考虑时序场景的分布式电源规划及无功优化策略

邓慧琼 郑玉燚 张晓飞 曾凡淦 郑荣进

摘 要：针对分布式电源发电和负荷需求的时序性和不确定性问题，通过风光概率出力模型生成初始场景并对场景进行缩减，建立考虑时序性的典型日风光电源—负荷场景。以综合配电网经济性和环境效益的综合性能指标最小为目标优化模型，采用改进遗传算法对分布式电源接入位置与容量进行规划。根据无功二次精确矩选择无功补偿设备的最佳补偿位置以降低网损，并以提高电压水平为目标确定无功补偿容量。对含分布式电源的IEEE33节点配电网系统进行仿真分析，结果表明优化后的策略能提升配电网的电压质量，降低网络损耗和提高经济效益，验证了该方法的有效性与合理性。

关键词：分布式电源；场景分析；时序特性；改进遗传算法；无功优化

中图分类号：TM715

文献标志码：A

随着社会的不断发展，各国对气候变化和能源需求变化的重视程度不断提升。目前，世界各国开始对能源进行新能源规模化革命、化石能源低碳化革命和能源管理智能化革命，积极构建新型电力系统［1］。新能源接入电网可以起到减少碳排放和促进能源结构转型等作用［2］，推进可再生能源产业规模稳步扩大和发展。

分布式电源（distributed generation，DG）具有清洁低碳、能源利用高效、安装地点灵活等多种优点［3］。目前，对含DG 配电网的研究主要有DG接入对配电网电能质量［4］、电压稳定性［5］、配电网网损［6］和继电保护［7］等的影响，以及配电网中DG和无功补偿配置规划研究。合适的DG配置接入配电网运行能够起到降低线路损耗、改善電压质量等作用［8］。此外，光伏和风力电源出力具有时序性和随机性等特点，其接入配电网的位置和容量的选择将会影响到配电网的正常运行。

目前已有大量文献资料针对DG接入配电网的规划及无功优化问题进行了研究分析。文献［9］在对DG规划研究中采用恒定功率模型且考虑了企业节能效益，但该模型并未考虑源-荷时序性的影响。文献［10］采用联合概率分布法和场景削减法构造风-光-荷联合时序场景，为考虑随机性和时序相关性的多种DG建模研究提供了思路。文献［11］采用风光概率模型的规划方法，通过确定不同类型DG最优出力配置来减少系统的损耗，并采用混合整数规划方法进行求解。文献［12］构建了源-荷概率模型，考虑总有功网损期望最小、电压偏差期望最小和电压稳定性指标最小的多目标无功优化模型，采用改进粒子群优化（particle swarm optimization， PSO）算法进行求解。文献［13］的目标函数在网损和电压偏差基础上考虑DG的相关经济效益，利用电压灵敏度指标确定DG的最佳位置。文献［14］对含风电场的系统进行无功优化，得到了更好的网损和电压优化结果，但没有考虑源-荷时序性的影响。文献［15］利用自适应遗传算法进行风电选址定容优化计算，提高了模拟求解速度，但没有对系统运行情况进行分析和无功优化。

因此，本文综合考虑源-荷时序性的影响，对配电网进行两阶段优化配置研究，首先对风电机组和光伏发电机组出力建立概率出力模型，利用多场景分析法将风、光的不确定性概率模型问题转化为可以求解的确定性的典型日场景。以综合经济性和环境效益建立多目标规划模型，并对多指标进行归一化处理，采用优化自适应遗传算法求解DG配置。为进一步降低配电网损耗和改善电压水平，采用了改进无功二次精确矩选择无功补偿设备最佳补偿点，并确定无功优化补偿容量。利用 IEEE33节点配电系统进行仿真算例分析，验证了所提 DG 优化配置模型和无功补偿优化方法的有效性。

5 算例分析

5.1 算例选取与场景生成

以IEEE33节点配电网系统进行仿真分析，该系统总负荷为3 715 kW+j2300 kvar，功率基准值取为10 MV·A，基准电压为12.66 kV，算例结构如图2所示［12］。

利用气象数据按每小时为步长采集某地历史风速、光照数据，然后计算概率密度函数所需参数。通过风光出力概率模型仿真，随机生成300个初始风光出力场景集，根据场景缩减步骤对所生成的场景集进行缩减，得到5个典型日出力场景，如图3所示。各场景的概率分别为0.170 0、0.110 0、0.300 0、0.233 3、0.186 7。风光出力趋势与原场景集较为一致，其中，风电出力波动较大，光伏出力较为稳定，两者仍保持风光出力原本特点。

DG接入容量限制为配电系统总容量的30%，并按等比例接入，风电机组采用异步风力发电机，其发出有功功率的同时也会从系统吸收一定的无功功率，发电场的无功补偿装置根据电力系统的就地平衡原则配置。光伏并网逆变器主要采用电流控制方式，具有单位功率因数。

配电网的负荷具有不确定性和连续性等特点，在节点配电系统中，节点1、3、17～22为商业负荷，节点2、4、5、8～12、14～16、25～27为居民负荷，节点6、7、13、23、24、28～32为工业负荷［23］，典型日负荷曲线如图4所示。

5.2 规划方案及结果分析

场景一：选择场景概率最大的出力场景，分析不考虑源-荷时序性时DG接入配电网及无功补偿装置的影响。

设定3种研究方案：方案1，DG未接入配电网；方案2，根据DG配置优化结果安装发电机组；方案3，根据DG配置优化结果安装发电机组和无功补偿装置。采用改进遗传算法得到DG接入位置和接入容量，并进行无功优化补偿。各方案节点电压变化曲线如图5所示，各方案对比如表1所示。

由图5和表1可以发现：方案1各配电网节点网损及电压质量较差，最大电压偏差达到7.65%，且配电网线路损耗较大；方案2接入DG后虽然整体电压偏差有所上升，但均位于系统电压偏差允许范围内，系统网损得到有效降低；方案3经过2次优化后，整条线路电压水平和网损大小得到有效改善，最大电压偏差缩减为1.77%，对于电压支撑效果最为明显，且配电网线路损耗降低了61.99%；并且综合费用得到有效降低。因此，规划DG和无功优化配置是十分必要的。

场景二：选择场景概率最大的出力场景，分析考虑源-荷时序性时DG接入配电网及无功补偿装置的影响。

充分考虑DG和负荷的时序场景，更能反映电网的真实情况，得到的优化结果也更精确。各节点优化前后电压偏差日变化曲线如图6所示。对场景一、场景二、文献［12］优化后整个系统的日总网损和日电压偏差总和进行比较，结果如表2所示。

由图6可以看出：优化前配电网中线路的末端节点电压较低，系统电压质量差，节点电压超出偏差允许范围，一天中有25%的节点电压幅值低于0.95U；采用本文方法接入DG和无功补偿装置后，系统节点电压幅值有了明显提升，所有节点电压幅值均大于0.95U，均位于系统电压偏差允许范围内，在高峰负荷阶段仍然能保持电压水平，能够有效提升各节点电压水平，更能满足配电网安全稳定运行要求。在负荷高峰时或者电源出力不足时，各节点电压偏差波动，可以进一步在部分时段增加合适的电源来降低电压偏差，弥补夜间光伏发电没有出力的情况。

由表2可以看出：场景一不考虑源-荷时序性，按日最大负荷优化后得到的总有功网损和电压偏差偏大；场景二考虑源-荷时序性，优化后的日总网损和电压偏差总和比不考虑源-荷时序性有一定程度的下降，也更能符合实际情况；与文献［12］方法相比，效果更佳。因此，本文通过两阶段优化配置，降低了系统网损，并且提高了系统电压水平。

图7为考虑源-荷时序性时配电网日线路损耗变化曲线。由图7可以看出：接入DG和无功补偿配置优化后，每个时段配电网网损较优化前网損都有明显降低。优化前日有功总网损为2 976.3 kW，经过两阶段的优化后日有功总网损为1 342.9 kW，下降了54.9%。

6 结论

本文考虑风力发电、光伏发电和负荷的时序特性，建立典型日时序场景模型。以综合费用最小为目标，确定DG的优化配置，并进行无功补偿的优化配置，分析不同场景对系统的影响。

1）考虑DG和负荷的时序特性建立典型日场景，能够更加清晰地反映配电网系统运行实际变化情况，得到的结果更符合实际。对于实际配电网DG的调度，后续研究还应考虑多时间尺度的相关性配合。

2）通过无功精确矩体现对网损影响大的节点特征和对电压水平有改善的节点特征，确定无功补偿点和优化无功补偿配置，进一步降低配电系统有功网损，提高电压水平。

3）通过不同方案对比可知，考虑时序场景优化后的DG和无功配置方案能够降低系统运行成本和网络损耗，改善电压质量，对提高电力系统的经济性和稳定性有着十分重要的意义。

参考文献：

[1]邹才能， 熊波， 薛华庆， 等. 新能源在碳中和中的地位与作用［J］. 石油勘探与开发， 2021， 48（2）： 411-420.

［2］ 黄震， 谢晓敏. 碳中和愿景下的能源变革［J］. 中国科学院院刊， 2021， 36（9）： 1010-1018.

［3］ 周良学. 考虑分布式光伏电源与负荷相关性的接入容量研究［D］. 长沙： 湖南大学， 2017.

［4］ 付学谦， 陈皓勇， 刘国特， 等. 分布式电源电能质量综合评估方法［J］. 中国电机工程学报， 2014， 34（25）： 4270-4276.

［5］ 张谦， 廖清芬， 唐飞， 等. 计及分布式电源接入的配电网静态电压稳定性评估方法［J］. 电力系统自动化， 2015， 39（15）： 42-48.

［6］ 林昶咏， 吴桂联， 张林垚， 等. 分布式电源接入配电系统优化规划方案［J］. 现代电力， 2019， 36（6）： 82-87.

［7］ 窦小晶， 薛钊， 叶日新， 等. 10 kV分布式电源并网对配电网继电保护的影响分析［J］. 智慧电力， 2019， 47（12）： 117-122.

［8］ 张节潭， 程浩忠， 姚良忠， 等. 分布式风电源选址定容规划研究［J］. 中国电机工程学报， 2009， 29（16）： 1-7.

［9］ 田贺平， 孙舟， 王伟贤， 等. 考虑节能效益的企业分布式电源优化配置［J］. 电力系统保护与控制， 2017， 45（10）： 38-47.

［10］陈碧云， 闭晚霞， 李欣桐， 等. 考虑风-光-荷联合时序场景的分布式电源接入容量规划策略［J］. 电网技术， 2018， 42（3）： 755-761.

［11］ATWA Y M， EL SAADANY E F， SALAMA M M. Optimal renewable resources mix for distribution system energy loss minimization［J］. IEEE Transactions on Power System， 2010， 25（1）： 360-370.

［12］李妍. 考虑分布式电源出力波动性的配电网无功优化［D］. 青岛： 青岛大学， 2021.

［13］GAMPA S R， DAS D. Optimum placement and sizing of DGs considering average hourly variations of load［J］. International Journal of Electrical Power & Energy Systems， 2015， 66： 25-40.

［14］李澎， 彭敏放. 基于改进遗传算法的含风电场电力系统无功优化［J］. 现代电子技术， 2020， 43（13）： 167-171， 175.

［15］马郡阳， 孟涛， 尹杭， 等. 基于改进遗传算法的配电网分布式风电源选址定容［J］. 电气自动化， 2018， 40（6）： 38-41.

［16］李静， 韦巍， 辛焕海， 等. 基于概率潮流的风电分布式电源优化配置［J］. 电力系统自动化， 2014， 38（14）： 70-76.

［17］付文杰， 杨伯青， 黄莉， 等. 考虑风光出力不确定性与相关性的混合电价机制设计［J］. 南方电网技术， 2021， 15（9）： 85-92.

［18］张文韬， 王秀丽， 吴雄， 等. 大规模风电接入下含大用户直购电的电力系统调度模型研究［J］. 中国电机工程学报， 2015， 35（12）： 2927-2935.

［19］郑能， 丁晓群， 管志成， 等. 考虑相关性的含风电的配电网无功优化［J］. 南方电网技术， 2018， 12（1）： 62-69.

［20］钱科军， 袁越， 石晓丹， 等. 分布式发电的环境效益分析［J］. 中国电机工程学报， 2008（29）： 11-15.

［21］王克文， 张东岳. 电力系统无功优化算法综述［J］. 电测与仪表， 2016， 53（10）： 73-79， 98.

［22］张林垚， 郑洁云， 孔顺飞， 等. 考虑综合能源系统的配网规划模型及其求解方法［J］. 南方电网技术， 2019， 13（6）： 76-86.

［23］宋文. 含分布式发电的配电网优化规划研究［D］. 济南： 山东大学， 2014.

（责任编辑：周晓南）

Distributed Power Planning and Reactive Power Optimization

Strategies Considering Timing Scenarios

DENG Huiqiong*1，2， ZHENG Yuyi1，2， ZHANG Xiaofei1，2， ZENG Fangan1，2， ZHENG Rongjin1，2

（1.Simulation Analysis and Integrated Control of Smart Grid Engineering Research Center of Fujian Universities，

Fujian University of Technology， Fuzhou 350108， China; 2.College of Electronic， Electrical Engineering and Physics， Fujian University of Technology， Fuzhou 350108， China）

Abstract：

In order to solve the timing characteristic and uncertainty problems of distributed power generation and load demand， the initial scene is generated and reduced by the probabilistic output model of wind and photovoltaic power， and a typical daily wind and photovoltaic power-load scenario considering timing characteristic is established. Taking the minimized comprehensive performance index of both the economic and environmental benefit of the distribution network as the objective optimization function， the improved genetic algorithm was used to optimize the allocation of the access location and capacity of distributed power supply. The optimal compensation position of the reactive power compensation equipment is selected according to the precise secondary moment of reactive power to reduce network loss， and the reactive power compensation capacity is determined to improve the voltage level. Through the simulation analysis of IEEE33 node distribution system with distributed power supply， the results show that the optimization can improve the voltage quality of distribution network， reduce network loss and improve the economic benefit， which verifies the validity and rationality of the method.

Key words：

distributed generation; scenario analysis; timing characteristic; improved genetic algorithm; reactive power optimization

收稿日期：2021-12-07

基金項目：福州市科技计划资助（2018-G-30）；福建省高校工程研究中心开放基金资助（KF-X19016、KF-D21009）

作者简介：邓慧琼（1972—），男，副教授，博士，研究方向：电力系统连锁故障分析与预防，配电网自动化，E-mail：denghuiqong66@126.com.

通讯作者：邓慧琼，E-mail：denghuiqong66@126.com.