适应多场景的微电网一体化柔性规划方法

潘险险， 陈霆威， 许志恒， 王天伦， 张俊潇

(1. 广东电网有限责任公司 电网规划研究中心， 广州 510080；2. 广州市奔流电力科技有限公司，广州 510640)

微电网是指由分布式电源(Distributed Generation，DG)、能量转换装置、负荷、监控和保护装置等汇集而成的小型发配用电系统，是一个可以实现自我控制、保护和管理的自治系统[1]，既可以接入配网并网运行，也可以应用于海岛、乡村等大电网不适于延伸的偏远地区独立运行.微电网可有效解决DG大规模接入的问题，是具有间歇性与波动性等分布式DG与电网之间的有效“桥梁”.未来在“碳达峰”与“碳中和”目标下，随着DG的进一步发展和高渗透率，微电网作为DG分布式利用的一种有效形式，更将成为电网的智慧“积木块”，成为服务于能源转型战略、实现电能高效清洁转换与资源协调配置的重要组网形态[2-5].

微电网规划技术的研究是微电网高效运行以及未来蓬勃发展的基础[6]，当前研究多为单一的容量规划或网架规划.其中，容量规划的研究主要是对某一特定类型微电网的规划，多侧重于对源和储的规划，通常应保证电源容量充足，足够支撑微电网范围的负荷，并保证一定的供电可靠性，在此基础上尽可能提升经济性，调整能源的容量比例以降低发电、供电成本[7-10].但是，微电网建设运行的经济性与可靠性存在一定冲突.如何实现不同场景下经济性与可靠性的平衡是容量规划的一个难点.而网架规划的研究则主要是考虑对网络可靠性的处理[11-14].网架规划对于可靠性的处理多考虑微电网运行时线路损耗导致的成本，负荷量大的节点需要距离微源更近以减小线路损耗，这样也实现了经济性与可靠性的统一.但这种方法对可靠性的衡量相对固定，无法满足不同场景对可靠性的不同需求.而且，这些文献大多未考虑节点负荷重要程度对可靠性的影响，以及网络故障可能导致的用户停电损失，在实际应用中存在一定的局限性.结合微电网发展的新形势，微网将面临可能高达100%的可再生能源渗透率，以及负荷从“被动”用电到“主动”用电的转变，对微网内源储荷的融合有着更高的要求.实际上容量规划和网架规划是互相影响、相辅相成的.因此，仅对容量或者网架进行规划，实际上都很难达到微网规划的最优.

为此，提出一种适应多场景的微电网一体化规划方法，针对容量规划与网架规划的不同特点建立双层模型：上层以经济性最优为目标建立容量规划模型，通过独立运行持续时间等约束来保证微电网的可靠性，采用混合整数优化算法求解；下层以经济性最优为目标，考虑实际运行时可能出现的用户停电损失，建立网架规划模型，采用粒子群优化算法求解，通过判断规划结果的合理性形成反馈通道，实现容量与网架规划的统一.

1 一体化规划方法

微电网可接入的微源种类多样，在不同场景下可能存在多种不同的微源组合，如何协调不同微源间的建设与使用，以及合理规划可控电源与不可控电源的比例，将明显影响微电网建设的经济性与可靠性.此外，负荷的重要程度与可靠性需求将对规划结果产生明显影响.因此在网架规划时，需要充分考虑用户对可靠性的需求，从而减小线路故障造成的损失.

进一步结合对已有微电网示范工程与研究的相关分析，可知，有效的微网规划需要解决以下关键问题：

(1) 新能源机组的接入从根本上改变了传统电网“源随荷动”的运行模式.可再生能源种类的多样性与出力的不可调度性导致了微电网组成的多样性.在规划时应考虑不同微电网的组网特点，建立能满足大多数微电网规划需要的普适性模型.

(2) 微电网对可靠性的要求存在个体差异，不同类型与不同重要程度的负荷停电造成的损失不尽相同.根据规划地区实际规划需要，建立的模型应能满足不同可靠性场景的需要.并且，需要从源、荷双侧同时进行，而不能局限于源对微电网可靠性的影响.

(3) 运行的多场景性以及源储荷的灵活性，使得微网规划中容量规划和网架规划相辅相成、不能割裂.两者同时受到场景对经济性、环保性与可靠性的需求变化影响，应当通过一定的方法实现两者的统一.

为此，提出一种适应多场景的微电网一体化柔性规划方法，由微电网的类型与组成判断、容量规划以及网架规划3部分组成，如图1所示.其中，“适应多场景”主要指适用于多种不同类型、不同组成的微电网；“柔性”主要指可通过灵活调整可靠性参数以满足不同微电网建设对可靠性的个性化要求；“一体化”则主要指系统整体既有前向层层递进通道，又通过评价系统合理性和有效性的判断形成多层闭环反馈，完成微网规划“类型与组成判断、容量规划以及网架规划”的大闭环.

图1 适应多场景的微电网一体化柔性规划方法框架示意图Fig.1 Framework of multi-scenario integrated flexible planning method for microgrid

2 模型的建立

2.1 微电网类型与组成判断

微电网类型与组成判断是进行微电网规划的基础.不同规划地区的风光和场地条件等各不相同，其微电网的建设目标与对可靠性的要求也不相同.因此在微电网规划前，需要对规划地区进行资料收集，通过专家系统初步确定微电网的类型与组成，确定对可靠性的重视程度，并根据实际情况得到相关约束作为后续微电网规划的限制条件.

其中，微电网的类型判断为确定规划地区建设的是并网型微电网还是独立型微电网，需要依据规划地区资源情况、负荷需求以及建设目标等共同确定.微电网的组成判断则需要确定在微电网什么位置适合建设何种类型的机组或储能，完成机组选型，并根据场地条件确定允许的机组装机容量范围.此处可根据已建设的示范工程大数据进行数据挖掘，形成专家库，完成组成初判.

2.2 下层容量规划模型

独立型微电网可看作与电网交互电量为0的特殊并网型微电网，不失一般性，以并网型微电网作为规划对象.在考虑满足负荷供电需求的前提下，以总费用最小为目标，并综合考虑DG的环境效益和网络的可靠性水平，建立微电网容量规划模型.

2.2.1目标函数

minC=CDG+CDGY+CDGF+

CCN+CHJ-CHB+CPCC

(1)

式中：CDG为DG年投资费用；CDGY为DG年运行维护费用；CDGF为DG年燃料成本；CCN为储能年投资费用；CHJ为DG年环境成本；CHB为环保补贴；CPCC为网络购电成本.分别定义如下：

(2)

(3)

(4)

式中：cF为燃气轮机/柴油机机组(简称机组)单位电量的燃料成本；EMT,t为机组t时刻至t+1时刻的发电量.

(5)

式中：cCN为所有储能设备一次总投资.

(6)

(7)

(8)

式中：cpcc,t为t时刻至t+1时刻的交易电价，假定交易电价在一定时段内保持不变，且微电网向上级电网购售电的价格相同；Epcc,t为t时刻至t+1时刻微电网与上级电网交易能量.

2.2.2约束条件

(1) DG装机容量约束.受场地、自然资源和电网条件的限制，风力机、光伏阵列可装设的数量有限.风力机、光伏等DG的安装容量约束为

Ga,min≤Ga≤Ga,max

(9)

式中：Ga,min为装机容量下限；Ga,max为装机容量上限；Ga指代GWT、GPV、GMT，分别为风力机(WT)、光伏(PV)、机组(MT)实际装机容量.

(2) 可再生能源比例约束.对于并网型微电网，为了充分消纳可再生能源，一般要求可再生能源装机容量不小于微电网总装机容量(Gall)的50%[15]，即有

GWT+GPV≥0.5Gall

(10)

(3) 储能约束.考虑到储能设备的损耗和其能量存储时间上的耦合性等因素，约束条件如下：

(11)

(4) 电量交易约束：

(12)

式中：Ppcc,t为t时刻微电网与上级电网联络线上的实际功率；Ppcc,max为该联络线可承受的最大传输功率；P(t)为t时刻的负荷总功率.为了保证微电网的相对独立运行，要求微电网与上级电网的全年电能交易量不超过微电网全年用电量的50%[15].

(5) 全网功率平衡约束：

(13)

式中：Pb(t)为t时刻风力机、光伏、机组、储能(CN)的出力.对于并网型微电网，要求在任何时刻微电网与上级电网断开连接时，均能保证对微电网内负荷一段时间的持续供电[15].以2 h为例，约束条件如下：

(14)

要求对t的所有取值式(14)均成立.

(6) DG功率约束.DG出力不能超出DG的装机容量范围，即：

(15)

2.3 上层网架规划模型

将微电网的容量规划结果作为已知条件，进行微电网的网架规划.并网型微电网与独立型微电网的网架规划类似.并网型微电网可通过公共接入点(Point of Common Coupling，PCC)与上级电网连接，规划要素更多，场景更复杂，因此以并网型微电网为例，以微电网建设与运营成本最小为目标，建立网架规划模型.

2.3.1目标函数 考虑到网架的投资回收期和DG有所不同，规划模型采用最小化网络费用作为优化目标，包括线路投资、网络损耗成本和用户停电损失费用，目标函数如下式所示：

minC=Cline+CL+kCcom

(17)

式中：Cline为线路投资费用的等年值；CL为网络损耗年费用；k为衡量对用户停电重视程度的参数；Ccom为用户停电损失费用.目标函数体现了对经济性与可靠性的要求，其中有

(18)

式中：Fline为线路初始投资费用；m为线路经济使用寿命，一般架空线路取30年，电缆取40年.

(19)

式中：Et为t时段网络损耗的总电量.这里将网络损耗成本用损耗电量对应的燃料成本进行等价.

在微电网运行时可能因线路故障导致用户停电，将微电网运行时各条线路故障导致的停电损失之和作为总的用户停电损失费用：

(20)

2.3.2约束条件

(1) 节点功率平衡约束.节点功率平衡约束要求各节点功率输入量等于节点功率输出量，即：

(21)

式中：Px和Qx分别为从节点x输入到微电网的有功功率和无功功率；H(y)为与x节点连接的所有线路集；Px,y和Qx,y分别为从节点x向节点y输送的有功功率和无功功率.

(2) 节点电压约束.节点电压约束要求各节点电压保持在允许范围内，以保证供电质量和网络稳定，即：

Ux0,min≤|Ux0|≤Ux0,max

(22)

式中：Ux0,min和Ux0,max分别为节点x允许电压最小值和最大值；Ux0为节点x的电压水平，且

(23)

式中：Nx为除x点以外节点的集合；PL(y,x)和QL(y,x)分别为节点y向节点x传输的有功功率和无功功率；Ry,x和Xy,x分别为节点y与节点x之间的线路电阻和电抗.

(3) 支路潮流约束.支路潮流约束要求各条支路的传输容量之和小于线路可承受容量的极限，即：

(24)

式中：Sx,y,max为节点x与节点y间线路允许传输容量Sx,y的最大值.

(4) 连通性约束.连通性约束要求网架结构应保证规划地区没有孤立节点的存在.此外，由于微电网中储能的接入带来了可靠性水平的明显提升，没有通过环状接线进一步提高供电可靠水平的必要性，因而较多地采用了辐射状的接线模式，网架结构中不应出现环.

3 一体化规划算法流程

所提双层规划算法实现流程如图2所示.容量规划部分主要根据规划地区实际条件，判断微电网的基本类型与组成，以建设运行总成本最小为目标，兼顾可靠性与环保性要求，建立相应的微电网容量规划模型，并采用混合整数优化算法求解得到各组成的最优容量配置.网架规划则根据容量规划结果，确定可靠性参数，以建设运行总成本最小为目标，兼顾微电网的可靠性要求，建立网架规划模型，并采用粒子群优化算法求解得到最优网架结构.

图2 微电网双层规划模型流程图Fig.2 Flow chart of two-layer planning model of microgrid

整个规划系统在容量规划内部闭环和网架规划内部闭环基础上，容量与网架规划相辅相成，形成统一的大闭环系统，交叉迭代并进行修正，直到规划结果符合实际要求.

4 仿真与实验

以某10节点城市地区的10 kV微电网规划为例，以该城市地区的典型日负荷数据与风光数据替代全年数据，采用“风+光+燃+储”的并网型微电网组网方式，建立微电网一体化规划模型，验证所提模型的有效性，并讨论不同可靠性参数下所得规划方案的经济性.图3为该地区的网架结构图，(1)～(20)为线路编号；图4为各节点负荷量(Pn)变化曲线；表1为各节点负荷重要程度；表2为对应线路的长度参数，线路采用LGJ-185型架空线线路.该电网拟与上级电网连接的节点为节点9，联络线功率传输不得超过 1 000 kW.此外，该城市地区采用分时电价机制，各时段微电网向大电网的购售电价格如表3所示.

图3 规划地区微电网网架结构图Fig.3 Grid structure of microgrid in planning area

图4 各节点负荷量变化曲线图Fig.4 Curve diagram of load change for each node

表1 各节点负荷重要程度Tab.1 Importance of load at each node

表2 各线路长度参数Tab.2 Length of each line

表3 分时电价Tab.3 Time-of-use price

根据规划地区风光、场地和负荷条件等信息，选择各机组的型号.各机组对应的参数如下：额定功率为30 kW，初始投资费用为7000元/kW，运行维护费用为0.3元/kW；单个光伏阵列的额定功率为 10 kW，初始投资费用为 6 195 元/kW，运行维护费用为0.2元/kW；燃气轮机的单位电量燃料费用为0.63元，初始投资费用为1.911万元/kW，运行维护费用为 0.035 8 元/kW；储能的自损耗率为0.04，最大充电与放电速率分别为SOC的0.2和0.4，充放电效率为0.95，正常运行SOC范围为 0.2～0.9，初始投资费用为5 400 元/(kW·h)，储能的初始SOC设为0.5.图5为选定的风力机与光伏在该地区的出力(P′)预测曲线.各机组在微电网中适宜接入的位置与最大接入容量如表4所示.

表4 DG与储能的接入约束Tab.4 Access constraits of DG and energy storage

图5 DG出力预测曲线Fig.5 Curve diagram of DG output prediction

此外，燃气轮机的典型污染物SO2、NOx和CO2的排放数据分别为 0.000 928、0.618 8、184.082 9 g/(kW·h).典型污染气体的环境价值标准及罚款标准如表5所示，可再生能源机组的环保补贴均为0.2元/(kW·h).

表5 典型污染气体的环境价值及罚款标准Tab.5 Environmental value and penalty standard for typical polluted gases 元/kg

设该并网型微电网要求任何时刻转入独立运行时均能保证微电网内符合持续供电2 h，对用户停电重视程度的参数k=0.粒子群算法初始种群数为5，惯性权重为0.9，自我学习因子为1，群体学习因子为2，粒子群的最大迭代次数为50.

5 结果与分析

根据上述城市地区规划相关信息，求解得到城市地区并网型微电网“风+光+燃+储”容量规划结果，为了突出可靠性对容量规划的结果，设置该并网型微电网在任何时刻转入独立运行时均保证微电网内持续供电24 h，采用独立型微电网的方法进行规划，即“孤岛规划，并网运行”的结果作为对比，如表6所示.

表6 “风+光+燃+储”容量规划结果Tab.6 Capacity results of wind-solar-fuel-storage

可见，在该场景下光伏与风力机的规划容量均远高于燃气轮机的规划容量.由于向上级电网获取电能与燃气轮机机组出力均能为微电网提供稳定可控的电能，而向上级电网购电经济性更好，因此燃气轮机规划容量很小.在该场景下可再生能源得到充分利用，但可再生能源机组出力变化速度快、出力峰谷差大，需要配有较大容量的储能.当采用独立型微电网的方法进行规划时，燃气轮机容量明显上升，微电网可控电量来源的比例明显提高，储能规划容量明显降低，总成本增加了约20.91%，通过牺牲经济性获得了较高的供电可靠性.

此外，该场景下微电网燃气轮机组的规划容量较小，考虑到燃汽轮机组配套设施的建设情况，其性价比可能进一步降低.此时可判断为规划结果不合理，返回专家系统将微电网的组成修正为“风+光+储”的并网型微电网，重新进行容量规划的结果如表7所示.

表7 “风+光+储”容量规划结果Tab.7 Capacity results of wind-solar-storage

可见，放弃燃气轮机的使用后总成本增加了约0.45%，增幅极小，在工程实际中经济性可能更优.因此，在该场景下，根据规划地区实际情况可灵活选择“风+光+燃+储”或“风+光+储”的微电网组成.

根据城市微电网规划相关信息以及“风+光+燃+储”容量规划结果，求得网架结构优化结果如图6所示；其规划成本，即线路投资费用的等年值与线路损耗费用之和如表8所示.

图6 网架结构优化结果图(k=0)Fig.6 Graph of optimal grid structure (k=0)

表8 网架结构优化结果Tab.8 Optimization results for grid structure

随着迭代次数的增加，规划总费用逐渐下降，当迭代次数进行到16次后，规划结果基本不再变化.在不考虑可靠性因素下，倾向于将满足约束的最短线路的组合作为最优网架结构.但该网架结构存在几点明显不足：含有储能的节点1位于线路末端，当网架出现断路故障时将导致调节能力的大幅下降；重要程度较高、负荷量较大的节点6与电源节点间的线路长度较长，线路(15)、(16)、(19)其一发生故障都将导致严重的用户停电损失.

因此，在实际规划时需要考虑到用户供电的可靠性.调整对可靠性的重视程度k值，可得在对负荷重要性重视程度不同的情况下的网架结构，如图7所示；对应网架规划结果如表9所示.可见，随着k值的增大，线损与建设费用对网架规划的影响减小，电源与多个重要负荷连接距离缩短，在微电网内部线路故障时造成的用户停电损失降低，使得网架整体的可靠性增强，DG的经济效益和社会效益得以更为充分地发挥.而网架规划的实际总成本随着k值增加呈现总体上升趋势，经济性有所下降，部分长度较长但连接重要负荷节点的线路开始加入到规划结果中，造成线路建设费用与线损的增加.因此在实际规划时，需要根据规划地区的实际条件，相应调整k值以协调可靠性与经济性需求.

图7 不同k值下网架结构图Fig.7 Diagram of grid structure at different k values

表9 不同k值下网架规划结果Tab.9 Grid planning results at different k values

6 结语

针对现有研究对不同类型、不同组成和不同可靠性需求的微电网规划场景缺少一体化规划方法的不足，提出了一种包含微电网的类型与组成判断、容量规划以及网架规划在内的适应多场景的微电网一体化柔性规划方法.以经济性最优为目标，兼顾环保性与可靠性建立双层规划模型：容量规划中，对并网型微电网独立运行时间约束进行调整，满足微电网对不同可靠程度的需求；网架规划中，调整参数k以适应不同的可靠性场景，实现对不同场景下微电网的统一规划.仿真结果表明，所提方法在微电网规划上具有良好的普适性，对于不同可靠性需求的场景可给出多种规划结果供以选择，与其他文献中的优化方法相比具有更强的灵活性，更贴合实际工程应用的需要.