基于概率离散化的配电网分布式储能优化配置方法与流程

本发明是涉及配电网储能优化技术领域，具体的说是基于概率离散化的配电网分布式储能优化配置方法。

背景技术：

随着能源资源的日渐匮乏和人们对生态文明的日益重视，新能源发电成为各国政府非常重视的一项课题，然而风能、太阳能发电等分布式电源具有间歇性、随机性和波动性，在接入电网时往往会改变其原有的潮流分布，对电网的安全可靠运行提出了更高的要求，储能装置的运用可以降低分布式电源对微电网的冲击。

目前储能的成本较为昂贵，选择合适的储能容量有利于降低成本、提高系统经济性，选择合适的储能选址位置有利于提高配电网的电压稳定性。

技术实现要素：

本发明针对现有技术中的不足，提供基于概率离散化的配电网分布式储能优化配置方法，第一层优化为储能的选址优化，将配电网接入的分布式电源功率输出概率离散化，潮流计算得出接入分布式电源后电压偏移最大的几个节点作为储能接入点，第二层为储能的容量优化，以分布式电源功率输出的概率离散分布为标准，接入储能平滑分布式电源功率输出波动，使分布式电源功率输出在一定时间内平滑为各离散区间的功率，以分布式储能的容量配置为变量，以接入储能系统的配电网的典型日电压偏移量和储能系统成本为双优化目标函数，通过nsga-ii算法求出储能容量的非劣解集，再利用权重法根据实际需要进一步得到最优解。

为实现上述目的，本发明采用以下技术方案：

基于概率离散化的配电网分布式储能优化配置方法，其特征在于：包括储能选址的优化以及储能容量的优化，具体优化步骤如下：

步骤1，读取配电网接入的分布式电源的功率输出并进行概率离散化，统计各分布式电源功率输出在各个离散区间的频数，计算相应的概率；

步骤2，根据主动配电网的拓扑结构和分布式电源接入位置建立网络模型，结合图论建立数学模型；

步骤3，对接入分布式电源的配电网进行潮流计算，统计接入分布式电源前后的配电网各节点的电压波动量，找出电压波动最大的几个点作为分布式储能的接入点；

步骤4，以分布式电源功率输出的概率离散分布为标准，接入储能平滑分布式电源功率输出波动，使分布式电源功率输出在一定时间内平滑为各离散区间的功率；以分布式储能的容量配置为变量，以接入储能系统的配电网的典型日电压偏移总量和储能系统成本为双优化目标函数，结合虚拟适应度和分级结果筛选出精英个体，进行交叉、变异，直至达到算法最大迭代次数；

步骤5，将双优化目标函数归一化，根据实际需求，利用权重法从非劣解集中筛选出最优解；

步骤6，由最优解可逆推出储能系统的最优容量配置。

所述的步骤1中采用离散概率分布表征分布式电源功率输出曲线的概率特征，设定分布式电源的输出功率在0和额定容量pe之间波动，根据分布式电源的输出波动情况和配电网的规模，设置离散区间个数h，则输出离散化功率步长为pstep＝pe/h,则离散区间内的功率输出值计算公式为：

式中，pmk为离散区间k的区间输出值，pj为第j个采集点的有功输出值；

统计分布式电源各个采集点有功功率输出样本落在各个离散区间的频数，计算相应的概率，公式如下：

式中，p(k)为区间i出现的概率，nl(k)为离散区间出现的次数；

对离散化后的功率输出结果采用加权计算方法，计算公式如下：

式中，pz为加权计算后的分布式电源功率输出，p(k)离散区间i出现的概率，p(k)为离散区间k的数据计算出的分布式电源功率输出。

所述的步骤2中结合主动配电网的拓扑结构和分布式电源接入位置的网络模型与图论相结合，将配电系统按照树的叶子节点分解顺序拆分成独立的单独馈线。

所述的步骤3中每个节点的电压波动量计算方式为：

式中，δui为节点i在接入分布式电源前后的电压波动量，ui,dg前为节点i在接入分布式电源前的电压值，ui,dg后为节点i在接入分布式电源后的电压值，un为配电网的电压额定值。

所述的步骤4中接入储能系统的配电网的典型日电压偏移总量采用储能系统的配电网的典型日电压波动表达，即采用接入储能系统的配电网的典型日电压波动和储能系统成本为双优化目标函数，其中，配电网的典型日电压波动是主动配电网优化过程中首先要考虑的优化目标，其目标函数表达式为：

式中，f1为配电系统的典型日电压偏移总量函数，δu(t)为t时刻配电网的电压偏移量，n为配电网节点数，ui(t)为节点i在t时刻的电压，un为额定电压；

储能系统成本为第二个优化目标，采用总净现成本来表示系统寿命周期成本，目标函数表示为：

f2＝c1+c2+c3-c4(7)

式中，f2为储能投资成本函数，c1为初始投资成本，c2为运维成本，c3为置换成本，c4为报废时设备残值净现值；

进一步的，

c1＝eess×pe+pess×pp(8)

式中，eess为储能总容量，pe为储能系统的容量单位价格，pess为储能总功率，pp为储能系统的功率单位价格；

式中，设备运行成本按照初始投资成本的比例k进行计算，为等年值求现比率，γ为折现率，nyear为工程运作总周期；

式中，为储能系统置换年份的折现比率，n置换为储能系统需要置换的年份，即储能系统的寿命年限；

式中，λ为设备报废时站初始投资成本的比率，为将来值求现比率。

所述的步骤4中采用nsga-ii算法对有效获取多目标优化问题进行求解，具体计算步骤如下：

步骤4.1，初始化，读取分布式电源出力、配电网系统参数、种群规模、最大迭代次数、交叉变异概率，生成初始种群；

步骤4.2，根据各个体的容量信息，计算相应的优化目标值，根据优化目标值对多目标进行非支配排序，形成非支配集fi；

步骤4.3，采用锦标赛选择方法，采用精英保留策略从非支配集fi中选择产生新的父代种群pt+1；

步骤4.4，如果新父代种群pt+1不满足约束条件，对其进行非劣解识别并为当前非劣解集分配虚拟适应度，重复步骤3、4，直到满足约束条件；

步骤4.5，进行遗传操作得到子代种群o，计算子代种群o的相关优化目标值，并将子代种群与父代种群合并形成中间种群m；

步骤4.6，对中间种群m进行非支配排序，形成新的非支配集fi'；

步骤4.7，用fi′替换步骤3中的父代种群p，重复步骤3至步骤6，直至迭代次数达到最大值，得到最终优化结果。

所述的约束条件包括静态功率平衡约束、电压约束、储能系统充放电约束；

所述的静态功率平衡约束为：

式中，pi为节点i向系统注入的有功功率，qi为节点i向系统注入的无功功率，n为系统的节点数，ui为节点i电压向量的幅值，uj为节点j电压向量的幅值，gij为节点导纳矩阵元素yij的实部，bij为节点导纳矩阵元素yij的虚部；δij＝δi-δj，为i,j两节点电压的相角差；

所述的电压约束为：

umin≤u≤umax(13)

式中，umin和umax为节点电压允许的上下限，一般电压正、负偏差的绝对值之和不超过额定值10％；

所述的储能系统充放电约束为：

eess＝max{pess,ch×tch,max,pess,dis×tdis,max}(15)

式中，pess,ch(t)为储能系统的充电功率，pess,dis(t)为储能系统的放电功率，pdg(t)为t时刻分布式电源的输出功率，tch,max为持续充电最大时间，tdis,max为持续放电最大时间。

所述的利用权重法从非劣解集中筛选出的最优解为：

f＝min(αf1+βf2)(16)

式中，α和β为权重系数，根据实际需要进行分配，且满足α+β＝1；储能投资成本和配电网电压波动皆以最小化为目标。

双优化目标函数归一化处理方法为：由于两个目标函数的值域不同，将所求的目标函数归一化到0～1区间范围内：

式中，f1,max，f1,min分别为目标函数f1的非劣解集值域上下限，f2,max，f2,min分别为目标函数f2的非劣解集值域上下限。

本发明基于概率离散化的配电网分布式储能优化配置方法的有益效果是：针对dg出力的随机性、间歇性和波动性，步骤1中对dg的功率输出进行概率离散化，将杂乱的波形离散成一段一段的水平线段，以此为标准，利用储能的充放电平抑dg的出力波动；针对储能系统选址定容对经济性和系统稳定性的影响，采用分层优化的方法，步骤3在配电网的电压波动敏感点接入储能系统，步骤4利用nsga-ii算法，对储能成本和配电网典型日电压偏移量两个目标函数进行求解，得到非劣解集的空间分布；针对多目标求解，步骤5利用权重法，根据实际情况进行权重配给，找出最优解，并依据最优解得出相应的储能配置。

附图说明

图1为本发明基于概率离散化的配电网分布式储能优化配置方法的优化配置流程图。

图2为本发明基于概率离散化的配电网分布式储能优化配置方法的分布式电源出力的离散概率分布图。

图3为本发明基于概率离散化的配电网分布式储能优化配置方法的分布式电源接入配电网前后各节点电压波动图。

图4为本发明基于概率离散化的配电网分布式储能优化配置方法的非劣解集空间分布图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。

基于概率离散化的配电网分布式储能优化配置方法，其特征在于：包括储能选址的优化以及储能容量的优化，具体优化步骤如下：

步骤1，读取配电网接入的分布式电源的功率输出并进行概率离散化，统计各分布式电源功率输出在各个离散区间的频数，计算相应的概率；

本实施例中，读取dg，即分布式电源的功率输出并进行概率离散化，采用离散概率分布表征光伏电站典型日功率输出曲线的概率特征，假定光伏电站输出功率在0和额定容量pe之间波动，根据光伏电站的输出波动情况和配电网的规模，设置离散区间个数h，则输出离散化功率步长为pstep＝pe/h,则离散区间内的功率输出值计算公式为：

式中，pmk为离散区间k的区间输出值，pj为第j个采集点的有功输出值。

统计光伏电站各个采集点有功功率输出样本落在各个离散区间的频数，计算相应的概率，公式如下：

式中，p(k)为区间i出现的概率，nl(k)为离散区间出现的次数。

对离散化后的功率输出结果采用加权计算方法，计算公式如下：

式中，pz为加权计算后的dg功率输出，p(k)离散区间i出现的概率，pmk为离散区间k的区间输出值。

步骤2，根据主动配电网的拓扑结构和分布式电源接入位置建立网络模型，结合图论建立数学模型；

本实施例中，结合主动配电网的拓扑结构和分布式电源接入位置的网络模型与图论相结合，将配电系统按照树的叶子节点分解顺序拆分成独立的单独馈线。

步骤3，对接入分布式电源的配电网进行潮流计算，统计接入分布式电源前后的配电网各节点的电压波动量，找出电压波动最大的几个点作为分布式储能的接入点；

本实施例中，各节点的电压波动量为：

δui为节点i在接入dg前后的电压波动量，ui,dg前为节点i在接入dg前的电压值，ui,dg后为节点i在接入dg后的电压值，un为配电网的电压额定值。

步骤4，以分布式电源功率输出的概率离散分布为标准，接入储能平滑分布式电源功率输出波动，使分布式电源功率输出在一定时间内平滑为各离散区间的功率；以分布式储能的容量配置为变量，以接入储能系统的配电网的典型日电压偏移总量和储能系统成本为双优化目标函数，结合虚拟适应度和分级结果筛选出精英个体，进行交叉、变异，直至达到算法最大迭代次数；

本实施例中，以接入储能系统的配电网的典型日电压波动和储能系统成本为双优化目标函数，其中，配电网的典型日电压波动是主动配电网优化过程中首先要考虑的优化目标，其目标函数表达式为：

式中，f1为配电系统的典型日电压偏移总量函数，δu(t)为t时刻配电网的电压偏移量，n为配电网节点数，ui(t)为节点i在t时刻的电压，un为额定电压。

储能系统成本为第二个优化目标，可使用总净现成本(npc)来表示系统寿命周期成本。cnpc是将寿命周期内产生的各成本值折现到初始年进行统计，包括初始投资成本、运维成本、置换成本、残值。目标函数可表示为：

f2＝c1+c2+c3-c4(7)

式中，f2为储能投资成本函数，c1为初始投资成本，c2为运维成本，c3为置换成本，c4为报废时设备残值净现值。

其中初始投资成本技术公式为：

c1＝eess×pe+pess×pp(8)

式中，eess为储能总容量，pe为储能系统的容量单位价格，pess为储能总功率，pp为储能系统的功率单位价格。

其中运维成本为：

式中，设备运行成本按照初始投资成本的比例k进行计算，为等年值求现比率，γ为折现率，nyear为工程运作总周期。

其中置换成本为：

式中，为储能系统置换年份的折现比率，n置换为储能系统需要置换的年份，即储能系统的寿命年限。

其中报废时设备残值为：

式中，λ为设备报废时站初始投资成本的比率，为将来值求现比率。

进一步的，采用nsga-ii算法，对模型进行仿真计算，具体计算步骤如下：

步骤4.1，初始化，读取dg出力、配电网系统参数、种群规模、最大迭代次数、交叉变异概率，生成初始种群；

步骤4.2，根据各个体的容量信息，计算相应的优化目标值，根据优化目标值对多目标进行非支配排序，形成非支配集fi；

步骤4.3，采用锦标赛选择方法，采用精英保留策略从非支配集fi中选择产生新的父代种群pt+1；

步骤4.4，如果新父代种群pt+1不满足约束条件，对其进行非劣解识别并为当前非劣解集分配虚拟适应度，重复步骤3、4，直到满足约束条件；

步骤4.5，进行遗传操作得到子代种群o，计算子代种群o的相关优化目标值，并将子代种群与父代种群合并形成中间种群m；

步骤4.6，对中间种群m进行非支配排序，形成新的非支配集fi'；

步骤4.7，用fi′替换步骤3中的父代种群p，重复步骤3至步骤6，直至迭代次数达到最大值，得到最终优化结果。

所述的nsga-ii算法是有效获取多目标优化问题的求解算法。它采用精英保留策略，引入基于解的排序等级和拥挤距离的选择算子以提高种群多样性，使算法性能得到较大提高。

进一步的，约束条件包括静态功率平衡约束、电压约束、储能系统充放电约束；

所述的静态功率平衡约束为：

式中，pi为节点i向系统注入的有功功率，qi为节点i向系统注入的无功功率，n为系统的节点数，ui为节点i电压向量的幅值，uj为节点j电压向量的幅值，gij为节点导纳矩阵元素yij的实部，bij为节点导纳矩阵元素yij的虚部；δij＝δi-δj，为i,j两节点电压的相角差；

所述的电压约束为：

umin≤u≤umax(13)

式中，umin和umax为节点电压允许的上下限，一般电压正、负偏差的绝对值之和不超过额定值10％；

所述的储能系统充放电约束为：

eess＝max{pess,ch×tch,max,pess,dis×tdis,max}(15)

式中，pess,ch(t)为储能系统的充电功率，pess,dis(t)为储能系统的放电功率，pdg(t)为t时刻分布式电源的输出功率，tch,max为持续充电最大时间，tdis,max为持续放电最大时间。

步骤5，将双优化目标函数归一化，根据实际需求，利用权重法从非劣解集中筛选出最优解；

本实施例中，将双优化目标函数归一化，利用权重法寻求最优解：

f＝min(αf1+βf2)

式中，α和β为权重系数，根据实际需要进行分配，且满足α+β＝1。

由于两个目标函数的值域不同，对目标函数归一化处理，将所求的目标函数归一化到0～1区间范围内：

式中，f1,max，f1,min分别为目标函数f1的非劣解集值域上下限，f2,max，f2,min分别为目标函数f2的非劣解集值域上下限。

步骤6，由最优解f可逆推出储能系统的最优容量配置。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。