摘要：主动配电网中，能否解决含风力发电和光伏发电的分布式电源并网后的消纳问题及配电网络的优化管理，很大程度上取决于系统内储能的配置是否科学合理。本文主要研究了在分布式电源不同额定功率的情景下如何对并网储能接入及容量进行优化，以实现经济性与电网安全稳定运行的协调统一。首先，根据风光自然特点搭建DG数学模型，建立DG稳态运行的出力场景。最后，对含多分布式电源的40节点配电网系统进行测试计算，验证了本文所设计方法的准确性，并分析了分布式电源额定功率变化及电压等因素对储能配置的影响，为系统规划和建设提供了新的思路。
关键词：主动配电网；分布式储能；遗传算法；容量优化
1风光储混合配置的可行性分析
本文选择分布式储能配置方法作为主要研究目标。分布式配置的优点是储能容量小于集中式，经济性高且可以灵活安装，随着主动配电网相关技术的发展在未来的可塑性更强；同时还可有效抑制对应DG的出力波动，改善DG性能，显著提高DG发电入网的比例，而高比例可再生能源并网是目前电网发展的趋势。储能采用分布式入网，能够更好地解决分布式风储、光储等发电单元的规划运行问题，具有更强的可行性和更长远的发展前景。
2分布式储能容量优化模型
2.1目标函数
目前安装储能系统带来的环境效益、电网可靠性收益等无法直接准确地量化为经济利益，因此本文站在配电网运营商投资储能角度，考虑储能并网带来的收益部分主要包括：通过分布式储能接入配电网后节约的电网扩容费用与网损费用，依靠储能增发的分布式电源上网电量带来的经济效益；成本部分主要顾及储能装置的站地址建设费用、电力转换设备费用、储能设备费用、年运行维护费用。目标函数如式（8）所示。其中上述所有费用均折算为一年期进行计算。
2.2储能系统的特点
可以快速调节功率并能吸收、释放多余电能。其可在DG发电充足时段储存能量，在必要时输出电能缓解DG间歇发电的缺点，是主动配电网对并网DG进行灵活调节以及网络优化运行的关键所在。但是目前储能装置价格昂贵，使用寿命短。因此，储能配置及其运行问题将直接影响到主动配电网对各类分布式电源的管理及网络运行的经济性，成为当今热门课题。
3模型求解
3.1算法
3.1.1潮流算法
本文主要研究低压主动配电网多DG接入情境下分布式储能容量的配置情况。配电系统有很多与输电系统不同的特征，如系统拓扑结构一般为辐射性树状、电压等级较输电网低、支路电阻不能忽略等，无法应用快速解耦法。同时在进行系统潮流计算时收敛性问题非常突出，使用牛拉法时初值问题可能会导致结果发散，综上考虑本文采用前推回代法进行潮流计算。
3.1.2遗传算法
遗传算法是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。具有并行性、自适应寻优等特点，适合本文同时对多个储能功率计算的要求，所以这里采用遗传算法作为分布式储能容量优化模型的求解算法。
本文将遗传算法生成的每一个个体用八位二进制数来进行编码，之后带入设定情景进行适应度函数（目标函数）计算，通过遗传操作提高适应度高的个体进入下一代的几率，通过交叉、变异等操作以模仿生物界产生新的个体防止整个种群陷入局部最优的早熟现象。将新一代种群按照上述方法重复实验，直到满足终止条件得出优解。
3.2求解流程
本文通过采用遗传算法生成储能容量的初始种群，得到对应目标函数值以寻求各分布式储能较优容量解，并保留到算法下一代。通过筛选优化，以寻求不同DG准入容量情景下储能容量的佳配置方案。在遗传算法内采用前推回代方法进行潮流计算，由潮流计算后所得各节点电压幅值等参数作为约束条件，若不满足约束条件，则降低该个体在种群当中的适应度直至淘汰。上述过程模拟为某时间段储能容量求解，若在储能规定的持续运行时间内储能容量约束指标SOC一直符合要求，则保留结果并进行分析，否则仍然需要剔除该组数据。将最后符合约束条件的各时间段所得数据统一整理，选取能够满足DG任何出力下的储能容量作为最优方案。
4算例分析
4.1算例模型及参数设置
本文选取包含40节点的配电网作为测试系统，该网络共有32条支路，已知网络的15、38号节点接入DG为风力发电（WG），28、39号节点接入DG为光伏发电（PV）。其网络结构拓扑图如图1所示。电源网络首端基准额定电压23kV，三相功率基准值取15MVA。系统总用电负荷为13.599MW。
根据某地区风速历史数据，得出Weibull分布模型的形状参数和尺度参数k=9.82、c=2.04；风力发电机的切入风速为3m/s，额定风速为15m/s，切出风速为20m/s。根据光照强度的历史数据，得出Beta分布模型的二参数分别为α=2.27、β=2.1。该地光伏设备的光电转换效率约为0.3。由于该配电网络规模较小，假定各节点的风速与光照强度基本相同。
依据国家标准GB/T12325－2008《电能质量–供电电压偏差》，配电网各节点电压幅值的标幺值约束在0.95－1.05之间。遗传算法中设置最大遗传代数为100代，每代的种群规模为100，算法的交叉概率为0.7，变异概率为0.05。前推回代潮流计算中设置最大迭代次数为100，防止程序在不收敛的时候陷入死循环。
储能装置采用容量型锂离子电池，设其连续工作时间为12小时，荷电状态SOC初始值为0.4，正常工作范围为0.1～0.9间，每小时内允许SOC的最大波动值为0.07。
本文研究的重点为储能容量的最优配置，为了验证算法准确性，将储能持续工作时间内通过遗传算法所得目标函数的各代最优值的平均值变化如图2所示，可从定性角度直观验证本算法可行。
各节点接入储能的负荷状态SOC在储能持续工作时间内的变化曲线如图所示。可见在工作时间内均满足SOC约束条件。可以合理推测出在只考虑经济最大时由于储能造价较高，容量配置低于考虑电网安全性情况下的储能容量。而为了防止因为分布式电源出力特性造成的电网不稳定运行，因此需要适当增加储能设备的容量配置。在此方案下，荷电状态SOC在储能持续工作的时间内变化率较情景1时将会变大，如图3所示。因此在实际配置储能容量时应考虑适当增加能量容量，以防止储能装置长期工作在高负荷状态变化率波动内影响其工作性能和使用寿命。
结束语：
本文研究对象为主动配电网中储能系统的容量优化配置，提出了分布式储能方案的可行性与合理性，为解决该类问题提供了新的思路；从储能投资者角度出发，将储能安装后主动配电网年净获利最大设为目标函数，把减少电网扩容、降低网损、增发新能源上网收益、储能建设运维成本等考虑在内；本文所提出的基于遗传算法的配电网分布式储能定容模型及方法可以考虑经济性与电网安全性后得到较为合理的配置方案。并且在此过程中也得出电压约束及不同DG出力情景下对储能优化配置的影响关系。
参考文献：
［1］姜书鹏，乔颖，徐飞，等．风储联合发电系统容量优化配置模型及敏感性分析［J］．电力系统自动化，2013，（20）：16－21．
［2］李树雷，展海艳，薛松，等．考虑间歇性分布式电源并网的分布式储能系统最优控制策略［J］．华东电力，2013，（11）：2338－2343．
［3］计仕清，窦迅，李扬，等．含风力发电的配电网侧储能容量优化［J］．电气应用，2015，（17）：76－82．
［4］唐文左，梁文举，崔荣，等．配电网中分布式储能系统的优化配置方法［J］．电力建设，2015，36（4）：38－45．
［5］陶琼，桑丙玉，叶季蕾，等．高光伏渗透率配电网中分布式储能系统的优化配置方法［J］．高电压技术，2016，（7）：2158－2165．
论文作者:潘骏琪
论文发表刊物:《电力设备》2019年第2期
论文发表时间:2019/6/5
标签：储能论文; 分布式论文; 容量论文; 算法论文; 系统论文; 本文论文; 配电网论文; 《电力设备》2019年第2期论文;