计及需求响应柔性调节的可再生能源优化配置_程杉.pdf

电 力 系 统 及 其 自 动 化 学 报Proceedings of the CSU-EPSA第 35 卷 第 2 期2023 年 2 月Vol.35 No.2Feb.2023计及需求响应柔性调节的可再生能源优化配置程杉1，张芮嘉1，钟仕凌1，薛飞2，左先旺1（1.智慧能源技术湖北省工程研究中心（三峡大学），宜昌 443002；2.国网宁夏电力有限公司电力科学研究院，银川 750001）摘要：考虑分布式可再生能源的波动性和在能源互联网背景下供需双侧协调互动的特征，本文提出计及需求响应柔性调节的分布式可再生能源双层优化配置方法。首先，采用多场景分析法表征分布式可再生能源和负荷的不确定性。然后，建立分布式可再生能源的规划-运行耦合模型，提出基于多策略融合粒子群优化算法，即：上层规划模型以配电网综合费用最小为目标，确定分布式可再生能源的优化配置方案；下层运行模型基于上层的优化配置方案，以考虑无功的拟直流潮流模型对潮流方程中电压幅值和相角进行解耦，以有功网损最小为目标优化各时段电价。最后，基于 IEEE 33 节点系统的仿真结果和对比分析，验证了模型及求解方法的合理性和有效性。关键词：分布式可再生能源；需求响应；多场景分析法；双层优化模型；粒子群优化中图分类号：TM73文献标志码：A文章编号：1003-8930（2023）02-0094-09DOI：10.19635/ki.csu-epsa.000972Optimal Allocation of Distributed Renewable Generations Considering FlexibleRegulation of Demand-side ResponseCHENG Shan1，ZHANG Ruijia1，ZHONG Shiling1，XUE Fei2，ZUO Xianwang1（1.Hubei Provincial Engineering Center for Intelligent Energy Technology（China Three Gorges University），Yichang 443002，China；2.Electric Power Research Institute，State Grid Ningxia Electric Power Co.，Ltd，Yinchuan 750001，China）Abstract:Considering the fluctuations of distributed renewable generations（DRGs）and the characteristics of coordination and interaction between the supply and demand sides in the context of energy Internet，a bi-level optimal allocationmethod for DRGs is proposed in this paper by taking into account the flexible regulation of demand-side response.First，the uncertainties in DRGs and load are characterized using the multi-scenario analysis method.Second，a planning-operation coupling model of DRGs is established，and an optimization calculation method based on the particle swarm optimization algorithm integrated with multiple strategies（MSPSO）is put forward.The upper-level planning model determines the optimal allocation scheme for DRGs with the objective of minimizing the comprehensive cost of distributionnetwork.The lower-level operation model is based on the optimal allocation scheme of the upper-level，a quasi DC power flow model considering reactive power is used to decouple the voltage amplitude and phase angle in the power flowequation，and the electricity price in each period is optimized with the objective of minimizing the active power networkloss.Finally，the rationality and effectiveness of the proposed model and its solving method are verified by the simulation results and comparative analysis of an IEEE 33-node system.Keywords:distributed renewable generations（DRGs）；demand-side response；multi-scenario analysis method；bi-level optimization model；particle swarm optimization（PSO）随着我国的电力需求增长和国家对能源安全、环境保护的日益重视1，构建以风力发电机 WG（wind turbine generator）发电和光伏PV（photovoltaic）发电等分布式可再生能源 DRG（distributed renewable generations）为主体的新型电力系统，具有重大历史意义和现实意义。但DRG的波动性和不确定性导致的弃电现象使其利用价值不能完全体现，优化DRG的配置能提高配电网运行的经济性与可靠性，因此，对含DRG的配电网进行运行优化十分必要2-3。收稿日期：2021-12-03；修回日期：2022-03-01网络出版时间：2022-03-10 10：56：41基金项目：国家自然科学基金资助项目（51607105）程杉等：计及需求响应柔性调节的可再生能源优化配置程杉等：计及需求响应柔性调节的可再生能源优化配置95第 35 卷为避免或降低DRG出力波动性给配电网带来的电压波动4和电能质量变差等影响5-6，随机优化7和鲁棒优化9RO（robust optimization）等方法被广泛应用于解决DRG出力的不确定问题。文献7基于负荷需求和DRG处理的随机性分布特征差异，提出分类概率综合多场景分析方法和建立最大化年均收益率、电压分布改善率的DRG多目标规划模型；文献8则考虑主动管理模式，建立基于多场景分析的DRG双层规划模型，上、下层分别以最小化DRG年寿命周期投资成本和最小化DRG有功出力切除量为目标函数；文献9通过鲁棒优化消除DRG区间模型中的不确定变量，采用对偶理论和拉格朗日求导法将主动配电网中DRG优化配置的不确定性模型转化为确定性模型后进行求解；而文献10基于Wasserstein概率距离的场景削减0-1规划模型对DRG的大量不确定性场景进行削减，建立以最小化投资运行成本为目标函数的综合能源系统容量两阶段规划方法。以上研究仅考虑DRG优化配置的规划模型，没有充分利用其他配电网资源，这种方法只有在能源互联网背景下系统供需双侧进行资源协调互动方可体现用户参与调控的响应特征。为此，研究者将单一的DRG优化配置问题逐渐扩展为含需求响应DR（demand-side response）的综合资源规划问题，通过激励用户改变用电行为以配合DRG出力，并获得收益的DR策略定义为柔性调节11。DRG柔性调节在减小负荷曲线峰谷差和支撑DRG消纳等方面都具有较好效果。文献12将分布式电源、电动汽车、蓄电池和可控负荷定义为广义DR资源，以经济效益最大化构建基于广义DR资源的微电网综合资源优化规划方法，实现柔性响应。具有耦合特性的双层模型是在配电网优化运行的基础上进行DRG优化配置的有效方法，文献13根据资源出力特性，以最小化投资和运行成本为目标函数，建立基于机会约束的DRG和DR资源的双层协同规划模型；文献14利用场景分析方法处理多种DRG的不确定因素，并考虑可控分布式电源和可中断负荷的调度运行，建立配电网中DRG的双层优化配置模型。以上双层模型均未同时计及需求侧柔性调节与考虑经济性的规划层和可靠性的运行层的耦合运行。合理的电价机制可达到削峰填谷、改善电网负荷曲线的目的15，峰、谷分时电价是一种有效的DR机制，通过该机制构建综合考虑经济性与配电网运行稳定性的DRG规划模型是提高电网运行稳定性的有效方式。本文计及规划与运行的耦合特性和能源互联网背景下供需双侧资源协调互动的重要特征，建立基于峰、谷分时电价机制和多场景分析法的主动配电网DRG双层优化配置模型，并采用多策略融合粒子群优化算法MSPSO（particle swarm optimizationalgorithm integrated with multiple strategies）对该模型进行求解计算。首先，针对DRG不确定性问题，利用K-means聚类多场景分析法对DRG和负荷进行典型场景划分。然后，建立DRG并网双层优化模型，上层模型以配电网综合费用最小为目标，进行DRG选址定容；下层模型以配电网有功网损最小为目标制定峰、平、谷时段售电电价，并采用考虑无功的拟直流潮流模型对潮流方程进行电压幅值和相角解耦处理。最后，通过IEEE 33节点配网系统验证本文所提模型的合理性与可行性，实验结果表明，该模型通过DR可以激励用户改变用电行为、降低负荷曲线峰、谷差和提高DRG的渗透率、降低弃电率，以及平衡系统的经济性和安全性。1DRG 与负荷的不确定性模型1.1WG 出力特性文献16通过研究证实服从（，）的Weibull分布与风速v随机特性近似，其概率密度函数f（v）和分布函数F（v）可表示为|f(v)=exp|-v|vv-1v0F(v)=1-exp|-vv0（1）式中，分别为Weibull分布的形状和尺度参数。WG的实际出力PWG与v的关系可表示为PWG=|0vvci或vvcoPrWG(v-vci)(vr-vci)vcivvrvr-vcivrvvco（2）式中：PrWG、vr分别为WG额定输出功率和额定风速；vci、vco分别为切入和切出风速。1.2光伏出力特性忽略遮蔽效应，PV出力PPV可表示为17PPV=lxn=1NPVnSn（3）式中：lx为PV辐照强度；NPV为PV电池组件数；n为第n个PV组件的光电转换效率；Sn为第n个PV组件的面积。文献17通过研究表明，光照强度在一定时间电 力 系 统 及 其 自 动 化 学 报96第 2 期内服从Beta分布，由光能-光电转换特性可将PPV分布通过Beta分布表示，其概率密度函数可表示为f(PPV)=(+)()()|PPVPmaxPV-1|1-PPVPmaxPV-1（4）式中：PmaxPV为PPV的最大值；、均为Beta分布的尺度参数；为Gamma函数。1.3负荷不确定性用电规律的不确定性来源于居民用电习惯、季节更替和地区差异等方面，其一定程度上通过用电负荷变化来体现，经大量研究证明，居民用电负荷基本服从正态分布18。有功负荷Pload可表示为Pload=12pexp