查看原文
其他

【精彩论文】考虑灵活性供需平衡及响应速度的分布式电源集群划分方法

中国电力 中国电力 2023-12-18

考虑灵活性供需平衡及响应速度的分布式电源集群划分方法


叶畅1, 伊华茂2, 朱炯达3, 赵晶晶3, 吴炼2

(1. 国网湖北省电力有限公司电力科学研究院,湖北 武汉 430061; 2. 国网黄冈供电公司,湖北 黄冈 438000; 3. 上海电力大学 电气工程学院,上海 200090)


摘要:大规模分布式电源(distributed generation,DG)接入电网给电力系统传统集中式调控带来困难。为进一步提升分布式电源集群(distributed generation cluster,DGC)灵活性分布式调控,提出一种考虑DGC供需平衡及响应速度的集群划分方法。首先进行了集群爬坡灵活性分析,提出了功率分配策略以满足调频灵活性需求;接着,提出了DGC供需平衡指标以及响应速度指标,得到了集群划分方法;最后,基于IEEE 33节点算例验证了所提方法的有效性。


引文信息

叶畅, 伊华茂, 朱炯达, 等. 考虑灵活性供需平衡及响应速度的分布式电源集群划分方法[J]. 中国电力, 2023, 56(2): 150-156.

YE Chang, YI Huamao, ZHU Jiongda, et al. A cluster partition method for distributed generation considering flexibility supply-demand balance and response speed[J]. Electric Power, 2023, 56(2): 150-156.


引言


分布式电源(distributed generation,DG)不断发展给电网调频、调压、调峰增加了难度[1-5]。为了使DG接入电网更加地安全可靠,将配电网划分成包含DG的DG集群(distributed generation cluster,DGC),以DGC为单位对DG进行调度和控制,成为一种行之有效的解决方案[6]。集群划分在含可再生能源的电力系统中应用广泛,并且已经大量应用在系统的运行控制领域[7-8]。针对DGC的划分、调控有较多研究。文献[9]将分布式发电集群定义为地理位置相近、电气耦合关系紧密、无功功率就地平衡、有功功率时序互补的节点及支路集合。文献[10]提出了结合消纳能力和模块度指标的综合指标,采用改进遗传算法[11]对DGC进行划分。文献[12]将传统的图划分算法与进化算法相结合对电网传输规划及转动惯量储备容量进行优化。文献[13]建立了考虑系统灵活性的集群划分方法。目前,DGC划分常从满足电压调控需求出发,较少对DGC参与系统辅助调频调峰的问题进行研究。文献[14]指出新能源的快速发展给电力系统实时平衡能力带来挑战。文献[15]提出电力系统灵活性的表现就是优化调度各类资源以匹配功率变化的能力。如何定量描述、评价电力系统灵活性成为研究热点。文献[16]将电力系统灵活性按时间尺度不同分为调频、爬坡、调峰灵活性。当系统负荷以及新能源DG出力波动较大时,为使DGC能够平衡集群内负荷,有必要考虑集群内爬坡灵活性供需平衡能力[17-25]

本文分析了DGC的爬坡灵活性需求和资源,提出了考虑DGC爬坡灵活性平衡以及调频灵活性的DGC划分方法。以改进IEEE 33节点系统为算例,基于综合指标进行DGC划分,划分后的集群在具有良好的爬坡灵活性及供需平衡能力的同时,兼顾了集群调频灵活性,调高了集群自治能力以及辅助调频能力。


1  DGC灵活性分析


1.1  DGC爬坡灵活性分析集群的灵活性需求主要由新能源DG和负荷决定[26-28]。与原始负荷曲线比较,考虑风光后的净负荷曲线更不平稳,波动更强,使得系统灵活性需求增加。本文将集群爬坡灵活性需求定义为15 min时间尺度下净负荷的时序爬坡功率[11]。集群内能够提供灵活性资源的DG包括储能设备和燃气轮机。储能设备相对于其他设备的优点是具有充电和放电功能,可以对可再生能源的出力波动性及时做出响应。集群c内第n台储能设备提供灵活性资源能力与集群内储能设备的充、放电功率、效率和容量有关。燃气轮机(gas turbine, GT)可在不满载条件下,提供双向调节能力,其灵活性供给能力与GT出力状态、机组向上、向下爬坡速度及出力有关。t时刻集群 c 上调、下调灵活性供给能力可以表示为集群内能够提供灵活性资源的DG的上调、下调灵活性供给能力之和。本文从灵活性需求缺额入手描述集群爬坡灵活性供需平衡,集群灵活性缺额值 ΔFc(t) 为t时刻集群c的灵活性需求与供给能力的差值。1.2  集群调频灵活性响应速度分析

集群响应特性与集群内各可提供灵活性的可响应容量有关。t时刻各DG可响应容量 Pleft(t) 为集群内各DG在满足系统爬坡灵活性供需平衡后的剩余容量。此外,集群响应特性还与集群内各DG爬坡速度R有关。假设集群内有爬坡速度分别为R1R2R3的3台DG,且R1R2R3,则集群内总的可响应容量为t时刻各DG剩余容量之和。当系统内出现负荷增加时,集群内各DG可响应容量不同时的集群响应特性曲线如图1所示,曲线OABiCj分别代表相同集群在不同的DG功率分配下的响应特性。在图1中,线段OA表示3台DG共同增加出力响应系统频率调节时的响应特性,当3台DG共同增加总出力为PI时其中一台DG满发;线段ABi(i=1, 2, 3)分别表示剩余2台DG共同响应系统频率调节时的响应特性,当剩余两台DG接着共同增加出力为PIIPI时又有一台DG满发;线段BiCj(i=1, 2, 3;j=1, 2, 3, ···6)分别表示剩余最后一台DG响应系统频率调节时的响应特性,该DG接着增加出力PIIIPII时集群内3台DG均满发,集群内无可响应容量,此时集群响应时间即为各DG可响应时间最大值。


图1   集群响应特性曲线

Fig.1  Cluster response characteristic curve under different response capacity of DGs


爬坡速度越快的设备可响应容量越多,则集群响应速度越快,响应时间越短。储能具有快速调节的特性,因此对储能单独分析。当系统发生频率波动时,储能的快速调节特性能够迅速增加出力以响应系统频率调整;储能的可响应容量越多,则集群响应速度越快,t时刻集群内第n台储能容量为式中: En,max En,0 分别为集群 c 内第n台储能设备n的最大容量及初始容量;分别为 τ 时刻集群 c 内第n台储能设备的充、放电功率。

根据上述集群响应速度的分析,为使在尽可能满足集群灵活性供需平衡的基础上,最大化集群响应速度, t 时刻若集群有向上爬坡的需求,则优先爬坡速度较慢的DG增加出力,最后增加储能出力; t 时刻若集群有向下爬坡的需求,则优先减少储能出力,而后优先爬坡速度较快的DG减少出力。


2  集群划分指标


2.1  模块度指标

本文采用的模块度指标以电气距离为依据,并将模块度[17-18]引入集群划分中,以评价集群划分的结构强度。模块度指标越接近于1 代表集群内部联系越紧密,集群间联系越疏松。本文根据某节点有功功率的变化量引起其他节点电压变化量之间的关系求得电压灵敏度,将其作为电气距离。

采用基于电气距离权重的模块度定义方式描述节点间的电气耦合程度 ρ ,即

式中: Sij 为灵敏度矩阵中第 i 行第 j 列的元素; Skmax 为灵敏度矩阵中第 k 列中数据的最大值; m 为网络中各边的权重相加总和; ki kj 分别为与节点 ij 相连边的权重相加总和; δ(i,j) 为集群属性参数,当 δ(i,j) =1时,表示节点ij属于同一集群,当 δ(i,j) =0时,表示节点ij不属于同一集群。2.2  爬坡灵活性供需平衡度指标本文采用灵活性供需平衡度指标作为集群划分依据之一,灵活性供需平衡度指标值越大,代表集群的灵活性供需平衡度越好。将集群的爬坡灵活性缺额进行归一化处理,得到集群的灵活性平衡度指标为式中: Nz 为总的集群的个数; T 为周期;t个时刻第 c 个集群的灵活性缺额;为在研究周期内集群 c 的灵活性缺额的最大值。2.3  集群调频灵活性响应速度指标本文采用集群响应速度指标作为集群划分依据之一,集群响应速度指标值越大代表集群的响应速度越快。集群调频灵活性响应速度指标为式中: kc(t) 为在研究周期内第c个集群的响应速度; Sc 为第c个集群内储能设备总数; max{kc(t)} 为第c个集群的响应速度的最大值。2.4  集群划分综合指标基于上述分析,本文综合考虑集群的结构性、集群内灵活性供需平衡、集群响应速度,以充分发挥集群自治能力,提高集群参与系统功率调整、辅助支撑系统频率稳定的能力,提出了结合模块度指标、集群爬坡灵活性供需平衡度指标以及集群响应速度指标的综合目标,目标函数为

式中: k1 k2 k3 分别为赋予3项指标的权重。其中: k1 为集群结构性权重; k2 为集群内爬坡灵活性供需平衡权重; k3 为集群调频灵活性响应速度权重。


3  IEEE 33节点算例验证


3.1  IEEE 33节点系统算例介绍

改进的IEEE 33节点系统含有:含分布式光伏节点18个,总容量为2 770 kW;含分布式风电节点13个,总容量为470 kW,分布式电源容量渗透率高达86.8%;含分布式储能节点4个,总容量为1 480 kW·h;含微型燃气轮机节点4个,总容量为1 680 kW;含小水电节点3个,总容量为760 kW。改进IEEE 33节点系统网络拓扑结构如图2所示。采用改进遗传算法进行集群划分计算,设定种群数为100,最大迭代次数为500,并采用精英保留策略确保算法的收敛性。


图2  改进IEEE 33节点系统网络拓扑结构

Fig.2  Topology of the improved IEEE 33 system


3.2  有效性验证

为验证本文所提指标的有效性,制定不同的划分方案。方案1仅采用模块度指标进行集群划分[9];方案2综合模块度及灵活性平衡指标进行集群划分[12];方案3综合模块度及集群调频灵活性响应速度指标进行集群划分;方案4综合考虑模块度指标、爬坡灵活性平衡指标与集群调频灵活性响应速度指标,以集群最大程度参与系统功率调节为优先目标,取权重分别为 k1=0.3 , k2=0.3 , k3=0.4 进行集群划分。集群划分结果如图3所示。爬坡灵活性缺额包括上、下调灵活性缺额。调频可响应容量包括灵活性DG及储能剩余容量。各方案系统爬坡灵活性缺额情况及可响应容量如表1所示。


图3   各方案集群划分结果

Fig.3  Cluster partition result of each scheme


表1  各方案系统爬坡灵活性缺额及可响应容量情况

Table 1  The system climbing flexibility deficiencies and the response capacity of each scheme


方案1仅考虑模块度指标,划分后集群个数为6个,集群个数较多,结构性能较强,但是忽略了集群内源荷储匹配,集群内上调及下调灵活性缺额更多,可响应容量较少,无法充分发挥各集群内功率自治能力以及响应系统频率调整的能力。方案2考虑模块度指标以及爬坡灵活性平衡度指标,划分后集群个数同样为6个,集群结构性能较强,同时相较于方案1,考虑了集群内爬坡灵活性平衡度,集群内灵活性需求缺额较方案1减少了46.8%,各集群有较强的功率自治能力,但忽略了调频响应速度指标,在集群划分过程中没有合理配置各集群内DG剩余容量,无法充分发挥DG集群参与系统频率调整的能力。方案3考虑模块度指标以及响应速度指标,划分后集群个数为3个,集群结构性能较方案1及方案2弱,模块度指标也小于方案1和方案2,但大于0.5,同样有较优的结构性能。而相较于方案1,方案3考虑调频响应速度指标,集群内DG剩余容量,尤其是响应速度更快的储能剩余容量较多,因此划分后的集群有更优的集群响应特性。相较于方案2,方案3下调灵活性缺额更少,即为给集群留下更充足的调频可响应容量,在爬坡灵活性供需匹配过程中,各DG更多的满足集群内的下调灵活性,不利于集群内总体的灵活性供需平衡,无法充分发挥各集群内功率自治能力。方案4综合考虑模块度指标、爬坡灵活性平衡度指标以及响应速度指标,划分后集群个数与方案3相同为3个,集群结构性能同样较方案1和方案2弱,模块度指标也小于方案1和方案2,但与方案3相差无几,同样大于0.5,有较优的结构性能。比较方案2与方案4,在爬坡灵活性平衡方面,方案4与方案2相差不大,方案4灵活性缺额总额较方案2增加了2%,但方案4考虑集群调频响应速度指标,集群内DG剩余容量更多,较方案2更充分发挥集群参与调频的能力。比较方案3与方案4,方案4避免了集群划分过程中仅考虑集群内剩余容量的问题,集群内下调灵活性缺额较方案3有增加,但灵活性缺额总值较方案3减少了24.1%,较方案3更充分发挥各集群内功率自治能力。

综上,本文所提爬坡灵活性平衡度指标可以通过匹配灵活性资源与灵活性需求,避免集群划分过程中较多的灵活性资源被划分入灵活性需求较少的集群,导致灵活性资源的浪费,充分满足集群灵活性需求,提高集群内功率自治能力。响应速度指标可以准确描述集群内灵活性资源调频响应特性,在集群内灵活性供需匹配的基础上,将各灵活性资源的响应速度与灵活性需求相匹配,最大化集群响应速度,提高集群参与频率调整能力,为集群辅助调节系统频率波动提供了理论基础。此外,通过设定各指标不同的权重,满足不同的调控目标下的集群划分。


4  结语


本文以大规模分布式电源接入电网带来的调峰调频问题为背景,为提高分布式电源集群参与系统调频调峰的能力,提出了一种考虑集群爬坡灵活性供需平衡、响应速度和模块度的综合指标,基于改进遗传算法对加入分布式电源的IEEE 33节点系统进行集群划分研究。通过本文提出的集群爬坡灵活性平衡度指标结合模块度指标进行划分的集群,既能保证集群结构性,即“集群内部联系紧密,集群间联系疏松”,又能保证集群内灵活性资源的供需平衡,提高集群的自治能力。

(责任编辑 杨彪)



作者介绍

叶畅(1989—),男,博士,从事新能源接入及运行优化技术,E-mail:yech0131@163.com;

朱炯达(1996—),男,通信作者,硕士研究生,从事新能源分布式电源发电技术与运行优化,E-mail:izjd139@outlook.com.


欢迎点击文后“阅读原文”跳转期刊官网,获取更多信息!



 往期回顾 


《中国电力》2023年第8期目录【精彩论文】基于多负荷特征和TCN-GRU神经网络的负荷预测【精彩论文】基于多分支门控残差卷积神经网络的短期电力负荷预测【精彩论文】基于数据驱动的多污染模式电能质量耦合性评估【精彩论文】考虑多种无功补偿装置协同优化的电压控制方法◀ “面向新型电力系统的城市电网关键技术”专题征稿启事【征稿启事】“分布式智能电网的规划、运行和电力交易”专栏征稿启事【征稿启事】“新型能源体系下电碳协同市场机制及优化运行”专栏征稿启事【征稿启事】“面向碳达峰碳中和目标的清洁高效发电技术”专题征稿启事

编辑:于静茹
校对:王文诗

审核:方彤

声明
根据国家版权局最新规定,纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品,转载时要包含本微信号名称、二维码等关键信息,在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。
继续滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存