分布式新能源接入電網(wǎng)的集群優(yōu)化控制策略研究

譚大帥 田由甲 郭 剛 張作霆

（天津市普迅電力信息技術(shù)有限公司，天津 300308）

新能源集群并網(wǎng)技術(shù)和分布式光伏規(guī)?；⒕W(wǎng)技術(shù)受到了廣泛關(guān)注。左強等[1]提出了一種大規(guī)?？照{(diào)負荷參與新能源電力系統(tǒng)調(diào)頻的無模型自適應(yīng)控制方法。胡凱利等[2]研究了計及并網(wǎng)強度最大化的新能源集群出力優(yōu)化，分析了新能源集群并網(wǎng)的現(xiàn)狀及柔性負荷的分類和特點，提出了新能源集群并網(wǎng)出力優(yōu)化調(diào)度方案，并通過算例仿真對比分析證明該方案在電網(wǎng)功率波動條件下可以保證新能源集群并網(wǎng)強度，從而實現(xiàn)出力優(yōu)化分配的目標。陳皓勇等[3]研究了分層集群的新型電力系統(tǒng)運行和控制。孫睿哲等[4]提出了集群光伏電站一次調(diào)頻參數(shù)經(jīng)濟優(yōu)化設(shè)計方法。范俊杰等[5]研究了諧振約束下含功率因數(shù)校正電容新能源集群最大滲透率接入，針對新能源集群并網(wǎng)的短路比問題提出一種改進的等效短路比計算方法。朱凌志等[6]提出了新能源發(fā)電集群的改進等效短路比計算方法。盛萬興等[7]研究了分布式可再生能源發(fā)電集群并網(wǎng)消納關(guān)鍵技術(shù)及工程實踐。綜上所述，新能源集群并網(wǎng)和分布式光伏規(guī)模化并網(wǎng)是當前的研究熱點，須重點關(guān)注柔性負荷參與調(diào)頻和新型電力系統(tǒng)運行控制。

1 模型架構(gòu)

隨著分布式新能源逐漸增多，在運行和管理方面電力系統(tǒng)面臨更復(fù)雜的挑戰(zhàn)。為了有效解決這些問題，需要采用集群優(yōu)化控制策略，將多個微電網(wǎng)組成混合微電網(wǎng)群，實現(xiàn)區(qū)域內(nèi)的新能源接入電網(wǎng)優(yōu)化規(guī)劃和運行控制。

該文著重解決2個問題，即上層規(guī)劃模型和下層規(guī)劃模型。其中，上層規(guī)劃模型對區(qū)域內(nèi)的節(jié)點進行集群劃分，得到多個微電網(wǎng)組成混合微電網(wǎng)群，其目標是優(yōu)化電網(wǎng)的耦合度和有功平衡度。下層規(guī)劃模型的首要任務(wù)是優(yōu)化分布式電源的接入容量。該模型通過最小化投資成本、運行維護成本和購售電成本等目標函數(shù)來確定每個微電網(wǎng)群中分布式電源的最佳容量。

該文采用優(yōu)化算法來搜索最優(yōu)解，從而得到合理的分布式電源接入容量方案，通過算法優(yōu)化求得全局最優(yōu)解或者近似最優(yōu)解。

該文構(gòu)建的模型包括上層規(guī)劃、下層規(guī)劃以及相應(yīng)的目標函數(shù)和約束條件。通過合適的優(yōu)化算法得到合理的分布式新能源接入電網(wǎng)的集群優(yōu)化控制策略，為電力系統(tǒng)的高效運行和管理提供支持。

2 上層規(guī)劃模型

2.1 目標函數(shù)

上層規(guī)劃的目標是根據(jù)不同類別和需求對區(qū)域內(nèi)的各負荷和電源節(jié)點進行重新組織，從而對區(qū)域節(jié)點進行集群劃分。通過架構(gòu)調(diào)整，上層規(guī)劃優(yōu)化節(jié)點的布局和配置，使區(qū)域內(nèi)的微電網(wǎng)節(jié)點可以更好地滿足不同需求，實現(xiàn)更有效的集群劃分目標。

上層規(guī)劃模型的目標函數(shù)為綜合指標Ω，如公式（1）所示。

式中：λ1、λ2為2個權(quán)重系數(shù)；ωL為節(jié)點耦合度；ωP為有功平衡度。

2.1.1 節(jié)點耦合度ωL

節(jié)點耦合度可以表征交直流混合微電網(wǎng)群中節(jié)點間的電氣聯(lián)系程度。在集群劃分的過程中，需要考慮節(jié)點間的差異性，節(jié)點間的耦合度高表示它們間的相互作用關(guān)系較緊密，這一聯(lián)系多來自地理上的節(jié)點臨近關(guān)系，也可能基于電源種類等其他要素歸類，從而可以聚類進入同一集群。

節(jié)點耦合度如公式（2）所示。

式中：i、j為節(jié)點號；Lij為節(jié)點i與節(jié)點j的電氣距離；μij為節(jié)點i與節(jié)點j的類型差距。

2.1.2 有功平衡度ωP

有功平衡度是描述電力系統(tǒng)穩(wěn)定性的重要指標，可以衡量電力系統(tǒng)中實際發(fā)電與負荷間的差異程度。在交直流混合微電網(wǎng)中，需要實現(xiàn)自我調(diào)節(jié)，控制電壓越限，盡可能實現(xiàn)分布式電源就地消納，減少集群能量外送。有功平衡度如公式（3）所示。

式中：Pclu-e為集群e的有功平衡程度；max|Pclu-e|為集群e的最大凈功率特性。

有功平衡度可以對一定范圍內(nèi)的節(jié)點進行自由劃分，充分考慮每個節(jié)點特性，使區(qū)域資源的功效最大化。

2.2 約束條件

2.2.1 系統(tǒng)饋線數(shù)約束

集群劃分需要考慮系統(tǒng)中不同類型分布式電源的接入位置，因此需要約束不同類型分布式電源的饋線數(shù)目，以保證系統(tǒng)的可靠性和經(jīng)濟性。對交流微電網(wǎng)總節(jié)點數(shù)Nac-1和直流微電網(wǎng)總節(jié)點數(shù)Ndc-1來說，需要滿足一定的約束條件，如公式（4）所示。

式中：N為系統(tǒng)總節(jié)點數(shù)。

2.2.2 節(jié)點電壓偏差約束

為了保證集群內(nèi)各節(jié)點電壓在可接受范圍內(nèi)波動，避免電壓偏差威脅接入電網(wǎng)的整體性能表現(xiàn)，需要限制節(jié)點電壓的偏差，從而對其進行控制。對每個集群內(nèi)的節(jié)點i來說，其交流電壓上限和下限分別為maxVACi和minVACi，直流電壓上限和下限分別為maxVACj和minVACj。因此，需要滿足以下約束條件，如公式（5）、公式（6）所示。

式中：VACi和VACj分別為集群i和集群j的電壓值。

3 下層規(guī)劃模型

3.1 目標函數(shù)

下層規(guī)劃模型的主要目標是解決混合微電網(wǎng)群中分布式電源的接入容量問題。該模型旨在最小化總成本，包括分布式電源的購置成本、變流器的購置成本、線路的投資成本、運行維護成本和購售電成本。

投資成本CIN涵蓋了分布式電源的購置成本、變流器的購置成本和線路的投資成本。不同類別的分布式電源的投資成本CIN如公式（7）所示。

式中：CLUM為本地使用設(shè)備；Nm為分布式電源數(shù)量；CDGm為分布式電源購置成本；K為變壓器電流容量；Ccon為變壓器購置成本；Li為線路長度；Ci為線路投資規(guī)模；r為考慮貼現(xiàn)的投資增長；n為線路建設(shè)周期。

運行維護成本CES包括配置分布式電源和各類型變流器的運行維護費用，如公式（8）所示。

式中：Ωm為變流器設(shè)備維護費用；EDGm為分布式電源運行維護費用。

購售電成本CG包括微電網(wǎng)群購電費用、分布式電源發(fā)電上網(wǎng)費用、微電網(wǎng)間電量交互費用和發(fā)電補貼，如公式（9）所示。

式中：α為微電網(wǎng)群購電成本；Pt為微電網(wǎng)群購電規(guī)模；β為電網(wǎng)上網(wǎng)費用；Pgridt為電網(wǎng)上網(wǎng)規(guī)模；γ為交互規(guī)模；Pcluij為本地設(shè)備其他交互費用和補貼。

下層規(guī)劃模型還需要滿足集群系統(tǒng)功率平衡約束、分布式電源出力約束、群間交互功率約束和供電可靠性約束等條件。

最終通過優(yōu)化算法搜索最優(yōu)解，使目標函數(shù)最小化，從而獲得合理的分布式電源接入容量方案，這有助于優(yōu)化微電網(wǎng)群的運行和配置，提高系統(tǒng)的能源利用效率和經(jīng)濟性。

3.2 約束函數(shù)

3.2.1 集群系統(tǒng)功率平衡約束

為了保持集群內(nèi)功率平衡，系統(tǒng)的各類供應(yīng)和消耗符合應(yīng)該相等，如公式（10）所示。

式中：Pload為負荷消耗；Ploss為損耗；Pwind和Ppv分別為來自風能和太陽能的功率；Pbat為儲能部分；Pgrid為交互功率。

3.2.2 分布式電源出力約束

為了限制分布式電源的出力，需要滿足以下約束條件，即風機和光伏的出力應(yīng)該在規(guī)定的最大功率范圍內(nèi)，如公式（11）、公式（12）所示。。

式中：Pwindmax為風機出力的最大功率；Ppvmax為光伏出力的最大功率。

3.2.3 蓄電池出力約束

儲能電池的充放電功率應(yīng)該在規(guī)定的最大范圍內(nèi)，同時需要考慮儲能電池的狀態(tài)SOC和能量轉(zhuǎn)換效率，如公式（13）、公式（14）所示。

式中：PDischarmax為蓄電池的極限功率；Pcharmax為蓄電池的規(guī)定最大功率；SOC為蓄電池的荷電狀態(tài)；SOCmin和SOCmax分別為其下限和上限。

3.2.4 群間交互功率約束

為了控制群間交互支路的功率，需要限制群間交互支路的最大功率為Pclumax，如公式（15）所示。

式中：Pclu（i，j）為群間交互功率；CLU為設(shè)備數(shù)量。

3.2.5 供電可靠性約束

新構(gòu)建字表描述供電可靠性，其約束條件如公式（16）所示。

式中：LOEP為失電負荷概率；Lmax為微電網(wǎng)允許的最大缺電概率。

4 函數(shù)分析

4.1 算法概述

爬山算法是一種優(yōu)化算法，它可以尋找問題的局部最優(yōu)解。爬山算法從一個隨機或者預(yù)定義的起始點開始，在鄰近的解空間中搜索，找到一個相對當前位置更優(yōu)的解，重復(fù)這個過程直到無法找到更優(yōu)解。爬山算法在局部搜索問題中表現(xiàn)出色，但是可能會陷入局部最優(yōu)解，無法達到全局最優(yōu)解。

上層規(guī)劃模型對區(qū)域內(nèi)的節(jié)點進行集群劃分，通過優(yōu)化節(jié)點的布局和配置，使節(jié)點可以更好地滿足不同需求并形成有效的集群。因此，選擇其目標核函數(shù)來優(yōu)化電網(wǎng)的耦合度和有功平衡度。將分布式新能源接入電網(wǎng)的集群優(yōu)化控制中，需要確定微電網(wǎng)的劃分和組成，即對節(jié)點進行集群劃分，形成混合微電網(wǎng)群。該過程涉及電網(wǎng)的拓撲結(jié)構(gòu)與節(jié)點間的聯(lián)系，需要考慮電氣距離、節(jié)點負荷類型以及允許接入電源種類等因素，因此需要進行高層次規(guī)劃。爬山算法在這類局部搜索問題中表現(xiàn)較好，適用于該階段的優(yōu)化過程。通過爬山算法可以從不同的起始點開始搜索，找到相對當前位置更優(yōu)的解，從而得到合理的集群劃分并構(gòu)建混合微電網(wǎng)群的方案。

4.2 參數(shù)設(shè)置

模型設(shè)置初始解為0～1的隨機值，該設(shè)置適用于集群劃分問題；設(shè)置步長為0.1，可以較細致地進行搜索；設(shè)置迭代次數(shù)為1 000，可以在相對短的時間內(nèi)得到一個較優(yōu)的解。相應(yīng)函數(shù)的三維圖像如圖1所示。

圖1 函數(shù)構(gòu)建

4.3 模型結(jié)果

模型的初始解和搜索路徑如圖2所示。由圖2可知，模型的最優(yōu)解位于（1.000 0，0.251 8）。爬山算法的搜索路徑切于函數(shù)等值線，形成了逐漸過渡至最優(yōu)解的平滑曲線，反映其具有較高的算法優(yōu)化性能。

圖2 模型的初始解與搜索路徑

根據(jù)分析結(jié)果可以驗證爬山算法在層級劃分和優(yōu)化等模型中的應(yīng)用價值。

5 結(jié)語

綜上所述，通過建立該模型并應(yīng)用優(yōu)化算法，可以優(yōu)化電網(wǎng)的耦合度和有功平衡度，實現(xiàn)電力系統(tǒng)高效運行和管理的目標。