李清濤，盧 鉞，劉 洋，劉 順，刁曉虹，張?jiān)牵R 強(qiáng)

（1.國(guó)網(wǎng)北京海淀供電公司，北京 100000；2.中國(guó)電力科學(xué)研究院有限公司，北京 100192）

隨著新能源技術(shù)的不斷發(fā)展，以風(fēng)力和太陽能發(fā)電為代表的新能源在電網(wǎng)中的滲透率越來越高，高比例新能源發(fā)電已成為全球廣泛關(guān)注的未來電力市場(chǎng)場(chǎng)景[1-2]。在“十四五”建設(shè)中，我國(guó)提出要保證集中式和分布式新能源同時(shí)開發(fā)，著力擴(kuò)大光伏和風(fēng)機(jī)的發(fā)電規(guī)模[3]。在這樣的大背景下，新能源并網(wǎng)比例將不斷提高，但因其間歇性和波動(dòng)性的特點(diǎn)，大規(guī)模接入電網(wǎng)勢(shì)必會(huì)給電網(wǎng)安全可靠運(yùn)行帶來巨大挑戰(zhàn)。

制定行之有效的調(diào)度策略以提高新能源消納量已成為現(xiàn)今研究的熱點(diǎn)問題，文獻(xiàn)[4]為提高新能源消納的有效性，提出了一種考慮負(fù)荷靈活協(xié)調(diào)調(diào)度的配網(wǎng)新能源消納策略，構(gòu)建了考慮靈活負(fù)荷協(xié)調(diào)調(diào)度的新能源優(yōu)化消納模型，促進(jìn)園區(qū)能源就地消納。文獻(xiàn)[5]提出了一種考慮高比例新能源消納的多能園區(qū)日前低碳調(diào)度模型，同時(shí)在建模時(shí)充分考慮園區(qū)能源耦合設(shè)備與電動(dòng)汽車充電方式的影響。文獻(xiàn)[6]結(jié)合電價(jià)和儲(chǔ)能2種靈活可調(diào)節(jié)方式，提出一種電價(jià)和儲(chǔ)能共同優(yōu)化調(diào)度策略，構(gòu)建園區(qū)電價(jià)和儲(chǔ)能2層協(xié)調(diào)優(yōu)化模型以促進(jìn)新能源就地消納。文獻(xiàn)[7]基于Stackelberg動(dòng)態(tài)博弈理論，提出一種以配電網(wǎng)側(cè)為主體、負(fù)荷側(cè)為從體的主從博弈模型，建立以配電網(wǎng)運(yùn)行成本最小及風(fēng)電消納最大、負(fù)荷側(cè)用戶電費(fèi)最低為目標(biāo)的主從博弈經(jīng)濟(jì)模型。上述文獻(xiàn)均為單一微網(wǎng)或園區(qū)內(nèi)的新能源消納策略，而相鄰微網(wǎng)或園區(qū)間的互濟(jì)互補(bǔ)可大大增大消納能力提高系統(tǒng)的穩(wěn)定性，文獻(xiàn)[8]基于“端-邊-云”架構(gòu)，考慮園區(qū)中相鄰供能子系統(tǒng)之間的電、熱、氣互濟(jì)互補(bǔ)，建立了園區(qū)多個(gè)能源系統(tǒng)協(xié)調(diào)優(yōu)化模型。文獻(xiàn)[9]考慮電網(wǎng)結(jié)構(gòu)復(fù)雜性與能源設(shè)備多樣性，為減小多個(gè)優(yōu)化控制器的計(jì)算壓力，提出一種基于交替方向乘子法（ADMM）的分布式雙層優(yōu)化調(diào)度求解方法。文獻(xiàn)[10]在微網(wǎng)運(yùn)行安全的環(huán)境下，構(gòu)建了微網(wǎng)集群的雙層優(yōu)化調(diào)度模型，微網(wǎng)集群經(jīng)濟(jì)效益提升的同時(shí)保證新能源消納的高效性。文獻(xiàn)[11]把管理系統(tǒng)分為內(nèi)外2層，內(nèi)外2層的設(shè)備資源能量協(xié)調(diào)互補(bǔ)，提出了微網(wǎng)集群雙層系統(tǒng)的日前能量管理模型，所得分層管理模式下的微電網(wǎng)群運(yùn)行成本更低，新能源消納量更高。文獻(xiàn)[12]把配網(wǎng)協(xié)調(diào)能力最大化作為優(yōu)化目標(biāo)，優(yōu)先考慮配網(wǎng)然后優(yōu)化微網(wǎng)，采用雙層控制結(jié)構(gòu)進(jìn)行整體優(yōu)化調(diào)度。保證配網(wǎng)經(jīng)濟(jì)性運(yùn)行的同時(shí)，降低配網(wǎng)與主網(wǎng)的交互功率，從而提升新能源的利用率。文獻(xiàn)[13]通過建立與分析園區(qū)內(nèi)各能源子系統(tǒng)的數(shù)學(xué)模型，以園區(qū)系統(tǒng)運(yùn)行成本最低為目標(biāo)建立日前優(yōu)化調(diào)度模型，實(shí)現(xiàn)多設(shè)備之間的能源互補(bǔ)。

上述考慮配網(wǎng)區(qū)域間電能互補(bǔ)互濟(jì)提高新能源消納的研究中，在建模方面缺少電動(dòng)汽車群體，現(xiàn)今電動(dòng)汽車因其響應(yīng)速度快且靈活的特點(diǎn)，通過對(duì)其合理的調(diào)度可有效消納系統(tǒng)過剩新能源；同時(shí)現(xiàn)今有源配網(wǎng)分布式調(diào)度策略多為日前策略，但新能源具有隨機(jī)性的特點(diǎn)，日前預(yù)測(cè)誤差較大，這使得系統(tǒng)魯棒性較差，所制定調(diào)度策略難以實(shí)際應(yīng)用；為此，本文提出一種計(jì)及電動(dòng)汽車的有源配電網(wǎng)兩階段分布式新能源消納策略，在日前階段考慮不同區(qū)域內(nèi)電動(dòng)汽車與用能設(shè)備，配網(wǎng)區(qū)域間能量互濟(jì)互補(bǔ)，以提高系統(tǒng)新能源消納量；日內(nèi)階段考慮源荷預(yù)測(cè)誤差，引導(dǎo)電動(dòng)汽車及儲(chǔ)能系統(tǒng)響應(yīng)，保證跟蹤日前計(jì)劃并實(shí)現(xiàn)第二階段新能源消納。

1 兩階段優(yōu)化調(diào)度框架

本文兩階段優(yōu)化調(diào)度框架如圖1所示。

圖1 兩階段優(yōu)化調(diào)度框架Fig.1 Two-phase optimization scheduling framework

由圖1可見，第1階段為日前階段，以1 h為調(diào)度間隔，在建模時(shí)考慮不同區(qū)域電動(dòng)汽車參與響應(yīng)能力，保證配網(wǎng)經(jīng)濟(jì)運(yùn)行的同時(shí)，降低配網(wǎng)與主網(wǎng)的交互功率，從而提升新能源的利用率；在日前階段求解時(shí)，將原問題進(jìn)行分解，利用同步型ADMM對(duì)所建立第1階段消納模型進(jìn)行分布式求解，以緩解集中優(yōu)化帶來的計(jì)算壓力。第2階段為日內(nèi)階段，以15 min為時(shí)間間隔，4 h為周期進(jìn)行滾動(dòng)優(yōu)化，考慮日前階段源荷預(yù)測(cè)的偏差，在日內(nèi)階段引入儲(chǔ)能系統(tǒng)，并發(fā)揮電動(dòng)汽車群體的靈活性進(jìn)行聯(lián)絡(luò)線之間功率的調(diào)整，以實(shí)現(xiàn)第2階段新能源消納，消除日前階段預(yù)測(cè)偏差，并跟蹤日前階段調(diào)度計(jì)劃。

2 日前優(yōu)化模型

2.1 目標(biāo)函數(shù)

為減少向上級(jí)電網(wǎng)購(gòu)電，促進(jìn)各區(qū)域間新能源消納量，并兼顧自身運(yùn)營(yíng)成本，設(shè)置日前優(yōu)化模型目標(biāo)函數(shù)為：

式中：Pgird(t)為與電網(wǎng)交互功率；PDG(t)為柴油發(fā)電機(jī)功率；c為柴油發(fā)電機(jī)發(fā)電成本；CGird+(t)、CGird-(t)分別為與上級(jí)電網(wǎng)交互價(jià)格；γ1、γ2均為相應(yīng)目標(biāo)系數(shù)。

2.2 儲(chǔ)能設(shè)備約束

通過在系統(tǒng)中增設(shè)儲(chǔ)能設(shè)備可提高系統(tǒng)的穩(wěn)定性，同時(shí)儲(chǔ)能具有快速性可使在日內(nèi)階段較好地跟蹤日前調(diào)度計(jì)劃，所建立儲(chǔ)能模型為：

式中：Pmax,si、Pmin,si分別為儲(chǔ)能系統(tǒng)充放電功率上、下限；ηc、ηdisc分別為儲(chǔ)能系統(tǒng)充、放電效率；SSOC,max、SSOC,min分別為儲(chǔ)能系統(tǒng)荷電量上、下限。

2.3 空調(diào)模型

基于一階等值熱力學(xué)模型，對(duì)空調(diào)模型建立如下約束：

式中：ρ、C分別為室內(nèi)空氣的密度、熱容；V、CVESS分別為住宅體積、空調(diào)制冷/熱量；Awin、Awall分別為住戶i的外窗、外墻面積；kwin、kwall分別為外窗、外墻傳熱系數(shù)；Tout(t)為t時(shí)刻住宅室外溫度；PVESS,max為空調(diào)出力上限；CCOP,VESS為空調(diào)制冷/熱能效比；Tmax、Tmin分別為所設(shè)置溫度上、下限；式(6)為空調(diào)的出力功率上下限約束，式(7)為空調(diào)制冷/熱量等式，式(8)為空調(diào)虛擬儲(chǔ)能調(diào)節(jié)帶寬。

2.4 電動(dòng)汽車模型

2.4.1 電動(dòng)汽車聚合模型

考慮電動(dòng)汽車群體數(shù)量龐大，具有較大的可調(diào)度潛力和靈活快速的特點(diǎn)，以第i輛電動(dòng)汽車運(yùn)行域（圖2）為例進(jìn)行說明。

圖2 單體電動(dòng)汽車運(yùn)行域Fig.2 The operating domain of a single electric vehicle

由圖2可見，電動(dòng)汽車i在tin時(shí)刻接入電網(wǎng)，沿AB邊進(jìn)行最大功率充電，沿AD邊進(jìn)行最大功率放電，可建立充放電功率約束：

式中：PEV,i(t)為電動(dòng)汽車功率；PEV,max、PEV,min分別為電動(dòng)汽車功率上、下限。

圖2中，BC邊為電動(dòng)汽車電量上限，DE邊為電動(dòng)汽車電量下限，CF邊為電動(dòng)汽車離開時(shí)車主可接受電量范圍，EF邊為電動(dòng)汽車強(qiáng)迫充電曲線以達(dá)到CF邊界?？山⑷缦录s束條件：

式中：Ci為第i輛電動(dòng)汽車電量；SSOC,EV,last,i為電動(dòng)車結(jié)束充電時(shí)電量。

2.4.2 電動(dòng)汽車出行規(guī)律模型

美國(guó)交通部針對(duì)全美家用汽車的行駛特性進(jìn)行了數(shù)據(jù)統(tǒng)計(jì)，并對(duì)數(shù)據(jù)進(jìn)行歸一化處理，通過極大似然估計(jì)，近似地認(rèn)為用戶最后返程時(shí)間滿足正態(tài)分布，其分布函數(shù)為式(13)；基于蒙特卡羅對(duì)配網(wǎng)不同區(qū)域內(nèi)辦公、居民區(qū)的電動(dòng)汽車出行分布函數(shù)進(jìn)行隨機(jī)抽樣，以模擬電動(dòng)汽車隨機(jī)出行規(guī)律。

式(13)為返回住宅區(qū)時(shí)刻分布函數(shù)，式中：th為住宅區(qū)用戶返程時(shí)間；μt為期望值，取17.6；σt為標(biāo)準(zhǔn)差，取3.4。式(14)為到達(dá)辦公區(qū)時(shí)刻分布函數(shù)，式中：tb為辦公區(qū)用戶返程時(shí)間；μb為期望值，取11；μb為標(biāo)準(zhǔn)差，取3；tstart、tend分別為開始、結(jié)束時(shí)間，分別取4、20。

2.5 柴油發(fā)電機(jī)約束

柴油發(fā)電機(jī)模型包含功率約束和爬坡約束：

式中：PDG(t)為t時(shí)刻柴油發(fā)電機(jī)組出力；PDG,max、PDG,min分別為柴油機(jī)組出力上、下限；ΔPDG,max、ΔPDG,min分別為柴油機(jī)組出力上、下爬坡功率。

2.6 新能源出力約束

式中：PPV(t)、PWT(t)分別為光伏、風(fēng)機(jī)t時(shí)出力，Pgrid,max、Pgird,min分別為與上級(jí)電網(wǎng)交互功率上、下限。

3 日前調(diào)度的分布式優(yōu)化求解

3.1 優(yōu)化問題分解

由于直接求解會(huì)給調(diào)度中心帶來巨大的計(jì)算壓力，基于同步型ADMM對(duì)問題進(jìn)行分布式求解。求解得到的相鄰區(qū)域耦合支路變量要相等，保證解決的是同一問題[9]。為此，建立控制模型：

式中：fi(xi)表示區(qū)域i的目標(biāo)子函數(shù)；hi(xi)表示區(qū)域i的功率等式約束；gi(xi)表示區(qū)域i設(shè)備的不等式約束；Xi表示系統(tǒng)i與相鄰區(qū)域的耦合變量；j、k為i相鄰的區(qū)域。

3.2 同步型ADMM分布式求解

ADMM收斂速度快、魯棒性強(qiáng)，通過分解能使問題簡(jiǎn)單化，可以解決大規(guī)模優(yōu)化問題，成為近年來較多使用的分布式求解方法[14]。由于所建立日前模型是目標(biāo)函數(shù)可分、邊界耦合約束線性的凸優(yōu)化模型，故采用同步型ADMM對(duì)其求解較為適宜[9,15-16]?；谖墨I(xiàn)[9]所介紹分布式求解方法對(duì)各區(qū)域進(jìn)行求解，其目標(biāo)函數(shù)對(duì)應(yīng)的拉格朗日函數(shù)分別：

式中：t為迭代次數(shù)；ρ為ADMM的罰參數(shù)；λi和λj分別為區(qū)域i和j對(duì)偶變量組成的量。

設(shè)區(qū)域i與區(qū)域j、k相耦合，區(qū)域j與區(qū)域l、i相耦合，XKi,t和XKj,t分別為區(qū)域i和j第t+1次迭代的參考值，取區(qū)域i和j第t次迭代得到的相鄰耦合支路狀態(tài)的平均值：

各區(qū)域的約束條件可參見式(2)—式(18)，各區(qū)域的控制器按如下具體步驟對(duì)優(yōu)化問題進(jìn)行分布式求解：

1）迭代t+1次，區(qū)域i與區(qū)域j內(nèi)的各自求解自身目標(biāo)，并行計(jì)算Li(xi,X Ki,t,λi,t)和Li(x j,X Kj,t,λj,t)，獲得各區(qū)域耦合支路狀態(tài)Xi,t+1和Xj,t+1：

2）基于區(qū)域i與區(qū)域j耦合變量狀態(tài)，計(jì)算耦合變量的平均值如式(22)，得XKi,t和XKj,t，并作為下一次迭代的參考值；

3）各區(qū)域內(nèi)的對(duì)偶變量進(jìn)行迭代更新：

4）判斷算法是否收斂，當(dāng)邊界殘差趨于零或迭代次數(shù)達(dá)到設(shè)定值或相鄰區(qū)域耦合變量二范數(shù)的平方小于等于所設(shè)置殘差時(shí)，即：

跳出迭代，算法結(jié)束。

4 日內(nèi)優(yōu)化模型

4.1 日內(nèi)預(yù)測(cè)模型

日內(nèi)考慮風(fēng)、光以及負(fù)荷日前預(yù)測(cè)的不確定性，利用模型預(yù)測(cè)控制（model predictive control,MPC）修正日內(nèi)實(shí)際運(yùn)行計(jì)劃與日前調(diào)度計(jì)劃間的偏差[17]。以區(qū)域i、j、k兩兩相連構(gòu)成閉合環(huán)網(wǎng)為例，選取與上級(jí)電網(wǎng)交互功率、區(qū)域i與區(qū)域j相鄰聯(lián)絡(luò)線交互功率、區(qū)域j與區(qū)域k相鄰聯(lián)絡(luò)線交互功率、光伏功率、負(fù)荷功率、聚合空調(diào)功率、電動(dòng)汽車功率為狀態(tài)變量，通過引入儲(chǔ)能系統(tǒng)與響應(yīng)快速的電動(dòng)汽車系統(tǒng)與區(qū)域i與區(qū)域j、區(qū)域j與區(qū)域k相鄰聯(lián)絡(luò)線交互相較日前變化功率作為控制變量，以光伏和負(fù)荷預(yù)測(cè)誤差作為擾動(dòng)輸入，可建立日內(nèi)預(yù)測(cè)模型：

4.2 日內(nèi)目標(biāo)函數(shù)

日內(nèi)滾動(dòng)優(yōu)化的目標(biāo)為修正日內(nèi)實(shí)際運(yùn)行值與日前調(diào)度值的偏差，同時(shí)使儲(chǔ)能發(fā)揮日前削峰填谷作用；目標(biāo)函數(shù)為：

式中：Pgrid,ref(t)為日前電網(wǎng)交互功率；PMGi_j,ref(t)、PMGj_k,ref(t)分別為區(qū)域i與區(qū)域j、區(qū)域j與區(qū)域k相鄰聯(lián)絡(luò)線日前交互功率。

4.3 約束條件

4.3.1 功率平衡條件

式中：PPV(t)、PWT(t)、Pload(t)分別為日內(nèi)光伏、風(fēng)機(jī)和負(fù)荷預(yù)測(cè)出力；Psum,EV(t)為空調(diào)聚合功率。

4.3.2 聚合電動(dòng)汽車負(fù)荷約束

電動(dòng)汽車負(fù)荷上下可調(diào)整量可表示為：

式中：ΔPsum,EV,min(t)、ΔPsum,EV,max(t)分別為聚合電動(dòng)汽車可調(diào)整上下限。

4.3.3 相鄰電網(wǎng)聯(lián)絡(luò)線交互功率約束

為促進(jìn)日內(nèi)區(qū)域間的電能互補(bǔ)互濟(jì)，引入如下區(qū)域間聯(lián)絡(luò)線交互約束：

式中：DPMGi_j(k)、DPMG,j_k(k)分別為區(qū)域i與區(qū)域j、區(qū)域j與區(qū)域k相鄰聯(lián)絡(luò)線交互功率較日前調(diào)整量。

4.3.4 儲(chǔ)能系統(tǒng)約束

日內(nèi)因儲(chǔ)能具有響應(yīng)速度快的優(yōu)勢(shì)，為更好地消納剩余新能源，平抑波動(dòng)，日內(nèi)增加儲(chǔ)能系統(tǒng)約束；其約束條件可見式(2)—式(4)。

5 算例分析

基于MATLAB2016b軟件中YALMIP平臺(tái)進(jìn)行算法實(shí)現(xiàn)，采用CPLEX工具包進(jìn)行相應(yīng)求解，所采用電腦為i7處理器，主頻為2.2 Ghz，選取含3個(gè)區(qū)域的有源配電網(wǎng)為研究對(duì)象，其電網(wǎng)拓?fù)浣Y(jié)構(gòu)如圖3所示?？紤]到各區(qū)域間距離相差不大，故各區(qū)域內(nèi)的光照強(qiáng)度和風(fēng)速基本相同，其中區(qū)域MG1光伏裝機(jī)容量1 500 kW，風(fēng)機(jī)裝機(jī)容量2 500 kW，儲(chǔ)能容量750 kW·h，柴油發(fā)電機(jī)裝機(jī)容量500 kW；區(qū)域MG2光伏裝機(jī)容量1 300 kW；區(qū)域MG3風(fēng)機(jī)裝機(jī)容量1 200 kW；區(qū)域間互濟(jì)互補(bǔ)主要受不同區(qū)域負(fù)荷特性差異影響；所考慮區(qū)域間聯(lián)絡(luò)線交互功率上限為300 kW。

圖3 有源配電網(wǎng)拓?fù)浣Y(jié)構(gòu)Fig.3 Active distribution network topology

各區(qū)域內(nèi)用能設(shè)備模型采用本文第2節(jié)日前優(yōu)化模型，各區(qū)域內(nèi)所包含具體設(shè)備見表1；考慮相鄰區(qū)距離較近，故各區(qū)域與上級(jí)電網(wǎng)交互電價(jià)均按表2各時(shí)段電價(jià)所示；區(qū)域內(nèi)各新能源發(fā)電量如圖4所示；選取典型工業(yè)以及辦公居民負(fù)荷曲線作為本算例各區(qū)域負(fù)荷設(shè)定值，具體如圖5所示。

表1 各區(qū)域系統(tǒng)資源配置Tab.1 Regional system resource configuration

表2 區(qū)域各時(shí)段電價(jià)Tab.2 Electricity price of each period in the region

圖4 各區(qū)域內(nèi)新能源發(fā)電量Fig.4 New energy power generation in each region

圖5 各區(qū)域負(fù)荷設(shè)定值Fig.5 Load setting values for each region

基于本文所介紹同步型ADMM對(duì)所建立日前模型進(jìn)行分布式求解，求解時(shí)間間隔為1 h。設(shè)置懲罰因子ρ為0.05，收斂參數(shù)δ為1e-3，迭代次數(shù)上限為50次，各區(qū)域迭代收斂殘差如圖6所示。由圖6可見：各區(qū)域殘差均處于明顯收斂過程；在10次左右求解達(dá)到穩(wěn)定，20次時(shí)殘差收斂出現(xiàn)細(xì)小波動(dòng)，后趨于穩(wěn)定，可見相鄰耦合區(qū)域變量無限接近，從而驗(yàn)證了日前優(yōu)化目標(biāo)分解的有效性。即采用分布式所求得結(jié)果與集中式無異，從而大大降低了計(jì)算壓力。

圖6 迭代收斂殘差Fig.6 Iterative convergence residuals

圖7為相鄰區(qū)域聯(lián)絡(luò)線交互功率。由圖7可見，相鄰區(qū)域通過聯(lián)絡(luò)線交互各系統(tǒng)內(nèi)過新能源，以實(shí)現(xiàn)系統(tǒng)第1階段能源消納。當(dāng)區(qū)域內(nèi)新能源發(fā)電量不足以支撐負(fù)荷時(shí)，新能源出力過剩區(qū)域會(huì)將電能由相鄰電網(wǎng)聯(lián)絡(luò)線輸送至虧電區(qū)域。

圖7 各區(qū)域聯(lián)絡(luò)線交互功率Fig.7 Interactive power of each regional contact line

由圖7可見：05:00—06:00時(shí)段內(nèi)，MG2區(qū)域因光伏出力較低不足以維持自身負(fù)荷，而MG3區(qū)域風(fēng)機(jī)在此時(shí)段出力較高負(fù)荷較小，故將多余電量沿電網(wǎng)聯(lián)絡(luò)線傳輸至MG2區(qū)域，MG1區(qū)域也同樣將電量經(jīng)聯(lián)絡(luò)線傳輸至MG2區(qū)域；在12:00—13:00時(shí)段內(nèi)，MG3區(qū)域新能源出力不足以維持自身負(fù)荷，此時(shí)MG2區(qū)域通過相鄰電網(wǎng)聯(lián)絡(luò)線輸電給MG3區(qū)域；在17:00—20:00時(shí)段內(nèi)，MG1區(qū)域新能源出力過剩，多余電能將通過相鄰區(qū)域聯(lián)絡(luò)線傳輸至MG2、MG3區(qū)域。其余時(shí)段的聯(lián)絡(luò)線能量傳輸同樣與電網(wǎng)電價(jià)也緊密相關(guān)，當(dāng)上級(jí)電網(wǎng)電價(jià)較低時(shí)會(huì)減緩相鄰區(qū)域間的電能傳輸，以保證系統(tǒng)的經(jīng)濟(jì)性，當(dāng)電價(jià)較高時(shí)則促進(jìn)區(qū)域間的能量傳輸。

各區(qū)域日前調(diào)度各設(shè)備出力如圖8—圖10所示。由圖8—圖10可見：MG1區(qū)域中儲(chǔ)能系統(tǒng)在新能源發(fā)電量大于負(fù)荷時(shí)進(jìn)行充電，見圖8中14:00—16:00、18:00—19:00時(shí)段；在新能源發(fā)電量小于負(fù)荷值時(shí)進(jìn)行放電，同時(shí)接受相鄰區(qū)域輸送功率，當(dāng)不足以維持自身功率平衡時(shí)，向電網(wǎng)購(gòu)電。

圖8 MG1日前調(diào)度各設(shè)備出力Fig.8 MG1 day-ahead scheduling results

圖10 MG3日前調(diào)度各設(shè)備出力Fig.10 MG3 day-ahead scheduling results

在夜間時(shí)段，各區(qū)域負(fù)荷需求量較少，區(qū)域選擇向電網(wǎng)售電以維持自身經(jīng)濟(jì)性。MG2區(qū)域?yàn)樽≌瑓^(qū)，區(qū)域中電動(dòng)汽車依據(jù)上文介紹蒙特卡羅算法對(duì)住宅區(qū)行駛規(guī)律函數(shù)進(jìn)行抽樣，聚合后電動(dòng)汽車可調(diào)度時(shí)段集中在凌晨01:00—09:00、14:00—24:00，此時(shí)電動(dòng)汽車參與能源消納策略。在新能源發(fā)電充足時(shí)段進(jìn)行充電，在新能源發(fā)電不足時(shí)段進(jìn)行放電。在新能源發(fā)電充足時(shí)段增大功率進(jìn)行虛擬儲(chǔ)能，住宅區(qū)內(nèi)空調(diào)作為虛擬儲(chǔ)能設(shè)備，01:00—05:00時(shí)段空調(diào)制冷將溫度維持在虛擬儲(chǔ)能溫度設(shè)定值下限，進(jìn)行虛擬儲(chǔ)能；在18:00—20:00時(shí)段，新能源發(fā)電量較少，不足以維持負(fù)荷需求，此時(shí)電動(dòng)汽車放電，空調(diào)將溫度維持在調(diào)節(jié)帶寬上限進(jìn)行虛擬儲(chǔ)能放電。

圖9 MG2日前調(diào)度各設(shè)備出力Fig.9 MG2 day-ahead scheduling results

MG3區(qū)域中辦公區(qū)電動(dòng)汽車可調(diào)度時(shí)段集中在09:00—22:00，其規(guī)律均滿足前文所述，在新能源發(fā)電量較大時(shí)，集群電動(dòng)汽車進(jìn)行充電，如圖10所示在11:00—13:00時(shí)段電動(dòng)汽車進(jìn)行充電；在16:00—17:00時(shí)段內(nèi)新能源出力低于負(fù)荷值，此時(shí)電動(dòng)汽車參與放電以維持系統(tǒng)功率平衡。

至此第1階段新能源消納策略完成，第2階段新能源消納策略為日內(nèi)能源消納策略，以住宅區(qū)域MG2為例進(jìn)行說明。通過在日前負(fù)荷基礎(chǔ)上疊加隨機(jī)擾動(dòng)以模擬日內(nèi)可在生能源及負(fù)荷出力，圖11為日前日內(nèi)新能源出力對(duì)比曲線?；谒⑹?28)預(yù)測(cè)模型進(jìn)行滾動(dòng)優(yōu)化求解，求得電網(wǎng)日前日內(nèi)與上級(jí)電網(wǎng)聯(lián)絡(luò)線對(duì)比曲線（圖12）與日內(nèi)各控制變量響應(yīng)柱狀圖（圖13）。

圖11 日前日內(nèi)新能源出力對(duì)比曲線Fig.11 Comparison of new energy output curves

圖12 電網(wǎng)聯(lián)絡(luò)線日前日內(nèi)對(duì)比曲線Fig.12 Intraday comparison curve of the grid connection line

圖13 日內(nèi)控制變量響應(yīng)柱狀圖Fig.13 Intraday control variable response histogram

由圖12、圖13可見，大部分時(shí)段日內(nèi)電網(wǎng)聯(lián)絡(luò)線功率均緊緊跟蹤日內(nèi)調(diào)度時(shí)段，此時(shí)電動(dòng)汽車、儲(chǔ)能系統(tǒng)、MG1與MG2區(qū)域聯(lián)絡(luò)線功率、MG2與MG3區(qū)域聯(lián)絡(luò)線功率所組成的狀態(tài)變量，通過調(diào)整以跟蹤日前調(diào)度計(jì)劃，從而實(shí)現(xiàn)日內(nèi)新能源的消納。電動(dòng)汽車多在下午或夜間進(jìn)行日內(nèi)響應(yīng)，這是由住宅區(qū)電動(dòng)汽車行駛規(guī)律特性所決定。在27—50時(shí)間段處，光伏發(fā)電增大，電動(dòng)汽車、儲(chǔ)能等進(jìn)行充電調(diào)整，多余電能通過電網(wǎng)聯(lián)絡(luò)線向相鄰電網(wǎng)進(jìn)行輸送，但仍未能消納剩余光伏，此時(shí)與上級(jí)電網(wǎng)聯(lián)絡(luò)線出現(xiàn)偏差，以增加向電網(wǎng)售電，維持此時(shí)功率平衡。

6 結(jié) 論

1）為提高區(qū)域內(nèi)新能源消納量，本文提出一種計(jì)及電動(dòng)汽車的有源配電網(wǎng)兩階段分布式新能源消納策略，在前階段建立以新能源消納量最大化即與大電網(wǎng)交互最少同時(shí)兼顧自身利益的優(yōu)化模型；日內(nèi)階段引入儲(chǔ)能電池通過對(duì)各控制變量的調(diào)節(jié)以實(shí)現(xiàn)第2階段新能源消納。

2）第1階段日前新能源消納模型考慮電動(dòng)汽車作為可調(diào)度資源，結(jié)合不同區(qū)域出行規(guī)律特性，對(duì)其內(nèi)部電氣設(shè)備進(jìn)行協(xié)調(diào)調(diào)度；各區(qū)域間考慮相鄰區(qū)域聯(lián)絡(luò)線功率交互以實(shí)現(xiàn)區(qū)域間的互補(bǔ)互濟(jì)，以最大限度消納區(qū)域新能源提高系統(tǒng)穩(wěn)定性。

3）將集中優(yōu)化問題進(jìn)行分解求解，從而將復(fù)雜問題進(jìn)行分布式求解，大大降低了計(jì)算量，以含3區(qū)域有源配電網(wǎng)為例，所求得相鄰區(qū)域迭代誤差無限接近0，從而驗(yàn)證分布式求解的可行性。

4）第2階段考慮日前源荷預(yù)測(cè)的偏差，通過引入儲(chǔ)能系統(tǒng)并結(jié)合電動(dòng)汽車快速響應(yīng)的特性，通過對(duì)電動(dòng)汽車與儲(chǔ)能系統(tǒng)的協(xié)調(diào)調(diào)度，以跟蹤日前各區(qū)域間聯(lián)絡(luò)線傳輸功率，從而實(shí)現(xiàn)第2階段新能源消納，并跟蹤日前調(diào)度計(jì)劃