考慮同步和頻率安全約束的分佈式能源輔助配電系統黑啟動和負載恢復框架

核心概念

本文提出了一個全新的配電系統黑啟動和負載恢復框架，該框架利用分佈式能源（DERs），特別是基於電池储能系統的電網形成逆變器（GFMIs）和可再生能源的電網跟踪逆變器（GFLIs），並考慮了同步和頻率安全約束，以實現配電系統在斷電後的快速可靠恢復。

摘要

本文針對配電系統在極端天氣事件後的長時間停電問題，提出了一種基於分佈式能源（DERs）的黑啟動和負載恢復框架。該框架考慮了微電網之間以及整個配電系統與輸電網之間的同步和頻率安全約束，旨在實現快速、可靠的系統恢復。
主要貢獻

基於DERs的自下而上黑啟動框架： 該框架利用基於電池储能系統的電網形成逆變器（GFMIs）啟動黑啟動，並根據配電系統的開關結構擴展啟動路徑，以激勵GFLIs，同時最大限度地提高冷負載拾取，且不違反容量和頻率安全限制。
同步開關模型： 該框架對同步開關進行建模，建立了符合配電系統支路流模型的運行條件，並在黑啟動和恢復過程中優化了勵磁和同步開關時序。
動態徑向約束： 該框架開發了動態徑向約束，以支持同步，並允許微電網在黑啟動過程中擴展和整合其邊界。
方法

虛擬同步發電機（VSG）控制： 該框架將VSG控制功能集成到GFMI中，利用VSG參數（如慣性常數和p-f下垂）來估計GFMI對冷負載拾取事件的頻率響應，包括準穩態（QSS）頻率、頻率變化率（RoCoF）和頻率最低點（f nad）。
同步開關條件： 該框架建立了同步開關的條件，確保在合閘時開關兩端的電壓和相位匹配，以實現電網的安全連接。
線性化潮流模型： 該框架採用線性化潮流模型來描述配電系統的運行狀態，並通過二進制變量來適應網絡拓撲的變化。
結果
該框架在IEEE-123節點測試系統中進行了驗證，考慮了兩個和四個GFMIs在不同輸電網恢復時刻的情況。結果表明，該框架能夠有效地優化黑啟動和負載恢復過程，最大限度地減少停電時間，並確保系統的頻率安全。
優點

考慮同步和頻率安全： 與現有方法相比，該框架更全面地考慮了同步和頻率安全約束，提高了系統恢復的可靠性。
優化開關時序： 該框架通過優化勵磁和同步開關時序，最大限度地提高了負載恢復效率。
適用於大規模系統： 該框架採用的線性化潮流模型和頻率響應估計方法，使其適用於大規模配電系統的黑啟動和負載恢復規劃。

統計資料

IEEE-123節點測試系統最大負載需求為3.49兆瓦。
測試系統中安裝了總計965千瓦的光伏，約佔最大需求的28%。
假設60%的點負載是不可切換的（硬連接），其餘40%是可切換的。
兩個和四個基於電池储能系統的電網形成逆變器（GFMIs）的總有效容量足以維持所有不可切換負載僅三個小時。

從以下內容提煉的關鍵洞見

DERs-Aided Blackstart and Load Restoration Framework for Distribution Systems Considering Synchronization and Frequency Security Constraints

by Salish Mahar... 於 arxiv.org 11-12-2024

https://arxiv.org/pdf/2411.06567.pdf

深入探究

在配電系統黑啟動和負載恢復過程中，如何協調分佈式能源和傳統電源（如柴油發電機）的運行？

在配電系統黑啟動和負載恢復過程中，協調分佈式能源 (DER) 和傳統電源（如柴油發電機）的運行至關重要，這需要綜合考慮兩者的優缺點和系統的整體需求。以下是一些協調 DER 和傳統電源運行的策略：

優勢互補，分階段啟動:

柴油發電機啟動速度快、功率輸出穩定，適合在黑啟動初期提供電力，快速建立初始電網。
隨著電網逐步恢復，DER，特別是基於電池儲能的電網形成逆變器 (GFMI)，可以逐步接入，提供電壓和频率支撑，並根據其容量和可用性分擔負載。

频率和電壓調節:

柴油發電機通常採用傳統的下垂控制策略進行频率和電壓調節。
DER，特別是虛擬同步發電機 (VSG) 控制的 GFMI，可以模擬同步發電機的慣性和阻尼特性，提供更靈活、快速的频率和電壓調節，增强電網穩定性。

能量管理和優化:

建立能量管理系統 (EMS)，實時監測柴油發電機的燃料消耗和 DER 的可用能量，根據負載需求和預測，動態調整兩者的出力，實現資源的優化配置。

通訊和協調控制:

建立可靠的通訊網絡，實現柴油發電機、DER 和控制中心之間的信息交互，確保協調控制。
採用分佈式控制策略，根據本地信息和全局目標，協調各單元的運行狀態，提高系統可靠性和效率。
總之，協調 DER 和傳統電源的運行需要綜合考慮多種因素，採用靈活的控制策略，才能最大限度地發揮兩者的優勢，確保配電系統黑啟動和負載恢復的安全、快速和高效。

如果考慮配電系統中存在電動汽車充電負載，該框架將如何調整其策略？

電動汽車充電負載具有功率大、充電時間長等特點，對配電系統黑啟動和負載恢復策略提出了新的挑戰。該框架需要進行以下調整以適應電動汽車充電負載：

負載模型更新:

將電動汽車充電負載納入負載模型，考慮其充電功率、充電時間、空間分佈等因素，更準確地預測負載曲線和電網的動態特性。

充電管理策略:

制定合理的電動汽車充電管理策略，例如：

分時充電: 鼓勵用戶在非高峰時段充電，減輕電網峰值負載壓力。
有序充電: 根據電網負載情況和充電需求，協調電動汽車充電順序和功率，避免電網過載。
智能充電: 利用車聯網技術，根據電網實時狀態和用戶需求，動態調整充電功率和時間，實現電網和用戶的雙贏。

GFMI 容量和佈局優化:

考慮電動汽車充電需求，優化 GFMI 的容量和佈局，確保其能夠在黑啟動和負載恢復過程中提供足够的電力支撑。

協調控制策略:

更新協調控制策略，將電動汽車充電負載納入控制範疇，協調 GFMI、傳統電源和電動汽車充電負載的運行，確保電網安全穩定運行。
總之，考慮電動汽車充電負載後，該框架需要更新負載模型、制定充電管理策略、優化 GFMI 容量和佈局，並更新協調控制策略，才能有效應對電動汽車充電負載帶來的挑戰，確保配電系統黑啟動和負載恢復的顺利進行。

在未來電網向更高比例的可再生能源轉型的趨勢下，該框架如何適應電網的動態特性和不確定性？

隨著未來電網向更高比例的可再生能源轉型，電網的動態特性和不確定性將顯著增加，這對黑啟動和負載恢復框架提出了更高的要求。該框架需要進行以下調整以適應這些變化：

增強對可再生能源發電預測能力:

整合先進的氣象預報模型和機器學習算法，提高對風電、光伏等可再生能源發電的預測精度，為黑啟動和負載恢復決策提供更可靠的依據。

提升電網靈活性:

通過部署儲能系統、需求響應、虛擬電廠等靈活性資源，增強電網對可再生能源發電波動性的適應能力，提高電網的可靠性和穩定性。

發展先進的控制策略:

研究基於預測控制、魯棒控制、自適應控制等先進控制策略，提高電網對不確定性的應對能力，確保電網在各種情况下都能安全穩定運行。

構建分佈式智能化黑啟動和負載恢復系統:

利用物聯網、邊緣計算、區塊鏈等技術，構建分佈式智能化黑啟動和負載恢復系統，提高系統的可靠性、自愈能力和運行效率。
總之，面對未來電網高比例可再生能源接入帶來的挑戰，該框架需要不斷完善和發展，增強對可再生能源發電預測能力，提升電網靈活性，發展先進的控制策略，構建分佈式智能化黑啟動和負載恢復系統，才能更好地適應電網的動態特性和不確定性，確保電網的安全穩定運行。