班国邦,马晓红,欧阳泽宇,余云雯,袁旭峰,刘丽
(1.贵州电网有限公司电力科学研究院,贵阳 550002;2.南方电网公司防冰减灾重点实验室,贵阳 550002;3.贵州大学 电气工程学院,贵阳 550025;4.贵州电网有限公司毕节供电局,贵州,毕节 551700)
随着我国在能源消费结构升级和整治环境污染方面双管齐下,可再生能源(Renewable Energy Source, RES)的应用得到长足发展,数据表明,2019年全球可再生能源总装机容量达到2536.853 GW,同比增长175.792 GW;中国可再生能源总装机容量达到 758.626 GW,其中风电和光伏装机容量均超过 200 GW[1-2]。由此可见,高比例可再生能源并网已是大势所趋。储能系统(Energy Storage System,ESS)在配电网削峰填谷方面的优化已有很多研究。文献[3]开展了储能式充电桩和电网需求侧响应的联合优化调度研究。文献[4]提出规模化分布式光伏并网条件下含储能电站的优化调度方案,兼顾系统经济性和风电优先调度的情况下,利用储能电站实现了削峰填谷。文献[5]创建了一种基于移动式储能削峰填谷的双层优化调度模型,以改进增强烟花算法进行求解,最终实现可靠性与经济性的移动式储能最优调度策略。文献[6]为提升用户端储能投资和储能运行的经济效益,通过运行调度滚动优化方法在用户侧配置储能装置,进而实现对系统负荷的优化,降低了用户用电成本。文献[7]提出一种针对含高渗透率分布式能源的不平衡配网的储能系统优化方法,把投资运维成本和降损及削峰填谷收益作为目标函数,采用混合算法求解证明了该模型有助于提升配电网优化运行的经济性。以上文献都是传统固定式储能系统对于配电网在削峰填谷方面的应用,而移动式储能系统对于削峰填谷的应用也有一些研究[8-11]。
本文首先分析了储能系统应用于配电网削峰填谷方面的优缺点,接着阐述了智能软开关(Soft open point,SOP)能如何弥补储能系统的缺点。因此,本文考虑一种储能系统柔性接入的配电网削峰填谷策略研究,为更佳地应对分布式电源出力和负荷需求的不确定性,把储能系统直接方便地接在智能软开关中的直流电路上。最后对含柔性接入储能系统的改进IEEE-33节点配电系统进行了仿真。
可再生能源接入网络将会改变系统的潮流分布,且风电和光伏依赖风速和光照等天气因数,具有较强的间歇性和可变性,其间歇性和可变性将会给配电网的安全稳定带来巨大挑战,譬如引起配电网的电压越限和网损增加等问题。然而传统配电系统的调节方式是有限的,面对间歇式分布式能源所带来的相关难题,仅仅依靠传统的调节设备显然已经无法满足配电系统精细化潮流控制的要求[12-14]。
储能系统正深刻改变着电力与能源结构[15]。它能够在充放电两种运行模式之间进行灵活的转换,因其时序能量调节作用,更能满足配电网有功功率调节的需求。所以它有改善可再生能源可变性、间歇性的能力。因此,储能系统常常用于配电网削峰填谷的优化运行,其灵活的充放电功率能平抑负荷曲线、提高可靠性、优化电能质量[16-17]。
但是储能系统应用于削峰填谷优化,通常都是根据事先给定的调度方案进行充放电模式的控制,不能根据配电系统运行的实时状态进行灵活调整。 然而智能软开关(soft open point,SOP)的出现极大地改变了传统配电网的结构。智能软开关是一种安装在传统联络开关(TS)处的电力电子设备[18-21],它具有很高的灵活性、可靠性特征,能精确控制其所连接两侧馈线的有功功率与无功功率,因此能有效应对可再生能源可变性出力等问题[22]。文献[23]建立了含有智能软开关的配电网运行优化模型,该模型从降损能力、改善电压能力、应对高渗透率分布式电源变化的能力等方面验证了智能软开关的优点; 文献[24]提出了基于多端智能软开关的馈线负载平衡优化方法,以解决接入分布式电源所引发的馈线功率波动问题。智能软开关有响应快、功率控制平滑的优点,最重要的是它能够进行实时的功率控制,在某种程度上,有弥补储能系统的优化作用。因此,本文考虑一种储能系统柔性接入的配电网削峰填谷策略研究,为更佳地应对分布式电源出力和负荷需求的不确定性,把储能系统直接方便地接入智能软开关中的直流电路部分中。
鉴于此,文章建立ESS柔性接入SOP的有源配电网运行优化模型。SOP的基本拓扑结构如图1所示,是背靠背电压源型换流器(Back to Back Voltage Source Converter,B2B VSC)。
图1 基于B2B VSC的SOP拓扑结构Fig.1 Topological structure of SOP based on B2B VSC
在配电网中,将联络开关替换成SOP,将储能系统接入SOP的直流部分,如图2所示。
图2 ESS接入SOP直流部分Fig.2 ESS connected to DC part of SOP
与传统联络开关相比,SOP不仅仅响应速度更快、可改变功率传输的路径,还能实时调节所连馈线的有功功率和无功功率的大小,避免了由于频繁切换操作造成的潜在风险。SOP的控制信号是基于快速通信进行传输的,比如光纤或者无线网。由于本文研究的配电系统都是运行在正常的状态下,选择PQ-VdcQ作为SOP的控制方式[25]。
本文考虑到负荷曲线平滑度和电压改善能力两类指标,即以进行削峰填谷后配电网侧负荷曲线方差值最小和电压偏差最小为目标函数,采用专家打分法确定多目标评价体系的各目标权重,将DG中的储能系统在一日内不同时间段的充放电功率和SOP的有功、无功功率作为求解的优化变量,并采用智能算法中的改进的粒子群算法求解,最终在改进的IEEE-33算例系统上检验该方法。
(1)SOP有功功率约束为
(1)
(2)
(2)SOP无功功率约束为
(3)
(3)SOP容量约束为
(4)
以降低系统负荷曲线方差和改善电压水平为综合目标函数,保证系统电压在期望水平的同时系统负荷曲线方差最小,以保证配网运行状态的安全稳定。即规划目标函数为
minf=αf1+βf2
(5)
式中:f1为配电网侧日负荷曲线削峰填谷后的方差值;f2为电压偏差值。α、β为各目标所占的权重大小值,且α+β=1。
(1)配电网侧日负荷曲线削峰填谷后方差值最小
(6)
式(6)中n为日负荷采样数,取值为24;t为采样时间点,取1……24;PL(t)是t时配网侧考虑可再生能源出力的负荷值;PES(t)是t时储能系统的功率,为正则表示充电,为负则表示放电。
(2)电压偏差最小
(7)
(Vi(t)≥Vmax,i‖Vi(t)≤Vmin,i)
式(7)中,N为配电网的节点总数;T为时间段总数;Vi(t)为t时段节点i电压幅值;Vmax,i、Vmin,i分别为节点i电压幅值上、下限。
(1)储能系统的功率约束
(8)
(9)
式中PD(t)为t时刻储能出力值,Pmax_ch(t),Pmax_dch(t)为储能充电或者放电的功率最大值,ηc,ηd为充放电效率。
(2)储能系统的容量约束
本文假设储能调度周期内充放电容量平衡,即充电量等于放电量。
(10)
式中Sbat(t)代表t时刻的储能系统容量,Sbat_max,Sbat_min分别为储能系统容量上、下限。
(3)功率平衡约束:
(11)
(12)
式中:Pi、Qi分别为注入节点i的有功、无功功率;Ui、Uj分别为节点i、j的电压幅值;Gij、Bij分别为导纳矩阵的实部和虚部;θij为节点i、j的电压相角差值;N为节点总数。
除此之外,还要满足系统的潮流约束,本文采用改进的交直流潮流算法进行潮流计算[26-27]。
标准的粒子群优化(Particle Swarm Optimization, PSO)算法具有简单、适应性强等特点。PSO中所有粒子都是所优化函数的可行解,所有粒子都会分享信息,从而使得每个粒子都可以优化自身的运动方式,找到全局最优解。其粒子迭代更新函数如下:
(13)
但是标准的粒子群算法中惯性权重w不变,为了提高算法的收敛速度,要选择一个合适的惯性权重w。分析式(13)可知,若w比较大便于跳出局部最优,有助于搜索全局最优;相反,若w比较小便于开展局部搜索,可搜索局部最优。本文采用线性下降的方式进行处理,如式(14)所示:
(14)
式中:wmax、wmin为权重最大、最小值;kmax为最大迭代数,kt为当前迭代数。
算法流程图如下所示。
(1)输入配电网系统模型参数,包括风电机组、光伏电源的配置参数,储能系统的配置参数,智能软开关的配置参数,日负荷预测出力曲线,可再生能源预测出力曲线;
(2)设定PSO参数,包括最大迭代次数imax,种群数N,变量个数V,变量上下限popmax、popmin,惯性权重的最大值与最小值等;
(3)选取第i个粒子,进行交直流潮流计算,得到目标函数值;
(4)把目标函数值作为第i个粒子的适应度值;
(5)更新粒子的速度和位置,生成新的种群,以进行下一次迭代计算;
(6)直到目标函数值收敛,得到最优粒子,即得到储能系统一日内的充放电功率方案。
图3 算法流程图Fig.3 Algorithm flowchart
为检验本文所提方法,用IEEE-33配电系统进行验证。根据我国电能质量国家标准[28],节点电压的最大取值、最小取值分别为 1.05UN、0.95 UN(UN为电网基准电压)。考虑到接入分布式电源后的影响,在该系统的节点7接500kW的光伏电源以及在节点32接750kW的风电机组,且它们均在单位功率因数下运行,其配置参数如表1所示。将SOP替代原来联络开关TS1的位置,在SOP的直流部分接入储能系统,修改后的IEEE-33配电系统如图4所示。
表1 分布式能源配置参数Tab. 1 Installation parameters of DG
图4 33节点柔性配电网络Fig.4 Diagram of 33-node flexible distribution network
本文以小时为单位,通过负荷预测方法得到系统负荷日运行曲线,如图5所示。同理可得图6,即可再生能源日预测出力曲线。储能系统参数如表2所示。SOP的投建容量为 750 kVA ,且无功功率的上限为500kvar。权重系数 α、β由专家打分法确定。
图5 日负荷预测曲线Fig.5 Predicted curve of Daily load
图6 可再生能源预测出力曲线Fig.6 Predicted output curve of renewable energy
表2 储能系统参数Tab.2 Energy storage device parameter
为证明考虑ESS柔性接入SOP的方法的作用,选取以下三种情况进行对比分析,在 MATLAB R2016b平台上通过编程,利用改进的粒子群算法进行求解。
情况一: 不接入智能软开关与储能系统;
情况二: 只接入智能软开关;
情况三: 接入智能软开关,并把储能系统接入智能软开关直流部分。
三种情况下的全天优化结果如图 7、图 8、表3所示,储能优化结果如图8所示。
图7 节点18在不同情况下的电压分布Fig.7 Voltage profile of node-18 under different cases
图8 储能系统接入前后负荷特性曲线Fig.8 The load characteristic curves of energy storage system before and after access
表3 电压偏差值Tab. 3 Voltage deviation value
由于在IEEE-33节点正常工况下,在可再生能源和储能系统均未配置时,配电网系统节点电压偏差比较大,节点 18 位于系统的最末端,电压值最低,为 11.56 kV,已超出国家标准要求(电压偏差不得超过额定电压的±5%)。因此在考察储能系统柔性接入智能软开关对于改善电压质量能力时,以18节点为观察点进行分析讨论。
首先由图7的18节点电压分布图可知,情况一的电压最不稳定、波动最大,甚至出现电压越限情况,某几个时刻电压标幺值已低于国家标准0.95UN。原因是情况一没有接入智能软开关和储能系统,只接入了风能机组和光伏电源,而风能机组和光伏电源具有较强的间歇性和可变性,极易引起配电网的电压越限和网损增加等问题。情况二的电压波动得到了微微减缓,但在个别时段电压也出现了越限。原因是情况二只接入了智能软开关,虽然智能软开关能够实时调节所连馈线的有功功率和无功功率,一定程度上能够减缓风电和光伏间歇性与可变性所带来的电压越限问题,但是由于没有接入储能系统,改善电压水平的能力依旧有限。相比于情况一、情况二,情况三的电压全部满足要求,均在我国电能质量国家标准内,并没有出现越限情况。所以就以节点18的电压分布来说,不论在何种时段,本文所提方式,即把储能系统柔性接入智能软开关直流部分的方法均能有效改善该节点的电压分布,有效提高系统的电压水平。
其次由表3,电压偏差值表可知,情况一,即在不接入智能软开关与储能系统,系统中只配置光伏电源和风能机组时,节点电压偏差值为1.1519;情况二,即接入智能软开关,只配置光伏电源和风能机组时,节点电压偏差值为0.6281;情况三,即储能系统柔性接入智能软开关时,节点电压偏差值为0。显然本文所提方法,不论从单个节点观察,还是所有节点电压偏差值观察,都能有效提高电压质量,具有很强的改善电压水平的能力。
储能系统接入前后配电网系统负荷特性曲线如图8所示。由图8可知:储能系统柔性接入智能软开关直流部分后,在配电网负荷较低时,储能充电以增加负荷,在配电网负荷较高时,储能放电以减小负荷。原始负荷曲线峰值是3639.4 kW,储能系统柔性接入智能软开关直流部分后的负荷峰值是2734 kW,减小了24.88%;原始负荷曲线负荷最小值是704.83kW,储能系统柔性接入智能软开关直流部分后的负荷最小值是463.54kW,减小了34.23%;原始负荷曲线峰谷差2934.5kW,储能系统柔性接入智能软开关直流部分后的负荷曲线峰谷差是2270.5kW,减小了22.63%,由此可见,本文所提的方法,即储能系统柔性接入智能软开关的方法可以起到削峰填谷的效果,不仅仅提高了可再生能源的消纳能力,还有效抑制了负荷曲线的波动,整体上提高了供电可靠性并对电能质量进行了有效的优化。
图9是储能系统的SOC曲线、充放电功率曲线。可见,负荷低谷时段,储能系统充电使得SOC逐渐上升;负荷高峰时段,储能系统放电使得SOC逐渐降低;且SOC的值一直保持在规定的范围内。为更好地保障储能装置的使用寿命,防止其发生过充、过放,SOC变化范围应保持在10%~90%。为保证第二天储能系统能正常运行,储能装置在每天的初始时间与末尾时间电量都保持在初始值,即500kWh。
图9 储能系统出力与SOC曲线Fig.9 Energy storage system output and SOC curve
本文同时考虑储能系统柔性接入智能软开关作用于削峰填谷在平滑负荷曲线和电压改善能力两方面的性能,提出了一种有源配电网运行的多目标优化模型,并采用智能算法中的改进的粒子群算法进行求解。利用IEEE-33配电网络系统,对不接入SOP与ESS、仅接入 SOP、ESS柔性接入SOP三种方式进行了对比研究,算例说明了ESS柔性接入SOP的方式可以有效实现配网系统的削峰填谷,并能提升配电网的电压质量和经济效益。如何应对可再生能源随机性出力,解决其间歇性和可变性给配电网的安全稳定带来的巨大挑战;如何在接入大容量储能装置的基础上,利用柔性互联电力电子开关,提升配电系统的可控水平和可再生能源的消纳能力,是当前配电网研究的热点。目前本文研究的系统是单电源系统,下一步研究可以对多电源点系统进行开展,考虑储能系统柔性接入多电源点系统的削峰填谷优化。