計及靈活資源調節潛力的高壓配電網新能源接納能力評估

王利利，王皓，任洲洋，孫義豪

(1. 國網河南省電力公司經濟技術研究院，河南 鄭州 450007；2. 輸配電裝備及系統安全與新技術國家重點實驗室（重慶大學），重慶 400044)

0 引言

隨著化石能源危機和環境污染問題的日益加劇，以風電和光伏發電為代表的新能源發電技術得到了快速發展[1-2]。然而，新能源電源的不合理接入對電網的安全運行產生了不利影響，導致電壓越限、短路電流增大及線路過載等問題[3-4]。因此，有必要對配電網新能源接納能力進行合理評估，從而合理規劃接入電網的新能源。

為保證實時供需平衡，高壓配電網有必要挖掘利用靈活性資源，盡可能減小或消除新能源出力不確定性對電網安全運行帶來的問題[5]。蓄水式水電站具備靈活的調節性能，通過棄水來調節其出力，能快速響應配電網內源荷功率變化，從而起到削峰填谷、平抑風電和光伏功率波動等效用[6]。此外，網絡重構是配電網優化運行的常用手段，根據電網的實際運行狀況，通過改變開關組合狀態，實現網絡拓撲結構的靈活多變，從而達到消除過載、減輕電壓波動、降低網損、保證供電可靠性等目的[7]。蓄水式水電站和網絡重構均是高壓配電網內的靈活性資源，對于提升高壓配電網靈活性具有重要作用[8-9]。因此，在高壓配電網新能源規劃中有必要充分利用二者的靈活性，提高高壓配電網對新能源的接納能力。

目前，國內外學者對風電和光伏電源的規劃開展了很多研究。文獻[10]基于分布式電源峰值出力和零出力的極端場景，以降低網損和改善電壓質量為目標，建立了分布式電源選址定容規劃模型；文獻[11]基于電力仿真軟件計算分布式電源可接入的最大容量，但二者均沒有考慮分布式電源出力隨機性和波動性。文獻[12]基于低壓配電網光伏扶貧項目的典型接入方式，提出了一種分布式光伏最大容量評估方法；文獻[13]考慮配網功率倒送對保護裝置影響，提出了一種配電網分布式電源接納能力評估方法，但二者只適用于某些特定地區電網，并不具有普遍適用性。文獻[14]利用網架靈活性，以分布式電源裝機容量最大為目標，建立優化配置模型，求解配電網分布式電源規劃接入容量；文獻[15]在光伏電站規劃中，分析了配網重構對促進光伏裝機容量的作用，但二者在新能源規劃中均沒有考慮電源靈活性。

大量研究在新能源規劃中計及電網運行費用、環境效益和設備投資成本等經濟因素，以經濟性最優為目標進行新能源規劃。文獻[16]基于魯棒優化法分析風電出力的不確定性，以系統網損費用和碳排放費用最小為目標進行風電場容量規劃，但沒有挖掘電網內靈活性資源調節潛力；文獻[17]基于概率分布模擬風電不確定性，綜合考慮風電投資成本和電網運行成本，以綜合成本費用最小為目標建立風電優化配置模型，但沒有計及電網內靈活性資源。文獻[18]基于風電、光伏和負荷典型場景，考慮網架靈活性，以年綜合費用最小為目標優化求解風電和光伏裝機容量，但沒有計及電源靈活性。

現有研究沒有綜合考慮水電和網架靈活性，未能充分挖掘電網內靈活性資源調節潛力，導致規劃的新能源裝機容量被低估。此外，新能源規劃只考慮系統的正常運行狀態，而N-1 安全準則是電網規劃的重要準則[19]，在新能源電源規劃中被忽略，導致新能源電源規劃結果未必滿足安全性要求。

本文將地區電網的水電靈活性和網架靈活性引入到新能源規劃中，提出了一種計及靈活資源調節潛力的高壓配電網新能源接納能力評估方法。首先采用模糊C均值聚類算法聚類生成典型場景；其次以配電網風電和光伏裝機總容量最大為優化目標，考慮電網正常運行狀態和N-1 預想故障狀態，建立了含水電和網架靈活性的新能源規劃模型；最后通過某地區實際電網驗證了本文模型方法的合理性及有效性。

1 聚類分析

由于全年相同季節內電源出力和負荷需求呈現出一定的規律性和相似性[20]，為提高計算效率，首先分別在春、夏、秋、冬選取典型日；然后將各個典型日劃分為峰、平、谷時段；最后分別在峰、平、谷時段內場景采用模糊C均值聚類算法，生成典型場景。

模糊C均值聚類算法通過迭代優化隸屬度矩陣和聚類中心，使目標函數達到最小，從而得到場景集的最優聚類結果[21]，其計算步驟如下[22]。

（5）令K=K+1，重復步驟（2）～（4），當DB,K＞DB,K-1以及DB,K+1＜DB,K時停止迭代，聚類結果為最優，并輸出該結果。

2 計及靈活性的配電網新能源接納能力評估模型及求解

考慮水電和網架的靈活性，以配電網新能源裝機容量最大為目標函數，綜合考慮電網正常運行狀態和N-1 預想故障狀態，建立了計及靈活性的配電網新能源接納能力評估模型。

2.1 目標函數

2.2 約束條件

（3）水電約束。水電具有調節方便、成本低、靈活性高的優點，水電站出力和發電流量密切相關，控制水電站棄水能夠靈活調節水電的出力，有利于減少風光出力波動對電網的不利影響[24-25]。水電站運行約束為

（4）網絡拓撲結構約束。配電網在實際運行時須滿足輻射狀連通性的約束條件，本文基于可操作的支路開關，利用枚舉法建立配網所有滿足條件的網絡拓撲結構集合Tτ，則基于網架靈活性的網絡結構T的約束為

除上述約束條件外，本文提出的模型還需考慮節點功率、支路功率、功率平衡等潮流約束[27]。

2.3 模型求解

計及靈活性的配電網新能源規劃模型屬于線性規劃模型，調用商業優化軟件CPLEX 進行快速求解，具體流程如圖1 所示。

圖1 模型求解流程Fig. 1 The flow chart of model solution

3 算例分析

3.1 算例概述

以某地區實際電網為算例，通過仿真驗證本文所提方法的有效性。該地區電網如圖2 所示，共有56 個節點，11 座變電站，其中變電站T1 和T2 均為500 kV/220 kV 變電站；變電站T3,···,T11 均為220 kV/110 kV 變電站，最大負荷功率為2 021 MW。各電站連接點和裝機容量如表1 所示，火電廠1 座，已投運風電場7 座，光伏電站12 座，水電站4 座。S1,···,S6 為待規劃的風電場和光伏電站，虛線為聯絡線，各條支路上均裝有開關。

表1 風電場、光伏電站和水電站的已投運裝機容量Table 1 The installed capacity of wind farms, photovoltaic stations and hydropower stations under operation

圖2 56 節點地區電網Fig. 2 56-bus regional power grid

3.2 新能源電源和負荷典型場景出力

表2 給出了不同季節內典型日的峰平谷時段劃分結果。以冬季典型日的平時段為例，圖3 給出了該時段內的典型場景聚類結果。

表2 春夏秋冬季節內的典型負荷時段劃分情況Table 2 The division of typical periods from spring to winter

圖3 冬季典型日平時段的典型場景Fig. 3 The typical scenarios of flat periods in a typical day of winter

3.3 結果分析

本文構建了4 種方案，對比分析不同案例下電網新能源規劃結果。

（1）場景1：綜合考慮靈活性資源的優化調度，以及系統正常運行狀態和N-1 預想故障狀態的電網新能源規劃模型，即本文所提模型。

（2）場景2：不考慮靈活性資源水電的優化調度， 考慮網架靈活性以及系統正常運行狀態和N-1 預想故障狀態，優化求解新能源裝機容量。

（3）場景3：不考慮靈活性資源網架結構的調整能力，考慮水電靈活性以及系統正常運行狀態和N-1 預想故障狀態，優化求解新能源接納能力。

（4）場景4：考慮電網靈活性資源的優化調度，基于正常運行狀態，不考慮N-1 預想故障狀態求解新能源接納能力。

在上述4 種場景下，仿真得到的風電和光伏電源接納能力如表3 所示。

3.3.1 考慮靈活性資源對仿真結果的影響分析

由表3 可知，挖掘利用電網內不同靈活性資源，將對電場S1～S4 的裝機容量產生影響。為了分析靈活性資源對新能源電源規劃結果的影響，將場景1～3 中上述電場的裝機容量進行對比，如表4 和表5 所示。

表3 不同場景規劃結果Table 3 The planning results for different cases

表4 場景1 和場景2 規劃結果對比Table 4 Planning results comparison of Case 1 and Case 2

表5 場景1 和場景3 規劃結果對比Table 5 Planning results comparison of Case 1 and Case 3

由表4 可知，本文提出的模型和方法規劃S1 相較于不考慮水電靈活性（場景2）時提高了23%。其原因是S1 裝機容量的限制因素為支路L4 載流量，場景1 利用電網內水電靈活性，通過控制水電站棄水量，靈活調控水電站W 1 和W2 的出力，能夠有效避免某些場景下支路L4 過載問題，從而提高了風電場S1 的裝機容量。

由表5 可知，本文提出的模型和方法規劃S1～S4 相較于不考慮網架靈活性（場景3）時得到有效提高?？紤]網架靈活性時，可在配網輻射狀約束集合Tτ中枚舉出最優網架結構。 由于S2～S4 裝機容量的限制因素為220 kV 變電站T4 容量，而考慮網架靈活性能夠改善電網潮流分布，有效避免因潮流分布不合理導致的變壓器過載問題；對于風電場S1，考慮網架靈活性，可以通過靈活投運支路L5，改變風電場功率外送通道，有效避免某些場景下支路L4 過載問題，從而提高了新能源電站的裝機容量。

對比場景1 和場景3 可以看出，采用本文所提出的模型和方法可有效地增加新能源電站S1～S4 的裝機容量。這說明了新能源規劃模型中挖掘靈活性資源調節潛力將會對規劃結果產生顯著影響，而綜合考慮水電靈活性和網架靈活性獲得的規劃結果更優。場景2 和場景3 由于缺乏靈活性資源的調控，在某些場景下系統功率分布不合理，導致網絡阻塞，限制了風電和光伏電源的規劃接入。

3.3.2 考慮N-1 預想故障狀態對仿真結果的影響分析

表6 給出了場景1 和場景4 中電場裝機容量的對比結果。相較于場景4，場景1 的風電場S5 和光伏電站S6 的裝機容量有所降低，其原因為當支路L1 發生故障后，支路L2 投運，而支路L2 載流量小于支路L1，場景1 為保證系統在N-1 預想故障狀態下的安全運行，優化獲得的S5 裝機容量減少；在支路L3-1發生N-1 預想故障后，場景1 為保證支路L3-2的傳輸功率不過載，S6 規劃裝機容量也相應減少。但場景4 并未考慮N-1 預想故障，在新能源出力大、負荷小的場景下，線路發生故障，為輸送新能源電源功率導致支路過載。因此，在新能源規劃中考慮系統的N-1 預想故障，能夠有效避免因N-1 預想故障導致的安全問題，有利于提高系統運行安全性。

表6 場景1 和場景4 規劃結果對比Table 6 Planning results comparison of Case 1 and Case 4

3.4 靈敏度分析

表7 給出了不同典型場景聚類個數下獲得的新能源規劃結果?；诒疚母倪M的聚類算法，當峰平谷時段內典型場景聚類個數為2 時，并沒有包含全部典型場景，導致此時新能源規劃結果并未滿足系統典型場景的各類約束條件。當峰平谷時段內典型場景聚類個數為3 時，包含了系統全部典型場景，此時增加聚類個數將重復之前生成的最優典型場景，并未改變各典型場景實際值，即當聚類個數大于3 時，新能源規劃結果不再改變。這進一步驗證了本文改進的聚類算法能夠避免典型場景聚類不合理對規劃結果的影響。

表7 不同典型場景聚類個數下的新能源規劃結果Table 7 Planning results of renewable energy obtained under different cluster number of typical scenarios

表8 不同風光資源約束值下的新能源規劃結果Table 8 Planning results of renewable energy obtained under different constraints of wind and solar resources

4 結語

本文提出了一種計及靈活資源調節潛力的高壓配電網新能源接納能力評估方法，選取電網新能源接入容量最大為優化目標，綜合考慮配電網內水電和網架的靈活性調控，建立了計及系統正常運行狀態和N-1 預想故障狀態的新能源規劃模型。經過某實際電網的仿真結果表明，本文所提模型能夠挖掘靈活性資源調節潛力來優化網絡潮流，提高電網靈活性，從而提升電網的新能源接納能力。此外，在新能源電源規劃階段模擬了系統運行的N-1 預想故障狀態，有效地保證了系統運行的安全性，為未來高比例新能源發展規劃提供了良好的指導建議。