高比例风电接入的电力系统源网荷储协同规划模拟分析

魏斯典 刘宇

摘 要：建立以新能源为主体的电力系统是实现双碳目标的重要手段。以风光为主体的新能源高比例接入，对传统电力系统规划提出了挑战。为解决电力系统供应侧和需求侧协同的问题，深入分析源网荷储四要素数值模型、电压质量数值模型后，构建源网荷储协同规划的数值模型。由于数值模型的赋权是一个动态化过程，需采用动态加权的多目标粒子群优化算法进行求解。数值模拟结果表明，在高比例风电接入电力系统后，提出的方法能有效实现电力系统源网荷储协同规划。

关键词：高比例风电；电力系统；源网荷储；协同；规划；运行

中图分类号：TM715；TK89    文献标志码：A    文章编号：1671-0797（2024）03-0021-04

DOI：10.19514/j.cnki.cn32-1628/tm.2024.03.005

0    引言

能源是社会发展的重要基础保障，而以化石燃料为主的能源消费结构对全球环境带来了巨大影响。为推动我国经济高质量发展，同时基于双碳目标的背景，我国提出了建设以新能源为主体的新型电力系统，力争2030年前二氧化碳排放达到峰值[1]。而不断提高新能源占比，是实现双碳目标的有效措施。风力发电是新能源发电方式之一，高比例接入是未来电力发展的趋势[2]。但风力发电具有出力波动性和不确定性，难以精确预测，给电力系统调峰与备用配置带来了巨大的挑战。随着风电机组装机规模不断增长，传统“源随荷动”的调度方式已不再适用，正逐步向源网荷储协同的电力平衡方式转变[3]。目前，国内已有不少学者对源网荷储协同规划展开了广泛研究，并取得了一些成果。

杨雍琦[4]提出了源网荷储协调优化的规划环节，有效提升了电力系统运行的安全性。张振宇等[5]给出了一种新能源纳入备用方法，以新能源纳入备用比例为决策变量，为高比例新能源系统的备用提供了可行方案。陈哲等[6]提出了风电机组的出力与备用方式，优化配置旋转备用容量，实现旋转备用资源经济最优。黄煜等[7]根据风电的不确定性作自适应调整，提出在线路上预留容量，缓解了高比例风电接入引发的线路阻塞问题。孙惠等[8]提出了一种发布调峰需求的源网荷储资源综合管理平台系统，可以调整电网的峰谷差，保证电力系统安全运行。上述研究表明，高比例新能源接入电力系统后，源网荷储协同规划已有成效，但缺乏电力系统运行示范应用，为源网荷储协同规划的平衡效果提供参考。因此，本文针对高比例新能源接入的电力系统，开展源网荷储协同规划模型深入研究，并通过数值模拟验证了源网荷储协同规划的成效。

1    高比例风电接入的电力系统源网荷储四要素数值模型

以源网荷储协同规划为目标，分别对源、网、荷、储四要素[9]进行数值模拟，实现对高比例风电接入的电力系统源网荷储的协调控制。四要素内容具体如表1所示。

1.1    源要素数值模型

电源设备采用可调度同步风机，有功功率频率变化为负响应，可调度同步风机一次调节形式如下：

P=P*+αΔf（1）

式中：P为输出功率；P*为有功功率；α为频率特征系数；Δf为实际频率与额定频率的偏差。

1.2    网要素数值模型

由于高比例风电的接入，电力系统电能传输和稳态潮流分布发生变化[10]。而相應大电网与风电网之间交互成本也发生变化，变化关系如下：

CJ =[Cb（t）m（t）+Cs（t）n（t）]（2）

式中：CJ为交互成本；N为调度时段总数；t为时段；Cb（t）为购电状态；m（t）为售电状态；Cs（t）为购电价格；n（t）为售电价格。

1.3    荷要素数值模型

接入高比例风电，电力系统的负荷发生变化，与电压、频率具有负相关性，变化关系如下：

P=PNP1+P2+P3（1+ΔfLf）（3）

式中：P为负荷下的功率；PN为额定功率；P1为负荷下恒定阻抗；P2为负荷下电流；P3为有功功率；V为实时电压；V0为初始电压；Δf为频率变化；Lf为有功功率变化。

1.4    储要素数值模型

在电源侧，储能可以降低运行成本，同时还可以促进风电的消纳。储能变化模型描述如下：

Es（t）=（1-δs）Es（t-1）+Psc（t）ηsc-Δt（4）

式中：Es为储能容量；t为时段；δs为储能自放电率；Psc为充电功率；ηsc为充电效率；Psd为放电功率；ηsd为放电效率；Δt为时间变化。

2    高比例风电接入的电力系统电压质量数值模型

以放射状配电馈线为研究对象，当高比例风电接入i节点时，馈线上相邻节点的电压差值计算如下：

ΔUi=-RiPm+XiQmUi-1（5）

式中：ΔUi为电压差值；i为某节点；Ri为等效电阻；Pm为有功负荷；Xi为等效电抗；Qm为无功负荷；Ui-1为相邻节点电压。

馈线上某节点相邻两节点间电压差值计算如下：

ΔU′i=-RiPm+XiQmU′i-1（6）

馈线上任意两节点之间的电压差值计算如下：

ΔUi″=-Ri（Pm-Ppv）+XiQmU″i-1（7）

由公式（5）（6）（7）得知，高比例风电接入电力系统，接入点的电压始终处于最高值，同时影响馈线上电压的分布情况。

3    高比例风电接入的电力系统源网荷储协同规划数值模型

3.1    模型建立

接入高比例风电后，为保证电力系统风电接入容量最大、配电网有功损耗最小、运行成本最低，建立源网荷储协同规划数值模型，模型见公式（8）（9）（10）：

max F1=SPVi（8）

式中：max F1为风电最大接入容量；N为风电接入数量；i为风电接入次序；SPVi为风电接入容量。

min F2=Gh，ij（U2 h，i+U2 h，j-2Uh，iUh，jcos δij）（9）

式中：min F2为最小有功损耗；M为支路数；h为支路；Gh，ij为支路电导；Uh，i为i节点电压；Uh，j为j节点电压；δij为两端电压相位差。

min F3=min（Cg F+CF g，op）·Gg F+cw·qw，t+ cd（i，t）+cR（o，t）（10）

式中：min F3为最低运行成本；g为可调度同步机组；Cg F为发电成本；CF g，op为运行成本；Gg F为发电量；cw为风机发电成本；qw，t为风机发电出力均值；i为用户；t为时段；cd（i，t）为削减负荷成本；cR（o，t）为调用储能成本。

利用线性加权组合法，对上述3个数值模型进行归一化，得出源网荷储协同规划总模型，见下式：

max F=F1ω1-F2ω2-F3ω3（11）

式中：ω1为风电接入容量权重；ω2为有功损耗权重；ω3为运行成本权重。

3.2    模型求解

针对源网荷储协同规划数值模型的赋权过程，采用动态加权的多目标粒子群优化算法进行求解[11]。F1、F2、F3对应的权重求解如下：

ω1（N）=cos（12）

ω2（N）=cos（13）

ω3（N）=1-ω1（N）-ω2（N）（14）

式中：N为迭代次数；ζ为惯性常数。

在迭代过程中，为迅速过滤可行域中的不可行解，需要不断更新模型的权重，因此需要计算迭代更新粒子的运动速度和位置，计算过程如下：

vl，N+1=ζ（N）vl，N+φ1[ε1（Pbl-Pl（N））]+φ2[ε2（Gb-Pl（N））]（15）

式中：vl，N+1为迭代更新粒子的运动速度；ζ（N）为惯性常数；vl，N为正在迭代中粒子的速度；φ1、φ2为加速常数；ε1、ε2为0～1的随机数；Pbl为粒子当前最佳位置；Pl（N）为正在迭代中粒子的位置；Gb為全局最佳位置。

Pl，N+1=Pl，N+vl，N+1（16）

式中：Pl，N+1为迭代更新粒子的位置。

为确保源网荷储协同规划数值模型的解集的多样性，在求解过程中可引入存档机制[12]。

4    试验测试

4.1    试验设计

为了测试源网荷储协同规划数值模型的有效性，对某高比例风电接入的电力系统进行数值模拟分析，仿真拓扑图如图1所示。电力系统共包括1个可调度同步机组、3个风电系统、1个储能系统、25个负荷节点，利用MATLAB软件实现仿真模拟。主电网和风电接入区利用公共耦合点连接，交流负荷和直流负荷利用ILC指令编程格式连接。

4.2    试验结果与分析

4.2.1    源网荷储协同规划对电力系统运行参数的优化

为了测试模型的效果，随机在电力系统选取接入节点，记录某时刻的运行参数实测值。按照上述源网荷储协同规划数值模型的求解方法，对该电力系统进行求解，得出规划结果。将运行参数实测值与规划模型结果进行对比，如表2、表3所示。

电压偏差和电压波动的国际规定限值分别为1.07 p.u.和3%[13]。由表2数据结果得知，当接入高比例风电后，电力系统部分节点的运行参数存在超限问题。而经源网荷储协同规划后，能改善电压偏差和电压波动的超限问题。

由表3数据结果得知，经源网荷储协同规划后，该电力系统的线路有功损耗降低，风电接入容量得到有效提升。

4.2.2    源网荷储协同规划对电力系统出力的优化

为了验证源网荷储协同规划的效果，对电力系统出力变化情况进行统计分析，结果如图2所示。

由图2趋势得知，随着负荷的变化，可调度同步机组出力、高比例风电出力也发生变化，且趋势一致。当负荷较低时，风电出力基本很低，可调度同步机组出力即可满足负荷需求。当负荷较高时，可调度同步机组出力与风电出力叠加不仅能够满足负荷，同时还可以将出力降到最低。

4.2.3    源网荷储协同规划对储能系统的优化

为进一步研究源网荷储协同规划的效果，对电力系统储能系统的变化情况进行统计分析，结果如图3所示。由图3趋势得知，当负荷较低时，充放电功率与储能系统能量均处于高位；当负荷较高时，充放电功率与储能系统能量均处于低位。该变化情况主要是由于储能系统与电力系统可以相互协调，根据实际情况进行充放电操作并提供负荷使用。

5    结论

为适应高比例风电接入电力系统的发展需求，提出源网荷储协同规划方法。从研究结果中得到以下结论：1）风电最大接入容量、最小有功损耗、最低运行成本三个模型的单位不同，需利用线性加权组合法，对三个数值模型进行归一化，最终得出源网荷储协同规划总模型。2）针对数值模型的动态化赋权过程，需采用动态加权的多目标粒子群优化算法进行求解，实现可行域中不可行解的迅速过滤。3）通过数值模拟分析结果得知，源网荷储协同规划可以解决电压偏差和电压波动的超限问题，降低线路有功损耗，提升风电接入容量，优化电力系统出力以及储能系统，从而验证了该方法的有效性。

[参考文献]

[1] 魏旭，刘东，高飞，等.双碳目标下考虑源网荷储协同优化运行的新型电力系统发电规划[J].电网技术，2023，47（9）：3648-3661.

[2] 李鹏年.高比例风电接入的电力系统静态电压稳定控制策略分析[J].机电信息，2023（15）：15-18.

[3] 刘自发，张子腾.考虑多主体博弈的配电网源网荷储协同规划[J].电网技术，2023，47（12）：5046-5058.

[4] 杨雍琦.电力系统“源—网—荷—储”协调优化规划理论及应用研究[D].北京：华北电力大学，2017.

[5] 张振宇，王文倬，马晓伟，等.基于风险控制的新能源纳入电力系统备用方法[J].电网技术，2020，44（9）：3375-3382.

[6] 陈哲，王橹裕，郭创新，等.计及风电备用容量与需求响应的多备用资源鲁棒优化[J].电力系统自动化，2020，44（10）：50-58.

[7] 黄煜，徐青山，夏元兴，等.考虑自适应传输备用的含风电电力系統双层随机调度方法[J].电力系统自动化，2021，45（20）：29-37.

[8] 孙惠，翟海保，吴鑫.源网荷储多元协调控制系统的研究及应用[J].电工技术学报，2021，36（15）：3264-3271.

[9] 游大宁，刘航航，鲍冠南，等.源网荷储多元协同调度体系研究与实践[J].浙江电力，2021，40（12）：20-26.

[10] 黄鹏翔，周云海，徐飞，等.基于灵活性裕度的含风电电力系统源荷储协调滚动调度[J].中国电力，2020，53（11）：78-88.

[11] 陈贵林，宋明厚，吴忠强.基于量子粒子群算法的电力系统负荷多目标优化分配[J].数学的实践与认识，2019，49（22）：1-8.

[12] 彭院院，周任军，方绍凤，等.含柔性电热负荷响应阈值的源—荷—储协调优化模型[J].电力系统及其自动化学报，2020，32（5）：30-37.

[13] 叶鹏，张明理，欧阳强，等.内含高比例清洁能源电网源网荷协同规划方法研究及实践[Z].

收稿日期：2023-09-27

作者简介：魏斯典（2001—），男，陕西安康人，研究方向：电力系统及其自动化。

通信作者：刘宇（1990—），男，江苏人，副教授、博士生导师，研究方向：电力系统规划、运行与控制，需求侧态势感知，非侵入式负荷量测与分析等。