一种平抑混联配电网波动的储能系统优化配置方法

技术领域

本发明涉及配电网技术领域，尤其是涉及一种交直流混联配电网储能系统多目标优化配置方法。

背景技术

随着近些年直流型电源和负荷在生活各个方面的广泛应用，直流配电网凭借高效率、高可靠性、高经济性等优势成为了新一代电网中的研究焦点之一，由于现在配电网中仍然是交流负荷占比最大，因此兼备两种配电网特点的交直流混合配电网是未来配网的主要研究方向。

现在关于交直流混联配电网中由于风电光电等新能源存在的波动性强的问题，国内外相关学者进行了多储能交直流配电网系统的设计与控制的研究蓄如针对可控负荷构建虚拟储能模型，通过设置不同的滤波常数分别平抑联络线功率中高频和低频部分，但该虚拟储能仅限于电热泵群体，并没有涉及更多例如电动汽车等领域；还有不同运行模式间的无缝切换控制策略，但是没有考虑到分布式二次协调控制应用；近年来又提出了利用混合储能系统中超级电容和蓄电池分别来平抑系统缺额功率高频波动和补偿低频波动，能够满足系统电能质量要求和负荷功率需求，但是需要额外增加滤波器装置，而且会减少蓄电池的工作寿命。现有技术中有采用电压分层控制策略，来延长蓄电池的使用寿命，但是设置储能系统工作的电压阈值会导致母线电压偏移额定值较多。

发明内容

有鉴于此，本发明的目的是针对现有技术的不足，提供一种交直流混联配电网储能系统多目标优化配置方法，从满足配电网安全运行和高效率的调用储能系统等方面综合考虑，进行储能系统的优化配置与调控运行，平抑配电网中功率波动的实际问题，降低由此可能导致的电网运行的安全隐患。

为达到上述目的，本发明采用以下技术方案：

一种平抑混联配电网波动的储能系统优化配置方法，包括以下步骤：

在约束条件下，建立交直流混联配电网的网络损耗之和函数模型和配电网节点电压偏差值之和函数模型，选取网络损耗之和最小与配电网节点电压偏差和最小作为目标函数；

计算交直流混联配电网拓扑下的潮流数据；

将潮流数据代入网络损耗之和函数模型和配电网节点电压偏差值之和函数模型中，计算目标函数的最优解，获取储能系统配置的节点与开关断时间。

进一步的，所述网络损耗之和函数模型为：

其中，ΔP

进一步的，所述配电网节点电压偏差值之和函数模型为：

其中，n为配电网节点个数，节点i∈{1，2，...，n}，U

进一步的，所述约束条件包括潮流约束、线路功率约束、节点电压约束、风机出力约束和光伏出力约束。

进一步的，采用交替迭代法计算交直流混联配电网拓扑下的潮流数据。

进一步的，采用NSGA-II算法计算目标函数的最优解。

本发明的有益效果是：

本发明提出了一种交直流混联配电网储能系统多目标优化配置方法，首先确立了潮流、线路功率、风机出力和光伏出力等约束的数学模型，其次使用交替迭代法计算出交直流混联配电网中的潮流数据，然后利用NSGA-II算法(即快速非支配排序遗传算法)对模型进行求解，最后输出结果为Pareto前沿下的最优解集，以及最优解集和其他可行解情况下的交直流混联配电网节点电压偏差值之和与网络损耗值之和的对比图，验算结果表明储能系统优化配置之后，配电网偏差值与网损都有明显减小，验证了本发明提出的最优化储能系统配置与平抑风光电并网产生的波动方法的可行性。

附图说明

图1为11节点交直流混合配电网拓扑图；

图2为风机与光伏日处理典型特性曲线；

图3为储能系统出力典型特性曲线；

图4为储能系统优化配置的步骤流程图；

图5f1与f2权重为1:1时的Pareto最优解集；

图6为使用储能前、优化储能前、优化储能后的电压偏差之和对比图；

图7为使用储能前、优化储能前、优化储能后的网络损耗值之和对比图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

风光功率具备与生俱来的间歇性与波动性，且难以精确预测，其大量接入增加了系统在各时间尺度上的不确定性，降低了运行效率，甚至可能导致“弃风弃光”。就目前来看，风光发电设备技术趋于成熟，发电成本也趋于合理，制约风电和光电发展的主要问题是并网问题。如图2所示，光伏出力跟随光照强度程现类二次曲线的出力波动，而风机更是由于风速的不确定性，导致风机出力及其不稳定，因此风机和光伏出力比起传统电机出力有很大的不确定性，需要对其产生的功率波动进行平抑。

而电池储能技术的快速进步为风电与光电并网提供了一种有效的技术选择，利用电池储能系统实现风光出力在时间坐标上的平移，如图3所示，在操作点1和操作点2进行状态间的切换，可以让储能系统在充电和放电间进行来回切换，从而对于负荷需求的达到“削峰填谷”的效果，从而改善能量间歇性、提高配电网运行稳定性。因此电池储能技术有望解决风光电并网引起的一系列问题，提高并网效益。

选择11节点的交直流混联配电网，如图1所示，内含2台换流器，3节点为整流器，5节点为逆变器，新能源风机光机，分别设置在8，9，10节点，储能系统配置在2，9，11节点，风机与光伏日出力参照图2，储能系统运作参照图3，该配电网以系统总容量S＝100kVA为基准值，储能配置的输出为20kW/h，逆变器和整流器的控制角分别为0.3239和0.3839，换相电抗和直流电阻均为14.5Ω和40Ω，其他负荷与线路参数见表1，以下算例的计算均以S为基准值进行其标幺值下的计算)，该拓扑图的每个节点的负荷需求会在一天内以1h为时间节点进行合理的上下波动。现在将三台同规格的储能装置引入该配电网进行功率的波动平抑，储能系统配置在2，9，11节点。

表1 11节点交直流混联配电网负荷与线路参数

S1、建立网络损耗之和函数模型和配电网节点电压偏差值之和函数模型

能够直观体现出交直流混联配电网运行性能的数值之一就是节点的电压偏差值以及线路间的网络损耗，本实施例将优化重心选在如何最大程度的降低配电网的网络损耗，以及降低储能系统调控时产生的配电网电压波动，保证配电网的安全稳定运行，因此本文选取优化目标函数为：网络损耗最小与配电网节点电压偏差和最小。

网络损耗之和函数模型为：

其中，ΔP

配电网节点电压偏差值之和函数模型为：

其中，n为配电网节点个数，本实施例中，n为11，节点i∈{1，2，...，n}，U

约束条件为：

1)潮流约束：系统的潮流存在

其中，j∈{1，2，...，n}，U

2)线路功率约束：

其中，P

3)节点电压约束：

P

Q

其中，P

4)风机出力约束：

P

P

式中：P

5)光伏出力约束：

光伏电机t时刻的实际出力P

其中，P

S2、计算交直流混联配电网拓扑下的潮流数据

为了计算网络损耗之和函数模型和电压偏差值之和函数模型的目标函数值，需要求解出交直流混联配电网拓扑下的潮流数据，本实施例使用交替迭代法进行该潮流的求解，计算步骤为：

1)计算交流网络潮流

节点i的潮流方程为

其中，δ

换流器功率注入在潮流偏差方程中为负值，同时还有负荷的功率要求，交流侧潮流偏差方程为：

其中，ΔP

2)第一次迭代时将交流系统与换流器设定为无损耗状态；

3)计算换流器潮流和损耗：

换流器损耗P

P

其中，P

I

若换流器发生越限，则对换流器进行越限处理。

4)计算直流网络潮流；

根据交流网络的潮流结果和换流器的功率及损耗，计算注入直流部分的功率P

其中，P

利用交替迭代法对直流网络的潮流进行迭代计算，直流部分的功率方程为：

5)判断松弛节点是否迭代收敛，若不收敛则更新节点潮流数据，重新进行迭代计算；若收敛，则得出交直流混联配电网潮流计算结果。

S3、将交直流混联配电网拓扑下的潮流数据代入网络损耗之和函数模型和电压偏差值之和函数模型中，计算目标函数的最优解。

运用NSGA-II算法可以很好地处理此处两个目标函数不能在同一情况下达到最优时如何选择最优解的问题，因此本实施例选择使用该算法进行模型的求解，利用NSGA-II算法进行交直流混联配电网储能系统优化配置的步骤流程如图4所示。

Step1：参与调控储能装置为3台同容量同型号同功率的BESS，且每一个节点最多存在一台。在11节点中随机选取N种情况，每种情况下某时间内在某节点将储能装置加入该节点进行调控，计算调控后的交直流混联配电网潮流，依据约束条件筛选出n种非劣解的解集后，即生成了初始的种群。

Step2：在初始种群(节点和时间)附近寻找另外的可行解(如节点2相关联的节点3，时间上13h附近的14h等)，对生成的新解也依据约束条件进行新一轮的筛选后，选出了第一代种群的非劣解，将第一代种群选出的非劣解与初始种群的解进行合并，合并后的种群为第二代种群，此时种群规模达到2n。通过快速非支配排序法对其排序，并且计算排序结果中处于同一等级的对象的拥挤度(例如节点7在15h时附近的非劣解数目大于节点7在9h时的非劣解数目，则可认为前者拥挤度高于后者)，依据个体的拥挤度以及它们之间的非支配关系得到新的父代种群，此时新的父代种群的规模为n。

Step3：对于新的父代种群重复步骤2，使进化以朝着非劣解均匀分布(即趋近于某几个节点，某几个时间)的方向进行，当种群的交叉，变异和遗传依次循坏直到父代种群迭代达到了预设的最大值，则跳出该算法循坏。

Step4：对于该算法最后一次迭代生成的种群中非支配排序等级为1的解的集合中使用模糊理论选择一个最优解。预先设定好两个目标函数(电压偏差值和与网络损耗)的最大值与最小值，计算出每个Pareto解中相应目标函数的满意度h

图5为认为选定目标函数一(电压偏差值之和)与目标函数二(网络损耗值之和)的权重为1:1的情况下，储能装置接入的最优解集图，将图4中代表性强的点进行A～F的标号，计算每个点所代表的该情况下储能配置的各项数值并进行表格汇总如下表2。

表2图5中代表性特征点解集对比表

从图5以及表2中可以很明显的看到，B点(表示储能接在节点2，6，7，放电时间分别在18～19h，11h～12h，22～23h)时是最接近权重占比(1:1)虚线的最优解。

为了更好的说明本文提出的方法的优越性，将B点的电压偏差值之和与网络损耗值之和数值与其他可行解但非Pareto前沿的最优解的某一配置情况下以及配置储能系统前整个配电网目标函数数值进行对比，对比图如图6和图7所示。

从图6与图7中，可以分析出，将储能系统进行优化配置后，所达到的平抑交直流混联配电网中功率波动的效果要明显优于优化配置之前。这也证明了本文实施例优化配置方法的有效性。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。