基于ETAP的分布式电源接入对配网供电可靠性影响分析

大规模分布式电源接入是今后配电网发展的必然趋势,对供电可靠性、电能质量及继电保护等方面产生不同程度的影响。为研究分布式电源接入位置对常规配网供电可靠性的影响,在ETAP仿真平台上搭建配网供电可靠性评估模型,然后分别在不同位置接入相同容量的分布式风电,最后根据仿真计算结果分析分布式电源接入前后及接入位置对配网供电可靠性的影响。在某城市配电网10kV馈线系统上的仿真计算结果表明,分布式电源接入后能有效提高常规配网的供电可靠性,且当分布式电源由末端分支线接入时对系统供电可靠性的提升效果更显著。     

基于概率潮流的风电分布式电源优化配置

由于风电机组输出功率的随机波动性,使得基于风电机组的分布式电源并网后,给配电系统的结构和运行带来巨大变化,影响系统的安全性和可靠性。在含分布式电源的配电网系统规划中,对分布式电源进行合理选择和配置是发挥最大效益的关键。采用Weibull分布来描述风速的随机变化,并计及风电机组强迫停机率的影响,结合功率曲线,建立风力发电的概率分析模型。通过Cornish-Fisher级数交流概率潮流计算方法,分析风电和负荷的随机波动对含分布式电源配电系统的影响,利用混合整数非线性规划方法,确定风电系统的最佳接入点和注入容量使得系统有功网损最小。     

分布式电源的选址及定容

分布式电源的接入会对配电网的运行和规划产生重要影响,影响的大小与分布式电源的位置和容量有很大关系。在分布式电源个数、位置和单个容量不确定的情况下,以配电网最小网络损耗为目标函数,应用了遗传算法优化分布式电源的位置和容量。通过算例分析,验证了所提方法能够得到较合理的分布式电源接入位置和容量的方案。     

基于混合蛙跳算法的分布式风电源规划

对分布式风电源(DWG)出力的随机性和负荷的不确定性进行概率建模。在此基础上,以年综合费用最小为目标,利用机会约束规划方法建立了配电网DWG选址定容规划模型。采用基于拉丁超立方采样蒙特卡洛模拟(LHS-MCS)法的概率潮流判断规划方案是否满足节点电压机会约束和支路电流机会约束。设计了混合蛙跳算法(SFLA)求解DWG规划模型的具体实现方法。33节点配电网的DWG规划结果验证了模型的合理性、LHS-MCS检验机会约束条件的有效性以及SFLA的高效性。     

配电网扩展规划中分布式电源的选址和定容

分布式电源的位置和容量对配电网有重要影响。文中提出一种配电网扩展规划中进行分布式电源选址和定容的方法,应用遗传算法优化分布式电源的位置和容量。对遗传过程中生成的每个分布式电源位置和容量方案个体,考虑了分布式电源对配电网潮流和线路负载能力的影响,运用基于支路交换的模拟退火算法规划扩展网络,对分布式电源和网络的综合规划结果进行经济性评估以衡量个体方案的优劣。实际算例表明,文中方法能得到较合理的分布式电源位置和容量方案。     

含可控分布式电源和换电站的配电网协调规划方法

为了实现分布式电源、换电站和配电网开关的协调优化配置,本文提出了含可控分布式电源、换电站的孤岛形成策略和孤岛形成概率的计算方法,以及含可控分布式电源和换电站的配电网可靠性评估方法;在现有可控分布式电源和分段开关的协调规划模型中引入换电站,并考虑联络线对配电网和换电站可靠性的作用,建立了可控分布式电源、换电站、分段开关和联络线的源-荷-网协调规划模型,提出了求解所建模型的混合智能算法。最终,通过IEEE三馈线配电网系统验证了本文模型和算法的正确性。     

分布式风电源选址定容规划研究

针对风电机组出力的间歇性、波动性,以及负荷变化的不确定性,应用机会约束规划建立了分布式风电源(distributed wind generation,DWG)接入现有配电网的选址定容规划模型,以独立发电商(independent power producer,IPP)收益最大为目标函数,采用随机潮流判断规划方案是否违反节点电压约束和支路功率传输约束。将模拟植物生长算法(plant growth simulation algorithm,PGSA)应用到DWG选址定容规划中。33节点配电系统DWG规划结果验证了模型的合理性和PGSA算法的有效性。     

考虑最小弃风的风电场接入容量与位置优化方法

本文提出一种考虑最小弃风的风电场接入电网的位置和容量的优化方法。该方法首先考虑风电场出力波动特性,建立风电场出力多状态模型,并在此基础之上,提出基于蒙特卡洛模拟法的风电场弃风概率及风电场期望弃风容量指标计算方法,最终提出考虑最小弃风的风电场接入电网的位置和容量的优化方法。本方法从可靠性角度出发,可充分考虑电网对风电的接纳能力,以风电场最小弃风为目标对风电场接入电网的位置和容量进行优化,得到的风电场接入方案可以使电网更大限度接纳风电,有效提高新能源利用效率。     

主动管理模式下分布式风电源选址定容规划

节能减排背景下,以分布式风电源(DWG)为代表的可再生能源发电得到了快速发展。考虑风速和负荷间的时序相关性,采用联合概率分布法对其进行多场景构建。在此基础上,考虑调节有载调压变压器抽头、削减DWG有功出力、调节DWG功率因数和需求侧管理4种主动管理措施,建立了主动管理模式下DWG选址定容双层规划模型,上层规划以年综合费用最小为目标,下层规划则以每个场景的配电网运行费最小为目标。提出改进差分进化算法和原对偶内点法相结合的混合策略对规划模型进行求解。IEEE 33节点配电网算例的仿真和分析验证了模型的可行性和所提求解方法的有效性。     

充电站和风电源的选址和定容

正考虑负荷、风电机组出力、电价和可入网电动汽车(PEV)的充放电等多种不确定性因素对分布式电源选址和定容带来的影响,以分布式电源(DG)的总成本(包含网损、投资和运行成本)最小和反映配电网接纳DG能力的准入功率最大为目标函数,以系统安全运行要求为约束,构造了以DG的安装位置和容量为优化变量的规划模型。采用基     

Planning for distributed wind generation under active management mode

In the smart grid (SG), the active management (AM) mode will be applied for the connection and operation of distributed generation (DG), which means real time control and management of DG units and distribution network devices based on real time measurements of primary system parameters. In this paper, a novel bi-level programming model for distributed wind generation (DWG) planning under AM mode is put forward. The model takes the maximum expectation of net benefit of DWG as the upper level program objective, and takes the minimum expectation of generation curtailment as the lower level program objective. The impact of active management algorithm on improvement of branch power flow and node voltage is taken into account. A hybrid algorithm combining the plant growth simulation algorithm (PGSA) with probabilistic optimal power flow (POPF) algorithm is presented to solve the optimal planning of DWG under AM mode. The case studies have been carried out on a 33-node distribution network, and the results verify the rationality of the planning model and the effectiveness of the proposed method.     

基于两联络接线模式的城市配网联络线优化

城市中压配电网规划和改造工作中,充分利用已有配电设备和线路走廊来提高配电网供电可靠性和传输能力至关重要。针对该问题,提出了一种基于两联络接线模式的分阶段双层联络线优化方法。外层优化是针对现状配电网应用遗传算法寻找最优的变电站遍历顺序;内层优化是基于外层优化的变电站遍历顺序,依次分阶段进行站间、站内联络线优化,形成两联络接线模式网架结构,并以所有联络线投资费用最小的优化方案为最终的联络线配置。通过实际规划算例计算,取得了较好的工程效果,为规划人员规划和改造配电网提供参考和借鉴。     

基于BP神经网络的城网供电可靠性预测方法

传统的供电可靠性评估方法是以准确的配电网结构和多年的元件可靠性历史数据为基础的,难以实现城市复杂配电网远期供电可靠性指标的预测。为此文章提出一种基于BP神经网络的城市电网供电可靠性预测方法,首先找出影响供电可靠性指标的几个主要特征量,包括最大负荷、架空线平均长度、线上平均分段开关台数、线上平均联络开关台数、线路平均配变台数和线路平均配变容量,将这些特征量的历史数据作为输入样本对人工神经网络进行训练,利用训练好的网络就可以预测规划目标年的城市电网供电可靠性指标。对某城市电网的应用结果表明该方法是有效的,所采用的BP神经网络具有较好的收敛性。通过对影响供电可靠性的相关因素进行灵敏度分析还可以获得对供电可靠性指标较敏感的相关特征量,供电企业可以据此制定提高可靠性的相关措施。     

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。     

电动汽车接入对风电穿透功率极限的影响研究

电动汽车和分布式风电接入电网是当前的研究热点。首先分析了分布式风电以及电动汽车入网的随机特性,介绍了基于非参数核密度估计法的含电动汽车配电网负荷建模方法。该方法能够较好地克服由传统的正态分布进行负荷建模带来的误差。建立了基于机会约束的分布式风电穿透功率极限的计算模型,并使用嵌入随机模拟技术的粒子群优化算法对不同电动汽车渗透率时风电的穿透功率极限进行求解。最后,算例说明了电动汽车入网对负荷分布的影响,并从多个角度分析了电动汽车渗透率对风电极限穿透功率的影响机理。     

基于动态规划法的配电网联络线优化规划研究

为了有效提高配电网的供电可靠性,以单电源树状配电网为对象研究自成环网的联络线规划。基于节点与节点联通矩阵分析联络线连接位置对故障下游负荷转移的影响,提出了故障区间相对于联络环从属关系的分区停电损失计算方法。以停电损失和建设费用加权和最小为目标函数,以适应不同运行方式的保护整定值为约束,建立联络线规划数学模型。将联络线的优化规划看成一个多阶段决策问题,以联络线的条数作为阶段数,联络线的联结位置为状态,应用动态规划法求解树状配电网联络线优化规划问题。以IEEE33节点算例和现场工程实例进行仿真分析,对联络线的建设费用和停电损失费等经济指标进行了分析比较,验证了算法的有效性。     

Identifying the optimum wind capacity for a power system with interconnection lines

This paper presents a general framework for identifying the optimum wind capacity to be integrated in a power system with interconnection lines. Wind generation is treated as negative demand, together with the load demand, which must be covered by the conventional power generation and the energy interchange with neighboring systems. Under the presumption that the time-varying wind and load together with the trading price with neighboring systems could be statistically modeled by specified probability distributions, a chance constrained programming (CCP) model is formulated to address the wind capacity planning problem. The objective is to maximize the yearly net profit of the entire power system subject to the operational constraints and the reliability requirement. Wind power curtailment and load shedding are allowed to improve the system flexibility but incur penalty costs. The optimization problem is solved using a hybrid intelligence algorithm incorporating Monte Carlo simulations, a neural network and a genetic algorithm. The feasibility of the proposed approach is verified by a case study on a given power system.