柔性配電網的雙向換流融合設備關鍵技術設計

任帥, 凡遠柱, 盧愷

(安徽南瑞繼遠電網技術有限公司, 安徽, 合肥 230088)

0 引言

國外狀況:根據歐洲的可再生能源計劃,截至2020年,預計歐盟27個成員國將有約47%的最終能源消耗用于供熱和制冷,其中42%用于住宅領域。這主要是因為大多數國家和地區屬于溫帶和寒帶氣候區,因此對衛生熱水和采暖的需求較高。這些需求占住宅總能耗的2/3左右[1-2]。

國內狀況:我國能源結構體系是以煤為主的,煤炭消費占比70%,能源使用效率低,單位GDP能耗是世界平均水平的2.5倍;此外,設備利用率低:輸電設備<50%,配電設備<30%[3-4]。新能源消納型式以“電”為主。

國內外的研究主要集中于能源規劃模型的計算方法,強調分布式能源,特別是熱電聯產系統在區域能源規劃的應用以及部分涉及區域可再生能源補充利用等,并未深入挖掘需求響應和用戶行為的不確定性對系統的多重影響,以及全生命周期內設備性能退化對規劃影響方面的研究[5]。

1 柔性配電網協同控制架構

為克服現有技術缺陷,本文主要研究柔性配電網協同控制架構,運行管理和優化調度可由配網二次控制裝置實現,協調控制需由PCS等變流裝置實現。運行控制系統由二次控制裝置、PCS、電力電子開關等構成,以區域內電壓穩定、經濟運行、可靠工作為目標,可通過區域間調度實現區域間、臺區間、源荷間的協調互動。檢測系統如圖1所示。

圖1 柔性配電網分層分區控制架構示意圖

由圖1可知,本文系統分為系統管理層、集中協控層和本地控制層。其中,系統管理層能夠實現能量管理與運行控制、工作模式切換、源-網-荷儲協調控制(包括投切負荷或電源、電源出力調節)、啟停控制、并/離網控制、單/多端控制。系統管理層主要任務就是實現更大空間尺度和時間尺度的系統級管理,以及為區域與區域之間協調調度提供輔助決策,對優化調度層下發集中協控、就地自治等工作模式切換指令。運行管理層通過對區域內歷史負荷數據分析,同時結合實時氣象條件,對系統內的發電單元和用電負荷進行調度管理[6-7],以實現系統級的可靠運行、經濟運行和安全運行。

集中協控層主要包括配電網運行方式和變流設備(PCS)控制模式切換。優化調度層的主要任務就是根據系統管理層的運行目標和協調控制層的上報狀態,選擇最優系統運行方式、變流設備控制模式進行快速切換,確定并下發各本地設備的控制指令,調整各本地設備的工作模式和控制指令,同時將各本地變流設備的實時狀態匯總并進行分析預判。優化調度層側重于對各本地變流設備進行協調控制,當電網出現擾動或負荷需要支援時,優化調度層向各本地變流設備下發控制指令,提供支撐功率或者穩定交/直側電壓[8]。

本地控制層能夠協調控制層解析和具體執行優化調度層下發給各PCS的控制策略,并執行優化調度層下達的有功指令或電壓指令。各PCS的控制策略主要包括實現變流設備的恒電壓控制(Udc)、恒交流電壓控制(Uac)、恒有功及無功功率控制(PQ)、限功率運行等控制策略[9],協調控制層同時需上報各設備的運行狀態。

2 雙向換流器拓撲結構及協調優化控制方法

本文系統適用于模塊化的DC/DC雙向換流器和 AC/DC雙向換流器的主電路拓撲結構,建立雙向換流器數學模型,研究各雙向換流器的控制策略,實現換流設備的恒電壓控制(Udc)、恒交流電壓控制(Uac)、恒有功及無功功率控制(PQ)、限功率運行等控制策略[10]。

GPIB檢測技術如圖2所示。在協調控制中, GPIB檢測結構作為自動檢測的關鍵技術,該結構符合IEEE488標準的總線連接方式,能夠以較高速率檢測設備信息。在GPIB檢測過程中遵循的原理如圖3所示。

圖2 GPIB檢測技術框圖

圖3 GPIB檢測原理圖

GPIB檢測需要220 V交流電源,通過整流橋將交流電壓變換為直流電,為后續信號調制作準備,通過交變轉換將直流電信號轉化為所需檢測信號,以此完成能源控制器的狀態顯示。

3 能效可視化技術

最小生成樹的經典算法有Prim算法和Kruskal算法2種,本文采用Prim算法,該算法能夠實現多種不同數據節點或者數據信息的采集與交互。

3D-MST輸入:加權連通圖G(V,E);輸出:模型3D-MST=MST(Vnew,Enew)。BEJIN1) Vnew={vi},Enew=?2) While V-Vnew≠? do3) 在V-Vnew中選擇一個vj使得Vnew中頂點vi的權值最小的邊Eij4) Vnew←Vnew∪{vj},Enew←Enew∪{Eij}5) return MST(Vnew,Enew)END

通過生成最小生成樹,能夠實現算法模型局部和整體優化。像素的輸出值主要取決于鄰域像素值的加權值,計算公式為

(1)

距離濾波系數的表達式為

(2)

式(2)中,W(i,j)表示模型上vi、vj兩點之間的距離,σd表示空間幾何距離的標準差。

特征濾波系數的表達式為

(3)

式(3)中,Ti、Tj表示頂點vi、vj的體積,σr表示體積特征的標準差。

權重系數w=d×r可以寫成:

(4)

濾波后的特征為

(5)

式(5)中,ni表示頂點vi一環鄰域的頂點數目。

4 試驗結果與分析

區域能源系統設置區域能源站,配備集中供能系統的城市輸配設施和大型分布式能源生產設施,包括220 kV/110 kV變電站、次高壓/中壓調壓站、集中供熱設施、大型分布式發電設施等,接收、轉輸、轉換外部輸入清潔能源,為下級能源系統供應高溫熱水、冷凍水、10 kV電力及中壓燃氣。參數配置如表1所示。

表1 環境參數與配置軟件

本文以企業級智慧能源運行管控系統運行作為試驗分析依據,試驗架構示意圖如圖4所示。

圖4 試驗架構示意圖

在應用時從系統中采集到的區域能源系統分區規劃圖如圖5所示。

圖5 采集的區域能源系統分區規劃圖

為了驗證本文系統的可行性,將本文方法與文獻[3]方法和文獻[4]方法進行比較分析,假設控制區域為圖5中的區域,以控制準確率為比較指標,得到的誤差對示意圖如圖6所示。

圖6 準確率比較示意圖

由圖6可知,在剛開始階段,3種方法控制的準確率都不高,但本文方法的準確率隨著時間的逐步延長越來越高,文獻[3]和文獻[4]方法的準確率雖然不分上下,但比起本文方法明顯低很多。采用本研究方法控制過程中,準確率逐步提高,直到運行穩定后,準確率幾乎達到100%,說明本文方法控制準確率比較高。

進行可視化分析時,在圖4的應用層中獲取的可視化圖像如圖7所示。

圖7 可視化示意圖

通過可視化監控,本文通過能源可視化實現用戶側供用能全景監控、源荷預測、優化調度、需求響應和能效分析等。可視化與常規的遠程視頻監控在監測靈敏度上的對比示意圖如圖8所示。

圖8 檢測結構靈敏度分析

由圖8可知,可視化監測系統靈敏度呈現上升趨勢。當設備數量從0增加到50時,靈敏度增速達到2.8;當設備數量從50增加到103時,檢測靈敏度穩定在140 dBm;在設備數量達到103臺時達到了最大值,為148 dBm。常規的遠程視頻監控方法靈敏度增加較為平緩,最高達到125 dBm,明顯低于本文方法。

5 總結

本文以智慧園區多能綜合利用技術為背景,設計了研究柔性配電網的雙向換流融合。實現了電、冷、熱的高效生產、靈活控制以及可視化智能利用,達到了電、熱、冷多能協同運行、源網荷儲動態平衡的目標,整體上提高了終端能源的使用效率,降低了能源生產成本,減少了全社會碳排放量。