一种电力配网模块化可移动电池储能MMBES优化配置方法

技术领域

本发明属于电力配电系统领域，涉及一种电力配网模块化可移动电池储能MMBES优化配置方法。

背景技术

目前，在电力系统中配置储能大致有三类场景。文献1(王静，刘文霞，李守强，等.计及机组降损收益的电源侧电池储能调频/调峰经济效益评价方法[J].电网技术，2020，44(11)：4236-4245)、文献2(高建瑞，李国杰，汪可友，等.考虑储能充放电功率限制的并网光储虚拟同步机控制[J].电力系统自动化，2020，44(4)：134-141)将储能配置在电源侧，可以参与调频、调峰，同时为光伏虚拟同步机提供惯性和阻尼支撑，以消除光伏出力与功率指令之间的偏差、抑制功率波动。文献3(赵乙潼，王慧芳，何奔腾，等.面向用户侧的电池储能配置与运行优化策略[J].电力系统自动化，2020，44(6)：121-128)将储能配置在用户侧，基于大工业用户的峰谷电价，采用低储高发的运行策略、降低用户用电成本。电网侧配置储能根据运行策略的不同可获得多种收益。文献4(刘文霞，杨梦瑶，王静，等.基于运行策略智能生成方法的增量配电系统储能优化配置[J/OL].中国电机工程学报：1-12[2021-05-13].https://doi.org/10.13334/j.0258-8013.pcsee.200655)针对增量配电网的储能配置问题，通过对延缓改造、降低网损、提高可靠性、调频、调峰等多种用途下单位容量储能收益的量化分析，提出了以效益最大化为目标的运行策略自动生成方法，并进一步优化了储能容量。文献5(李振坤，李一骄，张代红，等.储能设备对有源配电网供电可靠性的影响分析及优化配置[J].电网技术，2018，42(11)：3676-3683)基于削峰填谷运行策略，仿真计算故障时储能的荷电状态(state of charge，SOC)以及减少的停电损失，并以可靠性收益与配置成本的比值最大化为目标提出了储能优化配置方法；文献6(彭春华，陈露，张金克，等.基于分类概率机会约束IGDT的配网储能多目标优化配置[J].中国电机工程学报，2020，40(9)：2809-2819)以配网电压稳定性最大化和投资成本最小化为多目标，构建了基于信息间隙决策理论的配电网储能鲁棒优化配置模型，提高了模型的实用性。

上述储能均配置在固定位置，为了进一步提高储能应用的灵活性，国内外针对可移动储能开展了初步研究。文献7(张璐，黄睿，王照琪，等.考虑恢复力与经济性均衡的配电网移动储能优化配置策略[J].电力系统自动化，2020，44(21)：23-31)中，电网公司配置储能，使其在正常情况下低储高发套利、台风灾害下参与故障恢复，并基于经济性与恢复力的博弈优化了移动储能容量，但现实中电网公司在网侧配置的储能难以参与低储高发套利。文献8(Abdeltawab H，Mohamed A.Mobile energy storage sizing and allocation formulti-services in power distribution systems[J].IEEE Access，2019，7：176613-176623)提出了一种利用可移动储能解决配电网不同区域拥塞的方法。文中基于日内运行状态，优化移动式储能接入时段、位置和容量，使其通过低储高发、促进风电消纳、调节电压和减小网损来实现利润最大化。由于电网拥塞位置和时段通常相对固定，该文中储能频繁移动带来的收益与成本相比可能相差不大或入不敷出。文献9(Xu W，Tang Q，Li T，etal.Optimal investment of mobile energy storage based on life cycle cost-benefit analysis[C]//2019IEEE 3rd Conference on Energy Internet and EnergySystem Integration(EI2).IEEE，2020：508-513)中售电公司投资购买移动储能车，并向用户提供短期故障应急和长期调峰两种服务，通过租赁的方式来获利，但业务需求和储能成本成为制约售电公司投资获益的重要因素。综上可见，移动储能的价值是能够应对拥塞和灾害等随机事件，并通过灵活应用获得多种收益，因此随机事件的不确定性以及多收益决策偏好是储能配置的重要影响因素。

本发明的目的即在于应对现有技术的不足，以电网公司配置模块化可移动电池储能为研究场景，提出了一种考虑综合效用和主观认知差异性的配电网储能优化配置方法。

发明内容

本发明提供了一种电力配网模块化可移动电池储能MMBES优化配置方法，包括以下步骤：

步骤1：设定电力配网模块化可移动电池储能MMBES在正常、故障和极端场景下相应的运行方式及协调方法；其中，模块化可移动电池储能MMBES由若干个可独立供电的储能模块并联构成，每个储能模块由电池单元串并联集成安装在集装箱内，并提供多种电气接口，具备与电网即插即用的能力；当MMBES系统正常运行和设备随机故障时，所述储能模块并联组合配置在变电站中，获取减小网损、提高配网供电可靠性及延缓电网升级改造的收益；当电力系统遭受台风、地震或恶意攻击导致局部停电且需要一定恢复时间的情况下，MMBES通过拆分、运输，为重要区域或用户提供临时供电支撑，减少停电损失；

步骤2：通过分析可获得的收益类型，提取出与所述可移动电池储能MMBES的优化配置相关的配网输电损耗、配网供电可靠性、电网扩建投资、极端场景停电损失以及配置MMBES成本共5种属性，考虑极端场景的不确定性，基于前景理论，以综合前景值最大为目标建立储能的优化配置模型；

步骤3：分别建立配网输电损耗、配网供电可靠性、电网扩建投资、极端场景停电损失以及配置MMBES成本5种属性的前景模型；

步骤4：采用差分进化算法求解所提非线性优化模型。

优选地，在所述步骤2中，综合前景值V由价值函数v(x)和权重函数π(p)共同决定：

式中：V为决策对象的综合前景值；π

以MMBES运行周期内综合前景值V最大为目标，针对所述配网输电损耗、配网供电可靠性、电网扩建投资、极端场景停电损失以及配置MMBES成本这5种属性，建立优化数学模型如式(2)-(5)所示，其中式(3)-(5)为约束条件：

maxV＝ω

式中：V为电网公司配置MMBES的综合前景值；V

在所述约束条件式(3)-(5)中，式(3)为系统有功平衡约束，p

当属性相对于参考点为收益时，决策者表现为风险规避，此时，价值函数为凸函数；当属性相对于参考点为损失时，决策者表现为风险偏好，此时，价值函数为凹函数，且等量的损失与收益给决策者带来的痛苦大于愉悦；决策权重表示不确定性事件结果概率P的主观权重，对于小的概率，决策者倾向于赋予大于原本概率的权重；对于大的概率，决策者则倾向于赋予小于原本概率的权重；所述决策者的价值函数的具体表达式分别如下：

1)当属性为“收益”时，决策者的价值函数表示为如式(6)所示：

v

2)当属性为“损失”时，决策者的价值函数表示为如式(7)所示：

v

式中：x

所述决策者的权重函数的具体表达式分别如下：

1)当属性为“收益”时，表示为如式(8)所示：

π

2)当属性为“损失”时，表示如如式(9)所示：

π

式中：p表示属性在不确定性场景下表现为“收益”或“损失”的概率；参数γ和δ分别为决策者面对“收益”和“损失”时的风险态度系数；

所述场景的不确定性表现为极端场景发生概率与停电时间的不确定性，即除极端场景停电损失外，其余属性相对于参考点表现为“收益”或“损失”的概率为1或0，与之相对应的权重函数π(p)也为常数1或0，极端场景下减少停电损失属性的价值函数及权重函数服从概率密度函数。

优选地，所述步骤3包括以下子步骤：

子步骤S31：基于功率差控制策略的配电网降损前景模型；将配电网降损的价值v(E

式中：E

N

式中：N

在电网正常运行时采用削峰填谷功率差控制策略，MMBES在满足式(13)-(15)的基础上每天充分循环一次，并根据配置容量与SOC约束确定开始充放电功率P

S

|p

子步骤S32：构建设备随机故障时提高配电网可靠性前景模型，具体为，在变电站内配置MMBES，当高压侧电网或站内变压器故障时，MMBES在故障恢复期间向处于同一孤岛的负荷供电，提升配电系统可靠性；配电网可靠性属性表现为确定性，将提升供电可靠性的价值v(E

式中：E

选取缺供电量期望值EENS作为配网可靠性评估指标，表示为如式(17)所示：

式中：ΔE

采用解析法中的故障后果分析法作为可靠性评估方法进行计算，在步骤2所述的运行策略的基础上对各典型日负荷下MMBES的SOC进行统计，得到不同SOC水平的概率，再分别计算各个SOC水平下配网的可靠性，最后加权得到总可靠性，具体为，将EENS的具体计算公式表示为如式(18)-(21)所示：

式中：J为不同SOC水平的场景类数；A为典型日负荷下MMBES的SOC样本总数；a

子步骤S33：构建基于可信容量的延缓电网扩建投资的前景模型，具体是，将延缓电网扩建投资的价值v(E

式中：E

采用有效载荷能力指标评估MMBES的可信容量，具体关系如式(25)所示：

R(L

式中：R和R′分别为配置MMBES前后配电网可靠性，评估指标EENS的计算参考式(18)-(21)；L

子步骤S34：构建极端场景下减少停电损失前景模型；所述极端场景包括当电力系统遭遇极端天气或军事打击而大面积停电；所述极端场景下MMBES根据实际故障情况拆分成若干个独立供电单元，优先保障备用电源故障的一级负荷，如有余量再保障部分无备用电源的二级负荷，保障优先级从生命安全、国家安全和经济损失三个维度综合衡量，尽可能减少停电损失；所述极端场景下减少停电损失属性与场景发生的概率和停电时间相关，所述减少停电损失属性服从一定的概率分布而非确定值；

当所述减少停电损失属性具有不确定性时，价值函数应在式(6)和式(7)的基础上做出改进，具体如式(26)所示，当权重函数表达式中属性为“收益”或“损失”的概率p不再为1或0，而是根据属性服从的概率密度函数和参考点，由式(27)和式(28)分别计算“收益”和“损失”的预期概率：

p＝F(+∞)-F(x

p＝F(x

式中：f(x)为属性服从的概率密度函数；F(x)为属性服从的分布函数；

结合式(8)和式(9)与式(26)-(28)，得到极端场景下减少停电损失的前景模型V

式中：E

式中：N

子步骤S35：构建考虑回收处理的全寿命周期成本前景模型，构建配置MMBES的全寿命周期成本前景模型，具体是，当成本大于参考值时决策者心理感知为“损失”，小于参考值时感知为“收益”；所述MMBES的全寿命周期成本属性表现为确定性，将配置MMBES成本的价值v(C

式中：C

所述MMBES的全寿命周期成本C

C

初始投资建设成本C

C

式中：c

运行维护成本C

式中：c

报废后的回收处理成本C

式中：c

优选地，所述步骤4中将决策变量处理为连续型变量，采用差分进化算法求解所提非线性优化模型，具体包括如下步骤：

1)输入基础参数，初始化决策变量S

2)设置各属性参考点E

3)设置初始迭代次数n为1；

4)设置初始种群数m为1；

5)按照图2所示策略运行，计算各典型日负荷下MMBES的充放电功率，统计储能SOC置于各区间的概率；

6)根据式(10)-(12)计算配网降损前景值；

7)计算配置MMBES前系统可靠性，根据式(16)-(21)建立配置MMBES后配网可靠性模型并计算提高配网可靠性前景值；

8)在步骤7)可靠性模型的基础上，根据式(25)计算MMBES的可信容量，从而根据式(22)-(24)计算延缓电网升级改造前景值；

9)在步骤5)的基础上计算MMBES的剩余电量期望，并根据式(29)-(31)计算极端场景下减少停电损失前景值；

10)根据式(32)-(36)计算全寿命周期成本前景值；

11)在步骤6)、7)、8)、9)、10)的基础上根据式(2)-(5)计算并输出综合前景值；

12)若m≤M

13)若n≤N

附图说明

图1是计及主观认知的MMBES优化配置的决策者的权重曲线图。

图2是在电网正常运行时采用削峰填谷功率差控制策略的运行效果图。

图3是采用有效载荷能力指标评估MMBES的可信容量的计算流程图。

图4是采用差分进化算法求解本发明所提非线性优化模型的流程图。

具体实施方式

以下结合附图详细阐述本发明的具体实施方式，本领域技术人员应当理解，此处仅是示例性的阐述本发明的优选实施例，而不应视作是对本发明的限定。

本发明提供了一种电力配网模块化可移动电池储能优化配置方法，具体包括以下步骤：

步骤1：设定电力配网模块化可移动电池储能在正常、故障和极端场景下相应的运行方式及协调方法；其中，模块化可移动电池储能(modular mobile battery energystorage，MMBES)由若干个可独立供电的储能模块并联构成，每个储能模块由电池单元串并联集成安装在集装箱内，并提供多种电气接口，具备与电网即插即用的能力。当储能系统正常运行和设备随机故障时，储能模块并联组合配置在变电站中，获取减小网损、提高配网供电可靠性及延缓电网升级改造的收益。当电力系统遭受台风、地震或恶意攻击等事件导致局部停电且恢复时间较长的情况下，MMBES可通过拆分、运输，为重要区域或用户提供临时供电支撑，减少停电损失。这样，储能可以在正常、设备故障、灾害等多场景下实现多种效用，在不增加额外投资的情况下，提高配电网弹性。

步骤2：通过分析可获得的收益类型，提取出与所述移动储能的优化配置相关的5种属性，考虑极端场景的不确定性，基于前景理论，以综合前景值最大为目标建立储能的优化配置模型。计及主观认知的MMBES优化配置模型的构建过程如下：

有别于传统的期望效用理论，前景理论认为决策者并非完全理性，决策对象的收益与损失的量值及概率与决策者设定的基准值相关。前景值V由价值函数v(x)和权重函数π(p)共同决定：

式中：V为决策对象的综合前景值；π

电网公司在网侧配置储能不能参与电力市场，本发明提取出与储能相关的5种属性，分别为配网输电损耗、配网供电可靠性、电网扩建投资、极端场景停电损失以及配置MMBES成本。考虑到规划人员的主观认知及极端场景的不确定性因素，引入前景理论，以MMBES运行周期内综合前景值最大为目标，建立优化数学模型如式(2)所示，式(3)-(5)为约束条件：

maxV＝ω

式中：V为电网公司配置MMBES的综合前景值；V

约束条件中，式(3)为系统有功平衡约束：p

决策者的主观认知并非毫无规律可寻，当属性相对于参考点为收益时，决策者表现为风险规避，价值函数为凸函数；当属性相对于参考点为损失时，决策者表现为风险偏好，价值函数为凹函数，且等量的损失与收益给决策者带来的痛苦大于愉悦。决策权重表示不确定性事件结果概率P的主观权重，对于小的概率，决策者倾向于赋予大于原本概率的权重；对于大的概率，决策者则倾向于赋予小于原本概率的权重，如图1所示。

(1)价值函数在不同属性下的具体表达式分别如下：

1)当属性为“收益”时，表示为如式(6)所示：

v

2)当属性为“损失”时，表示为如式(7)所示：

v

式中：x

(2)权重函数在不同属性下的具体表达式分别如下：

1)当属性为“收益”时，表示如如式(8)所示：

π

2)当属性为“损失”时，表示如如式(9)所示：

π

式中：p表示属性在不确定性场景下表现为“收益”或“损失”的概率；参数γ和δ分别为决策者面对“收益”和“损失”时的风险态度系数。

场景的不确定性表现为两个方面，一是分布式电源与负荷发展的不确定性，二是极端场景发生概率与停电时间的不确定性，本发明重点考虑后者，即除极端场景停电损失外，其余属性相对于参考点表现为“收益”或“损失”的概率为1或0，与之相对应的权重函数π(p)也为常数1或0。极端场景下减少停电损失属性的价值函数及权重函数应结合服从的概率密度函数，在式(6)-(9)的基础上进行补充完善。

步骤3：分别建立配电网降损、可靠性提升、延缓电网扩建、极端场景下减少停电损失以及配置成本属性的前景模型.

其中，各个模型的建立方法具体如下：

子步骤S31：基于功率差控制策略的配电网降损前景模型。站内配置MMBES会影响变电站上级电网及站内变压器的损耗，当运行策略一定且不考虑误差的情况下，配电网降损值与决策变量为确定的一一对应关系。因此，配电网降损的价值v(E

式中：E

N

式中：N

配网降损效果与MMBES运行策略相关，MMBES运行得当能够均衡负荷高峰时段与负荷低谷时段配电网主干线路及配变内的电流，从而减小网络损耗。本发明在电网正常运行时采用削峰填谷功率差控制策略，运行效果如图2所示。MMBES在满足式(13)-(15)的基础上每天充分循环一次，并根据配置容量与SOC约束确定开始充放电功率P

MMBES运行满足如下式(13)-(15)所示：

S

|p

子步骤S32：构建设备随机故障时提高配电网可靠性前景模型，具体为，在变电站内配置MMBES，当高压侧电网或站内变压器故障时，MMBES可以在故障恢复期间向处于同一孤岛的负荷供电，提升配电系统可靠性。配电网可靠性属性表现为确定性，提升供电可靠性的价值v(E

式中：E

选取缺供电量期望值EENS(expected energy not supplied)作为配网可靠性评估指标，表示为如式(17)所示：

式中：ΔE

可靠性评估方法主要分为解析法和模拟法两大类，电池储能具有时序性，但在优化问题中采用蒙特卡洛抽样模拟耗时较长，因此，本实施方式中采用解析法中的故障后果分析法进行计算。MMBES的剩余电量取决于实际运行情况且直接影响设备随机故障时的故障后果，因此，应当在步骤2所述的运行策略的基础上对各典型日负荷下MMBES的SOC进行统计，得到不同SOC水平的概率，再分别计算各个SOC水平下配网的可靠性，最后加权得到总可靠性。

EENS的具体计算公式如式(18)-(21)所示：

式中：J为不同SOC水平的场景类数；A为典型日负荷下MMBES的SOC样本总数；a

子步骤S33：基于可信容量的延缓电网升级改造前景模型；延缓电网升级改造的传统评估方法是根据配置储能前后系统最大负荷削减率来衡量延缓扩建的年数，但由于储能本身存在故障概率，不能时刻保证电网满足N-1原则，此方法计算的收益会大于实际情况。储能的可信容量是指在等可靠性水平下可以替代的供电容量，能够更准确地衡量MMBES对电网的贡献及其替代价值。

延缓电网扩建属性表现为确定性，延缓电网升级改造的价值v(E

式中：E

基于等可靠性原则，采用有效载荷能力指标评估MMBES的可信容量，具体关系如式(25)所示：

R(L

式中：R和R′分别为配置MMBES前后配电网可靠性，评估指标EENS的计算参考式(18)-(21)；L

子步骤S34：极端场景下减少停电损失前景模型；当电力系统遭遇极端天气或军事打击而大面积停电时，保障重要负荷正常供电十分必要。MMBES可根据实际故障情况拆分成若干个独立供电单元，优先保障备用电源故障的一级负荷，如有余量再保障部分无备用电源的二级负荷，保障优先级应从生命安全、国家安全和经济损失三个维度综合衡量，尽可能减少停电损失。极端场景下减少停电损失属性与场景发生的概率和停电时间相关，由于以上两个因素具有不确定性，减少停电损失属性服从一定的概率分布而非确定值。

当属性具有不确定性时，价值函数应在式(6)和式(7)的基础上做出改进，具体如式(26)所示，当权重函数表达式中属性为“收益”或“损失”的概率p不再为1或0，而是根据属性服从的概率密度函数和参考点，由式(27)和式(28)分别计算“收益”和“损失”的预期概率：

p＝F(+∞)-F(x

p＝F(x

结合式(8)和式(9)与式(26)-(28)，得到极端场景下减少停电损失的前景模型V

式中：E

式中：N

子步骤S35：构建考虑回收处理的全寿命周期成本前景模型。配置MMBES的全寿命周期成本属于支出，当成本大于参考值时决策者心理感知为“损失”，小于参考值时感知为“收益”；全寿命周期成本属性表现为确定性，配置MMBES成本的价值v(C

式中：C

全寿命周期成本C

C

初始投资建设成本C

C

式中：c

运行维护成本C

式中：c

报废后的回收处理成本C

式中：c

步骤4：采用差分进化算法求解所提非线性优化模型。

鉴于储能电池尚无统一规格，本发明将决策变量处理为连续型变量，采用差分进化算法求解所提非线性优化模型，流程如图4所示，具体步骤如下：

1)输入基础参数，初始化决策变量S

2)设置各属性参考点E

3)设置初始迭代次数n为1；

4)设置初始种群数m为1；

5)按照图2所示策略运行，计算各典型日负荷下MMBES的充放电功率，统计储能SOC置于各区间的概率；

6)根据式(10)-(12)计算配网降损前景值；

7)计算配置MMBES前系统可靠性，根据式(16)-(21)建立配置MMBES后配网可靠性模型并计算提高配网可靠性前景值；

8)在步骤7)可靠性模型的基础上，根据式(25)计算MMBES的可信容量，从而根据式(22)-(24)计算延缓电网升级改造前景值；

9)在步骤5)的基础上计算MMBES的剩余电量期望，并根据式(29)-(31)计算极端场景下减少停电损失前景值；

10)根据式(32)-(36)计算全寿命周期成本前景值；

11)在步骤6)、7)、8)、9)、10)的基础上根据式(2)-(5)计算并输出综合前景值；

12)若m≤M

13)若n≤N

综上所述，相较于现有技术，本发明具有以下技术效果：

(1)站在电网主体角度，提出了模块化储能在正常、故障、极端三种场景下协调应用的思路，具体为：MMBES在配网正常时削峰填谷运行、设备随机故障时向可转供负荷供电、极端场景下拆分运输至重要负荷处应急，不仅提高了储能的综合效用，而且增加了配电网的弹性；(2)针对上述三种场景产生的多种效益，考虑极端场景的不确定性及决策者对各种效益的主观偏好，本发明引入前景理论，以综合效益前景值最大为目标建立了MMBES优化配置模型；

(3)提出了配电网降损、可靠性提升、延缓升级改造、减少停电损失以及配置成本前景值的计算模型和求解方法。其中，延缓电网升级改造的前景采用可信容量从概率性的角度进行核算，能够更好地衡量储能的容量替代价值。