“光伏扶貧”場(chǎng)景下配電網(wǎng)臺(tái)區(qū)電壓質(zhì)量綜合治理方案研究

楊媛平，楊 揚(yáng)，全相軍，吳在軍，王 鋮，李淑鋒，王方勝，唐成虹

（1.東南大學(xué) 電氣工程學(xué)院，南京 210096；2.國(guó)網(wǎng)內(nèi)蒙古東部電力有限公司，呼和浩特 010010；3.國(guó)網(wǎng)電力科學(xué)研究院有限公司，南京 211100）

0 引言

隨著分布式發(fā)電技術(shù)的發(fā)展及“光伏扶貧”政策的推進(jìn)，分布式光伏電源的部署日漸增長(zhǎng)［1-5］。分布式光伏電源利用我國(guó)廣闊農(nóng)村的太陽(yáng)能資源，為改善“三農(nóng)”問題和輔助農(nóng)民創(chuàng)收提供了新思路［6-10］，但同時(shí)高滲透率分布式電源的接入也引發(fā)了新的問題。扶貧光伏臺(tái)區(qū)光伏的接入模式以用戶側(cè)自發(fā)自用，多余電量上網(wǎng)為主［11］。當(dāng)光伏電源接入配電網(wǎng)后，配電系統(tǒng)中發(fā)電與用電并存，配電網(wǎng)的供電結(jié)構(gòu)也將發(fā)生顯著變化［12-13］，從原來(lái)的放射狀供電轉(zhuǎn)變?yōu)槎嚯娫垂╇姡?4-15］。大量分布式電源并網(wǎng)使系統(tǒng)潮流呈現(xiàn)出雙向特性，潮流倒送將導(dǎo)致末端電壓抬升，可能導(dǎo)致電壓越限問題，并影響用戶安全用電。潮流倒送還可能導(dǎo)致線損增加，影響配電網(wǎng)運(yùn)行的經(jīng)濟(jì)性［16-18］。針對(duì)此類問題，傳統(tǒng)的解決方案有增加臺(tái)變、線路改造等。但農(nóng)村臺(tái)區(qū)由于地形條件限制，施工難度大，且成本較高，此類方法難以開展。

除新能源發(fā)電導(dǎo)致的潮流倒送相關(guān)問題的治理困難外，其發(fā)電的隨機(jī)性也是影響系統(tǒng)供電質(zhì)量與規(guī)劃的一個(gè)難題［19-23］。學(xué)術(shù)界常用隨機(jī)規(guī)劃等方法來(lái)考慮新能源接入配電網(wǎng)的波動(dòng)性。其中，常見的一種方法是采用場(chǎng)景縮減技術(shù)，主要目的在于使削減后的場(chǎng)景集合從概率測(cè)度的角度仍可以充分逼近原有的場(chǎng)景集合［24-27］。常見的場(chǎng)景縮減技術(shù)有同步回代消除和快速前代消除方法［24-25］，基于K-means 等聚類方法生成所需的縮減后場(chǎng)景。然而，K-means 算法需提前指定聚類的類數(shù)，而場(chǎng)景的隨機(jī)性與地區(qū)密切相關(guān)，不同的地區(qū)隨機(jī)波動(dòng)性不一，應(yīng)當(dāng)指定不同的聚類個(gè)數(shù)，這給規(guī)劃問題造成了一定的困難。

考慮到農(nóng)村臺(tái)區(qū)特有的電壓越限問題對(duì)安全帶來(lái)的影響以及現(xiàn)有場(chǎng)景縮減方法存在的不足，本文提出一種基于AP（近鄰傳播）聚類算法的場(chǎng)景縮減方法，以求取典型日曲線，該方法不必事先指定聚類中心，更適應(yīng)農(nóng)村臺(tái)區(qū)的新能源出力特性。對(duì)農(nóng)村臺(tái)區(qū)的負(fù)荷情況和光伏出力情況進(jìn)行場(chǎng)景削減后，得到多種農(nóng)村臺(tái)區(qū)的典型運(yùn)行場(chǎng)景。

針對(duì)傳統(tǒng)配電網(wǎng)電壓越限等供電質(zhì)量治理方法難的問題，本文充分利用配電網(wǎng)中各種資源，除光伏發(fā)電系統(tǒng)逆變器剩余無(wú)功容量等已有資源外，綜合利用分布式儲(chǔ)能、靜止無(wú)功發(fā)生器等易于部署的即插即用設(shè)備，以協(xié)調(diào)參與治理電壓及線損問題。依據(jù)全年光伏發(fā)電及居民負(fù)荷情況，以成本為目標(biāo)函數(shù)，以分布式儲(chǔ)能、靜止無(wú)功發(fā)生器等新增設(shè)備的接入位置與容量為決策變量，根據(jù)聚類場(chǎng)景構(gòu)建電壓和線損治理的隨機(jī)規(guī)劃模型，采用Gurobi算法工具包來(lái)解算。本文提出了4種不同的治理方案，并綜合比較了4種方案的優(yōu)缺點(diǎn)，結(jié)果表明，本文采用的場(chǎng)景縮減方法和混合治理方案都能夠從不同方面提升農(nóng)村臺(tái)區(qū)配電網(wǎng)的安全性和經(jīng)濟(jì)性。

1 基于AP聚類的光伏場(chǎng)景削減

1.1 AP聚類算法簡(jiǎn)介

AP聚類算法是一種基于數(shù)據(jù)點(diǎn)間信息傳遞的無(wú)監(jiān)督學(xué)習(xí)方法［13］。AP算法以全體數(shù)據(jù)點(diǎn)之間的實(shí)際相似度值S(i，k)構(gòu)成的相似度矩陣作為輸入，此處S(i，k)代表了索引i成為數(shù)據(jù)點(diǎn)k的聚類中心的適應(yīng)度。S(i，k)值設(shè)置為數(shù)據(jù)點(diǎn)i與數(shù)據(jù)點(diǎn)k之間的對(duì)數(shù)似然關(guān)系距離，即：

有別于傳統(tǒng)方法，AP聚類算法無(wú)需提前設(shè)置聚類數(shù)目，在相似度矩陣構(gòu)成的值中，AP聚類算法通過對(duì)每個(gè)數(shù)據(jù)點(diǎn)k構(gòu)建一個(gè)相同的相似度值S(k，k)，以此保證對(duì)于每個(gè)點(diǎn)k同等程度支持自身作為聚類中心，該值S(k，k)被定義為偏好系數(shù)。當(dāng)其定義為所有輸入相似度的平均數(shù)時(shí)，將得到適中的聚類數(shù)目；當(dāng)其定義為所有相似度的最小值時(shí)，將得到最少的聚類數(shù)目；同時(shí)為了聚類實(shí)際效果的必要性，也可以手動(dòng)設(shè)置偏好參數(shù)。

AP 聚類通過數(shù)據(jù)點(diǎn)之間的信息傳遞實(shí)現(xiàn)聚類，存在兩種判據(jù)信息，其傳播情況如圖1 所示。其中，支持度R表示樣本點(diǎn)支持該候選聚類中心點(diǎn)成為自己的聚類中心的證據(jù)大??；適應(yīng)度A表示該候選聚類中心點(diǎn)適合作為樣本點(diǎn)的聚類中心的證據(jù)大小。在初始化階段，適應(yīng)度判據(jù)值均設(shè)置為0，同時(shí)支持度判據(jù)按式（2）初始化：

圖1 AP聚類算法信息傳播示意圖

在第一次迭代過程中，由于適應(yīng)度矩陣設(shè)置為0，R(i，k)被設(shè)置為數(shù)據(jù)點(diǎn)i和數(shù)據(jù)點(diǎn)k之間的相似度減去數(shù)據(jù)點(diǎn)i與其他點(diǎn)之間相似度的最大值。在該次迭代中，并沒有考慮其他候選聚類中心對(duì)樣本點(diǎn)i的適應(yīng)度大小。在后續(xù)迭代中，當(dāng)部分?jǐn)?shù)據(jù)點(diǎn)已經(jīng)分配得到其聚類中心，適應(yīng)度值A(chǔ)將下降到0 以下。負(fù)的適應(yīng)度值將降低式（2）中某些相似度值S(i，k′)的有效性，將相應(yīng)的候選聚類中心從競(jìng)爭(zhēng)序列中抹除。支持度判據(jù)具體信息傳播方式如圖2所示。

圖2 支持度判據(jù)信息傳播示意圖

當(dāng)k=i時(shí)，其支持度R(k，k)轉(zhuǎn)化為：

當(dāng)以上的支持度矩陣更新過程中，所有候選聚類中心競(jìng)爭(zhēng)對(duì)于數(shù)據(jù)點(diǎn)的持有度，以下的適應(yīng)度矩陣的更新表示從數(shù)據(jù)點(diǎn)處收集信息以決定其候選聚類節(jié)點(diǎn)是否有資格成為一個(gè)好的聚類中心，其迭代公式如式（4）所示：

其中，適應(yīng)度值A(chǔ)(i，k)被設(shè)置為自支持度R(k，k)與候選節(jié)點(diǎn)k從其他數(shù)據(jù)節(jié)點(diǎn)處收集到的正支持度值之和。此處僅考慮支持度值的正值部分，因?yàn)榕袛鄈能否成為一個(gè)好的聚類中心，僅需要考慮其能夠?qū)δ承┕?jié)點(diǎn)的匹配度（R(i′，k)＞0 的情況），而不必考慮其對(duì)其他節(jié)點(diǎn)的不匹配度（R(i′，k)＜0的情況）。當(dāng)其他節(jié)點(diǎn)向數(shù)據(jù)點(diǎn)k傳遞正向支持度信息時(shí)，k對(duì)應(yīng)的適應(yīng)度值將增長(zhǎng)，即節(jié)點(diǎn)k適合作為一個(gè)聚類中心的判據(jù)增加。為了限制支持度值過大的影響，式中設(shè)置了邊界情況以保證適應(yīng)度值不會(huì)超過0。適應(yīng)度判據(jù)的具體信息傳播方式如圖3所示。

圖3 適應(yīng)度判據(jù)信息傳播示意圖

自適應(yīng)度A(k，k)的更新方式為：

以上的更新準(zhǔn)則僅需要簡(jiǎn)單且易于實(shí)現(xiàn)的本地計(jì)算，數(shù)據(jù)也僅在已有相似度點(diǎn)對(duì)點(diǎn)之前傳遞。對(duì)于數(shù)據(jù)集中的任一數(shù)據(jù)點(diǎn)，適應(yīng)度以及支持度信息被組合用以識(shí)別聚類中心，候選聚類中心的支持度信息和適應(yīng)度信息求和，和值大于零的候選聚類中心保留，小于零的后續(xù)聚類中心淘汰。

通過遍歷所有候選聚類中心判斷數(shù)據(jù)點(diǎn)i的聚類中心，該信息傳遞的迭代過程將設(shè)置某個(gè)迭代次數(shù)上限，以避免迭代深度過深時(shí)傳遞的信息判據(jù)趨于常數(shù)。同時(shí)為避免迭代過程中發(fā)生振蕩現(xiàn)象，引入了阻尼系數(shù)λ，迭代公式（3）、（4）及（5）轉(zhuǎn)換如下：

阻尼系數(shù)的加入有效降低了迭代過程中振蕩的幾率，通常設(shè)置默認(rèn)值為0.5。

將AP 聚類算法應(yīng)用至農(nóng)村配電網(wǎng)源荷場(chǎng)景，統(tǒng)計(jì)全年的單位小時(shí)光伏出力及居民負(fù)荷，以每日為基本周期進(jìn)行聚類，其具體步驟如下。

Step1：計(jì)算全年光伏出力及負(fù)荷數(shù)據(jù)之間的2-范數(shù)歐式距離，并將對(duì)角線元素設(shè)置為每列平均值，取對(duì)數(shù)后并取反，得到相似度矩陣S。

Step2：初始化支持度矩陣R(i，j)和適應(yīng)度矩陣A(i，j)分別為0。

Step3：按公式（9）更新支持度矩陣R(i，j)，其中λ為阻尼系數(shù)。

Step5：對(duì)任意一點(diǎn)k，若R（k，k）+A（k，k）＞0，則該點(diǎn)為聚類中心。而對(duì)于數(shù)據(jù)點(diǎn)i（i≠k）使得S(i，k)最大也就是與i最相似的數(shù)據(jù)點(diǎn)k為數(shù)據(jù)點(diǎn)i的類簇中心。

Step6：當(dāng)?shù)螖?shù)超過某個(gè)限定值或當(dāng)聚類中心連續(xù)迭代次數(shù)超過某個(gè)設(shè)定的值也不再發(fā)生改變時(shí)，終止計(jì)算，否則返回Step3 繼續(xù)迭代更新。

1.2 光伏場(chǎng)景削減結(jié)果

根據(jù)搜集某地全年365天的分時(shí)光伏發(fā)電及負(fù)荷數(shù)據(jù)，對(duì)于日內(nèi)數(shù)據(jù)缺失小于等于8個(gè)的使用拉格朗日插值方法進(jìn)行補(bǔ)全，并刪除超過8個(gè)缺失數(shù)據(jù)的單日樣本，在此基礎(chǔ)上對(duì)于數(shù)據(jù)進(jìn)行歸一化，僅保留光伏和負(fù)荷的波動(dòng)趨勢(shì)，消除光伏容量及居民基礎(chǔ)容量的影響。預(yù)處理后的全年光伏出力及負(fù)荷曲線如圖4所示。

圖4 全年光伏及負(fù)荷曲線

在機(jī)器學(xué)習(xí)領(lǐng)域，輪廓系數(shù)是衡量聚類結(jié)果的一項(xiàng)重要指標(biāo)，假定某個(gè)聚類算法將待分類數(shù)據(jù)分為了k個(gè)簇，對(duì)于簇中的每個(gè)點(diǎn)所對(duì)應(yīng)的向量，分別求其輪廓系數(shù)：

式中：向量i到它從屬的簇中所有其他點(diǎn)的平均距離記為a(i)，其用于量化簇內(nèi)的凝聚度；向量i遍歷所有其他簇，對(duì)簇內(nèi)所有點(diǎn)求取平均距離，平均距離最小的簇記為簇b，也稱為i的鄰居簇，該距離記為b(i)，其用于量化簇之間的分化度。

由式（1）易得，S(i)∈[-1，1]且當(dāng)S(i)趨近于-1時(shí)，說(shuō)明i與簇內(nèi)向量間的平均距離遠(yuǎn)小于其他簇，表明聚類效果不佳；反之，當(dāng)S(i)趨近于1時(shí)，聚類效果較優(yōu)。

聚類的整體輪廓系數(shù)為：

式中：N代表樣本的整體數(shù)量。當(dāng)Sref趨近于1時(shí)，表明簇與簇之間分界清晰，整體聚類效果好；而當(dāng)Sref趨近于-1時(shí)，表明簇與簇之間分界模糊，整體聚類效果差。

依據(jù)算法中相似度矩陣的求取過程，將第m天和第n天之間的光伏出力與負(fù)荷情況曲線，分別對(duì)對(duì)應(yīng)時(shí)刻的2-范數(shù)歐式距離求和，作為向量m和n之間的距離，通過調(diào)整聚類算法中的Preference值，測(cè)算對(duì)應(yīng)的輪廓系數(shù)及聚類數(shù)目，其對(duì)應(yīng)結(jié)果如圖5所示。

由圖5以看出，當(dāng)Preference設(shè)置為［0，12］時(shí)，聚類數(shù)目多，所對(duì)應(yīng)的規(guī)劃計(jì)算量也較大，且此時(shí)輪廓系數(shù)較小，對(duì)全年數(shù)據(jù)而言，分類效果不滿足要求，當(dāng)Preference值設(shè)置為［20，50］時(shí)，輪廓系數(shù)逐步上升，分類效果好，然而此時(shí)聚類數(shù)僅有2，難以反映特點(diǎn)。綜合考量后設(shè)定Preference值為15，此時(shí)聚類數(shù)目為4且輪廓系數(shù)較優(yōu)，滿足要求，其聚類結(jié)果如圖6所示。

圖5 不同情況下輪廓系數(shù)及聚類數(shù)

圖6 聚類結(jié)果

得到的4 個(gè)聚類結(jié)果可以作為代表全年光伏、負(fù)荷波動(dòng)的4個(gè)典型場(chǎng)景。將這4個(gè)場(chǎng)景綜合考慮構(gòu)建系統(tǒng)隨機(jī)規(guī)劃模型，以進(jìn)行臺(tái)區(qū)電壓、線損問題治理，可以提高治理方案應(yīng)對(duì)光伏、負(fù)荷波動(dòng)的能力，保證治理方案的經(jīng)濟(jì)性和安全性。

2 兩層式混合治理方案及其模型構(gòu)建

基于AP 聚類進(jìn)行場(chǎng)景縮減，得到典型場(chǎng)景后，即可構(gòu)建治理方案的模型。模型的構(gòu)建主要包括目標(biāo)函數(shù)和約束。

2.1 約束

2.1.1 安全約束

1）電壓約束：

考慮到配網(wǎng)安全運(yùn)行的需要，設(shè)置電壓約束的上、下限分別為電壓標(biāo)準(zhǔn)值的0.9及1.1倍。

2）電流約束：

考慮線纜設(shè)備安全運(yùn)行的限制，最大電流不得超過該段線纜的最大載流量Imax，一般輻射狀電網(wǎng)的最大電流在配變出口端的線路。

2.1.2 設(shè)備相關(guān)約束

1）光伏運(yùn)行約束：

2）SVG設(shè)備約束：

（1）設(shè)備選型約束

式中：xSVG是一組0-1 變量，當(dāng)?shù)趌個(gè)候選節(jié)點(diǎn)的SVG設(shè)備類型為j時(shí)，其值置為1，否則則置為0。KSVG為所有SVG設(shè)備可選類型的集合。

公式（18）意味著每一個(gè)候選節(jié)點(diǎn)最多可部署一臺(tái)SVG設(shè)備，且該臺(tái)設(shè)備的設(shè)備類型僅可為候選類型中的一種。

（2）設(shè)備運(yùn)行約束

公式（5）代表SVG 設(shè)備輸出的無(wú)功功率在給定的上、下限范圍內(nèi)。

3）ESS設(shè)備約束

（1）ESS設(shè)備選型約束

與公式（18）類似，公式（20）代表每一個(gè)ESS設(shè)備的候選節(jié)點(diǎn)僅可以配置一臺(tái)設(shè)備，且該臺(tái)設(shè)備的設(shè)備類型僅可為候選類型中的一種。

（2）設(shè)備運(yùn)行約束

（3）能量狀態(tài)約束

代表ESS 系統(tǒng)的電池電量在整個(gè)運(yùn)行周期中位于能量上、下限范圍內(nèi)。

（4）周期能量平衡約束

按小時(shí)作為最小計(jì)量單位，代表ESS 系統(tǒng)的電池電量在每個(gè)典型日運(yùn)行周期的首末值一致，以此保證系統(tǒng)的平穩(wěn)運(yùn)行。

（5）考慮到標(biāo)志位的影響

ESS設(shè)備的實(shí)際有功出力下限值可表示為：

式中：M為一個(gè)較大的數(shù)；hj，l，s，t為新加入的輔助變量。

2.1.3 配電網(wǎng)潮流約束

由于光伏出力與用戶負(fù)荷全體時(shí)序的不匹配，導(dǎo)致臺(tái)區(qū)電力波動(dòng)有越上限和越下限的情形存在，而對(duì)于傳統(tǒng)規(guī)劃算法中的非線性潮流而言，二階錐約束對(duì)電壓、電流及注入功率的初始值做出了松弛，當(dāng)電壓初始值偏離安全約束過遠(yuǎn)時(shí)，二階錐會(huì)導(dǎo)致過松弛從而致使結(jié)果不具有實(shí)際意義。同時(shí)考慮到規(guī)劃問題其研究的主要目的在于規(guī)劃配置結(jié)果，故在此處使用distflow線性潮流方法進(jìn)行求解。其求解的方法為：

在線性潮流方法中，忽略線路中無(wú)功的影響，選擇實(shí)際的有功解，在保證優(yōu)化問題可解的情況下，同時(shí)也加快了運(yùn)行速度。

2.2 目標(biāo)函數(shù)

2.2.1 規(guī)劃層的目標(biāo)對(duì)象

規(guī)劃層的目標(biāo)函數(shù)包括ESS設(shè)備和SVG設(shè)備的投資成本：

式中：ΩESS和ΩSVC分別對(duì)應(yīng)ESS和SVG設(shè)備的候選節(jié)點(diǎn)集合；KESS和KSVG為ESS 設(shè)備和SVG 設(shè)備的候選類型集合；為單位投資成本系數(shù)；代表在配置設(shè)備的候選節(jié)點(diǎn)號(hào)及配置設(shè)備類型。

針對(duì)該算例的特性，設(shè)備類型的參數(shù)如下設(shè)置，每5 kW/5 kvar被設(shè)置為最小價(jià)格區(qū)分度，同時(shí)儲(chǔ)能系統(tǒng)按照Pbs∶Ebs=1∶5 的比例進(jìn)行配置。Pbs代表著儲(chǔ)能系統(tǒng)中逆變器的容量，價(jià)格設(shè)置為500 元/kW，Ebs代表著儲(chǔ)能系統(tǒng)中的電池容量，價(jià)格設(shè)置為1 200 元/kVA，SVG 設(shè)備的投資成本設(shè)置為500 元/kvar。因此在公式（29）中相應(yīng)系數(shù)設(shè)置為cESSl=0.65 W/kW和cSVGl=0.05 W/kvar。

2.2.2 運(yùn)行層的目標(biāo)對(duì)象

2.2.3 目標(biāo)函數(shù)的歸一化

當(dāng)將運(yùn)行層目標(biāo)函數(shù)折合到規(guī)劃層時(shí)，由于兩者單位的不統(tǒng)一，需要對(duì)目標(biāo)進(jìn)行折合，因而將網(wǎng)損折合成為網(wǎng)損費(fèi)用，將SVG設(shè)備對(duì)應(yīng)的罰函數(shù)折合成為對(duì)應(yīng)的全壽命周期成本，其結(jié)果如下：

2.3 優(yōu)化模型

基于聚類生成場(chǎng)景，引入隨機(jī)規(guī)劃理論，建立配電網(wǎng)雙層混合式隨機(jī)規(guī)劃模型。

配電網(wǎng)運(yùn)行優(yōu)化目標(biāo)期望可表示為：

式中：E（·）為期望；f為規(guī)劃-運(yùn)行雙層混合模型的投資成本和運(yùn)行成本；ξ為不確定變量即光伏有功功率和負(fù)荷的一日出力。在不確定變量隨機(jī)波動(dòng)下，配電網(wǎng)規(guī)劃-運(yùn)行目標(biāo)（成本）期望值最小。

由于上述模型難以直接求解，基于1.2節(jié)中聚類得到的4 類光伏-負(fù)荷典型日?qǐng)鼍凹捌湎鄳?yīng)概率，基于多個(gè)典型場(chǎng)景將上述模型轉(zhuǎn)化為確定性優(yōu)化模型。則配電網(wǎng)雙層混合式隨機(jī)規(guī)劃模型可表示為：

式中：Ψ為光伏負(fù)荷出力共同組成的場(chǎng)景集合，該集合中每一組場(chǎng)景均包含有隨機(jī)值以及它們同時(shí)出現(xiàn)的概率πs。

3 算例分析

3.1 算例介紹

以某地配電網(wǎng)為算例對(duì)兩層式混合治理方案展開分析。該地配電網(wǎng)拓?fù)浜途€路參數(shù)分別如圖7和表1所示。該地的基準(zhǔn)電壓等級(jí)為10 kV，基準(zhǔn)容量為100 kVA。由于光伏出力與農(nóng)村負(fù)荷時(shí)序上的不匹配，該地區(qū)出現(xiàn)了電壓越上下限，線損率過高等問題，現(xiàn)擬規(guī)劃目標(biāo)為電壓降低至標(biāo)幺值0.9～1.1，而線損率過高問題則隨著兩層式混合治理模型里運(yùn)行層網(wǎng)損費(fèi)用的優(yōu)化而得到治理。

表1 線路數(shù)據(jù)

圖7 光伏臺(tái)區(qū)拓?fù)?/p>

3.2 線損率指標(biāo)

傳統(tǒng)的配電網(wǎng)僅由上層電網(wǎng)供電，其線損率計(jì)算公式固定，可以由式（36）或式（37）給出：

而在高滲透分布式電源接入的場(chǎng)景下，在不同時(shí)段整體配電網(wǎng)的供電電源分別為上層電網(wǎng)和分布式電源，傳統(tǒng)計(jì)算方法不適用，故提出綜合線損率的概念，即：

3.3 規(guī)劃結(jié)果

為了充分利用有功資源無(wú)功資源參與臺(tái)區(qū)電能質(zhì)量與經(jīng)濟(jì)性指標(biāo)治理，分別采取了以下方案：

1）僅配置儲(chǔ)能，用戶側(cè)光伏不棄光。

2）配置儲(chǔ)能與SVG 設(shè)備，允許光伏逆變器剩余容量參與無(wú)功調(diào)節(jié)。

3）配置儲(chǔ)能與SVG設(shè)備，允許光伏逆變器剩余容量參與無(wú)功調(diào)節(jié)，允許主動(dòng)棄光。

4）配置儲(chǔ)能與SVG 設(shè)備，允許光伏逆變器剩余無(wú)功容量參與調(diào)節(jié)，允許主動(dòng)棄光且棄光產(chǎn)生的多余容量參與無(wú)功調(diào)節(jié)。

其結(jié)果如表2—5所示。

表2 方案1配置結(jié)果

方案1 情況下單相投資成本42.25 萬(wàn)元，線損值39.45 kWh，實(shí)際發(fā)電量539.6 kWh，綜合線損率5.06%。

表3 方案2配置結(jié)果

方案2 情況下單相投資成本36.25 萬(wàn)元，線損值48.64 kWh，實(shí)際發(fā)電539.6 kWh，綜合線損率6.3%。

表4 方案3配置結(jié)果

方案3 情況下單相投資成本20 萬(wàn)元，線損值31.6 kWh，實(shí)際發(fā)電量339.6 kWh，綜合線損率5.67%。

方案4 情況下單相投資成本19.75 萬(wàn)元，線損值30.2 kWh，實(shí)際發(fā)電量339.6 kWh，綜合線損率5.42%。

各方案的綜合對(duì)比情況如下所示，綜合對(duì)比以上幾種方案，可以發(fā)現(xiàn)：

表5 方案4配置結(jié)果

方案1僅使用了儲(chǔ)能配置，其優(yōu)點(diǎn)在于純使用有功調(diào)節(jié)使得線損值較大幅度下降，但缺點(diǎn)在于儲(chǔ)能設(shè)備費(fèi)用較高導(dǎo)致其投資成本過高。

方案2綜合調(diào)用了有功和無(wú)功資源，其優(yōu)點(diǎn)在于可以在不降低發(fā)電量的前提下降低投資成本，但此方案的線損值較高。

方案3允許光伏主動(dòng)棄光，在保證居民效益提升的基礎(chǔ)上，大幅降低了投資成本，但缺點(diǎn)在于發(fā)電量也大幅減小。

方案4綜合利用了外在的有功無(wú)功資源、主動(dòng)棄光措施、以及多余容量參與無(wú)功調(diào)節(jié)等手段，可以在保證線損率等指標(biāo)的情況下實(shí)現(xiàn)投資成本的最優(yōu)，其唯一的缺點(diǎn)在于發(fā)電量較低。

4 結(jié)語(yǔ)

針對(duì)農(nóng)村輻射狀配電網(wǎng)的高滲透光伏接入所引發(fā)的電壓越限及高線損問題，本文從工程角度分析并提出了綜合治理方案。首先基于AP聚類算法得到農(nóng)村臺(tái)區(qū)的光伏和負(fù)荷的典型運(yùn)行場(chǎng)景，然后進(jìn)行兩層式規(guī)劃治理，4 種方案對(duì)比分析表明，本文所提出的場(chǎng)景縮減方法和混合規(guī)劃治理方法能在不同方面減小線損率或總成本，同時(shí)保證電壓不越限。該方案具有可行性和有效性，可以提升配電網(wǎng)運(yùn)行的經(jīng)濟(jì)性和安全性。

由于能力和設(shè)備限制，本文僅考慮了低壓農(nóng)村場(chǎng)景下的治理方案，未能對(duì)低壓、中壓等不同R/X比之下的治理方案進(jìn)行更深層次的討論，下一步應(yīng)進(jìn)行其它電壓等級(jí)下的治理方案研究。