一种主动配电网储能系统动态规划方法与流程

本发明涉及主动配电网规划技术领域，尤其是涉及一种主动配电网储能系统动态规划方法。

背景技术：

随着全社会对能源短缺和环境问题的关注，大量分布式新能源发电接入配电网中，然而分布式电源的间歇性和随机性增加了电网运行的不确定性，从而影响网损和电压分布。

储能系统兼具供蓄能力，可快速调节功率，在配电网中起到削峰填谷的作用。为了合理规划分布式电源(distributedgenerator,dg)和储能系统(energystoragesystem,ess)，主动配电网技术应运而生。

国内外多年来在传统配电网规划方面已有丰富的研究成果积累，近年来在主动配电网规划研究方面也有了一定进展。如文献“主动配电网储能系统的多目标优化配置”(尤毅,刘东,钟清,等.电力系统自动化,2014,38(18):46-52)采用比较实际负荷与平均负荷之间的大小关系来确定储能系统的充放电策略，从而对储能系统进行优化配置；文献“风电场复合储能系统容量配置的优化设计”(张坤,毛承雄,谢俊文,等.中国电机工程学报,2012(2012年25):79-87)采用特性参数-功率平滑度的短期神经网络模型对储能系统进行优化配置；文献“用于跟踪风电场计划出力的电池储能系统容量优化配置”(杨水丽,李建林,惠东,等.电网技术,2014,38(6):1485-1491)通过历史数据确定储能系统功率与各参量及指标的特性关系，从而采用截止正态分布法进行储能的优化配置；文献“电池储能系统恒功率削峰填谷优化策略研究”(陈满,陆志刚,刘怡,等.电网技术,2012(2012年09):232-237)采用恒功率模型研究储能系统的削峰填谷作用并进行优化配置研究；文献“考虑分布式电源及储能配合的主动配电网规划–运行联合优化”(沈欣炜,朱守真,郑竞宏,等.电网技术,2015,39(7):1913-1920)采用经济调度的方式对储能进行优化配置。

然而，现在的配电网储能系统规划存在以下不足：

·以静态的思想或者从负荷的角度进行储能系统规划；

●没有考虑储能系统自身具有容量、充放电率等约束，应该在满足自身约束的条件下进行优化配置。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种主动配电网储能系统动态规划方法。

本发明的目的可以通过以下技术方案来实现：

一种主动配电网储能系统动态规划方法，所述主动配电网中含有分布式光伏和储能系统，所述动态规划方法基于双层规划模型进行动态规划，所述双层规划模型中，上层规划以配电网年综合费用最小为目标确定分布式光伏和储能系统的装机容量，生成规划方案，下层规划以配电网典型日运行费用及负荷峰谷差最小为目标对储能系统在一个运行周期及一天内的出力进行优化。

所述上层规划的目标函数为：

minc＝ci+com+cp

式中，c为配电网年综合费用，ci为折算到每年的固定建设费，com为配电网年运行维护费用，cp为变电站年供电费；

所述上层规划的约束条件包括待选节点分布式光伏与储能装机容量约束，表示为：

式中，ppvg,i、eess,i分别为待选节点i当前的分布式光伏与储能系统的装机容量，和分别为待选节点i允许的分布式光伏与储能系统的装机容量上限。

所述下层规划为双目标规划，目标函数包括典型日运行费用最小和典型日配电网总峰谷差最小，表示为：

minc＝com+cp

minpgap＝pmax-pmin

式中，c为典型日运行费用，com为储能系统典型日运行费用，cp为变电站典型日供电费用，pgap为典型日配电网总峰谷差，pmax和pmin分别为典型日配电网内总负荷最大值和最小值；

所述下层规划的约束条件包括功率约束、电压电流约束和储能系统自身约束，其中，所述功率约束表示为：

式中，pi,t、qi,t为t时刻节点i注入的有功功率和无功功率；ui,t、uj,t分别代表为t时刻节点i和节点j的电压，j∈i表示节点j与节点i相连，gij、bij、δij,t分别为节点i和节点j之间的电导、电纳及相角差，nbus为电力负荷节点总个数；

所述电压电流约束表示为：

式中，为节点i的电压上下限，il,t为t时刻支路l上的电流，为支路l的电流上限；

所述储能系统自身约束包括剩余容量约束、充放电率约束、运行状态约束和初始化约束。

所述剩余容量约束表示为：

所述充放电率约束表示为：

所述运行状态约束表示为：

所述初始化约束表示为：

eess,i,0＝eess,i,t

式中，eess,i,t为t时刻储能系统电池的剩余容量，pess,i,+和pess,i,-分别为单位时间内电池的充放电功率，为电池的额定装机容量，λ为电池的最小剩余容量系数，α和β为电池的充放电率系数，u1,t,u2,t,u0,t分别表示储能系统电池的充电状态、放电状态和备用状态，eess,i,0、eess,i,t为电池在一个调度周期内初始状态和结束状态的剩余容量，t为一个调度周期。

所述上层规划采用遗传算法进行优化获得规划方案。

所述下层规划中，基于最短路径法的多阶段动态规划获得储能系统的最优出力曲线。

所述下层规划中，采用线性加权和法将双目标规划转化为单目标规划，所述线性加权和法的权系数采用目标函数适应度离差排序法确定。

所述上层规划将预选的规划方案传递给下层规划，下层规划在上层规划生成的规划方案基础上对储能系统在一个典型日内的充放电策略进行优化，并将获得的最优的典型日配电网运行费用传递给上层规划。

与现有技术相比，本发明具有以下有益效果：

(1)本发明对储能系统的出力进行动态建模，采用多阶段动态规划结合最短路径法求解储能系统的最优出力策略，它不仅仅是单阶段规划的累加，还能考虑各阶段储能系统的动态变化以及相互联系，充分考虑了储能系统出力的时序特性，并且较好地考虑了其自身剩余容量和出力上下限约束，更符合实际情况，以整体最优为目标决定规划期内储能系统与分布式电源的装机容量。

(2)本发明对储能系统进行动态规划，更好地发挥储能系统对于配电网的负荷调峰填谷作用，在含分布式电源的配电网中加入储能系统可以有效改善负荷峰谷差，使得负荷在一天内的波动变小，这对配电网的安全运行与后期规划至关重要。

(3)本发明建立双层规划模型，采用储能系统功率主动调节能力作为主动管理策略，该模型可以较为直观的反映分布式光伏出力和负荷水平在一年内的变化情况，并可有效得达到简化的效果。结合遗传算法进行分布式光伏和储能系统的联合规划是有效的，遗传算法可随机得生成一系列种群，对可行解具有广泛性，且具有群体搜索特性、不需要辅助信息、扩展性强等优点，在一定层面上体现了规划结果的有效性，并且求解速度较快。

附图说明

图1为储能系统动态过程图；

图2为加权最短路径图；

图3为上下层规划问题关系示意图；

图4为华东某居民区实际配电网算例图；

图5为负荷、光伏出力历史数据；

图6为典型日负荷、光伏出力、电价曲线；

图7为不同情况下典型日等效总负荷曲线；

图8为储能系统剩余容量及出力曲线。

具体实施方式

下面结合附图和具体实施例对本实施例进行详细说明。本实施例以本实施例技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本实施例的保护范围不限于下述的实施例。

本发明提供一种主动配电网储能系统动态规划方法，该专利技术可实现可靠合理的配电网规划，获得了国家重点研发计划“智能电网技术与装备”重点专项资助项目(2016yfb0901301)支持。

本方法以含有分布式光伏和储能系统的主动配电网为研究对象，所述动态规划方法基于双层规划模型进行动态规划，所述双层规划模型中，上层规划以配电网年综合费用最小为目标确定分布式光伏和储能系统的装机容量，生成规划方案，下层规划以配电网典型日运行费用及负荷峰谷差最小为目标对储能系统在一个运行周期及一天内的出力进行优化。上层规划将预选的规划方案传递给下层规划，下层规划在上层规划生成的规划方案基础上对储能系统在一个典型日内的充放电策略进行优化，并将获得的最优的典型日配电网运行费用传递给上层规划，如图3所示。

本方法在构建储能系统的电池储能模型时考虑了电池储能的自身约束情况，具体如下：

电池储能系统由电池、逆变器以及控制器组成，其充放电能力主要取决于电池的容量以及充放电效率。电池储能系统的具体模型如下：

(1)t时刻电池内部所存储的电量

eess,i,t＝eess,i,(t-δt)+ηi,+pess,i,+δt-pess,i,-δt/ηi,-(1)

(2)剩余容量约束

为保证电池的寿命与安全，当剩余容量达到最大充电状态(电池额定容量)时，控制器控制电池停止充电，达到最小放电状态(额定容量的某一百分比)时控制电池停止放电。

(3)充放电率约束

电池的寿命也与其充放电率有关，充放电率过高将降低电池使用寿命。

(4)运行状态约束

电池存在充电状态u1,t、放电状态u2,t和备用状态u0,t三种运行状态，某一时刻电池只能运行在一种状态下。

(5)初始化约束

考虑电池储能的一个调度周期为一天，在一个调度周期内储能的剩余容量总体没有变化。

eess,i,0＝eess,i,t(5)

式(1)-(5)中，δt为时间间隔；eess,i,t、eess,i,(t-δt)分别为t时刻和t-δt时刻储能系统电池的剩余容量；pess,i,+和pess,i,-分别为单位时间内电池的充放电功率；ηi,+、ηi,-分别为电池的充放电效率；为电池的额定装机容量，λ为电池的最小剩余容量系数，本实施例中，λ＝0.2；α和β为电池的充放电率系数，本实施例中，α＝β＝0.2；eess,i,0、eess,i,t为电池在一个调度周期内初始状态和结束状态的剩余容量；t为一个调度周期，本实施例中，t＝24。

式(2)-(5)所述的储能系统自身约束可用图1所示的动态结果来表示。

主动配电网中，分布式光伏和储能系统的成本分析如下：

储能系统的成本包括建设成本和运行维护成本，建设成本由初期投资决定，主要包含电池的成本，与储能系统的电池容量有关，运行成本与实际发电量有关。分布式光伏的成本也包括建设成本和运行维护成本，其中建设成本为设备的初期投资费用，与装机容量有关，运行维护成本包括设备的维护费、清洗费等各种费用，并减去政府的补贴费用，综合下来，大概为建设成本的3％。

本方法建立的双层规划模型具体如下：

1)上层规划

目标函数为：

minc＝ci+com+cp(6)

其中各部分的含义以及计算方法如下：

(1)折算到每年的固定建设费用ci：

(2)配电网年运行维护费用com：

(3)变电站年供电费cp：

cp＝365×cp(9)

式中：d为贴现率；y为经济年限；nbus为电力负荷节点总个数；分别为分布式光伏和储能系统的单位容量建设成本系数；ppvg,i、eess,i分别节点i的分布式光伏的装机容量与储能系统中电池的装机容量；com和cp分别为典型日的配电网运行费用和变电站供电费用。

上层规划的约束条件包括待选节点分布式光伏与储能装机容量约束，表示为：

式中，和分别为待选节点i允许的分布式光伏与储能系统的装机容量上限。

2)下层规划

下层规划为双目标规划，目标函数包括典型日运行费用最小和典型日配电网总峰谷差最小，采用线性加权和法将双目标规划转化为单目标规划，所述线性加权和法的权系数采用目标函数适应度离差排序法确定。

(1)典型日配电网运行费用c：

minc＝com+cp(12)

其中各部分的含义以及计算方法如下：

储能系统典型日运行费用com：

变电站典型日供电费用cp,s：

储能放电取“-”，充电取“+”。

(2)典型日配电网总峰谷差pgap：

minpgap＝pmax-pmin(15)

式中：为储能系统的单位发电量运行维护费用；pess,i,t为储能在t时刻的充放电功率；ρt为变电站向上级电网购电价；pi,t为t时刻节点i的负荷；ppvg,i,t为分布式光伏在t时刻的发电量；pmax和pmin分别为典型日配电网内总负荷最大值和最小值。

约束条件

(1)功率约束：

(2)电压电流约束

(3)储能系统自身约束如式(2)-(5)。

式中，pi,t、qi,t为t时刻节点i注入的有功功率和无功功率；ui,t、uj,t分别代表为t时刻节点i和节点j的电压；j∈i表示节点j与节点i相连；gij、bij、δij,t分别为节点i和节点j之间的电导、电纳及相角差；为节点i的电压上下限；il,t为t时刻支路l上的电流，为支路l的电流上限。

所述下层规划中，基于最短路径法的多阶段动态规划获得储能系统的最优出力曲线。电池储能系统的剩余容量范围为额定容量的0.2-1.0，初始容量为额定容量的0.6，并且每一阶段的充放电率为额定容量的0.1或0.2。储能系统自身约束可用图1所示的动态结果来表示，soc为电池储能系统的荷电量，为方便描述，图中只考虑储能系统充放电率为0.2的情况。基于最短路径法得到若干条路径，采用如图2所示的加权路径图转换为最短路径问题计算下层规划目标函数值，取使之最优的路径作为储能系统的最优出力曲线。

所述上层规划采用遗传算法进行优化获得规划方案。遗传算法是一种借鉴生物进化规律演变而来的自适应概率性随机迭代搜索算法。本方法通过随机产生一个种群，种群中的规模为待规划的分布式光伏与储能系统总个数，按整数进行编码，每个个体代表一套规划方案，即为每个待选节点的分布式光伏与储能系统的装机容量，具体步骤如下：

(1)随机生成一个种群，并对下层双目标规划的权重系数进行初始化：λ1＝λ2＝0.5；

(2)将种群中的每一个个体作为一套预选规划方案依次传递给下层规划，由下层规划完成储能系统的出力优化；

(3)采用线性加权和法将下层规划的双目标函数转化为单目标函数，并在步骤(2)给定的规划方案基础上采用基于最短路径法的多阶段动态规划对储能系统的出力进行优化，储能系统的每一种出力策略为下层规划目标函数的一个解，计算每一种出力策略下的目标函数值，选取使目标函数值最优的解作为储能系统的最优出力策略，并计算在该策略下的典型日配电网运行费用和负荷峰谷差，最后计算各个目标函数的最优解，通过目标函数适应度离差排序法对双目标函数中各目标对应权重系数进行计算并更新；

(4)将步骤(3)中计算所得典型日配电网运行费用传递给上层规划，以上层规划目标函数为适应度函数计算个体的适应度值；

(5)对种群中的每一个个体即每一套规划方案重复以上步骤(2)-(4)；

(6)以上层规划的目标函数为适应度函数，计算指标：

当其值趋近与1，或者迭代次数到达上限时，输出适应度最好的个体作为最优规划方案以及相应的配电网年综合费用和典型日峰谷差，否则，将适应度最好的个体替代适应度最差的个体，并进行轮盘赌选择、交叉、变异一系列遗传操作生成新种群，重复以上步骤(2)-(6)，其中为种群中所有个体的适应度函数平均值，fmax为适应度函数最大值。

下面结合具体实施方案进一步详细说明本实施例。本实施例采用如图华东地区某居民区实际配电网进行计算仿真，此配电网拥有68条线路，1条联络开关支路，本实施例中的节点1和节点77分别接上级电网，电压等级为10kv，最大负荷运行状态下总的有功负荷为12768kw，分布式光伏待选节点为43、49、62、70，其中节点43为重要负荷所在地，为保证其可靠供电，在此处装设储能系统，分别按以下情况进行规划并计算配电网的年综合费用和典型日的总负荷峰谷差。

case1：不设置分布式光伏和储能系统；

case2：只设置分布式光伏；

case3：同时设置分布式光伏和储能系统。

本实施例的规划经济年限y＝20，贴现率d＝0.06。采用求期望的方法将历史数据转化为典型日分布式光伏出力曲线和负荷曲线，由于所选配电网为华东某居民区，因此电价采用居民峰谷电价，典型日各曲线如图6所示，曲线中数据采用标幺值形式给出，后文图中类似。

变电站向上级电网购电价取当地脱硫燃煤标杆电价ρt＝0.405元/kwh；

分布式光伏单位容量建设成本

电池储能系统采用锂电池作为存储介质，锂电池的充放电效率较高，为ηi,+＝ηi,-＝0.9，锂电池的单位容量建设成本为单位发电量运行维护成本

规划结果及削峰填谷结果

经仿真计算，最后得出三种情况下的规划方案，并求得三种情况下对应的配电网年综合费用以及典型日总负荷的峰谷差，其结果如表1所示。三种情况下典型日配电网内总负荷(即上级电网注入的有功功率)等效曲线见图7。

表1规划结果

对比表1中case2和case3的分布式光伏装机容量可得：

加入储能系统使得分布式光伏的装机容量增加，说明储能的加入使得配电网可以吸收更多的分布式电源发电；

对配电网的优化运行和清洁能源的发展十分有益。

由图7所示的日负荷曲线并结合图6中的分布式光伏出力分析可知：

在只加入分布式光伏的情况下，负荷曲线的峰值在白天负荷高峰期有所下降，分布式光伏的加入一定程度上起到了削峰的作用，然而对于晚上的负荷高峰，由于光照几乎为0，因此分布式光伏无法发挥任何作用；

而同时加入分布式光伏和储能系统的情况下，晚上负荷高峰期时储能系统发挥供电能力以达到削峰的作用。

从图7中可以明显看到在case3情况下负荷曲线变得更加平缓，峰谷差也得到明显的减小，其值如表1所示，降低了5.36％，如果以初始峰谷差为基准即下降了15.28％。削峰填谷作用明显。

对比表1中case1、case2、case3的年综合费用，case1>case2>case3，同时总负荷也呈现相同的顺序。说明储能的加入在使得分布式电源增加从而减少配电网向上级电网购电的前提下减少配电网的年综合费用，在经济上更优。

对于储能系统采用动态规划法，将储能的前后状态之间的关系充分反映到规划中去，典型日一天内的剩余容量曲线和出力曲线如图8所示，其中，出力为正代表放电，出力为负代表充电。

分析图8中曲线并结合图6中各曲线可知，储能系统的出力基本与负荷水平和电价的高低相关：

凌晨3点左右为负荷低谷期，且电价水平低，电池以最大速率充电，将多余电能储存起来，此时储能充当负荷以起到填谷的作用；

白天负荷水平高，但光伏发电出力较高，储能大部分时间处于保持状态；

晚上负荷高峰时，由于光伏发电出力几乎为0，而且此时电价较高，因此电池以最大速率进行放电释放储存在其中的电量以供配电网内用户使用，储能系统在此时充当电源以起到调峰的作用。

本实施例所提出的储能系统动态规划法较好地反映了储能系统状态在一天内的变化情况。从图8中可以看出储能系统在典型日24小时内的剩余容量满足自身约束，保持在额定容量的0.2-1.0范围内；满足充放电率约束，为其额定容量的0.1和0.2；满足初始化约束，一天结束后储能的剩余容量回到初始状态，因此采用基于最短路径法的动态规划对于储能系统的规划是合适的。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。