CN107679658B - 一种高比例清洁能源接入下的输电网规划方法 - Google Patents

Abstract

本发明公开了一种高比例清洁能源接入下的输电网规划方法，其通过建立并求解双层规划模型，而得到使上、下两层规划模型相对最优的规划方案；由于上层规划模型，以待建线路、待建灵活性机组和灵活性资源调用量为变量，以规划总投资、网架灵活性指标为目标函数进行决策，决策结果通过系统导纳矩阵传递给下层规划模型，而下层规划模型通过不同模拟场景的运行检验，以待建灵活性机组容量与灵活性调用量为变量，优化灵活性指标和灵活性机组配置，并通过灵活性资源的调用总量和待建可调机组建设容量返回给上层规划模型，从而影响上层规划模型的可变参数。因此，本发明不仅能够有效反映了电力系统接纳可再生能源的能力，还能够适应较高比例可再生能源并网需求。

Description

一种高比例清洁能源接入下的输电网规划方法

技术领域

本发明属于电力系统规划技术领域。特别涉及一种高比例清洁能源接入下的输电网规划方法。

背景技术

输电网规划是电力系统规划的重要组成部分，其任务是根据规划期间的负荷及发电变化情况，确定最佳的输电网网架结构，以满足电能的安全可靠输送，并提高电网建设、运行的经济性。

随着输电网规模的不断扩大，以及清洁能源的迅速发展，输电网规划工作面临着越来越多的不确定因素。传统的电网规划方案难已以满足新型能源消纳以及系统优化运行要求，不再适用于当前多不确定信息的电网规划工作。如何在现有电网规划研究成果基础上探索输电网规划新思路，以满足未来高比例清洁能源系统的不确定性描述，已成为目前亟待解决的问题。

目前的输电网多目标规划评估体系其评估工作主要从输电网可靠性和经济性评估两方面进行的，还不够全面，无法适应当前多重不确定性影响下的电网运行需求。

发明内容

本发明的目的在于：提供一种高比例清洁能源接入下的输电网规划方法，不仅能够有效反映了电力系统接纳可再生能源的能力，还能够适应较高比例可再生能源并网需求。

为了实现上述发明目的，本发明提供了以下技术方案：

一种高比例清洁能源接入下的输电网规划方法，其包括以下步骤，

步骤一：建立双层规划模型；

其中，所述双层规划模型中的上层规划模型为：

目标函数：F＝min{F₁,F₂,F₃,F₄}

约束条件：

所述目标函数中，

且

其中，C_F表示建设维护总成本，C_build表示灵活性资源调用总成本，F表示上层总目标函数，F1表示分目标函数1，F2表示分目标函数2，F3表示分目标函数3，F4表示分目标函数4；V_n表示电网全局结构脆弱因子，V_f表示电网全局状态脆弱因子，Pen_i为第i种网络约束的惩罚系数，H_i为第i种网络约束的违反量，Ω₁为网络安全运行约束集合；k₁为资金回收系数，k₂为工程固定运行费率，c为单位长度线路的建设费用，x_ij和l_ij分别为线路ij待建回路数和线路ij长度，Z_i和 Z_ij为取值0或1的决策变量，取值为0代表未选中待建机组、线路，取值为1 代表选中待建机组、线路，C_p.i为第i种单位容量可调机组建设费用，G_i为第i 种可调机组建设容量，Ω₃为待建机组集合，λ_i为第i种灵活性资源单位调用成本，W_F.i为第i种灵活性的调用总量，Ω₂为灵活性资源的总和；

所述约束条件中，B、θ、P_G、P_F、P_REG和P_L分别为系统节点导纳矩阵、节点电压相角向量、系统节点常规发电机出力向量、灵活性资源出力向量、可再生能源出力向量和负荷功率向量；x_ij.min、x_ij.max分别为节点ij之间待建线路数量最小值与最大值，N_l为正常运行状态下系统线路集合，Z为整数集；

和

分别为机组i出力最小值、最大值，P_G.i为正常运行条件下机组i的出力值，N_G为正常运行状态下系统机组集合，

为节点ij之间已有线路数量，P_ij和

分别为线路ij每一回线路的实际功率与最大容量；

为N-1运行状态下机组i的出力值，

为N-1运行状态下系统机组集合，

为N-1运行状态下线路ij的实际功率，

为N-1运行状态下系统线路集合；

所述双层规划模型中的下层规划模型为：

目标函数：f＝min{-f₁,f₂}

约束条件：

所述目标函数中，

且

其中，τ_k为时间步长，时间步长总和为系统运行总时间T，s代表运行典型场景，N_S为典型运行场景集合，B为由所述上层规划模型所确定的系统导纳矩阵，P_g.i为调节机组实际出力值，

分别为调节机组出力的上限值、下限值，N_g为调节机组集合；

步骤二：求解所述双层规划模型，得到时所述上层规划模型与所述下层规划模型相对最优的规划方案。

根据一种具体的实施方式，本发明高比例清洁能源接入下的输电网规划方法中，采用遗传算法求解所述双层规划模型，并设定最大迭代次数。

与现有技术相比，本发明的有益效果：

本发明通过建立双层规划模型，并求解双层规划模型，得到使上层规划模型与下层规划模型相对最优的规划方案；由于上层规划模型，以待建线路、待建灵活性机组和灵活性资源调用量为变量，以规划总投资、网架灵活性指标为目标函数进行决策，决策结果通过系统导纳矩阵，传递给下层规划模型，而下层规划模型通过不同模拟场景的运行检验，以待建灵活性机组容量与灵活性调用量为变量，优化灵活性指标和灵活性机组配置，并通过各种灵活性资源的调用总量和待建可调机组建设容量返回给上层规划模型，从而影响上层规划模型的可变参数。因此，本发明不仅能够有效反映了电力系统接纳可再生能源的能力，还能够适应较高比例可再生能源并网需求。

附图说明：

图1为本发明双层规划模型的结构示意图；

图2为本发明的计算流程图；

图3为基尼系数模型示意图；

图4为本发明实施例的规划路线图。

具体实施方式

下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。

结合图1所示的本发明的双层规划模型的结构示意图；其中，本发明高比例清洁能源接入下的输电网规划方法建立的双层规划模型包括上层规划模型和下层规划模型。通常，高比例清洁能源接入下的输电网是指30％以上。

其中，所述双层规划模型中的上层规划模型为：

目标函数：F＝min{F₁,F₂,F₃,F₄}

约束条件：

所述目标函数中，

且

其中，C_F表示建设维护总成本，C_build表示灵活性资源调用总成本，V_n表示电网全局结构脆弱因子，V_f表示电网全局状态脆弱因子，Pen_i为第i种网络约束的惩罚系数，H_i为第i种网络约束的违反量，Ω₁为网络安全运行约束集合；k₁为资金回收系数，k₂为工程固定运行费率，c为单位长度线路的建设费用，x_ij和l_ij分别为线路ij待建回路数和线路ij长度，Z_i和Z_ij为取值0或1的决策变量，取值为0代表未选中待建机组、线路，取值为1代表选中待建机组、线路，C_p.i为第 i种单位容量可调机组建设费用，G_i为第i种可调机组建设容量，Ω₃为待建机组集合，λ_i为第i种灵活性资源单位调用成本，W_F.i为第i种灵活性的调用总量，Ω₂为灵活性资源的总和。

所述约束条件中，B、θ、P_G、P_F、P_REG和P_L分别为系统节点导纳矩阵、节点电压相角向量、系统节点常规发电机出力向量、灵活性资源出力向量、可再生能源出力向量和负荷功率向量；x_ij.min、x_ij.max分别为节点ij之间待建线路数量最小值与最大值，N_l为正常运行状态下系统线路集合，Z为整数集；

和

分别为机组i出力最小值、最大值，P_G.i为正常运行条件下机组i的出力值，N_G为正常运行状态下系统机组集合，

为节点ij之间已有线路数量，P_ij和

分别为线路ij每一回线路的实际功率与最大容量；

为N-1运行状态下机组i的出力值，

为N-1运行状态下系统机组集合，

为N-1运行状态下线路ij的实际功率，

为N-1运行状态下系统线路集合；

所述双层规划模型中的下层规划模型为：

目标函数：f＝min{-f₁,f₂}

约束条件：

所述目标函数中，

且

其中，τ_k为时间步长，时间步长总和为系统运行总时间T，s代表运行典型场景，N_S为典型运行场景集合，B为由所述上层规划模型所确定的系统导纳矩阵，P_g.i为调节机组实际出力值，

分别为调节机组出力的上限值、下限值，N_g为调节机组集合。

然后，通过解建立好的双层规划模型，得到时所述上层规划模型与所述下层规划模型相对最优的规划方案。由于上层规划模型，以待建线路、待建灵活性机组和灵活性资源调用量为变量，以规划总投资、网架灵活性指标为目标函数进行决策，决策结果通过系统导纳矩阵，传递给下层规划模型，而下层规划模型通过不同模拟场景的运行检验，以待建灵活性机组容量与灵活性调用量为变量，优化灵活性指标和灵活性机组配置，并通过各种灵活性资源的调用总量和待建可调机组建设容量返回给上层规划模型，从而影响上层规划模型的可变参数。因此，本发明不仅能够有效反映了电力系统接纳可再生能源的能力，还能够适应较高比例可再生能源并网需求。

具体的，本发明中建立双层规划模型所涉及到的数学原理如下：

<1>基尼系数模型

基尼系数是20世纪初意大利经济学家基尼根据劳伦兹曲线定义的来判断收入分配公平程度的指标。如图3所示：实际劳伦兹曲线与绝对公平线所包围的面积为A，实际劳伦兹曲线与绝对不公平曲线所包围的面积为B。因此，基尼系数的定义为：

从基尼系数的定义可知，基尼系数可以有效的用一个数值从整体上反应某系统分布的均匀程度，简单直观。基尼系数越大代表该系统分布的均匀性较差；反之亦然。但基尼系数只能衡量系统内部的均匀程度，忽略了系统个体大小差异的属性。因此，本发明依据电力系统的网络拓扑结构与实际运行状态的属性差异，结合基尼系数指标构建了电网结构与状态全局脆弱因子模型用来衡量不同电网之间的脆弱性。

<2>电网全局结构脆弱因子

电力系统作为一种典型的非线性复杂系统，结合复杂网理论与电力系统特性可将其简化为一个有向加权网。其中，可以将节点按电网特性分为负荷、发电与联络节点3种。

传统复杂网络理论认为电网介数指标能有效地衡量网络拓扑中各节点在实际电网中的重要程度。但该指标是建立在假设潮流在两节点之间只通过最短路径传输的基础上，显然不符合电网实际运行状况。于是本发明采用电气介数指标来衡量电网节点的重要度，具体模型详见文献《徐行,李华强,赵祥云,等.基于运行状态和网络结构的节点综合脆弱性评估[J].电网技术,2014,38(3)：731-735.》。

节点度能够有效的衡量节点在电网网络拓扑中的重要度。基于此，本发明运用加权平均节点度数对电气介数基尼系数进行修正得到电网结构全局脆弱因子。定义如下：设节点度向量D＝(D₁,D₂,…D_n)，则节点的加权平均节点度：

式中：||D||₁,||D||_∞表示节点度数向量的1范数和∞范数。分别代表了节点度的累加效应和最大节点度对电网全局结构脆弱因子的影响。由定义可知α≤β，这样可以有效的突出最大节点度对电网全局结构脆弱性的影响，避免了平均值可能出现的遮蔽现象。电网结构越均匀，各节点度越小，则加权平均节点度越小。于是可以修正得到电网全局脆弱因子：

V_n＝ρ_n·G_n

其中，G_n为节点电气介数基尼系数。

综上，根据加权基尼系数定义的电网全局结构脆弱因子综合体现了系统节点重要度分布均匀程度与节点重要度大小对电网结构脆弱性的影响，从而使建立的模型更加科学有效。

<3>电网全局状态脆弱因子

电网支路潮流负载率可以有效地衡量潮流对各支路的占用情况。支路潮流负载率的基尼系数能够有效的衡量系统运行状态的均匀性。设支路i的最大有功传输容量为P_imax，系统运行时支路i的实际潮流负荷为P_i，可得支路i的负载率为：

η_i＝|P_i/P_i.max|，i＝1,2,…,N

式中，N为支路数。建立电网各支路潮流负载率的基尼系数模型，求解电网状态分布基尼系数。由前文分析可知，支路潮流负载率基尼系数只能衡量负载率在系统中的分布状态，忽略了各电网支路潮流负载率大小不同的差异。有可能造成集中高负载率情况下的电网与集中低负载率情况下的电网基尼系数相同的，电网的脆弱性相同，这不符合电网的实际运行状况的。为了避免该种不合理情况的出现，文献《刘文颖,蔡万通,张宁,等.基于联合加权熵的电网自组织临界状态演化[J].中国电机工程学报,2015,6:010.》运用平均负载率对其进行修正，但可能会出现指标相互遮蔽的现象。因此，本发明类似于电网结构全局脆弱因子，本发明采用加权平均负载率对负载率基尼系数进行修正得到电网状态全局脆弱因子，设支路负载率向量η＝(η₁,η₂,…,η_N)，则支路潮流的加权平均负载率ρ_f为：

式中，|η||₁,|η||₂是支路负载率向量的1范数和∞范数，分别代表了负载率的累加效应和最大负载率支路对电网全局状态脆弱性的影响。γ,λ为权重因子，且γ+λ＝1，定义方式同前文所述，γ≤λ，可以突出重载线路对电网脆弱性的影响，因此可以有效地避免指标的可能出现的遮蔽现象。电网潮流越均匀，各支路负载率越低，则加权平均负载率越小。于是可以得到电网状态全局脆弱因子为：

V_f＝ρ_fG_f

式中，G_f代表电网支路潮流负载率基尼系数。

综上，根据加权基尼系数定义的电网全局状态脆弱因子综合体现了系统支路潮流负载率分布均匀程度与支路负载率大小对电网状态脆弱性的影响，从而使建立的模型更加科学有效。

<4>灵活性指标

电源侧的灵活性需求主要来自可再生能源的出力波动。根据可再生能源机组出力的特点，将可再生能源出力分为两部分，一部分为预测值，另一部分为预测误差值，其表示为：

P_REG(t)＝P_REG.F(t)+P_REG.E(t)

上式中，P_REG(t)为t时刻可再生能源出力，P_REG.F(t)和P_REG.E(t)分别为可再生能源出力的预测值和预测误差值。而灵活性需求仅来自可再生能源的出力预测误差部分。使用与预测时长相关的平均绝对百分误差E_MAPE来表示预测误差值，从而衡量可再生能源对电力系统灵活性的需求。

P_REG.E.AVE＝±E_MAPE·P_REG.F

上式中，P_REG.E.AVE代表可再生能源出力预测平均误差；τ代表可再生能源出力预测步长，即灵活性需求时间尺度；集合D代表灵活性的方向；

表示时刻t至时刻t+τ系统的灵活性需求量。

可调机组包括火电机组、水电机组等具有调节能力的发电机组。根据其运行状态，可调机组能够调节出力以提供上、下调灵活性。

上式中，

和

分别为可调机组供应上、下调灵活性的大小； R_g.up和R_g.down分别为可调机组上、下调节功率的速率；

和P_g(t)分别代表可调机组的最大输出功率、最小输出功率以及t时刻的输出功率。需要补充的是：水电机组的调节能力与季节相关，其中，丰水期水电机组最大发电量可达机组满发电量，枯水期最大发电量则由最大水量决定。

电力系统灵活性供需平衡保证了系统在不确定性状态下的安全、可靠运行。与之前衡量系统灵活性的指标不同，灵活性供需平衡不需要考虑系统中固定出力机组与固定负荷的运行方式，只需要考虑多时间尺度下灵活性的总需求和总供给量。

和

分别为t时刻、以τ_i为时间尺度的上、下调灵活性需求和供给的总和。令：

上式中，F_D(t,τ_i)为t时刻，以τ_i为时间尺度的上、下调灵活性的充裕量。当F_D(t,τ_i)≥0时代表τ_i时间段内系统灵活性充裕，反之则代表此时系统缺少灵活性。根据灵活性的时间尺度特性，调节响应时间尺度较短的灵活性资源可以满足时间尺度较长的灵活性需求。定义灵活性供应充裕率：

其中T_D.ins为灵活性不足的总时间，T_D.suf为灵活性充裕的总时间，其物理意义为灵活性充裕时间与总时间的比值，表征了电力系统灵活性总体的充裕情况。

结合图2所示的本发明计算流程图；其中，本发明高比例清洁能源接入下的输电网规划方法中，采用遗传算法求解所述双层规划模型，并设定最大迭代次数。

具体的，首先输入参数，并初始化上层种群，然后开始迭代过程：判断个体i是否连通，若未连通，则赋予个体i一个较大的惩罚值，并通过遗传算法产生新一代的种群，若连通，则判断个体i是否满足上层规划模型的约束条件，若不满足，则赋予个体i一个较大的惩罚值，若满足，则将个体i传递至下层规划模型中，并得到相应的结果，再将该结果传递到上层规划模型中，计算上层规划模型的目标函数，并通过主成分分析法综合评估计算适应度。这样完成一次迭代计算。而且，每经过一次迭代计算，判断是否达到设定的最大迭代次数，若达到，则直接输出规划结果，否则继续通过遗传算法产生新一代的种群。

下面结合一个实际应用对本发明例作进一步说明。具体的，以Garver-18节点系统原始数据为基础，根据风电场远离负荷节点的特点，将16号节点设定为风电节点，风电场额定容量设置为400MW，风电渗透率为12％，与之相邻的4 号、9号节点作为灵活性机组建设备选节点，两节点分别待建两种不同机组，具体数据见附录A。修改后的系统共有17个负荷节点，9个发电节点，其中18号节点为平衡节点，以及22条待建线路。

仿真参数：功率基准值为100MVA，电压基准值为220kV，工程使用年限 n＝15a，单位长度建设投资费用c＝80万元/km，贴现率r＝10％，工程固定运行费用k₂＝5％，年运行小时数τ＝8640h，正常情况下过负荷惩罚系数 Pen₁＝10(万元/MW)，N-1情况下过负荷惩罚系数Pen₂＝5(万元/MW)。

并选取4个服从Weibull分布的风电典型日出力负荷曲线，对每种上层决策各进行90天总计360天的模拟运行，以此计算下层各运行灵活性指标，得到如图4所示的规划路线图。其中，节点4新建灵活性机组3台，节点9新建灵活性机组4台，灵活性建设总费用为370万元。

为验证本发明所提灵活性指标和脆弱性指标的有效性，基于本发明规划方案，不同渗透率下灵活性指标如表1所示。

表1：规划系统不同渗透率下灵活性指标

渗透率	上调灵活性充足率	下调灵活性充足率
			9％	0.9462	0.9851
12％	0.8370	0.8903

由表1中数据可得，不同可再生能源渗透率方案下，系统灵活性具有明显差异。例如，相同机组配置情况下渗透率为9％的运行状态下，灵活性充足率与充足度明显高于渗透率为12％运行状态。证明本发明所提出的灵活性指标能够正确表征不同可再生能源渗透率情况下系统的灵活性。综合分析得知，可再生能源渗透率越高的系统，灵活性越差，其耐受不确定性的能力就越弱。需要在电网规划中，合理配置灵活性机组，以提高系统对可再生能源的消纳能力。

为验证灵活性对可再生能源消纳能力的影响，将本发明规划方案与被比文献《电网规划基础及应用[M].中国电力出版社,2011》中仅以经济性指标最优为目标的规划方案进行对比，其结果如表2所示。

由表2中数据可以看出，考虑运行灵活性指标的电网规划，尽管建设费用比传统规划方案高出9.23％，但在可再生能源并网的条件下，保证了N-1安全约束，电网可靠性、安全性较高，同时，相较传统规划方案，本发明方案年缺电量期望低98.77％，对电网运行灵活性也有较大改善。通过少量线路建设和灵活性机组建设，有效提高了电网对可再生能源的消纳能力。由此可推论，传统以经济性指标最优输电网规划已经无法适应高比例清洁能源并网的需求，需要通过考虑运行的灵活性指标对规划系统进行约束。

表2:仿真结果对比

因此，本发明不仅能够有效反映了电力系统接纳可再生能源的能力，还能够适应较高比例可再生能源并网需求。

Claims (2)

1.一种高比例清洁能源接入下的输电网规划方法，其特征在于，包括以下步骤，

步骤一：建立双层规划模型；

其中，所述双层规划模型中的上层规划模型为：

目标函数：F＝min{F₁,F₂,F₃,F₄}

约束条件：

所述目标函数中，

且

其中，C_F表示建设维护总成本，C_build表示灵活性资源调用总成本，F表示上层总目标函数，F₁表示上层分目标函数1，表示建设维护总成本+灵活性资源调用总成本；F₂表示上层分目标函数2，表示电网全局结构脆弱因子；F₃表示上层分目标函数3，表示电网全局状态脆弱因子；F₄表示上层分目标函数4，表示违反约束时的惩罚成本；V_n表示电网全局结构脆弱因子，V_f表示电网全局状态脆弱因子，Pen_i为第i种网络约束的惩罚系数，H_i为第i种网络约束的违反量，Ω₁为网络安全运行约束集合；k₁为资金回收系数，k₂为工程固定运行费率，c为单位长度线路的建设费用，x_ij和l_ij分别为线路ij待建回路数和线路ij长度，Z_i和Z_ij为取值0或1的决策变量，取值为0代表未选中待建机组、线路，取值为1代表选中待建机组、线路，C_p.i为第i种单位容量可调机组建设费用，G_i为第i种可调机组建设容量，Ω₃为待建机组集合，λ_i为第i种灵活性资源单位调用成本，W_F.i为第i种灵活性的调用总量，Ω₂为灵活性资源的总和；

所述约束条件中，B、θ、P_G、P_F、P_REG和P_L分别为系统节点导纳矩阵、节点电压相角向量、系统节点常规发电机出力向量、灵活性资源出力向量、可再生能源出力向量和负荷功率向量；x_ij.min、x_ij.max分别为节点ij之间待建线路数量最小值与最大值，N_l为正常运行状态下系统线路集合，Z为整数集；

分别为机组i出力最小值与最大值，P_G.i为正常运行条件下机组i的出力值，N_G为正常运行状态下系统机组集合，

为节点ij之间已有线路数量，P_ij、

分别为线路ij每一回线路的实际功率与最大容量；

为N-1运行状态下机组i的出力值，

为N-1运行状态下系统机组集合，

为N-1运行状态下线路ij的实际功率，

为N-1运行状态下系统线路集合；

所述双层规划模型中的下层规划模型为：

目标函数：f＝min{-f₁,f₂}

约束条件：

所述目标函数中，

且

其中，τ_k为时间步长，时间步长总和为系统运行总时间T，s代表运行典型场景，N_S为典型运行场景集合，B为由所述上层规划模型所确定的系统导纳矩阵，P_g.i为调节机组实际出力值，

分别为调节机组出力的上限值、下限值，N_g为调节机组集合；FSAP_D表示电力系统灵活性总体的充裕情况；W_F表示灵活性的调用总量；f为下层总目标函数；-f₁表示下层分目标函数1，表示电力系统灵活性总体的充裕情况的相反数；f₂表示下层分目标函数2，表示电力系统灵活性的调用总量；

表示t时刻以τ_k为时间尺度的上、下调灵活性需求量；

表示t时刻以τ_k为时间尺度的上、下调灵活性供给总和，F_D(t，τ_k)表示t时刻以τ_k为时间尺度的上、下调灵活性的充裕量；θ^s表示在场景s下的系统节点电压相角向量；

表示在场景s下的系统节点常规发电机出力向量；

表示在场景s下的灵活性资源出力向量；

表示在场景s下的可再生能源出力向量；

表示在场景s下的负荷功率向量；

步骤二：求解所述双层规划模型，得到时所述上层规划模型与所述下层规划模型相对最优的规划方案。

2.如权利要求1所述的高比例清洁能源接入下的输电网规划方法，其特征在于，采用遗传算法求解所述双层规划模型，并设定最大迭代次数。

Images