一种基于储能调节的配电网分布式光伏消纳能力提升方法与流程

1.本发明涉及电力系统新能源消纳技术领域，特别是一种基于储能调节的配电网高比例分布式光伏消纳能力提升方法。


背景技术：

2.近年来，配电网分布式光伏渗透率逐渐提高，由于分布式光伏出力存在一定随机性与波动性，其高渗透率会导致配电网出现一系列技术问题。为了保障配电网的稳定运行，需要综合考虑配电网中存在的各项约束，采用适当的方法计算光伏消纳能力，并采取相应措施促进分布式光伏消纳。
3.当含有高比例的分布式光伏以后，配电网的电能质量会有所降低，其网络结构会发生重大变化，多项电气指标均会发生改变，其供电可靠性也受到一定的影响。所以，有必要对配电网分布式光伏最大消纳能力进行计算。一方面，保证在分布式光伏接入以后，配电网仍然能够在正常的状态下工作并尽可能减小配电网所遇到的风险；另一方面，对于尽可能提升配电网对分布式光伏发电所发出的电量的消纳能力尽可能最大化地利用，减少资源浪费。各项措施中，储能装置的充放电过程可以增强配电网资源配置灵活性，提升高比例分布式光伏接入配电网的光伏消纳能力。


技术实现要素：

4.本发明的目的是为了克服现有技术的不足，提供一种基于储能调节的配电网分布式光伏消纳能力提升方法，采用fcm方法聚类历史数据、生成光伏出力典型场景，对储能等各项措施进行建模，综合考虑配电网中各项电气限制建立高比例分布式光伏配电网光伏消纳能力计算模型，分析储能接入对光伏消纳的促进作用。
5.实现上述目的的一种技术方案是：一种基于储能管理的配电网分布式光伏消纳能力提升方法，包括以下步骤：
6.步骤1：收集历史光伏出力数据集，进行数据预处理，采用模糊c均值的fcm方法进行光伏出力数据聚类，生成光伏出力典型场景；
7.步骤2：考虑储能调节对分布式光伏消纳的促进作用，对配电网储能调节进行建模；
8.步骤3：对配电网中包含有载调压、无功补偿与负荷削减的其它主动管理措施进行建模；
9.步骤4：以最大化光伏消纳能力为目标，以配电网各项电气限制为约束，建立光伏消纳计算模型；
10.步骤5：求解模型，分析储能调节对配电网分布式光伏消纳能力的促进作用。
11.进一步的，步骤1中所述fcm聚类方法是指：考虑到分布式光伏出力存在典型周期性特征，包括日周期性与季节周期性，因此对出力数据进行聚类处理，构建光伏出力典型场景。
12.进一步的，步骤2中储能调节模型表示为：
13.e
bes
(t+1)＝e
bes
(t)+pc(t)ηcδt,pc(t)≥0
[0014][0015][0016][0017]ebes
(0)＝e
bes
(n
t
)
[0018][0019]
式中：t为时间参量；e
bes
是储能存储能量；pc与pd分别为充放电功率；与分别为对应的充放电功率最大值；γ
bes
是充放电标志参量，其中γ
bes
＝1表示充电过程，反之为充电过程；n
t
为结束时间；与分别为储能能量上下限。
[0020]
进一步的，步骤3中静态无功补偿建模表示为：
[0021][0022]
式中：为第j个装置补偿的无功功率；与则分别为装置补偿能力上下限。
[0023]
进一步的，步骤3中有载调压建模表示为：
[0024]v1
(t)＝[1+no(t)δko]vv(t)
[0025][0026]
式中：v1为母线1电压；vv为母线v电压；no为抽头位置。
[0027]
进一步的，步骤3中负荷削减建模表示为：
[0028][0029][0030]
式中：δp
ished
和分别是第i项可削减负荷的实际有功、无功削减值；和分别为可削减有功负荷上下限；与分别为可削减无功负荷上下限；因此，最终节点负荷可表示为：
[0031][0032][0033]
式中：与分别为节点j实际有功、无功负荷需求；与分别为节点j的基本有功、无功负荷；与分别为节点j可削减有功、无功负荷。
[0034]
进一步的，步骤4中配电网功率平衡约束表示为：
[0035][0036][0037]
[0038][0039]
式中：nj是以j为末端节点的支路集合；mj是以j为首端节点的支路集合；p
ij
与q
ij
分别为支路i-j的有功及无功功率；vi与vj分别是第i及第j节点电压；r
ij
与x
ij
分别是支路i-j的电阻及电抗值；p
j,net
与q
j,net
分别是节点j中电网注入的有功及无功功率，具体可表示为：
[0040][0041][0042]
式中：及分别为第j项分布式光伏出力及弃光值；与分别为第j项储能装置的充放电功率；与分别为节点j的有功及无功负荷；为第j项补偿装置的无功功率输出；
[0043]
支路电流约束表示为：
[0044]iij,min
≤i
ij
≤i
ij,max
[0045]
式中：i
ij,max
与i
ij,min
分别为支路i-j电流上下限；节点电压约束可表示为：v
j,min
≤vj≤v
j,max
；式中：v
j,max
与v
j,min
分别为节点j电压上下限；
[0046]
分布式光伏电压波动约束表示为：
[0047][0048]
式中：λ
pv
为第i个分布式光伏接入的瞬时功率变化量与额定输出功率比值；为电压波动上限；
[0049]
谐波电流约束表示为：
[0050][0051][0052]
式中：kh是分布式光伏接入的h次谐波电流与基波电流比值；为h次谐波电流上限。
[0053]
与现有技术相比，本发明具有以下有益效果：
[0054]
(1)本发明将fcm方法应用于光伏出力典型场景生成过程，提高典型场景生成结果与后续模型构建准确性。
[0055]
(2)本发明综合考虑储能装置及多项主动管理措施，建立高比例分布式光伏接入配电网的光伏消纳计算模型，分析储能接入对光伏消纳的促进作用。本发明设计的光伏消纳能力计算方法可以准确分析储能介入对光伏消纳的提升作用，具有实际应用价值。
附图说明
[0056]
图1为本发明实施例的改进ieee 33节点系统算例示意图。
[0057]
图2为本发明实施例的光伏出力典型场景生成结果示意图。
[0058]
图3为本发明实施例的储能充放电功率优化结果示意图。
具体实施方式
[0059]
为了能更好地对本发明的技术方案进行理解，下面通过具体地实施例进行详细地说明：
[0060]
本发明采用以下方案实现：一种基于储能调节的配电网高比例分布式光伏消纳能力提升方法，包括以下步骤：
[0061]
步骤1：收集历史光伏出力数据集，进行数据预处理，采用模糊c均值(fuzzy c-means,fcm)方法进行光伏出力数据聚类，生成光伏出力典型场景；
[0062]
步骤2：考虑储能调节对分布式光伏消纳的促进作用，对配电网储能调节进行建模；
[0063]
步骤3：对配电网中包含有载调压、无功补偿与负荷削减的其它主动管理措施进行建模；
[0064]
步骤4：以最大化光伏消纳能力为目标，以配电网各项电气限制为约束，建立光伏消纳计算模型；
[0065]
步骤5：求解模型，分析储能调节对配电网高比例分布式光伏消纳能力的促进作用。
[0066]
步骤1中所述fcm聚类方法是指：考虑到分布式光伏出力存在典型周期性特征，主要可表现为日周期性与季节周期性。因此，可以采取适当方式对出力数据进行聚类处理，构建光伏出力典型场景。
[0067]
fcm聚类是一种无监督的聚类方法，通过隶属度函数表征各个数据点与簇中心的相关程度，优化聚类结果。隶属度函数的本质是数据点与聚类中心的距离，距离越近表示数据点与聚类中心相关程度越高，隶属度越大。fcm迭代优化目标是每个聚类中的数据点到聚类中心的距离之和，距离之和越小，表征聚类效果约好，目标函数可以表示为：
[0068][0069]
式中：f为目标函数值，此处为每个数据点到聚类中心距离的加权平方和；n为聚类数；c为待聚类数据点总数；m为模糊指数，求解过程中m》1；是数据j在模糊指数m下针对第k个数据簇的隶属度；xk是第k个待聚类数据；vj是第j个数据簇的聚类中心。
[0070]
因此，通过对分布式光伏出力历史数据进行fcm聚类，优化后的数据簇中心可以代表配电网光伏出力典型场景。
[0071]
步骤2中所述配电网中储能调节建模是指：考虑到配电网中的储能装置可以通过充放电过程增加资源配置的灵活性，提高分布式光伏消纳能力，因此对配电网中的储能装置进行建模。在实际运行过程中，储能调节模型可以表示为：
[0072]ebes
(t+1)＝e
bes
(t)+pc(t)ηcδt,pc(t)≥0
[0073][0074][0075][0076]ebes
(0)＝e
bes
(n
t
)
[0077][0078]
式中：t为时间参量；e
bes
是储能存储能量；pc与pd分别为充放电功率；与分别为对应的充放电功率最大值；γ
bes
是充放电标志参量，其中γ
bes
＝1表示充电过程，反之为充电过程；n
t
为结束时间；与分别为储能能量上下限。
[0079]
步骤3中主动管理措施建模主要包含静态无功补偿、有载调压(on-load tap changer,oltc)与负荷削减。
[0080]
步骤3中静态无功补偿建模可表示为：
[0081][0082]
式中：为第j个装置补偿的无功功率；与则分别为装置补偿能力上下限。
[0083]
步骤3中oltc建模是指：设置oltc位于上级电网与配电网的交界处，可以调节节点电压的分布，令oltc位于0-1支路中的虚拟母线v处，支路0-v的阻抗与0-1支路相等，则支路v-1阻抗为零。此时，oltc建模可表示为：
[0084]v1
(t)＝[1+no(t)δko]vv(t)
[0085][0086]
式中：v1为母线1电压；vv为母线v电压；no为抽头位置。
[0087]
步骤3中负荷削减建模是指：配电网负荷主要分为基本负荷和可削减负荷。其中，可削减负荷可在必要时在一定程度上降低负荷需求，促进光伏消纳，维持配电网稳定运行。配电网中，可削减负荷的建模可以表示为：
[0088][0089][0090]
式中：δp
ished
和分别是第i项可削减负荷的实际有功、无功削减值；和分别为可削减有功负荷上下限；与分别为可削减无功负荷上下限。因此，最终节点负荷可表示为：
[0091][0092][0093]
式中：与分别为节点j实际有功、无功负荷需求；与分别为节点j的基本有功、无功负荷；与分别为节点j可削减有功、无功负荷。
[0094]
步骤4中光伏消纳计算模型以最大化光伏消纳能力为目标函数，具体可表示为：式中：p
pv,i
为第i个分布式光伏接入容量；n
pv
为分布式光伏总数。
[0095]
步骤4中光伏消纳计算模型约束条件是指：配电网高比例分布式光伏消纳计算模型主要考虑配电网功率平衡约束、支路电流约束、节点电压约束、电压波动约束与谐波电流约束。其中，配电网功率平衡约束可表示为：
[0096][0097][0098][0099][0100]
式中：nj是以j为末端节点的支路集合；mj是以j为首端节点的支路集合；p
ij
与q
ij
分别为支路i-j的有功及无功功率；vi与vj分别是第i及第j节点电压；r
ij
与x
ij
分别是支路i-j的电阻及电抗值；p
j,net
与q
j,net
分别是节点j中电网注入的有功及无功功率，具体可表示为：
[0101][0102][0103]
式中：及分别为第j项分布式光伏出力及弃光值；与分别为第j项储能装置的充放电功率；与分别为节点j的有功及无功负荷；为第j项补偿装置的无功功率输出。
[0104]
此外，支路电流约束可表示为：
[0105]iij,min
≤i
ij
≤i
ij,max
[0106]
式中：i
ij,max
与i
ij,min
分别为支路i-j电流上下限；节点电压约束可表示为：v
j,min
≤vj≤v
j,max
。式中：v
j,max
与v
j,min
分别为节点j电压上下限。
[0107]
分布式光伏接入也会给配电网带来一定电压波动，因此模型中也需考虑电压波动约束，具体可表示为：
[0108][0109]
式中：为λ
pv
第i个分布式光伏接入的瞬时功率变化量与额定输出功率比值；为电压波动上限。
[0110]
最后，分布式光伏接入也会给系统带来谐波影响，这其中谐波电流影响较大，因此模型中考虑谐波电流约束，具体可表示为：
[0111][0112][0113]
式中：kh是分布式光伏接入的h次谐波电流与基波电流比值；为h次谐波电流上限。
[0114]
在本实施例中，步骤1中所述fcm聚类方法是指：考虑到分布式光伏出力存在典型周期性特征，主要可表现为日周期性与季节周期性。因此，可以采取适当方式对出力数据进行聚类处理，构建光伏出力典型场景。
[0115]
fcm聚类是一种无监督的聚类方法，通过隶属度函数表征各个数据点与簇中心的相关程度，优化聚类结果。隶属度函数的本质是数据点与聚类中心的距离，距离越近表示数
据点与聚类中心相关程度越高，隶属度越大。fcm迭代优化目标是每个聚类中的数据点到聚类中心的距离之和，距离之点到聚类中心距离的加权平方和；n为聚类数；c为待聚类数据点总数；m为模糊指数，求解过程中m》1；是数据j在模糊指数m下针对第k个数据簇的隶属度；xk是第k个待聚类数据；vj是第j个数据簇的聚类中心。
[0116]
因此，通过对分布式光伏出力历史数据进行fcm聚类，优化后的数据簇中心可以代表配电网光伏出力典型场景。
[0117]
在本实施例中，步骤2中所述配电网中储能调节建模是指：考虑到配电网中的储能装置可以通过充放电过程增加资源配置的灵活性，提高分布式光伏消纳能力，因此对配电网中的储能装置进行建模。在实际运行过程中，储能调节模型可以表示为：
[0118][0119][0120][0121]ebes
(0)＝e
bes
(n
t
)
[0122][0123]
式中：t为时间参量；e
bes
是储能存储能量；pc与pd分别为充放电功率；与分别为对应的充放电功率最大值；γ
bes
是充放电标志参量，其中γ
bes
＝1表示充电过程，反之为充电过程；n
t
为结束时间；与分别为储能能量上下限。
[0124]
在本实施例中，步骤3中主动管理措施建模主要包含静态无功补偿、oltc与负荷削减。
[0125]
在本实施例中，步骤3中静态无功补偿建模可表示为：式中：为第j个装置补偿的无功功率；与则分别为装置补偿能力上下限。
[0126]
在本实施例中，步骤3中oltc建模是指：设置oltc位于上级电网与配电网的交界处，可以调节节点电压的分布，令oltc位于0-1支路中的虚拟母线v处，支路0-v的阻抗与0-1支路相等，则支路v-1阻抗为零。此时，oltc建模可表示为：
[0127]v1
(t)＝[1+no(t)δko]vv(t)
[0128][0129]
式中：v1为母线1电压；vv为母线v电压；no为抽头位置。
[0130]
在本实施例中，步骤3中负荷削减建模是指：配电网负荷主要分为基本负荷和可削减负荷。其中，可削减负荷可在必要时在一定程度上降低负荷需求，促进光伏消纳，维持配电网稳定运行。配电网中，可削减负荷的建模可以表示为：
[0131][0132]
[0133]
式中：δp
ished
和分别是第i项可削减负荷的实际有功、无功削减值；和分别为可削减有功负荷上下限；与分别为可削减无功负荷上下限。因此，最终节点负荷可表示为：
[0134][0135][0136]
式中：与分别为节点j实际有功、无功负荷需求；与分别为节点j的基本有功、无功负荷；与分别为节点j可削减有功、无功负荷。
[0137]
在本实施例中，步骤4中光伏消纳计算模型以最大化光伏消纳能力为目标函数，具体可表示为：
[0138][0139]
式中：p
pv,i
为第i个分布式光伏接入容量；n
pv
为分布式光伏总数。
[0140]
在本实施例中，步骤4中光伏消纳计算模型约束条件是指：配电网高比例分布式光伏消纳计算模型主要考虑配电网功率平衡约束、支路电流约束、节点电压约束、电压波动约束与谐波电流约束。其中，配电网功率平衡约束可表示为：
[0141][0142][0143][0144][0145]
式中：nj是以j为末端节点的支路集合；mj是以j为首端节点的支路集合；p
ij
与q
ij
分别为支路i-j的有功及无功功率；vi与vj分别是第i及第j节点电压；r
ij
与x
ij
分别是支路i-j的电阻及电抗值；p
j,net
与q
j,net
分别是节点j中电网注入的有功及无功功率，具体可表示为：
[0146][0147][0148]
式中：及分别为第j项分布式光伏出力及弃光值；与分别为第j项储能装置的充放电功率；与分别为节点j的有功及无功负荷；为第j项补偿装置的无功功率输出。
[0149]
此外，支路电流约束可表示为：i
ij,min
≤i
ij
≤i
ij,max
。式中：i
ij,max
与i
ij,min
分别为支路i-j电流上下限；节点电压约束可表示为：v
j,min
≤vj≤v
j,max
。式中：v
j,max
与v
j,min
分别为节点j电压上下限。
[0150]
分布式光伏接入也会给配电网带来一定电压波动，因此模型中也需考虑电压波动约束，具体可表示为：
[0151]
[0152]
式中：为λ
pv
第i个分布式光伏接入的瞬时功率变化量与额定输出功率比值；为电压波动上限。
[0153]
最后，分布式光伏接入也会给系统带来谐波影响，这其中谐波电流影响较大，因此模型中考虑谐波电流约束，具体可表示为：
[0154][0155][0156]
式中：kh是分布式光伏接入的h次谐波电流与基波电流比值；为h次谐波电流上限。
[0157]
请参阅图1-图3。在本实施例中，采用图1所示的改进ieee 33节点系统作为测试算例，计算储能装置对分布式光伏促进作用。其中计算10、18和22分别接入分布式光伏；节点5、15、31接入svc，补偿范围为[-0.1,0.3]，此时无功调节下限可以为负是由于高比例分布式光伏接入可能导致配电网潮流反向；0-1支路接入oltc，变比范围为1
±
6％；节点7接入储能，储能容量为1mw
·
h，最大充放电功率为250kw，充放电效率均为90％。
[0158]
采用模糊c均值方法生成光伏出力典型场景如图2所示。从图2可以看出，场景3和场景4主要对应光照时间长、光照强度高的分布式光伏出力情况，而场景1和场景2主要对应光照强度低的情况。根据分布式光伏出力典型场景进行计算，最终配电网分布式光伏消纳容量计算结果可以满足不同出力条件下的各种约束条件，保证计算结果的准确性。
[0159]
求解上述模型，可得储能装置充放电状态如图3所示。由储能状态可得，在光伏出力较大的中午时段，储能设备主要处于充电状态，辅助光伏消纳过程。傍晚光伏出力较低但负荷需求大时，储能装置则可以释放储存的电能供应负荷需求。此时系统中有储能装置辅助调节，光伏消纳总量为7.370mw。
[0160]
取消储能装置接入，分析储能对光伏消纳的促进作用。求解模型可得，不含储能调节装置时，系统光伏消纳量为5.474mw。分析可得，当前算例1mw
·
h的储能装置接入可增加1.896mw的光伏消纳量，提升比例为34.64％。这一结论进一步验证了储能调节对配电网高比例分布式光伏消纳能力的促进作用。
[0161]
本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。