CN105514992A - 基于潮流约束的网架光伏消纳能力优化方法 - Google Patents

Abstract

本发明涉及一种基于潮流约束的网架光伏消纳能力优化方法，在保证电网安全稳定经济高效运行的约束下，求取配电网所能消纳的分布式光伏发电最大装机容量，综合考虑配电网中制约分布式光伏发电的因素，分析配电网对分布式新能源的消纳能力。本发明有益的效果是：本发明可以使得优化结果的目标函数值等于配网分布式能源接入的极限容量，保证优化结果的最优性，在电网运行中，提高了调度部门对断面有功潮流进行的控制，保证了一定的可靠性水平，保证了电网的安全稳定，更经济高效的运行。

Description

基于潮流约束的网架光伏消纳能力优化方法

技术领域

本发明涉及光伏发电技术领域，尤其是一种基于潮流约束的网架光伏消纳能力优化方法。

背景技术

随着经济的快速发展和人民生活水平的逐渐提高,用电负荷也在逐渐增大,对能源的需求急剧加大,能源短缺与一次能源消耗引起的各种环境问题也越来越受到人类的重视。目前电力网络供电模式的主要特点是大容量电网、大型发电机组和高电压等级,这种供电方式虽然在一定程度上满足了负荷用电的需求,但随着国家不断深化电力体制改革和快速发展的经济建设,集中供电电网互联模式存在明显的弊端:(1)安全稳定性问题,系统大,网络结构复杂,很难及时控制系统,当系统某处发生故障都可能引起蝴蝶连锁反应,给整个系统带来严重的后果,例如2006年德国电力单位切断两根高压线为了让一艘船过河,引起了德国大停电事故。(2)环境问题,我国电力供应主要以火力发电为主,这种发电方式不仅消耗不可再生能源煤,而且产生大量的污染气体,随着人们环保意识的不断提升,可再生能源发电得到广泛关注。(3)建设经济成本问题,我国地大物博、幅员辽阔,电力供应难以覆盖到一些偏僻的地区如新疆沙漠地区和青藏高原,由于当地海拔落差大以及远离大电网,使得建设电力系统输电线路投资费用大、网络损耗严重。

分布式发电(DistributedGeneration,DG)通常指为满足用户侧特定需求、支持已有配电网经济运行而设计安装在用户侧或附近的额定功率在10kW至50MW的模块式、清洁环保的小型发电机组。

太阳能电池的发电原理是以光生伏特效应为依据的，光生伏特效应是指半导体在受到光照射产生电动势的现象，使得太阳光射到硅材料上产生电流直接发电，太阳能电池将太阳光的辐射转变时成电能，太阳能电池经过串联或并联形成光伏方阵输出直流电。

目前广泛使用的太阳能电池主要是硅太阳能电池。PN结会形成一个电场，N区是扩散层的表面、硅片的本身是P型硅，两个区的连接处称为PN结。如果想减少太阳能带来的反射损失，需要把一层反射膜覆盖在太阳能电池的顶端。

光是由光子所组成的，光子是一种微粒，并且具有一定的能量而光子的能量大小是由光的波长所决定。在晶体硅吸收光子之后，在PN结中会产生相互配对的正、负带电粒子，因为在PN结区域的正、负电荷是被分离的，这样就在PN结区域形成了一个电场。在太阳能电池的两个面上接上负载，负载就会有电流流过，电流从晶体硅电池的底端经过负载最终流至电池的顶端。太阳能电池产生相应大小的电流是因为太阳能电池在作用时吸收了大量的光子造成的。

太阳能电池单体工作电流为15～25mA/cm2，一般情况下是不能单独作为电源使用的，其工作时的电压为0.46～0.51V。太阳能电池单体的串联、并联在包装之前完成的，太阳能电池的功率一般为几瓦到几百瓦，可单独作为功率值最小的单元使用。在封装之前，太阳能电池模块经过串联、并联，形成了太阳能电池的阵列，阵列输出功率是能满足负荷要求的。

在正常情况下，原子核和电子的半导体材料有着密切的联系，但受到了一些外部因素的影响，结合原子核和电子的能力会降低，电子摆脱原子核的束缚，成为了自由电子。光子的能量转移给电子是由于太阳光作用在半导体上，使电子会跳到较高的能态。在这些电子中，光电器件里可利用的电子有自由电子、价带电子和存在于某个杂质能级上的电子。在太阳能电池中主要是价带电子，在这个过程中，价带电子获得光。

发明内容

本发明要解决上述现有技术的缺点，提供一种提高安全稳定、经济、高效运行的基于潮流约束的网架光伏消纳能力优化方法。

本发明解决其技术问题采用的技术方案：这种基于潮流约束的网架光伏消纳能力优化方法，在保证电网安全稳定经济高效运行的约束下，求取配电网所能消纳的分布式光伏发电最大装机容量，综合考虑配电网中制约分布式光伏发电的因素，分析配电网对分布式新能源的消纳能力，模型如下：

Obj.max.f(x)(1)

S.T.h(x)＝0(2)

$\underset{\‾}{g}\≤g\left(x\right)\≤\stackrel{\‾}{g}---\left(3\right)$

式(1)为目标函数，有：

$f\left(x\right)=\underset{i\∈S}{\Σ}{P}_{{\mathrm{DG}}_i}---\left(4\right)$

其中，i为节点编号，S为有条件接入分布式能源的节点编号集，变量表示节点i上接入的分布式电源的有功出力，使用该目标函数，可以使得优化结果的目标函数值等于配网分布式能源接入的极限容量，保证优化结果的最优性；

式(2)为等式约束，即节点功率平衡方程：

$\begin{array}{cc}{P}_i-\underset{j\∈i}{\Σ}{P}_{ij}(V,\mathrm{\θ})=0& \∀i\∈S_P\end{array}$

$\begin{array}{cc}{Q}_i-\underset{j\∈i}{\Σ}{Q}_{ij}(V,\mathrm{\θ})=0& \∀i\∈S_Q\end{array}$

$\begin{array}{cc}\underset{j\∈i}{\Σ}{P}_{ij}(V,\mathrm{\θ})=\underset{j\∈i}{\Σ}{Q}_{ij}(V,\mathrm{\θ})=0& \∀i\∈S_Z\end{array}$

其中S_P为有功平衡约束的非零注入节点(包括PV节点和PQ节点)编号集，S_Q为非零注入PQ节点编号集，S_Z为零注入节点编号集；P_ij(V,θ)与Q_ij(V,θ)为节点功率方程，有：

P_ij(V,θ)＝V_iV_j(G_ijcosθ_ij+B_ijsinθ_ij)

Q_ij(V,θ)＝V_iV_j(G_ijsinθ_ij+B_ijcosθ_ij)。

本发明有益的效果是：本发明可以使得优化结果的目标函数值等于配网分布式能源接入的极限容量，保证优化结果的最优性，在电网运行中，提高了调度部门对断面有功潮流进行的控制，保证了一定的可靠性水平，保证了电网的安全稳定，更经济高效的运行。

附图说明

图1是非线性规划一维搜索示意图。

具体实施方式

下面对本发明作进一步说明：

这种基于潮流约束的网架光伏消纳能力优化方法，在保证电网安全稳定经济高效运行的约束下，求取配电网所能消纳的分布式光伏发电最大装机容量，综合考虑配电网中制约分布式光伏发电的因素，分析配电网对分布式新能源的消纳能力，模型如下：

Obj.max.f(x)(1)

S.T.h(x)＝0(2)

$\underset{\‾}{g}\≤g\left(x\right)\≤\stackrel{\‾}{g}---\left(3\right)$

式(1)为目标函数，有：

$f\left(x\right)=\underset{i\∈S}{\Σ}{P}_{{\mathrm{DG}}_i}---\left(4\right)$

其中，i为节点编号，S为有条件接入分布式能源的节点编号集，变量表示节点i上接入的分布式电源的有功出力，使用该目标函数，可以使得优化结果的目标函数值等于配网分布式能源接入的极限容量，保证优化结果的最优性；

式(2)为等式约束，即节点功率平衡方程：

$\begin{array}{cc}{P}_i-\underset{j\∈i}{\Σ}{P}_{ij}(V,\mathrm{\θ})=0& \∀i\∈S_P\end{array}$

$\begin{array}{cc}{Q}_i-\underset{j\∈i}{\Σ}{Q}_{ij}(V,\mathrm{\θ})=0& \∀i\∈S_Q\end{array}$

$\begin{array}{cc}\underset{j\∈i}{\Σ}{P}_{ij}(V,\mathrm{\θ})=\underset{j\∈i}{\Σ}{Q}_{ij}(V,\mathrm{\θ})=0& \∀i\∈S_Z\end{array}$

其中S_P为有功平衡约束的非零注入节点(包括PV节点和PQ节点)编号集，S_Q为非零注入PQ节点编号集，S_Z为零注入节点编号集；P_ij(V,θ)与Q_ij(V,θ)为节点功率方程，有：

P_ij(V,θ)＝V_iV_j(G_ijcosθ_ij+B_ijsinθ_ij)

Q_ij(V,θ)＝V_iV_j(G_ijsinθ_ij+B_ijcosθ_ij)

这一组约束保证了优化结果符合电力系统运行的基本物理规则，保证了解的可行性。

式(3)为电网安全经济运行的一系列等式约束，包括但不限于：

1)支路载流能力约束

电网运行中，任一设备的潮流都不应该超过其长期载流量，即

${\underset{\‾}{P}}_{ij}\≤P_{ij}\≤{\stackrel{\‾}{P}}_{ij}$

2)主变潮流方向约束

电网运行中，调度部门一般希望分布式能源就地消纳本地负荷，而不希望配网变电站发生功率倒送，因此引入约束

P_ij≤0

其中P_ij为主变低压侧向高压侧输送的有功功率；

3)断面有功约束

电网运行中，调度部门一般会对断面有功潮流进行控制，以保证一定的可靠性水平，即

${\underset{\‾}{P}}_{snapshot}\≤\underset{ij\∈snapshot}{\Σ}{P}_{ij}\≤{\stackrel{\‾}{P}}_{snapshot}$

4)非PV节点电压上下限不等式约束：

$\begin{array}{cc}{V}_i^{min}\≤V_i\≤V_i^{max}& i\∉S_V\end{array}.$

电力系统的独有特性使得电力系统中大量的优化问题无法使用线性模型表达，因此需要使用非线性模型进行描述。对于目标函数和(或)约束方程中含有非线性函数的规划问题，称为非线性规划问题。非线性规划问题是现代工业各个领域中应用最为广泛的最优化技术。

对于一个包含m个等式约束与l个约束条件的非线性规划模型来说，可以用下面式表达。

minf(X)

h_i(X)＝0(i＝1,2,…,m)

g_j(X)≥0(j＝1,2,…,l)

其中:

X为决策变量向量；

f(X)为目标函数；

h_i(X)为等式约束函数；

g_j(X)为不等式约束函数。

通常情况下，求解非线性规划问题要比求解线性规划问题困难得多。非线性规划问题不像线性规划那样有统一的数学模型，又有单纯形法这一通用解法。非线性规划目前还没有适用于所有问题的一般性解法，且每一种非线性规划算法都有其特定的适用范围及其局限性。另外，在上一节中提到，线性规划问题的最优解一定是全局最优解，但非线性规划问题的最优结果可能是可行域中的任何一点，因此一般非线性规划方法求出的只是局部最优解。

如图1所示，大部分的无约束非线性规划求解算法的思路都可以归结为一个基本模式：

1)从某个初始点X₀出发，沿着某个适当选择的方向(通常是目标函数的下降方向)P₀进行一维搜索(通常是获取步长)，得到使目标函数值更小的点X₁；

2)从X₁出发，沿着选择的P₁方向搜索，再得到目标函数值更小的点X₂；

……

k)从X_k-1出发，沿着选择的P_k-1方向搜索，再得到目标函数值更小的点X_k；

如此重复进行，产生一个点列{X_k}，在适当的条件下，{X_k}可趋于极小点

原-对偶内点法实际上是对常规内点法的一种改进。其基本思路是：引入松弛变量将函数不等式约束化为等式约束及变量不等式约束；用拉格朗日乘子法处理等式约束条件，用内点障碍函数法及制约步长法处理变量不等式约束条件；导出引入障碍函数后的库恩－图克最优性条件，并用牛顿－拉夫逊法进行求解；取足够大的初始障碍因子以保证解的可行性，而后逐渐减小障碍因子以保证解的最优性。

对于非线性规划模型，原-对偶内点法首先引入松弛变量将不等式约束化为等式约束及变量不等式约束，即改为：

$\left\{\begin{array}{c}g\left(x\right)-l-\underset{\‾}{g}=0\\ g\left(x\right)+u-\stackrel{\‾}{g}=0\\ l,u>0\end{array}\right.$

并引入障碍函数项，有：

$f^{\′}\left(x\right)=f\left(x\right)-p(\underset{i=1}{\overset{r}{\Σ}}\ln l_i+\underset{i=1}{\overset{r}{\Σ}}\ln u_i)$

其中p为障碍因子，且有p>0。因此，可定义拉格朗日函数如下：

$\begin{array}{c}F(x,y,l,u,z,w)=f\left(x\right)+y^{T}h\left(x\right)+z^T\left(g\right(x)-l-\underset{\‾}{g})\\ +w^T\left(g\right(x)+u-\stackrel{\‾}{g})-p\left(\underset{i=1}{\overset{r}{\Σ}}\ln l_i+\underset{i=1}{\overset{r}{\Σ}}\ln u_i\right)\end{array}$

其中x、l及u为原始变量向量；y、z及w为对应的拉格朗日乘子向量，即对偶变量向量。由此可导出库恩－塔克条件，并用牛顿－拉夫逊法迭代求解。

在原-对偶内点法中，松弛变量的引入消除了函数不等式约束，故只需对松弛变量及对应的拉格朗日乘子给出适当的初始值，即可保证初始解的内点性质，而不需为此进行专门的计算。

下面为测试算列：

测试算例的配电网包括了2个220kV变电站，下有6个110kV变电站且6个站之间有线路相连，每个110kV变电站的10kV母线都有若干10kV出线，由于光资源分布的自然特性，仅有3个110kV变电站下辖的10kV变电站具备接入光伏发电的条件。因此将这些变电站的注入功率设为控制变量。在测试中，设定了5个互相独立的测试条件：

1)是否禁止倒送

对于本测试算例，电网运维人员通常是不允许110kV的配网向上倒送电的。因此，若禁止倒送，则要求220kV主变的高压侧绕组不允许向高压侧母线输送有功功率；

2)电压质量约束

对电网运行的电压质量进行约束，以标幺值设定电压范围；

3)是否允许无功补偿

由于电源通常都需要无功补偿设备，因此加入该选项。若允许无功补偿，则允许以不低于90％的功率因数进行无功补偿；

4)是否考虑支路限额

由于线路的物理特性，通常会有一个传输的极限功率，因此加入该选项；

5)是否考虑主变容量

由于主变的物理特性，通常会有一个传输的极限功率，因此加入该选项。

最后给出了下表中的9个CASE结果。

从表中可以看出，对于CASE1，极限容量为1105Mw，但由于未考虑支路限额与主变容量，且电压范围并不合理，因此事实上这只是一个参考，无法真正接入这么多的DG；从CASE1-5可以看出，随着约束条件的加强，接入极限容量也持续下降；从CASE2与CASE7能够看出，当不允许倒送时(这也是通常实际电网运行要求的)，接入极限容量大大降低，此时的容量代表了配网DG本地消纳的极限；从CASE5、6、8、9可以看出，对于测试算例中的配网，其DG接入极限容量的瓶颈是主变容量，即允许接入光伏电源的110kV主变容量限制了该地区进一步接入DG的可能。

除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (2)

1.一种基于潮流约束的网架光伏消纳能力优化方法，其特征是：在保证电网安全稳定经济高效运行的约束下，求取配电网所能消纳的分布式光伏发电最大装机容量，综合考虑配电网中制约分布式光伏发电的因素，分析配电网对分布式新能源的消纳能力，模型如下：

Obj.max.f(x)(1)

S.T.h(x)＝0(2)

$\underset{\‾}{g}\≤g\left(x\right)\≤\stackrel{\‾}{g}---\left(3\right)$

式(1)为目标函数，有：

$f\left(x\right)=\underset{i\∈S}{\Σ}{P}_{{\mathrm{DG}}_i}---\left(4\right)$

其中，i为节点编号，S为有条件接入分布式能源的节点编号集，变量表示节点i上接入的分布式电源的有功出力，使用该目标函数，可以使得优化结果的目标函数值等于配网分布式能源接入的极限容量，保证优化结果的最优性；

式(2)为等式约束，即节点功率平衡方程：

$\begin{array}{cc}{P}_i-\underset{j\∈i}{\Σ}{P}_{ij}(V,\mathrm{\θ})=0& \∀i\∈S_P\end{array}$

$\begin{array}{cc}{Q}_i-\underset{j\∈i}{\Σ}{Q}_{ij}(V,\mathrm{\θ})=0& \∀i\∈S_Q\end{array}$

$\begin{array}{cc}\underset{j\∈i}{\Σ}{P}_{ij}(V,\mathrm{\θ})=\underset{j\∈i}{\Σ}{Q}_{ij}(V,\mathrm{\θ})=0& \∀i\∈S_Z\end{array}$

其中S_P为有功平衡约束的非零注入节点(包括PV节点和PQ节点)编号集，S_Q为非零注入PQ节点编号集，S_Z为零注入节点编号集；P_ij(V,θ)与Q_ij(V,θ)为节点功率方程，有：

P_ij(V,θ)＝V_iV_j(G_ijcosθ_ij+B_ijsinθ_ij)

Q_ij(V,θ)_＝V_iV_j(G_ijsinθ_ij+B_ijcosθ_ij)。

2.根据权利要求1所述的基于潮流约束的网架光伏消纳能力优化方法，其特征是：所述式(3)为电网安全经济运行的一系列等式约束，包括但不限于：

1)支路载流能力约束

电网运行中，任一设备的潮流都不应该超过其长期载流量，即

${\underset{\‾}{P}}_{ij}\≤P_{ij}\≤{\stackrel{\‾}{P}}_{ij}$

2)主变潮流方向约束

电网运行中，调度部门一般希望分布式能源就地消纳本地负荷，而不希望配网变电站发生功率倒送，因此引入约束

P_ij≤0

其中P_ij为主变低压侧向高压侧输送的有功功率；

3)断面有功约束

电网运行中，调度部门一般会对断面有功潮流进行控制，以保证一定的可靠性水平，即 ${\underset{\‾}{P}}_{snapshot}\≤\underset{ij\∈snapshot}{\Σ}{P}_{ij}\≤{\stackrel{\‾}{P}}_{snapshot}$

4)非PV节点电压上下限不等式约束：

$\begin{array}{cc}{V}_i^{min}\≤V_i\≤V_i^{max}& i\∉S_V\end{array}.$