靳偉 陳巖 王文賓 李會彬 李征

摘要：為了解決薄弱電網(wǎng)高比例分布式光伏難以就地消納問題，提出儲能系統(tǒng)和需求側(cè)響應(yīng)運(yùn)行策略，建立了計(jì)劃接入總量下的高比例分布式光伏雙層規(guī)劃模型。以光伏最大消納為目標(biāo)函數(shù)，光伏安裝位置與容量為優(yōu)化變量，建立上層模型;以系統(tǒng)凈負(fù)荷峰谷差期望值最小為目標(biāo)函數(shù)，各時段電價為優(yōu)化變量，建立下層模型。針對光伏隨機(jī)出力與負(fù)荷的時序性，利用拉丁超立方抽樣技術(shù)對其進(jìn)行處理。在此基礎(chǔ)上，采用概率潮流法與細(xì)胞膜粒子群優(yōu)化算法相結(jié)合的混合智能算法對模型進(jìn)行求解，并以河北省某貧困縣光伏扶貧村網(wǎng)架結(jié)構(gòu)為例進(jìn)行算例分析。結(jié)果表明，解決方案在實(shí)現(xiàn)光伏接入容量最優(yōu)配置的基礎(chǔ)上，進(jìn)一步提高了薄弱配電網(wǎng)分布式光伏的消納能力。雙層規(guī)劃模型能夠在很大程度上提高再生能源的利用率，可為配電網(wǎng)規(guī)劃提供參考。

關(guān)鍵詞：電力系統(tǒng)及其自動化;薄弱配電網(wǎng);高比例;分布式光伏;就地消納;需求側(cè)響應(yīng)

中圖分類號：TM741

文獻(xiàn)標(biāo)識碼：A

doi： 10.7535/hbgykj.2020yx03003

Abstract：

In view of the difficulty of local consumption of high proportion distributed photovoltaic （PV） in weak power grid， the bilevel programming model under planned total access was proposed in this paper， considering the running strategies of Energy Storage System （ESS） and Demand Response （DR）. The upper model took the maximum consumption of PV as the objective function， the installation location and capacity of PV as the optimized variables. The lower model took the minimum expected value of peakvalley net load difference as the objective function， the price of each period as the optimized variable. For the sequential feature of random output of PV and load， the Latin hypercube sampling （LHS） technique was proposed for solving it upon which a hybrid intelligent algorithm combining probabilistic power flow method and Cell MembraneImproved Particle Swarm Optimization （CPSO） was employed to solve the model. The grid structure of photovoltaic poverty alleviation village in a povertystricken county from Hebei province is taken as an example to analyze the calculation， and the simulation results suggest that the proposed method can improve the consumptive ability of high proportion distributed PV in weak power grid and the utilization of renewable energy on the basis of realizing the optimal configuration of PV access capacity.

Keywords：

power system and its automation; weak power grid; high proportion; distributed photovoltaic; local consumption; demand response

近年來，由于清潔可再生能源發(fā)電技術(shù)的規(guī)模化持續(xù)發(fā)展，大規(guī)模分布式光伏（distributed photovoltaic generation，DPV）接入各級配電網(wǎng)終端及饋線末端供電區(qū)域。在國家扶貧政策推動下，光伏扶貧工作在農(nóng)村電網(wǎng)大規(guī)模開展。上述背景下，配電網(wǎng)饋線末端供電區(qū)域，如農(nóng)村配電網(wǎng)、偏遠(yuǎn)供電區(qū)域，由于與主網(wǎng)線路傳輸距離遠(yuǎn)、線路阻抗大、負(fù)荷密度低且負(fù)荷用電與分布式發(fā)電時序不匹配等特點(diǎn)，大規(guī)模DPV接入會導(dǎo)致該區(qū)域DPV本地消納困難、功率層層倒送、饋線末端電壓越限、系統(tǒng)網(wǎng)損增加，使相關(guān)供電區(qū)域呈現(xiàn)薄弱電網(wǎng)特性。如何提高薄弱電網(wǎng)DPV的接納能力，是當(dāng)前需要研究的一項(xiàng)重要課題。

現(xiàn)有研究表明，通過優(yōu)化新能源規(guī)劃布局，增加儲能及需求側(cè)響應(yīng)靈活性，提高新能源可觀可控性等手段是提高新能源消納能力的主要技術(shù)措施[12]。因此，從規(guī)劃層面優(yōu)化DPV布局對提高薄弱電網(wǎng)DPV接納能力具有重要意義。目前，國內(nèi)外學(xué)者對配電網(wǎng)分布式電源的優(yōu)化配置方法進(jìn)行了深入探討。文獻(xiàn)[3]對光伏進(jìn)行集群劃分，基于劃分結(jié)果，建立分布式光伏與儲能雙層協(xié)調(diào)選址定容規(guī)劃模型;文獻(xiàn)[4]通過建立基于機(jī)會約束規(guī)劃方法的雙層優(yōu)化模型，研究DG與配電網(wǎng)中多類型需求側(cè)響應(yīng)資源DR的協(xié)同規(guī)劃;文獻(xiàn)[5]從綜合社會收益和電力公司收益2個角度出發(fā)，建立將規(guī)劃與運(yùn)行相結(jié)合的分布式電源雙層規(guī)劃模型;文獻(xiàn)[6]充分考慮不同類型分布式發(fā)電及負(fù)荷功率時序和潮流特性，建立不同回復(fù)率的激勵型需求側(cè)響應(yīng)模型及協(xié)同規(guī)劃模型;文獻(xiàn)[7]建立包含實(shí)際儲能、可平移負(fù)荷、可轉(zhuǎn)移負(fù)荷和可削減負(fù)荷的響應(yīng)特性模型，提出考慮運(yùn)行控制策略的廣義儲能資源與分布式電源聯(lián)合規(guī)劃方法。上述研究成果表明，充分利用儲能及需求側(cè)響應(yīng)靈活性是提高配電網(wǎng)DG消納能力的有效手段。因此，充分挖掘薄弱電網(wǎng)儲能及可控柔性負(fù)荷資源，在此基礎(chǔ)上對供電區(qū)域DPV進(jìn)行合理規(guī)劃，不僅可以提高薄弱電網(wǎng)DPV的消納能力，還能夠提高該類型供電區(qū)域安全穩(wěn)定運(yùn)行性能。薄弱電網(wǎng)中的農(nóng)村電網(wǎng)設(shè)施農(nóng)業(yè)負(fù)荷、電采暖負(fù)荷豐富，上述負(fù)荷具有良好的儲能調(diào)控特性及需求側(cè)響應(yīng)特性。因此，可以在薄弱電網(wǎng)DPV規(guī)劃過程中充分計(jì)及儲能和需求側(cè)響應(yīng)運(yùn)行策略，從而滿足后期運(yùn)行階段的DPV消納需求。而現(xiàn)有配電網(wǎng)DG優(yōu)化配置方法尚無針對薄弱電網(wǎng)開展的相關(guān)研究。

4.1概率潮流計(jì)算

將光伏出力及負(fù)荷功率概率分布時序特性處理與配電網(wǎng)潮流計(jì)算相結(jié)合，詳細(xì)求解過程如下。

1）輸入DPV及負(fù)荷概率模型及不同時段的分布參數(shù)，設(shè)時段數(shù)為t，每個時段的采樣次數(shù)為N。

2）利用LHS技術(shù)對各時段服從特定概率分布DPV與負(fù)荷隨機(jī)變量進(jìn)行處理，形成24個時段DPV與負(fù)荷的時序樣本矩陣M1。

3）采用聚類分析方法對峰谷平時段進(jìn)行劃分。

4）根據(jù)每個時段BESS的充放電運(yùn)行狀態(tài)，得出考慮BESS策略后的時序樣本矩陣M2。

5）產(chǎn)生下層峰谷平時段的電價，然后根據(jù)式（5）得出負(fù)荷需求變化之后的時序樣本矩陣M3。

6）利用式（14）對時序樣本矩陣M3中的所有變量進(jìn)行N次概率潮流計(jì)算。

7）得到24個時段的配電網(wǎng)電壓、電流以及功率等變量的概率分布情況。

4.2雙層模型求解流程

利用CPSO嵌套概率潮流算法求解所建雙層規(guī)劃模型。針對上層模型，按照4.1節(jié)前3部分劃分配電網(wǎng)凈負(fù)荷功率峰谷平時段，并產(chǎn)生下層初始化群體;按照4.1節(jié)后4部分內(nèi)容進(jìn)行概率潮流計(jì)算，得出各機(jī)會約束條件，并利用CPSO算法進(jìn)行尋優(yōu)得到下層優(yōu)化結(jié)果，最后將下層優(yōu)化結(jié)果所對應(yīng)的DPV輸出功率及倒送功率返回到上層，再利用CPSO計(jì)算上層規(guī)劃模型的DPV消納值，根據(jù)設(shè)定的每層最大迭代次數(shù)max iter對算法進(jìn)行終止。具體求解流程如圖3所示。

5算例分析

選取河北省某貧困縣的光伏扶貧村為例對其進(jìn)行配電網(wǎng)規(guī)劃。該村居民150余戶，網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示，電壓等級為380 V，節(jié)點(diǎn)電壓為0.95～1.05 p.u.，每個節(jié)點(diǎn)可接入光伏容量限值為50 kW，規(guī)定光伏裝機(jī)總?cè)萘繛?50 kW，置信水平取0.95。

根據(jù)光伏接入對電網(wǎng)電壓、損耗等造成的影響[15]，初步選定1，2，3，4，5，6，8，10，11，13為光伏可接入節(jié)點(diǎn)。光伏可接入節(jié)點(diǎn)數(shù)為4。規(guī)劃期為1年，儲能容量為確定值。光伏隨機(jī)出力以及負(fù)荷的概率分布參數(shù)參考文獻(xiàn)[10]。蓄電池相關(guān)參數(shù)取值參考文獻(xiàn)[16]。價格型DR運(yùn)行策略相關(guān)參數(shù)的取值參考文獻(xiàn)[17]。優(yōu)化算法參數(shù)設(shè)置：抽樣次數(shù)為100，時段數(shù)為24，CPSO算法相關(guān)參數(shù)參考文獻(xiàn)[14]。

根據(jù)上層規(guī)劃模型DPV初始配置方案，利用第3節(jié)所述的LHS技術(shù)對分布式光伏與負(fù)荷進(jìn)行抽樣，形成24個時段內(nèi)系統(tǒng)凈負(fù)荷曲線（每個時段采樣50次），如圖5所示。

5.1BESS運(yùn)行策略對優(yōu)化結(jié)果的影響

為分析BESS運(yùn)行策略對農(nóng)村薄弱配電網(wǎng)規(guī)劃運(yùn)行過程的影響（忽略價格型DR運(yùn)行策略），將其與未考慮BESS策略時的結(jié)果進(jìn)行對比。分布式光伏并網(wǎng)配置方案及其所對應(yīng)的系統(tǒng)凈負(fù)荷峰谷差、光伏消納結(jié)果如表1所示。

由表1可知，將BESS運(yùn)行策略嵌入光伏并網(wǎng)規(guī)劃過程中，會對光伏優(yōu)化配置方案產(chǎn)生影響。在不考慮BESS運(yùn)行策略即單一進(jìn)行光伏并網(wǎng)規(guī)劃時，光伏的消納總量為41 390 kW·h，而在考慮BESS充放電策略后將儲能納入光伏并網(wǎng)規(guī)劃時，光伏的消納總量為53 260 kW·h，同比增長了2868%。分析原因可知，在負(fù)荷用電低谷期，BESS進(jìn)行充電，在負(fù)荷用電高峰期，BESS進(jìn)行放電，降低系統(tǒng)凈負(fù)荷的峰谷差，在谷時段更多消納光伏發(fā)電，從而促進(jìn)光伏在電網(wǎng)中的消納量。

5.2價格型DR運(yùn)行策略對優(yōu)化結(jié)果的影響

為分析價格型DR運(yùn)行策略對農(nóng)村薄弱配電網(wǎng)規(guī)劃運(yùn)行過程的影響（忽略BESS運(yùn)行策略），將其與未考慮價格型DR運(yùn)行策略時的結(jié)果進(jìn)行對比。分布式光伏并網(wǎng)配置方案及其所對應(yīng)的系統(tǒng)凈負(fù)荷峰谷差、光伏消納結(jié)果如表2所示。

由表2可知，采用價格型DR運(yùn)行策略后，DPV消納量增加。不采用DR的DPV并網(wǎng)規(guī)劃模型的結(jié)果中，光伏消納總量為41 390 kW·h，而在考慮價格型DR運(yùn)行策略后將DR納入光伏并網(wǎng)規(guī)劃時，光伏消納量為51 740 kW·h，同比增長了25%。分析原因可知，引入價格型DR運(yùn)行策略后，用戶受到分時電價制度的影響，主動改變原來的用電規(guī)律，使得負(fù)荷用電與光伏出力最大限度上保持相似，降低系統(tǒng)凈負(fù)荷峰谷差，從而提高光伏的消納量。

5.3同時考慮BESS與價格型DR運(yùn)行策略對優(yōu)化結(jié)果的影響

綜合考慮BESS與價格型DR運(yùn)行策略，將2種策略均納入光伏并網(wǎng)過程，進(jìn)而分析其對農(nóng)村薄弱配電網(wǎng)規(guī)劃運(yùn)行過程的影響。分布式光伏并網(wǎng)配置方案及其所對應(yīng)的系統(tǒng)凈負(fù)荷峰谷差、光伏消納結(jié)果如表3所示。

將表1、表2分別與表3進(jìn)行對比可知，綜合考慮BESS與價格型DR運(yùn)行策略可有效提高光伏的消納量。當(dāng)綜合考慮2種策略時，光伏的消納總量為56 060 kW·h，相比于不考慮運(yùn)行策略以及單獨(dú)考慮BESS、價格型DR運(yùn)行策略，分別增長了355%，5%，8.5%。原因?yàn)?種運(yùn)行策略均可降低系統(tǒng)凈負(fù)荷峰谷差，促進(jìn)光伏的消納能力，當(dāng)綜合考慮2種策略時，使光伏消納量更大。

為分析BESS與價格型DR運(yùn)行策略對高比例DPV消納結(jié)果的影響，對以下3種方案得到的結(jié)果進(jìn)行對比：1）僅考慮BESS運(yùn)行策略;2）僅考慮價格型DR運(yùn)行策略;3）同時考慮BESS與價格型DR運(yùn)行策略。對比結(jié)果如圖6和圖7所示。

由圖6和圖7可知，當(dāng)光伏的接入量一定時，方案3系統(tǒng)凈負(fù)荷期望值峰谷差最小，光伏總消納量最大，光伏的利用效率最優(yōu)。因此，要同時考慮BESS與價格型DR運(yùn)行策略。

6結(jié)論

針對薄弱配電網(wǎng)，在考慮BESS和價格型DR運(yùn)行策略的基礎(chǔ)上，建立了高比例分布式光伏雙層規(guī)劃模型，同時考慮了光伏與負(fù)荷隨機(jī)出力的時序性特征，并采用CPSO與概率潮流相結(jié)合的混合智能算法進(jìn)行求解，得到如下結(jié)論。

1）針對光伏與負(fù)荷出力的時序性，利用LHS技術(shù)對每個時段內(nèi)服從特定概率分布的光伏與負(fù)荷進(jìn)行處理，從而使規(guī)劃結(jié)果更加準(zhǔn)確。

2）通過考慮BESS和價格型DR運(yùn)行策略，增強(qiáng)了光伏隨機(jī)出力與負(fù)荷用電的協(xié)同性，減小了系統(tǒng)凈負(fù)荷曲線的峰谷差。

3）建立的雙層規(guī)劃模型能夠在很大程度上提高光伏的消納水平。

未來將對BESS及DR調(diào)用優(yōu)先級及運(yùn)行調(diào)用策略進(jìn)行研究，以使分布式光伏規(guī)劃結(jié)果更加準(zhǔn)確且符合實(shí)際的運(yùn)行結(jié)果。

參考文獻(xiàn)/References：

[1]舒印彪，張智剛，郭劍波，等.新能源消納關(guān)鍵因素分析及解決措施研究[J].中國電機(jī)工程學(xué)報(bào)， 2017，37（1）：18.

SHU Yinbiao，ZHANG Zhigang，GUO Jianbo，et al. Study on key factors and solution of renewable energy accommodation [J].Proceedings of the CSEE， 2017，37（1）：18.

[2]丁明，王偉勝，王秀麗，等.大規(guī)模光伏發(fā)電對電力系統(tǒng)影響綜述[J].中國電機(jī)工程學(xué)報(bào)，2014，34（1）：114.

DING Ming，WANG Weisheng，WANG Xiuli， et al. A review on the effect of largescale PV generation on power system[J].Proceedings of the CSEE， 2014，34（1）：114.

[3]丁明，方慧，畢銳，等.基于集群劃分的配電網(wǎng)分布式光伏與儲能選址定容規(guī)劃[J].中國電機(jī)工程學(xué)報(bào)，2019，39（8）：21872201.

DING Ming，F(xiàn)ANG Hui，BI Rui，et al. Optimal siting and sizing of distributed PVstorage in distribution network based on cluster partition[J].Proceedings of the CSEE， 2019，39（8）：21872201.

[4]趙楠，王蓓蓓.計(jì)及多類型需求側(cè)響應(yīng)資源的配電網(wǎng)分布式電源優(yōu)化配置[J].中國電力，2019，52（11）：5159.

ZHAO Nan，WANG Beibei. Optimal allocation of distributed generation in distribution system considering multitype demand response resources[J]. Electric Power， 2019，52（11）：5159.

[5]王月強(qiáng)，張文博，李衛(wèi)彬， 等.考慮儲能并計(jì)及光伏隨機(jī)性的分布式電源優(yōu)化配置[J].電測與儀表，2019，56（9）：9196.

WANG Yueqiang， ZHANG Wenbo，LI Weibin，et al. Optimal allocation for distribution generator considering energy storing and randomness of photovoltaic[J]. Electrical Measurement & Instrumentation，2019，56（9）：9196.

[6]高紅均，劉俊勇.考慮不同類型DG和負(fù)荷建模的主動配電網(wǎng)協(xié)同規(guī)劃[J].中國電機(jī)工程學(xué)報(bào)，2016，36（18）：49114922.

GAO Hongjun，LIU Junyong. Coordinated planning considering different types of DG and load in active distribution network[J].Proceedings of the CSEE， 2016，36（18）： 49114922.

[7]程林，齊寧，田立亭. 考慮運(yùn)行控制策略的廣義儲能資源與分布式電源聯(lián)合規(guī)劃[J].電力系統(tǒng)自動化，2019，43（10）：2740.

CHENG Lin，QI Ning，TIAN Liting. Joint planning of generalized energy storage resource and distributed generator? considering operation control strategy[J]. Automation of Electric Power Systems，2019，43（10）：2740.

[8]鄧威，李欣然，李培強(qiáng)，等.基于互補(bǔ)性的間歇性分布式電源在配網(wǎng)中的優(yōu)化配置[J].電工技術(shù)學(xué)報(bào)，2013，28（6）：216225.

DENG Wei， LI Xinran， LI Peiqiang，et al. Optimal allocation of intermittent distributed generation considering complementarity in distributed network[J].Transactions of China Electrotechnical Society， 2013，28（6）：216225.

[9]劉繼東，韓學(xué)山，韓偉吉，等.分時電價下用戶響應(yīng)行為的模型與算法[J].電網(wǎng)技術(shù)，2013，37（10）：29732978.

LIU Jidong， HAN Xueshan， HAN Weiji， et al. Model and algorithm of customers responsive behavior under timeofuse price[J].Power System Technology， 2013，37（10）：29732978.

[10]張曦，康重慶，張寧，等.太陽能光伏發(fā)電的中長期隨機(jī)特性分析[J].電力系統(tǒng)自動化，2014，38（6）：613.

ZHANG Xi， KANG Chongqing， ZHANG Ning，et al. Analysis of mid/long term random characteristics of photovoltaic power generation[J].Automation of Electric Power Systems， 2014，38（6）：613.

[11]KARAKI S H，CHEDID R B，RAMADAN R.Probabilistic performance assessment of autonomous solarwind energy conversion systems[J].IEEE Transactions on Energy Conversion，1999，14（3）：766772.

[12]賈清泉，趙美超，孫玲玲，等.主動配電網(wǎng)中計(jì)及時序性與相關(guān)性的分布式光伏并網(wǎng)規(guī)劃[J].中國電機(jī)工程學(xué)報(bào)，2018，38（6）：17181728.

JIA Qingquan， ZHAO Meichao， SUN Lingling，et al. Planning for gridconnection of distributed PVs considering the sequential

feature and correlation in active distribution network [J].Proceedings of the CSEE， 2018，38（6）：17181728.

[13]艾欣，周樹鵬，趙岳群.考慮風(fēng)電不確定性的用戶側(cè)分時電價研究[J].電網(wǎng)技術(shù)，2016，40（5）：15291535.

AI Xin， ZHOU Shupeng，ZHAO Yuequn. Study on time of use pricing of user side considering wind power uncertainty[J].Power System Technology， 2016，40（5）：15291535.

[14]黃偉，李寧坤，李玟萱，等.考慮多利益主體參與的主動配電網(wǎng)雙層聯(lián)合優(yōu)化調(diào)度[J].中國電機(jī)工程學(xué)報(bào)，2017，37（12）：34183428.

HUANG Wei， LI Ningkun， LI Wenxuan， et al. Bilevel Joint optimization dispatch of active distribution network considering the participation of multistakeholder[J].Proceedings of the CSEE， 2017，37（12）：34183428.

[15]張立梅，唐巍，王少林，等.綜合考慮配電公司及獨(dú)立發(fā)電商利益的分布式電源規(guī)劃[J].電力系統(tǒng)自動化，2011，35（4）：2328.

ZHANG Limei， TANG Wei， WANG Shaolin，et al. Distributed generators planning considering benefits for distribution power company and independent power suppliers[J].Automation of Electric Power Systems， 2011，35（4）：2328.

[16]李秀磊，耿光飛，季玉琦，等.含分布式電源的配電網(wǎng)中電池儲能系統(tǒng)運(yùn)行策略 [J].電力自動化設(shè)備，2017，37（11）：5965.

LI Xiulei， GENG Guangfei， JI Yuqi， et al. Operation strategy of battery energy storage system in distribution network with distributed generation[J].Electric Power Automation Equipment， 2017，37（11）：5965.

[17]劉小聰，王蓓蓓，李揚(yáng)，等.計(jì)及需求側(cè)資源的大規(guī)模風(fēng)電消納隨機(jī)機(jī)組組合模型[J].中國電機(jī)工程學(xué)報(bào)，2015，35（14）：37143723.

LIU Xiaocong， WANG Beibei， LI Yang， et al.? Stochastic unit commitment model for high wind power integration considering demand side resources[J].Proceedings of the CSEE， 2015，35（14）：37143723.