有源配電網中儲能雙層精細優化配置方法

余 濤, 袁 簡， 晏 陽， 趙清源

(1. 國網江蘇省電力公司常州供電公司, 江蘇 常州 213003；2. 中國能源建設集團江蘇省電力設計院有限公司，江蘇 南京 211102)

有源配電網中儲能雙層精細優化配置方法

余 濤1, 袁 簡2， 晏 陽2， 趙清源1

(1. 國網江蘇省電力公司常州供電公司, 江蘇 常州 213003；2. 中國能源建設集團江蘇省電力設計院有限公司，江蘇 南京 211102)

提出了一種儲能的雙層精細優化配置方法，結合運行與規劃兩個維度，實現儲能容量和位置的精細配置；建立了雙層規劃模型，提出了對應求解方法，優化求解得到精細配置結果。精細配置模型以有源配電網成本收益為目標，針對不同的儲能投資運營主體，制定了不同的成本收益模型，形成差異化目標優化配置。針對高滲透率分布式電源接入的配電網，提出的儲能精細配置方法能夠解決配電網電壓合格率低、可再生資源浪費等問題，從而有效提高配電網可靠性和電能質量。

有源配電網; 儲能配置; 精細優化; 雙層模型；差異化目標

0 引言

隨著清潔能源的推廣和發展，具有間歇性、波動性特征的可再生能源在配電網中所占比例越來越高，帶來了一系列不確定因素，影響了配電網的可靠性和電能質量。經探索，合理配置儲能是目前最有效的解決方案之一，不僅能平抑可再生能源的波動特性，還能在配電網中實現能源緩存、再分配等多種功能。

儲能在電力系統中的應用按功能分為三大類[1]：電網應用[2-4]、新能源應用[5-9]和用戶側應用[10，11]。文獻[3]以配電網中蓄電池儲能全壽命周期內總的凈收益最大為目標，綜合考慮了減少電能轉運成本、政府電價補貼收益、儲能套利收益、延緩電網升級收益及全壽命周期成本等因素，建立蓄電池儲能系統配置的混合優化模型。文獻[10]建立了主動配電網中儲能的多目標優化配置模型，考慮電壓質量、功率主動調節和削峰填谷能力3個目標，并使用帶權極小模理想點法求解了該配置模型。可以看到，儲能的配置研究方向正在從單點向多點、從單一功能向多功能[12-15]兼容過渡。然而，就目前儲能產業的狀況來看，仍有許多問題有待解決。

文章針對含高滲透率分布式電源的配電網，從兩類業主角度出發，提出一種平衡功能和經濟效益的儲能精細配置方法。文章分為雙層優化配置模型、雙層模型求解方法和算例分析3個主要章節展開討論。

1 儲能雙層優化配置模型

1.1 運行與規劃相結合的儲能配置模型

研究表明，儲能的規劃問題與運行策略相互影響，規劃若脫離運行，會造成投資成本過高，儲能設備利用率低的問題。而規劃與運行時間尺度不同，混合考慮將導致建模和求解規模龐大、邏輯復雜。文章考慮將規劃問題和運行問題分層優化，形成結構清晰、易于求解的雙層優化模型。

外層模型為規劃設計模型，以年為單位，內層模型則為運行控制模型，以天/小時/分鐘為單位。如圖1所示，外層模型的決策變量為安裝位置X、安裝額定功率S、容量E，目標函數為總投資費用fp最低；內層決策變量為影響運行控制的變量，目標為運行經濟性fc，內層模型考慮所有特征運行場景，每個場景含m個運行點(LFn1～LFnm)。內外層模型通過變量X，S，E關聯，求解結果滿足投資成本最低、運行收益最高以及運行約束。

圖1 儲能優化配置雙層模型示意Fig. 1 Double- layer model of Energy storage optimization configuration

1.2 規劃設計層模型

規劃設計層模型變量為儲能的位置、額定容量、額定充/放電功率，目標為規劃范圍內儲能的投資成本最低，約束為儲能安裝約束。

1.2.1 決策變量

1.2.2 目標函數

(1)

式中:cS，cE分別表示單位充/放電功率和單位容量成本。

1.2.3 約束條件

安裝位置限定：

xes∈Xcap

(2)

額定容量上下限：

(3)

(4)

安裝總容量限額：

(5)

(6)

1.3 運行控制層模型

運行控制層用于對具體運行過程建模，該層反映出儲能運行策略和配電網控制要求，由此計算出運行各階段的經濟成本和收益。因此，制定運行控制層的目標為運行總收益最大，變量為運行點狀態變量。

1.3.1 決策變量

決策變量設計如表1所示，包含節點/支路、場景、運行點3個維度。表中：i表示網絡節點；ij表示支路；Sc表示模擬場景；T表示總運行點數；t表示運行點。

表1 決策變量Table 1 Decision variable table

1.3.2 目標函數

F(Pes,Qes,V,F,Pline,Qline,Pgrid,Pcurl,Paban)=minfc

(7)

式中：fc為成本收益函數。

此處分別針對兩類業主建立2種成本收益函數。一類業主指有投資和運營可再生電源能力的公司，通過投資儲能獲取運行服務收益；二類業主是售電公司，其投資目的是延緩電網升級，獲取運行收益及其他間接收益。

(1) 一類業主經濟目標函數。

① 年運行維護成本[8]：

(8)

② 儲能售電收益：

(9)

③ 儲能輔助服務收益，表示儲能在未滿發時備用容量可提供輔助服務，即：

(10)

綜上，針對一類業主的目標函數表示為：

fc=w1f1-w2f2-w3f3

(11)

式中：wi為各部分成本/收益的權重系數，通過層次分析法獲得。

(2) 二類業主經濟目標函數。

① 運行維護成本與一類業主相同。

② 從上級電網購電成本：

(12)

③ 向上級電網售電收益：

(13)

④ 網絡損耗減小收益：

(14)

⑤ 停電損失減小收益，將減少用戶停電次數和頻率折算為收益：

(15)

綜上，針對二類業主的成本收益函數為：

fc=w1f1+w4f4-w5f5-w6f6-w7f7

(16)

1.3.3 約束條件

(1) 儲能運行約束：

(17)

(18)

Ees(t+1)=Ees(t)+Pes(t+1)·1

(19)

(20)

式(19)中：Emin表示儲能最小剩余容量的比值。

式(17)和式(18)[9]為儲能運行功率限制，式(19)和式(20)為儲能運行時的能量限制。

(2) 電網安全約束：

(21)

(22)

(23)

(24)

Vmin≤Vt≤Vmax

(25)

Fmin≤Ft≤Fmax

(26)

其中，式(21—24)為潮流方程約束，式(25，26)為節點電壓、線路潮流幅值約束。

(3) 其他約束：

0≤Pcur≤λPD

(27)

0≤Paban≤θPdg

(28)

式中：λ和θ分別為負荷可切除量和可再生能源可舍棄量比值。式(27，28)分別為負荷可切除量和可再生能源可舍棄量約束。

1.3.4 分布式電源和負荷數據處理

分布式電源與負荷的數據采用聚類法，將歷史數據聚類為有限個特征場景(Sc)帶入計算。

2 雙層模型求解方法

雙層模型的外層是一個典型的組合優化問題，內層為最優潮流問題，擬采用啟發式算法與求解器混合的方法來求解，平衡計算精度與計算速度。

2.1 內層模型求解方法

內層模型求解采用MATLAB-YALMIP工具進行模型的建立，調用GUROBI求解器[16]求解。

2.2 外層模型求解方法

外層規劃模型采用模擬退火法，是局部搜索算法的擴展，可在多項式時間里給出近似最優解。

基本計算過程是：(1) 任選一個初始解x0；xi=x0；k=0；t0=tmax。(2) 若在該溫度達到內循環條件，則到第(3)步；否則從鄰域N(xi)中隨機選一xj，計算Δfij=f(xj)-f(xi)，若Δfij≤0，則xi=xj；否則根據Metropolis準則，若e-Δfij/tk>random(0,1)時，則xi=xj；重復這一步。(3)tk+1=d(tk)；k=k+1；若滿足停止條件，終止計算；否則，回到第(2)步。

模擬退火算法的退火過程用“冷卻進度表”表示，包括控制參數的t的初值t0，即初始溫度的選取；控制參數t的衰減函數，即溫度下降的規則；馬氏鏈的長度Lk，即每個溫度馬氏鏈的迭代長度；控制參數t的終值tf，即終止準則。最終，由GUROBI求解器和模擬退火算法組成的雙層優化配置模型求解方法，其流程如圖2所示。

圖2 儲能系統優化配置模型求解流程Fig.2 Solving flow chart of energy storage system optimization configuration model

3 算例分析

3.1 算例

配置方法的驗證系統采用IEEE 33節點配電系統，如圖3所示。隨機接入適當容量的分布式電源，作為含分布式電源的配電網系統，驗證提出的儲能配置方法。從分布式電源滲透率、儲能配置數量和儲能投資方三個維度劃分算例場景，如表2所示。利用文中的優化配置方法對算例進行計算分析。

圖3 33節點配電系統網絡結構Fig.3 33 node distribution network system network structure diagram

場景劃分滲透率/%配置數量投資方1501一類業主2501二類業主3505一類業主4505二類業主51001一類業主61001二類業主71005一類業主81005二類業主

3.2 配置結果分析

8個場景的儲能優化配置結果如表3所示。結果表明，儲能主要配置在線路末端，容量隨分布式電源增加而增加，在有限的配置數量要求下，對分布式電源發出的電能實現了時間和空間上的遷移。

從配置位置和容量來看，配置集中式單個儲能時，儲能最優位置在線路末端；

配置分散式多個儲能時，儲能在接入分布式電源的線路上均勻分布，安裝總容量低于集中配置容量。分布式電源滲透率越高，分散配置比集中配置的安裝容量減少越多。因此，儲能小容量分散配置效率更高。

從成本收益看，對一類業主，大部分收益來源于輔助服務，且集中配置時更高，說明集中式儲能的容量利用率并不高，但能提供更多輔助業務，因此可根據不同場景選擇不同的配置方式。

對二類業主，儲能分散配置容量大于集中配置容量，而分散收益卻明顯較高，原因是其獲利渠道更多，長期運營累積收益更高。因而，若只考慮一次性投資成本，建議配置集中式儲能；若考慮運營收益則建議投入分散式儲能。

從表3中還可看出，配電網從上級電網的購電成本接近或等于零，說明通過儲能對分布式電源出力在時間和空間上進行了遷移，已經能夠很好地為本地負荷服務，從而減少配電網從上級電網的購電量，并將余電傳輸至上級電網。

表3 儲能優化配置結果Table 3 Energy storage optimization configuration results

場景編號安裝位置安裝容量/MW運維成本/萬元售電收益/萬元購電成本/萬元輔助服務收益/萬元網損減少收益/萬元1150.3748.0170.447—19.192—2140.1114.0571.0880.033—4.311319,25,30,32,330.1012.7580.101—4.183—47,13,18,20,300.3545.7292.0140—5.3385140.4152.9070.519—21.434—6210.0810.8494.2350—3.91673,10,18,21,320.1620.4380.172—6.966—816,21,27,32,330.4051.9194.4730—5.012

3.3 運行結果分析

運行結果采用分布式電源滲透率50%時，投資運營方為二類業主的場景為例進行分析。圖4和圖5分別表示某天充放電功率和系統能量曲線。圖4中Pes為正表示充電，為負表示放電。可以看出儲能的充放電規律，一天中00:00—07:00時和19:00—24:00時為儲能的充電時段，通過分布式電源或上級電網充電，此時負荷較小，且能保證配電網白天的供電質量。在圖5中也有所體現。08:00—18:00時為一天中負荷的用電高峰，儲能基本處于放電狀態，充電或不充不放的情況表示分布式電源發電功率較大，能夠完全滿足負荷需求。運行數據說明，儲能設備的利用率較高，無長期閑置或過度充放電情況，也證明通過文中優化方法得到的儲能容量符合運行需求。

圖4 滲透率為50%時的儲能充放電功率曲線Fig.4 Energy storage and discharge power curve when the penetration rate is 50%

圖5 滲透率為50%時的儲能能量曲線Fig.5 Energy storage energy curve when the penetration rate is 50%

圖6為某時刻投入儲能前后的節點電壓曲線，可以看出，儲能的投入將被分布式電源抬高的電壓拉回正常范圍內，提高了電壓合格率。

圖6 某時刻投入儲能前后節點電壓曲線Fig. 6 The voltage curve of the node before and after the energy storage

4 結論

針對分布式電源對配電網的諸多影響，結合運行控制與規劃設計兩個不同時間尺度的優化配置儲能方法，建立了包含運行和規劃兩個層面的精細優化配置模型，對兩類投資主體分別建立了經濟目標模型。同時采用模擬退火算法和商業求解器相結合的雙層求解方法求解模型，保留了模型的雙層特征，兼顧了精度與時間的要求，適合于大規模混合整數雙層優化模型的計算。結論如下：(1) 儲能分散配置較集中配置效率優、投資省；(2) 隨著分布式電源滲透率增加，儲能的配置容量并未同等增加，說明儲能的一次投資可以應對遠景分布式電源的增加；(3) 儲能的運行策略可以保證儲能充放有度，延長壽命。

[1] 王承民，孫偉卿，衣 濤，等. 智能電網中儲能技術應用規劃及其效益評估方法綜述[J]. 中國電機工程學報，2013(7): 33-41.

WANG Chengmin, SUN Weiqing, YI Tao, et al. Review on energy storage application planning and benefit evaluation methods in smart grid[J]. Proceedings of the CSEE, 2013(7): 33-41.

[2] 楊玉青，牛利勇，田立亭，等. 考慮負荷優化控制的區域配電網儲能配置[J]. 電網技術，2015(4): 1019-1025.

YANG Yuqing, NIU Liyong, TIAN Liting, et al. Configuration of energy storage devices in regional distribution network considering optimal load control[J]. Power System Technology, 2015(4): 1019-1025.

[3] 向育鵬，衛志農，孫國強，等. 基于全壽命周期成本的配電網蓄電池儲能系統的優化配置[J]. 電網技術，2015(1): 264-270.

XIANG Yupeng, WEI Zhinong, SUN Guoqiang, et al. Life cycle ost based optimal configuration of battery energy storage system in distribution network[J]. Power System Technology, 2015(1): 264-270.

[4] 黎靜華，文勁宇，程時杰，等. 基于p-有效點理論的含大規模風電電力系統最小儲能功率配置方法[J]. 中國電機工程學報， 2013(13): 45-52.

LI Jinghua, WEN Jinyu, CHENG Shijie, et al. Method of minimum energy storage power allocation for electric power systems with large-scale wind power based on p-efficient point theory[J]. Proceedings of the CSEE, 2013(13): 45-52.

[5] 梅生偉，王瑩瑩，劉 鋒. 風—光—儲混合電力系統的博弈論規劃模型與分析[J]. 電力系統自動化，2011(20): 13-19.

MEI Shengwei, WANG Yignying, LIU Feng. A game theory based planning model and analysis for hybrid power system with wind generators-photovoltaic panels-storage batteries[J]. Automation of Electric Power Systems, 2011(20): 13-19.

[6] 王成山，于 波，肖 峻，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.

[7] 嚴干貴，馮曉東，李軍徽，等. 用于松弛調峰瓶頸的儲能系統容量配置方法[J]. 中國電機工程學報，2012(28): 27-35.

YAN Gangui, FENG Xiaodong, LI Junhui, et al. Optimization of energy storage systems capacity for relaxing peak load regulation bottlenecks[J]. Proceedings of the CSEE, 2012(28): 27-35.

[8] 林少伯，韓民曉，趙國鵬，等. 基于隨機預測誤差的分布式光伏配網儲能系統容量配置方法[J]. 中國電機工程學報，2013(4): 25-33.

LIN Shaobo, HAN Minxiao, ZHAO Guopeng, et al. Capacity allocation of energy storage in distributed photovoltaic power system based on stochastic prediction error[J]. Proceedings of the CSEE, 2013(4): 25-33.

[9] 孫承晨，袁 越，San Shing Choi，等. 基于經驗模態分解和神經網絡的微網混合儲能容量優化配置[J]. 電力系統自動化，2015(8): 19-26.

SUN Chengchen, YUAN Yue, San Shing Choi, et al. Capacity optimization of hybrid energy storage systems in Microgrid using empirical mode decomposition and neural network[J]. Automation of Electric Power Systems, 2015(8): 19-26.

[10] 尤 毅，劉 東，鐘 清，等. 主動配電網儲能系統的多目標優化配置[J]. 電力系統自動化，2014(18): 46-52.

YOU Yi, LIU Dong, ZHONG Qing, et al. Multi-objective optimal placement of energy storage systems in an active distributionnetwork[J]. Automation of Electric Power Systems, 2014, 38(18):46-52.

[11] 顏志敏，王承民，連鴻波，等. 計及缺電成本的用戶側蓄電池儲能系統容量規劃[J]. 電力系統自動化， 2012(11): 50-54.

YAN Zhimin, WANG Chengmin, LIAN Hongbo, et al. Capacity plan of battery energy storage in user side considering power outage cost[J]. Automation of Electric Power Systems, 2012(11): 50-54.

[12] 李丹丹，蘇小林，閻曉霞，等. 儲能優化配置關鍵問題分析[J]. 電力建設，2016, 37(9):70-78.

LI Dandan, SU Xiaolin, YAN Xiaoxia, et al. Principal problems of energy storage optimization allocation[J]. Electric Power Construction, 2016, 37(9):70-78.

[13] 潘文霞，徐才華. 孤島風光柴蓄系統配置仿真及分析[J]. 江蘇電機工程，2008, 27(6):34-37.

PAN Wenxia, XU Caihua. The configuration simulation and analysis of hybrid diesel-wind-solar-battery power systems on isolated islands[J]. Jiangsu Electrical Engineering, 2008, 27(6):34-37.

[14] 張國玉，洪 超，陳杜琳，等. 面向儲能電站調度的光儲發電系統運行優化策略研究[J]. 電力工程技術，2017, 36(3)：50-56.

ZHANG Guoyu, HONG Chao, CHEN Dulin, et al. Operation optimization of photovoltaic-energy storage hybrid system based on scheduling of battery energy storage system[J]. Electric Power Engineering Technology, 2017, 36(3)：50-56.

[15] LEOU R. An economic analysis model for the energy storage system applied to a distribution substation[J]. International Journal of Electrical Power & Energy Systems. 2012, 34(1): 132-137.

[16] Gurobi Optimization，Inc. Gurobi optimizer reference manual，version 5.6[EB/OL]. [2013-01-01]. http：∥www.gurobi.com.

余 濤

余 濤(1972—)，男，江蘇常州人，高級工程師，從事電力系統及其自動化系統生產技術管理工作(E-mail：yutao@js.sgcc.com.cn)；

袁 簡(1991—)，女，江蘇鎮江人，碩士研究生，從事配電網規劃研究工作(E-mail：yuanjian@jspdi.com.cn)；

晏 陽(1988—)，男，云南宣威人，工程師，從事配電網規劃研究工作(E-mail：yanyang@jspdi.com.cn)；

趙清源(1989—)，男，江蘇常州人，工程師，從事電力系統及其自動化研究工作(E-mail：731596683@qq.com)。

(編輯江 林)

ATwo-layerDetailedOptimizationAllocationMethodofEnergyStorageinActiveDistributionNetwork

YU Tao1, YUAN Jian2，YAN Yang2，ZHAO Qingyuan1

(1. State Grid Changzhou Power Supply Company, Changzhou 213003, China；2. China Energy Engineering Group Jiangsu Power Design Institute，Nanjing 211102, China)

A two-layer detailed optimization method is proposed for the allocation of energy storage capacity and location, combining the distribution network operation and planning. A two-layer planning model is established and the corresponding solution method is proposed. The configuration results are obtained by optimizing the solution. The allocation model takes the cost of active distribution network as the goal. Different cost-economic models were made for different energy storage investors, realizing differentiation goal optimization allocation. As for the distribution network with high penetration of distributed power, the proposed method can solve problems of low qualified rate of distribution network voltages and waste of renewable resources. Therefore, the reliability and power quality of the distribution network can be improved effectively.

active distribution network; energy storage allocation; detailed optimization; two-layer model; differentiation goal

TM727

A

2096-3203(2017)06-0111-06

2017-06-21；

2017-07-27

國家電網公司科技項目(SGTYHT16-JS-198)；中國能源建設集團科技項目(CEEC2015-KJ05)