考慮平抑電壓波動的交直流配電網(wǎng)儲能優(yōu)化配置

郭 沛

考慮平抑電壓波動的交直流配電網(wǎng)儲能優(yōu)化配置

郭 沛

（國網(wǎng)河南省電力公司，鄭州 450000）

為解決目前配電網(wǎng)中日益增加的新能源出力造成的功率波動問題，本文提出一種考慮時間和空間特性的平抑交直流混合配電網(wǎng)系統(tǒng)功率波動的最優(yōu)儲能配置方法。首先確立發(fā)電消納及潮流、風機和光機等約束的數(shù)學模型，利用交替迭代法計算交直流混合配電網(wǎng)潮流，然后通過快速非支配排序遺傳算法（NSGA-II）對模型進行求解，最后輸出結(jié)果為最優(yōu)解與其他可行解的優(yōu)化指標對比圖。通過儲能系統(tǒng)優(yōu)化配置，配電網(wǎng)偏差值與網(wǎng)絡(luò)損耗都明顯減小，驗證了所提出的利用最優(yōu)化儲能系統(tǒng)配置平抑新能源發(fā)電并網(wǎng)產(chǎn)生波動方法的可行性。

交直流配電網(wǎng)；多目標優(yōu)化；儲能系統(tǒng)配置；波動平抑；電壓偏差值和；網(wǎng)絡(luò)損耗

0 引言

分布式風力發(fā)電及光伏發(fā)電，由于其本身具有間歇性與波動性，不能進行精確預(yù)測，將該類新能源大量接入配電網(wǎng)增加了系統(tǒng)運行的安全隱患，因此需要對其產(chǎn)生的功率波動進行有效的平抑[1-4]。儲能技術(shù)的不斷突破為風電與光電并入配電網(wǎng)提供了一種較好的技術(shù)選擇，利用電池儲能系統(tǒng)可實現(xiàn)風力發(fā)電和光伏發(fā)電的出力在時間坐標上的平移，通過切換充電狀態(tài)和放電狀態(tài)，達到負荷需求的“削峰填谷”效果，改善能量間歇性，提高配電網(wǎng)安全性。儲能技術(shù)有望解決新能源發(fā)電并網(wǎng)引起的一系列安全問題，提高新能源并網(wǎng)效益。

考慮如何在交直流混合配電網(wǎng)中加入同樣條件的儲能裝置以獲得最好的平抑效果，是研究儲能系統(tǒng)優(yōu)化配置的重點。為此，國內(nèi)外學者對多儲能交直流配電網(wǎng)系統(tǒng)的設(shè)計與控制進行了大量研 究[5-11]。文獻[12]將可控負荷視為虛擬儲能，提出一種蓄電池和虛擬儲能進行協(xié)調(diào)控制的策略，通過設(shè)置不同的濾波常數(shù)分別抑制聯(lián)絡(luò)線功率中高頻和低頻部分，但該文獻所研究的虛擬儲能僅限于電熱泵群體，并沒有涉及更多負荷領(lǐng)域。文獻[13-15]詳述了交直流混合微電網(wǎng)的拓撲及各種電子設(shè)備的配置方式，提出了基于不同運行模式間的迅速切換控制策略，不足之處是沒有考慮分布式電源的二次協(xié)調(diào)控制與應(yīng)用。文獻[16-17]是利用儲能系統(tǒng)中的電容和蓄電池分別抑制系統(tǒng)功率高頻波動和補償?shù)皖l波動，能夠滿足配電網(wǎng)的電能質(zhì)量要求和負荷功率需求，但需額外增加濾波器，且會減少蓄電池的壽命，因此經(jīng)濟性較差。文獻[18-19]采用電壓分層控制策略延長蓄電池的使用壽命，但若滿足儲能系統(tǒng)工作的電壓值，則會導致該線路的電壓偏離額定值較多。

針對上述文獻中涉及的儲能系統(tǒng)與交直流混合配電網(wǎng)無法高效配合運行的問題，本文提出一種實現(xiàn)最優(yōu)化平抑交直流混合配電網(wǎng)風光波動的儲能系統(tǒng)優(yōu)化配置方法，從滿足配電網(wǎng)高效率且安全運行等方面綜合考慮，進行儲能系統(tǒng)的優(yōu)化配置。

1 數(shù)學模型

1.1 目標函數(shù)

通過節(jié)點的電壓偏差值和線路間的網(wǎng)絡(luò)損耗能直觀體現(xiàn)出交直流混合配電網(wǎng)運行性能。為最大程度地降低配電網(wǎng)的網(wǎng)絡(luò)損耗，以及降低儲能系統(tǒng)調(diào)控時產(chǎn)生的配電網(wǎng)電壓波動，保證配電網(wǎng)的安全運行，以系統(tǒng)網(wǎng)絡(luò)損耗最小與配電網(wǎng)節(jié)點電壓偏差最小為優(yōu)化目標。

1）網(wǎng)絡(luò)損耗之和

式中：為線路條數(shù)；P(t)和(t)為時間段內(nèi)線路的有功功率與無功功率；U(t)為此時線路的平均電壓；R為線路的電阻值。

2）電壓偏差值之和

式中：為配電網(wǎng)節(jié)點個數(shù)；Ua(t)為節(jié)點在時間段補償后的電壓幅值的平均值；U(t)為節(jié)點的電壓標準值幅值；ni為配電網(wǎng)節(jié)點的電壓額定值。

1.2 約束條件

1）潮流約束

2）線路功率約束

式中：P、分別為線路（節(jié)點和組成）的有功損耗和無功損耗；U和U為節(jié)點和的電壓；為U和U的相位差。

3）節(jié)點電壓約束

4）風機出力約束

式中：r為風機輸出的額定有功功率；i、r和o分別為切入風速、額定風速和切出風速。

5）光伏出力約束

光伏電機時刻的實際出力P為

式中：stc為標準條件下（太陽輻射強度stc= 1 000W/m2，溫度stc=25℃）光伏板的出力；為光伏板的功率溫度因數(shù)；r,t為時刻實際的太陽輻射強度；T為時刻光伏板的溫度。某風機發(fā)電和光伏發(fā)電日出力典型特性曲線如圖1所示。

6）儲能出力約束

式中：Cb為平抑風力發(fā)電與光伏發(fā)電波動過程中儲能能量狀態(tài)與充放電最大能力CSOE（其最小值CSOE,min= 0.5）的方均根值。儲能系統(tǒng)出力典型特性曲線如圖2所示。通過在操作點1和操作點2的切換，可以在不同時刻分別將儲能等效為穩(wěn)定出力的電源和負荷。

圖2 儲能系統(tǒng)出力典型特性曲線

本文在傳統(tǒng)潮流計算基礎(chǔ)上，將風機和光伏的約束條件考慮在內(nèi)，使得該模型的精度進一步得到提升。但是難點在于如何利用算法在眾多可行解中得到兩個目標函數(shù)（網(wǎng)絡(luò)損耗最小與配電網(wǎng)節(jié)點電壓偏差和最?。┑淖顑?yōu)解。

2 基于非支配排序遺傳算法的模型求解

本文采用快速非支配排序遺傳算法（non- dominated sorting genetic algorithm-Ⅱ, NSGA-Ⅱ）計算Pareto前沿，通過協(xié)調(diào)各個目標，使各個目標盡量達到令人滿意的Pareto最優(yōu)解集。算法的主要思想是利用非支配排序算法對種群進行非支配分層，然后計算虛擬適應(yīng)度再進行選擇、交叉和變異操作，最后執(zhí)行精英保留策略。這樣能夠保證整個算法在不停搜索Pareto最優(yōu)解集的同時，保持種群的多樣性和避免優(yōu)秀個體的流失，還提高了整個算法的全局收斂性和計算效率[20]。

運用NSGA-Ⅱ可以很好地處理兩個目標函數(shù)不能同時達到最優(yōu)時如何選擇最優(yōu)解的問題，因此本文選擇使用該算法進行模型的求解。利用NSGA-Ⅱ進行交直流混合配電網(wǎng)儲能系統(tǒng)優(yōu)化配置流程如圖3所示。

圖3 儲能系統(tǒng)優(yōu)化配置流程

1）假設(shè)參與調(diào)控的儲能裝置為3臺同容量、同型號、同功率的電池儲能系統(tǒng)（battery energy storage system, BESS），且每一個節(jié)點最多存在一臺。在11節(jié)點中隨機選取種情況，每種情況下某時間內(nèi)在某節(jié)點將儲能裝置加入該節(jié)點進行調(diào)控，計算調(diào)控后的交直流混合配電網(wǎng)潮流，依據(jù)約束條件篩選出種非劣解的解集后，即生成了初始的種群。

2）在初始種群（節(jié)點和時間）附近尋找另外的可行解（如節(jié)點2相關(guān)聯(lián)的節(jié)點3，時間上13h附近的14h等），對生成的新解也依據(jù)約束條件進行新一輪的篩選后，選出第一代種群的非劣解，將第一代種群選出的非劣解與初始種群的解進行合并，合并后的種群為第二代種群，此時種群規(guī)模達到2。通過快速非支配排序法對其排序，并且計算排序結(jié)果中處于同一等級的對象的擁擠度（例如節(jié)點7在15h時附近的非劣解數(shù)目大于節(jié)點7在9h時的非劣解數(shù)目，則可認為前者擁擠度高于后者），依據(jù)個體的擁擠度及它們之間的非支配關(guān)系得到新的父代種群，此時新的父代種群的規(guī)模為。

3）對于新的父代種群重復(fù)步驟2），使進化朝著非劣解均勻分布（即趨近于某幾個節(jié)點，某幾個時間）的方向進行，當種群的選擇、交叉和變異依次循壞直到父代種群迭代達到預(yù)設(shè)的最大值時，則跳出該算法循壞。

4）該算法最后一次迭代生成的種群中，非支配排序等級為1的解組成一個集合，使用模糊理論從該集合中選擇一個最優(yōu)解。預(yù)先設(shè)定好兩個目標函數(shù)（電壓偏差值和與網(wǎng)絡(luò)損耗）的最大值與最小值，計算出每個Pareto解中相應(yīng)目標函數(shù)的滿意度m，所有滿意度中的最大值max就是所求的最優(yōu)解（儲能系統(tǒng)的配置節(jié)點與開關(guān)斷時間），可以根據(jù)人為需求調(diào)整電壓偏差值和與網(wǎng)絡(luò)損耗的極值區(qū)間，從而得到想要的折中最優(yōu)解。

3 算例仿真

圖4 11節(jié)點交直流混合配電網(wǎng)拓撲（假定儲能系統(tǒng)配置在2、9、11節(jié)點時的情況）

表1 11節(jié)點交直流混合配電網(wǎng)負荷與線路參數(shù)

圖5 電壓偏差之和與網(wǎng)絡(luò)損耗值之和權(quán)重為11時的Pareto最優(yōu)解集

將圖5中代表性強的點進行A～F的標號，計算每個點對應(yīng)的儲能配置的各項數(shù)值。圖5中代表性特征點解集對比見表2。

表2 圖5中代表性特征點解集對比

為了更好地說明本文所提方法的優(yōu)越性，將B點的電壓偏差值之和與網(wǎng)絡(luò)損耗值之和數(shù)值與其他可行解但非Pareto前沿最優(yōu)解的某一配置情況及配置儲能系統(tǒng)前整個配電網(wǎng)目標函數(shù)數(shù)值進行對比，分別如圖6和圖7所示。

圖6 三種情況下的電壓偏差值之和對比

圖7 三種情況下的網(wǎng)絡(luò)損耗值之和對比

從圖6與圖7可以分析出，將儲能系統(tǒng)進行優(yōu)化配置后，所達到的平抑交直流混合配電網(wǎng)中功率波動的效果要明顯優(yōu)于優(yōu)化配置，由此證明了本文優(yōu)化配置方法的有效性。

4 結(jié)論

本文重點研究了在交直流混合配電網(wǎng)拓撲中配置同樣的儲能裝置，如何才能達到最好的平抑效果。以時間節(jié)點和電氣距離意義上的空間節(jié)點作為研究切入點，以節(jié)點電壓偏差值之和及網(wǎng)絡(luò)損耗值之和兩個參數(shù)作為評價指標，進行優(yōu)化儲能配置情況的分析與研究。通過優(yōu)化前后兩個指標的對比，驗證了本文優(yōu)化儲能配置方法的合理性與可行性。

[1] 杜爾順, 張寧, 康重慶, 等. 太陽能光熱發(fā)電并網(wǎng)運行及優(yōu)化規(guī)劃研究綜述與展望[J]. 中國電機工程學報, 2016, 36(21): 5765-5775.

[2] 陳聰偉, 江修波, 劉麗軍. 考慮時序與儲能配合的分布式電源優(yōu)化配置研究[J]. 電氣技術(shù), 2017, 18(6): 41-47.

[3] 何頔, 羅進, 唐世虎, 等. 基于非支配排序的改進粒子群算法的含分布式電源的配電網(wǎng)規(guī)劃[J]. 電氣技術(shù), 2018, 19(11): 60-63.

[4] 張健, 王凱悅. 考慮電壓穩(wěn)定性的含分布式電源配電網(wǎng)多目標無功優(yōu)化[J]. 電氣技術(shù), 2020, 21(3): 64-69.

[5] OLIVEIRA T R, SILVA W W A G, DONOSO-GARCIA P F. Distributed secondary level control for energy storage management in DC microgrids[J]. IEEE Transactions on Smart Grid, 2017, 8(6): 2597-2607.

[6] 李鵬程, 張純江, 袁然然, 等. 改進SOC下垂控制的分布式儲能系統(tǒng)負荷電流分配方法[J]. 中國電機工程學報, 2017, 37(13): 3746-3754.

[7] DANESHVAR M, MOHAMMADI-IVATLOO B, ASADI S, et al. Chance-constrained models for transactive energy management of interconnected microgrid clusters[J]. Journal of Cleaner Production, 2020, 271: 122177.

[8] 鄧衛(wèi), 吳爭, 張力, 等. 交直流系統(tǒng)協(xié)調(diào)控制技術(shù)[J]. 高電壓技術(shù), 2019, 45(10): 3025-3038.

[9] ESTEFANIA P, JON A, JOSE IGNACIO G, et al. AC and DC technology in microgrid: a review[J]. Rene- wable and Sustainable Energy Reviews, 2015, 43: 726- 749.

[10] 郭玲娟, 魏斌, 韓肖清, 等. 基于集合經(jīng)驗?zāi)B(tài)分解的交直流混合微電網(wǎng)混合儲能容量優(yōu)化配置[J]. 高電壓技術(shù), 2020, 46(6): 527-537.

[11] FARZAM N, LI Y W. Overview of power management strategies of hybrid AC/DC microgrid[J]. IEEE Transa- ctions on Power Electornics, 2015, 30(12): 7072-7089.

[12] 王冉, 王丹, 賈宏杰, 等. 一種平抑微網(wǎng)聯(lián)絡(luò)線功率波動的電池及虛擬儲能協(xié)調(diào)控制策略[J]. 中國電機工程學報, 2015, 35(20): 5124-5134.

[13] 汪科, 張雪松, 趙波, 等. 交直流混合微電網(wǎng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計和模式切換控制策略[J]. 供用電, 2016, 33(8): 18-22.

[14] 陳安偉. 多母線結(jié)構(gòu)交直流混合微電網(wǎng)協(xié)調(diào)控制與模式切換策略[J]. 電力系統(tǒng)自動化, 2018, 42(17): 175-186.

[15] 蔡宏達, 夏楊紅, 楊鵬程, 等. 交直流混合微電網(wǎng)多模式協(xié)調(diào)下垂控制[J]. 供用電, 2018, 35(1): 2-7.

[16] WANG Shu, TANG Yuejin, SHI Jing, et al. Design and advanced control strategies of a hybrid energy storage system for the grid integration of wind power generations[J]. IET Renewable Power Generation, 2015, 9(2): 89-98.

[17] 于明, 王毅, 李永剛. 基于預(yù)測方法的直流微網(wǎng)混合儲能虛擬慣性控制[J]. 電網(wǎng)技術(shù), 2017, 41(5): 1526-1532.

[18] 顧煜炯, 謝典, 和學豪, 等. 海島直流微網(wǎng)復(fù)合儲能系統(tǒng)控制策略設(shè)計與實現(xiàn)[J]. 電力自動化設(shè)備, 2018, 38(6): 1-6.

[19] 朱永強, 張泉, 劉康, 等. 交直流混合微電網(wǎng)分段協(xié)調(diào)控制策略[J]. 電力系統(tǒng)與自動化, 2020, 44(6): 52-58.

[20] 張海潮, 楊連賀. 基于改進NSGA-Ⅱ的推薦算法[J]. 計算機工程與設(shè)計, 2020, 41(9): 2495-2500.

Optimal configuration of energy storage in AC/DC distribution network considering stablilizing voltage fluctuation

GUO Pei

(State Grid He’nan Electric Power Company, Zhengzhou 450000)

In order to solve the problem of power fluctuations caused by the increasing output of volatile new energy sources in the current distribution network, an optimal energy storage configuration method that considers the time and space characteristics of AC/DC hybrid distribution network system power fluctuations is proposed to stabilize the energy storage system. First, a mathematical model for power generation and consumption is established, as well as constraints such as power flow, wind turbines and optical machines, and the alternating iteration method is used to calculate the power flow of the AC/DC hybrid distribution network. Then the model is solved by the fast non-dominated sorting genetic algorithm, and the final output is the comparison chart of the optimization index of the optimal solution and other feasible solutions. Through the optimized configuration of the energy storage system, the deviation value of the distribution network and the network loss are significantly reduced, which verifies the feasibility of the method proposed in the article.

AC/DC distribution network; multi-objective optimization; energy storage system configuration; fluctuation suppression; voltage deviation value sum; network loss

2021-01-29

2021-04-01

郭 沛（1980—），男，碩士，高級工程師，研究方向為配電網(wǎng)規(guī)劃與設(shè)計。