考虑惯性异质性分区的分布鲁棒机组组合:面向高比例可再生能源电力系统频率安全运行
《Sustainable Energy, Grids and Networks》:Distributionally robust unit commitment with inertia heterogeneity partitioning for frequency-secure operation of high renewable penetration power systems
【字体:
大
中
小
】
时间:2026年10月22日
来源:Sustainable Energy, Grids and Networks 5.6
编辑推荐:
# 摘要
电力电子变流器接口可再生能源(RES)的快速普及显著削弱了电力系统的有效惯性,加剧了频率稳定性风险,表现为功角频率变化率(RoCoF)过高和频率最低点过深。由于提供惯性的资源在地理上分布分散,且受网络拓扑和异构机组控制策略的影响,惯性表现出强烈的地域依赖性,低惯性
# 摘要
电力电子变流器接口可再生能源(RES)的快速普及显著削弱了电力系统的有效惯性,加剧了频率稳定性风险,表现为功角频率变化率(RoCoF)过高和频率最低点过深。由于提供惯性的资源在地理上分布分散,且受网络拓扑和异构机组控制策略的影响,惯性表现出强烈的地域依赖性,低惯性区域更容易出现局部频率偏移。在这种条件下,基于系统平均惯量中心(COI)频率的指标可能会掩盖局部动态特性,导致局部频率限值越限、低频减载或可再生能源机组跳闸,从而降低运行可靠性。同步调相机和其他惯性补偿装置可以缓解局部惯性不足的问题,但大规模部署可能导致过度投资和更高的运维成本。为支持高可再生能源渗透率下电力系统的安全经济运行,本文提出了一种明确考虑惯性异质性的高可再生能源渗透率电力系统优化调度方法。通过联合优化发电机组和现有辅助服务资源,所提方法满足分区频率安全要求。首先,通过表征扰动功率的网络依赖分布及其与频率的动态耦合,构建了节点等效惯性指标。随后,基于该指标将系统划分为若干区域,并建立分区最小惯性约束。最后,引入数据驱动的分布鲁棒优化(DRO)框架来处理风电和光伏的不确定性,将分区惯性约束嵌入调度模型中。基于改进IEEE 39节点系统的仿真结果表明,所提方法增加了低惯性区域的惯性裕度,在稳健性与经济性之间取得了平衡,并在高可再生能源渗透率下保持了适应性。
# 引言
在全球脱碳目标的推动下,风电和太阳能发电在全球范围内迅速扩展。国际能源署预测,2025年至2030年全球可再生能源发电装机容量将增加约4600吉瓦,大约是前一五年期间增长量的两倍,其中太阳能光伏占新增容量的约80%,风电继续在内陆和海上扩大规模[1]。
尽管这种扩展对于减少排放至关重要,但大规模并网可再生能源也带来了新的运行挑战,其中频率安全已成为尤为关键的问题。一个主要原因是变流器接口可再生能源取代了传统的同步发电机。与同步机不同,逆变器基资源几乎不提供固有的旋转惯性。电网支撑控制策略(如虚拟同步发电机VSG方案)可以模拟惯性响应,但有效惯性贡献受变流器电流极限和可用有功功率余量的限制。因此,随着同步机组的退出,系统惯性可能显著低于传统电力系统[2]。此外,可再生能源输出的波动性和不确定性[3]加剧了源荷功率不平衡。为适应这些波动,储能系统(ESS)可以通过快速充放电提供灵活调节,并与其他灵活资源(如需求响应)协同,从而增强整体系统灵活性[4]。然而,单纯提高运行灵活性无法完全解决系统惯性下降带来的频率安全挑战。在低惯性条件下,减弱的扰动抑制能力显著增加了频率不稳定风险,表现为功角频率变化率(RoCoF)更高和频率最低点更深[5]。因此,确保低惯性条件下的频率安全对于实现更高的风光渗透率、避免过多的可再生能源跳闸或弃电至关重要。这些风险已在几起重大工程事件中暴露出来,例如2019年8月9日英国大停电事件[6]以及2015年9月19日中国华东电网金苏特高压直流线路双极闭锁事件[7]。这些事件表明,频率安全不仅是理论问题,更是大规模并网可再生能源可靠性的实际障碍。
然而,除总惯性不足之外,由于惯性源的分布、网络拓扑和可再生能源控制策略的差异,系统惯性的空间变化同样显著。系统频率安全受惯性分布影响。当扰动发生在低惯性区域时,这些区域会经历极高的RoCoF和显著的功角发散,容易触发严重的区间功率振荡[8]。这种局部频率限值越限可能导致风电/光伏电站脱网和弃电增加,损害清洁能源利用率。2016年南澳大利亚大停电事件[9]即为典型例证:大规模风电脱网削弱了局部支撑,对Heywood联络线造成压力,并导致连锁跳闸和系统安全丧失。这些观察促使研究者开发明确考虑惯性空间分布的频率安全评估和调度方法,而非仅依赖系统平均指标。
COI频率通常定义为同步机转速的惯性加权平均值,可将整个电网用单个等效机表示以进行惯性辨识和频率动态分析[10]。文献[11]提出了一种基于PMU的鲁棒估计方法,用于在线应用,实现COI频率的实时跟踪。文献[12]利用PMU测量数据实现了系统等效惯量和COI频率的纯数据驱动连续辨识。文献[13]综述了惯性估计方法,涵盖同步发电机、逆变器基资源和负荷惯性,并按数据类型、估计原理、运行模式和系统规模进行分类。该文献使用COI频率作为系统级指标用于监控和频率动态应用。在此基础上,文献[14]、[15]、[16]、[17]、[18]、[19]探讨了将基于COI的频率动态约束嵌入优化调度模型中以协同提升电力系统经济效率和安全性的问题。针对高可再生能源渗透率的电力系统,文献[14]、[15]、[16]考虑了多种频率调节资源以构建等效频率响应模型,并推导出RoCoF、频率最低点和稳态频率偏差等频率安全约束。这些约束被嵌入优化调度模型以实现系统经济效率和频率安全的协调优化。文献[17]采用聚合频率响应模型推断RoCoF和频率最低点限值所需的最小惯性,将其重构为混合整数规划(MIP)兼容的线性惯性约束并嵌入机组组合,在确保频率安全的同时避免了非线性频率约束。考虑到将含非线性元件的详细频率响应模型嵌入机组组合的难度,文献[18]、[19]引入机器学习代理模型来估计频率最低点等频率指标。通过学习运行工况到频率安全指标之间的映射关系,用混合整数线性规划(MILP)兼容约束替代非线性最低点评估,并利用线性化或分段线性化方法实现,从而提高了求解效率。
上述研究表明,基于COI的聚合模型能够有效表征系统的整体频率动态,已被广泛应用于惯性评估和频率安全优化调度等领域。然而,随着可再生能源渗透率的增加,忽略网络拓扑和惯性资源分布变化的模型难以捕捉惯性空间分布不均对局部频率稳定性的影响[20]。为应对这一局限,研究人员开始从空间角度表征惯性和频率动态的分布特性。文献[21]系统分析了不同惯性分布下的分区频率偏差、跨区振荡和保护阈值风险,使用受扰区与未受扰区之间的惯性比指标来表征频率异质性。文献[22]提出了一种基于相量测量单元(PMU)和振荡特征参数辨识的互联系统在线分区惯性估计方法。通过比较实际惯性与最小惯性需求来识别低惯性区域,从而从局部视角指导可再生能源并网,该方法计算高效且收敛性好。文献[23]从节点视角进行惯性评估,利用等效同构变换(EHT)和广义惯性分析指标,在非均匀扰动场景下实现节点惯性的定量评估和低惯性节点的识别。在优化调度方面,文献[24]开发了多区域频率约束机组组合模型并纳入感应电机负荷的惯性支撑以表征区域间频率差异,但其区域结构是预先定义且在调度过程中保持固定的。文献[25]在预定义的多区域框架内进一步引入节点频率响应模型,并采用图神经网络(GNN)预测节点相角和更新关键节点及相应的频率安全约束。其动态特征主要体现在各区域内节点状态和约束的更新,而区域边界保持不变。文献[26]将区域定义为指定联络线断开故障下形成的潜在孤岛,施加分区最小惯性约束以限制孤岛运行条件下的RoCoF。对于给定故障情况,分区结构是固定的,主要确保潜在孤岛的总体惯性充足性。然而,现有研究仍存在局限性。大多数分区方法依赖固定划分,因此无法充分捕捉网络拓扑和潮流模式对惯性空间分布的影响,这可能会阻碍低惯性区域的准确识别和局部频率安全有效调度策略的制定。相比之下,节点级模型提供了更精细的空间分辨率,但代价是模型维度和计算负担大幅增加,限制了其在大规模电力系统中的适用性。
此外,虽然可再生能源机组可以通过特定控制策略提供频率支撑,但由于风速和太阳辐照度等自然条件变化,其可用的频率响应能力及相关概率分布存在相当大的不确定性。为应对这一问题,现有研究在调度模型中计及可再生能源发电不确定性,同时优化储能等灵活资源,从而缓解功率波动带来的运行影响[27]。随机优化(SO)[28]和鲁棒优化(RO)[29]是不确定性管理的两种代表性方法。然而,SO依赖相对精确的概率分布,通常需要大量场景,导致计算负担较重;而RO聚焦于最坏情况实现,可能导致过于保守的解决方案。为克服这些局限,分布鲁棒优化(DRO)已逐步被引入频率约束机组组合和调度[30]。与传统方法相比,DRO克服了SO对精确分布的过度依赖和RO的过度保守性,在频率安全约束下更好地平衡了经济效率和鲁棒性。
表1总结并比较了相关研究文献。分析表明,本文提出了一种新颖方法,通过在高可再生能源渗透率场景下的频率安全调度研究中引入基于节点等效惯性指标的动态分区和分区最小惯性约束。结合数据驱动的DRO建模来处理风能和太阳能的不确定性,该方法有效解决了系统总惯性合规性问题,同时应对局部惯性不足问题,从而增强了系统的扰动抑制能力和调度鲁棒性。本文的主要贡献如下:
1) 现有研究主要使用COI或单点频率指标衡量频率安全,未能考虑多区域惯性差异。本文利用节点惯性与频率响应之间的解析关系,提出了一种基于解析映射的节点惯性计算方法,实现了对系统惯性分布的量化表征。
2) 针对传统静态地理分区在适应可再生能源可变运行工况和准确识别薄弱环节方面的局限性,本文提出了一种基于节点惯性指标的图聚类算法。该方法实现了系统动态分区和分区惯性需求计算,便于识别低惯性区域以确保区域频率指标满足安全阈值。
3) 为解决由于可再生能源发电概率分布模糊导致的机组组合(UC)决策偏差,进而引发空间惯性不平衡和频率支撑不足的问题,本文提出了一种数据驱动的DRO调度方法。通过建立分区惯性安全约束并使用列约束生成算法(C&CG)求解,该方法确保即使在分布偏移情况下调度结果仍能满足分区惯性要求,实现经济效率与频率安全的协同优化。
本文其余部分组织如下:第2节提出基于节点等效惯性指标的合理分区模型,以量化每个分区的最小惯性需求;第3节提出基于DRO的分区惯性约束优化调度;第4节构建整体DRO模型并制定求解方案,详述含分区最小惯性约束的DRO调度模型及对应求解方法;第5节通过改进IEEE 39节点系统案例对比所提方法在经济效率和频率稳定性方面的性能;第6节对全文进行总结。
# 各节摘要
## 基于节点等效惯性指标的分区及最小惯性需求评估
高可再生能源渗透率导致系统惯性的空间异质分布,使得全局COI指标不足以进行局部频率安全评估。
通过构建节点等效惯量指标,可以对频率动态的空间分布和节点扰动抑制能力进行量化,从而为分区划分提供理论依据。考虑到发电组合、扰动特性和负荷差异的显著不同,本文提出了基于分布鲁棒优化的分区惯量约束最优调度模型。在高比例可再生能源接入的电力系统中,风能和太阳能发电受气象条件影响显著。其固有的波动性和预测误差给系统净负荷和备用需求引入了不确定性。这种不确定性会改变可再生能源在不同时间段的可行出力边界,从而影响机组启停决策和经济调度结果。同时,系统惯量及其空间分布的不均匀性进一步增加了频率安全管控的难度。基于第3节中建立的单阶段和两阶段框架,本文提出的两阶段分布鲁棒优化模型可以用以下紧凑矩阵形式表示:$\min_{x}\left\{c^Tx+\max_{p\in\Omega}\sum_{s=1}^{Z}p_s Q_s(x,\xi_s)\right\}$,约束条件为 $Ax\leq b, x\in\{0,1\}$,$Dy_s\leq d_s$,$Fy_s\leq f_s$,$H_x x+H_y y_s+G\xi_s\leq h_s$。其中 $c^Tx$ 表示全时域第一阶段机组组合成本;$Q_s(x,\xi_s)$ 表示代表场景 $s$ 下的最优第二阶段运行成本;矩阵 $A$、$D$、$H_x$、$H_y$ 和 $G$ 表示相应的约束系数矩阵。本文采用改进的IEEE 39节点系统进行案例仿真研究。系统总装机容量为4710 MW,其中风能和太阳能装机合计1900 MW,约占总容量的40.3%。风力发电机和储能系统被配置为提供虚拟惯量支撑,而光伏发电单元作为静态电源,在本研究中不提供虚拟惯量。根据参考文献[35]、[36]中的相关数据,表2列出了物理参数。本文针对高比例可再生能源接入下系统整体惯量降低及其空间分布不均匀所引起的局部频率安全风险问题,提出了一种同时考虑惯量空间差异和可再生能源出力不确定性的分布鲁棒优化调度模型。通过理论分析和案例研究验证了该模型的有效性。主要结论如下:1)通过从早期扰动频率中推导节点等效惯量指标……CRediT作者贡献声明:赵正辉:撰写—审阅与编辑,项目管理,调查研究。孙金辉:撰写—原稿,方法论。祁布阳:可视化,形式化分析。梁少伟:软件,数据管理。张倩:验证,资源支持。利益冲突声明:作者声明不存在任何可能影响本文所述工作的已知的竞争性经济利益或个人关系。赵正辉 | 孙金辉 | 祁布阳 | 梁少伟 | 张倩
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号