王利利,王皓,任洲洋,孫義豪
(1. 國網(wǎng)河南省電力公司經(jīng)濟(jì)技術(shù)研究院,河南 鄭州 450007;2. 輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點實驗室(重慶大學(xué)),重慶 400044)
隨著化石能源危機(jī)和環(huán)境污染問題的日益加劇,以風(fēng)電和光伏發(fā)電為代表的新能源發(fā)電技術(shù)得到了快速發(fā)展[1-2]。然而,新能源電源的不合理接入對電網(wǎng)的安全運行產(chǎn)生了不利影響,導(dǎo)致電壓越限、短路電流增大及線路過載等問題[3-4]。因此,有必要對配電網(wǎng)新能源接納能力進(jìn)行合理評估,從而合理規(guī)劃接入電網(wǎng)的新能源。
為保證實時供需平衡,高壓配電網(wǎng)有必要挖掘利用靈活性資源,盡可能減小或消除新能源出力不確定性對電網(wǎng)安全運行帶來的問題[5]。蓄水式水電站具備靈活的調(diào)節(jié)性能,通過棄水來調(diào)節(jié)其出力,能快速響應(yīng)配電網(wǎng)內(nèi)源荷功率變化,從而起到削峰填谷、平抑風(fēng)電和光伏功率波動等效用[6]。此外,網(wǎng)絡(luò)重構(gòu)是配電網(wǎng)優(yōu)化運行的常用手段,根據(jù)電網(wǎng)的實際運行狀況,通過改變開關(guān)組合狀態(tài),實現(xiàn)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的靈活多變,從而達(dá)到消除過載、減輕電壓波動、降低網(wǎng)損、保證供電可靠性等目的[7]。蓄水式水電站和網(wǎng)絡(luò)重構(gòu)均是高壓配電網(wǎng)內(nèi)的靈活性資源,對于提升高壓配電網(wǎng)靈活性具有重要作用[8-9]。因此,在高壓配電網(wǎng)新能源規(guī)劃中有必要充分利用二者的靈活性,提高高壓配電網(wǎng)對新能源的接納能力。
目前,國內(nèi)外學(xué)者對風(fēng)電和光伏電源的規(guī)劃開展了很多研究。文獻(xiàn)[10]基于分布式電源峰值出力和零出力的極端場景,以降低網(wǎng)損和改善電壓質(zhì)量為目標(biāo),建立了分布式電源選址定容規(guī)劃模型;文獻(xiàn)[11]基于電力仿真軟件計算分布式電源可接入的最大容量,但二者均沒有考慮分布式電源出力隨機(jī)性和波動性。文獻(xiàn)[12]基于低壓配電網(wǎng)光伏扶貧項目的典型接入方式,提出了一種分布式光伏最大容量評估方法;文獻(xiàn)[13]考慮配網(wǎng)功率倒送對保護(hù)裝置影響,提出了一種配電網(wǎng)分布式電源接納能力評估方法,但二者只適用于某些特定地區(qū)電網(wǎng),并不具有普遍適用性。文獻(xiàn)[14]利用網(wǎng)架靈活性,以分布式電源裝機(jī)容量最大為目標(biāo),建立優(yōu)化配置模型,求解配電網(wǎng)分布式電源規(guī)劃接入容量;文獻(xiàn)[15]在光伏電站規(guī)劃中,分析了配網(wǎng)重構(gòu)對促進(jìn)光伏裝機(jī)容量的作用,但二者在新能源規(guī)劃中均沒有考慮電源靈活性。
大量研究在新能源規(guī)劃中計及電網(wǎng)運行費用、環(huán)境效益和設(shè)備投資成本等經(jīng)濟(jì)因素,以經(jīng)濟(jì)性最優(yōu)為目標(biāo)進(jìn)行新能源規(guī)劃。文獻(xiàn)[16]基于魯棒優(yōu)化法分析風(fēng)電出力的不確定性,以系統(tǒng)網(wǎng)損費用和碳排放費用最小為目標(biāo)進(jìn)行風(fēng)電場容量規(guī)劃,但沒有挖掘電網(wǎng)內(nèi)靈活性資源調(diào)節(jié)潛力;文獻(xiàn)[17]基于概率分布模擬風(fēng)電不確定性,綜合考慮風(fēng)電投資成本和電網(wǎng)運行成本,以綜合成本費用最小為目標(biāo)建立風(fēng)電優(yōu)化配置模型,但沒有計及電網(wǎng)內(nèi)靈活性資源。文獻(xiàn)[18]基于風(fēng)電、光伏和負(fù)荷典型場景,考慮網(wǎng)架靈活性,以年綜合費用最小為目標(biāo)優(yōu)化求解風(fēng)電和光伏裝機(jī)容量,但沒有計及電源靈活性。
現(xiàn)有研究沒有綜合考慮水電和網(wǎng)架靈活性,未能充分挖掘電網(wǎng)內(nèi)靈活性資源調(diào)節(jié)潛力,導(dǎo)致規(guī)劃的新能源裝機(jī)容量被低估。此外,新能源規(guī)劃只考慮系統(tǒng)的正常運行狀態(tài),而N-1 安全準(zhǔn)則是電網(wǎng)規(guī)劃的重要準(zhǔn)則[19],在新能源電源規(guī)劃中被忽略,導(dǎo)致新能源電源規(guī)劃結(jié)果未必滿足安全性要求。
本文將地區(qū)電網(wǎng)的水電靈活性和網(wǎng)架靈活性引入到新能源規(guī)劃中,提出了一種計及靈活資源調(diào)節(jié)潛力的高壓配電網(wǎng)新能源接納能力評估方法。首先采用模糊C均值聚類算法聚類生成典型場景;其次以配電網(wǎng)風(fēng)電和光伏裝機(jī)總?cè)萘孔畲鬄閮?yōu)化目標(biāo),考慮電網(wǎng)正常運行狀態(tài)和N-1 預(yù)想故障狀態(tài),建立了含水電和網(wǎng)架靈活性的新能源規(guī)劃模型;最后通過某地區(qū)實際電網(wǎng)驗證了本文模型方法的合理性及有效性。
由于全年相同季節(jié)內(nèi)電源出力和負(fù)荷需求呈現(xiàn)出一定的規(guī)律性和相似性[20],為提高計算效率,首先分別在春、夏、秋、冬選取典型日;然后將各個典型日劃分為峰、平、谷時段;最后分別在峰、平、谷時段內(nèi)場景采用模糊C均值聚類算法,生成典型場景。
模糊C均值聚類算法通過迭代優(yōu)化隸屬度矩陣和聚類中心,使目標(biāo)函數(shù)達(dá)到最小,從而得到場景集的最優(yōu)聚類結(jié)果[21],其計算步驟如下[22]。
(5)令K=K+1,重復(fù)步驟(2)~(4),當(dāng)DB,K>DB,K-1以及DB,K+1<DB,K時停止迭代,聚類結(jié)果為最優(yōu),并輸出該結(jié)果。
考慮水電和網(wǎng)架的靈活性,以配電網(wǎng)新能源裝機(jī)容量最大為目標(biāo)函數(shù),綜合考慮電網(wǎng)正常運行狀態(tài)和N-1 預(yù)想故障狀態(tài),建立了計及靈活性的配電網(wǎng)新能源接納能力評估模型。
(3)水電約束。水電具有調(diào)節(jié)方便、成本低、靈活性高的優(yōu)點,水電站出力和發(fā)電流量密切相關(guān),控制水電站棄水能夠靈活調(diào)節(jié)水電的出力,有利于減少風(fēng)光出力波動對電網(wǎng)的不利影響[24-25]。水電站運行約束為
(4)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)約束。配電網(wǎng)在實際運行時須滿足輻射狀連通性的約束條件,本文基于可操作的支路開關(guān),利用枚舉法建立配網(wǎng)所有滿足條件的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)集合Tτ,則基于網(wǎng)架靈活性的網(wǎng)絡(luò)結(jié)構(gòu)T的約束為
除上述約束條件外,本文提出的模型還需考慮節(jié)點功率、支路功率、功率平衡等潮流約束[27]。
計及靈活性的配電網(wǎng)新能源規(guī)劃模型屬于線性規(guī)劃模型,調(diào)用商業(yè)優(yōu)化軟件CPLEX 進(jìn)行快速求解,具體流程如圖1 所示。
圖1 模型求解流程Fig. 1 The flow chart of model solution
以某地區(qū)實際電網(wǎng)為算例,通過仿真驗證本文所提方法的有效性。該地區(qū)電網(wǎng)如圖2 所示,共有56 個節(jié)點,11 座變電站,其中變電站T1 和T2 均為500 kV/220 kV 變電站;變電站T3,···,T11 均為220 kV/110 kV 變電站,最大負(fù)荷功率為2 021 MW。各電站連接點和裝機(jī)容量如表1 所示,火電廠1 座,已投運風(fēng)電場7 座,光伏電站12 座,水電站4 座。S1,···,S6 為待規(guī)劃的風(fēng)電場和光伏電站,虛線為聯(lián)絡(luò)線,各條支路上均裝有開關(guān)。
表1 風(fēng)電場、光伏電站和水電站的已投運裝機(jī)容量Table 1 The installed capacity of wind farms, photovoltaic stations and hydropower stations under operation
圖2 56 節(jié)點地區(qū)電網(wǎng)Fig. 2 56-bus regional power grid
表2 給出了不同季節(jié)內(nèi)典型日的峰平谷時段劃分結(jié)果。以冬季典型日的平時段為例,圖3 給出了該時段內(nèi)的典型場景聚類結(jié)果。
表2 春夏秋冬季節(jié)內(nèi)的典型負(fù)荷時段劃分情況Table 2 The division of typical periods from spring to winter
圖3 冬季典型日平時段的典型場景Fig. 3 The typical scenarios of flat periods in a typical day of winter
本文構(gòu)建了4 種方案,對比分析不同案例下電網(wǎng)新能源規(guī)劃結(jié)果。
(1)場景1:綜合考慮靈活性資源的優(yōu)化調(diào)度,以及系統(tǒng)正常運行狀態(tài)和N-1 預(yù)想故障狀態(tài)的電網(wǎng)新能源規(guī)劃模型,即本文所提模型。
(2)場景2:不考慮靈活性資源水電的優(yōu)化調(diào)度, 考慮網(wǎng)架靈活性以及系統(tǒng)正常運行狀態(tài)和N-1 預(yù)想故障狀態(tài),優(yōu)化求解新能源裝機(jī)容量。
(3)場景3:不考慮靈活性資源網(wǎng)架結(jié)構(gòu)的調(diào)整能力,考慮水電靈活性以及系統(tǒng)正常運行狀態(tài)和N-1 預(yù)想故障狀態(tài),優(yōu)化求解新能源接納能力。
(4)場景4:考慮電網(wǎng)靈活性資源的優(yōu)化調(diào)度,基于正常運行狀態(tài),不考慮N-1 預(yù)想故障狀態(tài)求解新能源接納能力。
在上述4 種場景下,仿真得到的風(fēng)電和光伏電源接納能力如表3 所示。
3.3.1 考慮靈活性資源對仿真結(jié)果的影響分析
由表3 可知,挖掘利用電網(wǎng)內(nèi)不同靈活性資源,將對電場S1~S4 的裝機(jī)容量產(chǎn)生影響。為了分析靈活性資源對新能源電源規(guī)劃結(jié)果的影響,將場景1~3 中上述電場的裝機(jī)容量進(jìn)行對比,如表4 和表5 所示。
表3 不同場景規(guī)劃結(jié)果Table 3 The planning results for different cases
表4 場景1 和場景2 規(guī)劃結(jié)果對比Table 4 Planning results comparison of Case 1 and Case 2
表5 場景1 和場景3 規(guī)劃結(jié)果對比Table 5 Planning results comparison of Case 1 and Case 3
由表4 可知,本文提出的模型和方法規(guī)劃S1 相較于不考慮水電靈活性(場景2)時提高了23%。其原因是S1 裝機(jī)容量的限制因素為支路L4 載流量,場景1 利用電網(wǎng)內(nèi)水電靈活性,通過控制水電站棄水量,靈活調(diào)控水電站W(wǎng) 1 和W2 的出力,能夠有效避免某些場景下支路L4 過載問題,從而提高了風(fēng)電場S1 的裝機(jī)容量。
由表5 可知,本文提出的模型和方法規(guī)劃S1~S4 相較于不考慮網(wǎng)架靈活性(場景3)時得到有效提高??紤]網(wǎng)架靈活性時,可在配網(wǎng)輻射狀約束集合Tτ中枚舉出最優(yōu)網(wǎng)架結(jié)構(gòu)。 由于S2~S4 裝機(jī)容量的限制因素為220 kV 變電站T4 容量,而考慮網(wǎng)架靈活性能夠改善電網(wǎng)潮流分布,有效避免因潮流分布不合理導(dǎo)致的變壓器過載問題;對于風(fēng)電場S1,考慮網(wǎng)架靈活性,可以通過靈活投運支路L5,改變風(fēng)電場功率外送通道,有效避免某些場景下支路L4 過載問題,從而提高了新能源電站的裝機(jī)容量。
對比場景1 和場景3 可以看出,采用本文所提出的模型和方法可有效地增加新能源電站S1~S4 的裝機(jī)容量。這說明了新能源規(guī)劃模型中挖掘靈活性資源調(diào)節(jié)潛力將會對規(guī)劃結(jié)果產(chǎn)生顯著影響,而綜合考慮水電靈活性和網(wǎng)架靈活性獲得的規(guī)劃結(jié)果更優(yōu)。場景2 和場景3 由于缺乏靈活性資源的調(diào)控,在某些場景下系統(tǒng)功率分布不合理,導(dǎo)致網(wǎng)絡(luò)阻塞,限制了風(fēng)電和光伏電源的規(guī)劃接入。
3.3.2 考慮N-1 預(yù)想故障狀態(tài)對仿真結(jié)果的影響分析
表6 給出了場景1 和場景4 中電場裝機(jī)容量的對比結(jié)果。相較于場景4,場景1 的風(fēng)電場S5 和光伏電站S6 的裝機(jī)容量有所降低,其原因為當(dāng)支路L1 發(fā)生故障后,支路L2 投運,而支路L2 載流量小于支路L1,場景1 為保證系統(tǒng)在N-1 預(yù)想故障狀態(tài)下的安全運行,優(yōu)化獲得的S5 裝機(jī)容量減少;在支路L3-1發(fā)生N-1 預(yù)想故障后,場景1 為保證支路L3-2的傳輸功率不過載,S6 規(guī)劃裝機(jī)容量也相應(yīng)減少。但場景4 并未考慮N-1 預(yù)想故障,在新能源出力大、負(fù)荷小的場景下,線路發(fā)生故障,為輸送新能源電源功率導(dǎo)致支路過載。因此,在新能源規(guī)劃中考慮系統(tǒng)的N-1 預(yù)想故障,能夠有效避免因N-1 預(yù)想故障導(dǎo)致的安全問題,有利于提高系統(tǒng)運行安全性。
表6 場景1 和場景4 規(guī)劃結(jié)果對比Table 6 Planning results comparison of Case 1 and Case 4
表7 給出了不同典型場景聚類個數(shù)下獲得的新能源規(guī)劃結(jié)果。基于本文改進(jìn)的聚類算法,當(dāng)峰平谷時段內(nèi)典型場景聚類個數(shù)為2 時,并沒有包含全部典型場景,導(dǎo)致此時新能源規(guī)劃結(jié)果并未滿足系統(tǒng)典型場景的各類約束條件。當(dāng)峰平谷時段內(nèi)典型場景聚類個數(shù)為3 時,包含了系統(tǒng)全部典型場景,此時增加聚類個數(shù)將重復(fù)之前生成的最優(yōu)典型場景,并未改變各典型場景實際值,即當(dāng)聚類個數(shù)大于3 時,新能源規(guī)劃結(jié)果不再改變。這進(jìn)一步驗證了本文改進(jìn)的聚類算法能夠避免典型場景聚類不合理對規(guī)劃結(jié)果的影響。
表7 不同典型場景聚類個數(shù)下的新能源規(guī)劃結(jié)果Table 7 Planning results of renewable energy obtained under different cluster number of typical scenarios
表8 不同風(fēng)光資源約束值下的新能源規(guī)劃結(jié)果Table 8 Planning results of renewable energy obtained under different constraints of wind and solar resources
本文提出了一種計及靈活資源調(diào)節(jié)潛力的高壓配電網(wǎng)新能源接納能力評估方法,選取電網(wǎng)新能源接入容量最大為優(yōu)化目標(biāo),綜合考慮配電網(wǎng)內(nèi)水電和網(wǎng)架的靈活性調(diào)控,建立了計及系統(tǒng)正常運行狀態(tài)和N-1 預(yù)想故障狀態(tài)的新能源規(guī)劃模型。經(jīng)過某實際電網(wǎng)的仿真結(jié)果表明,本文所提模型能夠挖掘靈活性資源調(diào)節(jié)潛力來優(yōu)化網(wǎng)絡(luò)潮流,提高電網(wǎng)靈活性,從而提升電網(wǎng)的新能源接納能力。此外,在新能源電源規(guī)劃階段模擬了系統(tǒng)運行的N-1 預(yù)想故障狀態(tài),有效地保證了系統(tǒng)運行的安全性,為未來高比例新能源發(fā)展規(guī)劃提供了良好的指導(dǎo)建議。