計及需求側響應的光伏微網群與主動配電網雙層優化

呂智林，廖龐思，楊 嘯

（廣西大學電氣工程學院，南寧 530004）

太陽能、風能等可再生能源取之不盡用之不竭的特性將使其成為未來電力系統主要能源。而主動配電網ADN（active distribution network）的發展旨在提高配電網側的可再生能源滲透率，優化能源結構[1]。多個微電網組成微網群，相互成為備用能量，互濟富余電力也成為對可再生能源進行充分利用的有效方法之一。在電力市場環境下，微網與微網或微網與主動配電網相連才能獲得更大利益[2]。

目前已有許多文獻對微網并入主動配電網做了討論和研究。文獻[3]提出了一種并網多微網-主動配電網雙層優化模型，利用上層ADN 系統的優化結果約束下層多微網MMG（multi-microgrid）從而得到MMG 的分布式電源DG（distributed genera?tion）規劃；文獻[4]采用目標級聯法對ADN 系統和MMG 分別進行優化調度，通過將聯絡線功率作為解耦變量，實現微網自治模型與配網優化模型的解耦與并行求解；文獻[5]提出了一種以上層配電系統作為領導者，下層微網作為追隨者的非線性雙層優化模型，解出上層最小化成本和下層MMG 的最大化利潤；文獻[6]提出一種多微網-主動配電網兩層嵌套模型，以內層ADN 系統的調度結果作為外層微網調度模型的約束實現多微網的經濟優化調度。

上述文獻都是對微網和ADN 系統分別進行建模和優化，從而使雙方達到經濟效益的最大化，但在優化過程中沒能考慮不同類型微網用戶的用電特性。為了能更好地引導用戶進行需求側響應，本文結合了商業型、辦公樓型和住宅型3種微網的用電特性，利用需求側響應DR（demand-side response），引導用戶改變用電習慣來節能降耗。需求側響應是供需側制定用電協議，由用戶自發進行用電調整來參與供需功率平衡調節的方式。需求側管理不僅能夠提高分布式電源的滲透性，還能彌補DG 發電的間歇性[7]。文獻[8]提出了一種基于多智能體系統的多步分層優化算法，將儲能電池、需求側響應和可控發電廠作為調節單元根據各微網的能量盈余和短缺信息實時進行調控；文獻[9]結合冷熱電可平移負荷的特性，建立了包含可平移負荷的綜合能源運行成本的優化調度模型，最后算例表明了負荷平移具有削峰填谷，減少綜合運行成本等方面的作用。在考慮能源效益方面，使用基于多智能體一致性的分布式能源管理方法能有效解決微網群中能源互聯網的能源管理問題[10]，微網間將剩余能量進行互濟調節能提高可再生能源消納率，且每個子微網只需要與相鄰微網進行少量的信息交換，與傳統集中式調度方法相比，收斂速度更快，加快指令產生與下達，符合實時動態調度的需求[11]。

針對城鎮區域光伏發電較普及而風力發電較少的情形，本文提出了考慮用戶需求側響應的光伏微網群-主動配電網雙層優化調度模型，將下層光伏微網通過一定的拓撲結構組成微網群集系統，使用一致性算法將經濟調度問題轉換為功率分配過程中成本一致性問題，在保證微電網群整體實時功率平衡的同時能降低功率調節所耗費的成本。微網群通過聯絡線PCC（point of common coupling）與ADN進行買賣電交易，根據微網群的電能情況來決定其是當作虛擬負荷，還是當作虛擬電源來參與上層主動配電網最優潮流的優化調度，上層的配電網模型以系統網絡損耗最小為目標函數，對最優潮流模型進行線性化出處理，解出滿足潮流約束下的配電網層DG出力。

1 微網群-主動配電網協調優化調度策略

為提高微網的經濟效益和環境效益以及能源效益，本文提出的策略主要考慮微網群并網運行時與ADN 系統交互的兩種情況：有能量剩余向ADN系統售電，無法滿足用電需求時先微網群內部互濟調節再向ADN 系統購電，通過與ADN 交互減小分布式電源出力的不確定性和負荷波動性對微網群的影響；上層ADN 系統與下層微網群作為不同的利益主體分別建模優化，上下層優化調度既獨立又互相關聯，上下層之間以PCC功率作為解耦變量進行優化，分別求解出各自的決策變量與目標函數。

1.1 下層微網群功率調節策略

本文將多個光伏微網互聯組成微網群，使得微網群里的各個子微網實現能源共享，在各自負荷高峰和低谷時段能進行能量互濟。各子微網都含有光伏PV（photovoltaic）發電機、儲能系統ESS（ener?gy storage system）、固定負荷FL（fixed load）以及需求側的柔性負荷。柔性負荷包括可轉移負荷TL（transferable load）和可中斷負荷IL（interruptible load），其中，可轉移負荷是指一類使用時間靈活的負荷，根據協議用戶可在用電高峰時段的原本用電需求轉移到用電低谷時段或可再生能源出力高峰時段使用；可中斷負荷則是根據協議在用電高峰時段可直接中斷使用的負荷。

本文研究的對象是光伏微網群與主動配電網，因此對微網群進行功率調節時從供給側和需求側兩個方面來考慮，所以主要的調節方式包括：儲能系統充放電、多微網間的協調、需求側響應以及向ADN系統買賣電。

1.2 上層主動配電網優化調度策略

改進的IEEE-33 節點主動配電網系統結構如圖1 所示。本文提出的微網群-主動配電網聯合調度策略通過PCC 聯絡線將微網群接入配電網的14節點處，微網群優化得到的PCC功率會作為線路參數參與上層的經濟調度。

圖1 接入微網群的主動配電網系統結構Fig.1 Structure of ADN system connected with MMG

2 微網群-主動配電網協調優化調度數學模型

2.1 微網群優化調度模型

微網群的優化調度以儲能電池充放電、向外購電和需求側響應3 種功率調節方式來實現功率平衡，平抑光伏出力和負荷的波動。以微網群經濟成本最優的角度建立微網群優化調度模型，在滿足各調節單元的功率約束條件下，實現微網群供電可靠性和經濟性。

2.1.1 微網群優化目標

微網群的優化目標是實現微網群售電收益最高，調節成本最低，因此目標函數是售電收益與調節成本之和，表達式為

式中：Pb,t為t時段微網群向ADN購電或售電功率；ρ1為購電價格，購電情況下Pb(t)為負；ρ2為售電價格，售電情況下Pb(t)為正。

各調節單元的調節成本分別表述。需求側響應的調節成本為式中：Ppv,i,t為微網i在t時段的光伏出力功率；Pb,t為t時段微網群與主動配電網交易功率，即PCC 聯絡線功率；PL,i,t為微網i在t時段的負荷需求；Pdr,i,t為微網i在t時段的需求側響應功率，包括該時段從原本負荷需求功率中轉移出去和中斷使用的負荷功率。每個子微網在t時段的需求側響應功率為上述兩種類型的需求側響應功率之和，即

式中：Ptr,i,t為微網i在t時段的轉移負荷功率；Pir,i,t為微網i在t時段中斷的負荷功率。需求側響應調節中進行負荷轉移的優先級比中斷負荷高，即若需要進行需求側響應的時段正好在轉出負荷的時間約束內則優先考慮轉出負荷。

（2）儲能系統功率約束為

式中：Ptr,i,max為微網i的最大轉移負荷功率；Pir,i,max為微網i的最大可中斷負荷功率。微網i在t時段的轉移狀態變量di,t和轉移負荷功率Ptr,i,t分別為

（5）聯絡線功率約束為

式中，Ppcc,min和Ppcc,max分別為PCC 聯絡線功率的最小值和最大值。

下層優化得出的微網向配電網購電或售電功率Pb即為聯絡線功率。

2.2 上層配電網系統最優潮流模型

2.2.1 目標函數

最優潮流模型以ADN 系統網絡損耗最低為目標，求出網損最低情況下的發電成本。目標函數為

式中：C(PGi)為發電機組運行成本；PGi為第i個發電機組的有功發電功率；N為發電機組個數；αi、βi、γi分別為第i個發電機的耗量特性曲線參數。

2.2.2 約束條件

（1）功率平衡約束為

（2）功率上、下限約束和電壓上、下限約束為

式中：Vi_min、Vi_max分別為節點i電壓幅值的上、下限；PGimax、PGimin分別為發電機組i有功出力的上、下限；QGimax、QGimin分別為發電機組i無功出力的上、下限。

（3）二階錐約束為

3 雙層優化調度模型的求解

3.1 微網群優化模型的求解

下層微網群優化調度模型使用離散一階一致性算法進行求解，該算法選取子微網的調節成本作為一致性變量?；谝恢滦运惴ǖ墓β收{節策略不需要中央控制器，當微網群功率不平衡時，子微網間只需要交換自身實時更新的一致性變量，達成一致后再各自逐級反解出決策變量。

由于迭代收斂得到的一致性變量即各微網的調節成本是一定的，所以已知調節成本可以根據調度優先級先后反解出分配到各調節單元的功率。在該功率調節策略中，儲能單元輸出功率、需求側響應功率以及向ADN 購電功率3 個決策變量由一致性變量逐級反解得到，具體表現為調節成本低的單元優先啟動。一致性算法求解過程中，若某個調節單元分配到的功率超出約束條件的限制，則取最大值為調節功率，若取該調節單元的最大調節功率仍不能滿足功率平衡則啟動下一個調節成本較低的調節單元進行調節，直到總調節功率能夠填補微網群總體功率不平衡量且調節成本達到一致收斂。

單個微網的調節成本包括蓄電池充放電折舊成本Cdr,i、需求側響應成本Ces,i和購電成本Cb,i，即

式中，Ci為第i個微網的總調節成本。

由文獻[13-14]的一致性算法圖論基礎，3 個微網由環形結構的通信拓撲結構進行通信得出通信迭代矩陣為H，則微網的一致性變量更新公式為

式中，θ為收斂誤差，本文取0.000 1。

綜上，微網群的優化調度求解算法流程如圖2所示。

圖2 微網群功率調節流程Fig.2 Flow chart of MMG power regulation

在判斷各微網出力是否滿足負荷時，已經能實現自給自足的子微網獨立運行，退出通信拓撲。當微網群中的子微網有電能剩余時，優先考慮把電能傳輸給電能不足的子微網，再考慮自身的儲能進行充電。為避免棄光造成能源的浪費，售電功率取各子微網進行電能互濟及ESS充電后剩余電量出售給配電網，微網群售電過程不需要進行一致性功率調節。

3.2 主動配電網優化模型的求解算法

上層的配電網模型以網絡損耗為目標函數，將下層優化得出PCC 聯絡線功率代入上層最優潮流模型中求解出滿足潮流約束下的配電網層DG 出力。式（17）導致了上層模型的非凸非線性，因此在模型求解之前用二階錐技術通過重新定義變量將式（17）轉化為式（19），再用Gurobi 求解器進行求解。模型求解步驟如下。

步驟1 將下層優化得到的PCC功率代入主動配電網線路參數中，開始讀取數據。

步驟2 用二階錐技術轉化上層優化模型。

步驟3 調用Gurobi求解器解上層優化模型并輸出DG出力與目標函數。

4 算例分析

4.1 算例參數

4.1.1 微網群基本參數

本文將微電網群視為能夠直接實現能量互濟的互聯系統，不考慮微網間具體的接線方式。各微網所含設備與設備容量如表1所示。

表1 微網群的設備容量及數量Tab.1 Equipment capacity and quantity of MMG

假設蓄電池的初始荷電狀態為10%，在光伏發電高峰期進行充電，在負荷需求峰值時段進行放電，對負荷曲線起到削峰填谷作用，充放電效率為90%，充放電折舊系數為0.05 元/kW。假設光伏消納率為100%。一個調度周期為24 h，微網群的24 h光伏預測出力如圖3所示。

圖3 微網群光伏出力及負荷預測Fig.3 Photovoltaic output and load forecasting of MMG

圖3 中負荷表示每個微網的總負荷，包括固定負荷、可中斷負荷和可轉移負荷，MG1 是商場區域微網，總負荷需求較高且高峰期在下午到晚上；MG2 是辦公樓型微網，負荷用電高峰期在白天；MG3 是住宅區微網，高峰期為08：00 和20：00。為提高用戶進行需求側響應的積極性，根據可進行需求側響應的負荷量并結合各時段用戶響應的實際意愿為3個不同類型MG設定相應的補償價格，3個微網支付給用戶的需求側響應補償價格r1、r2、r3如圖4所示。本文微網群與主動配電網的交易電價采用尖峰電價[15]，一個調度周期各時段電價如表2所示。

圖4 微網群需求側響應補償價格Fig.4 Demand-side response compensation price of MMG

表2 微網群與ADN 交易的電價Tab.2 Electricity price for transaction between MMG and ADN

4.1.2 ADN 系統基本參數

ADN系統結構如圖2所示，發電機組基本參數如表3所示。

表3 ADN 系統中各機組的特性參數與出力范圍Tab.3 Characteristic parameters and output range of each unit in ADN system

4.2 結果與分析

4.2.1 微網群優化調度結果

對微網群進行24 h 調度，得到3 個微網的需求側響應功率、與ADN 交易的電能功率以及儲能充放電功率，結果分別如圖5～圖7所示。

圖5 微網群需求側響應功率Fig.5 Demand-side response power of MMG

圖6 微網群買賣電功率Fig.6 Purchase and selling electric power by MMG

圖7 儲能充放電功率Fig.7 Charging and discharging power of energy storage

結合圖3～圖7，由于07：00—17：00 光伏出力充足，不需要向ADN 購電及啟動需求側響應進行調節，需求側響應功率為0。在時段00：00—06：00和17：00—24：00 則需充分利用儲能、需求側響應以及向外購電來滿足微網電能需求。圖6 中數值為負表示購電，為正表示售電。MG1儲能和需求側響應調節單元的調節能力較強，需要承擔更多的調節功率。但當3 個微網總調節成本達成一致時，MG2 和MG3 由于進行需求側響應功率較小，所以需要幫MG1承擔購電量，所以從圖6可以看出MG2和MG3的購電量較大。3個MG在一個調度周期內的儲能充放電情況如圖7 所示，數值為正表示充電，為負表示放電。

圖8 為3 個微網分別在一個調度周期內的收益，即功率調節成本與賣電收益的總和。在01：00—05：00、19：00—24：00 時段中3 個微網使用一致性算法進行功率調節，調節成本達成一致，所以3 個微網的調節成本相同。

圖8 微網群收益Fig.8 Revenue of MMG

商業型MG1和住宅型微網MG3需求側響應類型包含可轉移負荷和可中斷負荷，而辦公樓型微網MG2只包含可中斷負荷。實施DR調度后轉移的負荷、中斷負荷與原始負荷占比如圖9～圖11所示。

圖9 MG1 實施DR 后的負荷功率Fig.9 Load power after DR of MG1

圖10 MG2 實施DR 后的負荷功率Fig.10 Load power after DR of MG2

圖11 MG3 實施DR 后的負荷功率Fig.11 Load power after DR of MG3

圖9～圖11 中的“DR 后負荷”表示進行需求側響應后的總負荷（包括固定負荷和無需中斷或轉移負荷）。白色部分表示轉移出去的負荷，陰影部分表示實施DR后轉入使用的負荷。對比光伏出力曲線可知白天的光伏發電充足可以滿足用戶用電需求，不需要進行需求側響應。進行負荷轉移能起到一定的削峰填谷作用，協調進行兩種需求側響應能使調度周期內的負荷盡量趨近光伏發電輸出功率曲線。

為驗證下層基于一致性算法的功率調節策略的有效性，本文采用微網分散自治模式進行對比分析。模式1 中3 個微網互聯成微網群，根據本文提出的功率調節策略進行調度。模式2中3個微網不互聯，各自進行功率調節。2 種運行方式一個調度周期內功率調節費用如表4所示。

表4 2 種模式下微網功率調節費用Tab.4 Power regulation cost in two modes of microgrid

由表4可知：模式1中，微網群的調節費用比較平均地由3個微網承擔，因為在此模式下微網間互通信息，總體功率不平衡時先由調節費用最低的儲能單元放電，再根據各子微網進行DR 和向外購電調節費用高低進行調節功率的分配；模式2中，MG1的調節費用比MG2高出很多是因為MG1供需功率不平衡量較大，所以需要更多的DR 功率和向外購電來調節，產生的費用最多。然而使用模式1后能充分利用其他微網可調資源，把自身的調節壓力分給另外兩個調節成本較低的微網，實現微網群的能量互濟且在使微網群實現功率平衡的前提下調節成本最小，獲得更好的經濟效益。

4.2.2 ADN 層聯合優化調度結果

主動配電網24 h 調度的分布式電源出力如圖12所示。

圖12 主動配電網DG 出力Fig.12 DG output from ADN

圖12中01：00—06：00和17：00—24：00時PCC功率為負說明微網群作為虛擬負荷連接到ADN 系統中。由于DG8 和DG24 機組參數較小，因此DG8和DG24 承擔較大的出力變化，由圖12 也可以看出，其他DG的出力變化較小。

ADN 系統的網絡損耗如圖13 所示，由圖13 可知06：00—17：00時段的ADN系統網絡損耗有所降低，因為該時段微網群向ADN系統售電，在ADN系統充當發電單元的角色，ADN的其他機組就可以減少發電，使得網損降低。

圖13 主動配電網網絡損耗Fig.13 Network loss of ADN

算例中把下層優化得到的PCC 功率代到上層最優潮流優化時，若在微網群可再生能源出力高峰時段不與主動配電網進行交易，棄風棄光的能量為629 kW，對自然資源造成很大的浪費。同時若在負荷高峰時段僅使用向外購電方式進行功率調節會使調節成本增多，所以采用本文提出的微網群-主動配電網聯合調度方案能在保證用電可靠性的前提下提高經濟效益和環境效益。

ADN 系統發電成本如圖14 所示。由圖14 可知，微網群向ADN售電時段，PCC聯絡線在ADN系統中當做電源供電，其他DG就可以減少出力，減小ADN系統的發電成本。

圖14 ADN 系統發電成本Fig.14 Power generation cost of ADN system

5 結 論

本文通過研究城鎮光伏微網用戶的用電行為，將三種不同用戶類型的光伏微網組成的微網群接入ADN系統，構建了微網群和ADN系統雙層優化調度模型。通過分析算例仿真結果，得出的結論如下。

（1）下層微網群計及需求側響應的微網調節成本一致性協調策略與各微網分散自治的方式相比能實現微網間的能量協調互濟，降低微網群的整體功率調節費用。通過協調調度不同微網內部的儲能系統及需求側的柔性負荷等可調資源，更好地引導用戶用電，對負荷曲線起到削峰填谷的作用，并直接減少微網群電費支出。

（2）微網群通過與ADN進行電能交易，既可以緩解負荷高峰時因光伏發電不足造成供電緊張，又可以在光伏發電高峰將剩余電能出售，提高微網群經濟效益、減少棄光，同時也減少了ADN 系統的發電成本和網絡損耗。