考虑灵活性的交直流混合配电网储能双层规划

2022-07-04宫建锋周宗川靳盘龙张斌韩一鸣冯雪

电力建设 2022年7期

宫建锋，周宗川，靳盘龙，张斌，韩一鸣，冯雪

(国网宁夏电力有限公司经济技术研究院,银川市 750000)

0 引言

双碳目标下大力发展清洁低碳的可再生能源是助力早日实现双碳目标的重要途径之一[1]。配电网作为输电网与各类企业、用户等负荷的重要纽带,在整个电力系统中承担分配与供给电能、服务用户的重任[2]。近年来,交直流混合配电网以其自身拓扑结构的灵活性、潮流的可控性、高效的能源综合利用效率以及优质的供电质量等优势在未来配电网中占据举足轻重的位置,未来配电网将主要以交直流混合配电网为主[3-4]。传统配电网规划以系统经济性、安全性和可靠性为主展开大量研究。能源结构的转型以及“双碳”目标的提出致使配电网中分布式可再生能源的渗透率大幅度提升,其功率的随机性、波动性、间歇性以及预测精度低和多时空耦合等特点致使配网的潮流分布和流向随机多变且难以预测,系统正常运行时表现出灵活性不足问题,在实际进行配电网规划时须考虑提升系统灵活性[5-6]。因此,围绕灵活性展开配电网规划的研究,对助力早日实现双碳目标具有重要的理论价值和实践意义。

目前针对交直流混合配电网在运行控制、能量管理与安全可靠性分析等领域已取得一定的研究成果[7],但针对考虑灵活性的规划研究基本处于起步阶段。文献[8]以输电网为研究对象,利用电力系统灵活性评估指标,考虑灵活性供需平衡,构建双层规划模型;文献[9]考虑源- 网- 荷三侧的灵活性资源,提出交流配电网的储能规划方案;文献[10]综合考虑储能装置、可中断负荷以及电动汽车3 种灵活性调度资源,基于两阶段思想,提出一种配电网灵活性优化提升方案;文献[11]针对交直流混合配电网,提出一种柔性电动汽车充换储一体站规划方案;文献[12]基于二阶锥规划思想,构建主网与配网功率交换评估模型,提出灵活性提升方法;文献[13]通过对交直流混合配电网网架结构、分布式电源选址和容量综合优化,提出含分布式能源的配电网规划方案;文献[14]以交直流混合配电网为研究对象,基于N-1安全准则,建立两阶段鲁棒规划模型,以提高分布式可再生能源的就地消纳率和负荷的高质量供电;文献[15]通过构建灵活性指标,提出交直流混合配电网规划运行一体化的规划方案;文献[16]考虑风电不确定性,对交直流混合配电网灵活运行展开研究。上述文献为本文研究提供了一定的参考。

本文首先从源荷角度分析交直流混合配电网的灵活性需求,基于灵活性理论建立储能装置与可中断负荷所提供上下灵活性数学模型;然后,采用场景分析法结合K-means 聚类算法确定分布式电源和日负荷典型运行场景,在此基础上,建立考虑灵活性的交直流混合配电网储能双层规划模型,结合非线性化主成分分析法和遗传算法求解规划模型;最后,基于改进的IEEE 33 节点配网系统验证规划方案的正确性与普适性。

1 灵活性分析及指标构建

1.1 交直流混合配电网灵活性需求

交直流混合配电网灵活性需求源自系统不确定性,本文主要考虑源荷两侧。

1.1.1 电源侧不确定性

电源侧灵活性需求主要源自分布式可再生能源出力不确定性,以分布式光伏为例,根据光伏机组出力特点,其出力包括两部分:一部分为预测值;另一部分为预测偏差值。具体数学模型为:

式中:Ppv(t)表示t时刻分布式光伏出力;Ppv,F(t)、Ppv,E(t)分别表示分布式光伏出力的预测值与预测偏差值。

源端灵活性需求源自分布式光伏有功出力预测偏差。以预测步长作为采样周期,根据当前时刻分布式光伏电站实时监测数据滚动预测其出力。保持采样周期、预测方法和平均绝对百分误差EMAPE不变,基于EMAPE,确定不同时刻下分布式光伏出力对交直流混合配电网灵活性的需求量。具体数学模型为:

式中:Ppv,E,AVE(t)表示分布式光伏出力预测平均误差;τ表示预测步长;FND(t,τ) 表示Δτ时刻配电网灵活性需求量,下标D表示灵活性方向,分别为向上和向下。

1.1.2 负荷侧不确定性

荷端响应需求与系统故障等所切负荷均为负荷不确定性,本文负荷侧灵活性需求主要考虑后者,其通过配电网实时运行状态确定其失负荷量。系统失掉部分负荷,灵活性需求向下。具体数学模型为:

式中:FL(t)表示系统负荷;PLOAD表示系统总负荷;PL,F(t)表示t时刻失负荷量;LOLP表示失负荷概率;表示向下灵活性需求。

1.2 交直流混合配电网灵活性资源

配电网灵活性资源需具备响应速度快、持续时间长且满足系统时空特性弹性,通过调度灵活性资源实现自身供需平衡,从而达到调节源荷双向不确定性所导致功率波动的目的。基于灵活性供需平衡,需求侧选择可中断负荷,供给侧选择储能装置(energy storage system, ESS),以反映交直流混合配电网利用灵活性资源响应系统不确定性能力。

1.2.1 需求侧灵活性资源

对可中断类负荷,通过切断负荷提供上灵活性调节能力,反之,其提供下灵活性调节能力[9],具体数学模型为:

1.2.2 供给侧灵活性资源

对ESS,通过充电提供上灵活性调节能力,反之,其提供下灵活性调节能力[10],具体数学模型为:

1.3 灵活性裕度指标

考虑供需两侧灵活性资源,利用灵活性裕度反映交直流混合配电网灵活性[14]。以t时刻净负荷值量化交直流混合配电网灵活性需求,具体为:

t时刻交直流混合配电网向上、下灵活性裕度如式(12)所示,二者小于0 表明配电网向上、下灵活性不足。

2 灵活性需求场景生成

系统灵活性需求主要来源于分布式光伏出力和负荷随机性与不确定性,其不同时间尺度具有不同特性,长时间尺度下主要受季节、天气变化影响,短时间尺度下以预测偏差为主,采用场景分析法对不确定性进行处理,从而得到分布式光伏与负荷合理的典型运行场景。

根据实时监测数据,采用K-means 算法对分布式光伏和负荷365 天联合场景进行聚类,得到Ns个典型运行场景及其对应概率。联合场景集合Φ1为:

式中:ps为典型场景s的发生概率;Bpv,s、B1,s分别为表示典型场景s中分布式光伏和负荷出力向量;Ns为典型运行场景数。

3 交直流混合配电网储能双层规划模型

现代配电网规划是一个典型的双层规划问题。上层规划为主问题,下层规划在上层规划的决策下进行优化,同时下层规划结果反馈校正上层规划参数,通过上下层间传递最优解,实现双层信息的相互交流。通过传递最优解的过程,实现双层相互作用,从而得到上、下层都满意的解。

双层规划模型中,上层规划为ESS 配置层,以最小化配网年综合成本为目标,优化配置ESS 的位置和容量。基于上层配电网ESS 配置方案,下层规划以配电网综合运行成本和日灵活性为优化目标,通过多场景仿真计算,优化配电网各场景下综合运行成本,并将结果传递给上层;基于下层规划所返回的参数,上层规划以灵活性和经济性最优为目标优化规划决策,如此反复迭代,直到求解出最优规划方案,逻辑关系如图1 所示。

图1 双层规划的逻辑关系Fig.1 Logical relationship of the two-level planning

3.1 上层规划模型

上层规划以系统年综合成本为优化目标,ESS 配置容量及接入位置为决策变量。

1)目标函数。

式中:Ctotal表示系统年综合成本;COP表示系统综合运行成本,主要包括灵活性资源运维成本、网络损耗成本、VSC 功率损耗成本、调用可中断负荷后给予用户的补偿成本、输电网购电成本以及光伏弃电惩罚成本;CEIN表示ESS年投资成本;CFL表示网络灵活性不足惩罚成本。

(1)交直流混合配电网综合运行成本。

式中:COPESS表示灵活性资源运维成本,即ESS 运维成本;Closs表示网络损耗成本;Cvsc表示VSC 功率损耗成本;Ccl表示调用可中断负荷后给予用户的补偿成本;Cgrid表示与上级电网交互成本;Cpv为光伏弃电惩罚成本;cess表示ESS 单位充放电成本;表示第n个ESS 在第s个典型场景中t时刻充放电功率,正值表示放电,负值表示充电;NESS表示网络中ESS 待安装总数;表示t时刻单位有功损耗成本;表示t时刻线路有功损耗;分别表示t时刻第i个VSC 流过的电流和自身电阻;αt表示t时刻购电电价;Nvsc表示换流站节点集合;ccl表示可中断负荷单位成本;Ncl表示可中断负荷节点集合;表示t时刻电价;表示在t时刻典型场景s下与输电网联络支路所传输功率;Npv表示分布式光伏待安装节点数;表示t时刻节点i弃光惩罚成本系数;分别表示光伏预测出力与实际出力。

(2)ESS年投资成本。

式中:r表示贴现率;yESS表示ESS 运行寿命;ce、cp分别表示ESS 单位容量与功率投资成本;EESS,n、PESS,n分别表示第n个ESS 的额定容量和额定功率。

(3)灵活性不足惩罚成本。

式中:cup、cdown分别表示向上、下灵活性不足惩罚系数;Wup,t、Wdown,t分别表示切负荷、弃光电量大小。

2)约束条件。

约束条件主要包括ESS 额定功率和额定容量上、下限约束。

式中:PESS,max、PESS,min分别表示ESS 额定功率上、下限;EESS,max、EESS,min分别表示ESS 额定容量上、下限。

3.2 下层规划模型

下层规划为交直流混合配电网运行层,以系统综合运行成本和日灵活性最优为目标函数,通过调用灵活性资源,优化灵活性裕度指标,在保证系统运行过程中源荷平衡的同时,使系统综合运行成本最低。

1)目标函数。

2)约束条件。

(1)潮流约束。

将交流区域原DisFlow 潮流模型中的非线性项通过二阶锥松弛转换得到凸化线性潮流约束[17-19],如式(21)—(23)所示。

式中:rij、xij分别表示节点i→j之间电阻、电抗;u(j) 、v(j) 分别表示以节点j为末端和首端的支路节点集合;分别表示在节点j处注入总有功、无功功率;分别表示t时刻流过支路i→j的有功、无功功率;分别表示t时刻主网流向配电网的有功、无功功率;分别表示支路电流和节点电压的平方;分别表示t时刻j节点处常规负荷、可中断负荷有功功率;分别表示t时刻j节点处常规负荷、可中断负荷和变电站无功功率。

直流区域潮流方程经过线性化后与交流区域类似[19-20]:

(2)可中断负荷约束。

(3)ESS 运行约束。

(4)与主网交互功率。

(5)安全约束。

式中:Ui,max、Ui,min分别表示节点i电压安全运行上、下限;分别表示t时刻交流支路i→j传输有功、无功功率;表示t时刻直流支路i→j传输有功功率;分别表示交、直流支路i→j最大传输容量。

4 算例分析

本文采用改进IEEE 33 节点系统对规划模型和规划方案的合理性和有效性进行验证。利用改进非线性化主成分分析法[19]对上、下层目标函数进行综合评估,基于主成分分析法,通过非线性处理原始数据的对数中心化,以此提升主成分占有量,从而使求解结果更客观;上下层规划模型采用遗传算法求解,其中配电网潮流模型采用混合整数二阶锥规划方法求解,具体参考文献[17]。求解流程如图2 所示。

图2 求解流程Fig.2 Solution flow

4.1 参数设置

本文基于改进IEEE 33 节点配电网作为仿真系统,拓扑结构如图3 所示,图中红色实线代表交流线路,绿色虚线代表直流线路,二者通过变流站相连接。其中,交流配电网额定电压为12.66 kV,直流配电网额定电压为15 kV。平衡节点选为节点1,其电压恒为1 pu,变电站关口有功功率上、下限分别为3.5、0 MW,无功功率上、下限分别为2、0 MV·A。系统包含4 座分布式光伏电站,其额定功率分别为400、500、600、700 kW,对应分别接入节点5、10、17 和32;节点7、13、18、24 处接入可中断负荷,其容量最大值分别为700、300、300、200 kW,可中断负荷成本为0.1 元/(kW·h),最大、最小持续时间分别为5 h 和2 h;VSC 容量为2 MV·A,VSC 最大、最小无功出力分别为0.3、 - 0.3 MV · A; 弃光惩罚成本为10 元/(kW·h),网损成本20 元/(kW·h);待优化配置ESS 的额定容量范围为[80,325] kW·h,额定功率范围为[60,160] kW,充放电功率和效率分别为50 kW 和95%,单位容量投资成本为1270 元/(kW·h),单位功率投资成本为1650 元/kW,运行成本为0.8 元/(kW·h),运行寿命为4500 次,ESS最大爬坡率为150 kW/h。优化调度周期T=24 h。系统电价分为峰、谷、平三时段,具体参数如表1 所示,其他参数参见文献[20]。遗传算法种群规模为100,收敛特性曲线如图4 所示,当满意度不发生变化,上下层迭代结束,输出规划结果。

图3 改进IEEE 33 节点系统Fig.3 IEEE 33-bus system

表1 峰平谷时段划分与分时电价Table 1 Peak and valley period and TOU electricity price

图4 遗传算法收敛特性曲线Fig.4 Convergence characteristic curve of GA

4.2 不确定运行场景集合

基于国网宁夏电力公司经济技术研究院所提供分布式电源与负荷数据,采用K-means 算法聚类场景,聚类过程中加权平均半径与聚类簇数目之间关系如图5 所示。由图5 可以看出,簇数目小于5,加权平均半径下降迅速,簇数目大于5,加权平均半径变化缓慢,聚类效果不明显且增加计算时间,因此聚类簇数目选为5,此时聚类效果好。将分布式光伏和负荷的运行曲线聚为5 类,生成5 个聚类代表场景,分别如图6、7 所示,对应场景概率分别如表2、3 所示。

表2 分布式光伏典型场景发生概率Table 2 Probability of typical scene about distributed generation

图5 加权平均半径与聚类簇数目之间关系Fig.5 Relationship between weighted average radius and the number of clusters

图6 分布式光伏出力典型场景Fig.6 Typical scenes of distributed photovoltaic output

在5 个代表场景中,负荷与分布式光伏出力都具有较强的规律性。光伏由自身的运行特性所决定,负荷由宁夏地区综合固有特性所决定,但在部分时段,负荷曲线的变化趋势有一定的差别,聚类结果也是根据部分时段差异所决定。负荷与分布式光伏的典型运行场景为后续配电网规划奠定基础。

图7 负荷典型场景Fig.7 Typical scenes of the load

表3 负荷典型场景发生概率Table 3 Probability of typical scene about load

4.3 算例结果分析

为验证本文所提规划方案的合理性与有效性,设置3 种方案进行对比分析:

方案1:不考虑系统灵活性,即无灵活性资源参与,对现有系统利用双层规划模型计算各项成本;

方案2:仅考虑供给侧灵活性资源ESS,对其定容和选址;

方案3:综合考虑供、需两侧灵活性资源,通过求解双层规划模型优化配置ESS,即本文方法。

方案2、3 下系统ESS 配置结果以及3 种方案下各项经济指标分别如表4、表5 所示。

综合表4 与表5 可知,方案3 下考虑ESS 和可中断负荷2 种灵活性资源,大幅改善了交直流混合配电网的潮流阻塞情况,灵活性不足,惩罚成本最低,系统具有较好的灵活性。方案3 在节点4、8、15、28 配置ESS,方案2 在节点11、21、16 和33 配置ESS,2 种方案下储能配置节点不同,所配置容量也有所差别,这是因为方案2 未考虑可中断负荷参与灵活性资源优化调度,造成系统节点灵活性水平有差别,从而导致2 种方案配置不同节点、不同容量的ESS;由于方案2在规划过程中未考虑可中断负荷,仅通过ESS 维持交直流配电网的灵活性水平,方案2 所配置ESS 的额定容量与额定功率均高于方案3,以最大限度提升交直流配电网的整体灵活性水平,但方案2 的灵活性仍低于方案3。此外,方案2 配置ESS 的额定容量和额定功率大,增加了投资成本,总体规划结果表明方案2 灵活性资源的运行费用、年网综合运行费用高于方案3。方案1 由于未考虑灵活性资源,即ESS 的投资成本和运行成本、调用可中断负荷后给予用户的补偿费用,使得方案1 下网络综合运行成本最低,但灵活性不足惩罚成本最高的,即灵活性最差,此外,方案1 下综合成本仍然高于方案3。

表4 ESS 优化配置结果Table 4 Optimized configuration results of ESS

表5 经济性指标Table 5 Economic indicators 万元

3 种方案下交直流混合配电网灵活性裕度指标如图8 所示。

由图8 可知,24 h 内方案1 下灵活不足时刻占比达83.2%,相比方案2 和方案3,灵活性裕度整体相差分别为1666.9 kW 和2427.6 kW,系统灵活性严重不足;方案2 考虑ESS 接入交直流混合配电网,使其应对不确定性的能力增强,系统灵活性有一定提升;方案3 综合考虑可中断负荷和ESS,配电网灵活性相比方案1 和方案2 大幅提升,ESS 通过承担系统的调峰任务来改善主网购电压力,由上下调灵活性裕度可知,系统净负荷波动率较小;此外,ESS 的灵活运行使其更好地与可中断负荷相配合,更大限度地削弱不确定性因素的影响。同时,方案3 通过保障供需两侧资源的有效参与,在17:00—21:00 时段,即负荷高峰时刻,配电网灵活性不足问题得到明显改善,方案2 中灵活性不足情况占该时段的55.4%,方案3 则减少至23.8%。在09:00—11:00 负荷较低时段,3 种方案均在惩罚成本的作用下牺牲一部分上调灵活性以保证可再生能源的消纳率,但方案3 能够在减少储能成本的同时提升上调灵活性,系统整体灵活性得到保障,从而验证本文所提规划方案的优越性。

图8 3 种方案下灵活性裕度指标Fig.8 Flexibility in three ways

综上,双层规划模型可高效协调配电网中供需两侧灵活性资源之间的多主体利益关系,系统供需两侧接入灵活性资源,整体经济效益和灵活性明显提升,同时,促进分布式能源的消纳。

4.4 灵活性资源对配电网电压水平的影响分析

选取某一典型场景分析方案2 和方案3 下配电网节点电压水平,结果如图9 所示。

图9 2 种方案下灵活性裕度指标Fig.9 Flexibility in two ways

仿真结果表明:方案3 下系统各个节点电压相比方案2 更稳定,方案3 下系统各节点电压基本稳定在额定电压±5%范围内,方案2 下某些节点电压超出额定电压±5%范围内。这是因为在负荷高峰时段,方案3 通过ESS 和可中断负荷有效改善重载负荷节点电压较低情况;同时,网架柔性开关具有功率传输能力,可优化调整重载负荷节点功率和分布式电源输出功率,解决了交直流配电网节点电压过低或过高问题。因此,制定系统储能规划策略时,综合考虑可中断负荷和ESS 可有效改善配网节点电压水平,避免因潮流分布不均匀引起网络阻塞,从而保障网络安全稳定经济运行,但此时网络将变得复杂,影响配电网安全,须综合考虑各个因素使系统经济性、灵活性以及安全性三者同时达到相对最优。