CN110429649A - 考虑灵活性的高渗透率可再生能源集群划分方法 - Google Patents

Abstract

本发明公开了一种考虑灵活性的高渗透率可再生能源集群划分方法。本发明建立了灵活性供需模型，针对配电网络规划兼顾运行控制需求问题，从灵活性平衡需求和灵活性平衡时间特性分别提出集群灵活性供需平衡指标和灵活性平衡时间指标，并结合体现集群结构特性的模块度指标，建立了考虑集群灵活性平衡动态特性的集群划分指标体系。本发明优点在于：能够充分计及源网荷灵活性资源调节能力，综合考虑节点耦合结构特性，进一步发挥集群自治能力，合理划分集群，减少集群灵活性需求，有益于提高在愈来愈复杂的高渗透率可再生能源接入背景下配电系统运行调控的快速性和准确性。

Description

考虑灵活性的高渗透率可再生能源集群划分方法

技术领域

本发明涉及大规模可再生电源分布式接入的配电网灵活性规划领域，特别涉及一种考虑灵活性的高渗透率可再生能源集群划分方法。

背景技术

规模化分布式可再生电源的接入对传统配电系统的规划与运行提出了巨大挑战，配电系统从传统的放射状无源网络蜕变为含有大量分布式电源的有源网络，出现了诸如局部节点电压越限、网损增加和越电压等级功率倒送等复杂问题。风电、光伏等可再生能源固有的强不确定性、波动性进一步增加了系统调度控制的难度。

为确保配电网络的安全、稳定、可靠和经济运行，提高可再生能源的集成度和可调度性，以集群为基本单元的配电网规划与控制策略逐渐引起关注。在电力系统中，集群是一些设备的组合，其对内可实现自我协调运行和控制，对外可接收上级统一调度管理。目前已有许多学者围绕以集群为基本单元的规划、运行与控制开展广泛的研究，主要有依据应对能源可持续发展的转变形式，创建互联集群区，提出智能电网管理系统的混合框架，将控制功能分层优化，多层次配电网络集群控制方法，为分布式电源集成提供灵活性和适应性；以集群为基础通过先无功后有功的电压控制策略对群内关键光伏节点的控制来调节关键负荷节点的电压]技术，有效提高配电网电压控制效率；基于社团理论适应调控目标变化的虚拟集群动态划分方法，在此基础上研究有源配电网多级调控方法；运用在综合考虑系统运行控制行为的电网规划中，综合考虑结构性和功能性的集群划分指标，简化网络规划分析、运行监视和调度控制。

大规模可再生能源接入配电网，风电、光伏等分布式电源固有的不确定性和不可控性出力状态加剧了配电网净负荷的波动特性，面对越来越复杂和不确定的系统运行环境，配电网需要具备更强的灵活性。根据欧洲电力系统运行经验表明，在充分利用灵活性资源及有效调度策略的情况下，可以减少2/3的电力网络改造扩建投资费用。因此，调用多方面灵活性资源，考虑配电网灵活性，对于实现大规模可再生能源并网的系统规划设计和运行调控有着重要意义。

集群作为规划、运行、控制中的基本单元，可能同时包含有电源与负荷。为发挥集群具有群内节点耦合而协作，群间疏松而分工的优势，集群的功率自平衡特性也是引人关注的。目前在集群划分中考虑了有功、无功容量的静态平衡，即安装容量平衡问题，但没有涉及功率动态平衡，即集群的灵活性平衡问题。从集群运行平衡考虑，集群的灵活性问题主要涉及集群爬坡平衡，即集群内资源供给的爬坡容量与集群净负荷需求爬坡容量间的平衡。一方面可再生能源出力的剧烈波动性导致集群净负荷爬坡功率需求增加；另一方面系统中部分传统电源被可再生能源取代，集群内可调节资源所提供的爬坡容量也有所减少。

综上，如何合理优化配置源-荷-储多类型灵活性资源，实现灵活性资源和灵活性需求最优组合和布局，利用集群自治特性充分发挥各种灵活性资源的调节能力是本领域技术人员亟待解决的问题。

发明内容

本发明的目的在于，提供一种考虑灵活性的高渗透率可再生能源集群划分方法。本发明能够充分计及源网荷灵活性资源调节能力，综合考虑节点耦合结构特性，进一步发挥集群自治能力，合理划分集群，减少集群灵活性需求，有益于提高在愈来愈复杂的高渗透率可再生能源接入背景下配电系统运行调控的快速性和准确性。

本发明的技术方案：考虑灵活性的高渗透率可再生能源集群划分方法，按下述步骤进行：

A：所述集群划分判据定义为灵活性，依据配电网源荷建立包括集群灵活性需求模型和集群灵活性供给模型的灵活性供需模型；

B：考虑灵活性的集群划分判据包括用于描述集群功率动态平衡的集群灵活性供需平衡指标、用于描述集群运行稳定时间特性的集群灵活性平衡时间指标和用于描述集群结构特性的模块度指标，以各指标计算考虑集群灵活性的集群划分目标函数；

C：运用智能遗传算法计算，以上述集群划分判据为适应度函数，采用自适应交叉变异概率进行迭代优化，将最优结果解码作为考虑灵活性的高渗透率可再生能源的集群划分的结果。

上述的考虑灵活性的高渗透率可再生能源集群划分方法，所述步骤A中灵活性供需模型表示如下：

A1：集群灵活性需求定义为集群净负荷的时序爬坡功率：

其中，P_l(t)、P_l(t-τ)分别表示节点l在t、t-τ时刻的净负荷功率，和式分别表示对集群i内该时刻所有节点求和；若则表示集群i有向上爬坡灵活性需求，若则表示集群i有向下爬坡灵活性需求，定义集群灵活性需求为非负值。

A2:可调节常规机组上调、下调灵活性供给能力表达式如下：

其中，分别表示可调节机组g的向上、向下爬坡速率；P_gmax、P_gmin分别表示可调节机组g的最大、最小出力；可调节常规机组g在t时刻出力状态与前一时刻出力状态和该时间尺度内爬坡功率有关，即或

A3:可中断负荷灵活性供给能力表示功率约束和电量约束，具体表示式如下：

其中，表示t时刻可中断负荷d主动参与需求响应的比例，由历史数据总结得出；表示t时刻可中断负荷d总量；E_dmax表示可中断负荷允许的最大切负荷电量。

A4:储能系统灵活性供给能力可表示为：

其中，P_smax,c、P_smax,disc、分别为储能装置s最大充放电功率， 分别是储能装置s最大、最小容量值，η_s为储能装置s的充放电效率；t时刻储能容量状态取决于储能初始值状态和累积充放电容量，因此储能t时刻容量状态表达式为：

A5:基于上述各灵活性资源分析，集群灵活性供给能力为群内所有源荷储灵活资源调节能力的综合表现，具体表达式如下：

前述的考虑灵活性的高渗透率可再生能源集群划分方法，步骤B中所述集群灵活性供需平衡指标的表示如下：

其中，表示在响应时间长度为τ时，t时刻第i集群向上/向下爬坡灵活性需求；

在研究周期T内，对各集群灵活性需求进行标幺化处理，进一步给出全系统灵活性供需平衡指标，具体表达式如下：

其中，表示集群灵活性供需平衡指标；C为全体集群集合；T为研究周期；表示在研究周期T内第i集群累计灵活性需求值；表示在研究周期T内最大集群灵活性需求值。

前述的考虑灵活性的高渗透率可再生能源集群划分方法，步骤B中所述集群灵活性平衡时间指标的表示如下：

其中，λ_T表示集群灵活性平衡时间指标；表示集群内灵活性供给满足灵活性需求的累计时间值。

前述的考虑灵活性的高渗透率可再生能源集群划分方法，步骤B中所述模块度指标表示如下：

其中，A_ef表示连接节点e和节点f的边的权重，当节点e和节点f直接相连时A_ef＝1，不相连时A_ef＝0；表示所有与节点e相连的边的权重之和；表示网络中所有边的权重之和；如果节点e和节点f分在同一分区内，则函数δ(e,f)＝1，否则δ(e,f)＝0；

网络边权由电气距离决定，基于无功电压灵敏度关系的电气距离具体表达式如下：

ΔV＝S_VQΔQ

其中，S_VQ为灵敏度矩阵，ΔV和ΔQ分别为电压幅值和无功变化量；S_VQ,ef表示节点f单位无功功率变化值对应节点e的变化值，d_ef为节点f单位无功功率变化时对其自身电压变化值与对节点e电压变化值之比，定义L_ef为两节点间考虑其他节点影响的电气距离。

前述的考虑灵活性的高渗透率可再生能源集群划分方法，所述考虑集群灵活性的集群划分目标函数计算如下所示：

其中，k₁、k₂、k₃分别为集群灵活性供需平衡指标、集群灵活性平衡时间指标和模块度指标所占目标权值；

当k₁、k₂取值越大，则系统灵活性资源利用率越高，集群灵活性特性越好；当k₃取值越大，则划分的集群结构特性越好。

前述的考虑灵活性的高渗透率可再生能源集群划分方法，所述权值确定的方式如下：

不同权重的选择将会影响集群的最优划分结果，根据项目需求，对各指标结果计算帕累托最优解集，得到帕累托前沿曲面，提高权值确定的客观性。

前述的考虑灵活性的高渗透率可再生能源集群划分方法，步骤C中所述智能遗传算法进行集群划分的步骤如下所示：

C1：以集群划分方式对个体进行编码，一种划分结果即为一个个体，采用同样编码方式产生N个个体即为一个种群，种群规模根据系统规模设定；

C2：设定考虑灵活性的集群划分目标函数为遗传算法的适应度函数，对初始种群进行M次迭代计算，迭代次数根据系统需求设定；

C3：根据轮盘赌在群体中选择优胜的个体，对上一代个体进行交叉、变异；

C4：重复上述计算，直至出现最优个体，解码最优个体，确定最优划分结果。

前述的考虑灵活性的高渗透率可再生能源集群划分方法，所述C1编码方式如下所示：

配电网络由节点和线路组成，集群划分最终结果体现在结构特性上，即划分结果表示各节点之间的连接情况，以节点个数设定矩阵，对应位置参数代表节点间的连接情况，设定1、0分别表示对应节点的连接、断开状态。

与现有技术相比，本发明具有以下有益效果：

1、本发明能够充分计及源网荷灵活性资源调节能力，综合考虑节点耦合结构特性，进一步发挥集群自治能力，合理划分集群，减少集群灵活性需求，有益于提高在愈来愈复杂的高渗透率可再生能源接入背景下配电系统运行调控的快速性和准确性，适用于同时考虑运行调控的配电网规划研究。本发明综合考虑灵活性平衡指标和模块度指标建立集群划分指标体系，保证了集群紧密联系的结构特性和良好的灵活性平衡特性，充分发挥源网荷多方面灵活性资源供给能力，在应对越来越复杂不确定性背景下，进一步发挥集群运行控制的快速性和准确性，提高配电系统的安全性和稳定性。由于集群划分作为配电网规划的中间过程，采用本发明的方法可以在规划中兼顾运行控制需求，使得在规划过程中兼顾运行控制，提高了规划的可靠性和经济性。

2、本发明从时间维度提出灵活性平衡时间指标，从多维度考虑集群灵活性平衡，保证灵活性资源分配的均衡性。

3、基于规划研究时段提出的划分方法，以节点某一时间段进行集群划分，可以保证在计及运行调控需求的集群规划运用的合理性。

附图说明

图1为本发明考虑灵活性的高渗透率可再生能源集群划分方法处理流程示意图；

图2为本发明采用遗传算法进行集群划分的程序流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。

实施例：考虑灵活性的高渗透率可再生能源集群划分方法，如图1所示，并按下述步骤进行：

A：所述集群划分判据定义为灵活性，依据配电网源荷建立包括集群灵活性需求模型和集群灵活性供给模型的灵活性供需模型；

灵活性供需模型表示如下：

A1：集群灵活性需求定义为集群净负荷的时序爬坡功率：

其中，P_l(t)、P_l(t-τ)分别表示节点l在t、t-τ时刻的净负荷功率，和式分别表示对集群i内该时刻所有节点求和；若则表示集群i有向上爬坡灵活性需求，若则表示集群i有向下爬坡灵活性需求，定义集群灵活性需求为非负值。

A2:可调节常规机组上调、下调灵活性供给能力表达式如下：

其中，分别表示可调节机组g的向上、向下爬坡速率；P_gmax、P_gmin分别表示可调节机组g的最大、最小出力；可调节常规机组g在t时刻出力状态与前一时刻出力状态和该时间尺度内爬坡功率有关，即或

A3:可中断负荷灵活性供给能力表示功率约束和电量约束，具体表示式如下：

其中，表示t时刻可中断负荷d主动参与需求响应的比例，由历史数据总结得出；表示t时刻可中断负荷d总量；E_dmax表示可中断负荷允许的最大切负荷电量。

A4:储能系统灵活性供给能力可表示为：

其中，P_smax,c、P_smax,disc、分别为储能装置s最大充放电功率， 分别是储能装置s最大、最小容量值，η_s为储能装置s的充放电效率；t时刻储能容量状态取决于储能初始值状态和累积充放电容量，因此储能t时刻容量状态表达式为：

A5:基于上述各灵活性资源分析，集群灵活性供给能力为群内所有源荷储灵活资源调节能力的综合表现，具体表达式如下：

B：考虑灵活性的集群划分判据包括用于描述集群功率动态平衡的集群灵活性供需平衡指标、用于描述集群运行稳定时间特性的集群灵活性平衡时间指标和用于描述集群结构特性的模块度指标，以各指标计算考虑集群灵活性的集群划分目标函数，并按下述步骤进行：

B1：所述灵活性供需平衡指标表示如下：

其中，表示在响应时间长度为τ时，t时刻第i集群向上/向下爬坡灵活性需求，由公式可以看出其值非负。

在研究周期T内，对各集群灵活性需求进行标幺化处理，进一步给出全系统灵活性供需平衡指标，具体表达式如下：

其中，表示集群灵活性供需平衡指标；C为全体集群集合；T为研究周期；表示在研究周期T内第i集群累计灵活性需求值；表示在研究周期T内最大集群灵活性需求值。

B2：计算所述灵活性平衡时间指标，所述灵活性平衡时间指标的表示如下：

其中，λ_T表示集群灵活性平衡时间指标；表示集群内灵活性供给满足灵活性需求的累计时间值。

B3：计算所述模块度指标，所述模块度指标的表示如下：

其中，A_ef表示连接节点e和节点f的边的权重，当节点e和节点f直接相连时A_ef＝1，不相连时A_ef＝0；表示所有与节点e相连的边的权重之和；表示网络中所有边的权重之和；如果节点e和节点f分在同一分区内，则函数δ(e,f)＝1，否则δ(e,f)＝0。

网络边权由电气距离决定，基于无功电压灵敏度关系的电气距离具体表达式如下：

ΔV＝S_VQΔQ

其中，S_VQ为灵敏度矩阵，ΔV和ΔQ分别为电压幅值和无功变化量。S_VQ,ef表示节点f单位无功功率变化值对应节点e的变化值，d_ef为节点f单位无功功率变化时对其自身电压变化值与对节点e电压变化值之比，定义L_ef为两节点间考虑其他节点影响的电气距离。

B4:计算综合考虑集群灵活性平衡特性和结构特性的目标函数：

其中，k₁、k₂、k₃为各指标所占目标权值，取决于计算人员设计目的。k₁、k₂取值越大，则系统灵活性资源利用率越高，集群灵活性特性越好；k₃取值越大，则划分的集群结构特性越好。

不同权重的选择将会影响集群的最优划分结果，根据各指标结果计算帕累托最优解集，得到帕累托前沿曲面，提高权值确定的客观性。

C：如图2所示，运用智能遗传算法计算，以上述集群划分判据为适应度函数，采用自适应交叉变异概率进行迭代优化，将最优结果解码作为考虑灵活性的高渗透率可再生能源的集群划分的结果，具体步骤如下所示：

C1：以集群划分方式对个体进行编码，一种划分结果即为一个个体，采用同样编码方式产生N个个体即为一个种群，种群规模根据系统规模设定；其中编码的方式如下：由于配电网络由节点和线路组成，集群划分最终结果体现在结构特性上，即划分结果表示各节点之间的连接情况，以节点个数设定矩阵，对应位置参数代表节点间的连接情况，设定1、0分别表示对应节点的连接、断开状态。

C2：设定考虑灵活性的集群划分目标函数为遗传算法的适应度函数，对初始种群进行M次迭代计算，迭代次数根据系统需求设定；

C3：根据轮盘赌在群体中选择优胜的个体，对上一代个体进行交叉、变异；

C4：重复上述计算，直至出现最优个体，解码最优个体，确定最优划分结果。

Claims (9)

1.考虑灵活性的高渗透率可再生能源集群划分方法，其特征在于：按下述步骤进行：

A：所述集群划分判据定义为灵活性，依据配电网源荷建立包括集群灵活性需求模型和集群灵活性供给模型的灵活性供需模型；

B：考虑灵活性的集群划分判据包括用于描述集群功率动态平衡的集群灵活性供需平衡指标、用于描述集群运行稳定时间特性的集群灵活性平衡时间指标和用于描述集群结构特性的模块度指标，以各指标计算考虑集群灵活性的集群划分目标函数；

C：运用智能遗传算法计算，以上述集群划分判据为适应度函数，采用自适应交叉变异概率进行迭代优化，将最优结果解码作为考虑灵活性的高渗透率可再生能源的集群划分的结果。

2.根据权利要求1所述的考虑灵活性的高渗透率可再生能源集群划分方法，其特征在于：所述步骤A中灵活性供需模型表示如下：

A1：集群灵活性需求定义为集群净负荷的时序爬坡功率：

其中，P_l(t)、P_l(t-τ)分别表示节点l在t、t-τ时刻的净负荷功率，和式分别表示对集群i内该时刻所有节点求和；若则表示集群i有向上爬坡灵活性需求，若则表示集群i有向下爬坡灵活性需求，定义集群灵活性需求为非负值。

A2:可调节常规机组上调、下调灵活性供给能力表达式如下：

其中，分别表示可调节机组g的向上、向下爬坡速率；P_gmax、P_gmin分别表示可调节机组g的最大、最小出力；可调节常规机组g在t时刻出力状态与前一时刻出力状态和该时间尺度内爬坡功率有关，即或

A3:可中断负荷灵活性供给能力表示功率约束和电量约束，具体表示式如下：

其中，表示t时刻可中断负荷d主动参与需求响应的比例，由历史数据总结得出；表示t时刻可中断负荷d总量；E_dmax表示可中断负荷允许的最大切负荷电量。

A4:储能系统灵活性供给能力可表示为：

其中，P_smax,c、P_smax,disc、分别为储能装置s最大充放电功率， 分别是储能装置s最大、最小容量值，η_s为储能装置s的充放电效率；t时刻储能容量状态取决于储能初始值状态和累积充放电容量，因此储能t时刻容量状态表达式为：

A5:基于上述各灵活性资源分析，集群灵活性供给能力为群内所有源荷储灵活资源调节能力的综合表现，具体表达式如下：

3.根据权利要求1所述的考虑灵活性的高渗透率可再生能源集群划分方法，其特征在于：步骤B中所述集群灵活性供需平衡指标的表示如下：

其中，ΔF_i ^τ,M(t)表示在响应时间长度为τ时，t时刻第i集群向上/向下爬坡灵活性需求；

在研究周期T内，对各集群灵活性需求进行标幺化处理，进一步给出全系统灵活性供需平衡指标，具体表达式如下：

其中，表示集群灵活性供需平衡指标；C为全体集群集合；T为研究周期；表示在研究周期T内第i集群累计灵活性需求值；表示在研究周期T内最大集群灵活性需求值。

4.根据权利要求1所述的考虑灵活性的高渗透率可再生能源集群划分方法，其特征在于：步骤B中所述集群灵活性平衡时间指标的表示如下：

其中，λ_T表示集群灵活性平衡时间指标；表示集群内灵活性供给满足灵活性需求的累计时间值。

5.根据权利要求1所述的考虑灵活性的高渗透率可再生能源集群划分方法，其特征在于：步骤B中所述模块度指标表示如下：

其中，A_ef表示连接节点e和节点f的边的权重，当节点e和节点f直接相连时A_ef＝1，不相连时A_ef＝0；表示所有与节点e相连的边的权重之和；表示网络中所有边的权重之和；如果节点e和节点f分在同一分区内，则函数δ(e,f)＝1，否则δ(e,f)＝0；

网络边权由电气距离决定，基于无功电压灵敏度关系的电气距离具体表达式如下：

ΔV＝S_VQΔQ

其中，S_VQ为灵敏度矩阵，ΔV和ΔQ分别为电压幅值和无功变化量；S_VQ,ef表示节点f单位无功功率变化值对应节点e的变化值，d_ef为节点f单位无功功率变化时对其自身电压变化值与对节点e电压变化值之比，定义L_ef为两节点间考虑其他节点影响的电气距离。

6.根据权利要求1所述的考虑灵活性的高渗透率可再生能源集群划分方法，其特征在于：所述考虑集群灵活性的集群划分目标函数计算如下所示：

其中，k₁、k₂、k₃分别为集群灵活性供需平衡指标、集群灵活性平衡时间指标和模块度指标所占目标权值；

当k₁、k₂取值越大，则系统灵活性资源利用率越高，集群灵活性特性越好；当k₃取值越大，则划分的集群结构特性越好。

7.根据权利要求6所述的考虑灵活性的高渗透率可再生能源集群划分方法，其特征在于：所述权值确定的方式如下：

不同权重的选择将会影响集群的最优划分结果，根据项目需求，对各指标结果计算帕累托最优解集，得到帕累托前沿曲面，提高权值确定的客观性。

8.根据权利要求1所述的考虑灵活性的高渗透率可再生能源集群划分方法，其特征在于：步骤C中所述智能遗传算法进行集群划分的步骤如下所示：

C1：以集群划分方式对个体进行编码，一种划分结果即为一个个体，采用同样编码方式产生N个个体即为一个种群，种群规模根据系统规模设定；

C2：设定考虑灵活性的集群划分目标函数为遗传算法的适应度函数，对初始种群进行M次迭代计算，迭代次数根据系统需求设定；

C3：根据轮盘赌在群体中选择优胜的个体，对上一代个体进行交叉、变异；

C4：重复上述计算，直至出现最优个体，解码最优个体，确定最优划分结果。

9.根据权利要求8所述的考虑灵活性的高渗透率可再生能源集群划分方法，其特征在于：所述C1编码方式如下所示：

配电网络由节点和线路组成，集群划分最终结果体现在结构特性上，即划分结果表示各节点之间的连接情况，以节点个数设定矩阵，对应位置参数代表节点间的连接情况，设定1、0分别表示对应节点的连接、断开状态。