基于多能源协调响应的配网动态优化调度模型

张文军,胡 浩,易善军,韩玉辉,宋 昆,尹洪全,朱宏涛,吕 兵

（1.国网内蒙古东部电力有限公司，内蒙古 呼和浩特 010000；2.沈阳工业大学，辽宁 沈阳 110870）

0 引言

在新型电力系统建设和“双碳”目标的背景下，分布式光伏、风电的并网渗透率将逐步增加。新能源的间歇性和波动性给配网的运行与调度带来稳定性差、运行成本高、调节能力下降等问题[1]～[3]。针对该问题，现有的研究多采用配置电池储能调节配网的功率平衡。由于储能电池建设维护成本较高，致使配网配置电池储能的容量有限[4]，[5]。另一方面，作为一种配网的调节形式，负荷需求侧管理的可调容量较小，在时间和空间尺度上对配网经济调度的支撑不足[6]，[7]。本文考虑高比例可再生能源并网后对配网所带来的冲击，利用电热混合储能、电动汽车及“电-热-冷”可调负荷的多能源协调响应，以实现新型配电网的经济优化运行。

目前，国内外专家对配网的经济运行及优化调度已开展了大量研究。文献[8]为保证配网安稳运行，建立了基于分析目标级联理论的配电网优化调度模型。文献[9]针对风电、光伏并网后的波动性，提出了基于数据驱动的配网实时滚动优化调度策略。文献[10]利用图论理论对配网进行精细化建模，以运行经济最优为目标建立配网优化调度模型。为提高风电消纳能力，文献[11]建立了基于热电耦合特性的配网优化调度模型。文献[12]考虑可再生能源出力随机性和电动汽车的响应能力，提出了基于双重电价的电动汽车两阶段响应策略，并在此基础上建立了配网两阶段优化调度模型。文献[13]为整合配网调度过程中的电力资源，提出了虚拟电厂动态组合策略，并在此基础上建立了含虚拟电厂交易组合平台的配网优化调度模型。

上述研究对配网调度提供了一定的理论支撑，充分研究了考虑储能、电动汽车、负荷响应等多类型资源协调，但未考虑电、热、冷等多能源的协调响应，在优化配网运行经济性方面还具有较大的提升空间。针对这一问题，本文通过研究电热混合储能、充电汽车和“电-热-冷”可调负荷间时空尺度的运行差异性和互补性，建立了多能源响应模型与协调调度策略；在此基础上，建立基于多能源协调响应的配网优化调度模型。通过某地配网算例验证了本文所提出的模型能够优化经济成本，减少弃电率。

1 多能源响应模型

1.1 电热混合储能响应模型

电热混合储能包括电池储能和电制热储热两个部分。电池储能调节灵活性较强，效率高，可直接进行电能的储放。电池储能模型为

式中：EBS，t为t时刻储能装置的容量；α为储能装置的损耗系数；PBS-c，t，ηBS-c，t分别为储能装置的充电功率和充电效率；PBS-d，t，ηBS-d，t分别为储能装置的放电功率和放电效率。

电制热设备通常利用电锅炉进行电能-热能的转换，消纳风电和光电，通过储热实现热能的存储及供热。

电锅炉模型：

式中：PBSh，t为电锅炉t时刻的供热功率；PBSe，t为电锅炉t时刻的耗电功率；ηeb为电锅炉的电热转换效率。

储热模型：

式中：HHS，t为t时刻的储热容量；PHS，t为t时刻的储热功率；PHO，t为t时刻的放热功率；ηHS为储热效率；ηHO为放热效率；Δt为调度时段。

1.2 电动汽车响应模型

根据电动汽车自身的电量以及在不同时空的状态和需求，可将其视为移动的分散式电储能。各个电动车合理的充放电行为，不仅可以减少配网调峰压力，还能给配网的功率平衡带来一定的支撑，并减少电动汽车自身以及配网的运行成本。

无论是充电还是放电，电动汽车都要在配网内的充放电节点进行。本文定义Sij，t为电动汽车在配网空间下位置i到j之间的行驶状态变量；π为电动汽车在配网中的行驶空间。电动汽车在行驶空间π内进行充放电的空间行驶约束为

式中：Sij，t取0表示电动汽车不在行驶空间π内行驶；Sij，t取1表示电动汽车在行驶空间π内行驶。

电动汽车在其行驶空间π内参与配网的优化调度过程中，须要根据汽车自身的实时电量进行协调响应。本文建立电动汽车的能量响应模型为

式中：PEV，t，PEV-c，t，PEV-d，t分别为电动汽车t时刻的响应功率、充电功率和放电功率；ηEV-c，ηEV-d分别为电动汽车充电效率和放电效率；分别为电动汽车参与配网响应时充电功率的上、下限；分别为电动汽车参与配网响应时放电功率的上、下限。

1.3 “电-热-冷”负荷响应模型

多数的建筑物可进行储热、储冷。用户在利用空调进行制冷或制热时，利用建筑物的储冷、储热特性，可以为配网提供较多的调节容量，“电-热-冷”负荷可作为多能源资源参与配网调度的响应。电制冷制热负荷的响应模型为

式中：HA，t为t时刻房间内制冷制热负荷的功率；PA，t为t时刻制冷制热负荷耗电的有功功率；k1，k2，l1，l2为制冷制热负荷的拟合系数；C，R分别为房屋的热阻和热容；Tin，t，Tout，t分别为室内温度和室外温度；EA，t为建筑物t时刻的储热储冷容量；EAmax和EAmin分别为建筑物房间可提供储能容量的上、下限；Tmax，Tmin分别为参与配网响应后建筑物可调温度的上、下限。

1.4 多能源协调响应调度策略

电热混合储能、电动汽车和“电-热-冷”负荷可以响应配网调度，并提高配网的调节灵活性。其中，电池储能调节灵活性最优，但建设成本高；电制热储能在配网处于谷值时给予一定的调节能力；电动汽车虽然可以进行充电放电，但是受到交通路径、驾驶需求及汽车剩余电量等因素的制约，其调度能力有限；“电-热-冷”负荷受季节影响较大，且负荷分布较为分散，具有较高的不确定性，须由聚合商统一管理。本文将充分考虑多能源响应在时间和空间调度尺度上的差异性，使各个调节资源优势互补，保证配网经济稳定运行。

本文所提出的多能源协调响应调度策略如图1所示。首先，从长时间尺度划分，根据“电-热-冷”负荷在不同季节的响应能力，确定其调节能力；然后，从短时间尺度进行分析，针对不同时刻电网的峰谷差，对多能源响应资源进行合理调度；最后，从空间角度考虑，根据多能源响应资源的分布，尤其是电动汽车的动态行为，对整个配网的资源进行优化调度。在配网有调节需求时，优先利用电动汽车和“电-热-冷”可控负荷进行响应。如果此时仍然存在源荷不协调，再利用电热混合储能进行优化调度。

图1 多能源协调响应调度策略Fig.1 Multi-energy coordinated response scheduling strategy

2 基于多能源响应协调的配网优化调度模型

2.1 目标函数

基于多能源响应调度策略的研究，可以确定不同时间和空间尺度上各类多能源响应资源的调度周期。本文根据配网的实时峰谷需求，建立配网调度成本最优为目标的优化模型：

式中：C1为风电和光伏调度的调节成本；C2为上级电网调节成本；C3为多能源响应成本。

风电和光伏调度的调节成本：

式中：Pwp，i，t为风电出力；βwp为风电的单位调节成本；PPV，i，t为光伏出力；βPV为光伏的单位调节成本。

上级电网调节成本：

式中：Cbuy，t为t时刻上级电网对配网进行调节的购电价格；Csell，t为t时刻上级电网对配网进行调节的售电价格；Pin，t为t时刻上级电网对配网进行调节的购电功率；Pout，t为t时刻上级电网对配网进行调节的售电功率。

多能源响应成本：

式中：Cco-A，t为“电-热-冷”负荷削减的补贴系数；CBS-c，t，CBS-d，t为电池储能充、放电的补贴系数；CEV-c，t，CEV-d，t为电动汽车充、放电的补贴系数；CEBe，t为电制热的补贴系数。

2.2 约束条件

配网调度功率平衡约束：

式中：PL，t为配网中的不可控负荷功率。

考虑风光预测可能与实际出力不一致所带来的不确定性问题会给配网运行带来风险，本文考虑风光不确定性会引起配网电压和支路功率波动，配网应保证运行安稳条件内进行优化调度。

配网安全运行约束：

式中：Ui，t为t时刻配网节点i的电压；分别为t时刻配网节点i的电压上限和下限；Sij，t为支路ij的功率；分别为支路ij的功率上限和下限；σ，ξ分别为电压和支路功率的可信度。

联络线调节约束：

对于电热混合储能、电动汽车、“电-热-冷”负荷来说，除式（1）～（5）中的约束外，还包括多能源响应量约束：

2.3 考虑配网多能源响应的鲁棒优化调度模型

配网中分布式和分散式新能源发电、电动汽车、“电-热-冷”负荷参与配网调节，具有一定的不确定性而产生偏差。为控制配网调度过程中的偏差，对配网运行场景进行离散化，建立鲁棒风险偏差模型：

综上所述，可将原文模型改写为考虑配网多能源响应风险偏差的鲁棒优化调度模型：

式中：L为鲁棒转化后的目标函数形式。

2.4 多时空尺度调度模式

基于多能源协调响应的配网动态优化调度，从空间上分为信息层、调度层和设备层。信息层能够接收电热混合储能、电动汽车及“电-热-冷”可调设备的响应信号；调度层可以向各个设备发送调节信号，从空间角度实现多能源协调响应，充分利用多能源的可调节资源。

多时间尺度调度包含日前、滚动和实时调度计划。日前调度计划利用历史数据与对未来一天的数据预测进行调度规划；滚动调度计划是在日前计划的基础上用未来4 h内风光和负荷的预测，通过源荷数据调整日前调度计划；实时调度计划是在滚动调度的基础上，以实时反馈模型为基础，每15min为一个循环实时修正调度计划。多时间尺度调度流程如图3所示。

图2 多时间尺度调度计划流程图Fig.2 Flow chartofmulti-time scale scheduling plan

2.5 调度模型求解

本文采用和声搜索算法对基于多能源协调响应的配网动态优化调度模型进行求解，其求解流程如图3所示。

图3 配网动态优化调度模型求解流程Fig.3 Distribution network dynamic optimization scheduling model solution process

3 算例仿真

本文以某地配网新能源出力及负荷数据为背景，以文献[12]的IEEE33节点配电系统仿真模型为基础，分别在节点8，17，20，30，32接入蓄电池、光伏、充电站、风电和电制热储热装置。

该配网地区最大电负荷80 MW，配有光伏发电35 MW，风力发电65 MW，电池储能20 MW，电制热10 MW和储热20 MW。电动汽车的电池参数为300 kW/80 kW·h，充电时间0.65 h。该配网典型日的风光负荷预测曲线如图4所示。

图4 风光预测及负荷曲线Fig.4Wind and wind forecastand load curve

通过设置3种方案验证所提调度策略和调度模型的有效性和优越性。方案1：配网调度过程中，只利用电池储能参与调节。方案2：利用电热混合储能、电动汽车、“电-热-冷”负荷参与配网调度，但不考虑三者间时空互补特性以及响应过程中的风险偏差。方案3：采用本文提出的基于多能源响应的配网优化调度模型。

对3种调度方案进行仿真，得到如图5～7所示的调度方式。

图5 方案1调度方式Fig.5 Schedulingmode of scheme 1

图6 方案2调度方式Fig.6 Schedulingmode of scheme 2

图7 方案3调度方式Fig.7 Schedulingmode of scheme 3

由图5～7所示，方案1只考虑储能一种调节资源参与配网调度，因此，配网会给上级电网带来较大的调节压力，产生大量的购电成本，导致风电利用效率低下。方案2和方案3虽然均考虑了多能源可控负荷的响应，但方案3充分利用了多能源可控负荷间的时空尺度的差异性和互补性，实现了多能源可控负荷间的协调响应，减少了对上级电网的调节压力。例如，在1：00-2：00，4：00-6：00，负荷需求较少，而风电出力较大，易产生大量的弃风。方案3优先利用电动汽车、电锅炉和“电-热-冷”负荷的响应存储电能，使电池储能具有更优的储放空间。在17：00-20：00配网处于峰值时，通过多能源可控负荷间的响应，有效缓解了配网调峰压力。这虽然产生较多的多能源响应成本，提高了配网调度成本，但有效地减少了上级电网的调节成本和调节压力。在方案3中的多时间尺度调度计划中，滚动调度不断修正日前发电计划，并经过实时调度实时调整，能够较好地跟踪负荷曲线，促进风光消纳。3种方案的优化调度结果和新能源弃电率对比如图8所示。

图8 优化结果对比Fig.8 Comparison of optimization results

4 结束语

本文考虑电热混合储能、电动汽车、电锅炉和“电-热-冷”负荷作为配网多能源协调响应资源，提出基于多能源响应协调的配网优化调度模型，能够有效提高配网中各类灵活性资源调度经济性。基于多能源调节资源间的协调，可实现各类灵活性资源优势互补，减少配网上级电网的调节压力。本文提出的鲁棒优化调度模型考虑了配网电压稳定和支路功率波动偏差，能够提高配网运行稳定性。