潘忠志,孔 寧,王燕濤

(東北電力大學(xué)經(jīng)濟(jì)管理學(xué)院,吉林 吉林 132012)

0 引 言

隨著能源危機(jī)及環(huán)境污染形勢(shì)日趨嚴(yán)峻,以清潔能源為代表的分布式電源(Distributed Generation,DG)得以大規(guī)模的建設(shè)與應(yīng)用[1]。然而,目前配電網(wǎng)存在DG大規(guī)模無序接入、“源”、“網(wǎng)”、“荷”發(fā)展不協(xié)調(diào)、供電區(qū)域靈活性調(diào)節(jié)能力不足導(dǎo)致配電網(wǎng)DG不能就近消納、“棄風(fēng)”、“棄光”現(xiàn)象嚴(yán)重,其根本原因在于配電網(wǎng)規(guī)劃及資源配置方式存在弊端,不能滿足電力供電區(qū)域清潔高效發(fā)展需要。在此背景下,研究提升DG消納能力的配電網(wǎng)優(yōu)化配置方法具有重要的理論價(jià)值與實(shí)際意義。

“DG消納能力”主要指配電網(wǎng)對(duì)DG的最大承載能力,即從配電網(wǎng)運(yùn)行角度出發(fā),以DG及其他靈活可控資源運(yùn)行特性、配電網(wǎng)外送電規(guī)模及運(yùn)行方式、主網(wǎng)調(diào)峰能力等為約束,遵循配電網(wǎng)電量供需平衡原則,通過調(diào)控DG與網(wǎng)內(nèi)其他靈活可控資源共同參與配電網(wǎng)功率平衡調(diào)節(jié)過程從而得出能夠被配電網(wǎng)有效利用最大DG容量[2-3]。隨著規(guī)?；履茉唇尤肱潆娋W(wǎng),如何提升配電網(wǎng)對(duì)DG消納能力成為國(guó)內(nèi)外學(xué)者研究熱點(diǎn)。文獻(xiàn)[2]分析了新能源消納的現(xiàn)狀、關(guān)鍵因素以及影響消納的癥結(jié)所在。文獻(xiàn)[4]建立了基于區(qū)塊鏈和市場(chǎng)機(jī)制的新能源消納優(yōu)化調(diào)度策略,該策略能夠有效確保新能源的優(yōu)先消納。文獻(xiàn)[5]考慮新能源消費(fèi)水平和配電網(wǎng)經(jīng)濟(jì)性,基于多彈性資源協(xié)同規(guī)劃的最優(yōu)能耗模型分析最優(yōu)策略。文獻(xiàn)[6]基于輸配電網(wǎng)全局角度分析集中式與分布式電池儲(chǔ)能的協(xié)同優(yōu)化規(guī)劃方案,通過改進(jìn)分析目標(biāo)級(jí)聯(lián)法進(jìn)行求解。文獻(xiàn)[7]基于需求側(cè)響應(yīng)分析,探討需求側(cè)響應(yīng)對(duì)于新能源消納的影響,從用戶側(cè)角度提出響應(yīng)新能源出力變化的方法。文獻(xiàn)[8]基于新能源消納與電網(wǎng)規(guī)劃相結(jié)合的角度,分析電網(wǎng)規(guī)劃方法,并對(duì)方法進(jìn)行評(píng)價(jià)。文獻(xiàn)[9]融合博弈理論和魯棒優(yōu)化,提出一多主體博弈增配電網(wǎng)規(guī)劃方法,引入虛擬博弈者“大自然”,處理不確定性,構(gòu)建了動(dòng)-靜態(tài)聯(lián)合博弈模型;文獻(xiàn)[10]提出考慮供電區(qū)域靈活性約束與需求響應(yīng)的源網(wǎng)荷協(xié)調(diào)規(guī)劃模型。上述文獻(xiàn)從不同規(guī)劃目標(biāo)對(duì)配電網(wǎng)源網(wǎng)荷側(cè)單一或者多類資源進(jìn)行協(xié)同規(guī)劃。

110 kV及以下配電網(wǎng)供電區(qū)域內(nèi)聚集大量DG、儲(chǔ)能供電區(qū)域(Energy Storage System,ESS)及可控負(fù)荷等分布式能源,“源荷儲(chǔ)”可按供電分區(qū)進(jìn)行管控。其中,ESS具有供蓄能力及靈活的功率調(diào)節(jié)能力,能夠有效緩解DG出力與負(fù)荷用電時(shí)序不匹配問題,為大規(guī)模DG并網(wǎng)規(guī)劃提供解決方案;可控負(fù)荷的優(yōu)化布點(diǎn)及有序調(diào)度可實(shí)現(xiàn)負(fù)荷曲線削峰填谷、用戶側(cè)資源動(dòng)態(tài)整合以及新能源有效消納,與儲(chǔ)能應(yīng)用功能相近。因此,利用配電網(wǎng)供電區(qū)域多種分布式能源之間優(yōu)勢(shì)互補(bǔ)與能源重組以實(shí)現(xiàn)各種資源協(xié)同優(yōu)化配置是提升配電網(wǎng)新能源消納水平和供電能力的有效手段。但目前對(duì)配電網(wǎng)所在區(qū)域的各種可利用資源的潛力仍有很大的提升空間,如何將供電區(qū)域DG、儲(chǔ)能及可控負(fù)荷聯(lián)合進(jìn)行優(yōu)化配置仍未有深入研究。

針對(duì)上述現(xiàn)狀,本文提出一種提高新能源接納能力供電區(qū)域源荷儲(chǔ)協(xié)同優(yōu)化配置方法。以配電網(wǎng)供電區(qū)域分布式電源、儲(chǔ)能及可控負(fù)荷為配置對(duì)象,充分挖掘上述資源互動(dòng)消納新能源能力,構(gòu)建儲(chǔ)能及可控負(fù)荷調(diào)用策略;充分考慮源荷儲(chǔ)規(guī)劃-運(yùn)行耦合性及規(guī)劃多目標(biāo)的矛盾性,建立供電區(qū)域源荷儲(chǔ)二層聯(lián)合優(yōu)化配置模型。上層模型的目標(biāo)在于最大程度上實(shí)現(xiàn)對(duì)DG出力的消納,因此要找到最優(yōu)的DG接入位置和接入容量;下層模型的目標(biāo)在于減少凈負(fù)荷的峰谷差,在上層模型的基礎(chǔ)上選擇合適的ESS與DR策略,得出最優(yōu)儲(chǔ)能容量和各個(gè)時(shí)段電價(jià)。求解模型所需的DG出力和節(jié)點(diǎn)負(fù)荷的日負(fù)荷曲線通過拉丁超立方抽樣法(Latin Hypercube Sampling,LHS)抽樣模擬,但在本模型中需要多次進(jìn)行最優(yōu)潮流的計(jì)算,為減少計(jì)算量,降低計(jì)算時(shí)間,選擇細(xì)胞膜-粒子群優(yōu)化算法(Cell Membrane-improved Particle Swarm Optimization,C-PSO)來提高尋優(yōu)效率。

1 源、荷時(shí)序性處理

DG出力的不確定性以及負(fù)荷的時(shí)序變化將對(duì)配電網(wǎng)規(guī)劃產(chǎn)生影響。如光伏出力的概率分布曲線近似Beta分布曲線;風(fēng)電出力的概率分布曲線近似威布爾分布曲線,而負(fù)荷的時(shí)序變化近似服從正態(tài)分布[11-12]。本文通過劃分時(shí)段,利用LHS抽樣得到一天24個(gè)時(shí)段的時(shí)序樣本矩陣[11]。

設(shè)DN共有b個(gè)DG和負(fù)荷節(jié)點(diǎn),選取各個(gè)時(shí)段的出力與負(fù)荷作為隨機(jī)變量,對(duì)其進(jìn)行N次采樣,采樣過程服從隨機(jī)變量本身的概率分布,采樣過程中某一隨機(jī)變量Xk的累計(jì)分布函數(shù)為

Yk=Fk(xk)k=1,2,…nYk∈[0,1]

(1)

公式中:Fk(xk)為累積分布函數(shù)。

將任意時(shí)段分布函數(shù)的值域等量地劃分為N個(gè)區(qū)間,然后再每個(gè)區(qū)間的中心采樣該時(shí)段分布函數(shù)的值。在由公式(2)求出抽樣值。

(2)

對(duì)所有變量的抽樣完成后,即可形成所需的時(shí)序矩陣。

2 儲(chǔ)能及可控負(fù)荷特性模型

利用ESS充放電及DR運(yùn)行策略可有效提高配電網(wǎng)DG接納能力。本文對(duì)供電區(qū)域源荷儲(chǔ)進(jìn)行協(xié)同優(yōu)化配置,首先需要對(duì)優(yōu)化配置對(duì)象輸出特性進(jìn)行建模。

2.1 ESS充放電模型

ESS的充放電狀態(tài)是根據(jù)當(dāng)前時(shí)段負(fù)荷曲線的峰谷狀態(tài)進(jìn)行調(diào)整的,采用均值聚類的方法對(duì)抽樣后的負(fù)荷曲線進(jìn)行分析,對(duì)峰谷時(shí)段進(jìn)行劃分[13]當(dāng)處于峰時(shí)段時(shí),負(fù)荷水平過高,ESS充當(dāng)電源;處于谷時(shí)段時(shí),負(fù)荷水平過低,ESS充當(dāng)負(fù)荷;處于平時(shí)段ESS根據(jù)前后的時(shí)段狀態(tài)充當(dāng)不同的角色;若前后時(shí)段均為同一時(shí)段,如均為峰時(shí)段,則ESS進(jìn)行放電,反之同理,若前后時(shí)段不同,則ESS不工作。

由充放電狀態(tài)和各節(jié)點(diǎn)的負(fù)荷值以及ESS本身參數(shù),可計(jì)算出每個(gè)ESS在當(dāng)前時(shí)段的充放電功率值。計(jì)算方法分別如公式(3)、公式(4)所示。

(3)

(4)

(5)

2.2 可控負(fù)荷調(diào)用模型

配電網(wǎng)供電區(qū)域利用分時(shí)電價(jià)機(jī)制可促使用戶改變用電特性,進(jìn)而有效降低供電區(qū)域凈負(fù)荷曲線的峰谷差值。本文根據(jù)不同時(shí)段負(fù)荷曲線峰谷平狀態(tài)制定分時(shí)電價(jià)。對(duì)于各時(shí)段電價(jià)的確定,采用浮比計(jì)算法,根據(jù)所確定的不同時(shí)段電價(jià)及需求價(jià)格彈性系數(shù)來計(jì)算需求響應(yīng)后用戶用電量。

通常平時(shí)段電價(jià)根據(jù)輸電、配電以及售電的平均成本確定,高峰、低谷時(shí)段的電價(jià)根據(jù)平時(shí)段電價(jià)決定。若平時(shí)段電價(jià)定為V0,根據(jù)公式(6)得到高峰以及低谷時(shí)段的電價(jià)[14]。

Vp=V0(1+pr),Vv=V0(1-vr)

(6)

公式中:Vp、Vv分別為峰、谷時(shí)段電價(jià);pr、vr分別為平電價(jià)上浮和下降的比例,pr=vr。

需求響應(yīng)后的用戶用電量根據(jù)公式(7)得到

(7)

3 供電區(qū)域源網(wǎng)荷聯(lián)合優(yōu)化配置模型

3.1 建模思路

配電網(wǎng)供電區(qū)域分布式資源優(yōu)化配置關(guān)注的重點(diǎn)是如何在已有資源基礎(chǔ)上充分挖掘各類資源參與新能源消納的可調(diào)控潛力,實(shí)現(xiàn)各類分布式資源優(yōu)化布局。本節(jié)基于儲(chǔ)能及DR特性模型,建立以供電區(qū)域新能源最大消納為目標(biāo)的源-荷-儲(chǔ)聯(lián)合優(yōu)化配置模型,最終決策儲(chǔ)供電區(qū)域DG安裝位置與容量、儲(chǔ)能配置容量及DR激勵(lì)成本。具體建模思路如考慮DG與負(fù)荷時(shí)序性對(duì)優(yōu)化配置結(jié)果的影響,使采用規(guī)劃-運(yùn)行雙層模型,使前期配置結(jié)果能夠滿足后期運(yùn)行條件。在雙層規(guī)劃框架中,上層的目標(biāo)是通過優(yōu)化供電區(qū)域DG的本地消納效益來推動(dòng)系統(tǒng)的整體性能。決策變量設(shè)置為DG的安裝位置和容量,這決定了DG系統(tǒng)的空間布局和發(fā)電能力。通過LHS技術(shù)生成初始時(shí)序樣本,考慮ESS和DR策略,綜合DG的配置方案。運(yùn)用聚類分析法詳細(xì)刻畫供電區(qū)域在24個(gè)時(shí)段內(nèi)的負(fù)荷特性,準(zhǔn)確定義峰谷平時(shí)段,為下一步優(yōu)化提供基礎(chǔ)。在下層模型中,需最小化負(fù)荷的峰谷差。決策變量為ESS調(diào)用容量及不同時(shí)段的電價(jià),考慮到電能存儲(chǔ)和需求響應(yīng)在平衡負(fù)荷方面的作用。這一程的優(yōu)化過程關(guān)注于最大化系統(tǒng)的靈活性和穩(wěn)定性,以適應(yīng)復(fù)雜多變的負(fù)荷需求。

上層模型通過將決策變量傳遞給下層,與下層模型建立緊密聯(lián)系,實(shí)現(xiàn)了對(duì)下層運(yùn)行狀態(tài)的調(diào)整。優(yōu)化結(jié)果包括DG發(fā)電和倒送功率,這些結(jié)果被反饋至上層,為重新計(jì)算上層目標(biāo)函數(shù)提供了實(shí)時(shí)數(shù)據(jù),促使系統(tǒng)在不同時(shí)段內(nèi)更有效的協(xié)同運(yùn)行。整體流程如圖1所示。

圖1 計(jì)算流程圖

3.2 上層規(guī)劃模型

3.2.1 目標(biāo)函數(shù)

以最大化規(guī)劃期內(nèi)DG發(fā)電量的消納:

(8)

公式中:PDG.i.t、PR.i.t分別為在第i個(gè)節(jié)點(diǎn),第t時(shí)段發(fā)出、倒送功率;Nd為網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量;dt為一年中各時(shí)段對(duì)應(yīng)的天數(shù)。

3.2.2 約束條件

節(jié)點(diǎn)的功率約束條件為

0≤PDG.i≤PDGi.max

(9)

公式中:PDG.i.max為節(jié)點(diǎn)i處最大準(zhǔn)接DG容量。

3.3 下層運(yùn)行優(yōu)化模型

3.3.1 目標(biāo)函數(shù)

以供電區(qū)域凈負(fù)荷峰谷差期望值最小為目標(biāo),則有:

(10)

(11)

(12)

公式中:M為L(zhǎng)HS技術(shù)的抽樣規(guī)模。

3.3.2 各時(shí)段的等式約束

(13)

公式中:PG.i.t為節(jié)點(diǎn)i在時(shí)段t內(nèi)主網(wǎng)提供的功率;δif.t為時(shí)段t電壓相角差;Gif、Bif分別為網(wǎng)絡(luò)導(dǎo)納。

3.3.3 各時(shí)段的機(jī)會(huì)約束

(14)

公式中:Pr{·}為某事件成立的概率;βU、βI、βG分別為電壓、線路電流以及功率倒送的置信水平;Ui.t、Ui.min、Ui.max分別為第t時(shí)段節(jié)點(diǎn)i處的電壓及所能承受的上、下限;Ik.t、Ik.max分別為第t時(shí)段第k條線路的電流及第k條線路允許的最大電流。

3.3.4 價(jià)格型DR約束

1)電價(jià)約束

每個(gè)時(shí)段的分時(shí)電價(jià)不能小于供電區(qū)域單位平均電能成本,約束條件為

(15)

2)DR響應(yīng)前后用電量約束

用戶參與DR的前提是保證自身用電需求,約束條件為

(16)

3.3.5 ESS充放電約束

1)ESS充放電功率約束

-PESS.c.max

(17)

公式中:PESS.t為第t個(gè)時(shí)段充放電功率。

2)ESS荷電狀態(tài)約束

SSOC.min≤SSOC.t

(18)

公式中:SSOC.max、SSOC.min分別為ESS荷電狀態(tài)的上、下限。

其中,SOC荷電狀態(tài)的具體計(jì)算公式為

(19)

公式中:ε為自放電率;Δt為采樣間隔,本文取1h;α、β分別為ESS充、放電的效率。

3)ESS充放電次數(shù)約束

H

(20)

公式中:H為一天中ESS的充放電次數(shù);Hmax為ESS一天當(dāng)中可充放電次數(shù)上限。

4 雙層規(guī)劃模型求解

本文采用概率潮流與C-PSO進(jìn)行組合求解雙城模型[15]。如果僅采用常規(guī)的概率潮流計(jì)算方法來進(jìn)行下層模型的最優(yōu)潮流計(jì)算。需要進(jìn)行反復(fù)迭代,多次計(jì)算。會(huì)使計(jì)算時(shí)間非常久。因此,為了提高尋優(yōu)效率,采用C-PSO算法。這樣的選擇不僅有助于提高計(jì)算效率,而且確保在限定時(shí)間內(nèi)獲得滿足實(shí)際需求的最優(yōu)解。

4.1 隨機(jī)概率潮流計(jì)算

進(jìn)行隨機(jī)概率潮流計(jì)算時(shí)考慮DG出力的概率分布,詳細(xì)計(jì)算過程如下:

1)輸入各個(gè)不同隨機(jī)變量的概率模型,設(shè)置LHS所需的參數(shù);

2)采用LHS法對(duì)DG出力和節(jié)點(diǎn)負(fù)荷進(jìn)行抽樣模擬,生成時(shí)序出力-負(fù)荷矩陣;

3)運(yùn)用聚類分析方法對(duì)時(shí)序樣本進(jìn)行分析,明確峰谷平時(shí)段的特征,以便后續(xù)策略制定;

4)基于日負(fù)荷曲線得出各時(shí)段ESS的充放電狀態(tài),考慮能量存儲(chǔ)對(duì)系統(tǒng)運(yùn)行的影響。計(jì)算計(jì)及ESS策略后的時(shí)序出力-負(fù)荷矩陣;

5)生成下層模型中平時(shí)段的電價(jià),并據(jù)此形成所有時(shí)段的電價(jià)矩陣;

6)進(jìn)行潮流計(jì)算,直至尋優(yōu)出最優(yōu)結(jié)果;

7)輸出潮流分布。

4.2 雙層模型求解流程

首先根據(jù)LHS抽樣得到的初始時(shí)序樣本對(duì)峰谷平時(shí)段進(jìn)行劃分。然后生成下層模型的初始種群,進(jìn)行潮流計(jì)算,利用C-PSO算法進(jìn)行尋優(yōu)。將結(jié)果迭代回上層,反復(fù)計(jì)算直至收斂。流程如圖2所示。

圖2 模型求解流程圖

5 算例分析

選取河北某市開發(fā)區(qū)供電區(qū)域?yàn)槔龑?duì)其進(jìn)行配電網(wǎng)規(guī)劃。該區(qū)域分布工業(yè)負(fù)荷、商業(yè)負(fù)荷及居民負(fù)荷,該區(qū)域欲配置的DG為分布式光伏發(fā)電,網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。單個(gè)節(jié)點(diǎn)可接入DG容量限值為20 MW,節(jié)點(diǎn)電壓范圍為0.95～1.05(標(biāo)幺值),負(fù)荷峰值為35 MW。置信水平取0.95。網(wǎng)絡(luò)電壓等級(jí)設(shè)置為10 kV。

圖3 供電區(qū)域網(wǎng)絡(luò)結(jié)構(gòu)圖

光伏的初始接入節(jié)點(diǎn)選擇2、5、8、10、13;儲(chǔ)能初始安裝節(jié)點(diǎn)選擇3、9;可控負(fù)荷節(jié)點(diǎn)選擇1、3、11,最大可調(diào)用容量6 MW,恒功率中斷;DG規(guī)劃期設(shè)置為1年,ESS儲(chǔ)能容量為確定值;光伏出力及節(jié)點(diǎn)負(fù)荷的概率分布模型及相關(guān)參數(shù)參考文獻(xiàn)[11-12]。蓄電池相關(guān)參數(shù)取值參考文獻(xiàn)[16]。價(jià)格DR相關(guān)參數(shù)的取值參考文獻(xiàn)[17],電價(jià)上下浮動(dòng)比例定為50%。求解算法參數(shù)設(shè)置:一天分為24個(gè)時(shí)段,每個(gè)時(shí)段的抽樣次數(shù)為100,C-PSO算法相關(guān)參數(shù)參考文獻(xiàn)[15]。

LHS抽樣模擬后的凈負(fù)荷曲線以及據(jù)此進(jìn)行聚類后的峰谷時(shí)段劃分如下圖4所示。

圖4 凈負(fù)荷曲線及峰谷時(shí)段劃分結(jié)果

5.1 ESS運(yùn)行策略對(duì)優(yōu)化結(jié)果的影響

為研究ESS運(yùn)行策略對(duì)配電網(wǎng)運(yùn)行規(guī)劃的影響(在此忽略價(jià)格型需求響應(yīng)運(yùn)行策略),分別研究考慮ESS和不考慮ESS這兩種情況下的供電區(qū)域源荷儲(chǔ)配置方案的異同,詳細(xì)對(duì)比如表1所示。

表1 供電區(qū)域源荷儲(chǔ)配置方案

由表1可知,在不考慮時(shí),DG的年消納總量為136 390 MWh,而將儲(chǔ)能納入供電區(qū)域分布式資源優(yōu)化配置時(shí),光伏消納總量為187 630 MWh,同比增長(zhǎng)了37.57%。這一顯著增長(zhǎng)的主要原因在于引入ESS參與光伏消納機(jī)制。在負(fù)荷用電低谷期,儲(chǔ)能系統(tǒng)通過對(duì)供電區(qū)域進(jìn)行充電,有效儲(chǔ)存電能;而在負(fù)荷用電高峰期,儲(chǔ)能系統(tǒng)對(duì)供電區(qū)域進(jìn)行放電,以滿足高負(fù)荷時(shí)段的能量需求。通過這種智能的能量調(diào)度,降低了供電區(qū)域凈負(fù)荷的峰谷差,使得在谷時(shí)段更多地消納光伏發(fā)電。具體而言,儲(chǔ)能系統(tǒng)在谷時(shí)段進(jìn)行充電,使得負(fù)荷相對(duì)較低,然后在高峰期進(jìn)行放電,實(shí)現(xiàn)了更多光伏發(fā)電的消納。這種策略有效平衡了能源供需之間的差異,提高了光伏消納量。

5.2 DR運(yùn)行策略對(duì)DG配置方案的影響

對(duì)考慮DR和不考慮DR這兩種情況分開進(jìn)行研究。詳細(xì)對(duì)比結(jié)果如表2所示。

表2 不同策略下的DG配置方案

由表2可知,考慮價(jià)格DR運(yùn)行策略后,農(nóng)村薄弱配電網(wǎng)在運(yùn)行過程中光伏的消納量有所增加。具體而言,引入價(jià)格型DR運(yùn)行策略后,將DR納入供電區(qū)域規(guī)劃,光伏的年消納量達(dá)到175 100 MWh,同比增長(zhǎng)了28.38%。更具體地說,用戶在價(jià)格型DR運(yùn)行策略下主動(dòng)調(diào)整用電時(shí)段,以更好地匹配光伏發(fā)電的時(shí)序特性。這一調(diào)整不僅使得用戶能夠更智能地利用分時(shí)電價(jià)制度,實(shí)現(xiàn)用電成本的最小化,同時(shí)也為供電區(qū)域提供了更平穩(wěn)的負(fù)荷曲線。因此,通過降低峰谷差,價(jià)格型DR運(yùn)行策略有效提高了供電區(qū)域光伏發(fā)電的消納能力。

5.3 兩種運(yùn)行策略同時(shí)考慮對(duì)優(yōu)化結(jié)果的影響

同時(shí)考慮ESS與價(jià)格型DR運(yùn)行策略。DG及儲(chǔ)能配置方案、消納結(jié)果及其所對(duì)應(yīng)的供電區(qū)域凈負(fù)荷峰谷差如表3所示。

表3 兩種策略同時(shí)考慮與否的供電區(qū)域配置方案

將三種情形下的配置方案進(jìn)行對(duì)比后,我們發(fā)現(xiàn)綜合考慮兩種運(yùn)行策略可以顯著提高光伏的消納容量。在這種情形下,DG的總消納量達(dá)到206 407 MW,相比于不考慮運(yùn)行策略以及單獨(dú)考慮ESS和價(jià)格型DR運(yùn)行策略,分別增長(zhǎng)了9.09%和17.88%。這一顯著的增長(zhǎng)可以通過綜合考慮ESS和價(jià)格型DR運(yùn)行策略的協(xié)同效應(yīng)來解釋。電源配置方案中,這兩種運(yùn)行策略的協(xié)同應(yīng)用在降低供電區(qū)域凈負(fù)荷的峰谷差方面發(fā)揮了關(guān)鍵作用,進(jìn)而極大地促進(jìn)了DG的消納能力。ESS的智能運(yùn)行策略在低負(fù)荷時(shí)段通過充電,而在高負(fù)荷時(shí)段則通過放電,巧妙地平滑了負(fù)荷曲線,有效提高了光伏發(fā)電的消納效率。這種策略不僅在電力系統(tǒng)中實(shí)現(xiàn)了能量的儲(chǔ)存和釋放,還使得光伏能源得以更為靈活和穩(wěn)定地融入整個(gè)供電網(wǎng)絡(luò)。另一方面,DR運(yùn)行策略通過在高電價(jià)時(shí)段降低負(fù)荷,在低電價(jià)時(shí)段增加負(fù)荷,進(jìn)一步優(yōu)化了負(fù)荷曲線。這一操作機(jī)制使得DG得以更充分地發(fā)揮其潛在作用,有效應(yīng)對(duì)電力市場(chǎng)的波動(dòng)。通過在高成本時(shí)期減緩能耗,在低成本時(shí)段增加能耗,價(jià)格型DR策略有力地塑造了負(fù)荷曲線,為DG提供了更靈活的運(yùn)行環(huán)境,有助于最大程度地消納光伏發(fā)電的產(chǎn)出。

在多變的電力市場(chǎng)環(huán)境下,這種綜合運(yùn)行策略為電力系統(tǒng)帶來了更強(qiáng)大的適應(yīng)性和魯棒性。通過減緩高峰期的能耗,增加低谷期的負(fù)荷,系統(tǒng)不僅更好地適應(yīng)了電力市場(chǎng)的價(jià)格波動(dòng),還提高了能源的整體利用效率。這種整體性的協(xié)同作用為未來智能電力系統(tǒng)的發(fā)展提供了實(shí)質(zhì)性的經(jīng)驗(yàn)和啟示。

6 結(jié) 論

本文考慮ESS和價(jià)格型DR運(yùn)行策略對(duì)DN中DG配置的影響礎(chǔ),構(gòu)建了一種旨在提升新能源消納能力的供電區(qū)域源荷儲(chǔ)聯(lián)合優(yōu)化配置模型。本研究得出以下結(jié)論:

1)采用LHS對(duì)服從特定概率模型的隨機(jī)變量進(jìn)行多次抽樣取均值,可有效降低隨機(jī)性,使計(jì)算結(jié)果更有可信度。

2)根據(jù)需求采取合適的ESS和價(jià)格型DR運(yùn)行策略可有效減小供電區(qū)域凈負(fù)荷曲線的峰谷差。

3)所建立的雙層規(guī)劃模型顯著提升了DG的消納水平,并在每個(gè)時(shí)段的運(yùn)行水平上實(shí)現(xiàn)了優(yōu)越的規(guī)劃方案。該模型對(duì)于新能源消納的改善具有明顯的優(yōu)勢(shì)。

通過采用混合智能算法,本研究在考慮時(shí)序性特征的同時(shí),有效解決了供電區(qū)域的新能源消納問題。模型綜合考慮了ESS和價(jià)格型DR的運(yùn)行策略,為規(guī)劃新能源與儲(chǔ)能系統(tǒng)配置提供了可行性方案,具備一定的實(shí)用價(jià)值。