基于雙向動態(tài)重構(gòu)與集群劃分的光伏儲能選址定容

李詩穎，楊曉輝

基于雙向動態(tài)重構(gòu)與集群劃分的光伏儲能選址定容

李詩穎1，楊曉輝2

(1.國網(wǎng)江西省南昌市供電公司，江西 南昌 330069；2.南昌大學，江西 南昌 330031)

為研究網(wǎng)絡(luò)重構(gòu)與集群劃分對提升配電網(wǎng)中分布式電源規(guī)劃配置水平的可能性，提出一種動態(tài)重構(gòu)與集群劃分的雙層劃分模型，同時獲得最佳重構(gòu)策略和集群劃分方式。通過4種方案進行DPV、ESS選址定容實驗，對比DPV接入容量、年綜合成本等規(guī)劃指標及網(wǎng)絡(luò)損耗、電壓水平等系統(tǒng)運行指標。結(jié)果表明，在基于該雙層劃分結(jié)果的DPV、ESS選址定容方案下，DPV接入容量最大且系統(tǒng)年綜合成本最低。經(jīng)算例驗證，分時段雙向動態(tài)重構(gòu)策略可在降低規(guī)劃成本的同時大幅度拉伸DPV消納水平的提升空間，在解決高比例分布式電源規(guī)劃類問題時具有較高的參考價值。

分布式電源；選址定容；光伏消納；動態(tài)重構(gòu)；集群劃分

0 引言

配電網(wǎng)中以分布式光伏(DPV)為代表的可再生能源發(fā)電(RDG)正呈現(xiàn)出快速增長態(tài)勢[1-3]，為使分布式電源之間形成優(yōu)勢互補，充分發(fā)揮可再生能源的積極作用，針對RDG與儲能系統(tǒng)(ESS)的聯(lián)合優(yōu)化配置是近些年的研究熱點[4-7]。

基于配電網(wǎng)靈活的結(jié)構(gòu)調(diào)整能力，不少學者將網(wǎng)絡(luò)重構(gòu)作為一種主動管理策略，研究其對于配電網(wǎng)中RDG規(guī)劃配置的影響[8-10]。文獻[11]提出基于馬爾可夫決策過程的配電網(wǎng)重構(gòu)近似動態(tài)規(guī)劃方法以最小化RDG發(fā)電棄電和減載。文獻[12]針對高滲透RDG和ESS的配電網(wǎng)，提出最佳ESS充放電方案和最佳重構(gòu)策略，以同時優(yōu)化運營成本、可靠性和安全性指標。文獻[13]建立分層模型，將RDG規(guī)劃主問題與網(wǎng)絡(luò)重構(gòu)子問題迭代求解。文獻[14]提出考慮網(wǎng)絡(luò)多時段動態(tài)重構(gòu)的RDG選址定容二階錐規(guī)劃模型和求解方法。文獻[15]提出了兼顧環(huán)保效益的RDG配置和重構(gòu)優(yōu)化模型。大量研究表明，經(jīng)重構(gòu)后系統(tǒng)RDG接入容量提高、運行性能提升，但目前的重構(gòu)策略普遍為單方向重構(gòu)，且很少針對重構(gòu)的時段劃分進行優(yōu)化。

近年來，電力系統(tǒng)領(lǐng)域?qū)τ诩旱难芯颗c應(yīng)用逐漸引起關(guān)注[16-17]，越來越多的研究在解決RDG 規(guī)劃問題時將集群劃分納入考慮。文獻[18]提出基于集群劃分的分布式ESS容量規(guī)劃方法以解決節(jié)點電壓越限問題。文獻[19]提出基于集群劃分的DPV與ESS選址定容規(guī)劃以提升光伏滲透率、降低規(guī)劃成本。文獻[20]提出基于集群劃分的RDG規(guī)劃模型以利于RDG互補及中高壓配電網(wǎng)絡(luò)互聯(lián)。文獻[21]提出基于集群劃分的網(wǎng)-源-儲多目標兩步規(guī)劃。研究表明集群規(guī)劃有利于RDG自平衡消納，提升系統(tǒng)經(jīng)濟性、可靠性。以上文獻的集群劃分方法均建立在某固定場景的負荷特性下，且均未考慮系統(tǒng)聯(lián)絡(luò)開關(guān)變化的情況，對于在動態(tài)拓撲和時變負荷下提升劃分方法的全面性還存在進一步的研究空間。

考慮到現(xiàn)有研究中重構(gòu)方向的單一性與集群劃分方法的局限性，且鮮有文獻對此兩者的結(jié)合進行研究，本文在保證配電網(wǎng)運行性能的基礎(chǔ)上，同時考慮網(wǎng)絡(luò)重構(gòu)和集群劃分問題與RDG優(yōu)化布局的關(guān)聯(lián)性，提出相關(guān)劃分辦法及建立規(guī)劃模型。提出一種雙方向動態(tài)重構(gòu)策略，根據(jù)需要控制各時段網(wǎng)損增大或減小，將該策略下的規(guī)劃曲線與單向重構(gòu)進行對比；提出新的集群劃分方法，不僅兼顧各時刻負荷特性且可適應(yīng)聯(lián)絡(luò)開關(guān)變化，使結(jié)果更具普遍性。通過建立雙層模型同時獲得最佳重構(gòu)策略和集群劃分方式，并基于該劃分結(jié)果進行DPV、ESS選址定容，通過與單方向重構(gòu)和傳統(tǒng)集群劃分方案進行規(guī)劃結(jié)果對比，驗證雙方向動態(tài)重構(gòu)策略對進一步提升DPV、ESS規(guī)劃配置水平的有效性及本文雙層模型的可靠性。

1 “DPV出力-綜合成本”關(guān)系曲線

本文中DPV、ESS遵循以下運行原則：

1) DPV安裝節(jié)點的光伏發(fā)電應(yīng)首先滿足自身需求，再供給其他節(jié)點，當系統(tǒng)中總DPV出力高于負荷需求時，由ESS吸收多余電能，系統(tǒng)倒送至主網(wǎng)的功率不應(yīng)超過上限值。

2) ESS釋放電能時，應(yīng)優(yōu)先選擇系統(tǒng)電壓水平低的時刻，在一個周期內(nèi)應(yīng)保持充放電平衡，保證ESS能夠循環(huán)穩(wěn)定地運行。

圖1為某系統(tǒng)日負荷與光伏出力曲線，假設(shè)ESS充放電效率皆為1，基于本文DPV、ESS運行規(guī)則，容易分析得出：理想情況下，若光伏出力曲線固定，整個系統(tǒng)ESS總額定容量的最佳配置點恰好等于所有DPV出力大于負荷的時刻中這兩者之差的總和，即光伏出力曲線高于負荷曲線的面積。若低于此面積，ESS容量不足以吸收剩余的光伏出力，導致功率倒送主網(wǎng)；若高于此面積，ESS容量有余，徒增投資成本。同理，ESS總額定功率的最佳配置點則為所有DPV出力大于負荷的時刻中這兩者之差的最大值，若低于此值會造成功率倒送，高于此值會增加投資成本。因此，ESS最佳配置點取決于DPV出力曲線，其關(guān)系如下。

圖1 某系統(tǒng)日負荷與光伏出力曲線

為獲得規(guī)劃成本與DPV接入容量的大致關(guān)系，暫時忽略節(jié)點間的差異，假設(shè)在系統(tǒng)DPV、ESS總配置量一定的情況下，均勻接入各節(jié)點，結(jié)合ESS最佳配置容量、功率與DPV的關(guān)系式(1)—式(3)，則系統(tǒng)的綜合成本可由DPV接入容量決定。具體的DPV、ESS規(guī)劃成本模型及經(jīng)濟技術(shù)參數(shù)見文獻[19]，給定某待規(guī)劃系統(tǒng)，通過計算可獲得年綜合成本，其“DPV出力-綜合成本”關(guān)系曲線如圖2所示，可見一般情況下，系統(tǒng)年綜合成本隨著DPV接入容量的增加呈先減后增的趨勢，在某一處達最低值。

圖2 光伏接入容量與規(guī)劃成本的關(guān)系

2 雙層劃分模型

2.1 雙方向動態(tài)重構(gòu)策略

目前，相關(guān)研究的重構(gòu)策略普遍為單方向，本文以提升DPV消納水平與降低規(guī)劃成本為目的提出一種雙方向重構(gòu)策略：如圖1，在DPV滲透率過高的時段通過逆向重構(gòu)增大網(wǎng)損，增加DPV消耗、減少ESS需求和投資；在其余時段正向重構(gòu)降低網(wǎng)損，減少購電成本。

針對如何進行最佳時段劃分并獲得相應(yīng)集群劃分方案建立以下雙層劃分模型。

2.2 上層劃分模型

其中：

結(jié)合系統(tǒng)綜合成本，上層目標函數(shù)為

需要注意的是：考慮到各時段重構(gòu)方向不同，需為各時段設(shè)立重構(gòu)方向標志，具體做法為：在初值設(shè)置階段，以重構(gòu)前“DPV出力-綜合成本”曲線谷值點對應(yīng)的DPV接入容量為基準，將DPV出力大于系統(tǒng)負荷的時段提前標記為逆重構(gòu)時段。

2.3 下層劃分模型

根據(jù)上層劃分所確定的各時段網(wǎng)絡(luò)拓撲和各時刻的負荷特性進行下層集群劃分，以集群結(jié)構(gòu)綜合劃分指標均值最高為最優(yōu)劃分方式。

下層目標函數(shù)為周期內(nèi)集群結(jié)構(gòu)綜合指標均值：

將下層模型的最優(yōu)值反饋回上層，更新后的上層劃分目標函數(shù)為

3 算例

以33節(jié)點系統(tǒng)為例，其電壓等級為12.66 kV，線路參數(shù)見文獻[25]，太陽輻照度曲線參考文獻[26]，DPV、ESS經(jīng)濟技術(shù)參數(shù)見文獻[19]。

3.1 雙層劃分結(jié)果

上層劃分結(jié)果如表1，分3個時段進行重構(gòu)，其中12：00—15：00為逆重構(gòu)時段。

下層劃分結(jié)果如表2，共分為6個集群。

表1 上層劃分結(jié)果

表2 下層劃分結(jié)果

為對比雙向重構(gòu)與單向重構(gòu)對“DPV出力-綜合成本”曲線的影響，僅根據(jù)上層模型進行單方向動態(tài)重構(gòu)，結(jié)果如表3。

表3 單方向動態(tài)重構(gòu)策略

現(xiàn)按照第1節(jié)的方法，在忽略節(jié)點層面的差異，假設(shè)各節(jié)點的DPV、ESS接入量均相等的情況下，基于算例和相關(guān)參數(shù)，通過計算獲得不同DPV出力下的系統(tǒng)年綜合成本，觀察兩種重構(gòu)策略下“DPV出力-綜合成本”曲線的變化趨勢。

如圖3所示，原系統(tǒng)的最低成本及對應(yīng)DPV接入容量分別為540.5萬元、2 375 kW。在單方向重構(gòu)策略下曲線下移，最低成本降為535.5萬元，但谷值點對應(yīng)的DPV接入容量沒有改變；而在雙方向重構(gòu)策略下曲線進一步下移，最低成本降至531.9萬元，同時谷值點對應(yīng)的DPV接入容量較原系統(tǒng)增加100 kW。若以原系統(tǒng)最低成本為基準，單向重構(gòu)下DPV接入容量增加250 kW，雙向重構(gòu)下增加500 kW，可見雙方向重構(gòu)策略可在降低規(guī)劃成本的同時大幅度拉升DPV消納水平的提升空間，較單方向重構(gòu)策略有著明顯的優(yōu)勢。

上述結(jié)論建立在忽略節(jié)點差異的理想狀態(tài)下，實際情況中，DPV、ESS配置總量一定，各節(jié)點DPV出力不同、ESS安裝位置不同都會使網(wǎng)損波動，進而影響綜合成本。要得到最佳優(yōu)化布局結(jié)果，需進行選址定容規(guī)劃。

圖3 重構(gòu)前后的“DPV出力-綜合成本”關(guān)系曲線

3.2 DPV、ESS選址定容規(guī)劃對比方案

為對比單向與雙向重構(gòu)策略、集群與集中規(guī)劃方式的差異，通過以下4種方案進行DPV、ESS選址定容。

方案1：未對系統(tǒng)進行重構(gòu)和集群劃分。直接優(yōu)化各節(jié)點的DPV出力、ESS配置容量、功率及安裝位置，為與集群方案對應(yīng)，ESS接入數(shù)目與集群方案一致。

方案2：僅集群劃分。參考文獻[19]，根據(jù)典型時刻(DPV滲透率最大)的負荷特性進行集群劃分，按照“集群-節(jié)點”雙層規(guī)劃辦法，上層以集群為單元，確定接入各集群的DPV總?cè)萘?、ESS容量和功率，下層以節(jié)點為單元，優(yōu)化集群內(nèi)各節(jié)點的DPV分容量與ESS位置。各集群ESS接入數(shù)目≤1。

方案3：僅動態(tài)重構(gòu)(單方向)?；诒?的重構(gòu)策略進行DPV、ESS選址定容，步驟同方案1。

方案4：同時動態(tài)重構(gòu)(雙方向)與集群劃分?；诒?、表2的雙層劃分結(jié)果進行DPV、ESS選址定容，步驟同方案2。

3.3 規(guī)劃結(jié)果

各方案的DPV、ESS配置結(jié)果和各項成本見表4，不同方案下，各集群接入的DPV、ESS如圖4，圖中柱體從左至右依次代表集群1—集群6。結(jié)合圖表，可分析出以下幾點：

方案1的DPV接入量最高，但ESS配置容量遠高于其他方案，這很大程度上歸因于此方案采用的是集中規(guī)劃方式，解空間維度較高導致算法精確度下降，未能找到最優(yōu)解，設(shè)備安裝成本和運行維護成本較其他方案都有明顯增加，總規(guī)劃成本也比其余方案都高。

方案2在方案1的基礎(chǔ)上進行了集群劃分，其年綜合成本與DPV接入容量分別為542.7萬元、 2 373.4 kW，與圖3原系統(tǒng)谷值點的偏差量為0.4%與0.02%?；诩阂?guī)劃的DPV、ESS選址定容有兩個顯著特點：

表4 各方案規(guī)劃結(jié)果與成本

圖4 各集群的DPV、ESS配置容量

1) 能大幅降低ESS配置容量，如圖4，方案1、3的ESS分布集中在三個集群且容量巨大，而方案2、4的ESS分布在各個集群，這說明集群規(guī)劃有助于均勻ESS分布，各區(qū)域源-荷平衡度提高，集群間的功率交互減少，線路損耗也大大降低。

2) 有助于提升DPV接入容量，方案2、4的DPV接入容量均高于方案3，在集群規(guī)劃方式下，各集群供需匹配度提高，DPV自消納水平提升。

方案3在單方向動態(tài)重構(gòu)下與方案1一樣采用集中規(guī)劃方式，因此ESS分布過于集中，其年綜合成本與DPV接入容量分別為538.3萬元、2 350 kW，與圖3單方向重構(gòu)谷值點的偏差量為0.5%與1%。與方案2相比，雖然DPV接入容量減小，但購電量也同時下降，這歸功于動態(tài)重構(gòu)使網(wǎng)損降低，節(jié)約了購電成本，總體有利于降低規(guī)劃成本，但對提升DPV接入容量的作用不大。

方案4同時采用雙向動態(tài)重構(gòu)策略與集群規(guī)劃方式，在后3種方案中，方案4的綜合成本最低，DPV接入容量最高。其年綜合成本與DPV接入容量分別為538.3萬元、2 350 kW，與圖3雙方向重構(gòu)谷值點幾乎沒有偏差。其規(guī)劃結(jié)果表明：

1) 雙向動態(tài)重構(gòu)策略可有效提升系統(tǒng)的規(guī)劃配置水平，其原理在于：在光伏滲透率過高的時段通過逆向重構(gòu)增加網(wǎng)損，相當于增大系統(tǒng)供電負荷，使系統(tǒng)對DPV需求增加，對ESS需求和投資減少，而其余時段通過正向重構(gòu)減小網(wǎng)損，從而減小購電成本，雙管齊下，達到既提升DPV接入容量，又降低總成本的目的。

2) 尋優(yōu)精確度較高。對比圖3的三個谷值點，方案2、4的規(guī)劃結(jié)果的偏差量均低于方案1、3，這說明與集中規(guī)劃方式相比，以集群為單元進行規(guī)劃，優(yōu)化方向更為準確，更容易找到最優(yōu)解。

3.4 系統(tǒng)運行指標

1) 網(wǎng)絡(luò)損耗

圖5(a)為各方案對應(yīng)的系統(tǒng)網(wǎng)損情況，圖中線條從上到下依次為：原系統(tǒng)(藍)、方案1(綠)、方案2(紫)、方案3(黑)、方案4(紅)。容易觀察到以下幾點：1) 不論是否重構(gòu)，適當?shù)腄PV、ESS運行策略都能顯著降低網(wǎng)損。在有太陽輻照的07：00—19：00時段，由各節(jié)點的DPV就近提供能源補充，減少線路上的功率傳輸，系統(tǒng)損耗大幅度降低；在無太陽輻照的20：00—22：00，根據(jù)本文ESS首先在用電高峰期釋放能量的策略，方案1和方案2的系統(tǒng)損耗仍有明顯減小。2) 在分時段動態(tài)重構(gòu)(單向)下，方案3在全天范圍內(nèi)網(wǎng)損均保持較低水平，與方案1、2相比，隨著DPV出力的增大，網(wǎng)損進一步降低的幅度減小；3) 在分時段動態(tài)重構(gòu)(雙向)下，方案4在01：00—11：00和16：00—01：00兩個時段，網(wǎng)損與方案3幾乎一致，注意到在12：00—15：00時段，方案4的網(wǎng)損大幅度增加，甚至超過未規(guī)劃的情況，系統(tǒng)在此時進行了逆重構(gòu)，通過目的性地增加網(wǎng)損來消化DPV出力，同時減小ESS配置容量，降低投資成本，如圖5(c)、5(d)所示，方案4群內(nèi)網(wǎng)損的增加幅度大于群間網(wǎng)損，這說明在合理的集群劃分下，集群內(nèi)部網(wǎng)損盡可能增大，有助于DPV消納水平提升，而群間損耗盡可能降低，意味著功率交互減少；同理，方案2的群內(nèi)網(wǎng)損大于方案1，群間網(wǎng)損則相反。

圖5 各方案運行指標

2) 節(jié)點電壓

圖5(b)為各方案系統(tǒng)電壓最低值，圖6為具體電壓分布。與網(wǎng)損對應(yīng)，在DPV、ESS的運行時段，方案1、2電壓水平顯著提升，太陽輻照越強，電壓越高；在動態(tài)重構(gòu)策略下，方案3在全天范圍內(nèi)保持較高的電壓水平，而方案4除逆重構(gòu)時段與方案3相差不大，電壓均在0.97 p.u.以上。但逆重構(gòu)時段12：00—15：00因網(wǎng)損暴增導致電壓大幅度下降，14：00時刻達到最低值0.919 5 p.u.，電壓偏移仍然在10%以內(nèi)，在算法上可以通過提高電壓幅值的約束下限或者把握逆重構(gòu)的力度來控制系統(tǒng)電壓不超過允許范圍。總地來說，方案4僅以犧牲午休時段的部分電壓水平為代價，提高DPV消納和降低綜合成本是經(jīng)濟可行、利大于弊的。

圖6 各方案電壓分布

3.5 集群運行性能評價指標

為衡量集群劃分的合理性，從自平衡度、能量滲透率、容量滲透率、功率滲透率4個指標進行評價。具體計算公式見文獻[19]。

圖7(a)—圖7 (d)為各方案集群性能評價指標，圖中線條按顏色依次為：方案1(藍)、方案2(黑)、方案3(紫)、方案4(紅)。容易觀察到：1) 方案4對應(yīng)的各項指標都分布得比較均勻，集群自平衡度分布在0.3～0.5，均值達到0.423，是所有方案中最高的，這說明方案4的各個集群擁有較高的自我滿足能力，從外部購電少，集群間的功率交互低，自治能力較高；2) 規(guī)劃結(jié)果中方案4的DPV消納量最高，這體現(xiàn)在各個集群的能量滲透率都比較高，均值達到0.433，其余方案的均值依次為0.420 1、0.418 6、0.376 0；3) 各方案集群容量滲透率、功率滲透率的均值都超過1，這說明DPV出力都有剩余，需要安裝ESS，數(shù)值越大，ESS需求越大，投資成本越高，數(shù)值過小，則DPV接入容量不夠，從外部獲取的能量越多，加大集群間的功率交互，因此各個集群的數(shù)值差異越大，匹配度越差，明顯可見方案1、3的分布比較分散，由于采用集中規(guī)劃方式，優(yōu)化精確度不到位，而基于集群規(guī)劃的方案2、4的數(shù)值分布都相對均勻。綜合各項指標來看，方案4的集群劃分方式是最合理的。

圖7 各方案集群運行指標對比

4 結(jié)論

本文通過建立雙層模型同時獲得動態(tài)重構(gòu)策略和集群劃分結(jié)果，并結(jié)合3種參照方案進行了DPV、ESS選址定容規(guī)劃，得出以下幾點主要結(jié)論：

1) 分時段雙方向動態(tài)重構(gòu)策略可在降低綜合成本的同時提升DPV接入容量。其原理在于：在DPV滲透率過高的時段逆向重構(gòu)增加網(wǎng)損，增大系統(tǒng)負擔，使系統(tǒng)對DPV的需求增加，對ESS的需求減少，從而降低ESS投資成本；而其余時段正向重構(gòu)減小網(wǎng)損，降低購電成本。

2) 將重構(gòu)與集群劃分結(jié)合較單獨考慮其中一項能使DPV、ESS規(guī)劃配置水平進一步提高，還可集兩者之長：不僅規(guī)劃結(jié)果的精確度增加，且在規(guī)劃后的運行階段，系統(tǒng)電壓水平提升，各集群具有較高的自治能力，便于調(diào)控與管理。

3) 此動態(tài)重構(gòu)與集群劃分的雙層劃分模型可同時獲得最佳重構(gòu)策略和集群劃分方案，在保證逆重構(gòu)時段準確的同時，以盡可能少的重構(gòu)次數(shù)獲得較高的DPV、ESS規(guī)劃指標及集群結(jié)構(gòu)指標，實現(xiàn)動態(tài)重構(gòu)最大的性價比，為系統(tǒng)中DPV、ESS的最優(yōu)規(guī)劃奠定基礎(chǔ)。

[1] DING M, XU Z, WANG W, et al. A review on China? s large-scale PV integration: progress, challenges and recommendations[J]. Renewable and Sustainable Energy Reviews, 2016, 53(1): 639-652.

[2] 方一晨, 張沈習, 程浩忠, 等. 含智能軟開關(guān)的主動配電網(wǎng)分布式光伏準入容量魯棒優(yōu)化[J]. 電力系統(tǒng)自動化, 2021, 45(7): 8-17.

FANG Yichen, ZHANG Shenxi, CHENG Haozhong, et al. Robust optimization of distributed photovoltaic hosting capacity of active distribution network with soft open point[J]. Automation of Electric Power Systems, 2021, 45(7): 8-17.

[3] 湯茂東, 曲小慧, 姚若玉, 等. 基于離散一致性算法的直流配電網(wǎng)多光伏協(xié)調(diào)控制策略[J]. 電力系統(tǒng)自動化, 2020, 44(24): 89-95.

TANG Maodong, QU Xiaohui, YAO Ruoyu, et al. Multi-photovoltaic coordinated control strategy in DC distribution network based on discrete consensus algorithm[J]. Automation of Electric Power Systems, 2020, 44(24): 89-95.

[4] 陳長青, 陽同光. 計及柔性負荷的電網(wǎng)儲能和光伏協(xié)調(diào)規(guī)劃研究[J]. 電力系統(tǒng)保護與控制, 2021, 49(4): 169-177.

CHEN Changqing, YANG Tongguang. Research on grid energy storage and photovoltaic coordination planning with flexible load[J]. Power System Protection and Control, 2021, 49(4): 169-177.

[5] 方保民, 李紅志, 孔祥鵬, 等. 含高比例光伏出力的長期分布式儲能配置研究[J]. 電力系統(tǒng)保護與控制, 2021, 49(2): 121-129.

FANG Baomin, LI Hongzhi, KONG Xiangpeng, et al. Research on long-term distributed energy storage configuration with a high proportion of photovoltaic output[J]. Power System Protection and Control, 2021, 49(2): 121-129.

[6] 張勇軍, 張鍶恒, 劉斯亮, 等. 考慮分布式光伏與儲能接入的配變雙層規(guī)劃[J]. 電力系統(tǒng)保護與控制, 2020, 48(24): 9-15.

ZHANG Yongjun, ZHANG Siheng, LIU Siliang, et al. Dual planning of a distribution transformer considering the impact of distributed photovoltaics and energy storage access[J]. Power System Protection and Control, 2020, 48(24): 9-15.

[7] MURTY V V S N, ASHWANI K. Multi-objective energy management in microgrids with hybrid energy sources and battery energy storage systems[J]. Protection and Control of Modern Power Systems, 2020, 5(1): 1-20.

[8] CAPITANESCU F, OCHOA L F, MARGOSSIAN H, et al. Assessing the potential of network reconfiguration to improve distributed generation hosting capacity in active distribution systems[J]. IEEE Transactions on Power Systems, 2015, 30(1): 346-356.

[9] GUTIéRREZ-ALCARAZ G, GALVáN E, GONZáLEZ- CABRERA N, et al. Renewable energy resources short-term scheduling and dynamic network reconfiguration for sustainable energy consumption[J]. Renewable and Sustainable Energy Reviews, 2015, 52: 256-264.

[10] 倪識遠, 張林垚. 考慮動態(tài)重構(gòu)的主動配電網(wǎng)多目標雙層優(yōu)化調(diào)度方法[J]. 電力系統(tǒng)保護與控制, 2020, 48(20): 38-47.

NI Shiyuan, ZHANG Linyao. Multi-objective bi-level optimal dispatch method of an active distribution network considering dynamic reconfigurations[J]. Power System Protection and Control, 2020, 48(20): 38-47.

[11] CHONG W, SHUNBO L, PING J, et al. MDP-based distribution network reconfiguration with renewable distributed generation: approximate dynamic programming approach[J]. IEEE Transactions on Smart Grid, 2020, 11(4): 3620-3631.

[12] AZIZIVAHED A, AREFI A, GHAVIDE S, et al. Energy management strategy in dynamic distribution network reconfiguration considering renewable energy resources and storage[J]. IEEE Transactions on Sustainable Energy, 2020, 11(2): 662-673.

[13] 張沈習, 袁加妍, 程浩忠, 等. 主動配電網(wǎng)中考慮需求側(cè)管理和網(wǎng)絡(luò)重構(gòu)的分布式電源規(guī)劃方法[J]. 中國電機工程學報, 2016, 36(增刊1): 1-9.

ZHANG Shenxi, YUAN Jiayan, CHENG Haozhong, et al. Optimal distributed generation planning in active distribution network considering demand side management and network reconfiguration[J]. Proceedings of the CSEE, 2016, 36(S1): 1-9.

[14] 朱俊澎, 顧偉, 張韓旦, 等. 考慮網(wǎng)絡(luò)動態(tài)重構(gòu)的分布式電源選址定容優(yōu)化方法[J]. 電力系統(tǒng)自動化, 2018, 42(5): 111-119.

ZHU Junpeng, GU Wei, ZHANG Handan, et al. Optimal allocation of distributed generators considering dynamic network reconfiguration[J]. Automation of Electric Power Systems, 2018, 42(5): 111-119.

[15] ESMAEILI M, SEDIGHIZADEH M, ESMAILI M. Multi-objective optimal reconfiguration and DG (Distributed Generation) power allocation in distribution networks using big bang-big crunch algorithm considering load uncertainty[J]. Energy, 2016, 103: 86-99.

[16] 王文賓, 靳偉, 李洪濤, 等. 考慮光伏集群無功貢獻的配電網(wǎng)無功電壓優(yōu)化調(diào)節(jié)方法[J]. 電力系統(tǒng)保護與控制, 2020, 48(20): 114-123.

WANG Wenbin, JIN Wei, LI Hongtao, et al. Reactive voltage optimization regulation method of distribution network considering the reactive power contribution of a photovoltaic cluster[J]. Power System Protection and Control, 2020, 48(20): 114-123.

[17] 柴園園, 劉一欣, 王成山, 等. 含不完全量測的分布式光伏發(fā)電集群電壓協(xié)調(diào)控制[J]. 中國電機工程學報, 2019, 39(8): 2202-2212.

CHAI Yuanyuan, LIU Yixin, WANG Chengshan, et al. Coordinated voltage control for distributed PVs clusters with incomplete measurements[J]. Proceedings of the CSEE, 2019, 39(8): 2202-2212.

[18] 李國武, 李艷瓊, 劉嬌揚, 等. 考慮集群劃分的分布式儲能容量規(guī)劃方法[J]. 電力系統(tǒng)及其自動化學報, 2018, 30(12): 5-14.

LI Guowu, LI Yanqiong, LIU Jiaoyang, et al. Planning method for capacity of distributed energy storage considering cluster partition[J]. Proceedings of the CSU-EPSA, 2018, 30(12): 5-14.

[19] 丁明, 方慧, 畢銳, 等. 基于集群劃分的配電網(wǎng)分布式光伏與儲能選址定容規(guī)劃[J]. 中國電機工程學報, 2019, 39(8): 2187-2201.

DING Ming, FANG Hui, BI Rui, et al. Optimal siting and sizing of distributed PV-storage in distribution network based on cluster partition[J]. Proceedings of the CSEE, 2019, 39(8): 2187-2201.

[20] 胡迪, 丁明, 畢銳, 等. 光伏和風電互補性對高滲透率可再生能源集群接入規(guī)劃影響分析[J]. 中國電機工程學報, 2020, 40(3): 821-836.

HU Di, DING Ming, BI Rui, et al. Impact analysis of PV and WT complementarity on access planning of high penetrated renewable energy cluster[J]. Proceedings of the CSEE, 2020, 40(3): 821-836.

[21] 胡迪, 丁明, 畢銳, 等. 基于集群劃分的網(wǎng)-源-儲多目標兩步規(guī)劃[J]. 電力系統(tǒng)自動化, 2020, 44(2): 95-106.

HU Di, DING Ming, BI Rui, et al. Two-step planning of grid-resource-storage based on cluster partition[J]. Automation of Electric Power Systems, 2020, 44(2): 95-106.

[22] 董志輝, 林凌雪. 基于改進模糊C均值聚類時段劃分配電網(wǎng)動態(tài)重構(gòu)[J]. 電網(wǎng)技術(shù), 2019, 43(7): 2299-2305.

DONG Zhihui, LIN Lingxue. Dynamic reconfiguration of distribution network based on improved fuzzy C-means clustering of time division[J]. Power System Technology, 2019, 43(7): 2299-2305.

[23] 丁明, 劉先放, 畢銳, 等. 采用綜合性能指標的高滲透率分布式電源集群劃分方法[J]. 電力系統(tǒng)自動化, 2018, 42(15): 47-52.

DING Ming, LIU Xianfang, BI Rui, et al. Method for cluster partition of high-penetration distributed generators based on comprehensive performance index[J]. Automation of Electric Power Systems, 2018, 42(15): 47-52.

[24] 張倩, 丁津津, 張道農(nóng), 等. 基于集群劃分的高滲透率分布式系統(tǒng)無功優(yōu)化[J]. 電力系統(tǒng)自動化, 2019, 43(3): 130-143.

ZHANG Qian, DING Jinjin, ZHANG Daonong, et al. Reactive power optimization of high-penetration distributed generation system based on clusters partition[J]. Automation of Electric Power Systems, 2019, 43(3): 130-143.

[25] 王守相, 王成山. 現(xiàn)代配電系統(tǒng)分析[M]. 北京: 高等教育出版社, 2007.

[26] 張雨金, 楊凌帆, 葛雙冶, 等. 基于Kmeans-SVM的短期光伏發(fā)電功率預測[J]. 電力系統(tǒng)保護與控制, 2018, 46(21): 118-124.

ZHANG Yujin, YANG Lingfan, GE Shuangye, et al. Short-term photovoltaic power forecasting based on Kmeans algorithm and support vector machine[J]. Power System Protection and Control, 2018, 46(21): 118-124.

Capacity and location optimization of photovoltaic and energy storage based on bidirectional dynamic reconfiguration and cluster division

LI Shiying1, YANG Xiaohui2

(1. State Grid Jiangxi Nanchang Power Supply Company, Nanchang 330069, China; 2. Nanchang University, Nanchang 330031, China)

In order to study the possibility of network reconfiguration and cluster division to improve distributed generation configuration in the distribution network, a two-layer model of dynamic reconfiguration and cluster division is proposed, which can obtain the best reconfiguration strategy and cluster division at the same time. The distributed photovoltaic (DPV) and energy storage system (ESS) capacity and location optimization experiments are carried out through 4 schemes, the optimization indicators such as DPV capacity and annual overall cost and operation indicators such as network loss and voltage level are compared. The results show that under the DPV and ESS capacity and location optimization scheme based on the two-layer division result, the DPV capacity is the largest and the annual overall cost is the lowest. The examples show that the bidirectional dynamic reconfiguration strategy can greatly expand the room for improvement of DPV consumption while reducing planning costs. It has high reference value when solving high-proportion distributed power optimization problems.

This work is supported by the National Natural Science Foundation of China (No. 61773051 and No. 61963026).

distributed generation; capacity and location optimization; photovoltaic consumption; dynamic reconfiguration; cluster division

10.19783/j.cnki.pspc.210385

國家自然科學基金項目資助(61773051，61963026)

2021-04-10；

2021-09-06

李詩穎(1993—)，女，通信作者，碩士研究生，研究方向為智能電網(wǎng)及分布式電源規(guī)劃配置；E-mail: 623083790@ qq.com

楊曉輝(1978—)，男，博士，教授，主要從事分布式能源以及新能源優(yōu)化配置的研究。E-mail: yangxiaohui@ ncu.edu.cn

(編輯 葛艷娜)