海上油氣平臺不穩定電源與儲能聯合配置優化策略*

胡長斌 劉 超 羅珊娜 馮海波

(1. 北方工業大學 北京 100144; 2. 國網新源控股有限公司北京十三陵蓄能電廠 北京 102200)

近年來,海上油氣田在用電和能源管理方面積極響應國家“雙碳”號召,開始積極探索友好靈活的可再生能源與傳統能源聯合供電技術。作為含量豐富的不穩定可再生能源,海上風電具有平均風速高、利用小時數高、易于大規模開發的優點,海上光伏也存在與風能天然互補的優勢[1-3]。海上風機/光伏作為含量豐富的不穩定可再生能源,已經成為全球新能源開發的熱點和前沿[4-8]。隨著風機/光伏機組數量的上升,需要適當引入擁有雙向能量流動能力的儲能系統來降低風機/光伏出力功率的不穩定性對電力系統的影響[9-11]。將風機/光伏/儲能引入現有的海上油田群電網,從而形成新能源接入、多能互補、低碳運營的供電模式,是未來“零碳”油田建設的必做題。

目前,大量學者已開展風機/光伏/儲能接入配電網方法的研究,相應提出了多種分布式能源優化搭配決策的方法。劉華晶 等[12]提出了一種兩階段的風機/光伏/儲能規劃配置方法,以網損靈敏度、負荷缺點率等指標優化風機/光伏/儲能的接入容量。李建林 等[13]建立了以負荷缺電率和能量溢出比為目標的光儲容量優化模型,但在容量配置時并未考慮線路損耗的影響。王月強 等[14]通過綜合社會收益和電力公司收集兩個角度建立了分布式能源雙層規劃模型,并結合典型配網進行計算分析,驗證了模型的有效性。尹忠東 等[15]針對大容量風機/光伏發電的接入,提出了一種基于寬度學習的配置方法,利用節點電壓、風機、光伏出力功率等數據訓練模型,并利用電壓穩定性來評估模型的精準度和結果。Ameli 等[16]提出了一種新的多目標粒子群算法,在對分布式發電裝置進行規劃時,綜合考慮了配網的電壓波動、損耗以及配網公司的經濟利益。

上述文獻雖然對分布式能源接入配電網進行了合理的規劃及配網新能源滲透率的有效提升,但并未針對海上情況開展分析。海上環境十分惡劣,風機/光伏等發電設備佇立在海中,受到災害性天氣的影響,腐蝕老化速度明顯加快,因而更容易出現故障,導致設備停機。從潮流角度來分析,發電單元故障脫離電網很可能造成配電網局部電壓越限、線路有功功率越限、期望失負荷等情況[17],對海上油氣平臺集群的穩定運行造成巨大影響,因而對海上新能源的選址定容方式提出了更高的要求。

本文綜合考慮靜態潮流電壓穩定性、海上油氣平臺電氣化集群供電系統集群劃分原則和一次性投資建設經濟性等指標,提出階段式海上油氣平臺不穩定電源與儲能聯合配置優化決策方案。該方案基于風機/光伏的預測數據,以潮流穩定性和經濟性為目標優化不同節點接入的風機/光伏容量,隨后根據集群劃分的結果以電壓波動、損耗和容量為目標優化每個子集群內的儲能容量,最后以渤海油田某10 kV實際油氣平臺配電網為例驗證策略的有效性,從而探究海上分散式風機/光伏發電工程的可行性。本文為新能源接入、多能互補、低碳運營的供電模式形成及未來“零碳”油田建設提供了解決方案。

1 海上油氣平臺集群系統建模

海上油氣平臺集群是指在原有燃氣機和常規配電網絡基礎上,并入了風機/光伏/儲能等分布式能源,形成了集成多種不穩定可再生能源和傳統能源的海上油氣平臺獨有的電氣化集群供電模式。

1.1 風機模型

風電機組的輸出功率受風速和最大風機功率影響,可以用近似的分段線性函數來描述[18]：

(1)

式(1)中:Pw為風電機組的輸出功率,MW;x為實際風速,m/s;M為風機最大功率,MW;α、β為線性參數,無量綱;vci、vco和vr分別表示切入風速、切出風速及額定風速,m/s。

1.2 光伏建模

光伏發電的輸出功率主要受溫度、光照強度等影響。可以建立光伏輸出功率模型如下[19]：

(2)

式(2)中:Ps、Ppv分別為標準情況(光照強度1 000 W/m2,溫度25 ℃)下光伏輸出功率和實際光伏輸出功率,MW;Gs、Ga分別為標準情況下的光照強度和實際光照強度,W/m2;Tr、Ta分別為標準情況下溫度和實際溫度,℃;k為功率溫度系數,/℃。

1.3 儲能建模

儲能的存在可以調節配網節點的電壓,減少損耗,提高電網的穩定性。其荷電狀態SOC與充放電功率模型為[19]

(3)

式(3)中:σ為儲能自放電率,無量綱;ηc、ηd分別為儲能充、放電效率,無量綱;Eess為儲能容量,MW·h;t為時間,h;Δt為一個調度周期,h;Pch、Pdis分別為儲能充、放電功率,MW。

1.4 拓撲建模

根據海上油氣平臺集群配電網情況,可以推導得到任意節點m的注入視在功率Sm和節點間流動的視在功率Sm,m+1為

(4)

其中

(5)

如果節點1為平衡節點,則節點m(m∈[2,n])的電壓相量Um可以表示為

(6)

1.5 基于LightGBM網絡的預測模型

為了對海上風機/光伏系統進行典型日出力功率預測,本文基于當地風力氣象典型日、光伏氣象典型日、已有風場光場的歷史氣象數據及對應的發電數據,訓練基于LightGBM網絡的風機和光伏典型氣象日出力功率預測模型,進而使用訓練的預測模型根據氣象典型日進行典型日發電功率預測。風力發電預測的氣象數據包括不同高度的風速、各個風速對應的風向、溫度以及濕度;光伏發電預測的氣象數據包括短波輻射強度、長波輻射強度、云量、溫度以及濕度。

LightGBM預測模型可表示為

(7)

訓練的目標函數為最小化預測誤差的均方值:

(8)

式(8)中:N為樣本數量,無量綱;Pg,i為氣象樣本點i時刻對應的真實發電功率,MW。

使用訓練完成的風力發電預測模型fw和光伏發電預測模型fpv,分別對風力發電以及光伏發電典型日進行功率預測。

用于風力發電典型日和光伏發電典型日預測發電功率為

(9)

(10)

通過對當地風,光時序發電的合理預測,可以為風機/光伏的接入容量提供合理依據,同時還可以通過指導儲能的容量配置,來有效減小系統功率波動和損耗,穩定電壓,達到如式(11)所示的調度平衡關系,提升系統內各電源功率的時序匹配性,在提升新能源滲透率的同時減小風機/光伏的隨機性帶來的影響。

(11)

式(11)中:PG、PP分別為燃氣機和電網的調度出力功率,MW;Pe,i為儲能調度出力功率,MW;PL為總負荷預測功率,MW;npv、nw、ne分別為風機、光伏、儲能配置臺數。其理想配置運行結果如圖1所示。

圖1 風機/光伏/儲能等微源與傳統電源聯合供電結構

2 海上油氣平臺集群系統穩定性分析及集群劃分原則

2.1 穩定性分析

潮流穩定性主要通過研究配網支路節點間的功率和線路阻抗來判斷潮流是否有解[20],然而僅從損耗角度將復雜配網進行簡單等效,不但沒有考慮電壓波動影響且會導致較大誤差。因此改進的潮流穩定性推導,可以更為全面地反映節點間的潮流關系,更精準地判斷潮流解的存在性[21],其節點ij之間支路靜態電壓穩定性指標Lij為

(12)

式(12)中:當Lij<1時,表明該支路潮流有解,是穩定的,Lij的值越小,則該支路的穩定裕度越大;當Lij>1時,則表明該支路潮流無解,潮流是不穩定的。

對于具有n個節點的配電網,整個配電網的靜態電壓穩定性指標應該為所有支路穩定性指標Lij的最大值,L代表了整個配電網最薄弱的支路,可以反映整個配電網的穩定性,當系統發生電壓崩潰時,一定是從最薄弱的支路開始的。

2.2 靈敏度分析

2.2.1電壓靈敏度

若忽略線路損耗,可以得到任意節點m的注入有功Pm和無功功率Qm：

(13)

式(13)中:PLi為節點i的負荷有功功率及分布式發電單元接入有功功率之和,MW;QLi為節點i的負荷無功功率及分布式發電單元接入無功功率之和,MVar。為了簡化表達,令

(14)

可以得到節點電壓變化與功率變化的關系式:

(15)

式(15)中,忽略線路損耗的任意節點m的電壓對任意節點k的功率,求偏導可以表達為

(16)

式(15)中:兩個雅可比矩陣被稱為電壓靈敏度矩陣,其行向量絕對值之和表示不同節點的功率變化對同一節點電壓的影響,結果越大表明該節點電壓越容易受到功率變化的影響;列向量之和表示同一節點的功率變化對其他節點電壓的影響,結果越大表明該點的功率對整個系統節點的電壓影響越大。

2.2.2損耗靈敏度

由式(6)可知,具有n個節點的配網損耗Ploss可以表達為

(17)

式(17)中:Re表示取一個復數的實部。為了簡化表達,令

(18)

可以得到系統損耗ΔPloss的變化和功率變化的關系

(19)

其中

(20)

由式(18)和(19)可知,在輻射型線路中,損耗靈敏度大小與節點注入功率大小有很大關系,節點注入功率絕對值越大,其靈敏度就越大,對損耗的調節能力就越強。此外,式(17)表明,損耗與節點的注入功率是一個二次關系式,注入功率絕對值越小,則損耗越小。

2.3 基于電壓、損耗靈敏度指標的集群劃分原則

電力系統集群劃分是依據各節點間與參考節點間的電氣距離,將空間中的各節點與參考節點距離相近的節點劃分為一類,從而使整個配電網被劃分為多個電壓控制群(圖2)。每個群內部的電氣耦合程度高、聯系緊密,配網節點電壓及損耗的控制,可在集群劃分后更有效地實現,同時提升各集群內部功率的時序匹配性及電壓的穩定性。

圖2 電力系統集群劃分區域結構

電氣距離基于電壓和損耗靈敏度分析,用來衡量各個節點間電壓變化的耦合緊密程度。由于風機光伏等接入配電網的出力功率形式主要為有功功率,因此本文以有功和損耗靈敏度矩陣為基礎,第m個節點的有功功率對配網電壓的控制能力用有功靈敏度矩陣的列向量VSm表示,有功功率對損耗的控制能力用損耗靈敏度矩陣的列向量LSm來表示:

(21)

式(21)中,每個節點對節點m功率的導數都可以看作是空間坐標的一個維度,矩陣VSm體現了電壓與有功功率之間的關系,LSm體現了損耗與有功功率之間的關系。電氣距離具體的求解為

(22)

(23)

(24)

式(22)～(24)中:VSmin、VSmax分別為有功靈敏度矩陣元素的最小值和最大值,無量綱;LSmin、LSmax分別為損耗靈敏度矩陣元素的最小值和最大值,無量綱;xvmk為電壓靈敏度矩陣元素歸一化后節點m的第k個空間坐標;xlm為損耗靈敏度矩陣元素歸一化后節點m的空間坐標;dij為節點ij之間的電氣距離,無量綱;p和q分別為不同指標的權重系數,p+q=1。

式(22)、(23)通過min-max歸一化變換,將電壓靈敏度和損耗靈敏度的數據統一到一個標準上,并結合式(24)的歐式距離計算方法,可以求解損耗靈敏度和電壓靈敏度影響程度不同時,節點ij之間電氣距離的大小。

電氣距離比較接近的節點,其有功功率對電壓和損耗的影響能力相近,可以集中表現為一個子集群,在控制中可以被劃分為一類。由式(14)和(18)可知,影響電氣距離的因素主要包括線路的阻抗、節點的電壓幅值以及節點注入功率的大小。

所以，可以說，有錢人其實并非“將利益最大化的專家”，反而是“將風險最小化的專家”。舉個例子來說，如果某天一只股票損失了500元，有錢人不會在這個損失得到彌補之前再忍耐一下，而是盡早止損，然后重新尋找投資的機會。

3 風機/光伏/儲能優化決策

3.1 總體思路

為了充分利用海上豐富的風機/光伏資源,本文提出了不穩定電源及儲能的階段式優化決策流程(圖3)。這種風機/光伏/儲能配置方式既考慮到了配電網的靜態穩定性,又考慮到了電壓波動和損耗,可以有效提升配網的穩定裕度,減少風機/光伏等不確定性帶來的影響。

圖3 不穩定電源及儲能階段式優化決策流程

3.2 風機/光伏選址定容規劃設計方案(階段一)

第一階段的風機/光伏接入配電網容量規劃模型以配電網潮流穩定性和投資的總費用最小為目標,求解每個節點最優接入的風機和光伏容量。

3.2.1目標函數

上層最優規劃的目標函數F為

F=min(F1,F2)

(25)

1) 潮流穩定性F1。合理的風機/光伏接入將改善整個配電網的電壓分布,提升配電網的潮流穩定裕度,以一天24 h內潮流電壓穩定指標L的最大值作為目標之一,即

F1=max{L1L2…L24}

(26)

2) 投資總成本F2。考慮到風機光伏一次性成本價格以及海上施工費用,定義F2為海上風機/光伏投資建設安裝總成本,即

F2=C1PW+C2PPV

(27)

式(27)中:C1、C2為風機和光伏的單位容量價格及施工費用,百萬元人民幣;PW、PPV為風機光伏的安裝容量,MW。

3.2.2約束條件

1) 配電網潮流約束。配電網穩定運行時,其電壓功率必須滿足潮流方程:

(28)

式(28)中:Gij、Bij分別為節點ij之間的電導和電納,s;θij為節點i、j之間的相角差,rad。

2) 節點電壓約束。

Ui,min≤Ui≤Ui,max

(29)

式(29)中:Ui,min、Ui,max分別為節點電壓偏差允許的最小值和最大值,kV。

3) 風機/光伏接入總容量約束。風機/光伏接入總容量減去負荷總容量后不應該超過上級電網變壓器能承受的功率最大值。

PDG≤PDG,max

(30)

式(30)中:PDG為實際接入風機/光伏的容量,MW;PDG,max為最大可接入風機/光伏總容量,MW。

3.3 集群劃分及儲能選址定容規劃設計方案(階段二、三)

第二階段在配電網接入風機/光伏后,根據電氣距離計算方法將整個配電網劃分為若干個子集群;第三階段根據靈敏度分析選定儲能接入位置后,選取電壓波動、有功損耗和容量作為目標函數,儲能時序出力功率為決策變量來對儲能容量進行規劃。

3.3.1目標函數

下層儲能規劃的目標函數f為

f=min(f1,f2,f3)

(31)

1) 電壓波動f1。

(32)

式(32)中:n為節點個數;U1、Ui,t分別為節點1(平衡節點)和節點i在t時刻的電壓幅值,kV;T為一天24 h。

2) 線路損耗f2。

(33)

式(33)中:Pi,t、Qi,t分別為節點i在t時刻的有功和無功功率注入,MW。

3) 儲能系統容量f3。在考慮儲能調節電壓波動以及損耗的同時,也應該考慮到儲能單位容量的成本及安裝費用。因此可選取儲能總容量作為衡量其經濟性的重要指標,考察一天內儲能的最大充/放電量以及荷電狀態上下限,可得相應目標函數:

(34)

式(34)中:tj,s為第j段儲能持續充/放電的開始時刻;tj,e為第j段儲能持續充/放電的結束時刻;Pch/dis,i為第i個儲能這段時間的充/放電功率,MW;SOCmax和SOCmin分別為儲能荷電狀態的上限和下限,無量綱;Ne為儲能的數量。

3.3.2約束條件

在進行儲能容量配置時,不僅需要考慮潮流約束和節點的電壓約束,還需要考慮到儲能的荷電狀態約束,一天內能量平衡約束以及充放電約束。

1) 荷電狀態約束。

SOCi,min≤SOCi(t)≤SOCi,max

(35)

式(35)中:SOCi,max和SOCi,min分別為第i個儲能荷電狀態的上限和下限。

2) 儲能充放電約束。儲能荷電狀態是指某個時刻電池的剩余容量和額定容量之比,其充放電狀態見式(3)。

3) 儲能能量平衡約束。儲能為了能夠滿足一天的調度運行要求,希望一天的初時段荷電狀態和末時段荷電狀態盡量相同。即

SOC(0)=SOC(T)

(36)

3.4 多目標交互決策模型

為優化各個目標使其綜合達到最優,引入了多目標交互式決策模型,max[f1(x),f2(x),…,fn(x)],其中f1(x)、f2(x)、…、fn(x)分別為不同目標,對多個目標的最優解進行歸一化處理,可以得到滿意度函數:

(37)

(38)

可以看出,ξ越大則fξ越小,即各個目標越接近各自的最佳目標值。所以,通過fξ可以充分實現多個目標的整體均衡,同時兼顧了各方矛盾,得到一個各方均能接受的滿意方案。

3.5 嵌入潮流計算的階段式粒子群算法

根據實際需求并結合上述目標,提出2種容量配置方案,并利用2種嵌入潮流的階段式粒子群算法進行求解。

1) 方案一:單目標燃氣機出力功率占比自定義模式。

考慮到傳統燃氣機發電的工況,將原有燃氣機出力功率按百分比減小作為備用容量,同時并入風機/光伏/儲能等清潔能源來為配電網負荷進行供電,提出了嵌入潮流計算的單目標階段式粒子群算法。①初始化第一階段的粒子群:根據上層的約束條件以及單位容量風機/光伏每小時的發電功率,初始化粒子速度、位置、迭代次數以及燃氣機出力功率占比值,并代入適應度函數中計算潮流和目標函數,得到初始個體最優和全局最優;②更新第一階段的粒子群:在約束范圍內更新每個粒子的速度和位置,更新個體最優和全局最優,迭代次數加一;③判斷迭代次數:若達到設置的最大迭代次數,轉向④,否則返回②繼續迭代計算;④儲能選址:根據第二階段電壓、損耗靈敏度指標,對整個配網進行集群劃分,確定儲能的個數和位置;⑤初始化第三階段(儲能定容)粒子群:根據第一階段風機/光伏配置結果,初始化第三階段粒子群,計算儲能容量;⑥更新第三階段粒子群:在約束范圍內更新每個粒子的速度和位置,計算潮流和目標函數來更新儲能容量,迭代次數加一;⑦判斷迭代次數:若達到最大迭代次數,則輸出風機/光伏/儲能容量配置的最優結果,否則返回⑥繼續迭代。

2) 方案二:多目標經濟性自定義模式。

根據投資方給出的投資建設金額范圍,求解風機/光伏容量的Pareto最優前沿,儲能容量按風機/光伏總容量的固定百分比計算。提出了一種多目標階段式粒子群算法,該方法基于小生境多目標粒子群算法[22],同時并入了潮流計算。①初始化第一階段粒子群:初始化風機/光伏容量和位置,設置外部存檔的大小和迭代次數;②初始化非劣解和全局最優:根據初值計算潮流及每個目標值,得到第一輪非劣解,隨后按照與適應度成比例的輪盤賭方法隨機選取外部檔案中的個體作為全局最優;③更新第一階段粒子群:在約束范圍內更新風機/光伏容量和位置,計算潮流和目標函數;④更新外部存檔和全局最優:用當前粒子中的非劣解更新外部存檔,若存檔中個體數目達到最大,則根據②中的輪盤賭方法,替換掉適應度最小的個體,同時更新全局最優,迭代次數加一;⑤判斷迭代次數:若達到最大迭代次數,則輸出Pareto最優解集,否則返回③繼續迭代;⑥儲能選址定容:根據⑤的結果計算進行第二階段的配網集群劃分,并對儲能進行第三階段的選址定容,輸出容量優化配置結果。

上述容量配置后,還需要通過穩定性評價指標和功率、容量、能量滲透率指標[23]來對配置完成的風機/光伏/儲能進行評價。

4 算例分析

4.1 算例條件

以渤海油田某10 kV實際油氣平臺配電網系統進行分析。該系統網架包括16個節點,其中節點16為上級35 kV配電網,整個系統通過海底電纜接入上級配電網,該網絡總負荷為103.892 MW,且整個油田的負荷幾乎不隨時間發生變化。在現有工況下,整個區域燃氣機6用2備,配合上級配電網出力功率,可以滿足整個油田的負荷用電。整個系統結構如圖4所示。這里以該拓撲為基礎,研究風機/光伏/儲能容量規劃設計的合理性。考慮實際需求,采用3.4節中的兩種方案來對風機/光伏/儲能進行規劃,并與原工況進行對比分析。

圖4 渤海油田某10 kV實際油氣平臺配電網結構

4.2 容量配置結果及分析

該配電網區域8臺發電機(6用2備)配合上級配電網即可滿足負荷的需求,且負荷幾乎不隨時間發生變化,潮流分布較為穩定(圖5)。由于負荷幾乎不隨時間發生變化,因此在僅有燃氣機出力功率的情況下,一天內潮流幾乎不會發生變化,計算可得穩定性指標F1為0.094,滲透率指標均為0,電壓波動指標f1為11.96,一天內總損耗103.2 MW·h。

圖5 渤海油田某10 kV實際油氣平臺原始工況下潮流分布

4.2.1方案一:燃氣機出力功率自定義

將原有燃氣機出力功率按比例縮減同時并入風機/光伏/儲能等清潔能源,考慮到經濟性和穩定性指標同樣重要,ξ1(x)、ξ2(x)均取1。當燃氣機出力功率減小50%時,風機/光伏整體均衡度優化曲線和上層風機/光伏配置結果見圖6。

圖6 燃氣機出力功率減小50%時風機光伏迭代優化結果

配置風機總量為70 MW,光伏總量24 MW,風機/光伏配置后的配網潮流如圖7所示。

圖7 風機/光伏配置后潮流分布

根據風機/光伏配置后的容量以及配電網的負荷分布情況進行第二階段的集群劃分,以節點1和節點10為基準,計算節點2—9與節點1、節點11—15與節點10的電氣距離(圖8)。

圖8 風機/光伏配置后電力系統集群節點間電氣距離

基于電氣距離,可以將距離相近的節點1、2、6、7、8,節點3、4、5,節點10及節點10—15劃分為4個子集群,劃分結果如圖9所示。

圖9 風機/光伏配置后電力系統集劃分結果

根據集群劃分結果及每個子集群內部的電壓、損耗靈敏度,決定在節點2、5、14上接入儲能。隨后通過第三階段的優化算法,可計算出儲能的具體容量分別為12、13和8 MW·h。配置儲能后的配網潮流分布如圖10所示。

圖10 風機/光伏/儲能配置后潮流分布

根據運行狀態可以計算系統功率滲透率為62.80%,由于負荷幾乎不發生變化,功率滲透率和容量滲透率始終相等,能量滲透率為39.42%,穩定性指標為0.057,節點電壓最大值在儲能配置前后分別為1.050和1.039,最小值分別為0.948和0.952,波動明顯減小。總目標中損耗和電壓波動的單個目標優化過程如圖11所示,損耗在儲能配置前后分別為49.1、41.0 MW·h,電壓波動指標在儲能配置前后分別為9.23和8.04,通過迭代每個目標都得到了優化。

圖11 燃氣機出力功率減少50%時加入儲能前后的優化

燃氣機出力功率減少30%和70%時,風機/光伏規劃結果如圖12所示。

圖12 燃氣機出力功率減少30%(a)和70%(b)的風機/光伏規劃結果

燃氣機出力功率減少30%時,配置風機總量為62 MW,光伏總量為21 MW;燃氣機出力功率減少70%時,配置風機總量為105 MW,光伏總量為43 MW。經計算,儲能接入點均為2、5、14節點,儲能配置前后,配網的潮流分布如圖13所示。

圖13 燃氣機出力功率減少30%和70%的配網潮流分布

可以看出,燃氣機出力功率減少30%時,儲能配置結果為7.6、6.1、3.3 MW·h,功率/容量滲透率為55.43%,能量滲透率為34.84%,穩定性指標為0.053;燃氣機出力功率減少70%時,儲能配置結果為15.0、15.2、6.3 MW·h,功率/容量滲透率為99.40%,能量滲透率為61.10%,穩定性指標為0.073。損耗和電壓波動如圖14所示。

圖14 燃氣機出力功率減少30%及70%的儲能損耗和電壓波動優化

燃氣機出力功率減少30%時,加入儲能前后節點電壓最大值在儲能配置前后分別為1.033和1.028,最小值分別為0.954和0.960,損耗由53.5 MW·h降至46.2 MW·h,電壓波動由7.58降至6.17;燃氣機出力功率減少70%時,加入儲能前后,節點電壓最大值分別為1.069和1.049,最小值分別為0.942和0.951,損耗由44.6 MW·h降至35.1 MW·h,電壓波動由9.57降至8.18。

接入風機/光伏/儲前后各項指標對比結果如表1所示。從表1數據可以看出,相比于原始工況,減少燃氣機出力功率并入分布式風機/光伏/儲能等清潔能源可以有效地提升整個油田的功率/容量和能量滲透率,可改善配網內功率流動,提升配網的靜態穩定性。同時,風機/光伏的加入可以使系統有功損耗降低,隨后子集群中加入儲能后還可以進一步降低有功損耗及電壓波動,提升了配網運行的經濟性和可靠性。

表1 加入風機/光伏/儲能前后不同燃氣機出力功率減少比例的指標對比

4.2.2方案二:經濟性自定義

根據投資方給出的一次建設安裝費用范圍,在配置風機/光伏時,考慮到經濟性指標(單位為百萬元人民幣)以及穩定性2個指標,且儲能按照風機/光伏總容量的30%進行配置,利用嵌入潮流計算的多目標粒子群算法可以求得限制經濟性為(250～350)百萬元的多目標優化結果,如圖15所示。

圖15 多目標Pareto前沿的經濟性指標

可以看出,當風機/光伏配置總量92 MW、儲能配置總量27.6 MW·h時,一次性建設安裝費用為306.772百萬元,穩定性指標為0.060 7;風機/光伏配置總量為76 MW、儲能配置總量22.8MW·h時,一次性建設安裝費用為254.916百萬元,穩定性指標為0.072 3。隨著一次建設安裝費用的提升,配網系統的穩定性也在提升,而一次建設安裝費用降低,穩定性指標也會變差。根據實際情況考慮對不同目標考慮的占比即可選出最合適的風機/光伏/儲能優化配置。

5 結論

1) 嵌入潮流計算的階段式粒子群算法可以快速合理地求解出風機/光伏/儲能的配置容量。

2) 基于靈敏度分析的集群劃分原則和儲能接入方法,可以有效改善風機/光伏出力功率不確定性對配網造成的影響,降低配網損耗和電壓波動。

3) 基于配電網集群劃分、穩定性和經濟性的階段式風機/光伏/儲能優化配置方案,可以有效提升海上油氣平臺配電網的潮流穩定性,提高新能源滲透率,降低配電網和燃氣機負擔,提升經濟性。