留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

考虑风荷波动相似度的广义储能和输电网协同规划

李宏仲 付国

李宏仲, 付国. 考虑风荷波动相似度的广义储能和输电网协同规划[J]. 现代电力, 2021, 38(2): 213-220. doi: 10.19725/j.cnki.1007-2322.2020.0415
引用本文: 李宏仲, 付国. 考虑风荷波动相似度的广义储能和输电网协同规划[J]. 现代电力, 2021, 38(2): 213-220. doi: 10.19725/j.cnki.1007-2322.2020.0415
Hongzhong LI, Guo FU. Collaborative Planning of Generalized Energy Storage and Transmission Network Considering Wind Load Fluctuation Similarity[J]. Modern Electric Power, 2021, 38(2): 213-220. doi: 10.19725/j.cnki.1007-2322.2020.0415
Citation: Hongzhong LI, Guo FU. Collaborative Planning of Generalized Energy Storage and Transmission Network Considering Wind Load Fluctuation Similarity[J]. Modern Electric Power, 2021, 38(2): 213-220. doi: 10.19725/j.cnki.1007-2322.2020.0415

考虑风荷波动相似度的广义储能和输电网协同规划

doi: 10.19725/j.cnki.1007-2322.2020.0415
详细信息
    作者简介:

    李宏仲(1977),男,博士,副教授,硕士生导师,主要研究方向:非水RES发电消纳与控制,电力系统广义储能的协调规划,电力系统可靠性与灵活性分析。E-mail:lhz_ab@263.net

    付国(1995),男,通信作者,硕士,主要研究方向:可再生能源发电预测,电力系统广义储能协调规划。E-mail:fg572742018@163.com

  • 中图分类号: TM726

Collaborative Planning of Generalized Energy Storage and Transmission Network Considering Wind Load Fluctuation Similarity

  • 摘要: 由于风电和负荷的不匹配导致日净负荷的峰谷差增大, 引发输电堵塞和增加电网调峰压力,通过调控广义储能资源可以降低高风电渗透率下净负荷峰谷差过大、输电网短时阻塞的问题。首先,根据规划年各日净负荷波动曲线之间的相似度将其聚合为不同的场景;其次,以输电网和广义储能的投资成本、刚性负荷波动曲线与各节点广义储能出力曲线之间的相似度为优化目标,选择每种聚合结果中最大的日净负荷曲线作为典型场景,通过优化求解得到日净负荷波动趋势和经济性皆优的输电网和广义储能规划方案;最后,采用修正的Garver-6 节点系统验证了此方法的有效性。
  • 图  1  广义储能和输电网协同规划求解流程

    Figure  1.  Solving flowchart of collaborative planning of generalized energy storage and transmission network

    图  2  日净负荷的典型场景

    Figure  2.  Typical scenario of daily net load

    图  3  本文模型不同方案下的规划边界

    Figure  3.  Planning boundaries under different schemes of the proposed model

    图  4  不同相似度下投资成本和储能配置容量关系图

    Figure  4.  Relationship between investment cost and energy storage capacity under different similarity

    图  5  3种规划方案对比接线图

    Figure  5.  Three comparative wiring diagrams for three planning schemes

    A1  各节点日净负荷典型场景

    A1.  Typical scenario of daily net load of each node

    表  1  波动趋势划分依据

    Table  1.   Dividing evidence of fluctuation trend

    波动趋势波动趋势划分条件
    td1$\begin{array}{l} (\alpha \times ({V_{\max }} - {V_{\min }}) < ({V_2} - {V_1}))\& \& (\alpha \times ({V_{\max }} - \\ {V_{\min }}) < ({V_3} - {V_2}))||(\alpha \times ({V_{\max }} - {V_{\min }}) < ({V_3} - {V_2})) \\ \& \& (\alpha \times ({V_{\max }} - {V_{\min }}) > fabs({V_2} - {V_1}))||(\alpha \times ({V_{\max }} \\ - {V_{\min }}) < ({V_2} - {V_1}))\& \& (\alpha \times ({V_{\max }} - {V_{\min }}) > fabs({V_3} - {V_2})) \\ \end{array} $
    td2$\begin{array}{l} (\alpha \times ({V_{\max }} - {V_{\min }}) < ({V_1} - {V_2}))\& \& (\alpha \times ({V_{\max }} - \\ {V_{\min }}) < ({V_2} - {V_3}))||(\alpha \times ({V_{\max }} - {V_{\min }}) < ({V_1} - {V_2})) \\ \& \& (\alpha \times ({V_{\max }} - {V_{\min }}) > fabs({V_3} - {V_2}))||(\alpha \times ({V_{\max }} \\ - {V_{\min }}) < ({V_2} - {V_3}))\& \& (\alpha \times ({V_{\max }} - {V_{\min }}) > fabs({V_2} - {V_1})) \\ \end{array} $
    td3$\begin{array}{l} (\alpha \times ({V_{\max }} - {V_{\min }}) < ({V_2} - {V_1}))\& \& \\ (\alpha \times ({V_{\max }} - {V_{\min }}) > ({V_2} - {V_3})) \\ \end{array} $
    td4$\begin{array}{l} (\alpha \times ({V_{\max }} - {V_{\min }}) < ({V_1} - {V_2}))\& \& \\ (\alpha \times ({V_{\max }} - {V_{\min }}) < ({V_3} - {V_2})) \\ \end{array} $
    td5$\begin{array}{l} (\alpha \times ({V_{\max }} - {V_{\min }}) > fabs({V_2} - {V_1}))\& \& \\ (\alpha \times ({V_{\max }} - {V_{\min }}) > fabs({V_3} - {V_2})) \\ \end{array} $
    下载: 导出CSV

    表  2  算例所需参数

    Table  2.   P Parameters required by the calculation example

    参数名称价格
    线路单价100万元/km
    弃风电量损失0.083万元/MW·h
    储能单位容量成本150万元/MW
    储能使用寿命10年
    变流器单位功率造价50万元/MW
    储能单位容量运维处置成本24万元/MW·h
    规划期5年
    下载: 导出CSV

    表  3  各场景概率

    Table  3.   Probability of each scenario

    场景场景A场景B场景C场景D场景E场景F
    概率27.5%15.2%14.7%8.6%10.5%23.5%
    下载: 导出CSV

    表  4  修改后的 Garver6节点系统的确定性输电网规划方案

    Table  4.   Modified deterministic transmission network planning for Garver 6-buses system

    方案新建线路成本(亿元)
    确定性规划1-5(2)、2-3(3)、2-6(4)
    3-5(2)、4-6(2)
    6.514
    下载: 导出CSV

    表  5  Garver6节点系统的输储协同规划方案

    Table  5.   Collaborative planning scheme for transmission network and energy storage for Garver 6-buses system

    相似度新建线路储能配置(MW)成本(亿元)
    −0.71-5(1),2-3(2)
    2-6(3),3-5(2)
    4-6(2)
    1(17)3(26)
    6(40)
    5.56
    −0.81-5(1),2-3(2)
    2-6(2),3-5(1)
    4-6(2)
    1(20)3(35)
    4(30)6(100)
    6.24
    −0.91-5(1),2-3(1)
    2-6(2),3-5(1)
    4-6(1)
    1(20)2(20)
    3(45)4(50)
    5(20)6(100)
    8.07
    下载: 导出CSV

    表  6  不同方案下各节点的规划边界

    Table  6.   Planning boundary of each node under different schemes

    方案节点1节点2节点3节点4节点5节点6
    10.820.780.810.920.770.83
    20.750.670.730.860.650.76
    30.750.670.730.860.650.76
    下载: 导出CSV

    表  7  Garver6节点系统的广义储能和输电网协同规划方案

    Table  7.   Cooperative planning scheme for generalized energy storage and transmission network for Garver 6-buses system

    相似度新建线路储能配置(MW)成本(亿元)
    −0.71-5(1),2-3(2)
    2-6(2),3-5(1)
    4-6(2)
    6(40)4.85
    −0.81-5(1),2-3(1)
    2-6(2),3-5(1)
    4-6(2)
    1(15),3(35),
    6(60)
    4.42
    −0.91-5(1),2-3(1)
    2-6(2),3-5(1)
    4-6(1)
    1(15),2(15),
    3(40),4(35),
    5(10),6(60)
    6.79
    下载: 导出CSV

    A1  Garver-6节点系统输电线路数据

    A1.   Transmission line data of Garver 6-buses system

    编号 走廊 电抗/p.u. 容量/MW 长度/km 已有条数 可扩建条数
    1 1-2 0.4 100 40 1 3
    2 1-3 0.38 100 38 0 4
    3 1-4 0.60 80 60 1 3
    4 1-5 0.20 100 20 1 3
    5 1-6 0.68 70 68 0 4
    6 2-3 0.20 100 20 1 3
    7 2-4 0.40 100 40 1 3
    8 2-5 0.31 100 31 0 4
    9 2-6 0.30 100 30 0 4
    10 3-4 0.59 82 59 0 4
    11 3-5 0.20 100 20 1 3
    12 3-6 0.48 100 48 0 4
    13 4-5 0.63 75 63 0 4
    14 4-6 0.30 100 30 0 4
    15 5-6 0.61 78 61 0 4
    下载: 导出CSV

    A2  Garver-6节点系统火电厂数据

    A2.   Thermal power plant data of Garver 6-buses system

    发电厂节点 最小出力/MW 最大出力/MW 爬坡率/(MW/h)
    1 120 228 22.8
    3 330 627 62.7
    下载: 导出CSV

    A3  Garver-6节点系统最大负荷

    A3.   Maximum system load of Garver 6-buses system

    负荷节点 最大负荷/MW 负荷节点 最大负荷/MW
    1 80 4 120
    2 200 5 220
    3 40 6 100
    下载: 导出CSV
  • [1] 国家发展和改革委员会能源所. 中国2050高比例可再生能源发展情景暨路径研究[R]. 2015.
    [2] 刘刚, 郭春雨, 蔡文彬, 等. 基于可控负荷提升风电接纳能力的优化调度[J]. 现代电力, 2020, 37(02): 171−179.

    LIU Gang, GUO Chunyu, CAI Wenbin, et al. Optimized scheduling for improving wind power accommodation ability based on controllable load[J]. Modern Electric Power, 2020, 37(02): 171−179(in Chinese).
    [3] 林俐, 周鹏, 王世谦, 等. 考虑相关性的地区风电出力对调峰容量的影响分析[J]. 现代电力, 2016, 33(06): 21−26. doi:  10.3969/j.issn.1007-2322.2016.06.004

    LIN Li, ZHOU Peng, WANG Shiqian, et al. Analysis impact on regional wind power to peak regulation capacity by considering the correlation[J]. Modern Electric Power, 2016, 33(06): 21−26(in Chinese). doi:  10.3969/j.issn.1007-2322.2016.06.004
    [4] 黄英, 刘宝柱, 王坤宇, 等. 考虑风电接纳能力的储输联合规划[J]. 电网技术, 2018, 42(05): 1480−1489.

    HUANG Ying, LIU Baozhu, WANG Kunyu, et al. Joint planning of energy storage and transmission network considering wind power accommodation capability[J]. Power System Technology, 2018, 42(05): 1480−1489(in Chinese).
    [5] 沙强益, 王维庆. 基于机会约束的考虑N–1安全约束的储能优化配置方法[J]. 工程科学与技术, 2019, 51(04): 147−156.

    SHA Qiangyi, WANG Weiqing. Optimal allocation of energy storage considering N-1 Security Constraints Based on Chance Constraints[J]. Advance Engineering Science, 2019, 51(04): 147−156(in Chinese).
    [6] Hu Z, Zhang F, Li B. Transmission expansion planning considering the deployment of energy storage systems[C]//2012 IEEE Power and Energy Society General Meeting. IEEE, 2012: 1-6.
    [7] Macrae C A G, Ernst A T, Ozlen M. A Benders decomposition approach to transmission expansion planning considering energy storage[J]. Energy, 2016, 112(oct. 1): 795−803.
    [8] Zhang X, Conejo A J. Coordinated Investment in Transmission and Storage Systems Representing Long- and Short-term Uncertainty[J]. IEEE Transactions on Power Systems, 2018, 33(6): 7143−7151. doi:  10.1109/TPWRS.2018.2842045
    [9] Dehghan S, Amjady N. Robust Transmission and Energy Storage Expansion Planning in Wind Farm-Integrated Power Systems Considering Transmission Switching[J]. IEEE Transactions on Sustainable Energy, 2016, 7(2): 765−774. doi:  10.1109/TSTE.2015.2497336
    [10] 孙伟卿, 刘唯, 裴亮, 等. 高比例可再生能源背景下考虑储能系统价值的储-输多阶段联合规划[J/OL]. 高电压技术: 1-11[2020-09-11].

    SUN Weiqing, LIU Wei, PEI Liang, et al. Multistage energy storage-transmission network joint planning considering the system value of energy storage under the background of high penetration renewable energy [J/OL]. High voltage engineering: 1-11 [2020-09-11]. (in Chinese).
    [11] 郑静, 文福拴, 李力, 等. 计及风电场和储能系统联合运行的输电系统扩展规划[J]. 电力系统自动化, 2013, 37(01): 135−142.

    ZHENG Jing, WEN Fushuan, LI Li, et al. Transmission system expansion planning considering combined operation of wind farms and energy storage systems[J]. Automation of Electric Power Systems, 2013, 37(01): 135−142(in Chinese).
    [12] 郭铭群, 赵鹏飞, 孙珂, 等. N-K重故障下输储协同规划模型及算法[J/OL]. 电网技术: 1-10[2020-07-06].

    GUO Mingqun, ZHAO Pengfei, SUN Ke, et al. N-K Contingencies Considered Joint Planning of Energy Storage and Transmission Expansion Problem: Model and Algorithm [J/OL]. Power System Technology: 1-10 [2020-07-06]. (in Chinese).
    [13] 李昀昊, 王建学, 曹晓宇, 等. 面向风电场-储能-输电网联合规划的机会约束IGDT模型[J]. 电网技术, 2019, 43(10): 3715−3724.

    LI Yunhao, WANG Jianxue, CAO Xiaoyu, et al. A chance-constrained IGDT model for joint planning of wind farm, energy storage and transmission[J]. Power System Technology, 2019, 43(10): 3715−3724(in Chinese).
    [14] Dvorkin Y, Ricardo F B C, Wang Y, et al. Co-planning of Investments in Transmission and Merchant Energy Storage[J]. IEEE transactions on power systems, 2018, 33(1): 245−256. doi:  10.1109/TPWRS.2017.2705187
    [15] 李宏仲, 房宇娇, 肖宝辉. 考虑广义储能的区域综合能源系统优化运行研究[J]. 电网技术, 2019, 43(09): 3130−3138.

    LI Hongzhong, FANG Yujiao, XIAO Baohui. Research on optimized operation of regional integrated energy system considering generalized energy storage[J]. Power System Technology, 2019, 43(09): 3130−3138(in Chinese).
    [16] 李宏仲, 吕梦琳, 胡列翔, 等. 考虑广义储能的微电网联合规划[J]. 电力自动化设备, 2020, 40(07): 149−160.

    LI Hongzhong, LV Menglin, HU Liexiang, et al. Joint planning of microgrid considering generalized energy storage[J]. Electric Power Automation Equipment, 2020, 40(07): 149−160(in Chinese).
    [17] 茆美琴, 刘云晖, 张榴晨, 等. 含高渗透率可再生能源的配电网广义储能优化配置[J]. 电力系统自动化, 2019, 43(08): 77−88.

    MAO Meiqin, LIU Yunhui, ZHANG Liuchern, et al. Optimal allocation of generalized energy storage in distribution network with high-penetration renewable energy[J]. Automation of Electric Power Systems, 2019, 43(08): 77−88(in Chinese).
    [18] 古哲源, 苏小林, 秦宏, 等. 考虑广义电储能的综合能源系统多目标规划[J]. 供用电, 2020, 37(7): 73−80 + 87.

    GU Zheyuan, SU Xiaolin, QIN Hong, et al. Multi objective planning of integrated energy system considering generalized energy storage[J]. Distribution& Utilization, 2020, 37(7): 73−80 + 87(in Chinese).
    [19] 肖瑞, 刘国华. 基于趋势的时间序列相似性度量和聚类研究[J]. 计算机应用研究, 2014, 31(09): 2600−2605. doi:  10.3969/j.issn.1001-3695.2014.09.009

    XIAO Rui, LIU Guohua. Research on trend-based time series similarity measure and cluster[J]. Application Research of Computers, 2014, 31(09): 2600−2605(in Chinese). doi:  10.3969/j.issn.1001-3695.2014.09.009
    [20] 陈海燕, 刘晨晖, 孙博. 时间序列数据挖掘的相似性度量综述[J]. 控制与决策, 2017, 32(01): 1−11.

    CHEN Haiyan, LIU Chenhui, SUN Bo. Survey on similarity measurement of time series data mining[J]. Control and Decision, 2017, 32(01): 1−11(in Chinese).
    [21] 薛源, 孙小东, 张嵩. 采用广度优先搜索邻居聚类的通信信号调制识别[J]. 电讯技术, 2015, 55(1): 13−18. doi:  10.3969/j.issn.1001-893x.2015.01.003

    XUE Yuan, SUN Xiaodong, ZHANG Song. Modulation classification of communication signals based on broad first search neighbors clustering[J]. Telecommunication Engineering, 2015, 55(1): 13−18(in Chinese). doi:  10.3969/j.issn.1001-893x.2015.01.003
    [22] 钱江波, 董逸生. 一种基于广度优先搜索邻居的聚类算法[J]. 东南大学学报(自然科学版), 2004(01): 109−112. doi:  10.3321/j.issn:1001-0505.2004.01.026

    QIAN Jiangbo, DONG Yisheng. A clustering algorithm based on broad first searching neighbors[J]. Journal of Southeast University(Natural Science Edition), 2004(01): 109−112(in Chinese). doi:  10.3321/j.issn:1001-0505.2004.01.026
  • [1] 张赟宁, 石泽.  基于快速搜索与发现密度峰值聚类算法的含有分布式光伏的配电网电压分区协调控制 . 现代电力, 2020, 37(1): 35-41. doi: 10.19725/j.cnki.1007-2322.2019.0263
    [2] 李达, 叶圣永, 韩宇奇, 刘洁颖, 陈博, 王惠如, 郭创新.  计及需求侧响应的电-气耦合配网协同规划 . 现代电力, 2020, 37(1): 83-89. doi: 10.19725/j.cnki.1007-2322.2019.0237
    [3] 李志强, 李赛, 王凡凯.  平抑风电波动的混合储能系统自适应控制策略 . 现代电力, 2020, 37(6): 646-653. doi: 10.19725/j.cnki.1007-2322.2019.0949
    [4] 叶刚进, 孙可, 杨翾, 徐强, 吴梦遥, 陆海波, 张志鹏.  飞轮储能式电动汽车充电站的分布式协同控制策略 . 现代电力, 2020, 37(5): 526-531. doi: 10.19725/j.cnki.1007-2322.2020.0120
    [5] 程杉, 赵孟雨, 倪凯旋, 魏昭彬.  考虑广义需求侧资源的微电网规划设计 . 现代电力, 2020, 37(2): 180-186. doi: 10.19725/j.cnki.1007-2322.2019.0674
    [6] 孙旻, 张大, 曾伟, 彭春华.  计及光伏消纳率的分布式光伏电源双层多场景规划 . 现代电力, 2019, 36(2): 17-24.
    [7] 王雁凌, 马洪宇, 成一平, 梁冰.  基于支持向量回归和K均值聚类的降温负荷组合测算模型 . 现代电力, 2019, 36(3): 51-57.
    [8] 卢芳, 王晓梅, 李勇钢, 殷爽睿, 艾芊, 刘祥波, 杨小婷.  考虑多种储能的微能源网多时间尺度协同调度 . 现代电力, 2019, 36(5): 39-46.
    [9] 曾楠, 许元斌, 罗义旺, 刘青, 刘燕秋, 张欢.  基于分布式聚类模型的电力负荷特性分析 . 现代电力, 2018, 35(1): 71-77.
    [10] 刘扬, 徐潇源, 马洪艳, 严正.  基于谱聚类与功率传输分布因子的电网静态等值 . 现代电力, 2018, 35(3): 24-31.
    [11] 班国邦, 徐玉韬, 谢百明, 谈竹奎, 赵武智, 齐雪雯, 吴家宏, 吴恒.  交直流混合微电网源储协同优化配置 . 现代电力, 2018, 35(5): 17-23.
    [12] 李卿, 杨国华, 唐浩, 王鹏珍, 王岳, 董晓宁, 杨涌涛.  考虑蓄电池SOC安全范围的混合储能平抑风光功率波动策略 . 现代电力, 2018, 35(3): 84-89.
    [13] 卢锦玲, 赵大千, 任 惠, 孙辰军.  考虑储能和无功补偿的主动配电网分布式电源规划 . 现代电力, 2017, 34(4): 59-64.
    [14] 吴 琴, 钟 庆, 王 钢, 李海锋.  基于模糊C均值聚类的风电场多机等值方法 . 现代电力, 2016, 33(6): 27-32.
    [15] 李 娜, 王 磊, 张文月, 王玉玮, 舒 艳, 张 超.  基于高维数据优化聚类的长周期峰谷时段划分模型研究 . 现代电力, 2016, 33(4): 67-71.
    [16] 贾鹏飞, 李卫国, 高兴军, 曹文彬.  平抑风电功率波动的电池储能系统模糊控制方法 . 现代电力, 2014, 31(3): 7-11.
    [17] 靳文涛, 马会萌, 李建林, 惠东.  电池储能系统平抑光伏功率波动控制方法研究 . 现代电力, 2013, 30(6): 21-26.
    [18] 徐志凡, 侯丽丽.  基于模糊聚类最大树算法的电网建设项目造价风险的关键因素识别 . 现代电力, 2011, 28(3): 90-94.
    [19] 孙丙香, 姜久春, 时 玮, 张维戈.  钠硫电池储能应用现状研究 . 现代电力, 2010, 27(6): 62-65.
    [20] 王亚婧, 刘 禾, 兰立刚.  基于灰色聚类和支持向量机的火电厂安全评价 . 现代电力, 2010, 27(3): 61-65.
  • 加载中
图(6) / 表 (10)
计量
  • 文章访问数:  25
  • HTML全文浏览量:  7
  • PDF下载量:  7
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-12-08
  • 网络出版日期:  2021-04-09
  • 刊出日期:  2021-04-10

考虑风荷波动相似度的广义储能和输电网协同规划

doi: 10.19725/j.cnki.1007-2322.2020.0415
    作者简介:

    李宏仲(1977),男,博士,副教授,硕士生导师,主要研究方向:非水RES发电消纳与控制,电力系统广义储能的协调规划,电力系统可靠性与灵活性分析。E-mail:lhz_ab@263.net

    付国(1995),男,通信作者,硕士,主要研究方向:可再生能源发电预测,电力系统广义储能协调规划。E-mail:fg572742018@163.com

  • 中图分类号: TM726

摘要: 由于风电和负荷的不匹配导致日净负荷的峰谷差增大, 引发输电堵塞和增加电网调峰压力,通过调控广义储能资源可以降低高风电渗透率下净负荷峰谷差过大、输电网短时阻塞的问题。首先,根据规划年各日净负荷波动曲线之间的相似度将其聚合为不同的场景;其次,以输电网和广义储能的投资成本、刚性负荷波动曲线与各节点广义储能出力曲线之间的相似度为优化目标,选择每种聚合结果中最大的日净负荷曲线作为典型场景,通过优化求解得到日净负荷波动趋势和经济性皆优的输电网和广义储能规划方案;最后,采用修正的Garver-6 节点系统验证了此方法的有效性。

English Abstract

李宏仲, 付国. 考虑风荷波动相似度的广义储能和输电网协同规划[J]. 现代电力, 2021, 38(2): 213-220. doi: 10.19725/j.cnki.1007-2322.2020.0415
引用本文: 李宏仲, 付国. 考虑风荷波动相似度的广义储能和输电网协同规划[J]. 现代电力, 2021, 38(2): 213-220. doi: 10.19725/j.cnki.1007-2322.2020.0415
Hongzhong LI, Guo FU. Collaborative Planning of Generalized Energy Storage and Transmission Network Considering Wind Load Fluctuation Similarity[J]. Modern Electric Power, 2021, 38(2): 213-220. doi: 10.19725/j.cnki.1007-2322.2020.0415
Citation: Hongzhong LI, Guo FU. Collaborative Planning of Generalized Energy Storage and Transmission Network Considering Wind Load Fluctuation Similarity[J]. Modern Electric Power, 2021, 38(2): 213-220. doi: 10.19725/j.cnki.1007-2322.2020.0415
    • 为实现绿色可持续发展,我国正大力开发可再生能源,并提出了2050年可再生能源占比60%的发展蓝图[1]。但是大规模可再生能源接入势必给电力系统带来重大影响,一是风电异地消纳造成的输电阻塞问题[2],二是日净负荷峰谷差过大增加了电网调峰压力[3]

      在电网中合理配置储能的位置和容量,可以改变负荷和风电的时空特性,进而改变电网的传输性能,解决输电线路短时过负荷的问题。在输电网规划中兼顾储能规划可以有效提升电网规划的经济性和安全性。文献[4-5]考虑储能和可再生能源之间的互补性,以综合成本最低为目标构建输储规划模型;文献[6]在输电扩展规划中考虑了商业化学储能的选址和规模,构造了兼顾投资者利益的3层规划模型;文献[7]考虑储能可以延缓电网建设,采用虚拟成本验证输储规划的经济性,但此模型忽略了时间维度;文献[8-9]聚类规划年的时序数据,基于典型日场景,优化布局储能和输电网架;文献[10]综合考虑储能在降低网损、延缓新建、提高可靠性、平抑风电波动以及减少旋转备用等多方面价值,建立经济性最优的储输多阶段规划模型;在安全性方面,文献[11]提出风-储联合运行的输储规划模型,通过平抑风电功率波动,提高电网运行的安全性;文献[12]从储能提升电网安全性的角度,构建了应对多重故障情况下的规划模型;文献[13-14]为了应对负荷-风电不确定性变量的极端情况,从规划和调度两阶段确定最优的输储规划方案。

      以上输电网和传统储能协同规划研究体现了储能在电网规划中的多方面价值,但是传统储能的较高投资成本限制了其在电力系统中的大规模应用。文献[15]对传统储能的概念进一步扩展,把能够改变能量时空分布的设备或措施(实际储能和可控负荷)统称为广义储能。目前,广义储能和微电网、配电网、综合能源系统的协调规划已取得较多的研究成果。如文献[16]在微电网规划中合理配置广义储能,减少了一次设备的投资,提升微电网运行的灵活性;文献[17]在高比例可再生能源的配电网中配置广义储能,不但降低不平衡电量增加的交易费用,还有效减少实际储能的配置;文献[18]通过优化配置综合能源系统中的广义储能设备,既提升了各种能源的利用效率,也降低了综合能源系统的投资成本。

      通过调控电网中的广义储能,可以降低净负荷的峰值和平缓净负荷波动,从而改变线路潮流传输。本文计及广义储能对输电网规划边界的影响,以电网规划运行成本、刚性负荷波动曲线与广义储能出力曲线之间的相似度为优化目标,通过合理布局广义储能改善净负荷曲线的峰谷差,缓解部分线路短时阻塞问题,降低电网建设成本和设备容量的冗余度。

    • 日净负荷波动趋势判断时,将3个连续的时序数据作为一个波动区间,将1d划分为T/3个波动区间,波动区间内可能存在的趋势分别为上升$t{d_1}$、下降$t{d_2}$、上凸$t{d_3}$、下凹$t{d_4}$、平稳$t{d_5}$,每种日净负荷波动趋势的划分依据[19]表1所示。表1${V_1}$${V_2}$${V_3}$分别为波动区间的起始值、中间值和结束值;${V_{\min }}$${V_{\max }}$为波动区间的最小值和最大值;$\alpha $为趋势系数;fabs为绝对值函数。

      表 1  波动趋势划分依据

      Table 1.  Dividing evidence of fluctuation trend

      波动趋势波动趋势划分条件
      td1$\begin{array}{l} (\alpha \times ({V_{\max }} - {V_{\min }}) < ({V_2} - {V_1}))\& \& (\alpha \times ({V_{\max }} - \\ {V_{\min }}) < ({V_3} - {V_2}))||(\alpha \times ({V_{\max }} - {V_{\min }}) < ({V_3} - {V_2})) \\ \& \& (\alpha \times ({V_{\max }} - {V_{\min }}) > fabs({V_2} - {V_1}))||(\alpha \times ({V_{\max }} \\ - {V_{\min }}) < ({V_2} - {V_1}))\& \& (\alpha \times ({V_{\max }} - {V_{\min }}) > fabs({V_3} - {V_2})) \\ \end{array} $
      td2$\begin{array}{l} (\alpha \times ({V_{\max }} - {V_{\min }}) < ({V_1} - {V_2}))\& \& (\alpha \times ({V_{\max }} - \\ {V_{\min }}) < ({V_2} - {V_3}))||(\alpha \times ({V_{\max }} - {V_{\min }}) < ({V_1} - {V_2})) \\ \& \& (\alpha \times ({V_{\max }} - {V_{\min }}) > fabs({V_3} - {V_2}))||(\alpha \times ({V_{\max }} \\ - {V_{\min }}) < ({V_2} - {V_3}))\& \& (\alpha \times ({V_{\max }} - {V_{\min }}) > fabs({V_2} - {V_1})) \\ \end{array} $
      td3$\begin{array}{l} (\alpha \times ({V_{\max }} - {V_{\min }}) < ({V_2} - {V_1}))\& \& \\ (\alpha \times ({V_{\max }} - {V_{\min }}) > ({V_2} - {V_3})) \\ \end{array} $
      td4$\begin{array}{l} (\alpha \times ({V_{\max }} - {V_{\min }}) < ({V_1} - {V_2}))\& \& \\ (\alpha \times ({V_{\max }} - {V_{\min }}) < ({V_3} - {V_2})) \\ \end{array} $
      td5$\begin{array}{l} (\alpha \times ({V_{\max }} - {V_{\min }}) > fabs({V_2} - {V_1}))\& \& \\ (\alpha \times ({V_{\max }} - {V_{\min }}) > fabs({V_3} - {V_2})) \\ \end{array} $
    • 对日净负荷波动曲线进行相似度评估时,先将日净负荷波动曲线按照表1波动趋势的划分依据生成符号序列$S(T)$,遍历符号序列$S(T)$得到波动趋势$t{d_m}$的位置信息${L_T}(t{d_m})$,再采用公式(1)计算每个波动趋势的一阶连接性指数$I$,最后通过公式(2)所示的塔尼莫特系数评估每个时间序列之间的相似度[20]

      $$ \begin{split} {I}_{T}(t{d}_{m})=&{({L}_{T,1}(t{d}_{m})\times {L}_{T,2}(t{d}_{m}))}^{-0.5}\\ &+ {{{({L_{T,3}}(t{d_m}) \times {L_{T,4}}(t{d_m}))}^{ - 0.5}}}\\ &{ + \cdots + {{({L_{T,l - 1}}(t{d_m}) \times {L_{T,l}}(t{d_m}))}^{ - 0.5}}} \end{split} $$ (1)
      $$ {{\rm{S}}_{{T}_{1},{T}_{2}}\begin{array}{c}=\frac{{\displaystyle\sum \limits_{m=1}^{5}{I}_{T}{}_{{}_{1}}(t{d}_{m})\times {I}_{T}{}_{{}_{2}}(t{d}_{m})}}{{\displaystyle\sum \limits_{m=1}^{5}{I}^{2}{{}_{T}}_{{}_{1}}(t{d}_{m})}+{\displaystyle\sum \limits_{m=1}^{5}{I}^{2}{{}_{T}}_{{}_{2}}(t{d}_{m})}-{\displaystyle\sum \limits_{m=1}^{5}{I}_{T}{}_{{}_{1}}(t{d}_{m})\times {I}_{T}{}_{{}_{2}}(t{d}_{m})}}\end{array} }$$ (2)

      式中:$l$为符号序列$S(T)$中波动趋势$t{d_m}$的个数。

    • 对规划年的日净负荷波动曲线按照广度优先搜索邻居算法进行聚类,该算法聚类过程仅需输入距离参数$r$和形状参数$\lambda $,具有操作简单、效率较高的特点[21]

      距离参数$r$可以理解为两个日净负荷波动曲线是否能作为邻居的门限值,用于控制各类别之间的距离。为了减小训练模型个数并区分不同波动对预测模型的影响,取$r$为相似度矩阵${\mathit{\boldsymbol{D}}}$[22]的平均距离,若两个波动曲线的相似程度小于判别阀值$r$则可视为邻居。

      $${{\mathit{\boldsymbol{D}}}} = \left[ {\begin{array}{*{20}{c}} 1&0& \cdots &0 \\ {{d_{2,1}}}&1& \cdots &0 \\ \vdots & \vdots & \ddots & \vdots \\ {{d_{n,1}}}&{{d_{n,2}}}& \cdots &1 \end{array}} \right]$$ (3)

      形状参数$ \lambda \in (0,1)$用于控制聚类的形状,若某一类别${P_T}$中已经包含了$m$个日净负荷波动曲线${P_{{T_1}}},{P_{{T_2}}}, \cdots ,{P_{{T_m}}}$,一条新的日净负荷波动曲线${P_{{T_k}}}$要归入此类,需要满足以下条件:

      $$\left[ {\sum\limits_{t = 1}^m {{X_t}} } \right] \geqslant m\lambda $$ (4)
      $$f = \left(\sum\limits_{t = 1}^4 {{V_t}} \right)\Big/n \times 100\% $$ (5)

      式中:若日净负荷波动曲线${P_{{T_k}}}$与类${P_T}$中一个波动曲线的相似程度小于$r$,则${X_t} = 1$;反之,${X_t} = 0$。首先给定$\lambda $一个初值,根据公式(5)的聚类正确率,适当调整$\lambda $的值得到准确的聚类结果。

      日净负荷波动曲线的聚类流程为:

      1)输入规划年的日净负荷曲线集合;

      2)求解日净负荷曲线的相异度矩阵,首先得到各日净负荷曲线的趋势符号序列,然后求解任意两个序列的相似度作为相似度矩阵中的各元素;

      3)输入聚类距离参数$r$和形状参数$\lambda $

      4)随机选择一条日净负荷曲线作为某一聚类的初始对象;

      5)邻居划分,从某一类的初始对象出发,基于广度优先搜索的原则,根据距离参数$r$判别此波动过程的邻居;

      6)搜索聚类,根据$\lambda $判断是否将邻居归入此类,遍历所有邻居即完成了此类别的聚类;

      7)判断是否完成集合中所有波动过程的聚类,若仍有未聚类的对象,转至步骤4),直至完成集合中所有波动过程的聚类。

    • 本文构建的广义储能和输电网协同规划模型考虑了电网规划经济性和风-荷波动相似度两个优化目标,两个目标相互协调既保证了电网规划的经济性,又通过调节广义储能出力平缓净负荷波动曲线,进而减少发电机的频繁爬坡。

    • 该优化目标由最小化的输电网投资成本${C_{{\rm{line}}}}$、储能的投资成本${C_{{\rm{es}}}}$、系统运行成本${C_{{\rm{oges}}}}$和弃风成本${C_{{\rm{aw}}}}$组成:

      $$\min {C_{{\rm{total}}}} = {C_{{\rm{line}}}} + {C_{{\rm{es}}}} + {C_{{\rm{oges}}}} + {C_{{\rm{aw}}}}$$ (6)
      $${C_{{\rm{line}}}} = \sum {{r_b}{n_b}{C_b}{L_b}} $$ (7)
      $${C_{{\rm{ES}}}} = {K_{{\rm{PES}}}}{o_i}{P_{{\rm{L}},i}} + {K_{{\rm{ES}}}}{E_{{\rm{ES}},i}}$$ (8)

      式中:${r_b}$为线路$b$是否投建的决策变量;${n_b}$为投建回路数;${C_b}$为线路$b$投建的单位费用;${L_b}$为线路$b$投建的长度;${K_{{\rm{Pes}}}}$${K_{{\rm{es}}}}$为储能单位功率和容量的投资费用;${E_{{\rm{es}},i}}$${o_i}{P_{{\rm{L}},i}}$为节点$i$储能布局的容量和功率。

      运行成本主要考虑发电机运行成本${C_{\rm{g}}}$、储能运行成本${C_{{\rm{ES}}}}$、可消减负荷${C_{{\rm{RL}}}}$和可转移负荷${C_{{\rm{TL}}}}$的激励成本:

      $${C_{{\rm{OGES}}}} = {C_{\rm{g}}} + {C_{{\rm{ES}}}} + {C_{{\rm{RL}}}} + {C_{{\rm{TL}}}}$$ (9)
      $${C_{\rm{g}}} = 365 \times \sum\limits_{S = 1}^n {{\rho _S}\sum\limits_{i = 1}^{{N_{\rm{G}}}} {\sum\limits_{t = 1}^T {({a_i}P_{{\rm{G}},i,S}^2(t) + {b_i}P_{{\rm{G}},i,S}^{}(t) + {c_i})} } } $$ (10)
      $${C_{{\rm{ES}}}} = ({K_{{\rm{oc}}}} + {K_{{\rm{mc}}}} + {K_{{\rm{dc}}}}) \times 365 \times \sum\limits_{S = 1}^n {{\rho _S}\sum\limits_{i = 1}^N {\sum\limits_{t = 1}^T {{o_i}{P_{{\rm{L}},i,S}}(t)} } } $$ (11)
      $${C_{{\rm{TL}}}} = {\mu _{{\rm{TL}}}} \times 365 \times \sum\limits_{S = 1}^n {{\rho _S}\sum\limits_{i = 1}^N {\sum\limits_{t = 1}^T {{m_i}{P_{{\rm{L}},i,S}}(t)} } } $$ (12)
      $${C_{{\rm{RL}}}} = {\mu _{{\rm{RL}}}} \times 365 \times \sum\limits_{S = 1}^n {{\rho _S}\sum\limits_{i = 1}^N {\sum\limits_{t = 1}^T {{n_i}{P_{{\rm{L}},i,S}}(t)} } } $$ (13)

      式中:${P_{{\rm{G}},i,S}}(t)$为场景$S$下发电机$i$$t$时刻的发电功率;${P_{{\rm{L}},i,S}}(t)$为场景$S$下节点$i$$t$时刻的原始负荷值;${a}_{i}{\text{、}}{b}_{i}{\text{、}}{c}_{i}$分别为发电机的经济运行参数;${m}_{i}{\text{、}}{n}_{i}{\text{、}} $$ {o}_{i}$分别为场景$S$下节点$i$$t$时刻可消减、可转移负荷的比例以及储能充放电功率所占负荷的比例;${\rho _S}$为场景$S$的概率;${K_{{\rm{oc}}}}$${K_{{\rm{mc}}}}$${K_{{\rm{dc}}}}$分别为储能的运行、维护、处置费用;${\mu _{{\rm{RL}}}}$${\mu _{{\rm{TL}}}}$分别为可消减和可转移负荷的单位激励成本。

      $${C_{{\rm{aw}}}} = {K_{{\rm{aw}}}}365 \times \sum\limits_{S = 1}^n {{\rho _S}\sum\limits_{j = 1}^{{N_{\rm{W}}}} {\sum\limits_{t = 1}^T {(P_{{\rm{W}},i,S}^{\rm{f}}(t) - {P_{{\rm{W}},i,S}}(t))} } } $$ (14)

      式中:${K_{{\rm{aw}}}}$为单位电量的弃风惩罚费用;$P_{{\rm{W}},i,S}^{\rm{f}}(t)$${P_{{\rm{W}},i,S}}(t)$分别为风电的预测功率和实际并网功率。

    • 相似度优化目标以刚性负荷波动曲线为基准,通过调节广义储能出力曲线达到预期的相似度。相似度越小则广义储能对净负荷波动曲线的平抑效果越好。

      $${P_{{\rm{cL}},i,S}}(t) = {P_{{\rm{L}},i,S}}(t) - {P_{{\rm{GES}},i,S}}(t)$$ (15)
      $${P_{{{GES}},i,S}}(t) = ({m_i} + {n_i} + {o_i}){P_{{\rm{L}},i,S}}(t)$$ (16)
      $${P_{{\rm{NAL}},S}}(t) = P_{^{{\rm{cL}},S}}^{\max }(t) - {P_{{\rm{W}},S}}(t)$$ (17)
      $$\sum\limits_{S = 1}^n {\sum\limits_{i = 1}^N {S_{{T_0},{T_i}}^S} \leqslant nN\varepsilon } $$ (18)

      式中:${P_{{\rm{cL}},i,S}}(t)$广义储能参与下各节点的修正负荷;${P_{GES,i,S}}(t)$为场景$S$下节点$i$$t$时刻广义储能出力曲线;${P_{{\rm{NAL}},S}}(t)$为场景$S$下刚性负荷波动曲线;$S_{{T_0},{T_i}}^S$为场景$S$中节点$i$的相似度;${T_0}$${T_i}$分别为刚性负荷波动曲线和广义储能出力曲线;$\varepsilon $为期望达到的相似度水平。

    • 模型的约束条件如下:

      1)功率平衡约束:

      $${A^0}P_{b,i,S}^0(t) + A'{P'_{b,i,S}}(t) + P_{{\rm{G}},i,S}^{}(t) = {P_{{\rm{NAL}},i,S}}(t)$$ (19)

      式中:${A^0}$$A'$分别为原有线路和规划线路的节支关联矩阵;$P_{b,i,S}^0(t)$${P'_{b,i,S}}(t)$分别为原有线路和规划线路场景$S$下支路$b$$t$时刻的有功功率。

      2)支路潮流约束:

      $${P_{b,i,S}}(t) = \left( {{\theta _{b1,S}}(t) - {\theta _{b2,S}}(t)} \right)/{x_b}$$ (20)
      $$\left| {{{P'}_{b,i,S}}(t) - \left( {{{\theta '}_{b1,S}}(t) - {{\theta '}_{b2,S}}(t)} \right)/{{x'}_b}} \right| \leqslant \omega (1 - {r_b})$$ (21)
      $$\forall b \in {\Omega _b}$$ (22)

      式中:${\theta _{b1,S}}(t)$${\theta _{b2,S}}(t)$${\theta '_{b1,S}}(t)$${\theta '_{b2,S}}(t)$分别为原有线路和规划线路场景$S$下支路$b$$t$时刻的首末端相角;${x_b}$${x'_b}$分别为原有支路和规划支路的阻抗;${\Omega _b}$为所有线路的集合;$\omega $为一个很大的值取5000。当${r_b}$等于1时,公式(21)转变为公式(20),当${r_b}$等于0时,公式(21)右边是个很大的数值,此约束条件便无效。

      3)常规机组和风电场出力约束:

      $$\left\{ \begin{aligned} &P_{{\rm{G}},i}^{\min } \leqslant P_{{\rm{G}},i,S}^{}(t) \leqslant P_{{\rm{G}},i}^{\max } \\ & 0 \leqslant {P_{{\rm{W}},i,S}}(t) \leqslant P_{{\rm{W}},i}^{\max } \end{aligned} \right.$$ (23)

      式中:$P_{{\rm{G}},i}^{\min }$$P_{{\rm{G}},i}^{\max }$分别为节点$i$常规机组的最小和最大出力;$P_{{\rm{W}},i}^{\max }$为节点$i$风电的最大出力。

      4)常规机组爬坡约束:

      $$ - P_{{\rm{G}},i}^{{\rm{down}}}\Delta t \leqslant P_{{\rm{G}},i,S}^{}(\Delta t) \leqslant P_{{\rm{G}},i}^{{\rm{up}}}\Delta t$$ (24)

      式中:$P_{{\rm{G}},i}^{{\rm{down}}}$$P_{{\rm{G}},i}^{{\rm{up}}}$分别为节点$i$常规机组的上下爬坡限制。

      5)储能运行约束:

      $$ - {\bar P_{{\rm{es}},i}} \leqslant {P_{{\rm{es}},i,S}}(t) \leqslant {\bar P_{{\rm{es}},i}}$$ (25)
      $$\bar P_{{\rm{es}},i}^{\min } \leqslant {\bar P_{{\rm{es}},i}} \leqslant \bar P_{{\rm{es}},i}^{\max }$$ (26)
      $$0 \leqslant {E_{{\rm{es}},i,S}}(t) \leqslant {\bar E_{{\rm{es}},i}}$$ (27)
      $$\bar E_{{\rm{es}},i}^{\min } \leqslant {E_{{\rm{es}},i}} \leqslant \bar E_{{\rm{es}},i}^{\max }$$ (28)
      $${E_{{\rm{es}},i,S}}(t + 1) = {E_{{\rm{es}},i,S}}(t) + {P_{{\rm{es}},i,S}}(t)\Delta t$$ (29)

      式中:$\bar P_{{\rm{es}},i}^{\min }$$\bar P_{{\rm{es}},i}^{\max }$$\bar E_{{\rm{es}},i}^{\min }$$\bar E_{{\rm{es}},i}^{\max }$分别为节点$i$所布局的储能功率上下限和额定容量上下限。

    • 本文在MATLAB R2017b平台上通过YALMIP工具箱调用GUROBI进行求解。广义储能和输电网协同规划求解流程见图1

      图  1  广义储能和输电网协同规划求解流程

      Figure 1.  Solving flowchart of collaborative planning of generalized energy storage and transmission network

    • 本文在Garver6节点系统的基础上,节点负荷采用华中某区域的实测负荷,风电采用该区域的风电数据。系统总负荷为760 MW,风电装机容量为500 MW,Garver6节点具体数据见附录A附表A1、A2、A3。算例所需计算参数见表2

      表 2  算例所需参数

      Table 2.  P Parameters required by the calculation example

      参数名称价格
      线路单价100万元/km
      弃风电量损失0.083万元/MW·h
      储能单位容量成本150万元/MW
      储能使用寿命10年
      变流器单位功率造价50万元/MW
      储能单位容量运维处置成本24万元/MW·h
      规划期5年
    • 根据相似度指标计算日净负荷波动曲线,以聚类参数$r = 0.2$$\lambda = 0.1$将日净负荷曲线自动聚合为6类,每种聚类结果概率见表3,为使规划方案能适应所有场景,以每个聚类集合中日净负荷的最大值作为该集合的典型场景见图2,各个节点的最大日净负荷聚类结果见附录A附图A1

      表 3  各场景概率

      Table 3.  Probability of each scenario

      场景场景A场景B场景C场景D场景E场景F
      概率27.5%15.2%14.7%8.6%10.5%23.5%

      图  2  日净负荷的典型场景

      Figure 2.  Typical scenario of daily net load

    • 为了验证本文方法的可行性,不考虑储能对系统净负荷的调节作用,计算修改后的Garver6节点系统的经济性投资和输电网规划方案。规划方案见表4

      表 4  修改后的 Garver6节点系统的确定性输电网规划方案

      Table 4.  Modified deterministic transmission network planning for Garver 6-buses system

      方案新建线路成本(亿元)
      确定性规划1-5(2)、2-3(3)、2-6(4)
      3-5(2)、4-6(2)
      6.514
    • 为表明储能优化配置可有效降低建设成本和平缓净负荷波动曲线,仅采用传统储能进行输储协调规划。不同相似度下的规划结果见表5

      表 5  Garver6节点系统的输储协同规划方案

      Table 5.  Collaborative planning scheme for transmission network and energy storage for Garver 6-buses system

      相似度新建线路储能配置(MW)成本(亿元)
      −0.71-5(1),2-3(2)
      2-6(3),3-5(2)
      4-6(2)
      1(17)3(26)
      6(40)
      5.56
      −0.81-5(1),2-3(2)
      2-6(2),3-5(1)
      4-6(2)
      1(20)3(35)
      4(30)6(100)
      6.24
      −0.91-5(1),2-3(1)
      2-6(2),3-5(1)
      4-6(1)
      1(20)2(20)
      3(45)4(50)
      5(20)6(100)
      8.07

      表4表5对比可知,配置一定的储能装置,可以减少输电网规划中线路的建设和改善刚性负荷波动曲线与广义储能出力曲线的匹配程度,但随着相似度的降低,所需配置的储能成本将快速增加,导致整体的输储规划成本升高,并超越不考虑储能的输电网规划成本。

    • 为了得到本文规划模型下可消减负荷和可转移负荷的最优取值设计如下3种方案,方案1:各节点的可消减负荷和可转移负荷上限占总负荷比例分别为0.2和0.1;方案2:各节点的可消减负荷和可转移负荷上限占总负荷比例分别为0.3和0.15;方案3:各节点的可消减负荷和可转移负荷上限占总负荷比例分别为0.4和0.2。图3展示了本文模型不同方案下的规划边界。

      图  3  本文模型不同方案下的规划边界

      Figure 3.  Planning boundaries under different schemes of the proposed model

      图3可知,各节点配置不同的广义储能可以改变节点负荷的规划边界,不同方案下各节点的规划边界如表6所示。

      表 6  不同方案下各节点的规划边界

      Table 6.  Planning boundary of each node under different schemes

      方案节点1节点2节点3节点4节点5节点6
      10.820.780.810.920.770.83
      20.750.670.730.860.650.76
      30.750.670.730.860.650.76

      从3种方案对比可知,扩大广义储能中可消减负荷和可转移负荷的比例,在经济性目标最优情况下各节点的规划边界先减小至0.75、0.67、0.73、0.86、0.65、0.76后不再变化。因此各节点最优的限制条件为第2种方案。此种限制条件下,考虑风荷相似度的广义储能和输电网协同规划方案如下表7所示:

      表 7  Garver6节点系统的广义储能和输电网协同规划方案

      Table 7.  Cooperative planning scheme for generalized energy storage and transmission network for Garver 6-buses system

      相似度新建线路储能配置(MW)成本(亿元)
      −0.71-5(1),2-3(2)
      2-6(2),3-5(1)
      4-6(2)
      6(40)4.85
      −0.81-5(1),2-3(1)
      2-6(2),3-5(1)
      4-6(2)
      1(15),3(35),
      6(60)
      4.42
      −0.91-5(1),2-3(1)
      2-6(2),3-5(1)
      4-6(1)
      1(15),2(15),
      3(40),4(35),
      5(10),6(60)
      6.79

      表7的规划方案可知,随着广义储能中可消减负荷和可转移负荷的响应,可以替代部分储能对节点负荷峰谷的调整,进而有效降低了储能的初始投资。虽然增加了运行费用,但总的经济性成本依旧小于输储规划。电网总的经济性成本随相似度变化如图4所示。图5展示了3种规划情景下输电网规划方案的变化。

      图  4  不同相似度下投资成本和储能配置容量关系图

      Figure 4.  Relationship between investment cost and energy storage capacity under different similarity

      图  5  3种规划方案对比接线图

      Figure 5.  Three comparative wiring diagrams for three planning schemes

      图4可知,通过广义储能的优化配置和协调调控,提升了刚性负荷波动曲线与广义储能出力曲线的匹配程度,在相似度改变较少时,广义储能的配置成本小于减少的输电网规划成本,从而使总的投资成本降低。但当相似度为−0.817时出现了拐点,随着相似度减少,输电网规划方案不再改变,并且拐点之后相似度的降低主要通过配置传统储能来实现,因此总成本会持续增加。

    • 1)与传统输电网规划、输储规划方法相比,本文方法能够减少电网设备建设,增加电力系统灵活性资源的响应能力;

      2)通过设置不同比例的柔性负荷,得到电网经济性最优情况下各节点广义储能的最佳配置方案;

      3)本文方法通过协调各种广义储能资源,平缓净负荷波动曲线,从而使火电机组出力、广义储能配置、输电网规划成本达到全局最优。

      (本刊附录请见网络版,印刷版略)

      图  A1  各节点日净负荷典型场景

      Figure A1.  Typical scenario of daily net load of each node

      表 A1  Garver-6节点系统输电线路数据

      Table A1.  Transmission line data of Garver 6-buses system

      编号 走廊 电抗/p.u. 容量/MW 长度/km 已有条数 可扩建条数
      1 1-2 0.4 100 40 1 3
      2 1-3 0.38 100 38 0 4
      3 1-4 0.60 80 60 1 3
      4 1-5 0.20 100 20 1 3
      5 1-6 0.68 70 68 0 4
      6 2-3 0.20 100 20 1 3
      7 2-4 0.40 100 40 1 3
      8 2-5 0.31 100 31 0 4
      9 2-6 0.30 100 30 0 4
      10 3-4 0.59 82 59 0 4
      11 3-5 0.20 100 20 1 3
      12 3-6 0.48 100 48 0 4
      13 4-5 0.63 75 63 0 4
      14 4-6 0.30 100 30 0 4
      15 5-6 0.61 78 61 0 4

      表 A2  Garver-6节点系统火电厂数据

      Table A2.  Thermal power plant data of Garver 6-buses system

      发电厂节点 最小出力/MW 最大出力/MW 爬坡率/(MW/h)
      1 120 228 22.8
      3 330 627 62.7

      表 A3  Garver-6节点系统最大负荷

      Table A3.  Maximum system load of Garver 6-buses system

      负荷节点 最大负荷/MW 负荷节点 最大负荷/MW
      1 80 4 120
      2 200 5 220
      3 40 6 100
参考文献 (22)

目录

    /

    返回文章
    返回