考虑多元协同互动效应的主动配电网多目标规划方法研究

陈云辉，石方迪，龚海华，李　冬，唐　琪，潘宇婷

(1．上海电力设计院有限公司，上海　200025；2．国网上海市电力公司，上海　200122；3.国网苏州供电公司，江苏 苏州　215004)

以火电为主导的电源结构使得电力工业成为我国国民经济最大的碳排放源。因此，推动电力工业的低碳化是我国能源战略的主要方向。发展低碳电力系统的重点在于电力供给侧改革，其关键在于清洁能源发电的有效开发和利用[1]。对于清洁能源发电的开发，目前有两种思路：一是从发电侧出发，大力发展长距离、大容量、低损耗的跨区输电线路(如特高压交直流输电)以实现清洁能源资源在更大范围内的优化配置；二是从用户侧出发，建立分布式清洁能源发电、配电网和终端用电集成的供电系统，就地消纳和利用清洁能源[2]。

分布式发电具有距离负荷近、建设周期短、投资成本低、运行灵活的优点，因此近年来在我国尤其是中东部城市呈现快速发展的趋势。目前配电网的电力潮流一般由上级变电站单一流向负荷节点，其运行方式和规划准则相对简单。然而，规模化的分布式发电接入配电网后，尤其是间歇式能源大量并网后，原来方向单一的配电网潮流逐渐变得双向不确定性，对电网电压水平、短路容量等电气特性造成显著的影响[3-4]，因此难以满足分布式发电规模快速增长背景下配电网对分布式发电接入和高效利用需求。

为了解决大量分布式电源友好接入配电网，实现能源的高效、低碳、绿色发展，在此背景下，主动配电网(Active Distributed Network, 简称ADN)技术提供了可行的方案[5-6]。通过采用主动配电网的主动管理、主动控制技术，分布式发电、储能、负荷、配电网之间产生了协同互动效应，改善分布式发电的出力特性和负荷特性，能够有效减少分布式发电所带来的不利影响。

分布式发电、储能、主动管理机制的加入增加了规划的决策变量，规划的优化问题求解变得更为困难。本文综合考虑了分布式发电、储能、负荷等元素的协同互动作用，提出一种适用于主动配电网的规划方法，为未来大规模分布式发电接入配电网提供重要保障，对于清洁能源的消纳和高效利用具有重要的意义。

1　考虑源—荷—储协同交互效应的配电网负荷预测

负荷预测是配电网规划的基础，准确的负荷预测将为分布式电源、变电站的科学布点，配网线路的建设以及投资的经济效益提供优化的决策建议，同时保障电网运行的安全性、经济性和可靠性。

主动配电网中分布式电源、柔性负荷及储能的接入将对传统的负荷预测产生重大的影响，因此在传统负荷预测方法的基础上综合考虑源—荷—储协同交互效应，提出一种适应于主动配电网的负荷预测方法。

1.1　负荷预测思路

对于主动配电网规划，由于分布式能源的接入及其季节性、时段性特点，将对电网的负荷需求产生一定影响，其负荷预测在使用传统配电网负荷预测方法的同时，需考虑分布式能源渗透对电网负荷的影响，对负荷预测结果进行修正，以准确反映分布式能源接入情况下主动配电网对电网侧的实际负荷需求。

由于主动配电网规划需考虑主动管理效应对负荷预测结果的影响，主动运行和规划协同优化，因此需要得到高峰负荷日典型负荷特性曲线作为规划的基础数据。

将主动配电网的负荷预测分为常规负荷和分布式电源出力两部分，分别进行建模和预测，将各自的预测结果结合，即为主动配电网的负荷预测结果，可用式(1)表示。

(1)

式中P(t)——主动配电网高峰负荷日t调度时刻总负荷预测；

PB(t)——t时刻常规负荷预测，可根据规划区负荷分类，利用传统的负荷预测方法进行预测；

Psαi(t)——第i个分布式电源t时刻单位DG可信出力，高峰负荷日一般分为24个调度时刻。

1.2　含柔性负荷的负荷预测

1.2.1负荷分类

不同于传统配电网的负荷，主动配电网中含有部分柔性负荷，即可响应调节、参与电网调度的负荷。考虑柔性负荷之后，传统负荷预测中涉及到的典型负荷曲线发生了变化，根据负荷响应能力的大小可将其分为不可控负荷、可控负荷和可调负荷3 类[7]。

不可控负荷即传统负荷，这类负荷用电需求难以响应调节机制，是传统配电网负荷的主要组成部分。可控负荷主要为可中断负荷，通常由用户与电力公司签订经济合同，规定在负荷高峰或紧急状态下，用户进行负荷中断和削减。可调负荷是指不能完全响应电网调度，但能在一定程度上跟随分时电价、阶梯电价等电价引导机制，调节其用电需求的负荷。

1.2.2含可控负荷的负荷预测方法

在主动配电网规划中，需求侧响应是重要的负荷侧调节手段，其主要作用是削减高峰负荷，从而降低配电网所需的变电容量、线路输送容量等。考虑可控负荷后，主动配电网的负荷预测的新峰值为

PB(t)=PSum(t)-PCon(t)

(2)

式中PSum(t)——t时刻总体负荷预测值；

PCon(t)——t时刻可控负荷预测值。

1.3　分布式发电可信出力预测

1.3.1分布式发电可信出力模型

一方面，主动配电网负荷预测结果会受可控负荷的主动调节作用影响；另一方面，分布式电源大规模接入电网被负荷就地消纳后，配网侧的负荷也会受到影响。电能供应侧的清洁替代是不可阻挡的趋势，主动配电网规划应充分考虑大规模分布式电源的接入需求，以适应未来清洁能源渗透率逐步升高的态势。

在负荷预测时，对规划区分布式电源出力的准确预测至关重要。由于分布式电源出力具有波动性和随机性，其装机容量不能代表其真实出力，因此采用分布式电源的可信出力作为负荷预测的依据。

可信出力Pα是指分布式电源在一定置信度α内至少能够达到的出力水平，例如α=80%时DG可信出力为P80%，表示分布式电源的出力有80%的概率在P80%以上。可根据区域分布式电源出力预测结果，统计其概率密度函数或累计分布函数，计算得到Pα。

为了充分发挥分布式电源的作用，有效降低配电网所需设备容量，应配置储能装置，在削峰填谷、跟踪出力等控制策略下进行能量管理。

1.3.2t调度时刻DG可信出力预测

结合地区 DG总装机预测值和单位DG可信出力值，可得到规划区t调度时刻DG可信出力预测模型如下：

Psα(t)=Ps×Pα

(3)

式中Psα(t)——规划区水平年高峰负荷日t调度时刻DG可信出力；

Ps——规划区水平年DG装机总容量；

Pα(t)——高峰负荷日t调度时刻单位DG可信出力(已归一化)。

2　主动配电网多目标规划模型

在已知分布式电源装机规模的情况下，主动管理模式下的配电网规划既涉及到网架规划，又涉及到储能选址定容，根据分解协调思想，该问题可以转化为双层规划模型。

上层规划为电网优化规划问题，以年网络综合费用最小为目标；下层规划模型是在上层规划所得到网架下以典型日系统运行经济性确定储能等可控资源的有功出力。

主动配电网规划流程，如图1所示。

图1　主动配电网规划流程

上层规划将网架规划方案传递给下层，下层规划在上层网架规划的基础上对储能等可控资源的出力进行优化，并将优化后出力值传递给上层，上层模型利用下层传递来的出力值来计算上网络损耗，最后得到网络规划方案和储能的站址布点方案。

2.1　上层规划模型

上层规划模型以最小化主动配电网一年的支出为目标，目标函数表达式如下式：

minC=Cline+Closs

(4)

式中Cline——网架投资的等年值，万元；

Closs——年损耗费用，万元。

Cline、Closs的计算公式为：

(5)

Closs=TlossPloss

(6)

式中Fline——网架初始投资费用，万元；

r——折现率，取8%；

n——线路的折旧年限，取30年；

Tloss——网络损耗小时数，上海地区取2 900 h；

Ploss——下层规划优化运行得到的网络损耗，MW。

2.2　下层规划模型

(1)优化目标

下层优化为主动配电网典型高峰负荷日运行优化，以日调度周期的负荷预测为基础，通过优化计算求解出储能的调度策略，由典型日推算全年储能的充放电效益，实现储能运营商的经济利益最大化，其优化目标函数可以归纳总结如下：

maxCESS=EdischargePd-EchargePc-(ErateCE+PrateCp)/L

(7)

式中Edischarge——计算周期内储能系统的放电能量，MWh；

Pd——储能系统的放电电价，万元/MWh；

Echarge——计算周期内储能系统的充电电量，MWh；

Pc——储能系统的充电电价；

Erate——储能系统的额定容量，MWh；

CE——储能系统的单位容量价格，万元/MWh；

Prate——储能系统的额定功率，MW；

Cp——储能系统的单位功率价格，万元/MW；

L——储能系统的寿命，年。

(2)约束条件

在配置储能系统时，模型应满足系统、电站和储能系统的运行约束，包括系统功率平衡约束、常规机组出力约束、储能系统出力约束以及储能系统SOC约束。

系统功率平衡约束：

(8)

式中SB——系统节点集合。

常规机组出力约束：

PGimin≤PGi(t)≤PGimax

(9)

式中PGimin、PGimax——常规机组i的最小、最大技术出力；

PGi(t)——常规机组i在阶段t的出力。

储能系统运行约束：

(10)

式中PESS/min(t)，PESS/max(t)——第i个储能系统在阶段t的最小和最大输出功率，与当前阶段储能系统的SOC值、SOC上下限及额定功率相关；

PESSi(t)——阶段t储能系统的输出功率；

SOCi max，SOCi min——第i个储能系统SOC上下限值；

SOCi(t)——阶段t储能系统的SOC值。

(3)求解方法

上层规划模型是一个配电网网架规划模型，可在制定几个备选的网架规划方案后采用遍历的方式进行最优方案求解。下层规划模型实际是一个最优潮流模型，主动配电网的最优潮流控制既包括诸如储能单元等连续可调的变量又包括联络开关等离散控制变量，其本质上是一个典型的混合整数非线性约束规划问题。本文将采用粒子群优化算法对主动配电网最优潮流进行求解。

传统粒子群优化算法(Particle Swarm Optimization，PSO)是美国电气工程师Eberhart和社会心理学家Kennedy于1995年受到鸟群觅食行为启发提出的，粒子群算法模拟鸟群飞行觅食的行为，通过鸟之间的集体协作使群体达到最优。粒子群优化算法的简化流程图如图2所示。

图2　粒子群算法流程图

传统PSO算法简洁，易于实现，不需要调整过多的参数，并且不需要梯度信息，是非线性连续优化问题、组合优化问题以及混合整数非线性优化问题的有效优化工具。

3　算例分析

以上海市某临空经济园区为例，验证考虑源—荷—储系统协同互动效应的主动配电网多目标规划方法。

3.1　负荷预测

负荷预测首先根据控制性详细规划提供的地块用地性质、用地面积等指标，采用负荷密度指标法计算各类用户的最大负荷值。其次根据最大负荷值以及各类用户高峰负荷日的典型负荷特性曲线，拟合得到园区高峰负荷日负荷特性曲线，以此作为园区常规负荷预测的重要依据。

结合园区屋顶面积及可利用屋顶情况，估算园区可安装屋顶分布式光伏40 MW，占高峰负荷的比例约为29%。由于上海市高峰负荷日出现在夏季，因此仅对夏季光伏可信出力进行研究，采用夏季7～9月份3个月光照强度数据，并依此计算每日24点出力数据，统计不同可信度下各调度时段的概率出力曲线，如图3所示。

图3　不同可信度下分布式电源日出力曲线

由图3可见，可信度越低，分布式电源可信出力越大，在90%可信度时，分布式电源日最大出力为11.3 MW；在80%可信度时，分布式电源日最大出力为16.1 MW；在70%可信度时，分布式电源日最大出力为20.1 MW；在50%可信度时，分布式电源日最大出力为24.4 MW。

综合园区常规负荷预测和分布式电源可信出力结果，根据式(1)可得到不同可信度下园区负荷预测结果，如图4所示。

由于光伏白天出力大发，晚上没有出力，可以看出园区高峰负荷由白天转移至晚上7点左右，在90%、80%、70%可信度时，日最大负荷均约为129.9 MW；在50%可信度时，日最大负荷约为123.4 MW。主动配电网规划将规划与运行结合，以50%可信度负荷特性曲线为例作为主动配电网规划案例计算基础。

图4　不同可信度下园区高峰负荷日负荷特性曲线

3.2　主动配电网多目标规划方法

(1)待选支路集。园区现状10 kV电网及规划待选支路集合如图5所示。待选支路集合共3回，分别为临苏开关站～协淞开关站、临福开关站～协淞开关站以及金通开关站～广北开关站。三个方案新建线路长度分别为1.16、1.61 km和1.15 km。

图5　园区现状电网及规划待选支路集合

(2)计算参数。为了定量优化给定配电网的储能选址方案，算例给定的计算参数见表1。

表1　计算参数表

(3)储能定容结果。采用粒子群优化算法进行下层优化问题求解，优化得到储能的额定容量为9 MWh(约为光伏装机规模的22.5%)，额定功率为1.1 MW，最优方案储能运营商的年净收益为35.3万元。优化方案与其他方案对比见表2。

表2　储能定容方案对比

(4)网架规划方案。根据储能额定功率和额定容量，结合储能临苏、临福、协淞、金通以及广北5个待选布点位置，分别计算3个待选支路集合的年综合成本，得到最优的网架规划方案为方案1，最优的储能布置位置为临苏开关站，年综合成本约为414.1万元。优化方案与其他方案的对比见表3。

表3　网架规划方案及储能选址方案对比

4　结语

本文提出了考虑源—荷—储协同互动效应的配电网负荷预测方法，建立了风、光等间歇式分布式电源的可信出力模型，使得负荷预测结果更具科学性和合理性。

在负荷预测基础上，构建了主动配电网双层多目标优化模型，对网架规划和储能系统选址定容提供决策依据。最后以上海某临空经济园区为例对负荷预测和多目标优化方法进行验证，计算案例表明，所提方法具有一定的实际应用价值。

参考文献：

[1]邢海军,程浩忠,张沈习,等. 主动配电网规划研究综述[J].电网技术,2015,39(10):2705-2711.

XING Haijun, CHENG Haozhong, ZHANG Shenxi, et al. Review of active distribution network planning[J].Power System Technology, 2015, 39(10): 2705-2711.

[2]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[J]. 电网技术,2015,39(07):1913-1920.

SHEN Xinwei, ZHU Shouzhen, ZHENG Jinghong, et al. Active Distribution Network Planning-Operation Co-optimization Considering the Coordination of ESS and DG[J]. Power System Technology, 2015,39(07):1913-1920.

[3]曾鸣,韩旭,李博. 考虑不确定性的多阶段主动配电网规划模型研究[J].电力建设,2015,36(1):65-71.

ZENG Ming, HAN Xu, LI Bo. Study of multistage planning for active distribution networks under uncertainty[J].Electric Power Construction, 2015, 36(1): 65-71.

[4]曾鸣,韩旭,李博. 考虑不确定性的多阶段主动配电网规划模型研究[J].电力建设,2015,36(1):65-71.

[5]钟清,余南华,孙闻,等. 主动配电网分布式电源规划及经济性分析[J].电力系统及其自动化学报,2014(11):82-86.

[6]方陈. 主动管理模式下含分布式发电的配电网网架规划[C].2014输变电年会论文集.

[7]张建华,曾博,张玉莹,等. 主动配电网规划关键问题与研究展望[J].电工技术学报,2014,29(02):13-23.

[8]钟清,孙闻,余南华,等. 主动配电网规划中的负荷预测与发电预测[J].中国电机工程学报,2014,34(19):3050-3056.

ZHONG Qing, SUN Wen, YU Nanhua, et al. Load and power forecasting in active distribution network planning[J].Proceedings of the CSEE, 2014, 34(19): 3050-3056.