一种微电网电池储能配置方法及可读存储介质与流程

本发明涉及微电网技术领域，特别是一种微电网电池储能配置方法及可读存储介质。

背景技术：

为解决能源危机，提高环境质量，高效利用可再生能源已经成为社会发展趋势。但是可再生能源，如风，光等能源，存在间歇性强，波动性大的缺点。这些能源的出力曲线波动性极大，直接接入电网会导致电网的潮流出现双向的流动，流向频繁的变化，导致电网局部出现电压升高神职越线问题，影响电网质量，威胁用电安全。而电池储能系统(batteryenergystoragesystem)则可以较好的解决这一问题。利用储能可以将能源在时间尺度上平移的特性，可以电网的削峰填谷，保证电压质量。

目前，集中式储能系统在微电网调压中的应用已有了许多研究，但是，大多数的研究集中在优化模型的建立上，和优化模型求解的智能算法上。这其中存在的问题是现在智能算法对于大规模问题的收敛速度较慢，求解时间长，同时，不一定可以寻找到最优解。

技术实现要素：

有鉴于现有技术的上述缺陷，本发明的目的就是提供一种微电网电池储能配置方法及可读存储介质，通过建立线性优化模型，并根据所述功率里程数对储能参数进行优化配置，以及根据所述优化配置结果对储能电池的输出进行控制，缓解电网的电压越线问题，平滑电网电压，且有利于电网的快速响应与控制。

本发明的目的之一是通过这样的技术方案实现的，一种微电网电池储能配置方法，所述方法包含如下步骤：

根据电网支路结构确定功率里程数；

建立线性优化模型，并根据所述功率里程数对储能参数进行优化配置；

根据所述优化配置结果对储能电池的输出进行控制。

可选的，所述根据电网支路结构确定功率里程数，包含：

根据电网支路结构计算支路电压降以定义功率里程数，满足：

其中，δu表示支路电压降，ρp表示支路单位长度电阻值，ρq表示支路单位长度电抗值，p表示电网节点功率，pmp表示支路有功功率里程数，pmq表示支路无功功率里程数。

可选的，建立线性优化模型之前，所述方法包括：

提取有功功率里程数进行矩阵表示：

其中，pi表示支路i的有功功率，li表示支路i的长度，n表示支路数量；

根据有功功率里程数矩阵以及电池变量矩阵获取确定节点功率需求矩阵，满足：

pg＝p+battery

其中，battery表示电池变量矩阵；

确定功率里程数矩阵，满足：

node＝m*pg

其中，node表示普通节点功率里程数。

可选的，所述储能参数包括储能的位置、数量、容量大小。

可选的，建立线性优化模型，包括：

取功率里程数的绝对值并进行求和以获得优化目标函数：

min＝∑node_plus+∑n+∑s*n

node_plus＝|node|＝|u*(p+battery)|

其中，node_plus表示功率里程数的绝对值，n表示储能源的安装位置数量，s表示表示单个储能的容量。

根据所述优化目标函数确定约束条件以获得最终优化目标函数；

求解所述最终优化目标函数以获得优化配置结果。

可选的，所述约束条件包括：电池的容量的上限、电池充放电功率的上下限、储能初始容量残余、充放电平衡以及初始容量限制。

可选的，求解所述最终优化目标函数以获得优化配置结果，包括：

增加节点约束矩阵求解所述最终优化目标函数以获得优化配置结果。

可选的，根据所述优化配置结果对储能电池的输出进行控制，包括：

对时间周期进行划分，根据划分的时间间隔确定电网节点的输出，满足：

其中，batteryij表示电池i在调度周期j内的平均功率，bai(t)表示在t时刻的实时功率，pij表示在无电池储能时根据历史潮流数据计算得到的平均潮流，pi(t)为平均功率需求，j表示调度周期。

本发明的目的之二是通过这样的技术方案实现的，一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现前述的方法的步骤。

由于采用了上述技术方案，本发明具有如下的优点：

本发明方法通过建立线性优化模型，并根据所述功率里程数对储能参数进行优化配置，以及根据所述优化配置结果对储能电池的输出进行控制，缓解了电网的电压越线问题，平滑电网电压。同时，基于功率里程数的线性优化求解简单快速，有利于电网的快速响应与控制。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。

附图说明

本发明的附图说明如下：

图1为本发明第一实施例流程图；

图2为本发明第一实施例电网利用图论转化示意图；

图3为本发明第二实施例电网首节点的按月流过有功与无功功率的曲线图；

图4为本发明第二实施例优化获得的储能的输出曲线

图5为本发明第二实施按照平均水平设定后有无储能的电网电压的对比情况

图6为本发明第二实施负荷，光伏，水电的功率消耗、输出曲线，其中，图6a为负荷，图6b为光伏，图6c为水电；

图7为本发明第二实施有无储能的第17节点的电压情况。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

本发明第一实施例提出一种微电网电池储能配置方法，如图1所示，所述方法包含如下步骤：

根据电网支路结构确定功率里程数；

建立线性优化模型，并根据所述功率里程数对储能参数进行优化配置；

根据所述优化配置结果对储能电池的输出进行控制。

本发明方法通过建立线性优化模型，并根据所述功率里程数对储能参数进行优化配置，以及根据所述优化配置结果对储能电池的输出进行控制，缓解了电网的电压越线问题，平滑电网电压。同时，基于功率里程数的线性优化求解简单快速，有利于电网的快速响应与控制。

可选的，在本发明一个可选的实施例中，所述根据电网支路结构确定功率里程数，包含：

根据电网支路结构计算支路电压降以定义功率里程数，满足：

其中，δu表示支路电压降，ρp表示支路单位长度电阻值，ρq表示支路单位长度电抗值，p表示电网节点功率，pmp表示支路有功功率里程数，pmq表示支路无功功率里程数。

具体的说，该方案可描述为：通过电网支路电压方程，推导出功率里程数，本实施例提出的方案的功率里程数与电网节点输出功率呈线性关系，大大简化了对电压下降的计算，并且准确度较高。

更为具体的，参见图2所示，其中root代表根节点，node1～node5代表普通节点，load1～load3代表负载，dg1～dg3代表分布式发电机。节点是指上游电网(带变压器)或分布式发电机和负载在同一位置的组合，其中代表上游电网的节点为根节点，也称为节点0。根节点标号为0，支路是指连接两个节点的线，其支路的标号等于两端节点中较大的一个。(具体实施步骤中)，所以节点和支路是对应的，节点i对应着支路i。如图2右边，node1对应的支路就是1，node2连着的就是2，本实施例中将节点按照左序遍历方式进行排序，图2给出了样本网格及其对应的图表示形式。

支路是指连接两个节点的线，其支路的标号等于两端节点中较大的一个。每个支路的参数都具有长度、电阻和电抗等特性。

进一步的，功率里程数推导及求解，根据电网支路的电压下降方程：

其中，δui代表第i条支路的电压的变化值，ui为该线路上的电压，pi,qi代表了流过这条支路的有功功率与无功功率，ri,xi则是该支路的电阻与电抗。

由此，第i条线路的电压降落由线路上传输的有功，无功，线路电压水平与线路阻抗决定。在本实施例中将电阻与电抗进行如下的转化：

其中ρp,i是该条支路的单位长度的电阻值，其由电线本身的特性决定，ρq,i则是该支路单位长度的电抗值，li为支路的长度。

对于一个微电网的支干线路，其各个节点的电压你保持在电压等级un附近，同时对于同一条线路而言，ρp,i与ρq,i都是固定值。

由此可以把支路电压下降方程转化为：

其中δui为支路i上的电压变化，ρp,i是该条支路的单位长度的电阻值，其由电线本身的特性决定，ρq,i则是该支路单位长度的电抗值，li为支路的长度。

假如电网的平衡节点，也就是电压参考节点为0，同时从0-1-2…n是一条，也是唯一一条(对于辐射状电网，该线路仅有一条)达到节点n的线路。如果线路的标号为两端节点较大的一个，那么，节点n的电压为。

其中δu为节点到参考点的电压变化，δui为支路i上的电压下降，ρp,i是该条支路的单位长度的电阻值，其由电线本身的特性决定，ρq,i则是该支路单位长度的电抗值，li为支路的长度。

对上述公式进行整理，获得：

其中pmp与pmq为本发明方法定义的有功与无功的功率里程数。可以看出，在忽略功率损耗时，在本实施例中，功率里程数完全由节点注入的功率计算得到，其线性组合则可以得到电压的下降值。

可选的，在本发明一个可选的实施例中，建立线性优化模型之前，所述方法包括：

提取有功功率里程数进行矩阵表示：

其中，pi表示支路i的有功功率，li表示支路i的长度，n表示支路数量；

根据有功功率里程数矩阵以及电池变量矩阵获取确定节点功率需求矩阵，满足：

pg＝p+battery

其中，battery表示电池变量矩阵；

确定功率里程数矩阵，满足：

node＝m*pg

其中，node表示普通节点功率里程数。

具体的说，本实施例中利用功率里程数，提出了一种线性优化模型来对储能参数进行配置，储能参数包括储能的位置、数量、容量大小。

确定优化目标函数

由于储能系统仅仅对有功功率情况进行改善，同时，低压配电网的压降主要由于线路的有功的传输造成，因此，在本实施例中，只考虑有功功率里程数：

对于电网，若只考虑其母线的电压变化，则矩阵p可以表征其全部的状态。矩阵p的行代表电网节点，列代表时间，p(i,t)就是节点i在t时刻平均的功率需求(正数代表吸收有功)。其值就是由第i个节点t时刻的平均负载需求-发电装置平均发电量。即

p(i,j)＝ps(i,t)-pd(i,t)

考虑变量battery矩阵，其大小与p一致，其值代表了第i个节点的蓄电池在t时刻充放电量。若节点i处不存在电池，则battery矩阵第i行全为0。

因此本发明实施例中提出p+battery即为每个节点在每个时间点的功率需求矩阵。

进一步的，定义里程矩阵m，其中第i行第j列为支路i的长度(如果支路i是从节点0到节点j的必经支路)，否则为0。例如对于图2中的第一行为[l1,l1,l1,l1,0].那么考虑式子node＝m*(p+battery)，即

不计功率损耗，上述公式右边代表了流过支路i功率，乘上支路的长度则代表了第i条支路在t时刻传输的总功率里程数。

可选的，建立线性优化模型，包括：

取功率里程数的绝对值并进行求和以获得优化目标函数：

min＝σnode_plus+∑n+∑s*n

node_plus＝|node|＝|u*(p+battery)|

其中，node_plus表示功率里程数的绝对值，n表示储能源的安装位置数量，s表示表示单个储能的容量；

根据所述优化目标函数确定约束条件以获得最终优化目标函数；

求解所述最终优化目标函数以获得优化配置结果。

可选的，所述约束条件包括：电池的容量的上限、电池充放电功率的上下限、储能初始容量残余、充放电平衡以及初始容量限制。

具体的说，在本实施例中，功率里程数的值有正有负，在具体实施过程中希望电压与标准值越接近越好，偏差尽量小，因此本实施例中，用绝对值来表示。对于node取绝对值，由此得到了node_plus，则node_plus的和就是总功率里程数，即需要优化的目标之一。

同时在具体实施过程中希望蓄电池的总数量与容量尽可能小，故本实施例中采用加权的方式获得总优化目标：

即：

min＝∑node_plus+∑n+∑s*n

node_plus＝|node|＝|u1*(p+battery)|

进一步确定约束条件

对于蓄电池充放电矩阵，其需要满足一定的约束。

为了方便进行约束的计算，本实施例中，先计算累计充电矩阵：

battery_accumulate(i,j)＝battery*u2

其代表了对于结点i上的蓄电池，到达时间j的时刻，累计充放电的功率和。其中u2为右上三角矩阵。

同样的，在初始情况下，蓄电池可能会有一定的电量残余，设定int向量代表每个节点蓄电池的初始有功残余。

则以下约束需要满足：

首先对于电池，其充放电不能够过快，因此其充放电功率需要满足一定的上下限：

low_limit≤battery(i,j)≤high_limit

其中batter(y,i)j是电池释放或吸收的平均电量；

蓄电池容量在任何的时刻都不能超过电池的容量的上限，因此加入上限约束。储能初始的容量残余需要考虑在内：

battery_accumulate(i,j)≤s(i)*n(i)-int(i)；

蓄电池容量在任何的时刻都不能低于0，因此加入下限约束。储能初始的容量残余需要考虑在内：

battery_accumulate(i,j)≥-int(i)

在一个较大的周期内(一年)，储能的充放电需要平衡，否则由于功率情况的周期性变化，储能若是在一个周期内的充放电不平衡会导致储能的电量在每个周期后都不断地上升或者下降：

battery_accumulate(i,tmax)≤limit

初始容量限制：

0≤int(i)≤s(i)*n(i)

可选的，求解所述最终优化目标函数以获得优化配置结果，包括：

增加节点约束矩阵求解所述最终优化目标函数以获得优化配置结果。

具体的说，上述约束条件均是线性约束，但是由于去绝对值的存在，整个优化模型呈现非线性，并且不易求解，因此本实施例中添加sen矩阵(n*t的0-1矩阵)来解决这个问题。

1000*sen(i,j)≥node(i,j)＞1000*(sen(i,j)-1)

则在node(i，j)(值在-1000到1000之间)大于0时，sen(i，j)为1，其他时候sen(i，j)为0。

则有：

node_plus(i,j)＝node(i,j)*(sen(i,j)-0.5)*2

其中sen矩阵为n*t的0-1矩阵，node(i,j)为i电池在j时间时的充放电功率。

所以，最终的优化模型为：

min＝∑node_plus+∑n+∑s*n

s.t.

node＝m*(p+battery)

1000*sen≥node＞1000*(sen-1)

node_plus＝node.*(sen-0.5)*2

battery_accumulate(i,j)≤s(i)*n(i)-int(i)

battery_accumulate(i,j)≥-int(i)

battery_accumulate(i,tmax)≤limit

0≤int(i)≤s(i)*n(i)

low_limit≤battery(i,j)≤high_limit

由此，在可以求解所述最终优化目标函数以获得优化配置结果，具体的在本实施例中，可以采用lingo来进行求解。

可选的，根据所述优化配置结果对储能电池的输出进行控制，包括：

对时间周期进行划分，根据划分的时间间隔确定电网节点的输出，满足：

其中，batteryij表示电池i在调度周期j内的平均功率，bai(t)表示在t时刻的实时功率，pij表示在无电池储能时根据历史潮流数据计算得到的平均潮流，pi(t)为平均功率需求，j表示调度周期。

具体的说，本实施例还提出一种基于配置结果的控制方法，对储能的输出曲线实现控制。

确定控制方法的要求。

battery(i,j)反映了电池在一段时间内(例如，一个月)所吸收的平均功率，在这段时间内实际的可再生能源的输出可能会发生剧烈变化，导致电压峰值和波动。因此需要一种控制方法来使得储能的输出满足这个平均值的同时能够适应这种变化。

在制定节点i在时间周期j中的控制策略时，本实施例中将时间周期划分为小的时间间隔(15分钟)，对于每个时间间隔，计算得出电池在给定时间间隔内在节点i处的恒定输出。

首先，本实施例中给出定义batter(y,i)j是电池释放或吸收的平均电量，这是通过优化功率里程数获得的结果。p(i,j)是根据历史数据计算的没有电池的平均注入功率。而，pi(t)则是在i节点，在j这个较大时间段内，注入功率的以更小的时间间隔变化情况。

控制方法应该满足两个要求。

首先，应该随着实际潮流情况pi(t)而变化，虽然节点i的平均潮流等于p(i,j)，但是它的值p(i,j)会随着时间而变化。如果p(i,j)变得比较大，电池应该吸收更多的能量来让这个电网变得平衡。

其次，节点i在j时段内的平均功率应尽可能接近battery(i,j)，以达到前述求解的最优状态。

由此本发明实施例提出控制方法设计

有了前述两个要求，本实施例可以设计一个简单而有效的方法来控制电池，确保电池在任意给定时间间隔j时的功率为:

本发明提供了一种基于功率里程数的微电网储能配置控制方法来解决微电网因为可再生能源接入产生的电网电压波动和越线问题，它通过电网支路电压方程，推导出功率里程数，其与电网节点输出功率呈线性关系，相比于其它的方法大大简化了对电压下降的计算，并且准确度较高。然后，利用功率里程数，提出了一种线性优化模型来对储能的位置、数量、容量大小进行配置。在此基础上，提出一种基于配置结果的控制方法，对储能的输出实现控制。通过对储能系统的有效利用，实现了电网功率的时间轴上的移动，缓解了电网的电压越线问题，平滑电网电压。同时，基于功率里程数的线性优化求解简单快速，有利于电网的快速响应与控制。

本发明第二实施例提出一种微电网电池储能配置方法的实施案例

本案例中的系统是一个实用的三相10kv电网，共有17个节点，总标称负荷为1.08mw+j0.324mvar。在标准情况下下，所有的光伏(pv)共发电0.502mw，所有的水电站(hs)共发电1.2mw+j0.59mvar。水电和pv的高渗透率导致不同季节的电力供需不平衡。过去一年的数据显示，5月份的能源过剩达到近50万小时，2月份的能源短缺达到85万小时。这种不平衡加上pv输出的不规则，导致了电压的剧烈波动和峰值。表1和表2总结了案例研究的关键部分。

表1，各节点负荷与发电机信息

表2，各类型电缆参数

表1为各发电机标称功率和负荷，表2为电缆参数。其中电缆1为10千伏铜线，横截面积为50mm2，电缆2为10千伏铜线，横截面积为35mm2，电缆3为380-v铜线，横截面积为16mm2。

这一网络的关键问题在于不同季节的供需不平衡。在5月和9月，负荷不是很重，但是hs和pv给电网提供了多余的电力。然而，在冬季，负荷增加，而光伏和hs源几乎没有输出。图3为节点0全年平均有功、无功需求。

本实施例中以一个月为一个时间间隔来进行规划，使用总长度为1年的数据。

按照前述的步骤进行求解。

首先定义优化目标函数：

min＝∑node_plus+∑n+σs*n

node_plus＝|node|＝|u1*(p+battery)|

然后确定约束条件：

node＝m*(p+battery)

1000*sen≥node＞1000*(sen-1)

node_plus＝node.*(sen-0.5)*2

battery_accumulate(i,j)≤s(i)*n(i)-int(i)

battery_accumulate(i,j)≥-int(i)

battery_accumulate(i,tmax)≤limit

0≤int(i)≤s(i)*n(i)

low_limit≤battery(i,j)≤high_limit

最后确定电池的控制方法：

通过上述步骤获得了全局最优解。表3显示了原始电网和使用储能系统后的电网的功率里程数

表3，原始网络与有储能网络比对

在储能的辅助下，总绝对功率里程显著降低，显示出电网电压质量的上升。表4显示了所有储能的位置、容量和初始能量。

表4，储能的位置、容量和初始能量

如图4所示不同节点的电池的充放电曲线。结果表明，5月和9月的多余能量被保存下来，在冬季释放，生动地展示了本发明方法的削峰能力。为了可视化电网电压分布图，本实施例选取了每个月第五天中午12点(午夜)的数据，对其平均放电或充电速率进行计算，得到图5。

在图中，节点11和节点17是末端节点。原电网电压分布情况相当糟糕，季节间波动较大，5月份节点17电压超过阈值(7％)。随着储能的加入，电压曲线得到了很大的改善，变得更加平滑，并保持在安全运行范围内。

对于运行控制，本实施例中选择了5月5日的数据来证明本发明方法模型的可行性。图6为当日总有功、无功情况，参见图6a、6b、6c。

即使在很短的时间内，光伏输出的波动也相当大，而且是可变的。需求也出现波动，早晚达到高峰。相比，水电的输出要平稳得多，波动很小。这种复杂的变化带来的便是在短时间内的电压波动，需要及时的加以控制。

如第3节所示，将控制策略应用于电网，控制储能随着负荷波动而进行变化，得到节点17的电压的曲线，如图7所示。

节点17的新电压稳定在1.01标幺值附近，波动很小，明显比原来的平滑。

本发明第三实施例提出一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现前述的方法的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的保护范围之内。