考虑数据中心和储能接入的主动配电网经济调度研究

doi:10.12096/j.2096-4528.pgt.24199

发电技术 ›› 2025, Vol. 46 ›› Issue (4): 748-757.DOI: 10.12096/j.2096-4528.pgt.24199

• 大规模新能源并网运行调控关键技术 • 上一篇下一篇

考虑数据中心和储能接入的主动配电网经济调度研究

马浩然¹, 袁至¹, 王维庆¹, 李骥²

^1.可再生能源发电与并网控制教育部工程研究中心(新疆大学)，新疆维吾尔自治区乌鲁木齐市 830017
^2.国网新疆电力有限公司电力科学研究院，新疆维吾尔自治区乌鲁木齐市 830011

收稿日期:2024-12-25 修回日期:2025-01-26 出版日期:2025-08-31 发布日期:2025-08-21
通讯作者: 袁至
作者简介:马浩然(1998)，男，硕士研究生，研究方向为储能在配电网的优化配置和运行，908361484@qq.com；
袁至(1984)，男，博士，副教授，研究方向为可再生能源发电与并网控制，本文通信作者，yzisthecure@163.com；
王维庆(1959)，男，硕士，教授，研究方向为电力系统安全稳定及其控制与保护，wwq59@xju.edu.cn；
李骥(1988)，男，硕士，高级工程师，研究方向为新能源并网发电，564574343@qq.com。
基金资助:
新疆维吾尔自治区重大科技专项(2022A01004-1)

Research on Economic Scheduling of Active Distribution Networks With Inclusion of Data Center and Energy Storage

Haoran MA¹, Zhi YUAN¹, Weiqing WANG¹, Ji LI²

^1.Engineering Research Center of Ministry of Education for Renewable Energy Power Generation and Grid Connection Control (Xinjiang University), Urumqi 830017, Xinjiang Uygur Autonomous Region, China
^2.Electric Power Research Institute of State Grid Xinjiang Electric Power Co. , Ltd. , Urumqi 830011, Xinjiang Uygur Autonomous Region, China

Received:2024-12-25 Revised:2025-01-26 Published:2025-08-31 Online:2025-08-21
Contact: Zhi YUAN
Supported by:
Major Science and Technology Special Projects of Xinjiang Uygur Autonomous Region(2022A01004-1)

摘要/Abstract

摘要：

目的为了提高电网新能源消纳能力、降低发电企业运营成本，解决大规模可再生能源馈入配电网时网损增大和新能源消纳率降低等问题，提出一种考虑数据中心(data center，DC)和储能协同调度的主动式配电网经济调度策略。方法首先，通过利用DC的时空可调特性，以及储能设备能够缓解电网发用电两侧矛盾的作用，充分协同调度DC和储能来达到削峰填谷；其次，为提高算法的搜索性能，在麻雀搜索算法中引入了Tent混沌初始化和多种群竞争等机制；然后，考虑到需求响应机制分时电价的影响，在储能成本、运行成本等多个约束条件下利用改进型麻雀搜索算法对模型进行优化调度，最大程度实现灵活性负荷与新能源的最优化匹配；最后，以改进IEEE 30和33节点系统为算例，仿真验证所提策略的有效性。结果提出的协同调度策略能够有效降低配电网综合运行成本，提高新能源消纳率。结论该策略可以为配电网经济调度的相关研究提供一定参考价值。

关键词: 储能设备, 数据中心(DC), 配电网, 经济调度, 改进麻雀搜索算法(ISSA), 需求响应, 新能源消纳

Abstract:

Objectives To improve the new energy consumption capacity of the power grid, reduce operational costs for power generation companies, and address issues such as increased network losses and reduced new energy consumption when large-scale renewable energy is integrated into the distribution networks, an economic scheduling strategy for active distribution networks with the inclusion of the coordinated scheduling of data center (DC) and energy storage is proposed. Methods Firstly, by utilizing the spatiotemporal adjustability of DC and the role of energy storage devices in alleviating the imbalance between grid supply and demand, the coordinated scheduling of DC and energy storage is fully leveraged to achieve peak shaving and valley filling. Secondly, the search performance of the sparrow search algorithm is improved by incorporating Tent Chaos initialization and multi-population competition mechanisms into the algorithm. Then, considering the impact of time-of-use pricing on the demand response mechanism, the model is optimized using an improved sparrow search algorithm under constraints such as energy storage costs and operational costs, aiming to achieve the optimal matching of flexible loads and new energy. Finally, the improved IEEE 30 and IEEE 33 node systems are taken as examples to verify the effectiveness of the proposed strategy. Results The proposed cooperative scheduling strategy can effectively reduce the overall operational costs of the distribution networks and improve the new energy consumption rate. Conclusions The strategy can provide some reference value for the related research of economic dispatch of distribution network.

Key words: energy storage devices, data center (DC), distribution network, economic scheduling, improved sparrow search algorithm (ISSA), demand response, new energy consumption

中图分类号:

TK 01

马浩然, 袁至, 王维庆, 李骥. 考虑数据中心和储能接入的主动配电网经济调度研究[J]. 发电技术, 2025, 46(4): 748-757.

Haoran MA, Zhi YUAN, Weiqing WANG, Ji LI. Research on Economic Scheduling of Active Distribution Networks With Inclusion of Data Center and Energy Storage[J]. Power Generation Technology, 2025, 46(4): 748-757.

图/表 16

图1 主网分时电价

Fig. 1 Time-of-use price of main network

图2 多种群动态学习策略

Fig. 2 Multi-population dynamic learning strategy

图3 ISSA求解过程

Fig. 3 ISSA solution process

图4 主动配电网调度模型

Fig. 4 Scheduling model of active distribution networks

表1 新能源出力功率及设备容量

Tab. 1 New energy output power and device capacity

系统	节点	设备	容量
IEEE 30	2、13	光伏发电厂	300 kW
	8	风力发电厂	300 kW
	22	储能设备	210 kW⋅h
	27	储能设备	140 kW⋅h
	11、15	静态无功补偿	120 kV⋅A⋅h
IEEE 33	17	光伏发电厂	300 kW
	32	光伏发电厂	400 kW
	24	风力发电厂	300 kW
	12	储能设备	210 kW⋅h
	31	储能设备	150 kW⋅h
	15、20	静态无功补偿	120 kV⋅A⋅h

图5 4种算法收敛曲线对比

Fig. 5 Comparison of convergence curves of four algorithms

图6 4种算法光伏出力最大时刻节点电压分布对比

Fig. 6 Comparison of node voltage distribution at maximum photovoltaic output by four algorithms

图7 4种算法电压频率分布对比

Fig. 7 Comparison of voltage frequency distribution by four algorithms

图8 4种算法有功网损对比

Fig. 8 Comparison of active power loss for four algorithms

图9 储能设备充放电情况

Fig. 9 Charging and discharging of energy storage devices

图10 储能设备电池电量

Fig. 10 State of charge of energy storage devices

图11 IEEE 30节点系统新能源消纳情况

Fig. 11 New energy consumption in IEEE 30 node system

图12 IEEE 33节点系统新能源消纳情况

Fig. 12 New energy consumption in IEEE 33 node system

图13 DC负荷功率

Fig. 13 DC load power

图14 电网购电量

Fig. 14 Grid electricity purchase volume

图15 新能源消纳率

Fig. 15 New energy consumption rate

参考文献 28

[1]	刘洪波，刘珅诚，盖雪扬，等．高比例新能源接入的主动配电网规划综述[J]．发电技术，2024，45(1)：151-161． doi:10.12096/j.2096-4528.pgt.22106
	LIU H B， LIU S C， GAI X Y，et al ．Overview of active distribution network planning with high proportion of new energy access[J]．Power Generation Technology，2024，45(1)：151-161． doi:10.12096/j.2096-4528.pgt.22106
[2]	王蓓蓓，胡维涵，牟玉亭，等．储能对高比例新能源电力系统的容量价值贡献及机制思考[J]．电网技术，2024，48(6)：2520-2531．
	WANG B B， HU W H， MOU Y T，et al ．Contribution and mechanism consideration of energy storage to capacity value in high proportion renewable energy power systems[J]．Power System Technology，2024，48(6)：2520-2531．
[3]	孟秋，廖凯，郑舜玮，等．考虑灵活性区域互济的电力系统源-网-储协同规划[J]．电网技术，2024，48(8)：3165-3174．
	MENG Q， LIAO K， ZHENG S W，et al ．Source-grid-storage coordinated planning for power system considering flexibility mutual aid among regions[J]．Power System Technology，2024，48(8)：3165-3174．
[4]	贺玮杰，冯忠楠，林湘宁，等．考虑源网储协同配合下的移动式波浪能发电平台并网优化调度[J]．电工技术学报，2024，39(20)：6502-6516．
	HE W J， FENG Z N， LIN X N，et al ．Grid-connected optimization dispatch of mobile wave energy power generation platform considering the coordination of source，network and storage[J]．Transactions of China Electrotechnical Society，2024，39(20)：6502-6516．
[5]	马丽，李伟，裴玮，等．含高比例光伏配电网中计及需求侧响应的混合储能配置优化[J]．高电压技术，2024，50(4)：1416-1425．
	MA L， LI W， PEI W，et al ．Hybrid energy storage configuration optimization in distribution network with high-proportion PV considering demand response[J]．High Voltage Engineering，2024，50(4)：1416-1425．
[6]	张程，罗玉锦，陈昌亮．考虑源荷不确定的多园区微网与共享储能电站协同优化运行[J]．电力系统保护与控制，2023，51(24)：77-89．
	ZHANG C， LUO Y J， CHEN C L ．Collaborative optimization operation of multi park microgrids and shared energy storage power stations considering source load uncertainty[J]．Power System Protection and Control，2023，51(24)：77-89．
[7]	陈艳波，武超，焦洋，等．考虑需求响应与储能寿命模型的火储协调优化运行策略[J]．电力自动化设备，2022，42(2)：16-24．
	CHEN Y B， WU C， JIAO Y，et al ．Coordinated optimal operation strategy of thermal power-energy storage considering demand response and life model of energy storage[J]．Electric Power Automation Equipment，2022，42(2)：16-24．
[8]	谢代钰，李宏洲，陈标，等．多类型储能参与的调峰模型及其优化调度策略[J]．分布式能源，2024，9(2)：19-29．
	XIE D Y， LI H Z， CHEN B，et al ．Multitype energy storage participation peak load regulation model and its optimal scheduling strategy[J]．Distributed Energy，2024，9(2)：19-29．
[9]	VAZQUEZ N， YU S S， CHAU T K，et al ．A fully decentralized adaptive droop optimization strategy for power loss minimization in microgrids with PV-BESS[J]．IEEE Transactions on Energy Conversion，2019，34(1)：385-395． doi:10.1109/tec.2018.2878246
[10]	YANG J， YANG T， LUO L，et al ．Tracking-dispatch of a combined wind-storage system based on model predictive control and two-layer fuzzy control strategy[J]．Protection and Control of Modern Power Systems，2023，8(4)：1-16． doi:10.1186/s41601-023-00334-6
[11]	LI P， JI J， CHEN S，et al ．Multi-stage expansion planning of energy storage integrated soft open points considering Tie-line reconstruction[J]．Protection and Control of Modern Power Systems，2022，7(4)：1-15． doi:10.1186/s41601-022-00268-5
[12]	胡伟，杨硕．考虑配电网脆弱性的储能双层优化配置模型[J]．智慧电力，2024，52(6)：1-8．
	HU W， YANG S ．Dual-tiered optimization configuration model for energy storage considering distribution network vulnerability[J]．Smart Power，2024，52(6)：1-8．
[13]	耿圣杰，贾燕冰，江坷滕，等．电网数据中心服务器容量及其综合供能系统联合规划策略研究[J]．电网技术，2022，46(9)：3281-3292．
	GENG S J， JIA Y B， JIANG K T，et al ．Joint planning strategy of grid data center server capacity and its integrated energy supply system[J]．Power System Technology，2022，46(9)：3281-3292．
[14]	郝艺博，杜锡力，李笑竹，等．考虑储能性能差异的新能源场站群共享储能交易模式[J]．发电技术，2022，43(5)：687-697． doi:10.12096/j.2096-4528.pgt.22114
	HAO Y B， DU X L， LI X Z，et al ．Shared energy storage trading mode of new energy station group considering energy storage performance difference[J]．Power Generation Technology，2022，43(5)：687-697． doi:10.12096/j.2096-4528.pgt.22114
[15]	马锐，李相俊，李文启，等．可再生能源供电区域电网中储能系统协同调度策略[J]．发电技术，2021，42(1)：31-39． doi:10.12096/j.2096-4528.pgt.20027
	MA R， LI X J， LI W Q，et al ．Cooperative scheduling strategy of energy storage systems for regional grid supplied by renewable energy[J]．Power Generation Technology，2021，42(1)：31-39． doi:10.12096/j.2096-4528.pgt.20027
[16]	臧云帆，夏晟，李嘉文，等．含共享储能的微电网群分布鲁棒博弈优化调度方法[J]．电力系统保护与控制，2023，51(24)：90-101．
	ZANG Y F， XIA S， LI J W，et al ．A robust game optimization scheduling method for shared energy storage micro electric network group distribution[J]．Power System Protection and Control，2023，51(24)：90-101．
[17]	袁昊，刘宇航，孙洁，等．“双碳”背景下新能源并网储能容量优化配置方法[J]．电网与清洁能源，2024，40(9)：134-140．
	YUAN H， LIU Y H， SUN J，et al ．Energy storage capacity optimization allocation methods for grid-connected new energy under dual-carbon background[J]．Power System and Clean Energy，2024，40(9)：134-140．
[18]	黄海泉，黄晓巍，姜望，等．新型配电网分布式储能系统方案及配置研究综述[J]．南方能源建设，2024，11(4)：42-53．
	HUANG H Q， HUANG X W， JIANG W，et al ．A review of distributed energy storage system solutions and configurations for new distribution grids[J]．Southern Energy Construction，2024，11(4)：42-53．
[19]	MEMARZADEH G， KEYNIA F ．A new hybrid CBSA-GA optimization method and MRMI-LSTM forecasting algorithm for PV-ESS planning in distribution networks[J]．Journal of Energy Storage，2023，72：108582． doi:10.1016/j.est.2023.108582
[20]	ÖLMEZ M E，ARI I， TUZKAYA G ．A comprehensive review of the impacts of energy storage on power markets[J]．Journal of Energy Storage，2024，91：111935． doi:10.1016/j.est.2024.111935
[21]	GUO J， WU D， WANG Y，et al ．Co-optimization method research and comprehensive benefits analysis of regional integrated energy system[J]．Applied Energy，2023，340：121034． doi:10.1016/j.apenergy.2023.121034
[22]	YI L， ZHANG H， WANG Y，et al ．Multi-objective global dynamic optimal scheduling of smart building loads considering carbon emissions[J]．Energy and Buildings，2023，301：113740． doi:10.1016/j.enbuild.2023.113740
[23]	苏向敬，张传坤，符杨，等．考虑多场景运行的不平衡主动配网电池储能系统两阶段优化配置[J]．电力系统保护与控制，2023，51(10)：88-97．
	SU X J， ZHANG C K， FU Y，et al ．Two-stage optimal placement of BESS in an unbalanced active distribution network considering multi-scenario operation[J]．Power System Protection and Control，2023，51(10)：88-97．
[24]	王继东，许秋铭，黄婷，等．含共享储能的数据中心微网群分布式优化调度[J]．电网技术，2024，48(8)：3238-3247．
	WANG J D， XU Q M， HUANG T，et al ．Distributed optimal scheduling of data center microgrids cluster with shared energy storage[J]．Power System Technology，2024，48(8)：3238-3247．
[25]	沈玉明，斯辉，马浩天，等．考虑数据中心和分布式能源接入的配电网双层规划方法[J]．全球能源互联网，2023，6(2)：116-125．
	SHEN Y M， SI H， MA H T，et al ．A bilevel programming model for distribution networks considering data center and distributed energy access[J]．Journal of Global Energy Interconnection，2023，6(2)：116-125．
[26]	林彦旭，高辉．基于SSA-VMD-BiLSTM模型的充电站负荷预测方法[J]．广东电力，2024，37(6)：53-61．
	LIN Y X， GAO H ．Load prediction method of charging station based on SSA-VMD-BiLSTM model[J]．Guangdong Electric Power，2024，37(6)：53-61．
[27]	孙欣，于慧，王宇嘉，等．基于局部协同与竞争变异的动态多种群粒子群算法[J]．计算技术与自动化，2021，40(3)：94-100．
	SUN X， YU H， WANG Y J，et al ．Dynamic multi-population particle swarm optimization based on local cooperative and competitive mutation[J]．Computing Technology and Automation，2021，40(3)：94-100．
[28]	王彦峰，王春玲，潘柏崇，等．多站融合中考虑可靠性及经济性的储能站两阶段优化配置方法[J]．电力建设，2024，45(7)：134-143．
	WANG Y F， WANG C L， PAN B C，et al ．Two-stage optimization configuration method for energy storage stations considering reliability and economy in multi-station fusion[J]．Electric Power Construction，2024，45(7)：134-143．

考虑数据中心和储能接入的主动配电网经济调度研究

Research on Economic Scheduling of Active Distribution Networks With Inclusion of Data Center and Energy Storage

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

图/表 16

参考文献 28

相关文章 15

编辑推荐

Metrics

[1]	王杰, 徐立军, 李笑竹, 樊小朝, 古丽扎提∙海拉提null, 王维庆. 计及灵活性不足风险的配电网智能软开关与多类型共享储能协调优化[J]. 发电技术, 2025, 46(4): 758-767.
[2]	高杉, 邢洁, 单英浩, 顾怡. 考虑光伏换相与柔性负荷协同的配电网三相不平衡研究[J]. 发电技术, 2025, 46(4): 768-777.
[3]	赵睿智, 练小林, 应凯文, 柳杰, 李丝雨, 高扬. 基于改进二进制粒子群优化算法的综合能源系统故障定位研究[J]. 发电技术, 2025, 46(2): 231-239.
[4]	张佳鑫, 彭勇刚, 孙静. 考虑需求响应和碳交易的园区氢电耦合系统两阶段鲁棒优化调度[J]. 发电技术, 2025, 46(2): 252-262.
[5]	马恺, 袁至, 李骥. 考虑氢能多元化利用的综合能源系统低碳经济调度[J]. 发电技术, 2025, 46(2): 263-273.
[6]	孙勇, 高子航, 侯泽胤, 李德鑫, 王尧, 张海锋, 陆帅. 面向综合能源系统运行的气网聚合建模及辨识方法[J]. 发电技术, 2025, 46(2): 274-283.
[7]	王奎, 余梦, 张海静, 李妍, 刘哲, 郭军红. 面向光伏消纳和冰蓄冷空调群低碳需求响应的新型配电系统多时间尺度优化策略[J]. 发电技术, 2025, 46(2): 284-295.
[8]	杨剑锋, 李婷, 杨爱民, 冯子宁. 含电能路由器的光伏配电网电压越限问题潮流优化研究[J]. 发电技术, 2025, 46(1): 113-125.
[9]	崔露, 刘世林, 苗婉, 王青. 考虑电转氢和需求响应的风光储综合充能站优化运行策略[J]. 发电技术, 2025, 46(1): 31-41.
[10]	王宇绅, 陈皓勇, 黄宇翔, 吴晓彬, 朱彦瑾, 张健彬. 多重不确定性下的虚拟电厂参与电能量和需求响应市场鲁棒优化调度策略[J]. 发电技术, 2024, 45(6): 1173-1185.
[11]	吴任博, 黄奕俊. 高比例可再生能源接入下含自愈性能的分布式配电网重构策略研究[J]. 发电技术, 2024, 45(5): 975-982.
[12]	谭玲玲, 孙鹏, 郭沛璇, 李元芳, 吉兴全, 张玉敏. 含氢储能的微电网低碳-经济协同优化配置[J]. 发电技术, 2024, 45(5): 983-994.
[13]	杜婉琳, 王玲, 罗威, 朱远哲, 吕鸿, 马潇男, 周霞. 基于深度强化学习的有源配电网电压分层控制策略[J]. 发电技术, 2024, 45(4): 734-743.
[14]	王伟杰, 曾鑫洁, 徐远途, 李书仪, 阮灿华, 童宁, 武小梅. 基于正序突变量相轨迹辨识的可再生能源配电网电流保护[J]. 发电技术, 2024, 45(4): 753-764.
[15]	刘洪波, 刘珅诚, 盖雪扬, 刘永发, 阎禹同. 高比例新能源接入的主动配电网规划综述[J]. 发电技术, 2024, 45(1): 151-161.