含水電的區(qū)域風光容量優(yōu)化配置

王　亮，向鐵元，楊　瑤，詹　雷，王劍鋒

(武漢大學電氣工程學院，湖北武漢　430072)

Capacity Configuration Optimization for Regional Grid with Wind-PV and Hydropower Generations WANG Liang, XIANG Tieyuan, YANG Yao, ZHAN Lei, WANG Jianfeng

(School of Electrical Engineering, Wuhan University, Wuhan 430072, China)

?

含水電的區(qū)域風光容量優(yōu)化配置

王亮，向鐵元，楊瑤，詹雷，王劍鋒

(武漢大學電氣工程學院，湖北武漢430072)

Capacity Configuration Optimization for Regional Grid with Wind-PV and Hydropower Generations WANG Liang, XIANG Tieyuan, YANG Yao, ZHAN Lei, WANG Jianfeng

(School of Electrical Engineering, Wuhan University, Wuhan 430072, China)

0引言

風電和光伏發(fā)電是我國應用廣泛的新能源，風能和太陽能均為可再生清潔能源，由于其不確定性，接入電網(wǎng)會造成一定的波動[1]。不同的電源可以分為可調(diào)度和不可調(diào)度[2]，不可調(diào)度電源主要是新能源發(fā)電單元，為使區(qū)域內(nèi)新能源大規(guī)模發(fā)展，需要有可調(diào)度電源的支撐。水電作為可以快速調(diào)節(jié)發(fā)電機出力的電源，對新能源有著較好的支撐作用[3]。

文獻[4]建立了多種能源互補的微網(wǎng)供電模式，以系統(tǒng)投資運行成本和可再生能源利用比例為目標函數(shù)進行求解。文獻[5]提出了一種考慮獨立和并網(wǎng)運行時的改進風光儲容量優(yōu)化配置方法。文獻[3]以風水儲系統(tǒng)日收益為目標函數(shù)進行模型求解。文獻[6]以綜合成本為目標函數(shù)求解微網(wǎng)風光柴儲容量優(yōu)化配置。然而在區(qū)域新能源建設中，一個重要的目標是新能源接入規(guī)模最大化，考慮為一個送端系統(tǒng)時，還需要考慮通過聯(lián)絡線輸送功率的波動性大小。

1發(fā)電單元的數(shù)學模型

1.1風機輸出功率模型

風電機組的輸出功率與風速關(guān)系的曲線稱為風電機組功率特性曲線，風機輸出功率由風速和風機本身參數(shù)共同決定。本文采用的模型為三項式形式，是目前應用較為廣泛的功率風速表達式：

(1)

(2)

式中：Pw為t時刻機組輸出的有功功率；Vt為t時刻的風速值；Yw為風機的額定風速；Vci、Vr、Vco分別為風力機組的切入風速、額定風速和切除風速；A、B、C分別為風電機組功率特性曲線參數(shù)。

1.2光伏輸出功率模型

本文光伏輸出功率模型參照美國國家可再生能源實驗室(NREL)開發(fā)的HOMER[2]軟件里面介紹的輸出模型。

(3)

式中具體每個參數(shù)的計算參考HOMER幫助[2]，此處不予贅述。

1.3水電模型

水電為該區(qū)域中唯一可調(diào)度能源，運行中的庫容量可表示如下。

第t+1時刻的庫容量為

(4)

第t時刻的發(fā)電耗水量S(t)為

(5)

式中：C表示庫容量；s(t)、S(t)、PH(t) 分別為t時刻水電站平均徑流量、發(fā)電耗水量、發(fā)電量；α、β、γ為水輪發(fā)電機運行的耗量系數(shù)。

2系統(tǒng)調(diào)度策略

文中考慮區(qū)域為送端區(qū)域，在滿足區(qū)域內(nèi)負荷的條件下，通過聯(lián)絡線將多余電量輸送出去。而由于風電和光伏發(fā)電的隨機性和不可調(diào)度性，需要水電的補充來滿足聯(lián)絡線的下限輸送約束。水電的互補性對區(qū)域新能源的接入有著重要作用。

定義不加入水電時刻的凈功率ΔP(t)為

(6)

式中：Pl(t)為t時刻的負荷功率。

則系統(tǒng)的調(diào)度策略可表示如下：

① 當ΔP(t)

(7)

② 當ΔP(t)≥Pgs.min(t)時，即系統(tǒng)的凈功率滿足聯(lián)絡線的輸出下限約束時，此時則不需要水電的補充,將剩余功率輸出即可。則水電的發(fā)電功率為

(8)

式中：Pgs.min(t)為t時刻聯(lián)絡線的輸出下限約束；PH(t)為水電輸出功率。

確定水電輸出功率后，則通過聯(lián)絡線輸出的功率Pgs(t)可表示如下：

(9)

3容量優(yōu)化配置數(shù)學模型

3.1目標函數(shù)

3.1.1波動率極小化

本文以相對標準偏差作為衡量聯(lián)絡線輸出功率的波動性指標。相對標準偏差Vσ的表達式如下：

(10)

3.1.2新能源接入規(guī)模極大化

該目標函數(shù)表示如下：

max:C=Yw+Ypv

(11)

式中：C為區(qū)域新能源的接入規(guī)模；Yw為風機裝機容量；Ypv為光伏裝機容量。

3.2約束條件

① 風機和光伏裝機容量約束。風機的個數(shù)和光伏電池板的數(shù)量受占地面積的約束。

(12)

② 水電站約束。主要包括庫容量約束和引用流量約束和水電出力上下限約束。

(13)

③ 聯(lián)絡線輸出功率上下限約束。區(qū)域系統(tǒng)通過聯(lián)絡線輸送的功率大小要滿足：

(14)

式中：Pgs.min和Pgs.max為系統(tǒng)向主網(wǎng)或者配網(wǎng)輸送的最小功率和最大功率。

④ 網(wǎng)架約束。主要包括發(fā)電機出力約束和電壓越限約束。

(15)

式中：PG和QG代表發(fā)電機有功和無功功率，前兩個不等式主要是PV節(jié)點的出力上下限約束，Ui表示節(jié)點電壓幅值，第3個不等式主要是PQ節(jié)點的電壓幅值上下限約束。

4模型求解方法

采用多目標粒子群算法(multi-objective particle swarm optimization algorithm，MOPSO)進行求解。多目標粒子群引入了Pareto解集的概念。

其中，粒子的位置和速度更新公式為

(16)

(17)

流程圖如圖1所示。

圖1　多目標粒子群算法流程圖

本文采用確定性模型，模擬區(qū)域一年8 760h內(nèi)的運行情況，其中目標函數(shù)主要的計算步驟如下：

① 根據(jù)給定地區(qū)的資源，以及風機光伏參數(shù)，根據(jù)式(1)、(3)分別計算單臺風機、單臺光伏電池一年8 760h的時序出力。

② 根據(jù)水電站的約束條件和聯(lián)絡線輸出下限約束確定水電PH全年的時序出力。

③ 由式(9)確定向聯(lián)絡線輸出功率Pgs的全年時序出力。

④ 由式(11)確定風電光伏接入規(guī)模的大小，由式(10)確定聯(lián)絡線輸出功率相對標準偏差的大小。

5算例分析

本文以青海省格爾木某地區(qū)資源為例進行研究，并在IEEE-14節(jié)點系統(tǒng)中進行計算。IEEE-14節(jié)點系統(tǒng)的參數(shù)參照文獻[7]所述。全年的風速和光照強度數(shù)據(jù)如圖2、圖3所示。全年負荷有功需求數(shù)據(jù)如圖4所示。所選取水電站容量1 200kW，總庫容0.878億m3，最小庫容量限制為0.300億m3，年徑流量為0.600億m3。向聯(lián)絡線輸出有功功率限制為[200,3 000]kW。選取的風機額定有功為100kW，選取的光伏電池組有功為10kW。

圖2　全年風速數(shù)據(jù)

圖3　全年光照強度數(shù)據(jù)

圖4　全年負荷數(shù)據(jù)

在14節(jié)點系統(tǒng)中，將可調(diào)度的水電加入節(jié)點1作為系統(tǒng)的平衡節(jié)點。將風機加入節(jié)點2，光伏加入節(jié)點3作為PV節(jié)點，其余節(jié)點不變。

圖5　IEEE-14節(jié)點系統(tǒng)

選取系統(tǒng)的基準容量為1 000kVA。為了對應全年的負荷有功需求，將原系統(tǒng)的負荷標幺值作如下變換：

(18)

對聯(lián)絡線輸出的功率部分等效為從節(jié)點2、3、4、5、6、9、10、11、12、13、14分散接入的多余負荷。每個點接入大小與原有負荷有功大小成正比：

(19)

采用Matlab軟件進行多目標粒子群優(yōu)化算法的編程，設置的內(nèi)部種群數(shù)量為50，外部種群數(shù)量為50，慣性權(quán)重w為0.4，學習因子c1=2.0，c2=1.0，迭代最大次數(shù)為500次。設置的風機數(shù)量Nw在[0,15]，光伏電池組數(shù)量為[0,150]，經(jīng)過計算得到的Pareto前沿如圖6所示。

圖6　計算得到的Pareto前沿

極端解分析如下：

① 當系統(tǒng)新能源接入規(guī)模最大時，如圖7所示，風電光伏裝機總有功為3 000kW。其中風機和光伏裝機有功都為1 500kW。輸入電網(wǎng)功率的相對標準偏差為0.737 4，入網(wǎng)功率標準差為487.78kW?？梢娊尤胍?guī)模最大時，向外網(wǎng)輸入功率波動性較大。

圖7　接入規(guī)模最大時的Pgs

選取Pgs最大和最小時候做出如下的潮流說明。如表1所示，在Pgs(t)最大的時候，需要在節(jié)點6和節(jié)點8的發(fā)電系統(tǒng)分別補償870kvar,340kvar的無功功率，其余節(jié)點都滿足約束條件。在Pgs(t)最小的時候，系統(tǒng)向外網(wǎng)輸送有功功率為200kW，此時風機光伏發(fā)電都為0，全部功率由水電提供。潮流計算結(jié)果如表2所示。此時需要在節(jié)點6和節(jié)點8補償?shù)臒o功分別為450kvar,180kvar。其余節(jié)點均滿足約束條件。

表1　接入規(guī)模最大且Pgs(t)最大的潮流結(jié)果

表2　接入規(guī)模最大且Pgs(t)最小時候的潮流結(jié)果

② 當波動性最小時，如圖8所示。此時風電光伏裝機總有功為654.5kW，此時相對標準偏差為0.017 83，入網(wǎng)功率標準差為3.72kW?？梢姴▌有跃头浅Ｐ×?，這是由于風電光伏裝機容量較小，且發(fā)出的功率在水電的調(diào)度下主要滿足區(qū)域內(nèi)負荷需求，向外網(wǎng)輸送功率主要集中在200～280kW之間,即說明波動性最小時的等效負荷介于表1和表2所示之間，潮流計算的結(jié)果也是各個節(jié)點滿足約束條件的。

圖8　波動性最小時的Pgs

若調(diào)整聯(lián)絡線的輸出下限約束，根據(jù)本文的調(diào)度策略可以得出在不同聯(lián)絡線約束下的Pareto解集。

圖9　不同聯(lián)絡線約束下限的Pareto前沿

從圖9中可以看出，當聯(lián)絡線輸出下限增加到500kW時，在相同的新能源接入規(guī)模下，相對標準偏差要明顯低于原來200kW時的值。這是由于提高輸出功率下限需要更多的水電補充到500kW，波動部分也會隨之減小。然而提高下限到一定程度后，水電會受到規(guī)模的限制而不能滿足所提出的調(diào)度策略。

6結(jié)論

本文通過考慮一個送端區(qū)域的新能源接入規(guī)模的大小和波動性的大小，構(gòu)建了一個含水電的區(qū)域風光容量優(yōu)化配置模型，用相對標準偏差來衡量向聯(lián)絡線輸送功率的波動性大小。通過青海格爾木某地區(qū)的實際算例的建模求解分析，并在IEEE-14節(jié)點系統(tǒng)中進行了計算，驗證了所提出優(yōu)化方案的合理性，并且在不同聯(lián)絡線下限約束的條件下進行了分析，結(jié)果表明適當提高聯(lián)絡線下限約束有利于提高新能源接入規(guī)模和降低波動性。通過本文提出的容量優(yōu)化配置方法，可以為區(qū)域新能源接入提供理論依據(jù)和技術(shù)支撐。

參考文獻

[1]Woyte A, Van V, Belmans R, et al. Voltage fluctuations on distribution level introduced by photovoltaic systems[J]. IEEE Trans. on Energy Conversion, 2006, 21(1):202-209.

[2]Lilienthal P, Lambert T, Ferguson T, et al. Hybrid optimization model for electric renewables (HOMER) [EB/OL]. National Renewable Energy Lab (NREL), 2000-02-14[2010-11-08]. http://www.nrel/gov/HOMER.

[3]尚志娟，周暉，王天華. 帶有儲能裝置的風電與水電互補系統(tǒng)的研究[J]. 電力系統(tǒng)保護與控制，2012，40(2)：99-104.

[4]張建華，于雷，劉念，等. 含風/光/柴/蓄及海水淡化負荷的微電網(wǎng)容量優(yōu)化配置[J]. 電工技術(shù)學報，2014，29(2)：102-111.

[5]徐林，阮新波，張步涵，等. 風光蓄互補發(fā)電系統(tǒng)容量的改進優(yōu)化配置方法[J]. 中國電機工程學報，2012，32(25)：88-98.

[6]丁明，王波，趙波，等. 獨立風光柴儲微網(wǎng)系統(tǒng)容量優(yōu)化配置[J]. 電網(wǎng)技術(shù)，2013，37(3)：575-581.

[7]Lyambo P K, Tzoneva R. Transient stability analysis of the IEEE 14-bus electric power system[C]. AFRICON.2007:1-8.

王亮(1991—)，男，碩士研究生，主要研究方向為電力系統(tǒng)運行與控制，E-mail:942358319@qq.com；

向鐵元(1953—)，男，教授，博士生導師，從事電力系統(tǒng)分析計算以及穩(wěn)定運行與控制的教學和研究工作，E-mail: tyxiang@whu.edu.cn。

(責任編輯：林海文)

摘要：區(qū)域新能源大規(guī)模的發(fā)展，其中主要目標之一是為了提高系統(tǒng)新能源接入規(guī)模。為此文中構(gòu)建了風-光-水互補系統(tǒng)優(yōu)化運行的數(shù)學模型，考慮為一個送端區(qū)域系統(tǒng)，構(gòu)建了相對標準偏差作為衡量波動性指標。將風機和光伏電池的個數(shù)作為變量，以新能源接入規(guī)模最大和輸入主網(wǎng)波動性指標最小作為目標函數(shù)，綜合考慮各類約束條件，并且采用多目標粒子群優(yōu)化算法進行求解。最后，在IEEE-14節(jié)點系統(tǒng)中，以青海某地區(qū)資源為實例進行建模、求解和分析，結(jié)果驗證了所提出優(yōu)化配置方法的可行性。

關(guān)鍵詞：送端區(qū)域；相對標準偏差；容量優(yōu)化；多目標粒子群

Abstract：With the large-scale development of regional new energy, one of the main objectives is to improve access scale of new energy systems. In this paper, the mathematical model for wind-PV-Hydro complementary system is built, which is considered as a sending area system, and the relative standard deviation are taken as an index to measure the volatility characteristics. The number of wind turbines and photovoltaic cells are taken as the variables, to enlarge the access scale of new energy and to minimize the volatility index value of main grid are regarded as the objective function. By considering various types of constraints, the mathematical model is solved by using the multi-objective particle swarm optimization algorithm. In the end, the model for IEEE-14 bus system is built, solved and analyzed by taking Qinghai region resource as example, and the simulation results verify the correctness and effectiveness of configuration optimization method.

Keywords：sending area; relative standard deviation; capacity optimization; MOPSO

作者簡介：

收稿日期：2014-05-21

基金項目：國家科技支撐計劃項目(2013BAA02B01)

文章編號：1007-2322(2015)01-0089-06

文獻標志碼：A

中圖分類號：TM715