构建新型电力系统,使配电网规划建设进入新阶段,半刚性配电网需要向“弹性配电网”过渡。本文基于数据驱动分析方法,从配电网变电站层、线路层、配变层三个层级,构建配电网“三级弹性”规划优化模型算法,并通过典型实例得以验证,使融合“三级弹性”的配电网网格化精准规划成为新型配电网规划建设的新思路、新方法。 The construction of a new power system brings the planning and construction of the distribution network into a new stage, and the semi-rigid distribution network needs to transition to a “flexible distribution network”. Based on the data-driven analysis method, this paper constructs the “three-level elasticity” planning optimization model algorithm of the distribution network and verified by typical examples, making the grid-based precise planning of distribution network integrating “three-level elasticity” a new type of distribution network new ideas and methods for planning and construction.
构建新型电力系统,使配电网规划建设进入新阶段,半刚性配电网需要向“弹性配电网”过渡。本文基于数据驱动分析方法,从配电网变电站层、线路层、配变层三个层级,构建配电网“三级弹性”规划优化模型算法,并通过典型实例得以验证,使融合“三级弹性”的配电网网格化精准规划成为新型配电网规划建设的新思路、新方法。
数据驱动,弹性电网,三级弹性,聚类分析,精准规划
Tianxiang Xie1, Wei Shang1, Jie Gao2
1Shaoxing Daming Electric Power Design Institute Co. Ltd., Shaoxing Zhejiang
2State Grid Zhejiang Electric Power Co. Ltd. Shaoxing Power Supply Company, Shaoxing Zhejiang
Received: Jun. 8th, 2022; accepted: Sep. 20th, 2022; published: Sep. 28th, 2022
The construction of a new power system brings the planning and construction of the distribution network into a new stage, and the semi-rigid distribution network needs to transition to a “flexible distribution network”. Based on the data-driven analysis method, this paper constructs the “three-level elasticity” planning optimization model algorithm of the distribution network and verified by typical examples, making the grid-based precise planning of distribution network integrating “three-level elasticity” a new type of distribution network new ideas and methods for planning and construction.
Keywords:Data-Driven, Resilient Grid, Three-Level Elasticity, Cluster Analysis, Precise Planning
Copyright © 2022 by author(s) and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).
http://creativecommons.org/licenses/by/4.0/
目前,以构建新型电力系统为目标的配电网规划建设进入了新阶段 [
上述文献从高弹性电网发展评估、输电网规划、发电机组检修协调、需求弹性的发电计划等,不同角度分析了供应侧和需求侧资源弹性研究,也有文献从灵活性、主动性等方面进行了研究,但目前在配电网规划领域,尚未有从变电站、中压线路、配变三个层级,综合考虑弹性影响的相关研究文献,仍然存在按照《配电网规划设计导则》要求,配变需用负荷预测不准确,中压线路挂接配变容量一刀切,变电站容载比偏大等现象,造成能源利用和电网规划缺乏弹性,变配电设备冗余,社会综合能源和资金效率低等问题。
针对以上问题,本文采用数据驱动分析方法,融合各层级能够提升能源综合利用水平和效率的元素,从变电站层、线路层、配变层三个层级,构建配电网“三级弹性”规划模型算法,在满足地区供电负荷和安全性、可靠性条件下,采用多层优化方法进行规划模型求解,最后以某地区网格为例进行实例验证,辅助配电网网格化精准规划建设决策。
通过高压变电站对分布式电源接纳、利用储能实现“平滑负荷”和“削峰填谷”优化规划模型研究,提升对变电站层供电能力弹性度,为未来分布式光伏、储能接入变电站、合理切改变电站负荷提供直观性指导。
在有源配电网中,在保证规划区域供电可靠性前提下,通过合理考虑DG置信容量 [
考虑DG置信容量的变电站优化规划的模型 [
{ min C = C S t a t i o n + C F e e d e r + C C Q s .t . ∑ j ∈ J i P j ≤ S i cos φ + T P V ( i ) + T W T G ( i ) i = 1 , 2 , ⋯ , N J 1 ∪ J 2 ∪ ⋯ ∪ J N = J L ( i , k ) ≤ R i (1)
式中: C S t a t i o n 为变电站建设及维护年费用;
C F e e d e r 为变电站中压线路投资年费用;
C C Q 为变电站中压线路网损年费用;
N为变电站总数;
P j 为第j个负荷点的负荷值; S i 为第i个变电站的容量;
cos φ 为功率因数;
T P V ( i ) 为第i个变电站接入光伏电源置信容量;
T W T G ( i ) 为第i个变电站风机电源置信容量;
J i 为第i个变电站所供负荷的集合;
J为全体负荷点的集合;
L ( i , k ) 为第i个变电站与第k个负荷的连线距离;
R i 为第i个变电站供电半径的限制。
以负荷峰谷差作为优化目标,主要是解决系统负荷峰值过大的问题,特别是分布式电源在负荷低谷时段消纳负荷所导致的系统负荷谷值过低,抑或是电动汽车负荷在充电高峰时期的负荷峰值过高等问题。该目标可以表示为:
min ( max ( P 1 , P 2 , ⋯ , P T ) − min ( P 1 , P 2 , ⋯ , P T ) ) (2)
其中, P 1 , P 2 , ⋯ , P T 表示对应时刻的有功功率,T为设定的仿真总时长。
负荷发展阶段、负荷类型、线路接线模式、分布式光伏接入和储能,对10 kV线路装接容量值均有较大影响。
在电网提质增效高质量发展新阶段,考虑配电网规划的经济性,通过不同负荷特性合理组合,以及高负载率配置储能装置,可以有效提高线路的运行效率。
基于配电网安全性、可靠性和经济性约束,考虑供电分区和负荷发展的影响,在理想取值的基础上,研究中压线路负载率的合理取值。假设考虑负荷发展的区域供电裕度为 α ,则规划阶段中压线路合理负载率 [
B n = B 0 ( 1 + α ) n (3)
式中, B n , B 0 分别为考虑负荷发展前后的线路最佳负载能力;
n为预留裕度的年限,电力设备预留裕度年限一般为1~5年;
α 为区域供电裕度,不同地区的发展水平不同,负荷增长率的范围一般集中在5%~10%。
综合分析影响线路年利用效率的各类因素,建立以下相关指标算法模型,为线路年利用效率 [
{ η Y , max = P Y , max S λ max = S − P m a n g e r S η l o a d = P a v g P Y , max = ∫ 1 8760 P ( t ) d t P Y , max × 8760 η y e a r = ∫ 1 8760 P ( t ) d t S × 8760 (4)
式中, η Y , max 为线路最高负载率; P Y , max 为年最大负荷;
S为线路允许的最大负荷值; λ max 为线路正常运行方式下安全负载率;
P m a n g e r 临近线路故障时;安全转供限制负荷;
P a v g 为年平均负荷; η y e a r 线路年利用效率。
由以上公式推导,消除了安全限制负荷 P m a n g e r 及负荷发展预留裕度 [
η y e a r = η l o a d × η Y , max (5)
图1为某中压线路年度每5分钟采点,一年105,120条的线路负载率数据。其中,红线标注为70%的重载标准线。
图1. 某1条中压线路年负载率
图2为某4条中压线路的年度105,120条的线路负载率数据。从图中可以观察到,由于数据量较多,仅仅4条数据,已经难以清晰判断线路的负载利用水平。
为了更好地提高线路年利用水平,可以按照年利用小时数下,各时刻最大负荷排序,得到线路年利用效率,如图3所示。
由图3可以直观地看出,样本线路的利用效率高低情况,以及各段负载率利用小时数。
图2. 某4条中压线路年负载率
图3. 样本线路年利用效率示意
对负载率超过70%的累计时间段,占比小于5%的,以及长年处于30%以下的线路,可以分别采取不同的优化措施,精准规划改善线路利用水平。
随着新兴负荷的不断出现,由于行业负荷及细分的差异,同一行业内的用户负荷特性也出现较大差异,影响负荷预测结果的准确性和合理性。
同时,随着分布式电源的大规模并网,分布式电源与不同负荷的组合特性,也会对配电网带来新型的影响因子。
深入挖掘分布式能源和多类型负荷互补特征 [
图4. 组合负荷曲线示意
聚类分析是针对大量无类别标签的数据样本,根据数据特性研究分类方法,将其划分为不同类别序列的过程。
主要方法有灰色聚类、模糊聚类、分层聚类、快速聚类、神经网络聚类等 [
图5. K-means算法流程图
以变压器一年365天24小时负荷曲线为例,采用大数据的聚类分析方法,生成如下形状迥异的4个聚类,如图6、图7所示。
图6. 变压器365天负荷曲线图
图7. K-means聚类示意
同时率指规定时间段内,某一电力系统综合最大负荷与其所属各个子地区(或各用户、各变电站)各最大负荷之和的比值。
负荷同时率与系统中子项的个数及负荷特性有关,通常子项数量越多、负荷特性差异越大,则同时率越低。其计算公式为
K = P max ∑ P i (8)
式中:Pmax为综合最大负荷;
Pi为第i个子项(地区、变电站、线路、用户、电源等)最大负荷。
随着电动汽车、5G基站、储能等新兴用电形式的发展,传统方法配电网各层级同时率取同一值难以为继,公式化的层级负荷叠加(分解)预测法准确性 [
本文在数据挖掘负荷细分基础上,根据配电网负荷层次和对应层次的同时率,按照下式即可计算得到各层级最大负荷数值。
P l = ( ∑ P l i ) ⋅ K l (9)
式中:Pl为第l层的最大负荷;
Pli为Pl所对应范围内第i个子项的最大负荷;
Kl为第l层的负荷同时率。
某城市供电区域共有5个供电网格,区内110 kV变电站4座,主变8台,变电容量共计360 MVA,区域光伏现状装机容量4 MW,远景预测为36 MW,中压线路70条,公用线路挂接配变共计1881台,容量504.33 MVA,其中公用配变861台,容量273.775 MVA。供电区域网格划分、负荷构成及负荷预测,如表1所示。
序号 | 网格编号 | 网格面积(km2) | 规划负荷构成 | 2025年负荷(MW) |
---|---|---|---|---|
1 | SX-1 | 27.51 | 工业、居住、商业金融 | 69.3 |
2 | SX-2 | 18.95 | 工业、居住、商业、行政办公 | 85.6 |
3 | SX-3 | 12.69 | 工业、居住 | 94 |
4 | SX-4 | 7.87 | 居住、商业金融 | 20.5 |
5 | SX-5 | 55.98 | 储备用地 | 85.6 |
合计 | 123 | 355 |
表1. 供电区域网格划分及负荷预测
1、利用储能实现“平滑负荷”
在不对储能系统进行功率约束的前提下,按照负荷变化平方量最小化配置储能以达到“平滑负荷”,优化配置储能装置效果,如图8中a、表1所示。
2、利用储能实现“削峰填谷”
在不对储能系统进行功率约束的前提下,基于经济性研究优化策略,按照峰谷差最小的目标,优化配置储能装置效果,如图8中b、表1所示。
图8. 储能配置后对比图
特性指标 | 原配电网格 | 光伏接入 | 储能实现“平滑负荷” | 储能实现“削峰填谷” |
---|---|---|---|---|
峰谷差/MW | 9.36 | 11.57 | 5.66 | 4.19 |
负荷率 | 0.78 | 0.7 | 0.8 | 0.85 |
负荷平方变化量 | 91.09 | 180.58 | 16.36 | 36.33 |
负荷变化率 | 26.56 | 45.2 | 15.37 | 15.74 |
储能功率容量/MW | -- | -- | 4.5 | 4.97 |
储能系统容量/MWh | -- | -- | 18.5 | 15.7 |
表2. 储能配置后各项指标对比情况表
图9. 典型用户负荷统计
从表2中可以看出,在上述模型运算下,利用优化算法对负荷进行“平常负荷”优化后,其负荷峰谷差将原来的11.57降至5.66,负荷率由原来0.78提升至0.8;利用优化算法对负荷进行“削峰填谷”优化后,其负荷峰谷差将原来的11.57降至4.19,负荷率由原来0.78提升至0.85。
采集营销系统专线、专变运行信息,对区域典型用户进行负荷特性分析,如图9所示。
对区域占比最高的工业负荷、商业负荷、居民负荷3类典型用户进行负荷特性分析,其负荷曲线标么值,如图10所示。
图10. 典型负荷曲线
其中,工业负荷日负荷曲线较为平稳,基本保持在0.85~0.92之间,同时率较高;商业负荷峰谷差极大,负荷率较低;居民负荷晚高峰较高,峰谷差较大,在0.3~0.8之间。
选用样本线路进行分析计算,考虑不同负荷性质配变在不同数量配比下对配变同时率计算时的影响,同时率及不同接线模式下线路挂接配变容量分析结果,如图11、图12所示。
图11. 不同负荷性质配变配比下同时率
图12. 不同负荷性质配比下线路挂接配变容量
由图12可知,中压线路装接配变容量在不同负荷特性组合时,容量最大值可分别达到MAX (9000, 12,000, 15,000, 18,000) kVA。
探索中压线路挂接配变容量与负载率之间的关系,得到相关箱图,对其中“异常”数据,可作为储能配置研究对象,如图13所示。
图13. 线路挂接配变容量与负载率箱图
采集营销系统、“网上国网”中配变负荷实测日运行数据,采用K-means聚类方法,识别用户负荷类型集聚区,挖掘配变资源运行使用情况,聚类效果如图14所示。
图14. K-Means聚类
聚类编号 | 标准配变容量 | 案例数 |
---|---|---|
聚类1 | 250 | 405 |
聚类2 | 315 | 354 |
聚类3 | 400 | 14 |
聚类4 | 630 | 38 |
聚类5 | 800 | 6 |
聚类6 | 1000 | 33 |
总计 | 850 |
表3. 不同聚类标准配变容量及数量
由图14、表3分析,可以得出以下结论:
1、配变负荷曲线聚合,综合运行负荷最高的为800 kVA配变,其负荷曲线类型拟为居住类型,负载率小于50%。
2、该区域单台配变最大负荷出现在晚高峰,为21:00左右。进一步调研,发现基本是新小区电动汽车充电设施负荷。
3、建议该区域配变容量配置宜小于800 kVA,整体以500 kVA以下为最经济。
4、进一步大数据挖掘800 kVA及以上配变用户,可初步选为负荷池用户,进行需求侧响应引导。
1、整体规划规模对比
经过以上规划方法,考虑“三级弹性”的规划与常规的网格化规划,规划规模对比效果,如表3所示。
三级配电网规模 | 常规的网格化规划 | 考虑“三级弹性”的规划 | 弹性度 | |
---|---|---|---|---|
变电站 | 变电站(座) | 6 | 6 | 0.926 |
主变台数(台) | 14 | 13 | ||
变电容量(MVA) | 660 | 610 | ||
中压线路 | 公用线路数量(条) | 87 | 74 | 0.851 |
配变 | 台数(台) | 2140 | 2076 | 0.864 |
容量(MVA) | 987 | 831 | ||
其中:公变(台) | 1137 | 935 | ||
容量(MVA) | 455 | 374 | ||
容载比 | 1.86 | 1.72 |
表4. 考虑“三级弹性”的规划规模对比
由表4可以看出,考虑“三级弹性”的规划,较常规的网格化规划,远景年有如下变化:
² 节约主变1台,容量50 MVA;
² 节约公用中压线路13条;
² 节约配变64台,容量156 MVA;
² 容载比由1.86降为1.72;
² 110 kV变电站与10 kV配变容量配比由0.67升为0.73。
在不改变电网供电可靠性的前提下,所需配电设备规模有较大程度减少,提高了配网设备利用效率。
2、变电站层弹性分析
光伏考虑置信度出力,在大规模接入下,可能造成午间负荷低谷,在无储能接入下,无论负荷曲线及峰谷差,都有待进一步优化弹性。
以负荷变化平方量最小化为优化目标的储能配置策略的“平滑负荷”效果较为显著,对于控制负荷变化平方量和负荷变化率更为有效。
以负荷峰谷差最小化为优化目标的储能配置策略的“削峰填谷”效果较为显著,对于控制负荷峰谷差和负荷率更为有效。
两种方式都可以实现最大化优化,不同的优化目标,所需要的储能配置不同。通常情况下仍需要考虑经济约束下的优化配置。
3、中压线路层弹性分析
中压线路在不同接线模式、不同负荷特性配变容量组合时,容量最大值范围为9000~18,000 kVA。
探索中压线路负载率箱图,对其中负载率长期超过70%的异常数据,可作为储能配置研究对象,提高线路的经济性。
4、配变层需求侧响应
采用K-means聚类方法,可以识别区域用户负荷类型集聚区,初选负荷池用户,进行需求侧响应引导对象。
通过配变负荷特性聚类分析,可以选定与新能源特性出力较为一致的配变,接入分布式新能源及储能装置,有效增强配变层弹性。
本文采用数据驱动分析方法,构建基于“三级弹性”的配电网规划模型算法,并通过典型实例,验证了从变电站层考虑DG的置信度及不同目标下的储能优化配置、中压线路层不同负荷特性组合及高负载率线路配置储能装置、配变层聚类分析特征类型及需求侧响应,均可以提高该层级配电网弹性,实现配电网网格化规划优化方案,节约配电网建设投资的同时,使刚性配电网规划建设逐步向新型高弹性配电网过渡。
绍兴大明电力设计院有限公司科技项目资助(SGZJSX00SJJS210024)。
谢天祥,赏 炜,高 捷. 基于数据驱动的配电网“三级弹性”精准规划方法研究Research on Accurate Planning Method of “Three-Level Elasticity” of Distribution Network Based on Data-Driven[J]. 电气工程, 2022, 10(03): 139-153. https://doi.org/10.12677/JEE.2022.103016