考虑可再生能源成本特征的智能电网优化运行研究.pdf

Microcomputer Applications Vol.39,No.8,2023文章编号：10 0 7-7 57 X（2 0 2 3)0 8-0 0 9 1-0 3考虑可再生能源成本特征的智能电网优化运行研究研究与设计微型电脑应用2 0 2 3年第39 卷第8 期卢璐，张旺，肖莹，诸德律，吴雪，陈丹（国网江苏省电力有限公司经济技术研究院，江苏，南京2 10 0 0 8）摘要：可再生能源（RES)发电的间歇性极易扰乱电网的运行，将可再生能源出力在智能电网运行中充分消纳，对系统运营商来说较为困难，对此，提出一种可将太阳能和风力发电站与电力系统运行有效整合的方法。该方法可用更低的成本和更高供电可靠性来提升电能供应标准。对太阳能电站和风力机组的增量成本特征进行建模，建立计及切负荷量、传输线路的功率损耗、最小母线电压值和最大线路传输功率惩罚项的目标函数，并将其应用于考虑帕累托解的最优潮流计算中。通过IEEE-30节点系统的算例仿真，验证了模型的有效性。关键词：可再生能源；智能电网；惩罚项；最优潮流中图分类号：TM732文献标志码：AResearch on Optimal Operation of Smart Grid Considering Costing Characteristicsof Renewable Energy SourcesLU Lu,ZHANG Wang,XIAO Ying,ZHU Delu,WU Xue,CHEN Dan(Economic Technology Research Institute,State Gird Jiangsu Electric Power Co.,Ltd.,Nanjing 21o0o8,China)Abstract:The intermittence of renewable energy sources(RES)generation is easy to disrupt the operation of power grid.It isdifficult to fully absorb the output of renewable energy in the operation of smart grid.This paper presents an efficient integra-tion algorithm of solar and wind energy sources with modern power system to improve the standard of electric power supply atminimum price and highest reliability.The incremental costing characteristics of solar power plant and wind turbine are mod-eled.An objective function which considers load curtailment,transmission line power loss,minimum bus voltage and maximumline power flow penalty is set.It is applied to the optimal power flow calculation considering Pareto solution.The effectivenessof the model is verified by the simulation of IEEE-30 system.Key words:renewable energy source;smart grid;penalty term;optimal power flow0引言火力发电是电力系统的主要发电来源，但对于未来的电网而言，通过提升可再生能源的渗透率和逐步实现传统能源的替代将对改善环境起到至关重要的作用 1-2 。文献 3 详细分析了火电机组与RES协同运行的场景，提出了发电的间歇性、抗灾能力、经济运行、自愈能力、可靠性等问题，这些问题可通过将RES与电力系统运行有效整合来缓解。智能电网作为一种高级形式的电网，可解决上述问题 4。文献5讨论了RES引起的系统电压和频率波动，从而带来的电能质量问题。文献 6 提出了考虑效率、效益与碳减排提升的含RES的配电网投资优选模型，在配电网投资额度、预期效益、用能需求等约束下，实现了单位项目的投资效率与碳减排最大化。智能电网充分整合消纳RES时，需要技术手段来优化利用需求侧响应、区域传输单元数据、发电机特性等资源，以解决发电间歇性、电能可靠性等问题。因此，本文提出一种智能电网有效消纳RES的优化算法。首先建立计及切负荷量、传输线路的功率损耗、最小母线电压值和最大线路传输作者简介：卢璐（1990 一），女，硕士，工程师，研究方向为技术经济；张旺（197 9一），男，硕士，高级经济师，研究方向为技术经济；肖莹（198 4一），女，本科，高级会计师，研究方向为经济会计；诸德律（198 9一），男，硕士，工程师，研究方向为技术经济；吴雪（198 1一），女，本科，高级工程师，研究方向为技术经济；陈丹（197 7 一），女，硕士，高级经济师，研究方向为技术经济。功率惩罚项的目标函数，在满足输电线路电能质量约束的情况下，以最优价格分配最大负荷。因此，优化目标是所有社会福利的利益，以确保消费者或负荷调度中心的最低需求。另外，还提出一种基于实际太阳能和风力数据的增量成本建模方法，采用粒子群算法在修改后的IEEE-30系统中进行模型仿真。结果表明，在RES间歇性波动的情况下，系统的电能质量及供电可靠性可以得到保证。1数学建模1.1目标函数本文提出的数学模型以社会福利最优为目标函数7，该目标函数的最大化能够以尽可能最低的价格提供最大的电力需求。目标函数如式(1)：2(m,P+n,Pa)-(dF=maxj-1其中,Pa为第j个节点的负荷,m;、n;为相应成本系数，ai、91Z(aP+b,Pg+c,)+(1)Microcomputer Applications Vol.39,No.8,2023bi、c i为第i台发电机的成本系数，Pgi为第i台发电机的出力，P。、T L、V m i n、Pm a x 分别为切负荷量、传输线路的功率损耗、最小母线电压值和最大线路传输功率，12、34依次为独立系统运营商设置的惩罚系数。考虑RES消纳后，采用粒子群算法对最优潮流模型进行求解。上述目标函数考虑了满足系统运行要求的切负荷量，因此模型适用于传统电网和智能电网。1.2考虑成本效益关联的负荷削减在负荷低谷，需求的下降将会导致发电出力的过剩。为了保持供电的可靠性，独立系统运营商内系统的最小出力以及切负荷量通过下面的方法确定，P=PmxPmax(S-Smin)Smax-Smin其中，P为切负荷上限，Pmax为最大可调度负荷，S为剩余发电出力，Smax、Sm i n 分别为最大和最小发电剩余出力。通过式(2)可以确定最大可允许切负荷量。1.3可再生能源发电的增量成本模型在计算太阳能发电站的增量成本时，假设其容量为300MW。基于太阳光照的最大和最小辐射人射数据以及太阳能发电站的月出力，生产成本费用按2 5年计提折旧和损失，单位折旧成本包括太阳能电池板的老化、逆变器的成本、离网发电站的电池成本。采用直线近似法进行拟合，可以得到30 0 MW机组的太阳能增量成本曲线如图1所示。60r5040M/S3020100图1太阳能发电站的增量成本拟合曲线应用曲线拟合技术对某30 0 MW太阳能电站的增量成本曲线进行拟合，如式（3）：y=1.3102a+2315基于相似建模方法，计算得出了考虑2 5年时间尺度的风力发电站风速曲线如图2 所示。基于该风速曲线，应用曲线拟合技术建立115MW风电场增量成本曲线方程如式（4）所示。拟合后曲线如图3所示。y=1.1677+2879161412(-S)/1086420图2风力发电站处风速曲线2算例仿真2.1算例描述将发电出力和需求侧的负荷均作为优化变量，并将模型研究与设计应用于IEEE-30节点系统内进行算例仿真。表1展示了系统内负荷侧用户的成本效益函数相关系数。式（1)为目标函数，以最低的价格来提供最大负荷需求，并维持符合运行工况的电压、传输功率和传输线损。式（2)推导了独立系统运营商进行切负荷的安全极限。在特定情况下的切负荷如果仍低于该安全极限，则表1第2 列中最小调度输出功率可以实现供电的可靠性。另外，在模型中考虑了计及切负荷量、传输线路的功率损耗、最小母线电压值和最大线路传输功率的罚函数，由此可求得多目标优化模型的帕累托最优解。60r50F(2)40MN/SY302010010203040506010*MW图3风力发电站的增量成本拟合曲线表1用户的成本效益函数相关系数及节点输出极限节点输出极限/MW最小值最大值A(RS/MW2)B(RS/MW)C(RS)221.532.447.7y=1.310 2x+2.3155781012152014510510时间/s微型电脑应用2 0 2 3年第39 卷第8 期y=1.167 7x+2 879负荷侧消费者成本效益函数系数31.5-0.095.10.1610.10.2494.3110.022.739.930.045.05.89.811.316.06.313.025303510*MW1587.189.085.60.1986.5-0.0871.00.0990.00.2070.00.1052.0一0.1780.0158.4163.6179.0183.3(3)1920212324(4)2629302.2仿真分析RES发电的间歇性给电力系统优化运行带来了极大的困难，本文基于实际的太阳能光照数据以及系统中实际的RES发电站模型计算了其成本系数,并将其应用于目标函数中。如图4所示，在修改后的IEEE-30系统中，节点1、2、5、8、11、13是发电机节点，设置1、2、8、13为火力发电机组，节202500000000010.0-0.1610.00.0615.00.065.0-0.109.512.02.35.017.621.03.36.08.810.03.65.02.54.110.716.0点5为风电机组，节点11处为光伏发电单元。表2 为发电机组的特性参数及成本系数，以及计算出的可再生能源发电成本系数。假设所有发电机组均能正常工作且无间歇性。显然，基于计及母线电压、传输损耗和传输功率罚函数的目标函数，可以将切负荷量控制在安全极限内获得更好的优化运行结果。9260.065.064.090.00.2367.00.2590.00.3080.0一0.9 090.0-0.1978.00.3088.0-0.4096.0-0.3096.0000000000000Microcomputer Applications Vol.39,No.8,202329121161120141191815T23T24T图4IEEE-30标准系统表2 火力及可再生能源发电的发电机特性节点输出极限/MW最小值最大值A(RS/MW2)B(RS/MW)C(RS)1502105(Wind)2582011(PV)951310本文所提的惩罚函数的算法仅仅会导致更多的切负荷，除此以外，其性能优异，并且其切负荷量是保证在安全极限内的。为此本文对某地一天2 4h的太阳能实际数据进行分析，并计算了每小时太阳能利用率随数据的变化情况。图5为与光伏发电功率输出相关的实际光照信息（图2 为风力发电功率输出的实际风速信息）。401050图5光伏发电的实际光照信息如图6 所示，基于所建立的模型，所有时刻的负荷削减量都保持在基于式（2)计算出的安全限值内。在没有合适可利用率的RES出力的情况下，算法有效地降低了维持系统中相当大的可靠性裕度需求，同时能够保证负荷调度中心所要求的最低调度功率。在上述案例研究中，发现该方法在发电成本方面的收费更高，该超额成本可作为考虑RES发电机组接入时的电能质量可靠性和效率成本，从电力市场各参160安全极限切负荷140120MN/率100806040200123456789101112131415161718192021222324图6 各时刻切负荷量以及安全极限功率研究与设计与者(如发电商、输电企业、配电企业等)处收回。将本文方法的切负荷量均值和总和与采用文献 8 和文3献 9 方法求解后的结果进行比较，如表3所示。由表3可6282710112212125成本系数2000.0038350.0084950.0001800.06302500.0001300.0251510时间/h时间/h微型电脑应用2 0 2 3年第39 卷第8 期见，本文方法在切负荷均值和总量上比文献 8 和文献 9 的方法分别降低了4.8 7%、9.8 3%和4.8 8%、9.8 4%。因此，本文方法有效降低保障系统安全运行时所需的切负荷量，最大化维持供电能力和可靠性。表3不同方法的切负荷情况对比30方法本文方法文献 8 方法261文献 9方法3总结本文的算法旨在通过需求侧和发电侧的管理，将风能和太阳能发电站的成本特征属性整合到智能电网优化运行中，2.100003.300000.022038.71.780000.019549.22.980001520切负荷均值/(MW/h)33.6735.3136.98实现整体效益或社会福利的提升。本文基于实际风力和光照参数信息实现了风电和太阳能发电的增量成本建模，同时通过独立系统运营商设定的安全极限计算了最大切负荷量，在消纳间歇性RES发电的情况下，仍能满足供电可靠性。模型充分考虑需求侧和发电侧的成本效益特征，通过粒子群算法在修改后的IEEE-30节点系统中进行了求解，结果证实了该算法可实现对智能电网中常规发电机组和RES发电机组的优化管理，保证供电可靠性和提升公共效益。1梁作宾，刘国明，齐向，等.计及高渗透率可再生能源接入的配电网节能规划研究 J.电气自动化，2 0 2 1，43(5):13-16.2 郭小龙，毕天姝，刘方蕾，等.风、光高渗透率电网中考虑频率稳定的可再生能源承载力研究 J.可再生能源,2 0 2 0,38(1)8 4-9 0.3MOSLEHI K,KUMAR R.A Reliability Perspectiveof the Smart GridJJ.IEEE Transactions on SmartGrid,2010,1(1):57-64.4彭自友，钟苏帆，潘大恩，等。地区智能电网调度控制系统研究 J.电气开关，2 0 2 1，59（6）：2 5-2 9.255LIANG X D.Emerging Power Quality Challenges dueto Integration of Renewable Energy SourcesJJ.IEEETransactions on Industry Applications,2017,53(2):855-866.6李彦吉，王鑫陶，康赫然，等。考虑效率、效益与碳减排提升的含可再生能源配电网投资优选模型J.可再生能源，2 0 2 1,39（12)：16 6 2-16 6 8.7 WANG Z Y,ZHANG W,ZHANG L Y,et al.Impactof Different Penetrations of Renewable Sources andDemand Side Management on Australian Future GridCJ/2015 First Workshop on Smart Grid and Re-newable Energy(SGRE).March 22-23,2015,Doha,Qatar.IEEE,2015:1-6.8林鸿基，闫园，文福拴，等.高比例可再生能源电力系统中计及灵活调节产品的实时调度 J.电力建设，2019,40(10):18-27.9 王小云，焦春雷，张海玉.风光火打捆发电容量优化配置 J.青海电力，2 0 2 0，39（3）：11-17.切负荷量/MW808.00847.44887.52参考文献（收稿日期：2 0 2 2-0 1-0 9）93