考虑源荷储匹配的配电网集群划分与优化运行

随着分布式能源大规模分散接入配电网,集中式配电网运行控制模式难以满足广泛感知、弹性可控、协调运行的需求。基于“群内自治、群间协调”的集群控制方式可以降低配电网运行控制的难度,集群划分是实现配电网分散式优化运行的关键。为此,提出一种考虑源荷储匹配的配电网集群划分方法,考虑集群内节点间功率互补特性,结合基于电气距离的模块度指标,建立兼顾集群结构性和源荷储资源匹配性的综合性能指标,实现集群的划分。针对风光出力的不确定性,将可再生能源出力偏离预测值视为一种扰动状态,构建两阶段配电网概率优化调度模型,采用同步交替方向乘子法(synchronous alternating direction method of multipliers, SADMM)进行集群优化调度。最后,以改进的IEEE 33节点系统进行算例分析,验证了所提配电网集群划分方法和分散式优化运行策略的有效性与可行性。     

高比例新能源接入的配电网集群划分及电压控制

为应对能源结构转换,解决高比例新能源接入配电网引起的过电压问题,提出了针对此类配电网的集群划分及电压控制方法.通过优化新能源电源的有功、无功功率,实现最优有功功率缩减和无功电压补偿,提出一种基于电气距离和集群电压调控能力的集群性能指标,基于此将配电网进行集群划分,并提出集群电压优化控制策略,将集群内的自主优化与群间协调优化相结合,通过仿真验证了集群划分和电压控制方案的正确性和可行性.     

含不完全量测的分布式光伏发电集群电压协调控制

针对高渗透率分布式光伏接入引起的电压越限问题以及当前配电网量测不足的现状,该文提出一种基于不完全量测数据的集群电压协调控制策略。基于群内关键节点的量测数据和群间通信数据,各集群首先通过网络简化获得含完全量测信息的简化网络,然后通过集群电压协调控制实现群内网络损耗、光伏发电损失和下游集群电压越限量的加权最小目标。所提集群电压协调控制方法能够发挥上游集群对下游集群的无功调压能力,降低个别集群为解决群内过电压而造成的分布式光伏发电损失。该文采用安徽省金寨县的一条实际10kV线路和调整的IEEE123节点案例验证所提方法的有效性和可行性。     

光伏高渗透率下分布式储能群间协同的电压控制策略

针对分布式光伏高渗透率接入配电网后引起的节点电压越限问题,提出一种基于集群划分的储能调压控制策略。该策略包含配电网集群划分和分布式储能调压控制策略两部分。首先,通过改进的模块度指标对配电网进行集群划分;然后,在计及储能功率与荷电状态（SOC）的前提下,构建储能优化调压数学模型,根据越限电压的节点所在集群所需总功率对集群内储能进行分配,确定分布式储能运行收益最大时的储能时序动作功率;最后,分析不同方案下电压的波动性、配电网网损和储能运行经济性。通过两种方案对比表明,所提策略对应的方案不仅有效控制了节点电压、减少了网损,而且取得了良好的经济性。     

基于双向动态重构与集群划分的光伏储能选址定容

为研究网络重构与集群划分对提升配电网中分布式电源规划配置水平的可能性,提出一种动态重构与集群划分的双层划分模型,同时获得最佳重构策略和集群划分方式.通过4种方案进行DPV、ESS选址定容实验,对比DPV接入容量、年综合成本等规划指标及网络损耗、电压水平等系统运行指标.结果表明,在基于该双层划分结果的DPV、ESS选址定...     

基于集群动态划分与BLSTM深度学习的风电集群短期功率预测

风电集群的整体功率预测对区域风电的优化调度具有重要意义,现有集群预测方法并未考虑集群内各风电场数值天气预报(numerical weather prediction, NWP)信息在时间序列上的差异性波动,并按此进行集群的合理划分。为此,提出了基于天气过程动态划分的风电集群短期功率预测方法。首先将96 h时间尺度的待预测样本均分成16份等时长的子样本;然后对每份子样本分别进行集群的聚类与划分;再依据划分结果构建各子样本所含子集群的训练集;最后通过双向长短期记忆(bidirectional long short-term memory,BLSTM)人工神经网络对各子集群进行功率预测。算例结果表明,所提方法在4 h超短期预测、24 h日前预测、96 h短期预测中相较统计升尺度法可分别提高1.69%、0.77%和0.59%的精度。论文研究可为风电集群划分和短期功率预测提供参考。     

基于集群划分的高渗透率分布式系统无功优化

可再生能源在电力系统的渗透率不断增长,大规模分布式电源的接入对电力系统的优化调度带来新的挑战。在考虑分布式电源大规模接入的基础上,对电力系统进行集群划分和无功优化研究。首先引入改进的电气距离的概念,以此作为聚类算法的距离量度,应用谱聚类方法,将含高渗透率分布式可再生能源系统划分为若干亚群落,并确定各集群内关键节点。再以网损和电压波动最小为优化目标,调节关键节点处光伏逆变器的无功功率,达到减小网损和稳定电压输出的目的。为求解所建立的双目标无功优化问题,提出基于改进粒子群优化算法的智能调压策略,对多个亚群落进行无功优化。将集群划分方法和无功优化策略应用于IEEE 33节点标准系统,提高了节点电压稳定性,降低了网损。针对大规模分布式能源系统,进一步提出快速智能调压策略,应用于安徽省金寨县某台区实际系统,得到良好控制效果,且在调节时间、运行成本、投入成本方面均有大幅削减。     

计及温度不确定性的配电网广义储能分层调控策略

为发挥空调负荷的调控潜力,该文将变频空调视为广义储能,提出一种计及温度不确定性的配电网广义储能分层调控策略。首先,建立变频空调广义储能模型,基于广义储能特征参数,将广义储能聚合为多个集群。在此基础上,构建广义储能集群分层调控框架,将广义储能调控分为广义储能集群调控与广义储能群内调控两层。在广义储能集群调控层面,提出配电网广义储能集群分布鲁棒优化调控策略,避免了室外温度不确定性影响用户舒适度;在广义储能群内调控层面,提出了广义储能集群群内功率分配策略,实现广义储能等效荷电状态变化的一致性。最后,基于改进的IEEE 33节点系统开展算例仿真,仿真结果表明所提的调控策略在保障用户舒适度和调控公平性的前提下降低了配电网的运行成本,提高了可再生能源的消纳水平。     

基于虚拟变电站的配电网薄弱区域集群双层规划研究

位于配电网末端的偏远山区常常由于存在供电可靠性不足的问题而被视为配电网薄弱区域,为了提高此类地区的供电可靠性,引入虚拟变电站和集群规划的概念和方法,提出了一种基于虚拟变电站的分布式电源与储能双层选址定容规划模型。上层模型以集群效能指标最大为目标,从结构性和功能性两方面对配电网薄弱区域进行集群划分,规划结果为各集群的划分方案;下层模型以考虑用户损失费用的年综合费用最小为目标,在各集群内部建设虚拟变电站,规划结果是集群内分布式电源的接入位置及容量、储能装置的接入容量及功率;针对集群规划模型的特性,文章提出计及孤岛运行的用户停电损失费用计算方法,并以双层迭代的混合粒子群算法进行求解。算例部分以云南含分布式小水电的某典型场景为例,验证了所提模型的可行性和求解方法的有效性。     

基于虚拟变电站的配电网薄弱区域集群双层规划研究

位于配电网末端的偏远山区常常由于存在供电可靠性不足的问题而被视为配电网薄弱区域,为了提高此类地区的供电可靠性,引入虚拟变电站和集群规划的概念和方法,提出了一种基于虚拟变电站的分布式电源与储能双层选址定容规划模型。上层模型以集群效能指标最大为目标,从结构性和功能性两方面对配电网薄弱区域进行集群划分,规划结果为各集群的划分方案;下层模型以考虑用户损失费用的年综合费用最小为目标,在各集群内部建设虚拟变电站,规划结果是集群内分布式电源的接入位置及容量、储能装置的接入容量及功率;针对集群规划模型的特性,文章提出计及孤岛运行的用户停电损失费用计算方法,并以双层迭代的混合粒子群算法进行求解。算例部分以云南含分布式小水电的某典型场景为例,验证了所提模型的可行性和求解方法的有效性。     

基于集群的主动配电网双层分布式优化调度策略研究

随着主动配电网中大量分布式能源资源的接入,传统的集中式调控架构体系将无法有效处理这些分布式单元,因此有必要对主动配电网分布式资源集群优化调度开展研究。以基于多智能体架构的主动配电网为研究对象,根据“群内自治、群间协调”的分级调控思想,提出一种基于“源-荷”集群功率偏差的双层分布式优化调度策略。在上层全局优化阶段,提出基于“源-荷”集群功率偏差的改进一致性算法对各集群间进行分布式协调优化;在下层局部优化阶段,基于分布式一致性算法对各分布式单元进行协调优化,获取最优效益下“源-荷”需求,同时对所提策略的收敛性进行证明。通过IEEE 33节点系统验证所提策略的有效性和合理性。     

基于动态实时电价的电动汽车集群分层优化调度

针对大量电动汽车接入电网后的无序充放电对电网造成的不利影响,提出了一种基于实时电价的双层优化调度模型,根据接入电动汽车的可充放电时间段,将其划分为若干个集群,在保证配电网经济安全运行的同时,满足车主充电需求。该调度模型上层以负荷曲线方差及实时电价下用户的充放电总成本最小为目标,采用粒子群算法求解得到集群的实时最优充放电功率,并将集群的电动汽车充放电负荷与电价联动调整;下层引入充放电优先级指数,利用能量缓冲一致性算法,制定出集群内的各辆电动汽车的实时充放电策略。以典型的区域配电网负荷数据为例,通过仿真验证了所搭建的集群优化模型和求解算法的实用性和有效性。     

基于改进粒子群算法的分布式光伏集群划分与无功优化策略

分布式光伏系统在电网中的应用越来越广泛,光伏波动性强,稳定性差,其大规模接入不仅增加了配电网结构的复杂性,而且使电力系统的调节更加困难,给电网运行带来不利的影响.本文主要研究了含大规模分布式电源配电网的集群划分和无功优化问题.首先应用PSO改进的K-means聚类算法,找出较好的初始聚类中心,然后根据节点间的电气距离,对配电网进行集群划分.以节点的电压偏移总量和线路的有功损耗最小作为目标,采用动态调整粒子群算法对电力系统进行无功优化.最后在Matlab平台上仿真验证了所提集群划分和无功优化方法的有效性.     

基于潮流分布特性的含小水电配电网孤岛就地划分策略

小水电集群接入的配电网发生严重故障时,解列后形成的孤岛电网与主网相比规模较小且功率支撑不足。为了确保孤岛系统的电能质量和运行稳定性,对含小水电集群配电网故障后的孤岛划分问题进行分析,研究基于潮流分布特性的配电网孤岛就地划分策略。首先对含小水电集群配电网模型进行分区等效与简化,再根据各区段潮流的大小,按照正时限特性确定分段开关动作时间,并根据孤岛频率变化率越限情况进行切机、切负荷。最后,在PSCAD/EMTDC平台搭建含小水电集群的IEEE 14节点配电网模型进行仿真验证,结果表明所提策略可以在不依赖通信的情况下生成功率差额最小孤岛,并能保证所生成孤岛系统的频率稳定。     

考虑电站集群与发电时变特性的风光出力描述方法

风光电站群“点多面广”及发电间歇性、波动性带来大规模并网消纳挑战，如何对风光电站合理分组并准确刻画风光集群出力特性是解决这一挑战的重要途径。依托云南电网实际工程，提出考虑电站集群与发电时变特性的风光出力描述方法。构建了电站群出力互补准则，采用凝聚层次聚类方法进行集群划分，刻画了互补性指标与集群数量二维关系，以确定合理的集群划分方式；引入时变特性，提出集群电站时序出力分段方差最小目标，利用分裂层次聚类确定最优分段及时段数量，建立了分段差异化集群出力概率密度分布函数。采用21座风、光电站实际工程数据进行验证，给出了单一类型电站集群和风光电站混合集群3个实例，结果表明90%置信区间的可靠性均超过92%，与单站调度方式相比，平均区间宽度分别减小29%、33%、43%，与全时段统一描述方式相比，前述区间宽度分别减小7%、34%、9%，呈现出较好的可靠性、集中度和实用性。     

基于合作博弈的风光储集群协同优化调度模型

为降低自配储能的风光电站集群的弃风弃光问题,提高电站集群收益,提出一种基于合作博弈的风光储集群协同优化调度模型。首先,设计了风光储集群联盟的工作机制;其次,建立了考虑电站售电收益、减少弃风弃光惩罚收益、减少计划发电误差惩罚收益和输电成本的风光储集群联盟收益模型;在此基础上,建立了基于合作博弈的风光储集群协同优化调度模型,并利用粒子群优化算法求解协同优化模型;然后,基于Shapley值给出风光储集群联盟收益分配策略。最后,基于实际风光电站集群的出力数据进行算例分析,结果表明本文提出调度模型能够有效提高风光储集群联盟的收益,并保障集群联盟的稳定性。     

考虑灵活性供需平衡及响应速度的分布式电源集群划分方法

大规模分布式电源（distributed generation,DG）接入电网给电力系统传统集中式调控带来困难。为进一步提升分布式电源集群（distributed generation cluster,DGC）灵活性分布式调控,提出一种考虑DGC供需平衡及响应速度的集群划分方法。首先进行了集群爬坡灵活性分析,提出了功率分配策略以满足调频灵活性需求;接着,提出了DGC供需平衡指标以及响应速度指标,得到了集群划分方法;最后,基于IEEE 33节点算例验证了所提方法的有效性。     

大规模电动汽车集群分层实时优化调度

为解决电动汽车的大规模实时优化调度问题,根据接入电动汽车不同的期望充电完成时间,将其划分为若干个不同优先级的电动汽车集群,在满足车主充电需求、配电网安全运行的同时,建立了考虑电动汽车充放电的大规模集群实时优化调度模型。该调度模型主要分为两个层次:首先,采用灰狼优化(GWO)算法对上层调度进行求解,从而获得各个电动汽车集群的充放电策略;然后,利用提出的能量缓冲一致性算法,制定出集群内的各辆电动汽车的底层充放电策略。仿真算例表明:所搭建的集群优化模型能明显降低电动汽车的大规模实时优化调度难度,同时,GWO算法和能量缓冲一致性算法在求解电动汽车的大规模优化调度问题上,更具有实用性和快速性。     

新能源集群动态划分研究

现有研究对新能源集群划分缺乏有效策略,以区域光伏发电站与风力发电站为研究对象,从电站集群聚合平滑效应产生机理展开研究。首先提出趋势不一致性系数来衡量光伏电站出力变化的不一致性,并以此刻画光伏电站的平滑效应。然后将趋势不一致性作为相似性的度量标准,采用层次聚类法对光伏电站进行集群划分。最后依据单个并网点下接入的新能源场站的种类不同,提出不同新能源集群划分方法。利用云南地区多个新能源场站,验证方案可行性和优异性。     

基于相邻经验粒子群算法的风电场集群无功电压分层控制策略

针对风电场集群的运行特点,提出了一种适用于风电场集群的无功电压分层控制策略。该策略分为2层:整定层根据风电场集群并网点电压确定所需无功功率;分配层利用风场各支路中节点电压确定参与无功功率分配的风机数量,计算风机和补偿设备的无功功率。分配层降低了优化算法的输入量,提高了收敛速度。同时提出了一种基于上述控制策略特点的改进粒子群算法-相邻经验粒子群算法,该算法通过在速度更新公式中加入相邻风机支路的优化结果,进一步提高算法的收敛速度。算例分析表明,该策略在提高优化算法收敛速度的基础上,能够对风电场集群内的节点电压及网损进行优化。