《CSEE Journal of Power and Energy Systems》:Possibilistic Approach for Photovoltaic Hosting Capacity Evaluation on Distribution Networks Considering both Exogenous and Endogenous Uncertainties
编辑推荐:
摘要:分布式光伏(PV)在配电网(DN)中的大规模接入,若未经恰当评估,将引发若干运行问题。源于光伏出力与负荷需求双方的不确定性显著影响评估结果。为解决此问题,本文提出一种可能性方法来评估光伏接纳能力(PVHC)。首先,采用可能性分布对负荷需求进行建模,以反映
摘要:分布式光伏(PV)在配电网(DN)中的大规模接入,若未经恰当评估,将引发若干运行问题。源于光伏出力与负荷需求双方的不确定性显著影响评估结果。为解决此问题,本文提出一种可能性方法来评估光伏接纳能力(PVHC)。首先,采用可能性分布对负荷需求进行建模,以反映与人为因素相关的不确定性,而区间模型则用于处理光伏出力的不确定性。其次,提出一种电压劣化指标,考虑整个系统在时间尺度上的过电压风险。在此基础上,提出基于该指标的可能性PVHC评估方法。采用6节点系统说明所提方法的优势,随后讨论PVHC可能性分布在实际公用事业决策中的作用。此外,分析仿真参数的敏感性以减少计算负担。最后,所提方法在IEEE 123节点DN上测试,以验证其对较大系统的适应性,并分析不同公用事业设定可接受值对PVHC结果的影响。
**论文解读:考虑外生与内生不确定性的配电网光伏接纳能力评估的可能性方法**
**一、研究背景与问题**
随着全球碳中和目标的推进,分布式光伏(PV)在配电网(DN)中的接入规模持续快速增长。然而,大规模分布式PV的接入若未得到合理评估,将引发电压越限、过载等运行问题。因此,配电系统运营商(DSO)迫切需要量化配电网在不违反运行约束的前提下可接纳的最大光伏容量,即光伏接纳能力(PVHC)。现有PVHC评估方法主要分为数学优化方法和随机分析方法。数学优化方法针对预设的光伏布点方案进行优化,难以应对实际中光伏部署的多样性(如位置随机、容量不一)。随机分析方法通过生成典型场景处理光伏部署多样性,但现有研究通常将所有不确定性(如光伏出力不确定性和负荷不确定性)统一视为随机不确定性,并以概率密度函数(PDF)表示。然而,光伏出力受辐照度、温度等外部随机因素影响,属于外生不确定性;而负荷需求主要取决于用户行为,属于内生不确定性。两类不确定性的本质差异若被忽略,可能导致评估结果失真。现有方法极少考虑负荷的内生不确定性,且传统方法往往基于极端场景得出保守的PVHC结果,难以满足实际决策需求。
**二、研究内容与主要结论**
针对上述问题,研究人员提出一种可能性框架用于PVHC评估。该方法继承了随机分析方法处理光伏部署多样性的优势,同时将外生与内生不确定性分别建模:光伏出力采用区间模型,负荷需求采用可能性分布模型。此外,提出电压劣化指标,量化系统在时间尺度上的过电压风险,并据此构建PVHC的可能性分布。通过6节点实际配电网络和IEEE 123节点系统验证了所提方法的有效性和适应性。结果表明,与传统方法相比,所提方法避免了极端罕见场景导致的过度保守评估,能够为DSO提供灵活可调的PVHC结果,使其根据自身对电压劣化的可接受程度选择不同的保守度。敏感性分析揭示了仿真参数(如蒙特卡洛模拟次数)和电路参数(如变电站短路容量、馈线R/X比)对PVHC的影响,为实际应用中的参数选择提供了指导。
**三、关键技术方法**
研究人员主要采用以下关键技术方法:(1)可能性理论:基于概率-可能性转换原理,从负荷的概率分布构造其可能性分布,避免依赖经验设定参数;(2)α-截集方法:用于计算模糊数(如负荷、电压、PVHC)的可能性分布;(3)区间模型:用于描述光伏出力波动范围;(4)蒙特卡洛模拟(MCS):生成大量光伏部署场景,涵盖极端(光伏集中于馈线末端)和均匀分布两种情形;(5)三相模糊潮流分析:采用内外双循环框架,外循环采样光伏区间模型,内循环基于α-截集执行三相模糊潮流计算,获得各节点电压的可能性分布。样本来源包括2021年每月代表日的实际数据,用于计算光伏出力区间因子和负荷波动因子。
**四、研究结果**
**传统PVHC评估的保守性**:在6节点系统中,传统方法基于最大电压越限场景确定PVHC,该场景往往对应光伏集中于馈线末端的罕见情况,导致结果高度保守。
**可能性PVHC评估的优势**:在所提方法下,以0.25-截集为例,过电压问题首次出现在16145 kW,随着PV容量增加,NV
s0.25呈上升趋势。通过设定可接受电压劣化值NV
acc,可得到HC
0.25区间为[16145, 16920] kW。进而计算不同α-截集下的HC
α,形成PVHC的可能性分布,其区间上下界分别对应最保守和最不保守的评估结果,DSO可根据负荷不确定性程度灵活调整保守性。
**参数敏感性分析**:随着MCS次数增加,PVHC结果先波动后趋于稳定,达到10000次后结果稳定,但计算负担随之增加。变电站短路容量从200 MVA增至1000 MVA时,PVHC呈上升趋势;馈线R/X比从0.5增至5时,PVHC显著下降。热力图显示过电压最严重的节点为电气距离最远的4号节点,时间集中在12:00-14:00光伏出力峰值时段,因此后续仿真将时间范围缩减至该时段并提高时间分辨率。
**IEEE 123节点系统验证**:在123节点系统上,仿真时间为12:00-14:00,分辨率15分钟,生成10000个光伏部署场景。结果表明,随着NV
acc增大,PVHC显著提高。对比不同运行场景(OLTC分接头位置、SVC安装)发现,OLTC分接头在+2.5%位置或SVC安装在馈线末端时,网络电压被抬高,PVHC降低;而OLTC分接头在?2.5%位置时,PVHC显著提高。
**五、讨论与结论**
研究人员讨论了计算负担问题,指出所提方法在大型网络应用时可能消耗较多内存和时间,但PVHC评估属于离线任务,对实际计算能力压力不大。研究结论总结如下:本文提出了一种考虑负荷和光伏不确定性的配电网可能性PVHC评估方法,将外生与内生不确定性分别建模,并引入电压劣化指标量化过电压风险。PVHC的可能性分布不仅能反映时间尺度上的电压劣化程度,还能为DSO提供灵活选择结果保守度的能力,这对实际配电网适应性至关重要。6节点系统通过与传统方法的比较展示了所提方法的优势,参数敏感性分析在保持结果合理性的同时降低计算负担。IEEE 123节点系统验证了方法在大规模系统中的适应性,并分析了不同NV
acc对PVHC结果的影响,对公用事业具有指导意义,可有效控制计算保守性。未来工作将提升计算效率,并探索电压控制设备(如OLTC、SVC)及储能等组件的动态优化运行策略以最大化PVHC。