光儲聯合單元在區域配電網的優化配置研究

王哲，劉聰，遲福建，李桂鑫，夏冬，楊德昌

（1.國網天津市電力公司經濟技術研究院，天津 300171；2.國網天津市電力公司，天津 300010；3.中國農業大學，北京 100083）

光儲聯合單元在區域配電網的優化配置研究

王哲1，劉聰2，遲福建2，李桂鑫2，夏冬1，楊德昌3

（1.國網天津市電力公司經濟技術研究院，天津 300171；2.國網天津市電力公司，天津 300010；3.中國農業大學，北京 100083）

以光儲聯合運行單元為研究對象，采用小波包-模糊調節的方法使得儲能平抑光伏輸出波動的同時保證儲能荷電狀態維持在合理水平。針對一定滲透率的光伏，建立了區域配電網各母線電壓偏差之和最小、總有功網損最小、儲能壽命損耗最小和儲能容量利用率最大的多目標優化模型。以儲能容量及最大充放電功率為優化變量，在求解中通過歸一化將多目標優化轉化為單目標優化模型，采用一種量子編碼的遺傳算法進行求解。基于IEEE-33節點算例的計算分析，驗證了該優化配置方法的有效性與正確性。

光儲系統；區域配電網；小波包-模糊調節策略；量子編碼；遺傳算法

光伏以分布式方式接入配電網，是提高配電網供電靈活性的有效方式。但受日照強度、溫度等環境因素影響，光伏輸出具有間歇性，當其滲透率達到一定比例時將給電力系統的穩定性和可靠性帶來挑戰[1]。因此，需對光伏輸出進行平抑以減小其對電力系統的負面影響。

光伏作為分布式電源（distributed generation，DG）接入配電網中對配電網的影響目前已有眾多文獻進行了研究。文獻[2]以電壓作為指標，研究了DG接入配電網后其容量及接入位置對配電網各母線電壓的影響。文獻[3]以電壓和網損為指標建立了優化模型，采用遺傳算法對DG進行了優化配置。而在減小間歇性DG對系統影響提高其滲透率的方法中，儲能技術因其具備對功率和能量在時間上快速遷移能力，因而是目前研究的熱點。文獻[4]以儲能平抑DG后輸出功率波動率為指標，采用時間常數法確定最佳低通濾波時間。文獻[5]基于風電短期預測技術的運行控制策略來平抑其輸出波動。文獻[6]通過小波包分解法對光伏輸出進行頻譜分析后，由儲能吸收調高頻分量，而將低頻穩定分量送入電網。文獻[7]提出一種加權移動平均濾波算法對風電進行平抑，該方法運用模糊控制對儲能的SOC進行實時修正作為算法的反饋來調整濾波帶寬。

本文運用小波包-模糊平抑策略將電池儲能配置在光伏側以平抑其輸出，建立以電壓各母線電壓偏差之和、總有功網損、儲能壽命損耗、儲能容量利用率考核指標為基礎的優化模型，以綜合考核光伏輸出間歇性對系統及儲能的影響。以儲能容量和最大充放電功率為優化變量，采用一種量子編碼的遺傳算法對其進行求解。通過IEEE-33節點算例對該優化配置方法進行了驗證。

1 小波包-模糊調節策略

電池儲能通過小波包分解算法對光伏輸出進行平抑[8]，小波包分解由小波變換演變而來，其非常適用于對非平穩突變信號的處理[9]，而對于漸變信號，小波包更具有廣泛的應用價值。小波包將光伏功率不斷分解，形成結構上的二叉樹，在將原信號映射到2n個小波包子空間中，其中n即為分解層數，分解算法和重構算法如下：

由于電池儲能成本的限制，因此應合理利用其容量以及最大充放電功率[11]，為使電池儲能在執行每次充放電后其SOCp維持在合理狀態，以提高其連續充放電能力，需根據電池儲能SOCp對充放電功率進行修正控制[12]。本文利用模糊理論對充放電功率進行調整[13]，調整的原則為：當其SOC處在適中狀態時，則不進行調整；當SOCp偏小且準備放電、SOCp偏大且準備充電時，基于模糊理論對其SOCp進行控制。以當前SOCp和下一個充電或放電段內所需SOCp變化量ΔSOCp的計算值作為模糊輸入，功率指令修正系數Kp作為輸出，輸入、輸出變量隸屬函數及模糊規則分別如圖1、表1所示。其中VS、S、MS、M、MB、B、VB、NB、NM、NS、PS、PM、PB分別代表非常小、小、中小、中、中大、大、非常大、負大、負中、負小、正小、正中、正大。

圖1 模糊控制輸入、輸出隸屬函數Fig.1 Input and Output membership functions of the fuzzy control

表1 模糊控制規則Tab.1 Fuzzy control rule

2 區域配電網多目標優化模型及求解算法

當區域配電網中光伏的滲透率達到一定程度時，將對配電網的潮流分布、穩定性、電能質量產生較明顯的影響[14]。本文以總有功網損、母線電壓偏差之和作為衡量對配電網影響的考核指標[15]，同時在平抑光伏輸出波動時考慮到電池儲能的成本問題，以電池儲能每次充放電等效壽命損耗和一定時域內儲能容量平均棄用率為指標，對配置的儲能充放電充放電功率以及配置的容量進行限制[16]。基于4個指標建立多目標優化優化函數：

式中：Ploss（t）、PL（t）分別為t時刻系統總有功網損、系統總有功負荷；ΔUi（t）、Ui（t）分別為母線i在t時刻的電壓偏差絕對值和電壓值；f3、f4分別為電池儲能每次充放電等效壽命損耗和一定時域內儲能容量平均棄用率指標，計算方法如下：

式中：Nt、R為t時間段內電池儲能以深度R滿充滿放標準下的最大循環次數，電池循環次數與R關聯曲線以及最大循環次數計算方法參照文獻[10-11]；N0為標準滿充滿放下最大循環次數；ΔSOCp、SOCp-max分別為某一時刻儲能充放電所需的SOC變化量和儲能最大SOC，因光伏夜晚無光照其無輸出，則此段時間里儲能處于閑置狀態，為了將這段時間剔除，式中t1、t2、…、tn分別儲能非閑置的各時刻。由式（3）、式（4）可知，4個指標均進行了歸一化處理。

在智能求解算法中，遺傳算法是目前運用最廣泛的一種算法[17]，但其采用二進制或格雷碼進行編碼，往往會造成早熟、陷入局部最優的問題。本文采用1種基于Bloch球面坐標編碼的遺傳算法，其編碼方式是將每一組解歸一化處理后映射到Bloch球面，以儲能最大充放電功率作為變量映射到球面，如圖2所示。

通過一種量子旋轉門與量子非門完成傳統遺傳算法里的選擇、交叉和變異的過程，最后記錄最優個體的適應度及其在球面上坐標參量θij、φij。

3 算例計算分析

如圖3所示為本文所采用的IEEE-33節點算例。算例中分別在Bus24和Bus28處接入分布式光伏 6 kW和5 kW，算例中總負荷大小為37 kW，分布式光伏滲透率約為30%。同時在Bus24和Bus28處配置電池儲能BA1和BA2。則優化變量包括BA1和BA2的最大充放電功率Pmax1、Pmax2和最大容量Qmax1、Qmax2，本文近似認為儲能最大充電功率和最大放電功率相等。Bus24與Bus28處接入光伏功率曲線如圖4所示。運行優化程序，尋優結果如表2所示。將變量Pmax1、Qmax1、Pmax2、Qmax2分成若干子區間，當Pmax1、Pmax2落在子區間[0.6 1.2]、[0.8 1.6]kW，Qmax1、Qmax2同落在子區間[1.0 1.5]kW·h時，目標函數有最小解0.86，Pmax1、Pmax2分別取值為1.2 kW和1.5 kW，Qmax1、Qmax2分別取1 kW·h和1.5 kW·h。而隨著儲能功率和容量進一步增加，雖子目標f1、f2有所改善，但子目標f3、f4最優值較大導致總目標函數不能取到全局最優解，這是因為儲能充放電功率和容量增大到一定程度后，儲能會以更大的充放電深度充電以及閑置容量使其利用率降低。

圖2 量子編碼的Bloch球面表示Fig.2 the Bloch sphere description of quantum coding

圖3 IEEE-33節點算例拓撲結構Fig.3 IEEE-33 schematic diagram of connection

在最優儲能容量與功率配置下小波包-模糊策略如圖4、圖5所示。由計算結果可知，小波包-模糊策略一方面平抑了分布式光伏的輸出波動，將低頻穩定分量送入電網，改善了電壓質量及網損；另一方面使儲能合理的充放電。如圖6所示，SOC1和SOC2均處在適中的位置，表明其充電和放電的能力平衡，圖中Pb1和Pb2分別為修正后的儲能1和儲能2的充放電曲線。

表2 儲能配置尋優結果Tab.2 ESS optimization results

圖4 Bus24與Bus28處光伏功率曲線Fig.4 PV power of Bus24 and Bus28

圖5 小波包分解Fig.5 Wavelet packet

4 結語

本文研究了配電網中包含分布式光伏和電池儲能在內的多目標優化方法，建立了以各母線電壓偏差之和最小、總有功網損最小、儲能壽命損耗最小和儲能容量利用率最大的多目標優化模型。采用小波包-模糊策略對儲能充放電功率進行控制，在求解方法上將多目標歸一化后轉換成單目標優化模型，采用一種量子編碼的遺傳方法進行求解。基于IEEE-33節點算例對本文所敘述的方法的正確性與有效性進行了驗證。

圖6 模糊調節Fig.6 Fuzzy adjustment results

[1]李瑞生，翟登輝.光伏DG接入配電網及微電網的過電壓自動調節方法研究[J].電力系統保護與控制，2015，43（22）：62-68.LI Ruisheng，ZHAI Denghui.Research on over-voltage automatic adjustment method of distributed photovoltaic source accessing to distribution network or microgrid[J].Power System Protection and Control，2015，43（22）：62-68（in Chinese）.

[2]王志群，朱守真，周雙喜，等.分布式發電對配電網電壓分布的影響[J].電力系統自動化，2004，28（16）：56-60.WANG Zhiqun，ZHU Shouzhen，ZHOU Shuangxi，et al.Impacts of distributed generation on distribution system voltage profile[J].Automation of Electrical Power System，2004，28（16）：56-60（in Chinese）.

[3]唐巍，薄博，叢鵬偉，等.含分布式發電接入的農村電網多目標規劃[J].農業工程學報，2013，29（1）：132-137.TANG Wei，BO Bo，CONG Pengwei，et al.Multi-objective planning of rural power network incorporating distributed generation[J].Transaction of the Chinese Society of Agricultural Engineering，2013，29（1）：132-137（in Chinese）.

[4]王成山，于波，肖俊，等.平滑可再生能源發電系統輸出波動的儲能系統容量優化方法[J].中國電機工程學報，2012，32（16）：1-8.WANG Chengshan，YU Bo，XIAO Jun，et al.Sizing of energy storage systems for output smoothing of renewable energy systems[J].Proceedings of the CSEE，2012，32（16）：1-8（in Chinese）.

[5]李蓓，郭建波.平抑風電功率的電池儲能系統控制策略[J].電網技術，2012，36（8）：39-43.LI Bei，GUO Jianbo.Control strategy for battery energy storage system to level wind power output[J].Power System Technology，2012，36（8）：39-43（in Chinese）.

[6]吳振威，蔣小平，馬會萌，等.用于混合儲能平抑光伏波動的小波包-模糊控制[J].中國電機工程學報，2014，34（1）：317-324.WU Zhenwei，JIANG Xiaoping，MA Huimeng， et al.Wavelet packet-fuzzy control of hybrid energy storage system for PV power smoothing[J].Proceeding of the CSEE，2014，34（1）：317-324（in Chinese）.

[7]丁明，林根德，陳自年，等，趙波.一種適用于混合儲能系統的控制策略[J].中國電機工程學報，2012，32（7）：1-6.DING Ming，LIN Gende，CHEN Zinian，et al.A control strategy for hybrid energy storage system[J].Proceedings of the CSEE，2012，32（7）：1-6（in Chinese）.

[8]盧蕓，徐駿.基于小波包分解的風電混合儲能容量配置方法[J].電力系統保護與控制，2016，44（11）：149-154.LU Yun，XU Jun.Wind power hybrid energy storage capacity configuration based on wavelet packet decomposition[J].Power System Protection and Control，2016，44（11）：149-154（in Chinese）.

[9]呂帥，張靠社.基于小波變換去噪預處理的EMD諧波檢測方法[J].電網與清潔能源，2016，32（6）：58-61.Lü Shuai， ZHANG Kaoshe.EMD harmonic detection method of denoising preprocessing based on wavelet transform[J].Power System and Clean Energy，2016，32（6）：58-61（in Chinese）.

[10]王洪坤，聶晶.高壓絕緣子污穢放電聲信號的時頻特性分析[J].電瓷避雷器，2016（2）：12-17.WANG Hongkun，NIE Jing.Time frequency characteristics analysis of high voltage insulator contamination discharge acoustic signal[J].Insulators and Surge Arresters，2016（2）：12-17（in Chinese）.

[11]巨國嬌，胡潔，王輝.磷酸鐵鋰電池儲能系統平抑風電功率波動研究[J].電力與能源，2016（5）：582-586.JU Guojiao，HU Jie，WANG Hui.Application of LFP battery storage system in smoothing wind power fluctuation[J].Power and Energy，2016（5）：582-586（in Chinese）.

[12]王博堃，滕歡，胡曉通，等.基于平滑控制策略的混合儲能優化配置方法[J].高壓電器，2015（10）：47-53.WANG Bokun，TENG Huan，HU Xiaotong，et al.Optimal allocation method of hybrid energy storage based on smoothing control strategy[J].High Voltage Apparatus，2015（10）：47-53（in Chinese）.

[13]翟俊義，任建文，周明，等.基于模糊多目標粒子群算法的熱電聯供型微網環境經濟調度[J].華北電力大學學報自然科學版，2015，42（5）：13-18.ZHAI Junyi，REN Jianwen，ZHOU Ming，et al.Economic and environmental dispatch for combined heat and power microgrid based on fuzzy multi-objective particle swarm optimization algorithm[J].Journal of North China Electric Power University，2015，42（5）：13-18（in Chinese）.

[14]李清然，張建成.分布式光伏對配電網電能質量的影響及調壓方案[J].電力科學與工程，2015（10）：1-6.LI Qingran，ZHANG Jiancheng.Review of distributed PV’s impact on network power quality and voltage regulation scheme[J].Electric Power Science and Engineering，2015（10）：1-6（in Chinese）.

[15]吳駿，李珉，惠峻.基于關聯度分析的電網可靠性指標評價[J].江蘇電機工程，2015，34（6）：82-84.WU Jun，LI Min，HUI Jun.Network reliabmty evaluation based on association analysis[J].Jiangsu Electrical Engineering，2015，34（6）：82-84（in Chinese）.

[16]林建新，溫步瀛，陳沖.基于分段平滑風電輸出功率波動的儲能系統容量配置方法[J].電力電容器與無功補償，2016，37（2）：110-114.LIN Jianxin，WEN Buying，CHEN Chong.An energy storage system capacity configuration method based on hecewise smoothing wind power output fluctuations[J].Power Capacitor&Reactive Power Compensation，2016，37（2）：110-114（in Chinese）.

[17]李穎杰.配電網供電可靠率提升算法的研究與應用[J].電力信息與通信技術，2016（9）：105-109.LI Yingjie.Research and application of distribution network reliability rate improving algorithm[J].Electric Power Information and Communication Technology，2016（9）：105-109（in Chinese）.

（編輯 董小兵）

Research on PV-ESS Capacity Optimization in Distribution System

WANG Zhe1，LIU Cong2，CHI Fujian2，LI Guixin2，XIA Dong1，YANG Dechang3
（1.Electric Power Economic Research Institute of State Grid Tianjin Electric Power Company，Tianjin，300171；2.State Grid Electric Power Company，Tianjin 300010，China；3.College of Information and Electric Engineering，China Agriculture University，Beijing 100083，China）

In this paper，wavelet packet-fuzzy strategy is used to stabilize PV output fluctuations and adjust ESS charging and discharging power to ensure its soc to be at a reasonable level.Under the certain penetration of PV，this paper establishes an optimization model which contains minimum system loss，minimum system voltage deviation，minimum battery equivalent life loss and maximum battery capacity utilization.To speed up the calculation for achieving the global optimal solution，a scheme of quantum coding GA is introduced.In the end，the IEEE-33 bus numerical results are used to verify correctness and effectiveness of the proposed method.

PV-ESS system；distribution system；wavelet packet-fuzzy strategy；quantum coding；genetic algorithm

2016-08-17。

王 哲（1984—），男，碩士，高級工程師，研究方向為電力系統及其自動化；

劉 聰（1976—），男，碩士，高級工程師，研究方向為電力系統及其自動化；

李桂鑫（1981—），男，碩士，高級工程師，研究方向為電力系統及其自動化；

夏 冬（1987—），男，碩士，高級工程師，研究方向為電力系統及其自動化。

1674-3814（2017）05-0104-05

TM762

A

國家自然科學基金（51407186）。

Project Supported by the National Natural Science Foundation of China（51407186）.