詹红霞(1971), 女, 硕士, 副教授, 研究方向为电力系统保护与控制和新能源并网(E-mail:
肖竣文(1994), 男, 硕士在读, 研究方向为配电网故障恢复
邓小勇(1975), 男, 硕士, 高级工程师, 从事电网生产管理工作
含分布式电源(DG)的配电网孤岛运行时存在电源出力不确定及负荷波动等问题,为确保孤岛能稳定可靠地供电,文中提出计及孤岛备用需求并充分发挥柔性负荷调控能力的动态孤岛划分策略。首先,建立考虑风电、光伏不确定性的预测误差模型,使用深度优先搜索算法得到各时段最大供电范围,采用机会约束规划来处理模型中的随机变量并根据最大供电范围得到各时段的孤岛备用需求。然后,通过改进的粒子群优化(PSO)算法充分发挥柔性负荷的调控能力,以故障恢复期间等效恢复价值最大为目标,得到在各置信水平下满足备用需求的最优孤岛划分结果。最后,以修改后的IEEE 33节点系统为例,验证了所提策略在确保孤岛可靠性的同时可有效增加孤岛价值。
There are problems such as uncertain power output and load fluctuation when the distribution network with distributed generator (DG) operates on an island. In order to ensure stable and reliable power supply for islands, a dynamic island partition strategy is proposed which takes into account the standby demand of islands and gives full play to the flexible load regulation ability. Considering the uncertainty of wind power and photovoltaics, a prediction error model is established at first. The depth-first search algorithm is used to obtain the maximum power supply range for each time period, and chance constrained programming is used to deal with the random variables in the model, the island standby demands for each time period is obtained by the maximum power supply range. Then, modified particle swarm optimization (PSO) algorithm is used to give full play to the control ability of flexible load, and the optimal islanding results that meets the standby demand under each confidence levels is obtained with the objective of maximizing the comprehensive recovery value during the failure recovery period. Finally, a modified IEEE 33 node power distribution system is taken as an example to verify that the proposed strategy can effectively increase the value of islands while ensuring the reliability of islands.
分布式电源(distributed generator, DG)的爆发式增长给配电网稳定性带来了挑战,同时也给配电网供电恢复带来了新的解决方案。当含DG的配电网发生停电故障时,可通过DG形成孤岛首先恢复供电,基于DG的孤岛划分则是其中重要的一步。
目前国内外对含DG的配电网孤岛划分问题进行了大量研究。文献[
基于此,文中提出了在新能源高比例渗透情况下的考虑风光预测误差的孤岛划分策略。首先建立风电和光伏出力的概率模型,利用机会约束规划处理备用约束中的随机变量。对孤岛部分采用两阶段划分方法,第一阶段,采用深度优先搜索算法来确定电源最大供电范围;第二阶段,充分发挥柔性负荷的调控能力,在考虑备用需求的前提下利用柔性负荷参与孤岛调整并使得恢复孤岛的等效恢复价值最大。最后,以修改后的IEEE 33节点系统为例进行验证,结果表明所提策略可以在确保孤岛可靠性的同时有效增加孤岛价值,并能为配电网运行置信水平的选择提供参考。
风电和光伏的出力[
由于风速波动,风机在不同时刻的出力并不稳定,风电出力具有不确定性,现有预测方法仍未达到可忽略预测误差的精度,因此需要对其出力的概率密度进行拟合。目前对风电出力的拟合方法有正态分布法[
光伏发电系统的主要组成部分包括光伏组件、逆变器和控制器,当光伏面板的面积和组件型号确定时,光伏发电系统的出力仅随光照强度变化而变化。光照强度在1 d中近似服从Beta分布,其概率密度函数参见文献[
风电和光伏属于不可控DG,出力具有波动性和不确定性,因此每个孤岛都至少要有一个具备黑启动能力的电源作为主电源。储能具有稳定输出功率的特性,在
式中:
相较于传统黑启动电源,储能既可充电又可放电的特点使其功率调控范围更大,响应速度也更快,可满足保证孤岛供电质量的要求。当孤岛内风电/光伏的出力小于负荷需求时,储能进行放电;大于负荷需求时,储能进行充电。
储能的充、放电约束为:
式中:
电网负荷可分为刚性负荷和柔性负荷两大类,刚性负荷能接受电网调控的程度很低,柔性负荷则可在电网供需不平衡时参与电网调控。柔性负荷包括自弹性负荷(可中断负荷)、可调节负荷(负荷聚合商)、可平移负荷等[
供电部门可根据事先的合同约定对柔性负荷的供电进行调整。对于可中断负荷,可根据合同约束在规定时间内进行中断供电,但其中断的容量和持续时间均有一定限制,假设可中断负荷1 d内可被多次调度,其须满足可中断容量约束和可中断持续时间约束,如式(6)、式(7)所示。
式中:
对于可平移负荷,其可平移容量须满足约束:
式中:
由于可调节负荷,如居民用户的空调、热水器等单个可调控容量小、分布分散,因此通常以负荷代理商的方式参与调控[
上备用约束:
下备用约束:
式中:
当模型中含有随机变量时,在极端情况下可能出现决策不满足约束条件的情况,可以通过机会约束规划将此类不确定性约束转化为确定性约束,只需要使约束条件成立的概率不小于某一置信水平即可。机会约束规划求解含随机变量的模型如下:
式中:
利用机会约束规划的方法,可将式(10)、式(12)中由于风电和光伏不确定性引起的上、下备用需求约束转换为确定性约束。
式中:
在孤岛划分策略中,首先根据电源的可用出力确定初级孤岛范围,然后在此基础上计及不同置信水平下的孤岛备用需求,充分发挥柔性负荷的主动调控能力进行孤岛优化,策略的整体流程见
孤岛划分策略流程
Flow chart of island division strategy
在实际中,配电网中的电源通常不能满足所有负荷的供电需求,发生故障后,由于其功率大小限制,也仅能为周边一定范围的负荷提供电能,所以讨论在最大供电范围外的供电恢复并无太大意义[
式中:
为了使得到的孤岛保持稳定,孤岛须满足功率平衡约束、节点电压约束、支路功率容量约束和网络拓扑结构约束:
式中:
采用深度优先搜索算法可得到最大供电范围,其思路为:首先获取电源出力及负荷数据,以主电源为根节点,选取未访问过的根节点的临接节点,判断路径上节点功率和是否超出电源功率,若未超过则继续搜索下一节点,重复上一步骤,直到路径上所有节点的功率和超出电源功率,至此得到电源的最大供电范围。
在第二阶段中,充分发挥柔性负荷的调控能力,通过对柔性负荷的调控使得划分的孤岛满足备用需求。在满足事前签订的合同约束条件下调控各类柔性负荷,使其与初始供电范围相比,孤岛中恢复的负荷等效价值更大,优化的成本损耗更低,得到的孤岛范围更优。
式中:
文中采用改进的粒子群优化(particle swarm optimization, PSO)算法求解孤岛优化策略。PSO算法实现简单,具有较快的收敛速度,但传统PSO算法容易陷入局部最优,采用改进的变权重PSO算法可以保持全局和局部较好的平衡,其权重更新公式为:
式中:
当有2个或以上的孤岛存在交集时,应进行孤岛融合。将孤岛中的DG融合成一个节点,出力为之前DG的出力及储能剩余电量之和,并重新确定孤岛范围,保留更新后的孤岛范围,重复以上步骤,直到所有孤岛之间均为独立状态。当孤岛各自没有交集时,孤岛划分结束。孤岛融合有利于提高孤岛稳定性并在故障修复完成后更快恢复供电。
使用修改后的IEEE 33节点配电网模型[
柔性负荷数据
Flexible load data
节点 | 可中断量/% | 可平移量/% | 可调节量/% | 可控时段 |
14,16,27 | 100 | 06:00-18:00 | ||
19 | 80 | 08:00-12:00 | ||
3,7 | 80 | 12:00-20:00 | ||
20,22,28 | 50 | 06:00-18:00 | ||
5,10 | 25 | 09:00-17:00 | ||
23,25 | 15 | 08:00-16:00 | ||
12,29,17,30 | 15 | 06:00-18:00 |
供电恢复时,对于负荷的备用需求应根据各孤岛的实际负荷值来确定。按照文中方法确定最大供电范围后,每个孤岛的负荷备用需求取各孤岛负荷总额的5%。风、光预测有功出力曲线如
风光预测有功出力
Wind and solor power prediction
为分析柔性负荷参与调控对孤岛备用需求及孤岛恢复价值的影响,考虑以下情形:情形一,仅考虑柔性负荷中的可中断负荷参与调控;情形二,加入考虑可平移负荷和可调节负荷参与调控。
风电、光伏并网时,不同置信水平需要应对DG不确定性的备用需求不同。
各置信水平下的上备用需求
Standby demand at each confidence level
初级孤岛划分结果
Primary island division results
情形一中与初级孤岛相比的各置信水平下的恢复功率减少值、可中断负荷中断量如
情形一中各置信水平结果对比
Comparison of results at each confidence level in case one
置信水平0.90时12:00-13:00孤岛划分结果
Island division results from 12:00 to 13:00 under 0.90 confidence level
12:00-13:00孤岛备用需求情况
Island standby requirements from 12:00 to 13:00
编号 | 可提供的备用需求 | 置信水平 | |||
1.00 | 0.95 | 0.90 | 0.85 | ||
孤岛1 | 139.90 | 147.56 | 138.87 | 130.59 | 122.67 |
孤岛2 | 130.30 | 126.24 | 117.55 | 109.27 | 101.35 |
孤岛3 | 175.39 | 38.98 | 38.16 | 37.47 | 36.88 |
孤岛4 | 122.74 | 32.69 | 31.87 | 31.19 | 30.59 |
情形一中损耗情况对比
Comparison of loss results in case one
指标 | 初级孤岛 | 置信水平 | |||
1.00 | 0.95 | 0.90 | 0.85 | ||
开关次数 | 18 | 16 | 16 | 16 | 16 |
储能损耗/(kW·h) | 1 105.21 | 1 189.93 | 1 149.57 | 1 113.27 | 1 105.20 |
线路损耗/(kW·h) | 21.72 | 12.56 | 12.33 | 12.02 | 11.94 |
为验证DG渗透率对孤岛备用需求的影响,将电源中光伏的最大容量设定为700 kW, 风电的最大容量设定为800 kW,此时系统中DG渗透率变为90%。
2种渗透率下的孤岛备用需求情况
Standby demand of islands under two permeability conditions
置信水平 | 孤岛1 | 总孤岛 | |
80%渗透率 | 90%渗透率 | ||
1.00 | 132.90 | 1 238.89 | 1 406.01 |
0.95 | 123.33 | 1 160.59 | 1 304.99 |
0.90 | 116.53 | 1 090.59 | 1 217.04 |
0.85 | 108.17 | 1 025.89 | 1 134.80 |
渗透率90%时12:00-13:00初级孤岛划分结果
Primary island division results from 12:00 to 13:00 under 90% permeability
为充分发挥配电网中各类柔性负荷的调控能力,研究不同柔性负荷类型对优化策略的适应性,加入考虑可平移负荷和可调节负荷参与调度。可平移负荷可根据合同约束在规定时间内进行负荷平移,在故障恢复中,通常将其平移到符合规定的正常运行时段内,这样既能增加对其他负荷的恢复,又能提高孤岛稳定性,且与可中断负荷相比,调度时对用户满意度影响更小。居民负荷中约60%都可用作柔性负荷,其用电时间可灵活变动,但难以直接控制,一般以负荷代理商的方式参与电网调度。
可平移负荷与可调节负荷参与调度后可满足所有置信水平下的孤岛备用需求容量。
情形二中各置信水平结果对比
Comparison of results at each confidence level in case two
情形二置信水平0.85时12:00-13:00孤岛结果
Island results in case two from 12:00 to 13:00 under 0.85 confidence level
情形二相比情形一恢复功率与等效恢复价值的增长率如
情形二相比情形一的优化结果增长率
The growth rate of optimization results in case two compared to case one
置信水平 | 恢复功率增长率 | 等效恢复价值增长率 |
1.00 | 4.2 | 47.9 |
0.95 | 4.0 | 47.6 |
0.90 | 3.4 | 26.1 |
0.85 | 7.6 | 78.7 |
文中对新能源高比例渗透情况下的配电网动态孤岛划分进行了研究,首先采用深度优先搜索算法得到最大供电范围,利用风电和光伏的概率密度函数求解间歇电源出力不确定导致的孤岛备用需求,使用机会约束规划处理随机变量的不确定性;然后基于改进PSO算法分析求解不同置信水平、不同种类柔性负荷参与调控对孤岛划分的影响。算例分析表明,孤岛备用需求会随着间歇电源的出力和置信水平的变化而变化。通过调控柔性负荷可平衡不同置信水平下的孤岛稳定性与经济性需求,并有效增加恢复孤岛的等效价值,相比未考虑孤岛备用需求的故障后供电恢复,提高了供电的可靠性,更具现实意义。文中对负荷的备用需求假定为较小范围的波动,而故障停电后,配电网中用户的用电情况会与电网正常运行时存在较大不同,此时负荷波动也更为复杂,对于恢复阶段中的负荷备用需求情况还有待进一步研究。
本文得到四川省教育厅项目(18ZB0566)资助,谨此致谢!
张帆, 杨翾, 商佳宜, 等. 考虑负荷损失最小的配网孤岛划分策略研究[J]. 高压电器, 2021, 57(4): 181-188.
ZHANG Fan, YANG Xuan, SHANG Jiayi, et al. Study on island partition strategy of distribution network considering minimum load loss[J]. High Voltage Apparatus, 2021, 57(4): 181-188.
刘文轩, 姚玉海, 齐伟强, 等. 基于启发式规则的配电网孤岛划分算法[J]. 电力系统保护与控制, 2019, 47(16): 166-172.
LIU Wenxuan, YAO Yuhai, QI Weiqiang, et al. An algorithm on island partition of the distribution system based on Heuristic rule[J]. Power System Protection and Control, 2019, 47(16): 166-172.
姚玉海, 张璇, 齐伟强, 等. 基于Dijkstra算法的配电网孤岛划分[J]. 电力系统保护与控制, 2017, 45(24): 36-43.
YAO Yuhai, ZHANG Xuan, QI Weiqiang, et al. Island partition of the distribution system based on Dijkstra algorithm[J]. Power System Protection and Control, 2017, 45(24): 36-43.
ZHU J P, GU W, JIANG P, et al. Integrated approach for optimal island partition and power dispatch[J]. Journal of Modern Power Systems and Clean Energy, 2018, 6(3): 449-462.
胡哲晟, 郭瑞鹏, 蓝海波, 等. 基于有向图的含分布式电源配电网孤岛划分模型[J]. 电力系统自动化, 2015, 39(14): 97- 104.
HU Zhesheng, GUO Ruipeng, LAN Haibo, et al. Islanding model of distribution systems with distributed generators based on directed graph[J]. Automation of Electric Power Systems, 2015, 39(14): 97-104.
李振坤, 周伟杰, 王坚敏, 等. 基于风光荷功率曲线的有源配电网动态孤岛划分方法[J]. 电力系统自动化, 2016, 40(14): 58-64, 71.
LI Zhenkun, ZHOU Weijie, WANG Jianmin, et al. Dynamic islanding method of active power distribution network based on wind-photovoltaic-load curve[J]. Automation of Electric Power Systems, 2016, 40(14): 58-64, 71.
孙悦, 王海燕, 同向前. 基于功率与电量预估的有源配电网动态孤岛划分策略[J]. 电力电容器与无功补偿, 2018, 39(5): 155-161.
SUN Yue, WANG Haiyan, TONG Xiangqian. Dynamic islanding strategy on active power distribution network based on power and electricity estimation[J]. Power Capacitor & Reactive Power Compensation, 2018, 39(5): 155-161.
杨帅, 夏明超, 陈奇芳. 计及源-网-荷互动的主动配电网实时动态孤岛划分策略[J]. 智慧电力, 2019, 47(6): 1-8.
YANG Shuai, XIA Mingchao, CHEN Qifang. Real-time dynamic island partitioning strategy of active distribution network considering interaction of source-network-load[J]. Smart Power, 2019, 47(6): 1-8.
刘礼邦, 武传涛, 随权, 等. 计及可控负荷参与的主动配电网动态恢复供电策略[J]. 电力系统保护与控制, 2020, 48(9): 27-35.
LIU Libang, WU Chuantao, SUI Quan, et al. Power supply strategy for active distribution network dynamic recovery with controllable load participation[J]. Power System Protection and Control, 2020, 48(9): 27-35.
李振坤, 路群, 符杨, 等. 有源配电网动态重构的状态分裂多目标动态规划算法[J]. 中国电机工程学报, 2019, 39(17): 5025-5036, 5284.
LI Zhenkun, LU Qun, FU Yang, et al. State split multi-objective dynamic programming algorithm for dynamic reconfiguration of active distribution network[J]. Proceedings of the CSEE, 2019, 39(17): 5025-5036, 5284.
田晶京, 李安乐, 高锋阳, 等. 含光伏发电和时变负荷的主动配电网孤岛划分[J]. 太阳能学报, 2021, 42(9): 125-131.
TIAN Jingjing, LI Anle, GAO Fengyang, et al. Islanding division of active distribution network with photovoltaic generation and time-varying load[J]. Acta Energiae Solaris Sinica, 2021, 42(9): 125-131.
WANG F, XIAO X Y, SUN Q Q, et al. Service restoration for distribution network with DGs based on stochastic response surface method[J]. International Journal of Electrical Power & Energy Systems, 2019, 107: 557-568.
黄瀚燕, 周明, 李庚银. 考虑多重不确定性和备用互济的含风电互联电力系统分散协调调度方法[J]. 电网技术, 2019, 43(2): 381-389.
HUANG Hanyan, ZHOU Ming, LI Gengyin. Coordinated decentralized dispatch of wind-power-integrated multi-area interconnected power systems considering multiple uncertainties and mutual reserve support[J]. Power System Technology, 2019, 43(2): 381-389.
张锶恒. 考虑分布式光伏与储能接入的配电变压器选型定容规划[D]. 广州: 华南理工大学, 2020.
ZHANG Siheng. Type and capacity planning of distribution transformer considering the impact of distributed photovoltaic and energy storage access[D]. Guangzhou: South China University of Technology, 2020.
李枫. 风力发电机组功率曲线拟合方法研究及其应用[D]. 重庆: 重庆大学, 2019.
LI Feng. Research and application of power curve fitting method for wind turbine[D]. Chongqing: Chongqing University, 2019.
HODGE B M S, ELA E G, MILLIGAN M. Characterizing and modeling wind power forecast errors from operational systems for use in wind integration planning studies[J]. Wind Engineering, 2012, 36(5): 509-524.
杨宏, 闫玉杰, 王瑜. Beta分布在风电预测误差模型中的适用性[J]. 电测与仪表, 2020, 57(11): 37-41, 48.
YANG Hong, YAN Yujie, WANG Yu. Applicability of Beta dis- tribution on wind power forecast error modeling[J]. Electrical Measurement & Instrumentation, 2020, 57(11): 37-41, 48.
杨茂, 代博祉, 刘蕾. 风电功率概率预测研究综述[J]. 东北电力大学学报, 2020, 40(2): 1-6.
YANG Mao, DAI Bozhi, LIU Lei. A review of wind power probabilistic prediction[J]. Journal of Northeast Electric Power University, 2020, 40(2): 1-6.
王洪坤, 葛磊蛟, 李宏伟, 等. 分布式光伏发电的特性分析与预测方法综述[J]. 电力建设, 2017, 38(7): 1-9.
WANG Hongkun, GE Leijiao, LI Hongwei, et al. A review on characteristic analysis and prediction method of distributed PV[J]. Electric Power Construction, 2017, 38(7): 1-9.
姜婷玉, 李亚平, 鞠平, 等. 柔性负荷控制及模型研究综述[J]. 智慧电力, 2020, 48(10): 1-8.
JIANG Tingyu, LI Yaping, JU Ping, et al. Overview of modeling method for flexible load and its control[J]. Smart Power, 2020, 48(10): 1-8.
陈长青, 阳同光. 计及柔性负荷的电网储能和光伏协调规划研究[J]. 电力系统保护与控制, 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.
杨雪. 计及柔性负荷的多时间尺度主动配电网优化调度研究[D]. 北京: 北京交通大学, 2018.
YANG Xue. Optimal scheduling of active distribution networks based on flexible loads on multiple time scales[D]. Beijing: Beijing Jiaotong University, 2018.
景皓, 贾伯岩, 卢志刚, 等. 考虑可平移负荷管理的主动配电网故障恢复方法[J]. 智慧电力, 2020, 48(11): 48-54, 61.
JING Hao, JIA Boyan, LU Zhigang, et al. Fault recovery method for active distribution network considering shiftable load management[J]. Smart Power, 2020, 48(11): 48-54, 61.
陈厚合, 王杨, 张儒峰, 等. 考虑源荷协调的风电并网系统旋转备用容量优化[J]. 电力自动化设备, 2017, 37(8): 185-192.
CHEN Houhe, WANG Yang, ZHANG Rufeng, et al. Spinning reserve capacity optimization considering coordination between source and load for power system with wind power[J]. Electric Power Automation Equipment, 2017, 37(8): 185-192.
犹锋, 张华鲁, 石杰, 等. 基于云边协同技术的柔性负荷聚合调控系统设计[J]. 供用电, 2021, 38(12): 64-73.
YOU Feng, ZHANG Hualu, SHI Jie, et al. Design of flexible load aggregation regulation system based on cloud edge collaboration technology[J]. Distribution & Utilization, 2021, 38(12): 64-73.
李红伟, 林山峰, 吴华兵, 等. 基于动态规划算法的配电网孤岛划分策略[J]. 电力自动化设备, 2017, 37(1): 47-52.
LI Hongwei, LIN Shanfeng, WU Huabing, et al. Islanding strategy based on dynamic programming algorithm for distribution network[J]. Electric Power Automation Equipment, 2017, 37(1): 47-52.
SHI Y Y, XU B L, WANG D, et al. Using battery storage for peak shaving and frequency regulation: joint optimization for superlinear gains[J]. IEEE Transactions on Power Systems, 2018, 33(3): 2882-2894.
赵丽萍, 张书伟, 张雪岩, 等. 基于随机机会约束规划的面向能源互联的主动配电网选址定容方法[J]. 电力系统保护与控制, 2020, 48(14): 121-129.
ZHAO Liping, ZHANG Shuwei, ZHANG Xueyan, et al. Locat- ing and sizing method for energy interconnection oriented active distribution networks based on stochastic chance constrained programming[J]. Power System Protection and Control, 2020, 48(14): 121-129.