蒲晓湘*1，林厚飞2，金建新2，林启待2，吴堃铭，刘玢岩

(1.重庆电力高等专科学校， 重庆400053； 2.国网浙江平阳县供电有限责任公司， 浙江温州325401；3.重庆大学输配电装备及系统安全与新技术国家重点实验室， 重庆400044)

0 引言

近年来，化石能源在全球范围内都面临着日渐枯竭的问题，而且化石能源的使用给全球的环境和气候都带来了十分严重的危害，因此全球范围内都亟待寻求各种清洁、高效、可再生的能源，例如风能、太阳能等，来代替化石能源[1-3]。随着各种可再生能源的使用，利用可再生能源的分布式发电(distributed generation，DG)技术应运而生[4-6]。但由于分布式发电自身存在随机性和波动性等缺点，直接接入会给大电网的正常运行，带来很大的负面影响[7-9]。为了协调分布式发电跟大电网之间的矛盾，实现分布式发电的“即插即用”，能源互联网这一理念被提出[10]。目前，大多数学者将能源互联网定义为：通过互联网等信息通讯技术，以电力系统为中心，将电力系统和智能电网连接在一起，综合运用先进的智能管理和电力电子技术，横向“多源互补”，纵向“源—网—荷—储”高度协调，实现能源与信息高度融合的新型能源体系[11-14]。

由于能源互联网一般包含多个能源局域网，因此其控制和管理比单个能源局域网的运行管理更加复杂[15]，已有学者对能源互联网的运行管理展开研究。例如，为了解决能源局域网中可在生能源、负载和实时电价的波动性对能源局域网优化调度的影响，采用了基于随机模型预测控制的能源局域网优化调度方法[16]，该方法具有很强的可行性与鲁棒性；为了解决可再生能源的随机性对能源局域网优化调度的影响，构造了考虑风、光、储在内的能源局域网管理与优化模型，并用改进的粒子群算法进行求解[17]；为了解决能源局域网网内、网外资源利用以及彼此之间的能量交互问题，采用了一种考虑源、荷、储及网内、网外全时段协同优化的建模与优化方法[18]；为了实现可在生能源和传统能源的协调管理，建立了三阶段Stackelberg游戏模型，并利用反向归纳法解决了三阶段非合作博弈问题[19]，给出了各阶段的最后策略表达式；为了实现区域能源互联网的经济运行，建立了一种电转气和热电解耦热电联产机组与风电联合调度的区域能源互联系统模型[20]，构建互联综合能源系统。上述文献主要考虑的是能源局域网与电网之间的运行管理问题，而没有考虑多能源局域网之间的运行管理问题。

在能源互联网的体制中，能源的商品属性得以还原，需要制定相关的能源交易策略来管理能源互联网的市场环境[21]。为了解决在能源互联网背景下的开放电力市场的竞争问题，提出了基于多群体非对称演化博弈的均衡稳定性的解决方案[22]；为了解决能源交易中的能源短缺多发生在峰值能量附近的问题，建立了一个新型的能源互联网框架，通过分布式储能系统在终端用户中建立能源市场，解决峰值能源短缺问题[23]；为了实现能源供应侧与需求侧形成一个整体进行综合统筹，建立了多能互补协调发展的综合模型，实现了能源的互动和梯级利用[24]；为了解决含电动汽车和电转气设备的园区级能源互联网的能量管理与定价问题，采用了多类型能源动态定价和能量管理的方法[25]；为了实现能源互联网用户侧的能量管理、调节与输配，建立了用户侧冷热负荷预测模型[26]；为了实现能源互联网中单个终端用户的最佳经济性决策，建立了一个混合整数线性规划模型，并采用遗传算法来求解该模型[27]。上述文献都只考虑了区域内部或单个区域与能源互联网之间的能量交易问题，未考虑区域间的综合能源协调规划和可靠性经济型效益分析。

综上所述，在目前的文献中，多能源局域网之间的协调管理问题还没有得到充分的研究。因此，针对多能源局域网的协调管理，实现区域与电网、区域与区域之间的最优能量互动，本文提出了一种基于最优能量流的含分布式储能的能源局域网能量管理方法。本文先构造了一种多能源局域网双层信息流与能量流融合模型，该模型下层为可再生能源、分布式储能和负载组成的多个能源局域网，上层分为能源局域网之间的通信网络和能源局域网内的通信网络。然后，使用分层的集中式优化进行能源局域网网间和网内管理，其中网间管理是在网间层面来协调能源局域网之间的能量流动，求出使多能源局域网总运行成本最低的各个能源局域中所有分布式储能应输出或吸收的能量，并将该能量信息作为网内管理的约束条件之一，分别求出使各个能源局域网内部总运行成本最低的每个分布式储能有功输入输出；在网间管理和网内管理的配合下，控制分布式储能运行，得到最优的能量流，从而使整个多能源局域网的运行经济性实现最优。最后，在MATLAB/Simulink中搭建多能源局域网仿真平台，通过对自然环境剧烈波动和自然环境与负荷均剧烈波动两种算例进行仿真，仿真结果表明它可以快速响应负荷和环境的波动，通过控制储能的充放电实现最优的能量流。

1 信息流与能量流融合模型

为实现多能源局域网之间的能量最优分配，本文构造了一种多能源局域网双层信息流与能量流融合模型，如图1所示，该模型上层为信息交换的通信网络，下层为多能源局域网系统。

图1 信息流与能量流融合模型Fig.1 Fusion model of information flow and energy flow

下层多能源局域网是由几个地理位置毗邻的能源局域网组成。而每一个能源局域网又由可再生能源系统、可控储能系统和负载组成，其中可再生能源系统主要包含风机发电和光伏发电两类分布式电源(DG)。在多能源局域网中，由于风机、光伏等可再生能源发电的输出功率具有很大的不确定性，为了提高可再生能源发电的利用率，使其工作在最大功率点跟踪(MPPT)模式。而对于储能系统，可以人为的加以控制，使其工作在恒功率(PQ)模式，称为可控储能系统。

上层通信网络由运行调度中心和信息中心组成，可分为能源局域网之间的通信网络和能源局域网内部的通信网络，如图1所示。能源局域网之间的通信网络，主要用来实现在最优能量流的情况下各能源局域网与能源互联网总体的功率平衡；而能源局域网内部的通信网络，主要用来实现在最优能量流的情况下各能源局域网内部的功率平衡。

在图1中，能源局域网之间的通信网络，由运行调度中心构成。由于主网通过瞬时补充能量来支撑能源局域网的电压和频率，因此流入和流出Pcc节点的能量流，分别代表能源局域网内部负载的能量缺额或可再生能源的能量盈余，所以通过运行调度中心采集Pcc节点的能量缺额或盈余信息，由其通过集中式优化计算得出各能源局域网中所有分布式储能应输出或吸收的能量信息，并将该信息传输至相应的信息中心，作为信息中心进行集中式优化的约束条件之一。而对于任意一个能源局域网内部的通信网络，由信息中心构成，通过信息中心采集可控储能的能量流信息，并将该信息与能源局域网最优能量流信息进行集中式优化，计算得到可控储能充放电的最优计划，并将其传输至可控储能系统，控制储能充放电，实现能源局域网内部的能量平衡，也使整个多能源局域网与电网达到能量平衡。

综上所述，在并网运行的多能源局域网系统中，当负载或者环境波动导致系统出现能量缺额或者能量盈余时，整个多能源局域网系统在考虑经济性最优的情况下优化，将缺额或盈余的能量，在功率平衡的前提下合理的分配到每个能源局域网上，再由每个能源局域网内部通过优化来将缺额的能量或者盈余的能量，在能量平衡的前提下以最优的方式分配到每一个储能系统上，使其放电或充电，来得到最优的能量流，从而达到整个多能源局域网系统的运行经济性最优。

2 基于最优能量流的多能源局域网能量管理方法

多能源局域网处于并网运行模式时，可以与主网进行能量的交换，而在交换的过程中，主网向多能源局域网传输的能量受限于线路的最大传输容量，将这个最大传输容量作为一个阈值Pth，作为判定储能工作方式的一个重要条件，即当主网向多能源局域网供能大于Pth时，主网无法供给的一部分能量，利用分布式储能来供给；当主网向多能源局域网供能介于0与Pth之间时，全部由主网来供给这部分能量，储能不工作；当主网向多能源局域网供能小于0，即多能源局域网盈余能量时，不向主网供电，利用储能用来吸收这部分能量。在整个过程中，储能用来弥补主网供电的能量缺额和吸收可再生能源的能量盈余，通过合理分配储能充放电能量，获得最优能量流，从而使整个多能源局域网总运行成本最低。

为了合理分配储能的输入输出能量，将能量管理分为网间和网内管理。网间管理是在能源局域网之间层面，考虑各个能源局域网的运行成本和传输线的损耗，使整个多能源局域网的总运行成本最低，从而得到每个能源局域网中所有分布式储能应输出或吸收的能量，并将此供能信息作为网内管理的约束条件之一；网内管理是在能源局域网内部层面，考虑能源局域网内部的分布式储能运行成本和传输线的损耗，使能源局域网的总运行成本最低，从而得到每个分布式储能的有功输入输出；在网间和网内管理的配合下，实现整个多能源局域网在并网运行下的经济性运行。下面，从网间和网内管理两个方面，分别介绍能源局域网之间的能量管理和能源局域网内部的能量管理。

2.1 能源局域网之间的能量管理

为了实现在网间层面的能源局域网之间能量流动最优，应以多能源局域网系统运行的总成本为目标，构建能源局域网网间的能量管理模型，并采用内点法来对目标函数进行求解，以实现多能源局域网的总运行成本最小。

2.1.1 目标函数

(1)

2.1.2 约束条件

① 多能源局域网功率平衡约束

多能源局域网优化运行的前提，是多能源局域网能满足功率的时刻平衡。在本节中，我们先从能源局域网i来分析功率平衡，当能源局域网i中风光等可再生能源的总输出功率、可控储能总的吸收或输出功率以及主网向能源局域网i供能之和，与能源局域网i的总负载需求加上能源局域网i输入输出功率之和相等时，能源局域网i满足功率平衡。将所有能源局域网叠加求和，得到多能源局域网的功率平衡约束为：

(2)

(3)

② 多能源局域网储能功率约束

在多能源局域网中，能源局域网i中储能所需的总吸收或输出功率Pi(t)约束为：

(4)

(5)

③ 传输线功率约束

在多能源局域网中，流过传输线的功率不能大于传输线的最大传输容量，因此，传输线功率约束为：

0≤PG(t)≤Pth,

(6)

(7)

2.2 能源局域网内部的能量管理

为了实现能源局域网内部的能量流动最优，应以能源局域网内部系统运行的总成本为目标，构建能源局域网网内的能量管理模型，并采用内点法来对目标函数进行求解，以实现能源局域网内部的运行成本最小。

2.2.1 目标函数

本节中，为了实现每个能源局域网内部能量流动最优，网内优化目标是每个能源局域网总的运行成本最小。因此，以能源局域网i中储能x在时间t时刻的充电与放电功率Pxi(t)为优化变量，考虑能源局域网内部储能的运行费用和能源局域网内部能量流动的网络损耗，构造多能源局域网的总运行成本函数Fi(Pxi(t))，此函数的目的是为了使运行的总成本最小化，由于本文中，风机和光伏发电属于清洁可再生能源，不考虑它们的发电成本，因此，目标函数可写为：

(8)

式中，ai,x和bi,x为能源局域网i内部可控储能x运行维护费用一次项和常数项系数；u代表的是能源局域网i内可控储能的个数，t是传输线的损耗成本系数，单位为kW2/km，li,x是能源局域网i中可控储能x与Pcc节点之间传输线的长度，单位为km；Pxi(t)表示储能x在时间t时刻的充电与放电功率。

2.2.2 约束条件

① 储能系统约束

在多能源局域网优化运行时，储能的荷电状态和输入输出功率都有一定的范围，因此储能系统的约束为：

(9)

(10)

(11)

(12)

(13)

(14)

(15)

② 能源局域网内部供需平衡约束

能源局域网i优化运行的前提是，能源局域网i内部的功率平衡约束时刻满足，即能源局域网i中储能所需的总吸收或输出功率与能源局域网i中每个储能的吸收或输出功率之和相等。

(16)

式中，Pi(t)为网间能量管理求得的能源局域网i中储能所需的总吸收或输出功率。

2.3 多能源局域网并网运行模式下的调度模型

在多能源局域网并网运行模式下实现最优能量流管理，是利用储能在保证系统能量平衡的前提下，最大程度的利用可再生能源，使不同的能源系统协同供能，保障供能的质量[28]，所以多能源局域网并网运行模式下的调度，如图2流程框图所示。

多能源局域网在并网模式下运行时，首先利用网间管理，求出网内管理的约束条件之一，即每个能源局域网中所有分布式储能应输出或吸收的能量，接着利用网内管理，求出能源局域网中每个分布式储能的输入输出信息，控制储能的工作，获得最优的能量流，从而实现整个多能源局域网总运行成本最低。

图2 多能源局域网运行框图Fig.2 Block diagram of operation of multi-energy local area network

3 仿真平台及参数设置

3.1 仿真平台

为验证本文所提出的基于最优能量流的多能源局域网互联能量管理方法，在MATLAB/Simulink中搭建多能源局域网仿真平台，搭建的系统中共包含3个能源局域网，能源局域网1包含3个风机发电、4个可控储能和7个负载；能源局域网2包含3个光伏发电、3个可控储能和6个负载；能源局域网3包含2个风机发电、2个光伏发电、4个可控储能和8个负载，各可再生能源发电和可控储能容量配置见表1。其中，储能系统是由蓄电池来模拟，工作在PQ模式下；DGi=11,12,13,33,34是永磁同步风机(PMSG-WTs)，DGi=21,22,23,31,32是光伏(photovoltaic, PV)，均工作于MPPT模式。负载在工作的过程中，会在不同的时刻发生改变，仿真过程中负载参数的变化如表2所示。多能源局域网在工作的过程中，其发出和吸收能量的成本系数和网损系数，如表3所示。风机和光伏的输出功率受自然环境的影响，仿真过程中风机和光伏输出功率如图3所示。设定系统的标准频率为50 Hz，线电压幅值为380 V，设置线路阻抗为0.169+j0.07 Ω/km。

3.2 参数配置

表1 DG、储能和负载相关参数Tab.1 Setup and parameters of DGs、BESS、Loads

表2 负载参数变化Tab.2 Fluctuations of loads

表3 成本系数Tab.3 Cost Factor

(a)

(b)

图3 可再生能源发电出力曲线
Fig.3 Outputs of all PVs and WTs

4 仿真算例

为了验证基于最优能量流的含分布式储能的能源局域网能量管理方法的有效性，本文共设计了2组算例。算例1主要验证了只有自然环境波动时，例如光照强度、风速等的变化，该管理方法的有效性；算例2主要验证了在自然环境波动的基础上，当负载发生剧烈波动时，该管理方法的有效性。

4.1 算例1：自然环境波动对系统运行的影响

针对多能源局域网的能量控制和管理，本节模型主要考虑了自然环境波动时对系统运行的影响，以此算例来验证本文所提管理方法的有效性。按照表1对风机、光伏、可控储能和负载进行配置，并且取传输线最大传输容量，即阈值Pth为100 kW。

分别在有无能量管理方法的情况下进行仿真，仿真结果如下图所示。图4表示多能源局域网与主网之间的能量流动，从图4中可以看出，当不采用优化方法时，即曲线Pgrid1，主网向多能源局域网供能随着风机光伏的波动而波动，且远远大于阈值；当采用优化方法时,即曲线Pgrid2，主网向多能源局域网供能维持在传输线的最大传输容量，即阈值。图5表示每个能源局域网对应Pcc节点的能量流动，从图4和图5可以看出，不论采不采用优化方法，主网流入多能源局域网的功率与多能源局域网吸收功率和相等，所以主网和多能源局域网之间的能量是平衡的。图6表示能源局域网内部储能输出/输入的功率，其中图6(a)、图6(b)、图6(c)是不采用优化方法，在此情况下，可以看出储能不工作，既不充电也不放电，所有能量均由电网供应，而在实际情况下，由于主网向多能源局域网供能存在阈值，会导致能量缺额，造成部分负载无法正常工作；图6(d)、图6(e)、图6(f)是采用优化方法，在此情况下，由于主网供能大于阈值，大于阈值的部分主网无法供能，而由储能按最经济的方式供能，从图中可以看出，能源局域网3的储能供能最多，符合能源局域网3的总运行成本最低这一实际情况，而在能源局域网3中，储能6的供能最多，符合储能6运行成本最低这一实际情况。图7表示的是根据能源局域网总运行成本最小这一目标函数画出的能源局域网总运行成本图，图7中曲线F1是不采用优化方法，图7中曲线F2是采用优化方法，从两条曲线对比可以看出，当采用优化方法时，能源局域网的总运行成本最小。

综合对比图4、图5、图6、图7可以看出，使用本文所提的基于最优能量流的含分布式储能的能源局域网能量管理方法，可以使可控储能系统在自然环境波动的情况下，按最经济的方式承担负载，实现整个系统的总运行成本最低，能量流最优。

图4 多能源局域网与电网之间Pcc节点功率流动(曲线Pgrid1不采用优化方法,曲线Pgrid2采用优化方法)Fig.4 Power flow of Pcc node between multi-energy local area network and grid (Pgrid1 without optimization method.Pgrid2 with optimization method)

(a) 不采用优化方法

(b) 采用优化方法

图5 每个能源局域网Pcc节点的功率流动
Fig.5 Power flow of Pcc node of each energy local area network

(a) 不采用优化方法

(b) 不采用优化方法

(c) 不采用优化方法

(d) 采用优化方法

(e) 采用优化方法

(f) 采用优化方法

图7 能源局域网总运行成本(曲线F1不采用优化方法,曲线F2采用优化方法)Fig.7 Total operation cost of the energy local area network (F1 without optimization method, F2 with optimization method)

4.2 算例2：负载和自然环境同时波动对系统运行的影响

针对多能源局域网的能量控制和管理，本节模型主要考虑了当负载和自然环境同时波动时对系统运行的影响，以此算例来验证本文所提管理方法的有效性。按照表1对DG、储能系统和负载进行配置，除此之外，增加如表2所示的负载波动，并且取传输线最大传输容量，即阈值Pth为100 kW。

分别在有无能量管理方法的情况下进行仿真，仿真结果如下图所示。图8表示多能源局域网与主网之间的能量流动，从图8中可以看出，当不采用优化方法时，即曲线Pgrid1，主网向多能源局域网供能随着风机光伏的波动而波动；从图8中曲线Pgrid1和Pgrid2的对比可以看出，当主网对多能源局域网供能大于阈值时，主网供能下降至阈值；在主网供能小于0时，主网停止供能且不吸收能量；在主网供能处于0和阈值之间时，主网维持供能不变。图9和图10表示多能源局域网的协调过程，图11表示能源局域网总运行成本，当t=2 h时，多能源局域网负载都下降一定值，导致能源局域网2和3中可再生能源出现功率盈余，Pcc2和Pcc3流出功率，此时通过网间管理求出使多能源局域网总运行成本最低的各个能源局域网中所分布式储能应输出或吸收的功率信息，再利用网内管理，得到使能源局域网内部总运行成本最低的每个分布式储能输入输出功率信息，控制储能充放电，最终将能源局域网2和3的盈余能量部分储存在自身内部的可控储能，其余的传输至能源局域网1，由能源局域网1内部的可控储能储存，以此来达到整个系统的总运行成本最低，即能量流最优。当t=6 h时，多能源局域网的负载都增加一定值，可以看出多能源局域网之间没有进行能量传输，这是由于主网对多能源局域网供能处于0和阈值之间，储能不工作。当t=8 h时，多能源局域网的负载进一步增加，导致多能源局域网都出现了功率缺额，由通过协调过程，最终能源局域网3向能源局域网1和2供给部分功率缺额，能源局域网3的储能供能最多，这与能源局域网3的总运行成本最低相符合，能源局域网3中储能6供能最多，这与储能6的运行成本最低相符合。

综合对比图8、9、10、11可以看出，使用本文所提的基于最优能量流的含分布式储能的能源局域网能量管理方法，可以使可控储能系统在自然环境和负载均剧烈波动的情况下，按最经济的方式承担负载，实现整个系统的总运行成本最低，能量流最优。

图8 多能源局域网与电网之间Pcc节点功率流动(曲线Pgrid1不采用优化方法,曲线Pgrid2采用优化方法)Fig.8 Power flow of Pcc node between multi-energy local area network and grid (Pgrid1 without optimization method, Pgrid2 with optimization method)

(a) 不采用优化方法

(b) 采用优化方法

图9 每个能源局域网Pcc节点的功率流动
Fig.9 Power flow of Pcc node of each energy local area network

(a) 不采用优化方法

(b) 不采用优化方法

(c) 不采用优化方法

(d) 采用优化方法

(e) 采用优化方法

(f) 采用优化方法

图11 能源局域网总运行成本(曲线F1不采用优化方法,曲线F2采用优化方法)Fig.11 Total operation cost of the energy local area network (F1 without optimization method, F2 with optimization method)

5 结论

本文提出一种基于最优能量流的含分布式储能的能源局域网能量管理方法，并给出了一种多能源局域网双层信息流与能量流融合模型。该模型上层为信息交换的通信网络，下层为多能源局域网系统。本文方法分为能源局域网网间管理和网内管理，其中网间管理是求出各个能源局域网中所有分布式储能应输出或吸收的能量，并将该能量信息作为网内管理的约束条件之一，从而求出每个分布式储能有功输入输出，在网间和网内管理的配合下，通过控制每个能源局域网中的分布式储能系统，以此来实现整个多能源局域网的能量协调和控制，获得最优能量流。

为了验证本文所提管理方法和模型的有效性，使用MATLAB/Simulink搭建了多能源局域网仿真平台，仿真结果表明，在自然环境剧烈波动下，该管理方法和模型可以使可控储能按最经济的方式承担负载，实现多能源局域网总运行成本的最低，即能量流最优；此外，通过设置负载波动来模拟多能源局域网功率盈余或者缺额的情况，仿真结果表明，在自然环境和负载均剧烈波动下，使用该管理方法和模型仍可以使可控储能按最经济的方式承担负载，来获得最优的能量流，从而实现多能源局域网的总运行成本最低。