含風光發(fā)電的配電網狀態(tài)估計研究

申定輝,于曉蕾,趙海洋

(1.國網六安供電公司,安徽 六安 237000;2.國網安徽眾興電力設計院有限公司,合肥 230000)

?

含風光發(fā)電的配電網狀態(tài)估計研究

申定輝1,于曉蕾2,趙海洋1

(1.國網六安供電公司,安徽 六安 237000;2.國網安徽眾興電力設計院有限公司,合肥 230000)

為準確估計出風、光發(fā)電的出力和系統(tǒng)的運行狀態(tài),保證配電系統(tǒng)穩(wěn)定、可靠運行,分析了風、光發(fā)電的特性及提出風、光發(fā)電狀態(tài)估計模型。采用基于支路電流平方和支路功率的狀態(tài)估計改進方法對含風、光發(fā)電的配電網進行狀態(tài)估計研究。通過PG&E-69節(jié)點系統(tǒng)算例,驗證了風、光發(fā)電估計模型的有效性,并從接入位置和滲透率角度分析了風、光發(fā)電對配電網狀態(tài)估計的影響。

配電網;風、光發(fā)電;狀態(tài)估計;支路電流;支路功率

含分布式電源的配電網狀態(tài)估計,對配電網穩(wěn)定、可靠運行十分重要。配電網不同于輸電網,量測冗余度不足,在饋線根部有電壓幅值量測和功率量測,在饋線開關上一般只采集電流幅值量測。合適的狀態(tài)估計算法,對估計的結果有著重要的影響。目前狀態(tài)估計的算法主要可以分為傳統(tǒng)數(shù)值算法和智能算法。

傳統(tǒng)數(shù)值算法可以分為三類:基于節(jié)點電壓法[1]、基于支路電流法[2-3]和基于支路功率法[4]。節(jié)點電壓法需要形成龐大的節(jié)點導納矩陣,在處理支路電流幅值量測上會出現(xiàn)多個解的情況;支路電流法在處理支路電流幅值量測上具有優(yōu)越性,但該類算法在迭代過程中需要反復計算整個網絡的電壓幅值和相角,并且不能很好地處理環(huán)網;支路功率法實際上是以潮流匹配的結果來代替狀態(tài)估計,不能很好地處理支路電流幅值量測和節(jié)點注入型量測。

智能算法主要分為四類:BP神經網絡法[5]、PSO(粒子群優(yōu)化)法[6]、ACO(蟻群優(yōu)化)法[7]和HBMO(蜜蜂交配優(yōu)化)法[8]。智能算法的目的是尋找最優(yōu)的潮流和負荷的匹配,以替代傳統(tǒng)的數(shù)值計算方法,節(jié)省計算時間,提高估計速度,但是配網的量測信息精度并不能滿足算法的需求。

除了算法的研究,風、光發(fā)電也是研究的重點。風、光發(fā)電一般可分為kW級小型和MW級大型風、光發(fā)電。小型風、光發(fā)電一般不設置量測裝置,缺乏量測信息;大型風、光發(fā)電有量測裝置。

鑒于上述情況,本文提出無量測和有量測的風、光發(fā)電狀態(tài)估計模型,采用基于支路電流幅值平方和支路功率的改進算法,對含風、光發(fā)電的配電網進行狀態(tài)估計研究。

1 狀態(tài)估計模型

輻射狀配電網模型如圖1所示。

Pi、Q—節(jié)點注入有功和無功功率;Pij、Qij—支路首端有功和無功功率;Iij、αij—支路首端電流幅值和相角;Vi、δi—節(jié)點i的電壓幅值和相角

圖1 輻射狀配電網模型

Fig.1 Radial distribution network

支路電流幅值量測方程為

(1)

支路首端功率量測方程為

(2)

(3)

支路末端功率量測方程為

(4)

(5)

節(jié)點注入功率量測方程為

(6)

(7)

式中:i,l∈j表示于節(jié)點j相連的節(jié)點;Xcj為節(jié)點j的電容器和充電電容的電抗值。

節(jié)點j電壓平方的量測方程為

(8)

節(jié)點j的電壓約束方程為

(9)

式中,k表示與節(jié)點j相連的節(jié)點,對于所有與節(jié)點j相連的下游支路都含有電壓約束方程。

含有等式約束的狀態(tài)估計模型可以表示為

s.t.c(x)=0

式中:z為量測值;h(x)為量測函數(shù);W為量測權重矩陣;c(x)=0為零等式約束。

對模型采用拉格朗日乘子方法進行求解,模型為

L=J(x)-λTc(x)

模型的一次最優(yōu)解為:

(10)

其中

Δx=xk+1-xk

Δzk=z-h(x)

2 風、光發(fā)電狀態(tài)估計模型

2.1 無量測風、光發(fā)電模型

單個無量測光伏電池估計模型如圖2所示。

圖2 單個無量測光伏電池估計模型

一般情況下,光伏發(fā)電是由光伏電池的Ns×Ng串并聯(lián)陣列組成,其中Ns、Np分別表示串聯(lián)和并聯(lián)個數(shù)。光伏陣列的I-V特性可以表示為

Ig=Np×Im

Vg=Ns×Vm

其中,Im和Vm是通過光伏電池自身參數(shù)和光伏電池所處的環(huán)境(如輻照度、溫度)獲得,具體公式參照文獻[9]。

光伏發(fā)電的出力Pg-DC可以表示為

Pg-DC=VgIg

交流出力Pg-AC可以表示為

Pg-AC=ηVgIg

式中:η為逆變器的轉換效率,一般為0.9～0.96。

通過以上的分析可知,在無量測信息的光伏模型中,交流測有功Pg-AC可以作為偽量測,并且一般的光伏發(fā)電交流測的功率因數(shù)cosφ=0.95～1,本文取cosφ=0.99,則無功偽量測Qg-AC=Pg-ACtanφ。量測方程為

針對無量測的風機進行狀態(tài)估計時,可利用量測數(shù)據(jù),估計風電機組向電網中輸送的有功功率Pg,Qg。T型等效模型如圖3所示[10]。

圖3 異步風機T型等效RX模型

2.2 有量測風、光發(fā)電模型

MW級光伏電站一般都配置了功率量測、電流幅值量測和電壓幅值量測。光伏發(fā)電的外特性直接與狀態(tài)估計相關。有量測光伏發(fā)電估計模型如圖4所示,其中,虛線以外的部分為有量測光伏發(fā)電的狀態(tài)估計模型。

Vac、δac和Pac—逆變器側電壓幅值、相角和有功功率;Vg、δg—光伏接入點電網電壓幅值和相角;XT—并網隔離變壓器等效損耗阻抗。

圖4 有量測光伏發(fā)電估計模型

Fig.4 Photo-voltaic power generation estimation model with measured

通過模型可以看出,對于光伏接入的交流部分,光伏發(fā)電注入功率Pac、注入電流幅值平方Aac和節(jié)點電壓幅值平方Bc可以作為實時量測量,即量測方程為

有量測風力發(fā)電估計模型如圖5所示。盡管有量測的風力發(fā)電估計模型與光伏發(fā)電基本一致,但所取的量測量有所不同。選取風力發(fā)電的有功PWT和無功QWT為量測量,則量測方程為

圖5 有量測風力發(fā)電估計模型

3 含有量測光伏發(fā)電的算法初始化改進

光伏發(fā)電本身只向電網提供有功功率,光伏發(fā)電進行逆變時,需要向逆變器提供無功補償。光伏發(fā)電與電網發(fā)生的無功功率交換為

光伏發(fā)電注入電流為

4 算例分析

選取PG&E69節(jié)點系統(tǒng)為算例,對含風、光發(fā)電的配電網進行狀態(tài)估計仿真分析,該系統(tǒng)框圖如圖6所示。系統(tǒng)基準線電壓UB=12.66 kV,基準功率SB=1 MVA,網絡有功總負荷為3849.9 kW。

根據(jù)量測誤差分別對實時量測添加N(0,0.0012)的正態(tài)隨機誤差,偽量測添加N(0,0.012)的正態(tài)分布隨機誤差。

無量測風、光發(fā)電系統(tǒng)在Simulink平臺上搭建風、光系統(tǒng)模型,設定環(huán)境參數(shù),仿真獲得系統(tǒng)有功出力參數(shù),作為偽量測數(shù)據(jù)輸入到狀態(tài)估計程序中,對風、光發(fā)電出力進行估計。有量測風、光發(fā)電系統(tǒng)設定有功出力P和Q,注入電流I,研究風、光發(fā)電對配電網狀態(tài)估計的影響。

圖6 PG&E 69節(jié)點系統(tǒng)框圖

為充分研究風、光系統(tǒng)接入配電網后,接入位置和滲透率對配電網狀態(tài)估計的影響,本文擬定了以下三種方案。

方案一:在除去根節(jié)點的節(jié)點上,分別接入800 kW的風、光發(fā)電,風力發(fā)電的功率因數(shù)為0.90,分析研究接入位置與估計誤差的關系,定義支路功率估計誤差rload為

式中:Pflow、Qflow為支路潮流解值;Pse、Qse為支路潮流估計值;nbranch為不加風、光發(fā)電網絡支路數(shù)。估計結果如圖7所示。

圖7 不同接入點估計誤差

從圖7可知,同一接入容量下,不同接入點的狀態(tài)估計誤差具有如下分布特點:隨著風、光發(fā)電遠離根節(jié)點接入,誤差總體趨勢減小;重負荷的節(jié)點接入風、光估計誤差較周圍輕負荷節(jié)點小。誤差最小接入點為節(jié)點50,光伏發(fā)電最小誤差為rload=0.52%,風力發(fā)電最小誤差為rload=0.7062%。

方案二:通過方案一,可知節(jié)點50處接入風、光估計誤差最小。在節(jié)點50處,接入不同容量的風、光發(fā)電,研究滲透率與估計誤差的關系,定義滲透率κ為

式中:PPV為風、光發(fā)電有功出力,PL為系統(tǒng)有功總負荷,本文取滲透率κ=0.1～0.9。

不同滲透率κ下估計誤差如圖8所示。

圖8 不同滲透率κ下估計誤差

從圖8可以看出,估計誤差隨著滲透的增大呈現(xiàn)出先減小后增大的趨勢。當滲透率κ=0.9時,誤差大大增加,估計結果可信度降低。

方案三:通過方案一和方案二所得結果,在節(jié)點50處接入無量測光伏發(fā)電,最大有功輸出120 kW。一天24 h的光伏出力估計結果如圖9所示。

圖9 無量測光伏發(fā)電估計結果

5 結 論

1) 風、光發(fā)電接入配電網中,遠離根節(jié)點接入對狀態(tài)估計的影響較小;在同一距離上,具有重負荷的節(jié)點對風、光發(fā)電的接納力強,對狀態(tài)估計的影響較輕。建議在配電網中的末端且負荷較重的位置接入風光發(fā)電。

2) 風、光發(fā)電的滲透率需要保持在一個合理的水平(κmax=0.5～0.6)。風、光發(fā)電的接入容量過大,潮流反轉嚴重,影響狀態(tài)估計的質量,對配電網的安全運行造成影響。

3) 無量測風、光發(fā)電,因其對電網的滲透率小,天氣信息可以作為風、光出力的有效參考。

[1] LU C N,TENG J H,LIU W H E.Distribution system state estimation[J] IEEE Trans on Power Systems,1995,10(1):229-240.

[2] 吳為麟, 侯勇, 方鴿飛.基于支路電流的配電網狀態(tài)估計[J].電力系統(tǒng)及其自動化學報, 2001, 13(6):13-19.WU Weiling, HOU Yong, FANG Gefei.Distribution system state estimation branch current based[J].Proceedings of the CSU-EPSA, 2001,13(6):13-19.

[3] WANG Haibin, SCHULZ N N.A revised branch current-based distribution system state estimation algorithm and meter placement impact[J].IEEE Tran on Power Systems,2004, 19(1):207-213.

[4] DENG Y,HE Y,ZHANG B.A branch-estimation-based state estimation method for radial distribution systems[J] IEEE Transactions on Power Delivery, 2002, 17(4):1057-1062.

[5] MANITSAS E, SINGH R, PAL B C, et al.Distribution system state estimation using an artificial neural network approach for pseudo measurement modeling[J] IEEE Transactions on Power Systems, 2012, 27(4):1888-1896.

[6] NIKNAM T, RANJBAR A M, SHIRANI A R.A new approach for distribution state estimation based on ant colony algorithm with regard to distributed generation[J] Journal of Intelligent &Fuzzy Systems, 2005, 16(2):119-131.

[7] NAKA S, GENJI T, YURA T,et al.Practical distribution state estimation using hybrid particle swarm optimization[J].2001 IEEE Power Engineering Society Winter Meeting, 2001,2(2):815-820.

[8] NIKNAM T, FIROUZI B B.A practical algorithm for distribution state estimation including renewable energy sources[J] Renewable Energy, 2009, 34(11):2309-2016.

[9] LIN W M,TENG J H.State estimation for distribution system with zero-injection constraints[J].IEEE Trans on Power Systems, 1996,11(1):518-824.

[10] THUKARAM D,JEROME J, SURAPONG C.A robust three-phase state estimation algorithm for distribution networks[J].Electric Power Systems Research,2000,55(3):191-200.

(責任編輯 侯世春)

Research on distribution system state estimation with wind and photovoltaic power generation

SHEN Dinghui1,YU Xiaolei2,ZHAO Haiyang1

(1.State Grid Liu’an Electric Power Supply Company,Lu an 237000, China;2.State Grid Anhui Zhongxing Electric Power Design Institute Co,.LTD,Hefei 230000, China)

In order to accurately estimate the output of wind and photovoltaic power generation and the state of distribution system so as to ensure the stable and reliable operation, this paper analyzed the characteristics of wind and photovoltaic power generation, and proposed its state estimation model.Based on the improved method based on the square of branch current and the state estimation of branch power, the paper studied the state of the distribution system with wind andphotovoltaic power generation.Through the example of PG&E-69 node system, it is verified that the estimation model is effective.Besides, from the access location and penetration point, the impact of wind and photovoltaic power generation on distribution state estimation is analyzed.

distribution system;wind and photovoltaic power;state estimation;branch current;branch power

2015-12-23;

2016-06-08。

申定輝(1989—),男,碩士,工程師,主要研究方向為狀態(tài)估計、新能源并網、柔性交直流輸配電技術。

TM61

A

2095-6843(2016)05-0466-05