计及孤岛划分和移动储能接入的配电网多故障恢复策略

贾伯岩,李 丹,杨再雄,马天祥,潘丽娜,卢志刚,*

(1.国网河北省电力有限公司电力科学研究院,河北 石家庄 050021;2.燕山大学 河北省电力电子节能与传动控制重点实验室,河北 秦皇岛 066004)

0 引言

随着全球气候变化,极端天气灾害的发生日益频繁,所造成的大规模停电事故频发。配电网作为直接服务用户的关键环节,它的故障恢复也是重中之重。其中,孤岛运行是配电网在故障后保障重要负荷供电的一种重要运行方式,很多专家和学者对含有分布式电源(Distributed Generator,DG)的孤岛划分展开了积极探讨与深入研究。文献[1]在有光伏接入的配电网恢复过程中,考虑了负荷时变性,建立光储系统模型,并采用聚类方法完成故障时段孤岛静态划分,但是并未考虑DG出力的波动性和孤岛的动态调整。文献[2]将配电网建模为带权重的无向图,采用冒泡算法进行孤岛划分。文献[3]根据负荷的多种属性,建立负荷综合权值评价体系,并加入孤岛划分中,克服了仅考虑单一负荷的缺点,但并没有考虑故障恢复期间负荷的时变性。文献[4]提出一种考虑负荷损失最小的孤岛划分算法,引入功率圆、负荷节点信息等概念,降低停电损失,但没有考虑到分布式电源的出力问题。文献[5]通过大量实验研究发现,利用孤岛搜索方法可确定出最优的故障恢复方案,但在实际孤岛运行中DG出力和负荷功率均认为是恒定不变的。文献[6]通过分析负荷的恢复路径,给出孤岛圈和供电恢复系数等概念,引入新的启发式规则进行孤岛划分。文献[7]从用户需求角度出发,提出一种考虑用户需求响应的配电网孤岛划分方法,涉及用户负荷的重要程度,可控负荷等问题,提高分布式电源的利用率,最大化满足供电的用户数和用户的满意程度,降低停电损失。文献[8]构建了一种主动配电网孤岛划分的混合整数规划模型。文献[9]提出一种两阶段孤岛划分策略,该策略通过约束满足模型提高了孤岛划分的环保性并保证了重要负荷持续供电。文献[6-9]在孤岛划分方面均未考虑到负荷的时变性以及DG的出力问题。

另一方面,近年来的自然灾害造成配电网同时出现多处故障,配电网多故障下的故障恢复研究很有必要。文献[10]建立分阶段的多层抢修模型,采用动态规划方法求解。文献[11]提出一种含DG的配电网故障恢复与抢修协调优化策略。文献[12]在配电网故障恢复中利用风电系统进行供能,通过分析风电出力以及DG下的配电网安全运行约束,建立以故障期间失电负荷恢复量最大为目标的故障恢复优化模型,降低停电损失。文献[13]提出了一种面向配电网弹性提升的多时间尺度恢复策略协调优化框架,其中包含结合分布式电源和联络开关进行网络重构的负荷恢复模型。文献[14]考虑用户需求对故障恢复的影响,提出了一种计及需求响应的配电网故障恢复模型。文献[15]考虑到光伏出力的不确定性,利用柔性开关进行配电网故障重构。但上述文献在故障恢复中均未涉及移动储能技术的应用。由于移动储能装置具有较强的机动性和灵活的放电能力,在极端灾害场景下,可通过调度移动储能为生命线负荷提供稳定的功率支撑,最大程度上减小重要负荷的停电损失。文献[16]在配电网故障恢复中应用了分布式电源、电动汽车等完成恢复工作。文献[17]通过协调移动储能和DG三相功率输出,充分发挥移动储能的灵活性,有效地提高了故障期间配电网的恢复力。文献[18]提出了一种解决移动储能调度与配电系统运行不同时间尺度、道路与电网耦合等问题的混合整数规划模型,通过优化移动电源的动态调度来提高配电网恢复力。文献[19]针对台风对配电网造成故障问题,提出了利用移动储能在灾害期间分阶段提供电力支撑的策略,降低经济损失。但作为可灵活调度的分布式电源,目前在配电网故障恢复中涉及移动储能的研究极少。

综上,本文考虑DG的波动特性,将DG和储能结合形成风储或光储系统;然后确定DG的可供电区域,进行初级孤岛划分,分不同场景对初级孤岛修正确定次级孤岛,并校验是否可行;最后建立计及移动储能车调运的恢复模型,采用离散化的多目标细菌群体趋药性算法(Multi-objective Bacterial Colony Chemotaxis,MOBCC)对所提恢复模型进行求解。

1 计及电能指标的配电网分阶段孤岛划分

配电网在发生多故障之后,可造成大面积停电,为了减小停电损失以及缩短故障恢复时间,在满足配电网安全运行前提下,可采用孤岛运行方式[20],保障重要负荷的供电不中断。

1.1 初级孤岛划分

1.1.1 分布式电源最大供电区域

风电光伏等分布式电源受自然因素影响其出力具有波动性,光伏的输出功率主要取决于太阳辐射和光电转换效率[21-22],风机出力主要取决于风速[23],由此可见风电、光伏等分布式电源不能及时调整其出力,而储能装置具有双向可控的优点[24],因而本文将其与风电光伏系统结合作为新的分布式电源,作为孤岛的供电系统,可以实现孤岛内功率的实时调整。在故障期间,各个孤岛内的电能必须平衡:

式中,WES,i为i节点储能放电的电能,EES,i为储能容量,SOCES,i为储能的荷电状态,PPV,i(t)、PW,i(t)和PuLn,i(t)分别为光伏、风电和不可控负荷在t时刻的有功功率,WPV,i、WW,i和WL,i分别为故障时段内i节点光伏、风电提供的电能以及不可控负荷消耗的电能,t0为故障开始时刻,tend为故障结束时刻。

则孤岛内最大电能缺额为

以各DG为根节点,采用深度优先算法进行搜索,所有满足式(5)的负荷所形成的区域即为DG的最大供电区域。

1.1.2 初级孤岛的建模

以配电网故障后的负荷恢复量最大为初级孤岛划分的目标函数:

式中:xi为整数变量,xi=1表示失电负荷在孤岛内,恢复供电,反之xi=0;ωi表示节点i的负荷权重系数。

在此期间孤岛需要满足电能约束:

当节点i属于孤岛时,其父节点也必须属于该孤岛:

其中,i=1,2,…,n,节点j为节点i的父节点。

1.2 次级孤岛划分

1.2.1 孤岛内功率调度

孤岛划分过程中需要保证该时段具有充足的电能,由上述模型形成初级孤岛时可保持整个恢复期的充足供电,但不足在于未充分考虑存在的可控负荷,并且不能时刻保证功率处于平衡状态,所以需要进行修正,采用可控负荷参与的各电源出力优化修正。

在孤岛内分布式电源出力不足时,可考虑对可控负荷进行甩负荷以保证其他重要负荷供电,负荷模型为

式中:bi为整数变量,表示可控负荷的控制状态;表示可控负荷的有功;P(t)表示总负荷L,i功率。

优化模型的目标函数可表示为

式中:Ps(t)为时刻孤岛内有功功率缺额;PES,i(t)为t时刻节点i的储能功率。

优化模型约束条件如下:

优化模型可有效评判孤岛能否按照预期要求可靠运行,其中,Ps(t)代表功率缺额。目标函数表示功率缺额,当其为0,表示孤岛内功率平衡,如果大于0,则代表功率在某个时刻是有一定缺额的。

1.2.2 孤岛的分场景修正

相较于初级孤岛,次级孤岛已经过优化处理,即功率和容量都增加约束条件。需考虑下列四种使WS＞0的场景:

场景1:负荷功率大于储能最大放电功率。

场景2:由于充电功率约束,某些孤岛内功率过剩造成,而其他孤岛内功率不足。

场景3:储能容量限制,在储能充满电后,孤岛内功率过剩,其他孤岛内存在功率不足。

场景4:储能初始时刻荷电状态限制,在分布式电源出力较低时,储能电能不足,造成孤岛内功率严重不足。

针对场景1,风电、光伏和储能组成的分布式电源的最大出力也不能满足孤岛内负荷需求,即存在功率缺额。针对其余三种场景,不能满足故障期间某些时刻的孤岛内功率平衡,但是整个故障期间的电能充足。因此需要对孤岛进行分场景修正。

对场景1:

由式(15)计算出所有分布式电源不能满足负荷供电的时刻,对初级孤岛约束修改如下:

式中,te为Ps(t)在最大值时对应的时刻。

如果孤岛内功率不能满足式(16),则不属于场景1,此时孤岛内分布式电源出力不足以使所有负荷恢复供电,故采用一个简化的孤岛内功率调度模型,可通过对储能不同时段电能转移达到功率平衡,若还不能满足负荷供电,则切除部分可控负荷。可控负荷切负荷量约束如下:

对场景2、3、4做如下修正:当孤岛内总负荷需求大于分布式电源和储能的最大出力时,优先选择容量最大的储能,当该储能容量或功率越限时,选择较小容量的储能,如下所示:

式中:Pd(t)表示分布式电源与负荷之间的缺额;QES,0(t)表示储能的初始能量。

1.3 孤岛可行性校验

若修正后的次级孤岛可以形成,表示实时功率平衡可以满足,但是由于在修正过程中,忽略了能耗计算以及安全约束,导致划分结果的可行与否无从保证,所以需要对次级孤岛进行潮流计算,检验配网是否存在电压电流越限等不可靠情况,整体保证孤岛运行的安全可靠。采用前推回代法进行潮流计算,分析验证。对DG节点的处理中选择有功出力最大的节点为平衡节点,其余看作PV节点,如果通过计算分析发现一些节点出现了明显的电压越限现象,立即动作(启动无功补偿装置等)保证安全可靠运行,如果通过计算分析发现线路负荷过重,可采用切负荷来稳定电流,最后将通过检验的孤岛作为理想解决方案。

基于上述分析,配电网分阶段孤岛划分的完整流程图如图1所示。

图1 孤岛划分流程图Fig.1 Flow chart of island division

2 配电网多故障恢复模型

2.1 移动储能充放电模型

2.2 目标函数

2.3 约束条件

2.4 配电网多故障动态恢复过程

智能算法在配电网故障恢复中应用广泛,细菌群体趋药性算法收敛性好,通过对基于Pareto的通用MOBCC算法初步和简单的收敛分析,用12个标准问题验证了该算法的有效性[25]。配电网故障恢复约束多、非线性且离散,故本文采用离散化处理的MOBCC算法进行求解。

2.5 配电网多故障动态恢复步骤

本文假设所有故障均已隔离,恢复的具体步骤如下:

1)假设故障已经隔离,初始化数据,以1 h为一个时段。

2)进行孤岛划分,本文采用深度优先算法。

3)进行可行性校验,判断孤岛内功率平衡,若可行,进行下一步骤,否则返回(2)。

4)孤岛内的重要负荷的供电,通过本文模型优化调度移动储能车接入,接入点是否有移动储能车到达,有则进行下一步,否则返回(3)。

5)如果有故障点被抢修,进行并网运行判断,不能并网操作则进行(6),没有故障被抢修,则返回(3)。

6)对配电网进行稳定性校验,判断是否需要切负荷。

7)判断所有故障点均被抢修,如存在故障点未被抢修,则返回(3)。

3 算例仿真

3.1 算例设置

本文采用PG&E69节点系统[26],各时刻的负荷情况见文献[26]。重新编号之后的配电网如图2所示,系统中含有6个分布式电源,其中风电和光伏发电各3个,另外配置有2台移动储能车。本文设置节点1-10为故障点,节点11-79为用户负荷。参数设置如下:细菌种群数量为100,初始精度为0.2,迭代计算100次,不同等级负荷的权重分别为100、10和1,故障发生在8:00。

图2 改进的69节点配电网拓扑图Fig.1 Improved 69-bus distribution network topology

配电网负荷等级如表1所示。

表1 负荷等级及可控分类Tab.1 Load level and controllable classification

配电网中接入的分布式电源参数如表2所示。

表2 分布式电源参数Tab.2 Distributedgenerator parameters

移动储能车参数如表3所示。

表3 移动储能车参数Tab.3 Mobile energy storage parameters

本文分以下3种情景仿真验证:

情景1:采用文献[4]中的设置,不考虑DG出力的不确定性,也不考虑负荷的时变损失权重,在故障期间,DG出力和负荷功率均认为是恒定不变的,同时也没有移动储能车的接入。

情景2:同时考虑DG出力的不确定性和负荷的时变损失特性,但不考虑移动储能车接入。

情景3:采用本文所提策略,既考虑DG出力不确定性和负荷时变特性,同时也考虑移动储能车的接入。

3.2 仿真结果分析

1)在不同的故障恢复情景中的结果比较。

3种不同情景下的仿真结果如表4所示,从表4可以看出,采用本文所提恢复策略进行故障恢复,配电网停电损失最小,比情景1损失减少33.2%。对比情景1和情景2,采用本文所提的风储和光储系统,利用储能的灵活性和双向可调节特性,能够一定程度抑制风电和光伏出力的波动性,同时在故障恢复优化中,考虑负荷的时变特性,采用实时负荷数据较采用故障时刻断面数据更科学合理。对比情景2和情景3,故障造成的损失减少9.5万元,降低24.2%,由此可见移动储能车的接入,使部分高负荷等级用户供电第一时间得到恢复,使得故障损失显著降低,移动储能车的灵活性得到了充分应用。

表4 不同情景下恢复结果对比Tab.4 Comparison of recovery results in different scenarios

2)不同恢复时段的恢复结果分析。

不同时段的负荷恢复情况如表5所示,不同时段内的孤岛划分结果如图3所示。

表5 不同时段恢复结果Tab.5 Load recovery in different time periods

图3 各时刻孤岛划分结果Fig.3 Results of islanding at each moment

8:00-10:00,风电光伏等出力较大,负荷较小。如图3(a)所示,故障点造成的失电负荷均通过DGs孤岛运行和移动储能车接入完成了恢复,对于光储系统DG3,在此期间光伏出力还未达到最大,需要对可控负荷71切除才能满足孤岛内功率平衡。

10:00-11:00,负荷有所增加,光伏出力稍有增加和风电出力开始减小,此时段的孤岛划分结果如图3(b)所示,与上一时刻相比,故障点3已经被抢修,79节点通过闭合分段开关并入DG1孤岛内,移动储能车1仍被接入在79节点;随着故障4的抢修完成,DG3和DG5联合对故障4、9和10造成的失电负荷供电,同时移动储能车2被调运至67节点;故障6被抢修,此时29节点不再需要应移动储能车,故障6、7造成的失电负荷均由DG6 供电。

11:00-12:00,光伏出力增加,风电出力减少,负荷增加。孤岛划分结果如图3(c)所示,随着故障5被抢修,需要DG2和DG4对故障2、5、8造成的停电负荷联合供电,由于风电出力减小和用电负荷增加,移动储能车1、2分别被调运到节点50和72,且DG3和DG5不再满足联合运行,需要切除可控负荷71和三级负荷69和70。

12:00-13:00,光伏出力基本达到最大,但风电出力较小,负荷达到峰值,孤岛划分结果如图3(d)所示。在此期间,故障2和7被修复,由于风电出力不足和居民用电需求增加,DG5需要配合移动储能车1和2进行联合供电。

13:00-14:00,用电需求有所增加,孤岛划分结果如图3(e)所示。故障点1被修复,此时,系统内仅剩故障9和10未被修复,DG3和DG5联合供电,并且移动储能车1和2在该孤岛内进行联合供电,在此期间,可控负荷71和二级负荷63以及三级负荷62被切除。

从上述结果分析得到,在故障期间,不同时刻的负荷需求差异较大,风电和光伏的出力在不同时刻也不相同,综合考虑风电和光伏等分布式能源出力波动性和负荷损失的时变特性,在配电网孤岛运行时对故障后的配电网进行多时段动态划分,能够使恢复策略更合理。同时,策略中利用移动储能车的灵活调运特性来配合保障重要负荷的供电恢复,能够最大化恢复失电负荷,大大减少因停电带来的经济损失。

4 结论

本文对含DG的配电网的故障恢复进行了研究,通过次级孤岛的确定使得分布式电源得到了最合理的利用。此外,本文在传统负荷等级划分基础上,考虑到失电负荷的时变特性,在故障恢复中计及移动储能车接入,建立了配电网故障恢复模型。其中孤岛划分方案可随负荷时变特性动态调整,保证了各时段负荷恢复量最大,更有效地完成了配电网故障恢复工作。

然而,本文所应用的配电网多故障恢复策略中,并没有考虑到故障点的具体抢修过程,建立综合考虑故障点抢修与恢复的联合方案是下一步研究的主要内容。