正传输路径或交易矩阵来实现阻塞管理。区别于传统的电力调度方式,该算法考虑了电能质量的差异性,以及电力传输的异步性和实时性。

1 基于ER的能源互联网

考虑到可再生能源内在的间歇性和波动性,大规模分布式能源直接并网会对公共电网的稳定性带来一定影响。因而,作为可控单元的虚拟发电厂(virtual power plant,VPP)或微电网被引入来实现分布式能源的聚合及优化,并作为一个整体参与电力市场和电力运行的协调管理[16-18]。由于能源分布与经济发展不均衡,大多数作为源的VPP可能会远离负荷中心。为扩大能源优化与共享的范围,多个VPP可通过ER和输电线路互联成网状结构,并进一步构建未来的能源互联网,如附录A图A1所示。

能源互联网内的能量枢纽系统支持电、热、气等多种能源接入形式,包括能量的生产、转换和存储等环节[19]。因为电能在远距离传输与转换效率方面具有其他能源形式无法比拟的优势,因此文中研究的能量流是以电能形式在ER之间进行存储和传输的。作为一个具有通信和管理功能的多端口变换器,受信息流控制的ER可以较好地实现分布式可再生能源所发电能的高效优化传输。因此,本文从可再生能源集成的角度,对现有ER的结构、功能和设计要求进行了总结归纳。

1.1 能量路由器的设计和应用

作为能源互联网的核心设备,ER可以实现电压等级变换、电能质量调节、潮流优化和可再生能源接入等功能。具体来说,ER由电力变换模块、能量管理模块和多个即插即用接口组成[20]。

1)电力变换模块作为ER的骨架具有不同的拓扑结构,可根据电压/功率等级等不同应用场合选择适合的电路拓扑。按照现有ER的拓扑结构和实现方式可将其分为三类,如附录A图A2所示。其中,基于SST的ER,适用于含有不同电压等级和交直流电气特性的电网中,可用来连接AC或DC微电网；基于DC母线的ER,适用于电压等级较低的电网中,可用来连接光伏、风电和储能等分布式电源,而DC母线是各分布式电源的能量中转环节；基于PLC的ER,可利用PLC技术将源地址和目的地址等信息叠加到能量上,为不同的源—负载对实现电力流和信息流的共同传输。

2)控制中心即能量管理模块作为ER的大脑,是一个智能的网络寻址单元。它不仅与分布式电源相互联系,还与其他ER相互连接。为满足不同的电能传输需求,ER的控制中心应支持多种传输协议和传输交换方式。信息路由器中的虚电路交换与分组交换相比更适合电能传输交换,因为分组交换方式的多次存储转发会增加电能所经ER的转换损耗。

3)即插即用接口对于ER这一多端口变换设备来说是必需的,用以连接不同的子网和终端用户。即插即用功能的实现依赖于ER的功率接口和信息接口。其中,功率接口的标准化可由电力电子变换器实现,而信息接口应能识别不同电气特性的能量形式,快速响应不同接入用户的需求。

受信息流控制的ER可提高电能传输效率,优化电能在时间和空间上的分配。为便于分析和讨论基于撮合交易的MLR算法,下文将基于ER的能源互联网转化为图论模型。

1.2 能源互联网的图论模型

应用图论知识,将基于ER的能源互联网表示为一个有向权重图G=(V,E,W),如图1所示。

图1 能源互联网的图论模型Fig.1 Graph theory model of energy internet

图中,ER可看作是图G的节点集V={1,2，…,i,j,…},节点i的权重wi代表ERi的转换损耗。用于连接ER的输电线路可看作是边集E={(1,4),…,(i,j),…},边的权重w(i,j)代表线路(i,j)的传输损耗。此外,边的方向代表能量的流动方向。在上述有向权重图中,寻找源节点到目的节点的最小权重路径意味着现实中降低网损、提高效益。

2 基于撮合交易的MLR算法

本文将基于撮合交易机制的电力市场模型与MLR算法相结合,以解决不同区域电网的供需平衡问题[21]。

2.1 市场模型

基于撮合交易的MLR算法其优化目标是通过交易对及其最小网损路径的选择及修正来最大化交易参与方的利益。

2.1.1目标函数

(1)

(2)

M=(msb)S×B

(3)

式中:us(M)为卖方利益;ub(M)为买方利益;S和B分别为卖方和买方的数量;ρs为卖方的售电价格,ρb为买方的购电价格,ρ为与输电量成比例的输电费用,(ρs+ρb-ρ)/2表示以交易双方扣除输电费后的中点电价为成交价;Δt为单位时间;msb为构成交易矩阵M的交易对电量;权重wR:s↔b是构成路径R:s↔b以连接源节点s和目的节点b的所有ER和输电线路的网损之和,具体计算可参见式(4)至式(6)。

1)交易矩阵的形成

为促进可再生能源优先利用,当前国家制定了可再生能源上网电价补贴机制。一方面,随着补贴资金逐年拖欠,补贴缺口迅速扩大,部分地区的弃风/弃光率不断增加;另一方面,按照电改方向,政府定价会被逐步取消,形成以市场为基础的价格形成机制。但为落实节能减排的目标和可再生能源发展的责任与义务,国家发改委提出并试行可再生能源绿色电力证书交易制度。

而在电力市场交易中,电能质量与电价应该是正相关的,交易参与方可根据电能质量,执行高/低报价策略。交易达成的前提是卖方的电能质量要满足买方的需求。因此,先将交易参与方按照电能质量高/低进行分组。然后根据分组,按照图2所示的撮合交易机制形成交易矩阵。

如果卖方是交易发起方,响应的买方将按照报价降序排列,如图2(a)所示。如果买方是交易发起方,响应的卖方将按照报价升序排列,如图2(b)所示。当报价相同时,响应方将按照时间顺序排列。之后,根据价格差从高到低形成交易对(即源—负载对)。当发起方或响应方没有剩余电量时,交易配对过程结束。

图2 撮合交易机制Fig.2 Mechanism of matchmaking tradeoff competition

2)MLR的选取

交易参与方利用改进Dijkstra算法为每一交易对选择一个MLR传输交易电量,并根据式(4)至式(6)计算该路径的损耗,包括线路传输损耗和ER转换损耗。

(4)

(5)

wi=(1-ηi)msb

(6)

式中:w(i,j)为线路(i,j)的传输损耗;R(i,j)和U(i,j)分别为线路(i,j)的电阻和电压;P(i,j)为线路(i,j)中的已流通功率;ηi为ERi的转换效率。

注意,影响传输路径选择的主要因素为线路电阻、电压和ER的转换效率。实际中,交易电量msb沿着传输路径逐渐减少,但它基本不会影响到传输路径的优化选择。为便于实现,文中做了简化处理,在式(5)与式(6)中直接使用msb来确定线路传输损耗和ER的转换损耗,以选取最小网损路径。

2.1.2约束条件

1)交易电价约束:式(7)表示购电价与售电价之差应大于输电费。

ρb-ρs-ρ>0

(7)

2)交易电量约束:式(8)表示多个买方向作为交易发起方的卖方购买电量时,购电总量不能超过售电量Es；式(9)表示多个卖方向作为交易发起方的买方出售电量时,售电总量不能超过购电量Eb。

(8)

(9)

3)MLR约束:式(10)至式(12)表示交易电量应满足MLR的网损量、接口容量和传输容量约束。为实现阻塞管理,需根据线路中已流通功率对可用传输容量进行更新。

msb>wR:s↔b

(10)

(11)

(12)

(13)

2.1.3MLR约束越限

情况1:如果msb≤wR:s↔b,此时的解决方案只能是修正交易矩阵M,如图3(a)所示。原交易对①的功率msb≤wR:s↔b,则买方跳过卖方1,向卖方2购买电量,重新构成交易对①。通过新构成的交易对①,买方没有购满电量,因而继续向卖方3购买电量形成交易对②。至此,买方已购满电量,M更新完毕。msb≤wR:s↔b,在线路参数设计合理时基本不会发生。

2.2 模型求解

大规模不可控的可再生能源接入能源互联网后,很可能会引起电力传输不同步。考虑电能传输的异步性和实时性,本文主要分析了异步传输方式下交易对最小网损路径的选择及修正问题。

2.2.1优化算法的实现

算法1描述了能源互联网中基于撮合交易的MLR算法,该算法的控制变量为交易对及其最小网损路径R:s↔b的选择及修正,步骤如下。

步骤1:初始化能源互联的图论模型G=(V,E,W);由所有ER构成节点集V,由所有输电线路构成边集E,由ERi的转换损耗构成节点权重wi,由线路(i,j)的传输损耗构成边的权重w(i,j)。

步骤2:获取交易参与方的报价信息,并根据电能质量高/低进行分组。

步骤3:根据交易发起方和图2所示撮合机制形成交易矩阵即式(3),使交易对(源—负载对)msb满足式(7)至式(9)。

步骤4:根据交易对的传输时间依次确定电能传输的源节点s和目的节点b。

步骤5:根据式(4)至式(6),利用算法2(改进Dijkstra算法)选取图G中从s到b的MLR。

步骤6:若msb满足运行约束式(10)至式(12),则得到MLR及其最小网损,否则转步骤7。

步骤7:修正传输路径或修正交易矩阵(参见2.1.3节MLR约束越限),根据式(1)和式(2)选择使交易方利益较大的可行方案。

需要注意的是,若存在若干交易对传输时间完全一致的情况,可将若干交易对的卖方分别作为源节点来调用改进Dijkstra算法,同时寻找所有交易对的最小网损路径。此时,若干交易对的交易功率传输前线路中已流通功率均为零,即对应式(5)中已流通功率P(i,j)=0的特例。因此,本文着重分析了异步传输方式下,交易对最小网损路径的选择及修正问题,包括P(i,j)=0和P(i,j)≠0的情况。

2.2.2改进Dijkstra算法

利用图论知识寻找MLR是算法1的核心之一。基于图论的最短路径算法已逐渐渗透到物联网领域,并得到广泛应用[22-24]。最短路径中的Dijkstra算法简明、实际应用广泛并能得到全局最优解[24]。因此,本文采用改进Dijkstra算法来查找交易对的MLR,并在算法2中描述了其基本思想及实现方式,步骤如下。

步骤1:根据交易对msb,确定源节点s和目的节点b。

步骤2:引入节点集U(初始时只含有s),存储从s到该集合中每个节点的MLR已被找到的节点。

步骤3:列出s到(V-U)中所有节点x的网损,x∈(V-U)。

步骤4:从(V-U)中选择MLR估计最小的节点u,并将u加入U中。

步骤5:若u是目的节点b,则记录s到b的MLR及其网损,否则转步骤6。

步骤6:对所有从u发出的边(u,x)进行松弛,即计算s到u加上u到x的网损之和,并与s到x的原网损进行比较。

步骤7:若前者网损之和较小,则取较小的值来更新相应节点x的网损,否则返回步骤4。

3 仿真结果与分析

将拓扑结构改自于Ward & Hale 6节点测试系统,并采用单回路供电方式的附录A图A1基于ER的能源互联网作为仿真案例,并对其系统参数重新设计如下[25]。

3.1 基本数据

附录B表B1提供了不同VPP含有电能质量的报价信息,包括交易电价和交易电量等。附录B表B2和表B3给出了用于连接不同VPP的ER和输电线路的参数信息。其中,输电线路的电压等级与其输送距离和输送功率有关。

3.2 基于撮合交易的MLR算法优化结果

3.2.1交易对的形成

根据电能质量分组和交易发起方等信息,交易参与者的撮合配对过程如附录C图C1所示。

3.2.2异步传输方式下的优化结果

1)MLR的选取

根据异步传输时间,可以依次寻找到上述交易对的无阻塞MLR。为便于分析,假设交易对①至③的传输时间与交易次序一致,分别为t1,t2和t3。

场景1:如果传输时间t1,t2和t3不存在重叠,则交易对在MLR的选取上互不影响,每一交易电量传输前输电线路上已流通功率为零。

经验证,交易对①至③均满足所选MLR的网损量、接口容量和传输容量约束,其优化结果见表1。

表1 基于撮合交易的最小网损路由算法优化结果Table 1 Optimization results of matchmaking tradeoff based MLR algorithm

场景2:如果传输时间t1,t2和t3存在重叠,则重叠时间内后面交易对的网损量及MLR的选取会受到前面交易对的影响,表1同时给出了场景2的优化结果。

与场景1相比,场景2下交易对①的MLR和网损量等没有发生任何变化。交易对②的MLR仍为2→3→4,但因线路(2,3)和(3,4)中已有流通功率40 kW,其网损量变为3.849 kW，略高于场景1中的3.668 kW。结果表明,线路损耗不仅与当前传输功率有关,还受线路中已流通功率的影响。

交易对③的MLR仍为3→4→6,但线路(3,4)的传输容量为105 kW,交易对①和②已占用70 kW,因此路径3→4→6的容量仅剩35 kW,无法传输交易对③的45 kW功率。

2)阻塞管理

对于上述问题,为避免发生线路阻塞,有以下两种解决方案:一是修正传输路径；二是修正交易矩阵。

其优化结果见表1和附录C图C2。

①修正传输路径:如附录C图C2(a)所示,受输送容量限制,交易对③的MLR 3→4→6传输35 kW功率,而剩余的10 kW功率通过另一路径3→5→6传输,可增加收益1.171元。

②修正交易矩阵:附录C图C2(b)为修正后的交易矩阵,新形成的交易对④在传输时间重叠期间的MLR为5→6,可增加收益1.035元。

显然,此时修正传输路径所增加的收益高于修正交易矩阵,因此选择修正传输路径来实现阻塞管理。

3)对比分析

通过对比,场景1的总损耗较小,同一时段内线路利用率也相对较低。场景2以增加损耗为代价,提高了线路利用率。当线路电压等级设计合理时,两种场景的区别并不明显,线路总损耗分别为2.033 kW和2.200 kW,同时线损率分别为1.768%和1.913%,均符合要求。

3.2.3线路参数对优化结果的影响

为分析线路参数对优化结果的影响,现将附录B表B3中的线路电压等级统一降为0.8 kV,其优化结果见表2。

表2 线路参数对优化结果的影响Table 2 Influence of line parameters on optimization results

1)MLR的选取

与3.2.2节相比,场景1下各交易对①～③的MLR未发生变化,但路径损耗因线路电压等级被降低而均有所增加。

场景2下,交易对①的MLR仍为2→3→4→1。因线路(2,3)和(3,4)中已有流通功率40 kW,且线路电压等级统一降为0.8 kV,对于交易对②来说,选择2→3→4的路径损耗要大于2→5→6→4,因此交易对②的MLR变为2→5→6→4。

对于交易对③,因原MLR 3→4→6与前一交易对②的MLR 2→5→6→4,在同一线路(4,6)上传输功率方向相反,因此两者不能共用该输电线路,其MLR变为3→5→6。由于线路(5,6)的传输容量为50 kW,交易对②已占用30 kW,因此路径3→5→6的传输容量仅剩20 kW,无法传输交易对③45 kW的功率。

2)阻塞管理

对于上述问题,类似3.2.2节有以下两种解决方案,见表2和附录C图C3。

①修正传输路径:如附录C图C3(a)所示,受输送容量限制,交易对③的MLR 3→5→6传输20 kW功率,而剩余的25 kW功率通过另一路径3→4→1→6传输,可增加收益2.117元。

②修正交易矩阵:附录C图C3(b)为修正后的交易矩阵,但新形成的交易对④在传输时间重叠期间未能找到可行路经。

显然,此时只能通过修正传输路径来实现阻塞管理。

3)对比分析

与3.2.2节相比,因电压等级被降低,场景1的线路总损耗升高为9.381 kW,场景2的线路总损耗升高为16.785 kW。两种情景的区别比较明显,线损率分别为8.157%和14.596%,且因电压等级设计太低,线损率均高于7%的要求。由此可知,线路参数的合理设计对于电网的稳定经济运行至关重要。

3.3 小结

上述优化结果表明,传输时间重叠期间,线路中已流通功率的大小和方向需根据电力交易进行更新,以实现阻塞管理。单回路供电方式下,线路中已流通功率方向确定后,该线路中无法同时流通反向功率。若是采用双回路供电方式,可允许反向功率流通。本文算例是以单回路为例进行分析的,所提出的基于撮合交易的最小网损路由算法,可根据参数变化为交易对选取无阻塞的MLR传输交易电量,并自动实现阻塞管理。

具有通信和控制功能的电力电子变换装置ER,可将上述优化结果作为控制指令,采用下垂控制或虚拟同步电机等控制方式实现给定功率的输出调节。若将多端口ER看作一个广义节点,其流入总功率与输出总功率在忽略损耗的情况下相等,可满足基尔霍夫定律。

4 结语

作为能源互联网的核心,由信息流控制的ER可以较好地实现分布式可再生能源所发电能的高效优化传输。随着电力市场的放开,分布式能源参与电力市场化交易,使得能量流在能源互联网中灵活双向流动。传统调度方式难以区分能量流的源和方向,也不能保证能量流按照合同路径传输。

因而,本文在基于ER的能源互联网中,提出一种基于撮合交易的MLR算法。该算法考虑了电能质量的差异性及电力传输的异步性和实时性,同时将阻塞管理直接考虑进优化算法中。仿真结果证明了该优化算法在MLR选择及阻塞管理中的有效性。文中调整已通潮流路径,可能会影响传输时间靠后的交易对的网损,但对于所有交易对来说,所选路径的整体网损一定是最小的。同一时段,传输时间靠后的交易对会承担较大的网损,通过与传输时间相关的网损分摊方式来调动交易方参与阻塞管理的积极性,可实现输电网络的削峰填谷。若从公平性上考虑,可通过后续网损分摊方法进行调整。

面对电力市场的放开及大量VPP的出现,需考虑不同利益主体的协同互动模式。基于撮合交易的MLR算法通过交易对及其最小网损路径的选择及修正来最大化交易参与方的利益,但撮合交易模式要依据价格优先和时间优先两个原则。交易双方利益最大化本是一个市场博弈均衡问题,后续研究中需引入博弈策略进行优化分析。

针对审稿意见的答复与讨论见附录D。期待更多的学术探讨。

附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。