负荷接入（共5篇）
负荷接入 篇1
一、光伏并网数学模型
光伏并网的发电系统属于分布式发电系统当中的一部分,其中具有两种典型的系统结构,单级式光伏发电系统和两级式光伏发电系统。单级式光伏发电系统的系统拓扑结构是相对简单的,其中所需要的元器件比较少。
在本文当中重点对单级式光伏发电系统得基本原理进行叙述,根据电子学的理论,太阳能的等效电路图如图1所示。
在图1当中,可以根据电压和电流的正方向,可以得到太阳电池的I-V方程为:,在式子当中,光生电流用Iph来表示,反向饱和电流用I0来进行表示,影响二极管的因子为n,Rs为串联电阻,Rsh为并联电阻,q为电子电荷的常数,也就是1.6×10-19C,温度用T来表示,温度的单位是K。
此外,太阳电池的I-V方程还可以简化成为:
二、光伏电站接入系统方案
在该地区建设的光伏电站当中,规划场的总面积为8570亩,预计一期的电站规模为50MW,预计在25年间的总发电量可以得到177448万kw。在该光伏电站的工程设计当中用到了50个1000kwp的单晶硅光伏发电单元系统,在其中采用了180wp的固定式的单晶硅的太阳组件配置500kw的并网逆变器。在每2个的500kwp的光伏发电单元系统可以徐成一个1mwp的光伏发电系统方阵。
在本光伏电站的并网方案当中,以1回110kv的线路‘T’字型的形式来接到110kv的线路上方,线路的长度大约为7km,导线的界面选择为240mm2。
三、光伏电站对电网负荷曲线造成的影响
(一)PV位置的不同对电网电压造成的影响
如果光伏电站的额定容量为80WM的情况下,接入实际电网母线电压为110KV的时候,选择14个不同的光伏接入位置,对每个110节点的电压变化进行充分观察,在光伏电站进行接入电网之后,节点电压和光伏电站接入之前相比较,要相对高一些,并且每个节点的平均电压值都处于允许范围之内。
如果对相同容量下的光伏,进行不同位置的接入,也会对电压造成不同程度的影响,接入点如果越来劲负荷的末端,对其电压的提升作用也就越来越大,需要选择6个接入点来进行分析,在容量为80MW的时候,对系统所产生的潮流和电压分布情况造成的影响并不是太明显。在并网点和距离并网点最近的母线节点之间,所受到的影响是相对较大。如果光伏电站并网点当中的节点距离相对较远,在容量的关系之下,电压的水平在容量增加的情况下也会产生一定范围内的变化。在系统能可以容纳的光伏发电站的功率范围之内,在一定容量之下进行进行光伏的接入就可以在一定程度上提高整体电压的水平,从而对系统电压进行改善。
如果光伏电站当中的接入点和电源点的负荷保持距离较远的情况下,电压的变化率是相对较大的。在光伏电站接入汉能达到110的时候,在这个节点当中的电压变化率就高达4.1%,会很有可能对光伏电源造成一定程度的影响。
(二)PV不同容量之下的接入点对电网电压造成的影响
在不同的光伏出力之下,电站的接入点对电网的电压也会造成一定的影响,在光伏电站当中设置有功率为0MW、20MW、40MW、60MW、70MW、80MW、90MW、100MW以及120MW几种不同的情况,并且要进行潮流计算,从而对电网的节点电压产生的幅值进行充分平谷,对其中的110kv的负荷母线节点和110kv重要的母线节点进行充分评估,在不同容量的情况下,光伏的出力对系统的电压是会造成不同程度的影响的。光伏功率中所注入的功率会对多电源结构的系统造成极其不利的影响,并而且其中的潮流的大小和方向也会随着发生巨大的改变,从而对系统的电压分布和稳定支撑能力造成不同程度的影响。
(三)对配电电网网损产生的影响
在对不同的接入点进行不同容量之下的系统网损进行研究的时候,需要进行试验研究,光伏电站在接入点不同以及容量也不相同的情况下,对系统的网损产生的影响也是不尽相同的。如果接入点为节点220新和110的时候,这种情况下对系统产生的网损和其他的接入点相比而言,都要小很多。充分说明了在采用分布式的光伏对电网进行接入的时候,如果接入点的位置离线路的末端越近,对于系统所产生的网损消耗程度也就越小,呈现出反比的状态。
四、结语
综上所述,在光伏电站和电网进行衔接之后,节点电压要相对较高一些,并且所有的节点电压都会处于允许波动的范围之内;此外,在形同容量之下的光伏发电的介入位置会对电压造成不同的影响;另外,不同容量下的光伏处理对系统电压所造成的影响也是不尽相同的。在电站当中的容量越大,对电力系统当中各母线的电压所造成的影响也就越大。
参考文献
[1]丁玎,钱赤忠.基于P-V曲线的光伏接入地区电网安全稳定性分析[J].软件,201(11):106-112.
[2]陈虎,张田,裴辉明,石巍,张雪焱.分布式光伏接入对电网电压和网损的影响分析[J].电测与仪表,2015(23):63-69.
[3]陈云锋,丁宁.光伏电站接入区域电网的影响分析[J].电气技术,2013(02):54-57+63.
[4]张菲菲,靳希,曹炜,沙旦华.基于运行方式集合法的光伏发电接入对孤立电网稳定性影响的分析[J].华东电力,2012(02):244-247.
负荷接入 篇2
关键词：信令接入单元,链路负荷,信令点
1 SAU (Signalling Access Unit)
SAU (Signalling Access Unit) 也就是信令接入单元, 主要应用于无线智能网、有线智能网、短消息。基于各交换版本的基础上也有不同SAU, 其目的都是完成一个相同的功能, 为业务侧提供信令接口。在工程设计时, 就需要考虑配置组网来保证链路负荷均匀;在安装维护时, 常遇到链路负荷不均类问题。文中主要从与SAU链路负荷相关的几个因素阐述负荷不均原因。要分析SAU上信令链路负荷情况, 首先需要了解SAU消息来龙去脉。SAU接收消息来源于两方面:一方面为STP或SSP发到SAU的消息;另一方面为业务侧发到SAU的消息。按消息传递方向分为上行消息和下行消息, 上行消息是通过SAU到达SCP的消息, 下行消息是业务侧 (SCP/SMSC) 在一次对话过程中返回的消息或主动下发的消息。上行消息到达SAU后, SAU会在该模块对话号范围内分配一个奇数对话号, 在整个对话交互过程中, 使用同一个对话号, 业务侧 (SCP/SMSC) 在对话过程中返回的消息, 根据对话号送到相应的模块上。智能网中, 如果在业务流程中有主动下发的消息 (如EXECUTE、ATI等操作) , SCP会在SCP配置的对话号范围内由小到大分配一个偶数对话号;短消息业务中, MT消息可以根据参数配置均分到SAU模块上。上行消息在各链路上负荷 (即SAU接收负荷) 是否均匀, 由对端STP或SSP确定;下行消息在各链路上负荷 (即SAU发送负荷) 是否均匀, 与多个因素有关。
2 如何实现SAU链路负荷均匀
2.1 SAU组网配置合理是保证链路发送负荷均匀的前提
一个链路集中的链路数应该为2n (n=0、1、2、3、4) , 这样才能保证链路集中各链路负荷均分。在32模SAU中由于模块之间通信带宽限制, 缺省设计具有优选本模块的特性, 即从业务侧下行的消息分配到某模块, 只要本模块有可用路由, 消息就从本模块链路发送出去;128SAU优选本模块特性是由软件参数表中参数P88控制。启用优选本模块特性后, 一个链路集分配到某模块的链路数应该为2n。这样才能保证同一链路集中在同一个模块的链路负荷分配均匀。为了使链路集中各链路负荷均匀, 一个链路集中链路均分在2n个模块中。如图组网中, LSTP1或LSTP2与SAU可开链路模块数为1、2、4、8、16, 一个链路集中链路均分到这些模块中, 例如一个链路集中有16条链路, 开在2个模块上, 每个模块开8条链路;开在4个模块上, 每个模块开4条链路;开在8个模块上, 每个模块开2条链路。从链路负荷均分的角度来看这样配置较为合理
2.2 同一链路集中链路编码为奇数和偶数的链路要放在同一模块中
SAU启用优选本模块特性时, 各模块接收负荷均匀才能保证一个链路集各链路负荷均匀。由于对端原因可能存在SAU上链路编码 (SLC) 奇偶链路接收负荷不均, 因此建议不要将同一链路集中链路编码为奇数和偶数的链路分开放在不同模块中, 这样会导致模块间负荷不均, 从而导致链路集中各链路负荷不均。例如, 一个链路集中8条链路分配在两个模块中, 一个模块SLC为0、1、2、3;另一个模块SLC为4、5、6、7。对于短信中心下发的MT消息要求到SAU各模块均匀。
2.3 本局信令点按GT选路时负荷要均匀分担
业务侧下行消息寻址到目的信令点是按GT选路送到LSTP1 (LSTP2) , 再由STP做二次翻译落地, 在远端信令点表中又定义了这对LSTP1、LSTP2为负荷分担信令点, 这样, 消息在SCCP层就会均分到一对LSTP1、LSTP2信令点上, 正常情况下, 在MTP层也会均分到一对LSTP1、LSTP2上。从SAU数据可以看出, 在全局码翻译表中, 对应GT码, 翻译结果为DPC+OLDGT, DPC为LSTP1或LSTP2, 远端信令点表中一对LSTP1、LSTP2定义为负荷分担信令点。在MTP层有到LSTP1、LSTP2相应数据。MTP目的信令点表中对应LSTP1、LSTP2数据中, 链路集选择码为0000。通过路由路由状态查询, 到目的信令点通过LSTP1、LSTP2的路由都是可用的, 对应路由分配的SLS都为0、1、….、F。这里所说的一对负荷分担信令点针对同一个本局信令点而言的。
2.4 本局信令点按DPC+SSN选路时负荷要均匀分担
业务侧下行消息寻址到目的信令点是按DPC+SSN选路 (DPC为目的信令点编码) , 消息通过LSTP1 (LSTP2) 的MTP层转发到目的信令点, 消息分配到LSTP1、LSTP2是由该目的信令点路由确定, 如果通过LSTP1、LSTP2路由上分配的SLS均等, 那么, SAU的发送负荷到LSTP1、LSTP2会均匀。移动智能业务或短消息业务, 在全局码翻译表中对应GT码, 翻译结果为DPC+SSN, 不能通过对目的信令点对应GT码翻译到一对LSTP1、LSTP2上, 也就不能在SCCP层对消息进行负荷分担。只能在MTP层通过路由选择, 将消息负荷均分到一对LSTP1、LSTP2上。通过查询到该目的信令点路由状态为可用的, SLS均分在两个链路集上。
2.5 目的信令点表中链路集选择码正确配置
目的信令点表中链路集选择码正确配置, 才能保证到该目的信令点同优先级路由的负荷均分。如果到该目的信令点同优先级路由数为1、2, 对应的链路集选择掩码分别置“1”位数为0、1, 如0000、1000。注意不要与链路选择码重叠。
2.6 链路集表中的链路选择码正确设置
链路集表中的链路选择码正确设置, 才能保证该链路集中各链路负荷均分。如果链路集中链路数为2n (n=0、1、2、3、4) , 对应链路选择码分别置“1”位数为0、1、2、3、4, 如0000、0001、0011、0111、1111。注意不要与链路集选择码重叠。
2.7 信令点链路集选择掩码错开设置来保证负荷均匀
业务侧下行消息寻址到目的信令点是按DPC+SSN选路, 如果到该目的点有两条同等级路由, 各路由对应的链路集中链路数为16, 这样, SLS均分配到两个链路集中, 一个链路集有16条链路只有一半链路承担负荷, 只有通过各局点业务情况综合考虑, 到不同目的信令点链路集选择掩码错开设置, 来保证一个链路集中承担的SLS为0、1、。。。、F, 达到在链路集中各链路负荷基本均匀的目的。或通过调整到不同目的信令点路由顺序来保证一个链路集中承担的SLS为0、1、。。。、F, 达到在链路集中各链路负荷基本均匀的目的。
SAU具有多信令点功能, 多信点之间具有负荷分担特性, 是业务侧下行消息中主动下发的消息均分到SAU多个本局信令点上。如智能网中, 主动下发的消息 (如EXECUTE、ATI等操作) ;短消息中MT消息。
3 配置数据实现MTP负荷分担
3.1 增加MTP链路集进行负荷分担
增加MTP链路集使用链路选择方法:设置链路选择字段;ADD N7LKS:LS=1, LSN="ff", APX=1, LKS=2;LKS为“链路选择”。
信令点1是本局信令点。信令点2是相邻目的信令点。信令点1和信令点2之间直连有一个信令链路集, 由此可知, 该信令链路集中包括四条信令链路:信令链路1、信令链路2、信令链路3、信令链路4。假设这四条信令链路都是可以利用的, 怎样才能完全利用这四条可用的信令链路来实现信令业务的负荷分担呢?存在于[MTP链路集表]中的[链路选择]字段就是用来辅助我们实现信令业务的负荷分担。
按照ITU-T规范中的MTP协议, 经由MTP传输的用户业务使用标号来进行业务的负荷分担, 标号的最后一个字段是SLS (信令链路选择) , 长度为4个比特。MTP部分就是靠着这四个比特来区分不同的信令业务。这也就意味着MTP部分可以识别的业务种类共计16种, 编码为0~15。[MTP链路集表]中[链路选择]字段就是与这四个业务比特SLS一一对应。
“链路选择3位”对应了SLS四位中的最高位;“链路选择2位”对应了SLS四位中的次高位;“链路选择1位”对应了SLS四位中的次低位;“链路选择0位”对应了SLS四位中的最低位。正是因为这种一一对应关系, 在信令链路集内实现了信令业务的负荷分担。将“链路选择”字段的某一比特位置位就意味着SLS中对应的那个比特将被取出以参与负荷分担算法。
如果“链路选择”中并无一位被设置, 则会导致负载在信令链路集上的所有信令业务永远集中在第一条可用信令链路上 (假设所有信令链路集内的信令链路具有同一优先级别) 。当然, 如果信令链路集中仅有一条信令链路时, 正好符合这种情况。
如果“链路选择”中仅有一位被设置, 则因为21=2, 所以最多存在两种选择, 这种方式能够使两条信令链路的情况得到最好的负荷分担方式。
如果“链路选择”中有两位被设置, 则因为22=4, 所以最多存在四种选择, 这种方式能够使少于或等于四条信令链路且大于两条信令链路的情况得到最好的负荷分担方式。
如果“链路选择”中有三位被设置, 则因为23=8, 所以最多存在八种选择, 这种方式能够使少于或等于八条信令链路且大于四条信令链路的情况得到最好的负荷分担方式。
如果“链路选择”中四位都被设置, 则因为24=16, 所以最多存在十六种选择, 这种方式能够使少于或等于十六条信令链路且大于八条信令链路的情况得到最好的负荷分担方式。
根据ITU-T的No.7信令规范定义, 一个信令链路集中的信令链路最多存在16条。
3.2 增加目的信令点进行负荷分担
增加目的信令点使用链路集选择方法:设置[链路选择]字段;ADD N7LKS:LS=1, LSN="ff", APX=1, LKS=2;LKS为“链路选择”。
信令点D1是本局信令点。信令点D2是准直连的目的信令点, STP1和STP2是两个STP点。去往D2的信令路由总共有两条:D1-STP1-D2 (信令路由0) 和D1-STP2-D2 (信令路由1) 。也就是从D1发出的去往D2的信令消息可以选择这两个“大”方向出局去往D2。假设这两条信令路由都是可以利用的, 怎样才能完全利用这两条可用的信令路由来实现信令业务的负荷分担呢?存在于[MTP目的信令点表]中的[链路集选择]字段就是用来辅助我们实现信令业务的负荷分担。
按照ITU-T规范中的MTP协议, 经由MTP传输的用户业务使用标号来进行业务的负荷分担, 标号的最后一个字段是SLS (信令链路选择) , 长度为4个比特。MTP部分就是靠着这四个比特来区分不同的信令业务。这也就意味着MTP部分可以识别的业务种类共计16种, 编码为0~15。[MTP目的信令点表]中[链路集选择]字段就是与这四个业务比特SLS一一对应。
“链路集选择3位”对应了SLS四位中的最高位;“链路集选择2位”对应了SLS四位中的次高位;“链路集选择1位”对应了SLS四位中的次低位;“链路集选择0位”对应了SLS四位中的最低位。
正是因为这种一一对应关系, 系统在信令路由间实现了信令业务的负荷分担。将[链路集选择]字段的某一比特位置位就意味着SLS中对应的那个比特将被取出以参与负荷分担算法。
如果[链路集选择]中并无一位被设置, 则会导致去往该目的信令点的所有信令业务永远集中在第一条可用信令路由上 (假设所有信令路由具有同一优先级别) 。当然, 如果仅有一条信令去往该目的信令点时, 正好符合这种情况。
如果[链路集选择]中仅有一位被设置, 则因为21=2, 所以最多存在两种选择, 这种方式能够使两条信令路由的情况得到最好的负荷分担方式。
如果[链路集选择]中有两位被设置, 则因为22=4, 所以最多存在四种选择, 这种方式能够使少于或等于四条信令路由且大于两条信令路由的情况得到最好的负荷分担方式。
如果[链路集选择]中有三位被设置, 则因为23=8, 所以最多存在八种选择, 这种方式能够使少于或等于八条信令路由且大于四条信令路由的情况得到最好的负荷分担方式。
如果[链路集选择]中四位都被设置, 则因为24=16, 所以最多存在十六种选择, 这种方式能够使少于或等于十六条信令路由且大于八条信令路由的情况得到最好的负荷分担方式。
根据ITU-T的No.7信令规范定义, 去往一个目的信令点的信令路由最多有16条。
4 总结
通过对合理配置SAU组网、同一链路集中链路编码为奇数和偶数的链路要放在同一模块中、本局信令点按GT选路时负荷要均匀分担、本局信令点按DPC+SSN选路时负荷要均匀分担、目的信令点表中链路集选择码正确配置、链路集表中的链路选择码正确设置、信令点链路集选择掩码错开设置来保证负荷均匀、增加MTP链路集进行负荷分担、增加目的信令点进行负荷分担阐述及分析, 基本上对信令链路负荷分配有了整体的新认识, 希望能够帮助大家解决绝大部份信令链路负荷不均问题。
参考文献
[1]李小良.通信网络互联中信令故障的分析与处理[J].信息通信, 2010, 4.
负荷接入 篇3
关键词：冲击负荷,区域等值电网,谐波畸变,电压波动,治理措施
0 引言
以电弧炉、轧钢机为代表的冲击性负荷，会产生较大的谐波电流和无功波动，严重时会引起周边电网的电能质量超标[1]。当众多冲击负荷在区域电网集中时，它们之间相互作用对电网的影响无法用简单的线性叠加来描述，冲击影响的范围更是难以直观估计。有效分析多个冲击负荷接入时对区域电网的影响程度是保证电力系统安全运行不可或缺的内容[2,3]。谐波畸变和电压波动是冲击负荷所造成的主要电能质量问题，本文主要从这两方面研究冲击负荷接入对区域电网电能质量的影响。
冲击负荷建模是研究的基础，以往主要采用时域仿真法[4]，这类模型能大体反映负荷的特性，但难以全面展现冲击负荷给电网带来的电能质量问题;另外，冲击负荷的种类繁多，此种模型无法穷尽各种情况。为解决以上问题，文献[5]基于实测数据，使用ATP/EMTP软件将冲击负荷模型用可控电流源表示;文献[6]采用现场录波数据作为冲击负荷的模型，文献[7]将冲击负荷等效为受现场实测数据控制的电流源。基于以上研究，本文提出了一种基于实测数据拟合的建模方法，可直观反映冲击负荷的电能质量问题，且可方便地修改负荷的大小和功率波动以模拟不同的负荷情况。
冲击负荷模型建立之后，需将其接入系统中研究对区域电网电能质量的影响。以往常采用基于无穷大电源串联由短路容量换算出的短路阻抗[8,9]建立的等值电网模型，这种方式可用于研究具有同一个公共连接点(Point of Common Coupling,PCC)的冲击负荷。当需要研究分布式的冲击负荷接入某一区域电网的影响时，此方法无法满足研究需求，因接于区域电网其他PCC的冲击负荷的影响并未被考虑在内。若接入以往的等值电路中，各个冲击负荷所在公共耦合点的电能质量可均在国标范围内而允许直接接入，但实际上大量冲击负荷的同时接入会导致区域电网中诸多节点的电能质量超过国标要求。
针对以上问题，本文进一步提出了多个冲击负荷接入某区域电网的研究方法。以富含钢铁类、水泥类、铝业类、铁合金类冲击性负荷的重庆电网为例，首先在PSCAD中建立了一种基于实测数据拟合的冲击负荷模型，并搭建了重庆区域的等值电网。以此为平台仿真分析了多个冲击负荷接入不同PCC时对电网的综合影响，并针对电能质量超标的情况，提出了针对冲击性负荷的综合治理方案。
1 基于实测数据拟合的冲击负荷模型
1.1 实测数据
利用Dranetz-BMI PowerVisa电能质量分析仪在重庆市某铝材厂测试稳态数据并录波，此铝材厂含有两条轧机线，测试时只有一条轧机线工作。在铝材厂35 k V进线侧测量有功、无功冲击，如图1所示;在10 kV轧机进线侧对电流录波，并通过Dran-view软件对A相电流进行DFT分析，如图2所示。由实测数据可知：冲击性负荷的有功冲击∆Pmax=2 MW，无功冲击∆Qmax=3 Mvar，且三相电流不断变化，主要含有5、7、11、13次谐波。
1.2 模型的建立
提出基于实测数据拟合的新型建模方法，首先在Matlab中处理实测数据得到电流的拟合函数，进而在PSCAD中建立向节点注入受控拟合电流的自定义模型，具体步骤如下。
实测数据测试时每次录波时间为200 ms，采样10个周期，每周期采样256个点，选取某一典型周期的电流波形进行分段多项式拟合，得到电流波形的拟合函数。在PSCAD中建立自定义模型，编写拟合函数并设定节点电气属性为电流源注入。在程序中给注入电流加入正弦波动和高斯噪声以模拟轧机电流的不断变化。以铝轧机为例建立模型，并将所建立的两个铝轧机模型加入配电网中，如图3所示，轧机配电系统的主要参数如下：
金龙110 kV母线短路容量：2 113 MVA;
铁佛35 kV母线短路容量：511 MVA;
金铁线：长度：4.165 km型号：2×LGJ-300/2;
铁奥线：长度：1 274 m型号：LGJ-185/25;
厂变：10 MVA,35 kV/10k V,8%。
在配电网中，PCC点的电压波动由有功冲击和无功冲击共同引起，只有保证∆Pmax、∆Qmax的仿真值和实测值相同，才能反映最大的电压波动。仿真设定工况为两条轧机线同时工作并按最大负荷情况考虑，此时∆Pmax、∆Qmax均较单条轧机线时增加一倍，得到35 kV进线侧有功、无功冲击情况如图4所示，10 kV轧机进线侧的三相电流波形及A相电流的FFT分析结果如图5所示。由仿真结果可知：有功冲击伴随着无功冲击，有功冲击∆Pmax=4 MW，无功冲击∆Qmax=6 Mvar。模型电流与实测电流波形一致，FFT分析结果基本相同，可见模型较为准确地反映了实测电流的性质。重庆地区的其他冲击负荷，如精炼炉、中频炉、矿热炉、轧机、水泥窑等都可采用这种方法建立模型。不同的是电弧炉采用受控电压源模型，并在电弧电阻中加入正弦波动和高斯噪声以实现电压的波动和闪变[10]。
2 冲击负荷接入系统的等值电网
2.1 等值电网的建立
以往用于研究冲击负荷接入系统影响的等值电路只是在PCC处加无穷大电源和根据短路容量计算出短路阻抗，但该等值电路只能用于研究具有相同PCC的多个冲击负荷。当需要研究具有不同PCC的大量冲击性负荷接入区域电网的综合影响时，必须建立冲击负荷所在地区的等值电网。
本文采用了Ward等值和基于戴维南定理多电势等效转化相结合的网络等值方法[11]。Ward等值将电网节点分成内部系统、边界节点、外部系统三个子集合，内部系统不变，消去外部节点。消去部分的网络化简集中于边界点导纳矩阵，注入电流转移到边界点上。在Ward等值结果中，边界节点相互之间存在着联络阻抗，而在电力系统电磁暂态仿真中，要求网络等值简化后其边界节点为等值电势串联等值阻抗的形式。因此，等值电路还需进一步通过戴维南定理多电势等效转化方法将每个PCC节点的等值电路进行简化，才能在PSCAD中搭建等值电网并进行电磁暂态仿真，等效转化处理如图6所示。
利用戴维南定理，可以得到边界1等效转化后的等值阻抗Z1EQ和等值电势E1EQ的计算公式(1)。其中Z11为边界1的等值对地阻抗，Z12、Z13分别为边界1与边界2、边界3之间的等值互联阻抗，为边界1的等值电势，为各边界的潮流计算电压相量。同理，其他边界节点也可以按照公式(1)，实现图6所示的等效转化。
根据重庆电网大方式下的PSASP基础数据库，以凤凰金龙变电站附近区域为研究网络，以板桥220kV、江东220 kV为边界母线，先进行Ward等值，再按戴维南定理多电势等效转化进一步等值，结果如表1所示(标幺值)。Z1EQ、Z0EQ为简化后边界m的等值阻抗，E1EQ为简化后边界m的等值电势，利用等效后得出的相关参数可进行电磁暂态仿真。
2.2 等值电网的验证
按照以上等值电网计算结果，在PSCAD中搭建冲击负荷所在地区的区域电网。为考察冲击负荷在重庆电网大运行方式下接入时的电能质量，PSCAD中等值电网的各母线电压和短路容量需和PSASP中的重庆电网大方式保持一致。选取等值电网的部分母线电压与PSASP中潮流计算值对比，如表2所示。在PSASP和PSCAD中进行相同母线的短路试验，测得的母线短路容量结果如表3所示。由数据对比可验证，等值电网中各母线电压和短路容量与PSASP中潮流计算值和短路实验值基本一致，因此等值电网可满足研究要求。
3 冲击负荷接入等值电网的电能质量分析
基于实测数据拟合的电流源模型反映了冲击负荷的外特性，与电网运行方式有一定关系，因此等值电网模型应符合数据测量时的运行方式。本文冲击负荷建模时所采用的实测数据是在重庆电网大方式下测得的，电网等值时采用的是PSASP中重庆电网大方式下的基础数据库，因此本文以冲击负荷在重庆电网大方式下接入为例，研究冲击负荷接入等值电网时的电能质量。
3.1 单个冲击负荷接入等值电网
将冲击负荷模型接入等值电网，分析系统各公共耦合点的谐波电流、谐波电压与电压波动情况并与换算后的国标允许值比较，进行电能质量的评估。以某铝材厂为例分析，若不加装任何治理设备，铝材厂的模型及其配电网加入等值电网之后如图7所示。
3.2 接入系统电能质量分析
3.2.1 公共连接点谐波电流评估
依据《电能质量公用电网谐波》GB/T 14549-93规定，允许铝材厂注入PCC—铁佛变电站35 kV母线的谐波电流应按最小短路容量及负荷分量换算。PCC最小短路容量为511.2 MVA;国标基准短路容量为250 MVA;用户的用电协议容量，取铝材厂两台主变容量2×10=20 MVA;公共连接点的供电设备容量，取变电站主变容量50 MVA。对5、7、11、13次谐波电流允许值进行换算，对仿真电流进行FFT分析，结果如表4所示。对比可得，5次谐波电流超过注入PCC允许值，超出含量为175%。从谐波电流角度考虑，铝材厂不能直接接入系统。
3.2.2 公共连接点谐波电压评估
依据《电能质量公用电网谐波》GB/T 14549-93规定，35 kV电压等级下，PCC的谐波电压限值如表5所示。对PCC电压进行FFT分析，其主要谐波含量如表6所示，对比可得，铝材厂引起PCC的各次谐波电压含有率和电压总谐波畸变率(Total Harmonic Distortion,THD)均未超过国标规定的限值，从谐波电压的角度考虑，铝材厂允许直接接入。
3.2.3 公共连接点电压波动评估
《电能质量电压允许波动和闪变》GB/T 12326—2000规定，对于随机性不规则的电压波动，35 kV电压等级下的波动范围为2%,35～220 kV电压等级下的波动范围为1.5%。仿真可得公共连接点电压波动为1.14%，低于国标规定的35 kV电压等级下的波动范围，因此从电压波动的角度考虑，铝材厂允许直接接入。
3.3 多个分布式冲击性负荷接入等值电网
此区域电网还有两个轧钢厂和一个炼钢厂，轧钢厂1接入电压等级为110 k V，主要冲击负荷为两条轧机线的所带负荷;轧钢厂2接入电压等级为110 k V，主要冲击负荷也为两条轧机线的所带负荷;炼钢厂接入电压等级为110 kV，主要冲击负荷为两台电弧炉。将它们和铝材厂一起接入等值电网中，分析对区域电网电能质量的影响，接入位置如图8所示。国标规定110 kV等级下电网谐波电压限值如表7所示。
对于随机性不规则的电压波动，110 kV等级下电压波动范围允许值为1.5%。
多个分布式冲击性负荷接入电网时，铁佛35 kV母线电能质量如表8所示，其他母线的电能质量如表9所示，多条母线的电能质量超过国标。铁佛35 kV母线的电压畸变率THDu较单独接入时由2.57%升高到了3.02%，且5次谐波电压含量由2.23%升高到2.71%，均超过国标允许值;母线电压波动由1.14%升高到1.71%，波动范围大幅提高，接近于国标限值。可见当接入等值电网中其他PCC的冲击负荷增多时，即使接入原PCC的冲击负荷功率不变，原PCC母线上的电能质量也会有所下降，原来在国标范围内的部分电能质量指标会超过限值。
由此可见，如果只是在PCC处加一等值电源分析PCC母线的电能质量，该母线电能质量可能在国标范围内，从而容易得出允许冲击负荷直接接入电网的结论。但当依此结论直接接入区域电网各PCC的冲击负荷越来越多时，多个冲击负荷引起的综合效应会使得原PCC母线的电能质量下降，进而有可能超过国标限值，这种情况是只在PCC加一等值电源所不能分析得出的。因此需采用将多个冲击负荷接入等值电网的方法考察PCC母线的电能质量，更能反应实际情况。
4 电能质量的治理
当冲击性负荷引发电能质量超标时，应当按照规定予以治理，将谐波畸变和电压波动限制在国标要求之内，以减少对电网的污染和危害。结合冲击性负荷的特点，分析了以下主要治理方案。
4.1 提高接入电压等级
短路容量大，基波和谐波短路阻抗小，注入电网相同的谐波电流时，此谐波电流在较小的谐波阻抗上，产生的谐波电压较小;同样的无功变化量引起的电压波动也相应的变小。一般较高电压等级母线的短路容量比低电压等级大，具有承担较大谐波和无功变化的能力，因此当某一地区含有较多冲击负荷时，对于新投入的冲击性负荷，可以适当提高其接入电网的电压等级[12]。
4.1.1 单独提高铝材厂接入电压等级
将铝材厂接入电压等级从35 kV提高到110 kV，接入点电能质量如表10、表11所示。PCC母线电压波动范围降为0.1%。可见，提高电压等级后谐波电流、谐波电压含量、电压波动范围均在国标限值内，可直接接入系统。较高电压等级母线具有承担较大谐波和无功变化的能力，可以提高冲击负荷的供电电压等级使接入点电能质量满足国标要求。
4.1.2 同时提高多个负荷的接入电压等级
将此区域电网内的多个负荷同时提高电压等级接入：铝材厂110 kV接入，轧钢厂220 kV接入，炼钢厂220 kV接入。冲击负荷接入更高电压等级时电网电能质量如表12所示。
与表9对比可得：将电网内所有冲击负荷都提高电压等级时，各条母线的电能质量都可满足国标要求。由于金龙220 kV站和花园220 kV站靠近电厂，其母线短路容量大，导致电压波动变化较小。但需要注意的是，各条220 kV母线的THDu却都有较大上升。如果更多的冲击负荷提高电压等级接入，则很有可能导致多条220 kV母线的电能质量超过国家标准，进而造成电网更大范围的污染。
4.1.3 负荷增大时提高电压等级
依据国标，电压波动的评估公式在高压电网中可以为：d((35)Qi/S sc)100%((35)Qi为三相无功功率变化量;Ssc为PCC短路容量)。高电压等级母线具有更大的短路容量，所以同样的无功变化量引起的电压波动更小。但当负荷增大时，谐波电流和无功变化量增大，提高接入电压等级可能会导致高电压等级母线的THDu和电压波动范围超过国标值，造成更大范围的污染。当全部企业提高电压等级接入时，轧钢厂1负荷增加1.75倍，分析的结果详见表13。
由表13可知，随着负荷容量的增大，即便轧钢厂1提高电压等级接入，其新接入点凤凰220 kV母线和原接入点凤凰110 kV母线的电能质量也均超过国标限值，可见接入高电压等级母线的负荷容量也有一定限制。
综上所述，随着接入负荷的增多以及负荷容量的增大，提高接入电压等级会导致高电压等级母线的电能质量超标，进而造成更大范围的电能质量污染。所以，提高接入电压等级只是治标的办法，冲击负荷对电网和自身影响的各种量值并未消除，而是送到更高电压等级的电网中去扩散。
4.2 加装治理设备
4.2.1 采用滤波装置滤除谐波
采用滤波装置就近吸收冲击负荷产生的谐波，以减少其注入电网的谐波电流，是抑制谐波的一种有效措施。加装滤波器是治本的办法，它使谐波源对电网影响就地消除，企业大多将无源滤波装置或有源滤波器并接在负荷进线侧来滤除谐波[13,14]。
4.2.2 加装SVC消除电压波动
冲击性无功负荷主要引起电网电压波动，对于冲击性无功负荷引起的电压波动，企业通常采用在各车间设置静止型动态无功补偿装置(Static Var Compensator,SVC)来治理。当负载无功功率变化时，SVC可保持整个系统从电网吸收的无功功率恒定，冲击性无功负荷引起母线的电压波动可以限制在国家标准允许值之内[15,16]。
SVC可以有效地消除电压波动和谐波，但当产生的冲击性无功负荷对电网的影响较小时，仅装设滤波装置即可。
4.2.3 重庆电网冲击负荷实测电能质量分析
重庆电网有诸多冲击负荷用户，比如重钢、永航钢铁、冀东水泥、潼南牵引站等，根据实测数据，这些用户接入电网引起的各类电能质量问题如表14所示。由表可知，大容量钢铁企业引起的电能质量问题较严重，包括电压波动、谐波畸变等;中小容量钢铁和水泥企业主要引起谐波畸变;电铁主要引起电压波动和三相不平衡。
为了对上述用户采取治理措施，具体分析了各用户所包含的冲击负荷，并根据每种冲击负荷所引起的电能质量问题选择治理设备。根据实测数据，将这些冲击负荷引起的主要电能质量问题和建议选择的治理设备归类如下，见表15。
5 结论
本文提出了基于实测数据拟合的冲击负荷模型，并基于ward等值法和戴维南定理多电势转化相结合的方法搭建了重庆地区的等值电网，以此为平台分析了冲击负荷接入重庆电网所引起的电能质量问题，提出了针对冲击性负荷的主要治理方案，得出如下结论。
(1)当接入重庆电网的冲击负荷越来越多时，用冲击负荷接入单个等值电源的方法来研究PCC的电能质量，已无法准确反映分布式冲击负荷接入电网中所引起的综合效应。因此，需采用将冲击负荷接入区域等值电网的方法来分析系统中各关键公共耦合点的电能质量，以更准确地评估众多冲击性负荷接入电网带来的影响。
负荷接入 篇4
传统负荷建模可在很多应用场景下取得较高精度[1,2,3,4]。然而近年来随着风电等新能源的大规模接入, 其对电网的影响也已取得业界共识。从节点特性角度, 风电接入不但改变了负荷组成和功率流向, 且随着风功率的随机性和基础负荷的时变性, 广义负荷不确定性加剧, 这对系统潮流、可靠性分析等会产生较大影响, 也给负荷建模分析带来新的挑战。
风电接入会造成潮流反向, 需考虑其注入功率特性, 此情况下传统建模方法难以适用;另外, 由于缺乏对随机特征的描述, 传统建模方法不能用于不确定场景下的分析计算。因此需要提出新的研究方法以解决新形势下风电接入带来的随机分析问题。传统稳态下为表征负荷时变性问题, 许多学者提出了分类建模思想[5], 拟合效果较好。但应对不确定性问题, 传统稳态模型不具有对随机特征的描述能力, 给建模和稳态分析带来不便。另外, 现有考虑风电接入的负荷建模方法对风电并网研究做出了很大贡献, 但其研究背景或为机电暂态情况, 可以合理假设风电机组出力恒定[6,7,8,9], 或通过参数辨识获得风电机组详细模型[10,11], 均未涉及长时间尺度下风电接入带来的随机性这一根本问题。
对于考虑风电接入不确定性的节点特性建模问题, 国内外鲜有研究。为此, 本文从稳态入手, 提出了考虑风电随机出力的节点特性建模新方法及相应的统一广义负荷模型。针对该问题, 首要任务是分析节点特性, 为此将所研究的含风电场节点特性划分为电源特性和负荷特性。为解决节点特性不确定问题, 本文借助概率信息, 出于统计概率分布的需要, 对数据分段, 每段为一个功率场景, 利用各场景中对应的原始电压和功率学习并提取相应的节点特征, 这样不但可定性分析节点呈现负荷特性还是电源特性, 还可将其定量细化到具体功率范围, 对节点特性处理更加细致。该方法为后续稳态分析奠定了基础, 可应用于不确定场景的相关分析, 如考虑风电接入随机特征的各场景下的潮流计算、稳定性计算和风险评估等, 从而可为风电接入后的仿真分析和调度控制提供辅助参考。最后, 以风险分析为例说明该模型的具体应用。
1 节点特性及建模问题的提出
根母线节点组成示意图如图1所示。
图1中的根母线节点, 相当于从系统侧看入、与该母线相连的风电和邻近基础负荷等的综合等值, 其外特性取决于该时刻负荷与风功率的相对大小, 它会随负荷时变性和风功率波动性而变化。为便于描述, 把节点中总体呈现消耗功率的外特性称为负荷特性, 呈现发出功率的外特性称为电源特性。从系统角度看, 这种广义负荷特性相比于传统单纯负荷, 有质的变化, 对系统的影响也大不相同, 因此研究这类节点负荷特性有重要意义。基于此, 本文提出了考虑节点特性不确定性的建模思路, 可为风电接入后不确定场景的相关分析奠定模型基础。
2 建模思路与模型结构
2.1 节点特性分段细化
由于负荷时变性与风功率波动性, 节点呈现的特性具有多种可能性, 不同特性下对应着不同模型, 另外, 出于概率统计需要, 有必要将能够表征节点特性的随机变量进行细化并提取相应的特征规律, 如此不但可定性分析节点呈现负荷特性还是电源特性, 还可以将其定量细化到具体功率范围, 对节点特性处理更加细致。用于建模的变量为电压、有功功率和无功功率。其中有功功率因其能够可靠表征节点特性、变化范围大、易于细化分段而被选作特性参考变量。本文中, 以有功功率为正表示负荷特性, 有功功率为负表示电源特性, 分列功率轴两侧。
分段时要考虑以下因素: (1) 尽量细化以获得准确模型; (2) 每段保证有足够样本, 分段不宜过多; (3) 便于应用计算, 过多的模型会给后续分析造成不便; (4) 方法简单易行, 传统的系统聚类法要计算类间距离[5], 对于大量的统计数据来说, 这种计算方法无疑使计算次数呈幂次方增长, 耗时太多。由此本文以零功率为起点, 以基准功率的10%为间隔, 范围扩展到正、负半轴, 根据样本为正、为负时绝对值的最大值自适应确定模型范围和分段数, 以保证模型具有一般性。
2.2 基于统计的概率分布
为表征风电出力的随机性, 本文借助概率信息, 将有功出力分段并统计, 获得概率分布。由于其结果可根据随机现象的统计规律对不确定场景进行细致分析, 因此不必按时间、季度等规律分类, 同时结果具有一般性和代表性, 不必频繁修正建模。
由于风电接入, 根母线处功率范围扩大至负半轴, 以基准功率的10%为功率间隔, 统计各段下有功功率出现次数, 则相应出力频率为:
式中:Prs m和Prl m分别为电源特性与负荷特性频率, 当数据量足够大时, 根据大数定理可等效为概率;以电源特性为例, N (ps m) 为有功功率ps m∈ps[0.1m-1.1, 0.1m-1) 的出力次数, 其中m为分段标识, ps为基准功率, 用于数据归一化处理, 该值应大于全部功率数据绝对值最大值, 在此基础上根据实际数据合理选取, 本文建模中ps选取风电场基准功率100 MW;e={ηmin, …, ηmax}为全部功率段数, 其中ηmin=11+10 (pmin/ps+εs m) , ηmax=10+10 (pmax/ps+εl m) , 分别表示最小和最大功率段数, εs m和εl m分别为电源特性与负荷特性分段范围裕度, 以保证分段限值为整数, pmin和pmax分别为功率最小值和最大值;pr为根母线功率值;负荷特性类似。
2.3 利用人工神经网络法提取节点特征
概率信息可较好地解决随机性问题, 但是各功率区间呈现怎样的特征, 目前从本征机理角度对该问题的研究仍在起步。本文采用人工神经网络法建立模型[12,13], 由于不必给出具体模型表达, 能有效避免由于对具体模型元件经验不足导致的模型偏差。
以P (v) 关系为例, 其中输入为节点电压v, 输出为有功功率值P。由于数据量较大, 计算收敛速度是本文关心的重点。为了快速收敛, 本文采用LevenbergMarquardt快速算法进行训练, 其采用自适应调整算法, 比其他梯度算法速度快得多, 权值调整率定为:
式中:Jm为误差对权值微分的Jacobian矩阵;em为误差向量;μm为自适应调整的标量, Im为单位矩阵, 该项加入可以避免求逆矩阵奇异。
为快速收敛, 选取Log-Sigmoid函数作为网络层激活函数, 即
式中:b与斜度有关, 简便起见, 取为1。
各层计算模型如下:
式中:k为输出变量数;Em为每段训练误差;Nm为功率分段下的样本数;Nom为输出层神经元数;Pkmn为各功率分段中实测有功功率;pkmn为计算求解的输出值;sjm为隐含层激活函数输入量;Ni m为输入层神经元数;ωimj为隐含层连接权值;ωjmk为输出层连接权值;vmi为输入电压;θmj为隐含层神经元阈值;θmk为输出层神经元阈值;Nhm为隐含层神经元数。
为便于描述, 用对应表示包括ωimj和ωjmk的所有连接权值, 则Jm的具体表达式如式 (5) 所示。
通过数据训练, 使网络拟合输出值与实际输出值误差最小, 则该网络下的参数ωimj, ωjmk, θmj, θmk等即为模型参数。
定义功率误差评定各段拟合效果:
对于总体样本, 误差为:
式中:Yi为实测值;Xi为拟合值;N为样本总数。
2.4 分析流程图
通过分段细化节点功率、统计概率分布, 分别对各段进行自适应学习并提取相应特征, 分析流程如图2所示。
2.5 模型结构
本文以有功功率为例最终建立如式 (8) 所示的模型结构。
式中:Prs m成立条件为ps m∈ps[0.1m-1.1, 0.1m-1) |ps m<0;Prl m成立条件为pl m∈ps[0.1m-1.1, 0.1m-1) |pl m>0;ps m<0表征电源特性;pl m>0表征负荷特性;ps m (vs m) 和pl m (vl m) 分别为各分段下提取的电源特性和负荷特性关系表达式;vs m和vl m为各段中根母线电压;以电源特性为例, Prs m (ps m∈ps[0.1m-1.1, 0.1m-1) |ps m<0) 表示在ps m<0的条件下, 根母线有功出力落在ps[0.1m-1.1, 0.1m-1) 这段的概率, 在此概率约束下其出力随电压变化的特征关系为ps m (vs m) , 负荷特性类似。
3 实例分析
数据来源于山东某风电场实测有功运行数据, 负荷采用该地典型日变电站110kV侧出线的功率数据, 采样间隔为5min。为获得数据样本进行建模, 首先应通过合理计算以获得风电场无功功率样本和根母线电压样本。根据实际比例, 以New England 39节点标准系统为例, 按照上述方法分析节点特性。
根据风电场实际运行特点, 功率因数可保持恒定[14], 据此计算风电场无功功率为:
式中:φ为功率因数角;P为风电场有功功率。
对于并网风电机组而言, φ一般位于第四象限, tanφ为负值。国家电网公司对风力发电功率因数作了规定[15], 在此范围内, 本文假设功率因数恒定为0.98, 功率因数角位于第四象限。
国内外学者对风电并网的潮流计算做了大量研究[16,17,18], 可以看出精确性与求解效率的对立关系。针对本文的应用场景, 借鉴文献[16]潮流计算方法, 利用已知风电有功出力定功率因数获得无功功率, 与负荷叠加获得根母线功率, 将其作为PQ节点通过潮流计算获得电压样本。利用该数据分别采用传统建模方法与本文方法进行拟合效果对比。
传统稳态下, 采用分类建模方法解决负荷时变性问题, 拟合效果较好。其中文献[19]按时间分类, 采用递推最小二乘法拟合现场数据。用该方法建模, 结果如图3 (a) 所示。为方便比较, 根据式 (7) , 求得无风电场接入时 (图3 (a) ) 拟合误差为5.541 2×10-3。可以看出, 传统情况下采用该建模方法可以满足工程需要。
但是风电注入后, 节点不确定性加剧, 根据实测数据得到的风电有功出力波动图如图4所示。可以明显看出, 其功率波动较大, 节点出现了源特性, 某些情况下会出现负荷特性和电源特性的随机转化。
接入风电场后仍用传统稳态建模方法, 将全天数据分类并采用最小二乘法建立多项式模型, 结果如图3 (b) 所示。可以看出, 风电接入后拟合效果不佳, 利用式 (7) 定量计算其拟合效果为0.039, 误差较大, 计算特征值分别为0, 0, 37.102 2, 说明矩阵奇异导致求解失败。因此, 当节点功率波动过大时, 传统方法拟合效果不理想。
利用本文方法对全年数据进行概率统计并建模。根母线有功功率概率分布如图5所示。
由图5可见, 该风电场出力范围为[-0.3, 0.7] (标幺值) 。由式 (8) 中分段m取值可以看出, 分段始末端点是根据实际数据合理确定, 如此可保证模型具有一般性。
采用神经网络进行特征提取, 由于只要隐单元数目合适且激活函数足够光滑, 单隐层就能以任意精度逼近任意函数, 因此本文采用单隐层, 隐节点数与输出训练集的样本数、样本噪声以及欲逼近函数的波动性等有关, 需根据实际情况仿真实验确定, 通过比较训练误差、测试误差和仿真时间, 确定隐含层节点数为25, 具体仿真计算过程参见附录A。为便于计算, 式 (4) 中各段的Ni m, Nhm, Nom取值相同, 分别为1, 25, 1。各段拟合结果如表1所示, 可见各段拟合误差较小, 最大误差出现在[0.3, 0.4]段, 也仅为5.195 5×10-4, 拟合效果较好。
分别用传统模型和本文模型拟合第二年数据以检验模型泛化能力并利用式 (7) 定量计算误差, 结果表明本文方法误差小, 泛化能力更佳。具体对比参见附录B。
4 考虑风电不确定性的广义负荷建模在风险分析中的应用
为说明本文方法的具体应用, 在此以风险分析为例进行仿真分析, 从中可看出本文方法相比传统方法在应用场景上的优越性。
大规模风电接入使电网潮流流向和分布发生随机改变, 因此必须进行随机条件下的系统安全分析。针对该问题, 目前常用风险评估[20]综合衡量风险严重度与可能性。
传统稳态建模不具有对不确定问题的描述能力, 且未对考虑风电接入的长时间尺度下的适用模型进行深入研究。若继续采用传统确定性恒阻抗—恒电流—恒功率 (ZIP) 负荷模型, 需要借助蒙特卡洛法进行成千上万次仿真计算, 耗时长, 更重要的是ZIP模型无法反映电源特性的影响, 分析未必精确。本文新提出的统一的广义负荷模型, 可根据大量数据样本的统计规律引入概率信息并分别建模, 从而在反映节点特性的模型基础上具备对不确定问题的描述能力。由此本文从运行风险评估角度综合考虑支路潮流临近度、节点电压临近度和场景发生概率, 分析系统在稳态情况下的潜在风险。
为便于分析, 采用典型单机两节点系统说明该问题, 如图6所示。
用本文方法分别建立P-V和Q-V关系, 获取各段模型参数, 修正有功功率和无功功率不平衡量如下:
式中:下标p和q分别表示求解的是有功功率和无功功率与电压的关系;Gij, Bij, θij分别为线路电导、电纳和节点间相角差;j∈i表示节点j与节点i直接相连, 并包括j=i的情况。
基于式 (10) 和式 (11) , 修正Jacobian矩阵中相关元素Nii和Lii的表达式;分别进行各功率场景下的潮流计算, 获取支路潮流和节点电压计算结果, 在线路总体稳定范围内, 选择线路最大功率的80%作为评估指标[21], 当支路功率小于该范围, 则系统安全稳定;当支路功率大于该范围, 定义支路潮流失稳临近度Pcritical和节点电压失稳临近度指标Ucritical, 考核系统运行潜在风险, 见式 (12) 和式 (13) 。根据风险评估定义, 风险度指标δP和δU为发生可能性与严重度乘积, 见式 (14) 和式 (15) 。
式中:pijmax和pijmin分别为支路功率上、下限;pij为支路功率;vmax和vmin分别为电压上、下限, 分别取1.1和0.9;vi为节点电压;Pr m为各场景下的概率, 即发生的可能性指标;pm为分段m下的根母线有功出力。
由式 (12) 和式 (13) 可知, 正常情况下计算结果范围在[0, 1]中, 越接近1, 越接近稳定极限, 潜在风险越大;反之越稳定。其中pijmax和pijmin根据热稳定计算公式得到[22], 具体公式和变量见附录C。计算得到最大传输功率为1.984, 即pijmax为1.984, pijmin为-1.984, 为便于说明问题, 此处ps取为350 MW。据式 (10) —式 (15) , 计算结果见表2和表3。
表2从支路潮流的角度, 综合考虑Pcritical与发生可能性Pr m, 其中场景[0.5, 0.6) 和[0.6, 0.7]的δP分别为0.164 6和0.123 3, 应重点关注;表3从节点电压角度, 综合考虑Ucritical与发生可能性Pr m, 得出其风险度δU, 其中[0.2, 0.3) 和[0.3, 0.4) 的δU分别为0.075 4和0.106 8, 应重点关注。由此, 一旦节点功率即将落入风险度较大的场景, 应通过调度控制措施增强系统抗干扰能力, 以避免越限情况发生, 造成经济损失, 而传统方法则无法直接提供概率信息以进行系统安全分析。
因此, 该方法可用于风电接入带来的不确定场景的仿真分析, 弥补了传统方法对不确定场景描述能力不足的缺陷, 是对传统建模方法在应用场景上的扩展和延伸, 从而可为风电接入后的仿真分析和调度控制提供辅助参考。
5 结语
本文分析了长时间尺度下考虑风电接入后的节点特性不确定性问题, 不再局限于传统确定性情形。首次将概率统计与含风电场节点特性建模联系起来, 提出负荷特性与电源特性统一的广义负荷模型表达, 改变了传统上仅从模型结构和参数辨识两方面入手的基本思路。
仿真发现, 采用传统稳态模型拟合风电接入后的节点特性, 功率波动大时拟合偏差较大, 甚至会由于矩阵奇异造成求解失败;利用山东某风电场实测数据建立统一的广义负荷模型, 仿真结果表明新方法拟合误差较小, 可精确建模。
本文通过概率信息的引入, 可从节点特性角度进行考虑风电接入后随机特征的各场景下潮流计算、稳定性计算以及系统风险评估等, 是对传统建模方法在应用场景上的扩展和延伸, 对系统的运行控制与调度有一定的现实意义。
负荷接入 篇5
目前,我国城市配电网存在网架结构薄弱、电压合格率普遍较低、供电可靠性低等问题[1]。同时,随着主动配电网研究[2]中分布式发电DG(Distributed Generation)的广泛接入,其不确定性给网架规划带来新挑战,如何构建具有较强适应性的配电网网架具有重要意义。
近年来,国内外学者对配电网网架规划进行了大量的研究。文献[3]构建以投资、维护、网损总费用最低为目标函数,考虑电压降落和电力平衡等约束的配电网规划模型;文献[4]以总体负荷矩最小为目标函数综合考虑变电站规划和配电网线路规划的数学模型;文献[5]基于设备全寿命周期成本,考虑规划方案初始投资、运行维护成本、停电成本、报废成本,建立了配电网多阶段网架规划模型。然而文献[3-5]未考虑实际负荷点的地理信息情况。实际上,空间负荷信息对配电网规划具有较大的影响,不宜忽视。文献[6]探索考虑地理信息的网架规划研究,利用GIS坐标系统标示规划区域,进而辅助动态馈线路径的寻优,但2点间仅考虑直线距离。传统配电网规划方案往往一次计及全部负荷节点,某种程度上加大了求解难度,尤其当配电网规模达到一定程度且DG渗透率较高时,问题复杂度进一步增加,故而在网架规划中可考虑分区的方法。文献[7]提出了用于孤岛划分的分区方法,对网架规划具有一定的参考价值;文献[8]运用分区对模型降维,得到了较好的应用效果,但仅考虑辐射状网络结构,可靠性有待提高。此外,主动配电网背景下DG的渗透率逐渐提高,DG主要以具有较强波动出力特性的风电和光伏为主被纳入规划[9,10],其出力时序性在传统规划中较少涉及。由上可知,传统配电网网架规划中依靠分区的方法,可减少决策变量,降低计算维度,避免陷入局部解,且随着网络中DG渗透率的增长,网络分层与分区有效结合可明确整个配电网层级关系,快速进行负荷溯源,充分挖掘各区DG的潜在利用率和负荷资源的均衡配置,提高配电网综合规划品质。
配电网规划包含众多内容,本文从网架结构着眼,在变电站容量、位置既定的情况下提出一种基于负荷聚类分区及DG时序特性的主次网架规划方法。首先,基于勒贝格公式的K-means聚类方法对供区进行最优分块,并引入等效负荷点概念,对多个具有不确定性的负荷和DG的不确定性进行聚类;其次,充分考虑负荷和DG的时序出力特性,建立花瓣式结构的主级网架,并运用雨刷摇摆搜索算法进行求解;然后,以等效负荷点为电源点构建辐射状次级网架,并以失负荷总量最小为目标进行联络设计;最后,通过算例仿真验证分层模型的有效性。
1 配电网主次网架结构
配电网供区通常具有负荷点数目庞大且布局离散的特点,本文针对单一变电站供电半径内各负荷进行分区处理。假设已知规划年负荷位置和初始容量、DG的安装位置和容量变化,配电网网架规划分层分区模型结构见图1(横轴X、纵轴Y表示地理尺寸)。
该网架为双层结构,图中三角形表示变电站,即电源点;叉形点为等效负荷点;圆圈表示实际负荷点。定义等效负荷点的地理位置为子区聚类中心,主级网架由电源点与等效负荷点间的连线构成,如图1中4条虚线所示;次级网架为表征实际负荷点与等效负荷点连接关系的供电路径,如图中实线所示。由图可知,构建主次网架的特点包括:配电网结构层次分明,脉络清晰,便于运行人员管理调度;实现主次有别,各层各区可按各自需求合理规划,提高设备利用率,并降低投资;缩短源荷间电气距离,提升电压水平;分区可等效区域内负荷/DG的随机波动,且实现规划决策模型降维。
此外,为缩短线路长度,降低建设成本,本文网架基于最短路径原则构建。有研究表明,线路长度与线路故障次数呈现一定的正相关性[11],长度的削减可进一步缩减维修和运行成本。
2 配电网主次网架的规划方法
2.1 基于地理信息的负荷及DG聚类分区
由图1知,在获取规划年负荷及DG二维地理信息基础上,结合聚类理论合理划分供区,并将聚类中心视为等效负荷点,用以代替各子区内的负载情况。一般而言,规划区内子区数越多,则整个供区的供电能力就越强,但随着子区数的增加,供电能力的提升幅度将逐渐降低,反而造成结构复杂性的增加和经济性的下降[12,13];另一方面,过多的子区数会增加线路总长度,增大建设投资。因此,有必要在分区前确定最优分区数目。
现有聚类分析算法大体可分为基于划分、基于层次、基于密度、基于网格和基于模型的方法[14]。其中,K-means算法是一种启发式划分方法,具有简单、快速的优点,从而得到广泛应用。配电馈线一般沿公路和楼房的边缘布线,布置限制在类矩形网中,K-means聚类的勒贝格公式计算的是2点间横坐标的差值和纵坐标的差值之和,较好地反映了线路走向和实际长度[15]。以式(1)为目标函数,获取最优子区数M及分区结果,式(2)为勒贝格公式。
其中,Dni为第n个实际负荷点和第i个聚类中心的距离;ΔXij、ΔYij分别为节点i和节点j间横坐标差值和纵坐标差值;Dio为变电站至第i个聚类中心的距离;Si为i子区内实际负荷点的集合;M为总子区数;SM为聚类中心的集合。式(1)前半部分表明实际负荷点到所属聚类中心的距离和,后半部分阐明聚类中心到变电站的距离之和。其中,DG的处理方法与负荷点一致。
结合K-means算法的聚类分区步骤如图2所示。
2.2 主级网架的构建方法
2.2.1 时序模型
DG出力具有不确定性和波动性的特点,研究表明[16,17]时序出力对规划的最终结果有一定的影响,故而本文在主级网架构建中应充分考虑等效负荷点的时序性,包含负荷节点的波动性和DG出力的不确定性,采用蒙特卡罗抽样获得时序数据。
a.负荷。
本文在文献[18]的负荷模型基础上扩展延伸,考虑不同负荷类型特性差异,分别将需求水平因子细分为24种日因子和12类月因子,计入负荷波动和增长,可实现以小时为时间粒度,模拟任意时间尺度负荷量的功能。因此,负荷类型为m的节点i在t时刻的负荷量可描述为:
其中,SDi,m,base为负荷类型为m的节点i的基准负荷;MFm,t和DFm,t分别为m型负荷在t时刻对应的月需求水平因子和日需求水平因子;αm为负荷年增长率;T为年份;R为波动因子,通常取0.9~1.1。
b.风电出力。
风机的实际输出功率主要受风速的影响。在规划研究中,风速通常认为符合威布尔分布,根据历史气象数据可以得出规划区的风速时序特性曲线,按月分析求得12组形状参数kt和比例参数ct,可得t时刻改进的概率密度函数:
其中,vt为t时刻抽取的风速;kt和ct分别为t时刻对应的形状参数与比例参数。风电的输出功率Pt与风速vt之间的函数关系可描述为[19]:
其中,vrated、vincut、voutcut分别为额定风速、切入风速和切出风速;Prated为额定功率。
c.光伏出力。
光伏发电的基本原理是根据光生伏打效应,利用光伏板组件将太阳能转化为电能。光伏电池板在t时刻的输出功率模型利用式(6)计算[20]:
其中,PSTC、rSTC分别为标准测试条件下光伏电池组件的最大输出功率和辐射强度;rt为t时刻实际辐射强度,其数值参考当地历史气象数据;q、Tt、Tτ分别为功率温度系数、电池温度和参考温度。
2.2.2 主级网架模型
现有馈线系统主要有辐射状、环状、网状3类。辐射状网架成本低且易于控制,但供电可靠性差;网状馈线系统有非常高的可靠性,但造价也相应大幅提高,且运行分析复杂;环状结构在投资成本不显著增大的同时供电可靠性能达到较高的水平[15];花瓣式结构[21]由于集合多环状网特点,具有高可靠性而得到应用,本文采用此结构搭建主级网架,并采用“闭环设计,开环运行”模式,馈线按50%的负荷设计,其基本结构如图3所示。图中三角形代表变电站/电源点,其余各点均为等效负荷点。虚线表示此线路配备常开开关,将回路中两侧总负荷量差值最小的线路设置为常开状态,可使正常运行状态下线路的负荷较为均衡。
考虑到配电网复杂多样的运行工况,本节根据模拟所得时序场景数据,统计分析得到各等效负荷点数值,进而构建主级网架,基本步骤如下。
首先,确定各等效负荷点的数值,采用时序数据场景削减[22]的方法实现。统计求取模拟时段中各等效负荷点对应的最大总负荷量和总DG安装容量,分别十等分制成10×10的框格,以1 h为时间粒度逐个将场景计入相应框格,一个时序场景计为1 h,统计各框格的持续小时数。等效负荷点数值的获取用如下公式表述:
其中,Dm为第m个等效负荷点的数值;K为场景削减后的场景总数;εk为场景k的权重;αk和βk分别为场景k下的负荷百分比和DG百分比;n、p分别为在m子区内的负荷节点总数和DG节点总数;di,t为第i个负荷节点在t时刻的负荷需求值,此处求和后应取最大值;gj为第j个DG的安装容量;tk为场景k所表征框格的持续小时数;ttotal为总模拟小时数。以图4为例,箭头所指圆柱表示负荷需求在总量40%~50%区间内,DG出力值为安装容量0~10%的场景的统计持续小时数是712 h,用式(8)求得权重,在计算等效负荷点数值时用αk=50%和βk=10%表征此框格内的场景集。
其次,确定花瓣式结构的“瓣”数。选定主级网架的线型,If为其载流量,运用式(9)确定回路数:
其中,Dm为第m个等效负荷点的数值;n为供区内等效负荷点总数;Un为额定电压;α为馈线裕度;表示向上取整。式(9)中分母表示单条线路的额定容量,该式表示至少需要Nh条线路才可供应电力。
最后,采用均质线路构建主级网架。以线路负荷方差最小为目标将所有等效负荷点均衡划分至不同环形回路中,以提升线路利用率,降低网架损耗,平衡电压水平。主级网架模型如下所示,模型采用2.2.3节中所述雨刷摇摆搜索算法求解。
其中,Nh为花瓣中含有的回路数;H为回路h中等效负荷点集合;S为变电站出线间隔数。其中,模型中采用平方的算式一方面可保证结果非负,另一方面可理解为惩罚因子,使得求解所得各回路负荷量更均衡。
2.2.3 雨刷摇摆搜索算法
本文以雨刷摇摆搜索算法求解主级网架模型,图5为该算法实施步骤。左上图为网架初态,设定主级网由3个环网组成,X轴为基准线,直线1、2、3与其夹角分别为θ1、θ2、θ3,利用3条分割线将供区均分为A环、B环、C环区,其中A环区为θ1~θ2范围,B环区为θ2~θ3范围,C环区为θ3~θ1范围;为搜索出最优结果,如右上图所示,3条分割线以旋转角度Δα的整数倍左右摇摆,按式(10)计算得到最优结果,重新确定3个环的范围;左下图计算结果显示,3条分割线的位置均发生变动,部分等效负荷点所属环有别于初态。运用该算法得到最优结果后,即可构建花瓣式主级网架,见图5右下图。主级网架构建成本为线路总长度(含虚线)与单位长度造价的乘积。
2.3 次级网架的构建方法
次级网架将等效负荷点视为电源点(非变电站),采用各子区并行同步方式进行构建。首先将实际负荷点以辐射状结构连接于所属等效负荷点,继而于各子区内部设置联络,故同区应采用均质线路连接。各子区可按负荷需求选定线型,依据式(12)确定次级线路应满足的最低电流值,选线原则为所选线路额定电流不小于该计算结果,即所选线路容量应满足该区负荷需求。
其中,If,m为m分区的计算电流值;β为线路电流裕度。
2.3.1 辐射状网架模型
次级网架单区域构建决策的数学模型如下,其中2点间距离依旧采用式(2)计算。
其中,Em为子区线路集合;S为实际负荷点集合;n为节点总数;xij为0/1变量,代表线路ij的连接情况,1为连接,0为不连接;Cij和Lij分别为所选线型的单位造价和线路ij的长度;Iij和Ijp为线路电流,i为j的父节点,p为j的子节点;dj为节点j的负荷;Ui和Uj分别为节点i和j的电压;Iij(max)为线路ij的最大额定电流值;Un(max)为节点最大额定电压值;Rij为线路阻抗。式(14)表述电力电量平衡,式(15)、(16)确保网架连接为辐射状,式(17)表述线路的电压降,式(18)、(19)为线路电流约束和节点电压约束。该模型是0-1整数规划模型,采用粒子群算法求解得出路径寻优方案,得到连接矩阵X即可完成辐射状网架构建。其中,常数矩阵L包含了各节点间的地理距离。
2.3.2 联络设置策略
在辐射状网架基础上,次级网络各子区内部需加设联络线以提高电力传输的可靠性,其设置目标为使子区内失负荷总量最小。任意选取子区内两实际负荷点连接作为联络线,即对于n个节点的区域,共有Cn2种连接方案,每种方案依据式(21)求得失负荷总量Etotal,选择Etotal最小的方案设置联络。
其中,Mt为子区内线路总数(不含联络);P为线路单位长度故障率;Lm为线路m的长度;n为实际负荷点总数;Em,j为线路m切除后节点j的失负荷量,若节点j在线路m切断后不受其影响或可通过联络进行负荷转供,则Em,j=0。此外,若某子区的实际负荷点均直接连接于等效负荷点,没有多点串联的情况,则不考虑加设联络。
3 算例分析
3.1 算例数据
算例采用33节点的待规划区,网架电压等级为10 k V,首端电压设置为1.05 p.u.,将其设计于100×100的坐标系中,代表实际建设区域为1 km2的范围。负荷和分布式发电出力时序模型采用2.2.1节所构建模型,各实际负荷点的坐标、负荷有功功率初始值、无功功率初始值、负荷类型、负荷年增长率见表1,其中,节点0为电源点。分布式发电接入类型、接入节点及容量信息见表2,其中,风速服从威布尔分布,其额定风速、切入风速和切出风速分别设置为13.5 m/s、3 m/s、25 m/s;光照强度参考值、电池温度参考值、光伏板的功率温度系数分别为1000 W/m2、25℃、0.002 5。架空线参数信息见表3。
3.2 算例实施
(1)聚类分区。
以实际负荷点二维坐标为输入数据,运用式(1)、(2)计算不同分区数下的结果,如图6所示。当分区数M=6时存在最优解,可将6个聚类中心作为等效负荷点(节点a—f),并统计各区的实际负荷点信息,结果见表4。
(2)时序模拟。
运用负荷、DG时序模型模拟规划年节点的全年数据,此数据涵盖负荷的增长、DG安装容量的变化。图7展示了24 h内不同负荷类型的时序需求、风机时序出力和光伏时序出力;图8为单负荷、单风机和单光伏时序模拟抽样的数据示意图,用于展示全景信息。
(3)构建主级网架。
各实际负荷点聚类结果如表4所示,统计前一步骤所得时序模拟数据,由式(7)、(8)计算求得各等效负荷点(节点a—f)的数值,见表4功率列结果。
经计算,供区的负荷总量为6337+j1086 k V·A。主级网架拟定采用JKLYJ-10/240型线路铺设,查询表3可知该线型的If=0.6 k A,同时设置馈线裕度α=0.5,依据式(9)求解回路数为2。运用雨刷摇摆搜索算法确定主级网架。
首先为两“雨刷”设置初始位置。如图9左图所示,将过变电站节点的横轴设置为基准轴,则雨刷1、2与基准轴的夹角分别为θ1、θ2,将供区分为M环区(θ1~θ2)和N环区(θ2~θ1),初态下M环区有2个等效负荷点d、e,N环区有4个等效负荷点a、b、c、f。2条分割线以旋转角度Δα=5°的整数倍左右摇摆,按式(10)计算求取最优解。最终结果如图9右图所示,雨刷1、2的位置均发生变动,M环区含有等效负荷点a、c、e,N环区含有等效负荷点b、d、f。两环形回路的连接如图9所示,其中虚线代表常开线路,其设置原则为线路两侧总负荷量差值最小,故将联络线设置于c、e间和b、f间。
(4)构建次级网架。
次级网架建立前必先选定线型。结合式(12)计算各子区线路需满足的最低电流值,结果见表5,其中,线路电流裕度β=0.75,依据计算结果在表3中选定各区适宜线型。
用粒子群算法求解辐射状网架模型得到各区连接矩阵,建立辐射状网架如图10所示。
依据2.3.2节策略,将在A、B、E、F 4个子区的次级网架中设置联络,以A区为例说明:该区共有5个实际负荷点,则有C52=10种联络设置方案,按照式(21)计算失负荷总量,筛选出Etotal最小方案,得到联络设置位置。完成以上设计,最终得到的主次网架接线如图11所示。
3.3 对比分析
为说明主次网架特点,将其与IEEE 33节点标准接线方式(如图12所示)作对比分析。依据式(12)计算得线型为JKLYJ-10/240,时序模拟两者全年的运行,分析仿真数据,对比电压水平、网架损耗和网架建设投资等指标。
由于全年数据量过于庞大,故着重展示2种接线结构某天的电压平均值和最低值,如图13所示,其中,实线代表主次网架的计算结果,虚线代表标准接线网架的结论。直线为平均电压值,带三角形的线条为最低电压值。表6为2种网架各指标的计算结果。
根据以上计算结果,可得如下结论。
a.对比图11和图12可知,主次网架是双层结构,主级网为提高供电可靠性采用环形回路设计,组成花瓣式结构,次级网以失负荷量最小的目标加设联络,进一步提升网络可靠性;而标准接线模式为单层辐射状网架,仅在线路末梢少量考虑联络。
b.据表6分析可知,主次网架可依据各子区负荷需求的差异设置不同线型,同时,双层网架采用不同的线路铺设,相比于标准接线模式,其经济性有一定的提升。此外,总网损及其方差数据表明,主次网架不仅有更少的平均网损,并且网损更集中于平均值附近,进一步表征了该网架较少出现网损特别严重的场景,其在网损方面的表现更优。
c.电压方面,据图13显示,主次网架在此24 h内的电压平均值和最低值均高于标准接线模式下的电压水平,表明主次网架在电压方面的性能较优。表6中电压均值和方差的结果亦表明,即使在长时间尺度下,主次网架同样具有较高的电压值和较稳定的电压。这主要得益于主次网的构建方法,由网架层次对比可知,主次网的6层网架明显低于18层的标准接线网络,使得源荷间的电气距离减小,提升了电压质量。
4 结语