区域分布式电源集群监控系统

刘海波, 李 鹏, 顾 伟, 张雪松, 窦晓波, 付 明

(1. 东南大学电气工程学院, 江苏省南京市 210096; 2. 国网浙江省电力有限公司电力科学研究院, 浙江省杭州市 310014; 3. 国电南瑞科技股份有限公司, 江苏省南京市 211106)

0 引言

近年来,分布式电源以其资源丰富、接入方式灵活、清洁无污染等优势得到广泛关注及迅猛发展。分布式电源通常是指发电功率在几千瓦至几兆瓦的小型模块化、分散式及布置在用户附近的高效、可靠的发电单元。分布式电源的优势在于,可以充分开发利用各种可用的分散存在的能源,以及提高能源的利用效率。但同时,分布式电源具有较强的间歇性、随机性和波动性,将其接入中压或低压配电网,将改变配电网的传统运行模式,对配电网的安全产生较大的影响[1]。

配电网优化调度能够合理配置配电网内的电力资源,有效降低配电网有功损耗,充分消纳可再生能源发电,降低分布式电源接入配电网后造成的负面影响[2-4]。文献[5]从主动配电网的角度,分析了配电网的优化调度策略,并提出了一种考虑分布式电源特性的优化调度模型,该模型以调度周期内的配电网运行成本最小为调度目标,以可控分布式电源和网络开关为调度量,模型采用智能单粒子优化算法(ISPO)进行求解。文献[6]提出了含分布式电源的配电网内前两阶段优化调度模型,两阶段分别确定分布式电源的有功与无功出力。

大量分布式电源接入配电网后,传统调控系统采用的顺控方式效率低、通信要求高,控制效果一般。分布式电源集群是同一类型同一运行控制方式、电压相关的分布式电源厂站集合,集合具备调控功能,具备自治能力且能实现信息汇总、信息交互功能[7]。采用分布式电源集群控制方案,调控系统直接与集群管控装置进行信息交互,可以有效提高调控效率。

目前,国内外集群控制相关研究大多集中在大规模集中式接入的风电和光伏电站层面,在集群控制架构策略研究方面,国内外现有研究包括:文献[8]提出了风电集群3层/4层控制架构,并对架构内各层功能划分和控制目标进行了定义和说明,同时文章还针对不同调度特性的风电场,提出了集群有功功率协调控制策略;文献[9]提出了风电场群的无功电压协调控制思路, 以风电场群的汇集站为电压中枢点, 以各风电场升压变压器的高压侧电压为约束, 协调各风电场的无功调节装置动作。

相比于单一电源形式的大型风电场,分布式电源集群的地域分布更分散,电源暂态及稳态条件下输出差异也相对较大[10]。分布式电源的集群控制形式上是对区域内分布式电源进行整合,但区别于虚拟电厂内部电源的多样性,集群控制对象一般为同种类型或出力特性近似的分布式电源,同时分布式电源区域集群控制强调对电源本体的协调控制[11]。并且,中国配电网调控系统尚未形成专门针对规模化分布式电源的专用调控功能,目前只有较少部分中压接入分布式电源实现了可监测、可调度,而配电网调度尚未形成专门针对分布式电源应用的专用控制功能[12]。

有鉴于此,本文在现有研究成果的基础上,针对分布式电源高渗透率接入配电网后带来的影响,提出了分布式电源集群控制技术体系和方法。本文的主要贡献如下。

1)设计开发了集群动态划分方法、多目标优化策略和集群控制策略等。其中,多目标优化策略以总网损最小、光伏弃光量最小和电压偏差最小为优化目标,提高了分布式电源并网运行后配电网的安全性和经济性;集群快速管控策略采用事件触发方式,根据实时电压变化,计算各个集群的无功需求量,体现了与配电网友好互动的能力。

2)设计开发了区域分布式电源集群控制系统的主站架构和功能体系,实现了区域分布式电源集群的优化协调控制。运用实时数字仿真器(RTDS)在不同测试场景下验证系统的有效性。其最终研发的系统已于浙江宁波杭州湾电网示范应用。

1 分布式电源集群监控系统方案设计

1.1 系统结构设计

分布式电源集群监控系统采用面向服务架构(SOA)设计,按功能由集群监控主站、集群管控装置、前置服务器、数据采集与监控(SCADA)系统、高级应用子系统等组成。系统架构如图1所示。

图1 集群监控系统架构Fig.1 Architecture of cluster monitoring system

系统以集群监控主站作为系统信息处理中心,与系统各模块通过系统总线完成信息交互,集成了操作平台、数据服务、高级应用等;系统以集群管控装置收集集群内分布式电源信息,对群内所有设备、分布式电源采用标准化建模,基于信息交换模型将群内信息上送给集群监控主站,集群管控装置接收集群监控主站下发的运行控制策略,将指令分解给各个场站,协调调度分布式电源集群中的发电单元。

1.2 系统功能设计

分布式电源集群监控系统功能如图2所示。系统完成分布式电源集群的数据采集与处理、综合评价分析、发电功率预测等集群控制支撑功能,并在分布式电源海量数据处理的基础上，完成状态估计、集群划分、集群控制策略部署、集群与组成元素动态展示等功能。

图2 系统功能部署Fig.2 Deployment of system functions

根据分布式电源集群数据的获取、处理、应用,可将分布式电源集群控制系统分为三个层次:基础数据层、应用层、展示层。基础数据层完成数据的采集及数据库的管理;应用层完成各种高级应用功能包括集群划分、全局优化、集群控制等;展示层完成集群属性和控制效果的动态展示。

2 分布式电源集群监控系统关键技术

2.1 集群划分技术

系统通过部署在主站的高级应用进行自动分群。基本步骤如下:首先基于电压主导节点选择并计算等值网络电压敏感矩阵,再根据敏感度进行分群聚集。

主导节点电压不仅要反映其所在区域内所有节点的电压水平,而且要易于进行电压调控。即对于每个分区应该选取最具备可控能力,同时又能代表该区域电压水平的节点为主导节点。基于节点的可控性和可观性两个指标,对该区域内所有节点的综合灵敏度Si进行计算。综合灵敏度最高的节点即为主导节点。综合灵敏度计算方程可表示为:

(1)

电压灵敏度计算方程可表示为:

(2)

然而,节点电压无法直接改变,可通过赋予该节点很小的无功变量以改变其节点电压。电压灵敏度计算方程可改写为:

(3)

无功电压灵敏度计算方程可表示为:

(4)

由于电压灵敏度与无功电压灵敏度二者数量级不同,因此在实际算例中需对二者进行标准化计算再相加。

而有功功率—电压灵敏度和无功功率—电压灵敏度计算公式为:

(G+P)]-1

(5)

(B-Q)]-1

(6)

式中:JP和JQ分别为有功功率—电压灵敏度矩阵和无功功率—电压灵敏度矩阵;G和B分别为节点导纳矩阵中的电导和电纳部分。

2.2 多目标优化技术

多目标优化功能主要根据配电网的实时运行状态、发电功率预测结果、负荷预测结果等信息,对系统的运行给出优化调度策略,提高系统实时运行安全性和经济性[13]。

以电压偏差最小、总网损最小和光伏弃光量最小为优化目标,构造多目标优化模型,如下式所示:

(7)

式中:a,b,c为影响权重因数,a+b+c=1;n为区域配电网内的节点数;Ui和Ui,ref分别为节点i的电压幅值和电压幅值期望值;集合v(i)表示区域配电网中以节点i为首端节点的支路的末端节点集合;rij为支路i-j的电阻;Iij为支路i-j电流幅值;Pi,PVpre为节点i处光伏电站预测有功出力;Pi,PV为节点i处光伏电站经过控制后实际向电网提供的有功出力。

约束条件主要有以下几种。

1)节点功率平衡约束

(8)

(9)

式中:集合u(j)为以节点j为末端节点的支路的首端节点集合;Pij和Qij分别为支路i-j首端有功和无功功率;Pj和Qj分别为节点j注入电网的有功和无功功率;Pj,PV和Qj,PV分别表示光伏电站向节点j注入的有功和无功功率;Pj,d和Qj,d分别表示节点j处负荷的有功和无功功率;xij为支路i-j的电抗;Uj为节点j的出口电压幅值,对于支路i-j有

(10)

2)光伏有功、无功出力约束

光伏电站经有功、无功控制后，实际向集群提供的有功出力不应超过其预测有功出力值，即

0≤Pi,PV≤Pi,PVpre

(11)

光伏电站中的光伏电池主要通过能量转换系统(PCS)接入电网,PCS可以独立地调节光伏电站的有功和无功出力,其有功和无功出力的关系式可以表示为:

(12)

式中:Sj,PCS，max为节点j处可调的光伏电站PCS的最大容量。

同时,光伏电站的有功、无功出力还应满足功率因数不小于0.95的要求,即

(13)

3)节点电压约束

Ujmin≤Uj≤Ujmax

(14)

式中:Ujmax和Ujmin分别为节点j电压幅值的上、下限。

考虑到式(8)和式(9)的强非凸形式,上述问题属于非确定性多项式(NP)难题,难以获得最优解。于是利用二阶锥技术对其作一步松弛,定义变量节点电压幅值平方v2,i和支路电流幅值平方i2,ij为[14]:

(15)

(16)

然后经过等价变形,将式(10)写成标准二阶锥的形式,即

‖[2Pij2Qiji2,i-v2,i]T‖2≤i2,i+v2,i

(17)

2.3 分布式电源集群控制策略

系统设定的分布式电源集群控制策略包括:警戒调度策略和紧急调度策略。

2.3.1分布式电源集群警戒调度策略

设定电压正常工作区间为0.97Un～1.03Un,其中Un为额定电压。当电压超过该区间但与正常区间偏差不超过±0.07Un时,将触发分布式电源集群警戒调度策略[15]。其策略步骤如下。

步骤1:量测主导节点当前时刻电压。

步骤2:计算主导节点电压偏差,判断电压是否越界,若无越界事件,则不作策略切换;若存在越界,且偏差量不超过±0.07Un,则根据当前电压与0.97Un及1.03Un的偏差绝对值,确定最小恢复电压。

步骤3:计算主导节点相关集群对主导节点电压的灵敏度系数矩阵。

步骤4:根据集群灵敏度系数矩阵,计算各集群的有功、无功功率调整量。

步骤5:下发给各集群管控装置主导节点电压及场站灵敏度系数矩阵。

步骤6:集群管控装置根据场站灵敏度比例关系计算集群内各场站的功率分配值并下发给各场站。

2.3.2分布式电源集群紧急调度策略

当主导节点电压偏差超过±0.07Un时,系统处于紧急状态,分布式电源集群主站切换至集群紧急调度策略。其策略步骤如下。

步骤1:系统参数配置,初始化调节次数累加器。

步骤2:量测主导节点当前时刻电压Upilot(t)。

步骤3:计算主导节点电压偏差,判断是否超过±0.07Un,若未超过则根据实际电压偏差选择警戒调度策略或定时(15 min)执行多目标优化策略,将调节次数累加器置0;若超过该界限,则判断累加器是否为2,若不是,则计算各主导节点相关集群内场站无功调整量,若是,则需要配电自动化系统完成故障隔离。

步骤4:集群主站下发集群控制器相关场站无功调整量,进行主导节点电压调节。

步骤5:将调节次数累加器加1,转步骤2。

3 系统平台展示及应用算例

3.1 区域分布式电源集群监控主站界面展示

区域分布式电源集群监控主站集成了应用服务器、数据库服务器、存储单元等硬件设备,同时集成了实时监测与数据支撑平台相关软件和高级应用软件[16-17]。

1)实时数据库管理。区域分布式电源集群控制系统提供的实时数据管理界面是一个通用的视窗风格的人机界面,它利用了数据库管理系统提供的访问接口,为用户及程序员提供一个直观的录入、查询、修改和维护界面。附录A图A1所示为实时数据库界面[18]。

2)监控平台。开发了区域分布式电源监控平台,集成了分布式电源实时监测、集群多目标优化、集群快速优化等高级应用,管理员可以通过平台直接对分布式电源集群进行监控。附录A图A2所示为监控系统主站平台界面。

3.2 应用算例验证及结果分析

针对上述系统,选取已经投运该系统的浙江杭湾工业园区中某实际10 kV馈线作为算例,验证系统的正确性及可靠性。选用RTDS作为信源向被测系统提供实时、准确的模拟信号和状态信号。RTDS现场实验环境如附录A图A3所示。

3.2.1基于RTDS的网架建模

如图3所示,RTDS针对被测网架建立的数字仿真模型包括:网架中的电源点、光伏、负荷、母线、输电线路、有载调压开关(OLTC)等设备。RTDS通过外部接口与被测终端实现模拟量和数字量的实时交互,为测试系统提供了精确、灵活的电气环境模型[19]。其中,OLTC、负荷及光伏调节规则设置如附录A表A1所示。设置公共连接点(PCC)测点、并网点及负荷接入点如图3中所标识,其中节点17,19,20,23,27,28处接入光伏,额定功率如图中所示;图中绿色三角形位置节点接入负荷。运行系统集群划分功能,确定主导节点为节点17,19,27,根据集群划分结果,所有光伏被划分成3个集群。

3.2.2算例仿真及分析

在3.2.1节所搭建网架系统的基础上进行仿真。为了验证本文所提出的区域分布式电源集群监控系统的有效性和可靠性,结合配电网实际运行过程中可能出现的情况,本文设定了两种场景。场景1:运行时间45 min(短时间尺度负荷变化),母线电压变化周期5 min的短时间尺度,验证系统在各种运行状态下的策略投入情况;场景2:运行时间295 min(两倍周期长时间尺度负荷变化),母线电压变化周期5 min的长时间尺度,验证系统在长时间尺度运行下的可靠性。

图3 测试算例Fig.3 Test case

算例仿真是在Linux环境下运行区域分布式电源集群监控系统,RTDS通过交换机向系统提供实时、精确的网架数据。

1)场景1结果分析

在本场景中,测试算例系统的母线电压、光伏出力和负荷变化曲线如附录A图A4所示,其中母线电压通过OLTC动作调整,光伏出力是按额定功率比例变化,负荷是按附录A表A2中负荷比例变化。

运行区域分布式电源集群监控系统,利用RTDS的记录数据功能记录所有光伏的出力情况、负荷大小、光伏接入点电压及母线电压变化情况。利用系统集群划分功能选取集群1中的节点17、集群2中的节点19和集群3中的节点27作为主导节点,计算其实际电压和母线电压的差值,验证系统的协调优化效果。

图4所示为场景1下的系统运行结果,本文所设计的监控系统通过协调有功资源和无功资源,保证网络的电压安全性。可以看出,随着母线电压、光伏出力及负荷大小的变化,光伏出力情况也在不断随之变化。以集群1调控结果为例,在t=15 s时,主导节点17节点电压严重越限,因此在15～16 s期间各集群光伏发出最大无功,经过调节节点17电压降至正常值范围。图4(d)中的压差变化情况体现了系统的调节性能,将节点17实际电压的变化情况与压差进行对比,可以发现两者趋势基本相同,由此体现出本系统在各种运行状态下的有效性。

图4 场景1测试结果Fig.4 Testing results in case 1

2)场景2结果分析

在本场景中,测试算例系统的母线电压、光伏出力和负荷变化曲线如附录A图A5所示。

运行区域分布式电源集群监控系统,利用RTDS的记录数据功能记录所有光伏的出力情况、负荷大小、光伏接入点电压及母线电压变化情况。利用系统集群划分功能选取集群1中的节点17、集群2中的节点19和集群3中的节点27作为主导节点,计算其实际电压和母线电压的差值,验证系统的优化效果。

图5所示为场景2下的系统运行结果,场景2考察的是系统的可靠性,因此重点观察系统运行情况,以集群1主导节点17节点为例,在t=0～70 min,90～250 min,260～295 min区间内,主导节点17节点电压处于警戒电压范围;在t=70～90 min和250～260 min区间内,节点17电压处于正常电压范围。而压差变化曲线与实际电压曲线趋势大致相同,体现了系统在不同工况下的调节能力,验证了系统在长时间工作状态下的可靠性。

图5 场景2测试结果Fig.5 Testing results in case 2

4 结语

有源配电网的发展离不开完善的配电网监控系统。本文针对浙江杭湾工业区分布式电源监控的实际需求,研发了一套区域分布式电源集群监控系统。算例验证的结果表明:与传统直接对分布式电源进行调控的方式相比,以集群为单位构建的分布式电源监控系统,可以有效减少配电网调度节点、提高调控效率。本文的研究成果也为后续集群动态划分、分布式电源集群与配电网交互机制的研究提供了宝贵经验。

附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。

参考文献

[1] 于汀,刘广一,蒲天骄,等.计及柔性负荷的主动配电网多源协调优化控制[J].电力系统自动化,2015,39(9):95-100.DOI:10.7500/AEPS20141128007.

YU Ting, LIU Guangyi, PU Tianjiao, et al. Multiple coordinated optimization control of active distribution network considering flexible load[J]. Automation of Electric Power Systems, 2015, 39(9): 95-100. DOI: 10.7500/AEPS20141128007.

[2] 张立梅,唐巍,赵云军,等. 分布式发电接入配电网后对系统电压及损耗的影响分析[J].电力系统保护与控制,2011,39(5):91-96.

ZHANG Limei, TANG Wei, ZHAO Yunjun, et al. Analysis of DG influences on system voltage and losses in distribution network[J]. Power System Protection and Control, 2011, 39(5): 91-96.

[3] SAFDARIAN A, FOTUHI-FIRUZABAD M, LEHTONEN M. A stochastic framework for short-term operation of a distribution company[J]. IEEE Transactions on Power Systems, 2013, 28(28): 4712-4721.

[4] 顾伟,任佳依,高君,等.含分布式电源和可调负荷的售电公司优化调度模型[J].电力系统自动化,2017,41(14):37-44. DOI:10.7500/AEPS20170217005.

GU Wei, REN Jiayi, GAO Jun, et al. Optimal dispatching model of electricity retailers considering distributed generator and adjustable load[J]. Automation of Electric Power Systems, 2017, 41(14): 37-44. DOI: 10.7500/AEPS20170217005.

[5] 尤毅,刘东,钟清,等.主动配电网优化调度策略研究[J].电力系统自动化,2014,38(9):177-183.DOI:10.7500/AEPS20130804001.

YOU Yi, LIU Dong, ZHONG Qing, et al. Research on optimal schedule strategy for active distribution network[J]. Automation of Electric Power Systems, 2014, 38(9): 177-183. DOI: 10.7500/AEPS20130804001.

[6] 孟晓丽,高君,盛万兴,等.含分布式电源的配电网日前两阶段优化调度模型[J].电网技术,2015,39(5):1294-1300.

MENG Xiaoli, GAO Jun, SHENG Wanxing, et al. A day-ahead two-stage optimal scheduling model for distribution network containing distributed generations[J]. Power System Technology, 2015, 39(5): 1294-1300.

[7] 孙名扬,高原,严亚勤,等.智能电网调度控制系统集群化技术[J].电力系统自动化,2015,39(1):31-35.DOI:10.7500/AEPS20141009017.

SUN Mingyang, GAO Yuan, YAN Yaqin, et al. Clustering technology for smart grid dispatching and control systems[J]. Automation of Electric Power Systems, 2015, 39(1): 31-35. DOI: 10.7500/AEPS20141009017.

[8] 邢正军.电力系统紧急情况下的风电集群有功功率控制研究[D].北京:华北电力大学,2014.

[9] 舒进,郝治国,张保会,等.风电场的集群功率优化控制[J].中国电机工程学报,2011,31(34):10-19.

SHU Jin, HAO Zhiguo, ZHANG Baohui, et al. Wind farm coordinated control for power optimization[J]. Proceedings of the CSEE, 2011, 31(34): 10-19.

[10] MA Y, JIANG J N, RUNOLFSSON T. Cluster analysis of wind turbines of large wind farm[C]// Power Systems Conference and Exposition, March 15-18, 2009, Seattle, WA, USA: 7p.

[11] 高春凤.微网群自主与协调控制关键技术研究[D].北京:中国农业大学,2014.

[12] 尤毅,刘东,于文鹏,等.主动配电网技术及其进展[J].电力系统自动化,2012,36(18):10-16.

YOU Yi, LIU Dong, YU Wenpeng, et al. Technology and its trends of active distribution network[J]. Automation of Electric Power Systems, 2012, 36(18): 10-16.

[13] 蔡宇,林今,宋永华,等.基于模型预测控制的主动配电网电压控制[J].电工技术学报,2015,30(23):42-49.

CAI Yu, LIN Jin, SONG Yonghua, et al. Model predictive control-based voltage control strategy in active distribution network[J]. Transactions of China Electrotechnical Society, 2015, 30(23): 42-49.

[14] 刘一兵,吴文传,张伯明,等.基于混合整数二阶锥规划的主动配电网有功-无功协调多时段优化运行[J].中国电机工程学报,2014,34(16):2575-2583.

LIU Yibing, WU Wenchuan, ZHANG Boming, et al. A mixed integer second-order cone programming based active and reactive power coordinated multi-period optimization for active distribution network[J]. Proceedings of the CSEE, 2014, 34(16): 2575-2583.

[15] 刘一兵,吴文传,张伯明,等.基于有功无功协调优化的主动配电网过电压预防控制方法[J].电力系统自动化,2014,38(9):184-191.DOI:10.7500/AEPS20131101003.

LIU Yibing, WU Wenchuan, ZHANG Boming, et al. Overvoltage preventive control method based on active and reactive power coordinated optimization in active distribution network[J]. Automation of Electric Power Systems, 2014, 38(9): 184-191. DOI: 10.7500/AEPS20131101003.

[16] 陈冉,陆健,沈冰,等.馈线自动化系统的集成测试方案分析[J].电力系统自动化,2016,40(20):121-125.DOI:10.7500/AEPS20151221011.

CHEN Ran, LU Jian, SHEN Bing, et al. Analysis of integration test scheme for feeder automation system[J]. Automation of Electric Power Systems, 2016, 40(20): 121-125. DOI: 10.7500/AEPS20151221011.

[17] 陈云辉,刘东,凌万水,等.主动配电网协调控制的仿真测试平台[J].电力系统自动化,2015,39(9):54-60.DOI:10.7500/AEPS20141130035.

CHEN Yunhui, LIU Dong, LING Wanshui, et al. Simulation test platform for coordinated control of active distribution network[J]. Automation of Electric Power Systems, 2015, 39(9): 54-60. DOI: 10.7500/AEPS20141130035.

[18] 杨永标,王双虎,王余生,等.一种分布式电源监控系统设计方案[J].电力自动化设备,2011,31(9):125-128.

YANG Yongbiao, WANG Shuanghu, WANG Yusheng, et al. Design scheme for monitoring system of distributed power generation[J]. Electric Power Automation Equipment, 2011, 31(9): 125-128.

[19] 陈侃,冯琳,贾林壮,等.基于RTDS的光伏并网数字物理混合实时仿真平台设计[J].电力系统保护与控制,2014,42(3):42-48.

CHEN Kan, FENG Lin, JIA Linzhuang, et al. Design of digital/physical hybrid simulation platform for photovoltaic grid-connect system based on RTDS[J]. Power System Protection and Control, 2014, 42(3): 42-48.