考慮主動(dòng)管理與需求側(cè)管理的主動(dòng)配電網(wǎng)分布式光伏最大準(zhǔn)入容量計(jì)算方法

蔡秀雯，陳茂新，陳鋼，方一晨，張沈習(xí)，程浩忠

(1.國(guó)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(diǎn)實(shí)驗(yàn)室(上海交通大學(xué)電氣工程系)，上海市 200240)

0 引 言

近年來(lái)，光伏發(fā)電技術(shù)在政策鼓勵(lì)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(biāo)約束，展開(kāi)配電網(wǎng)分布式光伏最大準(zhǔn)入容量的研究。

目前，國(guó)內(nèi)外已有若干研究提出配電網(wǎng)分布式電源最大準(zhǔn)入容量計(jì)算方法。文獻(xiàn)[2]建立了以分布式電源并網(wǎng)容量最大為目標(biāo)，考慮電壓水平、旋轉(zhuǎn)備用、線(xiàn)路功率、投資運(yùn)行總費(fèi)用等約束的分布式電源規(guī)劃模型，采用隨機(jī)權(quán)重粒子群算法進(jìn)行求解；文獻(xiàn)[3]計(jì)及電壓偏差、電壓波動(dòng)、短路電流、繼電保護(hù)約束，采用基于靈敏度的協(xié)調(diào)分段計(jì)算方法求解分布式電源最大并網(wǎng)容量；文獻(xiàn)[4]建立了交直流混合配電網(wǎng)分布式電源最大準(zhǔn)入容量計(jì)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(zhǔn)確求解，克服了啟發(fā)式算法易陷入局部最優(yōu)的缺陷。

實(shí)際上，分布式光伏功率與負(fù)荷功率具有不確定性，在分布式光伏最大準(zhǔn)入容量計(jì)算中應(yīng)予以考慮。文獻(xiàn)[5]和[6]建立了基于機(jī)會(huì)約束的配電網(wǎng)分布式光伏最大準(zhǔn)入容量計(jì)算模型；文獻(xiàn)[7]采用蒙特卡洛抽樣生成多場(chǎng)景，選取各場(chǎng)景下分布式光伏準(zhǔn)入容量最小值作為最終結(jié)果；文獻(xiàn)[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(duì)偶形式后求解。

為應(yīng)對(duì)大規(guī)模分布式光伏接入對(duì)配電網(wǎng)造成的不利影響，同時(shí)提升配電網(wǎng)對(duì)分布式光伏的消納能力，傳統(tǒng)配電網(wǎng)逐漸被主動(dòng)配電網(wǎng)(active distribution network, ADN)替代。ADN可以對(duì)各種分布式資源進(jìn)行綜合控制[9]，電網(wǎng)側(cè)應(yīng)實(shí)現(xiàn)主動(dòng)規(guī)劃、管理、控制與服務(wù)，用戶(hù)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(dòng)參與ADN的運(yùn)行調(diào)度[10]。文獻(xiàn)[8]將有載調(diào)壓變壓器(on-load tap changer, OLTC)與靜止無(wú)功補(bǔ)償器(static var compensator, SVC)應(yīng)用于ADN中，建立了分布式光伏最大準(zhǔn)入容量計(jì)算模型；文獻(xiàn)[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(jìn)行無(wú)功補(bǔ)償?shù)戎鲃?dòng)管理(active management, AM)措施，提高分布式光伏最大準(zhǔn)入容量；文獻(xiàn)[12]使用儲(chǔ)能與智能逆變器增大分布式光伏準(zhǔn)入容量；文獻(xiàn)[13]驗(yàn)證了智能軟開(kāi)關(guān)對(duì)潮流的改善作用，可促進(jìn)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(jì)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(zhǔn)入容量，但并未考慮用戶(hù)需求側(cè)管理(demand side management, DSM)的作用。本文將在儲(chǔ)能投資限制下，優(yōu)化ADN中儲(chǔ)能配置，并考慮分布式光伏出力與負(fù)荷功率的不確定性，應(yīng)用有載調(diào)壓、無(wú)功補(bǔ)償、儲(chǔ)能調(diào)節(jié)、網(wǎng)絡(luò)重構(gòu)與負(fù)荷削減等AM與DSM措施，建立“源荷”不確定性場(chǎng)景下ADN分布式光伏最大準(zhǔn)入容量計(jì)算模型，通過(guò)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(jìn)行求解。

1 “源荷”典型時(shí)序場(chǎng)景構(gòu)建

分布式光伏出力與負(fù)荷功率具有季節(jié)周期性與日周期性的特點(diǎn)。為計(jì)算ADN中分布式光伏最大準(zhǔn)入容量，需要構(gòu)建“源荷”典型時(shí)序場(chǎng)景集，確保容量不高于計(jì)算結(jié)果的分布式光伏接入在各場(chǎng)景下均不會(huì)導(dǎo)致ADN電氣指標(biāo)越限。

聚類(lèi)算法在場(chǎng)景生成方面得到廣泛應(yīng)用[14]。本文采用k-means聚類(lèi)[15]生成“源荷”典型時(shí)序場(chǎng)景。k-means算法聚類(lèi)結(jié)果會(huì)在較大程度上受到聚類(lèi)數(shù)的影響。為避免聚類(lèi)結(jié)果陷入局部最優(yōu)，同時(shí)確保生成的場(chǎng)景具有典型性，使用CH(+)指標(biāo)評(píng)價(jià)不同聚類(lèi)數(shù)下的k-means聚類(lèi)結(jié)果，選取CH(+)指標(biāo)值最高時(shí)的聚類(lèi)數(shù)K作為最佳聚類(lèi)數(shù)[16]。

CH(+)指標(biāo)計(jì)算公式為：

(1)

確定最佳聚類(lèi)數(shù)K后，首先生成K個(gè)初始質(zhì)心，將樣本點(diǎn)劃分到與質(zhì)心距離最小的類(lèi)中，形成K個(gè)簇，并計(jì)算、更新各個(gè)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(shí)序場(chǎng)景。考慮到“源荷”功率具有不確定性，以典型場(chǎng)景中各時(shí)刻“源荷”功率為基準(zhǔn)，按一定偏移度設(shè)定區(qū)間，表征其功率可能的范圍。

2 主動(dòng)管理與需求側(cè)管理建模

在ADN中，擬采用AM與DSM措施，提升分布式光伏最大準(zhǔn)入容量。使用的AM措施包括有載調(diào)壓、無(wú)功補(bǔ)償、儲(chǔ)能調(diào)節(jié)與網(wǎng)絡(luò)重構(gòu)，DSM措施為負(fù)荷削減。本節(jié)對(duì)上述AM與DSM措施進(jìn)行建模。

2.1 有載調(diào)壓

OLTC通常接在上級(jí)電網(wǎng)(節(jié)點(diǎn)0)與配電網(wǎng)首節(jié)點(diǎn)(節(jié)點(diǎn)1)之間，用于調(diào)控節(jié)點(diǎn)電壓分布。支路0-1與OLTC的阻抗之和為r01+jx01。在節(jié)點(diǎn)0和節(jié)點(diǎn)1之間設(shè)置虛擬節(jié)點(diǎn)m，令支路0-m阻抗為r01+jx01，支路m-1接有零阻抗OLTC，則場(chǎng)景s時(shí)刻t下的OLTC數(shù)學(xué)模型如式(2)—(3)所示。

(2)

(3)

2.2 無(wú)功補(bǔ)償

投切電容器組可用于無(wú)功補(bǔ)償，其數(shù)學(xué)模型為：

(4)

(5)

2.3 儲(chǔ)能配置與調(diào)節(jié)

在配電網(wǎng)中安裝儲(chǔ)能模塊，可通過(guò)對(duì)儲(chǔ)能充放電狀態(tài)與功率的調(diào)控，實(shí)現(xiàn)靈活性資源配置，增大ADN對(duì)分布式光伏的接納能力。現(xiàn)考慮投資成本限制，對(duì)儲(chǔ)能進(jìn)行配置。儲(chǔ)能投資約束為[17]：

(6)

場(chǎng)景s時(shí)刻t下節(jié)點(diǎn)i的儲(chǔ)能數(shù)學(xué)模型為：

(7)

(8)

(9)

(10)

(11)

在儲(chǔ)能配置與運(yùn)行優(yōu)化中，需要確定待選節(jié)點(diǎn)上安裝的儲(chǔ)能模塊數(shù)量，使之滿(mǎn)足投資約束；同時(shí)，需要優(yōu)化各場(chǎng)景下調(diào)度周期內(nèi)儲(chǔ)能的模擬運(yùn)行策略，通過(guò)儲(chǔ)能調(diào)節(jié)最大化ADN中的分布式光伏準(zhǔn)入容量。

2.4 網(wǎng)絡(luò)重構(gòu)

ADN運(yùn)行過(guò)程中，改變聯(lián)絡(luò)開(kāi)關(guān)通斷狀態(tài)可調(diào)整網(wǎng)絡(luò)拓?fù)洹DN應(yīng)始終滿(mǎn)足輻射狀拓?fù)浼s束，ADN網(wǎng)絡(luò)重構(gòu)模型如下：

(12)

式中：N為ADN節(jié)點(diǎn)集合；N(i)為可能與節(jié)點(diǎn)i相連的節(jié)點(diǎn)集合；D為ADN支路集合；若節(jié)點(diǎn)j為i的父節(jié)點(diǎn)，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(kāi)，1表示連通。

2.5 負(fù)荷削減

本文考慮的DSM措施為負(fù)荷削減，負(fù)荷由基本負(fù)荷與可削減負(fù)荷構(gòu)成[18]。接于節(jié)點(diǎn)i的負(fù)荷于場(chǎng)景s時(shí)刻t下的模型為：

(13)

(14)

負(fù)荷削減數(shù)學(xué)模型如式(15)—(16)所示：

(15)

(16)

3 分布式光伏準(zhǔn)入容量?jī)?yōu)化模型

3.1 目標(biāo)函數(shù)

在最大化ADN分布式光伏準(zhǔn)入容量時(shí)，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(yùn)行。各典型場(chǎng)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(diǎn)接入的分布式光伏容量和儲(chǔ)能模塊數(shù)，分別使用zs,t、xs,t和as,t表示場(chǎng)景s時(shí)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(zhǔn)入容量之和為目標(biāo)，同時(shí)考慮“源荷”不確定性最不利條件對(duì)其抑制作用與AM、DSM技術(shù)對(duì)其提升作用，優(yōu)化模型目標(biāo)函數(shù)如式(19)所示：

(19)

式中：F為“源荷”場(chǎng)景給定時(shí)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(shí)y和zs,t的可行域；f為元素為1的列向量。

3.2 約束條件

除AM、DSM約束外，ADN分布式光伏最大準(zhǔn)入容量計(jì)算模型還應(yīng)考慮系統(tǒng)運(yùn)行與安全約束。本節(jié)將對(duì)其進(jìn)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(diǎn)k流向i的有功與無(wú)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(diǎn)i電壓。

3.2.2支路電流約束

當(dāng)支路ij聯(lián)絡(luò)開(kāi)關(guān)斷開(kāi)時(shí)，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(diǎn)電壓約束

ADN節(jié)點(diǎn)電壓約束為：

(29)

3.2.4電壓波動(dòng)約束

分布式光伏出力波動(dòng)會(huì)引起ADN節(jié)點(diǎn)電壓波動(dòng)，對(duì)電能質(zhì)量造成不利影響。電壓波動(dòng)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(diǎn)的諧波電流不應(yīng)超出文獻(xiàn)[22]規(guī)定的限值，其表達(dá)式與約束為：

(31)

3.2.6主變壓器傳輸功率約束

場(chǎng)景s時(shí)刻t下由上級(jí)電網(wǎng)經(jīng)主變壓器流入ADN首節(jié)點(diǎn)的有功功率P0m,s,t與無(wú)功功率Q0m,s,t應(yīng)分別滿(mǎn)足約束(32)和(33)：

(32)

(33)

4 原模型轉(zhuǎn)化與求解

前文得到的優(yōu)化模型含非線(xiàn)性項(xiàng)與絕對(duì)值項(xiàng)，難以直接求解。本節(jié)將原問(wèn)題拆分為主問(wèn)題與子問(wèn)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。

4.1 模型轉(zhuǎn)化

(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(guò)程，將該二階段魯棒優(yōu)化模型寫(xiě)成一般化形式GP，如附錄A式(A1)所示。GP中的變量符號(hào)與具體變量的對(duì)應(yīng)關(guān)系如附錄A式(A2)所示。

4.2 模型求解

上文得到的優(yōu)化問(wèn)題目標(biāo)函數(shù)包含兩階段。第1階段對(duì)應(yīng)外層max問(wèn)題，即通過(guò)優(yōu)化AM和DSM變量，最大化分布式光伏準(zhǔn)入容量；第2階段對(duì)應(yīng)內(nèi)層min-max問(wèn)題，即考慮“源荷”不確定性對(duì)結(jié)果的抑制作用，通過(guò)最優(yōu)化潮流確定最不利條件下分布式光伏最大準(zhǔn)入容量。

包含兩階段的原問(wèn)題可使用列與約束生成(column-and-constraint generation, C&CG)算法[25]求解。原問(wèn)題被分解為主問(wèn)題(master problem，MP)和子問(wèn)題(sub-problem,SP)，分別如附錄A式(A3)和(A4)所示。MP、SP目標(biāo)函數(shù)值分別為解的上界(upper bound, UB)與下界(lower bound, LB)。主、子問(wèn)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)。

5 算例分析

5.1 算例設(shè)置

為驗(yàn)證前文所提模型與求解方法的有效性，本節(jié)將在改進(jìn)的IEEE 33節(jié)點(diǎn)配電網(wǎng)系統(tǒng)上進(jìn)行算例分析，基于MATLAB 2016a程序開(kāi)發(fā)與仿真平臺(tái)，采用YALMIP工具箱調(diào)用Gurobi 9.0.0商業(yè)求解器對(duì)模型進(jìn)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(xiàn)路阻抗與負(fù)荷參數(shù)詳見(jiàn)文獻(xiàn)[27]，各節(jié)點(diǎn)負(fù)荷功率因數(shù)恒定。節(jié)點(diǎn)3、7、10、14、27上負(fù)荷的可削減部分占比為30%，可全部或部分切除。

圖1 改進(jìn)的IEEE 33節(jié)點(diǎn)配電網(wǎng)

分布式光伏待選接入點(diǎn)為節(jié)點(diǎn)10、17和32，分布式光伏諧波電流頻譜詳見(jiàn)文獻(xiàn)[28]，無(wú)功功率忽略不計(jì)[20]；OLTC正、負(fù)向各有4個(gè)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(diǎn)15與28上，最大可投切5個(gè)電容器，單個(gè)電容器可補(bǔ)償30 kW無(wú)功功率；擬于節(jié)點(diǎn)7處規(guī)劃儲(chǔ)能裝置，單個(gè)儲(chǔ)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(jì)使用年限為20年，貼現(xiàn)率為8%，單位容量造價(jià)為1 530元/(kW·h)，建設(shè)投資成本上限為54.4萬(wàn)元，荷電狀態(tài)上、下限分別為80%和20%，調(diào)度周期始末時(shí)刻荷電狀態(tài)為50%；支路12-22和18-33裝有常開(kāi)聯(lián)絡(luò)開(kāi)關(guān)，支路4-5和13-14裝有分段開(kāi)關(guān)。

對(duì)全年分布式光伏出力與負(fù)荷功率進(jìn)行k-means聚類(lèi)，CH(+)指標(biāo)在聚類(lèi)數(shù)為3時(shí)取值最大。聚類(lèi)數(shù)為3時(shí)，以分布式光伏裝機(jī)容量與負(fù)荷功率歷史最大值為基準(zhǔn)值，“源荷”典型時(shí)序場(chǎng)景如圖2所示。

圖2 “源荷”典型時(shí)序場(chǎng)景

(47)

(48)

5.2 “源荷”不確定性對(duì)結(jié)果影響分析

表1 不同魯棒區(qū)間寬度下分布式光伏最大準(zhǔn)入容量計(jì)算結(jié)果

5.3 主動(dòng)管理與需求側(cè)管理優(yōu)化結(jié)果

圖3 支路通斷狀態(tài)

圖4 儲(chǔ)能荷電狀態(tài)與充電功率

5.4 對(duì)比分析

為驗(yàn)證AM與DSM對(duì)ADN分布式光伏最大準(zhǔn)入容量的提升作用，計(jì)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(chǎng)景1與場(chǎng)景4、5、2相比，分布式光伏最大準(zhǔn)入容量分別提升了29.54%、13.60%和1.93%，則對(duì)于該算例配電網(wǎng)，儲(chǔ)能調(diào)節(jié)對(duì)分布式光伏最大準(zhǔn)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(wú)功補(bǔ)償和負(fù)荷削減對(duì)分布式光伏最大準(zhǔn)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(zhǔn)入容量

節(jié)點(diǎn)3、7、10、14和27上的負(fù)荷含可削減部分，負(fù)荷削減情況如圖5所示。

圖5 負(fù)荷削減曲線(xiàn)

6 結(jié) 論

本文提出了考慮“源荷”不確定性、主動(dòng)管理與需求側(cè)管理的主動(dòng)配電網(wǎng)分布式光伏最大準(zhǔn)入容量計(jì)算模型，轉(zhuǎn)化為具有混合整數(shù)二階錐形式的主問(wèn)題與子問(wèn)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(duì)分布式光伏最大準(zhǔn)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(dòng)管理與需求側(cè)管理對(duì)分布式光伏最大準(zhǔn)入容量具有提升作用，可有效促進(jìn)分布式光伏消納。在后續(xù)研究中，更多主動(dòng)管理、需求側(cè)管理措施與配電網(wǎng)的耦合機(jī)理仍待進(jìn)一步深入探討。