CN112821444B - 一种分布式光伏发电的源网荷协调分析控制方法 - Google Patents

Abstract

本发明公开了一种分布式光伏发电的源网荷协调分析控制方法，方法包括以下步骤：S1：构造基于分布式光伏多源性的无功管控模型；S2：构造基于分布式光伏周期性的线路开放容量分析模型；S3：构造分布式光伏接入配电网的统调负荷预测模型；S4：从分布式光伏电源、配网线路开放容量、统调负荷特性三方面应用大数据挖掘方法，开展光伏发电特征对电网无功控制、还原负荷后线路带载能力、负荷预测影响的协调分析。为解决大量分布式光伏并网带来无功管控困难、超电网承载能力、负荷预测准确率低等新问题，本发明提出一种分布式光伏发电的源网荷协调分析控制方法。

Description

一种分布式光伏发电的源网荷协调分析控制方法

技术领域

本发明涉及光伏发电控制技术领域，尤其是涉及一种分布式光伏发电的源网荷协调分析控制方法。

背景技术

随着分布式光伏的大量并网，传统配电网结构已从严格垂直的辐射式网络变成一个遍布电源的有源网络。由于电源点分散、光伏出力间歇性与不稳定特性，光伏接入电网的同时也带来实质性挑战，现阶段体现在：一是局部光伏接入集中地区出现潮流反送，造成调峰困难和无功管控等难题；二是少数地区分布式光伏与负荷接入比例失调，当分布式光伏退出后，实际负荷超电网承载力现象时有发生，威胁电网稳定运行；三是分布式光伏信息接入比例较低、质量不高，受天气影响大，难以支撑负荷预测和电力平衡，制约网供负荷预测准确率的提升。

电网网供负荷预测是电力***的一项重要工作。随着分布式光伏接入，其输出功率会破坏电网原有负荷特性的固有形态，天气条件不同，分布式光伏出力差异明显，给人工预测负荷带来很大困难，增加电力电量平衡的难度。因此，研究分布式光伏与网供负荷预测问题对配电网稳定与经济运行具有重要价值。

中国专利公开号CN109299821A，公开日2019年02月01日，发明创造的名称为一种分布式光伏发电预测平台及方法，该申请案包括云平台和访问端，所述云平台能够对本地分布式光伏电站的信息进行数据采集，并通过对数据处理建立预测模型，通过所述预测模型获得分布式光伏出力预测值，所述预测模型中包括广义邻域信息，所述访问端能够与所述云平台通讯连接，并能够获取所述云平台的数据或向所述云平台发送控制指令。该预测方法的预测效果不好。发明内容

本发明是为了为解决大量分布式光伏并网带来无功管控困难、超电网承载能力、负荷预测准确率低等新问题，本发明提出一种分布式光伏发电的源网荷协调分析控制方法。

为了实现上述目的，本发明采用以下技术方案：

本发明解决其技术问题所采用的技术方案是：一种分布式光伏发电的源网荷协调分析控制方法，方法包括以下步骤：

S1：构造基于分布式光伏多源性的无功管控模型；

S2：构造基于分布式光伏周期性的线路开放容量分析模型；

S3：构造分布式光伏接入配电网的统调负荷预测模型；

S4：从分布式光伏电源、配网线路开放容量、统调负荷特性三方面应用大数据挖掘方法，开展光伏发电特征对电网无功控制、还原负荷后线路带载能力、负荷预测影响的协调分析。从分布式光伏电源、配网线路开放容量、统调负荷特性三方面应用大数据挖掘方法，开展光伏发电特征对电网无功控制、还原负荷后线路带载能力、负荷预测影响的协调分析；分别构建基于k-means聚类算法、极值搜索算法、最小二乘算法的视角数据模型，探索春节光伏进相运行策略、光伏并网检修方案和统调负荷预测方法，提高电网无功调节、光伏轮停检修与统调负荷预测准确率水平；应用分布式光伏动态群调操作，预防主变无功倒送，快速实现光伏进相运行。同时将光伏电站低功率因数运行天数从20天降至3.46天，明显减少对用户有功出力的影响；相比同期，为用户电费收入增加近万元，实现电网与用户互利共赢局面；统筹开展分布式光伏对配电网无功控制、还原负荷线路带载能力、统调负荷预测等角度的协调分析，探索分布式光伏进相运行改进策略、光伏接入电网检修方案和统调负荷预测方法，辅助优化电网无功管控指标、提高配网联络运维水准和统调负荷预测准确率，促进配网精益化管理的同时，提高配网安全稳定与经济运行水平。

作为优选，所述步骤S1具体过程为：k-means聚类算法通过把h组数据组织为k个划分形成集合{S₁，S₂，......，s_n}，并使得集合里的距离平方和W(S)(即方差)最小，目标函数如下：

通过构造基于分布式光伏多源性的无功管控模型进行分布式光伏无功吸收和功率因数控制。。

作为优选，所述步骤S2具体过程为：通过建立还原分布式光伏出力模型，采用数据分层方式，分析分布式光伏发电与线路负荷及开放容量关系，从而合理编排停电与设备检修计划。具体设计实施如下：

利用极值搜索算法构建还原接入分布式光伏的线路最大负荷模型。

C_t＝max{(P_Lt1+P_st1)，(P_Lt2+P_st2)，...，(P_Ltn+P_stn)}-P_Lim

式中：C_t为线路在时间t时的溢出负荷，P_Ltn为t_n时间的线路的总负荷，P_stn为时间的光伏负荷，P_Lim为线路限额。

作为优选，所述步骤S3中构造预测模型过程如下：已知函数值表(x_i,y_i)，在函数空间Φ中S^*(x)，使得

对任意S(x)∈Φ＝{ψ₀,ψ₁,..,ψ_n}，可设

S^*(x)＝a₀ψ₀+a₁ψ₁+…a_nψ_n(x)

ψ₀(x)，ψ₁(x),…,ψ_n(x)线性无关，得到S^*(x)存在唯一解，即称S^*(x)为f(x)的最小平方逼近解。利用离散数据的优化最小二乘算法可以拟合出分布式光伏典型总日曲线；

选择光伏满出力运行日期为典型日，选择全天无有效光照的日期作为一个对照日；

对数据进行全口径负荷预测，使用综合模型法对分布式光伏典型日曲线的网供负荷预测，对光伏发电设备进行遮挡预测。

作为优选，所述对光伏设备遮挡预测过程为：将各地光伏发电站数据加入倒计时队列，给每个光伏发电站分配t天的倒计时时间，当倒计时时间到达时，将该光伏发电站的地址数据发送给除尘数据端。

作为优选，所述在光伏发电站所处位置检测到有雨时，该光伏发电站的倒计时恢复t 天的倒计时时间。

作为优选，所述设置若干阶梯雨量阈值区间，光伏发电站处的雨量大小落在哪一个雨量阈值区间，就对该光伏发电站恢复该雨量阈值区间对应的倒计时时间t1，雨量大小与t1成正比。

因此，本发明具有如下有益效果：(1)从分布式光伏电源、配网线路开放容量、统调负荷特性三方面应用大数据挖掘方法，开展光伏发电特征对电网无功控制、还原负荷后线路带载能力、负荷预测影响的协调分析；分别构建基于k-means聚类算法、极值搜索算法、最小二乘算法的视角数据模型，探索春节光伏进相运行策略、光伏并网检修方案和统调负荷预测方法，提高电网无功调节、光伏轮停检修与统调负荷预测准确率水平；

(2)应用分布式光伏动态群调操作，预防主变无功倒送，快速实现光伏进相运行。同时将光伏电站低功率因数运行天数从20天降至3.46天，明显减少对用户有功出力的影响；相比同期，为用户电费收入增加近万元，实现电网与用户互利共赢局面；

(3)统筹开展分布式光伏对配电网无功控制、还原负荷线路带载能力、统调负荷预测等角度的协调分析，探索分布式光伏进相运行改进策略、光伏接入电网检修方案和统调负荷预测方法，辅助优化电网无功管控指标、提高配网联络运维水准和统调负荷预测准确率，促进配网精益化管理的同时，提高配网安全稳定与经济运行水平。

附图说明

图1是本发明的一种还原光伏进相运行的春节无功聚类曲线

图2是本发明的一种2014-2018年光伏功率因数曲线

图3是本发明的一种聚合后的光伏功率因数曲线

图4是本发明的一种君堂变光伏电站功率因数调节策略表

图5是本发明的一种还原光伏的线路日负荷曲线

图6是本发明的一种还原光伏的线路年负荷曲线

图7是本发明的一种光伏问题线路实际负荷过载情况分析表

图8是本发明的一种统调负荷曲线

图9是本发明的一种差值光伏总日曲线

图10是本发明的一种分布式光伏典型日曲线(晴天)

图11是本发明的一种分布式光伏典型日曲线(多云)

图12是本发明的一种分布式光伏典型日曲线(雨天)

图13是本发明的一种分布式光伏典型日曲线(阴天)

图14是本发明的一种全口径负荷(2019年7月31日)

图15是本发明的一种全口径负荷预测算法偏差对比图

图16是本发明的一种分布式光伏典型日曲线统调负荷预测应用展示图

图17是本发明的一种还原光伏出力与线路实际负荷关系

具体实施方式

下面结合附图与具体实施方式对本发明做进一步的描述。

实施例：一种分布式光伏发电的源网荷协调分析控制方法，方法包括以下步骤：

S1：构造基于分布式光伏多源性的无功管控模型；为解决春节期间海盐光伏进相运行无功控制粗放问题，以君堂变2号主变下接入的祥恒、北欧、恒锋3座高压光伏电站为研究对象，通过大数据分析，挖掘分布式光伏精细化进相运行模式。具体过程为：k-means聚类算法通过把h组数据组织为k个划分形成集合{S₁，S₂，......，S_n}，并使得集合里的距离平方和W(S)(即方差)最小，目标函数如下：

根据图1君堂变还原光伏影响的无功曲线，结合光伏有功出力曲线，计算光伏完全吸收主变倒送无功时，光伏电站功率因数确定值，图2为2014-2018年光伏功率因数曲线；

递推计算光伏功率因数发现：腊月十八至正月初一，若要抵消无功倒送，光伏电站功率因数设定0.96左右；正月初二至初四，光伏功率因数0.97左右较合理；正月初五至初八功率因数定为0.99更为恰当；图3为聚合后的光伏功率因数曲线通过构造基于分布式光伏多源性的无功管控模型进行分布式光伏无功吸收和功率因数控制；图4为君堂变光伏电站功率因数调节策略表；

S2：构造基于分布式光伏周期性的线路开放容量分析模型；解决分布式光伏发电对配电线路实际开放容量影响的问题。通过建立还原分布式光伏出力模型，采用数据分层方式，分析分布式光伏发电与线路负荷及开放容量关系，从而合理编排停电与设备检修计划。具体过程为：通过建立还原分布式光伏出力模型，采用数据分层方式，分析分布式光伏发电与线路负荷及开放容量关系，从而合理编排停电与设备检修计划。具体设计实施如下：

利用极值搜索算法构建还原接入分布式光伏的线路最大负荷模型。

C_t＝max{(P_Lt1+P_st1)，(P_Lt2+P_st2)，...，(P_Ltn+P_stn)}-P_Lim

式中：C_t为线路在时间t时的溢出负荷，P_Ltn为t_n时间的线路的总负荷，P_stn为时间的光伏负荷，P_Lim为线路限额；

探索还原负荷后负载率与线路负荷和光伏占比的关系，构建光伏出力与线路实际负荷情况的关系。取2018年9月-2019年9月还原光伏日负荷曲线中实际负荷的最大值，构成年度负荷曲线；如图5和图6所示。

分析发现光伏线路负荷变化具有一定周期性。通过对37条光伏线路的负荷曲线数据挖掘发现，共有4条线路(如图7)由于光伏接入原因导致其实际开放容量小于0，线路过载风险受光伏发电影响较大：

S3：构造分布式光伏接入配电网的统调负荷预测模型；分布式光伏接入后，其输出功率会破坏电网原有负荷特性的固有形态，天气条件不同，分布式光伏出力差异明显，给人工预测负荷带来很大困难，增加电力电量平衡的难度。因此为解决分布式光伏接入后，配电网统调负荷精准预测问题，构造预测模型过程如下：已知函数值表(x_i,y_i)，在函数空间Φ中S^*(x)，使得

对任意S(x)∈Φ＝{ψ₀,ψ₁,..,ψ_n}，可设

S^*(x)＝a₀ψ₀+a₁ψ₁+…a_nψ_n(x)

ψ₀(x)，ψ₁(x),…,ψ_n(x)线性无关，得到S^*(x)存在唯一解，即称S^*(x)为f(x)的最小平方逼近解。利用离散数据的优化最小二乘算法可以拟合出分布式光伏典型总日曲线。选择典型日和对照日；选择光伏满出力运行日期为典型日，选择全天无有效光照的日期作为一个对照日。如选择2019年2月6日为典型日、2月7日为对照日。2月6日(正月初二)晴天，光照、温度条件俱佳，光伏满出力运行；2月7日(正月初三)中雨，全天无有效光照。图8和图9为统调负荷曲线和差值光伏总日曲线；

由于日照时间与季节变化，光伏出力起始时刻和终止时间也对应变化，同样获得其它不同天气条件下典型日曲线。如图10、图11、图12和图13所示。

对数据进行全口径负荷预测，如图14和图15所示，使用综合模型法对分布式光伏典型日曲线的网供负荷预测。目前全口径负荷预测已有多种成熟的算法应用，以2019年7月31日海盐全口径预测为例，经典模型法不受非网供负荷和天气影响，准确率较高。

基于分布式光伏典型日曲线的网供负荷预测。由综合模型法得到海盐全口径负荷预测曲线，由分布式光伏电源典型日曲线替代非网供光伏出力预测曲线，预测2019年8月1日(晴天)海盐电网网供负荷曲线如图16所示。

含分布式光伏接入网供负荷预测方法在调控制分中心应用3个月来效果明显，月平均预测准确率从原来87.58％提升至目前93.42％。虽然雨天与多云天气的预测可靠性变动较大，但晴天与阴天的负荷预测准确率趋于稳定。

以网供典型日与参照日负荷曲线作差获得差值曲线，并辅以人工修正方法来拟合出海盐地区分布式光伏电源典型曲线，并利用该曲线辅助电网网供负荷预测。该方法避免了分布式光伏预测模型的复杂化，省去了太阳辐射强度测量装置的投资，重点简化了预测过程，尤其在分布式光伏集中接入的网供负荷预测场景中更具有实用价值；分布式光伏接入后，其输出功率会破坏电网原有负荷特性的固有形态，天气条件不同，分布式光伏出力差异明显，给人工预测负荷带来很大困难，增加电力电量平衡的难度。

对光伏设备遮挡预测过程为：将各地光伏发电站数据加入倒计时队列，给每个光伏发电站分配t天的倒计时时间，当倒计时时间到达时，将该光伏发电站的地址数据发送给除尘数据端。在光伏发电站所处位置检测到有雨时，该光伏发电站的倒计时恢复t天的倒计时时间。设置若干阶梯雨量阈值区间，光伏发电站处的雨量大小落在哪一个雨量阈值区间，就对该光伏发电站恢复该雨量阈值区间对应的倒计时时间t1，雨量大小与t1成正比。设置若干阶梯雨浑浊度阈值区间，光伏发电站处的雨浑浊度落在哪一个雨浑浊度阈值区间，就对该光伏发电站减少该雨浑浊度阈值区间对应的倒计时时间t2，雨浑浊度与t2成正比。

对光伏发电设备进行遮挡预测。

S4：从分布式光伏电源、配网线路开放容量、统调负荷特性三方面应用大数据挖掘方法，开展光伏发电特征对电网无功控制、还原负荷后线路带载能力、负荷预测影响的协调分析。应用分布式光伏动态群调操作，预防主变无功倒送，快速实现光伏进相运行。同时将光伏电站低功率因数运行天数从20天降至3.46天，明显减少对用户有功出力的影响；相比同期，为用户电费收入增加近万元，实现电网与用户互利共赢局面，以10kV新齐Y260线为例，根据线路年度负荷曲线在7月、8月实际负荷越限情况，分析该线路2019年7、8月份月度曲线。如图17所示，通过月度负荷曲线发现，实际负荷过载集中在每周四或者周五，而每周六、周日负荷较低。因而可以提前建议用户：10kV新齐Y260线7月、8月份光伏试验检修需避开周四、周五；若需要光伏检修，应尽量安排在周末进行。

含分布式光伏接入统调负荷预测方法在海盐调控制分中心应用3个月来效果明显，月平均预测准确率从原来87.58％提升至目前93.42％。虽然雨天与多云天气的预测可靠性变动较大，但晴天与阴天的负荷预测准确率趋于稳定。

统筹开展分布式光伏对配电网无功控制、还原负荷线路带载能力、统调负荷预测等角度的协调分析，探索分布式光伏进相运行改进策略、光伏接入电网检修方案和统调负荷预测方法，辅助优化电网无功管控指标、提高配网联络运维水准和统调负荷预测准确率，促进配网精益化管理的同时，提高配网安全稳定与经济运行水平从分布式光伏电源、配网线路开放容量、统调负荷特性三方面应用大数据挖掘方法，开展光伏发电特征对电网无功控制、还原负荷后线路带载能力、负荷预测影响的协调分析；分别构建基于k-means聚类算法、极值搜索算法、最小二乘算法的视角数据模型，探索春节光伏进相运行策略、光伏并网检修方案和统调负荷预测方法，提高电网无功调节、光伏轮停检修与统调负荷预测准确率水平；应用分布式光伏动态群调操作，预防主变无功倒送，快速实现光伏进相运行。同时将光伏电站低功率因数运行天数从20天降至3.46天，明显减少对用户有功出力的影响；相比同期，为用户电费收入增加近万元，实现电网与用户互利共赢局面；统筹开展分布式光伏对配电网无功控制、还原负荷线路带载能力、统调负荷预测等角度的协调分析，探索分布式光伏进相运行改进策略、光伏接入电网检修方案和统调负荷预测方法，辅助优化电网无功管控指标、提高配网联络运维水准和统调负荷预测准确率，促进配网精益化管理的同时，提高配网安全稳定与经济运行水平。

以网供典型日与参照日负荷曲线作差获得差值曲线，并辅以人工修正方法来拟合出海盐地区分布式光伏电源典型曲线，并利用该曲线辅助电网网供负荷预测。该方法避免了分布式光伏预测模型的复杂化，省去了太阳辐射强度测量装置的投资，重点简化了预测过程，尤其在分布式光伏集中接入的网供负荷预测场景中更具有实用价值；分布式光伏接入后，其输出功率会破坏电网原有负荷特性的固有形态，天气条件不同，分布式光伏出力差异明显，给人工预测负荷带来很大困难，增加电力电量平衡的难度。

虽然经过对本发明结合具体实施进行描述，对于在本技术领域熟悉的人士，根据上文的叙述做出的替代、修改与变化将是显而易见的。因此，在这样的替代、修改与变化落入本发明的权利要求的精神和范围内时，应是被包括在本发明中的。

Claims (5)

1.一种分布式光伏发电的源网荷协调分析控制方法，其特征是方法包括以下步骤：

S1：构造基于分布式光伏多源性的无功管控模型：

k-means聚类算法通过把h组数据组织为k个划分形成集合{S₁，S₂，......，S_n}，并使得集合里的距离平方和W(S)最小，目标函数如下：

通过构造基于分布式光伏多源性的无功管控模型进行分布式光伏无功吸收和功率因数控制；

S2：构造基于分布式光伏周期性的线路开放容量分析模型：

通过建立还原分布式光伏出力模型，采用数据分层方式，分析分布式光伏发电与线路负荷及开放容量关系，从而合理编排停电与设备检修计划；

S3：构造分布式光伏接入配电网的统调负荷预测模型：

已知函数值表(x_i，y_i)，在函数空间Φ中S^*(x)，使得

对任意S(x)∈Φ＝{ψ₀，ψ₁，..，ψ_n}，可设

S^*(x)＝a₀ψ₀+a₁ψ₁+…a_nψ_n(x)

ψ₀(x)，ψ₁(x)，…，ψ_n(x)线性无关，得到S^*(x)存在唯一解，即称S^*(x)为f(x)的最小平方逼近解；

利用离散数据的优化最小二乘算法可以拟合出分布式光伏典型总日曲线；

选择光伏满出力运行日期为典型日，选择全天无有效光照的日期作为一个对照日；

对数据进行全口径负荷预测，使用综合模型法对分布式光伏典型日曲线的网供负荷预测，对光伏发电设备进行遮挡预测；

S4：从分布式光伏电源、配网线路开放容量、统调负荷特性三方面应用大数据挖掘方法，开展光伏发电特征对电网无功控制、还原负荷后线路带载能力、负荷预测影响的协调分析。

2.根据权利要求1所述的一种分布式光伏发电的源网荷协调分析控制方法，其特征是步骤S2具体设计实施如下：

利用极值搜索算法构建还原接入分布式光伏的线路最大负荷模型；

C_t＝max{(P_Lt1+P_st1)，(P_Lt2+P_st2)，...，(P_Ltn+P_stn)}-P_Lim

式中：C_t为线路在时间t时的溢出负荷，P_Ltn为t_n时间的线路的总负荷，P_stn为时间的光伏负荷，P_Lim为线路限额。

3.根据权利要求1所述的一种分布式光伏发电的源网荷协调分析控制方法，其特征是对光伏设备遮挡预测过程为：将各地光伏发电站数据加入倒计时队列，给每个光伏发电站分配t天的倒计时时间，当倒计时时间到达时，将该光伏发电站的地址数据发送给除尘数据端。

4.根据权利要求1所述的一种分布式光伏发电的源网荷协调分析控制方法，其特征是在光伏发电站所处位置检测到有雨时，该光伏发电站的倒计时恢复t天的倒计时时间。

5.根据权利要求1所述的一种分布式光伏发电的源网荷协调分析控制方法，其特征是设置若干阶梯雨量阈值区间，光伏发电站处的雨量大小落在哪一个雨量阈值区间，就对该光伏发电站恢复该雨量阈值区间对应的倒计时时间t1，雨量大小与t1成正比。

Images