計(jì)及靈活性聚合功率的源-荷分布式協(xié)調(diào)調(diào)度

邊曉燕，孫明琦，董 璐，楊興武，崔 勇，林順富

（1.上海電力大學(xué)電氣工程學(xué)院，上海市 200090；2.國(guó)網(wǎng)上海市電力公司市南供電公司，上海市 200030；3.國(guó)網(wǎng)上海市電力公司電力調(diào)度控制中心，上海市 200122）

0 引言

在分布式能源（DER）大規(guī)模接入主動(dòng)配電網(wǎng)背景下，“源”側(cè)的風(fēng)電、光伏電源以及“荷”側(cè)的電動(dòng)汽車(chē)、溫控負(fù)荷等與時(shí)間耦合，預(yù)期計(jì)劃和實(shí)際運(yùn)行結(jié)果往往存在差別［1］，在日內(nèi)階段，配電網(wǎng)能量管理系統(tǒng)（DEMS）所要面臨的不確定性問(wèn)題加劇，使其對(duì)“源-荷”側(cè)靈活性資源的協(xié)調(diào)優(yōu)化提出了更高的要求［2］。為了有效應(yīng)對(duì)“源-荷”側(cè)雙向不確定性和波動(dòng)性，DEMS需靈活配置備用容量［3-4］。然而，由于主動(dòng)配電網(wǎng)中含有大量的DER，對(duì)其進(jìn)行統(tǒng)一集中調(diào)度復(fù)雜性較高，幾乎無(wú)法實(shí)現(xiàn)。因此，有必要建立一種分布式集群優(yōu)化的經(jīng)濟(jì)調(diào)度模型，將分布式靈活性資源作為一個(gè)集群整體，對(duì)各個(gè)集群進(jìn)行優(yōu)化調(diào)控，并充分利用各種靈活性資源提供備用以實(shí)現(xiàn)功率平衡。

為了充分發(fā)揮各種DER在空間、時(shí)間上的靈活性，需要對(duì)靈活性資源進(jìn)行量化與整合，通過(guò)聚合分布式靈活性資源的靈活性功率特性，構(gòu)建反映集群可調(diào)用能力的等值模型［5-6］。文獻(xiàn)［7-9］提出了基于概率分布的多時(shí)間尺度靈活性供需平衡數(shù)學(xué)模型，但是基于卷積求和的概率模型難以處理大量的分布式設(shè)備。文獻(xiàn)［10-11］通過(guò)建立“節(jié)點(diǎn)功率”模型來(lái)量化靈活性，但其將“源”側(cè)分布式風(fēng)電機(jī)組作為不可調(diào)控單元進(jìn)行處理［12］，沒(méi)有做到多種靈活性資源的協(xié)調(diào)優(yōu)化。實(shí)際上，聚合商通常將配電網(wǎng)的局部區(qū)域可調(diào)控靈活性資源進(jìn)行收集，但是由于不同DER有各自的運(yùn)行約束，因此需要調(diào)度平臺(tái)生成聚合 功 率 約 束 空 間［13］。文 獻(xiàn)［14-15］提 出 運(yùn) 用zonopotic集合實(shí)現(xiàn)多種DER靈活性能源的聚合與分解，但其忽略了用戶(hù)隱私暴露的風(fēng)險(xiǎn)。文獻(xiàn)［16］采用內(nèi)盒近似法對(duì)靈活性功率進(jìn)行聚合，但對(duì)調(diào)度的運(yùn)算效率提出了更高的要求。文獻(xiàn)［17］采用的閔可夫斯基和（Minkowski sum）和虛擬電池（virtual battery，VB）模型基于需求側(cè)資源生成聚合功率，但其僅僅局限于日前調(diào)度，預(yù)先整合的靈活性功率和實(shí)時(shí)調(diào)度階段沒(méi)有任何的銜接。

針對(duì)上述問(wèn)題，本文首先建立反映集群整體可調(diào)能力的VB模型，并運(yùn)用閔可夫斯基和求解日前階段彈性備用功率區(qū)間，在此基礎(chǔ)上構(gòu)建日前-日內(nèi)兩階段經(jīng)濟(jì)調(diào)度模型，實(shí)現(xiàn)日前階段和日內(nèi)階段的有效過(guò)渡。其次，在日內(nèi)階段采用分布式算法對(duì)模型進(jìn)行求解，從而提高計(jì)算效率、保護(hù)用戶(hù)的隱私［18］。然而實(shí)現(xiàn)分布式集群調(diào)控的核心是如何設(shè)計(jì)滿足在線控制需求的分布式求解算法。目前主流的以一致性為代表的分布式算法，都需要一個(gè)集中處理器收集所有或鄰近智能體單元的功率信息并求和處理以滿足系統(tǒng)全局供需功率平衡，但其只能實(shí)現(xiàn)離線優(yōu)化，無(wú)法滿足大規(guī)模分布式資源發(fā)電集群的在線控制需求。文獻(xiàn)［19］中提出了一種經(jīng)典的一致性算法，通過(guò)分布式觀測(cè)器對(duì)鄰近智能體單元進(jìn)行信息交互來(lái)估計(jì)全局信息，但其最終需要對(duì)所有的智能體單元的估值進(jìn)行集中求和。文獻(xiàn)［20-22］在分布式自治區(qū)域使用一致性算法時(shí)，運(yùn)用總功率偏差作為收斂條件，而總功率偏差需要收集所有分布式單元信息。因此，本文在日內(nèi)調(diào)度階段對(duì)傳統(tǒng)的一致性算法進(jìn)行改進(jìn)，將頻率控制和一致性算法結(jié)合，提出一致性調(diào)控策略對(duì)靈活性聚合功率的經(jīng)濟(jì)調(diào)度模型求解，可以更好地適應(yīng)“源-荷”雙向不確定性場(chǎng)景，實(shí)現(xiàn)了對(duì)靈活性聚合功率下分布式集群調(diào)控模型滿足在線控制需求的分布式算法求解。

1 靈活性備用資源建模

1.1 VB模型

分布式集群系統(tǒng)靈活性電池儲(chǔ)備模型如圖1所示。圖中：紅色虛線表示每個(gè)集群的最大輸出功率限制；藍(lán)色虛線表示每個(gè)集群的最小輸出功率限制；綠色實(shí)線表示集群的負(fù)荷狀態(tài)；綠色填充區(qū)域表示每個(gè)集群在上一時(shí)刻的電量狀態(tài)；藍(lán)色填充區(qū)域表示本地集群調(diào)整的電量；紫色填充區(qū)域表示優(yōu)化后集群m所發(fā)送的電量。在集群1中DER所產(chǎn)生的功率總和小于負(fù)荷需求時(shí)，集群2通過(guò)VB模型整合可調(diào)控資源并使其參與功率調(diào)節(jié)，將溢出的功率來(lái)彌補(bǔ)集群1所缺的功率，集群2剩下盈余的功率可以輸送給集群i，這樣集群i就可以減少發(fā)電量（當(dāng)集群i的發(fā)電價(jià)格大于集群i向電網(wǎng)送電的價(jià)格）。

圖1 分布式集群系統(tǒng)靈活性電池儲(chǔ)備模型Fig.1 Flexible battery reserve model of distributed cluster system

1.2 “源-荷”側(cè)靈活性備用資源建模

對(duì)于傳統(tǒng)的發(fā)電機(jī)組，其各時(shí)刻出力及備用約束滿足以下條件。

集群i中風(fēng)電場(chǎng)w可以通過(guò)超速控制為系統(tǒng)提供備用容量，其出力及備用約束為：

運(yùn)用需求響應(yīng)技術(shù)可令用戶(hù)提供備用容量以緩解系統(tǒng)的不確定性［23］。本文考慮的靈活性負(fù)荷即在有限時(shí)間內(nèi)通過(guò)價(jià)格或市場(chǎng)激勵(lì)改變需求側(cè)負(fù)荷D的消耗功率PD，i，t，其表達(dá)式為：

1.3 多種靈活性資源集群聚合模型

實(shí)際系統(tǒng)中，靈活性資源的規(guī)模不斷擴(kuò)大，日前調(diào)度考慮96個(gè)調(diào)度周期，隨著維數(shù)的升高和參與運(yùn)算集合的增加，描述可行域邊界的平面呈指數(shù)增加［17］。在日前階段，為了減少在分布式架構(gòu)下對(duì)靈活性資源聚合的復(fù)雜度，通過(guò)VB模型整合可調(diào)控靈活性資源j的出力Ρj和靈活性聚合功率軌跡Ρagg∈RN，本文將Ρagg∈RN定義為可調(diào)節(jié)功率域。運(yùn)用閔可夫斯基和［17］得到靈活性可行集Zpro為：

基于VB模型量化可行集，獲取VB模型的功率、能量邊界分別為：

從邊界形式來(lái)看，VB模型的刻畫(huà)方式采用具有時(shí)移特性的功率和能量邊界來(lái)量化集群資源的靈活性調(diào)控能力［24］。能量邊界表征了一段時(shí)間內(nèi)分布式資源持續(xù)提供靈活性功率的能力，如果能量狀態(tài)小于其下界或大于其上界，則表明靈活性需求超出了集群的靈活性調(diào)控能力［25］。功率邊界表示集群靈活性資源在一段時(shí)間內(nèi)可以即時(shí)提供的最小（最大）靈活性功率。

需要注意的是，在日前調(diào)度階段對(duì)靈活性功率聚合是為了獲取在某一時(shí)段下多種靈活性資源可向系統(tǒng)提供靈活性功率的實(shí)際可行域Ρagg∈RN，其通過(guò)以下表達(dá)式進(jìn)行刻畫(huà)：

靈活性聚合功率下可調(diào)節(jié)功率區(qū)域如圖2所示，圖2描述了實(shí)際功率運(yùn)行的軌跡受到上、下界備用的約束。通過(guò)在日前調(diào)度中基于閔可夫斯基和求解VB模型獲取可調(diào)節(jié)功率域（如圖中綠色和藍(lán)色填充區(qū)域所示），實(shí)現(xiàn)日前調(diào)度與日內(nèi)調(diào)度的過(guò)渡。

圖2 靈活性聚合功率下可調(diào)節(jié)功率域Fig.2 Adjustable power domain with flexible aggregated power

2 靈活性聚合功率下分布式經(jīng)濟(jì)調(diào)度

2.1 靈活性聚合功率下經(jīng)濟(jì)調(diào)度模型

傳統(tǒng)調(diào)度模型的日前調(diào)度與日內(nèi)調(diào)度相對(duì)獨(dú)立，且其未針對(duì)分布式能源的不確定性給出備用容量計(jì)劃。在交互能源機(jī)制下，這些靈活性設(shè)備具有的備用容量可以通過(guò)輔助服務(wù)參與系統(tǒng)功率平衡［26］。

基于此，本文以含常規(guī)能源的分布式電源、新能源電源、儲(chǔ)能單元及可控負(fù)荷的多個(gè)分布式資源集群的主動(dòng)配電網(wǎng)為研究對(duì)象，基于閔可夫斯基和約束空間疊加對(duì)多種備用資源進(jìn)行集群等值聚合，從而獲取彈性功率區(qū)間和可調(diào)節(jié)功率域以銜接日前-日內(nèi)的調(diào)度。在考慮靈活性聚合功率下制定日內(nèi)經(jīng)濟(jì)調(diào)度模型，幫助調(diào)度人員在日內(nèi)階段充分利用多種靈活性資源以修正各種不確定性造成的日前調(diào)度誤差。

本文建立靈活性聚合功率下的經(jīng)濟(jì)調(diào)度模型的目標(biāo)函數(shù)為：

式 中：γj、bj、cj為 常 規(guī) 電 源 成 本 效 益 系 數(shù)；αw，1，j和αw，2，j為 風(fēng) 電 場(chǎng) 備 用 的 成 本 效 益 系 數(shù)；βD，j為 需 求 側(cè)負(fù)荷備用成本效益系數(shù)；Pg，j和PD，j分別為“源”側(cè)出力 和“荷”側(cè)負(fù)荷需求；Pw，j，lim為已知的在MPPT運(yùn)行模式下風(fēng)電場(chǎng)出力Pw，j的最大值；Pl，j為已知的未經(jīng)需求響應(yīng)處理的負(fù)荷量。等號(hào)右側(cè)第1項(xiàng)是常規(guī)電源的成本項(xiàng)；第2項(xiàng)是風(fēng)電場(chǎng)備用的成本項(xiàng)，第3項(xiàng)是需求側(cè)備用下的成本項(xiàng)。

靈活性聚合功率下經(jīng)濟(jì)調(diào)度模型的約束條件為：

其中，式（22）和式（23）為靈活性聚合功率下功率平衡約束；式（24）為VB模型下彈性功率區(qū)間約束；式（25）和式（26）為可調(diào)節(jié)功率域的約束；式（27）和式（28）為“源”“荷”側(cè)功率出力約束。

2.2 靈活性聚合功率下的輸配電網(wǎng)分布式協(xié)調(diào)優(yōu)化調(diào)度模型

針對(duì)靈活性資源等值聚合進(jìn)行多集群經(jīng)濟(jì)調(diào)度，核心是如何動(dòng)態(tài)預(yù)測(cè)靈活性資源聚合功率和容量進(jìn)行實(shí)時(shí)優(yōu)化調(diào)節(jié)的問(wèn)題，本文在日內(nèi)實(shí)時(shí)滾動(dòng)優(yōu)化調(diào)度階段提出了基于靈活性聚合功率下的輸配電網(wǎng)分布式協(xié)調(diào)優(yōu)化模型。本質(zhì)上講，功率聚合可以視為配電網(wǎng)對(duì)未來(lái)運(yùn)行軌跡的一次規(guī)劃，而靈活性資源聚合功率與用戶(hù)本身的需求相關(guān)聯(lián)，是隨著時(shí)間耦合動(dòng)態(tài)變化的序列，功率最優(yōu)運(yùn)行軌跡會(huì)由于執(zhí)行輸電側(cè)調(diào)節(jié)指令而發(fā)生重大改變，所以需要新一輪的功率聚合以更新輸配電交互的協(xié)調(diào)運(yùn)行調(diào)度方案。日內(nèi)階段基于靈活性聚合功率下的輸配電網(wǎng)分布式協(xié)調(diào)優(yōu)化模型的理論框架如附錄A圖A1所示，具體步驟如下。

步驟1：輸電系統(tǒng)根據(jù)電力市場(chǎng)信息實(shí)時(shí)更新成本函數(shù)Cj的成本系數(shù)以及提供備用容量輔助服務(wù)所得收益Rt的上、下備用收益系數(shù)（r∧t、r∨t），同時(shí)將更新后的信息廣播給配電網(wǎng)系統(tǒng)，作為下一時(shí)間間隔T下靈活性聚合功率經(jīng)濟(jì)調(diào)度初始值的設(shè)定。

步驟3：輸電系統(tǒng)根據(jù)靈活性功率區(qū)間和電源側(cè)容量信息進(jìn)行實(shí)時(shí)優(yōu)化調(diào)節(jié)，決定配電系統(tǒng)下一時(shí)間間隔T下的最優(yōu)功率調(diào)節(jié)方案并下達(dá)調(diào)節(jié)指令。需要注意的是，對(duì)于各靈活性資源，其靈活性服務(wù)的響應(yīng)時(shí)間是不同的，本文按“儲(chǔ)-源-荷”的時(shí)序優(yōu)先級(jí)進(jìn)行［27］。

步驟4：配電系統(tǒng)獲取輸電系統(tǒng)的調(diào)節(jié)指令，通過(guò)求解下述的靈活性功率分解模型以獲取各靈活性資源個(gè)體的調(diào)節(jié)指令，實(shí)現(xiàn)DER設(shè)備的動(dòng)態(tài)調(diào)節(jié)。本文制定聚合商進(jìn)行靈活性功率分解的成本最小為優(yōu)化目標(biāo)，即

其中，假設(shè)聚合商管理的靈活性資源集合為Γ。每個(gè)分布式單元系統(tǒng)可向聚合商提供某一時(shí)間尺度下的功率pj的軌跡集為Pj，其成本價(jià)格信息為T(mén)j。聚合商收集分布式單元的信息并計(jì)算集群調(diào)控下的靈活性聚合功率為Pagg，其對(duì)應(yīng)的成本為T(mén)agg。

步驟5：根據(jù)時(shí)間間隔T更新迭代DER設(shè)備的信息，重新執(zhí)行步驟1直至當(dāng)天實(shí)時(shí)滾動(dòng)優(yōu)化結(jié)束。

2.3 基于分布式算法的模型求解

分布式算法具有即插即用、保護(hù)用戶(hù)隱私、可靠性高等優(yōu)點(diǎn)，因此，本文采用分布式一致性算法對(duì)上述靈活性聚合功率下的經(jīng)濟(jì)調(diào)度模型進(jìn)行求解［28］。為了充分挖掘系統(tǒng)中可調(diào)用靈活性資源參與系統(tǒng)中動(dòng)態(tài)功率平衡的潛力，同時(shí)為了實(shí)現(xiàn)靈活性聚合功率下分布式集群調(diào)控等值模型滿足在線控制需求的完全分布式求解，本文將傳統(tǒng)“一致性+調(diào)整項(xiàng)”構(gòu)成的一致性算法中的調(diào)整項(xiàng)用調(diào)頻控制部分來(lái)替換，構(gòu)成新的“一致性+目標(biāo)漸進(jìn)項(xiàng)”迭代方程。所提方法將一致性算法和調(diào)頻控制相結(jié)合以更好地求解靈活性功率聚合下的經(jīng)濟(jì)調(diào)度模型，實(shí)現(xiàn)了系統(tǒng)在幾十秒級(jí)下的實(shí)時(shí)經(jīng)濟(jì)調(diào)度［27］，其收斂性證明見(jiàn)附錄B。

基于一致性理論有：

式中：λi(k+1)為第k+1次迭代下的一致性變量；dij(k)為第k次迭代下?tīng)顟B(tài)轉(zhuǎn)移矩陣的第i行、第j列元素；n為列的總數(shù)；μ為收斂系數(shù)；ΔPi(k)為第k次迭代下的功率偏差。

式（30）的矩陣形式為：

式中：λ(k+1)為一致性變量矩陣；Dm為狀態(tài)轉(zhuǎn)移矩陣，由通信網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)決定；ΔP(k)為功率偏差矩陣。

由于拉格朗日乘子可以通過(guò)一致性算法趨于一致，同時(shí)功率的平衡約束可以通過(guò)點(diǎn)對(duì)點(diǎn)的頻率控制實(shí)現(xiàn)。因此，本文的思路是通過(guò)將頻率控制引入目標(biāo)漸進(jìn)項(xiàng)H*i(k)中，以使其實(shí)現(xiàn)“源-荷”動(dòng)態(tài)功率平衡。因此，傳統(tǒng)的一致性算法可修改為：

式中：Pi(k)為第k次迭代下的功率出力。

對(duì)于靈活性聚合功率下的經(jīng)濟(jì)調(diào)度模型，用KKT（Karush-Kuhn-Tucker）乘子對(duì)目標(biāo)函數(shù)進(jìn)行展開(kāi)，可得：

式中：PG，i和PD，i分別為“源”側(cè)出力和負(fù)荷需求。

運(yùn)用對(duì)偶分解對(duì)目標(biāo)函數(shù)J進(jìn)行分布式迭代可得：

本文提出將傳統(tǒng)的功率不匹配值項(xiàng)ΔPi(k)用頻率偏差Δfi(k)進(jìn)行替代，由各分布式單元測(cè)取頻率偏差值作“目標(biāo)漸進(jìn)項(xiàng)”，通過(guò)調(diào)頻控制實(shí)現(xiàn)全局功率平衡。因此，用頻率偏差Δfi(k)替代功率不匹配值項(xiàng)ΔPi(k)可得：

式中：δf為調(diào)差系數(shù)；η為一致性調(diào)控方法下的全局約束修正系數(shù)。

通過(guò)頻率控制可以靈活地實(shí)現(xiàn)功率約束，運(yùn)用頻率偏差值來(lái)更新每個(gè)對(duì)偶變量的值，但確保所有對(duì)偶變量收斂于相同值則需要鄰近單元間進(jìn)行協(xié)調(diào)［20］，因此，對(duì)偶變量更新為：

式中：Ni為鄰近單元集合；wij為鄰接轉(zhuǎn)移變量。

對(duì)式（37）—式（40）比較可知，功率不平衡項(xiàng)ΔPi(k)并不需要進(jìn)行集中求和處理，而是通過(guò)分布式單元的態(tài)勢(shì)感知獲取頻率偏差信息作為在線反饋輸入，通過(guò)迭代控制實(shí)現(xiàn)全局的最優(yōu)，也實(shí)現(xiàn)了算法的完全分布式，大幅降低了全局的通信負(fù)擔(dān)。根據(jù)拉格朗日極值點(diǎn)條件，當(dāng)各一致性變量λ趨于一致時(shí)，系統(tǒng)獲取最優(yōu)解λ*，即

結(jié)合式（20）和式（41）可得：

其中，PG，j為“源”側(cè)功率。同樣地，對(duì)式（39）用拉格朗日極值條件可得：

運(yùn)用式（40）令一致性變量趨于一致，結(jié)合式（43）和式（44）可得“源-荷”側(cè)最優(yōu)運(yùn)行狀態(tài)為：

結(jié)合式（21）和式（41）進(jìn)行整理可得：

2.4 靈活性聚合功率下分布式經(jīng)濟(jì)調(diào)度框架

本文建立的日前-日內(nèi)兩階段靈活性聚合功率下的經(jīng)濟(jì)調(diào)度模型，可實(shí)現(xiàn)多種靈活性資源的分布式協(xié)調(diào)優(yōu)化?；诟倪M(jìn)的一致性調(diào)控算法對(duì)該模型求解，在給出系統(tǒng)最優(yōu)運(yùn)行方案的同時(shí)獲取彈性備用功率區(qū)間以有效應(yīng)對(duì)多種不確定因素，為日內(nèi)調(diào)度的及時(shí)修正計(jì)劃調(diào)整提供幫助。附錄A圖A2為靈活性聚合功率下分布式調(diào)度優(yōu)化的流程圖，其具體的調(diào)度步驟如下。

步驟2：日內(nèi)調(diào)度。根據(jù)交互平臺(tái)價(jià)格信息獲取時(shí)間間隔T下成本函數(shù)和靈活性備用容量收益函數(shù)信息?；谝恢滦哉{(diào)控策略求解靈活性聚合功率下的經(jīng)濟(jì)調(diào)度模型，獲取系統(tǒng)最優(yōu)運(yùn)行解和彈性備用功率區(qū)間。

步驟4：日內(nèi)調(diào)整。依據(jù)輸配電網(wǎng)分布式協(xié)調(diào)優(yōu)化模型，獲取調(diào)節(jié)指令。DER設(shè)備執(zhí)行調(diào)度指令跟蹤日內(nèi)變化，在時(shí)間間隔T下滿足式（50）。

式中：μt為功率偏差懲罰系數(shù)。

步驟5：轉(zhuǎn)到步驟2進(jìn)行下一時(shí)間段日內(nèi)調(diào)度，直至當(dāng)天結(jié)束。

3 仿真驗(yàn)證

3.1 仿真系統(tǒng)描述

通過(guò)中國(guó)華東某地區(qū)實(shí)際數(shù)據(jù)對(duì)本文所提靈活性聚合功率下經(jīng)濟(jì)調(diào)度模型進(jìn)行測(cè)試，其總額定運(yùn)行功率約為700～800 MW，詳細(xì)數(shù)據(jù)見(jiàn)附錄C。測(cè)試系統(tǒng)由4個(gè)主動(dòng)配電網(wǎng)集群構(gòu)成，其物理接線圖和通信結(jié)構(gòu)如圖3所示。

圖3 含DER的多集群系統(tǒng)Fig.3 Multi-cluster system with DER

每個(gè)主動(dòng)配電網(wǎng)包含分布式風(fēng)機(jī)、常規(guī)能源分布式電源、儲(chǔ)能單元以及可控負(fù)荷，各分布式單元的詳細(xì)控制參數(shù)見(jiàn)文獻(xiàn)［29］，其中雙饋風(fēng)電機(jī)組采用超速控制為系統(tǒng)提供備用，可控負(fù)荷采用激勵(lì)型需求響應(yīng)提供備用。本文仿真平臺(tái)為MATLAB 2018a，在Intel（R）Core（TM）i7-5500 CPU下進(jìn)行算法計(jì)算。其中閔可夫斯基和可借助文獻(xiàn)［25］中工具箱獲取。日前調(diào)度中負(fù)荷預(yù)測(cè)時(shí)間間隔為5 min，運(yùn)用VB模型獲取可調(diào)節(jié)功率域時(shí)間間隔為15 min，全天分為96個(gè)時(shí)段，需求響應(yīng)下電價(jià)采用分時(shí)電價(jià)，計(jì)算效率可達(dá)到秒級(jí)。日內(nèi)調(diào)度階段通過(guò)一致性調(diào)控算法求解靈活性聚合功率經(jīng)濟(jì)調(diào)度模型，并獲取系統(tǒng)最優(yōu)出力方案和彈性功率區(qū)間，其執(zhí)行時(shí)間間隔為1 h。本文假設(shè)上、下備用價(jià)格的獲取收益價(jià)格系數(shù)在各時(shí)段相同，均為0.5元/kW。

3.2 日前調(diào)度測(cè)試

運(yùn)用VB模型對(duì)分布式架構(gòu)下各主動(dòng)配電網(wǎng)中靈活性資源進(jìn)行集群等值聚合。各集群的最優(yōu)上、下功率區(qū)間和預(yù)測(cè)負(fù)荷曲線如圖4所示。

圖4 各集群日前調(diào)度結(jié)果Fig.4 Day-ahead dispatching results of each cluster

從圖4可以看出，運(yùn)用本文建立的新型調(diào)度模型在日前階段給出預(yù)測(cè)功率曲線的同時(shí)還包含彈性備用功率區(qū)間，該彈性備用功率區(qū)間可以協(xié)調(diào)日前調(diào)度和日內(nèi)調(diào)度，幫助調(diào)度人員在日內(nèi)實(shí)時(shí)調(diào)度階段應(yīng)對(duì)各種變化。在日內(nèi)調(diào)度階段實(shí)時(shí)運(yùn)行的過(guò)程中，日內(nèi)運(yùn)行功率曲線肯定會(huì)和日前預(yù)測(cè)功率存在誤差，但只要日內(nèi)運(yùn)行功率曲線在日前調(diào)度給出的上、下限范圍內(nèi)就可以通過(guò)調(diào)控靈活性資源達(dá)到計(jì)劃修正。

分析圖4的仿真結(jié)果可以看出，在晚間18：00至早上05：00時(shí)段各集群上下備用彈性功率區(qū)間較大，擁有更大的功率調(diào)節(jié)區(qū)間。這是因?yàn)樾枨髠?cè)負(fù)荷受價(jià)格激勵(lì)的影響可將負(fù)荷功率平移至晚間時(shí)段，同時(shí)風(fēng)電場(chǎng)晚間風(fēng)力較大，可通過(guò)主動(dòng)控制運(yùn)行在超速控制下留有一定的風(fēng)電備用容量。因此，協(xié)調(diào)晚間風(fēng)電出力及采用需求側(cè)價(jià)格激勵(lì)在有效促進(jìn)風(fēng)電消納的同時(shí)提升了系統(tǒng)的靈活性。白天上下備用容量主要為傳統(tǒng)機(jī)組備用容量，風(fēng)電場(chǎng)備用和需求側(cè)備用起輔助的作用。

3.3 日內(nèi)調(diào)度測(cè)試

運(yùn)用一致性調(diào)控算法對(duì)靈活性聚合功率下的經(jīng)濟(jì)調(diào)度模型進(jìn)行求解，在獲取各時(shí)段最優(yōu)出力的同時(shí)得到上下備用功率彈性區(qū)間，其運(yùn)算結(jié)果如圖5所示，一致性調(diào)控算法約1.2 s完成收斂。

圖5 靈活性聚合功率下日內(nèi)調(diào)度最優(yōu)出力Fig.5 Optimal output of intraday dispatching with flexible aggregated power

需要注意的是，由于本文采用的是分布式算法，則其可以有效應(yīng)對(duì)具有“即插即用”特點(diǎn)的主動(dòng)配電網(wǎng)集群系統(tǒng)。如附錄A圖A3所示，設(shè)置時(shí)段2至?xí)r段3內(nèi)，集群2由于外界原因退出運(yùn)行，此時(shí)集群2的備用容量和功率分配為0，但是剩下3個(gè)集群共同承擔(dān)功率變化，其備用容量重新收斂到一個(gè)新的最優(yōu)值。當(dāng)在時(shí)段3至?xí)r段4時(shí)，集群2重新回到系統(tǒng)中，各集群分擔(dān)的功率重新變?yōu)?個(gè)集群共同分擔(dān)。由于以分布式新能源組成的主動(dòng)配電網(wǎng)有較強(qiáng)的不確定性，因此本文采用該分布式算法可以很好地應(yīng)付這種由于外界因素導(dǎo)致的主動(dòng)配電網(wǎng)分布式等值集群的“即插即用”的不確定性。

4 結(jié)語(yǔ)

本文提出一種日前-日內(nèi)兩階段靈活性聚合功率經(jīng)濟(jì)調(diào)度模型，運(yùn)用一致性調(diào)控策略對(duì)該模型求解。通過(guò)仿真算例可以得到如下結(jié)論。

1）在日前階段，運(yùn)用VB模型可對(duì)多種靈活性資源集群等值聚合，基于閔可夫斯基和可以獲取約束空間疊加下靈活性聚合功率，得到可調(diào)節(jié)功率域，為日內(nèi)調(diào)度提供彈性功率區(qū)間約束。

2）在日內(nèi)階段，建立靈活性聚合功率下輸配電分布式協(xié)調(diào)優(yōu)化調(diào)度模型。將一致性算法和調(diào)頻控制結(jié)合，基于一致性調(diào)控策略對(duì)靈活性聚合功率下經(jīng)濟(jì)調(diào)度模型進(jìn)行求解，在獲取集群最優(yōu)功率分配的同時(shí)得到彈性備用功率區(qū)間，實(shí)現(xiàn)多主動(dòng)配電網(wǎng)集群系統(tǒng)在“源-荷”隨機(jī)波動(dòng)下的動(dòng)態(tài)功率平衡與靈活性資源的分布式協(xié)調(diào)優(yōu)化。

3）運(yùn)用可調(diào)節(jié)功率域可以實(shí)現(xiàn)日前-日內(nèi)兩階段調(diào)度的過(guò)渡。調(diào)度人員在進(jìn)行日內(nèi)調(diào)度時(shí)根據(jù)可調(diào)節(jié)功率修正日前計(jì)劃，彈性備用功率區(qū)間可以有效幫助調(diào)度人員應(yīng)對(duì)日內(nèi)階段的各種不確定性。

附錄見(jiàn)本刊網(wǎng)絡(luò)版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網(wǎng)絡(luò)全文。