含风光发电的配电网状态估计研究

申定辉,于晓蕾,赵海洋

(1.国网六安供电公司,安徽 六安 237000;2.国网安徽众兴电力设计院有限公司,合肥 230000)



含风光发电的配电网状态估计研究

申定辉1,于晓蕾2,赵海洋1

(1.国网六安供电公司,安徽 六安 237000;2.国网安徽众兴电力设计院有限公司,合肥 230000)

为准确估计出风、光发电的出力和系统的运行状态,保证配电系统稳定、可靠运行,分析了风、光发电的特性及提出风、光发电状态估计模型。采用基于支路电流平方和支路功率的状态估计改进方法对含风、光发电的配电网进行状态估计研究。通过PG&E-69节点系统算例,验证了风、光发电估计模型的有效性,并从接入位置和渗透率角度分析了风、光发电对配电网状态估计的影响。

配电网;风、光发电;状态估计;支路电流;支路功率

含分布式电源的配电网状态估计,对配电网稳定、可靠运行十分重要。配电网不同于输电网,量测冗余度不足,在馈线根部有电压幅值量测和功率量测,在馈线开关上一般只采集电流幅值量测。合适的状态估计算法,对估计的结果有着重要的影响。目前状态估计的算法主要可以分为传统数值算法和智能算法。

传统数值算法可以分为三类:基于节点电压法[1]、基于支路电流法[2-3]和基于支路功率法[4]。节点电压法需要形成庞大的节点导纳矩阵,在处理支路电流幅值量测上会出现多个解的情况;支路电流法在处理支路电流幅值量测上具有优越性,但该类算法在迭代过程中需要反复计算整个网络的电压幅值和相角,并且不能很好地处理环网;支路功率法实际上是以潮流匹配的结果来代替状态估计,不能很好地处理支路电流幅值量测和节点注入型量测。

智能算法主要分为四类:BP神经网络法[5]、PSO(粒子群优化)法[6]、ACO(蚁群优化)法[7]和HBMO(蜜蜂交配优化)法[8]。智能算法的目的是寻找最优的潮流和负荷的匹配,以替代传统的数值计算方法,节省计算时间,提高估计速度,但是配网的量测信息精度并不能满足算法的需求。

除了算法的研究,风、光发电也是研究的重点。风、光发电一般可分为kW级小型和MW级大型风、光发电。小型风、光发电一般不设置量测装置,缺乏量测信息;大型风、光发电有量测装置。

鉴于上述情况,本文提出无量测和有量测的风、光发电状态估计模型,采用基于支路电流幅值平方和支路功率的改进算法,对含风、光发电的配电网进行状态估计研究。

1 状态估计模型

辐射状配电网模型如图1所示。

Pi、Q—节点注入有功和无功功率;Pij、Qij—支路首端有功和无功功率;Iij、αij—支路首端电流幅值和相角;Vi、δi—节点i的电压幅值和相角

图1 辐射状配电网模型

Fig.1 Radial distribution network

支路电流幅值量测方程为

(1)

支路首端功率量测方程为

(2)

(3)

支路末端功率量测方程为

(4)

(5)

节点注入功率量测方程为

(6)

(7)

式中:i,l∈j表示于节点j相连的节点;Xcj为节点j的电容器和充电电容的电抗值。

节点j电压平方的量测方程为

(8)

节点j的电压约束方程为

(9)

式中,k表示与节点j相连的节点,对于所有与节点j相连的下游支路都含有电压约束方程。

含有等式约束的状态估计模型可以表示为

s.t.c(x)=0

式中:z为量测值;h(x)为量测函数;W为量测权重矩阵;c(x)=0为零等式约束。

对模型采用拉格朗日乘子方法进行求解,模型为

L=J(x)-λTc(x)

模型的一次最优解为:

(10)

其中

Δx=xk+1-xk

Δzk=z-h(x)

2 风、光发电状态估计模型

2.1 无量测风、光发电模型

单个无量测光伏电池估计模型如图2所示。

图2 单个无量测光伏电池估计模型

一般情况下,光伏发电是由光伏电池的Ns×Ng串并联阵列组成,其中Ns、Np分别表示串联和并联个数。光伏阵列的I-V特性可以表示为

Ig=Np×Im

Vg=Ns×Vm

其中,Im和Vm是通过光伏电池自身参数和光伏电池所处的环境(如辐照度、温度)获得,具体公式参照文献[9]。

光伏发电的出力Pg-DC可以表示为

Pg-DC=VgIg

交流出力Pg-AC可以表示为

Pg-AC=ηVgIg

式中:η为逆变器的转换效率,一般为0.9～0.96。

通过以上的分析可知,在无量测信息的光伏模型中,交流测有功Pg-AC可以作为伪量测,并且一般的光伏发电交流测的功率因数cosφ=0.95～1,本文取cosφ=0.99,则无功伪量测Qg-AC=Pg-ACtanφ。量测方程为

针对无量测的风机进行状态估计时,可利用量测数据,估计风电机组向电网中输送的有功功率Pg,Qg。T型等效模型如图3所示[10]。

图3 异步风机T型等效RX模型

2.2 有量测风、光发电模型

MW级光伏电站一般都配置了功率量测、电流幅值量测和电压幅值量测。光伏发电的外特性直接与状态估计相关。有量测光伏发电估计模型如图4所示,其中,虚线以外的部分为有量测光伏发电的状态估计模型。

Vac、δac和Pac—逆变器侧电压幅值、相角和有功功率;Vg、δg—光伏接入点电网电压幅值和相角;XT—并网隔离变压器等效损耗阻抗。

图4 有量测光伏发电估计模型

Fig.4 Photo-voltaic power generation estimation model with measured

通过模型可以看出,对于光伏接入的交流部分,光伏发电注入功率Pac、注入电流幅值平方Aac和节点电压幅值平方Bc可以作为实时量测量,即量测方程为

有量测风力发电估计模型如图5所示。尽管有量测的风力发电估计模型与光伏发电基本一致,但所取的量测量有所不同。选取风力发电的有功PWT和无功QWT为量测量,则量测方程为

图5 有量测风力发电估计模型

3 含有量测光伏发电的算法初始化改进

光伏发电本身只向电网提供有功功率,光伏发电进行逆变时,需要向逆变器提供无功补偿。光伏发电与电网发生的无功功率交换为

光伏发电注入电流为

4 算例分析

选取PG&E69节点系统为算例,对含风、光发电的配电网进行状态估计仿真分析,该系统框图如图6所示。系统基准线电压UB=12.66 kV,基准功率SB=1 MVA,网络有功总负荷为3849.9 kW。

根据量测误差分别对实时量测添加N(0,0.0012)的正态随机误差,伪量测添加N(0,0.012)的正态分布随机误差。

无量测风、光发电系统在Simulink平台上搭建风、光系统模型,设定环境参数,仿真获得系统有功出力参数,作为伪量测数据输入到状态估计程序中,对风、光发电出力进行估计。有量测风、光发电系统设定有功出力P和Q,注入电流I,研究风、光发电对配电网状态估计的影响。

图6 PG&E 69节点系统框图

为充分研究风、光系统接入配电网后,接入位置和渗透率对配电网状态估计的影响,本文拟定了以下三种方案。

方案一:在除去根节点的节点上,分别接入800 kW的风、光发电,风力发电的功率因数为0.90,分析研究接入位置与估计误差的关系,定义支路功率估计误差rload为

式中:Pflow、Qflow为支路潮流解值;Pse、Qse为支路潮流估计值;nbranch为不加风、光发电网络支路数。估计结果如图7所示。

图7 不同接入点估计误差

从图7可知,同一接入容量下,不同接入点的状态估计误差具有如下分布特点:随着风、光发电远离根节点接入,误差总体趋势减小;重负荷的节点接入风、光估计误差较周围轻负荷节点小。误差最小接入点为节点50,光伏发电最小误差为rload=0.52%,风力发电最小误差为rload=0.7062%。

方案二:通过方案一,可知节点50处接入风、光估计误差最小。在节点50处,接入不同容量的风、光发电,研究渗透率与估计误差的关系,定义渗透率κ为

式中:PPV为风、光发电有功出力,PL为系统有功总负荷,本文取渗透率κ=0.1～0.9。

不同渗透率κ下估计误差如图8所示。

图8 不同渗透率κ下估计误差

从图8可以看出,估计误差随着渗透的增大呈现出先减小后增大的趋势。当渗透率κ=0.9时,误差大大增加,估计结果可信度降低。

方案三:通过方案一和方案二所得结果,在节点50处接入无量测光伏发电,最大有功输出120 kW。一天24 h的光伏出力估计结果如图9所示。

图9 无量测光伏发电估计结果

5 结 论

1) 风、光发电接入配电网中,远离根节点接入对状态估计的影响较小;在同一距离上,具有重负荷的节点对风、光发电的接纳力强,对状态估计的影响较轻。建议在配电网中的末端且负荷较重的位置接入风光发电。

2) 风、光发电的渗透率需要保持在一个合理的水平(κmax=0.5～0.6)。风、光发电的接入容量过大,潮流反转严重,影响状态估计的质量,对配电网的安全运行造成影响。

3) 无量测风、光发电,因其对电网的渗透率小,天气信息可以作为风、光出力的有效参考。

[1] LU C N,TENG J H,LIU W H E.Distribution system state estimation[J] IEEE Trans on Power Systems,1995,10(1):229-240.

[2] 吴为麟, 侯勇, 方鸽飞.基于支路电流的配电网状态估计[J].电力系统及其自动化学报, 2001, 13(6):13-19.WU Weiling, HOU Yong, FANG Gefei.Distribution system state estimation branch current based[J].Proceedings of the CSU-EPSA, 2001,13(6):13-19.

[3] WANG Haibin, SCHULZ N N.A revised branch current-based distribution system state estimation algorithm and meter placement impact[J].IEEE Tran on Power Systems,2004, 19(1):207-213.

[4] DENG Y,HE Y,ZHANG B.A branch-estimation-based state estimation method for radial distribution systems[J] IEEE Transactions on Power Delivery, 2002, 17(4):1057-1062.

[5] MANITSAS E, SINGH R, PAL B C, et al.Distribution system state estimation using an artificial neural network approach for pseudo measurement modeling[J] IEEE Transactions on Power Systems, 2012, 27(4):1888-1896.

[6] NIKNAM T, RANJBAR A M, SHIRANI A R.A new approach for distribution state estimation based on ant colony algorithm with regard to distributed generation[J] Journal of Intelligent &Fuzzy Systems, 2005, 16(2):119-131.

[7] NAKA S, GENJI T, YURA T,et al.Practical distribution state estimation using hybrid particle swarm optimization[J].2001 IEEE Power Engineering Society Winter Meeting, 2001,2(2):815-820.

[8] NIKNAM T, FIROUZI B B.A practical algorithm for distribution state estimation including renewable energy sources[J] Renewable Energy, 2009, 34(11):2309-2016.

[9] LIN W M,TENG J H.State estimation for distribution system with zero-injection constraints[J].IEEE Trans on Power Systems, 1996,11(1):518-824.

[10] THUKARAM D,JEROME J, SURAPONG C.A robust three-phase state estimation algorithm for distribution networks[J].Electric Power Systems Research,2000,55(3):191-200.

(责任编辑 侯世春)

Research on distribution system state estimation with wind and photovoltaic power generation

SHEN Dinghui1,YU Xiaolei2,ZHAO Haiyang1

(1.State Grid Liu’an Electric Power Supply Company,Lu an 237000, China;2.State Grid Anhui Zhongxing Electric Power Design Institute Co,.LTD,Hefei 230000, China)

In order to accurately estimate the output of wind and photovoltaic power generation and the state of distribution system so as to ensure the stable and reliable operation, this paper analyzed the characteristics of wind and photovoltaic power generation, and proposed its state estimation model.Based on the improved method based on the square of branch current and the state estimation of branch power, the paper studied the state of the distribution system with wind andphotovoltaic power generation.Through the example of PG&E-69 node system, it is verified that the estimation model is effective.Besides, from the access location and penetration point, the impact of wind and photovoltaic power generation on distribution state estimation is analyzed.

distribution system;wind and photovoltaic power;state estimation;branch current;branch power

2015-12-23;

2016-06-08。

申定辉(1989—),男,硕士,工程师,主要研究方向为状态估计、新能源并网、柔性交直流输配电技术。

TM61

A

2095-6843(2016)05-0466-05