多站融合场景下控制架构及调峰策略_陈玉峰.pdf

电器与能效管理技术(2023No 3)研究与分析陈玉峰(1988)，男，工程师，主要从事微电网、储能控制策略和能量管理系统等研究。梁思伟(1983)，男，工程师，主要从事微电网、储能的能量管理系统集成工作。王家华(1973)，男，高级工程师，主要从事变电站自动化及继电保护等方面的研究。*基金项目:国家重点研发计划项目(2020YFB1506804)多站融合场景下控制架构及调峰策略*陈玉峰，梁思伟，王家华(南京四方亿能电力自动化有限公司，江苏 南京211111)摘要:为解决多站场景下协调控制和运行调度的问题，提出多站融合场景下控制架构和调峰调度运行策略。首先，根据各电源的控制响应特性，设计了兼容性强的控制架构。其次，根据多站融合场景下峰谷差最小的调峰控制目标，结合控制架构，提出了一种滚动优化调峰策略，并使用 PSO 算法对调峰优化模型进行求解。最后，通过实例分析验证了滚动优化调峰策略在多站融合场景下的有效性。关键词:多站融合;控制架构;滚动优化;调峰策略中图分类号:TM74文献标志码:A文章编号:2095-8188(2023)03-0022-06DOI:10 16628/j cnki 2095-8188 2023 03 004Control Architecture and Peak Shaving Strategy UnderMulti-Station IntegrationCHEN Yufeng，LIANG Siwei，WANG Jiahua(Nanjing Sifang Epower Automation Co，Ltd，Nanjing 211111，China)Abstract:In order to solve the problem of coordinated control and operation scheduling in the scene of multi-station integration，the control architecture and peak shaving operation strategy in multi-station integration isproposed Firstly，according to the control response characteristics of each power supply，a control architecture withstrong compatibility is designed Secondly，according to the multi-station integration the peak shaving controlobjective of minimum peak-valley difference，combined with the designed control architecture，a rolling optimizationpeak shaving strategy is propose s PSO algorithm is used to solve the peak shaving optimization model Finally，theeffectiveness of the rolling optimization peak-shaving strategy in the multi-station integration is verified by anexample analysisKey words:multi-station integration;control architecture;rolling optimization;peaking strategy0引言在“碳达峰”“碳中和”的能源结构转型的背景下，我国正大力发展可再生能源。在城市区域内，数据中心、5G 通信基站、分布式发电、电动汽车、储能等蓬勃发展，为提高土地资源的利用率，利用城市变电站的供电资源及空间资源，整合包括充电站、分布式能源站、数据中心站、变电站、储能电站在内所构成的多站融合系统(融合站)，能够实现负荷、新能源的就地消纳，平抑变电站峰谷提高设备利用率，实现互补支撑，提高资源的综合利用率。多站融合场景下存在多种站点类型，因此设计研究包括诸多方面，目前业内人士从各自的角度对多站融合场景下进行了研究。文献 1-2 开展了“多站融合”下基于运行控制需求对储能站容量优化设计的研究;文献 3-4 从拓扑设计方面开展了多站融合场景下一次系统拓扑和供电拓扑的研究;文献 5-8 基于调峰需求、降碳需求、负荷预测结果等，从运行控制角度对多站资源的协调运行进行了研究;文献 9-10 从运营的角度对多站融合场景下运营模式和发展路径进行了探讨。22研究与分析电器与能效管理技术(2023No 3)建设在城市变电站内的多站融合系统，其并网电压等级较高，核心设备为电力电子设备，具有为电力系统提供调频、调压、调峰等辅助服务的能力和条件11-12。在多站融合场景下，如何合理地设计通信架构和控制体系，屏蔽各站的一次设备特性迥异、“融合”各站间资源实现融合站高效参与电力辅助服务，目前的文献在此方面研究和探讨得较少。本文在综合考虑各站控制响应特性的基础上，以电力系统辅助服务的需求为出发点，研究设计兼容各电站类型的协调控制架构，提出滚动优化调峰策略，并实验验证协调控制架构下调度控制策略的有效性。1融合站系统架构融合站中可包含变电站、储能站、光伏站、充换电站、数据中心站等多种类型，站内电源、负荷元素丰富，若面向控制对象设计协调控制系统架构和策略，协调控制系统整体会变得非常繁冗复杂，且通用性和扩展性差。电力系统辅助服务中，针对不同服务的应用场景和控制响应时间需求，根据调控响应速度不同，可分为快速调控和慢速调控。控制速度分类如图 1 所示。图 1控制速度分类本文在融合站协调控制系统的设计中，面向控制速度构建控制系统，同一控制响应速度等级的设备分别归类和接入各子系统，协调控制系统只面向不同控制响应速度的子系统进行调控和策略的设计，提高了控制系统的通用性和扩展性。其中，融合电站内各类站的响应速率特性如表 1所示，融合电站控制系统结构图如图 2 所示。2多站融合场景调度策略融合站参与系统调峰调度，不但需要在电网错避峰阶段考虑对电网尖峰负荷的平抑，而且还需要考虑对峰谷负荷的平移;在约束层面，系统调表 1融合电站内各类站的响应速率特性电站类型 响应速度典型通信通信延时无功调节峰谷平移特性储能站100 msGOOSE毫秒级可调优充换电站100 msModbus/104秒级可调优光伏电站1 sModbus/104秒级可调弱风电站1 sModbus/104秒级可调弱柔性负荷1 sMQTT 等秒/分钟 不可调一般数据中心通信基站图 2融合电站控制系统结构图峰需要考虑储能荷电状态、可再生能源不确定性、充电负荷的刚性需求等限制;在目标层面，系统调峰优化要保证日前计划的最优，更要保证在计划实时变化、负荷/电源出力实时波动的工况下整个系统调峰控制结果的最优。融合站中通信基站负荷、数据中心为由站用电供电的基础负荷，且负荷容量较小，因此作为关键负荷，并不参与系统调控;融合站中的充换电负荷有经营特性，其充电计划也应尽量保证;融合站中的新能源一般较小，其控制过程中需尽可能保证最大化消纳;融合站调峰过程中，主要利用储能的时移特性，进行能量跨时调度。2 1调峰优化模型融合站进行调峰时，主要目标函数为主变压器总功率曲线调峰时间区间内方差最小，目标函数为minf(PLall)=1NTendi=TstartPLall(i)1NTendj=TstartPLall(j)2PLall(i)=PL(i)+PEV(i)+PFAST(i)+PSLOW(i)(1)式中:Tstart 调峰起始时刻;Tend 调峰终止时刻;N 调峰时段 Tstart Tend内总采样点个数;32电器与能效管理技术(2023No 3)研究与分析PLall(i)当前时刻对应于第 i 个主变压器总预测功率;PL(i)i 时刻融合站主变压器负荷预测功率;PSLOW(i)i 时刻光伏等慢速调控电源的发电预测功率;PEV(i)i 时刻充换电站计划功率(不可调控部分);PFAST(i)i 时刻储能、充换电中可调节部分等快速调控电源网侧功率。SOC 循环次数的约束为Tendi=Tstart|PFAST(i)|tCap SOCtarget(2)式中:t 相邻采样点的时间间隔;SOCtarget 调峰时段内的 SOC 循环次数目标值;Cap 电池电度容量。其中因融合站中通信基站负荷、数据中心为由站用电供电的基础负荷，且负荷容量较小，因此作为关键负荷，并不参与系统调控，其负荷值包含在融合站负荷预测功率 PL(i)中。但现实中，负荷预测、发电预测时，关键负荷的情况会存在波动和数据更新，实时控制的时候，基于日前计划的基础上，需要实时滚动修正。因此在实时控制时，滚动优化过程中的目标函数为minf(PLall)=fTstartTnow1+1N2Tendi=TnowPLall(i)1N2Tendj=TnowPLall(i)2PLall(i)=PL(i)+PEV(i)+PFAST(i)+PSLOW(i)fTstartTnow1=1N1Tnow1i=TstartPLall(i)1N1Tnow1j=TstartPLall(i)2(3)式中:f 主变功率曲线调峰时间区间内方差;Tnow 当前时刻;N2 调峰时段 Tnow Tend内总采样点个数;N1 调峰时段 Tstart Tnow 1 内总采样点个数;fTstart Tnow1 已经完成调峰优化的时段 TstartTnow1 内的主变压器总功率的方差值。在滚动优化过程中，目标函数还需要将方差求解起始时刻(调峰启动时段)更新为当前时刻Tnow，电池循环次数约束值需扣除已经发生的循环部分并进行更新，其中，需更新的当前循环次数约束值为SOCTnowtarget=SOCTnow1target SOC(Tnow 1)Tsatrt Tnow TendSOCTstarttarget=SOCtarget(4)式中:SOCTnowtarget Tnow T end时段区间需要循环的次数;SOCTnow1target Tnow 1 Tend时段区间需要循环的次数;SOC(Tnow1)Tnow 1 时段内储能 SOC 循环的次数。(1)快速电源模型约束为Pmax_ch PFAST(i)Pmax_dchSOCmin SOC(i)SOCmaxSOC(i)=SOC(i 1)+Pes(i 1)t(5)式中:Pmax_ch(i)、Pmax_dch(i)快速电源系统的功 率 出 力 上 下限值;SOC(i)i 时 刻 的 储 能SOC 值;SOCmin、SOCmax 储能 SOC 运行的上下限约束;t 相邻采样点的时间间隔。(2)融合站调峰区间内输出功率约束为PMINlimit(i)PL(i)+PFAST(i)+PSLOW(i)+PEV(i)PMAXlimit(i)PL(i)+PFAST(i)+PSLOW(i)+PEV(i)PMINlimit(i)PLStation(i)+PEV(i)(6)式中:PMINlimit(i)融合站需承载的包括重要负荷在内的最小功率，由重要负荷 PLStation(i)和充电 桩 充 电 负 荷 PEV(i)构成;42研究与分析电器与能效管理技术(2023No 3)PMAXlimit(i)融合站可输出的最大功率，一般结合主变容量和调度的约束需求，设定为常值。对于快速电源系统中的储能系统，额外增加SOC 的约束。(3)慢速电源系统主要由光伏和风电等新能源构成。本文在新能源预测数据的基础上引入不确定因子，在滚动优化过程中表征新能源发电的波动性，建立的慢速电源系统的不确定性模型为PSLOW(i)=(1 u)PSLOWforecast(i)0 2 u 0 20 PSLOW(i)PSLOWmax(i)