含新能源接入的配電網(wǎng)中儲能系統(tǒng)協(xié)調(diào)控制策略

孫 舟，田賀平，王偉賢，潘鳴宇，張 祿

(國網(wǎng)北京電力科學研究院，北京 100075)

0 引 言

隨著化石能源的日益枯竭，光能、風能等可再生能源發(fā)展迅速，其發(fā)電比例正逐漸增加。儲能技術被認為是解決目前和將來電網(wǎng)中新能源穿透率持續(xù)增加等問題的可行方案[1]，電池儲能因其獨特的性能已成為優(yōu)先發(fā)展方向之一[2]。

配電網(wǎng)中的電池儲能系統(tǒng)(battery energy storage system，BESS)可以減小由于新能源接入帶來的波動性，平滑負荷，并且可以通過在電價高峰期放電，在電價低谷期充電來獲得一定收益。對于配電網(wǎng)中的電池儲能系統(tǒng)，研究多集中于容量配置上。文獻[3]考慮了超級電容和蓄電池的混合儲能系統(tǒng)在配電網(wǎng)中的容量配置問題。文獻[4]綜合考慮儲能與光伏出力、負荷間時序的配合，進行儲能系統(tǒng)的選址和定容。文獻[5]使用改進多目標粒子群算法求解儲能系統(tǒng)在配電網(wǎng)中選址定容的多目標優(yōu)化問題，但是文章對儲能系統(tǒng)具體的運行控制策略并未有太多說明。文獻[6]研究了主動配電網(wǎng)背景下儲能系統(tǒng)的優(yōu)化配置方法，分別以削峰填谷、改善電壓質(zhì)量為目標，建立了相應的數(shù)學模型，用改進的粒子群算法進行求解，但是并未考慮儲能系統(tǒng)的運行和投資成本。關于配電網(wǎng)中儲能系統(tǒng)的優(yōu)化控制策略，相關研究不多，主要集中在單目標優(yōu)化問題上，文獻[7]考慮了配電網(wǎng)中儲能系統(tǒng)實現(xiàn)降低網(wǎng)損的功能，提出了一種基于錐優(yōu)化理論的求解方法，求解出儲能系統(tǒng)最優(yōu)出力。文獻[8]考慮了儲能電站接入配電網(wǎng)對網(wǎng)損和負荷曲線的影響，建立了電池儲能站優(yōu)化模型，利用遺傳算法求解儲能電站的最優(yōu)出力。關于多目標優(yōu)化問題，常用的方法有多目標進化算法、多目標粒子群算法、多目標遺傳算法等[9-11]，關于配電網(wǎng)中儲能系統(tǒng)的多目標優(yōu)化問題，相關研究較少，文獻[12]考慮了電池儲能系統(tǒng)對配電網(wǎng)負荷曲線和網(wǎng)損變化的影響，以網(wǎng)損最小和削峰填谷效果最好為目標構建儲能電池雙目標優(yōu)化運行模型，但是僅考慮了儲能系統(tǒng)對負荷削峰填谷，并未考慮新能源的接入。

本文對含新能源的配電網(wǎng)電池儲能系統(tǒng)的協(xié)調(diào)控制策略進行研究，針對配電網(wǎng)有功功率波動、新能源接入點電壓波動建立了多目標優(yōu)化模型，將儲能系統(tǒng)的出力作為控制變量，使用NSGA-II算法求解其Pareto非支配解集，實現(xiàn)多個儲能系統(tǒng)的協(xié)調(diào)控制。最后，通過IEEE14節(jié)點的算例分析，表明本文策略的有效性。

1 配電網(wǎng)運行多目標優(yōu)化模型

隨著新能源發(fā)電比例的逐漸增加，風電、光伏等具有間歇性和波動性的電源接入會對配電網(wǎng)的穩(wěn)定運行帶來不利影響。在新能源滲透率較高時，配電網(wǎng)入口處有功功率會出現(xiàn)大幅波動，對區(qū)域電網(wǎng)的電壓和頻率穩(wěn)定帶來沖擊；另外，在配電網(wǎng)中，新能源接入節(jié)點的電壓會因為其波動性和間歇性受到影響，影響該節(jié)點所供負荷的電能質(zhì)量，因此可以選擇配電網(wǎng)有功功率波動和新能源接入點電壓波動作為優(yōu)化目標。儲能是提高電網(wǎng)對新能源接納能力的有效手段，通過對儲能系統(tǒng)的合理控制，可以減小新能源間歇性和波動性給電網(wǎng)帶來的不利影響。一般情況下，儲能系統(tǒng)都是和風電場或光伏電站配合，實現(xiàn)平抑波動，跟蹤調(diào)度等功能，但是不同儲能電站之間是孤立的，僅僅根據(jù)自己所配合的風/光電源進行控制，隨著智能電網(wǎng)的發(fā)展，不同風電場或光伏電站的電池儲能系統(tǒng)的相互配合及協(xié)調(diào)控制成為可能，因此選擇儲能電站的出力作為控制變量。

1.1 目標函數(shù)

1.1.1 配電網(wǎng)有功功率波動優(yōu)化

研究配電網(wǎng)功率波動時，認為大電網(wǎng)是穩(wěn)定的，只考慮功率變化對配電網(wǎng)內(nèi)部節(jié)點的影響，將配電網(wǎng)入口母線作為平衡節(jié)點進行潮流計算，則配電網(wǎng)整體功率即為平衡節(jié)點輸出功率。由于新能源出力具有不確定性且無法準確預測，所以直接考慮一個調(diào)度周期內(nèi)功率的波動是不易的，故可以用濾波算法設定參考值，用實際值和參考值的差值實時表征功率波動情況，如下所示：

(1)

(2)

minF(t)=|P1(t)-P1，ref(t)|

(3)

1.1.2 新能源接入節(jié)點電壓波動優(yōu)化

新能源接入節(jié)點受其輸出功率波動的影響最為直接，這些節(jié)點的電壓波動程度可以用下式綜合表示：

(4)

(5)

1.2 約束條件

1.2.1 有功功率平衡約束

配電網(wǎng)的運行滿足有功功率平衡的約束，即

P1+∑Pnew+∑PBESS=∑Pload+∑Ploss

(6)

式中:Pnew表示配電網(wǎng)中新能源出力；PBESS表示配電網(wǎng)中儲能系統(tǒng)的出力，其值大于0表示放電，小于0表示充電；Pload表示負荷消耗的有功功率；Ploss表示線路上損失的有功功率。

1.2.2 儲能系統(tǒng)功率上下限約束

儲能系統(tǒng)充放電功率是有限制的，要滿足上下限約束，即

-PBlim≤PBESS≤PBlim

(7)

式中:PBlim表示儲能系統(tǒng)允許的充放電最大功率，一般為額定功率，單位為MW。

1.2.3 儲能系統(tǒng)荷電狀態(tài)約束

對于儲能系統(tǒng)來說，荷電狀態(tài)(state of charge，SOC)表示剩余電量百分比，過度充電和過度放電會嚴重影響電池循環(huán)壽命，所以需要對儲能電池的SOC進行限制，其計算方式和約束條件如下：

(8)

SOCmin≤SOC(t)≤SOCmax

(9)

式中:E表示儲能系統(tǒng)的容量，單位為MWh；SOCmin和SOCmax分別表示儲能荷電狀態(tài)合理區(qū)間的上限和下限，一般可取SOCmin為10%，SOCmax為90%。

1.3 儲能系統(tǒng)的SOC反饋控制

由于新能源出力的不確定性，在一個完整調(diào)度周期內(nèi)考慮儲能系統(tǒng)的出力計劃是不易的，故需要對儲能系統(tǒng)的出力附加SOC反饋，在SOC較低的時候減少放電，在SOC較高的時候減少充電，使得儲能電池的荷電狀態(tài)維持在合理的區(qū)間內(nèi)，以完成整個調(diào)度周期內(nèi)的工作。具體控制策略如下所示：

(10)

式中:PSOC,BESS為經(jīng)過附加SOC反饋后儲能系統(tǒng)的出力值；λ和η為控制系數(shù)，取值和SOC有關，如圖1所示。

圖1 λ和η的取值

圖1表示，在SOC值超過50%時，儲能系統(tǒng)的充電功率隨著SOC值的增大在原給定出力的基礎上縮減，放電功率則和給定功率一致；在SOC值低于50%時，儲能系統(tǒng)的放電功率隨著SOC值的減少而上縮減，充電功率則和給定功率一致，這樣使得儲能電池的SOC值可以一直維持在合理的區(qū)間內(nèi)。

2 多目標優(yōu)化問題求解

2.1 Pareto最優(yōu)

Pareto最優(yōu)指的是資源分配的一種理想狀態(tài)，一般情況下，多目標優(yōu)化模型的各目標函數(shù)之間在最優(yōu)化方向上存在沖突，難以得到絕對最優(yōu)解，但通常存在一個 Pareto 最優(yōu)解集[13]。如果對于某組解，在試圖改進任何目標函數(shù)的同時必然會削弱其他目標函數(shù)，則該組解就被稱為Pareto非支配解，反之，則稱為支配解，而Pareto最優(yōu)解集就是Pareto非支配解的集合，又稱Pareto前沿。一個兩目標優(yōu)化的Pareto前沿如圖2所示。

圖2 兩目標優(yōu)化的Pareto前沿

在圖2中，Pareto前沿上的解無法使目標函數(shù)1和2同時減小，若使某個目標函數(shù)減小，必然伴隨著另一個目標函數(shù)的增大，屬于非支配解。而在Pareto前沿上方區(qū)域的解，是支配解，可以在某個目標函數(shù)不增大的情況下，使另一個目標函數(shù)繼續(xù)減小。

2.2 NSGA-II算法

非支配排序遺傳算法(non-dominated sorting genetic algorithm，NSGA)是一種基于 Pareto最優(yōu)概念的遺傳算法，NSGA 與基本遺傳算法的最大區(qū)別在于，NSGA 算法在進行選擇、交叉、變異等操作之前，對種群中個體之的支配關系進行了分層，通過這種方法，能夠選擇較優(yōu)的個體[14]。NSGA-II算法NSGA的改進，通過增加精英保留策略、計算擁擠距離值作為密度估計策略和快速非支配排序策略，解決了NSGA算法參數(shù)選取難和運行效率低等缺點[15]，是多目標進化算法中應用最為廣泛的算法。

2.3 求解流程

針對配電網(wǎng)有功功率波動、新能源接入點電壓波動兩目標優(yōu)化問題，使用NSGA-II算法優(yōu)化儲能系統(tǒng)出力的流程圖如圖3所示。

圖3 求解儲能系統(tǒng)出力流程圖

如上圖所示，首先設定初始數(shù)據(jù)，即配電網(wǎng)和NSGA-II算法的各種參數(shù)；之后讀取該時刻負荷數(shù)據(jù)，在假定無儲能出力的情形下，計算配網(wǎng)的潮流，以獲得配電網(wǎng)有功功率波動、新能源接入點電壓波動兩個控制目標的參考值；接著用NSGA-II算法求解不同儲能出力時的潮流，計算目標函數(shù)值，獲得Pareto前沿；最后根據(jù)控制目標的側重點，在Pareto前沿中選擇合適的解作為該時刻儲能的出力，完成本時刻儲能系統(tǒng)的調(diào)度。

3 算例分析

本文選取IEEE14節(jié)點配電網(wǎng)進行分析，結構如圖4所示。該配電網(wǎng)電壓等級為23kV，1為平衡節(jié)點，其電壓標幺值為1.05∠0°，總負荷為28.7+j7.75MVA，歸算到以100MVA為基底的線路參數(shù)和額定負荷數(shù)據(jù)如表1和表2所示。在節(jié)點2和節(jié)點8接入新能源，其中節(jié)點2接入光伏和儲能，光伏功率為6MWp，BESS1的額定功率為2MW，容量為6MWh；節(jié)點8接入風電和儲能，風電功率為10MW，BESS2的額定功率為3MW，容量為9MWh。一個完整調(diào)度周期為一天，調(diào)度時間間隔為15min，共分為96個調(diào)度時刻，儲能系統(tǒng)SOC初始狀態(tài)為50%，主要負責削峰填谷，當新能源發(fā)電超過本節(jié)點負荷的時候充電，反之則放電。

圖4 IEEE14節(jié)點配網(wǎng)圖

起始節(jié)點到達節(jié)點線路阻抗(p.u.)起始節(jié)點到達節(jié)點線路阻抗(p.u.)120.075+j0.18100.11+j0.11130.11+j0.113110.11+j0.11140.11+j0.114120.09+j0.12250.09+j0.184130.08+j0.11260.08+j0.1113140.04+j0.04570.04+j0.046100.04+j0.04380.08+j0.1111120.04+j0.04890.08+j0.117140.09+j0.12

表2 負荷數(shù)據(jù)

配電網(wǎng)典型負荷曲線如圖5所示，光伏出力曲線和風電出力曲線分別如圖6和圖7所示。

圖5 配電網(wǎng)典型負荷曲線

圖6 光伏出力曲線

圖7 風電出力曲線

3.1 儲能系統(tǒng)不出力

先分析該算例儲能系統(tǒng)不出力時的情況，進行潮流計算，一個完整調(diào)度周期內(nèi)配電網(wǎng)有功功率波動和新能源接入節(jié)點電壓波動結果如圖8和圖9所示。

圖8 無儲能時配電網(wǎng)有功功率

圖9 無儲能時新能源接入節(jié)點電壓

由圖8可以看出，受新能源接入的影響，配電網(wǎng)有功功率波動幅度較大，如果電網(wǎng)中新能源滲透率較高，含新能源的配電網(wǎng)均存在功率大幅波動的情況，會對電網(wǎng)的穩(wěn)定性造成沖擊。由圖9可以看出，因為光伏和風電發(fā)出的功率僅為有功功率，功率因數(shù)為1，在本算例中，新能源接入節(jié)點的電壓波動幅度不大，節(jié)點2和節(jié)點8電壓的極差均未超過額定電壓的2%。

3.2 儲能系統(tǒng)孤立控制

當BESS1和BESS2只負責各自節(jié)點削峰填谷的時候，配電網(wǎng)有功功率波動和新能源接入節(jié)點電壓波動分別如圖10和圖11所示，BESS1和BESS2的SOC變化情況如圖12所示。

圖10 孤立控制時配電網(wǎng)有功功率

圖11 孤立控制時新能源接入節(jié)點電壓

圖12 孤立控制時儲能系統(tǒng)SOC變化情況

可以看出，孤立控制的儲能系統(tǒng)在一定程度上可以減小功率波動和電壓波動，但是效果并不明顯，甚至有時會放大波動程度。

3.3 儲能系統(tǒng)協(xié)調(diào)控制

設定NSGA-II算法的種群規(guī)模為30，迭代次數(shù)為50，交叉概率為0.8，變異概率為0.3，取濾波系數(shù)α和β均為0.05，對于某一調(diào)度時刻，可以求出其Pareto前沿，例如調(diào)度時刻為96時求解的Pareto前沿如圖13所示。求解出Pareto前沿后，可以根據(jù)不同的側重點，選取儲能的協(xié)調(diào)控制方案。

圖13 調(diào)度時刻為96時所求Pareto前沿

由3.1節(jié)可知，對于本算例而言，配電網(wǎng)有功功率波動較大，而新能源接入節(jié)點的電壓波動幅度較小，因此選擇優(yōu)化配電網(wǎng)有功功率波動作為首要控制目標，在Pareto前沿中選擇使配電網(wǎng)功率波動目標函數(shù)最小的儲能出力，配電網(wǎng)有功功率波動和新能源接入節(jié)點電壓波動分別如圖14和圖15所示，SOC變化情況如圖16所示。

圖14 協(xié)調(diào)控制時配電網(wǎng)有功功率

圖15 協(xié)調(diào)控制時新能源接入節(jié)點電壓

圖16 協(xié)調(diào)控制時儲能系統(tǒng)SOC變化情況

從圖14看出，相對于孤立控制的儲能系統(tǒng)而言，本節(jié)控制策略對配電網(wǎng)有功功率波動的平抑明顯效果較好，可以減小配電網(wǎng)入口功率波動對電網(wǎng)的影響。從圖15可以看出，在側重優(yōu)化功率波動的控制策略下，雖然節(jié)點8的電壓波動相對于孤立控制的情形有所減小，但是節(jié)點2的電壓波動卻并未有明顯優(yōu)化。為了直觀比較無儲能、孤立控制和協(xié)調(diào)控制之間的差別，定義綜合衡量電壓波動的參數(shù)如下：

(11)

式中:SU為衡量節(jié)點2和節(jié)點8電壓波動的綜合指標；SU2為節(jié)點2電壓的標準差，SU8為節(jié)點8電壓的標準差。分別計算有功功率標準差SP，及SU2、SU8、SU如表3所示。

表3 3種控制方式效果對比

從表3可以看出，雖然協(xié)調(diào)控制策略并未使節(jié)點2電壓的標準減小，但是對有功功率波動的平抑效果明顯優(yōu)于孤立控制，且綜合衡量電壓波動的指標SU也較小，表明本文控制策略具有較好的效果。本文算例分析考慮的是側重于優(yōu)化有功功率波動的控制目標，如果無儲能接入時，配電網(wǎng)接入節(jié)點電壓波動較大，則可以考慮在Pareto前沿中選擇使節(jié)點電壓波動目標函數(shù)較小的點或者折中解作為控制目標。

4 結束語

① 以配電網(wǎng)有功功率波動、新能源接入點電壓波動為目標，建立了基于低通濾波的配電網(wǎng)多儲能系統(tǒng)多目標協(xié)調(diào)控制優(yōu)化模型，并且考慮了完整調(diào)度周期內(nèi)儲能系統(tǒng)的SOC約束，提出儲能系統(tǒng)基于SOC反饋的控制策略，使SOC在一個完整調(diào)度周期內(nèi)一直處在合理區(qū)間中。

② 使用NSGA-II算法對本文提出的多目標優(yōu)化模型進行求解，可以獲得優(yōu)化模型的Pareto最優(yōu)解集，根據(jù)優(yōu)化目標的側重點，在Pareto前沿上選擇合適的解作為控制目標。

③ 對IEEE14節(jié)點配電網(wǎng)進行了算例分析，其中接入光伏6MWp，接入風電10MW。首先分析無儲能時配電網(wǎng)有功功率波動和新能源接入節(jié)點電壓波動，選擇了優(yōu)化功率波動作為優(yōu)先控制目標，之后對無儲能、儲能孤立控制和儲能協(xié)調(diào)控制3種情況的結果進行對比分析，表明了本文協(xié)調(diào)控制策略的有效性。

[1] 艾欣,董春發(fā). 儲能技術在新能源電力系統(tǒng)中的研究綜述[J]. 現(xiàn)代電力,2015,32(5):1-9.

[2] 李建林,靳文濤,惠東,等. 大規(guī)模儲能在可再生能源發(fā)電中典型應用及技術走向[J]. 電器與能效管理技術,2016,14:9-14.

[3] 胡榮,鐘勇,符楊,等. 混合儲能在配電網(wǎng)中的優(yōu)化配置[J]. 現(xiàn)代電力,2015,32(3):49-53.

[4] 陶瓊,桑丙玉,葉季蕾,等. 高光伏滲透率配電網(wǎng)中分布式儲能系統(tǒng)的優(yōu)化配置方法[J]. 高電壓技術,2016(7):2158-2165.

[5] 吳小剛,劉宗歧,田立亭,等. 基于改進多目標粒子群算法的配電網(wǎng)儲能選址定容[J]. 電網(wǎng)技術,2014,38(12):3405-3411.

[6] 尤毅,劉東,鐘清,等. 主動配電網(wǎng)儲能系統(tǒng)的多目標優(yōu)化配置[J]. 電力系統(tǒng)自動化,2014,38(18):46-52.

[7] 趙金利,于瑩瑩,李鵬,等. 基于錐優(yōu)化的儲能系統(tǒng)參與配電網(wǎng)運行調(diào)節(jié)快速計算方法[J]. 電力系統(tǒng)自動化,2016,39(2):30-35,48.

[8] 章美丹,宋曉喆,辛煥海,等. 計及網(wǎng)損的配電網(wǎng)電池儲能站優(yōu)化運行策略[J]. 電網(wǎng)技術,2013,37(8):2123-2128.

[9] Antunes C H, Pires D F, Barrico C, et al. A multi-objective evolutionary algorithm for reactive power compensation in distribution networks[J]. Applied Energy, 2009, 86(7-8):977-984.

[10]Coello C A C, Pulido G T, Lechuga M S. Handling multiple objectives with particle swarm optimization[J]. IEEE Transactions on Evolutionary Computation, 2004, 8(3):256-279.

[11]Ramirez-Rosado I J, Dominguez-Navarro J A. New multiobjective tabu search algorithm for fuzzy optimal planning of power distribution systems[J]. IEEE Transactions on Power Systems, 2006,21(1):224-233.

[12]熊超,馬瑞. 考慮降損和平抑峰谷的配電網(wǎng)儲能電池Pareto優(yōu)化模型[J]. 電力建設,2015,36(8):34-40.

[13]孫偉卿,王承民,張焰,等. 基于Pareto最優(yōu)的電力系統(tǒng)有功—無功綜合優(yōu)化[J]. 電力系統(tǒng)自動化,2009,33(10):38-42.

[14]陰皓. 基于云計算和改進NSGA-II的無功優(yōu)化算法研究[D].北京：華北電力大學,2015.

[15]陳婕,熊盛武,林婉如. NSGA-II算法的改進策略研究[J]. 計算機工程與應用,2011(19):42-45.