基于時序特性分析的分布式電源選址定容規(guī)劃

倪 鵬,孫富榮

(國網(wǎng)乳山市供電公司,山東 乳山 264500)

基于時序特性分析的分布式電源選址定容規(guī)劃

倪 鵬,孫富榮

(國網(wǎng)乳山市供電公司,山東 乳山 264500)

針對分布式電源(Distributed Generator,DG)接入配電網(wǎng)的優(yōu)化選址定容問題,建立以年損耗電量最小為目標,考慮DG出力及負荷時序特性,利用具有代表性的場景模擬全年情況,給出了場景及其權(quán)重的確定方法。在GAMS環(huán)境下進行建模仿真,以IEEE 14和IEEE 33節(jié)點系統(tǒng)為算例,計算全網(wǎng)最優(yōu)的 DG安裝位置及安裝容量,以驗證模型的合理性。仿真結(jié)果表明,時序特性對DG規(guī)劃有顯著影響,其模型能夠很好地利用不同類型DG出力在時序上的互補作用,提高電網(wǎng)對DG出力的消納能力。

分布式電源;配電網(wǎng);時序特性;最優(yōu)潮流

近年來,可再生能源發(fā)電技術(shù)得到了迅猛發(fā)展,其中技術(shù)較為成熟的有風力發(fā)電、太陽能發(fā)電、生物質(zhì)能發(fā)電、水力發(fā)電等。利用可再生能源發(fā)電的形式可以是分布式發(fā)電形式,也可以是集中式發(fā)電形式。分布式發(fā)電因為具有投資小、供電方式靈活等優(yōu)點得到了快速發(fā)展[1]。然而,分布式電源(Distributed Generator,DG)接入配電系統(tǒng)后會引起電網(wǎng)結(jié)構(gòu)、潮流分布的較大改變[2]。為了充分發(fā)揮DG的效益,抑制其負面影響,需要在規(guī)劃階段對其進行合理布局[3]。

早期DG的規(guī)劃研究多假定其出力恒定[4-5],而實際情況中,風力發(fā)電、光伏發(fā)電等不可控的發(fā)電方式出力具有顯著的隨機性。另外,受自然規(guī)律制約,DG各出力水平分別在特定時間段出現(xiàn),與時間序列密切相關(guān),即DG具有時序特性。不同種類DG出力的時序特性也存在較大差異。文獻[6-7]將DG出力固定在幾種特殊水平下對其優(yōu)化配置,忽略了實際一些出現(xiàn)的其他水平,且未考慮到出力的時序特性。假定DG出力為固定不變的數(shù)值或某幾種水平的數(shù)值,則會導致規(guī)劃參數(shù)與實際運行情況偏差較大,規(guī)劃結(jié)果不準確。此外,負荷以及DG出力的峰、谷值往往出現(xiàn)在不同時刻[8],不同種類DG的出力時序特性曲線與負荷時序特性曲線的匹配程度也有差異。忽略時序特性,將無法得到與負荷曲線匹配較好的DG組合安裝方案。因此,同時考慮DG出力及負荷的時序特性能得到較為合理的規(guī)劃結(jié)果。

本文綜合考慮DG出力及負荷的時序特性,針對現(xiàn)有配電網(wǎng)絡(luò)對其進行選址定容。選擇具有代表性的場景表征全年的情況,并統(tǒng)計各場景的權(quán)重值,根據(jù)風速時序特性曲線、光照強度時序特性曲線獲得各場景0-24時段每時段對應的風速及光照強度水平,建立多場景多時段的DG規(guī)劃最優(yōu)模型。分別討論單獨引入風力發(fā)電、光伏發(fā)電以及同時引入風、光發(fā)電設(shè)備三種情形,結(jié)果表明考慮時序特性有利于發(fā)揮風、光發(fā)電的互補優(yōu)勢,提高對資源的利用率。

1 DG規(guī)劃的數(shù)學模型

本文考慮時序特性表現(xiàn)在計及季節(jié)差異及時間變化對DG出力水平的影響上,建立了多場景多時段模型對DG進行規(guī)劃。通過典型場景描述季節(jié)變化對DG出力情況的影響,利用多時段表征DG出力水平在時序上的差異。

1.1 DG出力時序特性

風機出力具有顯著的時序特性,伴隨季節(jié)和時間變化有較大差異。以研究某地區(qū)為例,春季平均風力最大,夏季最小;一天內(nèi)風力最大出現(xiàn)在23:00左右,最小風力在12:00左右。某風電場出力時序特性曲線如圖1所示。

圖1 某風電場出力時序特性曲線

光伏電源出力水平主要由光照強度決定,光照強度受天氣狀況的影響較大,例如晴天、陰天、雨雪天光照強度有著較大差異[9],且出力水平與時間序列密切相關(guān)。出力最大往往在光照較強的13:00左右,20:00至次日5:00出力多為0。光伏電源的出力時序特性曲線如圖2所示。

從圖1和圖2可以看到,風機出力、光伏電源出力在時序上表現(xiàn)有互補性。就該研究地區(qū)而言,光伏發(fā)電每天至少有8 h出力為0。在此期間,風力發(fā)電是集中式發(fā)電的有益補充,風力發(fā)電出力最大時,光伏發(fā)電出力較小,而光伏發(fā)電出力最大時,風力發(fā)電出力相對較小。所以考慮時序特性有利于提高DG出力時序特性曲線與負荷時序特性曲線的匹配程度。

圖2 光伏電源出力時序特性曲線

1.2 考慮時序特性場景的產(chǎn)生

選擇春季晴天、春季陰天、春季雨雪天、夏季晴天、夏季陰天、夏季雨雪天、秋季晴天、秋季陰天、秋季雨雪天以及冬季晴天、冬季陰天、冬季雨雪天為場景,共計12個,對全年情況進行模擬。各場景以0-24時段為一時間序列。根據(jù)氣象資料分別獲得各場景風速及光照強度時序特性曲線,由該曲線可得各時段風速、光照強度平均水平,依據(jù)歷史數(shù)據(jù)統(tǒng)計對應時段的平均溫度,參照各時段風機及光伏電源的出力情況,可由IEEE-RTS系統(tǒng)確定對應時段的負荷波動水平。

1.3 DG選址定容模型

在現(xiàn)有配電網(wǎng)中引入風機和光伏電源,在滿足給定的電網(wǎng)運行約束條件下,建立隨機混合整數(shù)非線性規(guī)劃模型,對DG的布點以及容量進行優(yōu)化,使年損耗電量達到最小。引入表示DG布點的0、1變量及接入容量的整數(shù)變量,建立目標函數(shù)如下:

式中:αi為第i個場景權(quán)重的大小;ci,j為第i場景下的j時段;eci,j為第i個場景j時段的損耗電量;S為場景個數(shù),共計有12個場景;T為時段數(shù),一日劃分為24個時段。

系統(tǒng)潮流方程為

節(jié)點s處風機、光伏電源安裝容量約束為

bs·wmin≤ws≤bs.wmax

ns·rmin≤rs≤ns.rmax

節(jié)點s處的電壓要求為

Vmin≤Vs≤Vmax

DG接入系統(tǒng)總?cè)萘康淖畲笙拗茷?/p>

即認為接入總?cè)萘坎坏贸^常規(guī)電源出力的γ1倍與負荷的γ2倍之和,實際中可以根據(jù)當?shù)卣邔Ρ稊?shù)進行調(diào)整,認為分布式電源接入容量在此約束的限制下能保證系統(tǒng)可靠性在允許范圍內(nèi)。

風機以及光伏電源總布點個數(shù)的最大限制MB和MN為

式中:Vmin為節(jié)點電壓的下限;Vmax為節(jié)點電壓的上限;Prw和Prs分別為單位風機及光伏電源的額定功率。

1.4 DG出力模型

風機輸出功率與風速之間的關(guān)系可以近似用分段函數(shù)表示為

(1)

式中:vci為切入風速;vR為額定風速;vco為切出風速;Prw為風力發(fā)電設(shè)備的額定功率。將各場景各時段風速值帶入式(1)可得該時刻風機的實際出力。

光伏電源的出力依賴于設(shè)備自身的實際特性、光照強度大小和周圍環(huán)境的溫度。在已知光照強度、環(huán)境溫度時,可通過下式計算出光伏電源的實際輸出功率:

(2)

式中:TA為環(huán)境溫度;say為該狀態(tài)下的光照強度;NOT為設(shè)備的額定溫度;Isc為短路電流;Voc為開路電壓;Ki為短路電流溫度系數(shù);KV為開路電壓溫度系數(shù);FF為太陽能電池的填充因數(shù);VMPP、IMPP分別為光伏電池最大功率點的電流與電壓值。

2 算例分析

選取IEEE-14和IEEE-33節(jié)點配電系統(tǒng)對提出的模型進行驗證,分別對接入風機、光伏電源以及同時包含風、光發(fā)電設(shè)備的系統(tǒng)選址、定容,并對仿真結(jié)果進行對比分析。

參數(shù)設(shè)置:接入點安裝風機最小組數(shù)wmin=1,安裝風機最大組數(shù)wmax=200,接入點安裝光伏電源最小組數(shù)rmin=1,安裝光伏電源最大組數(shù)rmax=200,風機單位機組額定功率Prw=0.01 MW,光伏電源單位機組額定功率Prs=0.01 MW,風機布點之和最大值MB=5,光伏電源布點之和最大值MN=5。同時接入風、光發(fā)電設(shè)備時,倍數(shù)γ1=0.6,倍數(shù)γ2=0.3;當僅接風機或光伏電源時γ1=0.3,γ2=0.15,基準值為100 MW。

算例1:為了驗證本文提出模型的合理性,利用文獻[8]提供的IEEE-14節(jié)點配電系統(tǒng)為例,對DG布點及容量配置進行優(yōu)化,優(yōu)化結(jié)果如表1所示。

從表1可以看到,節(jié)點8、9負荷較重,分別占整個系統(tǒng)總負荷的17.4%、15.68%。各類型DG并網(wǎng)均會選擇在這兩個負荷較重的節(jié)點處接入,進而有效地實現(xiàn)重負荷的就地平衡,減少功率的流動,降低損耗;與將容量視為連續(xù)可調(diào)模型相比,本文模型降損效益與其相差均不超過2%,這表明在兼顧DG容量不可連續(xù)特性的同時能達到較好的降損效果。

表1 DG優(yōu)化策略及損耗對比

Table 1 DG optimization strategy and loss comparison

注:A為接入風機,B為接入光伏電源,C為同時接入風、光發(fā)電設(shè)備,D為不接入DG的情形,標注1的為本文模型優(yōu)化結(jié)果；標注2的為容量連續(xù)可調(diào)模型優(yōu)化結(jié)果。

為了展示DG出力及負荷時序特性對DG規(guī)劃結(jié)果的顯著影響,假定不考慮時序特性,即DG出力與時間序列無關(guān)。例如,某情形下DG的出力情況為1時刻風機出力水平與10時刻光伏電源出力水平的組合,本文打亂原有方法生成風、光發(fā)電出力水平的順序,使其在時序上不再有一一對應的關(guān)系,此種情形下,其出力不符合自然變化的規(guī)律,兩種形式DG除了利用效率外沒有區(qū)別。不考慮時序特性時DG的優(yōu)化配置結(jié)果如表2所示。

表2 不考慮時序特性的優(yōu)化結(jié)果

Table 2 Optimization results without consideration time sequence characteristic

注:A為接入風機;B為接入光伏電源;C為同時接入風、光發(fā)電設(shè)備的情形。

從表2可知,在情形C下,同時引入風、光兩種發(fā)電設(shè)備,不考慮時序特性時風機優(yōu)先接入,光伏電源接入比重較小;考慮時序特性后,風力較弱時,光伏發(fā)電是風力發(fā)電的有益補充,投入量得到了增加。較風力發(fā)電而言,光伏發(fā)電利用率稍低。因而,考慮時序特性有利于提高自然資源的利用率。

風力發(fā)電、光伏發(fā)電的日出力具有顯著的互補性,以春季晴天場景為例,展示各時段的損耗情況如圖3所示。

由圖3可知,春季晴天1:00-6:00光照強度為0,當僅考慮接入光伏電源時,其損耗曲線與不接入DG的損耗曲線相吻合；8:00-13:00,風力較弱,光照相對較強,該時段內(nèi),光伏發(fā)電的作用較為顯著,接入風機情形下的損耗高于接入光伏電源,之后,光照變?nèi)?風力較強,光伏發(fā)電情形下的損耗變得高于風力發(fā)電。因此,同時接入風、光兩種發(fā)電設(shè)備,可以有效彌補獨立發(fā)電的不足,達到較好的降損效益。

圖3 春季晴天場景下各時段損耗

風力發(fā)電實際出力占額定功率26.1%,光伏發(fā)電出力為額定功率44.3%,負荷為峰值59.85%時配電網(wǎng)絡(luò)各節(jié)點電壓分布情況如圖4所示。

圖4 節(jié)點電壓分布情況

從圖4可以看到,DG接入配電網(wǎng),電壓幅值得到提高,電壓質(zhì)量得到提升。其中,DG接入點電壓升高最為顯著。

算例2:為了進一步驗證本文提出模型的合理性,利用文獻[10]提供的IEEE33節(jié)點配電網(wǎng)為算例,對DG布點及容量配置進行優(yōu)化,優(yōu)化結(jié)果如表3所示。

從表3可以看到,IEEE33系統(tǒng)與IEEE14系統(tǒng)相比,負荷較輕,DG的投入量小,但降損效益同樣顯著,達19.26%。這表明,該模型對解決輕負荷系統(tǒng)的DG優(yōu)化配置問題同樣具有較好的效果。

表3 IEEE-33節(jié)點系統(tǒng)DG優(yōu)化策略

Table 3 DG optimization strategy of IEEE-33 node system

注:C為同時接入風、光發(fā)電設(shè)備的情形,D為不接入DG的情形。

3 結(jié) 論

1) 考慮DG出力的時序特性,能夠更為真實地反應系統(tǒng)的運行情況,且得到的規(guī)劃方案也更具有實際意義。

2) 太陽能與風能在時序上具有互補特性,這兩種DG同時接入可以彌補風力發(fā)電和光伏發(fā)電獨立系統(tǒng)的缺陷。

3) 無論對于重負荷系統(tǒng)還是輕負荷系統(tǒng),合理接入DG對降低網(wǎng)損、提高電能質(zhì)量均有較好的效果。

[1] 麻秀范.含分布式電源的配電網(wǎng)規(guī)劃與優(yōu)化運行研究[D].北京:華北電力大學,2013.MA Xiufan.Research on planning and optimal operation of distribution network including decentralised generation[D].Beijing:North China Electric Power University,2013.

[2] 曾鳴,杜楠,張鯤,等.基于多目標靜態(tài)模糊模型的分布式電源規(guī)劃[J].電網(wǎng)技術(shù),2013,37(4):954-959.ZENG Ming,DU Nan,ZHANG Kun,et al.Distributed generation planning based on multiobjective static fuzzy model[J].Power System Technology,2013,37(4):954-959.

[3] 張立梅,唐巍,王少林,等.綜合考慮配電公司及獨立發(fā)電商利益的分布式電源規(guī)劃[J].電力系統(tǒng)自動化,2011,35(4):23-28.

ZHANG Limei,TANG Wei,WANG Shaolin,et al.Distributed generators planning considering benefits for distribution power company and independent power suppliers[J].Automation of Electric Power Systems,2011,35(4):23-28.

[4] GRIFFIN T,TOMSOVIC K,SECREST D,et al.Placement of dispersed generation systems for reduced losses[C]//Proceedings of the 33rd Annual Hawaii International Conference on System Sciences.Hawaii:IEEE,2000.

[5] RAU N S,WAN Y H.Optimum location of resources in distributed planning[J].IEEE Transactions on Power Systems,1994,9(4):2014-2020.

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

[7] AL ABRI R S,EL-SAADANY E F,ATWA Y M.Optimal placement and sizing method to improve the voltage stability margin in a distribution system using distributed generation[J].IEEE Transactions on Power Systems,2013,28(1):326-334.

[8] 徐迅,陳楷,龍禹,等.考慮環(huán)境成本和時序特性的微網(wǎng)多類型分布式電源選址定容規(guī)劃[J].電網(wǎng)技術(shù),2013,37(4):914-921.XU Xun,CHENG Kai,LONG Yu,et al.Optimal site selection and capacity determination of multi-types of distributed generation in microgrid considering environment cost and timing characteristics[J].Power System Technology,2013,37(4):914-921.

[9] 蔡國偉,孔令國,楊德友,等.大規(guī)模風光互補發(fā)電系統(tǒng)建模與運行特性研究[J].電網(wǎng)技術(shù),2012,36(1):65-71.CAI Guowei,KONG Lingguo,YANG Deyou,et al.Research on modelling and operation characteristics analysis of large-scale wind & light complementary electricity-generating system[J].Power System Technology,2012,36(1):65-71.

[10] GOSWAMI S K,BASU S K.A new algorithm for the reconfiguration of distribution feeders for loss minimization[J].IEEE Transactions on Power Delivery,1992,7(3):1484-1491.

(責任編輯 郭金光)

Plan for locating and sizing of distributed generators based on timing characteristics analysis

NI Peng,SUN Furong

(State Grid Rushan Power Supply Company,Rushan 264500,China)

Aiming at how to locate and size the distributed generator integrated into distribution network,this paper established the multi-period optimal power flow model,which takes the minimum annual energy loss as the objective function and considers the time characteristics of DG power output and load,and proposed how to determine the typical scenario and its weight on the basis of its simulated annual situation.Modeling and simulating under GAMS,it calculated the optimal location and size of DG,according to the case study in the IEEE 14-node and IEEE 33-node power system,to verify the rationality of the model.The results show that the time characteristics makes a significant effect on the plan of DG,and the proposed model considering the time characteristics can take full advantage of the complementary of different types of DG,improving the ability of receiving DG power output.

DG; distribution network; timing characteristics; optimal power flow

2016-06-14。

倪 鵬(1977—),男,技師,主要研究方向為電網(wǎng)運維檢修、配電網(wǎng)規(guī)劃。

TM715

B

2095-6843(2016)06-0492-05