基于高滲透可再生能源分層分區并網節能規劃

溫新　邵科　王念念　王一帆

摘 要

針對加入可再生能源后的配電網規劃和系統優化問題，提出了一種考慮投資成本的和節能效果的分層分區規劃模型。上層規劃在規定總投資成本的目標函數后，考慮了可再生能源的接入規劃和相應的約束條件，下層從儲能的加入和線損最小為目標函數，通過上層給定的電源規劃下計算最小網損，生成最優的組合方案。

關鍵詞

配電網;可再生能源;二層規劃模型;節能規劃

中圖分類號： G633.6 ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼： A

DOI：10.19694/j.cnki.issn2095-2457.2020.04.70

0 引言

現代社會對電力供應的可靠性、無污染性要求的提高，傳統火力發電所帶來的環境污染、全球氣候變暖等問題越來越被人們所重視。由于無法靈活跟蹤負荷網的變化，所以采用清潔性能源的分布式發電得到了快速發展。

研究表明，針對同一線路不同的節能手段降低損耗的潛力不同;同一種節能手段針對不同的線路運行條件，節能潛力依舊有較大差距。因此，通過對不同節能技術手段在不同線路上節能潛力的對比分析，有助于節能方案的高效實施。

如今，配電網節能任務中考慮了電源的影響，例如在模型中加入的電源位置和容量的不相同，將帶來不同的線損方面影響。文獻[1] 搭建了最小化配電網有功網損、電壓偏差和靜態電壓穩定指標的多目標優化的模型，并兼顧了配電網運行經濟、安全和穩定性。文獻[2]把配電網運行的經濟性和電壓質量當作目標，并將多場景的分析運用在其中。基于以上分析可知，當可再生電源接入主要會對網絡損耗、潮流分布情況等方面產生影響。這些因素的改變會影響整個系統的運行成本增加。因此本文主要從DG的投資運行成本、發電成本等方面建立優化配置電源模型

本文下層模型以電網損耗為目標函數，綜合考慮原有網絡結構的電網損耗，借鑒引用改進遺傳算法進行重構，在結合節點電壓幅值保證、最大輸送容量等因素，重構優化模型，實現網損最小化。

基于以上分析，本文提出了一種高滲透可再生能源分層分區電網并網節能規劃方法。首先從DG的投資運行成本、發電成本等方面建立優化配置電源模型，然后綜述近10年來傳統配電降損法及含有分布式電源的配電網優化配置研究成果，通過建模分析配電網中光伏電源容量、位置、運行方式對配電網網損的影響。

1 節能規劃模型

1.1 分層分區節能規劃思路

首先對待改造區域的電網依照供電片區或變電站實行解列分區成各子區配網，之后根據子區配網節能指標的情況，建立雙層規劃模型。上層模型考慮電源規劃接入點位置和容量，計算總投資成本。下層模型考慮降損方案，運用改進遺傳算法，計算電網總網損值。

1.2 接入分布式可再生能源的網損變化模型

在簡單的潮流計算中，電網負載端的消耗由電源端單獨提供，而引入分布式可再生能源后，電網消耗由電網電源與分布式可再生能源共同提供。本文采用文獻【3-4】的模型，運用數學分析推導出影響電網損耗的影響因素。在負荷大小相同，不考慮線路壓降以及三相不平衡的情況下，建立的理想模型圖1和圖2。設全線路電壓為U0，其中，Ps、Qs分別代表電源的有功功率、無功功率;Pl、Ql分別代表負荷的有功功率、無功功率;PG、QG分別代表可再生能源電源（RES）有功、無功功率;L代表電網電源與負荷之間的距離;LG代表電網電源與可再生能源電源（RES）之間的距離。

通過接入可再生能源，電網網損可以得到有效降低，因為可再生能源可以改變電網的潮流構成。無可再生能源接入的系統中，電網電流大量在線路中流動，造成較大的線路損耗，而加入后負荷所需用電，一部分由電源供給，另一部分改為由接近負載端的可再生能源提供。

1）系統流入負載的單項電流：

假設線路單項阻抗率為r0（Ω/km）未接入可再生能源時，IS=IL，電網損耗為：

2）接入可再生能源后單項電流為IG：

所以電源單獨提供的電流Is：

此時電網損耗將分為兩個部分：

3）可得是否接入可再生能源，電網網損差值為：

由式可知，電網網損因素與可再生能源接入處與負荷距離（LG）、接入可再生能源的功率（PG）、無功功率（QG）相關。

1.3 各個影響網損因素的分析

1）可再生能源的接入位置

由網損差值式可知，當接入的可再生能源容量以及功率因數不變時，△S的大小僅與LG的大小線性相關，LG為電網電源與可再生能源接入之間的距離，當LG越大，及可再生能源越接近負荷中心時，△S越大。

2）可再生能源相對負荷容量

由網損差值式可知，當考慮可再生能源相對負荷容量對網損影響時，控制可再生能源的位置及功率因數為一定值，即設LG為常數;設可再生能源相對負荷的比值為K，即：

可見，當K=1時，△S最大，即此降損最優;當K=2時，△S=0，表明此時無降損效果;當K>2時，網損將大于未接入可再生能源。

所以當可再生能源容量與負荷的容量相當時，可使配電網損耗最小。

3）可再生能源運行時功率因數

由網損差值式可知，此情況下要控制可再生能源位置及容量不變，設PG=SGcosφ，QG=SGsinφ（φ為可再生能源系統功率因數角），則無功功率略多時會減少系統損耗，可再生能源發出的無功功率補償了負載所需的原本在電網中吸收的無功功率，從而無功電流減小，減小電路的有功損耗。若要為電網提供無功支撐[5]，可采用目前常用的恒無功功率Q控制[6]、恒功率因cosφ控制[7]、基于并網網點電壓幅值的cosφ（U）[8]

1.4 上層規劃模型

1.4.1 目標函數

本文將DG接入配電網，以總成本最小化為目標建立模型：

minF=min（F1+F2+F3）

式中：F1為可再生能源的年投資，運行成本;F2為DG的發電費用

（1）可再生能源的年投資成本和運行費用表達式為：

式中：n為規劃年限;r為固定的年利率;C 為第i個節點處可再生能源的投資成本;C 為可再生能源的運行成本;P 為可再生能源在i節點安裝的容量;xi為是否安裝可再生能源;Nd為裝置可再生能源的節點數目。

（2）DG的發電費用表達式為：

式中：Tmax為最大電網利用小時數;C 為第i個可再生能源的單位容量發電價格。

（3）網損費用的表達式為：

Ce為銷售電價，Ploss為網損值

1.4.2 約束條件

（1）潮流平衡約束

式中：N為總節點數;Pi、Qi分別為注入到節點i的有功、無功功率;θ、f分別為節點電壓的實、虛部分量;Gij，Bij分別為節點導納矩陣的實、虛分量。

（2）節點電壓約束

式中：Uimin，Uimax分別為節點i處電壓的下限、上限。

（3）分布式能源接入容量的約束

式中：Pi為節點i允許安裝的可再生能源最大容量。

（4）可再生能源安裝總容量限制

式中：β為0.6;P為系統負荷總容量， 為高比例可再生能源率

1.5 下層規劃模型

根據上述影響網損因素的分析，結合文獻xx構建以下模型，重構電網結構：

1）潮流計算收斂性約束

潮流計算時，收斂性受網絡結構、帶入初值確定等諸多因素影響。本文計算時若迭代計算不超過40次可以收斂的方案即視為符合要求的構造方案。

2）電壓幅值約束

即如式中所示，節點電壓（U ）要在電壓幅值最小值（Umin）與最大值之間（U ）。

3）輸送線路容量約束

式中，S 為線路的最大輸送容量。

4）分布式電源滲透率約束

式中，S 代表分布式電源額定功率;SL代表電網的總負荷。

應用文獻【9】表示配電網的網絡構架矩陣：

1）配電網不同層網絡結構的線路信息矩陣C

2）包含線路首末兩端節點信息的矩陣S和M

3）配電網各個層次之間的關系矩陣G

確定這幾個矩陣后，把恒功率模型分布可再生能源和儲能裝置并入節點，即可進行對電網的前推回代潮流計算。

2 模型求解

2.1 場景削減法

分布式電源特別是光伏發電與風力發電通常有不確定性與隨機性的特征，并且大部分時間的輸出功率達不到額定值。如果不去考慮時間特性，只是把分布式電源作為恒定的直流點源，不同類型的分布式電源輸出特性并不能完全反映，因此求出配電網的優化結果一定與實際相差甚遠。所以，風電和光伏等分布式電源在接入配電網時，需要考慮電源時序特性。具體來說，像風力發電，風速會隨著季節變化并存在巨大差異，能夠通過待規劃區域風速隨著時間的變化數據得出出力特性;像光伏發電，光照強度受到天氣和季節的雙重影響，在進行時間劃分的基礎上，能夠同時依據天氣情況進行劃分。

可以發現，分布式電源出力是以年為周期的，如果將風速、光照強度與數據樣本的時間間隔設定為1小時，那一年有8760個數據樣本，共8760個場景，而在模型的求解過程當中，還要對每個場景做計算，如此將導致運算量特別大，規劃復雜度也高，對此運用場景削減方法減少不確定性場景個數是必要的。本文提到了改進后的K-means聚類算法來聚類類似的場景，場景聚類后，能夠簡化原始數據，大大縮減計算量和計算時間。對風速和光照強度聚類之后，相應的功率輸出能夠依據前文所描述的建模方法計算求得。

改進后的K-means聚類方法

K-means聚類算法以與k個聚類中心距離最小為原則，把數據集經過迭代分為不同的聚類，在給定聚類個數時能夠得到較好的性能。但是，傳統的聚類算法無法給出最優的聚類數目，在實際使用時的結果或許并不是最適合的。針對這個問題，本文依據選擇聚類有效性指標，對傳統的k均值聚類算法進行了一定的改進，即在聚類數目的范圍內，對聚類結果進行了分析，確定下來最優聚類數目。

改進K-means方法的原理為，在聚類個數的搜索范圍之內，根據聚類有效性指標來評價聚類結果質量，搜索聚類空間能夠得出一系列的聚類結果，選擇最優聚類結果相對應的最優聚類個數。聚類個數搜索范圍為2， 中的整數，其中N是數據集中的樣本總數。本文選擇適合K-means聚類的Calinski Harabasz（CH+）有效性指標進行判斷，CH+指數的定義是：

其中，Tk與Pk分別是k處的類間方差與類內方差，分別反映類間分散性與緊密性。隨著k值的增加，Pk逐漸減少，Tk逐漸增加，而CH+的索引值在一定k時可能達到最大值，這與最優聚類數k相對應，由此應該選擇CH+指數大、類數少的聚類結果。

改進后k均值聚類的算法步驟如下：

（1）設置聚類數k搜索范圍為2， ;

（2）依據搜索范圍內最大和最小距離原則，選擇初始聚類的中心。采用k均值聚類算法對聚類中心做更新，直到能符合判別函數并收斂為止。依據聚類結果計算CH+指數，循環進行第2步;

（3）比較不同k值下的CH+指數，當CH+指數到最大值時，對應的k值為最佳簇數;

（4）輸出最優聚類結果。

2.2 運用改進遺傳算法進行重構[10]

該算法應采用十進制編碼方法，將配電網中的回路數視為染色體長度。將環網中各開關的開、關狀態視為一個復合染色體組基因，分布式供能和儲能裝置等效為“負”負荷，根據配電網結構獨特的層次性特點，以分層前推回代來潮流解。

3 結論

本文以經濟投資成本為主要目標，綜合考慮可再生能源接入影響能、源規劃模型以及環保節能效益等因素，實現分層分區，統籌合理分配，實現了經濟效益最大化。運用場景削減法，將不確定的可再生能源出力變換為可確定的求解值。通過基于改進遺傳算法進行含分布式可再生能源和儲能裝置的配電網重構，在保證節點電壓的同時，實現了電網網損的降低，并使節點電壓得到補充。本文在考慮經濟效益與節能環保的同時，切實考慮電力系統安全性和穩定性的需求，使課題研究更加貼合實際需求。

參考文獻

[1]吳雄.分布式電源并網多目標規劃與決策研究[D].

[2]劉君.基于分類概率多場景分析的分布式電源規劃研究[D].

[3]馬明.分布式電源對配電網網損影響及配置的研究[D].南京理工大學，2007.

[4]涂有慶.含分布式發電的配電網網損研究[D].湖南大學，2008.

[5]司傳濤，肖靜，張閣，et al.光伏發電系統無功支撐能力評估分析[J].廣西電力， 2015， v.38;No.156（06）：32-38.

[6]司傳濤，肖靜，張閣，et al.光伏發電系統無功支撐能力評估分析[J].廣西電力， 2015， v.38;No.156（06）：32-38.

[7]晁陽.并網光伏發電系統無功電壓控制研究[D].重慶大學.

[8]司傳濤，肖靜，張閣，et al.光伏發電系統無功支撐能力評估分析[J].廣西電力，2015， v.38;No.156（06）：32-38.

[9]江卓翰，何禹清，曹麗璐，et al.基于改進遺傳算法的含分布式電源和儲能裝置配電系統網絡重構[J].電力系統保護與控制，2018.

[10]雷英杰，張善文.MATLAB遺傳算法工具箱及應用[M].西安電子科技大學出版社，2014.