考虑需求侧参与的分布式电源并网优化

2023-01-08时雨包钰婷杨晶莹郭云峰宋磊李昊

现代电力 2022年6期

时雨，包钰婷，杨晶莹，郭云峰，宋磊，李昊

（1.国网吉林省电力有限公司经济技术研究院,吉林省长春市 130062；2.东北电力大学电气工程学院,吉林省吉林市 132012；3.国网吉林省电力有限公司,吉林省长春市 130021）

0 引言

现代配电网中分布式能量系统(distributed energy resource,DER)渗透率不断提高，使电网在利用可再生能源时面临使用效率、峰谷波动等问题[1-2]。随着智能电网的发展，需求响应（demand response，DR）的介入也给配电网各类资源配置带来新的挑战[3-5]。因此，结合各类DR制定含DER的配电网配置方案，对于智慧能源电网的安全经济运行具有重大意义。

目前国内外已开展关于DER并网优化配置的研究，考虑源、荷、储等对DER并网所发挥的作用，同时配置方式由单一风、光电源[6]拓展到储能电池等各类资源[7]，配置方法从单目标优化[8]逐渐向多目标协同优化发展[9]。针对DER并网的经济性问题，文献[10]考虑风电、储能的运行成本，在减小对电压造成的影响下建立多目标优化配置模型，文献[11]以降低年综合费用为目标建立双层优化模型，但对DER并网带来的弃风弃光等问题考虑不足；文献[12]针对风电并网对配电网规划的影响，构建了基于风电极限场景的2阶段输电网鲁棒规划模型，但在DER接入电网时未充分发挥电网各类资源的调节能力；文献[13]在中压馈线上配置储能以应对分布式光伏的影响，以经济性最优为目标，建立了考虑运行策略的储能优化配置模型；文献[14]将储能、灵活性机组及负荷响应纳入灵活性资源并进行最小化成本配置，通过分时电价及负荷中断手段提高系统运行的灵活性。但以上研究均未能充分发掘电网中各类资源参与电网调控的潜力。综上，目前对于DER并网配置主要考虑经济性问题，而对可再生能源使用效率等问题鲜有研究，且对系统中需求侧参与配置的形式、能力考虑不足，未能充分发挥其参与电网运行调控的互动能力。

针对上述问题，文中将需求侧2类负荷按参与形式分为电网调控负荷与主动参与负荷，提出用DR参与度表征主动参与负荷在电价影响下参与电网调控的互动能力，构建需求侧负荷参与电网运行的经济模型。在此基础上，建立分层式优化模型，规划层以网损灵敏度确定DER接入位置，按改造成本确定DR响应上限，获得DER、DR规划方案。运行层在规划方案的基础上，构建经济性、可再生能源使用率、电压稳定性及削峰填谷等指标，确定DR在电网调控、电价激励2种参与模式下的运行方案。利用模拟退火–粒子群优化（simulated annealing- particle swarm optimization，SA-PSO）算法进行多目标求解，形成源-荷优化配置方案，并进一步分析各方案的综合效益指标，为DR参与DER并网提供辅助决策。

1 DR参与度模型

DR可在用户侧根据电网需求做出响应，此类参与响应的负荷按形式分为可平移负荷、可转移负荷、可削减负荷3类。文中考虑电网中各类DR在电网调控及电价引导下参与电网运行的情况，提出用户需求响应参与度，构建其相应的经济模型和参与度函数。

1）可平移负荷。可平移负荷能够实现一定时间范围内整段用电负荷的平移，对应于工业生产过程中部分设备的受控运行以及部分可灵活调整开启时间的家用电器。在电网激励和电价引导条件下，可平移负荷的响应特性经济模型如下式所示。

式中：αishift为第i种可平移负荷调度总费用；αprice,iDshift为第i种可平移负荷参与调度的补偿价格；αprice,tZ为t时刻电价；φiDshift为第i种可平移负荷在t时段参与调度的功率；φiZshift为用户自主参与响应负荷t时段平移负荷功率；λiZ为用户电价响应参与度；kD为参与电网调控负荷数量；kZ为参与电价激励负荷数量。

2）可转移负荷。可转移负荷能够在其允许的时间范围内，将部分负荷分配到其他时间段上，实现其在可分配时段内的灵活分配。对应于工业冷库制冷、民用空调、充电等可灵活调整的负荷，其响应特性经济模型如下式所示。

式中：αitrans为第i种可转移负荷调度总费用；αprice,iDtrans为第i种可转移负荷参与调度的补偿价格；φi,tDtrans、φi,tDtrans*为该类负荷参与电网调控前、后负荷功率；φi,tZtrans、φi,tZtrans*为该类负荷自主参与响应前、后的负荷功率。

3）可削减负荷。可削减负荷能够根据电网调控或用户主动参与对部分负荷进行一定量的削减。削减的负荷可在用电高峰期起到削峰作用，对应于工业负荷中的甩负荷、民用负荷中一些照明、加热等负荷，其响应特性经济模型如下式所示。

式中：αire为第i种可削减负荷调度总费用；αprice,iDre为第i种可削减负荷参与调度的补偿价格；φi,tDre为电网调控下的削减负荷功率；φi,tZre为用户自主参与响应的削减负荷功率。

通过上述经济模型能够描述3种可控负荷用户在调控和电价引导政策下参与电网运行的成本费用，响应参与度函数则能够体现用户在电价引导政策下的主动参与积极性，直接影响需求侧用户参与电网调度的成本费用。

2 分层式优化模型

考虑需求侧可控负荷参与电网调度，构建双层优化模型，具体包含规划层和运行层。其中，规划层内容包括参与电网调控的DR容量及DER的安装位置；运行层为优化2种协作方式下参与运行DR的调度方案。

2.1 规划层目标函数

考虑风、光DER侧出力与负荷侧DR，采用源–荷协调控制策略，在电源侧通过接入网损评价DER并网位置的配置效果，在负荷侧通过响应负荷的改造成本评价DR容量配置效果，从而确定合理的源–荷配比。

1）电网调控DR改造成本。根据参考文献[15]，将投资成本中的DR容量改造成本折算为等年值

式中：r为利率；li为第i种设备的寿命；ci为第i种DR单位容量改造为受电网调控负荷的成本；xiDR为第i种DR改造的容量。

2）网损灵敏度。负荷节点的有功网损灵敏度表示该节点引起有功损耗的大小，若该节点接有负荷，则该节点对网络损耗影响较大；反之，若该节点属于联络节点，无负荷功率流出，则该节点有功网损灵敏度为0。通过对各节点有功网损灵敏度的计算，可以有效反映出节点功率波动时对整个网络潮流及损耗的影响情况。灵敏度指标如下式所示。

式中：Pi、Qi为i节点的负荷有功、无功功率；∑Rsi、∑Xsi为根节点s至节点i的等值电阻和电抗；M为受控资源安装数量。由式（5）可知，Fi的值越大，表明该节点引起的有功损耗越大。DER在安装改造过程中等效为负的负荷，能够降低节点负荷值，从而起到改善网损的作用。

2.2 运行层目标函数

采用可控负荷响应策略，调节负荷的平移、转移及削减，在需求侧通过调度运行成本、可再生能源使用率、电压稳定性指标及峰谷差值综合评价DR时序调控效果。

1）经济运行成本。

式中：αtgrid为购电总成本。

2）可再生能源使用率。

式中：φtX为t时段消纳的DER出力；φtS为t时段DER实际出力。

3）电压稳定性指标。

式中：Ui,t为节点i在t时刻的电压值；Ui,N为节点i额定电压；N为配电网总节点个数。

4）削峰填谷效果。

式中：Δφ1为削峰效果；Δφ2为填谷效果；Δφ3为削峰填谷效果；φmax、φmin为优化运行前综合负荷在一天内的最大、最小值；φmax*、φmin*为优化运行后综合负荷在一天内的最大、最小值。文中选用Δφ3作为削峰填谷评价指标。

2.3 约束条件

该规划–运行模型中主要考虑DER位置容量及DR容量约束，并在潮流计算时考虑系统功率、电压平衡约束。

1）系统功率平衡约束。

式中：φi,tDER为第i个DER在t时刻的出力。

2）节点电压约束。

式中：Ui,max、Ui,min为i节点电压的上限、下限。

3）选址、容量约束。

式中：xi,maxDER、xi,minDER为第i种DER的容量xiDER的上下限；xi,maxDR、xi,minDR为第i种DR的改造容量xiDR的上下限；Ωi为第i种DER可选安装位置Li的集合。

3 模型求解

分层式模型中的规划层主要解决参与电网调控的源–荷侧的选址定容问题，运行层重点考虑电网调控与电价引导下的DR调度问题。运行层在规划层基础上需获取各类DR在不同响应容量、不同参与度时的运行情况，且随着DER接入数量的增加、调度时段的精细化以及综合效益模型涵盖指标的多样化，整个求解过程难度也会显著增大。为提高求解效率并保持解集的多样性，采用分层优化的架构形式求解优化问题。

3.1 多目标SA-PSO混合算法

模拟退火算法（simulated annealing，SA）[16]是一种在一定概率控制下暂时接受一些劣质解的改进标准粒子群算法（ particle swarm optimization，PSO），可避免搜索陷入局部极值。文中采用多目标SA -PSO混合算法对分层模型求解。

应用Metropolis准则，根据粒子在温度tls时的新旧位置值Eq和Ep，计算其适应度大小，若Ep＞Eq，则以位置值Eq为当前位置；否则以一定的概率e进入新位置。

式中：kb为玻尔兹曼常数。

在粒子位置更新过程中，粒子除依据新旧位置进行更新外，对于差的新位置，仍能在温度控制下以某一概率进行更新。这样粒子能够以某种概率“试探”后再移动，增强局部搜索能力，粒子随温度降低逐渐形成低能量基态，收敛于全局最优解。

3.2 分层式优化求解流程

分层式优化求解流程如图1所示。

图1 分层式优化求解流程Fig.1 Solving flow of hierarchical optimization

在规划层中，依据各类DER典型日出力情况，结合所需电网调控DR容量，得到DER与电网调控DR的选址定容方案。在运行层中，将规划层规划方案结果里的DR及DER安装位置、容量作为运行层优化的输入。考虑电价激励下不同用户参与度，建立优化模型，利用多目标SA-PSO混合算法进行优化求解，得到各类DR优化运行方案。最终通过2层优化结果的迭代得到优化配置结果。

4 算例分析

4.1 基本参数设置

文中以东北某实际35 kV 72节点配电系统为例，接线如附图A1所示。该系统总有功负荷为33 MW，其中工业负荷占比约为61%，民用负荷占比约为28%，可再生能源容量配比上限为20%。

该地区风、光电源典型时序出力模型如附图A2所示。

利用SA-PSO算法对分层优化模型求解，具体参数设置见表1。

表1 SA-PSO算法参数设置Table 1 Parameter setting of SA-PSO algorithm

电网分时电价曲线如图2所示[17]。

图2 电网分时电价曲线Fig.2 Time-of-useelectricity price curve

研究表明[18]，工业负荷作为电网调控下的需求响应因素，其可控容量的比例约为5%～10%，民用负荷在电价激励条件下参与电网调节的响应容量比例约为10%～15%；商业负荷受自身运营机制所限，能够参与需求响应的可控比例较小，故忽略不计。

4.2 仿真分析

规划层考虑DER接入计算各节点网损灵敏度从而确定风、光电源并网初始安装位置。

由图3可知，风、光分别在31、52节点接入时对网损改善效果最为明显，网损波动影响较小。结合网损及可再生能源容量配比确定风电装机容量为4 MW，光伏装机容量为2.2 MW。

图3 节点网损灵敏度Fig.3 Sensitivity of nodal network loss

与民用负荷相比，工业负荷可控规模更大、规律性更强[18]，设定工业负荷受控部分改造上限为负荷量的10%，作为受控资源参与电网调控。工业负荷改造成本为2.6万元/MW，年利率0.08，规划总时段为5年[19]。根据式（4），折算到等年值达到4.16万元/年。

在规划层所获方案基础上，综合考虑调度周期运行成本、可再生能源使用率和电压稳定性指标，在电网调控负荷受控参与、电价激励负荷主动参与2种情况下求解运行方案。

选择系统中工业负荷较大的节点作为接受电网调控的负荷节点，其编号分别为11、47、68；参与电价激励响应的民用负荷节点编号分别为15、46、61。不同负荷参与度的运行方案Pareto解集如图4所示，其中每个非劣解都对应一组运行策略。

图4 多目标优化Pareto解集Fig.4 Multi-objective optimization Pareto solution set

不同场景下的典型运行方案优化结果见表2。

表2中电网调控、电价激励2类DR按不同参与度划分2个场景方案，各方案间差别主要体现在经济运行成本、可再生能源使用率方面。同一场景下，随着电价激励DR参与度上升，运行成本有所下降，可再生能源利用率升高，负荷波动峰谷差降低。不难看出，此类负荷中民用负荷比重较大，用户在电价引导下提升参与度能够有效改善电网运行指标。另一方面，随着电网调控DR参与度的提高，电网运行成本增加，可再生能源使用率提高，负荷峰谷差随之降低。表明受控负荷在系统宏观调控下产生了一定的负荷转移成本，由于此类负荷一般为大型工业单位，其集中可控性较高且容量较大，在风光消纳和削峰填谷方面具有更为显著的优势。

表2 不同场景下的运行方案优化结果Table 2 Optimization results of operating schemes under different scenarios

分析发现，通过提高DR参与度能够在用户侧更好地改善用电情况，从而降低系统成本、减少弃风弃光量。从未来电网节能减排角度考虑，选取场景2的方案3进一步分析24h内可控负荷与风、光出力波动时序特性。

图5（a）中，优化前典型日负荷曲线存在2个波峰时段，峰谷差为24.2 MW。综合能源最小出力为传统火电机组最低出力与风、光出力之和。不难看出，在23:00—7:00时段综合能源最小出力高于负荷需求，进而导致弃风弃光。图5（b）中，3类可控负荷在响应区间内分别做出相应调整，使得负荷峰谷差降至19.4 MW，同时可再生能源的弃风弃光量明显降低，风、光使用率由82.1%提升至92.0%。

图5 优化运行前后24 h源-荷功率波动Fig.5 The source-load power fluctuation beforein the24 hoursbefore and after theoptimization operation

经过优化，各类DR在2种参与模式下的负荷波动时序曲线更加贴合可再生能源出力情况，在运行过程中能够根据电网削峰填谷的需要，进行灵活地转移与削减，提高了可再生能源的使用率。在此过程中，由于各类DR的负荷特性，可削减负荷只在固定时刻削减自身出力参与电网运行；相对而言，可转移与可平移负荷则能在相应时段内灵活调节出力分布，故在风光消纳和削峰填谷方面具有更大优势。

4.3 可控负荷构成对电网运行的影响评估

进一步分析不同DR构成的优化运行结果，根据电网调控负荷所占比例将容量配比分为3种主要场景。在各场景中，依据电网调控负荷构成比例，评估不同类型DR参与对电网运行指标的影响。考虑到多目标优化解集多样性对决策所产生的影响，选取可再生能源使用率为各方案的主要评估指标，结果如附表A1所示。

在同一场景中，负荷构成分为3种情况。场景2中，在可削减负荷占比不变情况下，为可平移、可转移负荷分配相同的响应容量时，运行成本基本一致，但相较可转移负荷，可平移负荷在其余指标上有更好的表现。原因在于2种负荷在运行区间内负荷分配形式不同，可平移负荷在整个用电区间上的调控方式为整段转移，转移的负荷量更为集中。随着分配给可平移负荷的参与比重增加，电网运行成本增加，可再生能源使用率逐渐提高，发挥更好的削峰填谷效果。

在场景3中，保持可平移负荷所占比例一定，比较可转移负荷与可削减负荷的表现。可以看出，在相近的运行成本下，可转移负荷更利于消纳风、光，促进削峰填谷。分析可知，运行形式相近的可平移负荷、可转移负荷在提高可再生能源利用率上较可削减负荷效果更为明显，随着源–荷波动，发挥灵活的削峰填谷作用。而相比之下，可削减负荷的作用主要体现在削减用电负荷峰值上。

在场景1中，当电网调控负荷比例保持不变，随着用户参与度的增加，各运行指标均有明显改善。表明用户通过自主参与电网调节，随电价调整自身负荷分配，可在更少的经济成本下，有效地调动用户侧更多的资源，提高可再生能源使用率，并对削峰填谷起到积极作用。通过增加电网调控、用户电价激励2类DR的参与容量，均能在优化指标上获得更大的优势。