CN114069687B - 一种计及逆变器无功调节作用的分布式光伏规划方法 - Google Patents

一种计及逆变器无功调节作用的分布式光伏规划方法 Download PDF

Info

Publication number
CN114069687B
CN114069687B CN202010755709.8A CN202010755709A CN114069687B CN 114069687 B CN114069687 B CN 114069687B CN 202010755709 A CN202010755709 A CN 202010755709A CN 114069687 B CN114069687 B CN 114069687B
Authority
CN
China
Prior art keywords
photovoltaic
planning
cost
distribution network
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010755709.8A
Other languages
English (en)
Other versions
CN114069687A (zh
Inventor
蒋海峰
沈菁菁
王宝华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202010755709.8A priority Critical patent/CN114069687B/zh
Publication of CN114069687A publication Critical patent/CN114069687A/zh
Application granted granted Critical
Publication of CN114069687B publication Critical patent/CN114069687B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Abstract

本发明公开了一种计及逆变器无功调节作用的分布式光伏规划方法。该方法包括以下步骤：考虑负荷和光伏出力的的时序性、随机性和相关性，构建分布式光伏规划场景；计及逆变器无功调节作用，构建以年综合费用最小和电压偏移最少为目标函数的分布式光伏多目标双层规划模型，并基于双层粒子群优化算法优化求解最优规划方案。本发明构建的规划场景更接近实际运行环境，建立的双层规划模型和综合优化策略综合了配电网年综合费用和电压偏移，并在运行优化中考虑了逆变器剩余无功容量的充分利用，有利于提升配电网光伏接入容量，及分布式光伏规划运行的经济性和配电网电压偏移水平。

Description

一种计及逆变器无功调节作用的分布式光伏规划方法
技术领域
本发明属于配电网分布式电源规划技术领域，具体涉及一种计及逆变器无功调节作用的分布式光伏规划方法。
背景技术
分布式光伏的接入提供了清洁电力，但若接入容量和位置不当可能造成资本浪费及配电网网损上升、电压质量恶化。合理的分布式光伏规划方案可避免光伏功率的过度削减，并优化潮流分布，对提升投资效益和配电网运行性能、促进光伏发展均具有重要意义。
在规划的场景构建环节，为实现光伏并网规划场景的精确构建，需充分考虑长时间尺度下的时序出力变化特性及短时间尺度下的随机性和相关性；在规划模型构建环节，需兼顾规划运行的经济性和电压偏移等指标，简单的从电网运行角度的网损最小、电压偏移最少等为目标函数的模型，或从分布式电源投资商角度的最大并网容量、最大投资收益等为目标函数的模型难以满足要求。
发明内容
本发明的目的在于提供一种计及逆变器无功调节作用的分布式光伏规划方法，从而提升配电网光伏接入容量、分布式光伏规划运行的经济性和配电网电压偏移水平。
实现本发明目的的技术解决方案为：一种计及逆变器无功调节作用的分布式光伏规划方法，包括以下步骤：
步骤1，考虑负荷和光伏出力的时序性、随机性和相关性，构建分布式光伏规划场景；
步骤2，计及逆变器无功调节作用，构建以年综合费用最小和电压偏移最少为目标函数的分布式光伏多目标双层规划模型，并基于双层粒子群优化算法优化求解。
进一步地，所述步骤1基于以下流程实现：
步骤1.1，基于季节和天气将规划典型日分为12类，共12×24时段，并采集历史各时段光伏出力、各类负荷数据，建立光伏和负荷随机模型；
步骤1.2，依次对所有时段采用拉丁超立方采样和Cholesky分解法排序生成时段相关性场景，提取时段相关性场景中的两个极端场景，采用K-means聚类法对剩余场景聚类，最终获得规划场景。
进一步地，所述步骤2基于以下流程实现：
步骤2.1，计及光伏逆变器无功调节出力，以光伏并网后配电网年综合费用和电压偏移为目标函数，建立分布式光伏并网“规划-运行”双层规划模型；
步骤2.2，基于兼顾费用和电压偏移的综合优化策略指导模型优化：分布式光伏并网规划模型以年综合费用最小和电压偏移最少为目标函数，为兼顾实现两个目标的优化，基于权重将目标函数综合，得上层模型综合目标函数；结合上层、下层规划目标函数间关系，推导得到下层模型的综合目标函数；
步骤2.3，基于双层PSO算法求解模型，得到分布式光伏并网规划方案；由于规划模型分为规划优化和运行优化上、下两层，两层间通过信息交流不断迭代优化最终得到最优规划方案，因而采用双层PSO算法分别优化求解。
进一步地，步骤2.1所述计及光伏逆变器无功调节出力，以光伏并网后配电网年综合费用和电压偏移为目标函数，建立分布式光伏并网“规划-运行”双层规划模型，具体如下：
上层规划模型以年综合费用最小和电压偏移最少为目标函数，年综合费用ff包含光伏投资成本、运维成本及配电网购电费用，描述如下：
minff＝Cinv+Co&m+Cpur
式中：Cinv为光伏投资年成本，Co&m为光伏运行维护成本，Cpur为配电网购电费用；
光伏投资年成本Cinv计算方法如下：
式中：r为贴现率，η为光伏电池板经济使用年限，ci为光伏单位容量投资成本，Wj为节点j的安装容量，NPV为光伏接入节点集合；
光伏运行维护成本Co&m计算方法如下：
式中：s表示春、夏、秋、冬四季，w表示晴天、阴天和雨雪天三类天气状况，h表示时段，NK为时段场景进行K-means聚类后的场景数量；ds,w为全年s季节w天气状况下的天数；com为光伏单位电量运维成本；ps,w,h,k为s季节、w天气状况、h时段下第k个聚类场景的概率，PPV,s,w,h,k,j为节点j光伏在该场景下的有功功率；
配电网购电费用Cpur计算方法如下：
式中：cp为配电网单位电量购电成本，为配电网关口有功功率；
上层规划模型的另一目标函数为电压偏移fv最少，为客观计算配电网电压偏移，采用负荷加权，描述如下：
式中：Ns为配电网节点数，Ps,w,h,k,n、Ps,w,h,k,all分别为场景下节点n负荷有功功率和系统总有功功率，Us,w,h,k,n、UN分别为场景下节点n电压及系统额定电压；
下层规划/运行模型以时段场景综合费用和时段场景电压偏移最少为目标函数，由于上层规划确定了光伏装机容量，因而时段场景综合费用ff,s,w,h描述如下：
minff,s,w,h＝Co&m,s,w,h+Cpur,s,w,h
式中：Co&m,s,w,h、Cpur,s,w,h分别为s季节、w天气状况、h时段下的光伏运行维护成本和配电网购电费用；
场景光伏运维成本Co&m,s,w,h计算方法如下：
场景配电网购电费用Cpur,s,w,h计算方法如下：
下层规划模型中时段场景电压偏移fv,s,w,h最少的目标函数表示如下：
下层规划模型以包括电容器投切组数、光伏逆变器无功出力的无功优化措施和光伏有功削减量为控制变量，各节点电压、支路电流、配电网关口功率为状态变量，控制变量约束为：
式中：QPV,s,w,h,j为h时段下光伏逆变器无功出力，分别为无功出力的上、下限；nc,s,w,h,i为第i个电容器组在h时段下的投切组数，/>为其投切组数上限；wcur,s,w,h为光伏有功削减率，/>为其上限；
状态变量约束为：
式中：为节点i的电压上、下限；Is,w,h,k,b为h时段第k个聚类场景下流经支路b的电流，/>为支路b电流上限，Nb为配电网支路数；上级电网流向配电网时关口有功功率/>取正，/>表示禁止功率倒送上级电网。
进一步地，步骤2.2所述基于兼顾费用和电压偏移的综合优化策略指导模型优化：分布式光伏并网规划模型以年综合费用最小和电压偏移最少为目标函数，为兼顾实现两个目标的优化，基于权重将目标函数综合，得上层模型综合目标函数，具体为：
minFup＝wfμ(ff)+wvμ(fv)
其中，
式中：wf、wv分别为年综合费用和电压偏移的权重，wf+wv＝1，由配电网经济性和电能质量提升的考核效益对比分析确定；μ(f)为关于目标f即ff或fv的隶属度函数，fmax、fmin分别为目标f的最大值和最小值，基于单目标模型优化求解得到；
结合上层、下层规划目标函数间关系，推导得到下层模型的综合目标函数为：
则上、下两层综合目标函数间关系为：
进一步地，步骤2.3中双层PSO算法的求解流程如下：
(1)输入模型及算法相关参数；
(2)以光伏规划位置和容量为粒子位置，以上层综合目标函数为适应度函数，基于上层PSO算法优化求解上层规划模型，其中各粒子适应度值计算需依赖下层规划返回的下层综合目标函数值；
(3)以包括电容器投切组数、光伏逆变器无功出力的无功优化措施为粒子位置，以下层综合目标函数为适应度函数，基于下层PSO算法优化求解下层规划模型，其中各粒子适应度值计算需调用潮流计算子程序；
(4)输出优化结果：上层PSO算法迭代结束后，输出最优规划方案，及对应的minFup、ff、fv。
本发明与现有技术相比，其显著优点为：(1)构建的规划场景按典型日分类，考虑了光伏出力特性和不同类负荷间时序出力差异，并计及了时段内随机变量随机性和相关性，更接近实际运行环境；(2)建立的双层规划模型和综合优化策略综合了配电网年综合费用和电压偏移，并在运行优化中考虑了逆变器剩余无功容量的充分利用，有利于提升光伏接入容量，降低年综合费用、提升电压质量。
附图说明
图1为本发明的分布式光伏规划方法的总流程图。
图2为分布式光伏规划场景构建流程图。
图3为基于双层PSO算法的分布式光伏并网规划模型求解流程图。
图4为改进的IEEE33节点配电系统示意图。
图5为各行业日负荷时序出力图，其中(a)为工业负荷时序出力图，(b)农业负荷时序出力图，(c)为商业负荷时序出力图，(d)为居民负荷时序出力图。
图6为不同季节下的光伏日出力时序图，其中(a)为春季的光伏日出力时序图，(b)为夏季的光伏日出力时序图，(c)为秋季的光伏日出力时序图，(d)为冬季的光伏日出力时序图。
具体实施方式
本发明计及逆变器无功调节作用的分布式光伏规划方法，包括以下步骤：
步骤1，考虑负荷和光伏出力的时序性、随机性和相关性，构建分布式光伏规划场景；
步骤2，计及逆变器无功调节作用，构建以年综合费用最小和电压偏移最少为目标函数的分布式光伏多目标双层规划模型，并基于双层粒子群优化算法优化求解。
进一步地，所述步骤1基于以下流程实现：
步骤1.1，基于季节和天气将规划典型日分为12类，共12×24时段，并采集历史各时段光伏出力、各类负荷数据，建立光伏和负荷随机模型；
步骤1.2，依次对所有时段采用拉丁超立方采样和Cholesky分解法排序生成时段相关性场景，提取时段相关性场景中的两个极端场景，采用K-means聚类法对剩余场景聚类，最终获得规划场景。
进一步地，所述步骤2基于以下流程实现：
步骤2.1，计及光伏逆变器无功调节出力，以光伏并网后配电网年综合费用和电压偏移为目标函数，建立分布式光伏并网“规划-运行”双层规划模型；
步骤2.2，基于兼顾费用和电压偏移的综合优化策略指导模型优化：分布式光伏并网规划模型以年综合费用最小和电压偏移最少为目标函数，为兼顾实现两个目标的优化，基于权重将目标函数综合，得上层模型综合目标函数；结合上层、下层规划目标函数间关系，推导得到下层模型的综合目标函数；
步骤2.3，基于双层PSO算法求解模型，得到分布式光伏并网规划方案；由于规划模型分为规划优化和运行优化上、下两层，两层间通过信息交流不断迭代优化最终得到最优规划方案，因而采用双层PSO算法分别优化求解。
进一步地，步骤2.1所述计及光伏逆变器无功调节出力，以光伏并网后配电网年综合费用和电压偏移为目标函数，建立分布式光伏并网“规划-运行”双层规划模型，具体如下：
上层规划模型以年综合费用最小和电压偏移最少为目标函数，年综合费用ff包含光伏投资成本、运维成本及配电网购电费用，描述如下：
minff＝Cinv+Co&m+Cpur
式中：Cinv为光伏投资年成本，Co&m为光伏运行维护成本，Cpur为配电网购电费用；
光伏投资年成本Cinv计算方法如下：
式中：r为贴现率，η为光伏电池板经济使用年限，ci为光伏单位容量投资成本，Wj为节点j的安装容量，NPV为光伏接入节点集合；
光伏运行维护成本Co&m计算方法如下：
式中：s表示春、夏、秋、冬四季，w表示晴天、阴天和雨雪天三类天气状况，h表示时段，NK为时段场景进行K-means聚类后的场景数量；ds,w为全年s季节w天气状况下的天数；com为光伏单位电量运维成本；ps,w,h,k为s季节、w天气状况、h时段下第k个聚类场景的概率，PPV,s,w,h,k,j为节点j光伏在该场景下的有功功率；
配电网购电费用Cpur计算方法如下：
式中：cp为配电网单位电量购电成本，为配电网关口有功功率；
上层规划模型的另一目标函数为电压偏移fv最少，为客观计算配电网电压偏移，采用负荷加权，描述如下：
式中：Ns为配电网节点数，Ps,w,h,k,n、Ps,w,h,k,all分别为场景下节点n负荷有功功率和系统总有功功率，Us,w,h,k,n、UN分别为场景下节点n电压及系统额定电压；
下层规划/运行模型以时段场景综合费用和时段场景电压偏移最少为目标函数，由于上层规划确定了光伏装机容量，因而时段场景综合费用ff,s,w,h描述如下：
minff,s,w,h＝Co&m,s,w,h+Cpur,s,w,h
式中：Co&m,s,w,h、Cpur,s,w,h分别为s季节、w天气状况、h时段下的光伏运行维护成本和配电网购电费用；
场景光伏运维成本Co&m,s,w,h计算方法如下：
场景配电网购电费用Cpur,s,w,h计算方法如下：
下层规划模型中时段场景电压偏移fv,s,w,h最少的目标函数表示如下：
下层规划模型以包括电容器投切组数、光伏逆变器无功出力的无功优化措施和光伏有功削减量为控制变量，各节点电压、支路电流、配电网关口功率为状态变量，控制变量约束为：
式中：QPV,s,w,h,j为h时段下光伏逆变器无功出力，分别为无功出力的上、下限；nc,s,w,h,i为第i个电容器组在h时段下的投切组数，/>为其投切组数上限；wcur,s,w,h为光伏有功削减率，/>为其上限；
状态变量约束为：
式中：为节点i的电压上、下限；Is,w,h,k,b为h时段第k个聚类场景下流经支路b的电流，/>为支路b电流上限，Nb为配电网支路数；上级电网流向配电网时关口有功功率/>取正，/>表示禁止功率倒送上级电网。
进一步地，步骤2.2所述基于兼顾费用和电压偏移的综合优化策略指导模型优化：分布式光伏并网规划模型以年综合费用最小和电压偏移最少为目标函数，为兼顾实现两个目标的优化，基于权重将目标函数综合，得上层模型综合目标函数，具体为：
minFup＝wfμ(ff)+wvμ(fv)
其中，
式中：wf、wv分别为年综合费用和电压偏移的权重，wf+wv＝1，由配电网经济性和电能质量提升的考核效益对比分析确定；μ(f)为关于目标f即ff或fv的隶属度函数，fmax、fmin分别为目标f的最大值和最小值，基于单目标模型优化求解得到；
结合上层、下层规划目标函数间关系，推导得到下层模型的综合目标函数为：
则上、下两层综合目标函数间关系为：
进一步地，步骤2.3中双层PSO算法的求解流程如下：
(1)输入模型及算法相关参数；
(2)以光伏规划位置和容量为粒子位置，以上层综合目标函数为适应度函数，基于上层PSO算法优化求解上层规划模型，其中各粒子适应度值计算需依赖下层规划返回的下层综合目标函数值；
(3)以包括电容器投切组数、光伏逆变器无功出力的无功优化措施为粒子位置，以下层综合目标函数为适应度函数，基于下层PSO算法优化求解下层规划模型，其中各粒子适应度值计算需调用潮流计算子程序；
(4)输出优化结果：上层PSO算法迭代结束后，输出最优规划方案，及对应的minFup、ff、fv。
下面结合附图和具体实施例，进一步说明本发明方案。
一、首先，介绍本发明涉及的法原理：
本发明的一种计及逆变器无功调节作用的分布式光伏规划方法，其总流程图如图1所示，主要包括以下步骤：
步骤1，考虑负荷和光伏出力的的时序性、随机性和相关性，构建分布式光伏规划场景。分布式光伏规划场景构建流程如图2所示，主要为：
步骤1.1，基于季节和天气将规划典型日分为12类，共12×24时段，并采集历史各时段光伏出力(或光照强度)和各类负荷数据，建立光伏和负荷随机模型。
步骤1.2，依次对所有时段采用拉丁超立方采样(LatinHypercubesampling，LHS)和Cholesky分解法排序生成时段相关性场景，提取时段相关性场景中的两个极端场景，采用K-means聚类法对剩余场景聚类，最终获得规划场景。
步骤2，计及逆变器无功调节作用，构建以年综合费用最小和电压偏移最少为目标函数的分布式光伏多目标双层规划模型，并基于双层粒子群优化(Particle SwarmOptimization，PSO)算法优化求解。
步骤2.1，计及光伏逆变器无功调节出力，以光伏并网后配电网年综合费用和电压偏移为目标函数，建立分布式光伏并网“规划-运行”双层规划模型。
其中，上层规划模型以年综合费用最小和电压偏移最少为目标函数。年综合费用包含光伏投资成本、运维成本及配电网购电费用，描述如下：
minff＝Cinv+Co&m+Cpur
式中：Cinv为光伏投资年成本，Co&m为光伏运行维护成本，Cpur为配电网购电费用。
光伏投资年成本计算方法如下：
式中：r为贴现率，η为光伏电池板经济使用年限，ci为光伏单位容量投资成本，Wj为节点j的安装容量，NPV为光伏接入节点集合。
光伏运行维护成本计算方法如下：
式中：s表示春、夏、秋、冬四季，w表示晴天、阴天和雨雪天三类天气状况，h表示时段，NK为时段场景进行K-means聚类后的场景数量；ds,w为全年s季节w天气状况下的天数；com为光伏单位电量运维成本；ps,w,h,k为s季节、w天气状况、h时段下第k个聚类场景的概率，PPV,s,w,h,k,j为节点j光伏在该场景下的有功功率。
配电网购电费用计算方法如下：
式中：cp为配电网单位电量购电成本，为配电网关口有功功率。
上层规划模型的另一目标函数为电压偏移最少。为更为客观计算配电网电压偏移，采用负荷加权，描述如下：
式中：Ns为配电网节点数，Ps,w,h,k,n、Ps,w,h,k,all分别为场景下节点n负荷有功功率和系统总有功功率，Us,w,h,k,n、UN分别为场景下节点n电压及系统额定电压。
上层规划模型以光伏安装位置和容量为控制变量，其约束为节点安装容量约束和分布式电源容量渗透率约束。节点安装容量约束如下：
式中：为节点j的光伏安装容量上限。
分布式电源容量渗透率约束为：
式中：ρ为光伏最大穿透功率系数，为配电网最大负荷。
下层规划/运行模型以时段场景综合费用和时段场景电压偏移最少为目标函数。由于上层规划确定了光伏装机容量，因而时段场景综合费用可描述如下：
minff,s,w,h＝Co&m,s,w,h+Cpur,s,w,h
式中：Co&m,s,w,h、Cpur,s,w,h分别为s季节、w天气状况、h时段下的光伏运行维护成本和配电网购电费用。
场景光伏运维成本计算方法如下：
场景配电网购电费用计算方法如下：
下层规划模型中时段场景电压偏移最少的目标函数表示如下：
下层规划模型以电容器投切组数、光伏逆变器无功出力等无功优化措施和光伏有功削减量为控制变量，各节点电压、支路电流、配电网关口功率为状态变量，需满足功率平衡约束、控制变量约束和状态变量约束。功率平衡约束为：
式中：分别为节点i在s季节、w天气状况、h时段第k个聚类场景下注入的有功、无功功率，Gij、Bij为i、j节点间支路的电导和电纳；θs,w,h,k,ij为该场景下的i、j节点间电压相角差。
控制变量约束为：
式中：QPV,s,w,h,j为h时段下光伏逆变器无功出力，分别为无功出力的上、下限；nc,s,w,h,i为第i个电容器组在h时段下的投切组数，/>为其投切组数上限；wcur,s,w,h为光伏有功削减率，/>为其上限。
状态变量约束为：
式中：为节点i的电压上、下限；Is,w,h,k,b为h时段第k个聚类场景下流经支路b的电流，/>为支路b电流上限，Nb为配电网支路数；上级电网流向配电网时关口有功功率/>取正，/>表示禁止功率倒送上级电网。
步骤2.2，基于兼顾费用和电压偏移的综合优化策略指导模型优化。分布式光伏并网规划模型以年综合费用最小和电压偏移最少为目标函数，为兼顾实现两个目标的优化，基于权重将目标函数综合，得上层模型综合目标函数为：
minFup＝wfμ(ff)+wvμ(fv)
其中，
式中：wf、wv分别为年综合费用和电压偏移的权重，wf+wv＝1，可由配电网经济性和电能质量提升的考核效益对比分析确定；μ(f)为关于目标f(ff或fv)的隶属度函数，fmax、fmin分别为目标f的最大值和最小值，可基于单目标模型优化求解得到。
结合上层、下层规划目标函数间关系，可推导得到下层模型的综合目标函数为：
则上、下两层综合目标函数间关系为：
步骤2.3，基于双层PSO算法求解模型，得到分布式光伏并网规划方案。由于规划模型分为规划优化和运行优化上、下两层，两层间通过信息交流不断迭代优化最终得到最优规划方案，因而采用双层PSO算法分别优化求解。基于双层PSO算法的分布式光伏并网规划模型求解流程如图3所示，主要如下：
(1)输入模型及算法相关参数；
(2)以光伏规划位置和容量为粒子位置，以上层综合目标函数为适应度函数，基于上层PSO算法优化求解上层规划模型，其中各粒子适应度值计算需依赖下层规划返回的下层综合目标函数值；
(3)以电容器投切组数、光伏逆变器无功出力等无功优化措施为粒子位置，以下层综合目标函数为适应度函数，基于下层PSO算法优化求解下层规划模型，其中各粒子适应度值计算需调用潮流计算子程序；
(4)输出优化结果。上层PSO算法迭代结束后，输出最优规划方案，及对应的minFup、ff、fv。
二、下面是采用上述方法的具体一个案例：
采用改进的IEEE33节点配电系统为算例，其结构如图4所示。系统最大总负荷为3.715+j2.300MV·A，工业负荷节点集合{2223242526272829303132}，农业负荷节点集合{161718192021}，商业负荷节点集合{123456}和居民生活负荷节点集合{789101112131415}；在节点13和节点27接入电容器组，受自然条件和场地因素制约，考虑设置节点[8152931]为光伏待安装节点。
各类负荷日时序出力均值如图5(a)～(d)所示，各时段正态拟合的标准差为负荷均值的5％，负荷上、下限范围为0.9～1.1倍均值，且不超过最大负荷值；光伏不同季节和天气状况下的日时序出力如图6(a)～(d)所示，为简化分析，此处取所有有光伏出力时段的Beta分布形状参数均为α＝3、β＝6，光伏出力上、下限范围为0.85～1.15，且出力系数介于0～1。每个时段LHS采样数N＝1000，相关系数设置：同类负荷间相关系数为0.6，不同类负荷间为0.3；两光伏电站光伏出力间为0.8；负荷与光伏出力间为0.3。
节点13、27电容器容量均为20组×50kVar，待选光伏安装节点的容量上限均为1MW，且光伏安装容量与逆变器容量相等；不同季节和天气状况典型日的天数ds,w如表1；贴现率r＝6％，光伏电池板经济使用年限η＝20年；光伏单位容量投资成本ci＝8200元/kW、单位电量运维成本com＝0.24元/(kW·h)，配电网单位电量购电成本cp＝0.48元/(kW·h)；分布式光伏容量最大渗透率ρ＝80％，最大有功削减率节点电压要求在0.95～1.05范围，节点0至节点5间支路电流不超过0.5kA，其余支路电流不超过0.3kA；年综合费用和电压偏移的权重分别取值wf＝0.7、wv＝0.3；上下层PSO算法种群规模均为30，最大迭代次数mmax＝50。
表1不同季节和天气状况典型日的天数
首先，为分析模型优化效果，设置三类模型，其目标函数分别为minff、minfv和minFup，也即单独优化年综合费用、电压偏移和本文综合优化。三种模型下的分布式光伏规划结果如表2所示。
表2不同模型下的光伏规划优化结果
/>
表中规划方案为依次在节点[8152931]的光伏拟装机容量，可见：
1)针对本文模型minFup，光伏总安装容量为2.532MW，且同一支路，靠近支路末端节点的光伏安装容量较高，这是因为安装位置靠近末端会较大程度减少功率在支路上的传输，从而有助于减少网损和电压偏移，但若安装容量过高也将引起潮流反向，可能导致网损升高、局部电压过高等不利影响，优化结果为经济性和电压偏移均衡的一种状态。此外，光伏并网虽带来了高昂的投资成本和光伏运维成本，但光伏提供的电力可减少购电电量，降低购电费用，光伏并网前购电费用需要1039.92万元，并网后的年综合费用为1000.13万元，因而总体上提升了配电网经济效益。
2)minff模型的光伏规划容量最小，为2.426MW，年综合费用仅需996.94万元，但电压偏移为1.83％；minfv模型的光伏规划容量最大，为2.972MW，年综合费用为1020.67万元，其电压偏移为1.41％。这是因为minff模型只考虑费用，因而优化过程中避免过度的有功削减，及尽可能优化网损，所以相比于minFup模型光伏装机容量下降，同时电压质量变差；minfv模型只顾及电压，优化过程中将安装较多的光伏以减少有功的输送，及有更多的逆变器无功容量来优化电压，所以光伏安装容量较大程度上升，但由于光伏渗透率大导致弃光较为严重，使购电成本并未大幅下降，因而年综合费用较大。相比于minff和minfv模型，minFup模型同时兼顾成本费用和电压，避免了电压支撑不足和光伏装机容量过大导致的过度有功削减，获得了较低的年综合费用和较小的电压偏移，其综合目标最优。
其次，为分析逆变器无功调节作用对优化结果的影响，仿真得到考虑和不考虑逆变器无功出力的光伏规划优化结果如表3所示。
表3逆变器无功出力考虑与否下的光伏规划优化结果
由表可知，相比于不考虑逆变器无功出力，利用光伏逆变器无功时的光伏装机容量增加了0.085MW，其投资成本和运维成本分别增加6.08万元和9.93万元，购电费用下降17.95万元，年综合费用减少2.52万元，且电压偏移减小，电压水平升高。这是因为不考虑光伏逆变器无功调节作用时，电压约束限制了光伏接入容量，考虑后可通过调节逆变器吸收感性无功避免接入点电压过高而越上限，因而考虑逆变器无功调节作用后装机容量上升，并且由于购电费用下降使得年综合费用减少。此外，利用光伏逆变器增加了系统无功调节容量，可在多数剩余容量较多时段积极参与系统无功优化，以降低网损、提升电压水平，因而电压偏移减少。
可见，逆变器无功容量的充分利用可有效实现含光伏配电网的运行优化，逆变器无功容量的考虑可进一步提升光伏接入容量、优化规划方案，以降低配电网综合费用、提升电压水平。
为分析随机变量相关性影响，仿真得到考虑和不考虑随机变量相关性下的光伏规划优化结果如表4所示。
表4相关性考虑与否下的光伏规划优化结果
由表可见，考虑随机变量相关性后，光伏安装容量增加了0.045MW，光伏投资和运维成本分别增加了3.22万元、3.94万元，向上级电网购电费用减少了9.89万元，年综合费用整体减少2.73万元，且电压偏移减小。这是因为不考虑相关性时，负荷和光伏出力较为随机，相关性的考虑则关联了两者出力，使光伏和负荷出力波动具有一致性，因而在需要光伏进行削减的时段可减少光伏削减功率，提升了光伏接入水平。且由于光伏接入容量的上升，会减少线路有功传输，并提供更多无功容量参与配电网运行优化，从而降低网损、提升电压，因而使得年综合费用下降，并使电压偏移减少。
综上可知，本发明所提出的计及逆变器无功调节作用的分布式光伏规划方法，通过构建精确规划场景，综合考虑经济性和电压指标，建立计及逆变器无功调节作用的分布式光伏规划模型，决策出的光伏规划方案可有效提升分布式光伏规划运行的经济性和配电网电压偏移水平，具有重要推广应用价值。此外，光伏逆变器剩余容量的利用丰富了含光伏配电网运行优化手段，考虑其无功功率调节作用可进一步优化分布式光伏规划方案。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (2)

1.一种计及逆变器无功调节作用的分布式光伏规划方法，其特征在于，包括以下步骤：
步骤1，考虑负荷和光伏出力的时序性、随机性和相关性，构建分布式光伏规划场景；
步骤2，计及逆变器无功调节作用，构建以年综合费用最小和电压偏移最少为目标函数的分布式光伏多目标双层规划模型，并基于双层粒子群优化算法优化求解；
所述步骤1基于以下流程实现：
步骤1.1，基于季节和天气将规划典型日分为12类，共12×24时段，并采集历史各时段光伏出力、各类负荷数据，建立光伏和负荷随机模型；
步骤1.2，依次对所有时段采用拉丁超立方采样和Cholesky分解法排序生成时段相关性场景，提取时段相关性场景中的两个极端场景，采用K-means聚类法对剩余场景聚类，最终获得规划场景；
所述步骤2基于以下流程实现：
步骤2.1，计及光伏逆变器无功调节出力，以光伏并网后配电网年综合费用和电压偏移为目标函数，建立分布式光伏并网“规划-运行”双层规划模型；
步骤2.2，基于兼顾费用和电压偏移的综合优化策略指导模型优化：分布式光伏并网规划模型以年综合费用最小和电压偏移最少为目标函数，为兼顾实现两个目标的优化，基于权重将目标函数综合，得上层模型综合目标函数；结合上层、下层规划目标函数间关系，推导得到下层模型的综合目标函数；
步骤2.3，基于双层PSO算法求解模型，得到分布式光伏并网规划方案；由于规划模型分为规划优化和运行优化上、下两层，两层间通过信息交流不断迭代优化最终得到最优规划方案，因而采用双层PSO算法分别优化求解；
步骤2.1所述计及光伏逆变器无功调节出力，以光伏并网后配电网年综合费用和电压偏移为目标函数，建立分布式光伏并网“规划-运行”双层规划模型，具体如下：
上层规划模型以年综合费用最小和电压偏移最少为目标函数，年综合费用ff包含光伏投资成本、运维成本及配电网购电费用，描述如下：
minff＝Cinv+Co&m+Cpur
式中：Cinv为光伏投资年成本，Co&m为光伏运行维护成本，Cpur为配电网购电费用；
光伏投资年成本Cinv计算方法如下：
式中：r为贴现率，η为光伏电池板经济使用年限，ci为光伏单位容量投资成本，Wj为节点j的安装容量，NPV为光伏接入节点集合；
光伏运行维护成本Co&m计算方法如下：
式中：s表示春、夏、秋、冬四季，w表示晴天、阴天和雨雪天三类天气状况，h表示时段，NK为时段场景进行K-means聚类后的场景数量；ds,w为全年s季节w天气状况下的天数；com为光伏单位电量运维成本；ps,w,h,k为s季节、w天气状况、h时段下第k个聚类场景的概率，PPV,s,w,h,k,j为节点j光伏在该场景下的有功功率；
配电网购电费用Cpur计算方法如下：
式中：cp为配电网单位电量购电成本，为配电网关口有功功率；
上层规划模型的另一目标函数为电压偏移fv最少，为客观计算配电网电压偏移，采用负荷加权，描述如下：
式中：Ns为配电网节点数，Ps,w,h,k,n、Ps,w,h,k,all分别为场景下节点n负荷有功功率和系统总有功功率，Us,w,h,k,n、UN分别为场景下节点n电压及系统额定电压；
下层规划/运行模型以时段场景综合费用和时段场景电压偏移最少为目标函数，由于上层规划确定了光伏装机容量，因而时段场景综合费用ff,s,w,h描述如下：
minff,s,w,h＝Co&m,s,w,h+Cpur,s,w,h
式中：Co&m,s,w,h、Cpur,s,w,h分别为s季节、w天气状况、h时段下的光伏运行维护成本和配电网购电费用；
场景光伏运维成本Co&m,s,w,h计算方法如下：
场景配电网购电费用Cpur,s,w,h计算方法如下：
下层规划模型中时段场景电压偏移fv,s,w,h最少的目标函数表示如下：
下层规划模型以包括电容器投切组数、光伏逆变器无功出力的无功优化措施和光伏有功削减量为控制变量，各节点电压、支路电流、配电网关口功率为状态变量，控制变量约束为：
式中：QPV,s,w,h,j为h时段下光伏逆变器无功出力，分别为无功出力的上、下限；nc,s,w,h,i为第i个电容器组在h时段下的投切组数，/>为其投切组数上限；wcur,s,w,h为光伏有功削减率，/>为其上限；
状态变量约束为：
式中：为节点i的电压上、下限；Is,w,h,k,b为h时段第k个聚类场景下流经支路b的电流，/>为支路b电流上限，Nb为配电网支路数；上级电网流向配电网时关口有功功率取正，/>表示禁止功率倒送上级电网；
步骤2.2所述基于兼顾费用和电压偏移的综合优化策略指导模型优化：分布式光伏并网规划模型以年综合费用最小和电压偏移最少为目标函数，为兼顾实现两个目标的优化，基于权重将目标函数综合，得上层模型综合目标函数，具体为：
minFup＝wfμ(ff)+wvμ(fv)
其中，
式中：wf、wv分别为年综合费用和电压偏移的权重，wf+wv＝1，由配电网经济性和电能质量提升的考核效益对比分析确定；μ(f)为关于目标f即ff或fv的隶属度函数，fmax、fmin分别为目标f的最大值和最小值，基于单目标模型优化求解得到；
结合上层、下层规划目标函数间关系，推导得到下层模型的综合目标函数为：
则上、下两层综合目标函数间关系为：
2.根据权利要求1所述的计及逆变器无功调节作用的分布式光伏规划方法，其特征在于，步骤2.3中双层PSO算法的求解流程如下：
(1)输入模型及算法相关参数；
(2)以光伏规划位置和容量为粒子位置，以上层综合目标函数为适应度函数，基于上层PSO算法优化求解上层规划模型，其中各粒子适应度值计算需依赖下层规划返回的下层综合目标函数值；
(3)以包括电容器投切组数、光伏逆变器无功出力的无功优化措施为粒子位置，以下层综合目标函数为适应度函数，基于下层PSO算法优化求解下层规划模型，其中各粒子适应度值计算需调用潮流计算子程序；
(4)输出优化结果：上层PSO算法迭代结束后，输出最优规划方案，及对应的min Fup、ff、fv。
CN202010755709.8A 2020-07-31 2020-07-31 一种计及逆变器无功调节作用的分布式光伏规划方法 Active CN114069687B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010755709.8A CN114069687B (zh) 2020-07-31 2020-07-31 一种计及逆变器无功调节作用的分布式光伏规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010755709.8A CN114069687B (zh) 2020-07-31 2020-07-31 一种计及逆变器无功调节作用的分布式光伏规划方法

Publications (2)

Publication Number Publication Date
CN114069687A CN114069687A (zh) 2022-02-18
CN114069687B true CN114069687B (zh) 2024-04-23

Family

ID=80227362

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010755709.8A Active CN114069687B (zh) 2020-07-31 2020-07-31 一种计及逆变器无功调节作用的分布式光伏规划方法

Country Status (1)

Country Link
CN (1) CN114069687B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115841217B (zh) * 2022-09-30 2023-10-24 四川大学 计及逆变器无功支撑能力的主动配电网双层优化配置方法
CN116526589B (zh) * 2023-05-25 2023-12-05 国网江苏省电力有限公司电力科学研究院 考虑源荷多时序联合场景的无功配置方法、设备及介质
CN116993032B (zh) * 2023-09-28 2024-01-19 国网山西省电力公司运城供电公司 配网规划方法、装置、存储介质和计算机设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004343022A (ja) * 2003-05-15 2004-12-02 Toshiaki Mihara 太陽光発電方法及び装置
CN108599237A (zh) * 2018-04-24 2018-09-28 南京理工大学 一种主动配电网双层规划dg优化配置方法
CN110232462A (zh) * 2018-12-12 2019-09-13 国网江苏省电力有限公司扬州供电分公司 一种含分布式光伏的配电网无功配置双层规划方法
CN110445167A (zh) * 2019-06-26 2019-11-12 中国电力科学研究院有限公司 一种光伏接入配网的优化方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004343022A (ja) * 2003-05-15 2004-12-02 Toshiaki Mihara 太陽光発電方法及び装置
CN108599237A (zh) * 2018-04-24 2018-09-28 南京理工大学 一种主动配电网双层规划dg优化配置方法
CN110232462A (zh) * 2018-12-12 2019-09-13 国网江苏省电力有限公司扬州供电分公司 一种含分布式光伏的配电网无功配置双层规划方法
CN110445167A (zh) * 2019-06-26 2019-11-12 中国电力科学研究院有限公司 一种光伏接入配网的优化方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
考虑光伏接入不确定性的主动配电网有功-无功可控资源优化配置;李斌 等;电网技术;20170205;41(第02期);355-362 *

Also Published As

Publication number Publication date
CN114069687A (zh) 2022-02-18

Similar Documents

Publication Publication Date Title
CN109599861B (zh) 考虑本地负荷调峰能力的送端电网电源结构规划方法
CN114069687B (zh) 一种计及逆变器无功调节作用的分布式光伏规划方法
CN110782363A (zh) 一种计及风电不确定性的交直流配电网调度方法
Gu et al. Placement and capacity selection of battery energy storage system in the distributed generation integrated distribution network based on improved NSGA-II optimization
CN108306303A (zh) 一种考虑负荷增长和新能源出力随机的电压稳定评估方法
CN112734098B (zh) 一种基于源-荷-网平衡的配电网电力调度方法及系统
CN102510108B (zh) 一种用于求取地区电网最大风电装机容量的方法
CN111092451B (zh) 一种基于配电网网格的光伏消纳预警方法
CN105375507A (zh) 雾霾环境下虚拟电厂的电力两级交互优化调度系统
CN112381262B (zh) 考虑负荷电压特性及新能源强不确定性的微电网规划方法
CN113937825A (zh) 一种基于E-C-Kmeans聚类和SOP优化的DG双层优化配置方法
CN111144655A (zh) 一种分布式电源选址定容与配电网网架联合优化方法
CN113378100A (zh) 考虑碳排放的配电网源网荷储协同优化调度模型和方法
CN113312839A (zh) 一种基于强化学习的电网紧急辅助切负荷决策方法及装置
CN115017854A (zh) 一种基于多维评估指标体系的配电网dg最大准入容量计算方法
Yang et al. A selection hyper-heuristic algorithm for multiobjective dynamic economic and environmental load dispatch
CN110098623B (zh) 一种基于智能负载的Prosumer单元控制方法
CN105552941B (zh) 一种分布式电源调峰容量优化方法
CN114996908B (zh) 考虑智能软开关接入的主动配电网扩展规划方法及系统
CN110994632A (zh) 一种基于机会约束规划考虑电压和环保指标的分布式电源布点定容优化的计算方法
CN116306181A (zh) 低碳经济下源荷储主动配电网协调规划方法
CN115765054A (zh) 考虑风光无功调节的配电网分布式电源双层规划方法
Hong et al. Enhanced particle swarm optimization-based feeder reconfiguration considering uncertain large photovoltaic powers and demands
CN114530848A (zh) 一种光储虚拟电厂多时间尺度动态划分方法
Ahmadi et al. Multi-objective distributed energy resource integration in radial distribution networks

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant