考虑潮流倒送约束的分布式光伏电站选址定容规划

来源：SCI期刊网 分类：电子论文 时间：2022-03-29 09:57 热度：

　　摘要:提出一种考虑潮流倒送约束的配电网分布式光伏电站选址定容规划方法。该方法利用序贯蒙特卡洛模拟法处理光伏出力及负荷的时序性和随机性,以配电网对主网电能的需求最小为优化目标,以安装断路器的支路潮流不倒送和节点电压不越限为约束,在提高分布式光伏接入容量、减少碳排放量的同时,避免了常规选址定容模型引起的安装断路器支路潮流倒送频率高、危及现有配电网安全运行的不足。最后,采用性能良好的生物地理学优化算法对所建模型进行求解,在 IEEE 3 3 节点系统上验证了所提方法的有效性。

　　关键词:分布式光伏电站;选址定容;碳排放;序贯蒙特卡洛模拟;生物地理学优化算法

　　0 引言

　　在化石能源日益枯竭、环境污染日益严峻、温室效应的危害日益显现的形势下,提高电网的低碳绿色能源发电比例是中国走可持续发展道路的必由选择,低 碳 绿 色 可 持 续 将 成 为 未 来 电 网 的 基 本 特征[1-2]。目前,分布式电源已开始大规模接入配电网,现有文献对分布式电源选址定容问题也进行了大量 的 研 究,主 要 优 化 目 标 有:发 电 商 利 益 最 大化[3-4]、最小年费用[5]、网络损耗最小[6-9],其中网络损耗最小化最为普遍。

　　但是,现有文献的数学模型大都没有考虑潮流倒送对现有继电保护装置的影响。本文以配电网对主网电能的需求最小为优化目标,以安装断路器的支路潮流不倒送、节点电压不越限为约束条件,研究分布式光伏电站选址定容的规划问题。为考虑分布式光伏电站和负荷的时序性和随机性,目标函数和约束项中的评价指标采用序贯蒙特卡洛模拟的概率潮流计算得到。选择性能较好的生物地理学优化 (biogeography-based optimization,BBO)算法对所建模型进行求解,并与网络损耗最小化、不考虑潮流倒送的模型进行对比。结果表明网络损耗最小化模型得到的方案会影响现有配电保护装置的正常工作,危及系统的安全运行。本文所提模型能够在保证不影响现有配电网保护装置正常工作的前提下, 得到配电网对主网电能需求最小的规划方案,最大限度上提高现有配电网接纳分布式光伏发电的能力,网络损耗和电压质量也有一定的改善。

　　1 分布式光伏电站出力模型

　　1 .1 时序性模型

　　光伏电站出力直接受光强、温度影响有明显的时序特性,光伏电站日出力曲线呈现帽型:正午出力到达最大、早晚较低、夜间无出力。光伏电站出力还呈现明显的四季差异:夏季出力充足、冬季出力不足。拟规划建设光伏电站的区域需要对历史光照强度、温度作统计分析,得到一年内不同季节、不同时间段光伏电站的出力特性。图 1 所示为某地不同季节光伏电站的日出力曲线,该曲线表示了不同季节、不同时间段内光伏出力的最大值。

　　1 .2 随机性模型

　　同一个季节的光伏出力日曲线具有一致趋势, 但由于受气象条件影响,不同天的相同时间段光伏电站的出力存在随机波动性。

　　2 负荷模型

　　2.1 时序性模型

　　居民负荷受季节影响有较大差异,受起居规律的影响在一天内具有明显的波动,因此本文主要考虑居民负荷,以便突出时序性的影响。图 2 为某地不同季节的日负荷曲线,该曲线表示的是不同季节、不同时间段内负荷的平均值,图中的负荷比例是相对于全年负荷的峰值计算得到的。

　　2.2 随机性模型

　　由于用户用电具有一定的随机性,根据长期的数据统计和文献研究结果,对同一季节不同天的相同时间段的负荷随机性可采用正态分布近似描述,

　　3 序贯蒙特卡洛模拟的概率潮流

　　为了同时考虑时序性和随机性因素对光伏电站出力及负荷的影响,采用序贯蒙特卡洛模拟法[1 0-11] 模拟系统一年的运行状 态。1 2 月 至 2 月 为 冬 季、 3 月至 5 月为春季、6 月至 8 月为夏季、9 月至 11 月为秋季,根据不同季节的日负荷曲线和光伏电站日出力曲线,按式(4)和式(5)抽样得到全年 8 7 6 0 h 的负荷数据和光伏电站出力,图 3 所示为抽样得到的春季某节点某一周的负荷(标幺值)曲线,图 4 所示为抽样得到的春季某 1 MW 光伏电站某一周的出力曲线。

　　4 分布式光伏电站选址定容的数学模型

　　4.1 目标函数

　　化石能源发电是电力工业中碳排放的主要来源[1 2]。提高分布式光伏发电的接纳量不仅可以减少从主网的电能需求,促进碳减排,而且可以减少网络损耗,提高电能利用效率。因此,本文以分布式光伏电站接入后主网提供的电能与接入前的比值最小为优化目标,如式(6)所示。根据式(7),可计算得到碳排放量的减少量[1 3]。

　　6 算例分析

　　采用 IEEE 3 3 节点系统对所提的数学模型和计算方法进行验证,线路和负荷数据取自文献[1 8], 其中峰值负荷取文献[1 8]负荷数据的 1.5 倍,图 5 所示的断路器配置取自文献[1 9],负荷曲线、光伏出力曲线分别见图 1 和图 2,详细数据见附录 A 表 A1 和表 A2。各个节点待接入分布式光伏电站的容量在 0~1 MW 之间,步长为 0.1 MW,0 表示该节点不接入分布式光伏电站。由于算例分析及验证阶段的数 据 有 限,负 荷 的 随 机 波 动 方 差σT h 取 期 望 的 5%,分布式光伏电站出力随机波动的 Beta 分布形状参数αT h 和βT h 分别取 0.9 和 0.8。节点电压的约束范围为 0.9 ~1.0 5 (标幺值)。主网火力发电比例和 碳 排 放 强 度 分 别 为 q = 7 5%,c = 0.8 5 kg/(kW·h)[2 0]。

　　BBO 算法参数中迁移率 P mod =1,突变概率上限 M max=0.1;线性迁移模型中最大迁入率 I =1,最大迁出率 E =0.9;精英数量为 2;栖息地数量为 5 0; 迭代次数为 200。

　　6.1 网损最小化模型下的潮流倒送

　　问题为分析潮流倒送问题的严重程度,采用 BBO 算法对网损最小化模型进行求解,选址定容方案见附录 A 表 A3,潮流倒送情况如表 1 所示。

　　相关知识推荐：发表电力电子类论文的英文期刊

　　由表 1 可知,该优化模型下所有断路器支路都存在潮流倒送问题,并且大多数断路器支路潮流倒送频率都在 1 0%以上,这样的规划结果将影响现有继电保护装置的正常工作,危及系统的安全运行。因此,一味追求网损最小的选址定容规划方案并不适用,保证电能安全供应是实现低碳电力系统的重中之重[2 1],潮流倒送约束在分布式光伏电站选址定容规划中必须予以重点考虑。

　　6.2 本文模型验证与比较

　　惩罚系数ωU =1 0,ωP =1 00,ωP,Grid =1 000;采用 BBO 算法对所提模型进行求解,选址定容方案见附录 A 表 A4,分布式光伏电站接入前后所有节点的全年电压平均值(标幺值)如图 6 所示,光伏接入前后主要指标对比情况如表 2 所示。

　　由图 6 和表 2 可知,从减少能量损耗、减少对主网电能需求、降低碳排放量、提高电压质量的角度比较,本文所提模型不及网损最小化模型理想,但得到的规划方案能够确保所有断路器支路潮流倒送频率为 0,不存在网损最小化模型下危及系统安全运行的潮流倒送问题。本文所提模型能够得到不影响现有继电保护动作前提下的光伏最大接纳量的规划方案,相比未接入分布式光伏电站前仍能够显著减少对主网电能的需求、降低碳排放量,对电压支撑和减少网络损耗方面也有明显效果。

　　7 结语

　　本文提出了一种分布式光伏电站选址定容规划模型。模型考虑了光伏发电的季节差异,采用序贯蒙特卡洛法处理分布式光伏电站发电和负荷的随机性和时序性,并通过增加惩罚性约束条件避免了逆向潮流对现有继电保护正常工作的影响。算例结果验证了本文所建模型可以在不改变原有继电保护配置的基础上尽可能消纳清洁能源出力,降低网络损耗,减少主网的年供电量。与网损最小化等现有模型相比,所提方法对现阶段分布式光伏电站的大规模并网更具有实际的推动意义。——论文作者：章 力1 ,高元海2 ,熊 宁1 ,王 淳2 ,杨 聪2 ,舒 娇1

　　参 考 文 献

　　[1]贾文昭,康重庆,刘长义,等.智能电网促进低碳发展的能力与效益测评模型[J].电力系统自动化,2 0 11,3 5(1):7-1 2. JIA Wenzhao, KANG Chongqing, LIU Changyi, et al. Capability of smart grid to promote low-carbon development and its benefits evaluation model[J].Automation of Electric Power Systems,2 0 11,3 5(1):7-1 2.

　　[2]宋旭东,向铁元,熊 虎,等.考 虑 碳 排 放 权 分 配 的 低 碳 电 源 规 划 [J].电力系统自动化,2 0 1 2,3 6(1 9):4 7-5 2. SONG Xudong, XIANG Tieyuan, XIONG Hu, et al.Low carbon generation expansion planning based on carbon emission right allocation [J ].Automation of Electric Power Systems, 2 0 1 2,3 6(1 9):4 7-5 2.

　　[3]张节谭,程浩忠,姚 良 忠,等.分 布 式 风 电 源 选 址 定 容 规 划 研 究 [J].中国电机工程学报,2 00 9,2 9(1 6):1-7. ZHANG Jietan,CHENG Haozhong,YAO Liangzhong,et al. Study on siting and sizing of distributed wind generation [J ]. Proceedings of the CSEE,2 00 9,2 9(1 6):1-7.

　　[4]张立梅,唐巍,王少林,等.综合考虑配电公司及独立发电商利益的分布式电源规划[J].电力系统自动化,2 0 11,3 5(4):2 3-2 8. ZHANG Limei, TANG Wei, WANG Shaolin, et al. Distribution generators planning considering benefits for distribution power company and independent power suppliers [J ].Automation of Electric Power Systems, 2 0 11, 3 5(4): 2 3-2 8.

　　[5]郭贤,程浩忠,BAZARGAN M,等.基于自适应离散粒子群优化算法的微网 中 DG 选 址 定 容[J].水 电 能 源 科 学,2 0 1 3,3 1 (9 ): 2 2 0-2 24. GUO Xian, CHENG Haozhong, BAZARGAN M, et al. Optimal siting and sizing of distributed generation in microgrid based on adaptive DPSO[J].Water Resource and Power,2 0 1 3, 3 1(9):2 2 0-2 24.

　　[6]夏澍,周明,李庚银.分布式电源选址定容的多目标优化算法[J]. 电网技术,2 0 11,3 5(9):115-1 2 1. XIA Shu, ZHOU Ming, LI Gengyin. Mult-i obj ective optimization algorithm for distributed generation locating and sizing[J].Power System Technology,2 0 11,3 5(9):115-1 2 1.

　　[7]刘波,张焰,杨娜.改进的粒子群优化算法在分布式电源选址和定容中的应用[J].电工技术学报,2 00 8,2 3(2):1 0 3-1 0 8. LIU Bo,ZHANG Yan,YANG Na.Improved particle swarm optimization method and its application in the siting and sizing of distributed generation planning [J ]. Transaction of China Electrotechnical Society,2 00 8,2 3(2):1 0 3-1 0 8.

　　[8]郑漳华,艾芊,顾承红,等.考虑环境因素的分布式发电多目标优化配置[J].中国电机工程学报,2 00 9,2 9(1 3):2 3-2 9. ZHENG Zhanghua,AI Qian,GU Chenghong,et al.Mult-i obj ective allocation of distributed generation considering environmental factor [J ].Proceedings of the CSEE, 2 00 9, 2 9(1 3):2 3-2 9.

　　[9]李亮,唐巍,白牧可,等.考虑时序特性的多目标分布式电源选址定容规划[J].电力系统自动化,2 0 1 3,3 7(3):5 8-6 3. LI Liang, TANG Wei, BAI Muke, et al.Mult-i obj ective locating and sizing of distributed generators based on timesequence characteristics [J ].Automation of Electric Power Systems,2 0 1 3,3 7(3):5 8-6 3.

　　[1 0]赵渊,沈智健,周念成,等.基于序贯仿真和非参数核密度估计的大电网可靠性评估[J].电力系统自动化,2 00 8,3 2(6):1 4-1 9. ZHAO Yuan, SHEN Zhij ian, ZHOU Niancheng, et al. Reliability assessment of bulk power systems utilizing sequential simulation and nonparametric kernel density estimation[J].Automation of Electric Power Systems,2 00 8, 3 2(6):1 4-1 9.

　　[11]张宏宇,印永华,申洪,等.基于序贯蒙特卡洛方法的风电并网系统调峰裕度评估[J].电力系统自动化,2 0 1 2,3 6(1):3 2-3 7. ZHANG Hongyu,YIN Yonghua,SHEN Hong,et al.Peakshaving margin evaluation associated with wind power integrated system based on sequential Monte-Carlo method[J]. Automation of Electric Power Systems,2 0 1 2,3 6(1):3 2-3 7.

文章名称：考虑潮流倒送约束的分布式光伏电站选址定容规划

文章地址：http://www.sciqk.com/lwfw/dzlw/13091.html