基于边缘计算的主动配电网功率自动补偿方法

黄建业，刘冰倩，廖飞龙，刘恒旺，林 锐

(1.国网福建省电力有限公司电力科学研究院，福建 福州 350007； 2.安徽继远检验检测技术有限公司，安徽 合肥 230097)

配电网中逐渐被接入大量的可再生能源分布式电源，由此产生了有源主动配电网。对于主动配电网的控制而言，以整个配电网系统的平稳安全运行为前提，合理调控主动配电网中各种类别的设备与分布式电源，将整个配电网系统中的分布式电源消纳水平提升，以此降低对主电网的干扰[1-2]。另外，当前供电量的上升幅度较大，而电网的建设效率并不高，导致主动配电网的网络损耗现象越来越严重，因此有效减少网络损耗、降低供电成本成为当前众多学者的研究方向[3]。主动配电网功率补偿是指以符合相应约束条件为前提，对各类功率补偿设备实施调整，实现降低网络损耗及供电成本等目的的一种调节方式[4]。在实际应用过程中，实时采集处理及运算主动配电网相关设备数据信息等是该调节方式的关键步骤，以往的功率补偿调节方式大多只是安装功率补偿装置，无法依据设备运行状况自动实时调整，降低网络损耗的能力有限[5-7]。

基于场景时域概率的主动配电网功率补偿方法是通过聚类方法将配电网场景总量减少，并运算出场景的时域概率，在此基础上，以最低网购电量为目标函数创建主动配电网功率补偿优化模型，实现对主动配电网的功率补偿，该方法可适当降低主动配电网的网损[8]，但无法显著提升分布式电源的消纳能力，且运算过程中收敛速度慢、运算效率不高、整体效果不够理想；基于凸松弛的主动配电网功率补偿方法是将功率补偿装置安装成本与网损成本等综合作为目标，建立非凸非线性模型，实施凸松弛转换，并实现功率补偿，此方法可适当提高分布式电源的消纳能力，运算效率与收敛速度较好[9]，但其运算精度稍低，且网损降低幅度较小。

边缘计算为在物理层面与数据源头相邻的网络边缘侧，其功能包括边云协同、运算、存储、应用支撑、采集等，属于一种可就近供应边缘智能服务执行运算的新型运算模式[10-11]。其主要针对万物互联服务的上行数据及云服务的下行数据实施操作，可对主动配电网的运行及管理控制等实现较大幅度的改善[12]。

综合以上分析，本文研究了一种基于边缘计算的主动配电网功率自动补偿方法，通过融合边缘计算与云计算技术，设计主动配电网自动管理平台，运用边云协作模式精准快速地存储主动配电网信息数据、实时监控设备的工作状况，并在此基础上建立主动配电网功率自动补偿模型，通过边缘计算对模型实施运算后，实现主动配电网功率自动补偿，降低主动配电网的总线路损耗，提升其运行的经济性及分布式电源的消纳水平，为保障主动配电网的低成本、平稳安全运行奠定基础。

1 主动配电网功率自动补偿

1.1 边缘计算在主动配电网自动管理中的应用

通过边缘计算技术可直接运算和分析本地主动配电网的信息数据，将此技术应用到主动配电网自动管理平台中，实现主动配电网功率自动补偿。该平台集云计算、信息化管理、边缘计算及终端设备于一体，其中云计算是通过将数个云端微服务器设置于云端服务器中，接收主动配电网中与各设备端数据相邻的数据；信息化管理是经由数据通道达到云端服务器和边缘设备间数据传输的目的[13]；边缘计算可实现数据处理与就近运算，可在网络数据源头与电力设备的边缘侧支持边缘设备的运行；终端设备可操控与检测主动配电网中配电网设备的工作情况和管理数据[14]。为此，设计基于边缘计算的主动配电网自动管理平台，该平台主要由云计算层、信息管理层、边缘计算层以及终端设备层构成，平台整体架构如图1所示。

图1 主动配电网自动管理平台Fig.1 Automatic management platform of active distribution network

将多类型的网络节点设置在主动配电网自动管理平台的终端设备层中，通过监测采集配电网设备运行状态数据，实现设备管理、功率自动补偿管理及配电网故障管理等[15-16]；边缘计算层包括边缘节点、边缘设备与边缘计算设备，其中边缘计算设备主要由处理模块与运算模块构成，实现配电网信息的处理及运算；信息管理层主要由蜂窝网络通信、WiFi通信、云端通信及通信通道等构成；云计算层主要包括云通信与数个云端微服务器，可实现主动配电网信息的边缘计算。

边缘计算层中边缘计算设备中的处理模块结构如图2所示。

图2 处理模块结构Fig.2 Structure diagram of processing module

该处理模块中的核心器件为TMEGA328P-PU型微处理器，其接口较多，主要包括通用异步收发传输器(uart)串口、负责单片机引脚输入与输出功能的16路gpio接口(即通用I/O端口)、8通道14位的TLC3548接口以及8路PWM接口等。

边缘计算设备中的运算模块结构如图3所示。

图3 运算模块结构Fig.3 Structure diagram of computing module

该运算模块中的处理器包括ARMv9核心板与嵌入式系统，可显著提升数据处理运算的能力，其主要接口包括HDMI接口、USB接口及I/O接口等，其外部同蓝牙、WiFi接口相连。

1.2 “边云”协作模式

通过边缘计算层与云计算层的相互协作，可精准快速地存储主动配电网信息数据、实时监控设备的工作状况[17]，边云协作模式如图4所示。由边缘计算层的边缘节点获取来自终端设备层所采集到的配电网信息数据，经由边缘计算设备实施相应处理之后，通过信息管理层向云计算层传送处理后信息数据；云端服务器运用所接收到的信息数据建立功率自动补偿模型，同时向边缘计算层传送所建立模型及该模型所应用到的信息数据；由边缘计算层运算接收到的模型后，实现主动配电网功率自动补偿。

图4 边缘计算和云计算协作模式Fig.4 Edge computing and cloud computing collaboration patterns

1.3 主动配电网功率自动补偿模型

包含分布式电源的主动配电网中所能触及到的自动管理方式包括可中断负荷、分布式电源功率因素的调整与有功出力的削弱等[18-19]。针对主动配电网的自动管理中功率自动补偿问题，应在确定功率补偿的数量与安装位置的同时，考量该配置下成本最低的运行措施。为此，应以最低主动配电网线路总网损为目标，考虑自动管理方式，建立双层规划模型作为主动配电网功率自动补偿模型。

(1)第1层规划模型：以最低主动配电网线路总网损作为此层的目标函数，则目标函数方程为：

(1)

式中，Mx为主动配电网中分布式电源不确定出力所划分出的数个场景的集合；px和Ax，min分别为场景x的发生概率与此场景下的最低线路网损。

约束条件可表示为：

(2)

(2)第2层规划模型：以单个场景线路网损最低为该层的目标函数，其表达式为：

(3)

式中，k为线路的支路编号；Mk为线路的支路集合；Ax为场景x下的线路网损以表示；Rk为线路的k支路电阻；Zk为线路的k支路阻抗；ΔUk，x为场景x下的k支路两端电压之差。

每个场景下的电网都应该符合的约束条件包括节点功率平衡约束、支路功率约束、分布式电源有功输出极限约束及可中断负荷中断量约束等[20]。

①节点功率平衡约束条件表达式为：

(4)

式中，Pi，x为场景x下节点i位置所注入的有功功率，Wi，x为无功功率；Bij为节点i与节点j之间线路的电纳；Gij为电导率；φij为节点i与节点j二者之间的相角差；Ui，x为场景x下节点i位置的电压幅值；Uj，x为节点j位置的电压幅值。

②支路功率约束条件可表示为：

(5)

③节点电压约束条件可表示为：

Ui，min≤Ui，x≤Ui，max

(6)

式中，Ui，max与Ui，min分别为节点i位置的最高与最低准许电压值。

④分布式电源有功输出极限约束条件可表示为：

(7)

⑤可中断负荷的中断量约束条件可表示为：

0 ≤Pi，x，d≤Pi，d，max

(8)

式中，Pi，d，max为节点i的可中断负荷中断量最高值；Pi，x，d为该节点的可中断负荷实际中断量。

⑥分布式电源功率因数角约束条件为：

δmin≤δm，x≤δmax

(9)

式中，δmax为分布式电源的最高功率因数角；δmin为最低功率因数角；δm，x为场景x下第m台分布式电源的实际功率因数角。

⑦有载调压开关二次侧电压约束条件可表示为：

(10)

2 实例分析

以某地区含分布式能源的主动配电网为例，将本文方法运用于其中，检验本文方法的实际应用效果。实例配电网为IEEE33节点主动配电网，其架构如图5所示。其中，5、16、21节点为功率补偿的待选安装节点，每台功率补偿装置为11 kvar容量，每个节点的功率补偿最高准许值均为110 kvar。

图5 配电网架构Fig.5 Distribution network architecture

图5所示的含分布式能源的主动配电网中的供电设备的可靠性指标见表1。

表1 设备的可靠性指标Tab.1 Reliability indicators of equipment

以图5和表1为基础，分别分析本文方法应用后该主动配电网的补偿效果、运算效果。

2.1 补偿效果分析

通过本文方法对配电网实施功率补偿后，得到本文方法的最优配置结果及总线路损耗(表2)。其中功率补偿装置的安装数量与5、16、21节点的安装数量相对应。

表2 最优配置结果及总线路损耗情况Tab.2 Optimal configuration results and total line loss

分析表2可知，本文方法补偿后的总线路损耗最低，较实际值降低了44.34 kW，原因是本文方法属于一种自动补偿方式，可根据配电网中不同设备运行状况实施调整，降低配电网的功率缺额，有效解决配电网的功率不足问题，防止因节点电压过低而造成的总线路网损升高，提升配电网设备运行的经济性。

本文方法功率补偿后，配电网公共连接点全天的交换功率对比结果如图6所示。

图6 公共连接点交换功率分析Fig.6 Analysis of switching power at common connection point

由图6可得出，经本文方法实施功率补偿后，配电网公共连接点的交换功率低于实际值，由此表明本文方法可以有效降低配电网公共连接点交换功率，能够提升主动配电网中分布式电源的消纳程度。

2.2 运算效果分析

检验本文方法获得总线路网损最低值过程中的收敛性能，检验结果如图7所示。

图7 收敛速度分析Fig.7 Analysis of convergence rate

由图7可知，配电网自身需要经过7次迭代后其总线路网损最低值达到收敛，而本文方法只需经过3次迭代即可达到总线路网损最低收敛值，由此可见本文方法的收敛速度更快，收敛性能更优越。

通过程序运行本文方法，对比本文方法在8次循环运算中处理数据时的CPU消耗状况，结果见表3。通过表3能够得出，随着所处理数据的增大，本文方法的CPU消耗量均呈现出上升趋势，配电网自身补偿过程中CPU消耗量的上升趋势明显，且CPU的消耗量高，由此可知本文方法的CPU消耗量最低，且上升幅度较小。

表3 处理数据的CPU消耗情况Tab.3 CPU consumption for processing data

3 结论

主动配电网的网损问题与经济性运行问题一直备受瞩目，为降低主动配电网运行中的网损与成本，本文研究一种基于边缘计算的主动配电网功率自动补偿方法。

(1)此次设计包含终端设备层、边缘计算层、信息管理层与云计算层的主动配电网自动管理平台，运用边云协作模式采集、存储及预处理主动配电网设备信息数据，实时监控设备的运行状况，并将最低线路总网损作为目标函数，建立双层规划模型作为主动配电网功率自动补偿模型，经边缘计算对该模型实施运算后，实现主动配电网的功率自动补偿。

(2)实际应用结果表明，本文方法可显著降低主动配电网的总线路损耗，提升其运行的经济性与分布式电源的消纳水平，运算收敛性能较好，具有较高的运算精度与运算效率，处理数据过程中可节省CPU消耗量，综合性能表现优越，可为主动配电网运行的低成本及安全稳定提供有效保障。

(3)下一步研究中将该方法应用于更多类型的配电网功率补偿中，进一步验证此次研究的有效性。