考慮不確定出力的微網(wǎng)內(nèi)分布式發(fā)電和儲能的容量配置

栗賽男， 馬建偉， 孫 芊， 徐恒博， 黃 梅

(1. 北京交通大學(xué)電氣工程學(xué)院， 北京 100044； 2. 國網(wǎng)河南省電力公司電力科學(xué)研究院， 河南 鄭州 450052)

考慮不確定出力的微網(wǎng)內(nèi)分布式發(fā)電和儲能的容量配置

栗賽男1， 馬建偉2， 孫 芊2， 徐恒博2， 黃 梅1

(1. 北京交通大學(xué)電氣工程學(xué)院， 北京 100044； 2. 國網(wǎng)河南省電力公司電力科學(xué)研究院， 河南 鄭州 450052)

在并網(wǎng)條件下，以降低微網(wǎng)聯(lián)絡(luò)線功率的峰谷差為配置目標(biāo)，以一次設(shè)備投資、安裝和維護(hù)等綜合成本最小為評價標(biāo)準(zhǔn)，建立了微網(wǎng)內(nèi)分布式發(fā)電和儲能優(yōu)化互補(bǔ)的容量配置模型。研究整點(diǎn)時刻分布式發(fā)電全年出力的概率分布，以及不同置信度下的分布式發(fā)電出力曲線的求解方法，得到10kW基本單位分布式電源出力曲線。以裝機(jī)容量、網(wǎng)側(cè)購電量、微網(wǎng)功率平衡、儲能裝置充放電平衡和充放電倍率及深度等要求為約束條件，論證優(yōu)化模型為線性規(guī)劃，并選擇LINGO軟件求解。通過算例分析，得出不同類型微網(wǎng)配置分布式發(fā)電和儲能容量時對應(yīng)的不同策略。

分布式發(fā)電； 電池儲能； 容量配置； 置信度； 概率分布； 線性規(guī)劃

1 引言

分布式發(fā)電(Distributed Generation，DG)是開發(fā)利用可再生能源的重要形式，在提高供電可靠性、改善電能質(zhì)量等方面發(fā)揮著積極作用。微電網(wǎng)具備運(yùn)行模式靈活、獨(dú)立可控、可有效調(diào)節(jié)分布式發(fā)電等特點(diǎn)，因此分布式發(fā)電釆用微網(wǎng)形式實(shí)現(xiàn)可再生能源的高效利用具有重要的現(xiàn)實(shí)意義[1,2]。

可再生能源發(fā)電往往具有很強(qiáng)的間歇性和隨機(jī)性，使得微網(wǎng)運(yùn)行時不可避免地存在功率波動問題。該問題在微網(wǎng)實(shí)際運(yùn)行中的表現(xiàn)形式不盡相同，但其根本的解決都在于能量平衡的控制。電池儲能系統(tǒng)(Battery Energy Storage System，BESS)具有良好的充放電特性，不僅可以平衡微網(wǎng)的能量波動，還能有效地進(jìn)行需求側(cè)管理，是實(shí)現(xiàn)能量平衡、保證微網(wǎng)正常運(yùn)行的重要手段。利用BESS在負(fù)荷低谷期從網(wǎng)側(cè)吸收電量，在負(fù)荷高峰期放電供給微網(wǎng)需求，可以降低微網(wǎng)聯(lián)絡(luò)線功率的峰谷差，平滑目標(biāo)負(fù)荷曲線，起到延緩輸配電設(shè)備升級改造、提高電力設(shè)備利用率、降低電網(wǎng)可靠性成本、促進(jìn)新能源利用等作用[3]。

目前文獻(xiàn)中針對微網(wǎng)內(nèi)分布式發(fā)電和儲能容量配置的研究多是相互獨(dú)立的。文獻(xiàn)[4,5]從跟蹤DG的出力波動或發(fā)電計劃出發(fā)，利用儲能進(jìn)行功率補(bǔ)償，保證出力的恒定，此時儲能只作為分布式電源的附屬設(shè)備。文獻(xiàn)[6]研究了儲能容量配置與負(fù)荷調(diào)節(jié)量的關(guān)系，從社會整體和投資者角度分析了儲能的經(jīng)濟(jì)效益，但卻并未結(jié)合DG展開分析。

本文在并網(wǎng)條件下，以微網(wǎng)聯(lián)絡(luò)線功率的峰谷差為配置目標(biāo)，研究DG和BESS容量配置的評價標(biāo)準(zhǔn)，設(shè)計微網(wǎng)系統(tǒng)內(nèi)分布式發(fā)電與儲能優(yōu)化互補(bǔ)的容量配置模型。設(shè)置DG出力時，考慮不確定性，研究整點(diǎn)時刻全年出力的概率分布，求解不同置信度下DG的出力曲線。針對目標(biāo)函數(shù)，以裝機(jī)容量、網(wǎng)側(cè)購電量、微網(wǎng)功率平衡、BESS充放電平衡和充放電倍率及深度等要求為約束條件，研究模型所抽象的數(shù)學(xué)問題，選擇最優(yōu)軟件編程求解。通過五類典型微網(wǎng)(辦公區(qū)、居民區(qū)、高校、工業(yè)區(qū)、商場)的算例分析，研究不同類型微網(wǎng)配置分布式發(fā)電和儲能容量的策略。

2 微網(wǎng)內(nèi)分布式發(fā)電和儲能的優(yōu)化配置模型

2.1 分布式發(fā)電和儲能配置策略

微網(wǎng)節(jié)點(diǎn)網(wǎng)絡(luò)構(gòu)架如圖1所示。DG的強(qiáng)間歇性和隨機(jī)性使微網(wǎng)存在著功率波動，而BESS良好的充放電特性則很好地解決了這一問題。圖1中，微網(wǎng)聯(lián)絡(luò)線功率指微網(wǎng)和配電網(wǎng)之間交換的功率，在本文中體現(xiàn)為微網(wǎng)向配電網(wǎng)的實(shí)時購電。對微網(wǎng)聯(lián)絡(luò)線功率進(jìn)行削峰填谷，不僅可以在負(fù)荷增長時延緩輸配電設(shè)備升級改造，還可以提高電力設(shè)備的利用率和電網(wǎng)的可靠性[7,8]。因此，本文從延緩輸配電設(shè)備升級改造、提高電力設(shè)備利用率、降低電網(wǎng)可靠性成本和促進(jìn)新能源利用等方面出發(fā)，設(shè)置DG和BESS的配置目標(biāo)為，微網(wǎng)聯(lián)絡(luò)線功率的峰谷差分別降低30%、50%，研究不同配置目標(biāo)下二者的容量配置結(jié)果[9-11]。

圖1 節(jié)點(diǎn)網(wǎng)絡(luò)構(gòu)架Fig.1 Node network structure

從微網(wǎng)供電可靠性的角度出發(fā)，DG和BESS優(yōu)化互補(bǔ)配置容量的經(jīng)濟(jì)性評價標(biāo)準(zhǔn)為，在分別滿足配置目標(biāo)和負(fù)荷需求的情況下，系統(tǒng)一次設(shè)備投資、安裝和維護(hù)等綜合成本最小。目標(biāo)函數(shù)表示為：

minf=CG+CS

(1)

(2)

u(a)=uCgPG

(3)

(4)

u(b)=uCsES

(5)

式中，CG為DG的綜合成本;Cg為首次投入成本，包含購買成本和安裝成本(元/kW)；PG為DG的配置容量；CS為儲能的綜合成本;Cs為首次投入成本，包含購買成本和安裝成本(元/(kW·h))；ES為儲能的配置容量；u為年維護(hù)費(fèi)用系數(shù)；m為設(shè)備的全壽命周期；r0為貼現(xiàn)率。

2.2 約束條件

針對目標(biāo)函數(shù)，以DG和BESS的裝機(jī)容量、BESS的功率和荷電量、微網(wǎng)聯(lián)絡(luò)線功率、微網(wǎng)內(nèi)實(shí)時功率平衡和BESS充放電平衡為約束條件，建立微網(wǎng)系統(tǒng)內(nèi)分布式發(fā)電與儲能優(yōu)化互補(bǔ)的容量配置模型。

(1)DG裝機(jī)容量約束。由微網(wǎng)內(nèi)可利用的可再生能源和允許建造的分布式發(fā)電的數(shù)量而決定。

0≤PG≤a

(6)

(2)儲能容量約束。由微網(wǎng)內(nèi)允許建造的儲能電池組的數(shù)量而決定。

0≤ES≤b

(7)

(3)儲能功率約束。即充放電倍率約束，由儲能系統(tǒng)允許充放的最大功率而決定，本文充放電倍率取0.2C。

-0.2ES≤PS_t≤0.2ES

(8)

(4)儲能的荷電量約束。由儲能系統(tǒng)要求的充放電深度而決定。根據(jù)實(shí)驗(yàn)數(shù)據(jù)，本文充放電區(qū)間選擇10%至90%，充放電深度為80%。

0.1ES≤Qt≤0.9ES

(9)

(5)微網(wǎng)聯(lián)絡(luò)線功率約束。也即網(wǎng)側(cè)購電量約束，由負(fù)荷曲線和削峰填谷的目標(biāo)而決定。

0≤Pb_t≤B

(10)

(6)實(shí)時功率平衡約束。由微網(wǎng)系統(tǒng)內(nèi)能量平衡的要求而決定。

PL_t+PS_t=Pb_t+PG_t

(11)

(7)儲能出力平衡約束。由儲能系統(tǒng)一天內(nèi)保持充放電平衡的要求而決定。

Qt+1=PS_t+Qt

(12)

式中，PS_t為儲能的實(shí)時充放電功率；Qt為儲能的實(shí)時荷電量；PL_t為微網(wǎng)內(nèi)負(fù)荷的實(shí)時功率；Pb_t為網(wǎng)側(cè)實(shí)時購電；PG_t為DG的實(shí)時出力。PL_t、B、PG_t的值分別通過第3節(jié)的出力設(shè)置來確定。

3 出力設(shè)置

3.1 微網(wǎng)內(nèi)負(fù)荷曲線

在DG和BESS的配置階段，為了確保在電網(wǎng)約束(微網(wǎng)聯(lián)絡(luò)線峰谷差限制)下微網(wǎng)內(nèi)負(fù)荷用電的可靠性，須充分估計負(fù)荷的用量，否則可能造成運(yùn)行時DG出力強(qiáng)隨機(jī)性引起的負(fù)荷缺電。因此，依據(jù)微網(wǎng)的建筑面積、用戶類型、作息規(guī)律、用電量等信息選取相似小區(qū)的歷史數(shù)據(jù)，按季節(jié)分析全年負(fù)荷特性，并選擇最大負(fù)荷季節(jié)的平均負(fù)荷曲線作為預(yù)測負(fù)荷PL_t。

本文通過分析各類不同微網(wǎng)的全年負(fù)荷特性和典型參數(shù)，得到以高校、辦公區(qū)、工業(yè)區(qū)、商場和居民區(qū)為代表的五類典型微網(wǎng)的整點(diǎn)時刻日負(fù)荷曲線，如圖2所示。

圖2 典型微網(wǎng)的整點(diǎn)日負(fù)荷曲線Fig.2 Moment daily load curves of typical microgrids

3.2 微網(wǎng)聯(lián)絡(luò)線功率

系統(tǒng)未配置DG和BESS時，微網(wǎng)聯(lián)絡(luò)線的功率曲線即是微網(wǎng)內(nèi)的實(shí)時負(fù)荷本身，因此由3.1節(jié)的負(fù)荷曲線計算可得滿足峰谷差配置要求下的微網(wǎng)聯(lián)絡(luò)線目標(biāo)功率曲線B。本文通過圖2中負(fù)荷曲線計算得到的各個微網(wǎng)聯(lián)絡(luò)線的目標(biāo)功率曲線分別如圖3和圖4所示(對應(yīng)的峰谷差降低要求分別為30%、50%)。

圖3 微網(wǎng)聯(lián)絡(luò)線功率約束1Fig.3 Microgrid tie line power constraint 1

圖4 微網(wǎng)聯(lián)絡(luò)線功率約束2Fig.4 Microgrid tie line power constraint 2

3.3 分布式發(fā)電日出力曲線

目前，國內(nèi)外相關(guān)研究在分布式發(fā)電出力曲線部分的設(shè)置主要采取以下方法：①取DG典型日的出力數(shù)據(jù)作為輸入曲線[12]；②利用經(jīng)驗(yàn)公式，代入典型日的天氣指數(shù)，得到典型日出力曲線[13]；③將全年出力近似設(shè)為正態(tài)分布，求解平均值和標(biāo)準(zhǔn)差，得到正態(tài)分布的概率模型，然后取置信區(qū)間求解日出力曲線[14]。

DG的強(qiáng)間歇性和隨機(jī)性要求用于計算求解的基本容量出力曲線既能客觀涵蓋分布式電源的出力情況，又能兼顧極端天氣對容量造成的過配影響。本文在方法③的基礎(chǔ)上，首先檢驗(yàn)分布式發(fā)電出力曲線是否具有正態(tài)分布特征，然后根據(jù)校驗(yàn)結(jié)果，研究全年出力的概率分布模型，計算不同置信度下分布式發(fā)電的日出力曲線，不僅可以避免其他相關(guān)研究常存在的DG出力不實(shí)及過估問題，同時為用戶提供多元化的配置選擇，提高了研究的實(shí)用性。

3.3.1 正態(tài)分布校驗(yàn)

Jarque-Bera統(tǒng)計量是依據(jù)OLS殘差來檢驗(yàn)一組樣本是否服從正態(tài)分布的一種數(shù)學(xué)方法，其表達(dá)式為：

JB=N[s2+(k-3)2/4]/6

(13)

式中，N為樣本容量;s為偏度系數(shù);k為峰度系數(shù)。若變量服從正態(tài)分布，則s為0，k為3， 即JB為0；否則，JB是一個逐漸增大的值。

本文以10kW光伏的全年出力數(shù)據(jù)為樣本，求得各個時刻的JB統(tǒng)計量，經(jīng)過統(tǒng)計，其值均分布在[90，160]之間；通過查閱自由度為2的卡方分布表，各個JB對應(yīng)的卡方值均遠(yuǎn)遠(yuǎn)小于0.004，此概率過小，不能認(rèn)為樣本服從正態(tài)分布。因此，分布式發(fā)電的出力曲線并不能簡單地通過正態(tài)分布的概率模型來求解。

3.3.2 基于概率分布的分布式發(fā)電日出力曲線

在抽樣對總體參數(shù)作出估計時，由于樣本的隨機(jī)性，其結(jié)論總是不確定的。用置信度來表達(dá)測量結(jié)果的可靠性或者個體對命題真實(shí)性相信的程度，即用概率表達(dá)個人信念合理性的量度。本文從置信度的概念出發(fā)，研究整點(diǎn)時刻全年出力的概率分布[15]，建立基本容量DG出力曲線的求解方法。其步驟如下。

(1)根據(jù)DG的歷史出力數(shù)據(jù)，將一天內(nèi)各個時刻對應(yīng)的全年出力分別進(jìn)行排序，按照等微小組距T0劃分區(qū)間，計算落在每個微小區(qū)間內(nèi)的出力頻數(shù)n。

(2)由n/N計算出力數(shù)據(jù)落在每個微小區(qū)間內(nèi)的概率p(i)，求得各個時刻下全年出力的概率密度。

(3)分別將每個p(i)對微小區(qū)間進(jìn)行積分，求得各個時刻下全年出力的概率分布F(x)。

(4)取置信度1-α，分別從各個時刻的概率分布曲線F(x)上查找α對應(yīng)的橫坐標(biāo)，即功率P(t)，按照時間順序連線，求得該置信度下的分布式發(fā)電出力曲線。

(5)選取多個置信度，求得分布式發(fā)電在不同置信度下的日出力曲線。

本文采用10kW光伏整點(diǎn)時刻的出力數(shù)據(jù)，樣本容量N為181(1～6月)，T0取0.1。通過以上求解方法，得到各個時刻下光伏出力的概率分布，如圖5所示。其中，每條曲線分別對應(yīng)一個時刻，未顯示時刻出力為0；縱坐標(biāo)為概率分布，當(dāng)出力達(dá)到該時刻下的最大輸出功率后，取值恒為1。

圖5 整點(diǎn)時刻下光伏出力的概率分布Fig.5 Probability distribution of hourly PV output

研究13∶00時刻的概率分布曲線，當(dāng)x=6.7kW時，P(6.7≤θ≤10)=0.3094=1-α，置信度1-α=30.94%。其含義是，若用戶選取光伏出力的置信度為30.94%，那么13∶00時刻的最小功率值為6.7kW。分別查得此置信度下其他時刻對應(yīng)的最小功率值，按照時間順序連線，可得置信度為30.94%下的光伏日出力曲線，如圖6所示。

圖6 置信度為30.94%下的光伏日出力曲線Fig.6 PV daily output curve in 30.94% confidence level

結(jié)合置信度的定義[16]，置信度1-α越大，可靠性就越好，代表涵蓋到的壞天氣越多，而相反置信下限x值越小，即計算功率值越小，求得的曲線出力就越差；置信度1-α越小，可靠性就越差，代表涵蓋到的壞天氣越少，而相反置信下限x值越大，即計算功率值越大，求得的曲線出力就越好。綜合考慮置信度和可靠性的關(guān)系，本文選取11個置信度(50%、55%、60%、65%、70%、75%、80%、85%、90%、95%、100%)，求得不同置信度下光伏整點(diǎn)時刻的日出力曲線，如圖7所示。

圖7 10kW光伏不同置信度下的出力曲線Fig.7 10kW PV output curves in different confidence levels

可以看出，隨著置信度的不斷增大，曲線的出力水平越來越差，與上文分析結(jié)果一致；當(dāng)置信度大于75%時，出力接近為0，這是由于數(shù)據(jù)選取的前半年(1～6月)包含的壞天氣比后半年(7～12月)更多，造成整體出力偏小。綜上，綜合天氣指數(shù)越好，求得的DG出力曲線也越好；綜合天氣指數(shù)越差，求得的DG出力曲線也越差。

4 數(shù)學(xué)建模

根據(jù)優(yōu)化模型是否滿足標(biāo)準(zhǔn)線性規(guī)劃的要求可以論證優(yōu)化模型是否屬于線性規(guī)劃問題。具體論證方法如下。

各裝置的參考成本如表1所示。

表1 成本參數(shù)Tab.1 Cost parameters

(1)令PG=10k(將光伏容量PG轉(zhuǎn)化為10kW的倍率k)，并在目標(biāo)函數(shù)中增加變量PS_1，…，PS_24，Q1，…，Q24，目標(biāo)函數(shù)可轉(zhuǎn)化為：

minf=567.4ES+6802.9k+0×PS_1+

…+0×PS_24+0×Q1+…+0×Q24

(14)

(2)已知PL_t和B，令B-PL_t=M，約束條件式(10)和式(11)可轉(zhuǎn)化合并為：

PS_t-kPG_t≤M

(15)

(3)分別代入辦公區(qū)負(fù)荷、微網(wǎng)聯(lián)絡(luò)線功率約束2和50%置信度的光伏出力曲線(PL_t、B、PG_t)，各約束條件可分別轉(zhuǎn)化為：

0≤k≤3

(16)

0≤ES≤1500

(17)

(18)

(19)

(20)

(21)

(22)

可以看到，目標(biāo)函數(shù)為最小化的線性函數(shù)；模型包括50個決策變量，122個約束條件，其中式(16)～式(18)為決策變量約束，式(19)～式(21)為資源不等式約束，式(22)為資源等式約束；PS_t價值系數(shù)為0，故允許為負(fù)。因此，該模型滿足標(biāo)準(zhǔn)線性規(guī)劃的要求，是線性規(guī)劃模型。

5 算例求解

LINGO作為線性規(guī)劃通用的求解器，語言編寫簡單，求解過程迅速，可大大提高求解多個置信度和多個微網(wǎng)配置結(jié)果的效率[17，18]。本文選擇LINGO軟件分別對五個典型微網(wǎng)進(jìn)行算例求解，輸入圖2中各個微網(wǎng)的負(fù)荷曲線、圖3和圖4的微網(wǎng)聯(lián)絡(luò)線功率目標(biāo)曲線、圖7不同置信度下的光伏出力曲線，編程求得兩種配置目標(biāo)下隨置信度不同而變化的光伏和儲能容量的優(yōu)化配置結(jié)果，如圖8所示。其中，光伏1、光伏2對應(yīng)左側(cè)縱坐標(biāo)軸，其值為光伏容量/峰值負(fù)荷；儲能1、儲能2對應(yīng)右側(cè)縱坐標(biāo)軸，其值為儲能容量/峰值負(fù)荷。光伏1、儲能1對應(yīng)峰谷差降低要求為30%的光伏和儲能配置結(jié)果；光伏2、儲能2對應(yīng)峰谷差降低要求為50%的光伏和儲能配置結(jié)果。

圖8 微網(wǎng)分布式發(fā)電和儲能的容量配置結(jié)果Fig.8 Capacity of DG and BESS in microgrid

對比圖8(a)～圖8(e)，分析可見：

(1)運(yùn)用LINGO求解多個微網(wǎng)內(nèi)分布式發(fā)電和儲能的配置容量時，將基本單位不同置信度下的DG出力曲線存入已編好的程序，然后只需輸入負(fù)荷曲線、配置目標(biāo)、置信度，即可一一進(jìn)行求解。

(2)置信度越高，求得的DG出力曲線越差，即包含DG出力不足的情況越多，相應(yīng)的分布式發(fā)電和儲能的配置容量越大；當(dāng)置信度增大到某一值，分布式發(fā)電出力降為0，其配置容量也降為0，而儲能的配置容量則繼續(xù)增大。

(3)峰谷差率越大的微網(wǎng)，分布式發(fā)電和儲能的配置容量也越大；隨著聯(lián)絡(luò)線功率峰谷差降低要求的提高，二者所需配置的容量也大幅度增大。

(4)峰值負(fù)荷集中在早上或晚上類的微網(wǎng)，用電峰值與光伏出力匹配度差，導(dǎo)致光伏的出力大部分被棄掉，依據(jù)經(jīng)濟(jì)性優(yōu)化模型而求解的光伏容量非常小，適合單獨(dú)配置儲能，如工業(yè)區(qū)和居民區(qū)。此類微網(wǎng)負(fù)荷的峰谷差率通常較小，因此降低同等百分比峰谷差時所需配置的儲能容量也較小。

(5)峰值負(fù)荷集中在白天類的微網(wǎng)，用電峰值與光伏出力的匹配度好，適合同時配置光伏和儲能，如辦公區(qū)、商場和高校。此類微網(wǎng)負(fù)荷的峰谷差率通常較大，因此降低同等百分比峰谷差時所需配置的容量也較大。

6 結(jié)論

本文針對兩種不同的配置目標(biāo)，研究了在電網(wǎng)約束下考慮不確定出力的微網(wǎng)系統(tǒng)內(nèi)分布式發(fā)電與儲能優(yōu)化互補(bǔ)的容量配置方法。經(jīng)過模型的建立、分析和求解，得出結(jié)論：①在電網(wǎng)約束下的微網(wǎng)內(nèi)DG和BESS優(yōu)化互補(bǔ)的容量配置模型是線性規(guī)劃，可用LINGO軟件進(jìn)行大量場景的求解；②用概率分布的方法求解不同置信度下的分布式發(fā)電出力曲線，可避免DG出力不實(shí)及過估問題，同時可為用戶提供多元化的自主配置選擇；③用戶選取的置信度越高，DG和BESS所需的配置容量也越大；④峰谷差率較大的微網(wǎng)，DG和BESS所需配置的容量較大；對于工業(yè)區(qū)和居民區(qū)等峰谷差率較小、峰值負(fù)荷集中在早上或晚上類的微網(wǎng)，適合單獨(dú)配置儲能，且配置容量較小，而對于辦公區(qū)、高校和商場等峰谷差率較大、峰值負(fù)荷集中在白天類的微網(wǎng)，適合同時配置光伏和儲能，且配置容量較大。

[1] E Sortomme, M A El-Sharkawi. Optimal power flow for a system of microgrids with controllable loads and battery storage [A]. IEEE/PES Power Systems Conference and Exposition[C]. 2009.1-5.

[2] 蔡陽, 馮杰, 張上浣, 等(Cai Yang, Feng Jie, Zhang Shanghuan, et al.). 考慮風(fēng)光發(fā)電可調(diào)度的微網(wǎng)儲能容量配置方法(Allocation method for schedulable microgrid energy storage capacity considering wind/PV power generation)[J]. 華東電力(East China Electrical Power), 2014, 42(9): 1821-1826.

[3] 張浩(Zhang Hao). 儲能系統(tǒng)用于配電網(wǎng)削峰填谷的經(jīng)濟(jì)性評估方法研究(Research of economic evaluation for load shifting in distribution network based on energy storage system)[D]. 北京：華北電力大學(xué)(Beijing: North China Electric Power University), 2014.

[4] 王成山, 于波, 肖峻, 等(Wang Chengshan, Yu Bo, Xiao Jun, et al.). 平滑可再生能源發(fā)電系統(tǒng)輸出波動的儲能系統(tǒng)容量優(yōu)化方法(Sizing of energy storage systems for output smoothing of renewable energy systems)[J]. 中國電機(jī)工程學(xué)報(Proceedings of the CSEE), 2012, 32(16): 1-8.

[5] 林少伯, 韓民曉, 趙國鵬, 等(Lin Shaobo, Han Minxiao, Zhao Guopeng, et al.). 基于隨機(jī)預(yù)測誤差的分布式光伏配網(wǎng)儲能系統(tǒng)容量配置方法(Capacity allocation of energy storage in distributed photovoltaic power system based on stochastic prediction error)[J]. 中國電機(jī)工程學(xué)報(Proceedings of the CSEE), 2013, 33(4): 25-33.

[6] 修曉青, 李建林, 惠東(Xiu Xiaoqing, Li Jianlin, Hui Dong). 用于電網(wǎng)削峰填谷的儲能系統(tǒng)容量配置及經(jīng)濟(jì)性評估(Capacity configuration and economic evaluation of energy storage system for grid peak load shifting)[J]. 電力建設(shè)(Electric Power Construction), 2013, 34(2): 1-5.

[7] 蘭國軍, 栗文義, 尹凱, 等(Lan Guojun, Li Wenyi, Yin Kai, et al.). 并網(wǎng)運(yùn)行風(fēng)/光/儲微電網(wǎng)容量配置雙目標(biāo)優(yōu)化(Bi-objective optimization of capacity configuration based on grid-connected wind/photovoltaic/storage microgrid)[J]. 電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy), 2015, 34(3): 18-22.

[8] 陳滿, 陸志剛, 劉怡, 等(Chen Man, Lu Zhigang, Liu Yi, et al.). 電池儲能系統(tǒng)恒功率削峰填谷優(yōu)化策略研究(Research on optimal peak load shifting strategy of battery energy storage system operated in constant power mode)[J]. 電網(wǎng)技術(shù)(Power System Technology), 2012, 36(9): 232-237.

[9] 楊玉青, 牛利勇, 田立亭, 等(Yang Yuqing, Niu Liyong, Tian Liting, et al.). 考慮負(fù)荷優(yōu)化控制的區(qū)域配電網(wǎng)儲能配置(Configuration of energy storage devices in regional distribution network considering optimal load control)[J]. 電網(wǎng)技術(shù)(Power System Technology), 2015, 39(4): 1019-1025.

[10] 嚴(yán)干貴, 馮曉東, 李軍徽, 等(Yan Gangui, Feng Xiaodong, Li Junhui, et al.). 用于松弛調(diào)峰瓶頸的儲能系統(tǒng)容量配置方法(Optimization of energy storage system capacity for relaxing peak load regulation bottlenecks)[J]. 中國電機(jī)工程學(xué)報(Proceedings of the CSEE), 2012, 32(28): 19-26.

[11] 肖峻, 張澤群, 張磐, 等(Xiao Jun, Zhang Zequn, Zhang Pan, et al.). 用于優(yōu)化微網(wǎng)聯(lián)絡(luò)線功率的混合儲能容量優(yōu)化方法(A capacity optimization method of hybrid energy storage system for optimizing tie-line power in microgrids)[J]. 電力系統(tǒng)自動化(Automation of Electric Power Systems), 2014, 38(12): 19-26.

[12] 陳征, 肖湘寧, 路欣怡, 等(Chen Zheng, Xiao Xiangning, Lu Xinyi, et al.). 含光伏發(fā)電系統(tǒng)的電動汽車充電站多目標(biāo)容量優(yōu)化配置方法(Multi-objective optimization for capacity configuration of PV-based electric vehicle charging stations)[J]. 電工技術(shù)學(xué)報(Transactions of China Electrotechnical Society), 2013, 28(6): 238-248.

[13] 丁明，王波，趙波，等(Ding Ming, Wang Bo, Zhao Bo, et al.). 獨(dú)立風(fēng)光柴儲微網(wǎng)系統(tǒng)容量優(yōu)化配置(Configuration optimization of capacity of standalone PV-wind-diesel-battery hybrid microgrid)[J].電網(wǎng)技術(shù)(Power System Technology), 2013, 37(3): 575-581.

[14] 靳文濤, 李建林(Jin Wentao, Li Jianlin). 電池儲能系統(tǒng)用于風(fēng)電功率部分“削峰填谷”控制及容量配置(BESS for wind power peak shaving control and capacity configuration)[J]. 中國電力(Electric Power), 2013, 46(8): 16-21.

[15] 呂曉祿(Lv Xiaolu). 風(fēng)電功率縱向時刻概率分析與風(fēng)電場儲能容量優(yōu)化(Probability distribution analysis at longitudinal time and energy storage optimization of wind power)[D]. 濟(jì)南：山東大學(xué)(Jinan: Shandong University), 2014.

[16] 盛驟(Sheng Zhou). 概率論與數(shù)理統(tǒng)計(Probability and statistics)[M]. 上海:上海交通大學(xué)出版社(Shanghai：Shanghai Jiao Tong University Press), 2011.

[17] 劉霞, 徐浩(Liu Xia, Xu Hao). LINGO在電力系統(tǒng)機(jī)組組合優(yōu)化中的應(yīng)用(Application of LINGO to power system unit commitment optimization)[J]. 電工材料(Electrical Engineering Materials), 2010, (1): 48-52.

[18] 郝乾鵬, 李洪波, 劉全, 等(Hao Qianpeng, Li Hongbo, Liu Quan, et al.). LINGO在風(fēng)電并網(wǎng)電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度中的應(yīng)用(Application of LINGO in dynamic economic dispatching of the wind power integrated system)[J]. 電氣開關(guān)(Electric Switchgear), 2011, (6): 69-73.

Configuration optimization of capacity of distributed generation and energy storage in microgrid considering uncertain output

LI Sai-nan1， MA Jian-wei2， SUN Qian2， XU Heng-bo2， HUANG Mei1

(1.School of Electrical Engineering, Beijing Jiaotong University, Beijing 100044, China; 2.State Grid HAEPC Electric Power Research Institute, Zhengzhou 450052, China)

In grid-connection condition, taking peak load shaving of microgrid tie line power as configuration objective and the minimum comprehensive cost including device investment, installation and maintenance cost of distributed generation and energy storage as the evaluation criteria, an optimal complementary configuration model of capacity of distributed generation and energy storage in microgrid is proposed. About the output settings part, considering the uncertainty of distributed generation, the probability distribution model to obtain the output of distributed generation in different confidence levels is studied. Considering the constrains of capacity, purchasing power, microgird power balance, and charging/discharging power rate and depth of energy storage, the optimization model is proved to be of linear programming, and is solved by LINGO software. In addition, different capacity configuration strategies corresponding to different types of microgrids are given by example analysis.

distributed generation; battery energy storage; capacity configuration; confidence; probability distribution; linear programming

2015-09-06

國家電網(wǎng)公司科技項(xiàng)目(SGHADK00PJJS1500060)

栗賽男(1990-)， 女， 河南籍， 碩士研究生， 研究方向?yàn)槲⒕W(wǎng)、 新能源分布式發(fā)電、 儲能配置等； 黃 梅(1959-)， 女， 安徽籍， 教授， 碩士生導(dǎo)師， 研究方向?yàn)樾履茉窗l(fā)電系統(tǒng)、 微網(wǎng)建模及接入系統(tǒng)分析、 電動汽車充電站建模及與電網(wǎng)相互影響分析、 電力系統(tǒng)建模仿真及控制、繼電保護(hù)等。

TM9

A

1003-3076(2016)08-0021-08