本发明涉及一种含高渗透率dg的配电网中储能电池最优配置方法，属于新能源领域。
背景技术：
为应对传统能源的快速消耗及环境污染问题，以风电和光伏为代表的可再生能源发展迅猛，风光作为分布式电源(dg)并网是其发展的主要途径。但是随着屋顶光伏，户用分布式电源的快速发展，分布式电源的渗透率不断提高，某些地区配网网架中分布式电源接入容量已经超出其准入容量，给配电网带来的不稳定因素，影响网络潮流流动方向，改变系统网损，并影响电压调整。促进分布式电源的消纳也是一个刻不容缓的问题。储能凭借其快速的功率调节能力，在平滑dg功率波动、促进dg就地消纳、改善电压质量方面发挥了巨大作用。其中，储能系统的合理配置显得尤为关键。电池储能系统具有响应速度快、调节精度高等特点，可实现能量的时空平移，应用储能电池调节风光功率输出，促进dg消纳，改善配网电能质量是近年研究和应用的热点。
技术实现要素：
本发明的目的是：提供一种含高渗透率dg的配电网中储能电池最优配置方法，该方法提出对储能各时段能量运用三角傅里叶级数来表示，建立储能模型，优化展开项的系数；其次，考虑分布式电源，建立了以经济成本最低为目标的模型，求解出储能的充放电功率，进而得到储能电池容量。
本发明的技术解决方案是：该含高渗透率dg的配电网中储能电池最优配置方法包含以下步骤：
s1利用傅里叶级数搭建储能一天内的能量模型；
s2基于储能一天内的充放电量及放电深度，搭建储能电池的寿命成本模型；
s3基于上述模型建立以经济成本最小的储能电池配置模型，实现dg的就地消纳；
s4对候选节点分别运用改进的内点法进行模型求解；
s5输出储能的最优接入位置、容量以及储能的充放电功率。
优选的，步骤s1具体为：bess的最优调度问题需要优化各时刻的电池能量值e(t)，用列向量eit表示，维度t取决于采样时间间隔；
这个矢量需要服从：1)电量回归约束，即一天内首末时刻电量相等；2)充放电功率约束，即任何两个相邻时刻的电池能量值之间的差值具有限值约束；因此，储能电池电量使用三角傅里叶级数来表示为：
式中，cif为傅里叶系数矢量；a0，am，bm分别为傅里叶常数系数，傅里叶余弦系数以及傅里叶正弦系数；m为傅里叶系数的个数；t为周期时间；
由储能电池能量值得到储能充放电功率，如下式所示：
δe＝e(t)-e(t-1)
pb(t)＝δe/(δt×ηc)，如果pb(t)>0
pb(t)＝δe×ηd/δt，如果pb(t)<0
式中，ηc、ηd分别为电池充放电效率；p为电池充放电功率；δt为仿真间隔；
则储能电池容量由emax、emin以及最大放电dod得出：
优选的，步骤s2具体为：
q(years)＝cyclelife/(cycles·d)
式中，cycles为电池日循环次数；d为运行天数；cyclelife为电池额定循环次数；q为电池实际使用寿命。
优选的，步骤s3具体为：目标函数包括dg就地最大消纳，即表示为配网网损成本closs，储能电池运行维护成本cbattery，电压调节成本cvr；
f(cif)＝γ1cbattery+γ2closs+γ3cvr
其中：
式中，buc为储能电池单位功率成本；vi为电压值；δi为电压相角；gij为支路k的电导；vref＝1p.u.为平衡节点电压值；rloss网损费用；rvr电压调节费用；γ为权重系数；
约束条件：
pi(t)＝pinv-i(t)-pl-i(t)
pb-min<pb<pb-max
emin<e<emax
式中，pi为节点有功功率；pl-i为负荷有功功率；pinv-i为逆变器功率；pdg-i为dg接入有功功率；ηinv为变压器效率；vmax、vmin为电压上下限；pb-max、pb-min为储能电池充放电功率的上下限；emax、emin为电池容量的上下限。
优选的，步骤s4利用目标函数和约束的解析梯度(雅各比矩阵)提升优化算法的求解效率，具体为：运用雅各比矩阵来构建模型的梯度，用来提升内点法的计算效率：
不等式约束的雅各比矩阵如下式所示：
本发明的有益效果是：
1.配电中储能运行过程具有明显的时序特性，尤其在对运行时段进行细分考虑容量配置及储能运行充放电过程的优化问题中，决策变量的维度增加，加剧了模型问题求解难度，而本方法通过对储能的能量状态进行建模，很好的解决了这个问题。
2.本发明中的储能建模还考虑了储能电池的充放电功率对储能寿命的影响，在计算中考虑储能的寿命成本。
3.本发明采用内点法求解优化模型，摒弃了传统内点法运用有限差分法来计算目标函数和约束的梯度，利用目标函数和约束的雅各比矩阵提升计算效率。
附图说明
图1是本发明的含高渗透率dg的配电网中储能电池最优配置方法的整体框图；
图2是本发明的含高渗透率dg的配电网中储能电池最优配置方法的内点法流程图；
图3是本发明的含高渗透率dg的配电网中储能电池最优配置方法的模型求解流程图。
具体实施方式
下面结合附图对本发明的技术方案做详细说明。
运用ieee33节点作为算例，并在节点18和24接入1mw的分布式风电，在节点5、21和31接入400kva的分布式光伏，在节点8、12、28和33接入500kva的分布式光伏。
本发明的总体方法流程说明：
图1为本发明的总体流程图，是一种含高渗透率dg的配电网中储能电池最优配置方法，该方法包含以下步骤：
s1利用傅里叶级数搭建储能一天内的能量模型；
s2基于储能一天内的充放电量及放电深度，搭建储能电池的寿命成本模型；
s3基于上述模型建立以经济成本最小的储能电池配置模型，实现dg的就地消纳；
s4对候选节点分别运用改进的内点法进行模型求解，如图3所示具体流程包括如下步骤：
s41基于地理环境和一些规划约束，确定bess接入的候选节点；
s42根据规划侧重点的不同，确定目标函数各种费用的权重系数；
s43在每个候选节点运行bess优化算法，得到目标函数值以及决策变量值；
s44根据求得的目标函数，确定bess的最优位置；
s45根据得到的最优傅里叶系数矩阵得到储能电池的能量曲线；
s5输出储能的最优接入位置、容量以及储能的充放电功率。
所述的s1中，储能能量值模型具体为：bess一天内各时段的电池能量值e(t)，用列向量eit表示，维度t取决于采样时间间隔；t值取24、48或96，这时时间间隔分别为1小时、30分钟或15分钟；
为了使电池能量值满足1)电量回归约束，即一天内首末时刻电量相等；2)充放电功率约束，即任何两个相邻时刻的电池能量值之间的差值具有限值约束；因此，储能电池电量使用三角傅里叶级数来表示为：
式中，cif为傅里叶系数矢量；a0，am，bm分别为傅里叶常数系数，傅里叶余弦系数以及傅里叶正弦系数；m为傅里叶系数的个数；t为周期时间；
进而，储能功率如下式所示：
δe＝e(t)-e(t-1)
pb(t)＝δe/(δt×ηc)，如果pb(t)>0
pb(t)＝δe×ηd/δt，如果pb(t)<0
式中，ηc、ηd分别为电池充放电效率；p为电池充放电功率；δt为仿真间隔；则储能电池容量由emax、emin以及最大放电dod得出：
所述的s2中的储能电池寿命模型考虑循环寿命和使用年限，具体为：
q(years)＝cyclelife/(cycles·d)
式中，cycles为电池日循环次数；dod为放电深度；batterysize为储能电池容量；d为运行天数；cyclelife为电池额定循环次数；q为电池实际使用寿命。
所述的s3中以经济成本最小为目标搭建的储能电池配置模型，具体为：目标函数包括dg就地最大消纳，即表示为配网网损成本closs以及储能电池运行维护成本cbattery和电压调节成本cvr：
f(cif)＝γ1cbattery+γ2closs+γ3cvr
每项费用具体为：
式中，buc为储能电池单位功率成本；vi为电压值；δi为电压相角；gij为支路k的电导；vref＝1p.u.为平衡节点电压值；rloss网损费用；rvr电压调节费用；γ为权重系数；
约束条件包括：
1)功率平衡约束：
pi(t)＝pinv-i(t)-pl-i(t)
式中，pi为节点有功功率；pl-i为负荷有功功率；pinv-i为逆变器功率；pdg-i为dg接入有功功率；ηinv为变压器效率；
2)节点电压上下限约束：
式中，vmax、vmin为电压上下限值；
3)储能功率上下限约束：
pb-min<pb<pb-max
式中，pb-max、pb-min为储能电池充放电功率的上下限；
4)储能容量上下限约束：
emin<e<emax
式中，emax、emin为电池容量的上下限。
所述的s4利用目标函数和约束的解析梯度(雅各比矩阵)提升优化算法的求解效率，具体为：运用雅各比矩阵来构建模型的梯度，用来提升内点法的计算效率：
不等式约束的雅各比矩阵如下式所示：