CN103577891B - 一种含分布式电源的多孤岛微网优化合作运行方法 - Google Patents

Abstract

本发明公开了一种含分布式电源的多孤岛微网优化合作运行方法，本发明针对分布式电源供电具有波动性、随机性以及间歇性的特点，考虑在系统中无储能设备的条件下，依据线路网损及可靠性等因素，生成网络拓扑矩阵。以DGs为根节点生成最小生成树，并以各树权值和最小为依据，分配DGs为重要负荷供电，并以此为中心形成新的微网拓扑结构，进而实现了多微网内能量的协作优化调度。该策略在保证了重要负荷的充分供电的基础上，还提高了整个系统重要负荷用电的安全性，同时还能够很好的实现多微网间电能的有效利用。同时，在该方法协调运行的过程中，综合考虑了网络的划分次数、线路开关动作、线路安全性等因素，减少了微网划分后系统的安全隐患。

Description

一种含分布式电源的多孤岛微网优化合作运行方法

技术领域

本发明涉及分布式发电和微电网领域，尤其涉及一种含分布式光伏电源的多孤岛微电网优化合作运行方法。

背景技术

微网可通过固态转换开关（StaticTransferSwitch）选择与主干电网相连或孤岛运行的柔性电力系统。随着包括风电、光伏等分布式发电设备(distributedgenerators，DGs)被部署到微网系统中，它极大的改变了传统的供电方式，带来了清洁、灵活的优点。但由于光伏发电系统、风力发电系统等电源易受自然气候影响，其输出功率具有波动性、随机性、间歇性的特点。特别是在孤岛运行条件下，微网将失去主干电网的供电支持而完全靠自身的DGs供电，此时系统中供需不平衡的矛盾将更加突出。一方面，在最初的微网供需结构中，某些重要负荷由于原供电DG的功率不足而处于欠电状态甚至停运状态；而另一方面，某些DG当前状态下输出的功率却可能远大于其负责的负荷，而造成电能的浪费。

因此，根据系统中DGs不同时刻的供电能力以及负荷的用电需求对微网结构及其负荷用量进行统一调度，从而保证在孤岛条件下微网DGs与网内负荷的供需匹配，保证重要负荷的优先电力供应，并最大限度的利用DGs发出的电能为其他非重要负荷供电，这对于孤岛条件下微网的优化运行，实现其能源的有效利用及用户经济效益的最大化都具有重要的意义。

微网在孤岛条件下的运行，其负荷的用电需要与DG的实际供电能力需要合理的匹配才能实现系统的有效运行。而在特定的天气条件下，风能和光伏的发电效率是一定的，因此要想实现其功率的最大匹配就需要通过重新划分微网的孤岛结构，利用多个微网的电力之间的综合调度，根据用电负荷的重要性属性、用电量、线路故障率等因素，将不同负荷分配到适当的DG供电体系中，从而实现多微网之间整体的负荷功率、经济效益、安全效益等因素的综合最优化。基于这一认识，本发明考虑系统中只有风能和光伏DGs的情况，通过合理划分多个微网中DGs与负荷的供—用电平衡，实现其电力的优化利用和负荷匹配。同时，在此基础上，考虑系统的网损和故障率等因素，实现优化过程中多微网整体能量最优并且保证新获得的网络结构中线路故障的发生率较低，即最终实现多个微网系统经济和安全效益的折中最优化。

发明内容

针对现有技术的不足，本发明的目的在于提供一种含分布式电源的多孤岛微网优化合作运行方法。

本发明的目的是通过以下技术手段实现的，具体的实施步骤如下：

（1）以时间间隔Δt为采样时间，周期性监控系统中DGs与负荷的实时出力及用电情况，判断微网当前工作状态。

I）当系统中DGs的输出功率大于全部负荷的用电需求时，即∑P_DGs＞∑P_loads，保持当前微网结构，系统可以正常工作。此时，多余的输出负荷可以考虑向大电网回馈供电，使用储能设备存储或者将其做“弃峰”处理。

II）当系统中DGs的输出功率大于全部重要负荷的用电需求，但无法满足全部用电负荷要求时，即∑P_Loads＞∑P_DGs＞∑P_CLs，则转（2），进行进一步的微网划分。

III）当系统中DGs的输出功率无法满足全部用重要负荷用电需求时，即∑P_DGs＜∑P_CLs，对部分重要负荷做进一步的删除处理，尽量保证DGs的输出负荷得到充分的利用。

（2）当判断系统处于状态II）时，需对整个微网系统进行重新分组。为了减少计算次数，避免电网开关的频繁操作，每个采样周期，判断网络中每个DG的负荷变化率，若其变化超过设定阈值θ（如25%），即则该周期内重新进行微网孤岛划分，否则，添加或删除部分一般负荷。

（3）首先计算微网当前状态下，系统的支路权值，建立拓扑关系矩阵A^Δt。

（4）以网络中每个DG所在的节点为根节点，搜索最小生成树。设微网系统中有k个DG，则可获得k棵最小生成树。

（5）计算每棵最小生成树中，从根节点到每个重要负荷节点的权值和。以权值和最小为目标决定将每个重要负荷划归各个DG，负责为其供电。

（6）以各个DG的供电能力和归它供电的重要负荷用电量为依据计算剩余负荷。

I）当DG的供电量满足了对重要负荷供电尚有剩余时，可根据剩余电量，尽量多的加入一般负荷，使其剩余负荷得到充分利用。

II）当DG的供电量无法满足划归它的所有重要负荷的用电需求时，则将重要负荷按4)中获得的次小权值和，划归另外的DG供电。

III）若某个DG的功率输出过小，不足以满足任意一个重要负荷供电，则将它与其它DG融合到一起，形成一个孤岛。

IV）若某DG为其孤岛范围内的所有负荷供电后，“弃峰”电量仍超过一定范围（如30%），则考虑其与其它DG融合，扩大孤岛范围，提高其输出负荷的利用率。

进一步说，为了减小系统网损与网络故障概率，在添加一般负荷的过程中应尽量选取DG与重要负荷CL之间的节点。

本发明有益效果是：本发明针对分布式电源供电具有波动性、随机性以及间歇性的特点，考虑在系统中无储能设备的条件下，实现多微网内能量的协作优化调度。该优化合作运行调配策略，通过综合考虑网络整体网损和故障概率两方面因素，实现了微网系统的多维度优化调度。该调度策略可以有效的实现在输出功率不足条件下的输入—输出功率匹配，实现多微网统一用电的协调性。在保证了重要负荷充分供电的基础上，还在一定程度上提高了整个系统重要负荷用电的安全性，同时还能够很好的实现多微网间电能的有效利用。该策略还具有可扩展性强、低复杂度、可在线运行、供用电匹配度高等特点。

附图说明

图1是本发明的处理流程图

图2是IEEE33节点拓扑示意图

图3DG功率实时数据曲线（2013.5.30）

图4各行业实时用电数据曲线（2013.5.30）

图5总输出负荷与总用电及重要负荷曲线（2013.5.30）

图6（a）以DG₁为根节点的最小生成树

图6（b）以DG₂为根节点的最小生成树

图6（c）以DG₃为根节点的最小生成树

图6（d）以DG₄为根节点的最小生成树

图705:45时刻的多微网优化划分结果

图8IEEE33节点24小时多微网负荷优化匹配结果

图9IEEE33节点重构后网络整体故障率对比。

具体实施方式

下面结合附图对本发明做进一步详述：

图1所示的是该发明的处理流程图。其具体的实施将结合具体实例描述如下。以下将采用IEEE33节点拓扑为划分网络对其具体步骤进行描述，其拓扑结构如图2所示。

系统中所用DG为风能和光伏两种电力，其实时数据曲线如图3所示。7、8、18、21、24、32为重要负荷节点；3、11、14、22、27、29、33为市政居民用电节点；1、2、6、12、13、16、26、28、31为第三产业用电负荷节点；5、9、10、17、19、23、25为轻工业用电节点，如图4所示。根据网络中的节点划分以及其负荷特性，可以获得该日24h内总输出负荷与总用电负荷以及总重要负荷三者之间关系曲线，如图5所示。

（1）以时间间隔Δt为采样时间，周期性监控系统中DGs与负荷的实时出力及用电情况，判断微网当前工作状态。

I）当系统中DGs的输出功率大于全部负荷的用电需求时，即∑P_DGs＞∑P_loads，保持当前微网结构，系统可以正常工作。此时，多余的输出负荷可以考虑向大电网回馈供电，使用储能设备存储或者将其做“弃峰”处理。

II）当系统中DGs的输出功率大于全部重要负荷的用电需求，但无法满足全部用电负荷要求时，即∑P_Loads＞∑P_DGs＞∑P_CLs，则转（2），进行进一步的微网划分。

III）当系统中DGs的输出功率无法满足全部用重要负荷用电需求时，即∑P_DGs＜∑P_CLs，对部分重要负荷做进一步的删除处理，尽量保证DGs的输出负荷得到充分的利用。

（2）当判断系统处于状态II）时，需对整个微网系统进行重新分组。为了减少计算次数，避免电网开关的频繁操作，每个采样周期，判断网络中每个DG的负荷变化率，若其变化超过设定阈值θ（如25%），即则该周期内重新进行微网孤岛划分，否则，添加或删除部分一般负荷。

因此，从图5中可以看出，时间段00:00-05:30以及13:00-20:00，输出总功率大于系统中全部负荷的用电需求，因此，无需进行优化划分；本文提出的调度策略适用于时间段05:45-12:45以及20:15-23:45。我们将以2013.5.30，05:45时刻的划分过程为例详细描述该时段基于本文提出的调度策略的划分过程。很明显，该时段的实际输出负荷无法满足全网络用电负荷的需求，但是能够供给所有重要负荷用电，即满足∑P_Loads＞∑P_DGs＞∑P_CLs。

（3）首先利用表达式（1）-（5）计算当前状态下，系统的支路权值，建立拓扑关系矩阵A^Δt。

网损用表达式（1）计算：

$P_{\mathrm{loss}}^{\mathrm{ij}}=\frac{{P_j}^2+{Q_j}^2}{{U_j}^2}\·R_{\mathrm{ij}}---\left(1\right)$

其中P_j和Q_j分别为任意节点j的有功功率和无功功率；R_ij为节点i到节点j支路上的总电阻；U_j为节点j电压。

每一条线路的风险系数用表达式（2）计算：

$K_{\mathrm{risk}}^{\mathrm{ij}}=\mathrm{\α}\·\frac{f\·r}{8760}+(1-\mathrm{\α})\·E_{\mathrm{ij}}---\left(2\right)$

其中，f为年故障频率数；r为故障修复时间；E_ij为节点i和节点j之间线路的专家评估值；α为调节因子，可以调整实际统计数据和专家经验评估二者在风险评估过程中的比重，获得合理的评估值。

归一化的线路网损和风险系数分别为：

$P_{\mathrm{norm}\_\mathrm{loss}}^{\mathrm{ij}}=\frac{P_{\mathrm{loss}}^{\mathrm{ij}}}{\underset{i,j=1;i\≠j}{\overset{N}{\mathrm{\Σ}}}{P}_{\mathrm{loss}}^{\mathrm{ij}}}---\left(3\right)$

$K_{\mathrm{norm}\_\mathrm{risk}}^{\mathrm{ij}}=\frac{K_{\mathrm{risk}}^{\mathrm{ij}}}{\underset{i,j=1;i\≠j}{\overset{N}{\mathrm{\Σ}}}{K}_{\mathrm{risk}}^{\mathrm{ij}}}---\left(4\right)$

其中，N为整个微网中的节点数； $P_{\mathrm{norm}\_\mathrm{loss}}^{\mathrm{ij}}\∈\left[\mathrm{0,1}\right);$ $K_{\mathrm{norm}\_\mathrm{risk}}^{\mathrm{ij}}\∈\left[\mathrm{0,1}\right).$

利用归一化后的线路网损和线路风险系数指标，获得线路L_ij的最终权值为：

${\mathrm{\ω}}_{\mathrm{ij}}=\mathrm{\β}\·P_{\mathrm{norm}\_\mathrm{loss}}^{\mathrm{ij}}+(1-\mathrm{\β})\·K_{\mathrm{norm}\_\mathrm{risk}}^{\mathrm{ij}}---\left(5\right)$

以ω_ij为节点i和节点j之间的矩阵权值，可以得到系统任意两点间的权值。将其作为矩阵元素，则可得到任意时刻系统的拓扑关系矩阵A^Δt。

接下来根据表达式（1）-（5）建立拓扑关系矩阵A^05:45，并分别以四个DGs为根节点，生成基于矩阵A^05:45的四棵最小生成树，如图6的（a）-(d)所示。

（4）以网络中每个DG所在的节点为根节点，搜索最小生成树。设微网系统中有k个DG，则可获得k棵最小生成树。

（5）计算每棵最小生成树中，从根节点到每个重要负荷节点的权值和。以权值和最小为目标决定将每个重要负荷划归各个DG，负责为其供电。

从所生成的最小生成树中，可以方便的得出，各DG到重要负荷节点的最小权值和，如表1所示。

表1各DG到重要负荷节点的最小权值和

根据表1的数据以及调度策略(4)可以看出，重要负荷节点7应由DG₁负责供电，节点8、18由DG₂负责，节点21由DG₃负责，而节点24、32则由DG₄提供电力。

（6）以各个DG的供电能力和归它供电的重要负荷用电量为依据计算剩余负荷。

I）当DG的供电量满足了对重要负荷供电尚有剩余时，可根据剩余电量，尽量多的加入一般负荷，使其剩余负荷得到充分利用。

II）当DG的供电量无法满足划归它的所有重要负荷的用电需求时，则将重要负荷按4)中获得的次小权值和，划归另外的DG供电。

III）若某个DG的功率输出过小，不足以满足任意一个重要负荷供电，则将它与其它DG融合到一起，形成一个孤岛。

IV）若某DG为其孤岛范围内的所有负荷供电后，“弃峰”电量仍超过一定范围（如30%），则考虑其与其它DG融合，扩大孤岛范围，提高其输出负荷的利用率。

此时DG₁和DG₂的输出功率分别为6.15MW和116.4632MW，而重要负荷的节点的用电功率基准值在25.905MW左右，很明显，DG₁无法完成对节点7的供电，因此，对重要负荷7的供电工作将按照调度策略(6)_(II)的策略，由表1中次小值决定，即由DG₄负责完成。同时，对于DG₂-DG₄的多余电力，则按照调度策略(6)_(I)的策略，提供给一般负荷用电。综合上述划分，2013年5月30日05:45时刻的多微网优化划分结果如图7所示。

采用本发明提供的优化调度策略，在24小时的微网系统功率匹配结果如图8所示。图8中，时间段05:45-12:45以及20:15-23:45是利用本文提出的匹配策略完成的功率匹配。可以看出，该策略能够很好的匹配孤岛条件下DGs与用电负荷的供需，在保证系统中全部CLs用电的前提下，充分减小“负荷丢弃”，实现较好的系统优化效果。

由于网络支路的安全率是不同的，因此不同支路上的负荷质量是有差别的，为了能够更好的反映系统各重要负荷的负荷质量，我们定义“负荷安全度(P_s)”指标来衡量网络的安全用电状况，即：

$P_s=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{L}_i\·\underset{j=1}{\overset{m}{\mathrm{\Π}}}(1-p_j)---\left(6\right)$

其中，n为系统中重要负荷的总个数；L_i为每个重要负荷输出的功率；m为重要负荷i所在线路的支路个数；p_j为每条支路的故障概率。

图9所示的是全时段条件下，按照网损-安全性因素进行多微网协作调度和单一考虑网损因素条件下系统总故障率的对比。从图9中可以明显的看出，在两个重构时段内(05:45-12:00以及20:15-23:45)，基于网损和安全性双因素的算法策略效果在安全性方面也要好于只考虑单一网损因素，前者可以有效降低重构后系统再故障的风险率，使输出负荷的质量更高，保证了系统在新的结构下能够更加安全的运行，降低了重构孤岛系统的危险，这在实际工程中有重要的意义。

Claims (7)

1.一种含分布式电源的多孤岛微网优化合作运行方法，其特征在于该方法包括以下步骤：

步骤(1)以时间间隔Δt为采样时间，周期性监控系统中DGs与负荷的实时出力及用电情况，判断微网当前所处的工作状态；

步骤(2)若根据(1)的判断，此时系统中DG产生的电力无法满足全部负荷的用电需求时，则对整个微网系统进行重新划分；

步骤(3)首先计算微网当前状态下，各支路的网损和风险系数，并加权二者的归一化值，形成系统的支路权值，进而以此权值为矩阵元素，建立微网系统的拓扑关系矩阵A^Δt；

步骤(4)以网络中每个DG所在的节点为根节点，搜索最小生成树；

步骤(5)计算每棵最小生成树中，从根节点到每个重要负荷节点的权值和；

步骤(6)以各个DG的供电能力和归它供电的重要负荷用电量为依据计算剩余负荷；根据系统中DG的供电情况，其具体步骤为：

I)当DG的供电量满足了对重要负荷供电尚有剩余时，可根据剩余电量，尽量多的加入一般负荷，使其剩余负荷得到充分利用；

II)当DG的供电量无法满足划归它的所有重要负荷的用电需求时，则将重要负荷按步骤(4)中获得权值和的次小值，划归另外的DG供电；

III)若某个DG的功率输出过小，不足以满足任意一个重要负荷供电，则将它与其它DG融合到一起，形成一个孤岛；

IV)若某DG为其孤岛范围内的所有负荷供电后，“弃峰”电量仍超过设定范围，则考虑其与其它DG融合，扩大孤岛范围，提高其输出负荷的利用率。

2.根据权利要求1所述的一种含分布式电源的多孤岛微网优化合作运行方法，其特征在于：

步骤(1)中，当系统中DGs的输出功率大于全部负荷的用电需求时，即ΣP_DGs＞ΣP_loads，保持当前微网结构，系统可以正常工作；此时，多余的输出负荷可以考虑向大电网回馈供电，使用储能设备存储或者将其做“弃峰”处理；当系统中DGs的输出功率大于全部重要负荷的用电需求，但无法满足全部用电负荷要求时，即ΣP_Loads＞ΣP_DGs＞ΣP_CLs，则转步骤(2)，进行进一步的微网划分；当系统中DGs的输出功率无法满足全部用重要负荷用电需求时，即ΣP_DGs＜ΣP_CLs，对部分重要负荷做进一步的删除处理，尽量保证DGs的输出负荷得到充分的利用；其中P_DGs为系统中DG的供电量；P_CLs为系统重要负荷用电量；P_Loads为系统全部负荷用电量。

3.根据权利要求1所述的一种含分布式电源的多孤岛微网优化合作运行方法，其特征在于：步骤(2)中为了减少微网划分的次数，避免电网开关的频繁操作，每个采样周期，判断网络中每个DG的负荷变化率，若其变化超过设定阈值θ，即则该周期内重新进行微网孤岛划分，否则，添加或删除部分一般负荷。

4.根据权利要求1所述的一种含分布式电源的多孤岛微网优化合作运行方法，其特征在于：步骤(3)中，网损用表达式(1)计算：

$P_{loss}^{ij}=\frac{{P_j}^2+{Q_j}^2}{{U_j}^2}\·R_{ij}---\left(1\right)$

其中P_j和Q_j分别为任意节点j的有功功率和无功功率；R_ij为节点i到节点j支路上的总电阻；U_j为节点j电压；

每一条线路的风险系数用表达式(2)计算：

$K_{risk}^{ij}=\mathrm{\α}\·\frac{f\·r}{8760}+(1-\mathrm{\α})\·E_{ij}---\left(2\right)$

其中，f为年故障频率数；r为故障修复时间；E_ij为节点i和节点j之间线路的专家评估值；α为调节因子，可以调整实际统计数据和专家经验评估二者在风险评估过程中的比重，获得合理的评估值；

归一化的线路网损和风险系数分别为：

$P_{norm\_loss}^{ij}=\frac{P_{loss}^{ij}}{\underset{i,j=1;i\≠j}{\overset{N}{\Σ}}{P}_{loss}^{ij}}---\left(3\right)$

$K_{norm\_risk}^{ij}=\frac{K_{risk}^{ij}}{\underset{i,j=1;i\≠j}{\overset{N}{\Σ}}{K}_{risk}^{ij}}---\left(4\right)$

其中，N为整个微网中的节点数；

利用归一化后的线路网损和线路风险系数指标，获得线路L_ij的最终权值为：

${\mathrm{\ω}}_{ij}=\mathrm{\β}\·P_{norm\_loss}^{ij}+(1-\mathrm{\β})\·K_{norm\_risk}^{ij}---\left(5\right)$

以ω_ij为节点i和节点j之间的矩阵权值，可以得到系统任意两点间的权值；将其作为矩阵元素，则可得到任意时刻系统的拓扑关系矩阵A^Δt。

5.根据权利要求1所述的一种含分布式电源的多孤岛微网优化合作运行方法，其特征在于：步骤(4)中，微网系统中有k个DG，则可获得k棵最小生成树；以这k个最小生成树作为新微网分配DG的依据。

6.根据权利要求1所述的一种含分布式电源的多孤岛微网优化合作运行方法，其特征在于：步骤(5)中，以权值和最小为目标决定将每个重要负荷划归各个DG，负责为其供电。

7.根据权利要求1所述的一种含分布式电源的多孤岛微网优化合作运行方法，其特征在于：步骤(6)的I)中为了减小系统网损与网络故障概率，在添加一般负荷的过程中应尽量选取DG与重要负荷CL之间的节点。