蔡秀雯,陳茂新,陳鋼,方一晨,張沈習,程浩忠
(1.國網(wǎng)福建省電力有限公司泉州供電公司,福建省泉州市 362000;2.電力傳輸與功率變換控制教育部重點實驗室(上海交通大學電氣工程系),上海市 200240)
近年來,光伏發(fā)電技術(shù)在政策鼓勵下高速發(fā)展,分布式光伏在配電網(wǎng)中滲透率不斷提高。然而,分布式光伏出力可能引起配電網(wǎng)潮流變化,影響電能質(zhì)量[1]。因此,有必要考慮各電氣指標約束,展開配電網(wǎng)分布式光伏最大準入容量的研究。
目前,國內(nèi)外已有若干研究提出配電網(wǎng)分布式電源最大準入容量計算方法。文獻[2]建立了以分布式電源并網(wǎng)容量最大為目標,考慮電壓水平、旋轉(zhuǎn)備用、線路功率、投資運行總費用等約束的分布式電源規(guī)劃模型,采用隨機權(quán)重粒子群算法進行求解;文獻[3]計及電壓偏差、電壓波動、短路電流、繼電保護約束,采用基于靈敏度的協(xié)調(diào)分段計算方法求解分布式電源最大并網(wǎng)容量;文獻[4]建立了交直流混合配電網(wǎng)分布式電源最大準入容量計算模型,將其轉(zhuǎn)化為混合整數(shù)二階錐模型,直接調(diào)用求解器高效、準確求解,克服了啟發(fā)式算法易陷入局部最優(yōu)的缺陷。
實際上,分布式光伏功率與負荷功率具有不確定性,在分布式光伏最大準入容量計算中應(yīng)予以考慮。文獻[5]和[6]建立了基于機會約束的配電網(wǎng)分布式光伏最大準入容量計算模型;文獻[7]采用蒙特卡洛抽樣生成多場景,選取各場景下分布式光伏準入容量最小值作為最終結(jié)果;文獻[8]使用盒式魯棒區(qū)間表征“源荷”不確定性,使用魯棒輔助變量替代不等式約束中的“源荷”功率變量,將模型轉(zhuǎn)化為對偶形式后求解。
為應(yīng)對大規(guī)模分布式光伏接入對配電網(wǎng)造成的不利影響,同時提升配電網(wǎng)對分布式光伏的消納能力,傳統(tǒng)配電網(wǎng)逐漸被主動配電網(wǎng)(active distribution network, ADN)替代。ADN可以對各種分布式資源進行綜合控制[9],電網(wǎng)側(cè)應(yīng)實現(xiàn)主動規(guī)劃、管理、控制與服務(wù),用戶側(cè)應(yīng)積極參與需求側(cè)響應(yīng),分布式電源側(cè)應(yīng)采用功率控制與調(diào)節(jié)技術(shù),主動參與ADN的運行調(diào)度[10]。文獻[8]將有載調(diào)壓變壓器(on-load tap changer, OLTC)與靜止無功補償器(static var compensator, SVC)應(yīng)用于ADN中,建立了分布式光伏最大準入容量計算模型;文獻[11]在使用OLTC與SVC的基礎(chǔ)上,考慮了網(wǎng)絡(luò)重構(gòu)、分布式光伏功率調(diào)節(jié)、投切電容器組進行無功補償?shù)戎鲃庸芾?active management, AM)措施,提高分布式光伏最大準入容量;文獻[12]使用儲能與智能逆變器增大分布式光伏準入容量;文獻[13]驗證了智能軟開關(guān)對潮流的改善作用,可促進配電網(wǎng)分布式光伏消納。
現(xiàn)有研究存在以下不足:1)多數(shù)研究并未計及“源荷”不確定性,模型的魯棒性有待提高;2)多從電網(wǎng)側(cè)角度提升配電網(wǎng)分布式光伏最大準入容量,但并未考慮用戶需求側(cè)管理(demand side management, DSM)的作用。本文將在儲能投資限制下,優(yōu)化ADN中儲能配置,并考慮分布式光伏出力與負荷功率的不確定性,應(yīng)用有載調(diào)壓、無功補償、儲能調(diào)節(jié)、網(wǎng)絡(luò)重構(gòu)與負荷削減等AM與DSM措施,建立“源荷”不確定性場景下ADN分布式光伏最大準入容量計算模型,通過凸松弛技術(shù)將其轉(zhuǎn)化為混合整數(shù)二階錐形式,并使用列與約束生成算法進行求解。
分布式光伏出力與負荷功率具有季節(jié)周期性與日周期性的特點。為計算ADN中分布式光伏最大準入容量,需要構(gòu)建“源荷”典型時序場景集,確保容量不高于計算結(jié)果的分布式光伏接入在各場景下均不會導(dǎo)致ADN電氣指標越限。
聚類算法在場景生成方面得到廣泛應(yīng)用[14]。本文采用k-means聚類[15]生成“源荷”典型時序場景。k-means算法聚類結(jié)果會在較大程度上受到聚類數(shù)的影響。為避免聚類結(jié)果陷入局部最優(yōu),同時確保生成的場景具有典型性,使用CH(+)指標評價不同聚類數(shù)下的k-means聚類結(jié)果,選取CH(+)指標值最高時的聚類數(shù)K作為最佳聚類數(shù)[16]。
CH(+)指標計算公式為:
(1)
確定最佳聚類數(shù)K后,首先生成K個初始質(zhì)心,將樣本點劃分到與質(zhì)心距離最小的類中,形成K個簇,并計算、更新各個簇的質(zhì)心,直至質(zhì)心位置的變化量小于某一閾值,由此可構(gòu)建“源荷”典型時序場景??紤]到“源荷”功率具有不確定性,以典型場景中各時刻“源荷”功率為基準,按一定偏移度設(shè)定區(qū)間,表征其功率可能的范圍。
在ADN中,擬采用AM與DSM措施,提升分布式光伏最大準入容量。使用的AM措施包括有載調(diào)壓、無功補償、儲能調(diào)節(jié)與網(wǎng)絡(luò)重構(gòu),DSM措施為負荷削減。本節(jié)對上述AM與DSM措施進行建模。
OLTC通常接在上級電網(wǎng)(節(jié)點0)與配電網(wǎng)首節(jié)點(節(jié)點1)之間,用于調(diào)控節(jié)點電壓分布。支路0-1與OLTC的阻抗之和為r01+jx01。在節(jié)點0和節(jié)點1之間設(shè)置虛擬節(jié)點m,令支路0-m阻抗為r01+jx01,支路m-1接有零阻抗OLTC,則場景s時刻t下的OLTC數(shù)學模型如式(2)—(3)所示。
(2)
(3)
投切電容器組可用于無功補償,其數(shù)學模型為:
(4)
(5)
在配電網(wǎng)中安裝儲能模塊,可通過對儲能充放電狀態(tài)與功率的調(diào)控,實現(xiàn)靈活性資源配置,增大ADN對分布式光伏的接納能力?,F(xiàn)考慮投資成本限制,對儲能進行配置。儲能投資約束為[17]:
(6)
場景s時刻t下節(jié)點i的儲能數(shù)學模型為:
(7)
(8)
(9)
(10)
(11)
在儲能配置與運行優(yōu)化中,需要確定待選節(jié)點上安裝的儲能模塊數(shù)量,使之滿足投資約束;同時,需要優(yōu)化各場景下調(diào)度周期內(nèi)儲能的模擬運行策略,通過儲能調(diào)節(jié)最大化ADN中的分布式光伏準入容量。
ADN運行過程中,改變聯(lián)絡(luò)開關(guān)通斷狀態(tài)可調(diào)整網(wǎng)絡(luò)拓撲。ADN應(yīng)始終滿足輻射狀拓撲約束,ADN網(wǎng)絡(luò)重構(gòu)模型如下:
(12)
式中:N為ADN節(jié)點集合;N(i)為可能與節(jié)點i相連的節(jié)點集合;D為ADN支路集合;若節(jié)點j為i的父節(jié)點,則βij,s,t為1,否則βij,s,t為0;αij,s,t用于表征支路ij通斷狀態(tài),0表示斷開,1表示連通。
本文考慮的DSM措施為負荷削減,負荷由基本負荷與可削減負荷構(gòu)成[18]。接于節(jié)點i的負荷于場景s時刻t下的模型為:
(13)
(14)
負荷削減數(shù)學模型如式(15)—(16)所示:
(15)
(16)
在最大化ADN分布式光伏準入容量時,應(yīng)考慮“源荷”不確定性的影響,確保在不確定性最不利條件下ADN仍能安全、穩(wěn)定運行。各典型場景中,“源荷”不確定性可用式(17)—(18)所示的魯棒區(qū)間表示:
(17)
(18)
分別使用y和n表示待選節(jié)點接入的分布式光伏容量和儲能模塊數(shù),分別使用zs,t、xs,t和as,t表示場景s時刻t下的配電網(wǎng)潮流變量、AM和DSM變量向量、“源荷”不確定性輔助變量向量。以最大化分布式光伏準入容量之和為目標,同時考慮“源荷”不確定性最不利條件對其抑制作用與AM、DSM技術(shù)對其提升作用,優(yōu)化模型目標函數(shù)如式(19)所示:
(19)
式中:F為“源荷”場景給定時n和xs,t的可行域;U為as,t的可行域;Ψ為n、xs,t和as,t給定時y和zs,t的可行域;f為元素為1的列向量。
除AM、DSM約束外,ADN分布式光伏最大準入容量計算模型還應(yīng)考慮系統(tǒng)運行與安全約束。本節(jié)將對其進行建模。
3.2.1DistFlow方程約束
(20)
(21)
考慮網(wǎng)絡(luò)重構(gòu)后,潮流方程約束為:
(24)
(25)
(26)
(27)
式中:Pki,s,t、Qki,s,t分別為從節(jié)點k流向i的有功與無功功率;rki和xki分別為支路ki的電阻與電抗;Iki,s,t為流經(jīng)支路ki的電流;Vi,s,t為節(jié)點i電壓。
3.2.2支路電流約束
當支路ij聯(lián)絡(luò)開關(guān)斷開時,電流為0,否則,支路電流應(yīng)小于上限值。約束為:
(28)
3.2.3節(jié)點電壓約束
ADN節(jié)點電壓約束為:
(29)
3.2.4電壓波動約束
分布式光伏出力波動會引起ADN節(jié)點電壓波動,對電能質(zhì)量造成不利影響。電壓波動及其約束為[20]:
(30)
3.2.5諧波電流約束
分布式光伏注入并網(wǎng)點的諧波電流不應(yīng)超出文獻[22]規(guī)定的限值,其表達式與約束為:
(31)
3.2.6主變壓器傳輸功率約束
場景s時刻t下由上級電網(wǎng)經(jīng)主變壓器流入ADN首節(jié)點的有功功率P0m,s,t與無功功率Q0m,s,t應(yīng)分別滿足約束(32)和(33):
(32)
(33)
前文得到的優(yōu)化模型含非線性項與絕對值項,難以直接求解。本節(jié)將原問題拆分為主問題與子問題,轉(zhuǎn)化為混合整數(shù)二階錐形式后,使用列與約束生成算法求解。
(34)
(35)
vi,s,t-vj,s,t-2(rijPij,s,t+xijQij,s,t)+
(36)
vi,s,t-vj,s,t-2(rijPij,s,t+xijQij,s,t)+
(37)
(38)
式中:‖ · ‖2為歐幾里得2-范數(shù);M為極大數(shù)。
約束(28)和(29)分別轉(zhuǎn)化為:
(39)
(40)
OLTC約束(2)可轉(zhuǎn)化為以下形式[24]:
(41)
(42)
(43)
(44)
(45)
(46)
為便于展現(xiàn)后續(xù)模型求解過程,將該二階段魯棒優(yōu)化模型寫成一般化形式GP,如附錄A式(A1)所示。GP中的變量符號與具體變量的對應(yīng)關(guān)系如附錄A式(A2)所示。
上文得到的優(yōu)化問題目標函數(shù)包含兩階段。第1階段對應(yīng)外層max問題,即通過優(yōu)化AM和DSM變量,最大化分布式光伏準入容量;第2階段對應(yīng)內(nèi)層min-max問題,即考慮“源荷”不確定性對結(jié)果的抑制作用,通過最優(yōu)化潮流確定最不利條件下分布式光伏最大準入容量。
包含兩階段的原問題可使用列與約束生成(column-and-constraint generation, C&CG)算法[25]求解。原問題被分解為主問題(master problem,MP)和子問題(sub-problem,SP),分別如附錄A式(A3)和(A4)所示。MP、SP目標函數(shù)值分別為解的上界(upper bound, UB)與下界(lower bound, LB)。主、子問題交替迭代求解,直至UB與LB之差低于設(shè)定閾值。
使用C&CG算法求解模型的步驟如下:
5)若上下界之差為UB-LB≤ε,停止迭代,輸出結(jié)果;否則,返回步驟3)。
為驗證前文所提模型與求解方法的有效性,本節(jié)將在改進的IEEE 33節(jié)點配電網(wǎng)系統(tǒng)上進行算例分析,基于MATLAB 2016a程序開發(fā)與仿真平臺,采用YALMIP工具箱調(diào)用Gurobi 9.0.0商業(yè)求解器對模型進行求解。硬件配置為i5-10500 CPU、3.10 GHz處理器、16 GB內(nèi)存。算例配電網(wǎng)如圖1所示,線路阻抗與負荷參數(shù)詳見文獻[27],各節(jié)點負荷功率因數(shù)恒定。節(jié)點3、7、10、14、27上負荷的可削減部分占比為30%,可全部或部分切除。
圖1 改進的IEEE 33節(jié)點配電網(wǎng)
分布式光伏待選接入點為節(jié)點10、17和32,分布式光伏諧波電流頻譜詳見文獻[28],無功功率忽略不計[20];OLTC正、負向各有4個擋位,調(diào)節(jié)范圍在0.95~1.05 pu之間;投切電容器組接在節(jié)點15與28上,最大可投切5個電容器,單個電容器可補償30 kW無功功率;擬于節(jié)點7處規(guī)劃儲能裝置,單個儲能模塊額定功率為250 kW,額定容量為1 000 kW·h,充、放電效率為85%,經(jīng)濟使用年限為20年,貼現(xiàn)率為8%,單位容量造價為1 530元/(kW·h),建設(shè)投資成本上限為54.4萬元,荷電狀態(tài)上、下限分別為80%和20%,調(diào)度周期始末時刻荷電狀態(tài)為50%;支路12-22和18-33裝有常開聯(lián)絡(luò)開關(guān),支路4-5和13-14裝有分段開關(guān)。
對全年分布式光伏出力與負荷功率進行k-means聚類,CH(+)指標在聚類數(shù)為3時取值最大。聚類數(shù)為3時,以分布式光伏裝機容量與負荷功率歷史最大值為基準值,“源荷”典型時序場景如圖2所示。
圖2 “源荷”典型時序場景
(47)
(48)
表1 不同魯棒區(qū)間寬度下分布式光伏最大準入容量計算結(jié)果
圖3 支路通斷狀態(tài)
圖4 儲能荷電狀態(tài)與充電功率
為驗證AM與DSM對ADN分布式光伏最大準入容量的提升作用,計算采用不同AM和DSM情況下的結(jié)果,如表2所示。由表2可知,場景1與場景4、5、2相比,分布式光伏最大準入容量分別提升了29.54%、13.60%和1.93%,則對于該算例配電網(wǎng),儲能調(diào)節(jié)對分布式光伏最大準入容量提升作用最大,網(wǎng)絡(luò)重構(gòu)和有載調(diào)壓次之;無功補償和負荷削減對分布式光伏最大準入容量的提升效果較弱。
表2 不同AM和DSM組合下分布式光伏最大準入容量
節(jié)點3、7、10、14和27上的負荷含可削減部分,負荷削減情況如圖5所示。
圖5 負荷削減曲線
本文提出了考慮“源荷”不確定性、主動管理與需求側(cè)管理的主動配電網(wǎng)分布式光伏最大準入容量計算模型,轉(zhuǎn)化為具有混合整數(shù)二階錐形式的主問題與子問題后,使用列與約束生成算法求解。算例分析表明,“源荷”不確定性可能對分布式光伏最大準入容量產(chǎn)生抑制作用,且抑制程度與魯棒優(yōu)化保守程度成正相關(guān);主動管理與需求側(cè)管理對分布式光伏最大準入容量具有提升作用,可有效促進分布式光伏消納。在后續(xù)研究中,更多主動管理、需求側(cè)管理措施與配電網(wǎng)的耦合機理仍待進一步深入探討。