王 杰，王維慶，王海云，王帥飛，杜金金

考慮越限風(fēng)險的主動配電網(wǎng)中DG、SOP與ESS的兩階段協(xié)調(diào)規(guī)劃

王 杰1，王維慶1，王海云1，王帥飛2，杜金金3

(1.可再生能源發(fā)電與并網(wǎng)控制教育部工程研究中心(新疆大學(xué))，新疆 烏魯木齊 830047；2.廣東電網(wǎng)惠州供電局，廣東 惠州 516001；3.國網(wǎng)新疆電力有限公司烏魯木齊供電公司，新疆 烏魯木齊 830011)

雙碳和新型配電系統(tǒng)構(gòu)建目標(biāo)下優(yōu)化多種靈活型資源位置與容量是實現(xiàn)該目標(biāo)的重要技術(shù)路線。為此，兼顧規(guī)劃運行的經(jīng)濟性和安全性，提出一種考慮越限風(fēng)險的主動配電網(wǎng)中可再生分布式電源(distributed genevation, DG)、智能軟開關(guān)(soft open point, SOP)、儲能(energy storage, ESS)的兩階段協(xié)調(diào)規(guī)劃方法。階段1以綜合成本與越限風(fēng)險最小為目標(biāo)優(yōu)化DG、SOP與ESS的位置和容量。階段2屬于聯(lián)合SOP、網(wǎng)絡(luò)重構(gòu)、有載調(diào)壓變壓器、電容器組、需求響應(yīng)和儲能多種調(diào)節(jié)手段的多目標(biāo)運行優(yōu)化。同時，以基于灰靶決策技術(shù)的LDBAS算法和二階錐優(yōu)化的混合方法為規(guī)劃優(yōu)化的求解工具。在IEEE 33節(jié)點配電系統(tǒng)上仿真，測試結(jié)果證明了所提兩階段協(xié)調(diào)規(guī)劃模型能夠有效地提高系統(tǒng)運行效率、增強靈活性、降低運行安全風(fēng)險及經(jīng)濟成本。

主動配電網(wǎng)；越限風(fēng)險；智能軟開關(guān)；協(xié)調(diào)規(guī)劃；分布式能源；運行優(yōu)化

0 引言

高滲透率可再生分布式能源對配電系統(tǒng)的運行方式產(chǎn)生顯著的影響，比如：節(jié)點電壓越限、支路功率過載、能量損耗增加、潮流波動加劇等[1-4]。智能軟開關(guān)、儲能等柔性設(shè)備是緩解這一問題的最有效手段[5-8]。然而，如何將可再生分布式能源與智能軟開關(guān)、儲能設(shè)備融合，設(shè)計合理的協(xié)調(diào)規(guī)劃方案，實現(xiàn)多資源互補優(yōu)勢，是應(yīng)對以上配電網(wǎng)問題的關(guān)鍵。

目前，國內(nèi)外學(xué)者對主動配電網(wǎng)中的規(guī)劃問題進行了相關(guān)的研究[9-12]。不同資源之間的相互協(xié)調(diào)及規(guī)劃-運行的聯(lián)合優(yōu)化已經(jīng)成為主動配電網(wǎng)規(guī)劃問題的重要特征[13-15]。文獻[16]考慮線路改造和新建、分布式電源與儲能建立了主動配電網(wǎng)規(guī)劃-運行聯(lián)合優(yōu)化模型。文獻[17]協(xié)調(diào)“源”、“網(wǎng)”、“荷”三方的利益，建立了主動配電網(wǎng)三層規(guī)劃協(xié)調(diào)模型，并利用結(jié)合支持向量機回歸擬合潮流計算的并行遺傳算法進行求解。文獻[18]考慮實際儲能、負荷的響應(yīng)特性，提出了廣義儲能和分布式電源的雙層聯(lián)合規(guī)劃模型，采用多目標(biāo)粒子群算法和分支定界法進行求解，發(fā)揮了儲能參與運行調(diào)控的優(yōu)勢。然而，文獻[16-18]沒有充分體現(xiàn)系統(tǒng)的運行方式。為此，文獻[19]基于主動管理策略建立了計及時序性與相關(guān)性的分布式電源的雙層規(guī)劃模型，采用概率潮流法與嵌套的模擬退火粒子群算法相結(jié)合的混合方法進行求解。但是傳統(tǒng)的主動管理措施調(diào)節(jié)能力并不能實現(xiàn)高比例可再生分布式能源的友好并網(wǎng)。智能軟開關(guān)具有實時、快速、靈活的控制潮流的優(yōu)勢，為解決這一問題提供了契機。文獻[20-21]研究了智能軟開關(guān)應(yīng)對配電網(wǎng)中電壓、功率的控制調(diào)節(jié)問題。文獻[22]兼顧多主體利益，考慮系統(tǒng)規(guī)劃與運行優(yōu)化相結(jié)合，建立了有源配電網(wǎng)分布式電源與智能軟開關(guān)的三層協(xié)調(diào)規(guī)劃模型，并采用遺傳算法和錐優(yōu)化的混合方法進行求解。文獻[23]為了提高分布式電源的滲透率，提出了一種有源配電網(wǎng)中分布式電源、電容器組與智能軟開關(guān)的雙層規(guī)劃模型。文獻[24]考慮需求響應(yīng)和節(jié)能降壓技術(shù)，研究了光伏高滲透率的配電網(wǎng)中智能軟開關(guān)和儲能的規(guī)劃問題，建立兩階段協(xié)調(diào)規(guī)劃模型以增強系統(tǒng)運行可靠性、降低碳排放量。以上文獻表明，智能軟開關(guān)能夠適應(yīng)可再生分布式能源的不可控性，具有提高配電網(wǎng)運行效率的潛力，有助于提高可再生分布式能源的滲透率。但是上述協(xié)調(diào)規(guī)劃模型中主要以經(jīng)濟性為優(yōu)化目標(biāo)，對規(guī)劃方案的安全性關(guān)注尚不足，比如風(fēng)電、光伏、負荷的不確定性造成的運行越限風(fēng)險考慮欠佳；另一方面在建立規(guī)劃與運行協(xié)調(diào)優(yōu)化模型中有必要充分考慮多樣化的調(diào)節(jié)手段。

基于以上研究發(fā)現(xiàn)：(1) 主動配電網(wǎng)規(guī)劃不僅涉及到多種資源之間的協(xié)調(diào)規(guī)劃，還需要兼顧規(guī)劃與運行的聯(lián)合優(yōu)化；(2) 主動配電網(wǎng)中的協(xié)調(diào)規(guī)劃問題屬于混合整數(shù)非線性問題，結(jié)合智能算法與數(shù)學(xué)優(yōu)化的混合算法表現(xiàn)了良好的求解效率[19-21]；(3) 智能軟開關(guān)和儲能的合理規(guī)劃對高比例可再生分布式能源的并網(wǎng)及系統(tǒng)的靈活、高效運行具有重要意義，但是也受到可再生分布式電源的波動性影響，有必要研究可再生分布式能源、智能軟開關(guān)與儲能的協(xié)調(diào)規(guī)劃問題。因此，本文計及風(fēng)光荷的不確定性，利用條件風(fēng)險價值(conditional value-at-risk, CVaR)定義越限風(fēng)險指標(biāo)，建立了考慮越限風(fēng)險的主動配電網(wǎng)中可再生分布式能源、智能軟開關(guān)與儲能的兩階段協(xié)調(diào)規(guī)劃模型。階段1以綜合成本與越限風(fēng)險最小為目標(biāo)優(yōu)化分布式電源(distributed genevation, DG)、智能軟開關(guān)(soft open point, SOP)與儲能(energy storage, ESS)的位置和容量；階段2以最小化運行成本、可再生分布式能源消納最優(yōu)為目標(biāo)，聯(lián)合SOP、網(wǎng)絡(luò)重構(gòu)、有載調(diào)壓變壓器、電容器組、需求響應(yīng)和儲能多種調(diào)節(jié)手段協(xié)調(diào)優(yōu)化運行狀態(tài)。采用基于灰靶決策技術(shù)的天牛須搜索算法(lévy flight and chaos disturbed beetle antennae search, LDBAS)和二階錐優(yōu)化混合方法對模型進行求解，并在IEEE 33節(jié)點配電網(wǎng)系統(tǒng)中進行仿真，驗證了提出的兩階段協(xié)調(diào)規(guī)劃模型的合理性和有效性。

1 問題描述

1.1 含ESS的SOP數(shù)學(xué)模型

一般地，SOP的拓撲結(jié)構(gòu)是基于全控性電力電子的背靠背電壓源變流器(B2B)[25-26]。SOP用于代替?zhèn)鹘y(tǒng)配電網(wǎng)的聯(lián)絡(luò)開關(guān)，連接兩條或多條饋線，實現(xiàn)對饋線兩端有功功率的連續(xù)、精確控制，并提供無功功率支持。與傳統(tǒng)的聯(lián)絡(luò)開關(guān)相比，SOP在饋線之間能夠?qū)崿F(xiàn)柔性互連，但是投資和運行成本較高。

ESS具有一定的時間尺度調(diào)節(jié)能力，低負荷時段充電，高峰時段放電，實現(xiàn)配電網(wǎng)中源、荷更好的匹配，改善潮流[227-28]。事實上，SOP兩交流之間的直流環(huán)節(jié)為儲能的接入提供了方便，通過直流環(huán)節(jié)可以與蓄電池等直流儲能元件深度融合，接入到配電網(wǎng)中，如圖1所示。利用SOP兩端的電力電子變換器控制儲能元件的充放電模式，在SOP具有傳輸功率功能的基礎(chǔ)上增加了能量存儲功能，成為高度集成的綜合能源變換裝置。

含ESS的SOP滿足的約束如下。

1) SOP有功約束

圖1 SOP的結(jié)構(gòu)圖

2) SOP容量約束

3) ESS的運行約束

1.2 基于CVaR的越限風(fēng)險量度

可再生分布式能源出力和負荷的時序波動是造成主動配電網(wǎng)運行不確定性的主要因素。日前高比例可再生分布式能源的并網(wǎng)使得配電網(wǎng)節(jié)點電壓越限、支路過載程度急劇增加，這對配電網(wǎng)的規(guī)劃帶來了挑戰(zhàn)。配電系統(tǒng)中的風(fēng)險往往從系統(tǒng)中失效事件發(fā)生的可能性及其發(fā)生后對系統(tǒng)造成危害的嚴重程度來進行綜合度量，能夠通過其來衡量系統(tǒng)運行狀態(tài)的安全水平。針對這一問題，引入CVaR定義越限風(fēng)險指標(biāo)。

為了便于求解，式(15)可以簡化為

本文考慮的運行風(fēng)險是指由風(fēng)電、光伏和負荷的不確定性(預(yù)測數(shù)據(jù)不準(zhǔn)確)引起的潛在的電壓和功率越限風(fēng)險。風(fēng)險評估是為了定量評價某種運行方式的安全性，避免由風(fēng)電、光伏和負荷的不確定性引起不安全高風(fēng)險。下面以電壓越限為例說明風(fēng)險指標(biāo)的計算過程。

1) 通過最大越限電壓和平均越限電壓計算電壓越限指標(biāo)。

電壓越限風(fēng)險指標(biāo)為

結(jié)合電壓越限風(fēng)險指標(biāo)和支路潮流越限風(fēng)險指數(shù)，系統(tǒng)整體越限風(fēng)險指標(biāo)為

2 主動配電網(wǎng)協(xié)調(diào)規(guī)劃的數(shù)學(xué)模型

基于ESS和SOP融合的數(shù)學(xué)模型，建立DG、SOP與ESS協(xié)調(diào)規(guī)劃模型，這不僅確定了DG、SOP與ESS的位置和容量，而且通過ESS、SOP、有載調(diào)壓變壓器、電容器組投切以及網(wǎng)絡(luò)重構(gòu)多調(diào)節(jié)方式優(yōu)化運行實現(xiàn)了主動管理。具體來說：所提出的協(xié)調(diào)規(guī)劃模型是由規(guī)劃模型和運行模型兩個階段決策，每個階段分別存在相應(yīng)的決策變量。階段1兼顧經(jīng)濟性和安全風(fēng)險，優(yōu)化DG、SOP與ESS的位置和容量。為了實現(xiàn)協(xié)調(diào)規(guī)劃，將所有的規(guī)劃方案傳遞到集中運行優(yōu)化模型中(即階段2)。階段2考慮分布式電源的不確定性，聯(lián)合智能軟開關(guān)、網(wǎng)絡(luò)重構(gòu)、儲能、有載調(diào)壓變壓器、電容器組、需求響應(yīng)多種調(diào)節(jié)方式進行協(xié)調(diào)優(yōu)化運行。運行優(yōu)化結(jié)束后，將優(yōu)化結(jié)果反饋到階段1的規(guī)劃模型中。

2.1 目標(biāo)函數(shù)

以綜合經(jīng)濟成本最小為優(yōu)化目標(biāo)函數(shù)，如式(25)所示。

階段2是可變成本最小化的運行優(yōu)化過程，具體表達式為

2.2 約束條件

1) 每個場景的潮流方程

2) 每個場景的節(jié)點電壓約束

3) 每個場景的支路容量約束

4) 拓撲結(jié)構(gòu)約束

配電系統(tǒng)運行過程中滿足輻射形結(jié)構(gòu)。

5) 有載調(diào)壓變壓器運行約束

6) 電容器組的運行約束

7) 需求響應(yīng)約束

為了保證用戶的正常用電行為，系統(tǒng)內(nèi)各節(jié)點在每個時刻的負荷轉(zhuǎn)移不能超過一定的限值，具體約束表達式為

3 模型求解

協(xié)調(diào)規(guī)劃問題是一個大型非凸混合整數(shù)非線性規(guī)劃問題(integer nonlinear programming, MINLP)，傳統(tǒng)的優(yōu)化技術(shù)難以解決。為了克服這一問題，建立了兩個階段的規(guī)劃模型，即規(guī)劃模型和運行模型。兩個階段分別由決策變量集D1和D2控制，集合D1由DG、SOP與ESS安裝位置和容量的候選解組成，如圖2所示；同理，集合D2由ESS、SOP、需求響應(yīng)、有載調(diào)壓開關(guān)、電容器組、網(wǎng)絡(luò)重構(gòu)多種調(diào)節(jié)手段協(xié)調(diào)優(yōu)化，如圖3所示。利用智能算法和二階錐優(yōu)化的混合求解方法對第1階段和第2階段進行求解。

圖2 規(guī)劃階段1決策變量

圖3規(guī)劃階段2決策變量

在階段1中，采用LDBAS算法生成候選解。將階段1中獲得的每個候選解傳遞到階段2。階段2屬于一個多場景聯(lián)合SOP、ESS、需求響應(yīng)、有載調(diào)壓開關(guān)、電容器組、網(wǎng)絡(luò)重構(gòu)多種調(diào)節(jié)手段的運行優(yōu)化問題，對于每個候選方案，調(diào)用YALMIP中的CPLEX求解器解決階段2的MINLP問題。在滿足式(35)—式(49)的約束條件下，求出每個場景運行優(yōu)化的決策變量，并反饋到階段1。重復(fù)上述過程，直到LDBAS求解算法收斂。圖4給出了考慮越限風(fēng)險的主動配電網(wǎng)中DG、SOP與ESS的兩階段協(xié)調(diào)規(guī)劃模型。

天牛須搜索算法(BAS)是在2017年首次提出的一種基于天牛覓食原理的新智能算法，屬于單體搜索算法，具有原理簡單、計算速度快的優(yōu)勢。為了避免過早收斂，標(biāo)準(zhǔn)BAS算法中引入了Lévy飛行策略；為了增加局部搜索能力，引入了混沌擾動機制；為了解決模型中多目標(biāo)問題，引入了灰靶決策技術(shù)?；诨煦鐢_動機制和Lévy飛行策略的天牛須搜索算法具有較強的計算效率和準(zhǔn)確度?；诨野袥Q策技術(shù)的LDBAS算法詳細理論內(nèi)容和二階錐轉(zhuǎn)換方式分別參考文獻[31-32]和文獻[33]，不再贅述。

4 仿真驗證與分析

4.1 算例基礎(chǔ)參數(shù)設(shè)置

為驗證上述提出的兩階段協(xié)調(diào)規(guī)劃模型的可行性和有效性，在IEEE 33節(jié)點配電系統(tǒng)上進行仿真驗證。圖5給出了IEEE 33節(jié)點配電系統(tǒng)簡化拓撲結(jié)構(gòu)，電壓等級為12.66 kV，斷開的聯(lián)絡(luò)支路包括8-21、12-22、9-15、18-33、25-29。

圖5 IEEE 33節(jié)點簡化拓撲結(jié)構(gòu)

4.2 仿真結(jié)果

為了驗證可再生分布式能源、智能軟開關(guān)與儲能的兩階段協(xié)調(diào)規(guī)劃模型的有效性，設(shè)定了6種案例進行仿真。

案例1：僅對DG進行規(guī)劃，SOP不參與規(guī)劃。

表1 DG與ESS相關(guān)參數(shù)

表2 SOP相關(guān)參數(shù)

表3 電價參數(shù)

備注：峰時段為10：00—12：00和07:00—20:00；平時段為06：00—09：00和13：00—16：00；谷時段為01：00—05：00。

表4 風(fēng)光場景功率-概率分布

案例2：DG與SOP同時規(guī)劃，階段2模型中除SOP參與運行調(diào)節(jié)之外，不考慮其他調(diào)節(jié)手段。

案例3：DG與SOP同時規(guī)劃，階段2模型中不考慮網(wǎng)絡(luò)重構(gòu)之外，其他主動調(diào)節(jié)手段參與運行優(yōu)化。

案例4：DG與SOP同時規(guī)劃，考慮多種主動調(diào)節(jié)手段和網(wǎng)絡(luò)重構(gòu)。

案例5：DG、SOP與ESS同時規(guī)劃，考慮多種主動調(diào)節(jié)手段、網(wǎng)絡(luò)重構(gòu)。

以上案例均考慮了越限風(fēng)險。案例5分兩種情況，情況1：SOP與ESS聯(lián)合一體配置；情況2：SOP與ESS分開配置。

案例6：DG、SOP與ESS同時規(guī)劃，考慮多種主動調(diào)節(jié)手段和網(wǎng)絡(luò)重構(gòu)，未考慮越限風(fēng)險。

表5和表6分別給出了7種規(guī)劃方案的接入容量和規(guī)劃成本。從表6可以看出，相對案例1僅規(guī)劃了可再生分布式電源，案例2的綜合成本減少了80.5024萬元。這是因為SOP具有實時的傳輸功率功能，降低了網(wǎng)絡(luò)損耗，同時SOP促進DG消納，降低了向上級電網(wǎng)購電成本。相對案例1，案例3的綜合規(guī)劃成本減少了113.8475萬元，在案例2的基礎(chǔ)上進一步降低了規(guī)劃成本，這是因為規(guī)劃模型中的運行階段引入了有載調(diào)壓變壓器、電容器組和需求響應(yīng)主動調(diào)節(jié)手段。相對案例1，案例4—6規(guī)劃的綜合經(jīng)濟成本分別減少了133.1313、138.2778、146.1760和149.9602萬元，其中，案例5和案例6的規(guī)劃經(jīng)濟成本分別降低了11.13%、11.76%和12.07%。因此，DG、SOP和ESS同時規(guī)劃更經(jīng)濟。案例1—6的運行成本分別為776.0592、847.5352、942.924、739.1876、647.2345、594.7966和622.1556萬元。

從階段2的可變成本角度分析，相對案例1，案例2和案例3的運行成本增加了71.476和166.8648萬元，這是因為SOP安裝容量的增加使得DG的安裝容量減小，向上級電網(wǎng)購電成本增加。相對于案例1，案例4、5、6的運行成本分別減少了36.8716、128.8247、181.263和153.9036萬元。案例4由于聯(lián)合網(wǎng)絡(luò)重構(gòu)與其他主動調(diào)節(jié)手段的聯(lián)合使得DG和SOP安裝容量增加，減少向上級購電成本的同時進一步降低了網(wǎng)絡(luò)損耗。案例5中ESS的加入促進了運行成本的降低。因此，DG、SOP與ESS聯(lián)合規(guī)劃在未來具有實用前景。

表5 規(guī)劃位置和容量

表6 規(guī)劃方案與結(jié)果分析

在優(yōu)化配置的運行階段模型中進行24 h調(diào)度優(yōu)化。不同配置方案下節(jié)點電壓結(jié)果如圖6所示。在09：00、10：00、11：00時的負載較大，整個系統(tǒng)中方案1的最低節(jié)點電壓和最高節(jié)點電壓分別為1.0493 p.u和0.9501 p.u。由于SOP具有無功功率調(diào)節(jié)能力，方案2的配電系統(tǒng)運行節(jié)點電壓偏差減小。方案3含多種主動調(diào)節(jié)手段，規(guī)劃結(jié)果顯示電壓偏差量進一步減小。方案4、方案5(1)和方案6的規(guī)劃結(jié)果均在允許的電壓范圍0.95～1.05 p.u.之內(nèi)。由于方案6未考慮越限風(fēng)險指標(biāo)，系統(tǒng)整體電壓分布偏低，最小節(jié)點電壓為0.9472 p.u.。

圖6 各案例的電壓分布

4.3 運行階段各調(diào)節(jié)手段的影響

圖7—圖9分別給出了案例2、案例3、和案例4在運行階段SOP的優(yōu)化結(jié)果。從圖7和圖8可以看出，在06：00—10：00和12：00—16：00時段，SOP將容量從節(jié)點25輸送到節(jié)點29，而SOP在節(jié)點18和節(jié)點33兩端的容量獨立使用或相互傳輸以滿足其各饋線負荷需求。從圖9中SOP的傳輸容量分布觀察得到，在06：00—10：00和12：00—16：00時段，節(jié)點21、節(jié)點22和節(jié)點18輸送到節(jié)點8、節(jié)點12和節(jié)點33。這是因為系統(tǒng)主饋線上的負荷占比較高，尤其在峰負荷時段更為顯著。同時，在此時段通過需求響應(yīng)轉(zhuǎn)移負荷，以滿足電力需求。

圖7 案例2的SOP分布

圖8 案例3的SOP分布

圖9 案例4的SOP分布

圖10顯示了電容器組在滿足切換限值的約束下最優(yōu)切換次數(shù)。進一步，圖11給出了案例5和案例6儲能優(yōu)化的結(jié)果，在高峰時段儲能裝置放電以滿足高負荷需求量。案例5(1)中在節(jié)點12和22之間的SOP上接入ESS規(guī)劃容量較大，低峰負荷時段使得SOP兩端容量同時傳輸?shù)紼SS中進行充電如圖12所示?？傊?，通過運行階段SOP、ESS、網(wǎng)絡(luò)重構(gòu)、需求響應(yīng)、有載變壓器調(diào)節(jié)和電容器組多種調(diào)節(jié)手段能夠?qū)崿F(xiàn)配電網(wǎng)規(guī)劃的經(jīng)濟性。

圖10 案例3、4的需求響應(yīng)和電容器組優(yōu)化結(jié)果

圖11 案例5(1)和案例6的ESS優(yōu)化結(jié)果

圖12 案例5(1)的SOP有功功率分布

4.4 越限風(fēng)險對規(guī)劃的影響

圖13給出了各案例的規(guī)劃總成本與越限風(fēng)險。案例5(1)和案例6的越限風(fēng)險值分別為0.0293 p.u.和0.0352 p.u.。相對案例6，案例5(1)的風(fēng)險值降低了20.14%，但是規(guī)劃總成本增加了1.06%，以犧牲1.06%的經(jīng)濟成本保證了規(guī)劃的安全性，因此，設(shè)計規(guī)劃方案時有必要引入安全指標(biāo)。

圖13 各案例的規(guī)劃總成本與越限風(fēng)險

為了進一步驗證基于CVaR的越限風(fēng)險對提出規(guī)劃方案的影響，圖14給出了不同的置信水平下案例5(1)的規(guī)劃結(jié)果。系統(tǒng)越限風(fēng)險值與置信度成負相關(guān)，隨著置信水平升高，越限風(fēng)險值從0.0355p.u.降底到0.0260 p.u.，而規(guī)劃綜合成本從1062.6433萬元增加到1136.9088萬元。因此，規(guī)劃方案的系統(tǒng)運行安全性隨著置信水平升高更加保守，但降低了相應(yīng)的經(jīng)濟性。

圖14 不同置信水平下規(guī)劃總成本與越限風(fēng)險

表7給出了置信水平為0.95時24 h的越限風(fēng)險值?？梢钥闯?，對于可再生分布式能源高滲透率下引起的系統(tǒng)強不確定性，本文提出的考慮越限風(fēng)險的協(xié)調(diào)規(guī)劃模型將具有較高的綜合價值。

表7 越限風(fēng)險時序分布

4.5 混合算法的迭代性能

以方案5(1)為例對混合算法優(yōu)化的收斂性能進行測試，并與LDBAS算法進行比較。初始種群為50，最大迭代次數(shù)為200。圖15給出了兩種求解算法的收斂結(jié)果。

圖15 案例5不同算法的迭代過程

從圖15可以看出混合算法和LDBAS算法精度近乎相等。與LDBAS算法相比，混合算法的計算效率更優(yōu)，迭代52次達到最優(yōu)值，計算時間為647.7397 s。

圖16給出了內(nèi)嵌運行規(guī)劃模型前5種案例的計算結(jié)果，設(shè)置誤差為10-4?？梢钥闯鲭S著決策變量的增多，規(guī)劃模型的計算時長急增。其中，案例5(1)的規(guī)劃綜合成本和計算時間分別為1139.6191萬元、3968.4605 s，相較混合算法其分別增加了37.0369萬元、3320.7208 s。需要特別強調(diào)的是，案例5的計算結(jié)果誤差為10-1，這是因為原誤差情況下方案5中考慮的要素較多，從而計算時間過長并未得到最優(yōu)解。因此，提出的二階段規(guī)劃模型采用混合算法進行求解更適合。

圖16 案例5不同算法的迭代過程

5 結(jié)論

本文考慮越限風(fēng)險構(gòu)建了主動配電網(wǎng)DG、SOP與ESS兩階段協(xié)調(diào)規(guī)劃模型，并采智能算法和二階錐優(yōu)化的混合方法進行求解。在修改的IEEE 33節(jié)點配電系統(tǒng)上進行仿真驗證，比較不同方案的仿真結(jié)果并分析，可以得到如下結(jié)論。

1) 考慮越限風(fēng)險的主動配電網(wǎng)DG、SOP與ESS兩階段協(xié)調(diào)規(guī)劃模型，有效地發(fā)揮靈活資源在配電網(wǎng)中的互補優(yōu)勢，DG、SOP與ESS的有功和無功調(diào)節(jié)可以促進DG的消納，降低規(guī)劃的綜合成本。同時在保證系統(tǒng)安全風(fēng)險的基礎(chǔ)上提高了配電網(wǎng)的運行經(jīng)濟性。

2) 階段2運行的優(yōu)化目標(biāo)考慮了電壓越限和支路功率越限安全指標(biāo)，將電壓控制在允許的范圍基礎(chǔ)上改善了電壓的平穩(wěn)性，提高配電網(wǎng)的安全性。

3) 需求響應(yīng)、SOP、網(wǎng)絡(luò)重構(gòu)、有載調(diào)壓變壓器、電容器組主動調(diào)節(jié)手段可以提高配電網(wǎng)的經(jīng)濟效益，提升配電網(wǎng)的靈活性、環(huán)保性及運行效率。

[1] LI Qifeng, AYYANAR R, VITTAL V. Convex optimization for DES planning and operation in radial distribution systems with high penetration of photovoltaic resources[J]. IEEE Transactions on Sustainable Energy, 2016, 7(3): 985-995.

[2] 張濤, 霍然, 劉景, 等. 基于柔性互聯(lián)技術(shù)的含高滲透率新能源配電網(wǎng)多目標(biāo)優(yōu)化運行[J]. 智慧電力, 2021, 49(9): 1-7, 55.

ZHANG Tao, HUO Ran, LIU Jing, et al. Multi-objective optimal operation of distribution network with high penetration of new energy based on flexible interconnection technology[J]. Smart Power, 2021, 49(9): 1-7, 55.

[3] 董昱, 董存, 于若英, 等. 基于線性最優(yōu)潮流的電力系統(tǒng)新能源承載能力分析[J]. 中國電力, 2022, 55(3): 1-8.

DONG Yu, DONG Cun, YU Ruoying, et al. Renewable energy capacity assessment in power system based on linearized OPF[J]. Electric Power, 2022, 55(3): 1-8.

[4] PRAVEEN P S, IVO P. State coordinated voltage control in an active distribution network with on-load tap changers and photovoltaic systems[J]. Global Energy Interconnection, 2021, 4(2): 117-125.

[5] 張運, 姜望, 張超, 等. 基于儲能荷電狀態(tài)的主從控制微電網(wǎng)離網(wǎng)協(xié)調(diào)控制策略[J]. 電力系統(tǒng)保護與控制, 2022, 50(4): 180-187.

ZHANG Yun, JIANG Wang, ZHANG Chao, et al. Off-grid coordinated control strategy of a master/slave control microgrid based on the state of charge of energy storage[J]. Power System Protection and Control, 2022, 50(4): 180-187.

[6] CAO Wanyu, WU Jianzhong, JENKINS N, et al. Benefits analysis of soft open points for electrical distribution network operation[J]. Applied Energy, 2016, 16(5): 36-47.

[7] 郜寧, 張慧媛, 王子琪, 等. 區(qū)域電網(wǎng)分布式儲能選址定容規(guī)劃[J]. 高壓電器, 2020, 56(8): 52-58.

GAO Ning, ZHANG Huiyuan, WANG Ziqi, et al. Planning for site selection and capacity determination of distributed energy storage in regional power grid[J]. High Voltage Apparatus, 2020, 56(8): 52-58.

[8] 徐全, 袁智勇, 雷金勇, 等. 基于智能軟開關(guān)的有源配電系統(tǒng)運行靈活性提升方法[J]. 中國電力, 2021, 54(11): 82-90.

XU Quan, YUAN Zhiyong, LEI Jinyong, et al. Improvement of operational flexibility for active distribution networks based on soft open points[J]. Electric Power, 2021, 54(11): 82-90.

[9] FU Xueqian. Statistical machine learning model for capacitor planning considering uncertainties in photovoltaic power[J]. Protection and Control of Modern Power Systems, 2022, 4(1): 51-63.

[10] 凌松, 張瑩. 計及相關(guān)性的主動配電網(wǎng)動態(tài)魯棒規(guī)劃方法研究[J]. 電力系統(tǒng)保護與控制, 2021, 49(10): 178-187.

LING Song, ZHANG Ying. Research on a dynamic robust planning method for an active distribution network considering correlation[J]. Power System Protection and Control, 2021, 49(10): 178-187.

[11] 胡晶, 陳紅坤, 陳磊, 等. 考慮多主體利益與需求響應(yīng)的分布式電源優(yōu)化配置[J]. 電力系統(tǒng)保護與控制, 2021, 49(15): 38-46.

HU Jing, CHEN Hongkun, CHEN Lei, et al. Distributed generation planning in an active distribution network considering multi-agent interests and demand response[J]. Power System Protection and Control, 2021, 49(15): 38-46.

[12] 楊貴云, 吳倩, 曹彥昆, 等. 基于分層布局思想的配電網(wǎng)拓撲圖自動生成算法[J]. 發(fā)電技術(shù), 2021, 42(5): 585-594.

YANG Guiyun, WU Qian, CAO Yankun, et al. Automatic generation algorithm of distribution network topology based on hierarchical layout[J]. Power Generation Technology, 2021, 42(5): 585-594.

[13] 王成山, 王瑞, 于浩, 等. 配電網(wǎng)形態(tài)演變下的協(xié)調(diào)規(guī)劃問題與挑戰(zhàn)[J]. 中國電機工程學(xué)報, 2020, 40(8): 2385-2396.

WANG Chengshan, WANG Rui, YU Hao, et al. Challenges on coordinated planning of smart distribution networks driven by source-network-load evolution[J]. Proceedings of the CSEE, 2020, 40(8): 2385-2396.

[14] 寧月, 胡志堅, 林偉偉, 等. 基于博弈論的“源-網(wǎng)-荷”多主體利益協(xié)調(diào)互動的ADN分層規(guī)劃[J]. 電力科學(xué)與技術(shù)學(xué)報, 2021, 36(1): 63-72.

NING Yue, HU Zhijian, LIN Weiwei, et al. ADN hierarchical planning for multi-agent interest coordination interaction of "source-net-load" based on game theory[J]. Journal of Electric Power Science and Technology, 2021, 36(1): 63-72.

[15] NICK M, CHERKAOUI R, PAOLONE M. Optimal planning of distributed energy storage systems in active distribution networks embedding grid reconfiguration[J]. IEEE Transactions on Power Systems, 2018, 33(2): 1577-1590.

[16] 沈欣煒, 朱守真, 鄭競宏, 等. 考慮分布式電源及儲能配合的主動配電網(wǎng)規(guī)劃-運行聯(lián)合優(yōu)化[J]. 電網(wǎng)技術(shù), 2015, 39(7): 1913-1920.

SHEN Xinwei, ZHU Shouzhen, ZHENG Jinghong, et al. Active distribution network planning-operation co-optimization considering the coordination of ESS and DG[J]. Power System Technology, 2015, 39(7): 1913-1920.

[17] 李逐云, 雷霞, 邱少引, 等. 考慮“源-網(wǎng)-荷”三方利益的主動配電網(wǎng)協(xié)調(diào)規(guī)劃[J]. 電網(wǎng)技術(shù), 2017, 41(2): 378-387.

LI Zhuyun, LEI Xia, QIU Shaoyin, et al. Coordinated planning of active distribution network considering “source-grid-load” benefits[J]. Power System Technology, 2017, 41(2): 378-387.

[18] 程林, 齊寧, 田立亭. 考慮運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): 27-40.

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): 27-40.

[19] 賈清泉, 趙美超, 孫玲玲, 等. 主動配電網(wǎng)中計及時序性與相關(guān)性的分布式光伏并網(wǎng)規(guī)劃[J]. 中國電機工程學(xué)報, 2018, 36(6): 1719-1728.

JIA Qingquan, ZHAO Meichao, SUN Lingling, et al. Planning for grid-connection of distributed PVs considering the sequential feature and correlation in active distribution net-work[J]. Proceedings of the CSEE, 2018, 36(6): 1719-1728.

[20] 王成山, 孫充勃, 李鵬, 等. 基于SNOP的配電網(wǎng)運行優(yōu)化及分析[J]. 電力系統(tǒng)自動化, 2015, 39(9): 82-87.

WANG Chengshan, SUN Chongbo, LI Peng, et al. SNOP-based operation optimization and analysis of distribution networks[J]. Automation of Electric Power Systems, 2015, 39(9): 82-87.

[21] 孫充勃, 原凱, 李鵬, 等. 基于SOP的多電壓等級混聯(lián)配電網(wǎng)運行二階錐規(guī)劃方法[J]. 電網(wǎng)技術(shù), 2019, 43(5):1599-1605.

SUN Chongbo, YUAN Kai, LI Peng, et al. A second- order cone programming method for hybrid multiple voltage level distribution networks based on soft open points[J]. Power System Technology, 2019, 43(5): 1599-1605.

[22] 馬麗, 薛飛, 石季英, 等. 有源配電網(wǎng)分布式電源與智能軟開關(guān)三層協(xié)調(diào)規(guī)劃模型[J]. 電力系統(tǒng)自動化, 2018, 42(11): 86-93.

MA Li, XUE Fei, SHI Jiying, et al. Tri-level coordinated planning model of distributed generator and intelligent soft open point for active distribution network[J]. Automation of Electric Power Systems, 2018, 42(11): 86-93.

[23] ZHANG Lu, SHEN Chen, CHEN Ying, et al. Coordinated allocation of distributed generation, capacitor banks and soft open points in active distribution networks considering dispatching results[J]. Applied Energy, 2018, 23(1): 1122-1131.

[24] PAMISHETTI V B, SINGH S P. Coordinated allocation of BESS and SOP in high PV penetrated distribution network incorporating DR and CVR schemes[J]. IEEE Systems Journal, 2020, 16(1): 420-430.

[25] WANG Jian, ZHOU Niancheng, CHUNG C Y, et al. Coordinated planning of converter-based DG units and soft open points incorporating active management in unbalanced distribution networks[J]. IEEE Transactions on Sustainable Energy, 2020, 11(3): 2015-2027.

[26] 徐振東, 張曉, 徐波, 等. 計及智能儲能軟開關(guān)的配電網(wǎng)擴展規(guī)劃[J]. 智慧電力, 2022, 50(5): 48-55.

XU Zhendong, ZHANG Xiao, XU Bo, et al. Planning of distribution network expansion considering SOP integrated with ESS[J]. Smart Power, 2022, 50(5): 48-55.

[27] ZHANG Delong, LI Jianlin, DONG Hui. Coordinated control for voltage regulation of distribution network voltage regulation by distributed energy storage systems[J]. Protection and Control of Modern Power Systems, 2018, 3(1): 35-42.

[28] 董文博, 顧秀芳, 羅振鵬, 等. 提高風(fēng)電并網(wǎng)價值最優(yōu)儲能容量配置研究[J]. 熱力發(fā)電, 2021, 50(8): 47-53.

DONG Wenbo, GU Xiufang, LUO Zhenpeng, et al. Research on optimal dispatching of energy storage device to increase the value of wind power grid[J]. Thermal Power Generation, 2021, 50(8): 47-53.

[29] 王杰, 王維慶, 王海云, 等. 主動配電網(wǎng)中考慮條件風(fēng)險價值的智能軟開關(guān)的規(guī)劃方法[J]. 電力系統(tǒng)保護與控制, 2022, 50(2): 1-11.

WANG Jie, WANG Weiqing, WANG Haiyun, et al. Planning method of soft open point for an active distribution network considering conditional value-at-risk[J]. Power System Protection and Control, 2022, 50(2): 1-11.

[30] 楊佳澄, 汪榮華, 杜英, 等. 基于CVaR的風(fēng)電機組日前申報出力優(yōu)化模型研究[J]. 智慧電力, 2021, 49(5): 21-27.

YANG Jiacheng, WANG Ronghua, DU Ying, et al. Decision-making optimization model of day-ahead bidding for wind turbine based on CVaR[J]. Smart Power, 2021, 49(5): 21-27.

[31] WANG Jie, WANG Weiqing, YUAN Zhi, et al. A chaos disturbed beetle antennae search algorithm for a multiobjective distribution network reconfiguration considering the variation of load and DG[J]. IEEE Access, 2020, 8: 97392-97407.

[32] WANG J, WANG W, WANG H, et al. Dynamic recon-figuration of multiobjective distribution networks considering DG and EVs based on a novel LDBAS algorithm[J]. IEEE Access, 2020, 8: 216873-216893.

[33] 劉晉源, 呂林, 高紅均, 等. 計及分布式電源和電動汽車特性的主動配電網(wǎng)規(guī)劃[J]. 電力系統(tǒng)自動化, 2020, 44(12): 41-48.

LIU Jinyuan, Lü Lin, GAO Hongjun, et al. Planning of active distribution network considering characteristics of distributed generator and electric vehicle[J]. Automation of Electric Power Systems, 2020, 44(12): 41-48.

[34] ESMAEILI M, SEDIGHIZADEH M, ESMAILI M. Multi-objective optimal reconfiguration and DG (distributed generation) power allocation in distribution networks using big bang-big crunch algorithm considering load uncertainty[J]. Energy, 2016, 103(15): 86-99.

Two-stage coordinated planning of DG, SOP and ESS in an active distribution network considering violation risk

WANG Jie1, WANG Weiqing1, WANG Haiyun1, WANG Shuaifei2, DU Jinjin3

(1. Engineering Research Center of Education Ministry for Renewable Energy Power Generation and Grid-connected Control, Xinjiang University, Urumqi 830047, China; 2. Huizhou Power Supply Bureau of Guangdong Power Grid Company, Huizhou 516001, China; 3. Urumqi Power Supply Company, State Grid Xinjiang Electric Power Co., Ltd., Urumqi 830011, China)

Optimizing the location and capacity of various flexible resources is an important technical route to achieving the goals in the construction of dual carbon and new power distribution system. Therefore, considering the economy and safety of planning operation, a two-stage coordinated planning method for renewable distributed power supply (DG), soft open point (SOP) and energy storage (ESS) of an active distribution network DG is proposed considering violation risk. In stage 1, the location and capacity of DG, SOP and ESS are optimized with the objective of minimizing comprehensive cost and violation risk. Stage 2 is multi-objective operation optimization combining SOP, network reconstruction, on-load tap changers, capacitor banks, demand response and energy storage. The hybrid method of the LDBAS algorithm based on grey target decision technology and second-order cone optimization is used to analyze the planning model. The proposed two-stage model is simulated in the IEEE-33 bus system, and the result proves that the coordinated planning model can effectively improve system operational efficiency, enhance flexibility and reduce operational safety risks and economic costs.

active distribution network (AND); violation risk; soft open point; coordinated planning; renewable distributed energy; operation optimization

10.19783/j.cnki.pspc.220340

國家自然科學(xué)基金項目資助(52067020)；新疆自治區(qū)教育廳重點項目資助(XJEDU2019I009)

This work is supported by National Natural Science Foundation of China (No. 52067020).

2022-03-15；

2022-07-13

王 杰(1990—)，女，博士研究生，研究方向為配電網(wǎng)優(yōu)化、規(guī)劃；E-mail: bjewang@163.com

王維慶(1959—)，男，通信作者，教授，博士生導(dǎo)師，研究方向為可再生能源并網(wǎng)、主動配電網(wǎng)規(guī)劃、電力電子技術(shù)。E-mail: wangwq666@gmail.com

(編輯 周金梅)