微能源網能量平衡規劃的探索

張 捷

(上海凱暢新能源科技有限公司，上海 200125)

微電網(Micro Grid)[1-4]是當今電力工業中最具創新性的領域。未來的微電網可以作為能量平衡單元存在于現有配電網或小型社區的獨立電網中。

微能源網(Micro Energy Grid)是以保障熱功能量供應為前提的微電網系統。它同樣是基于可再生能源(Renewable Energy Source，簡稱RES) 的分布式電源(Distributed Generation，簡稱DG)[5-6]接入與儲能裝置和柔性負荷構成的低(中)壓配電平臺。系統通過智能儀表系統實現與終端用戶的互動，完成就地能源需求的管理。系統中包括有以熱電聯產( Combined Heat and Power, 簡稱CHP)為代表的分布式換熱能源供應，在保證用戶用熱需求的同時均衡微電網的潮流涌動。

本文討論的微能源網是指基于壟斷型的配電網運營商(distribution system operator, 簡稱DSO)和能源服務商(Energy Service Company， 簡稱ESCO)[7]形態主要是指，其自身是垂直一體化公用電力公司的一部分，它不僅是配電網的所有者和運營者，而且充當零售供應商向終端用戶售電、供熱。在這樣只有一個主體的背景下，雖然DSO可以非常便利地實施微電網的集成與運行，但微網上的所有技術和經濟性(成本與收益)問題均變成了DSO的責任。

DSO自成產銷者(身兼發電、產熱和用電、用熱)，智能化地將連接在電網內的各路DG集成起來構成“主動”配電網[8](Active Distribution grid，簡稱ADG)，從而實現高效的、可持續的、經濟和安全的電力供給，就地負荷消納、就地微源和智能控制。它既可以非自治方式并網運行，又可以自治方式獨立運行。

建設以自發自用為主的微能源網需要解決的首要問題是能量平衡。即在DG/RES發電側和需求側實現能量消納的平衡。有關需求側響應(Demand Response,簡稱DR)的容量需確定恰當的產能建設規模和設計一套合適的產能結構和產能當量，使它既能夠滿足大多數時段的用能需求，在盡可能少的外購能量來補充用戶需求的同時，上網向外售電的總量需控制在設計發電量總量的一半以內。因此，必須了解用戶的用能規律，并制定出符合條件的產能設計方案。

以下重點討論用戶用能的分析方法和為平衡產能提出的當量設計模型。

1 需求側的用能規律分析及負荷預測

用戶用能規律分析的目標是為了解決避免盲目投資建設RES規模和平衡DG的產能消納。因此，分析需求側既往用能的數據是設計微能源網產能設備配置和產能設備裝機容量的基礎。記錄的數據越完整、信息密度越大，則結果越接近真實。盡管在實際的運行中，需求側的用能記錄數據幾乎是不會重復的，但在大數據的積累下，總是能找出一些規律性的信息和特征，并可以被用來作為參考。

1.1 對歷史數據考察方向的路徑

1.1.1需求側的累計用能量

用戶的用能負荷值是隨時間變化的隨機函數f(t)。它在一個時間段(如一個年度)上的投影面積即為在該時間段內用戶的用能量E。用負荷函數f(t)在該時間段{t0，t1}上的積分表示。通常以一個年度或自然月作為一個考察周期。

(1)

在這里稱常量A為E的負荷用能當量。在統計的時間周期內，可以將E理解為以A為半徑的一個圓的面積量SA。

1.1.2熱需求的預測分析保障

熱需求在微能源網中所占的地位十分重要。熱需求的供應不但是DSO的義務，同時也是為平衡RES發電的重要電源補充的源泉之一。熱需求預測是基于微型熱電聯產的微電網中央控制器的必要功能。

影響熱需求的主要因素有：

(1)每日不同時刻的影響；

(2)工作日與休息日的影響；

(3)季節性影響；

(4)隨時間變化的波動性；

(5)外部溫度與熱能需求呈現高度的負相關。

在集中供熱系統中已經開發了幾種在線熱需求預測方法。預測的時間范圍一般是72 h，以小時為時間步長。

更簡單的方法是基于僅需要歷史熱需求數據的純粹自回歸移動平均模型( Autoregressive Moving Average，簡稱ARMA)，考慮季節差異的模型也得到了應用。作為一種擴展，模型還可將溫度作為一個解釋變量。更先進的方法假設氣象預報可以在線獲取，但是這通常不適用于微電網。

實用的預測方法是基于自適應估計，即允許適應系統緩慢地變化。這種方法也可以用來追蹤例如從溫暖到塞冷的過渡時期。由于供熱家庭的需求不同，過渡過程是平滑的。

另外，也可以應用如神經網絡或模糊邏輯神經網絡的黑匣子模型。在這種情況下，模型結構和可用的信息能夠根據應用的不同而不同，因此具有更大的靈活性。

1.1.3用能紀錄的數值分布

圖1為某大型企業一個基地2017年用電的記錄圖表。分析對象為以小時為間隔的，一整年的在線記錄數據，共計8 760個負荷量紀錄。

圖1 2017年某保稅區全年用電總匯負荷

為便于了解該用戶的負荷分布情況，對該記錄數據庫按負荷量的值排序重整如圖2所示。

圖2 排序后的全年用電總匯負荷圖表

從年度用能負荷統計圖表不難看出，由于受季節和其他經營性的因素影響，一年中用電負荷的變化可能會有較大波動。圖3是該處1月1日及8月10日后一周后連續7天的用電負荷記錄。

圖3 兩個不連續的周記錄負荷對照

比照記錄可以看出這兩段時間內的負荷量差幾乎有一倍之多。說明不能用某一天(典型日)的用能狀態代表全年的日用能規律。

1.1.4分支(通道)用能關聯性

微能源網的供能服務是將服務對象原來的用能通道一起接管過來，形成一個統一調度、分配能量供給的閉環網格系統。也就是說，微能源網格對用戶的用能做監控、管理到用戶原來的主要用能分支節點，如電力變壓器的輸出與開關柜連接的節點或蒸汽、熱水管道的輸出總閥等。在這里等同于延伸到設置的監測表具所在的節點。用戶負荷的總量就是由這些節點的用能負荷疊加匯總起來的。

某生產企業基地原來的電力供應分別來自與之銜接至大電網的9個變壓器(加工廠6個，飼料廠3個)；用熱則使用2臺燃煤鍋爐，需要解決蒸汽供應并同時控制、降低生產成本等問題。2018年3月7日～13日用電負荷聯合圖見圖4。

圖4 2018年3月7日～13日用電負荷聯合圖

從圖4中可以看出：周伺1變和周伺2變重合度很高，可以判定是因為同一工藝關系達成的。而在實際工況中，這是兩條同一配置的生產流水線。

兩臺分支變壓器所需負荷的對比見圖5。變壓器與鍋爐供熱出力的關系對照圖見圖6。

從圖5記錄數據分析，某地加工廠的1號和2號變壓器出力曲線高度融合，可以判斷屬于同樣工況的兩條同質生產線，同期運轉。

圖5 兩臺分支變壓器所帶負荷的對比

從圖6數據圖表中可以發現，飼料廠1號變壓器與飼料廠1號鍋爐的出力曲線在時間上有高度的關聯性，適于應用熱電聯產定向供給能源。

圖6 變壓器與鍋爐供熱出力的關系對照

1.2 負荷發生概率的分析方法

為了真實反映用戶用電負荷的實際情況和規律，只有用大數據分析歷史負荷記錄的方式來實現。通過對負荷發生概率的分析方法，可以獲得用戶用能的大概率事件，并推算出恰當的功率當量配置結果。

在積累了一定量實測記錄的前提下，我們盡力依據數據說話，用量化的數據來分析說明現場實際的用能規律。以某保稅開發園區的用電情況為例：該園區現有三個用戶項下7路電度計量表的用電數據。微能源網將替代對它的供電服務。將該處的用電負荷記錄數據進行整理分析：

從歷史最高負荷的數值向下做等分分級分割成用能當量的階梯排列；

對整年的負荷記錄數據依階梯當量整理出階梯的負荷發生頻次并排列出負荷頻次表；

將整年記錄數據按發生時間段(24個小時)劃分，分別整理出在該時段內符合發生的頻次表；

二表合一形成“負荷發生梯度頻次表”(見表1)備考。

通過表1可以找出在各時段不同當量梯度等級的負荷集中程度，并以此判斷基礎負荷發生規律和需要保證用戶用能的負荷安全線。

表1 負荷發生梯度頻次表 %

同理，各路電表、蒸汽表的記錄數據也可以分別對各分支用能管道(通路)依照相同的辦法來分析統計結果。

對于用電負荷的分析，還可以考慮按用電時段的“尖、峰、平、谷”分框劃分，兼顧電網電價的時段差別來合理調整供能計劃。通常可以對谷時用電的情況予以忽略，因為此時自發電的成本大都會高于電網電價。

2 產能配置的預測模型

微能源網的產能與消納配置關系要求，產能量不超出總用電需求的一倍，即本地消納的比例不少于50%。單個微能源網項目的上網(并入國家電網)出力容量應控制在20 MW(參見《關于開展分布式發電市場化交易試點的通知[2017]1901號》)以下。

為了能滿足上網售電量的規定和將外來補充供能量限制到最小，根據經驗判斷選擇了三種方案來評估分布式能源(DER)在DR的產能當量，并寄希望從中選擇出較為貼切的結果。

用能量的面積表示法：

以基礎負荷當量Lbase為半徑r作圓的面積為基本用能量Ebase=Sbase；

以最高負荷量Ltop為半徑R作圓的面積為滿負荷用能量Etop=Stop

Lbase≤A≤Ltop

(2)

(1)平均負荷法。Eaverage為Etop和Ebase的平均值，其幾何意義為取Stop的一半和Sbase的一半之和。以基礎負荷值r為當量的用能量和以最大負荷值R為當量的用能量的平均值的結果。

(3)

(4)

(2)增量平均法。在滿足基礎負荷的需求前提下，取基礎負荷與最大負荷值的均值作為增量(delta)補充，

測算供能當量A和供能量：

(5)

(6)

(3)橢圓面積法。橢圓配置理論：以r和R為長短半軸得橢圓面積Sellipse；

充分性證明：

Sellipse=πrR

Saverage=(Stop+Sbase)/2=π (R2+r2)/2=π/2×(R-r)2+2Rr)=πrR+π/2×(R-r)2

=Sellipse+Srest

→Aellipse

?K=(R-r)，K是負荷分布離散性因子，K值越大則越雜亂，離散性越大；反之，分布相對集中度越高。

如果K→0，則r→R；Sellipse→Stop，

Saverage為Stop和Sbase的平均值，其物理量意義為取Stop的一半和Sbase的一半之和。其中：

Stop以高位集中用能帶的上沿值為半徑R作圓的面積，相當于除卻少量突發尖峰負荷外的滿負荷量；

Sbasel以低位集中用能帶的分布中心值為半徑r作圓的面積，相當于以用能空閑時段最高負荷值為標桿的負荷總量；

Aellipse可以假設為判定供能量與用能量合理適配的供能當量(Energy Equivalent)。以投影該能量的標桿值作為供能裝機容量的參考值，該當量值界于滿負荷使用能量和基礎負荷能量用量之間。前提是假定可以滿足大多數的用能負荷值的需求，并且對高出該值的負荷發生累積量做出填補的額外供能開銷是可以被控制在經濟條件范圍內的。

Srest是平均符合法與橢圓面積發計算的負荷量差。

圖7為全年記錄數據在24小時段分布情況。從圖7中可直觀判斷出基礎用能負荷的覆蓋位置。當供能當量在800 kW附近。

圖7 全年紀錄按小時時段重排的負荷分布

在考證實際的用能負荷軌跡時，時?？吹竭@樣的一個現象，就是大部分時間發生的負荷量會相對集中在一個或數個能級數據分布段上。如考察上面《負荷分梯度發生幾率統計表》的臺階發生梯度頻次，可以發現出絕大多數的用能保障基數在300～800 kW段。通過對統計的數據計算，獲得年負荷當量為761.5 kW，滿足基礎用能負荷的選擇范圍。在這里選擇該值為基礎負荷當量Lbase，并選擇歷史最高負荷量的值為Ltop。采用三種方法分別測算供能當量A和供能量。

將這三種方法結合年度負荷分布做折線圖(見圖8)。

圖8 全年負荷分布與DR當量預測

結果：三種配置的當量值表現出橢圓方程法比較適合作為電源配置裝機容量的選擇值。統計結果也驗證了這個結論。具體數據見表2。

欠荷率=欠荷量:總供能量。tA是當量線與負荷升序曲線交點處的時基線落點，t0，t1分別為時基線的起點和終點。

3 結語

適當的選擇裝機容量，可以有效地控制項目設備成本，平衡并減少棄風棄光和網購電價差的比率，增進項目系統的經濟效益。

表2 計算結果數據表

總出力包線覆蓋網內瞬時負荷量的比率可稱為“保障率”。該值越大則網格內用能越安全，需要網外應急補充的幾率越少，用能單價越低。保障率差的系統將需要更多的外網電量或蓄能設備來維持。保障率過低會使項目成為擺設，失去建設意義。

基礎主電源為新能源發電，其在總出力包線中的比率可稱為“滲透率”。這個指標是體現微能源網格項目成敗的核心標桿之一。該指標高說明系統利用資源成本低，收益率隨之就高。

總出力包線與用能負荷經驗曲線的重合度越高，則微能源網的產能量在網內消納的比率就越高，稱之為“重合率”。重合率越高表示冗余或不足產能占總產能的絕對值比率越小，產能與耗能約接近。即項目設計中的設備配置越合理，投入經濟效益越高。

在實際設計中，除了預測供能當量的參考選項外，還應結合RES的資源條件等因素，適當分配各種DG在系統中裝機容量及時間銜接，綜合排布、分配相互間的產能量比例，并結合配置經濟、合適的儲能設施。