大規模分布式新能源接入下海島電網線路規劃研究

摘 要：為了提高海島電網建設的安全性、可靠性與經濟效益，本文針對大規模分布式新能源接入下海島電網線路規劃方法進行了研究。根據海島電力系統的特點與歷史負荷數據進行海島電力負荷預測。根據負荷預測結果選擇適用于該海島的大規模分布式新能源接入點。根據新能源接入點和電網現狀生成電網線路候選路徑，利用多目標優化模型選定電網線路最優路徑，完成大規模分布式新能源接入下海島電網線路規劃。試驗結果表明，該方法能夠降低總投資成本和年均運行成本，從而縮短項目的靜態回收周期，在經濟性方面表現更優，有利于項目的快速回報和可持續發展。

關鍵詞：大規模；分布式新能源；海島電網；線路規劃

中圖分類號：TM 721" " " " " " 文獻標志碼：A

隨著新能源技術進步和成本降低，大規模分布式新能源接入海島電網成為必然趨勢，因此海島電網線路規劃至關重要。目前，國內、外在海島電網線路規劃方面已取得一定的研究成果。然而，隨著大規模分布式新能源接入推進，傳統的規劃方法已無法滿足實際需求。例如，文獻[1]所提方法主要基于規劃人員或專家的歷史經驗和直觀判斷規劃線路布局和設備選型，無法準確預測新能源接入后的電網運行狀況，可能導致規劃方案不合理，影響電網的安全穩定運行。文獻[2]所提方法建立了簡化的電網模型進行線路規劃，無法全面反映海島電網的實際情況，無法滿足規劃需求，可能導致規劃結果偏離實際。

基于此，本文針對大規模分布式新能源接入下海島電網線路規劃方法進行研究，以期推動海島新能源產業的健康發展。

1 海島電力負荷預測

本文系統地收集了海島地區日、周、月等不同時間尺度的電力負荷數據[3]。為了消除不同量綱和數值范圍對分析結果的潛在影響，采用歸一化處理方法對清洗后的數據進行轉換，如公式（1）所示。

（1）

式中：xnorm表示歸一化后的數據；x表示原始負荷數據；xmax、xmin分別表示數據集中的最大值和最小值。

歸一化旨在將所有特征縮放到同一數值區間。根據海島電力系統的特點和預測目標，選擇回歸預測法，根據歷史負荷數據和相關影響因素數據預測電力負荷[4]，如公式（2）所示。

Y=β0+β1X1+β2X2+…+βnXn+ε （2）

式中：Y表示海島電力負荷預測結果；βi表示回歸系數；ε表示誤差項；Xi表示影響因素。

基于上述公式得出電力負荷的預測結果，為海島電力系統的規劃、運行和優化提供有力支持。

2 大規模分布式新能源接入點的選擇

海島電力負荷預測完畢后，根據負荷預測結果，選擇適用于該海島的大規模分布式新能源接入點，為后續電網線路規劃提供有力保障。

針對海島地區的分布式新能源資源（包括太陽能、風能和潮汐能等）進行評估，確定其分布情況（太陽能富集區集中于島嶼南部，風能集中于沿海地帶，潮汐能集中于特定海灣）、容量規模、穩定性以及潛在的開發價值（預計可開發容量占總資源的比例）[5]。

根據新能源資源的分布情況，初步確定潛在的接入點區域。考慮接入點地理位置對新能源發電效率的影響，例如日照時間、風速等[6]。分析接入點區域的地形、地質條件是否適合建設新能源發電設施。評估接入點附近的電網設施（例如變電站、輸電線路）是否具備接入條件。在此基礎上，評估新能源發電設施對當地生態環境的影響，例如噪聲、光影和土地利用等，保證接入點選擇符合環保要求。計算不同接入點的投資成本，包括發電設施建設成本、電網接入成本等。評估各接入點的發電效益，選擇經濟效益最優的接入點。使用電力系統仿真軟件，模擬新能源接入后對電網的影響，保證新能源接入后電網能夠保持穩定運行，不發生電壓波動、頻率偏移和潮流越限等問題。確定大規模分布式新能源接入點后，設計接入方案，如圖1所示。

將分布式電源加入海島用戶內部電網后，專線接入海島配電網。在實施過程中進行實時監控和調試，保證新能源發電設施能夠順利接入電網并穩定運行。

3 海島電網線路路徑規劃

基于大規模分布式新能源接入點選擇完成后，規劃海島電網線路，以接入這些新能源資源。根據詳細的前期接入點選擇結果，明確每個接入點的精確位置、具體容量及其獨特的發電特性參數，例如太陽能接入點的年日照時長（平均每日8h）與風能接入點的年平均風速（7m/s）。深入分析海島電網的當前結構，運用電網潮流計算模型（IEEE 33節點測試系統模擬），評估電網的承載能力和擴展需求，以確定是否需要擴建變電站或升級現有線路，以滿足新能源接入的增量負荷。在此基礎上，結合新能源接入點和電網現狀，利用地理信息系統（GIS）技術，結合地形、地貌和環境限制條件，生成多條潛在的候選路徑，每條路徑均考慮路徑長度、地形起伏和施工難度等實際因素。針對新能源發電設備（例如光伏板、風力發電機）的發電效率和電網的電壓穩定性要求，設計線路的關鍵參數，包括導線截面、電壓等級和無功補償等。其中，導線截面如公式（3）所示。

（3）

式中：Imax表示最大工作電流；γ表示環境系數；J表示電流密度。

確定適宜的電壓等級（110kV或220kV），并配置必要的無功補償裝置（SVC或SVG，以使系統功率因數接近1），保證電網的電能質量與穩定性。

在規劃電網線路路徑階段，本文構建了一個多目標優化模型，該模型綜合考慮了成本、功率損耗和系統可靠性等多個維度。

線路建設成本是電網規劃中的一項重要經濟指標。最小化線路建設成本可以降低電網建設的總體投資，提高經濟效益。設線路集合為L={l1，l2，...，ln}，線路li的建設成本為Cli，它與線路長度dli、線路類型（不同類型的線路單位建設成本不同）等因素有關。架空線路的建設成本包括桿塔建設成本、導線成本等，如公式（5）所示。

Cli=c1dli+c2 （5）

式中：c1表示單位長度線路建設成本；c2表示固定建設成本部分。

線路建設總成本Ct的目標函數如公式（6）所示。

（6）

功率損耗是電網運行過程中的一種能量損失，它會影響電網的效率和可靠性。減少功率損耗可以降低電網的能耗，提高能源利用效率。功率損耗如公式（7）所示。

（7）

式中：rli表示線路li的電阻；Ili表示流過線路li的電流。

設R={rl1，rl2，...，rln}，I={Il1，Il2，...，Iln}，則功率損耗目標函數如公式（8）所示。

minP=ITdiag（R）?I （8）

式中：diag（R）表示以R為對角線元素的對角矩陣。

系統可靠性是衡量電網穩定運行能力的重要指標。提高系統可靠性可以保證電網在各種故障和異常情況下能夠保持正常運行，減少停電時間和停電范圍，提升用戶的用電質量和滿意度。采用失負荷概率O衡量系統可靠性。設系統狀態集合為S={s1，s2，...sm}，狀態sj發生的概率為psj，在狀態sj下的失負荷量為Lsj，則失負荷概率如公式（9）所示。

（9）

式中：u（x）表示單位階躍函數，當xgt;0時u（x）=1，當x≤0時u（x）=0；minO為系統可靠性目標函數。

構建目標函數的同時，本文還設置了相應的約束條件，以保證線路規劃方案的技術可行性和安全性。這些約束條件包括潮流方程約束、線路容量約束以及電壓約束等，如下所示。

首先，潮流方程約束可以保證電網在運行過程中滿足電流和電壓的平衡條件，保證電網的穩定性和安全性。關于節點i，根據基爾霍夫電流定律可得公式（10）。

（10）

式中：N（i）表示與節點i相連的節點集合；Iij表示從節點i流向節點j的電流；IGi表示節點i的注入電流（包括發電機注入電流和新能源注入電流）；ILi表示節點i的負荷電流。根據歐姆定律可得公式（11）。

（11）

式中：Vi和Vj分別表示節點i和j的電壓；Zij是節點i和j間的阻抗。

將公式（11）代入基爾霍夫電流定律方程，得到潮流方程約束。

其次，線路容量是指線路在正常運行過程中所能承受的最大電流值。利用線路容量約束，可以保證線路在運行過程中不會超過其額定容量，從而避免發生過載和故障。對每條線路li來說，流過線路的電流Ili必須滿足Ili≤Imax，li，其中Imax，li表示線路li的最大允許電流，它與線路的額定容量有關。

最后，電壓是電網運行中的一項重要參數，它直接影響用戶的用電質量和設備的正常運行。利用電壓約束，可以在電網運行過程中使電壓保持在允許范圍內，避免電壓過高或過低對設備和用戶造成損害。對每個節點i來說，其電壓Vi必須滿足Vmin≤Vi≤Vmax，其中Vmin和Vmax分別表示節點電壓的下限和上限。

綜上所述，大規模分布式新能源接入下海島電網線路規劃的多目標優化模型如公式（12）所示。

（12）

粒子群算法是一種基于群體智能的優化算法，它模擬了鳥群覓食的行為，利用粒子間的信息共享和協作來尋找全局最優解。本文采用粒子群算法求解上述電網線路路徑規劃多目標優化模型，具體過程如下所示。

第一，初始化粒子群。每個粒子代表一種電網線路路徑規劃方案，即一組決策變量（例如線路類型、線路長度和線路走向等）。粒子的位置向量表示決策變量的取值，即電網線路路徑規劃的具體方案。粒子的速度向量表示決策變量取值的變化方向和大小。根據目標函數（最小化線路建設成本、功率損耗和失負荷概率）計算粒子的適應度值。

第二，設置算法參數。設定粒子群中的粒子數量、最大迭代次數、慣性權重、認知學習因子以及社會學習因子。

第三，更新粒子位置和速度。在每次迭代中，根據公式（13）更新粒子的位置和速度。

首先，速度更新如公式（13）所示。

vk+1 ε，d=wvk ε，d+c1r1（pk ε，d-xk ε，d）+c2r2（gdk-xk ε，d）" " " " （13）

式中：vk ε，d表示第ε個粒子在第k次迭代中第d維的速度；w表示慣性權重；c1、c2分別為認知學習因子和社會學習因子；r1、r2表示隨機數；pk ε，d表示第ε個粒子在第k次迭代中第d維的歷史最優位置；gdk表示整個粒子群在第k次迭代中第d維的全局最優位置。

其次，位置更新如公式（14）所示。

xk+1 ε，d=xk ε，d+vk+1 ε，d " " " " " " " " " " " " " "（14）

式中：xk ε，d表示第ε個粒子在第k次迭代中第d維的位置。

第四，計算適應度值。根據目標函數（最小化線路建設成本、功率損耗和失負荷概率），計算每個粒子的適應度值。由于這是一個多目標優化問題，所以可以采用加權求和法將多個目標函數轉化為一個綜合適應度值。

第五，更新個體和全局最優位置。比較每個粒子的當前適應度值與歷史最優適應度值，如果當前適應度值更優，那么更新其歷史最優位置。比較所有粒子的當前適應度值，找出全局最優適應度值對應的粒子位置，將其作為全局最優位置。

第六，判斷終止條件。如果達到最大迭代次數，那么算法終止；否則，返回第三步繼續迭代。

第七，輸出結果。輸出全局最優位置及其對應的適應度值，即最優的電網線路路徑規劃方案及其綜合效益。

4 試驗分析

4.1 研究區概況

以長海縣為本文海島電網線路規劃的研究區域。長海縣10kV配電網現狀概況見表1。

長海縣10kV線路29條，其中負載率為0%～20%的線路10條，負載率為21%～40%的線路9條，負載率為41%～60%的線路7條，負載率為61%～80%的線路2條，負載率為81%～100%的線路1條。重載線路為楊家線，重載原因為迎峰度夏時期負荷突增。10kV線路29條，聯絡線路6條，聯絡率20.69%，均不滿足線路“N-1”校驗。此外，長海縣存在運行超過30年線路10條。

4.2 規劃結果

選擇經濟性指標作為大規模分布式新能源接入下海島電網線路規劃效果的評估指標。比較本文提出的規劃方法和文獻[1]、文獻[2]提出的2種傳統規劃方法的經濟性指標，見表2。

在表2中，年均售電收入是基于城市居民用電和工業用電價格的平均值。靜態回收周期根據總投資成本和年均售電收入計算得出。從經濟性指標比較結果可以看出，本文方法能夠更準確地匹配電網的供需關系，減少不必要的投資浪費，能夠降低總投資成本和年均運行成本，從而縮短項目的靜態回收周期，表明本文方法在經濟性方面表現更優，有利于項目的快速回報和可持續發展。

5 結語

隨著可再生能源技術飛速發展，海島地區具有豐富的太陽能、風能等自然資源，成為新能源應用的重要前沿陣地。然而，新能源的間歇性和隨機性給海島電網的穩定運行帶來了巨大挑戰。本文研究旨在利用科學合理的規劃方法，不僅考慮新能源的并網需求，還兼顧電網的安全性、經濟性和可靠性，以優化海島電網線路布局，進而提高新能源的接入能力和電網的運行效率，提升電網整體經濟效益。

參考文獻

[1]司金冬，吳熙，郭其勝，等.面向高比例新能源消納的地區電網柔性互聯規劃與運行技術綜述[J].電網技術，2024，48（6）：2272-2286.

[2]崔喬儒，鄢峻雯，王定，等.基于大規模分布式光伏接入的工業園區配電網規劃適應性研究[J].電氣技術與經濟，2023（9）：77-79，82.

[3]劉仁亮，楊昆，陳淼，等.海島配電網“1+3”規劃新模式[J].國企管理，2022（24）：47-50.

[4]魯曉秋，葉影，曹春，等.分布式光伏接入的配電網規劃綜合評價方法[J].華北電力大學學報（自然科學版），2024，51（3）：74-82，100.

[5]李飛宇，隨權，林湘寧，等.考慮儲電船舶參與的近海海島靈活供能網絡規劃[J].中國電力，2022，55（11）：10-20.

[6]張全明，高強，葉麗娜，等.基于“兩網”融合的海島能源互聯網規劃研究[J].電力電容器與無功補償，2021，42（3）：118-125.