CN110266010A - 直流配电网网架结构与分布式光伏多目标协同优化方法 - Google Patents

Abstract

本发明涉及电力系统网络优化技术，具体涉及直流配电网网架结构与分布式光伏多目标协同优化方法，考虑了光伏出力与负荷功率不确定因素之间的相关性，采用二维高斯混合模型GMM对源荷联合概率分布进行建模，由接受拒绝采样法构建了典型场景集。对电力电子设备建立了潮流模型与损耗模型，从而确定了直流配网的潮流边界条件。建立了以系统年运行成本，分布式光伏收益，配电网供电质量，环境及节能减排效益为多目标的双层优化模型，采用多目标粒子群算法MOPSO与所有生成树算法AST对上下层模型的优化变量，即光伏接入容量与网架结构同时优化。该方法能对直流配电网网架结构与分布式光伏多目标协同优化，对直流配电网规划具有重要意义。

Description

直流配电网网架结构与分布式光伏多目标协同优化方法

技术领域

本发明属于电力系统网络优化技术领域，尤其涉及直流配电网网架结构与分布式光伏多目标协同优化方法。

背景技术

光伏并网方式分为集中式与分布式两种。集中式光伏远距离输电损耗较大，且囿于储能技术短期内难以突破，大规模光伏电站存在严重的弃光现象，造成资源与经济上的浪费。使得光伏产业发展重心向分布式倾斜。

相比交流配电网，直流配电方式对光伏等直流型电源具有更好的适应性。此外，直流供电将便于电动汽车充电站，数据中心等新型直流负荷更加广泛地接入电网。因此，含高比例分布式光伏(Distributed Photovoltaic，DPV)的直流配网将是未来配电系统的重要形态。现有直流配网相关研究主要集中于控制保护与能量管理技术，缺乏网架结构与分布式光伏接入的系统优化研究^[1]。交流系统状态由源荷分布决定；直流系统普遍存在电力电子装置，其系统状态是源荷分布与各电力电子装置的控制策略综合作用的结果，使得约束条件与交流配网不同。此外，配电网的电气距离短，装置损耗相较于网损来说不可忽略，相应的经济性目标函数较交流配网也存在差异。

发明内容

本发明的目的是提供一种光伏接入容量与网架结构同时优化的方法。本发明依托“分布式光伏多端口接入直流配电系统关键技术和装备 (2018YFB0904100)”项目，所属课题“直流并网分布式光伏与系统的相互影响及集成设计技术(2018YFB0904101)。

为实现上述目的，本发明采用的技术方案是：直流配电网网架结构与分布式光伏多目标协同优化方法，包括以下步骤：

步骤1、构建配电网源荷场景；

步骤1.1、建立源荷概率模型，在模型中引入源荷变量之间的相关性，采用二维高斯混合模型GMM对源荷联合概率分布进行建模；

步骤1.2、构建源荷场景集，通过步骤1.1得到源荷二维高斯混合模型GMM，采用接受-拒绝采样法构建源荷场景集；

步骤2、建立电力电子设备的潮流及损耗模型；

步骤2.1、建立电压源型换流器潮流计算模型及损耗模型；

步骤2.2、建立DC-DC变换器潮流计算模型及损耗模型；

步骤3、直流配电网架结构与分布式光伏协同优化包括以下步骤：

步骤3.1、建立直流配电网架结构与分布式光伏协同优化多目标双层模型；

步骤3.1.1、上层模型的优化变量为分布式光伏的接入容量，包含4个优化目标：年运行成本最小化、电能质量最优、经济收益最大化、分布式光伏项目创造的环境与节能效益最大；

步骤3.1.2、下层模型的优化变量为网架结构，优化目标为年运行成本；

步骤3.2、求解双层优化模型；

步骤3.2.1、采用所有生成树算法产生所有可行拓扑集合，当可行拓扑集规模较小时，采用遍历法可直接找到下层目标函数的全局最优解；若可行拓扑数量较多，采用模拟退火法寻优；

步骤3.2.2、采用MOPSO算法对步骤3.1所得模型进行求解，优化变量为分布式光伏的接入容量，多目标优化中包含下层模型的网架结构优化。

本发明的有益效果是，(1)与传统的源荷模型相比，二维高斯混合模型GMM 能更能考虑到光伏出力与负荷功率不确定因素之间的相关性，且比传统概率分布模型更为准确。

(2)采用接受-拒绝采样法构建场景集，可解决二维高斯混合模型GMM概率模型的概率密度函数难以用初等函数表示且难以用超立方采样法的问题。

(3)与交流配电网相比，直流配电网存在更多的电力电子设备，在对其进行潮流建模时，考虑到了电力电子设备的功率损耗。

(4)从电网公司，分布式光伏用户与社会的多角度出发，建立了以多个规划主体的综合效益为多优化目标的双层规划模型，兼顾各方需求。

(5)考虑到配电网开环运行的特点，采用基于深度优先搜索的所有生成树算法结合模拟退火法进行直流配网网架结构寻优，兼顾了结果的准确性与快速性。

附图说明

图1为本发明一个实施例VSC等效模型示意图；

图2为本发明一个实施例全桥变换器等效模型示意图；

图3为本发明一个实施例多目标双层规划模型示意图；

图4为本发明一个实施例多目标双层规划模型求解流程图；

图5为本发明一个实施例修改的IEEE14节点直流系统网架结构图；

图6为本发明一个实施例Pareto解集的网架结构优化结果频数分布直方图；

图7为本发明一个实施例编号45的网架结构图；

图8为本发明一个实施例年运行费用比较结果图；

图9为本发明一个实施例平均电压偏差比较结果图。

具体实施方式

下面结合附图对本发明的实施方式进行详细描述。

针对目前缺乏网架结构与分布式光伏接入的系统优化方法，本实施例采用二维高斯混合模型对源荷联合概率分布进行建模，由接受拒绝采样法构建了典型场景集。考虑光伏出力与负荷功率不确定因素之间的相关性，直流配网中普遍存在的电力电子设备，从电网公司，分布式光伏接入用户与运营商和社会多主体的综合效益出发，建立了以系统年运行成本，分布式光伏经济收益，配电网电能质量，分布式光伏项目创造的环境及节能效益为多目标的双层优化模型，采用多目标粒子群算法(Multi-objective Particle SwarmOptimization，MOPSO) 与基于深度优先搜索(Deep First Search,DFS)的所有生成树算法(All Spanning Tree,AST)对上下层模型的优化变量，即光伏接入容量与网架结构同时优化。

本实施例是通过以下技术方案来实现的，直流配电网网架结构与分布式光伏多目标协同优化方法，包括以下步骤：

一、配电网源荷场景构建方法，包括步骤：

步骤S1，源荷概率建模步骤：在模型中引入源荷变量之间的相关性，采用二维高斯混合模型GMM对两者进行联合概率建模。

具体实施中，用于建模的数据x为光伏输出因数与负荷因数进行时标对齐后构成的二维数据集。用EM算法进行模型的参数估计。其结果如表1所示。其中，模型的超参数设为K＝2。

表1二维高斯混合模型GMM的参数估计结果

步骤S2，源荷场景集构建步骤：步骤S1得到源荷二维高斯混合模型GMM，采用接受-拒绝采样法构建场景集。

具体实施中，借助可以直接采样的分布q(x)，q(x)通常为均匀分布或正态分布，引入系数k，使得kq(x)≥p(x)对所有x均成立。接受-拒绝采样法先从q(x)分布中采样得到一系列点x∈{x₀,x₁,...x_n}，以x₀为例，然后在区间[0,kq(x₀)]中按照均匀分布随机得到一个值u₀。如果u₀∈[0,p(x₀)]，则接受x₀为分布p(x)的一个采样值，如果u₀∈[p(x₀),kq(x₀)]，则舍弃x₀，将其从采样点集中删去。对每个采样点x进行同样的操作，最后得到的点集就是对分布p(x)的采样结果。

二、电力电子设备的潮流及损耗模型构建方法，包括步骤：

步骤S3，建立电压源型换流器潮流计算模型及损耗模型。

具体实施中，电压源型换流器潮流计算模型如图1所示，其中R_C+jX_C为换流器等效阻抗，R_C为变压器与换流电抗器的等效电阻，X_C为换流电抗器的等效电抗；P_S和Q_S为交流母线处的有功功率和无功功率；U_S∠δ_S为交流母线的线电压幅值与相角；U_C∠δ_C为换流器交流侧线电压幅值与相角；P_dc和U_dc分别为换流器直流侧有功功率与直压。采用幂函数拟合换流器内部功率损耗。

步骤S4，建立DC-DC变换器潮流计算模型及损耗模型。

具体实施中，DC-DC装置以全桥变换器为例，其等效电路如图2所示。图中，Q₁-Q₄表示全控开关管，U_Q表示导通压降；D₁-D₄表示二极管，U_D表示二极管压降，R_D表示二极管导通电阻；R_T1与R_T2分别表示隔离变压器一，二次侧绕组的等效电阻；n为隔离变压器的变比；电感与电容的等效电阻分别用R_L与R_C表示。U_i与U_o分别为输入及输出电压。

在一个周期开关周期内，有：

其中，

一个周期内输入电流平均值为：

由式(1)和式(2)可得全桥变换器两端电压与电流关系如式(3)所示。

其中，

全桥变换器内部损耗由式(4)求得：

三、直流配电网架结构与分布式光伏协同优化方法，包括步骤：

步骤S5，直流配电网架结构与分布式光伏协同优化多目标双层模型的建立步骤，上层模型的优化变量为分布式光伏的接入容量，包含4个优化目标：年运行成本最小化、电能质量最优、经济收益最大化、分布式光伏项目创造的环境与节能效益最大。下层模型的优、化变量为网架结构，优化目标为年运行成本。如图3所示。

具体实施中，下层模型以具有统一控制与调度能力的电网公司为规划主体，直流配网网架结构为优化变量，年运行成本最小化为目标函数，具体包括：直流配网线路建设的年均摊成本，系统线路与功率变换装置的损耗费用，以及上级电网购电费用。其目标函数如下式所示：

minf_c＝C_net+C_gl+C_bu (5)

对式(5)中各成本分量进行说明：

i.直流配网线路建设的年均摊成本

L为直流配网网架结构的邻接矩阵表示，矩阵L的元素l_ij是表示节点i与节点 j是否存在馈线的二值变量。若某网络拓扑的i节点与j节点相连，则l_ij＝1；否则 l_ij＝0，因此L为一稀疏矩阵；α_ij为线路l_ij的建设总价，φ为所有可建设线路的集合。式(7)中d为贴现率，λ_l为该馈线的使用年限，β_l为年均摊系数。

ii.系统线路与功率变换装置的损耗费用

式中，c_gl,s为场景s下单位电量网损费用，P_gl,s为场景s下配电系统网络损耗 (kW)，t_s为全年典型场景s的出现时长。

iii.向上级电网购电费用

式中，c_g,s为场景s时向上级电网单位电量购电的费用，P_bu,s为场景s下配电系统功率缺口(kW)。

下层模型的约束条件主要包括拓扑可行性约束和潮流约束，具体地：

iv.拓扑可行性约束。

Ω^node表示所有节点构成的集合，式(11)保证连通性约束；式(12)保证拓扑有源性。此外，还需满足辐射性约束，即节点i到节点j的路径有且只有一条。

v.直流配电网潮流约束。

其中，

式(13)-(15)是支路电流等式约束。其中，I_ij表示从节点i到节点j的电流；u_i为节点i电压；D_i表示节点i与节点j支路上DC-DC占空比；M(D_i)，U_E,i与 R_E,i的表达式分别如式(11)与(14)所示；Γ^line表示不含DC-DC变流器的支路集合；Γ^conv表示含DC-DC变流器的支路集合。式(16)是支路功率等式约束，其中，P_ij为节点i流向节点j的功率。式(17)-(19)是含交流负载节点功率等式约束。其中，与分别为交流负载有功功率与无功功率；δ_C,i为交流负载相角；u_ac,i为交流额定电压；I_AL,i为交流负载电流；M为调制度；ε为功率松弛量，其阈值由人为设定，需满足其绝对值小于阈值；G_C，B_C为变换器等效导纳；P_i ^AL为计及变换器损耗的交流负载功率；Ω^AL为含交流负载的节点集。式(20)为节点功率等式约束。其中，P_i ^PV，P_i ^GCC与P_i ^DL分别为节点处DPV输出功率，并网换流器功率(若非并网节点则为零)，直流负载功率；π(j)为与节点i相连且功率流入节点i的节点集；φ(j)为与节点i相连且功率流出节点i的节点集。式(21)- (22)为变流器控制量的不等式约束。式(23)为节点电压不等式约束，其中 分别为节点电压幅值的上下限。式(24)-(25)为变流器的容量约束，其中，为接交流负载变流器的容量；为连接中低压节点的支路上变流器的容量。式(26)为线路功率的不等式约束，为节点i与节点j间线路的最大传输功率。

上层模型的优化变量为分布式光伏的接入容量，且为考虑多方利益的多目标优化。其中，配电网年运行成本与下层模型的优化函数相同。除此之外，供电质量也是电网公司作为主体需要考虑的目标函数之一。直流电能质量主要指标包括电压波动，电压暂降与电压偏差等。规划问题关注较长时间尺度上各源荷场景下的系统状态断面，因此将稳态时的平均电压偏差作为表征电能质量的主要指标。平均电压偏差的计算公式如下：

式(27)的含义是计及系统全节点在所有场景下，计算电压值与额定电压之差的绝对值的平均，其中，N_s为场景集的大小，N为节点数量。

从分布式电源运营商与用户的角度出发，以DPV的经济收益最大化为目标函数，根据统购统销的运营模式，DPV的投资与建设由运营商或用户承担，经济收益主要来自于上网电费收益。因此，建立全寿命周期内DPV的收益模型如式(28)所示，目标函数为最大化收益与成本的差值函数。

maxf_E＝B-C＝B_e+B_s-(C_pv+C_m) (28)

其中，收益模型B根据DPV的全部收益来源进行计算，主要包含分布式光伏上网收益B_e和光伏发电补贴收益B_s：

vi.分布式光伏上网收益

式中，e_s为场景s时分布式发电上网电价。

vii.光伏发电补贴收益

光伏项目政府补贴主要有两种形式，分别为电价补贴和一次性补贴，电价补贴计算方法如式(30)所示，是现今较为普遍的补贴方式。

式中，g_s为场景s时分布式发电上网的政府补贴电价。

成本模型C包括了全寿命周期内的分布式光伏建设年均摊成本C_pv和分布式光伏年运维成本C_m。计算公式分别为：

viii.分布式光伏建设年均摊成本

式中，β_pv为单位容量分布式光伏建设年均摊费用系数，由式(35)计算而来；c_pv为单位容量光伏建设费用(元/kW)；_iP_vp,为节点i上规划建设光伏容量；N_pv为可接入分布式光伏节点集。

式中，d为贴现率，l_pv为分布式光伏计划寿命。

ii.分布式光伏发电年运维成本

式中，c_m为分布式光伏发出单位电量的年运维费用(元/kWh)，P_s,i为第i处光伏设备在场景s下实际发电功率，t_s为场景s持续时间。

从社会角度出发，将DPV投运后对环境和节能两个方面产生的积极影响考虑在内，以最大化环境和节能效益为目标函数：

maxf_V＝V_e+V_o (34)

①.环境效益

环境效益为分布式光伏发电与煤炭等化石能源发电减少的污染物排放量。

式中，c_env为常规火电机组生产单位电量的污染物排放系数。

②.节能效益

节能效益为分布式光伏发电减少的化石能源使用量。

式中，m_fos为常规火电机组生产单位电量需消耗的煤炭量。

上层规划的约束条件主要是待选节点的光伏装机容量约束，如下：

其中，为最大装机容量。

步骤S6，双层优化模型的求解步骤，采用所有生成树算法产生所有可行拓扑集合，当可行拓扑集规模较小时，采用遍历法可直接找到下层目标函数的全局最优解；若可行拓扑数量较多，采用模拟退火法寻优。采用MOPSO算法对步骤S5所得模型进行求解，优化变量为分布式光伏的接入容量，多目标优化中包含了下层模型的网架结构优化。

具体实施中，过程步骤如图4所示。

下面以修改的IEEE14节点直流配网为例，如图5所示，进行直流配电网网架结构与分布式光伏多目标协同优化，其中节点1-5为10kV中压，6-14为±375V 低压。图5中虚线表示该系统可规划建设的支路，其中，支路4-7，4-11，5-6， 5-12因两端节点的电压等级不同需加装DC-DC变换器。图中AC箭头代表交流负载，DC箭头代表接直流负载。此系统计划在节点2，3，4，5，7，9处接入分布式光伏。

由DFS-AST算法计算得到此连通图中满足拓扑有效性的网架结构可行解共有1800种，计算总耗时1.89s。此算例进行多目标优化求解共得到137组Pareto 非劣解。随机选取解集中10组规划方案的决策变量与目标函数值分别如表2，表3所示。

表2 Pareto非劣解集

表3 Pareto非劣解集的目标函数值

对解集中所有方案的网架结构优化结果进行频数统计，其结果如图6所示。可以看出多数方案的网架结构寻优结果为45，21，69号拓扑，编号为45的网架结构如图7所示。

考虑在夏季光伏出力较为显著的典型场景下通过网架重构进一步提升系统的经济运行水平。技术路线是提取夏季场景采样出的源荷数据，在此源荷参数下，对下层模型的目标函数进行网架结构二次寻优。从137组Pareto解中随机选择10组方案，对这10组光伏接入方案进行网架重构优化，优化后的年运行费用与平均电压偏差和不进行网架重构时进行对比，结果分别如图8和图9所示。可以看出进行网架重构后年运行费用相比之前略有降低，平均电压偏差普遍要小。通过网架重构的运行层面优化，使直流配网对分布式光伏的季节性和波动性具有较好的适应能力。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

虽然以上结合附图描述了本发明的具体实施方式，但是本领域普通技术人员应当理解，这些仅是举例说明，可以对这些实施方式做出多种变形或修改，而不背离本发明的原理和实质。本发明的范围仅由所附权利要求书限定。

文中涉及的参考文献如下：

[1]马钊,焦在滨,李蕊.直流配电网络架构与关键技术.电网技术, 2017(10):270-279.

Claims (1)

1.直流配电网网架结构与分布式光伏多目标协同优化方法，其特征是，包括以下步骤：

步骤1、构建配电网源荷场景；

步骤1.1、建立源荷概率模型，在模型中引入源荷变量之间的相关性，采用二维高斯混合模型GMM对源荷联合概率分布进行建模；

步骤1.2、构建源荷场景集，通过步骤1.1得到源荷二维高斯混合模型GMM，采用接受-拒绝采样法构建源荷场景集；

步骤2、建立电力电子设备的潮流及损耗模型；

步骤2.1、建立电压源型换流器潮流计算模型及损耗模型；

步骤2.2、建立DC-DC变换器潮流计算模型及损耗模型；

步骤3、直流配电网架结构与分布式光伏协同优化包括以下步骤：

步骤3.1、建立直流配电网架结构与分布式光伏协同优化多目标双层模型；

步骤3.1.1、上层模型的优化变量为分布式光伏的接入容量，包含4个优化目标：年运行成本最小化、电能质量最优、经济收益最大化、分布式光伏项目创造的环境与节能效益最大；

步骤3.1.2、下层模型的优化变量为网架结构，优化目标为年运行成本；

步骤3.2、求解双层优化模型；

步骤3.2.1、采用所有生成树算法产生所有可行拓扑集合，当可行拓扑集规模较小时，采用遍历法可直接找到下层目标函数的全局最优解；若可行拓扑数量较多，采用模拟退火法寻优；

步骤3.2.2、采用MOPSO算法对步骤3.1所得模型进行求解，优化变量为分布式光伏的接入容量，多目标优化中包含下层模型的网架结构优化。