本发明涉及微电网储能系统，一种含有电力弹簧的孤岛微电网的降低储能容量需求的配置方法。
背景技术：
传统电力系统运行模式中，发电量由负载需求决定。随着分布式可再生能源在电网中的渗透率不断提升，风电和光伏新能源出力具有随机性和波动性，很难准确实时预测发电量，为实现负荷需求与发电量之间的实时功率平衡，给调频调压带来较大的压力，以致电压波动和频率闪变容易发生。大电网对电压波动具有一定的自愈能力，而小型孤岛微电网的调节能力较差。利用多种储能装置来抵消发电和负载需求之间的差额，是途径之一。然而，化学电池等能量存储系统昂贵，成本较高，而且废弃电池是污染物的来源之一。
微电网的运行模式正在向“发电量确定负荷需求”转变。需求侧能源管理研究已经兴起，包括负荷调度，分时电价等。然而，这些方法大多适用于小时间间隔负载需求管理，而不适用于实时能量平衡。“电力弹簧”技术，用于含有大量新能源接入电网的负荷侧能量管理，将能量波动瞬时传递给非关键负载，并自动调整非关键负载的功耗，自动平衡发电量和用电量。一般将电力弹簧和非关键负载串联的整体称为智能负载。
技术实现要素：
为了克服上述现有技术的不足，本发明提出一种含有电力弹簧的孤岛微电网的降低储能容量需求的配置方法，该方法通过储能系统和电力弹簧的互动及时调整非关键负载上的功率消耗，降低储能系统的充放电功率，从而达到降低储能容量配置的目的。本专利对满足某一情景的微电网对最低储能容量配置做了定量分析，提出的含有电力弹簧的孤岛微电网的双层能量优化算法可以定量地确定满足某一场景的最小储能容量配置。电力弹簧和储能系统的协调运行可以降低储能系统的容量配置来降低投资成本。电力弹簧能够以较低的成本实现能量缓冲，并且孤岛微电网能够以“用电量跟踪发电量”的新模式运行。电力弹簧能量缓冲的优良特性将为未来微电网的规划和建设提供新的思路。
为达到上述目的，本发明的技术解决方案如下：
一种含有电力弹簧的孤岛微电网的降低储能容量需求的配置方法，所述的孤岛微电网包括常规分布式电源、储能系统、柴油发电机、交流母线、用电负荷、电力弹簧，所述的常规分布式电源包括风电、光伏，所述的用电负荷根据用电器对电能质量的需求不同分为关键负荷和非关键负荷，一般将电力弹簧和非关键负载串联的整体称为智能负载，其特点在于该方法包括下列步骤：
1)对当地的负荷尤其是非关键负荷、风电、光伏的可再生能源做充分的调研，基于历史数据的仿真结果，确定最优的储能容量配置，所述的电力弹簧的核心装置包括逆变器，逆变器的容量配置由非关键负荷的容量决定，逆变器的容量配置应该至少超过非关键负荷峰值容量的20％，留有裕量；
2)第一层能量优化，即孤岛微电网全局能量优化：
第一层能量优化与传统微电网能量优化相似，优化的目标函数是柴油发电机单位发电价格最小的函数：
式中，N表示一天以内的调度区间数，λ和Dt分别是柴油发电机的单位发电价格和在第t个调度区间的出力；考虑到微电网的功率约束、容量约束和真实场景等，运行约束如下：
0≤Wt≤Wmax (17)
|Wt+1-Wt|≤Rwmax (18)
-Scmax≤St≤Sdmax (19)
|St+1-St|≤Rsmax (20)
0≤Dt≤Ddmax-Dr (21)
|Dt+1-Dt|≤Rdmax (22)
Wt+St+Dt＝Pcl-t+kbasePnl-t (23)
公式(2)-(3)是风机出力的上下限约束和爬坡约束，Wt是第t个调度区间的风电出力，Wmax是第t个调度区间的风电预测最大出力，Rwmax是风机爬坡功率的上限,公式(4)-(7)是储能系统和柴油发电机出力约束和爬坡约束，St是第t个调度区间储能系统的放电电流，Sdmax是储能系统的最大放电电流，Scmax是储能系统的最大充电电流，Rsmax是储能系统的最大爬坡功率，Dt是第t个调度区间柴油发电机的出力，Ddmax是柴油发电机最大放电功率，Dr是柴油发电机的备用容量，用来抵御孤岛微电网的极端情况，一般地，Dr＝0.1Ddmax；Rdmax是柴油发电机的最大爬坡功率；公式(8)是考虑的不同类型负荷的实时功率平衡，Pcl-t是此时关键负荷的功率，Pnl-t是非关键负荷的功率，kbasePnl-t是加装电力弹簧后非关键负载吸收有功功率。kbase可以灵活选取，这里取0.81；
当储能系统放电时，即S(t)≥0，储能系统的荷电状态(SOC)表示成：
当储能系统充电时，即S(t)≤0，储能系统的荷电状态(SOC)表示成：
其中，η是储能的自放电效率，ηd是放电效率，ηc充电效率，Eb是储能系统的容量，SOC(t)是第t个调度区间的荷电状态；为了储能系统的荷电状态在安全范围内变化：
SOCmin≤SOCt≤SOCmax (26)
其中，SOCmin是储能荷电状态的下限，SOCmax是储能荷电状态的上限；
为了保证储能系统下一日的调节能力，单日内的SOC变化量不能超过储能总量的一个百分比δ：
|SOCN-SOC1|≤δ (27)
第一层能量优化不考虑电力弹簧的作用，求解结果能够被用来确定全局最小的经济运行成本；
3)第二层能量优化，即基于电力弹簧和储能系统互动的协同能量优化：
第二层能量优化主要关注电力弹簧和储能系统的互动，电力弹簧用以调节非关键负荷的需求，因此在某一电压等级上减少储能系统的充放电电流和功率；第二层优化目标函数是储能系统的充放电功率最小函数：
如果电力弹簧和储能系统的协同机制被启动，功率平衡机制的约束被修正和强化为：
S1-t+kbasePnl-t＝S2-t+ktPnl-t (29)
式中，S1-t和S2-t分别是第一能量优化模型中储能系统出力的求解结果、第二层能量优化模型中储能系统出力的求解结果，非关键负荷的功率调节系数kt的约束如公式(15)所示，也即智能负载的运行范围：
klow≤kt≤khigh (30)
其中，klow是非关键负载调节的下限，取值范围是0.64-1，受非关键负荷用户接受调控的意愿影响较大。khigh是非关键负载调节的上限，取值范围1-1.25；其理论调节上限受非关键负荷的功率因数影响较大，非关键负载功率因数越小，理论调节上限越大。
所述的klow和khigh的最优取值分别为0.8和1.05。
本发明的有益效果在于：
本发明，通过双层能量优化算法生成的调度指令，第一层以运行成本最低为优化目标，生成初级调度指令。第二层以最小充放电功率为优化目标，更新储能充放电功率和智能负载的有功需求。能够有效降低储能系统的充放电电流，提高储能电池的寿命；降低储能系统的充放电功率，降低微电网对储能系统容量的需求，相当于提供了一部分虚拟储能。
附图说明
图1是本发明常规孤岛微电网拓扑图。
图2是本发明所述的双层能量优化算法示意图。
图3是本发明所述的一日内能量优化的仿真结果图，包括：
图3(a)是本发明所述的某日风电出力、非关键负荷和关键负荷的预测曲线；
图3(b)是本发明所述的不考虑电力弹簧的能量优化求解结果图；
图3(c)是本发明所述的不同储能容量对应的储能荷电状态图线；
图3(d)是本发明所述的优化前后储能充放电图线；
图3(e)是本发明所述的含有与不含有电力弹簧时储能的SOC变化曲线图；
图3(f)是本发明所述的考虑电力弹簧的能量优化求解结果图。
图4是本发明所述的考虑电力弹簧的能量优化验证过程中使用的4种典型场景中风电出力数据。
具体实施方式
下面结合实施例和附图进一步说明本发明的技术方案，但不应以此限制本发明的保护范围。如本实施例以孤岛微电网的储能系统作为本发明控制策略的具体实施对象，但不应以此限制本发明的应用范围。
本发明基于电力弹簧对非关键负荷用电量的主动调节能力，通过两层能量优化算法，实现智能负载缓和储能系统的大充大放，减少充放电功率，可以有效降低储能系统充放电电流和功率，提高储能系统的寿命；降低系统对储能容量配置的需求，提高孤岛微电网的经济性。
具有电力弹簧的孤岛微电网双层能量优化算法如图2所示。第一层能量优化是在一天之内尽量减少运行成本，同时受孤岛微电网运行限制约束。基于第一层优化得出的调度指令，第二层能量优化基于电力弹簧的能量缓冲作用可以用来获得满足当前微电网的储能系统的最小容量配置。
1)第一层——孤岛微电网全局能量优化
第一层能量优化与传统微电网能量优化相似。优化的目标函数为柴油发电机单位发电价格最小的函数：
式中，N表示一天以内的调度区间数，λ和Dt分别是柴油发电机的单位发电价格和在第t个调度区间的出力；考虑到微电网的功率约束、容量约束和真实场景等，运行约束如下：
0≤Wt≤Wmax (2)
|Wt+1-Wt|≤Rwmax (3)
-Scmax≤St≤Sdmax (4)
|St+1-St|≤Rsmax (5)
0≤Dt≤Ddmax-Dr (6)
|Dt+1-Dt|≤Rdmax (7)
Wt+St+Dt＝Pcl-t+kbasePnl-t (8)
公式(2)-(3)是风机出力的上下限约束和爬坡约束，Wt是第t个调度区间的风电出力，Wmax是第t个调度区间的风电预测最大出力，Rwmax是风机爬坡功率的上限。公式(4)-(7)是储能系统和柴油发电机出力约束和爬坡约束，St是第t个调度区间储能最大放电电流，Sdmax是储能最大放电电流，Scmax是最大充电电流，Rsmax是储能最大爬坡功率。Dt是第t个调度区间柴油发电机的出力，Ddmax是柴油发电机组最大放电功率，Dr是柴油发电机的备用容量，用来抵御孤岛微电网的极端情况。一般地，Dr＝0.1Ddmax。Rdmax是柴油发电机最大爬坡功率。公式(8)是考虑的不同类型负荷的实时功率平衡。Pcl-t是此时关键负荷的功率，Pnl-t是非关键负荷的功率，kbase是加装电力弹簧后非关键负载吸收的有功功率。
当储能系统放电时，即S(t)≥0，储能系统的荷电状态(SOC)表示成：
当储能系统充电时，即S(t)≤0，储能系统的荷电状态(SOC)表示成：
其中,η是储能系统的自放电效率，ηd是放电效率，ηc充电效率，Eb是储能系统的容量，SOC(t)是第t个调度区间的荷电状态，为了储能系统的荷电状态在安全范围内变化：
SOCmin≤SOCt≤SOCmax (11)
其中,SOCmin是储能荷电状态的下限，SOCmax是储能荷电状态的上限；为了保证储能系统下一日的调节能力，单日内的SOC变化量不能超过储能总量的一个百分比δ：
|SOCN-SOC1|≤δ (12)
第一层能量优化不考虑电力弹簧的作用，求解结果能够被用来确定全局最小的经济运行成本；
2)第二层能量优化，即基于电力弹簧和储能系统互动的协同能量优化：
第二层能量优化主要关注电力弹簧和储能系统的互动，电力弹簧可以调节非关键负荷的需求，因此在某一电压等级上减少储能系统的充放电电流和功率。第二层优化目标函数为储能系统的充放电功率的函数为最小：
如果电力弹簧和储能系统的协同机制被启动，功率平衡机制的约束被修正和强化为：
S1-t+kbasePnl-t＝S2-t+ktPnl-t (14)
式中，S1-t和S2-t分别是第一、二层能量优化模型中储能系统出力的求解结果，非关键负荷的功率调节系数kt的约束如下：
klow≤kt≤khigh (15)
其中，klow是非关键负载调节的下限，取值范围是0.64-1，受非关键负荷用户接受调控的意愿影响较大。khigh是非关键负载调节的上限，取值范围1-1.25；其理论调节上限受非关键负荷的功率因数影响较大，非关键负载功率因数越小，理论调节上限越大。
一般而言，klow和khigh的最优取值分别为0.8和1.05。
应用于含有电力弹簧孤岛微电网的双层能量优化算法的本质可以归结为二阶锥问题，利用Cplex或者Gurobi等商业求解器可以被有效求解。
本实施例孤岛微电网预期配置风电2MW，储能系统17.3MW·h，柴油发电机最大输出功率600kW。
风电出力和不同种类负荷预测曲线如图3(a)所示。该微电网的总负荷由关键负荷和非关键负荷组成。在一天的不同调度区间内，关键负载与总负载的比率是不同的。为了保证孤岛微电网正常运行模式下为下一日持续供电，需要约束条件式(12)，储能系统将以充电-放电-充电的模式运行。
在不考虑电力弹簧的情况下，基于风机的预测出力和安全运行的约束条件，以成本最低为目标函数，可以得到传统能量优化的求解结果，如图3(b)所示。储能系统在非高峰负荷时段仍具有容量裕度。在15:00至20:00的高峰负荷期间，储能系统达到最大功率输出，柴油发电机投入运行。风机在运行约束内尽可能输出最大功率。
当储能系统的容量在[0.6Eb,Eb]的范围内变化时，可以得到储能系统的SOC变化曲线如图3(c)所示。经过对双层能量优化算法的求解，求得满足该微电网系统当前运行场景的最小储能容量是0.599Eb。也即如果储能系统ESS的容量配置维持在0.6Eb及以上，孤岛微电网一天的运行成本将维持在4423.22元。
但如果储能电池的容量低于0.6Eb的阈值，则运行成本将上升，效率将下降(这因为当风电功率比较充足的时候不必要先放电再充电，如图3(c)红色圆圈。
如果基于储能系统和电力弹簧的互动的第二层协同能量优化算法启动(此时储能容量配置为0.6Eb)，则储能系统的充放电功率减小，并且SOC的变化范围更小，如图3(d)-(e)所示。换言之，如果不考虑微电网的运行裕度，则当前0.6Eb的储能容量存在过剩。
以0.6Eb的储能容量配置并且加入电力弹簧运行，可以得到能量优化的求解结果，如图3(f)所示。
进一步的仿真结果表明，含有电力弹簧时当储能系统的容量下降到0.553Eb，孤岛微电网一天的运行成本仍然可以维持在4423.22元。也就是说，电力弹簧使储能系统的容量下降了7.8％。然而，如果没有配置电力弹簧，储能系统的容量下降到0.553Eb，一天的运行成本已经上升到5488.89元，由此可见电力弹簧对于降低储能系统容量配置方面发挥的作用。0.553Eb是能够使当前情境下微电网能量优化存在可行解的最低储能容量配置，根据该数值再考虑裕量，即可得到最终储能容量的配置数值。
为了使结果更具一般性，对某地区的全年4个季度风电出力水平进行了统计分析，估计得到4个典型日下风电出力预测典型日数据，如图4所示。
4个典型场景下分别进行前两阶段能量优化，可以得到每个场景下维持相同最低成本不考虑与考虑电力弹簧时的最低储能容量，如下表1。临界储能容量指使优化问题存在可行解的最小储能容量。
表1各典型场景最低容量配置能力关系表
对比4个典型场景下装备电力弹簧前后储能容量配置可以看出，电力弹簧可以大大降低系统对储能系统容量的需求，降低储能设备的投资成本，提高了电网总收益。这是因为电力弹簧的能量缓冲作用缓解了储能充放电功率上下限的限制。