招永錦,王長(zhǎng)偉 ,吳晗,陳雪
(1.南方電網(wǎng)廣東佛山供電局,廣東 佛山 528322;2. 廣州市奔流電力科技有限公司,廣東 廣州 510700)
碳達(dá)峰、碳中和目標(biāo)對(duì)能源轉(zhuǎn)型提出了更加迫切的需求,實(shí)現(xiàn)“雙碳”需要電力行業(yè)貢獻(xiàn)更大的降碳潛力?!笆奈濉逼陂g,加快擴(kuò)大可再生能源(renewable energy,RE)裝機(jī)規(guī)模,構(gòu)建清潔低碳、靈活高效的新能源體系,將為能源電力的綠色低碳指明發(fā)展方向[1-2]。與傳統(tǒng)化石能源相比,RE能量轉(zhuǎn)換的清潔高效為其最大優(yōu)勢(shì)所在。然而,RE出力的波動(dòng)性與不確定性制約著含RE系統(tǒng)的未來(lái)發(fā)展[3]。因此,考慮多種RE并網(wǎng)后的不確定出力隨機(jī)波動(dòng)條件,如何兼顧充分發(fā)揮RE發(fā)電的降碳作用與安裝建設(shè)經(jīng)濟(jì)成本兩方面,對(duì)其并網(wǎng)方案進(jìn)行優(yōu)化配置成為亟待解決的問(wèn)題。
目前,對(duì)含RE并網(wǎng)的配電網(wǎng)優(yōu)化配置問(wèn)題已有國(guó)內(nèi)外眾多學(xué)者從多方面展開(kāi)研究。文獻(xiàn)[4]針對(duì)含高比例RE的配電網(wǎng),建立了靈活資源運(yùn)行-規(guī)劃聯(lián)合優(yōu)化雙層配置模型,采用粒子群優(yōu)化算法對(duì)模型進(jìn)行求解。文獻(xiàn)[5]針對(duì)包含多種分布式能源的主動(dòng)配電網(wǎng)調(diào)度優(yōu)化問(wèn)題,建立雙層耦合模型,并提出基于二階錐規(guī)劃和目標(biāo)級(jí)聯(lián)法的雙層優(yōu)化策略進(jìn)行求解。文獻(xiàn)[6]建立了配電網(wǎng)靈活性指標(biāo)約束下的多目標(biāo)優(yōu)化調(diào)度模型,并通過(guò)算例驗(yàn)證了靈活資源提升分布式可再生能源(distributed RE,DRE)消納的有效性;文獻(xiàn)[7]針對(duì)多種分布式電源(distributed generation,DG)的選址定容問(wèn)題,根據(jù)綜合污染氣體排放量、配電網(wǎng)總成本及系統(tǒng)電壓偏差建立多目標(biāo)優(yōu)化模型,并提出了一種自適應(yīng)多目標(biāo)粒子群算法進(jìn)行求解。
上述文獻(xiàn)在針對(duì)RE進(jìn)行優(yōu)化配置時(shí),均沒(méi)有考慮其出力及負(fù)荷功率的不確定特性,使得規(guī)劃結(jié)果難以實(shí)際應(yīng)用。處理配電網(wǎng)系統(tǒng)中隨機(jī)變量不確定性的規(guī)劃方法通??煞?類:包括機(jī)會(huì)約束規(guī)劃以及基于場(chǎng)景抽樣在內(nèi)的隨機(jī)優(yōu)化[8-11]、魯棒優(yōu)化[12-14]。文獻(xiàn)[8-9]構(gòu)建RE出力的概率分布函數(shù),模擬其不確定性,建立機(jī)會(huì)約束規(guī)劃模型,或采用場(chǎng)景抽樣的隨機(jī)模擬方法,對(duì)配電網(wǎng)優(yōu)化調(diào)度問(wèn)題進(jìn)行求解。文獻(xiàn)[10]考慮風(fēng)電機(jī)組出力與負(fù)荷變化的波動(dòng)性及不確定性,建立以發(fā)電商收益最大為單目標(biāo)的優(yōu)化模型,采用機(jī)會(huì)約束規(guī)劃構(gòu)建了含DG配電網(wǎng)的選址定容優(yōu)化配置模型。文獻(xiàn)[11]除了考慮DG、電動(dòng)汽車等RE的隨機(jī)出力特性,還計(jì)及了燃料價(jià)格波動(dòng)等不確定因素,并提出了一種基于蒙特卡洛嵌入遺傳算法的優(yōu)化方法求解。文獻(xiàn)[12-14]針對(duì)RE出力、負(fù)荷功率的不確定性,采用魯棒優(yōu)化方法建立DG不確定出力的優(yōu)化模型而不需要對(duì)各隨機(jī)變量的概率分布進(jìn)行假設(shè)和模擬,通過(guò)尋求最惡劣場(chǎng)景再進(jìn)行優(yōu)化配置獲取最終方案。文獻(xiàn)[15]在含源配電系統(tǒng)的低碳背景下,提出了一種考慮碳排放約束的基于自適應(yīng)魯棒優(yōu)化的規(guī)劃模型,通過(guò)算例驗(yàn)證所提模型,提高配電系統(tǒng)規(guī)劃效率,并降低碳排放的有效性。然而,隨機(jī)優(yōu)化方法以某一確定的概率分布描述隨機(jī)變量的不確定性,難以對(duì)實(shí)際規(guī)律準(zhǔn)確把握,故所得的規(guī)劃方案在實(shí)際運(yùn)行中具有一定的風(fēng)險(xiǎn),且該方法的計(jì)算量大。魯棒方法則通過(guò)在不確定集中,尋找出最惡劣場(chǎng)景并進(jìn)行最優(yōu)決策,能夠保證決策結(jié)果下配電網(wǎng)運(yùn)行的安全性,但是過(guò)于保守。為克服隨機(jī)優(yōu)化與魯棒優(yōu)化方法的不足,分布魯棒優(yōu)化逐漸被國(guó)內(nèi)外許多學(xué)者進(jìn)行深入研究。傳統(tǒng)分布魯棒需要采用矩信息描述不確定性概率分布,再根據(jù)對(duì)偶原理轉(zhuǎn)化為半定規(guī)劃,建模過(guò)程較復(fù)雜。近年,改進(jìn)的分布魯棒優(yōu)化模型進(jìn)一步考慮以隨機(jī)變量的歷史數(shù)據(jù)驅(qū)動(dòng)進(jìn)行構(gòu)建。
該方法已運(yùn)用于主動(dòng)配電網(wǎng)的無(wú)功優(yōu)化[16]、多種能源的協(xié)調(diào)互補(bǔ)[17]、交直流配電網(wǎng)的優(yōu)化調(diào)度[18]等領(lǐng)域。文獻(xiàn)[16]以系統(tǒng)總網(wǎng)損為單目標(biāo),構(gòu)建了基于數(shù)據(jù)驅(qū)動(dòng)的分布魯棒兩階段無(wú)功優(yōu)化模型。文獻(xiàn)[17]計(jì)及了綜合能源系統(tǒng)中燃?xì)廨啓C(jī)與電轉(zhuǎn)氣裝置的耦合性質(zhì),建立了兩階段分布魯棒優(yōu)化調(diào)度問(wèn)題。文獻(xiàn)[18]計(jì)及源荷不確定性,建立了交直流混合配電網(wǎng)的分布魯棒優(yōu)化調(diào)度模型,并考慮 DG 并網(wǎng)約束、電容器投切約束、儲(chǔ)能充放電約束、以及需求響應(yīng)等多種約束實(shí)現(xiàn)該優(yōu)化調(diào)度模型。因此,將基于數(shù)據(jù)驅(qū)動(dòng)的分布魯棒方法引入到含高比例RE并網(wǎng)的配電網(wǎng)規(guī)劃問(wèn)題中具有重要研究?jī)r(jià)值。
針對(duì)上述問(wèn)題,本文建立基于數(shù)據(jù)驅(qū)動(dòng)的多種RE選點(diǎn)定容分布魯棒優(yōu)化配置模型。該模型將環(huán)境效益納入考慮,以RE的碳足跡、安裝成本及發(fā)電補(bǔ)貼費(fèi)用最小為模型的優(yōu)化目標(biāo)。其中,碳足跡是根據(jù)RE全生命周期涵蓋的各階段及對(duì)應(yīng)的碳排放源,對(duì)總的碳排放量進(jìn)行計(jì)算分析。然后,通過(guò)二階錐等手段凸化處理將模型轉(zhuǎn)化為混合整數(shù)二階錐以快速求解,并采用Kullback-Leibler(KL)散度約束不確定性概率分布模糊集,通過(guò)列與約束生成(columns and constraints generation,CCG)算法求解優(yōu)化配置方案;最后,以IEEE 33系統(tǒng)算例驗(yàn)證模型的有效性。
目前,碳足跡技術(shù)是進(jìn)行碳排放量分析的有效途徑[19-20]。該方法能夠度量某種行為在某個(gè)過(guò)程中產(chǎn)生CO2的排放量,且對(duì)產(chǎn)生碳排放的直接和間接過(guò)程進(jìn)行綜合考慮。一方面,碳足跡可以客觀地綜合考慮全生命周期的CO2排放問(wèn)題,為未來(lái)發(fā)展的降碳改造提供依據(jù);另一方面,能夠推動(dòng)與碳足跡過(guò)程相關(guān)的機(jī)構(gòu)開(kāi)展減碳工作,對(duì)實(shí)現(xiàn)“雙碳”目標(biāo)具有重要意義。碳足跡的計(jì)算方法包括生命周期法(life cycle approach,LCA)、投入產(chǎn)出法、Kaya碳排放恒等式等。根據(jù)各方法的適用性,本文采用LCA追蹤RE全生命周期的主要碳源,并計(jì)算總的碳排放量。
文獻(xiàn)[20-21]采用生命周期評(píng)價(jià)方法,分環(huán)節(jié)定量測(cè)算了各類RE單位發(fā)電量所產(chǎn)生的CO2排放量。首先,提出全生命周期中主要的碳源包括燃料周期和電廠周期,以及周期內(nèi)所含的各階段。然后,總結(jié)了基于LCA計(jì)算RE碳足跡的4 個(gè)主要步驟與計(jì)算式,在此不再贅述。文中針對(duì)RE碳足跡的研究涵蓋光伏、風(fēng)電及生物質(zhì)能,通過(guò)整理并校驗(yàn)相關(guān)數(shù)據(jù)[19-22],得到傳統(tǒng)火電與RE基于LCA的單位發(fā)電量碳足跡結(jié)果,見(jiàn)表1。另外,文獻(xiàn)[21]給出了生命周期的實(shí)際運(yùn)行條件下,各環(huán)節(jié)產(chǎn)生碳排放的占比,如圖1所示。
表1 傳統(tǒng)火電與RE基于LCA的單位發(fā)電量碳足跡結(jié)果
圖1 RE生命周期環(huán)節(jié)單位發(fā)電量碳排放量占比
本文多種RE選址定容優(yōu)化配置以配電網(wǎng)典型日碳排放懲罰費(fèi)用及RE建設(shè)安裝成本最小為優(yōu)化目標(biāo),具體如式(1)—(3)所示。
minf=fCO2+fins,
(1)
(2)
(3)
本文模型約束條件包括變電站功率約束、電網(wǎng)約束、RE配置及運(yùn)行功率約束。
2.2.1 變電站功率約束
變電站出力功率不能超過(guò)其上下限約束,即:
(4)
(5)
2.2.2 電網(wǎng)約束
a)潮流約束為
(6)
(7)
(8)
(9)
b)安全約束:
(10)
(11)
2.2.3 RE配置容量約束
(12)
2.2.4 RE運(yùn)行功率約束
(13)
對(duì)于式(6)—(9)的非線性潮流約束與式(10)、(11)安全約束進(jìn)行如下處理:
(14)
(15)
則式(6)—(11)可改寫整理為:
(16)
(17)
(18)
(19)
(20)
(21)
約束式(19)仍非凸,使得原優(yōu)化模型整體非凸,難以進(jìn)行求解。故可采用二階錐松弛技術(shù)凸化處理,便于保證模型快速求解:
(22)
為處理RE出力的不確定特性,本文提出了基于數(shù)據(jù)驅(qū)動(dòng)的兩階段分布魯棒優(yōu)化配置模型。將第2章中確定性模型〔式(1)—(3)〕改寫為min-max 兩階段分布魯棒優(yōu)化模型:
(23)
(24)
(25)
式(25)中P1n,t為P1,t第n個(gè)取值區(qū)間的中點(diǎn)。
(26)
(27)
針對(duì)式(23)的RE分布魯棒優(yōu)化配置模型,采用CCG算法對(duì)min-max 雙層優(yōu)化模型的主問(wèn)題和子問(wèn)題交替迭代進(jìn)行求解。
3.2.1 子問(wèn)題
(28)
Z≥W=fCO2+fins.
(29)
3.2.2 主問(wèn)題
(30)
3.2.3 CCG分解法求解步驟
采用CCG 分解法求解 min-max 雙層優(yōu)化模型的步驟如圖2所示。
圖2 多種RE的選點(diǎn)定容魯棒優(yōu)化配置算法流程
以IEEE 33節(jié)點(diǎn)配電系統(tǒng)進(jìn)行驗(yàn)證分析,該配電網(wǎng)包括33個(gè)節(jié)點(diǎn)、32條支路,系統(tǒng)電壓等級(jí)為10 kV,運(yùn)行功率因數(shù)為0.95,結(jié)構(gòu)拓?fù)淙鐖D3所示,圖中括號(hào)外、內(nèi)數(shù)字分別為節(jié)點(diǎn)及線路編號(hào),33節(jié)點(diǎn)為平衡節(jié)點(diǎn)。線路參數(shù)和節(jié)點(diǎn)參數(shù)均為標(biāo)準(zhǔn)IEEE 33節(jié)點(diǎn)系統(tǒng)數(shù)據(jù)。系統(tǒng)光伏電站、風(fēng)電站以及生物質(zhì)電站候選并網(wǎng)點(diǎn)見(jiàn)表2。電網(wǎng)、生物質(zhì)、光伏及風(fēng)電的碳足跡分別取839 g/kWh、250 g/kWh、29.2 g/kWh、8.6 g/kWh。該配電網(wǎng)中光伏電站、風(fēng)電站及生物質(zhì)電站規(guī)劃安裝的總?cè)萘烤鶠?.5 MW,并網(wǎng)點(diǎn)個(gè)數(shù)上限均為2,每個(gè)節(jié)點(diǎn)可接入的最大容量均為 0.3 MW。折現(xiàn)率γ、設(shè)備使用年限y、建設(shè)投資費(fèi)用系數(shù)a0和a1等具體參數(shù)見(jiàn)表2。
表2 新能源參數(shù)
圖3 IEEE 33 節(jié)點(diǎn)系統(tǒng)算例拓?fù)鋱D
另外,收集各類RE在1年內(nèi)出力的統(tǒng)計(jì)數(shù)據(jù),初步處理后繪出典型日單位容量新能源的出力離散概率分布直方圖,如圖4所示。進(jìn)一步計(jì)算每個(gè)時(shí)段的出力期望值,繪出典型日出力曲線,同時(shí)根據(jù)所規(guī)劃配電網(wǎng)的預(yù)測(cè)總負(fù)荷繪出系統(tǒng)總負(fù)荷曲線,如圖5所示。程序在 MATLAB R2019a 環(huán)境下基于GUROBI 9.5.0 求解器進(jìn)行計(jì)算,硬件環(huán)境為: Intel(R) Core(TM) i7-4558U CPU@2.10 GHz,16 GB 內(nèi)存。
圖4 新能源典型日出力離散概率分布直方圖
圖5 新能源典型日出力期望值曲線與總負(fù)荷曲線
為了驗(yàn)證本文所提多種RE的選點(diǎn)、定容、分布魯棒優(yōu)化配置模型,設(shè)置以下不同的方案進(jìn)行優(yōu)化分析。
潮流計(jì)算:采用牛頓拉夫遜潮流計(jì)算確定性潮流,RE未并網(wǎng)時(shí),不考慮系統(tǒng)負(fù)荷波動(dòng)性及不確定性,以負(fù)荷期望值進(jìn)行確定性潮流計(jì)算。
方案1:確定性優(yōu)化。不考慮新能源出力不確定性,以各時(shí)段出力期望值為確定值,采用多種RE確定性的優(yōu)化配置模型。
方案2:傳統(tǒng)魯棒優(yōu)化??紤]多種RE不確定性的傳統(tǒng)魯棒優(yōu)化配置模型。
方案3:多類型分布魯棒優(yōu)化。考慮多種RE并網(wǎng),計(jì)及出力不確定性的分布魯棒優(yōu)化配置模型。
方案4:?jiǎn)晤愋头植剪敯魞?yōu)化。考慮單類RE并網(wǎng),計(jì)及出力不確定性的分布魯棒優(yōu)化配置模型。
通過(guò)上述方案對(duì)RE選點(diǎn)、定容進(jìn)行優(yōu)化配置,按照表2取不同方案的各指標(biāo)數(shù)據(jù),所得決策變量結(jié)果見(jiàn)表3。
對(duì)比表3不含RE并網(wǎng)的系統(tǒng)潮流計(jì)算結(jié)果與方案1、2、3進(jìn)行優(yōu)化配置后的結(jié)果可知,相較于不含RE接入的配電網(wǎng):一方面,多種RE并網(wǎng)使系統(tǒng)運(yùn)行指標(biāo)變得良好,如系統(tǒng)典型日網(wǎng)損電量下降50%~60%,最大電壓偏差下降0.020 8~0.024 7(標(biāo)幺值);另一方面,并網(wǎng)的多種RE由于其發(fā)電的低碳清潔性能,且系統(tǒng)從大電網(wǎng)或發(fā)電站接收電量減少,使系統(tǒng)典型日的碳排放量大大減少。其中確定性優(yōu)化使系統(tǒng)碳排放懲罰費(fèi)用減少882元/d,傳統(tǒng)魯棒優(yōu)化配置后,系統(tǒng)碳排放懲罰費(fèi)用減少638元/d,而本文所提分布魯棒模型優(yōu)化后使系統(tǒng)碳排放懲罰費(fèi)用減少686元/d。
表3 不同方案的優(yōu)化結(jié)果各指標(biāo)數(shù)據(jù)對(duì)比
3種優(yōu)化方案中,方案1的確定性優(yōu)化使系統(tǒng)降碳程度最大,其次是本文所提基于數(shù)據(jù)驅(qū)動(dòng)的分布魯棒優(yōu)化配置模型,最后是傳統(tǒng)魯棒優(yōu)化。這是因?yàn)閭鹘y(tǒng)魯棒及分布魯棒首先均是在RE出力不確定波動(dòng)的模糊集內(nèi),尋找系統(tǒng)碳排放量最大的極端出力場(chǎng)景,再進(jìn)行選址、定容的優(yōu)化配置,導(dǎo)致優(yōu)化結(jié)果較為保守,即為了提高系統(tǒng)在RE不確定出力條件下的魯棒性,而犧牲了系統(tǒng)一定的降碳能力。另外,傳統(tǒng)魯棒在表征RE出力不確定性時(shí),沒(méi)有考慮實(shí)際出力的概率分布,僅以人為給定的不確定集合刻畫其變化范圍。而本文所提基于數(shù)據(jù)驅(qū)動(dòng)的分布魯棒模型,是在由RE出力統(tǒng)計(jì)數(shù)據(jù)和KL散度共同構(gòu)建的模糊集中尋找最惡劣的實(shí)際概率分布,以處理負(fù)荷及RE的不確定性,相比傳統(tǒng)魯棒優(yōu)化,改善了其優(yōu)化結(jié)果過(guò)于保守的缺點(diǎn),分布魯棒優(yōu)化能更好地綜合考慮系統(tǒng)經(jīng)濟(jì)性和保守性,最大程度提高系統(tǒng)經(jīng)濟(jì)效益的同時(shí)也能更多地消納RE,因此在不確定性規(guī)劃中更具優(yōu)勢(shì)。
另外,表3中方案4-1、4-2僅考慮光伏或風(fēng)電并網(wǎng)的分布魯棒優(yōu)化結(jié)果。結(jié)果表明,僅考慮單類RE并網(wǎng),系統(tǒng)碳排放懲罰費(fèi)用也有一定幅度的減少,分別為333元/d與416元/d,相比于多種RE并網(wǎng),降碳能力不足,說(shuō)明多種RE并網(wǎng)能減少能源浪費(fèi)并充分發(fā)揮不同RE的節(jié)能減碳優(yōu)勢(shì);由系統(tǒng)運(yùn)行指標(biāo)數(shù)據(jù)易知,單類RE接入對(duì)系統(tǒng)的降損能力和改善電壓質(zhì)量效果較多種RE并網(wǎng)也明顯不足,說(shuō)明多種RE并網(wǎng)能充分利用其發(fā)電特性的互補(bǔ)性,如光伏和風(fēng)電晝夜、季節(jié)互補(bǔ)性,更大程度地改善系統(tǒng)的運(yùn)行特性。
表4為不同優(yōu)化方案的決策變量結(jié)果對(duì)比,分析可知:針對(duì)光伏的選點(diǎn),確定性優(yōu)化和分布魯棒優(yōu)化的結(jié)果均為節(jié)點(diǎn)16、32,傳統(tǒng)魯棒優(yōu)化結(jié)果為節(jié)點(diǎn)17、32;3種方案風(fēng)電的選點(diǎn)結(jié)果均為節(jié)點(diǎn)12、27;另外,3種方案對(duì)生物質(zhì)電站的優(yōu)化配置結(jié)果均為系統(tǒng)不接入。首先,由于生物質(zhì)電站的安裝配置費(fèi)用及其發(fā)電的單位碳排放懲罰單價(jià)遠(yuǎn)大于光伏電站及風(fēng)電站,兼顧經(jīng)濟(jì)性與環(huán)保性兩方面,都使得3種優(yōu)化方案下的生物質(zhì)電站配置結(jié)果為不接入系統(tǒng)。其次,光伏電站和風(fēng)電站的接入節(jié)點(diǎn)均為光伏和風(fēng)電候選并網(wǎng)節(jié)點(diǎn)中最靠近線路末端的節(jié)點(diǎn),且在不含RE并網(wǎng)的系統(tǒng)潮流計(jì)算結(jié)果中均為候選節(jié)點(diǎn)中的電壓最低點(diǎn);這表明,光伏和風(fēng)電的就近消納能夠抬升接入點(diǎn)電壓,使得系統(tǒng)網(wǎng)損減小從而減少大電網(wǎng)送電,減少火電等非清潔能源發(fā)電以降低系統(tǒng)整體碳排放懲罰成本。另外,由潮流數(shù)據(jù)可知,節(jié)點(diǎn)16、17的電壓偏差分別為0.063 3、0.063 7,而傳統(tǒng)魯棒是在光伏單位容量出力朝變小的方向波動(dòng),使系統(tǒng)在碳排放量增加的惡劣場(chǎng)景下進(jìn)行優(yōu)化,故光伏并網(wǎng)點(diǎn)優(yōu)化結(jié)果由節(jié)點(diǎn)16更換至電壓偏差更大即更靠近線路末端的節(jié)點(diǎn)17,使光伏電站的配置更好地改善系統(tǒng)電壓,更大程度地減少惡劣場(chǎng)景下的系統(tǒng)碳排放。
表4 不同優(yōu)化方案的決策變量結(jié)果對(duì)比
同時(shí),分析上述3種方案對(duì)RE容量的優(yōu)化配置結(jié)果,結(jié)果表明光伏和風(fēng)電接入總?cè)萘烤_(dá)到其系統(tǒng)允許接入總?cè)萘可舷?,這是由于盡可能消納光伏和風(fēng)電能最大程度地減少碳排放。另外,3種方案對(duì)風(fēng)電的容量配置結(jié)果均為節(jié)點(diǎn)12和節(jié)點(diǎn)27分別接入0.3 MW和0.2 MW風(fēng)電站,其中,節(jié)點(diǎn)12的風(fēng)電配置容量達(dá)到上限。由RE未接入時(shí)的潮流計(jì)算節(jié)點(diǎn)12、27的電壓偏差分別為0.054 4、0.045 1,故在并網(wǎng)點(diǎn)接入容量上限的約束下,優(yōu)先配置節(jié)點(diǎn)電壓更低的節(jié)點(diǎn)12,以在相同的安裝成本下更多地減少系統(tǒng)碳排放懲罰費(fèi)用。同理,3種方案對(duì)光伏的容量配置結(jié)果均為節(jié)點(diǎn)32大于節(jié)點(diǎn)16或17。分析潮流數(shù)據(jù)可知節(jié)點(diǎn)16、17、32的電壓偏差分別為0.063 3、0.063 7、0.066 5,故電壓偏差略大的節(jié)點(diǎn)32的光伏容量配置大,但未達(dá)到并網(wǎng)點(diǎn)容量上限,而電壓偏差略小的節(jié)點(diǎn)16或17配置容量略小。
另外,由表4方案4-1可知,分布魯棒優(yōu)化在節(jié)點(diǎn)16、32配置的光伏容量介于確定性優(yōu)化和魯棒優(yōu)化的配置容量之間。相比確定性優(yōu)化,分布魯棒在節(jié)點(diǎn)16配置了更大容量的光伏電站,而減小了節(jié)點(diǎn)32的光伏電站配置容量。即當(dāng)考慮光伏電站單位容量出力朝變小方向波動(dòng)的惡劣場(chǎng)景時(shí),分布魯棒優(yōu)化在節(jié)點(diǎn)16配置了更大的光伏容量,但由于接入總?cè)萘肯拗贫鴾p少了節(jié)點(diǎn)32的光伏配置容量,總體上使得系統(tǒng)碳排放減少。與分布魯棒方法相比,魯棒優(yōu)化的結(jié)果更為保守,即魯棒優(yōu)化考慮的光伏電站單位容量出力朝著更小方向波動(dòng),故此時(shí)優(yōu)化結(jié)果除了變更光伏并網(wǎng)點(diǎn)16至節(jié)點(diǎn)17,還進(jìn)一步增加節(jié)點(diǎn)17的光伏配置容量。運(yùn)算速度上,由于分布魯棒在尋找惡劣場(chǎng)景時(shí)受統(tǒng)計(jì)數(shù)據(jù)和KL散度約束,整體運(yùn)算時(shí)間較魯棒優(yōu)化稍長(zhǎng),但仍在可接受范圍內(nèi)。
在本文所提基于數(shù)據(jù)驅(qū)動(dòng)的多種RE選址、定容、分布魯棒優(yōu)化模型中,KL散度閾值直接影響模型中內(nèi)層優(yōu)化尋找RE出力惡劣場(chǎng)景的過(guò)程,進(jìn)而影響外層的RE選址、定容優(yōu)化結(jié)果。對(duì)模型設(shè)定不同KL閾值進(jìn)行分布魯棒的優(yōu)化配置,結(jié)果對(duì)比見(jiàn)表5。
由表5可知:首先,改變KL散度閾值沒(méi)有改變RE的并網(wǎng)點(diǎn)優(yōu)化結(jié)果,且風(fēng)電的配置容量相同,均為節(jié)點(diǎn)12達(dá)到節(jié)點(diǎn)容量上限值0.3 MW, 節(jié)點(diǎn)27配置容量0.2 MW,系統(tǒng)接入總?cè)萘窟_(dá)到上限值0.5 MW;另外,當(dāng)KL散度閾值增大時(shí),所構(gòu)建的RE出力模糊集邊界與由統(tǒng)計(jì)數(shù)據(jù)所得樣本概率分布的誤差水平越大,越接近魯棒優(yōu)化的出力不確定集合上下界,故選址、定容的優(yōu)化結(jié)果越接近傳統(tǒng)魯棒的配置結(jié)果,即節(jié)點(diǎn)16的光伏配置容量增大而節(jié)點(diǎn)32的光伏配置容量減??;同理,當(dāng)KL散度閾值減小時(shí),RE出力波動(dòng)范圍約束在樣本的概率分布附近,此時(shí)分布魯棒的配置結(jié)果越接近以出力統(tǒng)計(jì)數(shù)據(jù)期望值為出力場(chǎng)景的確定性優(yōu)化配置結(jié)果,即節(jié)點(diǎn)16的光伏配置容量減小而節(jié)點(diǎn)32的光伏配置容量增大。由表5進(jìn)一步驗(yàn)證了通過(guò)調(diào)節(jié)KL散度閾值,能夠約束不確定變量波動(dòng)范圍的模糊集上下界,使分布魯棒的優(yōu)化配置結(jié)果處于確定性優(yōu)化和傳統(tǒng)魯棒優(yōu)化之間,即配置方案具有一定的經(jīng)濟(jì)性和魯棒性。
表5 不同KL閾值下分布魯棒優(yōu)化配置結(jié)果對(duì)比
本文基于多種能源的全生命周期碳足跡系數(shù),建立了計(jì)及RE出力不確定性的選址、定容分布魯棒優(yōu)化配置模型,通過(guò)IEEE 33系統(tǒng)進(jìn)行驗(yàn)證分析,得到以下結(jié)論:
a)采用LCA對(duì)傳統(tǒng)能源與RE發(fā)電的碳排放量進(jìn)行分析,能夠客觀地綜合考慮發(fā)電過(guò)程中的碳源及相應(yīng)碳排放量,有效推動(dòng)國(guó)家節(jié)能減排工作的實(shí)施。
b)本文所提分布魯棒優(yōu)化配置模型與確定性優(yōu)化配置模型相比,通過(guò)數(shù)據(jù)驅(qū)動(dòng)構(gòu)建了基于KL散度的RE出力波動(dòng)的模糊集,首先尋找模糊集內(nèi)使系統(tǒng)碳排放懲罰費(fèi)用和安裝建設(shè)成本最大的極端惡劣場(chǎng)景,再進(jìn)一步進(jìn)行選址、定容優(yōu)化配置,增強(qiáng)了模型在出力不確定波動(dòng)條件下的魯棒性;與傳統(tǒng)魯棒優(yōu)化配置模型相比,分布魯棒所構(gòu)建的模糊集邊界比傳統(tǒng)魯棒波動(dòng)變量的盒式不確定集合更貼近實(shí)際的概率分布,改善了傳統(tǒng)魯棒優(yōu)化結(jié)果過(guò)于保守的缺點(diǎn),綜合考慮了模型的經(jīng)濟(jì)性和魯棒性。
c)通過(guò)調(diào)節(jié)KL散度閾值,能夠約束不確定變量波動(dòng)范圍的模糊集上下界,使分布魯棒的優(yōu)化配置結(jié)果處于確定性優(yōu)化和傳統(tǒng)魯棒優(yōu)化之間。閾值取值越小,優(yōu)化配置方案的降碳能力越好,但RE出力波動(dòng)情況下的系統(tǒng)安全性越低,優(yōu)化結(jié)果越接近確定性優(yōu)化配置;反之,閾值取值越大,配置方案的降碳能力越差,但RE出力波動(dòng)情況下的系統(tǒng)安全性越高,優(yōu)化結(jié)果越接近傳統(tǒng)魯棒優(yōu)化。