余彬, 翁利国，练德强，王思斌，黄媛，姚昊天
(1. 国网浙江杭州市萧山区供电有限公司, 杭州市 311200；
2. 浙江中新电力工程建设有限公司，杭州市 310000；
3. 四川大学电气工程学院, 成都市 610065)
近年来，多类型综合园区在配电网中的不断出现，加速了配电网从集中式网络向分散式网络的转变[1]。园区内部含有储能 (energy storage, ES)、灵活负载 (flexible load, FL)、分布式电源 (distributed generator, DG) 和智能电表等，可以主动管理其灵活性资源以进行需求侧响应 (demand response, DR)[2]。园区内部多类分布式资源的需求侧响应使综合园区能够灵活地实现供需平衡并缓解局部网络运行问题，例如负载尖峰问题[3]。如今，中国出现了多种类型的综合园区，包括零碳校园、商业建筑和工业园区[4]等。在美国，加利福尼亚州的自发电激励计划提供激励措施以支持用户侧分布式资源的安装，该计划已资助了 8 890 多个项目，分布式资源装机容量超过400 MW[5]。此外，纽约州已经实施了改革能源愿景战略，以加速微电网的渗透和分布式资源在终端用户中的安装[6]。
目前，已有学者针对多类型园区参与的配电网协调运行问题进行研究。文献[7]针对多微网的能量管理系统提出了一种电力市场优化调度策略，以经济性、可靠性及用户满意度作为目标。文献[8]提出了一种家庭能量管理系统，用于优化调度内部存在的多种分布式光伏、分布式储能和多种电器。文献[9] 考虑可再生能源配额制，构建了多园区综合能源系统优化调度模型，实现了可再生能源的最大化消纳。文献[10]针对分属于不同利益主体的配电网和微电网，构建双层分布式优化模型，结合分时电价机制，协调配电网与微电网的能量管理问题。文献[11]提出了适用于多微网能量管理的多目标鲁棒优化方法，以集体利益最大化为目标进行优化求解。上述文献针对配电网中存在的多类型园区或微电网提出了多种协调运行策略，但是上述研究均是由配电网运营商负责对多园区的需求响应和优化调度过程进行全局优化，忽略了第三方主体的自治优化及隐私保护需求。
随着配电网对社会资本的放开，增量资本开始不断涌入，当前存在的各类型综合园区大多属于第三方独立主体，各园区以自身经济效益最大化为目标进行自治调度。同时，考虑到第三方园区之间，以及园区与配电网企业之间的市场竞争关系，各园区的隐私难以实现信息共享。因此，在多主体参与的配电网协调运行过程中，配电网企业的职能开始被重新定位，无法再直接控制园区内部的分布式资源进行需求侧响应，传统配电网运营商直接控制的方式将不再适用。因此应考虑为园区提供价格激励机制，以经济利益激励园区积极参与配电网优化运行过程[12]。文献[13]提出了考虑需求响应过程的多微网优化调度策略，同时优化了多微网系统的定价策略。文献[14]考虑到网络阻塞的问题，提出配电网运营商利用配电网节点边际电价，对基于价格响应的产消者分布式资源进行优化调度。文献[15]提出了考虑需求响应的配电网-微电网协调优化调度，由微电网与配电网协商确定需求响应电价与功率。文献[16]建立了基于电价激励的需求响应模型，提出了考虑供需平衡和设备约束的综合能源系统调度策略，实现了负荷的削峰填谷。上述文献探讨了价格对多主体参与协调运行及需求响应的激励引导作用[17]。在新背景下，配电网需要兼顾不同市场主体对于自身利益的追求，因此亟需设计面向多类型综合园区的价格引导机制[18]，通过市场化方式来引导不同资源间的优化调度关系，以此来实现配电网的协同优化运行。
基于上述问题，本文提出一种计及价格引导机制的含分布式资源园区协调运行策略，能够解决传统园区分布式资源集中式调度方法所带来的隐私侵犯及利益分配不均问题；
以及配电网中多个独立园区难以实现区域自治及协调运行的问题。本文构建配电网公司-园区-分布式资源代理的3层协调运行框架。首先，配电网公司基于配电网节点边际电价，以市场手段动态激励配电网中的多个独立园区协调优化运行。进一步，针对园区内部存在的多类分布式资源，采用多代理理论进行建模，基于上层配电网公司传导的时空动态变化的激励电价，采用交互利益优先级理论，实现园区内部多类分布式资源的协调运行。
本文提出基于价格机制引导的多个独立园区协调优化构架，它以交流最优潮流模型计算的节点边际电价表征配电网运行状态，并将它作为市场手段动态激励配电网中的多个独立园区协调优化运行，其运行框架如图1所示。
图1 基于激励机制的多园区协调运行构架Fig.1 Coordinated operation framework of multiple parks considering incentive mechanism
1.1 含多园区的配电网优化调度模型
本研究采用配电网节点边际电价来激励促进网络运营的园区需求响应行为，并惩罚对电网运行不利的需求响应行为。配电网运营商优化调度模型是基于二阶锥松弛的交流最优潮流模型推导出来的，该模型适用于大型配电网络，并且能够推导出节点边际电价[19]。从配电网运营商的角度来看，配电网优化调度模型可以建模为：
(1)
(2)
(3)
(4)
(5)
(Vi,t)2-(Vj,t)2=2(rijPij,t+xijQij,t)-
(Iij,t)2[(rij)2+(xij)2]
(6)
(Vi,t)2(Iij,t)2=(Pij,t)2+(Qij,t)2
(7)
(8)
(9)
(10)
(11)
1.2 含多园区的配电网优化调度模型
(12)
(13)
为有效管理园区内的多种分布式资源，采用多代理理论对其进行建模，并用交互利益优先级理论，基于配电网运营商传导给各园区的时空差异激励电价，动态确定各个分布式资源代理的交互利益。园区按各个分布式资源代理的交互利益优先级顺序依次响应，实现园区内部多类分布式资源的协调响应。
2.1 园区协调运行模型
首先，构建园区优化调度模型。每个园区内部含有不同类型的分布式资源，包括分布式资源、可调负荷、储能和常规负载。园区可以在其控制区域内调整分布式资源的最佳运行点。使用多代理理论将园区内含有的分布式资源建模为多个分布式资源代理。分布式资源代理由园区内同类型的多个小容量分布式资源组成。通过分布式资源代理的聚合和统一控制，小容量分布式资源可以参与园区内部的需求响应过程。园区协调分布式资源代理的需求侧响应收益，以实现园区内部的经济盈余最大化。园区n的优化调度问题表示为：
(14)
(15)
(16)
(17)
(18)
(19)
园区实时运行约束如式(15)—(19)所示。如约束(15)所示，在每个运行时刻，园区内部分布式电源的实时输出不应超过分布式电源输出功率的日前预测值。式(16)定义了可控负荷的需求响应范围。储能的充电/放电功率限制在式(17)—(18)中给出。储能的最大能量存储水平受式(19)限制。在每个周期内储能不能同时进行充放电行为，这意味着在每个时刻中，充放电功率至少有一个等于0。
2.2 基于交互利益优先级的园区优化调度策略
(20)
(21)
(22)
每当园区内部出现不平衡功率时，园区会将不平衡功率和指导价格(配电网运营商给出的节点边际电价)信息广播给每个分布式资源代理[BroadcastInf()]。然后，每个分布式资源代理考虑自身的技术约束和相应的交互收益，生成可行的交互响应策略。接着，各分布式资源代理将实际响应能量和交互收益发送回园区 [ResponseInf()]。最后，园区归纳各分布式资源代理的交互收益，并对其进行优先级排序。
(23)
(24)
如公式(23)所示，园区确认具有最高交互收益的分布式资源代理d获得该投标段进行响应的资格 [ConfirmInf()]。园区根据每个投标段中的交互收益向各个分布式资源代理分配响应配额，每个投标段的资格允许中标者响应PΔ数量的功率，如公式(24)所示。园区和分布式资源代理重复上述过程直到园区内部实现功率平衡，或者所有可用的分布式资源功率全部响应完成。
本文以改进的IEEE 33节点系统作为测试系统进行算例分析。在算例中，考虑DG类型为风力及光伏发电。在33个节点中，10个节点为园区，每个园区配备有分布式电源、分布式储能及可控负荷，其他23个节点为传统负荷节点，系统拓扑如图2所示，该系统基准电压为12.66 kV。程序基于MATLAB 2016a开发，采用商业求解器MOSEK求解配电网运营商优化问题并获得节点边标价格。优化求解时间为24 h，颗粒度设置为1 h，从当天01：00开始，到当天24:00为止。负荷预测数据、分时电价、光伏发电、风力发电、分布式储能的典型运行场景如附录B所示。如图2所示，园区接入节点编号为[5，8，10，13，17，19，21，23，26，33]。
图2 仿真系统接线Fig.2 Wiring diagram of simulation system
为验证本文提出的基于交互利益优先级的园区优化调度策略，本文考虑园区及内部分布式代理采用的三种不同的优化调度策略，如下所示。
策略1：传统由园区代理统一优化调度内部的多类分布式资源代理，响应上层配电网价格激励；
策略2：基于各分布式代理上报的交互利益，确定本时间段的固定响应顺序，各代理依次响应全部可用功率，不进行迭代更新；
策略3：基于交互利益优先级理论，每次优先级最高的代理响应PΔ数量的功率，各代理交互利益进行迭代更新，直到不平衡功率完全消除。
首先，配电网各节点各时刻的节点边际电价如图3所示。如图3所示，配电网变电站1号节点边际电价最低，该节点价格与从主网购电价格保持一致，随后节点边际电价沿潮流流动方向逐次升高，代表了网络损耗、电压水平等对节点电价的影响。以节点边际电价作为园区参与需求响应的指导电价，可以更好地体现各节点需求响应的价值，即各节点所需求功率输出/注入的价值。
图3 节点边际电价结果Fig.3 Results of node marginal price distribution
系统响应前及响应后各时刻的净功率如图4所示。从图4中可以看出，经过需求响应后各时刻的峰值和低谷负荷均得到了有效平衡。如从1时到6时的负荷低谷时段中，考虑到此时刻的节点边际电价相对较低，此时各园区增加发电可以获得更高的收益，基于对各自所在节点电价的响应，在负荷及电价低谷时期增加了用电负荷，提高了自身收益。另一方面，如从16时到21时的负荷高峰时段中，考虑到此时刻的节点边际电价相对较高，此时各园区减少发电可以获得更高的电网补贴，基于对各自所在节点电价的响应，在负荷及电价高峰时期减少用电负荷，提高了自身收益。
图4 响应前后系统不平衡功率对比Fig.4 Comparisons of system imbalance power before and after the demand response
如第一节所构建的园区优化调度模型，本文采用交互利益优先级原则取代传统的运筹学优化算法，对园区内部的多类分布式资源功率进行协调优化。如图5所示，以园区6在1时和7时的协调响应流程为例，对本文方法进行分析。在日前调度计划完成后，园区6在1时和7时的净负荷分别为-201 kW和 -256 kW。如图5(a)所示，在1时，园区将响应功率划分为n个PΔ大小的分段。园区6在0.305美元/(kW·h)的节点电价指导下，向内部各分布式资源代理发布增加负荷功率的信息，各分布式代理基于式(20)—(22)计算自身交互利益，并上传给园区代理。为了最大化园区自身利益，在每个响应分段，园区选择交互利益最高的代理进行响应。因此，在第一个响应分段中，园区6将响应资格分配给交互利益最高的分布式电源代理。随后，分布式电源代理更新其响应功率，重新计算第二个分段的交互利益。产消者和各分布式资源代理迭代执行上述步骤，直到所有代理的交互利益均已达到节点边际电价或所有可调功率均已响应完。
图5 园区6不同时刻协调响应流程Fig.5 Coordinated operation strategy of Park 6 in different time of the sample day
在上午7时，园区6在0.405美元/(kW·h)的节点电价指导下，向内部各分布式资源代理发布减少负荷功率的信息。为了最大化园区自身利益，在每个响应分段，园区选择交互利益最低的代理进行响应，优先增加其有功输出或减小其负荷功率。受到光照强度和风速的限制，分布式电源代理在实时运行阶段不能增加输出，在本阶段被锁定。因此，在第一个响应分段中，园区6将响应资格分配给交互利益最低的可控负荷代理。为了进一步评估所提出的多园区协调相应的性能，响应前后园区6各时刻内部各分布式资源代理功率及园区6净收益如图6所示。园区6各时刻参与响应后的净收益均比参与响应前高。
图6 响应前后园区分布式资源功率对比Fig.6 Comparisons of DER power in Park 6 before and after the demand response
进一步，如表1所示，给出了三种策略下园区6净收益、系统总净收益及求解时间的对比结果。本文提出算法相比传统优化方法，求解时间显著减小，这是因为本文采用的多代理协调响应策略通过各代理迭代更新报价的方式取代了传统耗时的基于运筹学的优化方法。本文算法与策略2相比，园区收益及系统净收益均有较大提升。这是因为传统方法中各代理依次响应，每个代理的可用功率全部响应完后，下一个代理再进行响应，这种方法不能找到协调运行的最优值。而本文采用交互利益优先级理论，通过交互利益的迭代更新，寻找到了节点边际电价指导下各分布式资源代理的协调运行最优组合，更充分地利用了各类分布式资源的需求响应资源，实现了园区净收益的最大化。
表1 14:00不同策略下净收益及求解时间对比Table 1 Comparison of net revenue and solving time between three strategies at 14:00
在多园区参与配电网协同运行与需求响应的场景下，本文考虑市场价格机制对多园区的趋优引导作用，利用节点边际电价对各园区的需求响应行为进行时空差异动态引导，可以更好地体现各园区所在节点参与需求响应的边际价值，更有效地量化了配电网有功平衡、节点电压、网损等运行状态对园区需求响应的作用关系。基于节点边际电价，有效地实现了系统负荷的削峰填谷，减小了配电网负荷波动，同时提高了园区需求响应收益。进一步，在园区内部，采用基于交互利益优先级的协调响应策略替代传统基于运筹学的方法，简化了小体量园区的需求响应过程，大幅加快了计算速度。与传统需求响应过程相比，本文提出的迭代方法可以更好地找到多分布式资源需求响应的最优组合，实现园区及配电网运营商效益最大化。
在未来，将考虑到园区接入配电网对配电网扩展规划的影响，围绕多园区接入下的配电网扩展规划问题展开研究，并探索配电网扩展规划的成本分摊问题。
附录A
(A1)
(A2)
(A3)
(A4)
(A5)
式中：函数A1, ……,A5是基于交流最优潮流计算得到，是支路l的有功功率Pl,t, 支路l的无功功率Ql,t, 支路l的电流Il,t的非线性函数；
Rl、Xl分别为支路l的电阻和电抗。
附录B
图B1 各园区风电功率典型出力场景Fig.B1 Typical scenario of WTG output in scheduling horizon
图B2 各园区光伏功率典型出力场景Fig.B2 Typical scenario of PV output in scheduling horizon
图B3 各园区可调负荷典型场景Fig.B3 Typical scenario of FL in scheduling horizon
图B4 各园区储能功率典型出力场景Fig.B4 Typical scenario of ESS output in scheduling horizon
算例中配电网运营商向主网购电电价，配电网运营商与投资主体向用户售电电价均采用峰-平-谷分时电价。其中峰时段(10:00—12:00，18:00—21:00)；
平时段(07:00—09:00，13:00—17:00，22:00—24:00)；
谷时段(01:00—06:00)。具体电价如表B1所示。
表B1 电价相关参数Table B1 Electricity price-related parameters
表B2 储能相关参数Table B1 Energy storage-related parameters
表B3 配电网相关参数Table B3 Distribution network-related parameters
猜你喜欢电价代理分布式代理圣诞老人趣味(数学)(2018年12期)2018-12-29德国：电价上涨的背后逻辑能源(2018年10期)2018-12-08代理手金宝 生意特别好现代营销(创富信息版)(2018年8期)2018-09-08探索电价改革商周刊(2018年16期)2018-08-14分布式光伏热钱汹涌能源(2017年10期)2017-12-20分布式光伏:爆发还是徘徊能源(2017年5期)2017-07-06可再生能源电价附加的收支平衡分析当代经济(2016年26期)2016-06-15争议光伏标杆上网电价能源(2016年11期)2016-05-17基于DDS的分布式三维协同仿真研究雷达与对抗(2015年3期)2015-12-09胜似妈妈的代理家长中国火炬(2014年1期)2014-07-24