提升配电网新能源消纳能力的分布式储能集群优化控制策略

2021-12-12李翠萍东哲民李军徽李红军周恒宇

电力系统自动化 2021年23期

李翠萍，东哲民，李军徽，李红军，周恒宇，金强

（1. 现代电力系统仿真控制与绿色电能新技术教育部重点实验室（东北电力大学）,吉林省吉林市 132012；2. 国网河北省电力有限公司邯郸供电分公司,河北省邯郸市 056000；3. 国网经济技术研究院有限公司,北京市 102209；4. 国网营口供电公司,辽宁省营口市 115000）

0 引言

预计到 2030 年分布式电源（distributed generator,DG）并网装机总容量将达到130 GW［1-2］。随着接入规模不断增大,其出力间歇性与电网负荷时空匹配性差的问题愈发凸显,配电网对DG 的消纳能力逐渐下降。若限制DG 出力会造成较大的资源浪费［3-5］,而优化DG 接入位置及容量等方式所起到的效果有限,难以实现DG 的就地消纳［6］。

分布式储能（distributed energy storage,DES）技术的不断成熟,为解决DG 消纳问题提供了新的解决方案［7］。文献［8-10］指出储能可用于提升配电网对新能源的消纳,优化电网运行。文献［11-13］指出组合控制DG、储能等多种分布式能源,可加大配电网对可再生能源的接纳能力。文献［14-15］指出利用储能提高DG 消纳比例是发展智能电网不可或缺的一部分。

已有研究表明,储能可应用于配电网DG 消纳场景,而合理有效的储能控制策略是保证储能系统高效运行的基础［16］。文献［17-18］指出集群技术将成为促进能源消纳与电力生产的重要手段,且合理利用储能配置是提高系统运行经济性的重点。文献［19-20］构建储能控制模型,并发挥其功率时空支撑作用,降低DG 接入影响。文献［21］提出一种利用储能与风光火联合控制的调度策略,以达到提高新能源消纳能力的目的。已有储能控制策略多以配电网供电负荷为对象,对网络内部源荷匹配性考虑不足,无法兼顾各区域负荷与DG 出力情况。

DG 接入多呈现数量多、位置分散等特点,极易出现局部功率过剩,造成向上级电网倒送功率的现象,给电压质量、继电保护设置等带来不利影响。通过集群的控制方式对电网进行分区控制,可进一步实现区域资源的就地消纳,降低区域间功率流动对电网产生的影响。文献［22-24］指出集群划分由指标体系构建与算法实现组成。文献［25］在削峰填谷策略的基础上,提出一种用于促进风电消纳的平衡区域划分方法。文献［26］提出了计及网络连接与集群孤岛运行等情况的多目标储能规划。

现阶段集群方面研究集中于集群划分方法及储能容量配置,对储能参与DG 消纳集群控制策略研究相对不足,且已有控制策略对储能运行经济性考虑不足,难以兼顾储能在参与新能源消纳中带来的综合收益。

针对配电网分布式电源功率倒送引起的新能源消纳问题,本文为充分发挥配电网区域的自治能力,提出了一种提高配电网对新能源消纳能力的储能集群控制策略。建立了考虑综合性能的集群划分指标,并采用遗传算法进行优化求解。在此基础上,逐层开展配电网与集群的削峰填谷,以储能额外消纳新能源带来的收益与减小网络损耗的收益之和最大为目标,优化各储能时序出力；通过与基于容量分配储能控制进行对比,结果表明本策略可有效提高新能源消纳比例。

1 配电网储能集群控制结构

1.1 典型配电网结构

为考虑分布式电源接入对配电网造成的影响,本文建立含分布式储能的配电网结构图,如图1 所示。主要包括分布式光伏、分散式风电、储能及常规负荷。定义Ps为上级电网向配电网供给功率的大小,Ps≥0 表示功率流向为图中参考方向,Ps＜0 表示配电网内功率向上级电网倒送。

图1 基于集群的配电网架构Fig.1 Architecture of cluster based distribution network

根据配电网内部节点特性等因素,将负荷、分布式电源与储能划归为不同集群。图1 中彩色虚线框内部为具有不同特性的控制集群,根据不同区域集群净负荷特性及储能配置情况,设计分布式储能集群优化控制策略,保证新能源消纳的前提下提高储能系统的运行效益。

1.2 配电网储能集群控制

有效地处理分布式电源接入的分散性及出力的不确定性,是提升配电网分布式电源消纳比例的关键。在对含分布式电源配电网集群划分的基础上,优化储能的时序出力可以进一步提高消纳比例。本文首先在配电网层面对配电网净负荷功率开展削峰填谷分析；然后根据各集群负荷净功率曲线,依次确定集群储能充电功率与放电功率,完成集群层面储能功率的确定；最后根据集群内部各节点电气特性确定各节点储能时序功率,具体流程见附录A图A1。

储能集群控制分为配电网集群划分、配电网-集群储能控制及集群-节点储能控制三部分。因此,形成储能集群控制结构应首先对配电网进行集群划分。集群划分包括指标构建与求解,根据网络划分原则与应用场景选择合适的指标,并通过一定的求解方法不断优化所构建指标,划分效果影响着储能系统的控制效果。

2 配电网集群划分

2.1 集群划分指标

配电网集群划分综合性能指标包括结构性与功能性［14］。模块度是衡量网络结构强度的常用指标,在配电网中多采用基于电气距离的模块度指标来衡量电力网络划分的结构强度。有功功率平衡度是指集群内部源荷有功功率的平衡能力。本文综合模块度和有功功率平衡度指标对配电网进行集群划分,以保证策略能够有效提高新能源消纳比例。

2.1.1 基于电气距离的模块度指标

本文采用基于电气距离权重的模块度定义方式。首先采用牛顿-拉夫逊法计算出各节点电压灵敏度,并依此进行空间电气距离的计算,具体公式如下：

式中：m为网络中所有边权之和；ki为与节点i相连边的边权之和；kj为与节点j相连边的边权之和；f1为模块度指标。

2.1.2 有功功率平衡度指标

为表示在一定时间尺度下集群内部源荷匹配程度,采用基于净功率的形式定义有功功率平衡度指标［14］

式中：Pck为第ck个集群的有功功率平衡度指标；T为场景的时间尺度,本文取96；Pclu,ck（t）为第ck个集群t时刻的净功率值；f2为有功功率平衡度指标；c为集群总数。定义集群ck的净功率小于0 的部分为集群富余功率。

2.2 集群划分方法

综合系统整体模块度、有功功率平衡度等因素,以系统的划分方式为变量,在尽可能实现各集群区域自治调控的基础上,建立如下考虑综合指标电网集群划分模型。

式中：λ1和λ2分别为不同指标的权重系数,其中λ1+λ2=1,本文中取λ1=λ2=0.5。

本文采用遗传算法对所构建集群划分模型进行求解。采用二进制编码形式,分别将各基因位置为0或1 来表示配电网各支路连接情况。以IEEE 33节点配电系统为例,定义某一染色体各基因位为00001000 00000000 00000000 10000000,则对应配电网划分情况见附录A 图A2。求解流程见附录A图A3。

3 分布式储能集群控制策略

3.1 储能控制策略设计

3.1.1 目标函数

优化目标为既定配置下储能日运行效益最优。

式中：FP为储能运行带来的收益；FDG为储能额外消纳新能源带来的售电收益；Floss为储能运行带来的网损收益。

1）消纳新能源售电收益FDG

储能消纳新能源的售电收益为储能吸收倒送功率并在负荷高峰时段释放带来的售电收益。

式中：Fsale为储能释放电能带来的售电收益；Fbuy为储能充电购电费用,当储能运行在新能源消纳区域时为0；PESS,c,k（t）为t时刻储能k的充电功率；PESS,d,k（t）为t时刻储能k的放电功率；NE为储能接入总数；M（t）为t时刻从主网购电的分时电价；Δt为时间间隔,本文取15 min。

2）储能运行减小网损的收益Floss

式中：Floss1为储能接入前网损费用；Floss2为储能接入后网损费用；Ploss,n（t）为配电网第n条支路原始网络有功损耗；Ploss-ESS,n（t）为该支路在储能接入后的网络有功损耗；NL为支路总数。网损收益为储能接入前、后系统网络损耗减少量所带来的收益［27］。

3.1.2 约束条件

本文考虑约束主要为配电网与储能运行约束,包括潮流约束、电压约束、储能荷电状态约束、功率与容量约束。

1）潮流方程约束

式中：Pi（t）和Qi（t）分别为t时刻注入节点i的有功和无功功率；Ui（t）和Uj（t）分别为t时刻节点i、j的电压幅值；Gij和Bij分别为节点导纳矩阵中第i行第j列元素的实部与虚部；δij（t）为t时刻节点i、j相角差［27］。

2）储能荷电状态约束

式中：SOC,min为储能荷电状态下限,取0.1；SOC,max为储能荷电状态上限,取0.9；SOC（t）为t时刻储能的荷电状态,初始荷电状态等于周期末荷电状态,本文取0.45；PESS（t）为t时刻储能功率；PESS,N为储能额定功率。

3）节点电压约束

式中：Umin为节点电压允许最小值；Umax为节点电压允许最大值；Un,t为节点n在t时刻的电压。设置配电网节点电压约束范围为0.95UN～1.05UN。

4）分布式电源消纳比例约束

定义新能源消纳比例最大值为1,最小值为0。

式中：ηDG为分布式电源消纳比例。

3.2 评价指标

为反映本文所提策略的有效性与先进性,建立如下指标。

1）分布式电源消纳比例

定义DG 消纳比例ηDG为额外消纳的分布式电源电量Ead与不采取措施应弃掉Eab的电量之比。

2）电压越限节点数

配电网节点电压是限制分布式电源消纳的主要因素之一,过多消纳新能源有可能造成节点电压越限等问题,降低供电质量。

式中：Ne为电网电压越限节点总数；Ln为0-1 变量,若时间尺度T内n节点电压出现越限则Ln为1,否则为0。

3）负荷峰谷差

利用储能消纳配电网倒送功率,在负荷高峰时释放起到了削峰填谷作用,定义净负荷曲线上负荷功率最大值Ps,max与最小值Ps,min的差值为负荷峰谷差Pfg。

4）负荷波动程度

定义一天内各相邻时刻负荷功率差值的平均值为负荷波动程度。

式中：Pcg为负荷波动程度；Pt为t时刻负荷功率。

在对配电网集群划分后利用储能对分布式电源进行消纳,构建集群储能控制策略,具体实现流程见附录A 图A4。

4 仿真分析

4.1 算例参数

采用IEEE 33 节点配电网算例系统,分布式电源接入节点为4、7、8、14、24、25、30、32,具体接入情况见附录A 图A5,节点14、32、30、8、7、4、25、24 接入电动汽车；设置储能系统安装数目为6。各节点储能配置如表1 所示。分时电价见附录A 表A1。

表1 储能设备参数Table 1 Parameters of energy storage equipment

采用第1 章所提方法进行集群划分,最优染色体解为00010010 00000000 00000000 00000000,解码后划分结果见附录A 图A6。

为验证本文方案的优势,构建如下方案,对比各方案下储能系统运行的技术效果及经济效益。

方案1：传统方案。针对配电网总供电负荷,确定总储能功率并按照各节点储能容量进行功率分配,形成储能运行收益集合,确定储能最优时序出力。

方案2：本文方案。考虑综合性能指标对配电网进行集群划分,采用本文所提储能控制策略,对各集群储能时序出力进行优化。

4.2 方案对比结果分析

储能系统接入前各集群净功率见附录A 图A7。由于分布式电源接入比例较高,在08：00—11：00 与14：00—16：00 附近出现了DG 出力大于负荷的情况,造成了有功功率向上级电网倒送的现象。其中集群1 在12：00—16：00 时段出现了较大功率富余,集群2 在04：00—10：00 时段与15：00 附近出现了功率富余,集群3 在12：00—18：00 时段出现了功率富余,各集群负荷均在21：00 附近达到峰值。

分别根据不同储能系统控制方式对倒送功率进行消纳,方案2 中各节点储能系统出力如图2 所示；方案1 中各节点储能系统出力见附录A 图A8。

图2 方案2 中各节点储能系统出力Fig.2 Output of energy storage system on each bus in scheme 2

基于已有储能配置,采用不同储能控制方案,分别从运行效果与经济性角度对储能运行效益进行比较分析。不同方案下的储能系统运行参数如表2 所示。通过对比基于集群的储能控制与直接从配电网角度出发的储能控制效果可以看出,2 种方案均可提高配电网DG 消纳比例并获得一定储能运行收益；但考虑集群负荷特性确定储能功率的运行方案更具有优势。

表2 不同方案下的储能系统运行参数Table 2 Operation parameters of energy storage system in different schemes

相较于对比方案在功率倒送充电并在负荷高峰释放,本文策略考虑了各集群净负荷特性,并允许储能根据其所处区域负荷特性进行充放电,其中节点14、18 储能系统在功率倒送时段前利用储能初始电能进行放电；方案1 由于充电时间固定,吸收同样比例DG 所需储能容量大于方案2,相同储能配置下方案2 的DG 消纳比例高出方案1 约4%。由于额外消纳DG 无须花费购电费用,方案2 售电收益增加量来源于额外消纳的新能源；依据各集群倒送功率确定其内部储能功率,减少跨区域功率流动,故储能日运行收益上高出9%。此外,方案2 的负荷峰谷差比方案1 低4%,负荷波动程度相较于方案1 降低10%。2 种方案均未出现电压越限。

不同方案下储能系统参与调节前后的系统负荷如图3 所示。由于方案2 在储能系统充电前进行了放电,释放储能容量,在后续吸收倒送功率时相较于方案1 填谷线数值更小。

图3 原始储能配置调节前后负荷曲线对比Fig.3 Comparison of load curves before and after adjustment of original energy storage configuration

1）不同方案网络损耗分析

不同方案下各时刻系统网络损耗见附录A图A9。调节前系统在12：00—16：00 与20：00—22：00 时段网络损耗较大。在12：00—16：00 时段,系统倒送功率引起较大功率流动,带来网络损耗；在20：00—22：00 时段,晚高峰负荷激增造成网损增加。在上午10：00 附近,本文方案下节点14、18 储能系统放电,减小该时刻网损；午间时期各节点储能系统充电,网损降低；晚高峰时期储能系统放电,其间本文考虑了各集群负荷高峰比例,故该时段负荷较为平坦,网络损耗较低。

2）不同方案节点电压水平分析

不同方案下各时刻系统节点电压见附录A图A10。由于2 种方案均考虑了电压约束,故均未出现节点电压越限问题。

4.3 不同储能配置下储能系统运行效果分析

未来分布式储能接入配电网比例将呈现不断上升的趋势,故对不同储能配置下的储能系统控制策略运行效益进行对比分析。为验证储能配置较高时本文策略的有效性,选择储能配置比例较高时进行分析。各节点储能配置如表3 所示。

表3 储能配置增大后的储能设备参数Table 3 Parameters of energy storage equipment after energy storage configuration is increased

储能容量增加时储能系统的运行参数如表4 所示。相较于传统控制方案,本文方案的DG 消纳比例高15%,日运行收益高20%,且峰谷差有所缩小。

表4 储能配置增大后不同方案的运行参数Table 4 Operation parameters of different schemes after energy storage configuration is increased

随着储能容量的增大,DG 消纳比例随之增加,在此过程中,储能在DG 功率倒送时段所需的充电容量不断增加。方案1 中储能系统仅在功率倒送及负荷高峰时动作,而方案2 中储能系统则在功率倒送时刻前额外进行了一部分电能的释放,故其在功率倒送期间所能存储的电能更多。由于在充电前释放电量的增加,其在功率倒送期间所能存储的电能较多,故方案2 在消纳比例上更具优势,且负荷波动程度相较于方案1 降低25%。不同方案下储能系统参与调节前后的系统负荷如图4 所示,各时刻网损见附录A 图A11。各时刻节点电压见附录A 图A12,均未出现电压越限。

图4 储能配置调节前后负荷曲线对比Fig.4 Comparison of load curves before and after adjustment of energy storage configuration

现阶段储能成本仍然处于一个较高的水平,在实际储能运行中储能系统运行控制策略效果与储能系统配置密不可分,采用本文策略对计及储能系统一次投资成本下的储能系统运行效益进行分析。以锂离子电池为代表,单位储能功率成本为1 500 元/kW,单位储能容量成本为3 500 元/（kW·h）。

如图5 所示,在计及储能系统一次投资成本下,储能系统日运行收益先增后减小且存在极大值,当消纳比例为42%时,储能运行净收益达到最大值90.27 元/d。利用储能对配电网供电负荷进行倒送功率吸收并在高峰负荷时释放,在促进配电网对DG 消纳比例的同时获得了一定的经济收益。储能日运行净收益如图5 所示。储能系统起始运行在新能源消纳区域,此时储能系统吸收配电网向上级电网倒送功率,无需额外的购电费用,将储能存储的电量在负荷高峰时段释放并获得额外消纳新能源带来的售电和网损收益。

图5 储能净收益曲线Fig.5 Net income curve of energy storage

当消纳比例大于1 时,储能系统运行在购电填谷区,储能功率随着负荷填谷线的上移不端增大至负荷平均功率。此时接入配电网的新能源为100%消纳,继续增大比例则需要额外从上级电网进行购电,此时储能充电的功率来源于新能源倒送功率与购电功率之和,其中后者相较于前者需额外花费对应时段的分时电价。随着比例不断上升,储能系统的运行收益将不断下降。