基于多能源協調響應的配網動態優化調度模型

張文軍,胡 浩,易善軍,韓玉輝,宋 昆,尹洪全,朱宏濤,呂 兵

（1.國網內蒙古東部電力有限公司，內蒙古 呼和浩特 010000；2.沈陽工業大學，遼寧 沈陽 110870）

0 引言

在新型電力系統建設和“雙碳”目標的背景下，分布式光伏、風電的并網滲透率將逐步增加。新能源的間歇性和波動性給配網的運行與調度帶來穩定性差、運行成本高、調節能力下降等問題[1]～[3]。針對該問題，現有的研究多采用配置電池儲能調節配網的功率平衡。由于儲能電池建設維護成本較高，致使配網配置電池儲能的容量有限[4]，[5]。另一方面，作為一種配網的調節形式，負荷需求側管理的可調容量較小，在時間和空間尺度上對配網經濟調度的支撐不足[6]，[7]。本文考慮高比例可再生能源并網后對配網所帶來的沖擊，利用電熱混合儲能、電動汽車及“電-熱-冷”可調負荷的多能源協調響應，以實現新型配電網的經濟優化運行。

目前，國內外專家對配網的經濟運行及優化調度已開展了大量研究。文獻[8]為保證配網安穩運行，建立了基于分析目標級聯理論的配電網優化調度模型。文獻[9]針對風電、光伏并網后的波動性，提出了基于數據驅動的配網實時滾動優化調度策略。文獻[10]利用圖論理論對配網進行精細化建模，以運行經濟最優為目標建立配網優化調度模型。為提高風電消納能力，文獻[11]建立了基于熱電耦合特性的配網優化調度模型。文獻[12]考慮可再生能源出力隨機性和電動汽車的響應能力，提出了基于雙重電價的電動汽車兩階段響應策略，并在此基礎上建立了配網兩階段優化調度模型。文獻[13]為整合配網調度過程中的電力資源，提出了虛擬電廠動態組合策略，并在此基礎上建立了含虛擬電廠交易組合平臺的配網優化調度模型。

上述研究對配網調度提供了一定的理論支撐，充分研究了考慮儲能、電動汽車、負荷響應等多類型資源協調，但未考慮電、熱、冷等多能源的協調響應，在優化配網運行經濟性方面還具有較大的提升空間。針對這一問題，本文通過研究電熱混合儲能、充電汽車和“電-熱-冷”可調負荷間時空尺度的運行差異性和互補性，建立了多能源響應模型與協調調度策略；在此基礎上，建立基于多能源協調響應的配網優化調度模型。通過某地配網算例驗證了本文所提出的模型能夠優化經濟成本，減少棄電率。

1 多能源響應模型

1.1 電熱混合儲能響應模型

電熱混合儲能包括電池儲能和電制熱儲熱兩個部分。電池儲能調節靈活性較強，效率高，可直接進行電能的儲放。電池儲能模型為

式中：EBS，t為t時刻儲能裝置的容量；α為儲能裝置的損耗系數；PBS-c，t，ηBS-c，t分別為儲能裝置的充電功率和充電效率；PBS-d，t，ηBS-d，t分別為儲能裝置的放電功率和放電效率。

電制熱設備通常利用電鍋爐進行電能-熱能的轉換，消納風電和光電，通過儲熱實現熱能的存儲及供熱。

電鍋爐模型：

式中：PBSh，t為電鍋爐t時刻的供熱功率；PBSe，t為電鍋爐t時刻的耗電功率；ηeb為電鍋爐的電熱轉換效率。

儲熱模型：

式中：HHS，t為t時刻的儲熱容量；PHS，t為t時刻的儲熱功率；PHO，t為t時刻的放熱功率；ηHS為儲熱效率；ηHO為放熱效率；Δt為調度時段。

1.2 電動汽車響應模型

根據電動汽車自身的電量以及在不同時空的狀態和需求，可將其視為移動的分散式電儲能。各個電動車合理的充放電行為，不僅可以減少配網調峰壓力，還能給配網的功率平衡帶來一定的支撐，并減少電動汽車自身以及配網的運行成本。

無論是充電還是放電，電動汽車都要在配網內的充放電節點進行。本文定義Sij，t為電動汽車在配網空間下位置i到j之間的行駛狀態變量；π為電動汽車在配網中的行駛空間。電動汽車在行駛空間π內進行充放電的空間行駛約束為

式中：Sij，t取0表示電動汽車不在行駛空間π內行駛；Sij，t取1表示電動汽車在行駛空間π內行駛。

電動汽車在其行駛空間π內參與配網的優化調度過程中，須要根據汽車自身的實時電量進行協調響應。本文建立電動汽車的能量響應模型為

式中：PEV，t，PEV-c，t，PEV-d，t分別為電動汽車t時刻的響應功率、充電功率和放電功率；ηEV-c，ηEV-d分別為電動汽車充電效率和放電效率；分別為電動汽車參與配網響應時充電功率的上、下限；分別為電動汽車參與配網響應時放電功率的上、下限。

1.3 “電-熱-冷”負荷響應模型

多數的建筑物可進行儲熱、儲冷。用戶在利用空調進行制冷或制熱時，利用建筑物的儲冷、儲熱特性，可以為配網提供較多的調節容量，“電-熱-冷”負荷可作為多能源資源參與配網調度的響應。電制冷制熱負荷的響應模型為

式中：HA，t為t時刻房間內制冷制熱負荷的功率；PA，t為t時刻制冷制熱負荷耗電的有功功率；k1，k2，l1，l2為制冷制熱負荷的擬合系數；C，R分別為房屋的熱阻和熱容；Tin，t，Tout，t分別為室內溫度和室外溫度；EA，t為建筑物t時刻的儲熱儲冷容量；EAmax和EAmin分別為建筑物房間可提供儲能容量的上、下限；Tmax，Tmin分別為參與配網響應后建筑物可調溫度的上、下限。

1.4 多能源協調響應調度策略

電熱混合儲能、電動汽車和“電-熱-冷”負荷可以響應配網調度，并提高配網的調節靈活性。其中，電池儲能調節靈活性最優，但建設成本高；電制熱儲能在配網處于谷值時給予一定的調節能力；電動汽車雖然可以進行充電放電，但是受到交通路徑、駕駛需求及汽車剩余電量等因素的制約，其調度能力有限；“電-熱-冷”負荷受季節影響較大，且負荷分布較為分散，具有較高的不確定性，須由聚合商統一管理。本文將充分考慮多能源響應在時間和空間調度尺度上的差異性，使各個調節資源優勢互補，保證配網經濟穩定運行。

本文所提出的多能源協調響應調度策略如圖1所示。首先，從長時間尺度劃分，根據“電-熱-冷”負荷在不同季節的響應能力，確定其調節能力；然后，從短時間尺度進行分析，針對不同時刻電網的峰谷差，對多能源響應資源進行合理調度；最后，從空間角度考慮，根據多能源響應資源的分布，尤其是電動汽車的動態行為，對整個配網的資源進行優化調度。在配網有調節需求時，優先利用電動汽車和“電-熱-冷”可控負荷進行響應。如果此時仍然存在源荷不協調，再利用電熱混合儲能進行優化調度。

圖1 多能源協調響應調度策略Fig.1 Multi-energy coordinated response scheduling strategy

2 基于多能源響應協調的配網優化調度模型

2.1 目標函數

基于多能源響應調度策略的研究，可以確定不同時間和空間尺度上各類多能源響應資源的調度周期。本文根據配網的實時峰谷需求，建立配網調度成本最優為目標的優化模型：

式中：C1為風電和光伏調度的調節成本；C2為上級電網調節成本；C3為多能源響應成本。

風電和光伏調度的調節成本：

式中：Pwp，i，t為風電出力；βwp為風電的單位調節成本；PPV，i，t為光伏出力；βPV為光伏的單位調節成本。

上級電網調節成本：

式中：Cbuy，t為t時刻上級電網對配網進行調節的購電價格；Csell，t為t時刻上級電網對配網進行調節的售電價格；Pin，t為t時刻上級電網對配網進行調節的購電功率；Pout，t為t時刻上級電網對配網進行調節的售電功率。

多能源響應成本：

式中：Cco-A，t為“電-熱-冷”負荷削減的補貼系數；CBS-c，t，CBS-d，t為電池儲能充、放電的補貼系數；CEV-c，t，CEV-d，t為電動汽車充、放電的補貼系數；CEBe，t為電制熱的補貼系數。

2.2 約束條件

配網調度功率平衡約束：

式中：PL，t為配網中的不可控負荷功率。

考慮風光預測可能與實際出力不一致所帶來的不確定性問題會給配網運行帶來風險，本文考慮風光不確定性會引起配網電壓和支路功率波動，配網應保證運行安穩條件內進行優化調度。

配網安全運行約束：

式中：Ui，t為t時刻配網節點i的電壓；分別為t時刻配網節點i的電壓上限和下限；Sij，t為支路ij的功率；分別為支路ij的功率上限和下限；σ，ξ分別為電壓和支路功率的可信度。

聯絡線調節約束：

對于電熱混合儲能、電動汽車、“電-熱-冷”負荷來說，除式（1）～（5）中的約束外，還包括多能源響應量約束：

2.3 考慮配網多能源響應的魯棒優化調度模型

配網中分布式和分散式新能源發電、電動汽車、“電-熱-冷”負荷參與配網調節，具有一定的不確定性而產生偏差。為控制配網調度過程中的偏差，對配網運行場景進行離散化，建立魯棒風險偏差模型：

綜上所述，可將原文模型改寫為考慮配網多能源響應風險偏差的魯棒優化調度模型：

式中：L為魯棒轉化后的目標函數形式。

2.4 多時空尺度調度模式

基于多能源協調響應的配網動態優化調度，從空間上分為信息層、調度層和設備層。信息層能夠接收電熱混合儲能、電動汽車及“電-熱-冷”可調設備的響應信號；調度層可以向各個設備發送調節信號，從空間角度實現多能源協調響應，充分利用多能源的可調節資源。

多時間尺度調度包含日前、滾動和實時調度計劃。日前調度計劃利用歷史數據與對未來一天的數據預測進行調度規劃；滾動調度計劃是在日前計劃的基礎上用未來4 h內風光和負荷的預測，通過源荷數據調整日前調度計劃；實時調度計劃是在滾動調度的基礎上，以實時反饋模型為基礎，每15min為一個循環實時修正調度計劃。多時間尺度調度流程如圖3所示。

圖2 多時間尺度調度計劃流程圖Fig.2 Flow chartofmulti-time scale scheduling plan

2.5 調度模型求解

本文采用和聲搜索算法對基于多能源協調響應的配網動態優化調度模型進行求解，其求解流程如圖3所示。

圖3 配網動態優化調度模型求解流程Fig.3 Distribution network dynamic optimization scheduling model solution process

3 算例仿真

本文以某地配網新能源出力及負荷數據為背景，以文獻[12]的IEEE33節點配電系統仿真模型為基礎，分別在節點8，17，20，30，32接入蓄電池、光伏、充電站、風電和電制熱儲熱裝置。

該配網地區最大電負荷80 MW，配有光伏發電35 MW，風力發電65 MW，電池儲能20 MW，電制熱10 MW和儲熱20 MW。電動汽車的電池參數為300 kW/80 kW·h，充電時間0.65 h。該配網典型日的風光負荷預測曲線如圖4所示。

圖4 風光預測及負荷曲線Fig.4Wind and wind forecastand load curve

通過設置3種方案驗證所提調度策略和調度模型的有效性和優越性。方案1：配網調度過程中，只利用電池儲能參與調節。方案2：利用電熱混合儲能、電動汽車、“電-熱-冷”負荷參與配網調度，但不考慮三者間時空互補特性以及響應過程中的風險偏差。方案3：采用本文提出的基于多能源響應的配網優化調度模型。

對3種調度方案進行仿真，得到如圖5～7所示的調度方式。

圖5 方案1調度方式Fig.5 Schedulingmode of scheme 1

圖6 方案2調度方式Fig.6 Schedulingmode of scheme 2

圖7 方案3調度方式Fig.7 Schedulingmode of scheme 3

由圖5～7所示，方案1只考慮儲能一種調節資源參與配網調度，因此，配網會給上級電網帶來較大的調節壓力，產生大量的購電成本，導致風電利用效率低下。方案2和方案3雖然均考慮了多能源可控負荷的響應，但方案3充分利用了多能源可控負荷間的時空尺度的差異性和互補性，實現了多能源可控負荷間的協調響應，減少了對上級電網的調節壓力。例如，在1：00-2：00，4：00-6：00，負荷需求較少，而風電出力較大，易產生大量的棄風。方案3優先利用電動汽車、電鍋爐和“電-熱-冷”負荷的響應存儲電能，使電池儲能具有更優的儲放空間。在17：00-20：00配網處于峰值時，通過多能源可控負荷間的響應，有效緩解了配網調峰壓力。這雖然產生較多的多能源響應成本，提高了配網調度成本，但有效地減少了上級電網的調節成本和調節壓力。在方案3中的多時間尺度調度計劃中，滾動調度不斷修正日前發電計劃，并經過實時調度實時調整，能夠較好地跟蹤負荷曲線，促進風光消納。3種方案的優化調度結果和新能源棄電率對比如圖8所示。

圖8 優化結果對比Fig.8 Comparison of optimization results

4 結束語

本文考慮電熱混合儲能、電動汽車、電鍋爐和“電-熱-冷”負荷作為配網多能源協調響應資源，提出基于多能源響應協調的配網優化調度模型，能夠有效提高配網中各類靈活性資源調度經濟性。基于多能源調節資源間的協調，可實現各類靈活性資源優勢互補，減少配網上級電網的調節壓力。本文提出的魯棒優化調度模型考慮了配網電壓穩定和支路功率波動偏差，能夠提高配網運行穩定性。