考慮儲能系統柔性接入的削峰填谷策略研究

班國邦，馬曉紅，歐陽澤宇，余云雯，袁旭峰，劉麗

(1.貴州電網有限公司電力科學研究院，貴陽 550002；2.南方電網公司防冰減災重點實驗室，貴陽 550002；3.貴州大學 電氣工程學院，貴陽 550025；4.貴州電網有限公司畢節供電局，貴州，畢節 551700)

隨著我國在能源消費結構升級和整治環境污染方面雙管齊下，可再生能源(Renewable Energy Source, RES)的應用得到長足發展，數據表明，2019年全球可再生能源總裝機容量達到2536.853 GW，同比增長175.792 GW；中國可再生能源總裝機容量達到 758.626 GW，其中風電和光伏裝機容量均超過 200 GW[1-2]。由此可見，高比例可再生能源并網已是大勢所趨。儲能系統(Energy Storage System，ESS)在配電網削峰填谷方面的優化已有很多研究。文獻[3]開展了儲能式充電樁和電網需求側響應的聯合優化調度研究。文獻[4]提出規模化分布式光伏并網條件下含儲能電站的優化調度方案，兼顧系統經濟性和風電優先調度的情況下，利用儲能電站實現了削峰填谷。文獻[5]創建了一種基于移動式儲能削峰填谷的雙層優化調度模型，以改進增強煙花算法進行求解，最終實現可靠性與經濟性的移動式儲能最優調度策略。文獻[6]為提升用戶端儲能投資和儲能運行的經濟效益，通過運行調度滾動優化方法在用戶側配置儲能裝置，進而實現對系統負荷的優化，降低了用戶用電成本。文獻[7]提出一種針對含高滲透率分布式能源的不平衡配網的儲能系統優化方法，把投資運維成本和降損及削峰填谷收益作為目標函數，采用混合算法求解證明了該模型有助于提升配電網優化運行的經濟性。以上文獻都是傳統固定式儲能系統對于配電網在削峰填谷方面的應用，而移動式儲能系統對于削峰填谷的應用也有一些研究[8-11]。

本文首先分析了儲能系統應用于配電網削峰填谷方面的優缺點，接著闡述了智能軟開關(Soft open point，SOP)能如何彌補儲能系統的缺點。因此，本文考慮一種儲能系統柔性接入的配電網削峰填谷策略研究，為更佳地應對分布式電源出力和負荷需求的不確定性，把儲能系統直接方便地接在智能軟開關中的直流電路上。最后對含柔性接入儲能系統的改進IEEE-33節點配電系統進行了仿真。

1 ESS柔性接入SOP的原理及其建模

1.1 ESS柔性接入SOP的原理

可再生能源接入網絡將會改變系統的潮流分布，且風電和光伏依賴風速和光照等天氣因數，具有較強的間歇性和可變性，其間歇性和可變性將會給配電網的安全穩定帶來巨大挑戰，譬如引起配電網的電壓越限和網損增加等問題。然而傳統配電系統的調節方式是有限的，面對間歇式分布式能源所帶來的相關難題，僅僅依靠傳統的調節設備顯然已經無法滿足配電系統精細化潮流控制的要求[12-14]。

儲能系統正深刻改變著電力與能源結構[15]。它能夠在充放電兩種運行模式之間進行靈活的轉換，因其時序能量調節作用，更能滿足配電網有功功率調節的需求。所以它有改善可再生能源可變性、間歇性的能力。因此，儲能系統常常用于配電網削峰填谷的優化運行，其靈活的充放電功率能平抑負荷曲線、提高可靠性、優化電能質量[16-17]。

但是儲能系統應用于削峰填谷優化，通常都是根據事先給定的調度方案進行充放電模式的控制，不能根據配電系統運行的實時狀態進行靈活調整。 然而智能軟開關(soft open point，SOP)的出現極大地改變了傳統配電網的結構。智能軟開關是一種安裝在傳統聯絡開關(TS)處的電力電子設備[18-21]，它具有很高的靈活性、可靠性特征，能精確控制其所連接兩側饋線的有功功率與無功功率，因此能有效應對可再生能源可變性出力等問題[22]。文獻[23]建立了含有智能軟開關的配電網運行優化模型，該模型從降損能力、改善電壓能力、應對高滲透率分布式電源變化的能力等方面驗證了智能軟開關的優點; 文獻[24]提出了基于多端智能軟開關的饋線負載平衡優化方法，以解決接入分布式電源所引發的饋線功率波動問題。智能軟開關有響應快、功率控制平滑的優點，最重要的是它能夠進行實時的功率控制，在某種程度上，有彌補儲能系統的優化作用。因此，本文考慮一種儲能系統柔性接入的配電網削峰填谷策略研究，為更佳地應對分布式電源出力和負荷需求的不確定性，把儲能系統直接方便地接入智能軟開關中的直流電路部分中。

鑒于此，文章建立ESS柔性接入SOP的有源配電網運行優化模型。SOP的基本拓撲結構如圖1所示，是背靠背電壓源型換流器(Back to Back Voltage Source Converter，B2B VSC)。

圖1 基于B2B VSC的SOP拓撲結構Fig.1 Topological structure of SOP based on B2B VSC

1.2 建模

在配電網中，將聯絡開關替換成SOP，將儲能系統接入SOP的直流部分，如圖2所示。

圖2 ESS接入SOP直流部分Fig.2 ESS connected to DC part of SOP

與傳統聯絡開關相比，SOP不僅僅響應速度更快、可改變功率傳輸的路徑，還能實時調節所連饋線的有功功率和無功功率的大小，避免了由于頻繁切換操作造成的潛在風險。SOP的控制信號是基于快速通信進行傳輸的，比如光纖或者無線網。由于本文研究的配電系統都是運行在正常的狀態下，選擇PQ-VdcQ作為SOP的控制方式[25]。

本文考慮到負荷曲線平滑度和電壓改善能力兩類指標，即以進行削峰填谷后配電網側負荷曲線方差值最小和電壓偏差最小為目標函數，采用專家打分法確定多目標評價體系的各目標權重，將DG中的儲能系統在一日內不同時間段的充放電功率和SOP的有功、無功功率作為求解的優化變量，并采用智能算法中的改進的粒子群算法求解，最終在改進的IEEE-33算例系統上檢驗該方法。

1.3 SOP約束方程

(1)SOP有功功率約束為

(1)

(2)

(2)SOP無功功率約束為

(3)

(3)SOP容量約束為

(4)

2 ESS柔性接入SOP的有源配電網模型

2.1 目標函數

以降低系統負荷曲線方差和改善電壓水平為綜合目標函數，保證系統電壓在期望水平的同時系統負荷曲線方差最小，以保證配網運行狀態的安全穩定。即規劃目標函數為

minf=αf1+βf2

(5)

式中：f1為配電網側日負荷曲線削峰填谷后的方差值；f2為電壓偏差值。α、β為各目標所占的權重大小值，且α+β=1。

(1)配電網側日負荷曲線削峰填谷后方差值最小

(6)

式(6)中n為日負荷采樣數，取值為24；t為采樣時間點，取1……24；PL(t)是t時配網側考慮可再生能源出力的負荷值；PES(t)是t時儲能系統的功率，為正則表示充電，為負則表示放電。

(2)電壓偏差最小

(7)

(Vi(t)≥Vmax,i‖Vi(t)≤Vmin,i)

式(7)中，N為配電網的節點總數;T為時間段總數;Vi(t)為t時段節點i電壓幅值；Vmax,i、Vmin,i分別為節點i電壓幅值上、下限。

2.2 約束條件

(1)儲能系統的功率約束

(8)

(9)

式中PD(t)為t時刻儲能出力值，Pmax_ch(t)，Pmax_dch(t)為儲能充電或者放電的功率最大值，ηc，ηd為充放電效率。

(2)儲能系統的容量約束

本文假設儲能調度周期內充放電容量平衡，即充電量等于放電量。

(10)

式中Sbat(t)代表t時刻的儲能系統容量，Sbat_max，Sbat_min分別為儲能系統容量上、下限。

(3)功率平衡約束:

(11)

(12)

式中：Pi、Qi分別為注入節點i的有功、無功功率;Ui、Uj分別為節點i、j的電壓幅值;Gij、Bij分別為導納矩陣的實部和虛部;θij為節點i、j的電壓相角差值;N為節點總數。

除此之外，還要滿足系統的潮流約束，本文采用改進的交直流潮流算法進行潮流計算[26-27]。

3 改進的粒子群算法

標準的粒子群優化(Particle Swarm Optimization, PSO)算法具有簡單、適應性強等特點。PSO中所有粒子都是所優化函數的可行解，所有粒子都會分享信息，從而使得每個粒子都可以優化自身的運動方式，找到全局最優解。其粒子迭代更新函數如下：

(13)

但是標準的粒子群算法中慣性權重w不變，為了提高算法的收斂速度，要選擇一個合適的慣性權重w。分析式(13)可知，若w比較大便于跳出局部最優，有助于搜索全局最優；相反，若w比較小便于開展局部搜索，可搜索局部最優。本文采用線性下降的方式進行處理，如式(14)所示：

(14)

式中：wmax、wmin為權重最大、最小值；kmax為最大迭代數，kt為當前迭代數。

算法流程圖如下所示。

(1)輸入配電網系統模型參數，包括風電機組、光伏電源的配置參數，儲能系統的配置參數，智能軟開關的配置參數，日負荷預測出力曲線，可再生能源預測出力曲線；

(2)設定PSO參數，包括最大迭代次數imax，種群數N，變量個數V，變量上下限popmax、popmin，慣性權重的最大值與最小值等；

(3)選取第i個粒子，進行交直流潮流計算，得到目標函數值；

(4)把目標函數值作為第i個粒子的適應度值；

(5)更新粒子的速度和位置，生成新的種群，以進行下一次迭代計算；

(6)直到目標函數值收斂，得到最優粒子，即得到儲能系統一日內的充放電功率方案。

圖3 算法流程圖Fig.3 Algorithm flowchart

4 算例分析

為檢驗本文所提方法，用IEEE-33配電系統進行驗證。根據我國電能質量國家標準[28]，節點電壓的最大取值、最小取值分別為 1.05UN、0.95 UN(UN為電網基準電壓)。考慮到接入分布式電源后的影響，在該系統的節點7接500kW的光伏電源以及在節點32接750kW的風電機組，且它們均在單位功率因數下運行，其配置參數如表1所示。將SOP替代原來聯絡開關TS1的位置，在SOP的直流部分接入儲能系統，修改后的IEEE-33配電系統如圖4所示。

表1 分布式能源配置參數Tab. 1 Installation parameters of DG

圖4 33節點柔性配電網絡Fig.4 Diagram of 33-node flexible distribution network

本文以小時為單位，通過負荷預測方法得到系統負荷日運行曲線，如圖5所示。同理可得圖6，即可再生能源日預測出力曲線。儲能系統參數如表2所示。SOP的投建容量為 750 kVA ，且無功功率的上限為500kvar。權重系數 α、β由專家打分法確定。

圖5 日負荷預測曲線Fig.5 Predicted curve of Daily load

圖6 可再生能源預測出力曲線Fig.6 Predicted output curve of renewable energy

表2 儲能系統參數Tab.2 Energy storage device parameter

為證明考慮ESS柔性接入SOP的方法的作用，選取以下三種情況進行對比分析，在 MATLAB R2016b平臺上通過編程，利用改進的粒子群算法進行求解。

情況一: 不接入智能軟開關與儲能系統；

情況二: 只接入智能軟開關；

情況三: 接入智能軟開關，并把儲能系統接入智能軟開關直流部分。

三種情況下的全天優化結果如圖 7、圖 8、表3所示，儲能優化結果如圖8所示。

圖7 節點18在不同情況下的電壓分布Fig.7 Voltage profile of node-18 under different cases

圖8 儲能系統接入前后負荷特性曲線Fig.8 The load characteristic curves of energy storage system before and after access

表3 電壓偏差值Tab. 3 Voltage deviation value

由于在IEEE-33節點正常工況下，在可再生能源和儲能系統均未配置時，配電網系統節點電壓偏差比較大，節點 18 位于系統的最末端，電壓值最低，為 11.56 kV，已超出國家標準要求(電壓偏差不得超過額定電壓的±5%)。因此在考察儲能系統柔性接入智能軟開關對于改善電壓質量能力時，以18節點為觀察點進行分析討論。

首先由圖7的18節點電壓分布圖可知，情況一的電壓最不穩定、波動最大，甚至出現電壓越限情況，某幾個時刻電壓標幺值已低于國家標準0.95UN。原因是情況一沒有接入智能軟開關和儲能系統，只接入了風能機組和光伏電源，而風能機組和光伏電源具有較強的間歇性和可變性，極易引起配電網的電壓越限和網損增加等問題。情況二的電壓波動得到了微微減緩，但在個別時段電壓也出現了越限。原因是情況二只接入了智能軟開關，雖然智能軟開關能夠實時調節所連饋線的有功功率和無功功率，一定程度上能夠減緩風電和光伏間歇性與可變性所帶來的電壓越限問題，但是由于沒有接入儲能系統，改善電壓水平的能力依舊有限。相比于情況一、情況二，情況三的電壓全部滿足要求，均在我國電能質量國家標準內，并沒有出現越限情況。所以就以節點18的電壓分布來說，不論在何種時段，本文所提方式，即把儲能系統柔性接入智能軟開關直流部分的方法均能有效改善該節點的電壓分布，有效提高系統的電壓水平。

其次由表3，電壓偏差值表可知，情況一，即在不接入智能軟開關與儲能系統，系統中只配置光伏電源和風能機組時，節點電壓偏差值為1.1519；情況二，即接入智能軟開關，只配置光伏電源和風能機組時，節點電壓偏差值為0.6281；情況三，即儲能系統柔性接入智能軟開關時，節點電壓偏差值為0。顯然本文所提方法，不論從單個節點觀察，還是所有節點電壓偏差值觀察，都能有效提高電壓質量，具有很強的改善電壓水平的能力。

儲能系統接入前后配電網系統負荷特性曲線如圖8所示。由圖8可知：儲能系統柔性接入智能軟開關直流部分后，在配電網負荷較低時，儲能充電以增加負荷，在配電網負荷較高時，儲能放電以減小負荷。原始負荷曲線峰值是3639.4 kW，儲能系統柔性接入智能軟開關直流部分后的負荷峰值是2734 kW，減小了24.88%；原始負荷曲線負荷最小值是704.83kW，儲能系統柔性接入智能軟開關直流部分后的負荷最小值是463.54kW，減小了34.23%；原始負荷曲線峰谷差2934.5kW，儲能系統柔性接入智能軟開關直流部分后的負荷曲線峰谷差是2270.5kW，減小了22.63%，由此可見，本文所提的方法，即儲能系統柔性接入智能軟開關的方法可以起到削峰填谷的效果，不僅僅提高了可再生能源的消納能力，還有效抑制了負荷曲線的波動，整體上提高了供電可靠性并對電能質量進行了有效的優化。

圖9是儲能系統的SOC曲線、充放電功率曲線。可見，負荷低谷時段，儲能系統充電使得SOC逐漸上升；負荷高峰時段，儲能系統放電使得SOC逐漸降低；且SOC的值一直保持在規定的范圍內。為更好地保障儲能裝置的使用壽命，防止其發生過充、過放，SOC變化范圍應保持在10%～90%。為保證第二天儲能系統能正常運行，儲能裝置在每天的初始時間與末尾時間電量都保持在初始值，即500kWh。

圖9 儲能系統出力與SOC曲線Fig.9 Energy storage system output and SOC curve

5 結論

本文同時考慮儲能系統柔性接入智能軟開關作用于削峰填谷在平滑負荷曲線和電壓改善能力兩方面的性能，提出了一種有源配電網運行的多目標優化模型，并采用智能算法中的改進的粒子群算法進行求解。利用IEEE-33配電網絡系統，對不接入SOP與ESS、僅接入 SOP、ESS柔性接入SOP三種方式進行了對比研究，算例說明了ESS柔性接入SOP的方式可以有效實現配網系統的削峰填谷，并能提升配電網的電壓質量和經濟效益。如何應對可再生能源隨機性出力，解決其間歇性和可變性給配電網的安全穩定帶來的巨大挑戰；如何在接入大容量儲能裝置的基礎上，利用柔性互聯電力電子開關，提升配電系統的可控水平和可再生能源的消納能力，是當前配電網研究的熱點。目前本文研究的系統是單電源系統，下一步研究可以對多電源點系統進行開展，考慮儲能系統柔性接入多電源點系統的削峰填谷優化。