新能源接入下配电网供给侧多时间尺度调度

摘 要：常规的配电网供给侧多时间尺度调度方法主要使用SADMM（Synchronous Alternating Direction Multiplier Method，SADMM）同步交替方向乘子法划分调度指标，易受日前电压修正作用影响，导致调度性能低下，因此，在新能源接入下，需要研究一种全新的配电网供给侧多时间尺度调度方法，即构建了计及柔性负荷配电网供给侧多尺度调度模型，设计了配电网供给侧多时间尺度双层优化调度框架，从而完成了配电网供给侧多时间尺度调度。试验结果表明，本文设计的配电网供给侧多时间尺度调度方法的调度性能良好，能有效降低调度惩罚成本，具有一定的经济价值，为推动配电网调度可持续发展做出了一定贡献。

关键词：新能源接入；配电网；供给侧；多时间尺度；调度

中图分类号：TM 911" " " 文献标志码：A

新能源接入后，配电网供给侧的电源辐射发生了一定改变，供配电网损持续升高，严重影响了配电网的供配电质量[1]。配电网调度主要包括负荷预测、电源调度和跨区调度等环节，可合理分配未来约24h的电力需求，提高调度的精细性[2]。研究表明，进行多时间尺度调度时需要综合考虑电网调度成本和新能源利用率等问题[3]，但目前大多数常规调度方法存在成本与效益矛盾，不符合目前的配电网调度经济性要求。为了解决上述问题[4]，需要研究一种有效的配电网供给侧多时间尺度调度方法。

事实上，配电网供给侧多时间尺度调度存在3个关键步骤。其一，根据配电网的特点和需求，建立多时间尺度的模型，包括长时间尺度的优化模型和短时间尺度的实时调度模型[5]。其二，对新能源的出力进行预测。其三，根据预测的新能源出力和负荷制定优化调度策略。其四，通过自动化技术，实现配电网供给侧多时间尺度调度的自动化运行[6]。结合上述配电网调度重点，本文考虑新能源接入，设计了一种全新的配电网供给侧多时间尺度调度方法。

1 新能源接入下配电网供给侧多时间尺度调度方法设计

1.1 计及柔性负荷构建配电网供给侧多尺度调度模型

在电力系统运行中，柔性负荷是一种具有高度灵活性的负荷，能够快速响应电网的调度指令，实现“源”“荷”间的有效互动，从而为多尺度调度提供更大的便利性和效益。因此，构建一个计及柔性负荷的配电网供给侧多尺度调度模型，对提高电力系统的运行效率和稳定性具有重要意义。要构建这样一个模型，需要对柔性负荷的特性进行深入理解。柔性负荷具有高度的灵活性和可调节性，可以根据电网的运行情况和调度指令进行快速响应和调整。这种特性使柔性负荷能够在多尺度调度中发挥重要作用，从而提高调度效益。构建多尺度调度模型时，需要考虑多个因素，包括购电成本、分布式调度成本和特殊惩罚成本等。这些成本在柔性负荷的调度过程中具有重要作用，直接影响多尺度调度的经济性和效益。在某些情况下，柔性负荷的调度可能会违反电网的运行规则或安全限制，此时就需要对特殊惩罚成本进行计算和控制。通过合理地控制特殊惩罚成本，可以提高多尺度调度的效益和稳定性。柔性负荷惩罚成本minC的计算过程如公式（1）所示。

minC=Cpcc+CFL+CMR+CDERG （1）

式中：Cpcc代表购电成本；CFL代表柔性负荷调度成本；CMR代表分布式调度成本；CDERG代表特殊惩罚成本[7]。

其中，分布式调度是指通过协调配电网中的分布式电源和柔性负荷实现电网的高效运行。在多尺度调度中，需要对分布式调度成本进行合理的计算和控制，以确保调度的经济性和稳定性。

当配电网的发电量无法满足需求时，需要从上级电网购入电力。此时，购电成本就成为需要考虑的重要因素。为了更好地进行多尺度调度，需要对购电成本进行准确计算和预测。购电成本CP如公式（2）所示。

CP=∑λPPP-∆TPP （2）

式中：λP代表购电单价；PP代表功率交换值；∆T代表调度时间间隔。

在新能源接入下，配电网供给侧的单元运行成本由电网公司承担[8]，储能装置在新能源接入的配电网中具有重要作用，可有效解决新能源出力的波动性和不确定性问题。因此在多尺度调度中需要考虑储能装置的投资和运行成本，以确保调度的经济性和稳定性。可以根据不同供电电源的储能关系计算储能装置成本CDG-DAY，如公式（3）所示。

（3）

式中：fsum代表初始供电投资费用；r代表期望年限；ry代表年利率。

由此得到的广义电网调度成本CESS如公式（4）所示。

CESS=∑∑（PESS×|PESS（T））×∆T （4）

式中：PESS代表储能单价；PESS（T）代表储能装置的供能功率。

根据上述广义调度成本可以调整中断负荷[9]，进行多尺度调度补偿，得到的多尺度调度模型DDERG如公式（5）所示。

DDERG=∑∑χDERG（CESS×PDERG） （5）

式中：χDERG代表新能源出力值；PDERG代表新能源电源数量。

基于以上考虑因素，构建一个计及柔性负荷的配电网供给侧多尺度调度模型。该模型综合考虑了购电成本、分布式调度成本、特殊惩罚成本、新能源出力和储能装置成本等多个因素，以实现经济、高效且稳定的配电网运行和调度。采用该模型可以更好地协调配电网中的各种资源和负荷，提高电力系统的运行效率和稳定性，有效削减商业补偿成本，最大程度上提高配电网供给侧的经济收益。

1.2 设计配电网供给侧多时间尺度双层优化调度框架

新能源接入配电网后，原本的配电网复杂度增加，产生了全新的独立依赖关系，为了实现调度协同并降低配电网调度经济运行成本，本文根据配电网的消纳关系设计了配电网供给侧多时间尺度双层优化调度框架。该框架旨在实现配电网的调度协同，降低运行成本，提高经济效益。如图1所示。

由图1可知，在这个框架中，分布式自适应网络（Autonomous

Decentralized Network，ADN）调度中心具有核心作用，负责整体调度和协调。配电系统是框架的基础，包括原有的配电设备和新能源设备，是一个复杂的网络结构。同时，为了增强系统的灵活性和可靠性，引入微网群，以形成更灵活的调度方式。在供电方面，可控电源、储能系统与传统电源共同构成了多样化的供给侧资源。这些资源可以根据需求进行调度和控制，从而保障整个系统安全稳定运行。在需求方面，配电网会面临来自不同地区和用户的多样化负荷需求。为了更好地进行匹配，引入基于功率线通信的能量互换技术（Power Line Communication-based Cooperative Inverter Energy Exchange Technology，PCCI），通过不同区域间的能量交换优化能源利用，降低供电成本。最重要的是，可再生能源的接入使系统具备了更好的环保性能和能源可持续性。在这个框架中，合理地整合了可再生能源负荷，更有效地利用了清洁能源。该配电网供给侧多时间尺度双层优化调度框架提供了一个全面的解决方案，通过充分考虑各种资源的特性和相互关系，实现了配电网的智能化调度和高效运行。

上述配电网供给侧多时间尺度双层优化调度框架主要将最低网损作为调度目标，利用功率控制中心（Power Control Center，PCC）获取调度决策变量，由此生成调度决策式minfloss，如公式（6）所示。

minfloss=∑∑PLOSS （6）

式中：PLOSS代表调度网损。

根据上述调度框架可以判断不同时刻的出力约束关系，调整多时间尺度调度阈值。配电网供给侧的时间调度周期不断发生变化，本文设计的优化调度框架将4个调度周期合成1个调度周期，生成并网模式下的调度目标函数，从而获取有效的平衡功率约束值，此时得到的调度负荷关系如公式（7）所示。

PCCmin≤PCCi（t）≤PCCmax （7）

式中：PCCmin代表联络线功率最小值；PCCi（t）代表t时刻的联络线功率；PCCmax代表联络线功率最大值。

使用上述多时间尺度调度框架可以快速调整调度限制值，从根本上降低调度惩罚成本，提高电网调度的综合性能。

2 试验

为了验证设计的新能源接入下配电网供给侧多时间尺度调度方法的调度效果，本文配置了符合试验要求的试验环境，将其与文献[5]、文献[6]2种常规配电网供给侧多时间尺度调度方法进行了对比试验，具体如下。

2.1 试验准备

结合配电网供给侧多时间尺度调度试验要求，本文将IEEE33节点作为试验模板，采集某区域24h的负荷数据进行仿真分析，再根据多时间尺度调度试验规划确定调度区域，构建的试验算例仿真分析模型如图2所示。

由图2可知，上述试验节点算例仿真模型符合风光消纳与出力的关系，能根据柔性负荷变化状态进行调度跟踪。在风电和光伏发电模型中，风电容量为100kW，光伏容量为80kW；无功补偿装置容量为0.65mVar，有功装置容量为0.2mW；调度时间尺度为1h，调度范围为33个节点；节点电压上、下限为0.95p.u.～1.05p.u.；线路容量限制在200kVA；功率因素为0.9～1。

2.2 试验结果与讨论

根据上述试验准备，可以进行配电网供给侧多时间尺度调度试验，即预设了试验调度集群，将2023.1.5—2023.1.12作为调度时间，此时，分别使用本文设计的新能源接入下配电网供给侧多时间尺度调度方法（方法一）、文献[5]的基于VMD-MPC法的配电网供给侧多时间尺度调度方法（方法二）以及文献[6]的考虑光储热关系的配电网供给侧多时间尺度调度方法（方法三）进行配电网调度，使用femind智能调度软件记录3种方法在不同日期下的调度性能指标（调度负荷值、调度电压偏差率、调度响应精度和调度惩罚成本，得到的调度试验结果见表1。

由表1可知，在不同调度时间下，本文设计方法的调度负荷、调度电压偏差率和调度惩罚成本较低，调度响应精度较高；文献[5]、文献[6]方法的调度负荷、调度电压偏差率和调度惩罚成本相对较高，调度响应精度偏低。上述试验结果表明，本文设计的配电网供给侧多时间尺度调度方法的调度效果较好，具有可靠性和一定的应用价值。

3 结语

综上所述，随着全球能源结构转变，新能源在能源供应中的比例逐渐增加。很多新能源具有间歇性和不稳定性，无法保证原本的供配电质量。多时间尺度调度可以对新能源的出力进行预测和控制，从而降低新能源出力波动对电力系统的影响，提高电力系统的安全性和稳定性。因此，本文考虑新能源接入，设计了一种全新的配电网供给侧多时间尺度调度方法。试验结果表明，本文设计方法的调度效果较好，调度成本较低，具有可靠性和一定的应用价值，为提高电力系统经济性、促进新能源的发展和利用做出了一定贡献。

参考文献

[1].戴文俊，胡艳丽.基于自适应变惯性权重精英变异粒子群算法的微电网优化调度研究[J].长春工业大学学报，2023，44（4）：328-334.

[2].吴洋，苏承国，郭航天，等.市场环境下基于IGDT的水电富集电网中长期优化调度[J].水利水电技术（中英文），2023，54（7）：64-76.

[3].林振福，杨铎烔.基于确定性策略梯度深度强化学习和模仿学习的多源微电网经济优化调度策略[J].电工技术，2023（8）：76-82.

[4].谭志广，杨栩，黄洪达，等.基于深度神经网络的分布式智能微电网群间能量优化调度仿真模型[J].电工技术，2023（6）：104-106，110.

[5].赵凤展，张启承，张宇，等.基于VMD-MPC法的并网型微电网多时间尺度能量协调优化调度[J].农业工程学报，2021，37（7）：190-198.

[6].唐杰，吕林，许立雄，等.多时间尺度下计及光热—储热的主动配电网主辅联合优化调度[J].水电能源科学，2021，39（3）：190-194，189.

[7].王凌云，王易雯，张涛，等.基于信息间隙决策理论和电动汽车有序充放电的微电网优化调度[J].科学技术与工程，2023，23（8）：3306-3315.

[8].崔杨，李翼成，付小标，等.基于换电服务定价策略及动态调控方法的含充换电站微电网系统双层优化调度[J].电网技术，2023，47（5）：1998-2011.

[9].徐忠文，韦洪波，齐鹏辉，等.一种智能电网新型协同调度控制策略模型[J].武汉理工大学学报（信息与管理工程版），2023，45（1）：67-72，88.