大型新能源富集地区储能电站电压无功控制策略*

2022-04-28傅美平毛建容王光辉傅国斌

电器与能效管理技术 2022年2期

傅美平, 毛建容, 宋锐, 王光辉, 傅国斌

(1.许继集团有限公司, 河南许昌 461000; 2.国网青海省电力公司电力科学研究院, 青海西宁 810008)

0 引言

大量光伏、风电等新能源场站接入对电网电压波动影响较大[1],储能具有快速的功率吞吐能力和灵活的四象限调节能力,在电网调压及电能质量服务方面占据很大的优越性。规模化储能系统的引入,可全面提高大型新能源富集地区电网的调压能力,有效改善间歇式新能源发电出力特性与调控力[2-3]。继多省发文鼓励或强制要求新能源配套储能后,储能在新能源侧的应用已成大趋势,协调储能电站与新能源群进行电压无功控制是保障电网安全稳定运行亟需解决的问题[4]。

现阶段国内外对新能源场站无功优化控制策略的研究较多。文献[5]通过推导新能源发电站各种电压无功功率响应参数,可精确计算当前运行状况下需补偿的无功调节量。文献[6-7]提出综合协调新能源发电设备、静止无功发生器、电容器等多无功源的新能源场站电压控制策略。文献[8]建立电压分区和主导节点选择模型,设计上层全局优化和下层分区优化的含光伏配电网双层协调控制策略。

储能参与电压无功控制方面已开展了一些研究工作[9],众多学者研究了含储能接入的配电网无功优化方法。文献[10]提出以新能源发电、储能及各种无功源控制成本最小化为目标的配电网电压控制方法。文献[11-12]针对电压波动,提出考虑储能的配电网有功-无功协调优化方法。在传统电压无功控制的基础上,文献[13-14]研究计及储能电站的地区电网AVC系统控制策略。文献[15-16]提出单个储能电站的电压调节及无功控制方法。

本文针对储能电站多点布局的新能源富集地区无功优化问题,提出储能电站与新能源双层无功协调控制策略,合理利用储能与新能源等多种无功资源,提升新能源高渗透地区电压无功支撑能力。

1 储能电站与新能源群无功协调控制架构

储能电站联合新能源支撑区域电网电压无功双层控制策略如图1所示。上层区域电网从两个时间尺度对新能源及储能电站进行电压无功控制:区域电网电压在稳定运行区间内进行电压无功优化,控制时间周期为分钟级;当部分节点电压越限时,启动快速电压控制,控制时间尺度为秒级。下层为储能电站协调内部变流器及SVG,完成上层下发的控制命令。

图1 储能电站联合新能源支撑区域电网电压无功双层控制策略

2 区域储能与新能源电站电压无功优化控制

2.1 区域电压无功优化

含储能电站的大型新能源富集地区电压无功优化以所有节点电压偏差和网损最小为优化目标。

2.1.1 目标函数

(1)

式中:D——区域电压无功优化的目标函数值;

M——区域节点数;

Ui、Uj——第i、j个节点的电压幅值;

Ui,ref——第i个节点电压参考值;

θij——节点i和节点j电压向量的相位差;

Gij——节点i和节点j之间线路的电导;

α、β——电压偏差和网损目标的权重系数;

η1、η2——量纲归一化系数。

2.1.2 约束条件

(1)潮流约束为

(2)

式中:Pi、Qi——节点i的有功注入功率和无功注入功率;

Bij——节点i和节点j之间线路的电纳。

(2)所有节点电压约束为

Uimin≤Ui≤Uimax

(3)

式中:Uimin、Uimax——节点i的电压最小值和最大值。

(3)新能源场站无功出力约束为

QNE,lmin≤QNE,l≤QNE,lmax

(4)

式中:QNE,lmin、QNE,lmax——第l个新能源场站的无功出力下限和上限。

(4)储能电站无功及荷电状态约束为

QST,Nmin≤QST,N≤QST,Nmax

(5)

SOCST,Nmin≤SOCST,N≤SOCST,Nmax

(6)

式中:QST,N、SOCST,N——第N个储能电站的无功输出和荷电状态;

QST,Nmin、QST,Nmax——第N个储能电站的无功输出上限、下限。

SOCST,Nmin、SOCST,Nmax——第N个储能电站的荷电状态上限、下限。

考虑储能电站的荷电状态对其本身的影响,需要储能系统荷电状态维持在较好的区间内,以保证过渡充放电不会发生。

2.1.3 求解算法

电压无功优化模型是非线性优化问题,对电压偏差和网损最小的不同目标进行加权求和,将其转化为单目标以便求解,而权重系数的设置直接影响优化结果,可利用判断矩阵法确定不同目标权重系数。

因电压无功优化目标函数与约束条件的复杂性,应用改进粒子群算法进行求解。设定m维的目标搜索空间内,有n个粒子,表示为

Xk=(Uk1,Uk2,…Ukm),k=1,2…n

(7)

第k个粒子的更新速度为

Vk=(vk1,vk2,…vkm),k=1,2,…n

(8)

每个粒子搜索到的最优位置为

pbest=(Upk1,Upk2,…Upkm),k=1,2…n

(9)

粒子群搜索到的最优位置为

gbest=(Ug1,Ug2,…Ugm)

(10)

粒子寻优的过程中,每个粒子根据式(11)和式(12)来更新自己的速度和位置。

Vk+1=w·Vk+c1·rand·(pbest-Xk)+

c2·rand·(gbest-Xk)

(11)

Xk+1=Xk+Vk+1

(12)

式中:c1、c2——个体认知学习因子和社会认知学习因子;

w——惯性系数;

rand——[0.1]范围内随机数。

c1、c2用于调整粒子的自身经验与社会经验在其飞行过程中所起的作用。若c1=0,则粒子无认知能力;若c2=0,则粒子无信息共享。调整w大小可起到调节整个算法全局搜索和局部搜索能力权重的作用,w越大,表示粒子的飞行速度越大,说明粒子进行粗略的全局搜索;w越小,表示粒子的飞行速度越小,粒子进行的则是精细的局部搜索。利用线性递减权重方法,使w在算法前期较大、末期较小,可以使粒子群算法在前期不容易陷入局部最优,在后期能够加快收敛速度,使收敛更加平稳,即

(13)

式中:wmax、wmin——w的最大值和最小值;

t——当前迭代次数;

tmax——最大迭代数。

基于改进粒子群算法求解区域电压无功优化,设置c1=c2=2,wmax=0.9,wmin=0.4,tmax=300;通过输入原始数据参数及初始化粒子,计算各粒子的适应值,得到各粒子的个体最优值和群体最优值,更新每个粒子的飞行速度和位置,并使其满足各类约束,最终得到区域电压最优解。

2.2 区域电压偏差恢复控制

当区域内节点电压出现长期波动且越限时,需调动电网无功源设备进行电压协调控制,保证电网安全稳定。传统电压无功控制以就地平衡为原则,但就地无功容量无法支撑时,可调度电压灵敏度大的其他节点无功源进行协调控制,以尽可能利用电网中的无功资源抑制电压波动。

本文提出基于电压无功灵敏度的区域电压偏差恢复控制,充分协调电压越限节点相关的无功资源,实现母线电压快速恢复。节点电压-无功灵敏度为

(14)

式中:kij——节点j的无功功率注入对节点i电压变化的灵敏度系数;

ΔUi——节点电压i的偏差量;

ΔQi——节点j的无功功率注入量。

节点电压-无功灵敏度向量为Ki=[ki1,…kij,…kiM]T。当i节点电压越上限时,ΔUi=Ui-Uimax;i节点电压越下限时,ΔUi=Uimin-Ui。

当i节点电压越限时,计算i节点电压-无功灵敏度向量Ki,对向量里的元素kij进行排序,依据灵敏度大小依次调节新能源场站及储能电站,j节点支撑的无功调整量需在其无功容量范围内,即Qjmin-Qj≤ΔQj≤Qjmax-Qj;同时,还需保证j节点电压在运行范围内,则各新能源及储能电站支撑的实际无功调整量为

(15)

区域电压偏差恢复控制流程如图2所示。

图2 区域电压偏差恢复控制流程

3 储能电站电压无功控制策略

储能电站接收上层优化调度下发的电压和无功功率控制目标值,配合就地无功补偿设备参与无功调压。

3.1 电压无功需求计算

储能电站在进行电压控制时,需根据系统阻抗计算达到电站高压侧母线电压目标值的无功需求量。储能电站并网数学模型如图3所示。

图3 储能电站并网数学模型

图3中,Ubus为储能电站变压器高压侧母线电压,Us为系统电压,母线送出功率为P+jQ,系统阻抗为R+jX,忽略系统电阻R造成的影响,根据潮流计算可以推导出高压侧母线电压与无功功率的关系式。

(16)

系统阻抗X可通过实际调节后获得的电压无功值来求取。假设系统电压Us保持不变,设U-和Q-分别是系统调节前测量得到的母线电压和母线送出的总无功,U+和Q+分别是系统调节后测量得到的母线电压和母线送出的总无功,则

(17)

在得到系统阻抗后,就可以由式(16)推导出所需要的无功功率计算式。

(18)

式中:Uref——电压参考值。

其中,Qs表示为了使储能电站高压侧母线电压达到目标值,储能电站需要提供的无功功率总量。对储能电站内所有的无功补偿设备进行无功分配,使得储能电站母线电压维持在Uref附近。

储能电站参与区域电压偏差恢复控制时,无功需求量Qs为上层下发的无功功率调整量。

3.2 储能电站无功功率分配

电压波动所产生的无功需求,优先调节储能变流器,在无法满足并网点无功需求时,才考虑投入SVG。在分配储能变流器无功功率时,需考虑储能的荷电状态。

储能电站变流器实际总无功功率调整量Q储总可如下述方法实时计算。

(1)实时无功需求Qs为正值时(放电状态),电池储能变流器功率命令值分别基于各储能系统的荷电状态(SOC)进行设定,Q储i、QMaxi分别为第i个变流器的无功功率命令值和无功容量,则

(19)

式中: SOC储i——第i个储能系统的荷电状态;

L——储能电站变流器总个数。

(2)实时无功需求Qs为负值时(充电状态),即

(20)

SOD储i=1-SOC储i

(21)

(22)

式中: SOD储i——第i个储能系统的放电深度。

当储能逆变器总无功需求Q储总

QSVG=Qs-Q储总

(23)

4 算例分析

以改造后的IEEE 33节点电网系统进行仿真分析。系统基准容量为10 MVA,额定电压水平为12.66 kV,各节点电压上下限值为1.05 p.u.和0.95 p.u.。共有4座风光新能源电站与2座储能电站分别接入电网节点7、节点13、节点15、节点17、节点29、节点32,装机容量均为1 MVA。算例网络结构如图4所示。令α=0.6、β=0.4,采用粒子群算法基本经历60次迭代就可找到最优目标值,实现储能和新能源快速无功支撑。

图4 算例网络结构

设定两种场景对电压优化策略进行分析;同时,为验证储能在电压无功调控过程中的支撑作用,每个场景下分储能参与/不参与调控2种情况进行比较。

(1)场景一:负荷大、新能源出力小。该场景下,负荷比例系数为1,光伏电站出力均为0,风电有功出力为0.5 p.u.,无功出力初始为0。场景一无功优化调节前、后电压如图5所示。

图5 场景一无功优化调节前、后电压

负荷较大的场景下,优化前,电压整体呈下降趋势,线路末端的部分节点电压越下限。储能未参与的优化调控后,电压水平有所提升,由于新能源仅有接入节点13的风电场提供无功支撑,仍存在部分节点越下限的情况。当储能参与优化后,各节点电压恢复到合格范围。

(2)场景二:负荷小、新能源出力大。该场景下,负荷比例系数为0.4,新能源有功满功率输出,无功输出初始为0。场景二无功优化调节前、后电压如图6所示。

图6 场景二无功优化调节前、后电压

当新能源出力较大时,电压普遍较高,通过节点15、节点29的储能参与调控,使整体偏高的电压水平趋于额定值附近。

对比分析了两种场景下不同目标优化结果。两种场景下不同目标优化结果比较如表1所示。

表1 两种场景下不同目标优化结果比较

两个场景代表电网不同时段的运行工况,由表1可见,不同工况下,单目标优化不能使有功网损和电压水平同时达到最优,两者的优化效果是相互制约的。通过赋值权重系数后,有效地协调了两个子目标之间的关系,使优化达到整体最优。特别是场景二中,多目标优化后,总电压偏差由2.294 8 p.u.下降至1.393 8 p.u.,偏差减小幅度达40%,对比单一目标,总体优化效果良好。

为验证电压偏差恢复控制策略,模拟电压越限情况,其中节点13电压最高1.071 3 p.u.,电压越上限0.021 3 p.u.,按照电压无功灵敏度排序,调节顺序为WT1、ES1、PV2、PV1、ES2、PV3。优先调节本地风电场,由于本地风电场的无功调至最大值后,电压仍越上限,则再依次调节储能及光伏电站。越限节点的电压调至合格范围内1.048 1 p.u.后,调节前、后各新能源场站的无功出力变化如图7所示。