基于网络切片的虚拟电厂通信资源调度方法

肖飞, 陆正嘉, 吴佳伟

(1.国网上海市电力公司,上海 200122; 2.国网上海市电力公司信息通信公司,上海 200072)

0 引言

在分布式能源大规模接入配电网后,通过虚拟电厂实现了各类发电、储能资源的整合和源网荷储互动[1],但虚拟电厂应用增多造成了电力通信资源的不足[2-3],因此,亟须通过虚拟电厂通信资源调度,解决虚拟电厂通信资源匮乏的问题。

国内外许多学者对虚拟电厂通信资源调度做了大量研究。文献[4]提出了一种基于强化学习的电力无线通信资源调度方法,通过节点密度矩阵和神经网络进行通信资源调度分配。文献[5]提出了一种基于AVG的虚拟电厂通信资源调度方法,通过配置通信资源的权重对通信资源进行优先级调度。文献[6]提出了一种基于遗传算法的电力线通信资源调度方法,配置通信速率和约束条件后,通过交叉概率和变异概率调整调度策略,实现电力线通信资源的最优调度。文献[7]提出了一种基于异构网络的通信资源调度方法,通过公平比例算法中配置异构网络数量,从而提高通信资源的利用率。文献[8]提出了一种基于四维网络的新能源虚拟电厂调度资源,采用正交频分复用的方式进行通信资源的动态调度。由此可见,虚拟电厂通信资源调度方法多样,且取得了一定的成绩,但是分布式能源大规模接入后,上述研究方法中仍存在通信资源分配不足的问题。

为了解决分布式能源数量多、分布散造成的虚拟电厂通信资源分配困难的问题,本文提出一种基于网络切片的虚拟电厂通信资源调度方法。通过建立分布式资源的聚合模型,实现虚拟电厂的资源优化管理,再按聚合体属性进行网络切片划分,实现运营成本最低的虚拟电厂通信资源调度。

1 虚拟电厂通信资源调度框架

基于网络切片的虚拟电厂通信资源调度方法框架主要包括虚拟电厂资源聚合、通信切片网络划分、虚拟电厂价值分析、虚拟电厂通信资源调度等4部分,架构如图1所示。

在虚拟电厂资源聚合环节,首先进行分布式光伏、风电等发电资源的聚合,然后进行分布式储能资源的聚合,最后进行空调、电梯等分布式负荷资源的聚合。在通信切片网络划分环节,按照分布式能源聚合体的属性,进行通信网络切片划分。在虚拟电厂价值分析环节,首先进行分布式能源价值分析,然后进行网络安全校验分析,最后进行虚拟电厂运营成本分析。在虚拟电厂通信资源调度环节,以虚拟电厂运营成本最低和通信资源最优为目标进行虚拟电厂通信资源调度。

2 虚拟电厂通信资源调度模型

2.1 虚拟电厂资源聚合

虚拟电厂资源聚合主要实现分布式发电资源、储能资源和可控负荷资源的聚合[9]。

在分布式发电资源聚合方面,因为分布式光伏上网容量小、发电随机性强,所以采用发电资源聚合体将各类发电资源进行整合,形成整体的发电资源控制体[10]。在储能资源聚合方面,为解决储能质量数量多、位置分散、调度控制难的问题,将各类储能资源进行整合,形成整体的储能控制体。在可控负荷资源聚合方面,因单个负荷的容量比较小,且负荷资源数量比较多、用电的随机性比较强[11],所以采用可控负荷资源聚合体,将可调控的各类负荷资源进行整合,形成逻辑控制体,以便进行整体调控。

设分布式发电资源、储能资源和可控负荷资源的数量为na、nb、nc,资源分别用l、s、p表示,则资源聚合体Ka为

(1)

式中,i为不同的分布式发电资源,j为不同的储能资源,k为不同的可控负荷资源。

2.2 通信切片网络划分

虚拟电厂通信网络切片技术可以在同一个电力通信基础设施上为分布式光伏发电资源、储能资源和可控负荷资源进行网络划分[12],提供定制的、专用的虚拟通信网络。网络切片可以按照光伏发电资源、储能资源和可控负荷资源进行定制配合和实现灵活组网,优化数据流程及路由方式。同时,在网络切片周期完成后,可以释放资源给其他的虚拟电厂通信网络,提高虚拟电厂通信资源利用效率。在安全方面,实现了分布式光伏发电资源、储能资源和可控负荷资源的网络隔离,确保数据通信的安全可靠。

在通信切片网络划分环节,按照分布式能源聚合体的属性,进行通信网络切片划分。设虚拟电厂分布式发电资源、储能资源和可控负荷资源整系数分别为δ、φ、θ,资源聚合分别为Kb、Kc、Kd,切片资源划分为

(2)

进行改进调整后,网络切片资源划分为

(3)

2.3 虚拟电厂价值分析

虚拟电厂的分布式能源价值分析主要通过分布式能源的源网荷储互动分析,获得分布式能源的最优配置。设光伏发电资源、储能资源和可控负荷资源的价值成本分别为Ca、Cb、Cc,最优的虚拟电厂的分布式能源价值为

Fhe=min(Ca+Cb+Cc)

(4)

在分布式能源最优配置下,设光伏发电资源、储能资源和可控负荷资源网络安全切片校验的资源分别为Cd、Ce、Cf,网络安全校验成本为

Fhg=min(Cd+Ce+Cf)

(5)

最后进行虚拟电厂运营成本计算:

Fxl=hod(Fhe+Fhg)

(6)

2.4 虚拟电厂通信资源调度

本文以虚拟电厂运营成本最低为目标进行虚拟电厂通信资源调度架构,架构如图2所示。

图2 虚拟电厂通信资源调度控制图

由图2可见,虚拟电厂通信资源调度模型中,以虚拟电厂运营成本最低和通信资源最优为目标,对发电、储能和可控负荷的通信资源进行调控,控制主要包括网络切片的划分、切片的释放和切片的优化。

3 虚拟电厂通信资源调度仿真流程

本文基于网络切片的虚拟电厂通信资源调度方法仿真流程如图3所示。

图3 虚拟电厂通信资源调度方法仿真流程图

4 算例分析

为验证本文所提基于网络切片的虚拟电厂通信资源调度方法的有效性,在某区域的虚拟电厂中应用本文所提方法。允许的服务器操作系统为Windows Server,处理器为至强16核3.2 G,内存为64 GB。仿真软件采用MATLAB中的GARCH工具箱建立。

在仿真过程中,首先在MATLAB中搭建虚拟电厂资源聚合、通信切片网络划分、虚拟电厂价值分析和虚拟电厂通信资源调度模型,然后输入验证样本数据,其中分布式发电资源的光伏数量为1058个,储能资源为367个,可控负荷资源为2975个,对本文所提模型进行验证。

4.1 虚拟电厂通信资源利用效率

虚拟电厂在规划之初基于分布式能源接入的最大预估值建设通信资源;而分布式能源占用通信资源的时段、带宽不一致,导致虚拟电厂通信资源利用率不高,投资成本浪费。在虚拟电厂运行后,随着分布式能源接入数量的增加,造成部分虚拟电厂通信资源分配不足。因此,根据中国电力行业协会颁布的典型虚拟电厂评估标准中的虚拟电厂通信资源利用效率评估指标,可有效分析虚拟电厂通信资源的运营水平,为优化虚拟电厂通信资源提供支撑。

虚拟电厂通信资源利用效率的目的是验证虚拟电厂各类通信资源的利用水平[13-14],该指标的计算方式为通信资源占用率占总体通信资源的比例,取值范围为0～100%,数字越大则说明资源利用效率越好。

选择本文分布式光伏发电资源1000个,储能资源350个,可控负荷资源2900个,将本文方法与业界广泛使用的强化定向学习虚拟电厂通信资源调度方法进行对比,比较时段设置为1 h/次,共6次,比较结果如表1所示。

表1 虚拟电厂通信资源利用效率表

由表1可见,本文所提的基于网络切片的虚拟电厂通信资源调度方法在通信资源利用效率上高于强化定向学习方法。

4.2 虚拟电厂能源资源使用曲线

虚拟电厂能源资源使用曲线是指虚拟电厂内部的光伏发电功率、可调负荷功率、储能充电功率的变化情况。在虚拟电厂通信资源不足的情况下,会产生虚拟电厂的各类设备控制不及时,导致光伏、可调负荷、储能充电等设备运行效率不能达到最佳。若虚拟电厂通信资源调控合理,则虚拟电厂的各类设备控制及时,能使虚拟电厂的光伏、可调负荷、储能充电等设备达到最优运行效率。因此,参考中国电力行业协会颁布的典型虚拟电厂评估标准中的虚拟电厂通信资源监测指标,将虚拟电厂能源资源使用曲线作为虚拟电厂通信资源调度的评价指标。

虚拟电厂能源资源使用曲线的目的是评估通信资源调度后对虚拟电厂发电功率的影响,该曲线能充分消纳光伏发电、最佳使用储能和可调控负荷数据,实现源网荷储最优互动。

使用本文所提基于网络切片的虚拟电厂通信资源调度方法在某区域的虚拟电厂进行调度。虚拟电厂能源资源使用曲线如图3所示。

由图4可见,每天96点的曲线中:分布式光伏发电在早上7点至下午7点发电实现了最佳消纳;分布式储能在晚上23点至第二日早上7点的电价低谷时期进行了充电,在电价高峰期进行了放电。可调控负荷功率在负荷高峰期进行了调整限制,经过源网荷储互动后,实现了虚拟电厂分布式储能资源的最优利用。

图4 虚拟电厂能源资源使用曲线图

4.3 虚拟电厂运营成本降低

为验证本文所提基于网络切片的虚拟电厂通信资源调度方法的运营成本情况,将本文所提方法与业界广泛使用的强化定向学习虚拟电厂通信资源调度方法进行对比,对比的时间为5 d,对比结果如表2所示。

表2 虚拟电厂运营成本对比表

由表2可见,本文所提方法运营5 d的平均成本为83万元,较强化定向学习低了14.25%,因此本文所提方法在运营成本方面低于强化定向学习方法。

5 总结

为解决分布式能源数量多、分布散造成的虚拟电厂通信资源分配困难的问题,本文提出了一种基于网络切片的虚拟电厂通信资源调度方法。该方法在对布式发电资源、储能资源和可控负荷进行聚合的基础上形成资源整合的可控资源池。在此基础上,进行通信网络切片划分,并以虚拟电厂运营成本最低为目标,进行虚拟电厂通信资源调度。最后,本文所提方法在某虚拟电厂的应用结果验证了该方法的有效性。