随着分布式光伏渗透率不断增加，配电网过多的潮流返送会增加线路损耗，甚至影响电网的安全。针对某食品厂屋顶光伏并网存在潮流返送的问题，开展了分布式光伏柔性控制试点应用，并取得显著成效。
该方案通过屋顶光伏电站内加装光伏柔性控制终端，在光伏并网变压器的低压侧加装双向功率采集装置，形成一套完整的分布式光伏柔性控制系统。光伏柔性控制终端通过无线方式实时采集变压器低压侧功率，通过RS485串口接入各逆变器数据，根据实时采集的变压器功率、光伏出力等数据，通过终端内嵌的柔性控制策略调节光伏逆变器功率。系统架构如下：
1、工作日允许光伏由并网点变压器返送至10kV馈线，由10kV馈线下其他负荷消纳；
2、 周末和节假日由于10kV馈线下负荷大幅度减少，无法消纳光伏出力，柔控策略通过超短期光伏功率预测和负荷实时跟踪结合，动态分配各逆变器允许输出功率，限制光伏由并网点变压器返送。与目前直接控制光伏逆变器的方式相比，柔性控制策略在避免对主网潮流影响的同时，又充分保障用户收益，尽可能减少对光伏功率限制，满足分布式光伏电站柔性调控的目的。
该试点应用由两座屋顶分布式光伏电站组成，经400V母线并网由10kV母线汇聚后接入上一级110kV变电站。光伏柔性控制终端通过日期属性判别，工作日不限制光伏出力，周末和节假日时，实时调节光伏电站内各逆变器光伏功率限值，实现光伏的就地消纳，避免直接切断光伏，下图所示为2024年7月29日至8月4日这周工作日与周末的光伏逆变器和并网变压器运行工况。
图2：试点电站一周运行实况（7月29日-8月4日）
一是通过柔性控制避免光伏功率返送至110kV变电站，保障电网安全。如下图所示，如未调控，最大逆流返送功率将出现在周日，峰值为240kW，通过调控后，周末返送功率大幅降低。
图3：试点电站功率分析示例（6月3日-6月10日）
二是通过柔性控制避免用户光伏直接切断，保障光伏多发电，提升用户收益。如下图所示，用户在周末可继续通过光伏发电满足周末负荷供应，周末两日最大发电功率21.5kW，保障发电量162.3kWh，在不影响电网安全的基础上，一定程度上保证了用户的利益。
图4：试点电站功率分析示例（6月3日-6月10日）
分布式光伏柔性控制终端在该试点应用效果良好，通过考虑10kV馈线光伏消纳能力，应用柔性控制终端开展就地调控，通过策略自适应调整不同日期的光伏出力限制， 既避免Law负荷变化导致的光伏功率返送至主网，又最大化保障光伏发电利用效率和用户收益。基于该方案不仅可以实现光伏就地控制，还可进一步根据不同地域特点和电网调控要求，灵活设定调控策略，实现供区、馈线、台区的分层分级控制，提升系统分布式光伏消纳，保障电网安全。
光伏柔性控制终端是北京西清能源能科技有限公司开发研制、生产的拥有自主知识产权的新一代边缘采集终端，内置负荷预警、光伏预测、功率协调控制等自主开发的诸多算法，根据光伏发电功率、负荷功率实现动态追踪、实时调节等功能，有效防止光伏发电负荷消纳不掉而产生的逆流情况的发生，适用于分布式屋顶光伏接入变配电台区并网发电应用场景，可有效降低因光伏逆流造成的配变反向重过载、台区电压质量、台区线损等问题。
光伏柔性控制终端部署于分布式光伏电站现场，收集变压器低压侧电能表实时数据、分布式光伏各逆变器信息等，支持Modbus、IEC104、 IEC61850等协议，兼容不同通信介质（以太网、RS232/422/485、4G等），内置光伏逆变器厂家规约库，支持十余种不同厂家逆变器数据接入。一般电能表安装于变压器低压侧，实时获取电流、电压、功率、电量等数据，通过实时追踪电能表功率变化，结合光伏预测、负荷预测针对各逆变器功率限值通过通讯方式遥调进行调节，以达到光伏电站防逆流的目的。
终端同时具备上行链路接口，支持RJ45、RS485、4G无线等方式与台区智能融合终端或分布式光伏云主站进行数据上送，并可接收上级遥调、遥控命令，从而实现分布式光伏电站远程“可观、可测、可调、可控”。
产品技术特性主要基于负荷预测算法、光伏出力预测算法和功率协调控制算法实现光伏柔性协调控制，具体技术特性如下：
用户负荷预测算法旨在预估用户未来一段时间的电力需求，即用户负荷。该算法主要基于TiDE（Time-series Dense Encoder）进行时序预测，采用编码器-解码器架构，并利用多层感知器MLP实现。模型输入数据中的用户历史负荷数据主要通过并网点安装的逆流装置采集的逆流功率数据，结合采集的光伏出力功率计算得出。在用户历史负荷特征的基础上，模型输入还增加了节假日二值标签特征输入，以提高模型对节假日对用户负荷的影响捕捉能力。通过上诉特征采集，进行模型推理，从而实现对未来最近一个时刻的用户负荷预测，算法模型的工作原理图如下所示：
光伏出力预测算法旨在根据设备历史出力情况、天气状况、光照条件等因素，预测未来一段时间内分布式光伏的电力输出。该算法模型主要基于LSTM（Long Short-Term Memory）即长短期记忆网络，搭建了循环神经网络RNN模型，包含多个LSTM层和Dense全连接层。模型输入采用了历史光伏出力值、当前的温度、湿度、云量、辐照、以及天气状况，从而使模型能够通过结合历史光伏出力规律和当前出力气象状况，预测出未来最近一个时刻的光伏出力，算法模型的工作原理图如下所示：
防逆流调控该旨在确保光伏出力与当地负荷相匹配，从而降低含有高渗透率分布式光伏的配电网可能出现的潮流反向现象，提高电网的安全性。该算法主要基于上诉算法对光伏电站的光伏出力和负荷进行预测，进一步对光伏电站当前时刻的电流逆流可能性进行预测和判断，结合多种调控条件，及时调整光伏电站内各逆变器的出力限值，实现光伏电站防逆流的目的，算法调控策略如下图所示：
终端技术指标采集及算法技术指标如下：
编辑：刘安为
