考慮多元協同互動效應的主動配電網多目標規劃方法研究

陳云輝，石方迪，龔海華，李　冬，唐　琪，潘宇婷

(1．上海電力設計院有限公司，上?！?00025；2．國網上海市電力公司，上海　200122；3.國網蘇州供電公司，江蘇 蘇州　215004)

以火電為主導的電源結構使得電力工業成為我國國民經濟最大的碳排放源。因此，推動電力工業的低碳化是我國能源戰略的主要方向。發展低碳電力系統的重點在于電力供給側改革，其關鍵在于清潔能源發電的有效開發和利用[1]。對于清潔能源發電的開發，目前有兩種思路：一是從發電側出發，大力發展長距離、大容量、低損耗的跨區輸電線路(如特高壓交直流輸電)以實現清潔能源資源在更大范圍內的優化配置；二是從用戶側出發，建立分布式清潔能源發電、配電網和終端用電集成的供電系統，就地消納和利用清潔能源[2]。

分布式發電具有距離負荷近、建設周期短、投資成本低、運行靈活的優點，因此近年來在我國尤其是中東部城市呈現快速發展的趨勢。目前配電網的電力潮流一般由上級變電站單一流向負荷節點，其運行方式和規劃準則相對簡單。然而，規?；姆植际桨l電接入配電網后，尤其是間歇式能源大量并網后，原來方向單一的配電網潮流逐漸變得雙向不確定性，對電網電壓水平、短路容量等電氣特性造成顯著的影響[3-4]，因此難以滿足分布式發電規?？焖僭鲩L背景下配電網對分布式發電接入和高效利用需求。

為了解決大量分布式電源友好接入配電網，實現能源的高效、低碳、綠色發展，在此背景下，主動配電網(Active Distributed Network, 簡稱ADN)技術提供了可行的方案[5-6]。通過采用主動配電網的主動管理、主動控制技術，分布式發電、儲能、負荷、配電網之間產生了協同互動效應，改善分布式發電的出力特性和負荷特性，能夠有效減少分布式發電所帶來的不利影響。

分布式發電、儲能、主動管理機制的加入增加了規劃的決策變量，規劃的優化問題求解變得更為困難。本文綜合考慮了分布式發電、儲能、負荷等元素的協同互動作用，提出一種適用于主動配電網的規劃方法，為未來大規模分布式發電接入配電網提供重要保障，對于清潔能源的消納和高效利用具有重要的意義。

1　考慮源—荷—儲協同交互效應的配電網負荷預測

負荷預測是配電網規劃的基礎，準確的負荷預測將為分布式電源、變電站的科學布點，配網線路的建設以及投資的經濟效益提供優化的決策建議，同時保障電網運行的安全性、經濟性和可靠性。

主動配電網中分布式電源、柔性負荷及儲能的接入將對傳統的負荷預測產生重大的影響，因此在傳統負荷預測方法的基礎上綜合考慮源—荷—儲協同交互效應，提出一種適應于主動配電網的負荷預測方法。

1.1　負荷預測思路

對于主動配電網規劃，由于分布式能源的接入及其季節性、時段性特點，將對電網的負荷需求產生一定影響，其負荷預測在使用傳統配電網負荷預測方法的同時，需考慮分布式能源滲透對電網負荷的影響，對負荷預測結果進行修正，以準確反映分布式能源接入情況下主動配電網對電網側的實際負荷需求。

由于主動配電網規劃需考慮主動管理效應對負荷預測結果的影響，主動運行和規劃協同優化，因此需要得到高峰負荷日典型負荷特性曲線作為規劃的基礎數據。

將主動配電網的負荷預測分為常規負荷和分布式電源出力兩部分，分別進行建模和預測，將各自的預測結果結合，即為主動配電網的負荷預測結果，可用式(1)表示。

(1)

式中P(t)——主動配電網高峰負荷日t調度時刻總負荷預測；

PB(t)——t時刻常規負荷預測，可根據規劃區負荷分類，利用傳統的負荷預測方法進行預測；

Psαi(t)——第i個分布式電源t時刻單位DG可信出力，高峰負荷日一般分為24個調度時刻。

1.2　含柔性負荷的負荷預測

1.2.1負荷分類

不同于傳統配電網的負荷，主動配電網中含有部分柔性負荷，即可響應調節、參與電網調度的負荷。考慮柔性負荷之后，傳統負荷預測中涉及到的典型負荷曲線發生了變化，根據負荷響應能力的大小可將其分為不可控負荷、可控負荷和可調負荷3 類[7]。

不可控負荷即傳統負荷，這類負荷用電需求難以響應調節機制，是傳統配電網負荷的主要組成部分?？煽刎摵芍饕獮榭芍袛嘭摵?，通常由用戶與電力公司簽訂經濟合同，規定在負荷高峰或緊急狀態下，用戶進行負荷中斷和削減。可調負荷是指不能完全響應電網調度，但能在一定程度上跟隨分時電價、階梯電價等電價引導機制，調節其用電需求的負荷。

1.2.2含可控負荷的負荷預測方法

在主動配電網規劃中，需求側響應是重要的負荷側調節手段，其主要作用是削減高峰負荷，從而降低配電網所需的變電容量、線路輸送容量等。考慮可控負荷后，主動配電網的負荷預測的新峰值為

PB(t)=PSum(t)-PCon(t)

(2)

式中PSum(t)——t時刻總體負荷預測值；

PCon(t)——t時刻可控負荷預測值。

1.3　分布式發電可信出力預測

1.3.1分布式發電可信出力模型

一方面，主動配電網負荷預測結果會受可控負荷的主動調節作用影響；另一方面，分布式電源大規模接入電網被負荷就地消納后，配網側的負荷也會受到影響。電能供應側的清潔替代是不可阻擋的趨勢，主動配電網規劃應充分考慮大規模分布式電源的接入需求，以適應未來清潔能源滲透率逐步升高的態勢。

在負荷預測時，對規劃區分布式電源出力的準確預測至關重要。由于分布式電源出力具有波動性和隨機性，其裝機容量不能代表其真實出力，因此采用分布式電源的可信出力作為負荷預測的依據。

可信出力Pα是指分布式電源在一定置信度α內至少能夠達到的出力水平，例如α=80%時DG可信出力為P80%，表示分布式電源的出力有80%的概率在P80%以上。可根據區域分布式電源出力預測結果，統計其概率密度函數或累計分布函數，計算得到Pα。

為了充分發揮分布式電源的作用，有效降低配電網所需設備容量，應配置儲能裝置，在削峰填谷、跟蹤出力等控制策略下進行能量管理。

1.3.2t調度時刻DG可信出力預測

結合地區 DG總裝機預測值和單位DG可信出力值，可得到規劃區t調度時刻DG可信出力預測模型如下：

Psα(t)=Ps×Pα

(3)

式中Psα(t)——規劃區水平年高峰負荷日t調度時刻DG可信出力；

Ps——規劃區水平年DG裝機總容量；

Pα(t)——高峰負荷日t調度時刻單位DG可信出力(已歸一化)。

2　主動配電網多目標規劃模型

在已知分布式電源裝機規模的情況下，主動管理模式下的配電網規劃既涉及到網架規劃，又涉及到儲能選址定容，根據分解協調思想，該問題可以轉化為雙層規劃模型。

上層規劃為電網優化規劃問題，以年網絡綜合費用最小為目標；下層規劃模型是在上層規劃所得到網架下以典型日系統運行經濟性確定儲能等可控資源的有功出力。

主動配電網規劃流程，如圖1所示。

圖1　主動配電網規劃流程

上層規劃將網架規劃方案傳遞給下層，下層規劃在上層網架規劃的基礎上對儲能等可控資源的出力進行優化，并將優化后出力值傳遞給上層，上層模型利用下層傳遞來的出力值來計算上網絡損耗，最后得到網絡規劃方案和儲能的站址布點方案。

2.1　上層規劃模型

上層規劃模型以最小化主動配電網一年的支出為目標，目標函數表達式如下式：

minC=Cline+Closs

(4)

式中Cline——網架投資的等年值，萬元；

Closs——年損耗費用，萬元。

Cline、Closs的計算公式為：

(5)

Closs=TlossPloss

(6)

式中Fline——網架初始投資費用，萬元；

r——折現率，取8%；

n——線路的折舊年限，取30年；

Tloss——網絡損耗小時數，上海地區取2 900 h；

Ploss——下層規劃優化運行得到的網絡損耗，MW。

2.2　下層規劃模型

(1)優化目標

下層優化為主動配電網典型高峰負荷日運行優化，以日調度周期的負荷預測為基礎，通過優化計算求解出儲能的調度策略，由典型日推算全年儲能的充放電效益，實現儲能運營商的經濟利益最大化，其優化目標函數可以歸納總結如下：

maxCESS=EdischargePd-EchargePc-(ErateCE+PrateCp)/L

(7)

式中Edischarge——計算周期內儲能系統的放電能量，MWh；

Pd——儲能系統的放電電價，萬元/MWh；

Echarge——計算周期內儲能系統的充電電量，MWh；

Pc——儲能系統的充電電價；

Erate——儲能系統的額定容量，MWh；

CE——儲能系統的單位容量價格，萬元/MWh；

Prate——儲能系統的額定功率，MW；

Cp——儲能系統的單位功率價格，萬元/MW；

L——儲能系統的壽命，年。

(2)約束條件

在配置儲能系統時，模型應滿足系統、電站和儲能系統的運行約束，包括系統功率平衡約束、常規機組出力約束、儲能系統出力約束以及儲能系統SOC約束。

系統功率平衡約束：

(8)

式中SB——系統節點集合。

常規機組出力約束：

PGimin≤PGi(t)≤PGimax

(9)

式中PGimin、PGimax——常規機組i的最小、最大技術出力；

PGi(t)——常規機組i在階段t的出力。

儲能系統運行約束：

(10)

式中PESS/min(t)，PESS/max(t)——第i個儲能系統在階段t的最小和最大輸出功率，與當前階段儲能系統的SOC值、SOC上下限及額定功率相關；

PESSi(t)——階段t儲能系統的輸出功率；

SOCi max，SOCi min——第i個儲能系統SOC上下限值；

SOCi(t)——階段t儲能系統的SOC值。

(3)求解方法

上層規劃模型是一個配電網網架規劃模型，可在制定幾個備選的網架規劃方案后采用遍歷的方式進行最優方案求解。下層規劃模型實際是一個最優潮流模型，主動配電網的最優潮流控制既包括諸如儲能單元等連續可調的變量又包括聯絡開關等離散控制變量，其本質上是一個典型的混合整數非線性約束規劃問題。本文將采用粒子群優化算法對主動配電網最優潮流進行求解。

傳統粒子群優化算法(Particle Swarm Optimization，PSO)是美國電氣工程師Eberhart和社會心理學家Kennedy于1995年受到鳥群覓食行為啟發提出的，粒子群算法模擬鳥群飛行覓食的行為，通過鳥之間的集體協作使群體達到最優。粒子群優化算法的簡化流程圖如圖2所示。

圖2　粒子群算法流程圖

傳統PSO算法簡潔，易于實現，不需要調整過多的參數，并且不需要梯度信息，是非線性連續優化問題、組合優化問題以及混合整數非線性優化問題的有效優化工具。

3　算例分析

以上海市某臨空經濟園區為例，驗證考慮源—荷—儲系統協同互動效應的主動配電網多目標規劃方法。

3.1　負荷預測

負荷預測首先根據控制性詳細規劃提供的地塊用地性質、用地面積等指標，采用負荷密度指標法計算各類用戶的最大負荷值。其次根據最大負荷值以及各類用戶高峰負荷日的典型負荷特性曲線，擬合得到園區高峰負荷日負荷特性曲線，以此作為園區常規負荷預測的重要依據。

結合園區屋頂面積及可利用屋頂情況，估算園區可安裝屋頂分布式光伏40 MW，占高峰負荷的比例約為29%。由于上海市高峰負荷日出現在夏季，因此僅對夏季光伏可信出力進行研究，采用夏季7～9月份3個月光照強度數據，并依此計算每日24點出力數據，統計不同可信度下各調度時段的概率出力曲線，如圖3所示。

圖3　不同可信度下分布式電源日出力曲線

由圖3可見，可信度越低，分布式電源可信出力越大，在90%可信度時，分布式電源日最大出力為11.3 MW；在80%可信度時，分布式電源日最大出力為16.1 MW；在70%可信度時，分布式電源日最大出力為20.1 MW；在50%可信度時，分布式電源日最大出力為24.4 MW。

綜合園區常規負荷預測和分布式電源可信出力結果，根據式(1)可得到不同可信度下園區負荷預測結果，如圖4所示。

由于光伏白天出力大發，晚上沒有出力，可以看出園區高峰負荷由白天轉移至晚上7點左右，在90%、80%、70%可信度時，日最大負荷均約為129.9 MW；在50%可信度時，日最大負荷約為123.4 MW。主動配電網規劃將規劃與運行結合，以50%可信度負荷特性曲線為例作為主動配電網規劃案例計算基礎。

圖4　不同可信度下園區高峰負荷日負荷特性曲線

3.2　主動配電網多目標規劃方法

(1)待選支路集。園區現狀10 kV電網及規劃待選支路集合如圖5所示。待選支路集合共3回，分別為臨蘇開關站～協淞開關站、臨福開關站～協淞開關站以及金通開關站～廣北開關站。三個方案新建線路長度分別為1.16、1.61 km和1.15 km。

圖5　園區現狀電網及規劃待選支路集合

(2)計算參數。為了定量優化給定配電網的儲能選址方案，算例給定的計算參數見表1。

表1　計算參數表

(3)儲能定容結果。采用粒子群優化算法進行下層優化問題求解，優化得到儲能的額定容量為9 MWh(約為光伏裝機規模的22.5%)，額定功率為1.1 MW，最優方案儲能運營商的年凈收益為35.3萬元。優化方案與其他方案對比見表2。

表2　儲能定容方案對比

(4)網架規劃方案。根據儲能額定功率和額定容量，結合儲能臨蘇、臨福、協淞、金通以及廣北5個待選布點位置，分別計算3個待選支路集合的年綜合成本，得到最優的網架規劃方案為方案1，最優的儲能布置位置為臨蘇開關站，年綜合成本約為414.1萬元。優化方案與其他方案的對比見表3。

表3　網架規劃方案及儲能選址方案對比

4　結語

本文提出了考慮源—荷—儲協同互動效應的配電網負荷預測方法，建立了風、光等間歇式分布式電源的可信出力模型，使得負荷預測結果更具科學性和合理性。

在負荷預測基礎上，構建了主動配電網雙層多目標優化模型，對網架規劃和儲能系統選址定容提供決策依據。最后以上海某臨空經濟園區為例對負荷預測和多目標優化方法進行驗證，計算案例表明，所提方法具有一定的實際應用價值。

參考文獻：

[1]邢海軍,程浩忠,張沈習,等. 主動配電網規劃研究綜述[J].電網技術,2015,39(10):2705-2711.

XING Haijun, CHENG Haozhong, ZHANG Shenxi, et al. Review of active distribution network planning[J].Power System Technology, 2015, 39(10): 2705-2711.

[2]沈欣煒,朱守真,鄭競宏,等. 考慮分布式電源及儲能配合的主動配電網規劃-運行聯合優化[J]. 電網技術,2015,39(07):1913-1920.

SHEN Xinwei, ZHU Shouzhen, ZHENG Jinghong, et al. Active Distribution Network Planning-Operation Co-optimization Considering the Coordination of ESS and DG[J]. Power System Technology, 2015,39(07):1913-1920.

[3]曾鳴,韓旭,李博. 考慮不確定性的多階段主動配電網規劃模型研究[J].電力建設,2015,36(1):65-71.

ZENG Ming, HAN Xu, LI Bo. Study of multistage planning for active distribution networks under uncertainty[J].Electric Power Construction, 2015, 36(1): 65-71.

[4]曾鳴,韓旭,李博. 考慮不確定性的多階段主動配電網規劃模型研究[J].電力建設,2015,36(1):65-71.

[5]鐘清,余南華,孫聞,等. 主動配電網分布式電源規劃及經濟性分析[J].電力系統及其自動化學報,2014(11):82-86.

[6]方陳. 主動管理模式下含分布式發電的配電網網架規劃[C].2014輸變電年會論文集.

[7]張建華,曾博,張玉瑩,等. 主動配電網規劃關鍵問題與研究展望[J].電工技術學報,2014,29(02):13-23.

[8]鐘清,孫聞,余南華,等. 主動配電網規劃中的負荷預測與發電預測[J].中國電機工程學報,2014,34(19):3050-3056.

ZHONG Qing, SUN Wen, YU Nanhua, et al. Load and power forecasting in active distribution network planning[J].Proceedings of the CSEE, 2014, 34(19): 3050-3056.