計及電壓預測的主動配電網分布式電源在線優化決策方法

席向東，侯香臣，薩仁高娃，朱星旭，孫哲彬，梁濤，劉鵬宣，王曉櫆，李翠萍，李軍徽

(1. 內蒙古電力經濟技術研究院，呼和浩特市 010010；2. 現代電力系統仿真控制與綠色電能新技術教育部重點實驗室(東北電力大學)，吉林省吉林市 132012)

0 引 言

在“雙碳”背景下，配電網中分布式電源的接入量越來越大[1]。伴隨著配電網分布式電源的滲透率逐漸增大，配電網逐漸從無源變成了有源，與此同時也使得配電網具有了一定的主動性，于是便出現了主動配電網的概念[2-6]。主動配電網具有主動管理分布式電源、儲能設備的功能，其可以通過主動調控分布式電源以及儲能設備的輸出設定值使配電網的運行經濟型最優[7-8]。

針對主動配電網主動調控的問題，相關學者在傳統電力系統在線優化潮流研究的基礎上對該問題進行了展開研究。文獻[9]提出了一種分布式最優潮流優化算法，其主要是利用交替方向乘子法(alternating direction method of multipliers，ADMM)解決了集中式優化所面臨的計算信息量過大的難題。文獻[10]提出了一種改進的粒子群算法，其主要是在建立雙層聯合優化調度模型的基礎上，利用所提改進算法進行優化調度模型的求解。文獻[11]提出了一種割平面一致性算法，該算法主要是在對潮流方程線性近似的基礎上，利用拉格朗日對偶松弛技術對集中式模型進行解耦分析，進而求解各個解耦區域的最優解。文獻[12]提出了一種基于數據自適應魯棒優化的經濟調度方法。

上述文獻對主動配電網主動調控問題的研究都是針對5 min及以上時間段的。由于分布式能源的出力具有極強的波動性，這就會導致在5 min及以上時間段所制定的分布式能源輸出設定值是不經濟的甚至是無效的。針對這個問題相關學者提出了時變最優潮流算法并對該算法進行了相關的展開研究。文獻[13]提出了一種雙饋電機機群并網系統時變最優潮流的優化追蹤算法。文獻[14]提出了一種配電網分布式時變最優潮流在線優化算法，其主要是將配電網劃分成若干子區域，然后將各區域之間的靈敏度進行解耦，進而使各區域在僅獲取內部信息以及邊界信息的條件下進行數據交換，從而完成時變最優潮流問題的求解。文獻[15]提出了一種分布式反饋控制算法，其主要是持續驅動逆變器輸出功率以解決交流最優潮流問題。文獻[16]提出了一種考慮對偶投影梯度法的在線優化算法，該算法可以在不明確了解系統模型的情況下將最優潮流的解引導至最優解，并且可以實時跟蹤最優解。文獻[17]提出了一種時變激勵的配電網在線優化算法，其可以在時變過程中時刻滿足運行約束的條件下，使得配電網的整體運行效益最大。文獻[18]提出了僅需要本地量測信息即可實現在線優化的方法，但其無法考慮電壓上下限約束的問題。文獻[19]提出了一種在連續動作域中使用基于拉格朗日的深度強化學習的實時最優潮流方法。文獻[20]提出了分布式在線優化算法，其主要是將配電網各區域之間進行解耦，然后在各區域邊界條件以及內部信息已知的條件下進行信息交互，從而求解時變最優潮流問題。文獻[21]提出了一種參數分布最優潮流方法，該方法將最優調度策略和潮流狀態作為可再生能源輸出的解析函數。文獻[22]提出了一種分布式實時最優潮流控制策略，借助雙向通信和分布式傳感器等最新的通信技術，所提方法可以避免負荷預測的需要。文獻[23]提出了一種交流最優潮流實時算法，該算法使用二階信息在快速時間尺度上提供次優解，并且可以顯示當估計的二階信息足夠準確時的最優潮流解。文獻[24]提出了一種基于深度神經網絡和Levenberg-Marquardt反向傳播的雙延遲深度確定性策略梯度方法，該方法可以提高交流最優潮流的計算性能。文獻[25]提出了一種基于動態最優潮流(dynamic optimal power flow，DOPF)的調度優化算法，該算法主要是用以減輕可再生能源發電的預測限制。

文獻[13-25]對主動配電網秒級的時變最優潮流算法展開了相關研究，但是其未考慮分布式電源當前時段的決策值對未來時段決策值的影響，即儲能設備在當前時刻依據所決策的充放電功率所進行的能量變化，會影響未來時段內儲能設備的決策值。因此針對該問題，本文提出一種計及電壓預測的主動配電網分布式電源在線優化決策方法，就已有算法存在的未考慮當前時段決策值對未來時段決策值的影響進行改善。從而實現在考慮分布式電源當前時段決策值對未來時段決策值影響的條件下，系統運行經濟性最優的目標。首先，基于配電網開環運行的特性進行網絡電壓靈敏度的求取。之后利用負荷波動值并結合所求電壓靈敏度進行配電網潮流狀態的預測。進一步利用網絡潮流狀態的預測值進行分布式電源的決策。然后依次迭代從而實現對配電網時變最優潮流的求解。

本文的主要創新性總結如下：

1)針對含大量分布式光伏電源以及儲能電源的配電網提出一種時變最優潮流在線優化決策方法，該算法能夠在保證各時刻各節點電壓均在合理范圍內的前提下，進行時變最優潮流的追蹤求解。

2)針對未來時段配電網節點電壓狀態，基于電壓靈敏度思想進行預測求解，然后用預測值進行分布式能源的決策，避免負荷波動進行潮流計算后再用計算結果進行決策的過程。

3)與現有在線優化算法相比，本文所提在線優化決策方法不僅考慮當前時間段對儲能能量的需求，而且還可以根據未來時刻對儲能能量的需求制定當前時間段儲能電源的充放電計劃。

1 問題的數學描述

本文研究的是含分布式光伏以及儲能的配電網時變最優潮流追蹤問題，其核心是如何在各節點注入有功功率不斷變化的過程中，在滿足相應約束的條件下，決策可以使配電網運行目標趨于最佳的分布式電源決策設定值。

基于本文所研究的問題，構建含分布式光儲配電網的時變最優潮流的模型。

1.1 目標函數

(1)

針對不同的電源，Ct,τ(Δut,τ)表示的含義相同，均表示電源的運行成本相較于上一時刻的變化量，若為光伏電源時，則可以表示為：Ct,τ(Δut,τ)=apv(ΔPt,τ)2+bpv(ΔQt,τ)2；若為儲能電源時，則可以表示為：Ct,τ(Δut,τ)=ab(ΔPt,τ)2+bb(ΔQt,τ)2。apv、bpv分別為光伏電源的有功、無功調節成本系數；ab、bb分別為儲能的有功、無功調節成本系數。

1.2 約束條件

1)潮流約束。

(2)

2)節點電壓約束。

(3)

3)光儲運行約束。

(4)

2 算法描述

本節主要闡述求解配電網時變最優潮流的相關問題，針對已有求解算法未考慮不同時間段決策值之間耦合關系的缺點，提出了一種計及電壓預測的主動配電網分布式電源在線優化決策方法，首先對負荷波動后配電網潮流狀態進行預測求解，然后在預測求解的基礎上對時變最優潮流問題進行在線求解。本文所提在線優化決策方法實現框架如圖1所示。

圖1 在線優化決策方法框架Fig.1 Schematic diagram of the framework of online optimization decision algorithm

2.1 在線優化算法

目標函數需要在滿足式(2)—(4)的基礎上進行求解，基于罰函數將式(2)中的約束轉移到目標函數中，構建增廣目標函數：

(5)

基于式(5)配電網時變最優潮流模型又可以描述為：

(6)

(7)

(8)

(9)

(10)

從式(6)—(10)中可知，若想求解分布式電源輸出設定值，須從配電網獲取負荷波動后的節點電壓。利用本文所提方法預測各時段負荷波動后配電網節點電壓的流程如圖2所示。

圖2 預測負荷波動后配電網節點電壓流程Fig.2 Flow chart of distribution network node voltage prediction after load fluctuation

2.2 節點電壓預測方法

對系統的節點電壓進行預測應首先構建預測模型，然后根據所構建的預測模型，求解所需參量，進而預測負荷以及分布式電源決策設定值變化后的配電網節點電壓。

1)預測模型的構建。

(11)

2)預測負荷波動后的配電網節點電壓。

(12)

3)預測分布式電源決策值變化后配電網節點電壓。

(13)

式中：Ht為依據預測負荷波動后節點電壓幅值所求取的電壓靈敏度。

從式(12)、(13)中可知，靈敏度矩陣中各參量存在時間耦合關系，因此為了方便計算，對其耦合關系進行解耦。

(14)

式(14)中?Vt,i/?Vt,τ=1，因此式(14)又可以描述為：

(15)

將式(13)求取電壓量測值的方法代入到增廣目標函數式(5)中，增廣目標函數又可以描述為：

(16)

利用式(16)其配電網時變最優潮流模型又可以描述為：

(17)

從式(17)可以看出配電網時變最優潮流模型只與負荷以及分布式電源輸出設定值的變化量有關。

本文所提方法求取分布式電源決策設定值變化量的流程如圖3所示。

圖3 所提在線優化決策方法實現流程Fig.3 Flow chart of online optimization decision algorithm

3 算例分析

在含有高比例分布式光伏電源以及儲能電源的配電網中進行算例分析，以驗證本文所提在線優化決策方法的有效性。

本文采用502節點配電網算例系統進行算例仿真分析，502節點配電網算例系統拓撲如附錄圖A1所示。算例系統中各線路參數見文獻[20]。算例參數設置見表1。

表1 算例參數設置Table 1 Study parameter settings

算例系統中節點1設為平衡節點。除節點1外，其余節點均接入光伏電源以及儲能電源，并且各節點所接入光伏電源以及儲能電源的類型均相同，詳細參數見表1。各節點負荷采用配電網的實際運行數據，負荷運行數據的時間間隔為1 s。光伏電源的初始有功功率為當前時刻分布式光伏運行的真實數據，光伏初始無功功率以及儲能電源初始的有功功率、無功功率均為0。迭代步長α=0.01。目標函數系數為apv=1、bpv=0.01、ab=0.25、bb=0.01。其允許的電壓上下限分別為1.05、0.95 pu，電壓基準值為12.66 kV，功率基準值為1 MV·A。

3.1 在線優化決策方法求解最優潮流有效性分析

為了驗證本文所提在線優化決策方法的收斂性，在各節點注入功率都已給定的13:25時刻，對目標函數L的收斂過程進行分析，分析結果如圖4所示。由圖4可知，本文所提優化算法在迭代過程中可以使目標函數L逐漸趨于最優值，進而驗證了本文所提算法可以使目標函數達到收斂的效果。

圖4 目標函數在各節點注入給定下的收斂過程Fig.4 Convergence process of the objective function under the given injection of each node

3.2 在線優化決策方法對電壓控制的有效性分析

對未采用在線優化決策方法時一天的原始數據進行分析，并對各節點電壓的最大、最小值進行統計，統計結果如圖5所示。由圖5可知，大約有3/4的節點電壓會越限。

圖5 配電網各節點電壓的最大、最小值統計Fig.5 Statistics of the maximum and minimum voltage of each node in the distribution network

圖6進一步給出了節點電壓越限最嚴重節點(423節點)的電壓幅值在一天內的變化情況。選取423節點電壓越上限最嚴重時段13:25—13:35以及越下限最嚴重時間段19:55—20:05，采用所提在線優化決策方法進行優化計算。

圖6 未采用在線優化決策方法423節點電壓幅值變化Fig.6 Voltage amplitude change of node 423 without online optimization decision algorithm

采用在線優化決策方法后423節點在時間段13:25—13:35時的電壓情況如圖7所示，圖7中一開始電壓仍越限，是由于電壓調節需要時間，通過多次迭代可以使越限電壓保持在允許范圍之內；在時間段19:55—20:05時的電壓情況如圖8所示，圖8中一開始電壓仍越限，仍然是因為電壓調節需要時間，通過多次迭代可以使越限電壓保持在允許范圍之內。綜上基于本文所提在線優化決策方法可以將節點電壓控制在有效范圍之內。

圖7 采用在線優化決策方法后13:25—13:35時段423節點電壓幅值變化Fig.7 Voltage amplitude change of node 423 from 13:25 to 13:35 after using the online optimization decision algorithm

圖8 采用在線優化決策方法后19:55—20:05時段423節點電壓幅值變化Fig.8 Voltage amplitude change of node 423 from 19:55 to 20:05 after using the online optimization decision algorithm

3.3 在線優化決策方法對儲能能量變化的有效性驗證

由于本文所提算法考慮了未來多個時間段的最優潮流問題，因此需要對儲能的能量進行一定的約束。針對13：25—13：35時段的423節點儲能電源進行分析，儲能的能量變化如圖9所示。由圖9可知，未采用本文所提在線優化決策方法前儲能的變化未考慮未來時間段對儲能能量的需求，因而在能量到達一定數值后就不再進行充電。而采用本文所提優化算法后，由于儲能電源考慮了未來時間段內對儲能放電的需求，因此該時段儲能所儲存能量更多。

圖9 采用在線優化決策方法前后儲能電源能量變化情況Fig.9 Energy change of energy storage device before and after using the online optimization decision algorithm

4 結 論

1)針對含大量分布式光伏電源以及儲能電源的配電網提出了一種時變最優潮流在線優化決策方法，該算法能夠在保證各時刻各節點電壓均在合理范圍之內的條件下，進行時變最優潮流的追蹤求解。

2)與已有的在線優化算法相比，所提的在線優化決策方法，考慮了各時段儲能電源出力的耦合性?？梢愿鶕磥頃r間段對儲能能量的需求并結合當前時間段對儲能能量的需求從而制定當前時段儲能電源的充放電計劃。

未來，隨著分布式光伏電源以及儲能電源大量接入配電網，網絡凈負荷波動會更加劇烈。通過預測未來時段內的配電網網絡節點電壓可以調整各電源的輸出設定值，可以有效遏制節點電壓越限問題，使配電網更加穩定地運行，因此該研究具有較好的工程應用價值。