← 返回
电动汽车驱动 ★ 4.0

TSO-DSO接口处的凸化灵活性区域识别

Convexified Flexibility Area Identification at TSO-DSO Interface

作者 Sonam Mittal · Parikshit Pareek · Ashu Verma
期刊 IEEE Transactions on Industry Applications
出版日期 2024年10月
技术分类 电动汽车驱动
相关度评分 ★★★★ 4.0 / 5.0
关键词 分布式能源资源 凸灵活性区域 优化问题 迭代算法 仿真结果
语言:

中文摘要

将可控分布式能源资源(DERs)整合到电力系统中,可挖掘配电网层面的灵活性潜力。本文介绍了一种在输配电接口的P - Q平面上划定凸灵活性区域(CFAs)的有效方法。该方法通过求解优化问题直接识别凸区域,而非采用多边形法追踪灵活性区域的边界来构建该区域。本文提出了一个二次约束二次规划问题(QCQP)公式,以将达到指定凸灵活性区域所需的控制(分布式能源资源)容量最小化。此外,还设计了一种二分法迭代算法,通过依次求解最小控制需求问题来最大化凸灵活性区域。在IEEE 33节点和69节点系统上进行的仿真结果表明,该方法能够在各种控制和负载条件下准确绘制凸灵活性区域。所提出的迭代式凸灵活性区域最大化技术在十次迭代内即可收敛,与基于蒙特卡罗模拟(MCS)的区域枚举法相比,耗时减少了十五倍,性能显著优于后者。此外,该方法已被证明能够准确捕捉负荷变化和系统控制容量对所得到的凸灵活性区域的影响。

English Abstract

Integrating controllable distributed energy resources (DERs) into power systems unlocks flexibility potential at the distribution level. This paper introduces an efficient approach for delineating Convex Flexibility Areas (CFAs) on the P-Q plane at the transmission-distribution interface. This work relies on solving an optimization problem to directly identify a convex region, instead of constructing it by tracing the boundary of the flexibility area via polygon approach. A Quadratic Constrained Quadratic Problem (QCQP) formulation is proposed to minimize the required control (DER) capacity to a specified CFA. Further, a bisection-style iterative algorithm is devised to maximize the CFA by solving sequential minimum control requirement problems. Simulation results, conducted on the IEEE 33-Bus and 69-Bus Systems, demonstrate the method's proficiency in charting CFAs under various control and loading conditions. The proposed iterative CFA maximization technique is shown to converge in ten iterations, significantly outperforming Monte-Carlo Simulation (MCS)-based area enumeration by being fifteen times less time-consuming. Furthermore, the method has been shown to accurately capture the impact of load variations and the control capacity of the system on the obtained CFAs.
S

SunView 深度解读

从阳光电源的业务视角来看,这篇论文提出的输配电接口凸柔性区域识别技术具有重要的战略意义。随着公司在分布式光伏逆变器和储能系统的大规模部署,如何高效协调这些分布式能源资源(DERs)与电网的互动,已成为提升系统价值的关键课题。

该技术的核心价值在于通过二次约束二次规划(QCQP)直接识别P-Q平面上的凸柔性区域,相比传统蒙特卡洛仿真方法效率提升15倍。这为阳光电源的智慧能源管理系统提供了实时优化的可能性。具体而言,我们的光伏逆变器和储能变流器可以基于该方法快速计算出在输配电接口处可提供的灵活性边界,从而参与电网辅助服务市场,创造额外收益。论文中的迭代算法仅需十次迭代即可收敛,这意味着可以集成到现有的能量管理系统中进行在线应用。

从技术成熟度看,该方法已在IEEE标准测试系统上验证,但向实际电网应用过渡仍需解决几个挑战:首先是配电网拓扑和参数的实时获取问题,这需要与电网公司建立数据共享机制;其次是算法在大规模DERs场景下的计算性能需进一步验证;第三是需要考虑设备老化、温度等实际约束对柔性区域的影响。

对阳光电源而言,这项技术的应用前景广阔。建议将其整合到iSolarCloud平台中,开发面向输配电协同的柔性资源聚合服务产品,特别是在虚拟电厂和源网荷储一体化项目中,该技术可显著提升我们解决方案的智能化水平和市场竞争力,同时为客户创造更大的经济价值。