计及风光储与充电站的主动配电网双层协同规划.doc

计及风光储与充电站的主动配电网双层协同规划*孔顺飞，胡志坚，谢仕炜，杨黎，林伟伟（武汉大学 电气工程学院，武汉 ）摘要：分布式电源与电动汽车充电站的大量接入已对配电网的经济性、电压质量等产生了重要影响。基于这个背景，对电动汽车的充电需求进行了分析，以规划总成本最低、节点电压质量最优为目标，提出了一种计及风光资源、储能以及充电站的主动配电网双层协同规划模型，采用改进的算法进行求解。通过改进的节点算例进行仿真，将不同规划方法所得到的规划方案结果进行对比，验证了所提模型的有效性。本文的研究可为含有分布式电源与充电站的主动配电网协同规划提供新思路。关键词：主动配电网；分布式电源；时序特性；充电站；储能；双层协同规划中图分类号： 文献标识码： 文章编号：（） , , , , ( , , , )： . , ( (), , . . , . .: ：, , , , , 9 / 9引 言随着清洁能源的快速发展，分布式电源（基金项目：国网福建省电力有限公司科技项目（） ， ）成为智能电网背景下电力系统的研究热点之一，最具代表性的为风力发电（ ， ）和光伏发电（ ， ）。的发电、接入和储能管理会影响配电网的安全性、稳定性和经济性，合理地对及其储能措施进行规划可以有效提升配电网的综合效益。另一方面，电动汽车（ ， ）的大量接入给传统配电网带来了反向潮流、电能质量下降等一系列问题。为了有效避免这些不确定电源和负荷接入对配电网造成的不良影响，分布式可再生能源与的有机集成模式得到了广泛的关注。目前，国内外学者在规划和充电站规划研究方面已有了较多的成果，但基于两者的协同规划的研究工作还做得较少。文献以年综合费用最小为目标函数，以多种主动管理约束、投资限制和电气限制为约束条件，建立了考虑需求侧管理和网络重构的三层规划模型；文献针对海岛型分布式电源规划的特点，建立了综合考虑投资运行费用、系统损耗和系统稳定性的多目标规划模型；文献计及了的储能，通过以有功网损最小为目标建立配电网重构数学模型，应用改进的遗传算法寻求含和储能装置配电网的最优重构方案；文献以年均综合费用最小为目标，采用权重自适应调整的混沌量子粒子群算法确定了某区充电站的建址坐标、容量和费用；文献以充电站建设运行成本、用户充电耗费时间和驶向充电站引起的碳排放为综合优化目标，提出了一种计及碳排放的充电站多目标选址定容规划模型。上述文献均未能对、储能以及充电站进行协同规划，且大部分文献也未考虑网架的升级与管理，成果具有一定的局限性。针对这个不足，本文基于的背景，先对的充电需求进行分析，然后提出一种计及风、光、储与充电站的双层协同规划模型。模型上层基于时序特性以及多场景合成技术对出力和负荷进行建模，以规划总成本最小、节点电压质量最优为目标，对网络中的、网架、储能以及充电站进行规划；模型下层通过弃风弃光、调节变压器抽头等手段来对上层的决策方案进行主动管理，充分发挥的作用。电动汽车充电需求分析一般由几个电池组来提供电能，而每个电池组又由若干个电池串并联构成。因此，可以借助电池组数量需求这个中间变量来分析充电需求。电池组数量需求根据用途不同可以分为公交车、公务车、出租车、私家车和其他车（环卫车、邮政车等）。基于这种车型的保有量、日行驶里程、出勤率以及更换电池比例等信息，本文对电池组的数量需求进行计算，如式（）所示。 （）式中为每天电池组的需求量；为第种的保有量；和分别为第种平均每天的行驶路程以及完整充电一次能够行驶的路程；、和分别为第种的出勤率、更换电池比例以及每辆车装备的电池组数量。充电电量需求电池组分析本文假设采用统一标准的锂离子电池组，每组由个单体电池（额定电压为 ，额定容量为 ）串联而成。电池组的参数如表所示。文献基于平台对该电池组的充电特性以及充电功率曲线进行了仿真，认为其充电过程可以近似为恒功率充电，且单个电池组的充电功率近似为 ，所需时长为 。表 电池组参数 额定电压额定容量()充电电压范围最优充电倍率倍率充电电量需求计算充电站配有大量的充电设备，一套设备由一台变压器及其附属的若干充电机构成。其完全工作所供应的功率为： （）式中为变压器的额定容量；和分别为变压器的功率因数、负荷率。为了方便分析，假设充电站按照电池组的最大需求量进行电量配送，则此时充电电量需求为： （）式中为变压器效率；为充电机的效率。、负荷建模与储能优化策略基于时序特性的多场景与负荷建模风光发电存在明显的间歇性和随机性，受气象条件的限制较大，但随着季节和时序的变化，其出力也存有一定的规律性。在季节特性上，出力在冬季达到最大，在夏季最小，而恰好相反；在时序特性上，在傍晚时分达到最大，而在正午具有较大的出力。日常生活中的居民负荷、商业负荷以及工业负荷也具有类似的时序规律，但三类主要负荷由于性质有所差异，变化规律也不尽相同。因此，本文在四个季节中分别选取一个典型日，用个时刻来模拟每个季节的出力以及负荷功率场景，组合成全年的个场景。风光出力以及三类主要负荷的时序特性曲线参考文献。基于储能的协调优化策略储能设备可以在用电低谷期储存过剩的功率，并在用电高峰期进行释放，这在一定程度上可以实现储能、和负荷需求之间的互补性，降低规划方案的综合成本。因此，本文通过蓄电池来进行储能，提出了一种基于等效负荷的储能协调优化策略。假设风力和光伏发电的输出功率在一小时内恒定，并以时序特性中的一个典型日作为一个周期进行研究。首先计算节点在时刻的等效负荷和平均等效负荷，计算式分别如式（）和式（）所示。 （） （）式中()和()表示节点在时刻的负荷值以及出力值。基于储能的协调优化策略具体内容如下：（）若远远小于，则说明此时用电负荷处于低谷期，蓄电池可以通过充电来储存过剩的功率。因此，当时，蓄电池充电，为充电功率。（）经过一段时间充电后，若稍小于则说明出力和需求接近平衡。此时为了抑制等效负荷的波动性，充电条件需要作一些调整。若满足，则蓄电池充电。表示在其平均值附近的波动系数，本文取。（）若远远大于，则说明此时用电负荷处于高峰期，蓄电池需要释放功率。因此，当时，蓄电池放电，为放电功率。（）经过一段时间放电后，若稍大于则说明出力和需求接近平衡。此时为了抑制等效负荷的波动性，放电条件需要作一些调整。若满足，则蓄电池放电。协同规划模型与模型求解传统配电网规划存在模型单一、运行方式不灵活等不足。为了适应的发展，本文提出了配电网双层协同规划模型，如图所示。图 双层协同规划模型 模型上层从规划角度出发，以经济性和电压质量最优构建多目标函数，并将计算结果代入下层进行主动管理。下层以年切除量的期望值最小为目标，通过主动弃风弃光，配合调节变压器抽头来优化运行方案，并将优化结果返回上层继续计算。本文引入机会约束规划方法对多场景的潮流计算结果进行处理。首先分别计算个场景下的潮流，记录满足模型约束的场景个数并计算出对应的比例。然后在模型上层设定参考置信度，例如，若经过上层计算后置信度水平已达到，则启动下层模型来优化运行方案；若达不到则说明该方案是一个劣解，可以直接淘汰，以此来提高计算效率。最后设定理想置信度，例如，若经过下层优化后还达不到，则认为该方案不可取。上层模型 上层目标函数上层考虑规划的经济性指标和电压质量指标。其中，经济成本包括投资成本、运维成本和购电成本；节点电压质量采用一种基于限值的隶属度函数值来表示。具体目标函数如式（）所示。 （）式中、和分别为投资成本、运维成本和购电成本；为等年值系数；为节点电压质量评估函数值。（）等年值系数和投资成本。等年值系数与贴现率、投资年限有关，投资成本则包括线路投资成本、投资成本、充电站投资成本和储能投资成本：（）式中：、和分别为型、型（线路升级型号）以及新建线路单位长度的建设费用；为线路的长度；、和分别为型、型以及新建线路的集合；为单位容量，取；和分别为光伏和风力发电单位容量的安装成本；和分别为安装光伏和风机的节点集合；为第个安装节点的个数；表示第个节点是否安装充电站的变量；为建站成本；为一套充电设备的投资成本；为第个节点的充电设备套数；为充电站的待建节点集合；为单位容量的蓄电池投资成本；为蓄电池容量上限；为第个节点是否安装储能设备的变量；为节点的集合。（）运维成本。运维成本则包括线路运维成本、运维成本、充电站运维成本、网损费用和政府新能源补贴：（）式中基于规划地点检修成本的历史统计值，取为投资成本的；和分别为光伏和风力发电的单位运维费用；为场景的集合；为场景下配网年累计运行时间；和分别为场景下的第个或的有功出力；为一套充电设备的年运维费用；为三种负荷类型的平均电价；为所有线路的集合；为场景下流经线路的电流大小；为线路的电阻；为单位发电量的政府补贴费用。（）购电成本。购电成本分为日常负荷成本和充电需求对应的购电费，后者基于分时电价（分为峰、谷、平三个时段）以及设备工作状态进行计算。（）式中为场景下配网节点的有功负荷功率；为配电网负荷节点总数；为充电站的全年运行天数；在中取值，表示第个时段内第个充电站的设备工作状态，值为则说明所有设备都处于工作状态，值为则说明此时充电功率为；和分别表示第个时段的时长以及电价。（）电压质量指标。越小，配电网节点电压质量越好。其计算公式如下：（）（）式中表示第个节点的电压质量评估值；表示节点的电压幅值；和分别表示节点电压的允许上限值和下限值。上层约束条件（）潮流约束。（）（）场景机会约束。（）（）充电需求约束。（）（）安装容量约束。（）（）储能容量与充放电功率约束。（）上述式中：和分别为节点的注入有功和无功功率；和分别为节点的有功和无功出力；和分别为节点和的电压幅值；和分别为网络导纳；为节点和的电压相角差；和分别为线路流过的功率和功率限值；和为场景下的出力和负荷总量；为满足机会约束条件的场景个数；为置信度，取；为日充电最大需求，由式（）算得；和分别为和的出力上限；为接入的最大渗透率；、和分别为蓄电池的充放电功率、功率上限和当前容量。下层模型 下层目标函数下层以年切除量的期望值最小作为目标，其目标函数如下所示： （）式中和分别为场景下的第个或的有功削减量。下层约束条件（）出力切除量约束。（）式中、和分别为或出力的最小和最大削减量； （）变压器抽头调节范围约束。（）式中、和分别为变压器抽头当前位置、可调范围的下限和上限。模型求解 改进的算法全名为基于快速非支配排序的多目标优化算法。其基于分层和拥挤度的思想来对个体进行筛选，并通过父子混合的精英策略来扩大解集的采样空间，大大加快了种群的进化速度。对于遗传算法而言，遗传操作是影响算法搜索性能的关键，尤其是概率较高的交叉过程。原有的采用算子来模拟交叉过程，但因其搜索解集的能力有限，易出现局部最优等问题。针对该现象，本文引入正态分布的思想，并结合进化策略中的离散重组操作，建立了一种交叉算子。其具体产生方式如式（）所示。（）式中为交叉运算得到的两个子代；为对应的父代；为()上产生的一个随机数；表示当前基因的编码序号。模型求解过程本文所提模型的求解步骤介绍如下，求解流程图如图所示。（）输入规划所需数据，包括风光气象数据、充电站设备数据、配电网数据等，并对模型中的有关参数进行设定，然后随机产生决策变量，生成初始种群；（）对种群中的每个个体采用基于的最小树法获得网架结构，然后在上层模型中进行潮流计算；（）根据潮流计算结果，判断个体是否达到参考置信度的水平。如果满足则启动下层进行主动管理，反之则直接淘汰该个体。经过下层处理后，仍达不到理想置信度水平的个体也将淘汰；（）对于满足机会约束的种群，计算每个个体的目标函数值并进行快速非支配排序，根据层序和拥挤度选出父代进行遗传操作，得到子代种群；（）对子代种群中的每个个体按照步骤（）和（）进行操作，然后将满足机会约束的子代个体与父代个体进行混合，采用精英策略并对种群规模进行修剪，得到下一代的父代种群；（）判断是否达到最大迭代次数，若达到则退出计算，反之则回到步骤（）继续迭代；（）迭代结束后，将最终种群中的重复解删去，然后通过法确定出最佳折衷方案。图 规划流程图 算例仿真分析本文基于改进的节点系统进行仿真。该系统含有条线路，个节点，拓扑图如图所示。为了验证所提模型与方法的有效性，现就仿真算例和参数设定作以下假设：（）节点为新增节点，线路为待新建线路，充电站的待选节点为、，其余节点与线路信息见图中的图例。（）节点的注入功率上限与投入的最大个数成正比，最大个数分别设置为：()、()、()、()、()、()、()、()。（）设定线路和的固定投资回收周期为年，周期内负荷平均增长率为。改进的算法最大迭代数设为，种群规模为，交叉率为，变异率为，多项式变异指数为。线路参数和参数见表和表，基于时段划分的充电电价信息见表，其余参数见表。图 改进节点系统拓扑图 表 线路参数 类型单位造价（万元）单位阻抗（）允许最大电流（）原始线路升级型升级型表 分布式电源参数 类型单位投资成本（万元）单位运维成本（元）新能源补贴（元）表 充电分时电价 各时段起止时间时长电价元高峰时段低谷时段平时时段其余时段表 其他参数 参数取值参数取值贴现率(元) (元)(万元)(万元)(万元)()()()()充电需求实际分析 模拟该区域电网电动汽车相关信息如表所示。根据表可知，该区域每天电池组的总需求量为 个。根据式（）进行计算，该区域每日平均充电电量需求为 。本文充电站所用的变压器等级为，功率因数为，负荷率为，变压器效率和充电机效率分别为、。由式（）可知，每个充电站的设备工作状态会影响该站的充电设备数量，而设备工作状态随着站点位置和电价时段的不同而有所差异。因此，在优化过程中需要同时考虑的取值。为了方便计算，这里假设每个待建充电站在同一电价时段下的设备工作状态相同。多目标协同规划结果基于上述算例，根据本文所提的模型和算法进行计算，可以得到一组解集。该最优前沿解集在二维平面下的分布情况如图所示。表 某区域电动汽车相关信息 类型日行驶里程换电一次行驶里程车载电池组数个出勤率电池更换比例电动汽车保有量辆公交车公务车出租车私家车 其他车（环卫、邮政等）取出图中的所有方案及其优化结果进行列表，如表所示。通过法对该解集进行处理，得到的最优折衷解为方案。图 二维平面下的帕累托解集 表 多目标协同规划结果 方案序号经济成本万元电压质量方案序号经济成本万元电压质量 规划研究与方案对比分析针对本文所提的模型和算法，分种场景进一步进行规划研究。考虑上一小节所示的计及风光储与充电站的协同规划；不考虑充电站的规划，将充电需求平均分配给各个充电站；不考虑的储能优化策略。基于不同的规划思路进行仿真计算，得到组场景对应的最优折衷解分别为方案、方案和方案。（）基于本文所提的综合协同规划，方案将支路、升级为线型；将支路、升级为线型；新建线路编号为、。节点和安装 ，节点和安装 ，同时在节点安装风储能设备。充电站的建站位置选在节点、，对应的充入容量为 、 和 。该方案总成本为 万元，电压质量指标为。其中，投资、运维和购电成本分别为万元、万元、 万元；（）方案将支路、升级为线型；将支路、升级为线型；新建线路编号为、。节点和分别安装 、 ，同时在节点安装风储能设备。充电站的建站位置选在节点、，对应的充入容量均为 。该方案总成本为 万元，电压质量指标为。其中，投资、运维和购电成本分别为万元、万元、 万元；（）方案将支路、升级为线型；将支路、升级为线型；新建线路编号为、。节点、和分别安装 、 、 ，节点安装 。充电站的建站位置选在节点、，对应的充入容量分别为 、 和 。该方案总成本为 万元，电压质量指标为 。其中，投资、运维和购电成本分别为 万元、万元、 万元。规划成本及效益对比上述三种方案的成本对比柱状图如图所示。由图可知，方案的总成本稍低于方案，且两者都明显优于方案，具体分析如下： （）方案与方案相比，虽然运维和购电成本很接近，但由于其考虑了充电需求在各个建站点之间的分配，在建站投资成本方面可以有所缩减，总投资成本减少了万元；（）方案与方案相比，规划总成本降低了万元。虽然其增加了储能投资成本，但储能协调优化策略可以在负荷低谷期储存过剩的出力，并在负荷高峰期进行释放，大大提高了的利用率。当规划的总负荷需求固定时，其可以有效降低的投资成本和运维成本。图 方案成本对比柱状图 另一方面，考虑到本文使用等效负荷作为蓄电池充放电的衡量标准，为了便于分析储能的其他效益，图描绘了方案中节点储能优化前后的等效负荷时序曲线。本文通过标准差来衡量曲线的波动性。取出每个典型日中的各个场景负荷数据，将优化前后的等效负荷曲线峰谷差和标准差进行列表对比，如表所示。由图和表可知，计及储能的协调优化策略不仅明显降低了等效负荷曲线的峰谷差，还大大减小了曲线的波动性，这在一定程度上能够优化线路上的潮流，缩减线路的投资和运维成本。图 等效负荷时序曲线 表 等效负荷曲线指标对比 季节指标类型优化前优化后指标变化春季峰谷差 曲线标准差 夏季峰谷差 曲线标准差 秋季峰谷差 曲线标准差 冬季峰谷差 曲线标准差 节点电压质量对比三种方案的节点电压幅值如图所示。图 节点电压幅值对比图 图中，方案和方案的电压质量指标比较接近，且都明显优于方案。与方案相比，方案的节点电压质量评估函数值降低了 ，效益提高了。可见，与不计储能策略的规划方法相比，协同规划方法可以有效改善节点的电压质量。结束语本文首先借助电池组数量需求这个中间变量来对的充电需求进行了分析，然后提出了一种计及风、光、储与充电站的双层协同规划模型。通过改进的节点算例进行仿真，验证了本文所提模型和算法的有效性。主要结论如下：（）对和充电站进行协同规划可以考虑充电需求在各个建站点之间的合理分配，能够缩减充电站的投资成本，提升规划经济效益；（）在协同规划中考虑储能优化策略不仅能够有效降低等效负荷曲线的峰谷差和波动性，还能够降低规划总成本，改善网络中节点的电压质量；（）本文所提的协同规划模型和方法能够有效提升规划的综合效益，为含有与充电站的协同规划提供了一种新思路。参 考 文 献 张沈习, 程浩忠, 邢海军, 等. 配电网中考虑不确定性的分布式电源规划研究综述. 电力自动化设备, , (). , , , . . , , (). 蔡佳铭, 林其友, 刘涌. 高占比可再生能源系统消纳能力指标评估与分析. 电测与仪表, , (). , , . . , , (). 沈欣炜, 朱守真, 郑竞宏, 等. 考虑分布式电源及储能配合的主动配电网规划运行联合优化. 电网技术, , (). , , , . . , , (). 刘波, 何珉, 谭丹. 考虑电动汽车的主动配电网储能优化配置. 电测与仪表, , (). , , . . , , (). 肖湘宁, 陈征, 刘念. 可再生能源与电动汽车充放电设施在微电网中的集成模式与关键问题. 电工技术学报, , (). , , . . , , (). 张沈习, 袁加妍, 程浩忠, 等. 主动配电网中考虑需求侧管理和网络重构的分布式电源规划方法. 中国电机工程学报, , (). , , , . . , , ()