基于SNOP的柔性配电网中分布式电源最大准入容量计算方法

摘要

本发明涉及一种基于SNOP的柔性配电网中分布式电源最大准入容量的计算方法，建立DG极限接入容量模型，以网络潮流、馈线容量和节点电压、分布式电源单点最大准入容量、SNOP功率为约束条件，选择最大化FDN中DG接入容量作为优化目标，采用多种群遗传算法求解该模型。本发明既可计算指定位置的分布式电源最大准入容量，又可从规划角度得出全网最优的分布式电源接入位置和容量组合。

说明书

技术领域

本发明属于智能配电领域，涉及配电网中分布式电源最大准入容量的计算方法，尤其是一种基于SNOP的柔性配电网中分布式电源最大准入容量的计算方法。

背景技术

随着单位千瓦电能生产价格的不断下降以及政策层面的有力支持,分布式发电技术正得到越来越广泛的应用。各种分布式电源(distributed generation，DG)的并网发电对电力系统的安全稳定运行提出了新的挑战。当中低压配电网中的分布式电源容量达到较高的比例(即高渗透率)时,要实现配电网的功率平衡与安全运行,并保证用户的供电可靠性和电能质量，存在很大困难。

配电网对DG消纳能力的研究主要是根据配电网潮流等限制条件，得出允许接入配电网的DG容量之和[刘科研,刘永梅,盛万兴,等.考虑电压约束的分布式电源接入配电网最大准入容量计算方法[J].电力自动化设备,2016,36(6):81-87.]。文[王博,肖峻,周济,等.主动配电网中分布式电源和微网的运行域[J].电网技术,2017,41(2):363-370.]考虑DG接入位置、出力大小以及渗透率等因素对配电网的影响，提出了配电网中分布式电源运行域的概念，可得到给定节点的DG接入容量范围。

上述研究主要针对传统配电网。文[肖峻,刚发运,黄仁乐,等.柔性配电网的最大供电能力模型[J].电力系统自动化,2017(5):30-38.]提出了一种柔性配电网(flexibledistribution network,FDN)概念，它以一种新型电力电子设备-智能软开关(softnormally open point,SNOP)的应用为基础，为提高配电网对DG的消纳能力提供了新的可能。SNOP技术旨在以可控电力电子变换器代替传统基于断路器的馈线联络开关，从而实现馈线间常态化柔性“软连接”，能够提供灵活、快速、精确的功率交换控制与潮流优化能力。

目前对SNOP的研究主要集中在配电网运行优化方面，SNOP通过准确控制两侧有功功率交换，并根据需要向两侧分别提供无功补偿来优化全网潮流分布，提供了现有配电自动化体系所不具备的实时精细潮流调节优化能力，能够快速跟踪分布式能源和负荷的动态变化，确保配电网实时处在优化的运行状态。

FDN中SNOP的双向功率调节能力，有助于改善配电网中电压瓶颈节点和传输容量瓶颈支路的运行状态，从而突破主动配电网中分布式电源和微网中的运行域。对依靠SNOP提高DG消纳能力方面已形成一些研究成果。但均未从规划角度得出FDN中DG准入容量最大时，DG和SNOP的最优位置、容量组合。

本发明将在分析计算SNOP对既定节点位置的DG接入能力提升作用的基础上，探讨FDN中，全网DG接入的最优节点分布及容量，从而得到FDN中的DG最大准入容量。

发明内容

本发明的目的在于克服现有技术的不足之处，提供一种含SNOP的柔性配电网中分布式电源最大准入容量计算方法，可从规划角度指导分布式电源和智能软开关接入。

本发明解决技术问题所采用的技术方案是：

本发明提出了一种含SNOP的柔性配电网中分布式电源最大准入容量的计算方法。步骤如下：

1 FDN中DG极限接入容量模型建立

1.1 SNOP模型

最主流的SNOP装置是背靠背电压源型变流器(B2B VSC)。SNOP通常接入于传统的联络开关位置。不同于传统的联络开关只能处于0、1两种状态，SNOP具有灵活的四象限功率控制能力，能够在两条馈线间进行主动潮流控制，该特性不论对于降低配电网络损耗或是改善节点电压水平、支路电流均有重要意义。模型见附图1。

1.2 DG接入柔性配网极限容量计算模型建立

DG的接入将改变传统配电网的潮流分布特性，对配电网稳态运行造成冲击。一方面，DG高比例接入，将引起接入节点的电压大幅提升，另一方面，DG接入比例过高可能突破馈线容量限制。而FDN依靠SNOP的潮流控制能力，能够优化潮流分布，防止稳态指标越限，从而提高DG的准入容量。

由于DG与负荷对网络电压的影响相反，DG接入最严苛的场景为负荷最小，同时DG处于峰值出力的场景，此时DG输出功率等于装机容量。本发明探讨的DG准入容量即基于该场景。

建立DG极限接入容量模型，选择最大化FDN中DG接入容量作为优化目标：

式中，为FDN中所有DG接入容量之和，N为网络中节点数目。

模型主要约束如下：

(1)网络潮流约束

式中，P_DG,i，P_SNOP,i和P_L,i分别为节点i上的DG，SNOP和负荷注入的有功功率；Q_DG,i，Q_SNOP,i和Q_L,i分别为节点i上的DG，SNOP和负荷注入的无功功率。U_i，U_j，θ_i,j为相连节点i、j的电压幅值和相角差。G_i,j，B_i,j分别为互电导和互电纳。

(2)馈线容量和节点电压约束

L≤L_max>

U_min≤U≤U_max>

式中，L_max为馈线最大容量。U_min和U_max分别为节点电压上限和下限。

(3)分布式电源单点最大准入容量约束

按照配电网规划设计原则，分布式电源在特定的电压等级有其极限接入容量，超过时应接入更高电压等级的配电网。

E_DG,i＜E_DG,max>

式中，E_DG,i为网络中各个节点的DG接入容量，E_DG,max为特定电压等级下的单点DG极限接入容量。

(4)SNOP功率约束

P_snop,i+P_snop,j＝0>

式中，P_snop,i,P_snop,j,Q_snop,i,Q_snop,j分别为接在i，j两个节点上的SNOP，其两端变流器的有功和无功功率。S_snop,i和S_snop,j分别为两个变流器的容量。

2模型求解

该模型的优化变量为各个节点的分布式电源出力，SNOP流过的有功功率和双侧无功功率。由于配电网规模可能达到数百节点，该模型属于高维非线性优化问题。这种问题的求解关键在于获得全局最优解。同时从规划角度，对于算法的全局收敛能力要求高于收敛速度。

遗传算法(GeneticAlgorithm，GA)是一种广泛使用的基于进化机制的高度并行、随机、自适应的全局优化概率搜索算法，由于优化时不依赖梯度，具有较强的鲁棒性和全局搜索能力，但是容易陷入早熟收敛问题，其计算结果受控制参数影响较大。为克服为成熟收敛，需要根据实际问题，进行复杂的控制参数和遗传算子设计研究。

本发明采用多种群遗传算法(Multiple Population GeneticAlgorithm，MPGA)来求解模型。MPGA的优势在于突破传统遗传算法仅靠单个种群进行遗传进化的框架，引入多个种群同时进行优化搜索；多个种群之间通过遗传算子进行联系，实现多种群的协同进化，最优解的获取是多个种群协同进化的综合结果。

相对于标准GA，MPGA采用了多个种群同时对解空间进行协同搜索，兼顾了算法的全局搜索能力和局部搜索能力，计算结果对遗传控制参数的敏感性大大降低，对克服未成熟收敛有明显效果，适用于所需求解的高维非线性优化问题。

采用MPGA求解模型时，适应度即为式1中的全网各节点DG准入容量之和。计算方法如附图2.

应用该算法，可通过不同的变量参数设置，求解DG定点接入无SNOP，DG定点接入有SNOP,DG全网自由接入有SNOP三种类型的优化问题。

本发明的优点和积极效果是：

(1)采用多种群遗传算法解决配电网中分布式电源准入容量优化这一高维非线性优化问题，解决了传统遗传算法容易陷入局部收敛的问题，可以获得全局最优解。

(2)给出了普通配电网中，指定位置的分布式电源准入容量的计算方法。并可得到配电网中不同节点对分布式电源的消纳能力特性，便于指导分布式电源接入。

(3)可定量计算得到SNOP对指定分布式接入电源接入位置的场景下准入容量提升作用。并得到SNOP的最优运行方式及经济容量。

(4)给出分布式电源自由接入场景下，分布式电源最优接入位置和容量组合。并可得到多组近似效果的推荐方案。并指出分布式电源倾向于选择较少的几个点集中接入而不是全网分散接入。

附图说明

图1为智能软开关；

图2为MPGA算法流程图；

图3为IEEE33节点配电系统；

图4为配电系统节点电压；

图5为引入DG后配电系统节点电压；

图6为不同SNOP容量下网络节点电压；

图7为不同SNOP容量下DG准入容量。

具体实施方式

下面结合附图并通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。

本发明以IEEE33节点配电系统为例进行分析，见附图3。

图3中TS1～TS5为5个联络开关，全部断开。该网络首端基准电压为12.66kV，馈线额定容量为5.28MW。网络基础负荷为3715+2290kVA，是该网络必须满足的最小负荷。参考《电能质量供电电压允许偏差》(GB12325－90)，设定电压允许偏差值为-7％～+7％，即网络安全电压标幺值为0.93～1.07。根据国家电网公司配电网规划设计技术导则，式6中的分布式电源接入10kV电压等级不应超过7-8MW，本算例取7MW。

经过潮流计算，该33节点配电系统容量最大的支路为0-1支路，容量4645kVA。各节点电压如附图4：

由于感性负荷将拉低电压，该配电系统电压呈现自平衡节点0至馈线末端逐渐降低的特点。其中节点8-17,28-32低于0.93标幺值的安全电压下限，需接入分布式电源提升节点电压。

本发明分布式电源设为PQ型，功率因数为0.95。优化过程中，MPGA种群大小为500，最大迭代次数200，最优个体最少保持代数为20。

2、无SNOP配电网DG单点极限接入容量计算

为了考察网络不同节点接入DG的能力，按照图2流程中的优化类型1方法，逐个节点计算DG准入容量如下：

表1网络不同节点的DG准入容量

根据计算结果，可将不同节点的DG准入容量分为四类：

类一：DG接入节点1,18-21。该类节点接入DG后无法提升节点8-17,28-32电压至安全范围内,故接入无效。

类二：接入节点7～17,27-32。该类节点位于馈线末端，DG准入容量较小。

类三：接入节点6，22，23，25，26。该类节点位于各馈线分支的前端，DG准入容量较大。

类四：接入节点2-5。该类节点位于整个33节点配电系统的网络前端，DG准入容量最大。

在上述四类节点中，分别选择节点18,30,22,5四个节点以最大准入容量接入DG(节点18以7000kW接入)，对应网络电压如图5：

依据表1和图5可得出如下结论：

(1)接入DG将改变配电系统网络电压分布，造成接入点及周边节点的电压提升，这种影响随节点距离加大而逐渐减小。

(1)接入点趋近于长馈线末端，则DG准入容量越小。这是由于相比其他节点，长馈线末端节点电压对DG接入更敏感，DG无功主要作用于接入节点，使其更容易达至安全电压上限。

(2)随着接入位置向馈线首端迁移，DG准入容量增大。这是由于DG的无功影响得以全网扩散，导致接入点电压敏感性降低。馈线容量限制逐渐成为瓶颈因素。

(3)当接入位置达至网络首端各节点，准入容量进一步提高，限制DG准入容量进一步提升的因素变为该电压等级DG单点准入容量。

(4)原33节点配电系统两条馈线存在电压越安全下限的情况。在这两个以及相邻的2-24馈线接入DG有助于提升其电压至安全范围。但馈线18-21为这两条馈线的非相邻馈线，电气联系较弱，接入DG无效。

3、SNOP对指定节点DG准入容量提升分析

在上述四类节点中，类一和类二仍有较大的DG准入容量提升空间。引入SNOP形成FDN，SNOP1-SNOP5分别代表SNOP接入图中TS1-TS5位置。考察DG在单点(18/30)、多点单馈线(14、17)、多点多馈线(17、32)三种接入方式，SNOP不同接入位置对准入容量的提升作用。SNOP容量设定为双侧1MVA。SNOP有功功率以向小号节点发出功率，从大号节点吸收功率为正；无功功率以从节点吸收功率为正。

表2 SNOP对DG单点接入时准入容量提升

表3 SNOP对DG多点单馈线接入时准入容量提升

表4 SNOP对DG多点多馈线接入时准入容量提升

采用图2中优化类型二的方法进行计算，结果见表2-表4。由优化结果可见，SNOP的潮流控制能力能够提升DG准入容量。不同接入方式的DG和SNOP，体现出如下不同特点：

(1)节点30单点接入DG时，对节点30准入容量提升最大的SNOP1和SNOP5均为与30节点所在支路直接相连的软开关，并且均处于双侧吸收无功，从30节点所在支路吸收有功的运行方式。

(2)节点18单点接入DG时，由于无法抬升全网电压至安全范围，接入无效。而通过在节点18所在馈线接入SNOP3/SNOP4，与其他馈线在末端产生了潮流联系，DG得以高比例接入配电网。

(3)选择DG多点(14、17)单馈线接入配电网时，优化结果为位置靠前的14节点以极限容量接入，而17节点不接入。引入SNOP后，DG准入容量得到了一定提升。一方面，SNOP1/3/4均从14、17节点所在馈线吸收有功，将其转移到其他馈线，起到降低DG接入馈线电压的作用(SNOP2两端均位于该馈线，有功传输功率为0；SNOP5与该馈线无直接联系)。另一方面，SNOP在双侧吸收无功，进一步拉低网络电压，为DG接入提供了更大空间。SNOP以其有功、无功同时双向控制能力，相比传统的无功补偿装置SVG等，在消纳DG方面能够取得更好的效果。

(4)选择DG多点(17,32)多馈线接入配电网时，SNOP1分别在两侧联系两条馈线，双端均以满容量吸收无功，可取得最优准入容量提升效果。

综上，在选定DG接入位置时，SNOP能够对DG准入容量起到提升作用。提升幅度最大的SNOP必须至少一端与DG所在馈线直接连接，处于双端吸收无功运行方式，并且无功功率在SNOP容量中占主导地位。

4、SNOP容量灵敏度分析

以DG接入于节点17和32，考察不同容量SNOP对DG准入容量的提升作用。SNOP设定位于图2中TS1位置。进行SNOP容量对DG准入容量影响的灵敏度分析，分别从网络电压、DG准入容量、瓶颈支路容量三个方面考察接入不同容量SNOP的效果见图6，图7。

电压方面，不同SNOP容量下，电压曲线基本保持一致，节点17和32的电压均为瓶颈因素。

支路容量方面，4-5位于5-17,5-32两条馈线的潮流交汇处。随着SNOP容量的提升，支路4-5的容量呈先抑后扬的特点。这是由于当SNOP以小容量接入时，双端吸收无功，抵消了一部分DG的无功输出，导致4-5支路容量下降。随着SNOP容量的提升，DG准入容量也相应提升，支路4-5容量不断增大。当SNOP容量达到2000kVA时，4-5支路容量达到5280kVA的瓶颈，与电压一同成为限制DG准入容量进一步提升的因素，此时DG准入容量增速开始放缓。在该DG和SNOP接入位置下，2000kVA是SNOP的经济容量。

需要指出，不同的DG、SNOP接入点，灵敏度分析和经济容量结果将不尽相同。

5、FDN中DG极限接入容量计算

上述分析主要针对既定DG接入位置下，FDN中DG最大准入容量。从规划角度，为了实现全网DG最大容量接入的目标，如何确定当DG在网络各节点自由接入时，DG的最优位置/容量组合，及与其相配合的SNOP接入方式，是需要关心的问题。

采用图2中优化类型三的计算方法进行优化。考虑到SNOP的经济性，仅使用1台SNOP，容量设为双侧1MVA。经过多次计算，可得到如下不同方案：

表5 DG自由接入优化方案

从表5中方案可见，优化结果并非全网DG分散接入，而是集中于2～3个点。除表5中所列4个方案外，仍存在多种DG和SNOP接入方式能够取得相近的效果。仅配置单台双侧1MVA的SNOP，可接入DG容量达到了9400kW以上，能量渗透率250％以上。以上方案可作为DG和SNOP规划时的推荐方案。应用本发明方法，也可得到其他SNOP容量或多组SNOP共同接入时的最优方案。

以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。