考虑低碳和柔性负荷的有源配网扩展规划模型_刘艾旺.pdf

Vol.25，No.4 July，2023POWER DSM|0引言随着针对电力行业减排的政策相继出台，碳税、碳排放限额等手段给配电网规划增加了约束和复杂度，使其面临新的挑战1。随着海量分布式新能源接入，其出力的不确定性也显著地提升了配电网规划的难度。为了减少新能源出力不确定性的影响，近年来的配电网规划大多考虑了储能装置。此外，能源价格和负荷的不确定性也对配电网规划产生了影响，因此，采用考虑不确定性的优化方法更有助于获得合理的投资方案。考虑低碳的配电网规划在学界已有广泛的研究。文献 2 提出了多目标粒子群优化算法用来对配电网中的分布式发电装置（distributed generation，DG）和电容器组做出最优投资选择，通过增加新能源就地消纳和减少网损，使得二氧化碳排放得到降低。文献3 提出了一种考虑DG装置和电容器组安装的两阶段随机规划模型，不确定性通过随机场景处理。文献4 将配电网规划的建模为混合整数线性规划模型，该模型同时考虑了DG、电容器组和储能装置，并且通过碳排放额限制CO2排放量。另一方面，由于配电网中负荷主要与电压相关 5，通过主动减少终端电压，可以降低能量的消耗。尽管存在以上优点，现有的配电网规划仍然较少考虑电压相关的负荷模型。此外，由于可以显著降低网损和提升能效，网络重构在配网运行中得到广泛研究。文献 6 提出了一种考虑蓄电池的配网动态网络重构模型，在实现削峰填谷的同时使得网损最小。文献 7 提出了一种考虑综合需求响应的配网重构方法，可将配电网重构优化决策拓展到多能互补领域。考虑低碳和柔性负荷的有源配网扩展规划模型刘艾旺1，朱萧轶1，姚宝明1，谢益峰1，舒能文1，邹健1，施云辉2（1.国网浙江海盐县供电有限公司，浙江 嘉兴314003；2.浙江大学，杭州310027）Active distribution network expansion planning model considering lowcarbon and flexible loadLIU Aiwang1,ZHU Xiaozhi1,YAO Baoming1,XIE Yifeng1,SHU Nengwen1,ZOU Jian1,SHI Yunhui1（1.State Grid Zhejiang Haiyang Power Supply Co.,Ltd.,Jiaxing 314003,China；2.Zhejiang University,Hangzhou 310027,China）DOI:10.3969/j.issn.1009-1831.2023.04.003摘要：在配电网低碳化的背景下，提出了考虑低碳和柔性负荷的有源配电网扩展规划模型，其目标是在满足网络运行约束和 CO2排放上限的前提下，给出总成本最小的投资策略。决策变量包括更换过载线路、投建新能源和储能装置，以及投建稳压器和电容器组等电压控制设备。模型提出了多项式形式的电压相关型的柔性负荷特性，针对柔性负荷模型以及网络重构约束中的非线性约束，建立分段McCormick包络法和虚拟需求法将其转化为混合整数二阶锥优化模型。考虑新能源出力、负荷和能源价格的不确定性，采用基于场景聚类的两阶段随机优化方法进行求解。通过69节点系统对该模型进行测试，结果表明，所提模型不仅总规划成本较低，而且有助于减少碳排放。关键词：有源配网；低碳规划；柔性负荷；混合整数线性规划Abstract：Underthebackgroundoflow-carbonizationofdistribution networks,an active distribution network expansion planningmodel that considers low-carbon and flexible loads is proposed.Theobjectiveistoprovidetheinvestmentstrategywiththeminimumtotalcost under the premise of satisfying network operation constraintsand CO2emission limits.Decision variables include replacing overloaded lines,constructing new energy and energy storage devices,and constructing voltage control devices such as stabilizers and capacitorbanks.Themodelproposesapolynomialformofvoltage-relatedflexibleloadcharacteristics.Toaddressthenon-linearconstraintsintheflexibleloadmodelandnetworkreconstructionconstraints,thepaperproposesasegmentedMcCormickenvelopemethodandavirtualdemandmethodtotransformthemintomixed-integersecond-ordercone optimization.Considering the uncertainty of new energy output,load,and energy prices,a two-stage stochastic optimization methodbased on scenario clustering is used for solving.The proposed modelistestedona 69-nodesystem,andtheresultsshowthatthemodelnotonly has lower total planning costs but also helps to reduce carbonemissions.Key words：active distribution network；low-carbon planning；flexible load；mixed integer linear programming文章编号：1009-1831（2023）04-0015-06中图分类号：TM73；F426文献标志码：B收稿日期：2023-03-09；修回日期：2023-05-19基金项目：国家自然科学基金项目（51877190）15|电力需求侧管理第25卷第4期2023年7月针对以上问题，本文提出了一种有源配电网扩展规划模型，其创新点在于考虑了多项式形式的柔性负荷特性和低碳规划。优化目标是在满足网络运行约束和CO2排放上限的前提下，给出总成本最小的投资策略，低碳要求通过碳排放限额约束加以表达。为了刻画负荷和电容器组的电压特性，提出了多项式形式的柔性负荷模型，并通过随机场景处理负荷、新能源和能源价格的不确定性。为了有效解决模型中的非线性约束，我们采用了分段McCormick包络法和虚拟需求法，将柔性负荷模型和网络重构约束转化为混合整数二阶锥规划，并在两阶段随机规划的框架下求解。1不确定性建模本文通过基于场景的随机优化方法处理与配电网规划相关的不确定性8。主要考虑了4个不确定性参数：电负荷、变电站所在节点的电价、太阳辐照强度和风速。利用一年中不确定参数的每小时历史数据建立场景集。由于直接将8 760 h的不确定参数合并到模型中会使其难以求解，本文采用k-均值法进行场景聚类。在应用k-均值法之前，将8 760个与不确定参数相关的数据按季节（冬季、春季、夏季和秋季）分为4个时间块。每个时间块根据太阳辐射量分为两个子块（昼/夜）。最后，对每个子块中包含的信息应用k-均值方法进行分组。因此，原始数据被分为42k组场景，每组场景描述了一年中不确定参数的行为。图1给出了一组方案的构建过程，注意到以上过程保留了原始历史数据之间的相关性。春 季夏 季秋 季冬 季时间块8 760 h历史数据子块场景集夜 间k-均值k-均值日 间风速历史数据太阳辐照 历史数据节点电价历史数据电负荷历史数据图1不确定参数场景集构建方法Fig.1Uncertain parameter scenario construction method2有源配网规划模型2.1电压型柔性负荷模型传统的配网规划问题大部分将负荷作为PQ节点来计算，忽略了负荷电压静态特性。但实际配电系统中存在不同类型的负载：当电力系统正常运行时，负荷以额定功率运行；当电压偏离额定点时，负荷特性使其节点功率发生改变，系统的潮流分布也将随之变化，进而可能影响配电网的重构策略。因此，本文采用以下的多项式形式负荷模型PDi,s,t=|Ziv2i,s,t()VN2+Iivi,s,tVN+PiPDi,s,t（1）QDi,s,t=|YZiv2i,s,t()VN2+YIivi,s,tVN+YPiQDi,s,t（2）式中：PDi,s,t、PDi,s,t分别为场景s中节点i在t时段的负荷实际有功功率和基准有功功率；Zi、Ii、Pi分别为负荷有功的恒定阻抗负荷、恒定电流负荷、恒定功率负荷所占的比例；QDi,s,t、QDi,s分别为场景s中节点i在t时段的负荷实际无功功率和基准无功功率；YZi、YIi、YPi分别为负荷无功的恒定阻抗负荷、恒定电流负荷、恒定功率负荷所占的比例；VN为额定电压；vi,s,t为场景s中节点i在t时段的电压。各系数之间满足以下关系Zi+Ii+Pi=1（3）YZi+YIi+YPi=1（4）2.2调压器模型调压器是一种特殊设计的有载调压装置，它可以自动监视并平滑地调节它的输出电压，使其输出电压保持在要求的电压范围内，其数学模型可以由式（5）式（8）表示|Vij,s,tKVR()KVR+2 vSQi,s,tijB,sS（5）|Vij,s,taLwVRij,aKVR()KVR+2 V2ijB,sS（6）wVRij,awLij,aijB,aL,sS（7）ijBaLwVRij,aNVR（8）式中：Vij,s,t为场景s中安装在线路ij的调压器两端在t时段的平方压降；KVR为调压器的最大调节系数；wVRij,a为0-1投资变量，表示种类为a的线路ij是否安装调压器；Vij,s绝对值的范围由式（5）式（6）施加限制。式（7）的含义是类型a的调压器只能与类型a的线路相匹配，其中wLij,a为a类线路ij投资的0-1变量。式（8）限制了安装在系统中的调压器总数，其中NVR为调压器数量上限。2.3电储能模型在配电网中，由于投资和容量的限制，大多采用电化学储能，如锂离子电池或铅酸电池。尽管储能的刘艾旺，等 考虑低碳和柔性负荷的有源配网扩展规划模型16Vol.25，No.4 July，2023POWER DSM|种类各异，但其外特性总体可由式（9）式（13）表示pESCi,sPESnESiiN,sS（9）pESDi,sPESnESiiN,sS（10）sS|s=bTs|ESCpESCi,s-|1ESDpESDi,s=0iNb1,2,3,4（11）0nESiNESiiN（12）iNnESiNES（13）式中：nESi为接入节点i的储能个数；pESCi,s、pESDi,s分别为节点i在场景s中的储能充电功率和放电功率；PES为储能的充、放电功率上限；ESC、ESD分别为储能的充电效率和放电效率；NESi、NES分别为单个节点和系统总储能安装个数的上限。2.4可再生能源模型光伏的出力及装机约束如式（14）式（16）所示，风机的出力及装机约束如式（17）式（19）所示0pPVi,s,tSPVFPVs,tnPVi（14）-pPVi,s,ttan()cos-1()-PPVFqPVi,s,tpPVi,s,ttan()cos-1()-PPVF（15）0nPViNPVi（16）0pWTi,s,tSWTFWTsnWTi（17）-p