Page 28 - 电力与能源2024年第一期
P. 28
22 张 青,等:基于负荷场景的非住宅电力用户接入容量配置策略的研究
影响最终效果。本文参照同类型用户运行数据, 装置的每日累计充放电次数; Ζ μ——第 μ 台储能
结合相关场景下的负荷组合和工况预测,确定系 装置的单日最大允许充放电次数; χ——储能装置
[14-15]
数矩阵元素,取值区间为[0,1] 。 集合。
(2)考虑线损、负荷自然增长率等因素,在负 这些参数与储能介质的物理特性、技术要求、
荷场景下的总视在功率值: 运行策略等相关。为简化计算过程,结合储能实
δ
N
δ
δ
P ∑ (1 + λ ) (1 + η )
δ 际运行方式,本文认为储能装置在用电尖峰时段
S ∑ = (2)
cos ϕ δ
放电运行,负荷低谷时段充电运行,充放电电量日
δ
δ
式中 λ ——负荷场景 δ下的负荷年增长率;η —— [13]
内平衡 。
δ
线损率; cos ϕ ——功率因数;N——规划年限。
(3)电动汽车充电功率应满足:
负荷增长率取决于规划年限内用户发展趋 0 ≤ e θ ≤ Ε θ, ∀θ ∈ Π (7)
势、产能增长等因素。线损率与用户内部电气布 式中 e θ——第 θ 个充电桩的充电功率;Ε θ——第
局、线径、负荷均衡情况等有关。功率因数为用户 θ 个充电桩的铭牌功率;Π——充电桩集合。
经无功补偿后的高压进线侧设计值。 本文暂不考虑电动汽车向电网反向供电,这
(3)用户报装容量选取最大负荷场景下的总 类情况今后在建模时可等效为相应容量的储能装
视在功率值: 置放电,但目前暂无这方面的实践经验,而且放电
Τ = max S Σ κ (3) 行为易受激励政策、市场机制、车主意愿等多种因
δ
δϵR
式中 κ——满载裕量系数,与规划末期备用容 素影响,同时系数难以准确计算。因此,本文仅结
量、用户选用设备承受瞬时过载能力(如变压器类 合电动汽车有序充电管理思路,根据现行电价机
型)、用户报装成本需求、负荷侧响应速度、用户内 制预测各负荷时段的电动汽车充电功率。电动自
部能源管理机制等相关 [15] ; R——场景集合。 行车可参考上述方式预测充电功率。
1.2 限制条件 1.3 计算方法
(1)新 能 源 发 电 单 元 实 际 出 力 应 处 于 以 下 根据式(1)~式(7),本文负荷计算模型主要
范围: 为线性极值求解问题。考虑到非住宅用户用电设
0 ≤ ω ν ≤ γ vW v, ∀v ∈ Λ (4) 备组数据量庞大且涉及矩阵计算, 本文首先建立
式 中 ω ν —— 第 v 台 发 电 机 组 的 发 电 功 率 ;W v 数学模型,然后导入不同负荷场景下的原始数据,
——第 v 台发电机组的装机容量; γ v——第 v 台发 分别计算用电容量预测值,最终比选最优结果作
电机组的发电效率; Λ——发电机组集合。 为报装容量参考值。线性计算可减轻运算成本,
由于新能源具有随机性、间歇性和波动性,往 同时便于分析,确保实用性。
往被认为不具备对负荷的稳定支撑能力,所以在容
2 实例计算与结果分析
量计算时经常会忽略新能源的装机容量。然而,根
据运行经验,上海常见的光伏发电的实际出力在负 本文选取上海市域内大工业、公共事业、商业
荷高峰时段具有一定的稳定性、持续性和可预测 办公、电动汽车充电站四类 10 kV 非住宅用户用
性,对用户实际用电容量的影响不应被忽略。 电报装时提交的设备清单和负荷计算书等核容材
(2)储能装置实际出力应满足: 料,并结合用户建筑电气设计、同类型客户用电运
-ζ μ H μ ≤ q μ ≤ φ μ Η μ, ∀μ ∈ χ (5) 行经验以及行业发展趋势等资料,通过建模,计算
0 ≤ α μ ≤ Ζ μ, ∀μ ∈ χ (6) 不同负荷场景下的视在功率。根据用户实际用电
式中 q μ——第 μ 台储能装置的充/放电功率; Η μ 数据,将本文所提策略与传统方法进行对比,验证
——第 μ 台储能装置的铭牌功率; ζ μ、 φ μ——第 μ 其正确性、合理性。基于负荷场景的建模参数如
台储能装置的充电和放电系数; α μ——第 μ 台储能 表 1 所示。