柔性配电网的双向换流融合设备关键技术设计

2023-12-13任帅凡远柱卢恺

微型电脑应用 2023年11期

任帅, 凡远柱, 卢恺

(安徽南瑞继远电网技术有限公司, 安徽, 合肥 230088)

0 引言

国外状况:根据欧洲的可再生能源计划,截至2020年,预计欧盟27个成员国将有约47%的最终能源消耗用于供热和制冷,其中42%用于住宅领域。这主要是因为大多数国家和地区属于温带和寒带气候区,因此对卫生热水和采暖的需求较高。这些需求占住宅总能耗的2/3左右[1-2]。

国内状况:我国能源结构体系是以煤为主的,煤炭消费占比70%,能源使用效率低,单位GDP能耗是世界平均水平的2.5倍;此外,设备利用率低:输电设备<50%,配电设备<30%[3-4]。新能源消纳型式以“电”为主。

国内外的研究主要集中于能源规划模型的计算方法,强调分布式能源,特别是热电联产系统在区域能源规划的应用以及部分涉及区域可再生能源补充利用等,并未深入挖掘需求响应和用户行为的不确定性对系统的多重影响,以及全生命周期内设备性能退化对规划影响方面的研究[5]。

1 柔性配电网协同控制架构

为克服现有技术缺陷,本文主要研究柔性配电网协同控制架构,运行管理和优化调度可由配网二次控制装置实现,协调控制需由PCS等变流装置实现。运行控制系统由二次控制装置、PCS、电力电子开关等构成,以区域内电压稳定、经济运行、可靠工作为目标,可通过区域间调度实现区域间、台区间、源荷间的协调互动。检测系统如图1所示。

图1 柔性配电网分层分区控制架构示意图

由图1可知,本文系统分为系统管理层、集中协控层和本地控制层。其中,系统管理层能够实现能量管理与运行控制、工作模式切换、源-网-荷储协调控制(包括投切负荷或电源、电源出力调节)、启停控制、并/离网控制、单/多端控制。系统管理层主要任务就是实现更大空间尺度和时间尺度的系统级管理,以及为区域与区域之间协调调度提供辅助决策,对优化调度层下发集中协控、就地自治等工作模式切换指令。运行管理层通过对区域内历史负荷数据分析,同时结合实时气象条件,对系统内的发电单元和用电负荷进行调度管理[6-7],以实现系统级的可靠运行、经济运行和安全运行。

集中协控层主要包括配电网运行方式和变流设备(PCS)控制模式切换。优化调度层的主要任务就是根据系统管理层的运行目标和协调控制层的上报状态,选择最优系统运行方式、变流设备控制模式进行快速切换,确定并下发各本地设备的控制指令,调整各本地设备的工作模式和控制指令,同时将各本地变流设备的实时状态汇总并进行分析预判。优化调度层侧重于对各本地变流设备进行协调控制,当电网出现扰动或负荷需要支援时,优化调度层向各本地变流设备下发控制指令,提供支撑功率或者稳定交/直侧电压[8]。

本地控制层能够协调控制层解析和具体执行优化调度层下发给各PCS的控制策略,并执行优化调度层下达的有功指令或电压指令。各PCS的控制策略主要包括实现变流设备的恒电压控制(Udc)、恒交流电压控制(Uac)、恒有功及无功功率控制(PQ)、限功率运行等控制策略[9],协调控制层同时需上报各设备的运行状态。

2 双向换流器拓扑结构及协调优化控制方法

本文系统适用于模块化的DC/DC双向换流器和 AC/DC双向换流器的主电路拓扑结构,建立双向换流器数学模型,研究各双向换流器的控制策略,实现换流设备的恒电压控制(Udc)、恒交流电压控制(Uac)、恒有功及无功功率控制(PQ)、限功率运行等控制策略[10]。

GPIB检测技术如图2所示。在协调控制中, GPIB检测结构作为自动检测的关键技术,该结构符合IEEE488标准的总线连接方式,能够以较高速率检测设备信息。在GPIB检测过程中遵循的原理如图3所示。

图2 GPIB检测技术框图

图3 GPIB检测原理图

GPIB检测需要220 V交流电源,通过整流桥将交流电压变换为直流电,为后续信号调制作准备,通过交变转换将直流电信号转化为所需检测信号,以此完成能源控制器的状态显示。

3 能效可视化技术

最小生成树的经典算法有Prim算法和Kruskal算法2种,本文采用Prim算法,该算法能够实现多种不同数据节点或者数据信息的采集与交互。

3D-MST输入:加权连通图G(V,E);输出:模型3D-MST=MST(Vnew,Enew)。BEJIN1) Vnew={vi},Enew=⌀2) While V-Vnew≠⌀ do3) 在V-Vnew中选择一个vj使得Vnew中顶点vi的权值最小的边Eij4) Vnew←Vnew∪{vj},Enew←Enew∪{Eij}5) return MST(Vnew,Enew)END

通过生成最小生成树,能够实现算法模型局部和整体优化。像素的输出值主要取决于邻域像素值的加权值,计算公式为

(1)

距离滤波系数的表达式为

(2)

式(2)中,W(i,j)表示模型上vi、vj两点之间的距离,σd表示空间几何距离的标准差。

特征滤波系数的表达式为

(3)

式(3)中,Ti、Tj表示顶点vi、vj的体积,σr表示体积特征的标准差。

权重系数w=d×r可以写成:

(4)

滤波后的特征为

(5)

式(5)中,ni表示顶点vi一环邻域的顶点数目。

4 试验结果与分析

区域能源系统设置区域能源站,配备集中供能系统的城市输配设施和大型分布式能源生产设施,包括220 kV/110 kV变电站、次高压/中压调压站、集中供热设施、大型分布式发电设施等,接收、转输、转换外部输入清洁能源,为下级能源系统供应高温热水、冷冻水、10 kV电力及中压燃气。参数配置如表1所示。

表1 环境参数与配置软件

本文以企业级智慧能源运行管控系统运行作为试验分析依据,试验架构示意图如图4所示。

图4 试验架构示意图

在应用时从系统中采集到的区域能源系统分区规划图如图5所示。

图5 采集的区域能源系统分区规划图

为了验证本文系统的可行性,将本文方法与文献[3]方法和文献[4]方法进行比较分析,假设控制区域为图5中的区域,以控制准确率为比较指标,得到的误差对示意图如图6所示。

图6 准确率比较示意图

由图6可知,在刚开始阶段,3种方法控制的准确率都不高,但本文方法的准确率随着时间的逐步延长越来越高,文献[3]和文献[4]方法的准确率虽然不分上下,但比起本文方法明显低很多。采用本研究方法控制过程中,准确率逐步提高,直到运行稳定后,准确率几乎达到100%,说明本文方法控制准确率比较高。

进行可视化分析时,在图4的应用层中获取的可视化图像如图7所示。

图7 可视化示意图

通过可视化监控,本文通过能源可视化实现用户侧供用能全景监控、源荷预测、优化调度、需求响应和能效分析等。可视化与常规的远程视频监控在监测灵敏度上的对比示意图如图8所示。

图8 检测结构灵敏度分析

由图8可知,可视化监测系统灵敏度呈现上升趋势。当设备数量从0增加到50时,灵敏度增速达到2.8;当设备数量从50增加到103时,检测灵敏度稳定在140 dBm;在设备数量达到103台时达到了最大值,为148 dBm。常规的远程视频监控方法灵敏度增加较为平缓,最高达到125 dBm,明显低于本文方法。