一种微网储能容量优化配置方法
【专利摘要】本发明提供一种微网储能容量优化配置方法，在对微网净负荷功率进行频谱分析的基础上，提出了协调蓄电池与超级电容器运行的微网系统功率分配策略，通过分析储能系统的成本结构，建立了以储能系统年综合最小成本为目标函数，同时考虑储能充放电功率、剩余电量等约束条件的微网混合储能容量优化模型，实例验证了所提方法的技术合理性和经济实用性，为微网储能规划设计提供了理论依据和技术支持。
【专利说明】
一种微网储能容量优化配置方法
技术领域
[0001] 本发明属于微网储能系统配置优化技术领域，具体涉及一种微网储能容量优化配 置方法。
【背景技术】
[0002] 风能、太阳能等分布式可再生能源以其资源分布广、储量大、无污染等优点将在能 源危机与环境污染日益严峻的未来能源格局中占据举足轻重的地位。然而随着可再生能源 发电系统装机容量和渗透率的不断提高，其固有的随机性和波动性也给电力系统稳定运行 带来了很多负面影响，因此，为含多种可再生能源互补的电力系统配备合理的能保证可再 生能源利用灵活性和系统供电可靠性的储能设备显得尤为重要。
[0003] 目前，用于平抑可再生能源发电波动的储能设备一般选用蓄电池，蓄电池作为能 量型储能设备，具有能量密度大、存储能力强等特点，但同时也存在充放电周期长、寿命短、 成本高等缺点，因而限制了储能技术的应用。超级电容器作为目前应用最为广泛的功率型 储能元件，具有功率密度大、充放电周期短、储能效率高、循环寿命长等特点，可有效地平抑 可再生能源发电中的短时间、小幅度的功率波动。采用低通滤波的方法平抑可再生能源功 率波动，在考虑储能设备寿命可变的基础上，从经济性的角度对混合储能应用到光伏发电 站的容量配置问题进行了研究，然而低通滤波器在滤波的过程中会产生延迟，造成储能优 化容量偏高。
【发明内容】
[0004] 本发明的发明目的是解决上述的技术问题，提供一种微网储能容量优化配置方 法。
[0005] 为解决上述技术问题，本发明的实施例提供一种微网储能容量优化配置方法，所 述微网系统包括可再生能源发电系统、储能系统和负荷，所述微网储能容量优化配置方法 包括如下步骤：
[0006] (1)结合可再生能源发电系统输出功率和负荷消耗功率，建立微网系统储能模型；
[0007] (2)基于储能系统的能量功率特性，根据可再生能源发电系统输出功率和负荷消 耗功率情况，确定微网系统的功率分配策略；
[0008] (3)以微网系统年综合成本最小作为微网储能容量优化配置的目标，建立目标函 数；
[0009] (4)明确储能系统的约束条件；
[0010] (5)以储能系统额定功率和额定容量为优化变量，采用遗传算法求解微网储能优 化配置模型，输出最优解。
[0011] 其中，所述可再生能源发电系统包括风力发电系统和光伏发电系统，所述储能系 统包括蓄电池和超级电容器，步骤(1)中，
[0012] 定义t时刻风力发电系统和光伏发电系统的输出功率分别为Pw(t)和Ppv(t)，贝lj此 时可再生能源发电系统的输出功率为
[0013] pRE(t)=Pw(t)+Ppv(t)式（1);
[0014] 若t时刻可再生能源发电系统输出功率大于负荷消耗功率，则储能系统充电，储能 系统中剩余电量与充电功率递推关系可表示为：
[0015]
[0016] 若t时刻可再生能源发电系统输出功率小于负荷消耗功率，则储能系统放电，储能 系统中剩余电量与充电功率递推关系可表示为：
[0017]
[0018] 式中，EB(t)、EB(t-l)、Ec(t)、Ec(t-l)分别为蓄电池和超级电容器t时刻和t-l时刻 剩余电量;PB(t)、Pc(t)为蓄电池和超级电容器t时刻实际充放电功率;nBc、nCc、riBd、％d分别 为蓄电池和超级电容器充放电效率；At为步长。
[0019] 其中，所述可再生能源发电系统包括风力发电系统和光伏发电系统，所述储能系 统包括蓄电池和超级电容器，步骤(2)中，基于储能系统的能量功率特性，根据可再生能源 发电系统输出功率和负荷消耗功率情况，利用频谱分析确定微网系统的功率分配策略，BP 蓄电池和超级电容器之间的功率分配；
[0020] 定义t时刻负荷消耗功率与可再生能源发电系统输出功率之差为微网净负荷功率 Pj(t)，即
[0021] Pj(t)=PL(t)-PRE(t)式（4)，
[0022] 其中，PL(t)为负荷消耗功率，PRE⑴为可再生能源发电系统的输出功率；
[0023]对微网净负荷功率进行采样，然后对微网净负荷功率样本数据Pj=[Pj(t)，. . .，Pj (η)，. . .，Pj(N)]进行离散傅里叶变换，得到幅度Sj和频率fj，
[0024]
[0025] 式中，DFT(Pj)表示对微网净负荷功率样本数据Pj进行离散傅里叶变换;Sj(n)为傅 里叶变换后第η个频率fj(n)对应的幅值；
[0026] 所述蓄电池适合补偿长时低频净负荷功率，所述超级电容器适合补偿短时高频波 动净负荷功率，根据所述蓄电池和超级电容器的补偿频段的划分，利用傅里叶反变换将蓄 电池和超级电容器补偿频段的幅频结果转换到时域上，得到蓄电池和超级电容器的功率指 令，假设f>Ufj B1为蓄电池补偿频段，其中fJB1表示Sj中以Nyquist频率为对称轴的与fjB对称 的频段，其中，
[0027] fjB= [fjBmin,fjBmax]式（6)，
[0028]式中，fjBmin、fjBmax分别为蓄电池补偿频段fjB的端点；
[0029]用Sb=[Sb(1)，. . .，SB(n)，. . .，Sb(N)]表示微网净负荷功率频谱分析结果中蓄电 池补偿频段的幅值，并将未补偿频段对应的幅值置为0,补偿频段的幅值不变，BP
[0030]
[0031] 对SB进行傅里叶反变换，将频谱分析结果转换到时域，即得到蓄电池充放电功率 指令Pb为
[0032] Pb=IDFT(Sb) = [Pb(1), . . . ,Ρβ(π), . . . ,Ρβ(Ν)]式（8);
[0033] 用微网净负荷功率减去蓄电池充放电功率，从而得到超级电容器的实时充放电功 率
[0034] Pc(t)=Pj(t)-PB(t)式（9);
[0035] 若t时刻可再生能源发电系统输出功率与储能系统最大放电功率之和小于负荷消 耗功率，则微网系统出现失负荷Pl〇ST( t)，其值为
[0036] PLOST(t) =PL(t)-PRE(t)_PHdmax(t)式（10)，
[0037] 其中，
[0038] PHdmax(t ) = PBdmax( t) +Pcdmax( t)式（11)，
[0039] 式中，PHdmax(t)、PBdmax(t)、Pcdm ax(t)表示储能系统最大放电功率以及蓄电池和超级 电容器最大放电功率，其值都大于〇;
[0040] 当Pj(t)〈0时，蓄电池和超级电容器充电，在储能设备物理条件限制下，若仍有多 余功率，微网系统出现溢出功率PwEST(t)，其大小为：
[0041] PwEST(t) =PRE(t)-PL(t)-PBcmax(t)_Pccmax(t)式（12)，
[0042] 式中，PBcmax(t)、PCcmax(t)表示蓄电池和超级电容器最大充电功率，其值大于0。
[0043] 其中，步骤(3)中，根据可再生能源发电系统输出功率和负荷消耗功率的需求，在 保证微网系统安全可靠供电的前提下，合理配置蓄电池和超级电容器的容量，确定微网系 统年综合成本最小为微网储能容量优化配置的目标，建立的目标函数为：
[0044] minCz=min{CB+Cc+CL〇sT}式（13)，
[0045] 其中，
[0046]
[0047]
[0048]
[0049] 式中，Cz为微网系统年综合成本;Cb、Cc、Clqst分别为蓄电池投资成本和运维成本、 超级电容器投资成本和运维成本以及负荷强迫停电惩罚成本;〇8^〇8￥、(^、(^分别为蓄电池 和超级电容器初始投资成本和年运行维护成本;？8』8、托、说分别为蓄电池和超级电容器的 额定功率和额定容量;1^、1?。、1?^1^、1^、1^分别为蓄电池和超级电容器的功率成本系数、 容量成本系数、运行维护成本系数;kiost为负荷停电惩罚系数;Nby、Nct分别为蓄电池和超级 电容器的运行年限;T为研究周期;Π )为贴现率。
[0050] 其中，步骤(4)中，储能系统的约束条件包括t时刻储能系统剩余电流约束条件和t 时刻储能系统充放电功率约束条件，
[0051 ]所述t时刻储能系统剩余电流约束条件为：
[0052]
[0053] 式中，EBmax、EBmin、Ecmax、Ecmin分别为蓄电池和超级电容器剩余电量的上下限；
[0054] 所述t时刻储能系统充放电功率约束条件为：
[0055]
[0056] 式中，％<1、％。、聊、1^为蓄电池和超级电容器的放电效率和充电效率。
[0057]其中，步骤(5)中，借助matlab计算软件，利用遗传算法求解微网储能优化配置模 型。
[0058]其中，本发明中的所述超级电容器的循环使用寿命为50~100万次，所述蓄电池循 环使用寿命的影响因素包括工作温度、放电深度、循环充放电次数，本发明简化计算，仅考 虑放电深度和充放电循环次数对蓄电池循环使用寿命的影响，则基于蓄电池放电深度D与 循环使用寿命N C(D)对应关系的实验数据，拟合出两者之间函数关系为
[0059]
[0060] 式中，Db为基准放电深度，对应的循环使用寿命为Nc(Db) ;Di为第i次实际放电过程 的放电深度，对应的循环使用次数为NC (Di);
[0061] 蓄电池第i次循环的等效循环使用次数为
[0062]
[0063] 在微网寿命年限第m年内，蓄电池一系列不同放电深度的循环过程对应的等效循 环使用次数总和N(m)为
[0064]
[0065]式中：Ns为第m年内的研究阶段数;Nd为第1阶段中的天数;NP为第1阶段第j天经历 的等效充放电循环过程数;N(Dljk,m)为蓄电池在第m年内第1阶段第j天第k个等效充放电循 环过程；
[0066] 实际运行过程中，蓄电池运行年限为
[0067]
[0068] 式中：Nby为蓄电池实际运行年限。
[0069] 本发明的上述技术方案的有益效果如下:本发明提供的微网储能容量优化配置方 法，相较于传统方法，在对微网净负荷功率进行频谱分析的基础上，提出了协调蓄电池与超 级电容器运行的微网系统功率分配策略，通过分析储能系统的成本结构，建立了以储能系 统年综合最小成本为目标函数，同时考虑储能充放电功率、剩余电量等约束条件的微网混 合储能容量优化模型，为微网储能规划设计提供了理论依据和技术支持。
【附图说明】
[0070] 图1为本发明的微网储能容量优化配置流程图；
[0071] 图2为本发明的微网系统的结构示意图；
[0072] 图3为典型日可再生能源发电及常规负荷用电曲线；
[0073]图4为不同蓄电池的1/2补偿频段长度fjB下的储能年综合成本；
[0074] 图5为典型日蓄电池和超级电容器功率分配曲线；
[0075] 图6为不同kBp下的储能配置规模和系统成本。
【具体实施方式】
[0076] 为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具 体实施例进行详细描述。
[0077] 本发明以包括由风力发电和光伏发电构成的可再生能源发电系统、蓄电池和超级 电容器组成的混合储能系统、以及常规负荷的微网系统为例，提供一种微网储能容量优化 配置方法，如图1所示，所述微网储能容量优化配置方法包括如下步骤：
[0078] (1)结合可再生能源发电系统输出功率和负荷消耗功率，建立微网系统储能模型；
[0079] (2)基于储能系统的能量功率特性，根据可再生能源发电系统输出功率和负荷消 耗功率情况，利用频谱分析确定微网系统的功率分配策略，即蓄电池和超级电容器之间的 功率分配；
[0080] (3)以微网系统年综合成本最小作为微网储能容量优化配置的目标，建立目标函 数；
[0081 ] (4)明确储能系统的约束条件；
[0082] (5)以蓄电池和超级电容器额定功率和额定容量为优化变量，采用遗传算法求解 微网储能优化配置模型，输出最优解。
[0083] 具体实施过程如下：
[0084]针对风光互补独立微网系统，考虑储能设备的运行特性对其循环使用寿命的影 响，对微网储能容量优化配置进行了研究。在对微网净负荷功率进行频谱分析的基础上，提 出了协调蓄电池与超级电容器运行的微网系统功率分配策略。通过分析储能设备的成本结 构，以微网系统年综合成本最小为目标函数，同时考虑储能充放电功率、剩余电量等约束条 件的微网储能容量优化模型。下文以我国西北地区的风光互补微网储能容量配置为例，验 证所提方法的技术合理性和经济实用性。
[0085] (1)建立微网系统储能模型
[0086] 微网系统主要由风力发电和光伏发电构成的可再生能源发电系统、蓄电池和超级 电容器组成的混合储能系统以及常规负荷组成，其结构如图2所示。假设t时刻风力发电系 统和光伏发电系统输出功率分别为Pw(t)和Ppv(t)，则此时可再生能源发电系统输出功率可 表示为
[0087] PRE(t) =Pw(t)+Ppv(t)式（1)。
[0088] 当可再生能源发电系统输出功率大于负荷消耗功率时，储能系统充电，储能系统 中剩余电量与充电功率递推关系可表示为
[0089]
[0090] 若t时刻可再生能源发电系统输出功率小于负荷消耗功率，则储能系统放电，储能 系统中剩余电量可表示为
[0091]
[0092] 式中：EB(t)、EB(t-l)、Ec(t)、Ec(t-l)分别为蓄电池和超级电容器t时刻和t-l时刻 剩余电量;pB(t)、pc(t)为蓄电池和超级电容器t时刻实际充放电功率(大于0表示放电，小于 0表示充电）;％。、取。、％〇1、1^分别为蓄电池和超级电容器充放电效率 ；八1：为步长。
[0093] 超级电容器的循环使用寿命受工作环境、充放电情况、工作电流波形等因素影响， 其循环使用寿命为50万~100万次，远高于蓄电池循环寿命，因此超级电容器使用年限通常 设为固定值。
[0094] 影响蓄电池循环使用寿命的因素主要包括工作温度、放电深度、循环充放电次数 等，本发明简化计算，仅考虑放电深度和充放电循环次数对蓄电池循环使用寿命的影响。基 于蓄电池放电深度D与循环使用寿命N C(D)对应关系实验数据，拟合出两者之间函数关系为
[0095]
[0096] 式中:Db为基准放电深度，对应的循环使用寿命为Nc(Db) ;Di为第i次实际放电过程 的放电深度，对应的循环使用次数为NC (Di)。
[0097] 蓄电池第i次循环的等效循环次数为
[0098]
[0099] 因此，在微网寿命年限第m年内，蓄电池一系列不同放电深度的循环过程对应的等 效循环使用次数总和N(m)为
[0100]
[0101] 式中：Ns为第m年内的研究阶段数;Nd为第1阶段中的天数;NP为第1阶段第j天经历 的等效充放电循环过程数;N(D ljk,m)为蓄电池在第m年内第1阶段第j天第k个等效充放电循 环过程。
[0102] 因此，实际运行过程中，蓄电池运行年限为
[0103]
[0104] 式中:Nby为蓄电池实际运行年限。
[0105] (2)确定微网系统功率分配策略
[0106] 以间歇性可再生能源为核心能源供给的独立微网系统供电可靠性低，为提高系统 运行灵活性，须与具有灵活功率调节能力的分布式电源协调运行。基于蓄电池和超级电容 器能量功率特性，根据可再生能源系统输出功率和负荷消耗功率的情况，利用频谱分析确 定微网系统高效功率分配，实现微网系统经济、可靠的功率供给。以可再生能源系统输出功 率和负荷消耗功率历史监测数据为基础，利用频谱分析确定蓄电池和超级电容器之间的功 率分配，实现对微网电源出力和负荷功率消耗波动性的平抑。
[0107] 定义t时刻负荷功率与可再生能源发电功率之差为微网净负荷Pj(t)，即
[0108] Pj(t)=PL(t)-PRE(t)式（4)〇
[0109] 首先，对微网净负荷功率进行采样。由采样定理可知，频谱分析的最高频率应不大 于采样频率的1/2，即采样频率要等于信号最高频率的2倍及以上，才能避免频域混叠。研究 表明，采样周期越小数据越精确，频谱分析的范围越宽广，为不失一般性，本发明选择采样 周期为lmin。
[0110] 对净负荷功率样本数据Pj=[Pj(t)，. . .，Pj(n)，. . .，Pj(N)]进行离散傅里叶变换， 得到幅度&和频率〇结果为
[0111]
[0112]式中：DFT(Pj)表示对微网净负荷功率样本数据Pj进行离散傅里叶变换;Sj(n)为傅 里叶变换后第η个频率fj(n)对应的幅值。
[0113]相较于超级电容器，蓄电池能量密度大、持续供电能力强，适合补偿长时低频净负 荷功率;而超级电容器具有功率密度大、充放电周期短等特点，因此适合补偿短时高频波动 净负荷功率。
[0114]根据上面各储能设备补偿频段的划分，利用傅里叶反变换将蓄电池和超级电容器 补偿频段的幅频结果转换到时域上，从而得到各储能设备的功率指令。
[0115]假设fjBUfjBi为蓄电池补偿频段，其中fjBi表示SJ中以Nyquist频率(频谱分析结果 的最高分辨频率，为采样频率的1/2)为对称轴的与对称的频段，其中
[0116] fjB= [fjBmin,fjBmax]式（6)，
[0117]式中，fjBmin、fjBmax分别为蓄电池补偿频段fjB的端点。
[0118] 用Sb=[Sb(1)，. . .，SB(n)，. . .，Sb(N)]表示净负荷功率频谱分析结果中蓄电池补 偿频段的幅值，并将未补偿频段对应的幅值置为〇,补偿频段的幅值不变，BP
[0119]
[0120] 对Sb进行傅里叶反变换，将频谱分析结果转换到时域，即得到蓄电池的功率指令Pb 为
[0121] Pb=IDFT(Sb) = [Pb(1), . . . ,Ρβ(π), . . . ,Ρβ(Ν)]式（8)。
[0122] 用净负荷总功率减去蓄电池充放电功率，从而得到超级电容器的实时充放电功率
[0123] Pc(t)=Pj(t)-PB(t)式(9)。
[0124] 若t时刻可再生能源发电功率与储能系统最大放电功率之和小于负荷功率，则系 统出现失负荷PLQST(t)，其值为
[0125] PLOST(t) =PL(t)-PRE(t)_PHdmax(t)式（10)，
[0126] 其中，
[0127] PHdmax(t ) = PBdmax( t) +Pcdmax( t)式（11)，
[0128] 式中，PHdmax(t)、PBdmax(t)、Pcdm ax(t)表示储能系统总的最大放电功率以及蓄电池和 超级电容器最大放电功率，其值都大于〇。
[0129] 当Pj(t)〈0时，蓄电池和超级电容器充电。在储能设备物理条件限制下，若仍有多 余功率，微网出现功率溢出P?EST(t)，其大小为
[0130] PwEST(t) =PRE(t)-PL(t)-PBcmax(t)_Pccmax(t)式（12)，
[0131] 式中:PB_x(t)、Pc? ax(t)表示蓄电池和超级电容器最大充电功率，其值大于0。
[0132] (3)以系统年综合成本最小为目标函数
[0133] 微网系统储能容量优化配置的目标是根据可再生能源系统输出功率和负荷用电 需求，在保证系统安全可靠供电的前提下，合理配置蓄电池和超级电容器容量，使系统年综 合成本最小，其目标函数可表示为
[0134] minCz=min{CB+Cc+CL〇sT}式（13)，
[0135] 其中，
[0136]
[0137]
[0138]
[0139] 式中：Cz为系统年综合成本;CB、Cc、aQST分别为蓄电池投资成本和运维成本、超级 电容器投资成本和运维成本以及负荷强迫停电惩罚成本;〇8^〇8￥、(^、(^表示蓄电池和超级 电容器初始投资成本和年运行维护成本;？8』8、？^』^为分别表示蓄电池和超级电容器的额 定功率和额定容量;'、1^、1^、1^、1^、1^分别表示蓄电池和超级电容器的功率成本系数、 容量成本系数、运行维护成本系数;k lclst为负荷停电惩罚系数，其值的确定采用平均电价折 算倍数法;NBY、NCY为蓄电池和超级电容器的运行年限;T为研究周期;ro为贴现率。
[0140] (4)考虑储能设备约束条件
[0141] 任意时刻储能设备中剩余电量应在合理范围内，过充过放都会对其寿命产生较大 影响。因此，t时刻储能设备剩余电量约束可表示为
[0142]
[0143] 式中：EBmax、EBmin、Ecmax、Ecmin分别表不蓄电池和超级电容器剩余电量的上下限。
[0144] t时刻储能设备充放电功率约束可表示为
[0145]
[0146] 式中：1^、％。、取<1、1^为蓄电池和超级电容器的放电效率和充电效率。
[0147] (5)采用遗传算法进行求解
[0148] 将式（1)-式（12)、式（19)-式（22)对应代入式（13)，并以式（13)为目标函数，式 (17)和式（18)为约束条件，借助matlab计算软件并代入具体数值，利用遗传算法求解微网 储能优化配置模型。
[0149] 本发明所研究的微网储能容量优化配置的过程是对一个非线性、多变量问题的求 解过程，采用遗传算法进行求解。以蓄电池和超级电容器额定功率和额定容量为优化变量 进行寻优。
[0150]为了进一步说明本发明方法的准确性和可靠性，以我国西北地区的风电装机容量 为2.5MW，光伏装机容量为1.5MW的风光互补微网系统为例，根据该地区全年风电、光伏发电 出力和用电需求历史监测值，优化微网储能容量。该微网常规负荷峰值为600kW，典型日可 再生能源发电及常规负荷用电曲线如图3所示，采样间隔lmin。系统相关参数见表1。
[0151]表1系统相关参数
[0152]
[0154] 基于储能设备的充放电模型和可变寿命模型，利用微网可再生能源发电出力数据 及负荷用电数据，采用遗传算法优化微网系统储能容量。取最大迭代次数为150次，种群规 模为50个，微网储能容量优化配置结果如表2所示。
[0155] 表2储能容量优化配置结果
[0156]
[0157] 由表2可知，相较于超级电容器单一储能系统，采用蓄电池单一储能的系统年综合 成本降低了 37%。这主要是由于，蓄电池属于能量型储能设备，其容量成本系数远低于超级 电容器，系统在采用单一储能平抑可再生能源发电出力与负荷功率消耗的不平衡性情况 下，尽管蓄电池储能的配置规模远大于超级电容器的配置规模，但其总的投资及运维成本 仍低于超级电容器储能的投资运维成本。此外，相较于配置规模较小的超级电容器储能，大 容量的蓄电池储能配置对于保证系统安全可靠供电也具有明显的优势，使得负荷强迫停电 惩罚成本降低了约36%。最终使得蓄电池单一储能系统年综合成本低于超级电容器单一储 能系统年综合成本。
[0158] 由配置3与配置2相比可知，采用混合储能替代蓄电池单一储能，蓄电池的配置规 模有所减小，但增加了超级电容器储能设备。然而由于超级电容器的快速响应和高效充放 电特性，可明显地改善蓄电池运行环境，大幅延长蓄电池运行年限，使得因蓄电池寿命延长 而减小的年投资成本大于因超级电容器配置容量的增大而增加的年成本，最终使得微网混 合储能系统年综合成本远小于蓄电池单类型储能系统年综合成本低。因此，采用混合储能 替代单类型储能，可降低系统年综合成本，提高微网运行经济性，同时对于进一步提高系统 供电可靠性也具有重要的意义。
[0159] 蓄电池补偿频段的长短，直接关系到蓄电池和超级电容器储能配置容量的大小， 进而影响微网储能系统年综合成本的大小。不同蓄电池补偿频段长度下的微网储能年综合 成本如图4所示。
[0160] 由图4可知，微网储能年综合成本随蓄电池补偿频段的减小先减小后呈增大趋势。 这主要是由于，随着蓄电池补偿频段的减小，蓄电池的配置容量逐渐减小的同时蓄电池的 运行年限也逐渐延长，使得蓄电池的年投资及运行维护成本也相应的降低，且其降低的速 度快于因超级电容器配置容量的增大而增加的年投资及运行维护成本，因而储能年综合成 本出现下降趋势。
[0161] 当蓄电池的1/2补偿频段长度为fJB = 0.0002Hz左右时，储能年综合成本取得最小 值。继续减小蓄电池补偿频段，由于超级电容器储能配置容量持续增大，且因此而增加的超 级电容器年投资及运行维护成本大于因蓄电池储能配置容量的减小以及运行年限的延长 而减小的年成本，使得储能年综合成本转而出现上升趋势。因此，合理分配蓄电池储能和超 级电容器储能的功率补偿频段，可明显降低储能年综合成本。
[0162] 取fJB = 0.0002Hz时，典型日蓄电池和超级电容器功率分配曲线如图5所示。由图 可知，蓄电池主要平抑净负荷功率中的长时间、大幅度的功率波动分量，而超级电容器可有 效地平抑的短时间、小幅度的净负荷功率波动分量。
[0163] 为了分析储能投资对其在微网中配置规模的影响，本发明在超级电容器功率成本 系数与容量成本系数以及蓄电池容量成本系数不变的前提下进行蓄电池储能容量优化的 成本灵敏度分析。不同功率成本系数下蓄电池最优配置规模及该配置下的系统年综合成本 如图6所示。
[0164] 由图6可知，随着蓄电池投资功率成本系数的下降，蓄电池储能配置规模会明显增 大，混合储能系统年综合成本明显减小。这主要是由于蓄电池储能成本系数降低，虽在一定 程度上增大了其配置容量，但同时也减少了超级电容器的安装规模，从整体效果看，改善了 蓄电池运行环境，降低了储能年投资及运行维护费用，即系统年综合成本随蓄电池功率成 本系数的下降持续减小。由储能成本函数不难分析，超级电容器功率与容量单位投资以及 蓄电池容量单位投资对系统收益也有类似影响。由此可见，储能投资成本是制约其在电力 系统大规模应用的关键因素之一。
[0165] 以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员 来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也 应视为本发明的保护范围。
【主权项】
1. 一种微网储能容量优化配置方法，其特征在于，所述微网系统包括可再生能源发电 系统、储能系统和负荷，所述微网储能容量优化配置方法包括如下步骤： (1) 结合可再生能源发电系统输出功率和负荷消耗功率，建立微网系统储能模型； (2) 基于储能系统的能量功率特性，根据可再生能源发电系统输出功率和负荷消耗功 率情况，确定微网系统的功率分配策略； (3) 以微网系统年综合成本最小作为微网储能容量优化配置的目标，建立目标函数； (4) 明确储能系统的约束条件； (5) 以储能系统的额定功率和额定容量为优化变量，采用遗传算法求解微网储能优化 配置模型，输出最优解。2. 根据权利要求1所述的微网系统储能容量优化配置方法，其特征在于，所述可再生能 源发电系统包括风力发电系统和光伏发电系统，所述储能系统包括蓄电池和超级电容器， 步骤（1)中，定义t时刻风力发电系统和光伏发电系统的输出功率分别为Pw(t)和Ppv(t)，则 此时可再生能源发电系统的输出功率为 PRE(t) =Pw(t)+Ppv(t) 式（I); 若t时刻可再生能源发电系统输出功率大于负荷消耗功率，则储能系统充电，储能系统 中剩余电量与充电功率递推关系可表示为：若t时刻可再生能源发电系统输出功率小于负荷消耗功率，则储能系统放电，储能系统 中剩余电量与充电功率递推关系可表示为：式中，EB(t)、EB(t-l)、Ec(t)、Ec(t-l)分别为蓄电池和超级电容器t时刻和t-l时刻剩余 电量;PB(t)、Pc(t)为蓄电池和超级电容器t时刻实际充放电功率;nBc、％c、TlBd、％d分别为蓄 电池和超级电容器充放电效率;At为步长。3. 根据权利要求1所述的微网系统储能容量优化配置方法，其特征在于，所述可再生能 源发电系统包括风力发电系统和光伏发电系统，所述储能系统包括蓄电池和超级电容器， 步骤(2)中，基于储能系统的能量功率特性，根据可再生能源发电系统输出功率和负荷消耗 功率情况，利用频谱分析确定微网系统的功率分配策略，即蓄电池和超级电容器之间的功 率分配； 定义t时刻负荷消耗功率与可再生能源发电系统输出功率之差为微网净负荷功率Pj ⑴，即 Pj(t)=PL(t)-PRE(t) 式（4)， 其中，Pl (t)为负荷消耗功率，PRE( t)为可再生能源发电系统的输出功率； 对微网净负荷功率进行采样，然后对微网净负荷功率样本数据Pj= [Pj(t)，...，Pj (η)，. . .，Pj(N)]进行离散傅里叶变换，得到幅度Sj和频率fj，式中，DFT(Pj)表示对微网净负荷功率样本数据Pj进行离散傅里叶变换;Sj(n)为傅里叶 变换后第η个频率f j(n)对应的幅值； 所述蓄电池适合补偿长时低频净负荷功率，所述超级电容器适合补偿短时高频波动净 负荷功率，根据所述蓄电池和超级电容器的补偿频段的划分，利用傅里叶反变换将蓄电池 和超级电容器补偿频段的幅频结果转换到时域上，得到蓄电池和超级电容器的功率指令， 假设f JB Uf jB1为蓄电池补偿频段，其中f jB1表示Sj中以Nyquist频率为对称轴的与f jb对称的 频段，其中， fjB=[fjBmin,f JBmax ] 式(6)， 式中，f JBmin、f JBmax分别为蓄电池补偿频段f JB的端点； 用SB=[SB(1)，. . .，SB(n)，. . .，Sb(N)]表示微网净负荷功率频谱分析结果中蓄电池补偿 频段的幅值，并将未补偿频段对应的幅值置为0,补偿频段的幅值不变，BP式（7 ), 对Sb进行傅里叶反变换，将频谱分析结果转换到时域，即得到蓄电池充放电功率指令Pb 为 Pb = IDFT(Sb) = [Pb( 1),. . . ,Ρβ(π), . . . ,Pb(N)] 式（8); 用微网净负荷功率减去蓄电池充放电功率，从而得到超级电容器的实时充放电功率 Pc(t)=Pj(t)-PB(t)式(9); 若t时刻可再生能源发电系统输出功率与储能系统最大放电功率之和小于负荷消耗功 率，贝1J微网系统出现失负荷PLQST(t)，其值为 PLOST(t) = PL(t)-PRE(t)_PHdmax(t)式（10)， 其中， PHdmax ( t ) - PBdmax ( t ) +Pcdmax ( t ) 式(11 )， 式中，PHdmax(t)、PBdmax(t)、Pcdmax(t)表示储能系统最大放电功率以及蓄电池和超级电容 器最大放电功率，其值都大于0 ; 当Pj(t)〈0时，蓄电池和超级电容器充电，在储能设备物理条件限制下，若仍有多余功 率，微网系统出现溢出功率PwEST(t)，其大小为： Pwest (t )= Pre (t) -Pl (t) -Pb cmax ⑴-Pc cmax (t)式(12)， 式中，Pb_x( t )、Pfomax⑴表示蓄电池和超级电容器最大充电功率，其值大于0。4.根据权利要求1所述的微网系统储能容量优化配置方法，其特征在于，步骤(3)中，根 据可再生能源发电系统输出功率和负荷消耗功率的需求，在保证微网系统安全可靠供电的 前提下，合理配置蓄电池和超级电容器的容量，确定微网系统年综合成本最小为微网储能 容量优化配置的目标，建立的目标函数为 :minCz=min{CB+Cc+a〇sT} 式（13)， 其中，式(14 )，式（15 )， 式中，Cz为微网系统年综合成本;CB、Cc、aQST分别为蓄电池投资成本和运维成本、超级电 容器投资成本和运维成本以及负荷强迫停电惩罚成本;Cbt、Cby、Cct、Ccy分别为蓄电池和超级 电容器初始投资成本和年运行维护成本;？8』8、？^』^分别为蓄电池和超级电容器的额定功 率和额定容量;1^、1?。、1^、1^、1^、1^分别为蓄电池和超级电容器的功率成本系数、容量成 本系数、运行维护成本系数;1^_为负荷停电惩罚系数;N BY、NCY分别为蓄电池和超级电容器 的运行年限;T为研究周期;P为贴现率。5. 根据权利要求1所述的微网系统储能容量优化配置方法，其特征在于，步骤(4)中，储 能系统的约束条件包括t时刻储能系统剩余电流约束条件和t时刻储能系统充放电功率约 束条件， 所述t时刻储能系统剩余电流约束条件为：式（17 > 式中，EBmax、EBmin、Ecmax、Ecmin分别为蓄电池和超级电容器剩余电量的上下限； 所述t时刻储能系统充放电功率约束条件为：式中，％<1、％。、取<1、1^为蓄电池和超级电容器的放电效率和充电效率。6. 根据权利要求1所述的微网系统储能容量优化配置方法，其特征在于，步骤(5)中，借 助matlab计算软件，利用遗传算法求解微网储能优化配置模型。7. 根据权利要求2所述的微网系统储能容量优化配置方法，其特征在于，所述超级电容 器的循环使用寿命为50~100万次，所述蓄电池循环使用寿命的影响因素包括工作温度、放 电深度、循环充放电次数；基于蓄电池放电深度D与循环使用寿命Nc(D)对应关系的实验数据，拟合出两者之间函 数关系为 式（19 )， 式中，Db为基准放电深度，对应的循环使用寿命为Nc(Db) A1为第i次实际放电过程的放 电深度，对应的循环使用次数为Nc(Di); 蓄电池第i次循环的等效循环使用次数为式（20 );在微网寿命年限第m年内，蓄电池一系列不同放电深度的循环过程对应的等效循环使 用次数总和N(m)为 式（21 ), 式中：Ns为第m年内的研究阶段数;Nd为第1阶段中的天数;Np为第1阶段第j天经历的等 效充放电循环过程数;N(Dljk,m)为蓄电池在第m年内第1阶段第j天第k个等效充放电循环过 程； 实际运行过程中，蓄电池运行年限为式（22 )， 式中:Nby为蓄电池实际运行年限。
【文档编号】H02J3/32GK105896582SQ201610427129
【公开日】2016年8月24日
【申请日】2016年6月16日
【发明人】杨志超, 陆文伟, 葛乐, 马寿虎, 陆文涛, 顾佳易, 王蒙
【申请人】南京工程学院