主動配電網(wǎng)用戶側(cè)能量管理系統(tǒng)設(shè)計與實現(xiàn)

胡 勇

?

主動配電網(wǎng)用戶側(cè)能量管理系統(tǒng)設(shè)計與實現(xiàn)

胡 勇

(深圳市中業(yè)智能系統(tǒng)控制有限責(zé)任公司，廣東 深圳 518057)

針對配電網(wǎng)中分布式能源隨機波動性和不可控的特性，提出了用戶側(cè)主動配電網(wǎng)能量管理系統(tǒng)建設(shè)方案。集分布式發(fā)電、儲能裝置、負(fù)荷等可控設(shè)備，結(jié)合電網(wǎng)側(cè)指導(dǎo)電價，以減少費用經(jīng)濟運行為目標(biāo)，實現(xiàn)間歇式能源的消納及優(yōu)化和電網(wǎng)的削峰填谷功能。分析了系統(tǒng)需求和應(yīng)具備的功能。介紹了系統(tǒng)控制策略、系統(tǒng)架構(gòu)以及軟件設(shè)計方案。示范工程已在廣東佛山成功應(yīng)用，其實測數(shù)據(jù)對所設(shè)計控制策略進行了驗證，說明了其良好的優(yōu)化效果。

主動配電網(wǎng)；負(fù)荷預(yù)測；電價發(fā)布系統(tǒng)；分時電價；實時電價

0 引言

面對全球節(jié)能減排和能源可持續(xù)發(fā)展的巨大挑戰(zhàn)，大力發(fā)展分布式可再生能源發(fā)電已經(jīng)成為必然選擇。主動配電網(wǎng)作為智能配電網(wǎng)未來的發(fā)展趨勢[1]，是可以實現(xiàn)分布式電源在配電網(wǎng)中廣泛接入及高度滲透的重要技術(shù)手段，國內(nèi)高校及科研單位對主動配電網(wǎng)涉及的多方面課題展開研究，如：太陽能和風(fēng)能等間歇性、多變性和不確定性的有效消納、儲能系統(tǒng)的最優(yōu)控制策略、電力市場下的負(fù)荷需求響應(yīng)等。文獻[2-3]探討了分布式發(fā)電調(diào)度的優(yōu)化模型，建立了含有風(fēng)力發(fā)電機、光伏發(fā)電單元以及儲能裝置的主動配電網(wǎng)能量調(diào)度數(shù)學(xué)模型, 目標(biāo)函數(shù)中沒有考慮用戶側(cè)的電價激勵策略；文獻[4-5]強調(diào)可再生能源節(jié)能減排作用，建立了考慮經(jīng)濟性、環(huán)保性和可靠性的多目標(biāo)能量優(yōu)化模型，從發(fā)電側(cè)和政策層面上展開分析，討論在電力市場下的經(jīng)濟補償機制和實施方案；文獻[6-8]探討了如何利用有限的電池容量達(dá)到最優(yōu)的削峰填谷效果，設(shè)定滿足一組約束條件，借助于優(yōu)化算法來求解儲能系統(tǒng)充放電策略；文獻[9-12]探討微電網(wǎng)的運行控制和經(jīng)濟調(diào)度，以保證微電網(wǎng)的可靠運行為前提，以整體費用最優(yōu)為目標(biāo)，提出了基于經(jīng)濟調(diào)度的蓄電池容量優(yōu)化模型，運行充放電控制策略僅考慮電池的安全性和負(fù)荷曲線，沒有與相應(yīng)的電價策略結(jié)合，不能體現(xiàn)出用戶互動和經(jīng)濟收益。

針對配電網(wǎng)中分布式能源的隨機波動性和不可控特性，為提高分布式能源利用率，考慮用戶主動參與能量管理的需求，本文提出了集分布式發(fā)電、儲能裝置、負(fù)荷等單一可控的用戶側(cè)主動配電網(wǎng)能量管理系統(tǒng)的建設(shè)方案，在保證電網(wǎng)可靠運行的前提下，以用戶用電費用最低為目標(biāo)，實現(xiàn)間歇式能源消納及優(yōu)化，電網(wǎng)運營系統(tǒng)發(fā)布實時電價，指導(dǎo)用戶參與電網(wǎng)削峰填谷[13]。用戶側(cè)能量管理系統(tǒng)構(gòu)建適應(yīng)于主動配電網(wǎng)的運行與控制理論和應(yīng)用系統(tǒng)，對主動配電網(wǎng)的運行控制具有重要的理論和實際意義。

1 子系統(tǒng)構(gòu)成

傳統(tǒng)配電網(wǎng)采用集中調(diào)度方式，配電自動化系統(tǒng)實現(xiàn)對用戶的運行監(jiān)視和控制，形成“電網(wǎng)-用電負(fù)荷”二元結(jié)構(gòu)。隨著大量分布式能源的接入和電力通信技術(shù)的廣泛應(yīng)用，終端用戶擁有分布式電源、儲能設(shè)備等多種電力調(diào)節(jié)設(shè)備，多方信息及時交互為分布式能源的高效利用提供保障。電網(wǎng)側(cè)預(yù)測負(fù)荷曲線及綜合天氣、重大事件等因素預(yù)測第二天實時電價，引導(dǎo)用戶消納分布式能源發(fā)電功率、平擬電網(wǎng)負(fù)荷峰-谷值，形成以“電網(wǎng)-電價決策-分布式電源-用電負(fù)荷-用戶”多元結(jié)構(gòu)為特征的嶄新的配用電技術(shù)——主動配電網(wǎng)技術(shù)。

主動配電網(wǎng)技術(shù)能夠“主動”主要體現(xiàn)電網(wǎng)側(cè)評估整體用戶負(fù)荷需求，及時利用電力價格杠桿調(diào)整策略，并通過信息化手段調(diào)動電力需方響應(yīng)；用戶側(cè)對發(fā)電能力進行評估，響應(yīng)電網(wǎng)的指導(dǎo)電價，調(diào)整用電計劃，實現(xiàn)電力負(fù)荷需求的理想化。通過能量管理系統(tǒng)，保證了用戶側(cè)與電網(wǎng)側(cè)的互動，從而把電力生產(chǎn)和消費集中控制的電網(wǎng)，轉(zhuǎn)變成用戶側(cè)有大量分布式電源并能與電網(wǎng)有更多互動的主動配電網(wǎng)。涉及子系統(tǒng)包括電網(wǎng)側(cè)電價策略制定及發(fā)布子系統(tǒng)、用戶側(cè)負(fù)荷、發(fā)電預(yù)測子系統(tǒng)以及儲能和配電等數(shù)據(jù)采集與監(jiān)控系統(tǒng)，系統(tǒng)組成如圖1所示。

圖1 系統(tǒng)組成

1.1 光伏發(fā)電預(yù)測子系統(tǒng)

光伏發(fā)電功率預(yù)測結(jié)果為電力生產(chǎn)單位和大用戶制定發(fā)電計劃和生產(chǎn)計劃提供理論依據(jù)。光伏發(fā)電站建設(shè)規(guī)范中也明確要求具備光功率預(yù)測功能，并網(wǎng)光伏電站需按時報送次日96點光伏預(yù)測功率(0:15~24:00)及超短期(未來4小時，16點光伏預(yù)測功率)光功率預(yù)測曲線。光功率預(yù)測方法有基于神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測[14-15]，也有采用光伏電站歷史功率數(shù)據(jù)建模來直接預(yù)測光伏發(fā)電功率[16]等，這些方法都已有實際應(yīng)用案例，為系統(tǒng)中光伏發(fā)電功率預(yù)測提供了多種可行路徑。

1.2 用戶側(cè)負(fù)荷預(yù)測子系統(tǒng)

用戶側(cè)負(fù)荷預(yù)測是電網(wǎng)側(cè)負(fù)荷預(yù)測的依據(jù)，為電力系統(tǒng)運行及電價政策的制定提供了可靠的決策依據(jù)。大用戶負(fù)荷具有隨機性、波動性、沖擊性等特點，給實際的負(fù)荷預(yù)測工作增加了很多困難。大用戶進行預(yù)測研究及應(yīng)用的智能算法文獻較多，主要有以下兩種類型：(1) 神經(jīng)網(wǎng)絡(luò)法，如BP神經(jīng)網(wǎng)絡(luò)、廣義回歸神經(jīng)網(wǎng)絡(luò)、灰色神經(jīng)網(wǎng)絡(luò)等。(2) 矯正算法[17-18]，在取得大用戶的生產(chǎn)檢修計劃表的基礎(chǔ)上，根據(jù)檢修時間和檢修設(shè)備的詳細(xì)資料進行負(fù)荷預(yù)測。現(xiàn)場應(yīng)用表明，采用矯正算法負(fù)荷預(yù)測提高大用戶參與程度，預(yù)測精度更接近于實際值。

1.3 電價策略制定和發(fā)布子系統(tǒng)

電價是電網(wǎng)引導(dǎo)用戶實現(xiàn)平衡峰谷差的關(guān)鍵因素，常用電價模式包括分時電價、實時電價等，分時電價是基于峰、平、谷負(fù)荷來計算每個時段電價，一般確定后不再調(diào)整；實時電價根據(jù)某一時段的電力供應(yīng)情況及時調(diào)整，反映負(fù)荷，發(fā)電的充裕度及成本，輸、配電網(wǎng)的充裕度及損耗，實時電價模型以社會利潤最大化為目標(biāo)，在最優(yōu)化條件下電價的值，文獻[19]按庫恩-塔克(Kuhn-Tucker)的最優(yōu)必要條件，用拉格朗日乘子法求得實時電價。隨著信息技術(shù)、計算機技術(shù)的發(fā)展，電網(wǎng)利用負(fù)荷預(yù)測結(jié)果，綜合發(fā)電、輸送能力等相關(guān)信息，把電價更新周期設(shè)為一天，每天劃為96個時段(15 min)，實時地反映供應(yīng)和需求來確定電價，通過電價發(fā)布子系統(tǒng)面向所有電網(wǎng)用戶。

2 策略設(shè)計

主動配電網(wǎng)和微電網(wǎng)均需對分布式電源及儲能設(shè)備進行控制，控制策略有所不同。微電網(wǎng)以實現(xiàn)區(qū)域內(nèi)的自治為目標(biāo)，對微電源所發(fā)功率在微網(wǎng)內(nèi)進行消納，強調(diào)運行模式控制；主動配電網(wǎng)以消納間歇式能源的調(diào)節(jié)為目標(biāo)[20]，控制策略綜合考慮用戶與電網(wǎng)的雙方因素，在保證系統(tǒng)的安全性前提下，對分布能源有效消納和生產(chǎn)計劃合理安排，提高電網(wǎng)的負(fù)荷特性和用戶的經(jīng)濟效益。

2.1 系統(tǒng)控制策略

國家電網(wǎng)對分布式電源接入系統(tǒng)提出了總?cè)萘康囊?，原則上不宜超過上一級變壓器供電區(qū)域內(nèi)最大負(fù)荷的25%[21]。當(dāng)公共連接點處并入一個以上的電源、負(fù)載可調(diào)且具有儲能的系統(tǒng)中，光伏陣列盡量工作在最大功率點(MPP)狀態(tài)，因光能為不可控綠色能源，通過儲能系統(tǒng)平擬光伏能源的隨機性及波動性。系統(tǒng)控制策略如圖2，設(shè)定系統(tǒng)盡量做到不向上一級電壓等級電網(wǎng)倒送電能，避免電能倒送可能引起的電網(wǎng)末端電壓升高等問題，當(dāng)光伏發(fā)電功率大于負(fù)載需求時，多余的能量儲存到蓄電池中，盡量減少從公共電網(wǎng)吸收能量，禁止高電價時域向蓄電池充電，可適度由低電價時域向蓄電池充電。

圖2 系統(tǒng)控制策略

2.2 蓄電池控制策略

蓄電池的充放電策略管理具備自動控制、手動配置控制這兩種模式。自動控制策略適用于電網(wǎng)發(fā)布實時電價模式，利用信息技術(shù)為依托，實時監(jiān)控運行狀態(tài)，預(yù)置的優(yōu)化算法程序按策略控制其發(fā)電、儲能、用電設(shè)備；手動配置策略適用于用戶選擇分時電價模式，用戶生產(chǎn)計劃明確且日負(fù)荷曲線可控有規(guī)律，程序根據(jù)配置策略在指定時間段投入發(fā)電、儲能及用電設(shè)備并監(jiān)控系統(tǒng)運行。

2.2.1自動控制策略

為了保護儲能設(shè)備，防止過度充放電，對充放電功率進行上下限設(shè)置，即儲能元件電量較少時限制其放電功率，達(dá)到電量下限時停止向外放電，儲能剩余電量較多時限制充電功率，達(dá)到電量上限時限制充電，控制策略如圖3所示。

(1) 系統(tǒng)啟動準(zhǔn)備

(a) 讀取預(yù)測電價：0點(可配置)時從服務(wù)器讀取全天的96時段的預(yù)測電價，計算其平均值。

圖3 自動控制策略

(b) 計算上限值和下限值：上限值為所有大于平均值電價的平均值，下限值為所有小于平均值電價的平均值。

(2) 蓄電池控制原則

(a) 在每個時段從服務(wù)器取得實時電價。

(b) 當(dāng)實時值在上限值和下限值之間時，停止充放電，充放電功率置0。

(c) 當(dāng)實時值小于下限值時，啟動充電。并設(shè)置充電功率。

(d) 當(dāng)實時值大于上限值時，啟動放電。并設(shè)置放電功率。

(3) 充電及放電功率設(shè)置原則

(a) 蓄電池停止運行，充電及放電功率初始化為0。

(b) 放電功率的計算

當(dāng)實時值在大于上限值并小于上限值上浮5%范圍內(nèi)，放電功率設(shè)置為80%的最大可放電功率。

當(dāng)實時值在大于上限值上浮5%并小于上限值上浮10%的范圍內(nèi)，放電功率設(shè)置為90%的最大可放電功率。

當(dāng)實時值大于上限值上浮10%的值，放電功率設(shè)置為100%最大可放電功率。

(c) 充電功率的計算

當(dāng)實時值在小于下限值并大于下限值下浮5%范圍內(nèi)，充電功率設(shè)置為80%的最大可充電功率。

當(dāng)實時值在小于下限值下浮5%并大于下限值下浮10%的范圍內(nèi)，放電功率設(shè)置為90%的最大可充電功率。

當(dāng)實時值小于下限值下浮10%的值，放電功率設(shè)置為100%最大可充電功率。

2.2.2 手動配置策略

手動配置策略適用于分時電價模式，用戶根據(jù)已發(fā)布的峰谷平電價配置蓄電池充電時段、充電功率和放電時段、放電功率，程序按時段執(zhí)行配置方案，進行充放電控制并監(jiān)控系統(tǒng)運行。圖4表示按分時電價的用戶可選擇的配置方案，光伏系統(tǒng)是按最大功率發(fā)電，發(fā)電時間一般是(09:00~17:00)；電池充電時間配置只能在低谷區(qū)，時間段為(23:00~07:30)；放電時間配置在高峰區(qū)，時間段為(09:00~11:30，12:00~16:30，19:00~21:00)，根據(jù)電池單位時間充放電功率，提前把電池充放容量配置到不同的時間區(qū)域。

3 系統(tǒng)實現(xiàn)

3.1 系統(tǒng)整體概述

用戶側(cè)能量管理系統(tǒng)采用一體化設(shè)計[22]，軟件基于數(shù)據(jù)采集與監(jiān)視控制(Supervisory Control And Data Acquisition，SCADA)平臺，整體結(jié)構(gòu)采用服務(wù)器/客戶端模式，設(shè)計采用分布式的基于組件方法，將功能設(shè)計為獨立的組件，組件間以軟總線的方式進行通信，在原系統(tǒng)基礎(chǔ)上擴充高級應(yīng)用組件[23]，新增電價發(fā)布、控制策略、負(fù)荷及發(fā)電預(yù)測等功能，這樣可大大提高系統(tǒng)的內(nèi)聚度，增強穩(wěn)定性。組件關(guān)系如圖5。

3.2 軟件功能架構(gòu)

軟件采用三層架構(gòu)設(shè)計，分為系統(tǒng)支撐層、信息交互層、應(yīng)用服務(wù)層，如圖6所示，實現(xiàn)服務(wù)與應(yīng)用的分離，有益于系統(tǒng)多功能的擴充。系統(tǒng)支撐層是基于統(tǒng)一規(guī)范的底層交互平臺，為其他服務(wù)與應(yīng)用提供底層支撐；信息交互層是通過數(shù)據(jù)庫服務(wù)及軟件總線為各服務(wù)及應(yīng)用功能模塊間架設(shè)的通信橋梁，提供統(tǒng)一的數(shù)據(jù)傳輸接口，數(shù)據(jù)庫訪問接口以及控制命令接口；應(yīng)用服務(wù)層包括 SCADA服務(wù)、高級應(yīng)用服務(wù)及可視化應(yīng)用，實現(xiàn)系統(tǒng)各種應(yīng)用功能。

圖5 組件關(guān)系

圖6 功能架構(gòu)

SCADA服務(wù)是系統(tǒng)的基礎(chǔ)服務(wù)，包含通信服務(wù)、實時數(shù)據(jù)采集與處理、歷史數(shù)據(jù)存儲等功能，為核心分析計算提供數(shù)據(jù)服務(wù)。

高級應(yīng)用服務(wù)基于SCADA服務(wù)，通過通信軟總線及數(shù)據(jù)庫服務(wù)信息交互，執(zhí)行高級應(yīng)用功能的調(diào)用、計算、數(shù)據(jù)傳輸?shù)?，包括根?jù)功率、負(fù)荷預(yù)測和電網(wǎng)發(fā)布電價信息以及綜合各方信息生成的儲能控制策略，并通過SCADA的通信服務(wù)，對儲能裝置管理系統(tǒng)的運行模式進行實時控制。

可視化應(yīng)用在服務(wù)功能模塊搭建出不同的應(yīng)用人機交互系統(tǒng)，實現(xiàn)圖形化狀態(tài)監(jiān)視、操作控制、預(yù)測數(shù)據(jù)、電價信息、報表曲線、統(tǒng)計分析等。

4 示范應(yīng)用

項目所在地全年日照小時數(shù)達(dá)1 600～1 700 h，太陽輻射總量為4 803.408 MJ/m2，適宜建設(shè)分布式太陽能光伏發(fā)電。示范工程包括廣東4個大工業(yè)用戶和1個管理中心，電網(wǎng)側(cè)部署中心能量管理系統(tǒng)、電價發(fā)布系統(tǒng)以及光功率預(yù)測系統(tǒng)，運行表明基于主動能量管理的技術(shù)，結(jié)合天氣預(yù)測和負(fù)荷預(yù)測信息，通過電價杠桿刺激用戶需求響應(yīng)，調(diào)整了負(fù)荷在時間與空間的多維度分布。隨著參與用戶增多，會進一步降低饋線負(fù)荷峰谷差，降低網(wǎng)絡(luò)線損，優(yōu)化電壓水平，改善負(fù)荷特性，電網(wǎng)側(cè)數(shù)據(jù)分析本文不做詳細(xì)介紹。

圖7為用戶側(cè)佛山某鋁廠接入分布式能源及儲能系統(tǒng)后的配電部分一次接線及相關(guān)參數(shù)，用戶側(cè)能量管理系統(tǒng)根據(jù)運行策略對并網(wǎng)開關(guān)、光伏發(fā)電系統(tǒng)、儲能系統(tǒng)以及重要負(fù)荷等實時控制。

圖7 一次接線圖

表1為用戶某天運行數(shù)據(jù)，光伏發(fā)電主要6-19點區(qū)間，發(fā)電功率最大值在15點左右，每天發(fā)電情況與天氣情況密切相關(guān)，如風(fēng)速、光照、溫度等；能量管理系統(tǒng)根據(jù)光伏發(fā)電、電價以及負(fù)荷曲線等信息，優(yōu)化儲能充放電策略，達(dá)到了削峰填谷的目的，調(diào)節(jié)前后的負(fù)荷曲線如圖8，實現(xiàn)最大峰谷差降低約7.8%。值得注意的是，在節(jié)假日的白天時段，由于工廠停工，用戶的負(fù)荷很小，存在光伏出力大于負(fù)荷值的現(xiàn)象，需要利用主動配電網(wǎng)技術(shù)實現(xiàn)光伏發(fā)電的100%高效消納。

表1中包含有2種電價模式，用戶根據(jù)自己用電情況，在一定期間內(nèi)合理選擇其電價模式。分時電價模式的發(fā)布電價每天各時段是不變的；實時電價模式的發(fā)布電價各時段值取決于預(yù)測負(fù)荷曲線、天氣信息以及重大事件等多種因素，每15 min發(fā)布一次電價。表1數(shù)據(jù)可以明顯看出實時電價幾乎都高于分時電價，可能是受天氣因素的影響，這只是某天特殊現(xiàn)象。

表1 光伏、儲能、網(wǎng)供、負(fù)荷電量及分時、實時電價

注：表中+數(shù)據(jù)為吸收點能量，-數(shù)據(jù)為釋放點能量。

圖8 調(diào)節(jié)后負(fù)荷曲線

用戶采用分時電價或?qū)崟r電價模式當(dāng)天產(chǎn)生 1 926元或2 118元收益，如表2，年度直接經(jīng)濟收益可達(dá)69.34或76.27萬元；電網(wǎng)通過對可控資源的充分引導(dǎo)，有效降低配電網(wǎng)的建設(shè)投資，提高電網(wǎng)設(shè)備利用率，同時能夠?qū)崿F(xiàn)間歇式能源的高效消納以及較高的供電可靠性。

表2 實時電價與分時電價費用比較

5 結(jié)語

主動配電網(wǎng)是未來配電網(wǎng)發(fā)展的必然方向，本文提出了用戶側(cè)能量管理系統(tǒng)建設(shè)方案并投入示范應(yīng)用，系統(tǒng)運行結(jié)果達(dá)到預(yù)期目標(biāo)，實現(xiàn)了分布式能源的消納，減少了用戶的用電費用，驗證了策略的合理性和有效性。但是，由于光伏發(fā)電系統(tǒng)運行狀態(tài)、負(fù)荷水平、實時電價等多方面都存在不確定性因素，這些不確定性因素的數(shù)學(xué)建模和系統(tǒng)優(yōu)化將是下一步的主要研究工作。

[1] 張建華, 曾博, 張玉瑩, 等. 主動配電網(wǎng)規(guī)劃關(guān)鍵問題與研究展望[J]. 電工技術(shù)學(xué)報, 2014, 29(2): 13-23.

ZHANG Jianhua, ZENG Bo, ZHANG Yuying, et al. Key Issues and research prospects of active distribution network planning[J]. Transactions of China Electrotechnical Society, 2014, 29(2): 13-23.

[2] 尤毅, 劉東, 鐘清, 等. 主動配電網(wǎng)優(yōu)化調(diào)度策略研究[J]. 電力系統(tǒng)自動化, 2012, 32(14): 95-100.

YOU Yi, LIU Dong, ZHONG Qing, et al. Research on optimal schedule strategy for active distribution network[J]. Automation of Electric Power Systems, 2012, 32(14): 95-100.

[3] 王健, 謝樺, 孫健. 基于機會約束規(guī)劃的主動配電網(wǎng)能量優(yōu)化調(diào)度研究[J]. 電力系統(tǒng)保護與控制, 2014, 42(13): 45-52.

WANG Jian, XIE Hua, SUN Jian. Study on energy dispatch strategy of active distribution network using chance-constrained programming[J]. Power System Protection and Control, 2014, 42(13): 45-52.

[4] 王超, 張曉明, 唐茂林, 等. 四川電網(wǎng)節(jié)能減排發(fā)電實時調(diào)度優(yōu)化模型[J]. 電力系統(tǒng)自動化, 2008, 32(4): 89-92.

WANG Chao, ZHANG Xiaoming, TANG Maolin, et al. Realtime dispatching optimization model for energy-saving and emission-reduction generation in Sichuan Grid[J]. Automation of Electric Power Systems, 2008, 32(4): 89-92.

[5] 陳之栩, 謝開, 張晶, 等. 電網(wǎng)安全節(jié)能發(fā)電日前調(diào)度優(yōu)化模型及算法[J]. 電力系統(tǒng)自動化, 2009, 33(1): 10-14.

CHEN Zhixu, XIE Kai, ZHANG Jing, et al. Optimal model and algorithm for day-ahead generation scheduling of transmission grid security constrained convention dispatch[J]. Automation of Electric Power Systems, 2009, 33(1): 10-14.

[6] 靳小龍, 穆云飛, 賈宏杰, 等. 面向最大供電能力提升的配電網(wǎng)主動重構(gòu)策略[J]. 電工技術(shù)學(xué)報, 2014, 29(12): 137-147.

JIN Xiaolong, MU Yunfei, JIA Hongjie, et al. An active reconfiguration strategy for distribution network based on maximum power supply capability[J]. Transactions of China Electrotechnical Society, 2014, 29(12): 137-147.

[7] 孔令志, 唐西勝, 齊智平. 光柴儲微網(wǎng)系統(tǒng)的儲能動態(tài)能量調(diào)度策略研究[J]. 電力系統(tǒng)保護與控制, 2012, 40(20): 7-14.

KONG Lingzhi, TANG Xisheng, QI Zhiping. Study on dynamic energy dispatch strategy of energy storage in PV-diesel-energy storage microgrid system[J]. Power System Protection and Control, 2012, 40(20): 7-14.

[8] 鮑冠南, 陸超, 袁志昌, 等. 基于動態(tài)規(guī)劃的電池儲能系統(tǒng)削峰填谷實時優(yōu)化[J]. 電力系統(tǒng)自動化, 2012, 36(12): 11-16.

BAO Guannan, LU Chao, YUAN Zhichang, et al. Load shift real-time optimization strategy of battery energy storage system based on dynamic programming[J]. Automation of Electric Power Systems, 2012, 36(12): 11-16.

[9] 劉霞, 江金元. 風(fēng)光儲混合系統(tǒng)的協(xié)調(diào)優(yōu)化控制[J]. 電力系統(tǒng)自動化, 2012, 32(14): 95-100.

LIU Xia, JIANG Quanyuan. An optimal coordination control of hybrid wind photovoltaic energy storage system[J]. Automation of Electric Power Systems, 2012, 32(14): 95-100.

[10]許丹, 丁強, 潘毅, 等. 基于經(jīng)濟調(diào)度的微電網(wǎng)蓄電池容量優(yōu)化[J]. 電力系統(tǒng)保護與控制, 2011, 39(17): 56-59.

XU Dan, DING Qiang, PAN Yi, et al. Study on optimizing capacity of storage battery in micro grid system based on economic dispatch[J]. Power System Protection and Control, 2011, 39(17): 56-59.

[11] 李瑞生. 微電網(wǎng)關(guān)鍵技術(shù)實踐及實驗[J]. 電力系統(tǒng)保護與控制, 2013, 41(2): 73-78.

LI Ruisheng. Practice and experiment of the key microgrid technologies[J]. Power System Protection and Control, 2013, 41(2): 73-78.

[12] 蔡宇, 林今, 宋永華, 等. 基于模型預(yù)測控制的主動配電網(wǎng)電壓控制[J]. 電工技術(shù)學(xué)報, 2015, 30(23): 42-49.

CAI Yu, LIN Jin, SONG Yonghua, et al. Voltage control strategy in active distribution network based on model predictive control[J]. Transactions of China Electrotechnical Society, 2015, 30(23): 42-49.

[13] 郭紅霞, 白浩, 劉磊, 等. 統(tǒng)一電能交易市場下的虛擬電廠優(yōu)化調(diào)度模型[J]. 電工技術(shù)學(xué)報, 2015, 30(23): 136-145.

GUO Hongxia, BAI Hao, LIU Lei, et al. Optimal scheduling model of virtual power plant in a unified electricity trading market[J]. Transactions of China Electrotechnical Society, 2015, 30(23): 136-145.

[14] 劉立陽, 吳軍基, 孟紹良. 短期風(fēng)電功率預(yù)測誤差分布研究[J]. 電力系統(tǒng)保護與控制, 2013, 41(12): 65-72.

LIU Liyang, WU Junji, MENG Shaoliang. Research on error distribution of short-term wind power prediction[J]. Power System Protection and Control, 2013, 41(12): 65-72.

[15] 陳世慧, 阮大兵. 光伏發(fā)電有功功率預(yù)測及其在電網(wǎng)頻率控制中的應(yīng)用[J]. 電力系統(tǒng)保護與控制, 2013, 41(20): 125-129.

CHEN Shihui, RUAN Dabing. Prediction of photovoltaic power and its application in power grid frequency control[J]. Power System Protection and Control, 2013, 41(20): 125-129.

[16] 丁明, 徐寧舟. 基于馬爾可夫鏈的光伏發(fā)電系統(tǒng)輸出功率短期預(yù)測方法[J]. 電網(wǎng)技術(shù), 2011, 35(1): 152-157.

DING Ming, XU Ningzhou. A method to forecast short- term output power of photovoltaic generation system based on Markov chain[J]. Power System Technology, 2011, 35(1): 152-157.

[17] 李霄, 王昕, 鄭益慧, 等. 基于改進最小二乘支持向量機和預(yù)測誤差校正的短期風(fēng)電負(fù)荷預(yù)測[J]. 電力系統(tǒng)保護與控制, 2015, 43(11): 63-69.

LI Xiao, WANG Xin, ZHENG Yihui, et al. Short-term wind load forecasting based on improved LSSVM and error forecasting correction[J]. Power System Protection and Control, 2015, 43(11): 63-69.

[18]彭顯剛, 胡松峰, 呂大勇. 基于RBF神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測方法綜述[J]. 電力系統(tǒng)保護與控制, 2011, 39(17): 144-148.

PENG Xiangang, HU Songfeng, Lü Dayong. Review on grid short-term load forecasting methods based on RBF neural network[J]. Power System Protection and Control, 2011, 39(17): 144-148.

[19] 馬金明, 秦雷鳴, 朱振青. 供電公司分時售電電價研究[J]. 電力系統(tǒng)自動化, 2002, 26(3): 9-12.

MA Jinming, QIN Leiming, ZHU Zhengqing. Studies on spot price for regional energy utility[J]. Automation of Electric Power Systems, 2002, 26(3): 9-12.

[20] 尤毅, 劉東, 于文鵬, 等. 主動配電網(wǎng)技術(shù)及其進展[J]. 電力系統(tǒng)自動化, 2012, 36(18): 10-16.

YOU Yi, LIU Dong, YU Wenpeng, et al. Technology and its trends of active distribution network[J]. Automation of Electric Power Systems, 2012, 36(18): 10-16.

[21] Q/GDW 480 — 2010 Q/GDW 分布式電源接入電網(wǎng)技術(shù)規(guī)定[S].

Q/GDW 480 — 2010 Q/GDW technical rule for distributed resources connected to power grid[S]. 2010.

[22] 柳春芳. 主動配電網(wǎng)的一體化設(shè)計方法[J]. 電力系統(tǒng)保護與控制, 2015, 43(11): 49-55.

LIU Chunfang. An integrated design method of active distribution network[J]. Power System Protection and Control, 2015, 43(11): 49-55.

[23]胡勇, 劉奇峰. 基于WEBGIS的分布式電動汽車充電樁運營管理系統(tǒng)設(shè)計與實現(xiàn)[J]. 電力建設(shè), 2014, 35(1): 98-103.

HU Yong, LIU Qifeng. Design and implementation of operation management system for distributed EV charging pile based on WEBGIS[J]. Electric Power Construction, 2014, 35(1): 98-103.

(編輯 葛艷娜)

Design and implementation of user energy management system on active distribution network

HU Yong

(Shenzhen Zhongye Intelligent System Control Co., Ltd., Shenzhen 518057, China)

According to the random fluctuation and uncontrollability of distribution energy resource within distribution network, this paper puts forward the construction project for user-side energy management system on active distribution network. Aiming to reducing cost in economical operation and coupled with the grid-side reference electricity price, it integrates control of distributed generation, energy storage device and load to realize the accommodation and optimization of intermittent energy, as well as the peak load shifting function. Demands and required functions of the system are further analyzed. The control strategies and architecture of the system, as well as the plan of software design, are also introduced. A demonstration project has already operated successfully in Foshan, Guangdong Province; the actually measured data has been utilized to verify the design and control strategies and illustrate its favorable optimization effects.

active distribution network; load forecast; electricity price system; time-of-use electricity price; real-time electricity price

10.7667/PSPC151576

2015-09-06；

2016-03-21

胡 勇(1968-)，男，碩士，高級工程師，主要從事新能源發(fā)電及電動汽車充電解決方案和軟件研發(fā)。E-mail: wilard@21cn.com