张文军,胡 浩,易善军,韩玉辉,宋 昆,尹洪全,朱宏涛,吕 兵
(1.国网内蒙古东部电力有限公司,内蒙 古呼和浩特 010000;2.沈阳工业大学,辽宁 沈阳 110870)
随着“碳达峰”,“碳中和”战略目标的提出,大规模光伏、风电等新能源并网高效利用已经成为新型能源体系发展的趋势。然而,新能源发电侧与负荷侧在一定的时间尺度难以协调,一方面,负荷响应速度高于机组的爬坡率[1];另一方面,需求响应时要减轻用户负担,但需求侧负荷调节特性与机组不能保持一致性[2],[3]。解决优化调度中发电侧与负荷侧在时间尺度上的协调问题是新的挑战。
随着电网规模的不断扩大,输网配网的交互与联系愈加紧密,在进行优化调度时须要充分考虑二者的协调关系。传统优化调度中一般对输电网或配电网给予独立考虑,输网调度时将配网等值为负荷,配网调度时将输网等值为电源。在规模化可再生能源和分布式电源接入电网的情况下,需要将输电网和配电网交互协同来提升新能源消纳。因此,配网与输网的协调至关重要,即尽可能地利用控制资源实现输网、配网的交互协调,解决系统运行风险与经济性的问题。
分布式电源大规模并网会导致电网运行风险问题。文献[4],[5]通过研究历史数据来推测分布式电源出力超出不确定边界的情况,但未对其运行风险进行量化。文献[6]针对风电出力预测误差,提出了基于条件风险价值的优化调度方案。文献[7]针对分布式电源出力预测值与实际值在不同场景下的偏差,建立了一种考虑分布式电源出力预测可信度评估模型。文献[8]考虑源、荷常规与极端场景下的系统潮流以及安全动态约束问题,提出了新能源电网两阶段鲁棒优化调度方法。
通过基于需求侧响应调整负荷的用能行为可以提升电网协调能力[9],[10]。文献[11]同时考虑激励型和电价型需求侧响应特性,建立了考虑源荷协调的优化调度模型。文献[12]建立了一种基于合同签订机制的需求侧响应方法,通过对负荷的调节来提升调节裕度。文献[13],[14]计及多能源系统中电、气、热能源转换和存储等设备,建立了考虑电、气、热需求侧响应的随机优化调度框架。文献[15]考虑配网运营商交易特性,使其参与需求侧调度中,仅针对配网进行了需求响应优化。目前,针对输网和配网协调方面的研究不多,尚缺少从输配协调的需求响应角度来考虑电网的优化调度问题。
本文针对输配网调度难以实现全局最优的问题,提出输电网新能源出力和负荷调节特性相协调的调度策略,通过输网和配网的交互耦合特性研究,建立了输配网需求响应模型。在实际运行时,由于分布式电源出力可能会超出不确定区域,或者需求侧负荷可能不执行电网的指令,因此建立了分布式电源及需求侧响应的不确定性模型。通过对输电网络进行的优化分析,建立了基于分布式电源与需求侧响应协调的输配网优化调度模型。算例结果验证了本文所提出的模型能够协调电网的运行风险与经济性能。
本文建立的需求响应调度框架由输电网运营商(Transmission Network Operator,TNO)发起,配电网运营商(Distribution Network Operator,DNO)监测配电网状态,聚合商可以协调配电网与用户需求响应资源(图1)。
图1 输配协调的需求响应调度框架Fig.1 Demand response dispatch framework
图1中,TNO和DNO实时监测输电网络和配电网络状态,均可向聚合商发出响应信息。聚合商可同用户进行信息交互。虽然TNO和DNO所属部门不同,但应互相协调维持电网安全稳定。为实现输配网的需求响应交互协调,本文基于文献[16]方法,将需求响应参与方分为买家与卖家。买家即为TNO,DNO和聚合商,卖家为签订合同的用户。
卖家成本函数:
式中:pj,n为买家j合同n的负荷响应量价格;yj,n为相应的用户响应量;αj,n,βj,n为价格系数[17];uij,n为用户i是否属于同一组j,n的判断量,uij,n取1或0;q为合同分组总数;Bj为买家j的需求量。
(1)分布式电源不确定性模型
受多种环境因素影响,分布式风机、分布式光伏的实际出力与预测出力会有一定的偏差。建立分布式电源出力不确定性模型:
目前,对于电网经济调度的研究主要集中于配电网的优化调度方面,而针对输电侧电力线路的能量传输优化研究较少。本文从以下角度对输电网络进行分析:①输电网络普遍为径向和网状,一旦发生阻塞,会导致节点间的输电能力降低;②电能在输电网络传输时会有部分损耗;选择最优路径将源侧电能输送给不同距离的负荷,并尽量降低网络损失;③输电线路存在功率、电压等安全边界,在这些安全边界基础上进行路径优化。
式中:ol为线路l是否允许断开的标志量;χl为是否在候选新建线路l处进行建设的变量,χl分别为0-1。
潮流等式约束:
式中:M为极大数值;xl为线路l的电抗;θi,t,s,θj,t1,s分别为场景s下t时段节点i和j的相角。
本文提出的分布式电源与需求侧响应协调的输配网优化调度模型,是在考虑输电网新能源出力和负荷调节特性协调的基础上,对输网和配网进行交互优化。
式中:z1i,z2i,z3i为分布式电源以及常规机组i的成本因子;Pi为分布式电源和机组i的功率;co为运维成本系数;Pdr为需求侧响应功率;cdr,cfx,cld为需求侧响应补偿系数、风险成本系数和网损成本系数;Um,Un,θmn分别为m,n的电压和相角差。
式中:PGm,PLm为m的有功输入功率和负荷有功需求;QGm,QLm为m的无功输入功率和负荷无功需求;Bmn为节点m,n之间的电纳。
分布式电源与需求侧响应约束:
式中:Dγ,Dλ,Dν,Dπ为对偶辅助变量;b为不确定度系数。
图2 算法流程图Fig.2 Algorithm flow chart
采用IEEE-RBTS-BUS20算例进行仿真。图3为算例拓扑图[18]。算例由6个发电机组,3条输电线路(单条容量为600 MVA)和5条配电馈线(单条容量为400 MVA)构成。典型日分布式电源及负荷预测如图4所示。
图3 IEEE-RBTS-BUS20系统图Fig.3 IEEE-RBTS-BUS20 system diagram
图4 分布式电源及负荷预测出力Fig.4 Distributed power generation and load forecasting output
基于所提出的分布式电源与需求侧响应协调的输配网优化调度模型,系统经济成本的仿真计算结果列于表1。
表1 分布式电源不确定度变化下的结果对比Table 1 Economic cost comparison under the uncertainty of distributed power generation
表1为分布式电源出力不确定度变化下的经济成本对比。考虑了分布式出力高于最大上界和低于最低下界的情况,高于上界的弃风成本和低于下界时的失负荷成本都计算在风险成本中。由表1可以看出,随着不确定度数值的加大,运行成本升高,运行风险成本降低。
本文针对需求侧响应不确定性对系统的影响做了相关分析。图5~7分别为是否考虑需求侧响应的负荷曲线、电价曲线和分布式电源的出力边界曲线。
图5 负荷受需求响应变化曲线Fig.5 Load by demand response curve
图6 考虑需求侧响应后的电价变化Fig.6 Prices curve after considering demand response
由图5,6可知,考虑需求侧响应后负荷和电价更趋于平滑,有利于减小电网的峰谷差。由图7可以看出,在弃电较高的1:00-4:00,8:00-11:00,考虑需求侧响应后,由于负荷能够提供一定的可调节能力,分布式电源的出力上界稍高,降低了系统发生弃风、弃光的概率。考虑需求侧响应不确定性后,分布式电源出力下界有所降低,说明本文模型具有较强的鲁棒性,可降低失负荷概率。
图7 需求侧响应前后的分布式电源边界Fig.7 Distributed power boundary before and after the demand side response
表2为不同需求侧响应不确定度的计算结果。需求侧响应不确定度越大,系统总成本也越大,相应的鲁棒性越好。对比表1和表2可知,在与分布式电源不确定度相同情况下进行对比,本文模型的运行成本较低。由此可见,考虑需求侧响应后,虽然不确定性因素增加,但可以促进消纳分布式电源,提高系统的经济性。
表2 需求侧响应不确定度变化下的计算结果Table 2 Calculation results under the change of demand side response uncertainty
表3为是否考虑分布式电源不确定度和需求侧响应不确定度情况下的结果对比。可以看出,当源荷实际值偏离预测值的程度较低时,确定性调度一般会优于鲁棒调度。源荷实际值偏离预测值的程度较高时,考虑不确定性系统运行风险成本大大降低,使得总成本也低于传统模型。
表3 是否考虑不确定性的计算结果对比Table 3 Whether to consider the calculation result comparison of uncertainty
本文参考某输配电系统的实际数据,采用IEEE-RBTS-BUS20算例系统进行仿真,建立了基于分布式电源与需求侧响应协调的输配网优化调度模型。
实际场景下分布式电源出力在一定程度上可能超出不确定域,将系统风险计入分布式电源不确定性模型中。
考虑输网和配网的关系,构建了输网配网的需求侧响应模型。考虑到实际场景中用户响应意愿可能发生变化,建立了需求侧响应不确定性模型。
本文建立了分布式电源与需求侧响应协调的输配网优化调度模型,并通过不同分布式电源不确定度与不同需求响应不确定度的对比,验证了所提模型的优越性。