国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

計(jì)及主動(dòng)配電網(wǎng)轉(zhuǎn)供能力的可再生電源雙層優(yōu)化規(guī)劃

2017-05-16 01:08:11程浩忠
電工技術(shù)學(xué)報(bào) 2017年9期
關(guān)鍵詞:饋線配電網(wǎng)負(fù)荷

劉 佳 徐 謙 程浩忠 蘭 洲 田 園

(1.上海交通大學(xué)電力傳輸與功率變換控制教育部重點(diǎn)實(shí)驗(yàn)室 上海 200240 2.國(guó)網(wǎng)浙江省電力公司經(jīng)濟(jì)技術(shù)研究院 杭州 310008)

?

計(jì)及主動(dòng)配電網(wǎng)轉(zhuǎn)供能力的可再生電源雙層優(yōu)化規(guī)劃

劉 佳1徐 謙2程浩忠1蘭 洲2田 園1

(1.上海交通大學(xué)電力傳輸與功率變換控制教育部重點(diǎn)實(shí)驗(yàn)室 上海 200240 2.國(guó)網(wǎng)浙江省電力公司經(jīng)濟(jì)技術(shù)研究院 杭州 310008)

在主動(dòng)管理(AM)模式下,提出了一種考慮主動(dòng)配電網(wǎng)轉(zhuǎn)供能力的可再生電源(RES)優(yōu)化配置模型。以年綜合費(fèi)最小為上層目標(biāo),每個(gè)場(chǎng)景的配電網(wǎng)運(yùn)行費(fèi)最小為下層目標(biāo),該模型計(jì)及了系統(tǒng)故障負(fù)荷的轉(zhuǎn)供和包括RES出力切除、RES功率因數(shù)調(diào)整、有載調(diào)壓變壓器分接頭調(diào)節(jié)和需求側(cè)管理在內(nèi)的4種AM措施??紤]RES出力隨機(jī)性及負(fù)荷波動(dòng)性,利用準(zhǔn)蒙特卡羅模擬和奇異值分解生成風(fēng)、光荷相關(guān)性樣本矩陣并采用模糊C-means聚類對(duì)場(chǎng)景進(jìn)行縮減。應(yīng)用動(dòng)態(tài)小生境差分進(jìn)化與原對(duì)偶內(nèi)點(diǎn)算法相聯(lián)合的策略對(duì)模型加以求解。通過(guò)算例對(duì)比是否考慮AM措施和轉(zhuǎn)供能力下的三種情境仿真結(jié)果驗(yàn)證了模型和方法的有效。

主動(dòng)配電網(wǎng) 可再生電源 雙層優(yōu)化規(guī)劃 主動(dòng)管理 轉(zhuǎn)供能力

0 引言

近年來(lái),作為發(fā)、輸電系統(tǒng)和終端用戶間的重要環(huán)節(jié),配電網(wǎng)層面正大量接入以風(fēng)電和光伏為代表的可再生電源(Renewable Energy Sources,RES),經(jīng)歷了從無(wú)源電網(wǎng)到有源電網(wǎng)的轉(zhuǎn)變。由于雙向潮流的出現(xiàn),大大增加了配電網(wǎng)的不確定性和復(fù)雜性,給系統(tǒng)優(yōu)化規(guī)劃及運(yùn)行帶來(lái)了巨大的挑戰(zhàn)[1]。為了充分發(fā)揮RES在降低網(wǎng)損、改善線路潮流等方面的積極作用,需對(duì)其進(jìn)行優(yōu)化規(guī)劃。

在傳統(tǒng)的被動(dòng)管理模式下,RES接入配電網(wǎng)后遵循“安裝即忘記”的原則,這樣不僅無(wú)法充分發(fā)揮RES的優(yōu)勢(shì),而且在一定程度上限制了RES的接入。隨著配電自動(dòng)化和配電管理技術(shù)在中壓配電網(wǎng)中的廣泛應(yīng)用,饋線所帶負(fù)荷信息可通過(guò)饋線終端裝置快速獲得[2],遠(yuǎn)程開(kāi)關(guān)控制也將變得更加迅速[3],使得配電網(wǎng)具有了可隨外部環(huán)境的變化實(shí)現(xiàn)負(fù)荷轉(zhuǎn)供和故障恢復(fù)的能力[4,5]及主動(dòng)性特征[6]。主動(dòng)配電網(wǎng)(Active Distribution Network,ADN)成為了配電網(wǎng)發(fā)展的一種新模式。一方面可對(duì)接入配電網(wǎng)的RES和其他設(shè)備進(jìn)行主動(dòng)管理(Active Management,AM);另一方面可提高系統(tǒng)應(yīng)對(duì)N-1故障能力和實(shí)現(xiàn)負(fù)荷有效轉(zhuǎn)移。ADN的出現(xiàn)對(duì)RES規(guī)劃問(wèn)題提出了新的要求。

為提高ADN中的RES滲透容量,充分發(fā)揮ADN的資產(chǎn)效率,文獻(xiàn)[6-11]對(duì)AM模式下的RES規(guī)劃進(jìn)行了相關(guān)研究。文獻(xiàn)[6]構(gòu)造了一種計(jì)及可靠性成本、網(wǎng)絡(luò)損耗、購(gòu)電費(fèi)、網(wǎng)架投資成本在內(nèi)的總費(fèi)用最小的RES和ADN協(xié)調(diào)優(yōu)化規(guī)劃模型。文獻(xiàn)[7]提出了一種通過(guò)識(shí)別ADN中薄弱節(jié)點(diǎn)的RES優(yōu)先優(yōu)化配置模型。文獻(xiàn)[8]考慮時(shí)變負(fù)荷和能源單價(jià)浮動(dòng),建立了計(jì)及RES接入后優(yōu)化運(yùn)行問(wèn)題的長(zhǎng)期RES動(dòng)態(tài)規(guī)劃模型。文獻(xiàn)[9]以RES滲透容量最大為目標(biāo)建立優(yōu)化模型,并利用多時(shí)段的最優(yōu)潮流算法對(duì)其加以求解。文獻(xiàn)[10]提出了一種AM模式下的分布式風(fēng)電源雙層選址定容規(guī)劃模型,并將所得RES優(yōu)化規(guī)劃方案與傳統(tǒng)機(jī)會(huì)約束規(guī)劃模型所得RES配置方法進(jìn)行對(duì)比。文獻(xiàn)[11] 建立了一種間歇式分布式電源在ADN當(dāng)中的機(jī)會(huì)約束優(yōu)化規(guī)劃模型,并給出了結(jié)合蒙特卡羅模擬、遺傳算法和前推回代法的求解方法。

上述文獻(xiàn)是從不同角度出發(fā),建立了N安全下的RES選址定容規(guī)劃模型并采用優(yōu)化算法加以求解。但由于配電網(wǎng)中某個(gè)元件(如主變壓器、饋線等)故障也屬于不確定性范疇,而現(xiàn)有模型僅包含了負(fù)荷波動(dòng)、間歇性RES出力等正常工況下的不確定因素,不確定性的內(nèi)涵亟待完善?,F(xiàn)有模型均未能充分計(jì)及ADN具有比傳統(tǒng)配電網(wǎng)更靈活的N-1后轉(zhuǎn)供能力,所得RES規(guī)劃方案也未必滿足相關(guān)要求。上述研究也未能對(duì)RES接入后的系統(tǒng)N-1轉(zhuǎn)供安全性給出定量評(píng)估。因此,有必要在RES優(yōu)化配置階段就考慮ADN故障后轉(zhuǎn)供能力。

為彌補(bǔ)現(xiàn)有RES規(guī)劃方法的不足,本文建立了計(jì)及AM措施和ADN轉(zhuǎn)供能力的RES雙層優(yōu)化配置模型。利用模糊C-means聚類法對(duì)采用準(zhǔn)蒙特卡羅模擬(Quasi Monte Carlo Simulation,QMCS)和奇異值分解(Singular Value Decomposition,SVD)生成的風(fēng)、光荷相關(guān)性樣本矩陣進(jìn)行場(chǎng)景約簡(jiǎn)。采用動(dòng)態(tài)小生境差分進(jìn)化算法(Dynamic Niche Differential Evolution Algorithm,DNDEA)聯(lián)合原對(duì)偶內(nèi)點(diǎn)算法(Primal-Dual Interior Point Method,PDIPM)的混合方法求解規(guī)劃模型。最后,算例仿真結(jié)果表明文中模型所得RES優(yōu)化配置方案提高了系統(tǒng)應(yīng)對(duì)N-1故障的能力。

1 不確定因素建模

1.1 RES出力概率模型

風(fēng)速通常采用雙參數(shù)Weibull分布來(lái)描述[12]。

(1)

式中,V為風(fēng)電葉輪輪轂處的風(fēng)速;r和c分別為形狀參數(shù)和尺度參數(shù)。

風(fēng)電出力SWTG與風(fēng)速V之間的關(guān)系可近似用分段函數(shù)[12]表示為

(2)

光照強(qiáng)度通常采用Beta分布[13]描述為

(3)

式中,I和Imax分別為光照強(qiáng)度及其最大值;α和β為Beta分布的兩個(gè)參數(shù);Γ(·)為伽瑪函數(shù)。

光伏出力SPVG與光照強(qiáng)度I之間的關(guān)系可近似表示為[13]

(4)

1.2 負(fù)荷不確定性模型

負(fù)荷采用正態(tài)分布的概率模型來(lái)描述[13]。

(5)

式中,SL、μp和σp分別為負(fù)荷的隨機(jī)量、期望和標(biāo)準(zhǔn)差。

1.3 配電網(wǎng)安全距離模型

配電網(wǎng)安全距離(DistributionSystemSecurityDistance,DSSD)是定量評(píng)估配電網(wǎng)N-1轉(zhuǎn)供安全裕度的一種新方法,它建立在配電網(wǎng)安全域理論上[14,15]。配電網(wǎng)安全域ΩDSSR是指在饋線N-1和主變壓器N-1轉(zhuǎn)供約束下,配電網(wǎng)能夠安全運(yùn)行的所有工作點(diǎn)的集合[14],因此,工作點(diǎn)在配電網(wǎng)安全域中的位置可以反映系統(tǒng)N-1轉(zhuǎn)供安全性,并利用其到配電網(wǎng)安全域各邊界的歐氏距離,即DSSD,來(lái)量化反映這一數(shù)據(jù)。基于交流潮流的DSSD模型可表述為

(6)

上述模型的具體計(jì)算方法已在文獻(xiàn)[15]中定義,在此不再贅述。當(dāng)某工作點(diǎn)的安全距離為負(fù)值時(shí),說(shuō)明其不滿足N-1安全轉(zhuǎn)供,且安全距離越小,表征轉(zhuǎn)供不安全程度越高;當(dāng)某工作點(diǎn)的安全距離為正值時(shí),說(shuō)明其滿足N-1安全轉(zhuǎn)供,且安全距離越大,表征轉(zhuǎn)供安全程度越高[14]。

2 相關(guān)樣本數(shù)據(jù)生成及簡(jiǎn)化

2.1 QMCS和SVD生成相關(guān)性樣本

對(duì)于含風(fēng)速、光照強(qiáng)度和負(fù)荷的3維隨機(jī)變量X=[X1,X2,X3]T,設(shè)其相關(guān)系數(shù)矩陣為[ρij]3×3,其中相關(guān)系數(shù)ρij定義為

(7)

式中,σi和σj分別為Xi和Xj的標(biāo)準(zhǔn)差;cov(Xi,Xj)為變量Xi、Xj的協(xié)方差。

本文采用基于Sobol序列的QMCS進(jìn)行樣本采樣[16]。同時(shí),考慮到相關(guān)系數(shù)矩陣非正定或非滿秩,其Cholesky分解不存在,而由于相關(guān)系數(shù)矩陣均為對(duì)稱陣,其SVD一直存在,因此,本文采用SVD對(duì)相關(guān)系數(shù)矩陣進(jìn)行處理。QMCS聯(lián)合SVD能夠生成基于目標(biāo)風(fēng)、光荷相關(guān)系數(shù)矩陣[ρobj]3×3的相關(guān)樣本矩陣的理論依據(jù)可詳見(jiàn)文獻(xiàn)[17]。

應(yīng)用QMCS和SVD產(chǎn)生相關(guān)性RES出力矩陣的具體過(guò)程如下:

1)設(shè)采樣規(guī)模為N,利用QMCS對(duì)風(fēng)速、光照強(qiáng)度和負(fù)荷3個(gè)隨機(jī)輸入變量進(jìn)行采樣,得到一個(gè)3×N階的初始樣本矩陣S0。

2)隨機(jī)生成一個(gè)3×N階的順序矩陣L,并按照式(7)計(jì)算L的相關(guān)系數(shù)矩陣ρL。

3)按照式(8)對(duì)ρL進(jìn)行SVD并通過(guò)式(9)來(lái)消除由于隨機(jī)排列而產(chǎn)生的相關(guān)性。

(8)

(9)

式中,UL為酉矩陣;ΣL為由矩陣奇異值構(gòu)成的對(duì)角矩陣。

4)按照式(10)對(duì)目標(biāo)相關(guān)系數(shù)矩陣[ρobj]3×3進(jìn)行SVD,并通過(guò)式(11)令Zu的相關(guān)系數(shù)矩陣與[ρobj]3×3近似相等。

(10)

(11)

5)更新初始樣本矩陣S0中的元素得到新的樣本矩陣Su。

2.2 模糊C-means聚類法簡(jiǎn)化樣本數(shù)

為降低計(jì)算量和減少計(jì)算耗時(shí),本文先采用模糊C-means聚類算法對(duì)2.1節(jié)得到的樣本矩陣Su進(jìn)行約簡(jiǎn),從而減少計(jì)算最優(yōu)潮流的次數(shù)而提高計(jì)算效率。模糊C-means聚類法[18,19]的核心求解思路是:從任意一個(gè)聚類中心開(kāi)始,搜索目標(biāo)函數(shù)值最小的點(diǎn),并不斷更新聚類中心和調(diào)整樣本模糊隸屬度,最終確定樣本所屬大類。該方法對(duì)樣本數(shù)據(jù)的聚類中心及隸屬度的求取公式為

(12)

(13)

式中,xp為第p個(gè)樣本;μq為第q個(gè)聚類中心;δpq為xp屬于μq的隸屬度;ε為模糊度;Y為聚類數(shù);N為樣本數(shù)。

統(tǒng)計(jì)落入每個(gè)類別的樣本數(shù)Ny(y=1,2,…,Y),并計(jì)算每個(gè)場(chǎng)景發(fā)生的頻率py。

(14)

由大數(shù)定律可知,在滿足樣本數(shù)N足夠大的前提下,各場(chǎng)景發(fā)生的概率等于頻率py。

3 RES雙層優(yōu)化配置模型

本文采用場(chǎng)景構(gòu)建法將不確定因素(RES出力和負(fù)荷波動(dòng))對(duì)電網(wǎng)運(yùn)行的作用效果轉(zhuǎn)換為一系列確定的場(chǎng)景進(jìn)行處理??紤]有載調(diào)壓變壓器(On-LoadTapChanger,OLTC)抽頭調(diào)整、RES出力切除、RES功率因數(shù)調(diào)節(jié)以及需求側(cè)管理4種AM措施和N-1轉(zhuǎn)供約束,本文建立的RES優(yōu)化配置模型在優(yōu)化RES配置方案的同時(shí),亦需優(yōu)化ADN在每個(gè)場(chǎng)景下的運(yùn)行方式,屬于典型的雙層規(guī)劃問(wèn)題[20]。上層是以年綜合費(fèi)最小為目標(biāo)的RES優(yōu)化配置問(wèn)題,下層則是以每個(gè)場(chǎng)景的ADN運(yùn)行費(fèi)最小為目標(biāo)的優(yōu)化運(yùn)行問(wèn)題。上層規(guī)劃將RES配置方案?jìng)鬟f給下層,下層規(guī)劃則在此基礎(chǔ)上對(duì)每個(gè)場(chǎng)景下的ADN進(jìn)行優(yōu)化運(yùn)行模擬,并將計(jì)算結(jié)果傳遞給上層,從而指導(dǎo)上層規(guī)劃的決策。

3.1 上層規(guī)劃模型

具體數(shù)學(xué)表達(dá)式如下:

1)目標(biāo)函數(shù)。

(15)

式中,CSUM、CI、COM,s、CAM,s、CP,s、CCE,s和CDSM,s分別為年綜合費(fèi)、RES投資費(fèi)、RES年運(yùn)行維護(hù)費(fèi)、RES年AM費(fèi)、配電網(wǎng)向上級(jí)電網(wǎng)年購(gòu)電費(fèi)、碳排放成本和需求側(cè)管理成本;Ns為總場(chǎng)景數(shù);下標(biāo)中包含“s”的變量均表示場(chǎng)景s的值。

2)約束條件。

RES安裝容量上限約束為

(16)

RES安裝容量離散性約束為

(17)

(18)

3.2 下層規(guī)劃模型

具體數(shù)學(xué)表達(dá)式如下:

1)目標(biāo)函數(shù)。

minCOM,s+CAM,s+CP,s+CCE,s+CDSM,s

(19)

2)約束條件。

潮流方程約束為

(20)

(21)

式中,PGi,s和QGi,s分別為節(jié)點(diǎn)i發(fā)出的有功以及無(wú)功功率;PLi,s和QLi,s分別為節(jié)點(diǎn)i的有功以及無(wú)功需求;Ui,s和Uj,s分別為節(jié)點(diǎn)i和節(jié)點(diǎn)j的電壓;Gij為支路電導(dǎo);Bij為支路電納;θij,s為節(jié)點(diǎn)i和節(jié)點(diǎn)j的電壓相角差;Nbus為配電網(wǎng)的節(jié)點(diǎn)數(shù)。

ADN轉(zhuǎn)供約束為

(22)

節(jié)點(diǎn)電壓約束為

(23)

OLTC二次側(cè)電壓上、下限約束為

(24)

RES出力上、下限約束為

(25)

RES功率因數(shù)角上、下限約束為

(26)

負(fù)荷中斷量上、下限約束為

(27)

CI、COM,s、CAM,s、CP,s、CCE,s和CDSM,s為

(28)

(29)

(30)

CP,s=psρSgrid,s,PT

(31)

CCE,s=psηλSgrid,s,PT

(32)

(33)

4 求解算法和步驟

分析上述RES雙層優(yōu)化配置模型,其是含有多個(gè)決策變量的非線性混合整數(shù)雙層規(guī)劃問(wèn)題。本文利用DNDEA聯(lián)合PDIPM的混合方法求解雙層規(guī)劃模型,該算法克服了差分進(jìn)化算法在初期搜索速度快,后期易陷入局部最優(yōu)點(diǎn)的缺點(diǎn)。

4.1DNDEA

差分進(jìn)化算法(DifferentialEvolutionAlgorithm,DEA)[20]的基本過(guò)程可參見(jiàn)文獻(xiàn)[21],這里不再贅述。本文綜合運(yùn)用兩輪聯(lián)賽選擇,兩點(diǎn)交叉,單點(diǎn)均勻變異,交叉以及變異均采用不等概率,并引入精英保留策略。

與大多數(shù)群體智能算法一樣,DEA也存在容易陷入局部最優(yōu)和收斂性較差等缺點(diǎn)。為了增加DEA對(duì)問(wèn)題解空間的搜索性能,引入動(dòng)態(tài)小生境機(jī)制[22,23],得到DNDEA。動(dòng)態(tài)小生境機(jī)制可促使群體內(nèi)個(gè)體間協(xié)同合作,保持解的多樣性,提高全局搜索能力,使算法易于找出優(yōu)化問(wèn)題的所有局部最優(yōu)解和全局最優(yōu)解,適合多峰函數(shù)的優(yōu)化[23]。

4.2 求解步驟

基于DNDEA聯(lián)合PDIPM的混合策略求解RES雙層優(yōu)化配置模型的具體流程如圖1所示。

圖1 DNDEA聯(lián)合PDIPM求解優(yōu)化模型流程Fig.1 Flow chart of solving optimal model based on DNDEA and PDIPM

5 算例分析

5.1 算例基本情況

算例配電網(wǎng)網(wǎng)架結(jié)構(gòu)如圖2所示。算例共有3座33kV變電站、6臺(tái)主變壓器,20條11kV饋線和104個(gè)已有負(fù)荷節(jié)點(diǎn),各節(jié)點(diǎn)負(fù)荷類型均相同且功率因數(shù)為0.85。算例中,各主變壓器及線路數(shù)據(jù)和已有負(fù)荷均值數(shù)據(jù)分別見(jiàn)表1和表2。負(fù)荷的標(biāo)準(zhǔn)差為均值的10%。

注:F1表示第1條饋線,以此類推。圖2 算例網(wǎng)絡(luò)Fig.2 Test system

表1 各主變壓器及線路數(shù)據(jù)

表2 已有負(fù)荷均值數(shù)據(jù)

一些規(guī)劃參數(shù)如下:RES的待選安裝節(jié)點(diǎn)為3、5、7、10、40、42、47和49,每個(gè)待選安裝節(jié)點(diǎn)的RES容量上限為5 MW,可中斷負(fù)荷點(diǎn)為4、6、9、41、43、46、48和50,中斷負(fù)荷恒功率因數(shù)被中斷。單臺(tái)風(fēng)電的額定容量為0.5 MW,切入風(fēng)速、額定風(fēng)速和切出風(fēng)速分別為3 m/s、13 m/s、20 m/s;風(fēng)電的單位容量投資費(fèi)為150 萬(wàn)美元/MW,單位發(fā)電量的運(yùn)行維護(hù)費(fèi)和AM費(fèi)分別為30美元/(MW·h)和22.5 美元/(MW·h);風(fēng)速服從r=2.15和c=8.32的Weibull分布。單個(gè)光伏的額定容量為0.5MW,額定光照強(qiáng)度為0.5kW/m2,最大光照強(qiáng)度為0.6kW/m2;光伏的單位容量投資費(fèi)為175 萬(wàn)美元/MW,單位發(fā)電量的運(yùn)行維護(hù)費(fèi)和AM費(fèi)分別為40美元/(MW·h)和30 美元/(MW·h);光照強(qiáng)度服從α=0.55和β=1.38的Beta分布。風(fēng)電和光伏的使用年限均為20年,貼現(xiàn)率為0.06。節(jié)點(diǎn)電壓范圍為0.95(pu)~1.05(pu)。上級(jí)電網(wǎng)碳排放強(qiáng)度為639.2kg/(MW·h),單位碳排放成本為10 美元/t,可中斷負(fù)荷點(diǎn)的補(bǔ)償單價(jià)為350 美元/(MW·h)。DNDEA的參數(shù)為:種群規(guī)模為50,最大迭代次數(shù)為50,交叉率和縮放因子均從0.9線性遞減到0.1。模糊C-means聚類數(shù)為50。

AM措施調(diào)節(jié)范圍參數(shù)如下:有載調(diào)壓變壓器二次側(cè)電壓的調(diào)節(jié)范圍為0.95(pu)~1.05(pu),RES出力的削減率調(diào)節(jié)范圍為0~50%,RES的功率因數(shù)調(diào)節(jié)范圍為+0.98~-0.98,可中斷負(fù)荷點(diǎn)的中斷量范圍為0~全部。

本文分別選用年綜合費(fèi)、安全距離變異系數(shù)作為評(píng)估RES配置方案經(jīng)濟(jì)性、安全性的指標(biāo),權(quán)重系數(shù)均設(shè)為0.5。本文所有仿真的計(jì)算條件是:計(jì)算機(jī)CPU為i7-3 820,主頻為3.6GHz,內(nèi)存為8GB,在Matlab2013a平臺(tái)上編制計(jì)算程序。

5.2 基于采樣數(shù)據(jù)的選址定容規(guī)劃結(jié)果

基于采樣數(shù)據(jù),將本文所提出的模型用于算例研究,并采用DNDEA聯(lián)合PDIPM對(duì)規(guī)劃模型進(jìn)行求解,得到考慮AM措施和ADN轉(zhuǎn)供能力的RES優(yōu)化配置方案(記為方式1)見(jiàn)表3。作為對(duì)比,分別將規(guī)劃前、僅考慮ADN轉(zhuǎn)供能力(記為方式2)和僅考慮AM措施(記為方式3)的RES規(guī)劃方案和相應(yīng)的各部分費(fèi)用、RES滲透容量同樣列于表3當(dāng)中,可以看出,是否考慮AM措施和ADN轉(zhuǎn)供能力將會(huì)改變RES的優(yōu)化配置方案,從而影響規(guī)劃方案的經(jīng)濟(jì)性以及RES滲透率。

此外,由表3還可以看出,同一方式下,各RES安裝節(jié)點(diǎn)配置的風(fēng)電和光伏數(shù)量也不盡相同。這主要是因?yàn)橄到y(tǒng)各節(jié)點(diǎn)負(fù)荷功率、風(fēng)電和光伏輸出功率在時(shí)空范圍內(nèi)的概率分布存在差異性和互補(bǔ)性,能讓ADN在滿足安全運(yùn)行的同時(shí),盡可能多地接納RES,從而減少傳統(tǒng)電源的供電量,實(shí)現(xiàn)經(jīng)濟(jì)效益和環(huán)境效益的綜合優(yōu)化。

表3 不同方式下基于采樣數(shù)據(jù)的規(guī)劃結(jié)果

注:5(2,1)表示節(jié)點(diǎn)5安裝2臺(tái)風(fēng)電,1個(gè)光伏,以此類推。

各方式所對(duì)應(yīng)的各部分費(fèi)用和ADN中各饋線的安全距離情況分別如圖3和圖4所示。

圖3 不同方式下基于采樣數(shù)據(jù)的各部分費(fèi)用Fig.3 Costs under various modes based on sampling data

圖4 各饋線基于采樣數(shù)據(jù)的安全距離Fig.4 Security distance of feeders based on sampling data

由表3和圖4可以看出,從綜合提高系統(tǒng)經(jīng)濟(jì)性和安全性的角度出發(fā),方式1下的RES規(guī)劃方案較規(guī)劃前更優(yōu)。解釋其原因如下:雖然方式1比規(guī)劃前的年綜合費(fèi)用增加了78.3 萬(wàn)美元,增幅達(dá)3.2%,但是,考慮到規(guī)劃前ADN中有6條饋線的安全距離均為負(fù)值且各條饋線的安全距離變異系數(shù)為1.25,而經(jīng)方式1規(guī)劃后ADN中各條饋線的安全距離均為正值且各條饋線的安全距離變異系數(shù)為0.53,相較之下,方式1比規(guī)劃前的各條饋線的安全距離變異系數(shù)小了0.72,降幅達(dá)57.6%,兼顧系統(tǒng)經(jīng)濟(jì)性和安全性,方式1更好。

5.3 計(jì)及AM對(duì)規(guī)劃結(jié)果的影響

為了說(shuō)明AM對(duì)規(guī)劃結(jié)果的影響,將方式1和方式2的規(guī)劃結(jié)果進(jìn)行對(duì)比分析。由表3可以看出,方式1的RES滲透容量為11.5 MW,而方式2的RES滲透容量?jī)H為4 MW,說(shuō)明AM措施可以增加RES的滲透容量,提高配電網(wǎng)的資產(chǎn)利用率。由圖3可以看出,方式1的碳排放成本和年購(gòu)電費(fèi)分別為162.81萬(wàn)美元和1 797.90萬(wàn)美元,而方式2的碳排放成本和年購(gòu)電費(fèi)分別為181.62萬(wàn)美元和2 005.70萬(wàn)美元,說(shuō)明AM措施可減少傳統(tǒng)電源的發(fā)電量,達(dá)到減少碳排放的效果。

同時(shí),由表3和圖4可以看出,從綜合提高系統(tǒng)經(jīng)濟(jì)性和安全性的角度出發(fā),方式1較方式2下的RES規(guī)劃方案更優(yōu)。解釋其原因如下:雖然方式1比方式2的年綜合費(fèi)用增加了190 萬(wàn)美元,增幅達(dá)7.6%,但是,考慮到方式2的ADN中各條饋線的安全距離變異系數(shù)為0.72,而經(jīng)方式1規(guī)劃后ADN中各條饋線的安全距離變異系數(shù)為0.53,相較之下,方式1比方式2的各條饋線的安全距離變異系數(shù)小了0.19,降幅達(dá)26.4%,兼顧系統(tǒng)經(jīng)濟(jì)性和安全性,方式1更好。

5.4 計(jì)及ADN轉(zhuǎn)供能力對(duì)規(guī)劃結(jié)果的影響

為了研究計(jì)及ADN轉(zhuǎn)供能力對(duì)規(guī)劃結(jié)果的影響,將方式1和方式3的規(guī)劃結(jié)果進(jìn)行對(duì)比分析。由表3和圖4可以看出,從綜合提高系統(tǒng)經(jīng)濟(jì)性和安全性的角度出發(fā),方式1較方式3下的RES規(guī)劃方案更優(yōu)。解釋其原因如下:雖然方式1比方式3的年綜合費(fèi)用增加了21.4 萬(wàn)美元,增幅達(dá)0.9%,但是,考慮到方式3的ADN中有1條饋線的安全距離為負(fù)值且各條饋線的安全距離變異系數(shù)為0.61,而經(jīng)方式1規(guī)劃后ADN中各條饋線的安全距離均為正值且各條饋線的安全距離變異系數(shù)為0.53,相較之下,方式1比方式3的各條饋線的安全距離變異系數(shù)小了0.08,降幅達(dá)13.1%,兼顧系統(tǒng)經(jīng)濟(jì)性和安全性,方式1更好。

5.5 基于歷史觀測(cè)數(shù)據(jù)的規(guī)劃結(jié)果

為進(jìn)一步論證規(guī)劃模型的有效性,基于風(fēng)、光荷歷史觀測(cè)數(shù)據(jù)進(jìn)行RES規(guī)劃。設(shè)該ADN所在區(qū)域的風(fēng)速、光照強(qiáng)度和負(fù)荷的年變化曲線如圖5所示。其中,風(fēng)速和光照強(qiáng)度的曲線是基于月平均氣象數(shù)據(jù),借助HOMER軟件離散得到。離散后的全年氣象數(shù)據(jù)基本能夠反映該區(qū)域的天氣特征。利用模糊C-means方法對(duì)圖5中的時(shí)序風(fēng)速、光照強(qiáng)度和負(fù)荷數(shù)據(jù)進(jìn)行聚類。在此基礎(chǔ)上,用提出的混合求解策略對(duì)規(guī)劃模型進(jìn)行求解,得到不同方式下的規(guī)劃結(jié)果見(jiàn)表4。圖6給出了各饋線的安全距離情況。

圖5 風(fēng)速、光照強(qiáng)度和負(fù)荷的年變化曲線Fig.5 Annual wind speed,illumination intensity and load curve

表4 不同方式下基于歷史觀測(cè)數(shù)據(jù)的規(guī)劃結(jié)果

圖6 各饋線基于歷史觀測(cè)數(shù)據(jù)的安全距離Fig.6 Security distance of feeders based on historic data

由表3和表4可以看出,各方式下基于采樣數(shù)據(jù)和歷史觀測(cè)數(shù)據(jù)的RES優(yōu)化配置方案均不相同。這主要是因?yàn)轱L(fēng)、光荷在時(shí)空范圍內(nèi)的概率分布存在差異性和互補(bǔ)性。

由表4和圖6可以看出,從綜合提高系統(tǒng)經(jīng)濟(jì)性和安全性的角度出發(fā),對(duì)比規(guī)劃前和方式1、2、3下的RES規(guī)劃方案,方式1最優(yōu)。具體其原因可類比5.2節(jié)~5.4節(jié)中相關(guān)內(nèi)容說(shuō)明。

5.6 基于采樣數(shù)據(jù)的算法性能比較

分別采用遍歷法、K-means聚類法和模糊C-means聚類法計(jì)算方式1、2和3最優(yōu)配置方案對(duì)應(yīng)的年綜合費(fèi),得到的結(jié)果見(jiàn)表5。

表5 三種算法性能對(duì)比

由表5中可以看出,對(duì)比K-means聚類法,運(yùn)用模糊C-means聚類法約簡(jiǎn)樣本所得到的計(jì)算結(jié)果與采用遍歷法得到的結(jié)果更加逼近,誤差更小,這表明:①運(yùn)用模糊C-means聚類法對(duì)風(fēng)速、光照強(qiáng)度和負(fù)荷樣本矩陣進(jìn)行簡(jiǎn)化的求解思路是正確有效的,在保證計(jì)算精度的前提下,提高了計(jì)算效率;②模糊C-means聚類法較K-means聚類法在保證樣本準(zhǔn)確度上具有優(yōu)越性。

表6 各算法收斂特性對(duì)比

6 結(jié)論

本文考慮風(fēng)、光荷間的相關(guān)性,分別以年綜合費(fèi)最小和每個(gè)場(chǎng)景的配電網(wǎng)運(yùn)行費(fèi)最小作為上、下層優(yōu)化目標(biāo),建立了計(jì)及AM措施和ADN轉(zhuǎn)供能力的RES雙層規(guī)劃模型。首先,利用模糊C-means聚類法對(duì)樣本數(shù)據(jù)進(jìn)行約簡(jiǎn),然后運(yùn)用DNDEA聯(lián)合PDIPM的混合方法求解雙層規(guī)劃模型,算例仿真結(jié)果表明:

1)通過(guò)RES規(guī)劃,有助于提升系統(tǒng)應(yīng)對(duì)N-1故障的能力和實(shí)現(xiàn)故障負(fù)荷的有效轉(zhuǎn)供,使得ADN具有了更強(qiáng)的自愈性特征。

2)相對(duì)于僅考慮ADN轉(zhuǎn)供能力或僅考慮AM措施的RES規(guī)劃模型,從綜合提高配電網(wǎng)經(jīng)濟(jì)性和安全性角度出發(fā),本文規(guī)劃模型改善效果更明顯。

3)AM措施有助于提高ADN中RES的滲透容量,提高配電網(wǎng)的資產(chǎn)利用率,從而減少傳統(tǒng)電源的發(fā)電量,達(dá)到碳減排的目標(biāo)。

4)RES的合理優(yōu)化配置對(duì)于改善工作點(diǎn)在配電網(wǎng)安全域當(dāng)中的位置和轉(zhuǎn)供安全裕度的大小具有積極的作用。

5)利用模糊C-means聚類法對(duì)樣本矩陣進(jìn)行約簡(jiǎn),能夠在提高計(jì)算效率的同時(shí),保證樣本數(shù)據(jù)的準(zhǔn)確性。

[1] 張建華,曾博,張玉瑩,等.主動(dòng)配電網(wǎng)規(guī)劃關(guān)鍵問(wèn)題與研究展望[J].電工技術(shù)學(xué)報(bào),2014,29(2):13-23. Zhang Jianhua,Zeng Bo,Zhang Yuying,et al.Key issues and research prospects of active distribution network planning[J].Transactions of China Electrotechnical Society,2014,29(2):13-23.

[2] Li Yujuan,Wang Fanrong.Implementation of smart grid software system based on configurable feeder terminal unit[C]//2012 IEEE Symposium on Electrical & Electronics Engineering,2012:277-280.

[3] De Groot R J W,Morren J,Slootweg J G.Smart integration of distribution automation applications[C]//2012 3rd IEEE PES International Conference and Exhibition on Innovative Smart Grid Technologies,2012:1-7.

[4] 廖懷慶,劉東,黃玉輝,等.考慮新能源發(fā)電與儲(chǔ)能裝置接入的智能電網(wǎng)轉(zhuǎn)供能力分析[J].中國(guó)電機(jī)工程學(xué)報(bào),2012,32(16):9-16. Liao Huaiqing,Liu Dong,Huang Yuhui,et al.Smart grid power transfer capability analysis considering integrated renewable energy resources and energy storage systems[J].Proceedings of the CSEE,2012,32(16):9-16.

[5] 馬靜,馬偉,王增平.基于聯(lián)絡(luò)關(guān)系的主變故障負(fù)荷轉(zhuǎn)供方案[J].電力系統(tǒng)保護(hù)與控制,2014,42(19):1-7. Ma Jing,Ma Wei,Wang Zengping.Power restoration scheme for main transformer fault based on the interconnection relationship[J].Power System Protection and Control,2014,42(19):1-7.

[6] Martins V F,Borges C L T.Active distribution network integrated planning incorporating distributed generation and load response uncertainties[J].IEEE Transactions on Power Systems,2011,26(4):2164-2172.

[7] Zhao Yuanyuan,An Yiran,Ai Qian.Research on size and location of distributed generation with vulnerable node identification in the active distribution network[J].IET Generation,Transmission & Distribution,2014,8(11):1801-1809.

[8] Abapour S,Zare K,Mohammadi-Ivatloo B.Dynamic planning of distributed generation units in active distribution network[J].IET Generation,Transmission & Distribution,2015,9(12):1455-1463.

[9] Siano P,Chen P,Chen Z,et al.Evaluating maximum wind energy exploitation in active distribution networks[J].IET Generation,Transmission & Distribution,2010,4(5):598-608.

[10]Zhang Jietan,F(xiàn)an Hong,Tang Wenting,et al.Planning for distributed wind generation under active management mode[J].International Journal of Electrical Power & Energy Systems,2013,47(6):140-146.

[11]馬瑞,金艷,劉鳴春.基于機(jī)會(huì)約束規(guī)劃的主動(dòng)配電網(wǎng)分布式風(fēng)光雙層優(yōu)化配置[J].電工技術(shù)學(xué)報(bào),2016,31(3):145-154. Ma Rui,Jin Yan,Liu Mingchun.Bi-level optimal configuration of distributed wind and photovoltaic generations in active distribution network based on chance constrained programming[J].Transactions of China Electrotechnical Society,2016,31(3):145-154.

[12]鄧威,李欣然,李培強(qiáng),等.基于互補(bǔ)性的間歇性分布式電源在配網(wǎng)中的優(yōu)化配置[J].電工技術(shù)學(xué)報(bào),2013,28(6):216-225. Deng Wei,Li Xinran,Li Peiqiang,et al.Optimal allocation of intermittent distributed generation considering complementarity in distributed network[J].Transactions of China Electrotechnical Society,2013,28(6):216-225.

[13]Zhang Shenxi,Cheng Haozhong,Zhang Libo,et al.Probabilistic evaluation of available load supply capability for distribution system[J].IEEE Transactions on Power Systems,2013,28(3):3215-3225.

[14]Xiao J,Gu W,Wang C,et al.Distribution system security region:definition,model and security assessment[J].IET Generation,Transmission & Distribution,2012,6(10):1029-1035.

[15]Xiao Jun,Zu Guoqiang,Gong Xiaoxu,et al.Model and topological characteristics of power distribution system security region[J].Journal of Applied Mathematics,2014(6):1-13.

[16]Singhee A,Rutenbar R.Why quasi-Monte Carlo is better than Monte Carlo or Latin hypercube sampling for statistical circuit analysis[J].IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems,2010,29(11):1763-1776.

[17]Iman R L,Conover W J.A distribution-free approach to inducing rank correlation among input variables[J].Communications in Statistics-Simulation and Computation,1982,11(3):311-334.

[18]李贏,舒乃秋.基于模糊聚類和完全二叉樹(shù)支持向量機(jī)的變壓器故障診斷[J].電工技術(shù)學(xué)報(bào),2016,31(4):64-70. Li Ying,Shu Naiqiu.Transformer fault diagnosis based on fuzzy clustering and complete binary tree support vector machine[J].Transactions of China Electrotechnical Society,2016,31(4):64-70.

[19]Murata R,Endo Y,Haruyama H,et al.On fuzzy C-means for data with tolerance[J].Advanced Computational Intelligence and Intelligent Informatics,2006,10(5):673-681.

[20]藤春賢,李智慧.二層規(guī)劃的理論與應(yīng)用[M].北京:科學(xué)出版社,2002.

[21]Storn R,Price K.Differential evolution-a simple and efficient heuristic for global optimization over continuous spaces[J].Journal of Global Optimization,1997,11(4):341-359.

[22]盧揚(yáng),吳俊勇,郝亮亮.基于改進(jìn)MOBPSO算法的含分布式電源的多目標(biāo)配電網(wǎng)重構(gòu)[J].電力系統(tǒng)保護(hù)與控制,2016,44(7):62-68. Lu Yang,Wu Junyong,Hao Liangliang.Multi-objective distribution network reconfiguration with distributed generations based on improved MOBPSO algorithm[J].Power System Protection and Control,2016,44(7):62-68.

[23]Della Cioppa A,De Stefano C,Marcelli A.Where are the niches? Dynamic fitness sharing[J].IEEE Transactions on Evolutionary Computation,2007,11(4):453-465.

(編輯 赫蕾)

Bi-Level Optimal Renewable Energy Sources Planning Considering Active Distribution Network Power Transfer Capability

LiuJia1XuQian2ChengHaozhong1LanZhou2TianYuan1

(1.Key Laboratory of Control of Power Transmission and Conversion Ministry of Education Shanghai Jiao Tong University Shanghai 200240 China 2.State Grid Zhejiang Electric Power Corporation Economic Research Institute Hangzhou 310008 China)

Under the active management(AM)mode,an optimal Renewable Energy Sources(RES)allocation model is proposed.The model takes the minimum annual total cost and the minimum scenario-based distribution network operation cost as the objectives of upper and lower level,respectively.The power transfer of system fault load and four AM schemes are considered in the optimization formulation.The AM schemes including RES output power resection,RES power factor adjustment,on-load regulating transformer tap adjustment and in-side management measures.Given the randomness of RES output power and load fluctuation,the correlation between wind and light load sample matrix is generated by quasi Monte Carlo simulation and singular value decomposition and then simplified by fuzzy C-means clustering.A hybrid strategy combining dynamic niche differential evolution algorithm and primal-dual interior point method is applied to the model.The compared simulation results demonstrate the effectiveness of the proposed model and method.

Active distribution network,renewable energy sources,bi-level optimal programming,active management,power transfer capability

國(guó)家重點(diǎn)研發(fā)計(jì)劃(2016YFB0900102)和國(guó)家電網(wǎng)公司科技項(xiàng)目(5211JY16004)資助。

2016-05-10 改稿日期2016-07-12

TM715

劉 佳 男,1991年生,博士研究生,研究方向?yàn)殡娏ο到y(tǒng)優(yōu)化、規(guī)劃、運(yùn)行。

E-mail:liujia911011@126.com(通信作者)

徐 謙 男,1963年生,碩士,高級(jí)工程師,研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃和運(yùn)行。

E-mail:xuqian1963@sina.com

猜你喜歡
饋線配電網(wǎng)負(fù)荷
配電網(wǎng)自動(dòng)化的應(yīng)用與發(fā)展趨勢(shì)
變電站10KV饋線開(kāi)關(guān)與線路開(kāi)關(guān)的保護(hù)配合應(yīng)注意的要點(diǎn)
防止過(guò)負(fù)荷時(shí)距離保護(hù)誤動(dòng)新判據(jù)
主動(dòng)降負(fù)荷才是正經(jīng)事
基于IEC61850的配電網(wǎng)數(shù)據(jù)傳輸保護(hù)機(jī)制
配電網(wǎng)不止一步的跨越
河南電力(2016年5期)2016-02-06 02:11:24
基于新型材料的短波饋線實(shí)踐
配網(wǎng)饋線接地定位及環(huán)供支線接地選線判據(jù)探討
負(fù)荷跟蹤運(yùn)行下反應(yīng)堆一回路控制系統(tǒng)仿真與驗(yàn)證
基于CIM的配電網(wǎng)線損計(jì)算
龙海市| 南充市| 金沙县| 松溪县| 北宁市| 宿州市| 木兰县| 台中县| 通化市| 祥云县| 太仓市| 常宁市| 南陵县| 桂东县| 仁寿县| 平果县| 博兴县| 吉水县| 新乡市| 汾阳市| 凯里市| 宜昌市| 上饶县| 肃宁县| 噶尔县| 稻城县| 彭山县| 温州市| 蒲城县| 宝坻区| 珠海市| 辉南县| 余干县| 巫溪县| 高雄市| 新竹县| 昌平区| 岚皋县| 南丹县| 永安市| 乐亭县|