主動配電網分布式電源規劃分析與研究

李彥生

（大理供電局，云南大理 671000）

傳統配電網網絡規模擴充困難，空間資源受限，電網負荷的快速增長已難以滿足分布式能源的大量接入要求，因此傳統配電網需向主動配電網轉型[1]。采用發電側與需求側的協調優化，提升可再生能源利用率，通過大量分布式能源的接入并網，提升經濟價值[2]。

主動配電網是由分布式電源、負荷及儲能設備等構成的微網系統[3]。目前，相關研究者對其分布式能源規劃進行了大量研究。文獻[4]將運行成本、利潤及用戶用電作為目標，優化儲能系統容量，但其目標配置單一，無法從全局對配電網的規劃情況進行分析。文獻[5]通過改變配置方式規劃主動配電網的分布式能源，但只是對調度計劃因素或最小排碳量進行了優化，未考慮規劃的經濟效益。

基于以上研究，文中對主動配電網各分布式能源進行規劃，建立多目標優化模型。模型中以線損、儲能調峰及發電成本作為優化目標，以功率平衡為約束條件，結合粒子群算法、自適應遺傳算法進行模型求解，以提高分布式系統容量配置的合理性。

1 理論基礎研究

當前，我國電網采用將用戶串聯成環的方式進行架設，該種形式確保了一側發生故障時，仍可為用戶供電，增加了電網運行的可靠性[6]。將由可控負荷、分布式儲能及發電組成的微網系統接入配電網，增加了系統架構和操作的靈活性、便捷性，提高了系統的安全性，具有容易擴容的優勢，適用于并網和孤島兩種運行模式[7]。

文中以中低壓配電網為研究對象，其主動配電網環網接線方式如圖1 所示。

圖1 主動配電網環網接線示意圖

圖1 中，分布式能源由風機、光伏兩種發電形式構成，可控負荷為3 處。文中基于環網配電、線路損耗及負荷預測對某供電單元分布式能源進行合理規劃，以確保系統運行的經濟性、可靠性。

1.1 分布式能源數學模型建立

1）光伏系統

忽略線路損耗等因素，理想狀態下光伏發電功率[8]為：

式中，U為陣列輸出電壓；I為工作電流；U0、Is分別為參考溫度及日照強度下的開路電壓及短路電流；C1、C2分別為與功率跟蹤點開路電壓及電流、短路電流相關的常數；ΔU、ΔI分別為環境溫度及日照強度變化時的修正電壓及修正電流。

2）風力發電系統

風力發電機組輸出功率[9]為：

式中，A、Pw分別為風輪掃掠面積及輸出功率，A=πR2；β、R分別為槳距角及風輪半徑；ρ、v分別為空氣密度及風速；α為葉尖速比；CP為風能轉換系數。

3）儲能系統

由于變流器系統及電池容量限制，儲能系統相鄰時間段的能量[10]為：

式中，η+、η-分別為充電、放電功率，其與放點深度、環境溫度及內阻相關；ξ為儲能系統自放電率，與電池內部特性相關；E(t)為儲能系統前一時刻能量；分別為第i時間段系統的儲存功率、釋放功率。

1.2 負荷預測

恒阻抗負荷、恒電流負荷及恒功率靜態負荷為配電網負荷的主要形式。在配電網規劃中，通過削峰填谷來降低分布式能源的容量需求[11]。基于負荷曲線，負荷趨勢可劃分為友好型負荷Pg及峰值負荷Pmax，以滿足用戶基本用電需求及用電最大值需求。

基于負荷需求相關性分組，確保各分組內負荷需求相似。不同時間負荷需求相關性分組-多時間點預測流程如圖2 所示。

圖2 需求相關性分組-多時間點預測流程圖

基于主動配電網一年內各時間段的負荷需求相關性，建立主動配電網系統。統計本地一年內線性、非線性負荷，并選定負荷量Pf0居中的月份，對比各月負荷量Pf，Pf≤Pf0±50%。以Pf0為參考值，統計各月負荷值與參考值之間的偏差若測量負荷值則該負荷為友好型負荷，反之為非友好型負荷。

基于相關性分組-多時間點預測，通過K-mean聚類分析，根據負荷約束形式，提升分布式能源規劃精準性。

2 主動配電網規劃方法研究

2.1 安裝位置優化

分布式電源包含光伏、風力發電機組等受位置及地理環境影響較大的新能源發電裝置，假設安裝位置為風資源及光資源的最佳接受位置。由于確定安裝位置時應綜合考慮線路損耗問題，因此所建立目標函數應對此充分考慮。線路損耗規劃中包含將電網輸送功率向電費損耗量的折算及無功功率、有功功率損耗量[12]。

單運行周期中饋線損耗Ploss為:

式中，Pi為第i饋線于Δt時刻的功率損耗值；t0為初始時刻；n為總饋線量；Ri為第i饋線的電阻值；Qi,t、Ri,t、Ui,t分別為第i饋線于Δt時刻的無功功率、有功功率及支路電壓值。

線路損耗向電費損失f1折算為:

式中，Lj為各時刻電價成本；Pj(t)為t時刻第i饋線的功率損耗。

2.2 分布式能源規劃

在分布式能源規劃中，綜合發電成本，設定分布式能源目標函數[13]，即：

式中，fPV為光伏發電成本；fw為風力發電成本；x為風力發電機個數；ax為單位風力發電機造價；Pwx為單風力發電機功率容量；L(Pwx)為風力發電機組折舊及年維修費用；r、φ為貼現率；PPVy為光伏發電功率容量；by為光伏發電單位造價；l為利率；L(PPVy)為光伏系統折舊及年維修費用。

2.3 儲能系統容量規劃

儲能系統能量優化可削峰填谷、平抑輸出功率，提高系統穩定性。文中綜合考慮峰谷電價差，以加入儲能系統的主動配電網經濟性為優化目標，對儲能系統容量進行配置。

儲能設備購進成本C0為固定值，運維成本每年按照比例上漲，儲能系統整個壽命周期所產生的經濟效益[14]為：

式中，Cr0、Cri分別為第一年及第i年運維成本的增長；分別為第i時刻用電高峰期及用電低谷期電價；β為增長系數；k為年投運天數；C為初始投入成本及運行成本和；C/k為儲能系統折算后單天成本。

2.4 多目標優化

綜合考慮運行成本、位置優化、線路損耗及儲能經濟配置，進行多目標優化，優化目標函數[15]為：

式中，c1、c2、c3為權重系數，且c1+c2+c3=1，根據優化側重不同，選取對應權重系數。

約束條件包含蓄電池不越限，儲能系統滿足負荷要求，功率平衡等，即

式中，Pload為整體負荷；Pout為輸出供給功率；PES_in、PES_out分別為儲能系統充電及放電功率；Pin為需要輸出功率；Ec_i、Pe_i分別為第i個儲能系統單元容量及功率；Nmax為允許充放電次數最大值；Lc(i)、Ld(i)分別為第i個時間段連續充電和連續放電次數；分別為i時段儲存功率及j時段釋放功率；η為充電效率。

下標PV、w、load、c 分別表示光伏系統、風力發電機組、負荷及儲能系統。

2.5 多目標求解

在分布式能源規劃中，通過權重及自適應泛函數的遺傳算法進行多目標求解[16]，即：

z1、z2、z3為通過遺傳算法對多目標進行優化后的函數。

為將全部目標函數轉變為最小化問題，需將儲能經濟收益最大化目標進行取負處理。對于各既定個體x，其權重為：

式中，i為種群染色體編號；max、min 分別對應函數取最大、最小值。

為有效地歸一化處理目標函數權重，將式（11）中每個目標函數的個數同時減對應式（8）的c1、c2，對應c3。

式（8）優化目標函數可轉變為

規劃求解主動配電網分布式電源時，通過自適應遺傳算法配置各分布式電源位置、容量，確保整個局域配電網的安全性和經濟性。

3 仿真分析

為了對文中規劃方法的有效性進行驗證，依據某地實際負荷進行負荷預測，并對主動配電網構架下的分布式能源進行規劃。基于該地區實際負荷，結合需求相關性分組及多時間點預測的方法對負荷側進行預測，獲得本地負荷數據均值和峰谷差負荷數據最大值，如圖3 所示。

圖3 某地實際負荷預測結果

由圖3 可知，該區域每天分別于11:00、17:00 及19:00 出現3 次負荷高峰，各高峰持續時間分別為2.5 h、3.5 h、2.0 h，且于11:30 及17:00 出現負荷峰值。基于負荷預測，合理配置各分布式能源容量。通過IEEE-RTS 24 總線系統進行實例分析，其中并網節點為節點3，其他節點為負荷節點，根據圖3 預測結果對節點8 加載負荷數據。

基于各節點負荷需求，綜合分析分布式能源運行成本的經濟性、儲能經濟性及線路損耗，確定儲能系統安裝位置及系統容量，確保整個區域配電網運行的經濟性。不同節點分布式電源配置如表1所示。

由表1 可知，風力發電系統安裝于節點2、18、23；光伏發電系統安裝于節點7、15、21；儲能系統安裝于節點1、22。各節點設備容量為200～800 kW。

表1 不同節點分布式電源配置

以節點8 所配置分布式電源為例進行分析，根據儲能和負荷的工作情況，計算運行的經濟性和棄風、棄光量。不同運行模式及結果分析如表2 所示。

表2 不同運行模式及結果分析

由表2 可知，負荷波動情況隨儲能狀態的變化而變化，致使儲能系統運行費用發生變化，同時產生一定程度的棄風、棄光。

4 結論

為提高主動配電網供電的經濟性及可靠性，增加分布式能源利用率，文中對電源規劃方法進行了研究。通過需求相關性分組預測負荷，并基于預測結果規劃分布式能源，同時充分分析線路損耗、分布式能源發電成本、儲能系統運行的經濟性等因素，實現儲能系統各分布式電源的選址與定容，為主動配電網擴容及規劃提供了理論依據和方法。