考慮時序特性的分布式電源選址定容規劃

楊佳俊，王　濤，馬驍旭，段美琪，陳　紅

（1.國網山東省電力公司萊蕪供電公司，山東　萊蕪　271100；2.山東送變電工程公司，濟南　250022）

·試驗研究·

考慮時序特性的分布式電源選址定容規劃

楊佳俊1，王濤1，馬驍旭1，段美琪1，陳紅2

（1.國網山東省電力公司萊蕪供電公司，山東萊蕪271100；2.山東送變電工程公司，濟南250022）

針對分布式電源（Distributed Generator，DG）接入配電網的優化選址定容問題，建立以年損耗電量最小為目標，考慮DG出力及負荷時序特性的多時段最優潮流模型。利用代表性場景模擬全年情況，給出場景及其權重的確定方法。以IEEE14和IEEE33系統為算例，在GAMS環境下進行建模仿真，計算全網最優的DG安裝位置及安裝容量，以驗證模型的合理性。仿真結果表明，時序特性對DG規劃有顯著影響，所建模型能夠更好地利用不同類型DG出力在時序上的互補作用，提高電網對DG出力的消納能力。

分布式電源DG；最優潮流；時序特性

0　引言

近年來，可再生能源發電技術迅猛發展，其中技術較為成熟的有風力發電、太陽能發電、生物質能發電、水能發電等。可再生能源發電分為分布式和集中式兩種發電形式［1］。分布式發電因其具有投資小、供電方式靈活等優點而得到快速發展［2］。

分布式電源接入配電系統會引起電網結構、潮流分布的較大改變［3］。合理配置DG的安裝位置及容量具有如下優點：有利于實現潮流的分區平衡，減少電能傳輸過程中產生的損耗；消除部分設備的重過載運行，延緩新發電廠的修建和設備的更新，提高電網運行的經濟性；系統故障時，DG可以作為臨時電源為孤島內負荷供電，從而提高供電可靠性［4］，反之，DG配置不合理將會給系統運行帶來負面影響，甚至威脅電網安全。

因此，為充分發揮DG的效益，抑制其負面影響，需要在規劃階段對其進行合理布局［5］。

早期DG的規劃研究多假定其出力恒定［6－8］。而實際上，風力發電、光伏發電等出力具有顯著的隨機性。另外，受自然規律制約，DG各出力水平分別在特定時間段出現，與時間序列密切相關，即DG具有時序特性。不同種類DG出力的時序特性也存在較大差異。

文獻［9－10］將DG出力固定在幾種特殊水平下對其優化配置，忽略了實際可能出現的其他水平，且未考慮到出力的時序特性。假定DG出力為固定不變的數值或者某幾種水平的數值會導致規劃參數與實際運行情況偏差較大，規劃結果不準確。此外，負荷以及DG出力的峰、谷值往往出現在不同時刻［11］，不同種類DG的出力時序特性曲線與負荷時序特性曲線的匹配程度也有差異。忽略時序特性，將無法得到與負荷曲線匹配較好的DG組合安裝方案。因此，同時考慮DG出力及負荷的時序特性能得到較為合理的規劃結果。

綜合考慮DG出力及負荷的時序特性，針對現有配電網絡對其進行選址定容。選擇具有代表性的場景表征全年的情況，并統計各場景的權重值，根據風速時序特性曲線、光照強度時序特性曲線獲得各場景00∶00—24∶00時段每時段對應的風速及光照強度水平，建立多場景多時段的DG規劃最優模型。文中分別討論單獨引入風力發電、光伏發電以及同時引入風、光發電3種情形。規劃結果表明考慮時序特性有利于發揮風、光的互補優勢，提高對資源的利用率。

1　DG規劃的數學模型

建立多場景多時段模型對DG進行規劃，考慮時序特性表現在計及季節差異及時間變化對DG出力水平的影響上。通過典型場景描述季節變化對DG出力情況的影響，利用多時段表征DG出力水平在時序上的差異。

1.1DG出力時序特性

風機出力具有顯著的時序特性，伴隨季節和時間變化有較大差異［12］。以研究地區為例，春季平均風力最大，冬季最小；一天內風力最大出現在16∶00左右，24∶00左右風力最小。圖1為風機出力時序特性曲線。

光伏電源出力水平主要由光照強度決定，光照強度受天氣狀況的影響，例如晴天、陰天、雨雪天光照強度有著較大差異［13］，且出力水平與時間序列密切相關。出力最大往往在光照較強的13∶00左右，20∶00至次日05∶00出力多為0，圖2為光伏電源的出力時序特性曲線。

從圖1、圖2中可以看出，風機出力、光伏電源出力在時序上表現有互補性。就研究地區而言，光伏發電每天至少有8 h出力為0。在此期間，風力發電是集中式發電的有益補充，風力發電出力最大時，光伏發電出力較小，而光伏發電出力最大時，風力發電出力相對較小。例如光伏發電在12∶00時出力最大，風電未到達峰值；而風電到達峰值時大約在15∶00，而此時光伏發電又過了峰值，具有一定的互補性。考慮時序特性有利于提高DG出力時序特性曲線與負荷時序特性曲線的匹配程度。

圖1　風機出力時序特性曲線

圖2　光伏發電設備出力時序特性曲線

1.2考慮時序特性場景的產生

各場景每個時段DG的出力水平由圖1和圖2中的時序特性曲線確定。選擇春季晴天、春季陰天、春季雨雪天、夏季晴天、夏季陰天、夏季雨雪天、秋季晴天、秋季陰天、秋季雨雪天以及冬季晴天、冬季陰天、冬季雨雪天共計12種場景，對全年情況進行模擬。各場景以00∶00—24∶00時段為一時間序列。根據氣象資料分別獲得各場景風速及光照強度時序特性曲線，由該曲線可得各時段風速、光照強度平均水平，依據歷史數據統計對應時段的平均溫度，參照式（7）、（8）分別可得各時段風機及光伏電源的出力情況，并由IEEE－RTS系統確定對應時段的負荷波動水平。由此得到各場景各時段對應的DG出力情況及負荷水平，并代入2.3中模型進行計算。統計全年每一場景對應天氣的出現天數，獲得場景的權重值，例如，春季晴天全年出現30天，即有該場景的權重為=0.0822。

1.3DG選址定容模型

在現有配電網中引入風機和光伏電源，在滿足給定的電網運行約束條件下，建立隨機混合整數非線性規劃模型，對DG的布點以及容量進行優化，使年損耗電量達到最小。引入表示DG布點的0、1變量及接入容量的整數變量。建立目標函數

式中：αi為第i個場景權重的大小，共計有12個場景；ci，j為 i場景下的 j時段；eci，j為第i個場景j時段的損耗電量。

兩組變量間的鉗制關系為式中：bs、ns分別為代表風機、光伏電源安裝位置的0、1變量；ws、rs分別為安裝組數的整數變量；和分別為節點處場景時段常規電源的有功、無功出力；和為有功、無功負荷；Gsk、Bsk為系統導納、為電壓相角；和分別為風機、光伏電源場景i時段j單位機組的實際出力，例如，春季晴天01∶00時DG的出力情況即為與。

式中：Vmin為節點電壓的下限；Vmax為節點電壓的上限；Prw和Prs分別為單位風機及光伏電源的額定功率。式（5）為DG接入容量的最大限制，認為接入總容量不得超過常規電源出力的γ1倍與負荷的γ2倍之和，實際中可以根據當地政策限制對倍數進行調整。式（6）中，MB和MN分別為風機以及光伏電源總布點個數的最大限制。

1.4DG出力模型

風機輸出功率與風速之間的關系可以近似用分段函數表示：

式中：vci為切入風速；vR為額定風速；vCO為切出風速；Pr為風力發電設備的額定功率。將各場景各時段風速值帶入式（7）可得該時刻風機的實際出力。

光伏電源的出力依賴于設備自身的實際特性、光照強度大小和周圍環境的溫度。在已知光照強度、環境溫度時，可通過式（8）計算出光伏電源的實際輸出功率。即式中：TA為環境溫度；say為該狀態下的光照強度；NOT為設備的額定溫度；Iy為負載電流；Isc為短路電流；Ki為短路電流溫度系數；Voc為開路電壓；Vy為負載電壓；KV為開路電壓溫度系數；FF為太陽能電池的填充因數；VMPP、IMPP分別為光伏電池最大功率點的電流與電壓值。

2　算例分析

選取IEEE14和IEEE33標準系統對模型進行驗證，分別對接入風機、光伏電源以及同時包含風、光發電設備的系統選址、定容，并對仿真結果進行對比分析。

2.1參數設置

接入點安裝風機最小組數wmin=1，安裝風機最大組數wmax=200，接入點安裝光伏電源最小組數rmin=1，安裝光伏電源最大組數rmax=200，風機單位機組額定功率Prw=0.01MW，光伏電源單位機組額定功率Prs=0.01MW，風機布點之和最大值MB=5，光伏電源布點之和最大值MN=5，同時接入風、光發電設備時，倍數γ1=0.6，倍數γ2=0.3；當僅接風機或光伏電源時γ1= 0.3，γ2=0.15，基準值為100MW。

2.2結果分析

對IEEE14節點系統進行研究，分別標記接入風機、光伏電源以及同時接入兩種形式DG為情形A、B、C，標記D為不接入DG，由頭節點為系統供電的情況，記本文模型優化結果為1，DG容量連續可調模型優化結果為2，優化結果如表1所示。

表1　DG優化策略及損耗對比

本算例中，節點8、9負荷較重，分別占整個系統總負荷的17.4%、15.68%。優化結果顯示，各類型DG并網均會選擇在這兩個負荷較重的節點處接入，進而有效地實現重負荷的就地平衡，減少功率的流動，降低損耗。與將容量視為連續可調模型相比，該模型降損效益與其相差均不超過2%，表明在兼顧DG容量不可連續特性同時達到了較好的降損效果。

為了展示DG出力及負荷時序特性對DG規劃結果的顯著影響，假定不考慮時序特性，即DG出力與時間序列無關。例如，某情形下DG的出力情況為01∶00時刻風機出力水平與10∶00時刻光伏電源出力水平的組合。打亂原有方法生成風、光發電出力水平的順序，使其在時序上不再有一一對應的關系。此種情形下，其出力不符合自然變化的規律，兩種形式DG除了利用效率外沒有區別。表2為不考慮時序特性時DG的優化配置結果。

較風力發電而言，光伏發電利用率稍低。因此，如表2所示，情形C下，同時引入風、光兩種發電設備，不考慮時序特性時風機優先接入，光伏電源接入比重較小；考慮時序特性后，風力較弱時，光伏發電是風力發電的有益補充，投入量得到了增加。因而，考慮時序特性有利于提高自然資源的利用率。

表2　不考慮時序特性的優化結果

風力發電、光伏發電的日出力具有顯著的互補性，以春季晴天場景為例，展示各時段的損耗情況，如圖3所示。

圖3　春季晴天場景下各時段損耗

由圖2可知，春季晴天01∶00—06∶00光照強度為0，當僅考慮接入光伏電源時，其損耗曲線與不接入DG的損耗曲線相吻合。08：00—13：00，風力較弱，光照相對較強，該時段內，光伏發電的作用較為顯著，接入風機情形下的損耗高于接入光伏電源。之后，光照變弱，風力較強，光伏發電情形下的損耗變得高于風力發電。同時接入風、光兩種發電設備，可以有效彌補獨立發電的不足，達到較好的降損效益。

圖4展示了風力發電實際出力占額定功率26.1%，光伏發電出力為額定功率44.3%，負荷為峰值59.85%時配電網絡各節點電壓分布情況。DG接入配電網，電壓幅值得到提高，電壓質量得到提升。其中，DG接入點電壓升高最為顯著。

圖4　節點電壓分布情況

為了進一步驗證提出的模型，利用文獻［14］提供的33節點配電網為算例，對DG布點及容量配置進行優化，優化結果如表3所示。

表3　33節點系統DG優化策略

IEEE33系統與IEEE14系統相比，負荷較輕，DG的投入量小，但降損效益同樣顯著，達19.26%。結果表明，該模型對解決輕負荷系統的DG優化配置問題同樣具有較好的效果。

3　結語

基于負荷以及DG出力的時序特性，建立了以年損耗電量最小為目標的多場景多時段DG規劃模型，并在GAMS環境下進行建模。結果表明：考慮DG出力的時序特性，能夠更為真實地反應系統的運行情況，得到的規劃方案也更具有實際意義；太陽能與風能在時序上具有互補特性，這兩種DG同時接入可以彌補風力發電和光伏發電獨立系統的缺陷；無論對于重負荷系統還是輕負荷系統，合理接入DG對降低網損、提高電能質量均有較好的效果。

［1］徐青山.分布式發電與微電網技術［M］.北京：人民郵電出版社，2011.

［2］麻秀范.含分布式電源的配電網規劃與優化運行研究［D］.北京：華北電力大學，2013.

［3］曾鳴，杜楠，張鯤，等.基于多目標靜態模糊模型的分布式電源規劃［J］.電網技術，2013（4）：954-959.

［4］張節潭，程浩忠，姚良忠，等.分布式風電源選址定容規劃研究［J］.中國電機工程學報，2009，29（16）：1-7.

［5］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）：23-28.

［6］G RIFFIN T，T OMSOVIC K，SECREST D，et al.Placement Of DispersedGenerationSystems For ReducedLosses［C］∥Proceedings of the 33 rd Annual Hawaii International Conference on，2000.

［7］R AU N S，Y IH-H EUI W AN.Optimum Location Of Resources InDistributedPlanning［J］.IEEETransactions onPower Systems，1994，9（4）：2 014-2 020.

［8］P ENG Z F，A KAGIH，N ABAE A.Optimal Investment Planning ForDistributedGenerationInACompetitiveElectricity Market-ACombined SystemOf Shunt Passive And Series Active Filter［J］.IEEETransonIndustrial Application，1990，26（6）.

［9］A TWAYM.OptimalRenewableResourcesMixfor Distribution SystemEnergyLossMinimization［J］.IEEE Transactions o n Power Systems，2010，25（1）：360-370.

［10］ALABRI R S，E L-S AADANY E F，A TWA Y M.Optimal Placement and Sizing Method to Improve the Voltage Stability Margin in a Distribution System Using Distributed Generation ［J］.IEEE Transactions on Power Systems，2013，28（1）：326-334.

［11］徐迅，陳楷，龍禹，等.考慮環境成本和時序特性的微網多類型分布式電源選址定容規劃［J］.電網技術，2013（4）：914-921.

［12］尹靜，張慶范.淺析風光互補發電系統［J］.變頻器世界，2008（8）：43-45.

［13］蔡國偉，孔令國，楊德友，等.大規模風光互補發電系統建模與運行特性研究［J］.電網技術，2012，36（1）：65-71.

［14］G OSWAMI S K，B ASU S K.A New Algorithm For The Reconfiguration Of Distribution Feeders For LossMinimization［J］. IEEE Transactions on Power Delivery，1992，7（3）：1 484-1 491.

Allocation and Sizing of Distributed Generators Considering Tim ing Characteristics

YANG Jiajun1，WANG Tao1，MA Xiaoxu1，DUAN Meiqi1，CHEN Hong2
（1.State Grid Laiwu Power Supply Company，Laiwu 271100，China；
2.Shandong Electric Power T&TEngineering Company，Jinan 250118，China）

In view of allocation and sizing of distributed generators in the distribution system，a multi-period AC optimal power flow model，which considers output and loading timing characteristics of DG and takes the least annual energy loss as the target，is proposed.By simulating the yearly situation using typical scenarios，themethod of determining the scenario and weight is proposed.Taking IEEE14 and IEEE33 systems as examples，the optimal location and size of DG units are simulated in the GAMS condition.Results show that the timing characteristics have significant effects on the planning of DG，the proposed model can take advantages of the complementary action between wind-based DG and solar DG fully，and improve the absorptive capacity of DG capacity.

distributed generator；optimal power flow；timing characteristics

TM715

A

1007－9904（2016）03－0001－05

2015-10-08

楊佳俊（1986），男，從事繼電保護工作。