計及電壓分區(qū)協(xié)調控制策略的分布式光伏接入配電網(wǎng)規(guī)劃

張赟寧 童 凡 石 澤

(1.三峽大學 電氣與新能源學院, 湖北 宜昌 443002；2.智慧能源技術湖北省工程研究中心(三峽大學)，湖北 宜昌 443002；3.國家電網(wǎng) 黃石供電公司，湖北 黃石 435000)

由于國家對新能源發(fā)電的鼓勵，近幾年分布式電源(DG)在配電網(wǎng)中的滲透率不斷提高，尤其是分布式光伏(PV)的發(fā)展[1，2].然而光伏出力和負荷需求由于受到不同因素的影響存在不確定性，這是光伏并網(wǎng)規(guī)劃時必須考慮的問題.若光伏并網(wǎng)規(guī)劃不合理，會使配電網(wǎng)發(fā)生電壓越限、諧波污染等多種風險問題[3，4].因此，光伏和負荷的不確定性給光伏的并網(wǎng)規(guī)劃帶來了難題.

在現(xiàn)有的研究成果中，考慮不確定性的DG并網(wǎng)規(guī)劃都是在候選安裝點給定的情況下，主要基于多場景技術[5，6]，采用智能優(yōu)化算法求解DG并網(wǎng)的規(guī)劃模型，確定最優(yōu)的DG安裝容量.其中多場景技術是將全年中各隨機變量可能出現(xiàn)的值按規(guī)則組合成參數(shù)確定的多個規(guī)劃場景，將不確定性問題轉化為確定性問題[7].文獻[8]采用模糊c均值聚類方法對光伏日場景進行削減，形成典型日場景，但是聚類前分類數(shù)取值為5，場景個數(shù)的確定是不合理的.文獻[9，10]考慮了資源和負荷的時序特性，基于季節(jié)性典型日各個時段的時序數(shù)據(jù)模擬全年的配電網(wǎng)運行，雖然減少了規(guī)劃場景數(shù)量，但未考慮到DG資源在相同季節(jié)的不同天氣下也有較大的差異.

除了考慮規(guī)劃場景劃分的合理性之外，建立規(guī)劃目標模型時還不能忽略主動管理措施在改善電壓質量、提高DG并網(wǎng)容量等方面的作用.文獻[11]雖然考慮了DG和負荷的時序特性，以綜合費用最小為目標構建目標函數(shù)，但規(guī)劃模型上沒有提及主動管理措施.文獻[12，13]建立了考慮主動管理措施的多目標雙層分布式電源規(guī)劃模型，但忽略了分布式電源出力受季節(jié)、天氣的影響，劃分場景不夠合理，并且優(yōu)化目標中并沒用考慮到電壓水平.文獻[14]針對光伏并網(wǎng)導致的電壓越限問題，構建計及電壓調節(jié)策略的多目標分布式光伏規(guī)劃模型，但電壓調節(jié)策略中涉及到的基于靈敏度的集中電壓控制不適合未來大比例光伏接入的情況，控制變量維數(shù)多、控制過程復雜.

基于以上分析，為了考慮光伏出力與負荷需求的季節(jié)性、天氣性變化特征，使規(guī)劃更加合理，同時提高模型求解效率，本文首先采用同步回代消除法將全年日場景削減，劃分為4個不同季節(jié)(春、夏、秋、冬)3種不同天氣(晴、陰、雨)組合成的12組典型規(guī)劃場景.然后建立計及電壓分區(qū)協(xié)調控制策略的以光伏運營商年平均凈收益最大、配電網(wǎng)平均有功網(wǎng)損最小、配電網(wǎng)平均節(jié)點電壓偏差最小的多目標雙層光伏規(guī)劃模型，并采用基于目標相對占優(yōu)策略[15]的縱橫交叉算法(crisscross optimization, CSO)對該多目標規(guī)劃模型進行求解.最后通過IEEE33算例的仿真分析來驗證該求解算法的有效性和規(guī)劃方案的優(yōu)越性.

1 典型場景劃分

為了使規(guī)劃更加合理，必須考慮光伏出力和負荷大小在時序上的不確定性.但是僅以某一日的24 h時序光伏出力和負荷曲線數(shù)據(jù)當作規(guī)劃參數(shù)，并不能體現(xiàn)光伏出力和負荷的季節(jié)性和天氣性變化特征.若利用全年8 760 h的所有歷史數(shù)據(jù)，則潮流計算運算量過大，模型求解效率降低.因此，本文將全年劃分為4個不同季節(jié)(春、夏、秋、冬)3種不同天氣(晴、陰、雨)組合成的12組典型規(guī)劃場景.

由于光照強度會隨著季節(jié)、天氣的變化呈現(xiàn)規(guī)律的周期波動，因此光伏典型場景需要根據(jù)不同季節(jié)不同天氣光伏的日場景進行削減獲得.本文進行日場景削減時，通過某地的全年光伏出力歷史數(shù)據(jù)，采用同步回代消除法，其方法具體步驟可參考文獻[16].最終得到不同季節(jié)不同天氣下光伏出力的時序曲線，如圖1所示.

圖1 典型場景下的光伏出力波動曲線

由于天氣的變化對負荷需求影響甚小，因此負荷典型場景的形成只需根據(jù)季節(jié)性變化對日場景進行削減.最終場景削減得到的不同季節(jié)負荷需求波動曲線如圖2所示.

圖2 不同季節(jié)下的負荷需求波動曲線

其中，各典型場景G發(fā)生的概率P(G)可表示為：

(1)

式中：Tg表示典型場景G所對應的典型日在一年中所占的天數(shù)，通過當?shù)氐臍庀髿v史數(shù)據(jù)獲得.

2 雙層規(guī)劃模型

分布式光伏并入配電網(wǎng)的規(guī)劃中不僅要考慮光伏運營商的經(jīng)濟利益問題，還要考慮含有分布式光伏的配電網(wǎng)在運行過程中的技術性問題，其中包括配電網(wǎng)的有功網(wǎng)損和節(jié)點電壓水平.因此，本文上層模型構建光伏運營商的年平均凈收益最大、配電網(wǎng)平均有功網(wǎng)損最小、配電網(wǎng)年均節(jié)點電壓偏差最小的多目標函數(shù)；下層模型計及分布式光伏并網(wǎng)運行時的分區(qū)協(xié)調控制策略，解決高滲透率分布式光伏并網(wǎng)易引起的電壓越限問題.其中，上層模型將光伏安裝容量傳遞給下層，下層在已知光伏安裝容量的基礎上運行電壓分區(qū)協(xié)調控制策略，然后將運行后的系統(tǒng)狀態(tài)傳遞給上層.本文采用基于目標相對占優(yōu)策略的縱橫交叉算法對該模型求解，獲得較優(yōu)的光伏安裝容量.

2.1 上層多目標分布式光伏并網(wǎng)規(guī)劃模型

2.1.1 多目標函數(shù)

1)光伏運營商年平均凈收益

光伏運營商規(guī)劃期內的收益主要指售電收益、政府補貼和設備殘值.成本主要考慮配電網(wǎng)的投資成本、運行維護成本.由于資金的價值跟時間有關，在規(guī)劃期內不同年份光伏運營商所產(chǎn)生的收益和成本，其價值也不同.因此，本文對于收益和成本，均采用折現(xiàn)值表示.其年平均凈收益L的規(guī)劃模型如下所示：

maxL=R-C

(2)

(3)

2)配電網(wǎng)平均有功網(wǎng)損

配電網(wǎng)的平均有功網(wǎng)損應為所有場景日下每小時有功網(wǎng)損期望值之和的平均值，該規(guī)劃目標函數(shù)為：

(4)

3)配電網(wǎng)平均節(jié)點電壓偏差

節(jié)點電壓偏差指的是節(jié)點電壓與額定電壓之差的絕對值，規(guī)劃中配電網(wǎng)的平均節(jié)點電壓偏差應為所有場景日下每小時每個節(jié)點電壓偏差期望值之和的平均值，該值越小表明系統(tǒng)電壓水平越好.因此，規(guī)劃目標函數(shù)為：

(5)

式中：Ud為配電網(wǎng)的平均節(jié)點電壓偏差；Nn為配電網(wǎng)節(jié)點個數(shù)；Us，t，n表示第s個場景第t個時段第n個節(jié)點的電壓幅值；Urate為額定電壓，標幺值為1.

2.1.2 上層約束

光伏安裝容量不等式約束

(6)

2.2 下層考慮電壓分區(qū)協(xié)調控制

2.2.1 電壓分區(qū)協(xié)調控制策略

為了解決配電網(wǎng)中高滲透率光伏易引起的電壓越限問題，并且考慮到電壓集中控制計算變量維數(shù)多、控制過程復雜等缺點，本文在配電網(wǎng)光伏接入規(guī)劃中，提出了計及電壓分區(qū)協(xié)調控制策略的規(guī)劃方案.對于配電網(wǎng)分區(qū)，則基于電氣距離，根據(jù)文獻[17]中的配電網(wǎng)分區(qū)步驟對配電網(wǎng)進行節(jié)點分區(qū).

對于本文的電壓分區(qū)協(xié)調控制策略，則采用事件驅動方式，分布式光伏并網(wǎng)運行時，若負荷或光伏出力發(fā)生驟變使配電網(wǎng)某些節(jié)點的電壓越限時，首先確定各自分區(qū)內部的電壓偏離安全值最嚴重的點；然后基于節(jié)點之間的無功/電壓靈敏度大小，利用本區(qū)域內最靈敏的光伏電源的無功調壓能力對電壓越限最嚴重的點進行電壓調節(jié).

在對電壓越限點進行調壓的過程中，為了提高光伏運營商的售電收益，優(yōu)先考慮無功的調節(jié).當某分區(qū)內部的越限點電壓還沒恢復到安全范圍內且本區(qū)域的光伏無功調壓能力受限時，則選擇與其電氣距離最近且具有無功調壓能力的光伏電源對其進行跨區(qū)域調壓；若所有光伏電源的無功電壓調節(jié)能力受限且電壓越限現(xiàn)象仍繼續(xù)存在時，才開始利用光伏的有功調壓能力對電壓越限點進行電壓調節(jié).考慮先無功后有功的總體電壓控制策略流程框圖如圖3所示.

圖3 總體電壓控制策略流程框圖

2.2.2 下層約束

光伏調壓時，必須考慮每個場景下的每個約束條件.

1)潮流等式約束

(7)

2)節(jié)點電壓約束

(8)

3)支路功率約束

(9)

4)光伏逆變器容量約束

(10)

3 模型求解方法

分布式光伏并入配電網(wǎng)的容量優(yōu)化是一個多目標優(yōu)化問題，各個目標的解往往是相互沖突的.并且多目標優(yōu)化算法優(yōu)化獲得的pareto最優(yōu)解存在多個，而分布式光伏并網(wǎng)規(guī)劃需要從眾多的規(guī)劃方案中決策出一個使各個目標相對平衡的確定方案.因此，本文采用縱橫交叉算法對分布式光伏并網(wǎng)容量進行優(yōu)化，并基于目標相對占優(yōu)策略將多目標優(yōu)化問題轉變?yōu)閱文繕藘?yōu)化問題，同時可以避免對不同量綱單位的標準化處理.求解分布式光伏規(guī)劃模型的流程如圖4所示.

圖4 規(guī)劃模型求解流程圖

適應度函數(shù)為：

(11)

本文采用基于目標相對占優(yōu)策略的CSO算法對分布式光伏的規(guī)劃模型進行求解，每一個CSO粒子都是解空間中的一個解，具有Npv個維度，它可以用式(12)表達.

X=[P1，P2，P3，…，Pn，PNpv]

(12)

4 算例分析

本文選擇IEEE33節(jié)點配電系統(tǒng)作為算例，對所提的分布式光伏規(guī)劃方法進行分析，系統(tǒng)結構如圖5所示.

圖5 IEEE 33節(jié)點配電網(wǎng)系統(tǒng)接線圖

圖6為基于電氣距離的聚類分區(qū)結果.為了實現(xiàn)電壓分區(qū)控制，每個分區(qū)內部都應該至少有一個光伏候選安裝節(jié)點，候選節(jié)點的電壓在所在的分區(qū)內部較低.綜合考慮這些因素，本文設置10、13、14、18、24、25、30、32這8個節(jié)點為光伏安裝位置.

圖6 分區(qū)結果圖

4.1 算例參數(shù)設置

單個節(jié)點的光伏安裝容量上限都為1 MW.節(jié)點電壓約束范圍為0.93～1.07(標么值).一年中，12種典型日的概率見表1.光伏規(guī)劃的相關參數(shù)見表2.縱橫交叉算法的參數(shù)設置中，種群規(guī)模為100，最大迭代次數(shù)為300，縱向交叉概率pv=1，橫向交叉概率ph=0.6.

表1 典型日場景概率

表2 規(guī)劃經(jīng)濟參數(shù)

4.2 不同優(yōu)化目標分析

若分別僅以光伏運營商年平均凈收益(目標1)最大、配電網(wǎng)平均有功網(wǎng)損(目標2)最小、配電網(wǎng)平均節(jié)點電壓偏差(目標3)最小為優(yōu)化目標對光伏并網(wǎng)容量進行優(yōu)化，最終仿真得出的3種結果與綜合考慮3個目標情況下得出的仿真結果見表3.

表3 多目標綜合優(yōu)化與單目標優(yōu)化結果統(tǒng)計

由表3可以看出，對各自目標進行獨立優(yōu)化時，雖然3種情況下的目標1、目標2、目標3分別都能達到最優(yōu)值，其值分別為1 215.623 0萬元、112.837 0 kW和0.0172 pu，但是另外兩個目標與各自的最優(yōu)值相差較大，導致綜合適應度值較大；綜合考慮3個目標時，雖然各個目標的優(yōu)化結果都沒有達到最優(yōu)值，但是各個目標與其最優(yōu)值相差不大，使得綜合適應度值最小，其值為3.263 8.因此，綜合考慮各個目標的基于目標相對占優(yōu)策略也是解決多目標優(yōu)化問題的方法之一，它可以解決多目標優(yōu)化中各個優(yōu)化指標的沖突問題，以尋求綜合最優(yōu)方案.

4.3 規(guī)劃結果分析

為了驗證計及電壓分區(qū)協(xié)調控制策略的分布式電源規(guī)劃方法的優(yōu)越性，本文通過仿真3種不同的方案來分析比較3種優(yōu)化目標的結果.

3種方案如下：1)無光伏接入配電網(wǎng)；2)計及電壓集中控制策略的分布式光伏規(guī)劃；3)計及電壓分區(qū)協(xié)調控制策略的分布式光伏規(guī)劃.

在每個規(guī)劃場景都相同的情況下，3種不同方案在基于目標相對占優(yōu)策略的縱橫交叉算法下，優(yōu)化得到的規(guī)劃結果見表4.

表4 不同光伏并網(wǎng)規(guī)劃方案下的結果比較

由表4可知，無光伏接入配電網(wǎng)時，原始配電網(wǎng)的平均有功網(wǎng)損最大，電壓水平較低.并網(wǎng)規(guī)劃考慮電壓集中控制策略時，光伏運營商年平均凈收益為1 032.116 3萬元、平均有功網(wǎng)損為144.458 2 kW、平均節(jié)點電壓偏差為0.025 6 pu，光伏并入電網(wǎng)改善了系統(tǒng)功率潮流，降低了配電網(wǎng)平均有功網(wǎng)損，同時改善了配電網(wǎng)節(jié)點電壓水平.

本文提出的考慮電壓分區(qū)協(xié)調控制策略的光伏規(guī)劃方案，與考慮電壓集中控制策略的光伏規(guī)劃相比，電壓分區(qū)控制可以避免無功或有功功率遠距離傳輸，進一步降低系統(tǒng)的平均有功網(wǎng)損，僅為120.916 1 kW，減少了16.3%；同時還降低了平均節(jié)點電壓偏差，現(xiàn)為0.018 5 pu，減少了27.7%；雖然光伏運營商的年平均凈收益也增大了，但是相差不大，僅提高5.5%.因此，當考慮電壓分區(qū)協(xié)調控制策略時，光伏規(guī)劃結果在提高光伏運營商凈收益的同時降低了配電網(wǎng)的有功網(wǎng)損和節(jié)點電壓偏差.其中，上述3種方案仿真得到的所有場景下的每個節(jié)點電壓水平期望值如圖7所示.

圖7 不同方案下的節(jié)點電壓水平

5 結 論

本文選取不同季節(jié)不同天氣組合成的12種典型日光伏出力和負荷需求的時序曲線數(shù)據(jù)當作每個時段的規(guī)劃參數(shù)，在此基礎上，建立了考慮光伏運營商經(jīng)濟性和配電網(wǎng)技術性的光伏多目標雙層規(guī)劃模型，上層確定光伏并網(wǎng)容量，下層每個時段運行電壓分區(qū)協(xié)調控制策略，并采用基于目標相對占優(yōu)策略的CSO算法對模型求解，獲得較優(yōu)的光伏并網(wǎng)容量.最后通過IEEE33算例驗證了該求解算法的有效性和規(guī)劃方案的優(yōu)越性，得到如下結論：

1)在光伏并網(wǎng)規(guī)劃中，建立的典型場景考慮光伏出力和負荷需求的季節(jié)性變化、天氣性變化特點等實際情況，不僅能使規(guī)劃模型更加合理，還能減少求解模型的計算量.

2)光伏規(guī)劃模型中，不僅要顧及光伏運營商的經(jīng)濟型指標，還要考慮配電網(wǎng)的技術性指標.在求解多目標規(guī)劃問題上，基于目標相對占優(yōu)策略的CSO算法可以得到一個各個目標相對平衡的綜合最優(yōu)解.

3)與計及電壓集中控制策略的光伏并網(wǎng)規(guī)劃相比，考慮電壓分區(qū)協(xié)調控制策略不但可以提高光伏運營商的凈收益，還可以降低配電網(wǎng)的有功網(wǎng)損、改善配電網(wǎng)的節(jié)點電壓質量.