考虑多种随机因素的配电网等值方法
技术领域
本发明属于电网规划领域,涉及一种考虑可再生能源、储能及可控负荷等多种随机因素(以下简称“随机因素”)的配电网等值方法,特别涉及多种随机因素出力特性的建模和停运表的卷积计算。
背景技术
电网规划(即输电网规划)是电力系统规划的重要组成部分,其工作是根据规划期间的负荷增长及电源规划方案确定最佳的网架结构以满足经济可靠地输送电力的需求。传统的电网规划是在电源规划容量、规划位置、投运时间以及预测负荷确定的条件下完成的。
近年来,由于石油、天然气和煤炭等化石能源的日益枯竭,环境保护压力日益增大,可再生能源发电得到了迅猛的发展。然而,在风电、太阳能等可再生能源发电为电网提供清洁能源的同时,其出力的间歇性和随机性对电力系统的安全高效运行产生了越来越重要的影响。为了提高电力系统运行的经济性、灵活性和可靠性,以及促进新能源的消纳能力,储能装置及可控负荷技术也在电网中得到大规模应用,电网受端的可控性得到了很大的提高。由于可再生能源、储能及可控负荷等随机因素的接入,电力系统中源端和受端出现了新变化,使得传统的电网规划方法已不再适用于当前的电力系统发展形势。
为了适应电力系统源端和受端发生的新变化,电网规划时需要将可再生能源、储能及可控负荷等随机因素的不确定性综合考虑在内。然而,可再生能源、储能及可控负荷等随机因素多从配电网接入电力系统,且传统的电网规划中,通常不考虑配电网中随机因素的不确定性。因此,在电网规划中,如何将配电网中可再生能源、储能及负荷等随机因素的不确定性反映到主网,成为了一个亟需解决的问题。将配电网中多种随机因素的不确定性考虑在内,对新形势下的电网规划具有一定的指导意义。
发明内容
本发明的目的在于提供一种考虑多种随机因素的配电网等值方法,可以将配电网中可再生能源、储能及负荷等随机因素的不确定性反映到输电网。
为实现上述目的,本发明采用了以下技术方案:
1)根据配电网中决定随机因素出力或功率需求不确定性的特征量或约束条件进行建模,通过建模得到的数学模型,模拟随机因素的出力曲线或功率需求曲线;
2)根据选定的步长,对配电网中随机因素的出力或功率需求曲线进行离散化,获取离散化后随机因素各个出力或功率需求状态,并统计离散化后随机因素各个出力或功率需求状态的出现时间,通过计算随机因素各个状态出现时间与总时间的比重,确定离散化后随机因素的各个出力或功率需求状态的确切概率和累积概率,根据离散化后随机因素的各出力或功率需求状态,以及对应的确切概率和累积概率建立随机因素的停运表;
3)根据电网规划中所考虑的配电网随机因素,利用对应随机因素的停运表构建配电网等值模型。
所述随机因素选自可再生能源、储能及负荷中的至少一种。
所述步骤1)中,
(1)光伏出力曲线表示为:
PN=r·A·η
其中,A为光伏电池阵列总面积;r为光照强度;η为光伏组件总的光电转化效率,PN为光伏出力;
(2)风电出力曲线表示为:
其中,PW(v)为风电出力;vci、vr、vco分别是切入风速、额定风速、切出风速;Prated为风电的额定功率;
(3)储能系统满足以下功率和电量约束:
0≤Pcharge,Pdischarge≤Pmax
Ereserve≤Eremain+Echarge-Edischarge≤Emax
其中,Pmax为储能装置的最大输出功率,Ereserve、Eremain、Echarge、Edischarge和Emax分别为储能装置的最低电量、当前剩余电量、充电电量、放电电量和最大电量,Pdischarge为储能装置放电功率,Pcharge为储能装置充电功率;
(4)可控负荷满足以下功率约束:
其中,P
cl(t)、
和
分别为可控负荷的实际用电功率、最小用电功率和最大用电功率。
所述停运表包括根据离散化出力或功率需求分布确定的随机因素各个状态的停运容量以及对应的确切概率和累积概率:
其中,P
i为状态i对应的确切概率,
为状态i对应的累积概率,
为状态i对应的停运容量,i=0,1,…,n,n+1为状态个数,
表示随机因素的停运容量变量。
所述步骤3)具体包括以下步骤:根据电网规划中所考虑的配电网随机因素,将对应随机因素的停运表进行卷积计算,得到配电网等值模型。
所述卷积计算包括对概率的卷积以及对停运容量的卷积:
其中,n
a+1为随机因素a停运表的状态个数,n
b+1为随机因素b停运表的状态个数,
为a、b两个随机因素停运表卷积后所得停运表中状态k的确切概率,
为a、b两个随机因素停运表卷积后所得停运表中状态k的累积概率,k=0,1,…,n
c,n
c=n
a+n
b;
所述卷积计算后,停运容量的最大值为配电网功率需求的最大值,停运容量的最小值为配电网功率需求的最小值,配电网等值模型中,停运容量从停运容量最小值到最大值按步长排列。
本发明的有益效果体现在:
本发明提出了一种电网规划中考虑可再生能源、储能及负荷等多种随机因素的配电网等值方法。为了将配电网中的可再生能源、储能及负荷等随机因素的不确定性考虑在内,首先分别对配电网中各种随机因素进行建模,并根据所建立的数学模型,模拟其在某一时间段内的出力曲线或功率需求曲线,进而获得随机因素的停运表。最后,根据配电网中随机因素的停运表,可计算(例如卷积)得到适用于电网规划的配电网等值模型。该等值方法能较好的反映配电网中可再生能源、储能出力和负荷需求的不确定性,具有良好的通用性。
附图说明
图1为24小时内光伏出力曲线;
图2为24小时内风力发电出力曲线;
图3为储能系统24小时内出力曲线;
图4为24小时内含可控负荷的负荷功率需求曲线;
图5为实施例中考虑可再生能源、储能及负荷多种随机因素的配电网等值方法流程图;
图6为实施例中的测试配电网等值示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明作进一步的详细说明。应当理解,此处所描述的实施例仅用以解释本发明,并不用于限定本发明。
下面以某测试配电网为例,对本发明进行具体介绍,但应该理解的是本发明并不局限于此,也同样适用于电网规划中,其他含多种随机因素配电网的等值计算。
如图5所示,本发明提供的考虑多种随机因素的配电网等值方法,包括以下步骤(本例中随机因素具体指可再生能源、储能及负荷,图6):
第一步:分别对配电网中的可再生能源(光伏、风电)、储能及负荷进行建模。通过所建立的数学模型,选取合适的参数,模拟其在某一时间段内的出力曲线或功率需求曲线。
为了获得可再生能源、储能的出力曲线及负荷的功率需求曲线,需采用切合实际的数学模型,具体如下所示:
(1)光伏出力模型
β分布能够很好的模拟短时间段内光照强度的概率,所述光照强度概率密度函数如下:
其中,r为选择时段内的实际光照强度/W·m-2;rmax为选择时段内的最大光照强度/W·m-2;a为β分布位置参数;b为β分布形状参数。Γ(x)为伽马(Gamma)函数。上式中参数可以由历史气象数据拟合得到,从而可以确定光照强度分布位置参数a和形状参数b。针对不同月份,还可以进一步细化为不同月份不同时段的贝塔分布参数。
利用上式可转化得到光伏电池组件的出力:
PN=r·A·η
其中,A为光伏电池阵列总面积;η为光伏组件总的光电转化效率。
(2)风电出力模型
以往的数据统计表明,风速v的分布可以用两参数威布尔分布模拟,其概率密度函数如下式所示:
其中,a为威布尔分布的尺度参数,反映了平均风速;b为威布尔分布的形状参数,反映了威布尔分布的偏斜度;v为给定的风速值。
风电的典型出力特性曲线可以由如下所示的分段函数表示:
其中,PW(v)为与风速相关的风电出力;vci、vr、vco分别是切入风速、额定风速、切出风速;Prated为风电的额定功率。
(3)储能装置建模
储能装置通常具有两种运行状态:当储能装置处于储能状态时,可将其视为负荷;当储能装置处于放电状态时,可将其视为发电机组。储能系统的出力受其控制策略的影响,一般的控制策略有平抑光伏出力波动、平抑风电波动等,在不同策略的控制下,其充放电状态需满足以下功率和电量约束要求:
0≤Pcharge,Pdischarge≤Pmax
Ereserve≤Eremain+Echarge-Edischarge≤Emax
其中,Pmax为储能装置的最大输出功率,Ereserve、Eremain、Echarge、Edischarge和Emax分别为储能装置的最低电量、当前剩余电量、充电电量、放电电量和最大电量。
本实施例以一种平抑光伏系统波动的混合储能控制策略(王海波,杨秀,张美霞.平抑光伏系统波动的混合储能控制策略[J].电网技术,2013,37(9):2452-2458.)为例,在满足上述约束条件的情况下,获取储能系统的出力特性曲线,如图4所示。
(4)负荷建模
可控负荷是指用电需求可以随时中断的负荷,可控负荷的功率变化受其控制策略的影响,可通过电力公司直接控制,或通过经济手段诱导以平抑负荷波动,在不同的控制策略下,可控负荷需满足以下功率约束:
其中,P
cl(t)、
和
分别为可控负荷的实际用电功率、最小和最大用电功率。
本实施例以一种平抑负荷波动的激励型需求响应控制策略(李冬伟.家庭可控负荷的控制策略及其对配电网的影响研究[D].合肥工业大学.2017.)为例,在满足上述约束条件的情况下,获取含可控负荷的负荷功率需求曲线。
根据上述光伏出力模型,取a=1.55,b=1.86,rmax=550W/m2,η=50%,当接入配电网的光伏装机容量为3MW时,光伏发电的出力曲线如图1所示;
根据上述风电出力模型,取尺度参数a=8,形状参数b=3,vci=3m/s,vr=20m/s,vco=25m/s。当风机总装机容量为3MW时,配电网中风电出力曲线如图2所示;
储能模型:图3模拟了储能系统容量为1MWh时,平抑光伏出力波动的控制策略下,其24小时内的出力曲线。其中,当出力为正时,处于放电状态;当出力为负时,处于储能状态。
负荷模型:图4模拟了平抑负荷波动控制策略下,24小时内系统的负荷功率曲线(最大负荷14MW,最小负荷8MW)。
第二步:取合适步长,例如1MW,对可再生能源、储能的出力曲线及负荷的功率需求曲线进行离散化,计算其状态的确切概率和累积概率,进而获得表1~4所示的各随机因素停运表。
表1.光伏发电停运表
表2.风力发电停运表
表3.储能系统停运表
表4.含可控负荷的负荷停运表
X
i(MW)为可再生能源发电的裕度,
P为可再生能源发电的装机容量。
第三步:将配电网中各随机因素的停运表利用卷积公式逐个进行卷积计算,可得到表5所示的适用于电网规划的配电网停运表模型,即配电网等值模型,其中概率卷积公式如下式所示:
其中,n
a+1为随机因素a停运表的状态个数,n
b+1为随机因素b停运表的状态个数,
为a、b两个随机因素停运表卷积后所得停运表中状态k的确切概率,
为a、b两个随机因素停运表卷积后所得停运表中状态k的累积概率,k=0,1,…,n
c,n
c=n
a+n
b。
配电网停运表中,
的最大值为负荷停运容量的最大值与储能停运容量的最大值之和,
的最小值为负荷停运容量最小值与储能停运容量最小值之和,再与可再生能源发电的最大裕度求和结果之差,其顺序从小到大按步长排列。
表5.配电网等值停运表
该等值模型建立以后,在电网规划时可结合模拟法和解析法进行概率潮流的相关计算,具有良好的通用性。
以所建立的各配电网的等值模型为基础,在输电网侧可采用解析法或模拟法进行概率潮流计算。
其中,解析法(例如半不变量法)在概率潮流计算中的流程中,根据配电网停运表中停运容量的概率分布以及输电网侧发电机组的概率特征,计算节点注入功率的各阶中心矩(一般计算至七阶可满足精度要求);模拟法(例如,蒙特卡罗模拟法)在概率潮流计算中,根据配电网停运表,对配电网的停运容量进行抽样,对所有配电网的停运表(或者还包括输电网侧的随机因素)完成一次抽样就得到一个电网规划场景。