考慮多靈活性資源協(xié)調(diào)調(diào)度的配電網(wǎng)新能源消納策略

姜云鵬 任洲洋 李秋燕 郭 勇 徐 巖

考慮多靈活性資源協(xié)調(diào)調(diào)度的配電網(wǎng)新能源消納策略

姜云鵬1任洲洋1李秋燕2郭 勇2徐 巖3

（1. 輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點實驗室（重慶大學電氣工程學院） 重慶 400044 2. 國網(wǎng)河南省電力公司經(jīng)濟技術(shù)研究院 鄭州 450052 3. 南洋理工大學電氣與電子工程學院 新加坡 639798）

針對雙碳目標下高比例新能源并網(wǎng)造成的靈活性調(diào)節(jié)資源匱乏及高效消納難題，該文提出一種考慮多靈活性資源協(xié)調(diào)調(diào)度的配電網(wǎng)新能源消納策略。首先，建立多靈活性資源靈活互動特性的刻畫方法，兼顧配電網(wǎng)新能源消納水平與經(jīng)濟運行，構(gòu)建考慮多靈活性資源協(xié)調(diào)調(diào)度的新能源優(yōu)化消納模型；然后，為尋找優(yōu)化消納模型非支配解的可行域，基于雙層嵌套結(jié)構(gòu)建立多目標優(yōu)化求解方法，并提出一種復(fù)合型線性化策略，將復(fù)雜的多目標非線性非凸優(yōu)化消納模型轉(zhuǎn)換為多目標混合整數(shù)線性優(yōu)化問題，實現(xiàn)優(yōu)化消納模型的高效求解；最后，采用IEEE 33節(jié)點測試系統(tǒng)和中國某地級市110kV配電網(wǎng)，驗證所提消納策略的有效性和適應(yīng)性。

配電網(wǎng) 新能源 多靈活性資源 靈活互動 多目標混合整數(shù)優(yōu)化

0 引言

2021年3月15日，習近平主席提出構(gòu)建以新能源為主體的新型電力系統(tǒng)。預(yù)計到2030年，我國風光裝機總量將超過12億kW[1-2]。國家“十四五”規(guī)劃提出堅持集中式和分布式并舉，大力提升風電和光伏發(fā)電規(guī)模[3]。

新能源出力具有較強的間歇性和波動性，高比例新能源并入配網(wǎng)，導(dǎo)致靈活調(diào)節(jié)資源需求大幅增加[4-6]，新能源的高效優(yōu)質(zhì)消納成為難題。國家發(fā)改委發(fā)布指導(dǎo)意見，明確提出要強化源網(wǎng)荷儲各環(huán)節(jié)間協(xié)調(diào)互動，充分挖掘系統(tǒng)靈活性調(diào)節(jié)能力和需求側(cè)資源[7]。

目前已有大量研究考慮大電網(wǎng)靈活性資源建立新能源消納模型，以解決大規(guī)模新能源場站的棄風棄光現(xiàn)象[8-12]。然而，配電網(wǎng)和大電網(wǎng)在運行邊界、網(wǎng)絡(luò)結(jié)構(gòu)、運行特征等方面存在較大差異，兩者的新能源消納限制因素、靈活性資源類型和協(xié)同運行方式等并不相同[13]。因此，現(xiàn)有研究提出的考慮多種靈活性資源的大電網(wǎng)新能源消納模型，難以適用于配電網(wǎng)。

現(xiàn)有文獻通常考慮電源側(cè)、網(wǎng)絡(luò)側(cè)、負荷側(cè)和儲能側(cè)等單環(huán)節(jié)的靈活性資源研究配電網(wǎng)的新能源優(yōu)化消納策略。針對節(jié)點電壓是限制新能源并網(wǎng)消納的瓶頸這一問題，文獻[14-15]利用光伏逆變器的靈活性進行連續(xù)動態(tài)無功補償，通過改善節(jié)點電壓質(zhì)量以提高新能源消納量。配電網(wǎng)重構(gòu)基于網(wǎng)架靈活性，能夠有效緩解電壓越限、線路過載等新能源消納的限制因素。文獻[16]利用靜態(tài)重構(gòu)優(yōu)化配電網(wǎng)拓撲結(jié)構(gòu)，提升新能源消納電量。然而，風光出力和負荷均具有時變特性，靜態(tài)重構(gòu)顯然難以適應(yīng)該特點。為此，文獻[17-19]基于動態(tài)重構(gòu)建立新能源消納策略。文獻[20-21]提出基于分布式電源出力優(yōu)化調(diào)控和配網(wǎng)重構(gòu)的主動配電網(wǎng)新能源消納策略，但其僅針對單一時段建模，難以考慮多時段靈活性調(diào)節(jié)措施的協(xié)調(diào)性。此外，文獻[16-21]基于生成樹或虛擬潮流模型模擬網(wǎng)架靈活性，須添加較多輔助變量，大大增加了建模難度和求解難度。合理利用荷儲靈活性有助于平滑新能源出力波動。文獻[22-23]提出了基于儲能和可控負荷優(yōu)化調(diào)度的新能源消納策略，靈活利用可控負荷的時移特性及儲能裝置的充放電特性來提升配電網(wǎng)新能源消納水平，但其忽略了儲能的無功調(diào)節(jié)能力，因而無法有效利用儲能的靈活性解決新能源并網(wǎng)引起的電壓越限問題。

配電網(wǎng)新能源優(yōu)化消納模型屬于非凸非線性的大規(guī)模優(yōu)化求解問題。文獻[22-23]采用粒子群算法對加權(quán)轉(zhuǎn)換的單目標優(yōu)化消納模型進行求解，但智能算法存在易陷入局部最優(yōu)、尋優(yōu)時間長等問題，且難以合理確定權(quán)重系數(shù)。二階錐松弛和線性化方法具有易獲得全局最優(yōu)解、求解效率高等優(yōu)點，得到了廣泛應(yīng)用。文獻[20-21, 24]利用凸化松弛潮流約束，將非凸新能源優(yōu)化消納模型轉(zhuǎn)換為混合整數(shù)二階錐優(yōu)化問題，但該方法要求模型能夠嚴格滿足二階錐松弛準確性條件，適應(yīng)性相對較差；文獻[18-19]采用線性化方法將非線性單目標的新能源優(yōu)化消納模型轉(zhuǎn)換為混合整數(shù)線性規(guī)劃問題，提高了計算效率，但其難以適用于多目標優(yōu)化消納模型的求解。

綜上所述，現(xiàn)有研究對靈活性措施的考慮較為單一，難以滿足高比例新能源并網(wǎng)消納的靈活性需求，且傳統(tǒng)網(wǎng)架靈活性建模復(fù)雜，消納模型難以高效求解。為此，本文通過對多種靈活性資源的有效建模，充分挖掘和協(xié)調(diào)配電網(wǎng)不同環(huán)節(jié)有功/無功靈活資源調(diào)節(jié)潛力，以消除限制配電網(wǎng)新能源消納的制約因素，并提出消納模型高效求解方法。

1 考慮多靈活性資源協(xié)調(diào)調(diào)度的配電網(wǎng)新能源優(yōu)化消納模型

風光等間歇式發(fā)電資源大量并網(wǎng)，導(dǎo)致配電網(wǎng)靈活調(diào)節(jié)資源捉襟見肘，高效、經(jīng)濟消納成為難題。配電網(wǎng)多靈活性資源的靈活互動特性能夠有效應(yīng)對新能源出力的不確定性，提高配電網(wǎng)的安全經(jīng)濟運行水平。本節(jié)基于源網(wǎng)荷儲不同環(huán)節(jié)，深入分析多靈活性資源的協(xié)調(diào)調(diào)度對新能源消納水平提升的作用機理，然后，基于多目標優(yōu)化理論，建立計及多靈活性資源協(xié)調(diào)調(diào)度的配電網(wǎng)新能源優(yōu)化消納模型。該模型綜合考慮靈活互動約束、潮流以及安全運行等約束，以新能源消納電量最大和配電網(wǎng)總運行成本最小為目標，充分挖掘配電網(wǎng)消納潛力，實現(xiàn)新能源的經(jīng)濟、優(yōu)質(zhì)消納。

1.1 面向新能源消納的多靈活性資源協(xié)調(diào)調(diào)度機理淺析

高比例新能源并網(wǎng)后，有功-無功協(xié)調(diào)調(diào)控能夠有效緩解電壓越限、線路過載等消納限制性因素的制約作用，有助于提升配電網(wǎng)的消納能力與經(jīng)濟運行水平[24]。源荷儲側(cè)靈活性資源通過合理調(diào)整出力和用電需求，可大幅降低凈負荷的波動性和峰谷差；充分聚合各環(huán)節(jié)的動態(tài)無功補償能力，能夠有效緩解高比例新能源并網(wǎng)的無功需求；靈活改變網(wǎng)絡(luò)拓撲可消除網(wǎng)絡(luò)阻塞，為多環(huán)節(jié)靈活性資源的靈活互動和優(yōu)化調(diào)度提供通道。面向高比例新能源消納的多靈活性資源協(xié)調(diào)調(diào)度機理示意圖如圖1所示。

圖1 面向高比例新能源消納的多靈活性資源協(xié)調(diào)調(diào)度機理示意圖

在運行經(jīng)濟性方面，通過協(xié)調(diào)調(diào)度多靈活性資源有功/無功輸出，能夠減少棄電成本、網(wǎng)絡(luò)損耗等配網(wǎng)運行成本；在新能源消納方面，多靈活性資源協(xié)調(diào)調(diào)度大幅改善配網(wǎng)節(jié)點電壓水平和潮流分布，避免高比例新能源并網(wǎng)引起的電壓越限、線路過載等問題，盡可能減少或消除消納限制因素制約作用，提高新能源消納量。可見，通過全方位多環(huán)節(jié)的多靈活性資源協(xié)調(diào)調(diào)度有助于實現(xiàn)新能源的經(jīng)濟、優(yōu)質(zhì)消納。

1.2 目標函數(shù)

1.2.1 目標函數(shù)1：新能源消納電量最大

以配網(wǎng)新能源消納電量最大為目標函數(shù)1，即

1.2.2 目標函數(shù)2：配電網(wǎng)運行成本最小

多靈活性資源協(xié)調(diào)調(diào)度策略的多樣化將導(dǎo)致迥異的新能源消納電量與配電網(wǎng)運行成本。為合理利用多靈活性資源的靈活互動特性，本文在考慮棄電成本、購電成本和網(wǎng)損成本的基礎(chǔ)上，進一步計及多靈活性資源協(xié)調(diào)調(diào)度成本，以配電網(wǎng)運行總成本最低為目標函數(shù)2，即

式中，EC為配電網(wǎng)日運行成本；Curt、Buy和Loss分別為配電網(wǎng)的棄電成本、購電成本和網(wǎng)損成本；Flex為配電網(wǎng)的多靈活性資源協(xié)調(diào)調(diào)度成本。具體計算公式為

式中，DG.curt為節(jié)點處新能源有功削減量；DGcurt和Buy.DGp分別為新能源棄電懲罰成本系數(shù)和上網(wǎng)電價；grid、Buy.grid和Buy.grid分別為根節(jié)點和上級電網(wǎng)交互的有功功率以及購、售電價；Loss為網(wǎng)損成本系數(shù)；sw為支路的遙控開關(guān)狀態(tài)，“1”表示閉合，“0”表示斷開；I和R分別為支路的電流值和電阻值；Grid、SW和Close分別為根節(jié)點集合、網(wǎng)絡(luò)中存在遙控開關(guān)的支路集合和常閉支路集合。

配電網(wǎng)多靈活性資源協(xié)調(diào)調(diào)度成本Flex由新能源靈活無功補償成本DG、配網(wǎng)動態(tài)重構(gòu)開關(guān)動作成本SW、可控負荷靈活調(diào)控成本DR以及儲能靈活充放電和無功補償成本ESS組成，具體為

式中，DGq為新能源無功輔助服務(wù)單位補償系數(shù)；SW為開關(guān)動作成本系數(shù)；DR為可控負荷的單位調(diào)度成本；ESSp和ESSq分別為儲能單位充放電和無功功率的折舊系數(shù)；DG和ESS分別為節(jié)點處新能源和儲能在時段的動態(tài)無功補償功率；Dsw為支路遙控開關(guān)的動作次數(shù)；Load.O和Load分別為節(jié)點處可控負荷原始功率和靈活性時移后的負荷功率；ESScha和ESS.cha分別為節(jié)點處儲能的充電功率和效率；ESSdischa和ESS.discha分別為節(jié)點處儲能的放電功率和效率；DR和ESS分別為可控負荷和儲能接入的節(jié)點集合。

1.3 約束條件

1.3.1多靈活性資源的靈活互動約束

為合理刻畫配電網(wǎng)多靈活性資源的靈活互動特性，需要分別對電源側(cè)、網(wǎng)絡(luò)側(cè)、負荷側(cè)和儲能側(cè)的靈活性建模。

1）電源端靈活性

風電和光伏電站既能輸出有功功率，又能快速、連續(xù)地進行動態(tài)無功補償[25]，其參與多靈活性資源的協(xié)調(diào)調(diào)度需要考慮功率因數(shù)限制和逆變器容量約束，即

式中，DG.av為節(jié)點處新能源輸出有功功率；DGdown和DGup分別為節(jié)點處新能源功率因數(shù)限值；DG為節(jié)點處新能源逆變器容量。

2）網(wǎng)架端靈活性

考慮到過于頻繁的開關(guān)動作會影響開關(guān)穩(wěn)定性，降低開關(guān)壽命，為此，在配網(wǎng)動態(tài)重構(gòu)中需要限制開關(guān)動作次數(shù)，即

式中，unitmax為支路的遙控開關(guān)在全天內(nèi)允許的最大動作次數(shù)。

此外，重構(gòu)前后必須保證配電網(wǎng)的輻射狀連通性要求。現(xiàn)有研究主要基于生成樹和虛擬潮流模型來滿足該要求，但須增加較多輔助變量，將會大大增加建模與求解的復(fù)雜度。為此，本文考慮配網(wǎng)中所有開關(guān)狀態(tài)，基于供電環(huán)路非連通理論，模擬配網(wǎng)重構(gòu)的輻射狀連通性約束，即保證配網(wǎng)中閉合支路數(shù)等同于節(jié)點總數(shù)和電源總數(shù)差值，且不存在連通供電環(huán)路，具體如式（15）所示[26]，其構(gòu)建的詳細步驟見附錄。

3）負荷端靈活性

部分配網(wǎng)負荷如中央空調(diào)、電動汽車等具有較強的可控性，能夠?qū)崿F(xiàn)用電量的跨時空轉(zhuǎn)移，具有良好的削峰填谷效應(yīng)[27]。式（16）表示可控負荷參與多靈活性資源的協(xié)調(diào)調(diào)度時自身的功率調(diào)節(jié)能力約束，式（17）表示可控負荷一定時段內(nèi)的用電總量保持不變。

式中，Load.O和Load分別為節(jié)點處可控負荷原始無功功率和靈活性時移后的負荷無功功率；DR為節(jié)點處可控負荷的負荷時移率，在激勵型需求響應(yīng)中，負荷時移率可由配電網(wǎng)調(diào)度人員在響應(yīng)日的前日確定，并于響應(yīng)日調(diào)度可控負荷；DR為節(jié)點處可控負荷功率調(diào)節(jié)能力限值，其根據(jù)可控負荷自身調(diào)節(jié)能力限制給定。

4）儲能端靈活性

為保護儲能使用壽命，防止過度充放電，儲能在進行充放電靈活性調(diào)控時需考慮自身荷電狀態(tài)約束和平衡約束（如式（18））以及充放電功率約束（如式（19）），具體為[28]

此外，儲能逆變器利用自身富余容量，結(jié)合功率因數(shù)運行范圍，可在四象限運行范圍內(nèi)進行連續(xù)動態(tài)無功補償，儲能無功補償?shù)哪孀兤骷s束和功率因數(shù)約束分別為

式中，SOC、min和max分別為節(jié)點處儲能的荷電狀態(tài)和荷電狀態(tài)限值，SOC=0和SOC=T分別為節(jié)點處儲能當日初始和最后的荷電狀態(tài)；ESS.maxcha和ESS.maxdischa分別為節(jié)點處儲能允許的最大充、放電功率；totalESS和ESS.rate分別為節(jié)點處儲能額定容量和儲能逆變器容量；ESSup和ESSdown分別為節(jié)點處儲能功率因數(shù)上、下限值。

1.3.2 配電網(wǎng)運行約束

配電網(wǎng)運行需滿足潮流約束、靜態(tài)安全等約束，具體如下所示。

1）支路潮流約束

式中，P和Q分別為支路的有功功率和無功功率；g和b分別為支路的電導(dǎo)和電納；C.ij為支路的對地電納；為節(jié)點、的電壓相位差；U和U分別為節(jié)點、的電壓幅值。

2）節(jié)點功率平衡約束

式中，Close.i和SW.i分別為與節(jié)點相連的常閉支路集合和含遙控開關(guān)支路集合；grid為上級電網(wǎng)和根節(jié)點交互的無功功率。

3）節(jié)點電壓約束

式中，Umax和U.min分別為節(jié)點電壓幅值上、下限。

4）支路電流約束

式中，I.max為支路的最大允許載流量。

5）上級電網(wǎng)交互功率約束

式中，gridup和gridup分別為上級電網(wǎng)和配網(wǎng)根節(jié)點交互的有功和無功功率限值。

2 基于雙層嵌套結(jié)構(gòu)和復(fù)合型線性化策略共濟的優(yōu)化消納模型求解方法

本文提出的新能源優(yōu)化消納模型具有多目標、多時段耦合、高維混合變量、非線性、非凸等特點，屬于大規(guī)模多目標混合整數(shù)非線性優(yōu)化問題，采用傳統(tǒng)優(yōu)化算法求解，難以保證所得解的最優(yōu)性和計算的高效性。為此，本文設(shè)計雙層嵌套結(jié)構(gòu)高效尋找Pareto最優(yōu)解集，并選取折中解。為更好地服務(wù)于雙層嵌套結(jié)構(gòu)的多目標求解，提出了一種復(fù)合型線性化策略，將原模型轉(zhuǎn)換為多目標混合整數(shù)線性規(guī)劃（Multi-Objective Mixed Integer Linear Programming, MOMILP）問題，以實現(xiàn)模型的高效求解。

2.1 基于復(fù)合型線性化的優(yōu)化消納模型線性化策略

結(jié)合變量替換、分段線性化和Big-M法等線性化技術(shù)，建立優(yōu)化消納模型的復(fù)合型線性化策略，依次對不同靈活性資源中的非線性項進行線性化處理，其具體線性化過程如下所示。

2.1.1 電源側(cè)線性化策略

式（4）所示電源側(cè)購電成本和式（7）所示靈活無功補償成本由于存在分段函數(shù)項和絕對值函數(shù)項而呈現(xiàn)非線性特征，為此引入輔助變量和二進制變量，并結(jié)合Big-M法，將式（4）和式（7）等價線性化為

式中，grid.grid.grid.abs和DG.abs均為輔助變量，grid.1和grid.2、DG.1和DG.2均為二進制變量，1.t和2.t均為Big-M法中足夠大的正數(shù)。

此外，式（12）所示電源側(cè)逆變器容量約束由于二次項的存在而呈現(xiàn)非線性特征，可采用分段線性逼近思想，將二階函數(shù)近似為如下一階線性化形式，其具體推導(dǎo)過程見附錄。

式中，為當前分段編號；DGDG和DG均為新能源逆變器容量約束的第條分段線段表達式系數(shù)；DG為新能源逆變器容量約束的線性化分段段數(shù)。

2.1.2 電網(wǎng)側(cè)線性化策略

電網(wǎng)側(cè)潮流模型的高度非線性增加了模型求解難度，而基于熱啟動環(huán)境的低非線性度潮流模型準確度高，計算高效[29]，為此本文采用該方法將支路潮流約束式（22）線性化為

式中，3.t和4.t為Big-M法中足夠大的正數(shù)。

針對電網(wǎng)側(cè)的動態(tài)重構(gòu)非線性約束公式（13），引入二進制變量1和2，以及足夠大正數(shù)6.t，利用Big-M法等價線性化處理式（13）中絕對值函數(shù)，得到

2.1.3 負荷側(cè)線性化策略

針對負荷側(cè)的靈活調(diào)控成本公式（9）存在絕對值函數(shù)項，引入輔助變量和二進制變量，利用Big-M法等價處理為

式中，Load.abs為輔助變量；Load.1和Load.2為二進制變量；7.t為Big-M法中足夠大正數(shù)。

2.1.4 儲能側(cè)線性化策略

儲能側(cè)的運行成本式（10）和充放電功率約束式（19）由于存在絕對值函數(shù)和連續(xù)變量乘積項而呈現(xiàn)非線性特征，可引入變量，并利用Big-M法對其依次等價線性化為

式中，ESS.abs為輔助變量；ESS.1和ESS.2、ESScha和ESSdischa為二進制變量；8.t為Big-M法中足夠大正數(shù)。

儲能逆變器容量約束式（20）的分段線性化方法同式（12）類似，此處不再贅述，式（20）可轉(zhuǎn)換為

可見，在原始模型的線性化過程中，本文基于等價線性化策略和高準確度的近似線性化策略，處理了經(jīng)濟目標函數(shù)中的非線性項以及約束條件中的非線性項，將原模型轉(zhuǎn)換為基于熱啟動環(huán)境下的MOMILP問題，實現(xiàn)了模型的高效求解。

2.2 基于雙層嵌套結(jié)構(gòu)的優(yōu)化消納模型求解方法

考慮多靈活性資源協(xié)調(diào)調(diào)度將產(chǎn)生迥異的消納策略，為避免傳統(tǒng)多目標求解方法在求解中產(chǎn)生無效支配解，本文設(shè)計了基于雙層嵌套優(yōu)化結(jié)構(gòu)的求解方法。首先，基于線性化后的新能源優(yōu)化消納模型，確定最優(yōu)非支配解的可行域，即求解Pareto最優(yōu)解集中目標函數(shù)DG的區(qū)間范圍，并將DG作為外層遍歷指標，然后，內(nèi)層求解在不同外層目標函數(shù)DG指標約束下的內(nèi)層目標函數(shù)EC最優(yōu)值，以獲得Pareto最優(yōu)解集。求解流程如圖2所示。

圖2 優(yōu)化消納模型的求解流程

具體步驟簡述如下：

（1）在模型中分別僅考慮目標函數(shù)DG和EC，優(yōu)化求解配網(wǎng)最大的新能源消納電量max DG和最小的運行成本min EC。

（2）將EC=min EC加入優(yōu)化模型中，求解目標函數(shù)DG，獲得配網(wǎng)在最小運行成本時所對應(yīng)的最大新能源消納電量down DG。

（3）選取區(qū)間[down DG,max DG]作為Pareto最優(yōu)解集中DG范圍，因為若DG＜down DG，必然存在EC≥min EC，即獲得無效支配解。

（5）內(nèi)層優(yōu)化求解在外層目標函數(shù)DG約束下對應(yīng)的內(nèi)層目標函數(shù)EC最優(yōu)值，經(jīng)過遍歷外層目標函數(shù)DG約束，可以得到組Pareto最優(yōu)解集，并利用模糊隸屬度函數(shù)[30]選取最優(yōu)折中解。

步驟（1）、步驟（2）和步驟（5）均涉及求解單目標混合整數(shù)線性優(yōu)化問題，其詳細求解流程如圖3所示。

圖3 單目標混合整數(shù)線性優(yōu)化問題求解流程

值得注意的是，圖3中計算模型首次迭代的節(jié)點電壓和相位初始值，傳統(tǒng)方法普遍是基于電網(wǎng)歷史運行數(shù)據(jù)或直流最優(yōu)潮流獲取[29]，但電網(wǎng)歷史信息難以完整獲取，而直流最優(yōu)潮流則忽略了無功功率和電壓幅值，無法保證熱啟動初值的高質(zhì)量性，增大了模型收斂難度。為此，本文結(jié)合電網(wǎng)實際運行狀況，基于支路兩端參數(shù)的近似假設(shè)[31]，忽略網(wǎng)絡(luò)損耗，將原始潮流模型部分簡化為式（44）～式（47），用于替換MOMILP模型中的約束式（30）、式（31）、式（34）和式（37），可以將模型轉(zhuǎn)換為無需初值的冷啟動模型，通過商業(yè)軟件直接求解，以提供首次迭代所需的高質(zhì)量初始值，從而降低模型優(yōu)化求解的收斂次數(shù)，提高求解效率。

3 算例分析

本文采用IEEE?33節(jié)點系統(tǒng)和某地級市110kV實際配網(wǎng)，基于如下三種方法進行仿真，驗證所提方法的有效性，并深入分析多靈活性資源的靈活互動特性對新能源消納水平的影響。

方法1：本文提出的新能源消納策略制定方法，即考慮多靈活性資源協(xié)調(diào)調(diào)度制定新能源消納策略。

方法2：基于文獻[18]所提的新能源消納策略制定方法，即僅考慮配網(wǎng)動態(tài)重構(gòu)制定新能源消納策略。

方法3：基于文獻[22]所提的新能源消納策略制定方法，即考慮可控負荷和儲能裝置的靈活有功調(diào)節(jié)能力制定新能源消納策略。

3.1 基于IEEE 33節(jié)點測試系統(tǒng)的仿真分析

采用如圖4所示的IEEE33節(jié)點配電系統(tǒng)[21,32]進行仿真分析。新能源和儲能的接入容量見表1、表2。新能源、遙控開關(guān)、可控負荷和儲能的技術(shù)參數(shù)見附表1[33-39]，相關(guān)經(jīng)濟參數(shù)見附表2[39-43]。

圖4 IEEE?33節(jié)點配電系統(tǒng)

表1 新能源配置參數(shù)

Tab.1 Configuration parameters of renewable energy

表2 儲能配置參數(shù)

3.1.1 仿真結(jié)果及分析

針對IEEE?33節(jié)點系統(tǒng)，采用上述三種方法分別制定配網(wǎng)新能源消納策略。其中，配網(wǎng)新能源消納情況和運行成本分別見表3、表4；24個時段的棄風光電量如圖5所示；靈活性調(diào)控前后系統(tǒng)節(jié)點電壓和支路載流量時序分布分別如圖6和圖7所示；多靈活性資源的調(diào)控情況如圖8和圖9所示。

表3 三種方法的仿真結(jié)果

表4 三種方法的經(jīng)濟性成本

圖5 棄風光電量

圖6 靈活調(diào)控前節(jié)點電壓和支路載流量

由表3和圖5可知，本文方法（方法1）所得新能源消納電量、消納率及配網(wǎng)運行成本均最優(yōu)，棄風光時段和棄風光電量最少。與方法2和3相比，新能源消納電量分別提升了23.28%和7.19%，消納率分別提高了21.86%和6.76%，運行成本分別降低了24.30%和16.05%，棄風光時段分別降低了7段和4段，棄風光電量分別降低了25.95MW?h和8.01MW?h。

圖8 方法1和方法3可控負荷的靈活調(diào)控對比

圖9 方法1和方法3儲能的靈活調(diào)控對比

由表4可知，相比于方法2和3，本文方法的棄電成本分別下降了0.908萬元和0.28萬元。盡管本文方法融入了多種靈活性調(diào)控措施，但其靈活互動成本相比方法3仍降低了0.283萬元。這是由于所提模型兼顧了消納電量和運行經(jīng)濟性的綜合要求，故能合理利用多靈活性資源的靈活互動特性，以最小的運行成本實現(xiàn)新能源最大化消納，而方法3忽略了系統(tǒng)運行成本。本文方法的網(wǎng)損成本和購電成本均高于方法2和方法3，其原因是本文在利用多靈活性資源的靈活互動特性促進新能源消納時，會引發(fā)逆功率傳輸，增加了線路損耗，進而增大了網(wǎng)損和新能源購電量和購電費用。

為分析多靈活性資源協(xié)調(diào)調(diào)度對新能源消納限制因素的緩解作用，圖6給出了不考慮靈活性調(diào)節(jié)措施的系統(tǒng)節(jié)點電壓和支路載流量情況。可見，高比例新能源接入后，配網(wǎng)出現(xiàn)了大面積節(jié)點電壓越限和線路過載現(xiàn)象。圖7給出了三種方法所得各時段的節(jié)點電壓和支路載流量情況。方法2與方法3在部分時段的電壓水平過高，而本文方法利用多靈活性資源協(xié)調(diào)調(diào)度有效緩解了電壓過高的問題，提升了新能源消納電量。

由圖8、圖9可知，為提升新能源消納電量，方法3中可控負荷和儲能分別在全天24個時段和23個時段內(nèi)參與響應(yīng)，靈活性調(diào)控次數(shù)分別為24次和23次，本文中可控負荷時移次數(shù)和儲能充放電次數(shù)僅為10次和2次，可控負荷功率時移次數(shù)和時移量及儲能充放電次數(shù)和充放電量均明顯降低。

此外，方法1在方法2、方法3靈活性調(diào)控措施基礎(chǔ)上，同時計及了新能源和儲能逆變器靈活動態(tài)無功補償能力，如圖10所示，而方法2則根據(jù)固定功率因數(shù)確定新能源無功功率，方法3未計及二者無功出力，方法2與方法3均沒有充分利用新能源和儲能的無功補償作用來緩解消納的限制因素。

圖10 新能源和儲能動態(tài)無功補償量

綜上所述，本文方法從整體上協(xié)調(diào)調(diào)度多靈活性資源，最大化利用多環(huán)節(jié)靈活互動特性消除限制新能源消納的制約因素。兼顧經(jīng)濟性和消納電量的綜合要求，以增加少量的網(wǎng)損成本和購電成本換取棄電成本的大幅下降，避免了可控負荷和儲能等靈活性調(diào)節(jié)資源的頻繁調(diào)度。

3.1.2 所提求解方法的計算性能分析

為驗證本文提出的優(yōu)化求解方法，分別選用本文方法、優(yōu)先目標規(guī)劃法[44]、模糊決策法[45]、理想點法[46]、多目標粒子群法[47]和-約束法[24]求解本文提出的優(yōu)化消納模型，計算結(jié)果見表5。

由表5可知，與本文方法相比，優(yōu)先目標規(guī)劃法和模糊決策法的消納率分別提升了4.58%和4.56%，但其經(jīng)濟成本分別增加了9.46%和9.24%，這意味著所得消納策略提升了少量消納量，但需要付出大量的經(jīng)濟代價。基于理想點法和多目標粒子群算法求解本文模型，需要結(jié)合啟發(fā)式算法，而本文構(gòu)建的模型涉及大量的非凸和非線性約束、離散和連續(xù)型優(yōu)化變量，使得啟發(fā)式算法和智能算法出現(xiàn)“維數(shù)災(zāi)”問題，耗費大量時間后仍無法收斂。基于-約束法可實現(xiàn)新能源全額消納，消納率提升了6.11%，但其經(jīng)濟成本相對增加了18.53%，更為關(guān)鍵的是，其所得消納策略導(dǎo)致配網(wǎng)出現(xiàn)了節(jié)點電壓越限和線路過載的現(xiàn)象。主要原因在于-約束法結(jié)合二階錐優(yōu)化求解本文模型時的松弛間隙最大值為10-2，并不滿足二階錐松弛收斂判據(jù)數(shù)量級要求[24,48]，這表明基于-約束法的求解結(jié)果是在松弛域內(nèi)獲得，本文模型不滿足其求解準確性的充要條件[48]。由此可以看出，與五種現(xiàn)有方法相比，本文提出的雙層嵌套結(jié)構(gòu)和復(fù)合型線性化策略共濟的高效求解方法具有明顯優(yōu)勢，可提供更科學的新能源消納策略。

表5 不同求解算法的計算結(jié)果

Tab.5 Calculation results under different solving methods

3.2 實際電網(wǎng)算例分析

3.2.1 算例說明

為了進一步驗證所提方法的適應(yīng)性，采用中國某地級市110kV高壓配電系統(tǒng)進行仿真分析。為方便分析，將原系統(tǒng)等值簡化包含48個節(jié)點和48條支路的配電系統(tǒng)，網(wǎng)絡(luò)拓撲結(jié)構(gòu)如圖11所示。新能源裝機總?cè)萘繛?58MW（光伏145MW/風電213MW），滲透率為51.79%。新能源和儲能電站的相關(guān)參數(shù)分別見附表3、附表4。

圖11 某地級市110?kV配網(wǎng)拓撲

3.2.2 仿真結(jié)果及分析

三種方法的仿真結(jié)果見表6。與方法2、方法3相比，本文方法使得新能源消納電量分別提高了25.23%和7.36%，消納率分別提高了24.89%和7.26%，總運行成本分別減少了32.14%和10.74%。仿真結(jié)果再次驗證了多靈活性資源協(xié)調(diào)調(diào)度對促進新能源消納和降低運行成本的積極作用。

表6 三種方法的仿真結(jié)果

Tab.6 Simulation results of three methods

4 結(jié)論

針對配電網(wǎng)新能源消納中靈活性資源有功、無功調(diào)節(jié)與協(xié)調(diào)運行潛力挖掘不足等問題，本文構(gòu)建了兼顧新能源消納量和配電網(wǎng)經(jīng)濟運行水平的配電網(wǎng)多靈活性資源協(xié)調(diào)調(diào)度的新能源優(yōu)化消納模型，基于雙層嵌套結(jié)構(gòu)和復(fù)合型線性化策略，提出了優(yōu)化消納模型的高效求解方法。采用IEEE 33節(jié)點系統(tǒng)和某實際配網(wǎng)算例驗證所提消納策略的有效性和適應(yīng)性，并得出如下結(jié)論：

1）在深入研究多靈活性資源協(xié)調(diào)調(diào)度對新能源優(yōu)質(zhì)消納作用機理的基礎(chǔ)上，通過全面刻畫多環(huán)節(jié)靈活性資源的靈活互動特性，充分發(fā)揮多靈活性資源間的協(xié)調(diào)互動特性，顯著提升了新能源消納電量，大幅降低了配電網(wǎng)運行成本。

2）多靈活性資源的協(xié)調(diào)調(diào)度可充分利用源荷儲側(cè)靈活的有功-無功調(diào)節(jié)能力，以及網(wǎng)絡(luò)側(cè)靈活傳輸通道，可大幅改善配網(wǎng)潮流分布和電壓水平，有效緩解配電網(wǎng)新能源消納限制因素的制約作用。

3）多靈活性資源的協(xié)調(diào)調(diào)度策略存在多樣化，將導(dǎo)致迥異的消納策略，而統(tǒng)籌兼顧新能源消納電量和配電網(wǎng)運行成本，構(gòu)建多目標優(yōu)化消納模型，制定新能源消納策略，可以經(jīng)濟、有效地協(xié)調(diào)調(diào)度多靈活性資源，達到以配電網(wǎng)運行成本最小化來實現(xiàn)新能源消納電量最大化的目的。

4）設(shè)計雙層嵌套結(jié)構(gòu)優(yōu)化求解方法，并基于復(fù)合型線性化策略線性化處理新能源優(yōu)化消納模型，能夠在保證求解結(jié)果最優(yōu)性的同時，大幅度降低求解難度，有效提升求解效率。

附 錄

1. 基于供電環(huán)路非連通理論的配網(wǎng)動態(tài)重構(gòu)

基于供電環(huán)路非連通理論的配網(wǎng)動態(tài)重構(gòu)步驟如下：

1）獲取配電網(wǎng)的拓撲結(jié)構(gòu)、遙控開關(guān)、常閉開關(guān)等數(shù)據(jù)信息。

2）設(shè)計深度優(yōu)先搜索算法，搜索構(gòu)建網(wǎng)絡(luò)中所有的供電環(huán)路。

3）依次計算配電網(wǎng)中的節(jié)點總數(shù)、根節(jié)點數(shù)量、常閉支路總數(shù)，以及各個供電環(huán)路中的支路數(shù)量和常閉支路數(shù)量。

4）基于上述數(shù)據(jù)，構(gòu)建式（15）所示約束。

2. 模型線性化的相關(guān)說明

1）式（29）推導(dǎo)

新能源逆變器容量約束式（12）的分段線性化步驟如下：

附圖1 新能源逆變器容量分段線性化示意圖

App.Fig.1 Diagram of piecewise linearization of renewable energy inverter capacity

（3）基于解析幾何理論可知，利用DG條線段對應(yīng)的線性約束組合可近似約束式（29）。

2）式（30）中的常系數(shù)

3）式（34）推導(dǎo)

式中，1、0、1、0分別為

2為

3. 仿真算例的相關(guān)數(shù)據(jù)

附表1 多靈活性資源靈活互動的技術(shù)參數(shù)[33-39]

App.Tab.1 Technical parameters of multi-flexible resources flexible interactive[33-39]

參數(shù)數(shù)值 新能源功率因數(shù)限值PFDG i.down和PFDG i.up0.8 遙控開關(guān)全天內(nèi)最大動作次數(shù)swunit ij.max3 可控負荷功率調(diào)節(jié)能力限值gDR i(%)10 儲能的初始荷電狀態(tài)SOCi.t=0(%)50 儲能的充放電效率hESS i.cha和hESS i.discha0.95 儲能荷電狀態(tài)上限SOCmax i(%)90 儲能荷電狀態(tài)下限SOCmin i(%)25 儲能功率因數(shù)限值PFESS i.down和PFESS i.up0.75

附表2 模型經(jīng)濟參數(shù)[39-43]

App.Tab.2 Economic parameters for the model[39-43]

參數(shù)數(shù)值 新能源上網(wǎng)電價lBuy.DGp/[元/(kW·h)]0.3 新能源棄電懲罰系數(shù)lDGcurt/[元/(kW·h)]0.35 新能源無功輔助服務(wù)補償系數(shù)lDGq/[元/(kvar·h)]0.05 單個開關(guān)動作成本系數(shù)lSW/(元/次)5 可控負荷單位調(diào)度成本系數(shù)lDR/[元/(kW·h)]0.4 儲能單位充放電折舊系數(shù)lESSp/[元/(kW·h)]0.6 儲能單位無功功率折舊系數(shù)lESSq/[元/(kvar·h)]0.067 售電電價lBuy.grid t.-/[元/(kW·h)]0.3 網(wǎng)損成本系數(shù)lLoss /[元/(kW·h)]0.68

附表3 新能源基本參數(shù)

App.Tab.3 Parameters of renewable energy

風電節(jié)點容量/MW光伏節(jié)點容量/MW 12201120 14202630 21252920 25203050 31484025 3250 4330

附表4 儲能基本參數(shù)

App.Tab.4 Parameters of energy storage

儲能節(jié)點儲能容量/(MW·h)儲能最大充放電功率/MW 1952.5

[1] 習近平．繼往開來，開啟全球應(yīng)對氣候變化新征程[EB/OL]．人民網(wǎng)，[2020-12-14]．http://env.people. com.cn/n1/2020/1214 /c1010-31965084.html．

[2] 央視網(wǎng)．習近平主持召開中央財經(jīng)委員會第九次會議強調(diào)推動平臺經(jīng)濟規(guī)范健康持續(xù)發(fā)展把碳達峰碳中和納入生態(tài)文明建設(shè)整體布局[EB/OL]．[2021-03-15]．https://news.cctv.com/2021/ 03/15/ARTIFUhtqyI0GxogiEDWyY28210315.shtml．

[3] 新華社．中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要[EB/OL]. [2021-03-13].http://www.gov.cn/xinwen/2021-03/13/ content_5 59 2681.htm．

[4] Cruz M R M, Fitiwi D Z, Santos S F, et al. Multi-flexibility option integration to cope with large-scale integration of renewables[J]. IEEE Transactions on Sustainable Energy, 2020, 11(1): 48-60.

[5] 王雪純, 陳紅坤, 陳磊. 提升區(qū)域綜合能源系統(tǒng)運行靈活性的多主體互動決策模型[J]. 電工技術(shù)學報, 2021, 36(11): 2207-2219.

Wang Xuechun, Chen Hongkun, Chen Lei. Multi-player interactive decision-making model for operational flexibility improvement of regional integrated energy system[J]. Transactions of China Electrotechnical Society, 2021, 36(11): 2207-2219.

[6] 孫惠, 翟海保, 吳鑫. 源網(wǎng)荷儲多元協(xié)調(diào)控制系統(tǒng)的研究及應(yīng)用[J]. 電工技術(shù)學報, 2021, 36(15): 3264-3271.

Sun Hui, Zhai Haibao, Wu Xin. Research and application of multi-energy coordinated control of generation, network, load and storage[J]. Transactions of China Electrotechnical Society, 2021, 36(15): 3264-3271.

[7] 國家發(fā)展改革委, 國家能源局. 國家發(fā)展改革委國家能源局關(guān)于推進電力源網(wǎng)荷儲一體化和多能互補發(fā)展的指導(dǎo)意見(發(fā)改能源規(guī)[2021]280號) [EB/OL]. [2021-02-25]. http://www.gov.cn/ zhengce/ zhengceku/2021-03/06/content_5590895.htm.

[8] 徐浩, 李華強. 火電機組靈活性改造規(guī)劃及運行綜合隨機優(yōu)化模型[J]. 電網(wǎng)技術(shù), 2020, 44(12): 4626-4638.

Xu Hao, Li Huaqiang. Planning and operation stochastic optimization model of power systems considering the flexibility reformation[J]. Power System Technology, 2020, 44(12): 4626-4638.

[9] 孫輝, 劉鑫, 賁馳, 等. 含風儲一體化電站的電力系統(tǒng)多目標風險調(diào)度模型[J]. 電力系統(tǒng)自動化, 2018, 42(5): 94-101.

Sun Hui, Liu Xin, Ben Chi, et al. Multi-objective risk scheduling model of power system containing power station with integrated wind power and energy storage[J]. Automation of Electric Power Systems, 2018, 42(5): 94-101.

[10] 李則衡, 陳磊, 路曉敏, 等. 基于系統(tǒng)靈活性的可再生能源接納評估[J]. 電網(wǎng)技術(shù), 2017, 41(7): 2187-2194.

Li Zeheng, Chen Lei, Lu Xiaomin, et al. Assessment of renewable energy accommodation based on system flexibility analysis[J]. Power System Technology, 2017, 41(7): 2187-2194.

[11] 周任軍, 石亮緣, 湯吉鴻, 等. 多功率曲線協(xié)整度約束下的源-荷-儲優(yōu)化協(xié)整模型[J]. 中國電機工程學報, 2019, 39(12): 3454-3465.

Zhou Renjun, Shi Liangyuan, Tang Jihong, et al. Source-load-storage optimization cointegration model under multi-power curve cointegration degree constraints[J]. Proceedings of the CSEE, 2019, 39(12): 3454-3465.

[12] 徐箭, 胡佳, 廖思陽, 等. 考慮網(wǎng)絡(luò)動態(tài)特性與綜合需求響應(yīng)的綜合能源系統(tǒng)協(xié)同優(yōu)化[J]. 電力系統(tǒng)自動化, 2021, 706(12): 40-48.

Xu Jian, Hu Jia, Liao Siyang, et al. Coordinated optimization of integrated energy system considering dynamic characteristics of network and integrated demand response [J]. Automation of Electric Power Systems, 2021, 706(12): 40-48.

[13] Mahmud N, Zahedi A. Review of control strategies for voltage regulation of the smart distribution network with high penetration of renewable distributed generation[J]. Renewable and Sustainable Energy Reviews, 2016, 64: 582-595.

[14] Verma A, Krishan R, Mishra S. A novel PV inverter control for maximization of wind power penetration[J]. IEEE Transactions on Industry Applications, 2018, 54(6): 6364-6373.

[15] Nguyen Q, Padullaparti H V, Lao K, et al. Exact optimal power dispatch in unbalanced distribution systems with high PV penetration[J]. IEEE Transactions on Power Systems, 2019, 34(1): 718-728.

[16] 龔思宇, 魏煒, 徐元孚, 等. 面向分布式電源最大消納的配電網(wǎng)重構(gòu)[J]. 電力系統(tǒng)及其自動化學報, 2017, 29(3): 7-11, 41.

Gong Siyu, Wei Wei, Xu Yuanfu, et al. Reconfiguration of distribution network for the maximum consumption of distributed generations[J]. Proceedings of the CSU-EPSA, 2017, 29(3): 7-11, 41.

[17] 劉路寧, 彭春華, 溫澤之, 等. 基于配電網(wǎng)動態(tài)重構(gòu)的分布式光伏消納策略[J]. 電力自動化設(shè)備, 2019, 39(12): 56-62.

Liu Luning, Peng Chunhua, Wen Zezhi, et al. Distributed photovoltaic consumption strategy based on dynamic reconfiguration of distribution network[J]. Electric Power Automation Equipment, 2019, 39(12): 56-62.

[18] Lei Shunbo, Hou Yunhe, Qiu Feng, et al. Identification of critical switches for integrating renewable distributed generation by dynamic network reconfiguration[J]. IEEE Transactions on Sustainable Energy, 2018, 9(1): 420-432.

[19] Wang Chong, Lei Shunbo, Ju Ping, et al. MDP-based distribution network reconfiguration with renewable distributed generation: approximate dynamic programming approach[J]. IEEE Transactions on Smart Grid, 2020, 11(4): 3620-3631.

[20] Capitanescu F, Bilibin I, Romero E R. A comprehensive centralized approach for voltage constraints management in active distribution grid[J]. IEEE Transactions on Power Systems, 2014, 29(2): 933-942.

[21] Capitanescu F, Bilibin I. A tractable two-step MILP-QCP approach to on-line thermal constraint management in large radial active distribution systems[J]. Electric Power Systems Research, 2016, 140: 580-587.

[22] 沙熠, 邱曉燕, 寧雪姣, 等. 協(xié)調(diào)儲能與柔性負荷的主動配電網(wǎng)多目標優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù), 2016, 40(5): 1394-1399.

Sha Yi, Qiu Xiaoyan, Ning Xuejiao, et al. Multi-objective optimization of active distribution network by coordinating energy storage system and flexible load[J]. Power System Technology, 2016, 40(5): 1394-1399.

[23] 黃偉, 熊偉鵬, 華亮亮, 等. 基于動態(tài)調(diào)度優(yōu)先級的主動配電網(wǎng)多目標優(yōu)化調(diào)度[J]. 電工技術(shù)學報, 2018, 33(15): 3486-3498.

Huang Wei, Xiong Weipeng, Hua Liangliang, et al. Multi-objective optimization dispatch of active distribution network based on dynamic schedule priority[J]. Transactions of China Electrotechnical Society, 2018, 33(15): 3486-3498.

[24] 鄭能, 丁曉群, 鄭程拓, 等. 含高比例光伏的配電網(wǎng)有功——無功功率多目標協(xié)調(diào)優(yōu)化[J]. 電力系統(tǒng)自動化, 2018, 42(6): 33-39, 91.

Zheng Neng, Ding Xiaoqun, Zheng Chengtuo, et al. Multi-objective coordinated optimization of active and reactive power for distribution network integrated with high proportion of photovoltaic generation[J]. Automation of Electric Power Systems, 2018, 42(6): 33-39, 91.

[25] Zhu Xiaonan, Wang Hongliang, Zhang Wenyuan, et al. A novel single-phase five-level Transactionsformer-less photovoltaic (PV) inverter[J]. CES Transactions on Electrical Machines and Systems, 2020, 4(4): 329-338.

[26] 徐成司, 董樹鋒, 朱嘉麒, 等. 基于供電環(huán)路非連通條件的配電網(wǎng)輻射狀約束描述方法[J]. 電力系統(tǒng)自動化, 2019, 43(20): 82-94.

Xu Chengsi, Dong Shufeng, Zhu Jiaqi, et al. Description method of radial constraints for distribution network based on disconnection condition of power supply loop[J]. Automation of Electric Power Systems, 2019, 43(20): 82-94.

[27] 吳界辰, 艾欣, 胡俊杰. 需求側(cè)資源靈活性刻畫及其在日前優(yōu)化調(diào)度中的應(yīng)用[J]. 電工技術(shù)學報, 2020, 35(9): 1973-1984.

Wu Jiechen, Ai Xin, Hu Junjie. Methods for characterizing flexibilities from demand-side resources and their applications in the day-ahead optimal scheduling[J]. Transactions of China Electrotechnical Society, 2020, 35(9): 1973-1984.

[28] 白樺, 王正用, 李晨, 等. 面向電網(wǎng)側(cè)、新能源側(cè)及用戶側(cè)的儲能容量配置方法研究[J]. 電氣技術(shù), 2021, 22(1): 8-13.

Bai Hua, Wang Zhengyong, Li Chen, et al. Research on capacity allocation method of energy storage for grid side, new energy side and user side[J]. Electrical Engineering, 2021, 22(1): 8-13.

[29] Yang Zhifang, Bose A, Zhong Haiwang, et al. Optimal reactive power dispatch with accurately modeled discrete control devices: a successive linear approximation approach[J]. IEEE Transactions on Power Systems, 2017, 32, (3): 2435-2444.

[30] Sardou I G, Khodayar M E, Ameli M T. Coordinated operation of natural gas and electricity networks with microgrid aggregators[J]. IEEE Transactions on Smart Grid, 2018, 9(1): 199-210.

[31] Yuan Haoyu, Li Fangxing, Wei Yanli, et al. Novel linearized power flow and linearized OPF models for active distribution networks with application in distribution LMP[J]. IEEE Transactions on Smart Grid, 2017, 9(1): 438-448.

[32] Wang Shouxiang, Chen Sijia, Ge Leijiao, et al. Distributed generation hosting capacity evaluation for distribution systems considering the robust optimal operation of OLTC and SVC[J]. IEEE Transactions on Sustainable Energy, 2016, 7(3): 1111-1123.

[33] Stelt S V D, AlSkaif T, Sark W V. Techno-economic analysis of household and community energy storage for residential prosumers with smart appliances[J]. Applied Energy, 2018(209): 266-276.

[34] Soroudi A, Rabiee A, Keane A. Distribution networks' energy losses versus hosting capacity of wind power in the presence of demand flexibility[J]. Renewable Energy, 2017(102): 316-325.

[35] Cerbantes M C, Fernández-Blanco R, Ortega-Vazquez M A, et al. Incorporating a nodal reactive power pricing scheme into the DisCo’s short-term operation[J]. IEEE Transactions on Smart Grid, 2019, 10(4): 3720-3731.

[36] 趙冬梅, 陶然, 馬泰屹, 等. 基于多智能體深度確定策略梯度算法的有功-無功協(xié)調(diào)調(diào)度模型[J]. 電工技術(shù)學報, 2021, 36(9):1914-1925.

Zhao Dongmei, Tao Ran, Ma Taiyi, et al. Active and reactive power coordinated dispatching based on multi-agent deep deterministic policy gradient algorithm[J]. Transactions of China Electrotechnical Society, 2021, 36(9):1914-1925.

[37] Lazzeroni P, Repetto M. Optimal planning of battery systems for power losses reduction in distribution grids[J]. Electric Power Systems Research, 2019, 167: 94-112.

[38] 翟世濤, 劉澤槐, 楊家豪, 等. 考慮多時段并網(wǎng)點電壓控制的光儲容量匹配及優(yōu)化運行[J]. 電網(wǎng)技術(shù), 2017, 41(6): 1855-1865.

Zhai Shitao, Liu Zehuai, Yang Jiahao, et al. Capacity matching and optimal operation of photovoltaic-storage systems based on multi-period PCC voltage control[J]. Power System Technology, 2017, 41(6): 1855-1865.

[39] 謝琳宇, 唐忠, 黃星宇, 等. 考慮分布式電源和電動汽車不確定性的雙層動態(tài)配網(wǎng)重構(gòu)[J]. 電力系統(tǒng)保護與控制, 2020, 48(10): 1-11.

Xie Linyu, Tang Zhong, Huang Xingyu, et al. Bi-layer dynamic reconfiguration of a distribution network considering the uncertainty of distributed generation and electric vehicles[J]. Power System Protection and Control, 2020, 48(10): 1-11.

[40] 楊楠, 董邦天, 黃禹, 等. 考慮不確定性和多主體博弈的增量配電網(wǎng)源網(wǎng)荷協(xié)同規(guī)劃方法[J]. 中國電機工程學報, 2019, 39(9): 2689-2702.

Yang Nan, Dong Bangtian, Huang Yu, et al. Incremental distribution network source-load collaborative planning method considering uncertainty and multi-agent game[J]. Proceedings of the CSEE, 2019, 39(9): 2689-2702.

[41] 麻秀范, 陳靜, 余思雨, 等. 計及容量市場的用戶側(cè)儲能優(yōu)化配置研究[J]. 電工技術(shù)學報, 2020, 35(19): 4028-4037.

Ma Xiufan, Chen Jing, Yu Siyu, et al. Research on user side energy storage optimization configuration considering capacity market[J]. Transactions of China Electrotechnical Society, 2020, 35(19): 4028-4037.

[42] 張博, 唐巍, 蔡永翔, 等. 基于一致性算法的戶用光伏逆變器和儲能分布式控制策略[J]. 電力系統(tǒng)自動化, 2020, 44(2):86-96.

Zhang Bo, Tang Wei, Cai Yongxiang, et al. Distributed control strategy of residential photovoltaic inverter and energy storage based on consensus algorithm[J]. Automation of Electric Power Systems, 2020, 44(2): 86-96.

[43] 周丹, 孫可, 張全明, 等. 含多個綜合能源聯(lián)供型微網(wǎng)的配電網(wǎng)日前魯棒優(yōu)化調(diào)度[J]. 中國電機工程學報, 2020, 40(14): 4473-4485, 4727.

Zhou Dan, Sun Ke, Zhang Quanming, et al. Day-ahead robust dispatch of distribution network with multiple integrated energy system-based micro-grids[J]. Proceedings of the CSEE, 2020, 40(14): 4473-4485, 4727.

[44] 楊明, 程鳳璐, 韓學山. 電力系統(tǒng)實時調(diào)度的有效靜態(tài)安全域法[J]. 中國電機工程學報, 2015, 35(6): 1353-1362.

Yang Ming, Cheng Fenglu, Han Xueshan. Real-time dispatch based on effective steady-state security regions of power system[J]. Proceedings of the CSEE, 2015, 35(6): 1353-1362.

[45] 林凱駿, 吳俊勇, 郝亮亮, 等. 基于非合作博弈的冷熱電聯(lián)供微能源網(wǎng)運行策略優(yōu)化[J]. 電力系統(tǒng)自動化, 2018, 42(6): 25-32.

Lin Kaijun, Wu Junyong, Hao liangliang, et al. Optimization of operation strategy for micro-energy grid with CCHE systems based on non-cooperative game[J]. Automation of Electric Power Systems, 2018, 42(6): 25-32.

[46] 孫建軍, 張世澤, 曾夢迪, 等. 考慮分時電價的主動配電網(wǎng)柔性負荷多目標優(yōu)化控制[J]. 電工技術(shù)學報, 2018, 33(2): 401-412.

Sun Jianjun, Zhang Shize, Zeng Mengdi, et al. Multi-objective optimal control for flexible load in active distribution network considering time-of-use tariff[J]. Transactions of China Electrotechnical Society, 2018, 33(2): 401-412.

[47] 王僑僑, 曾君, 劉俊峰, 等. 面向微電網(wǎng)源–儲–荷互動的分布式多目標優(yōu)化算法研究[J]. 中國電機工程學報, 2020, 40(5): 1421-1432.

Wang Qiaoqiao, Zeng Jun, Liu Junfeng, et al. A distributed multi-objective optimization algorithm for resource-storage-load interaction of microgrid[J]. Proceedings of the CSEE, 2020, 40(5): 1421-1432.

[48] Li Qifeng, Ayyanar R, Vittal V. Convex optimization for DES planning and operation in radial distribution systems with high penetration of photovoltaic resources[J]. IEEE Transactions on Sustainable Energy, 2016, 7(3): 985-995.

An Accommodation Strategy for Renewable Energy in Distribution Network Considering Coordinated Dispatching of Multi-Flexible Resources

Jiang Yunpeng1Ren Zhouyang1Li Qiuyan2Guo Yong2Xu Yan3

（1. State Key Laboratory of Power Transactionsmission Equipment & System Security and New Technology School of Electrical Engineering Chongqing University Chongqing 400044 China 2. State Grid Henan Economic Research Institute Zhengzhou 450052 China 3. School of Electrical and Electronic Engineering Nanyang Technological University 639798 Singapore）

Aiming at the challenges brought by flexible regulation resource scarcity and efficient accommodation with high penetration renewable energy integration under ‘double carbon goal’, an accommodation strategy for renewable energy in distribution network considering coordinated dispatching of multi-flexible resources is proposed. The method is established to depict the flexible interaction between multi-flexible resources. Considering both renewable energy accommodation and operating costs of distribution network. The accommodation optimization model for renewable energy is established considering coordinated dispatching of multi-flexible resources. In order to obtain the feasible region of non-dominant solutions of the accommodation optimization model, a multi-objective optimization solution method is established based on bi-layer embedded structure, and the composite linearization strategy is proposed to recast the complex multi-objective, non-linear and non-convex accommodation optimization model to a multi-objective mixed integer linear optimization model so that the accommodation optimization model can be efficiently solved. Finally, the effectiveness and applicability of the proposed accommodation strategy are verified by IEEE 33 bus system and a practical 110 kV distribution network in China.

Distribution network, renewable energy, multi-flexible resources, flexible interaction, multi-objective mixed integer optimization

10.19595/j.cnki.1000-6753.tces.211464

TM721

姜云鵬 男，1995年生，博士研究生，研究方向為配電網(wǎng)新能源消納、區(qū)域綜合能源系統(tǒng)等。E-mail：yunpeng_jiang@cqu.edu.cn

任洲洋 男，1986年生，副教授，博士生導(dǎo)師，研究方向為電力能源系統(tǒng)低碳運行及規(guī)劃、人工智能等。E-mail：rzhouyang1108@163.com（通信作者）

國家重點研發(fā)計劃資助項目（2019YFB1505400）。

2021-09-15

2021-12-15

（編輯 赫蕾）