考慮多臺區(qū)互聯(lián)的中低壓交直流混合配電網(wǎng)雙層協(xié)同優(yōu)化調(diào)度方法

劉科研,盛萬興,詹惠瑜,佟博,張璐,唐巍

(1.中國電力科學研究院有限公司配電技術中心,北京市 100192;2.中國農(nóng)業(yè)大學信息與電氣工程學院,北京市 100091)

0 引 言

高比例分布式電源(distributed generation,DG)和新型用電設備接入配電網(wǎng),給傳統(tǒng)配電網(wǎng)的安全運行帶來更多挑戰(zhàn)。光伏、電動汽車等設備在促進能源清潔化的同時,也會帶來電壓越限、功率波動等問題[1]。隨著電力電子技術的發(fā)展,交直流混合配電網(wǎng)將成為新型電力系統(tǒng)的重要組成部分[2]。與傳統(tǒng)交流配電系統(tǒng)相比,交直流混合配電系統(tǒng)打破了配電網(wǎng)輻射狀運行的壁壘,其功率控制更為靈活[3-4],在高比例分布式電源和不確定性負荷接入的場景下具有更大的優(yōu)勢[5]。隨著源荷設備的增加,中低壓交互、多臺區(qū)互聯(lián)的交直流混合配電網(wǎng)得到多越來越多的關注,如何實現(xiàn)臺區(qū)內(nèi)的功率自治和臺區(qū)間的協(xié)同功率優(yōu)化,成為亟需解決的問題。

目前,對于交直流混合配電網(wǎng)的功率優(yōu)化問題,已經(jīng)有了較為成熟的研究。文獻[6]考慮配電網(wǎng)電壓變化,及其在安全約束下與儲能經(jīng)濟運行策略間影響關系,提出了一種配合降壓變壓器及電壓源型換流器(voltage source converter,VSC)調(diào)壓的含儲能交直流配電網(wǎng)日級別經(jīng)濟運行優(yōu)化方法。文獻[7]通過二階錐松弛將交直流配電網(wǎng)穩(wěn)態(tài)潮流約束轉(zhuǎn)化為二階錐形式,進而提出了基于二階錐規(guī)劃的多時段日前優(yōu)化調(diào)度模型。文獻[8]建立了考慮風電不確定性的交直流配電網(wǎng)分布式優(yōu)化運行模型,并搭建典型的交直流混合配電網(wǎng)結(jié)構(gòu)和分布式優(yōu)化框架。文獻[9]以交直流配電網(wǎng)向上級電網(wǎng)購電成本和系統(tǒng)運行成本最小為目標,建立了交直流配電網(wǎng)儲能與換流站協(xié)調(diào)經(jīng)濟調(diào)度模型。文獻[10]以配電網(wǎng)主體盈利最大為目標函數(shù),考慮DG接入、電容器組投切、儲能充放電調(diào)節(jié)、電價型需求響應、VSC運行以及網(wǎng)絡重構(gòu)等多種約束,建立了基于數(shù)據(jù)驅(qū)動的交直流配電網(wǎng)分布魯棒優(yōu)化調(diào)度模型。為有效適應交直流配電網(wǎng)分布式光伏和負荷不確定性波動帶來的電壓安全問題,文獻[11]提出了一種計及交直流配電網(wǎng)電壓風險感知的優(yōu)化調(diào)度方案。

然而,現(xiàn)有研究中大多針對單一交流和直流線路互聯(lián)的情況進行功率優(yōu)化,對于多臺區(qū)、多電壓等級的交直流配電網(wǎng)功率交互研究尚不充分。文獻[12]計及分布式電源和負荷的不確定性建立源荷概率分布模型進行隨機潮流計算,并提出一種免疫混沌雜交粒子群優(yōu)化算法用于求解交直流配電網(wǎng)電壓優(yōu)化模型。但其只考慮了單一電壓等級下一交一直互聯(lián)的情況,并未分析多臺區(qū)互聯(lián)的場景。文獻[13]將含柔性變電站的交直流配電網(wǎng)系統(tǒng)解耦為中壓交流子系統(tǒng)、中壓直流子系統(tǒng)、低壓交流子系統(tǒng)、低壓直流子系統(tǒng)和柔性變電站子系統(tǒng)等可獨立優(yōu)化調(diào)度的子系統(tǒng),并建立各子系統(tǒng)的二階錐優(yōu)化調(diào)度模型,但錐轉(zhuǎn)化要求目標函數(shù)必須為支路電流的增函數(shù),因此目標函數(shù)僅考慮了運行成本,并未考慮源荷不確定性造成的電壓波動問題。文獻[14]計及風電和光伏出力在空間上的相關性,提出基于場景分析法的優(yōu)化調(diào)度模型,并提出基于二階錐松弛技術和線性逼近法的逐次凸逼近規(guī)劃模型進行求解,然而其并未考慮電動汽車等靈活性負荷的特點,且未計及儲能在交直流配電網(wǎng)中發(fā)揮的重要作用。綜上所述,對于多電壓等級、多臺區(qū)互聯(lián)的交直儲混合配電網(wǎng)優(yōu)化調(diào)度,仍是需要進一步研究的問題。

針對上述不足,本文提出考慮多臺區(qū)互聯(lián)的中低壓交直流混合配電網(wǎng)功率雙層協(xié)同優(yōu)化調(diào)度方法。將交直流配電網(wǎng)功率優(yōu)化問題分為中壓上層優(yōu)化和低壓下層優(yōu)化問題。其中,下層低壓臺區(qū)內(nèi)功率優(yōu)化調(diào)度模型以運行成本最小為目標,得到各個區(qū)域內(nèi)儲能和電動汽車充放電策略;上層中壓優(yōu)化調(diào)度模型以系統(tǒng)綜合電壓偏差最小、綜合運行成本最小為目標,得到互聯(lián)換流器的功率交換方案。上、下層之間以功率和電壓作為耦合變量進行交互,并以此進行迭代優(yōu)化直至中壓系統(tǒng)和各個低壓子系統(tǒng)全部收斂。上、下層分別采用多目標遺傳算法和二階錐優(yōu)化方法進行求解。最后,通過算例驗證所提方法在多臺區(qū)互聯(lián)交直流系統(tǒng)功率優(yōu)化中的有效性。

1 多臺區(qū)互聯(lián)的中低壓交直流混合配電網(wǎng)

“雙碳”目標下,為提高可再生能源消納率和系統(tǒng)運行經(jīng)濟效益,含高比例新型源荷設備的交直流混合配電網(wǎng)將成為配電系統(tǒng)的新發(fā)展趨勢,中低壓協(xié)調(diào)、多臺區(qū)互聯(lián)的新型配電網(wǎng)結(jié)構(gòu)得到越來越多的關注。交直流配電網(wǎng)功率調(diào)控手段靈活,特別是在接入光伏、儲能、電動汽車等設備后,源網(wǎng)荷儲間的功率協(xié)調(diào)成為亟需研究的問題。因此,本文對多臺區(qū)互聯(lián)的中低壓交直流混合配電網(wǎng)進行雙層協(xié)調(diào)優(yōu)化調(diào)度,以提高系統(tǒng)的經(jīng)濟性和可再生能源消納能力。

1.1 多臺區(qū)互聯(lián)的交直流混合配電網(wǎng)結(jié)構(gòu)

多臺區(qū)互聯(lián)的中低壓交直流配電網(wǎng)結(jié)構(gòu)如圖1所示,其中A、B、C為3個低壓臺區(qū),A、C為直流臺區(qū),B為交流臺區(qū),共同接在中壓交流10 kV線路上。3個臺區(qū)接有光伏、電動汽車、5G基站、儲能等不同特性的源荷設備,臺區(qū)之間通過交直流換流器互聯(lián),可實現(xiàn)功率的轉(zhuǎn)供。

上述交直流混合配電網(wǎng)中,低壓臺區(qū)內(nèi)包含分布式光伏(photovoltaic,PV)、電動汽車(electric vehicle,EV)、儲能(energy storage system,ESS)、5G基站(5G base station,BS)等設備,其中獨立儲能系統(tǒng)和基站備用儲能系統(tǒng)均可作為可調(diào)度電源,電動汽車可通過V2G(vehicle to grid)技術參與電網(wǎng)調(diào)度。光伏發(fā)電電能一方面可直接用作負荷供電,另一方面可通過儲能進行存儲。系統(tǒng)的調(diào)度框架如圖2所示。

圖2 系統(tǒng)調(diào)度框架Fig.2 System scheduling framework

如圖2所示,調(diào)度中心收集中壓系統(tǒng)和低壓系統(tǒng)的負荷分布情況及系統(tǒng)運行參數(shù),首先針對各個臺區(qū)的源荷特性,優(yōu)化低壓臺區(qū)的儲能充放電策略和電動汽車V2G策略,實現(xiàn)低壓層的各個子區(qū)域功率優(yōu)化。其次,收集中壓臺區(qū)的負荷情況和運行參數(shù),并將各個低壓臺區(qū)的優(yōu)化參數(shù)作為已知量,共同參與中壓層各個換流器的功率優(yōu)化。完成第一輪優(yōu)化計算后,中壓優(yōu)化結(jié)果中的節(jié)點電壓和注入功率值,將傳遞給各個低壓臺區(qū),進行子區(qū)域的第二輪優(yōu)化,以此進行迭代直至收斂或達到最大迭代次數(shù)。

1.2 多臺區(qū)互聯(lián)的中低壓交直流配電網(wǎng)分析與建模

1.2.1 低壓臺區(qū)分析及建模

1)分布式光伏。

光伏通過光伏陣列將太陽能轉(zhuǎn)化成電能,其輸出功率和光照強度近似滿足線性關系,假設太陽能光伏陣列有M個電池組件,每個組件的面積和光電轉(zhuǎn)換效率為Am和ηm(m=1,2,…,M),則太陽能光伏陣列總輸出功率PPV表達式為[15]:

PPV=rAη

(1)

式中:A、η分別為光伏陣列總面積和光伏電池板的光電轉(zhuǎn)換效率;r為光照強度。

若光伏直接接在直流線路上,則無需逆變設備,若接在交流線路,則需滿足逆變器容量約束:

(2)

式中:Pinv、Qinv分別為逆變器輸出的有功功率和無功功率;Sinv為逆變器容量。

2)儲能。

圖1所示結(jié)構(gòu)中,共有3處位置裝有儲能設備。光伏臺區(qū)的儲能用作儲存光伏電能,5G基站所在臺區(qū)的儲能用作基站的備用電源,同時可參與電網(wǎng)調(diào)度,電動汽車充電樁所在臺區(qū)的儲能可供給電動汽車負荷充電。儲能設備應滿足充放電容量約束:

(3)

此外,還應滿足充放電功率限值約束:

(4)

3)5G基站。

5G基站作為新基建背景下的新型負荷,其用電功率與區(qū)域的通信負載密切相關,根據(jù)愛立信公司測試結(jié)果,5G基站用電負荷與通信負載近似呈一次線性關系[16]:

Pb=ab+βbTb

(5)

式中:Pb為基站用電負荷;Tb為基站通信負載;ab、βb為常系數(shù)。

基站供電量應滿足通信需求約束:

(6)

4)電動汽車。

由于電動汽車的充放電具有隨機性,因此電動汽車參與V2G調(diào)度,需要對其負荷分布進行刻畫。用戶行為特性是影響電動汽車功率需求的關鍵因素,包括日行駛里程、出行開始和結(jié)束時刻。日行駛里程能反映出車輛行駛一天所消耗的電能,一般認為出行結(jié)束時刻即為車輛的開始充電時刻。

日行駛里程滿足對數(shù)正態(tài)分布,其概率密度函數(shù)fLD為:

(7)

式中:μD為日行駛里程的期望值;σD為日行駛里程的標準差;x為日行駛里程。

以用戶在最后一次出行結(jié)束后的時刻作為開始充電時刻,出行開始時刻的概率密度為:

(8)

式中:μe為充電開始時刻的期望值;σe為充電開始時刻的標準差;xe為充電開始時刻。充電持續(xù)時間與日行駛距離和百公里耗電量有關,計算表達式為:

(9)

式中:T為充電時長;W為車輛百公里耗能;Pc為充電功率。

臺區(qū)內(nèi)任一時刻的充電負荷,即為該時刻在樁充電的電動汽車數(shù)量乘以充電功率。根據(jù)建模結(jié)果,即可得到電動汽車負荷的概率分布情況,從而為V2G調(diào)度提供參考。

1.2.2 中壓配電網(wǎng)分析及建模

中壓配電網(wǎng)主要對各個互聯(lián)換流器的傳輸功率進行優(yōu)化,本文采用電壓源型換流器,換流器可實現(xiàn)交直流變換,其單相結(jié)構(gòu)如圖3所示。為便于表述,本文規(guī)定從交流側(cè)流向直流側(cè)為功率正方向。

圖3 電壓源型換流器結(jié)構(gòu)Fig.3 Topology of VSC

圖3中:Us∠θs為交流網(wǎng)絡側(cè)母線S處電壓;Uc∠θc為換流器交流側(cè)母線C處電壓;Yt為換流器復合導納,表征變壓器等效導納和換流器等值導納。交流網(wǎng)絡母線S處的注入功率Ps和Qs為:

(10)

式中:Gt為換流器復合電導;Bt為換流器復合電納;Δθsc=θs-θc。

換流器交流側(cè)C處的注入功率Pc、Qc為:

(11)

在VSC直流側(cè),VSC注入直流網(wǎng)絡的有功功率Pc,dc為:

Pc,dc=Pc-Pc,loss

(12)

式中:Pc,loss為換流器的損耗功率。采用廣義換流器損耗計算模型:

(13)

(14)

式中:Ic為VSC交流側(cè)電流,由交流側(cè)流向VSC為正方向;SN為VSC的額定容量;Ud為直流側(cè)電壓;Uc為VSC交流側(cè)電壓。

2 多臺區(qū)互聯(lián)的中低壓交直流配電網(wǎng)優(yōu)化調(diào)度模型

為提高中低壓交直流混合配電網(wǎng)的運行經(jīng)濟性并降低系統(tǒng)的電壓波動,實現(xiàn)中低壓交直流配電網(wǎng)的協(xié)同優(yōu)化,本文建立雙層優(yōu)化模型,以節(jié)點電壓和功率作為交互變量,通過上層中壓模型和下層低壓模型迭代求解,直至中低壓系統(tǒng)均達到收斂,實現(xiàn)中壓系統(tǒng)和各個低壓子系統(tǒng)的全局優(yōu)化。

2.1 低壓臺區(qū)功率優(yōu)化調(diào)度模型

低壓臺區(qū)功率優(yōu)化以系統(tǒng)綜合成本最小為目標,成本主要包括購電成本、棄光成本、網(wǎng)絡運行損耗成本和儲能調(diào)度成本。目標函數(shù)可表示為:

minClow=Cpur+CPV+Closs+CESS+CEV

(15)

式中:Clow為低壓臺區(qū)總成本;Cpur為向上級電網(wǎng)購電成本;CPV為光伏棄光成本;Closs為交直流系統(tǒng)運行損耗成本;CESS為儲能充放電成本;CEV為調(diào)度電動汽車放電成本[17]。各個成本計算公式為:

Cpur=ωtEt

(16)

CPV=ωPVEPV

(17)

Closs=ωtPloss,t

(18)

(19)

CEV=ηEV1PEV+ηEV2NEV

(20)

式中:ωt為t時刻的電價;Et為t時刻向上級電網(wǎng)的購電量;ωPV為光伏補貼電價;EPV為棄光電量;Ploss,t為t時刻網(wǎng)損;nESS為調(diào)度周期內(nèi)儲能充放電次數(shù);NESS為儲能壽命內(nèi)允許的總充放電次數(shù);Cinv為壽命內(nèi)的儲能投資成本;ηEV1為調(diào)度電動汽車單位功率的電量補償成本;PEV為參與調(diào)度的總功率;ηEV2為改變用戶充電行為的補償成本[18];NEV為參與調(diào)度的電動汽車總數(shù)。系統(tǒng)運行損耗成本又包括交流系統(tǒng)損耗成本、直流系統(tǒng)損耗成本。

Ploss=Ploss,AC+Ploss,DC+Ploss,VSC

(21)

(22)

式中:Ploss,AC為交流網(wǎng)絡功率損耗;Ploss,DC為直流網(wǎng)絡功率損耗;Ploss,VSC為VSC功率損耗;NAC為系統(tǒng)中交流網(wǎng)絡的節(jié)點數(shù);NDC為系統(tǒng)中直流網(wǎng)絡的節(jié)點數(shù);Ω(i)為節(jié)點i相鄰節(jié)點的集合;rij,AC為交流支路ij的電阻;rij,DC為直流支路ij的電阻;Iij,AC為流過交流支路ij的電流值的平方;Iij,DC為流過直流支路ij的電流值的平方。

約束條件主要包括1.2節(jié)中設備運行約束,此外還應包括電網(wǎng)安全運行約束:

(23)

式中:Pac,i、Qac,i分別為交流系統(tǒng)節(jié)點i注入的有功功率和無功功率;Gac,ij、Bij、θij分別為交流系統(tǒng)節(jié)點i和節(jié)點j之間的電導、電納和電壓相位差;Uac,i、Uac,j分別為節(jié)點i和節(jié)點j的電壓幅值;Pdc,i為直流系統(tǒng)節(jié)點i的注入有功功率;Udc,i、Udc,j分別為直流系統(tǒng)節(jié)點i和節(jié)點j的電壓幅值;Gdc,ij為直流系統(tǒng)節(jié)點i和節(jié)點j之間的電導。

且節(jié)點電壓、支路功率應滿足限制約束:

Umin≤Ui≤Umax

(24)

Pmin≤Pij≤Pmax

(25)

2.2 中壓配電網(wǎng)功率優(yōu)化調(diào)度模型

中壓交直流配電網(wǎng)優(yōu)化調(diào)度以系統(tǒng)綜合電壓偏差最小,綜合成本最小為目標,優(yōu)化變量為各個換流器的有功功率和無功功率。目標函數(shù)可表示為:

(26)

(27)

約束條件有換流器運行約束:

(28)

此外,還有式(23)—(25)所示的電網(wǎng)安全運行約束。

3 求解方法

3.1 中壓配電網(wǎng)功率優(yōu)化調(diào)度模型

多目標問題的數(shù)學模型可表示為:

(29)

式中:Ψ為決策變量的可行域;fm(x)為第m個目標函數(shù)。對于任意2個決策變量x1和x2,若求解問題為最小化問題,那么當且僅當滿足式(30)時,稱x1支配x2[19-20]。

fm(x1)

(30)

若對于決策變量xa∈Ψ,其不被解空間內(nèi)的任意解支配,則稱xa∈Ψ為該多目標問題的非劣解或Pareto最優(yōu)解。所有Pareto最優(yōu)解對應的目標函數(shù)向量集合稱為Pareto前沿。因此,求解多目標問題的本質(zhì)是找到Pareto前沿,并在其中選取最優(yōu)解[21-22]。

由于各目標函數(shù)相互制約、相互競爭、沒有可比較性,所以需要在Pareto最優(yōu)解集中找到一組折中解作為最優(yōu)結(jié)果。本文采用對所有目標函數(shù)均衡考慮的決策方法將各個Pareto最優(yōu)解對應的多個目標函數(shù)值轉(zhuǎn)化為單個進行比較。一個Pareto最優(yōu)解每個目標適應度函數(shù)計算公式為[23-24]:

(31)

式中:fi,j為第i個Pareto最優(yōu)解的第j個目標函數(shù)值;fmax,j和fmin,j分別為Pareto解集中第j個目標函數(shù)的最大值和最小值。對于第i個Pareto最優(yōu)解,其標準化適應度函數(shù)為[25-26]:

(32)

式中:Q為目標函數(shù)的維度。

3.2 中低壓交直流配電網(wǎng)優(yōu)化求解步驟

采用交替迭代的方法對上述雙層模型進行求解,上、下層通過邊界變量P、Q、V進行耦合。首先對低壓配電網(wǎng)優(yōu)化問題求解,得到下層問題的初始最優(yōu)解,將下層求得的低壓配電網(wǎng)狀態(tài)變量返回上層。中壓配電網(wǎng)以下層運行狀態(tài)作為已知量,進行上層優(yōu)化。上述模型的求解流程如圖4所示。

圖4 模型求解流程Fig.4 Flow chart of model solution

4 算例分析

4.1 算例背景

本文采用IEEE 33節(jié)點中壓算例系統(tǒng)和14節(jié)點低壓算例系統(tǒng)作為仿真背景,網(wǎng)絡結(jié)構(gòu)如圖5所示。其中,中壓系統(tǒng)電壓等級為12.66 kV,低壓系統(tǒng)電壓等級為380 V。設定中壓系統(tǒng)中的節(jié)點10、25、33分別為光伏、電動汽車、5G基站接入的臺區(qū),節(jié)點10為直流臺區(qū)A,節(jié)點25、節(jié)點33為交流臺區(qū)B和C。交直流臺區(qū)之間通過換流器進行互聯(lián),VSC額定容量均為100 kV·A。A臺區(qū)中,除普通負荷外,光伏分別接入在節(jié)點1—5、節(jié)點10—14,每個節(jié)點光伏額定功率為5 kW,具體出力可根據(jù)式(1)進行計算;儲能集中配置在節(jié)點5,最大容量為100 kW·h,最大充放電功率為40 kW,充放電效率為0.9;臺區(qū)B中,電動汽車充電樁接在節(jié)點7—10,單臺充電樁額定功率為7 kW,儲能安裝在節(jié)點7,參數(shù)設定同臺區(qū)A;臺區(qū)C中,5G基站安裝在節(jié)點1—4、節(jié)點9—11,功率按照與通信負載的關系計算,儲能安裝在節(jié)點10,參數(shù)設定同上。

圖5 算例拓撲Fig.5 Topology of case study

采用數(shù)學優(yōu)化軟件Matlab R2016a作為平臺對本文所提方法進行驗證。硬件環(huán)境為英特爾四核i5-1155G7．4.5 GHz。遺傳算法采用二進制編碼方式對換流器功率進行編碼,設定種群最大迭代次數(shù)Tmax為100,種群總數(shù)Pop為100,交叉變異率為0.8,收斂精度ε為0.01。

中壓配電網(wǎng)總基礎負荷見附錄表A1,夏季典型日臺區(qū)A、B、C的光伏、電動汽車、5G基站、居民負荷的出力曲線如圖6所示。低壓臺區(qū)電價如表1所示。

表1 臺區(qū)電價情況Table 1 Electricity price of courts

圖6 光伏和負荷曲線Fig.6 PV and load curve

為驗證本文所提方法在降低系統(tǒng)運行成本、平抑電壓波動和提高可再生能源消納率方面的有效性,設置3種優(yōu)化方案進行對比分析:

方案1：中低壓系統(tǒng)分別進行優(yōu)化調(diào)度,且低壓臺區(qū)之間無互聯(lián);

方案2：中低壓系統(tǒng)分別進行優(yōu)化調(diào)度,低壓子系統(tǒng)之間通過換流器連接,可進行功率交互;

方案3：中低壓系統(tǒng)協(xié)同優(yōu)化調(diào)度,低壓子系統(tǒng)之間通過換流器連接,可進行功率交互,且中壓系統(tǒng)可根據(jù)低壓系統(tǒng)進行功率分配調(diào)整。

4.2 不同方案調(diào)度結(jié)果分析

4.2.1 系統(tǒng)調(diào)度結(jié)果分析

不同方案下,各個臺區(qū)儲能的充放電情況如圖7所示。

圖7 儲能充放電策略Fig.7 Energy storage charging and discharging strategy

7號充電樁電動汽車的調(diào)度方案如圖8所示,其余充電樁充放電情況及數(shù)據(jù)見附錄圖A1。

圖8 7號充電樁電動汽車調(diào)度方案Fig.8 EV charging and discharging strategy of No.7 charging station

不同方案下,各個換流器流過的功率情況如圖9所示。

圖9 VSC功率流動情況Fig.9 Power flow of VSC

對比上述調(diào)度結(jié)果可以看出,方案1不考慮低壓臺區(qū)之間的功率轉(zhuǎn)供,無法實現(xiàn)臺區(qū)之間的源荷互補。

對于接入大量光伏的臺區(qū)A,正午時刻光伏大發(fā),然而由于缺少功率轉(zhuǎn)移途徑,盡管方案1的儲能在12:00的充電功率達到25.65 kW,仍然無法通過本地負荷和儲能完全消納光伏功率,導致?lián)Q流器1出現(xiàn)了功率返送。方案2通過換流器實現(xiàn)低壓臺區(qū)間的互聯(lián),在正午光伏無法消納的時段,可通過換流器2、3進行功率轉(zhuǎn)供,既實現(xiàn)了臺區(qū)A的光伏消納,同時可以供給臺區(qū)B、C的負荷。然而方案2未考慮中低壓之間的交互,中壓配電網(wǎng)無法根據(jù)低壓臺區(qū)情況調(diào)整換流器功率,臺區(qū)互補的優(yōu)勢無法得到充分發(fā)揮。方案3通過中低壓協(xié)同進行優(yōu)化,儲能和電動汽車的調(diào)度方案與換流器的交互功率得到了有效配合,充分實現(xiàn)了源荷互補。

4.2.2 系統(tǒng)運行經(jīng)濟成本分析

不同方案下低壓臺區(qū)各項成本情況如表2所示。中壓配電網(wǎng)網(wǎng)絡損耗及電壓偏差情況如表3所示。

表2 不同方案成本對比Table 2 Comparision of total cost under different cases

表3 中壓配電網(wǎng)損耗及電壓偏差對比Table 3 Power loss and voltage deviation of mid-voltage distribution network under different cases

由上述結(jié)果可知,方案1臺區(qū)間無功率轉(zhuǎn)供,會造成76 kW的光伏資源浪費,從而導致臺區(qū)總體向上級電網(wǎng)購電的成本增加,且由于光伏所在臺區(qū)的電壓升高,造成系統(tǒng)綜合電壓偏差較大;方案2考慮臺區(qū)互聯(lián),將光伏功率充分用于其他臺區(qū)的負荷供電,使低壓總調(diào)度成本降低了29.6%,同時網(wǎng)絡損耗降低了22.1%;方案3在通過低壓臺區(qū)互聯(lián)提高光伏消納能力的同時,中低壓調(diào)度策略之間可以實現(xiàn)靈活協(xié)調(diào),盡管電動汽車調(diào)度成本略微增加,但低壓總調(diào)度成本降低了31.4%,中壓網(wǎng)絡損耗降低了26.3%,有效提高了系統(tǒng)的經(jīng)濟效益。

4.2.3 系統(tǒng)電壓分析

不同方案下,系統(tǒng)在典型日內(nèi)的峰谷差如表4所示。3種方案下,中壓配電網(wǎng)在調(diào)度日內(nèi)的電壓分布如圖10所示。

表4 不同方案峰谷差Table 4 Peak valley difference under different cases

圖10 節(jié)點電壓分布情況Fig.10 System node voltage

由表4可知,相較于調(diào)控前和方案1,方案3的峰谷差分別降低了25.42%和22.51%。由不同方案的電壓分布結(jié)果可知,方案1由于缺乏光伏消納手段,在正午光伏大發(fā)時刻,節(jié)點10的電壓標幺值達到了1.076 pu,節(jié)點11的電壓標幺值達到1.073 pu,均超過了電壓上限,且系統(tǒng)電壓波動明顯。方案2通過換流器進行功率轉(zhuǎn)供,使得正午時刻的光伏功率得以轉(zhuǎn)供給其他臺區(qū),節(jié)點10和節(jié)點11電壓分別降至1.025和1.021 pu,然而由于中低壓之間缺乏交互導致不同電壓等級的調(diào)控手段難以實現(xiàn)有效配合,系統(tǒng)電壓仍存在較大波動。方案3通過中低壓協(xié)同優(yōu)化,有效降低了光伏臺區(qū)所在節(jié)點的電壓,系統(tǒng)最高電壓值相對方案1降低了5.85%,且系統(tǒng)電壓綜合偏差相較方案1降低了25.53%。

4.2.4 可再生能源消納能力分析

臺區(qū)A作為光伏接入臺區(qū),其光伏消納能力除了受到本臺區(qū)負荷水平限制,同時也受到網(wǎng)架結(jié)構(gòu)限制。以臺區(qū)A最高節(jié)點電壓不超過上限值作為約束,計算不同調(diào)度方案下臺區(qū)A可接入的光伏最高比例,結(jié)果如圖11所示。

圖11 分布式光伏接入情況Fig.11 PV access capacity

典型日內(nèi)分布式電源的消納總量如表5所示。

表5 分布式光伏消納總量Table 5 PV absorption of different cases

由表5可知,相較于方案1的各自單獨調(diào)控,方案3中低壓交直流協(xié)調(diào)優(yōu)化使得分布式光伏消納總量提高了18.47%。此外,對于可接入的分布式光伏總量而言,由圖11可知,方案1由于臺區(qū)之間無互聯(lián),缺乏功率轉(zhuǎn)供手段,當光伏接入總量達到40 kW時,低壓臺區(qū)A最高節(jié)點電壓即達到上限值1.05 pu。而方案2考慮低壓臺區(qū)互聯(lián),方案3進一步實現(xiàn)中低壓之間的交互協(xié)調(diào),光伏接入最大容量分別達到80 kW和85 kW。在方案3的調(diào)度策略下,相較于方案1,分布式電源最大接入量提高了112.5%?？梢姳疚乃嵴{(diào)度策略可有效提高光伏消納能力。

5 結(jié) 論

本文考慮分布式光伏、儲能、電動汽車等源荷設備接入中低壓交直流配電網(wǎng),提出了考慮多臺區(qū)互聯(lián)的中低壓交直流混合配電網(wǎng)雙層協(xié)同優(yōu)化調(diào)度方法,低壓臺區(qū)以綜合成本最小為目標建立交直流配電網(wǎng)子區(qū)域內(nèi)功率優(yōu)化調(diào)度模型;中壓配電網(wǎng)以系統(tǒng)綜合電壓偏差最小、綜合運行成本最小為目標,建立交直流配電網(wǎng)區(qū)域間優(yōu)化調(diào)度模型。最后通過改進的IEEE 33節(jié)點算例系統(tǒng)對方法進行了驗證,結(jié)果表明,中低壓配電網(wǎng)的協(xié)同優(yōu)化策略可充分發(fā)揮低壓臺區(qū)柔性互聯(lián)的優(yōu)勢,并通過影響中壓配電網(wǎng)的功率分配實現(xiàn)中低壓迭代優(yōu)化,從而減小系統(tǒng)網(wǎng)絡損耗,降低電壓波動。未來,隨著中低壓交直流配電網(wǎng)規(guī)模的進一步擴大,越來越多的可再生能源和新型負荷將接入配電網(wǎng),如何計及源荷功率的不確定性進行復雜交直流系統(tǒng)的功率優(yōu)化,將是未來重要的研究方向。

附錄A

圖A1 不同方案電動汽車充放電調(diào)度結(jié)果Fig.A1 The schedule results of electric vehicle charging and discharging under different cases

表A1 中壓配電網(wǎng)線路參數(shù)及基礎負荷Table A1 Line parameters and basic load of medium voltage distribution network