含分布式新能源的城市配电网供电模式柔性切换方法研究

朱涛波，岳涛

（国网邵阳供电公司，湖南 邵阳 422000）

0 引言

随着清洁能源的发展和城市用电需求的增加，分布式新能源逐渐在城市配电网中得到广泛应用。然而，在使用分布式新能源的城市配电网中，由于其不稳定性和间歇性特点，供电模式的切换变得尤为重要。有效的供电模式切换方法可以提高供电网络的可靠性和稳定性，并最大限度地利用可再生能源。

1 含分布式新能源的城市配电网特点

分布式新能源的接入具有分散性。与传统集中式能源发电方式相比，分布式新能源将发电设备分布在城市不同区域，例如屋顶太阳能光伏板、风力发电机等。以其中光伏板发电为例，接入电网结构如图1 所示。这种分散性带来了能源供应更加灵活和多样化的优势，使得城市配电网的供电模式更为复杂[1]。

图1 光伏发电接入电网结构

分布式新能源的特点是不稳定性和间歇性。太阳能和风能等可再生能源受气候条件和环境影响较大，因此其发电量存在波动性和不确定性。这就要求城市配电网必须具备对新能源产生的不稳定性进行有效调节和管理的能力，以保证供电的稳定性和可靠性。分布式新能源的接入增加了电力系统的复杂性。传统的城市配电网主要依赖于中央发电站进行能源供应，而分布式新能源的接入使得能源供应节点数量大幅增加。这导致城市配电网需要适应更多的能源入口和出口，同时考虑到各供电节点之间的协调和平衡，以避免电力系统运行问题和安全风险。分布式新能源的接入还带来了能源供需匹配的挑战。由于可再生能源的发电量与负荷需求之间存在一定的差异，配电网必须实现对能源供需的精确测算和动态调整。这需要引入智能监测与控制技术，以实时监测负荷情况和新能源供应，从而进行合理的能源分配和优化调度[2]。

2 基于智能控制的含分布式新能源的供电模式柔性切换措施

2.1 建立实时监测系统

根据需求，确定需要监测的关键指标，例如分布式新能源的发电量、负荷需求、能源储存情况等。然后，设计合适的传感器布局，将传感器安装在关键位置，以便获取准确的数据，具体如下：①太阳能辐射传感器。用于监测光伏发电板上的太阳能辐射情况。常见的种类包括辐射计和直射辐射计。设置时，需要将传感器安装在合适的位置，使其能够准确地接收太阳辐射。②风速传感器。用于监测风力发电机的风速情况。常见的种类包括杯式风速计和超声波风速计。设置时，需要将传感器安装在风力发电机的旋转部分，以便测量风速。③电流传感器。用于监测电力变压器等设备中的电流情况。常见的种类包括霍尔效应电流传感器和罗格斯基线圈。设置时，传感器需要正确连接到电路中，以测量实际的电流值。④温度传感器。用于监测各个供电节点的温度情况。常见的种类包括热电偶和电阻温度探测器。设置时，传感器需要安装在需要监测温度的位置，并与相应的测温设备连接。⑤湿度传感器：用于监测环境中的湿度情况。常见的种类包括电容式湿度传感器和电阻式湿度传感器。设置时，传感器需要安装在适当位置，以获取准确的湿度值。在选择具体种类时，可以根据需求考虑以下因素：测量范围、精度、响应时间、工作温度范围、通信接口等。此外，还要确保所选传感器的可靠性和稳定性，以适应实际环境中的各种条件。将传感器集成为运动装置，并采用集中控制器控制，通过UI界面（用户界面）呈现到调度中心。监测系统整体结构如图2 所示。

图2 监测系统整体结构

数据呈现到调度中心前，应选择合适的数据采集和通信技术。为了实时获取监测数据，可采用各种数据采集技术，如模拟信号采集或数字信号采集。此外，需要选择合适的通信技术，将监测数据传输到处理中心或控制中心。常用的通信技术包括有线通信（如以太网）和无线通信（如WiˉFi、蜂窝网络等），根据具体情况选择最适合的通信方式。监测系统需要有一个可靠的数据存储和处理系统，用于接收、存储和处理监测数据。可以采用数据库技术，将监测数据存储在数据库中，并建立相应的数据结构和索引，以便快速检索和查询数据。同时，需要建立数据处理算法，对监测数据进行实时分析和预处理，提取有用信息并去除噪声和异常值。建立监测系统的可视化界面，调度中心用户界面示例如图3 所示。为了方便用户查看和分析监测数据，可以设计一个直观、易用的可视化界面。该界面可以通过图表、曲线和地图等形式展示监测数据，提供实时监测和历史数据查询功能。同时，还可以设置报警机制，当监测数据超过事先设定的阈值时，及时发出警报，以便采取相应的措施[3]。

图3 调度中心用户界面示例

2.2 数据分析与预处理

在数据收集后，需要对数据进行质量检查，包括检测异常值、缺失值和噪声等。异常值可能是由传感器故障或不良环境因素引起的，需要进行识别和处理。缺失值可能是由传感器故障或通信问题导致的，可以通过插值或其他方法进行填补。噪声可以通过滤波技术去除，以保证数据的准确性。进行数据清洗和归一化。数据清洗是指对无效、冗余或错误的数据进行删除或修复，确保数据的一致性和完整性。数据归一化是指将不同范围或单位的数据转化为统一的标准范围，以消除数据之间的尺度差异，方便后续的数据分析和建模。进行特征提取和选择。特征提取是从原始数据中提取有用的特征或指标，以反映系统的状态和特性。例如，可以通过计算平均值、方差、频率分量等来提取特征。特征选择是在所有可用特征中选择最具代表性和相关性的特征，以减少数据维度并提高模型的性能。基于清洗、归一化和特征选择后的数据，可以应用机器学习、统计分析等方法进行数据建模和分析。例如，可以采用回归分析、时间序列分析、聚类分析等技术，从历史数据中挖掘出供电模式柔性切换的规律和趋势，为决策提供依据[4]。

2.3 切换策略制定

需要根据供电系统的实际情况和需求确定切换策略的目标。这包括确定切换的条件、优先级和目标，例如优先使用可再生能源或优化电网稳定性等。需要对供电系统的状态进行实时监测和评估。通过采集、处理和分析各种传感器获取的数据，可以获取关于太阳能辐射、风速、电流、温度、湿度等参数的信息，以及现有电网负载和供电节点的状态等信息。基于监测数据和评估结果，可以利用智能算法和控制方法来制定切换策略。例如，可以使用模糊逻辑、神经网络、遗传算法等技术来建立预测模型和优化算法，以实现对供电模式的柔性切换。在制定切换策略时，还需要考虑供电系统的稳定性和可靠性。可以设置合理的阈值和容错机制，以确保切换过程中不会对供电系统造成过大的波动或故障。此外，还应该考虑与其他系统的协同和通信。例如，与电网运营商进行实时交互，获取电网负载预测和市场电价等信息，以优化切换策略。最后，为了验证和优化制定的切换策略，可以进行模拟仿真和实地试验。通过模拟不同条件下的供电情况，并评估切换策略的性能和效果，可以对策略进行优化和调整[5]。

基于智能控制的含分布式新能源的供电模式柔性切换策略的制定涉及目标确定、数据监测与评估、智能算法与控制方法、稳定性与可靠性考虑、协同与通信以及验证与优化等关键步骤。这些步骤的有效执行将为供电系统的柔性切换提供支持和保障。

2.4 动态切换控制

将实时监测数据和系统状态信息作为智能算法的输入，经过算法处理和模型训练，得到切换控制的输出结果，即切换决策。输出结果可以是一个离散的切换动作，如切换到传统电网或分布式新能源，也可以是一个连续的控制参数，如功率分配比例。进行智能算法的训练和优化。根据历史数据和实际运行情况，通过训练智能算法模型，使其具备对不同监测数据和系统状态的判断和决策能力。训练过程中，可以使用优化算法进行参数调整和模型优化，以提高算法的性能和准确性。最后，实施动态切换控制。将经过训练和优化的智能算法应用于实际系统中，根据实时监测数据和系统状态信息，利用智能算法生成切换决策。根据切换决策，执行相应的切换操作，将电力供应模式从传统电网切换到分布式新能源或反之。

2.5 验证与调整

进行实际系统测试。在设计和实施切换措施后，需要将其应用到实际的供电系统中进行测试。这可以通过搭建小型规模的系统实验室或在现有的实际系统中设立试点来完成。实际测试将评估控制策略的有效性和稳定性，以及切换过程中的性能表现。进行数据分析和评估。通过收集实际测试中得到的监测数据，可以对切换控制策略进行全面的数据分析和评估。这包括比较实际数据与预期结果的一致性，评估切换响应时间、能源利用效率等指标，并检查是否存在异常情况或性能瓶颈。根据数据分析的结果进行调整。如果在验证过程中发现切换控制策略存在问题或需要改进，可以根据数据分析的结果进行相应的调整。这可能涉及参数调整、逻辑修改或算法优化等。调整后，需要再次进行测试和评估，以确保改进后的控制策略达到预期效果。进行长期实时监测和维护。一旦切换控制策略经过验证和调整，并成功应用于实际系统中，需要建立长期的实时监测和维护机制。这包括定期对系统性能进行评估，及时检测并解决潜在问题，并根据实际运行情况，对控制策略进行适时的优化和改进。

3 结语

综上所述，通过深入分析分布式新能源的特点和城市配电网的需求，提出了一种有效的供电模式切换方法。该方法结合了实时监测数据和智能控制技术，能够根据可再生能源的可用性和负荷需求进行动态调整。通过灵活切换供电模式，可以在保证供电可靠性的同时最大程度地利用分布式新能源，降低对传统能源的依赖，实现城市配电网的可持续发展。未来的研究方向可以包括进一步优化切换策略，提高切换的响应速度和准确性，以适应不同条件下的供电需求。此外，还可以探索与能源储存技术的结合，提高分布式新能源的利用率和供电质量。通过持续的研究和创新，有信心在含分布式新能源的城市配电网中实现更加灵活和可靠的供电模式切换，在此基础上推动城市能源的可持续发展。