考虑储能配置模式的多数据源融合分布式光伏发电并网接纳分析方法
发布时间：2021-12-25
摘 要：分布式光伏(PV)通常并入配电网，其大规模并网发电将对配电网的安全运行带来挑战，研究分布式光伏发电消纳能力已成为发展分布式光伏的重要内容。针对配电网信息不完整的情况，提出了一种考虑储能配置模式的多数据源融合分布式光伏发电并网接纳分析计算方法，融合来自电网调度系统、配电自动化系统、分布式发电监控系统的实时量测数据及历史数据，计量、营销、负控等系统的电量数据及历史数据，补全了分布式电源并网接纳能力分析模型。考虑电网侧、分布式发电侧等不同配置模式下储能参与电网电压调节的能力，并以电压偏差及电压波动指标作为定量计算的目标值，短路电流、支路载流量等安全性指标作为约束，经济性和可靠性指标作为校验，进行接纳能力分析。最后通过实际配电网算例验证了所提方法的有效性和可行性，结果表明，储能配置在电网侧较配置在分布式发电侧对提高配电网分布式光伏消纳效果更明显，分布式光伏消纳能力可以提高 42.5%。
关键词：分布式光伏;接纳能力;配电网;多数据源;储能;配置模式;电压控制
0 引言
分布式光伏发电旨在配电层面实现光伏发电的接入，近年来得到了越来越广泛的关注和应用。但由于分布式光伏发电方式不同于传统能源发电方式的技术特点，其大规模并网发电在带来巨大的经济与社会效益的同时，将对电网的安全运行带来挑战：大量光伏接入各级配电网的终端或馈线末端，潮流倒送抬高接入变电站母线电压，此外若遇到多云天气，光伏出力波动剧烈，会带来电网电压波动和功率因数超标等问题。随着规模化分布式电源接入区域配电网，配电网对分布式电源的接纳能力逐渐成为国内外研究热点。总体来说，与大型风电及光伏接纳能力分析不同[1]，在评估配电网接纳分布式电源能力的过程中，主要包括电压、负荷波动率和反向潮流考核指标作为影响配电网安全稳定运行的限制因素。2003 年，美国可再生能源实验室(NREL)发布了 2 份和接纳能力有关的报告，认为分布式电源渗透率达到 10%~20%时通常会对电网产生显著影响，难以满足分布式电源和电网互联标准(IEEE 1547)[2-3]。加拿大自然资源部 Canmet ENERGY 技术中心研究报告指出，分布式电源渗透率应≤20%[4]。文献[5]以线路电压越限为考核指标对传统电力系统接纳光伏的能力进行了评估，仿真得出大量分布式光伏在配电网变压器低压侧接入或使用无功补偿装置时，其渗透率可以达到 50%。文献 [6]分析了储能对提高光伏消纳能力的作用，结果表明存储能力小于维持 1 d 平均负荷的分布式储能系统可以将光伏渗透率提高到 50%的电力系统总电量。文献[7]论证了智能计量数据在低压配电网光伏接纳能力计算时的有效性。文献[8]提出电网谐波畸变限制了光伏系统的消纳。
综上，分布式光伏接纳能力与配电网结构、运行、负荷与电源时序的匹配都密切相关，但由于目前配电网数据采集覆盖率不够，导致配电网的模型并不全面;二是系统中的监控、能量管理、配电管理、市场运营等各类信息系统大多相互独立，数据不能共享[9]，影响了配电网接纳分布电源分析模型的准确度。本文提出了一种考虑储能配置模式的多数据源融合分布式光伏发电并网接纳分析计算方法，融合来自电网调度、配电自动化、分布式发电监控、计量、营销、负控等系统的实时数据及历史数据，补全了分布式电源并网接纳能力分析模型。考虑电网侧、分布式发电侧等不同配置模式下储能参与电网电压调节的能力，以电压偏差及电压波动指标作为定量计算的目标值，短路电流、支路载流量等安全性指标作为约束，经济性和可靠性指标作为校验，进行接纳能力分析。
1 分布式发电并网接纳分析总体方案
分布式光伏发电并网接纳分析计算的总体思路如图 1 所示，利用基于 Dempster-Shafer(D-S)证据理论的数据融合相关原理，将能量管理系统的主网模型和配电自动化系统的配电网模型进行拼接，形成完整的配电网模型。同时综合计量、营销、负控等系统的电流、功率、电量的实时数据及历史数据实现计及分布式电源的配电网负荷模型的补全，利用分布式发电监控系统的电站信息，电流、功率、电量的实时数据及历史数据等实现分布式电源模型的补全，从而完善配电网接纳分布式发电的分析模型。
2 基于多数据源融合技术的配电网建模
2.1 数据模型组成
分布式电网并网接纳能力的分析模型核心数据模型包括电网网架数据、电网运行数据模型。电网数据模型是对电网设备对象参数、电网的拓扑关系的总称。电网设备对象参数主要是描述各种电网设备的台帐信息(包括支撑专业计算所需的参数信息);电网拓扑的关系主要指设备连接关系。运行数据是表征电网运行状态的数据，如负荷、电量、光伏特性数据等。
并网接纳分析主要流程包括负荷预测、分布式光伏发电时序分析、电力电量平衡计算、潮流计算等，计算周期为 1 d。
2.2 数据预处理
首先进行拓扑校准，主要内容包括：拓扑连接关系检查，是否存在无节点号、节点号错误、节点空挂等错误;以及参数检查，是否存在缺少参数、参数错误、参数偏离正常值等。
配电网运行数据预处理：包括有功功率、无功功率、电流、电压、功率因数等。数据预处理依据电路基尔霍夫定律、有功无功电流匹配等基本准则进行校验分析，将不满足电路基本约束关系的数据去除。
一致性数据处理的内容包括：配电网开关有功无功电流不匹配;馈线段两端(中间无分叉)有功、无功、电流相冲突;配电网母线测量数据流入流出不匹配;配电网负荷与负荷开关测量不匹配;配电网开关遥测与遥信不对应。
2.3 基于 D-S 证据理论的数据融合
D-S 证据理论是一种不确定的推理方法，可以看作是根据证据做出决策的理论。决策框架 U 是指命题的所有可能的答案组成的完备集合，集合中的所有元素都是两两互斥的，任一时刻，答案只能取集合中的某一元素。基本信任分配函数 m 是一个从 U 的幂集 2U到 [0,1]的映射。其中 U 的任一子集 A 满足 m(=(0; 为空集;Σm(A)=1，表示证据对 A 的信任程度。
证据理论中，要求参与合成的证据相互独立，这在实际应用时很难做到。一旦证据发生冲突，往往会得出与事实相悖的结果。对 D-S 证据理论融合方法具体的改进方法如下[10-11]：
首先修正原始证据体，证据体的可信度表示该证据体的可靠程度。存在 n 条证据体，第 i 条证据体的绝对可信度为 Ri(i=1,2,…,n)，将其归一化，可得到各证据体的相对可信度。
综上，综合电网实时量测数据及历史数据，利用拓扑分析、数据融合相关原理实现含分布式光伏发电及负荷需求响应的配电网模型补全，进行分布式发电并网接纳分析时准确度就可以得到有效的提高。
3 考虑储能配置模式的分布式光伏发电并网接纳计算
基于上述方法补全配电网模型，以配电网电压波动及偏差的限制值作为定量计算，短路电流、设备过载作为约束，经济性和可靠性指标(数据具备情况下)作为校验，同时考虑负荷侧需求响应的调控能力，采用如图 2 所示的区域配电网接纳分布式仿真分析方法，计算周期为一个自然日。
计算时考虑时序特性，具体分析步骤如下：
(1)基于第 2 章所述的方法进行配电网分析模型建模。
(2)不同场景下的配电网负荷特性及光伏发电系统出力特性分析。
融合近几年内不同时间断面配电网所在地区负荷及光伏发电的数据，形成典型的负荷及光伏日出力特性曲线，通过不同的负荷与光伏出力的组合，形成不同的计算场景，挑选典型场景进行计算。
(3)分布式发电接入配电网潮流计算与接纳能力计算。
综合考虑负荷及光伏出力特性的时序匹配性，对分布式光伏接入后的配电网进行潮流计算，判断变压器及线路是否越限，考察光伏并网点、该支路线路末端点、并网点上一级(380 V 接入)或下一级(10 kV 接入)变压器点及该支路出口侧母线的电压波动值。按式(4)，根据国标[12]要求的电压偏差及电压波动率的大小调整光伏发电系统的装机容量，直至获得满足要求的最大光伏装机容量，即可得到该区域配电网接纳分布式电源的能力。
主要对比分析储能在电网侧、分布式发电侧 2 种不同配置模式下，对配电网接纳分布式电源能力的影响，如图 3 所示的典型辐射状配电网结构，接入节点 4 代表电网侧配置模式，接入节点 5 代表分布式发电侧配置模式。虚线代表的信息流，2 种配置主要的区别在于信息采集的位置不同，前者采集负荷母线进线处的电压及功率值，后者采集分布式发电出线处的电压及功率值，从而造成控制目标不同。
考虑到分布式光伏接入后易引起过电压及电压波动超标问题，采用储能技术进行电压调节[13-14]。电压问题的基本控制思想是在储能功率调节范围内根据节点电压动态变化情况，通过调整储能的充放电状态及输出功率参与电网电压调节。
4 算例分析
融合对象为某地区 10 kV 配电网，网架模型数据主要来自电网调度自动化系统、配电自动化系统。运行数据主要来自配电自动化系统、分布式发电监控、计量、营销、负控等系统。将网架模型进行数据融合并补全，结果如附录 A 图 A1 所示。
通过对负荷数据的整理分析，每月取 2 个典型日的负荷运行，结果如附录 A 图 A2(a)所示，接纳能力分析时负荷模型可以取 2 条边界曲线作为典型负荷计算场景，如图 4 所示。对当地大量光伏发电数据进行整理分析，取随机场景 42 d，结果如附录 A 图 A2(b)所示，发现光伏发电出力具有随机性，部分曲线存在很大波动性，进行接纳能力分析时分布式光伏模型可以考虑取波动性出力曲线及最大晴天出力曲线作为典型电源计算场景，如图 5 所示(额定容量 100 kW)。场景计算时考虑负荷与电源之间的时序匹配。图 4 负荷运行数据模型 Fig.4 Operation data model of load 图 5 分布式光伏运行数据模型 Fig.5 Operation data model of distributed PV 计算时，取 min Uk =0.93， max Uk =1.07，d up Uk =2.95% (参照国标[12]对电压波动的要求，波动频度 r 的取值范围为(1,10] 次/h，电压变动限值 3%，考虑一定安全裕度取为 2.95%)。储能配置在图 4(c)中的杆塔 46 号及 38 号，容量均为 180 kW/220 kWh[16]， ωc=3.33×10−3 Hz，cp=0.895 元/kWh，cs=0.42 元/kWh，调节系数 ε=0.002 8。计算结果如表 1 所示。从结果可以看出：
(1)接入高电压等级可以提高配电网分布式光伏消纳能力，分布式光伏接入 10 kV 较接入 380 V 可以增加消纳 36%。
(2)储能接入可以提高配电网分布式光伏消纳能力，本算例中储能容量约占区域光伏装机的 10%左右，分布式光伏消纳能力可以提高 34%以上，光伏售电收益明显增加。
(3)储能配置在电网侧较配置在分布式发电侧，对提高配电网分布式光伏消纳效果更明显，本算例中同样容量的储能，配置在电网侧后分布式光伏消纳能力可以提高 42.5%。
5 结论
1)针对配电网信息不完整的情况，本文提出了一种考虑储能配置模式的多数据源融合分布式光伏发电并网接纳分析计算方法，融合来自电网调度系统、配电自动化系统、分布式发电监控系统的实时量测数据及历史数据，计量、营销、负控等系统的电量数据及历史数据，补全了分布式电源并网接纳能力分析模型。能有效提高分布式发电并网接纳分析结果的准确度。
2)由于储能参与电网电压调节，可使配电网接纳分布式光伏发电能力得到明显提高，其中配置在电网侧效果更佳。——论文作者：陶 琼 1 ，王德顺 1 ，叶季蕾 1 ，薛金花 1 ，张慧明 2
参考文献 References
[1] 曹 阳，刘 纯，黄越辉，等. 基于等效聚合的大型互联电网风电接纳能力[J]. 高电压技术，2016，42(9)：2792-2799. CAO Yang, LIU Chun, HUANG Yuehui, et al. Wind power accommodation capability of large-scale interconnected power grid based on equivalent aggregation method[J]. High Voltage Engineering, 2016, 42(9): 2792-2799.
[2] KROPOSKI N B. DG power quality, protection and reliability case studies report[R]. Golden, USA: National Renewable Energy Laboratory, 2003.
[3] MILLER N, YE Z. Report on distributed generation penetration study[R]. Golden, USA: National Renewable Energy Laboratory, 2003.
[4] NARANG. A. Impact of large-scale distributed generation penetration on power system stability[R]. Devon, Canada: Natural Resources Canada, 2006.
[5] SANTOSH C. An investigation of the maximum penetration level of a photovoltaic(PV) system into a traditional distribution grid[D]. Flagstaff, USA: Northern Arizona University, 2012: 20-74.
[6] DENHOLM P, MARGOLIS R M. Evaluating the limits of solar photovoltaic(PV) in traditional electrical power system[J]. Energy Policy, 2007, 35(5): 2852-2861.
[7] KLONARI V, TOUBEAU J F, LOBRY J, et al. Photovoltaic integration in smart city power distribution: a probabilistic photovoltaic hosting capacity assessment based on smart metering data[C]∥2016 5th International Conference on Smart Cities and Green ICT System(SMARTGREENS). Rome, Italy: IEEE, 2016: 166-178.
