支撑电网新兴业务的多功能综合站优化规划

程 瑜，王 婕，朱 瑾

（1. 华北电力大学电气与电子工程学院，北京市 102206；2. 国网重庆市电力公司市区供电分公司，重庆市 400015）

0 引言

低碳能源系统转型背景下，分布式可再生能源系统高渗透接入电网，充分挖掘配电网中灵活性资源潜力并对其进行统筹规划成为新型电力系统建设的焦点［1］。“互联网+”硬件技术的发展以及传统利润空间压缩的市场环境为电网增值服务的开展提供了技术经济驱动力［2］。变、储、充多功能综合变电站通过协同整合变电、充电、储能设备，可实现能量流与业务流的高效汇集，已成为新基建下变革传统配电网和适应多元、分布式、可移动等新兴资源规模化接入的重要能源和业务枢纽。

配电网不断接入新兴资源主体，传统变电站规划模型难以高精度满足多功能综合站的优化规划需要。变电站规划模型通常计及变电站、馈线投资成本以及网损成本等［3-4］，采用Voronoi 图理论反映负荷距最小的优化规划原则［5-6］。近年来，内嵌考虑充电站规划［7-8］、储能系统［9］与电动汽车有序充电［10］影响的配电网规划研究已有一定积累。在配电网中优化布局分布式储能成为经济提升可再生能源消纳能力的一种有效手段［11］，文献［12］同时面向储能、配电网线路及分布式电源建立源网储选址定容的优化规划模型。上述规划研究中没有考虑多站融合一体化运行的新形势，目前关于多站融合的一体化研究大多集中在运行模式层面［13-14］，有关规划模型的研究尚处于起步阶段。文献［15-16］针对单个多功能综合站建立站内储能配置与运行优化决策模型，文献［17］建立多个多功能综合站的配置和运行协调优化模型，但文献［15-17］均未在多功能综合站规划模型中考虑与新兴电力市场交易模式的融合。

分布式可再生能源的发展驱使一部分传统电力用户转变成电力产消者［18］，即一种配电网的新型服务对象。文献［19-20］研究在电力产消者间构建可交易能源系统，有利于促进系统供需平衡、更大规模接入分布式可再生电源；区块链技术发展为可交易能源机制的实现提供了技术支撑［21-22］；文献［23］基于交替方向乘子法（alternating direction method of multipliers，ADMM）建立分布式去中心化交易仿真模型。可见，随着分布式发电技术在用户侧逐渐渗透以及电力市场化改革，新兴产消型用户具有参与分布式交易获得收益的经济驱动，多功能综合站规划面临高效支撑分布式交易的新挑战。

综上，本文在变、储、充多功能综合站规划决策的经济分析中计及支撑新兴分布式交易的投资成本和收益影响。考虑多功能综合站多业务融合的枢纽特征，在基于Voronoi 图的综合站选址及服务范围划分优化决策中迭代嵌入基于排队论量化的充电服务成本及收益分析，以及基于ADMM 仿真的综合站供电服务区域内分布式交易潜力分析，建立支撑电网新兴业务的多功能综合站选址定容优化模型。算例分析探讨了多功能综合站优化规划方案的经济性以及对新能源消纳的提升效果。

1 多功能综合站选址定容问题描述及优化规划思路

多功能综合站除了提供传统配变电服务外，还可提供充电、分布式能源交易支撑等新兴服务。多功能综合站多业务支撑结构示意图如图1 所示。

图1 多功能综合站多业务支撑结构示意图Fig.1 Schematic diagram of multi-service support structure of multi-functional integrated station

综合站在获得一定的增值服务收益的同时，也面临更多的成本投入需求。综合站选址及服务区域划分是影响成本投入和服务收益的重要因素。如何布点并配置综合站变、储、充设备容量，用尽可能小的投资实现最大程度的传统配变电业务和新兴业务支撑收益，是综合站选址定容优化规划关注的核心问题。本文建立多功能综合站优化规划整体思路框架如下:

步骤1:明确规划边界条件，确定规划区域内综合站及其子服务区数量，考虑建设多功能综合站相比于传统变电站在交通、消防安全等方面对选址条件的差异化要求，筛选待选站址集合。

步骤2:多功能综合站多业务服务需求分析。采用Voronoi 图理论，决策初始站址布局。根据站址布局，划分服务区块，统计各区块内常规负荷、充电负荷、分布式交易用户规划水平年的预测负荷。

步骤3:多功能综合站选址以及变、储、充设备容量统一优化。计及综合站支撑多业务的成本投入和增值服务收益，建立多功能综合站优化规划模型。模型以抵扣了新兴业务增值服务收益后的净成本最小为目标，考虑各项业务服务能力约束，包括常规负荷供电服务半径约束、充电负荷拒绝服务概率约束以及分布式交易支撑规模约束，优化决策变电站的选址定容方案以及配套的储能配置容量。

步骤4:判断考虑多业务支撑的综合站站址布局是否与初始站址布局存在不同，如果有，更新站址信息并返回步骤2，基于更新后的站址信息，更新Voronoi 图，执行上述步骤2 和3 的循环迭代，直到前后两次迭代中站址布局变化距离小于一定阈值，输出最终选址定容方案。

2 协同支撑多业务的多功能综合站优化规划模型

2.1 优化规划目标函数

本文基于电网为统一投资主体的角度建立多功能综合站优化模型，以综合站支撑多业务的总净成本Ctotal最小为优化目标f(x)，决策多功能综合站的选址以及站内变、储、充设备的容量:

式中:i为整个规划区域内子服务区序号，即划分站点序号，i=1，2，…，N，其中N为规划站点的数量；Ctotal，i为 站 点i支 撑 多 业 务 的 总 净 成 本；Cdis，i、Ccharge，i、Ctran，i分别为站点i支撑传统配电业务、新兴充电业务及分布式交易业务的投资净成本。

式中:L为规划区内所有负荷点的集合；Si为站点i配置的变电容量；pl为负荷点l的负荷值；ω为满足N-1 条件下的变压器容载比；e（Si）为变电站负载率；cosϕ为 功 率 因 数；Pnorm，i为 站 点i服 务 范 围 内 的常规负荷量。

目标函数式（1）中Ctotal，i的计算如下:

1）支撑常规配变电服务的投资净成本Cdis，i包括变电及线路成本。

式中:CBD，i为站点i内实现常规配变电业务所需的变电容量年投资成本、运维成本及站间联络成本；CXL，norm，i、CXL，CD，i、CXL，MG，i分 别 为 多 功 能 综 合 站 服 务范围内的常规负荷、充电站、新兴分布式交易主体连接到站点i的线路投资成本；CHV，i为站点i连接到所有上级电源点所需的高压线路投资成本。

式中:cfixs，i为变电站i征地、土建等固定支出；cbd为变电单位容量投资成本；r(1+r)z/[(1+r)z-1]为年值化算子；r为贴现率；z3为变电设备的使用年限；μbd为变电站运行维护成本比例系数；γfixs，i为综合站i相对于传统变电站的占地面积修正系数，根据站点i决策配置的车位和储能设施占地需求估算；c6为联络线单位长度单位容量建设投资费用；z6为联络线的使用年限；aij为0-1 变量，表示站点i和j是否联络，aij=1 表 示 站 点i和j联 络，aij=0 表 示 站 点i和j不联络；nij为站点i和j间的联络线容量，根据站点i和j间馈线转移负荷比例确定；kij为站点i和j间线路曲折系数；lij为站点i和j的距离。

式中:Lnorm，i、LEV，i、LT，i分别为 站点i服务范围内常规负荷集、电动汽车充电负荷集、可开展分布式交易的用户集；(ui，vi)为多功能综合站i的站址坐标；(xa，ya)为常规负荷点a的坐标；（xw，yw）为充电站w的坐标；（xe，ye）为新兴分布式交易主体负荷点e的坐标；cXL为单位容量单位长度负荷连接到站点线路投 资 成 本；z1为 负 荷 连 接 线 路 使 用 年 限；KXL，norm，i、KXL，CD，i、KXL，MG，i分 别 为 变 电 站i连 接 到 其 供 电 范 围内常规负荷、充电负荷及分布式交易负荷的馈线成本修正系数，可考虑负荷密度、供电范围、线路弯曲分支程度以及邻近馈线间联络需求的影响估算。

式中:cHV为单位长度站点到上级电源高压进线投资成本；z2为高压进线使用年限；NHV为高压电源点总数；di，q为站点i内变电站到上级变电站q的距离，其中（xq，yq）为上级变电站所在位置的空间坐标。

2）支撑充电服务的投资净成本Ccharge，i:

式中:CCD，i为站点i内充电设备容量年投资、运维成本及因该业务而导致的变压器容量成本的增加；Croad，i为站点i服务范围内电动汽车的年行驶时间成本；Cinline，i为站点i服务范围内年充电等待时间成本；Bserve1，i为站点i服务范围内充电服务年收益。

式中:cfixc为充电设备土建、消防等固定支出；ccd为充电设备单位容量投资成本；SEV，i为支撑满足站点i服务范围内电动汽车充电负荷需求所需配置的充电设备容量，如式（13）所示；z4为充电设备的使用年限；μcd为充电站运行维护成本比例系数。

式中:m为充电桩个数；δ为站点的服务强度，即平均日充电车辆数；pˉl为站点i服务范围内单个电动汽车充电负荷平均充电量。

综合站的选址将影响电动汽车负荷到达站点的行驶距离，根据平均行驶速度可以得出电动汽车充电所需的行驶时间，通过时间价值系数将其量化为电动汽车的行驶时间成本Croad，i:

式中:Ktime为电动汽车负荷单位容量单位距离的时间价值系数；vroad为规划区域考虑路况后的电动汽车用户平均行驶速度；（xg，yg）为有电动汽车充电需求的负荷点g的坐标。

式（11）中站点i服务范围内充电等待时间成本Cinline，i的计算如下:

式 中:WGq为 单 位 车 辆 的 平 均 等 待 时 间；NEV，i，t为 站点i服务范围内t时段的充电需求车辆数；NT，i为站点i日开放充电服务的时段数；TEV，i，t为各时段的时间间隔；Nday为一年中的天数。

采用M/M/n 排队论模型［24］计算车辆平均等待时间WGq，设电动汽车到达的规律服从参数为λ的泊松过程，λ根据每小时前往充电站接受服务的充电需求数确定，充电服务时间服从参数为μ的负指数分布，μ根据充电桩的充电功率和车载电池容量确定，WGq的计算如下:

式中:Pf为综合站内接受充电的车辆数为f的概率；P0为充电站中充电桩全部空闲概率；M为综合站的充电服务容量上限，即各站点充电桩数与等候车位数之和。

当等待区也停满车辆后，会出现有充电需求的车辆被拒绝服务，根据排队论模型计算综合站发生拒绝提供充电服务的概率ηref:

充电服务支撑度根据充电站发生拒绝提供充电服务的概率水平测算，站点i服务范围内的充电服务支撑度ξsup，i计算如下:

式 中:ηref，i，t为 站 点i在t时 段 发 生 拒 绝 提 供 充 电 服 务的概率；NallEV，i为站点i服务范围内全天的总充电需求。

综合站为电动汽车提供充电服务，可获得一定的充电服务收益Bserve1，i:

式中:cserve1为提供单位电量充电服务获得的收益。

3）支撑分布式交易服务的投资净成本Ctran，i包括储能设备投资运行相关成本，并扣减分布式交易支撑服务收益。

式中:CCN，i为站点i内储能投资运行相关成本，包括储能设备投资运维成本、容量损耗成本及安全风险成本；Bserve2，i为综合站点i支撑分布式交易获得的服务收益。

式中:ccn为储能系统的单位容量投资成本；Eess，i为站点i内配置的储能容量；z5为储能设备使用年限；μcn为储能系统的单位容量的年运维成本；Pessd，H，i，t为站点i服务范围内t时段储能与交易主体H之间进行放电的电量；T为1 d 分成的时段数；Δt为单位时间间隔；Zb为储能系统的容量损耗系数；μsa为储能安全成本比例系数。

式中:cserve2为综合站提供单位分布式交易电量支撑服务获得的收益；Ptrade，i，t为站点i服务范围内分布式交易主体在t时段通过多功能综合站支撑服务实现的交易电量。

2.2 分布式交易潜力分析模型

式（25）中的Ptrade，i，t由分布式交易潜力分析模型计算生成，如式（26）至式（43）所示。本文针对站点i服务范围内的分布式交易潜力，借鉴文献［23］提出的ADMM 中各个交易对的交易量和交易价格迭代寻优的思路，嵌入储能配置支撑分布式交易的影响，在分布式交易量优化决策的同时，耦合储能规划与运行决策求解。

依据ADMM，站点i服务范围内开展分布式交易并实现交易成本最小的原问题可分解为每个交易主体H的交易成本最小的子问题，如式（26）至式（30）所示。每个交易主体H的交易成本包括H从主网购电量PBM，H，i、向主网售电量PSM，H，i对应的交易成本，以及H与其他分布式交易主体的交易电量BH，i对应的交易成本。

式 中:bHJ，i，t为 站 点i服 务 范 围 内t时 段 新 兴 交 易 用 户H与J之间的交易电量，当新兴交易用户H出售电能 给J时bHJ，i，t为 正，当 新 兴 交 易 用 户H从J处 购 买电 能 时bHJ，i，t为 负；λHJ，i，t为 站 点i内 交 易 点H与 交 易点J进 行 交 易 的 交 易 电 价；CM，H，i，t为 站 点i服 务 范 围内t时段新兴交易用户H与主网的交互成本；PBM，H，i，t为 站 点i服 务 范 围 内t时 段 新 兴 交 易 用 户H从主网购买的电量；PSM，H，i，t为站点i服务范围内t时段 新兴交易用户H向主网售出的电量；cBM，H，i，t为站点i服务范围内t时段用户H向主网购电的单位电量 成 本 系 数；cSM，H，i，t为 站 点i服 务 范 围 内t时 段 用 户H向主网售电的单位电量成本系数；CU，H，i，t为站点i服务范围内t时段新兴交易用户H的用户间交易成本；Cpen，H，i，t为 站 点i服 务 范 围 内t时 段 与 交 易 主 体H所有成交的交易对的供需均衡约束对应的惩罚成本；k为迭代次数；ρ(1 ＞ρ＞0)为对应的惩罚因子。

若式（30）惩罚成本过大将不利于个体寻优，为减小目标函数中由于交易双方预交易量不匹配而带来的惩罚成本，交易双方通过修正交易价格不断调整各自的预交易量至双方达到供需平衡。因此，引入式（31）供需均衡的引导约束，基于经济学理论中价格与供需的变化关系，引导交易对成交。

在 迭 代 过 程 中，当bHJ，i，t+bJH，i，t＞0，即 在 交 易中 供 大 于 求 时，交 易 电 价 会 减 小；当bHJ，i，t+bJH，i，t＜0，即在交易中供不应求时，交易电价会增大，符合经济学理论中价格与供需的变化关系。

对于站点i服务范围内的分布式交易对，以主残差和对偶残差小于一定阈值作为迭代求解的停止准则，获得每个交易对的交易量及交易价格，迭代停止条件如式（32）至式（35）所示。式 中:PG，H，i，t为 站 点i服 务 范 围 内t时 段 新 兴 交 易 用户H的 发 电 量；PY，H，i，t为 站 点i服 务 范 围 内t时 段 新兴 交 易 用 户H的 用 电 量；Pessc，H，i，t和Pessd，H，i，t分 别 为站点i服务范围内t时段储能与交易主体H之间进行充、放的电量。

分布式交易用户与主网购售电功率受到其与主网间联络功率约束如下:

式中:∀(H，J，G)∈LT，i，J≠G≠H。

多功能综合站选址定容优化规划模型求解流程如图2 所示，利用图2 中左侧分布式交易潜力分析模型得到新兴交易用户间的交易量来计算Ptrade，i，t，并将Ptrade，i，t的计算结果传递到右侧多功能综合站站点的选址定容优化中。

根据图2 中左侧示意的ADMM 流程，迭代求解式（26）至式（42），再根据式（43）计算Ptrade，i，t:

图2 模型求解流程及算法Fig.2 Model solving process and algorithm

2.3 优化规划约束条件

1）常规负荷配变电服务的供电服务半径约束。

式中:Ri为站点i内变电站的供电半径；di，l为负荷l（l∈Li）到站点i内变电站的连线距离，其中Li为站点i内的所有负荷集合。

2）充电服务发生拒绝服务的概率ηref小于一定阈值ηˉref。

3）新兴分布式交易用户间余缺互济，分布式交易规模达到一定阈值。

式中:Ptrade，i为站点i服务范围内分布式交易主体通过多功能综合站交易的电量；-Ptrade，i为站点i服务范围内交易电量的阈值。

4）储能设备向新兴分布式交易用户提供充放电服务，对应储能的充放电运行约束如下:

3 算例分析

待规划的算例区域自驾游产业带来了一定规模电动汽车充电需求，同时区域内分布式电源装机渗透率加大，具有一定规模可开展分布式交易的新兴用户。考虑在该区域通过合理规划建设支撑配电、充电、交易业务的多功能综合站，以满足区域内各类负荷的多种需求。规划区域辐射状网络供电布局示意图见附录A 图A1，造价基础参数见附录A 表A1和表A2，各类负荷的预测数据见附录A 表A3 至表A5。

选取规划水平年的夏季峰荷场景下的预测水平作为规划条件边界，以提升规划方案的鲁棒性。算例地区夏季温控及农灌负荷大；夏季自驾旅游旺期，电动汽车充电需求量大；参与分布式交易负荷多配置分布式光伏，光伏夏季出力大，夏季主体间的互济潜力较好。由于交通充电负荷、分布式交易负荷涉及多时段耦合的运行约束，分别考虑夏季典型日的时序分布特征，计及规划水平年电动汽车保有量和分布式资源发展规划生成充电负荷的典型日负荷曲线预测数据和可交易负荷的典型日净负荷曲线预测数据。

3.1 算例规划结果

算例分析对比传统规划方案与基于本文模型支撑多业务协同的多功能综合站规划方案。传统规划方案中电网公司不考虑多功能综合站的投建，变电站与充电站规划分立开展，规划的变电站是常规变电站，采用最小负荷距原则优化决策常规变电站的规划方案；充电站规划决策中不约束充电站和变电站集成一体化建设，充电站的选址定容以满足充电需求的充电设施投资成本最小为目标；传统规划中没有储能设备配置决策，只考虑负荷和主网间的交易业务，不考虑负荷间分布式交易。两种方案的规划结果如图3、表1 和表2 所示。图3 中常规负荷颜色的深浅表示其大小。

表1 传统规划方案结果Table 1 Results of traditional planning scheme

图3 规划结果对比Fig.3 Comparison of planning results

由图3 可以看出:1）西北区域、东北区域内站点主要服务常规负荷，两种规划方案均决策在区域内建设常规变电站；2）南部区域为草原风情旅游区，内含大量有充电需求的电动汽车充电负荷，同时作为光辐照强度理想、风力充沛区域，内含一定规模因风光发电、用电量不匹配而有潜在交易意向的新兴分布式交易负荷，本文模型协同规划方案决策在南部区域内建设能同时支撑配电、充电、交易服务的多功能综合站，且多功能综合站的站点选择更靠近新兴交易负荷点。

3.2 协同规划方案各项业务支撑情况分析

1）传统配电业务。由表1 和表2 对比可知，两种方案规划的变电站容量结果均可满足各区域内部常规配电需求。协同规划方案下综合站的储能设备提供分布式交易支撑服务改善区域内部负荷发电、用电量不匹配情况，还可缓解部分配电需求，减少该区域变电容量。

表2 协同规划方案结果Table 2 Results of collaborative planning scheme

2）新兴充电、交易业务。新兴业务对用户的影响如表3 所示。南部区域有一定规模的电动汽车充电服务需求，传统规划方案下充电桩根据充电需求分布情况分散布局，多功能综合站协同规划方案下充电桩与变电站共址，电动汽车用户充电行驶时间成本增加，但区域内充电服务支撑度达到99.93%。

表3 两种方案下新兴用户年投入产出对比Table 3 Annual input and output comparison of emerging users with two schemes

此外，在南部区域内规划含储能设备的综合站可以为区域内分布式交易提供支撑服务，通过在多功能综合站中建设储能设备，可实现交易服务覆盖率达100%，既提高风、光消纳率，新兴分布式交易主体也可以从中获得交易收益，带来更好的经济性。南部区域具体交易情况如图4 所示。

图4 南部区域具体交易情况Fig.4 Specific transaction situation in southern region

3.3 协同规划方案经济性分析

表4 和表5 分别针对支撑多业务的多功能综合站协同规划方案与传统规划方案下电网企业的成本投入和产出效益进行了对比分析。

表4 两种方案下电网公司年投入对比Table 4 Annual input comparison of power grid company with two schemes

由表4 可知，对于电网企业来说，相较于传统规划方案，多功能综合站协同规划方案虽然增加一定的站点到负荷的线路投资成本及储能设备投资运行成本，却能减少变电容量投资运维成本、到上级电网线路的投资成本及可交易负荷到变电站的线路投资成本。由表5 可知，通过多功能综合站支撑新兴充电业务、分布式交易业务，带来了额外增量服务收益。总体而言，传统规划及协同规划下方案整体年净成本分别为1 878.5 万元和1 707.7 万元，协同规划方案整体净成本更小，建设多功能综合站具有经济驱动力。

表5 两种方案下电网公司年产出对比Table 5 Annual output comparison of power grid company with two schemes

4 结语

伴随低碳能源系统建设推进，分布式可再生能源、多元产消型用户高渗透接入，多功能综合站成为配电网中能量与业务融合的新形态，对其进行优化规划，有利于推动电网发展逐渐从单一业务模式向多业务模式转型。本文内嵌基于排队论的充电服务时间成本与拒绝服务概率分析，以及基于ADMM仿真的分布式交易潜力分析，建立了支撑电网新兴业务的多功能综合站选址定容优化模型。算例仿真结果表明:

1）由于支撑多业务的协同规划方案针对了新兴负荷特性，服务区划分结果较传统规划方案有所调整，综合站的站址更加靠近新兴交易负荷，趋向将有相同交易诉求的新兴交易负荷归集到同一服务区。

2）多功能综合站选址与变电设备、充电设备、储能设备容量相互协调，满足服务区内新兴用户的充电、交易需求，实现区域优化配置，达成多业务协同增效。较传统规划方案，协同规划方案下电网以更小的净成本投入支撑了多业务服务，创造了更大的社会福利。

综上，多功能综合站协同规划有利于电网以更经济的方式满足新兴用户的多元化需求，促进分布式源-荷-储资源就地匹配，提升可再生能源利用率。本文主要计及电网协同开展充电服务和分布式交易服务两类新兴业务，研究多功能综合站优化规划模型，新业务的商业模式相对简单。随着新型储能技术及其商业模式的多元化发展，更多具备较大规模存储能力的换电站、共享云储能站、区域供冷/热/氢站等新兴分布式资源接入电网，传统变电站与储能站、充换电站、冷热氢多类型集中供能站等多站融合可开展的新业务存在诸多可能，多功能综合站的储能系统将成为配电网应对高比例可再生能源接入、灵活调控供需平衡的主要支撑。后续有待结合多功能综合站可开展的新业务发展趋势，并联合考虑配电网、电动交通网、冷热氢多能供能网的结构优化，将网络负荷转移能力与多功能综合站的站内服务能力结合起来统一开展优化规划研究。

附录见本刊网络版（http：//www.aeps-info.com/aeps/ch/index.aspx），扫英文摘要后二维码可以阅读网络全文。