Smart Grid
Vol.05 No.03(2015), Article ID:15591,10 pages
10.12677/SG.2015.53017

Siting and Sizing of Distributed Generation in Micro-Grid

Xiangyang Zhao1, Xingxuan Wang1,2*, Yunfeng Feng2, Xuanzi Chen1

1School of Automation Science and Electrical Engineering, Beihang University, Beijing

2Jiangxi ENACS Renewable Energy Resources and Micro Grid Innovations Co. LTD, Ji’an Jiangxi

Email: *kaileichen@163.com, zhaoxiangyang@buaa.edu.cn

Received: Jun. 7th, 2015; accepted: Jun. 26th, 2015; published: Jun. 30th, 2015

Copyright © 2015 by authors and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY).

http://creativecommons.org/licenses/by/4.0/

ABSTRACT

Siting and sizing of Distributed Generation (DG) is an important research topic in micro-grids development. Firstly, we introduce the power flow method based on back/forward sweep and the static voltage stability index in micro-grid. Then, based on the voltage level of DG access each series and parallel branch, we optimize the DG layout. Simultaneously, taking into account the degree of improvement in power losses and static voltage stability these two important indicators, we optimize DG capacity, using particle swarm optimization (PSO) with inertia weight to solve this problem. Finally, an example simulation results show that this method can effectively improve the voltage level, reduce active power loss, improve static voltage stability of micro-girds, and has some practical value in DG planning stage of siting and sizing.

Keywords:Distributed Generation, Siting and Sizing, Power Losses, Static Voltage Stability

微电网分布式电源的选址和定容

赵向阳1,王杏玄1,2*,冯云峰2,陈昡姿1

1北京航空航天大学自动化科学与电气工程学院,北京

2江西仪能新能源微电网协同创新有限公司,江西 吉安

Email: *kaileichen@163.com, zhaoxiangyang@buaa.edu.cn

收稿日期:2015年6月7日;录用日期:2015年6月26日;发布日期:2015年6月30日

摘 要

分布式电源(Distributed Generation, DG)的选址定容问题是微电网发展中的一个重要研究课题。首先介绍了基于前推回代法的微电网潮流计算,给出了微电网的静态电压稳定指标。然后,在DG接入对各串并联支路电压水平影响的基础上,优选DG布局。同时考虑了网损改善程度及静态电压稳定性改善程度这两个重要指标,来优化DG的容量,并采用带惯性权重的粒子群优化算法(Particle Swarm Optimization, PSO)求解。最后通过算例仿真分析,结果表明采用该方法能有效提高系统的电压水平,降低有功网损,同时提高系统的静态电压稳定性,在分布式电源选址定容的规划阶段具有一定的实用价值。

关键词 :分布式电源,选址定容,网损,静态电压稳定性

1. 引言

分布式电源以其环保、高效等优点成为电力行业的研究热点[1] [2] 。分布式电源是指发电功率在数千瓦至50 MW (兆瓦)的小型化、模块化、分散在用户附近、与环境兼容友好的独立电源,主要特点是其靠近用户负荷,可实现直接供电或热电联产,同时可减少输配电线路的网络损耗,减轻由于负荷增长造成的输配电设备扩建压力。随着DG发电及并网技术的日益提高,一些DG在技术上和经济上的优势不断凸显,加之电力市场发展完善及国家相关支持DG发展政策的出台,分布式发电将成为21世纪重要的能源选择[3] 。

分布式电源的接入会对微电网节点电压、线路潮流、系统静态电压稳定性、供电可靠性等都有影响。位置和容量不合理的DG分布,不仅会增加网损,降低供电可靠性,还会降低系统的静态电压稳定水平。为此,合理有效地选择微电网中DG的接入位置和容量十分重要。一些国内外学者对该问题进行了研究。文献[4] 建立了计及环境效益的分布式发电优化规划模型,并采用粒子群算法求解。文献[5] 采用概率搜索算法,同时考虑了冷热电联供,以配电网系统的可靠性指标最高为目标函数,优化DG的位置和容量。文献[6] 在DG个数、位置、容量均不确定的情况下,采用自适应权重粒子群算法,以网络损耗最小为目标,对DG进行优化配置。文献[7] 在限制DG接入总量和考虑多约束条件的基础上,建立了以网络年运行费用最小为目标的规划模型,采用新型的免疫遗传算法(IGA)进行求解。上述文献多以某一或某几个指标为优化目标,并考虑了相应的约束条件来优化微电网中DG的布局,但很少考虑系统的静态电压稳定性。

为有效降低微电网的网损,提高微电网的静态电压稳定性,本文在基于各串并联支路电压水平的DG选址方法基础上,建立了综合考虑微电网有功网损及静态电压稳定指标的DG定容模型,并采用带惯性权重的粒子群优化算法对算例进行仿真分析。

2. 微电网潮流计算

本文将微电网中的分布式电源处理为功率因数恒定不变的PQ节点。由于分布式电源一般靠近负荷中心,本文假定分布式电源直接安装于负荷节点。

传统配电网多是辐射型结构,前推回代法因其线性收敛性好、计算速度快,是目前应用最广泛、最成熟的潮流算法之一。本文采用前推回代法进行微电网潮流计算。对于PQ节点类型的DG,首先计算其节点注入电流,然后前推各支路电流,更新回代各节点电压和功率分布,直至满足潮流收敛准则[8] 。

3. 微电网系统的静态电压指标

电力系统的电压稳定性是指系统维持电压稳定的能力。在高峰负荷期间一个较短暂的出乎意料的高水平负荷都有可能威胁到系统的电压稳定性。位置和容量不合理的DG可能导致系统某些薄弱母线失稳,继而引起电压崩溃事故。在DG规划阶段,应该考虑不同负荷水平的影响,因此建立以系统静态电压稳定指标为最佳的规划模型,可提高系统运行稳定性及承受负荷增长的能力[9] 。

静态电压稳定指标L计算如下:

图1所示为简单配电网典型支路,为线路阻抗,为支路电流;分别为末端母线j的有功功率和无功功率;分别为始末端母线电压。

根据图1中的电路,有:

(1)

(2)

由式(1)和(2)可得:

(3)

依据方程有实数解,化简可得:

(4)

因而可以定义静态电压稳定指标为:

(5)

则:

(6)

整个系统的静态电压稳定指标L定义为所有支路静态电压稳定指标中的最大者,即

(7)

式(7)中,B为系统支路数。

与L对应的支路称为系统最薄弱支路,当系统稳定时,式(4)满足,则最薄弱支路对应的L值一定大于0且小于1.0。当系统发生电压崩溃时,一定是从最薄弱支路开始的。静态电压稳定指标L越小,系统电压水平越稳定,即系统能够承受更大的负荷增长。当L = 1.0时,系统处于临界崩溃状态。

Figure 1. Typical branch of a simple distribution network

图1. 简单配电网典型支路

4. 分布式电源的选址和定容

4.1. DG安装位置优选原则

首先,分布式电源安装位置的选择要满足相应自然资源、地理位置及国家相关能源方针政策。此外,通常没有接入分布式电源时,越靠近馈线末端节点电压越低。当微电网中接入DG后,如果DG不从电网吸收无功,则全网的电压均得以提升;相同渗透率的DG,散布在馈线上比集中在同一位置对电压的支撑作用大;DG位置越靠近馈线末端、接入比例越大对系统电压的提升作用越明显,且DG对接入点及其附近系统的电压影响较大。所以,需要分析在DG接入前系统的节点电压分布特性。

综上,确定DG安装位置的优选原则:

1) 从DG对节点电压的影响角度考虑,DG接入前电压较低的节点;

2) 对于不同的串并联支路处理方法不同。

a) 串联支路:优先选取电压水平低于0.975 pu的末节点接入DG;

b) 并联支路:选取电压水平低于0.975 pu的节点接入DG或并联支路的根节点接入DG。

具体接入DG的位置方案需依据系统计划引入DG个数综合考虑后确定。

4.2. 网损改善指标

微电网有功网损的大小主要与系统的支路电阻及节点电压相关。微电网电压等级较低,R/X值较大,潮流在馈线中的流动会造成较大的网络损耗,合理的DG的分布会减小系统网损。考虑到DG安装后对系统网损的影响,定义网损改善指标为:

(8)

网损改善指标能够有效反应DG安装前后系统有功网损的变化,可用来评估DG的经济效益。

4.3. 静态电压稳定性改善指标

系统静态电压稳定裕度是用来衡量系统静态电压稳定性的一个量化指标,上文对系统的静态电压稳定性已有相关概述。因此,定义静态电压稳定性改善指标如式(9)所示,该指标在一定程度上能反映DG接入前后系统的相对静态电压稳定程度。

(9)

4.4. DG选址定容优化模型

微电网系统中DG接入位置、容量的不同对系统的有功网损及静态电压稳定性有较大影响。因此,在DG接入系统前,需确定其接入容量,以满足微电网系统允许的稳定性、经济性并满足相关约束条件。本文建立的考虑有功网损及静态电压稳定裕度的DG优化容量模型如下:

(10)

上式中,为权重系数,且满足不同的比例,反映这两个目标在优化时所占比重不同,本文按以下几种方案进行仿真:

方案1:有功网损最优,

方案2:静态电压稳定性最优,

方案3:综合效益最优,

由于分布式电源的接入必然引起馈线中传输的有功及无功功率的变化,因此DG的定容就必然需考虑DG接入对电网潮流分布的影响,并且各DG的出力在满足其上下限约束的基础上所有DG的出力总量需要满足分布式电源在微电网中的最大接入容量不能超过微电网负荷总量的40%。系统各节点电压需满足上下限约束;输电线路上流过的电流也应满足相应热稳定极限,不能超过其允许值。综合上述因素考虑,形成如下约束:

(11)

(12)

(13)

(14)

(15)

式中:为节点处DG的有功、无功出力;为节点处负荷的有功、无功功率;为单台DG有功出力的下、上限值;为节点电压允许的下、上限值;为支路允许电流的上限值。N为微电网系统的节点个数。

5. 模型的求解

5.1. 粒子群优化算法

粒子群优化算法于1995年提出,是一种基于鸟类觅食行为的新型群体智能进化计算技术。其优势在于算法简单、通用、鲁棒性好、精度高、收敛快、参数少而易实现,对复杂非线性问题有着很好的优化能力,已在电力系统的各优化领域得到广泛应用[10] 。

设在一个D维搜索空间中,采用PSO算法初始化后产生一群随机粒子(随机初始化m个粒子,m行D列),其中每个粒子都有一个位置矢量和一个速度矢量,速度矢量决定了粒子的飞行方向和距离。每个粒子通过具体优化问题设计的适应度函数得到一个适应度值,根据适应度值的大小可以比较粒子的优劣。第i个粒子迄今为止搜索到的最优位置为,该位置适应度值为:称为个体极值。整个粒子群迄今为止搜索到的最优位置为,该位置适应度值为,称为全局极值。

其中,,m为种群规模。在迭代寻优过程中,粒子通过不断地跟踪个体极值和全局极值来更新自己的位置和速度,其位置和速度更新公式如下:

(16)

(17)

式中:k为迭代次数;是惯性权重;是学习因子,通常都取值为2;之间的随机数。粒子飞行速度要小于粒子允许的最大速度可以根据粒子的取值区间长度来确定。一般将最大速度设定为搜索空间的20%~40%。惯性权重起着权衡局部最优和全局最优能力的作用。越大,其全局寻优能力越强,局部寻优能力越弱,反之亦然。因此,本文采用带惯性权重PSO调整的策略,让随着迭代过程的进行而线性地减少,可以显著改善算法的收敛性能。第k次迭代的权重的表达式如下:

(18)

式中,分别为初始权重、最终权重,为最大迭代次数。迭代终止条件一般选为不超过最大迭代次数或粒子迄今为止搜索到的最优位置满足适应阈值。

5.2. 基于粒子群算法的DG选址定容流程

微电网中DG的选址定容优化问题求解步骤如下:

1) DG的选址:

通过潮流计算得到微电网系统各节点电压分布(由于未接入DG时,潮流沿馈线依次流向负荷节点,因此,各节点电压水平均低于平衡节点的1.00 pu (电压标幺值))。将各节点电压水平降序排列。

a) 串联支路:优先选取电压水平低于0.975 pu的末节点接入DG;

b) 并联支路:选取电压水平低于0.975 pu的节点接入DG或并联支路的根节点接入DG。

具体接入DG的位置方案需依据系统计划引入DG个数综合考虑后确定,然后继续下面的优化;

2) 采用带惯性权重的粒子群优化算法进行DG优化规划,其具体流程如图2所示。

6. 算例分析

图3所示为某10KV10节点微电网系统[11] ,使用MATLAB/7.0编写程序。网络中0号节点为平衡节点,本文将DG处理成PQ节点,各节点安装容量范围是(0~3) MW,单台DG的功率因数。规定分布式电源在微电网中的最大接入容量不能超过微电网负荷总量的40%。系统各节点的电压允许偏差为0.975 pu~1.025 pu (最大允许电压偏差率为2.5%)。线路上流过电流的最大允许上限值为0.3 KA。

分布式电源接入前,微电网系统节点电压分布如图4所示。

图4可知,DG接入前系统电压水平可分为三个区:

I区(<0.95 pu):节点2;

II区(0.95 pu-0.975 pu):节点5、9、8、1 (升序);

III区(0.975 pu-1.00 pu):节点4、7、6、3 (升序)。

6.1. DG接入对系统电压分布的影响及选址

分别在各支路不同节点的2、4、6、9接入DG,接入DG的容量从(0~3) MW以0.1 MW为梯度不断增加,所得该微电网系统的电压分布曲线如图5~图8所示。

图5中可以看出,节点2电压的提升对节点1电压提升有影响,但影响相对较小。

图6中可以看出,节点4接入DG,对前节点3的电压提升小于节点4,对后面的节点5的电压提升几乎与节点4是平行关系。

图7中可以看出,当在节点6接入DG时,对7、8、9节点电压的影响几乎是电压平行抬高的关系。

节点9通过影响节点6的电压水平,继而对节点7、8产生电压抬升作用(几乎平行的效果)。

据此,本文从DG接入对系统电压水平的影响这一角度考虑,将DG优先接入节点按不同分支考虑,对于串联分支:

a) 节点1、2所在串联支路,由于1号节点的电压水平非常接近0.975 pu,而节点2的电压水平在0.95pu以下,因此,节点2优先接入DG,才能有效提升该节点的电压水平。

Figure 2. DG programming flow chart based on particle swarm optimization algorithm

图2. 基于粒子群优化算法的DG规划流程图

Figure 3. A structure diagram of 10KV 10 nodes microgrid system

图3. 某10KV10节点微电网系统结构图

b) 节点3、4、5所在串联支路,由于节点3、4的电压水平均在0.975 pu以上,节点5的电压水平在0.95 pu~0.975 pu之间,因此,对于该支路应优先在节点5接入DG。

c) 节点6~9所在并联支路,节点8、9电压水平均在0.975 pu以下,因此,欲提高节点8、9电压水平,需在节点8、9接入DG (优先选择)或在节点6接入DG或其他选择。

假定该微电网系统计划接入4台DG,则依据上文分析可知,优先选取节点2、5、8、9接入DG。

6.2. DG定容研究

选取带惯性权重的粒子群优化算法进行求解,以3.4节所示目标函数为模型,并按3.4节接入DG的

Figure 4. Nodes’ voltage values without DG

图4. DG接入前各节点电压标幺值

Figure 5. System’s voltages distribution curve chart when node 2’ voltage values with DG’s capacity from 0 MW to 3 MW

图5. 节点2接入分布式电源容量由0 MW至3 MW (0, 0.1, 0.2, 0.3, …, 3 MW)时,系统电压分布曲线图

方案选取满足相关约束条件的不同的值,优化DG的布局,并与未接入DG时的方案0进行比较。

优化结果如表1所示。

表1可以看出,未接入DG时,该微电网系统的有功网损为191.47 KW,系统静态电压稳定指标L值为0.1517,该数值较大,可能会导致系统在小扰动情况下可能发生电压不稳定甚至崩溃。

对比方案0与方案1/2/3,优化后系统的网损明显减小,经济效益非常可观。优化后系统静态电压稳定指标也相应变小,系统将能够承受更大的负荷增长范围,具有更好的静态电压稳定性。此外,由图9可以看出,整个微电网系统的电压水平由优化前的最低约0.93 pu到优化后的节点电压均在0.975 pu~1.00 pu

Figure 6. System’s voltages distribution curve chart when node 4’ voltage values with DG’s capacity from 0 MW to 3 MW

图6. 节点4接入分布式电源容量由0 MW至3 MW (0, 0.1, 0.2, 0.3,…, 3 MW)时,系统电压分布曲线图

Figure 7. System’s voltages distribution curve chart when node 6’ voltage values with DG’s capacity from 0 MW to 3 MW

图7. 节点6接入分布式电源容量由0 MW至3 MW (0, 0.1, 0.2, 0.3,…, 3 MW)时,系统电压分布曲线图

之间,微电网系统的电压水平有明显改善。

从方案1/2的对比优化(表1)可以看出,当分别选取不同的权重系数进行优化时,系统的各项指标均较无DG时有较大改善并在相应的方案中最优。对比方案1/2与方案3,可知,侧重于从某一角度进行优化相比于综合优化而言,方案3所得到的网损及静态电压稳定性这两个指标均有一定程度的平衡,从而达到了协调优化的效果。此外,各节点的电压水平亦有较大的改善,最大电压偏差率由优化前的6.384%提高到最大允许电压偏差率的2.5%以内。由此可知,采用本文方法不仅可从不同侧重点来优化微电网DG布局,还能有效改善系统的运行条件,改善系统的电压水平,提高系统的静态电压稳定性及经济效益。

Figure 8. System’s voltages distribution curve chart when node 9’ voltage values with DG’s capacity from 0 MW to 3 MW

图8. 节点9接入分布式电源容量由0 MW至3 MW (0, 0.1, 0.2, 0.3,…, 3 MW)时,系统电压分布曲线图

Figure 9. Each node per-unit value of four schemes

图9. 四种方案各节点电压标幺值

Table 1. Comparison of the optimization results

表1. 优化结果比较

注:规划结果中,括号前数字为DG接入节点编号,括号内数字为DG容量(MW),功率因数l 0.92。

7. 结论

在微电网发展过程中,如何安全、可靠地接入分布式电源是微电网发展过程中面临的一大难题。对于这一问题,本文提出了DG规划阶段选址定容的一种新思路,在通过分析各串并联支路接入DG对系统电压分布影响的基础上优化选址,然后以微电网系统网损及静态电压稳定指标L综合作为目标函数,考虑了相关约束条件,并采用带惯性权重的粒子群算法进行求解。最后,以一个算例仿真分析验证模型和算法的正确性与有效性,具有一定的实用价值。

基金项目

中小企业发展专项资金(对欧合作部分)。项目名称:建筑和工业能效管理核心技术及关键设备研究。项目序号:SQ2013ZOC500004。

文章引用

赵向阳,王杏玄,冯云峰,陈昡姿, (2015) 微电网分布式电源的选址和定容
Siting and Sizing of Distributed Generation in Micro-Grid. 智能电网,03,137-147. doi: 10.12677/SG.2015.53017

参考文献 (References)

  1. 1. 张立梅, 唐巍, 赵云军, 等 (2010) 分布式发电对配电网影响的综合评估. 电力系统保护与控制, 21, 132-135.

  2. 2. 王志群, 朱守真, 周双喜, 等 (2004). 分布式发电对配电网电压分布的影. 电力系统自动化, 16, 56-60.

  3. 3. 陈海焱, 段献忠, 陈金富 (2006) 分布式发电对配网静态电网电压稳定性的影响. 电网技术, 19, 27-30.

  4. 4. 崔弘, 郭熠昀, 夏成军 (2010) 考虑环境效益的分布式电源优化配置研究. 华东电力, 12, 1968-1971.

  5. 5. Mitra, J., Vallem, M.R. and Patra, S.B. (2006) A probabilistic search method for optimal resource deploymentin a microgrid. 9th International Conference on Probabilistic Methods Applied to Power Systems KTH, Stockholm, 11-15 June 2006.

  6. 6. 朱勇, 杨京燕, 张冬清 (2011) 基于有功网损最优的分布式电源规划. 电力系统保护与控制, 21, 12-16.

  7. 7. 戴小庞, 周洪, 海晓涛 (2011) 基于免疫遗传算法的含分布式电源配网规划. 湖南电力, 6, 10-13.

  8. 8. Zhang, L.M., Tang, W. and Guan, H.H. (2009) The back/forward sweep-based power flow method for distribution networks with DGs. 2009 2nd International Conference on Power Electronic and Intelligence Transportation System (PEITS), 1, 145-149.

  9. 9. 刘健, 毕鹏翔, 杨文宇, 等 (2007) 配电网理论及应用. 中国水利水电出版社, 北京, 115-122.

  10. 10. Kenndy, J. and Eberhart, R. (1995) Partical swarm optimization. Proceedings of IEEE International Conference on Neural Networks, 4, 1942-1948.

  11. 11. 王真 (2007) 含分布式发电的配电网规划研究. 硕士学位文, 华北电力大学, 北京.

期刊菜单