薄弱配電網高比例分布式光伏并網消納規劃研究

靳偉 陳巖 王文賓 李會彬 李征

摘要：為了解決薄弱電網高比例分布式光伏難以就地消納問題，提出儲能系統和需求側響應運行策略，建立了計劃接入總量下的高比例分布式光伏雙層規劃模型。以光伏最大消納為目標函數，光伏安裝位置與容量為優化變量，建立上層模型;以系統凈負荷峰谷差期望值最小為目標函數，各時段電價為優化變量，建立下層模型。針對光伏隨機出力與負荷的時序性，利用拉丁超立方抽樣技術對其進行處理。在此基礎上，采用概率潮流法與細胞膜粒子群優化算法相結合的混合智能算法對模型進行求解，并以河北省某貧困縣光伏扶貧村網架結構為例進行算例分析。結果表明，解決方案在實現光伏接入容量最優配置的基礎上，進一步提高了薄弱配電網分布式光伏的消納能力。雙層規劃模型能夠在很大程度上提高再生能源的利用率，可為配電網規劃提供參考。

關鍵詞：電力系統及其自動化;薄弱配電網;高比例;分布式光伏;就地消納;需求側響應

中圖分類號：TM741

文獻標識碼：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電技術的規模化持續發展，大規模分布式光伏（distributed photovoltaic generation，DPV）接入各級配電網終端及饋線末端供電區域。在國家扶貧政策推動下，光伏扶貧工作在農村電網大規模開展。上述背景下，配電網饋線末端供電區域，如農村配電網、偏遠供電區域，由于與主網線路傳輸距離遠、線路阻抗大、負荷密度低且負荷用電與分布式發電時序不匹配等特點，大規模DPV接入會導致該區域DPV本地消納困難、功率層層倒送、饋線末端電壓越限、系統網損增加，使相關供電區域呈現薄弱電網特性。如何提高薄弱電網DPV的接納能力，是當前需要研究的一項重要課題。

現有研究表明，通過優化新能源規劃布局，增加儲能及需求側響應靈活性，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措施[12]。因此，從規劃層面優化DPV布局對提高薄弱電網DPV接納能力具有重要意義。目前，國內外學者對配電網分布式電源的優化配置方法進行了深入探討。文獻[3]對光伏進行集群劃分，基于劃分結果，建立分布式光伏與儲能雙層協調選址定容規劃模型;文獻[4]通過建立基于機會約束規劃方法的雙層優化模型，研究DG與配電網中多類型需求側響應資源DR的協同規劃;文獻[5]從綜合社會收益和電力公司收益2個角度出發，建立將規劃與運行相結合的分布式電源雙層規劃模型;文獻[6]充分考慮不同類型分布式發電及負荷功率時序和潮流特性，建立不同回復率的激勵型需求側響應模型及協同規劃模型;文獻[7]建立包含實際儲能、可平移負荷、可轉移負荷和可削減負荷的響應特性模型，提出考慮運行控制策略的廣義儲能資源與分布式電源聯合規劃方法。上述研究成果表明，充分利用儲能及需求側響應靈活性是提高配電網DG消納能力的有效手段。因此，充分挖掘薄弱電網儲能及可控柔性負荷資源，在此基礎上對供電區域DPV進行合理規劃，不僅可以提高薄弱電網DPV的消納能力，還能夠提高該類型供電區域安全穩定運行性能。薄弱電網中的農村電網設施農業負荷、電采暖負荷豐富，上述負荷具有良好的儲能調控特性及需求側響應特性。因此，可以在薄弱電網DPV規劃過程中充分計及儲能和需求側響應運行策略，從而滿足后期運行階段的DPV消納需求。而現有配電網DG優化配置方法尚無針對薄弱電網開展的相關研究。

4.1概率潮流計算

將光伏出力及負荷功率概率分布時序特性處理與配電網潮流計算相結合，詳細求解過程如下。

1）輸入DPV及負荷概率模型及不同時段的分布參數，設時段數為t，每個時段的采樣次數為N。

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

3）采用聚類分析方法對峰谷平時段進行劃分。

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

5）產生下層峰谷平時段的電價，然后根據式（5）得出負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中的所有變量進行N次概率潮流計算。

7）得到24個時段的配電網電壓、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劃模型。針對上層模型，按照4.1節前3部分劃分配電網凈負荷功率峰谷平時段，并產生下層初始化群體;按照4.1節后4部分內容進行概率潮流計算，得出各機會約束條件，并利用CPSO算法進行尋優得到下層優化結果，最后將下層優化結果所對應的DPV輸出功率及倒送功率返回到上層，再利用CPSO計算上層規劃模型的DPV消納值，根據設定的每層最大迭代次數max iter對算法進行終止。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行配電網規劃。該村居民150余戶，網絡結構如圖4所示，電壓等級為380 V，節點電壓為0.95～1.05 p.u.，每個節點可接入光伏容量限值為50 kW，規定光伏裝機總容量為150 kW，置信水平取0.95。

根據光伏接入對電網電壓、損耗等造成的影響[15]，初步選定1，2，3，4，5，6，8，10，11，13為光伏可接入節點。光伏可接入節點數為4。規劃期為1年，儲能容量為確定值。光伏隨機出力以及負荷的概率分布參數參考文獻[10]。蓄電池相關參數取值參考文獻[16]。價格型DR運行策略相關參數的取值參考文獻[17]。優化算法參數設置：抽樣次數為100，時段數為24，CPSO算法相關參數參考文獻[14]。

根據上層規劃模型DPV初始配置方案，利用第3節所述的LHS技術對分布式光伏與負荷進行抽樣，形成24個時段內系統凈負荷曲線（每個時段采樣50次），如圖5所示。

5.1BESS運行策略對優化結果的影響

為分析BESS運行策略對農村薄弱配電網規劃運行過程的影響（忽略價格型DR運行策略），將其與未考慮BESS策略時的結果進行對比。分布式光伏并網配置方案及其所對應的系統凈負荷峰谷差、光伏消納結果如表1所示。

由表1可知，將BESS運行策略嵌入光伏并網規劃過程中，會對光伏優化配置方案產生影響。在不考慮BESS運行策略即單一進行光伏并網規劃時，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規劃時，光伏的消納總量為53 260 kW·h，同比增長了2868%。分析原因可知，在負荷用電低谷期，BESS進行充電，在負荷用電高峰期，BESS進行放電，降低系統凈負荷的峰谷差，在谷時段更多消納光伏發電，從而促進光伏在電網中的消納量。

5.2價格型DR運行策略對優化結果的影響

為分析價格型DR運行策略對農村薄弱配電網規劃運行過程的影響（忽略BESS運行策略），將其與未考慮價格型DR運行策略時的結果進行對比。分布式光伏并網配置方案及其所對應的系統凈負荷峰谷差、光伏消納結果如表2所示。

由表2可知，采用價格型DR運行策略后，DPV消納量增加。不采用DR的DPV并網規劃模型的結果中，光伏消納總量為41 390 kW·h，而在考慮價格型DR運行策略后將DR納入光伏并網規劃時，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律，使得負荷用電與光伏出力最大限度上保持相似，降低系統凈負荷峰谷差，從而提高光伏的消納量。

5.3同時考慮BESS與價格型DR運行策略對優化結果的影響

綜合考慮BESS與價格型DR運行策略，將2種策略均納入光伏并網過程，進而分析其對農村薄弱配電網規劃運行過程的影響。分布式光伏并網配置方案及其所對應的系統凈負荷峰谷差、光伏消納結果如表3所示。

將表1、表2分別與表3進行對比可知，綜合考慮BESS與價格型DR運行策略可有效提高光伏的消納量。當綜合考慮2種策略時，光伏的消納總量為56 060 kW·h，相比于不考慮運行策略以及單獨考慮BESS、價格型DR運行策略，分別增長了355%，5%，8.5%。原因為2種運行策略均可降低系統凈負荷峰谷差，促進光伏的消納能力，當綜合考慮2種策略時，使光伏消納量更大。

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

由圖6和圖7可知，當光伏的接入量一定時，方案3系統凈負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。因此，要同時考慮BESS與價格型DR運行策略。

6結論

針對薄弱配電網，在考慮BESS和價格型DR運行策略的基礎上，建立了高比例分布式光伏雙層規劃模型，同時考慮了光伏與負荷隨機出力的時序性特征，并采用CPSO與概率潮流相結合的混合智能算法進行求解，得到如下結論。

1）針對光伏與負荷出力的時序性，利用LHS技術對每個時段內服從特定概率分布的光伏與負荷進行處理，從而使規劃結果更加準確。

2）通過考慮BESS和價格型DR運行策略，增強了光伏隨機出力與負荷用電的協同性，減小了系統凈負荷曲線的峰谷差。

3）建立的雙層規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調用優先級及運行調用策略進行研究，以使分布式光伏規劃結果更加準確且符合實際的運行結果。

參考文獻/References：

[1]舒印彪，張智剛，郭劍波，等.新能源消納關鍵因素分析及解決措施研究[J].中國電機工程學報， 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.大規模光伏發電對電力系統影響綜述[J].中國電機工程學報，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分布式光伏與儲能選址定容規劃[J].中國電機工程學報，2019，39（8）：21872201.

DING Ming，FANG 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.計及多類型需求側響應資源的配電網分布式電源優化配置[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，張文博，李衛彬， 等.考慮儲能并計及光伏隨機性的分布式電源優化配置[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和負荷建模的主動配電網協同規劃[J].中國電機工程學報，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. 考慮運行控制策略的廣義儲能資源與分布式電源聯合規劃[J].電力系統自動化，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，等.基于互補性的間歇性分布式電源在配網中的優化配置[J].電工技術學報，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，韓學山，韓偉吉，等.分時電價下用戶響應行為的模型與算法[J].電網技術，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.太陽能光伏發電的中長期隨機特性分析[J].電力系統自動化，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.主動配電網中計及時序性與相關性的分布式光伏并網規劃[J].中國電機工程學報，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.考慮風電不確定性的用戶側分時電價研究[J].電網技術，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雙層聯合優化調度[J].中國電機工程學報，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立發電商利益的分布式電源規劃[J].電力系統自動化，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中電池儲能系統運行策略 [J].電力自動化設備，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，等.計及需求側資源的大規模風電消納隨機機組組合模型[J].中國電機工程學報，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.