考慮緊急備用與光伏出力不確定性的微電網(wǎng)分布式儲(chǔ)能規(guī)劃方法

吳彬鋒，傅 穎，陳揚(yáng)哲，劉子卓，江道灼，朱乃璇，徐偉豐

（1.國(guó)網(wǎng)浙江省電力有限公司麗水供電公司，浙江 麗水 323000；2.國(guó)網(wǎng)浙江松陽(yáng)縣供電有限公司，浙江 麗水 323400；3.浙江大學(xué) 電氣工程學(xué)院，杭州 310027）

0 引言

面臨日益嚴(yán)重的環(huán)境污染問(wèn)題，降低碳排放已成為人類(lèi)社會(huì)的廣泛共識(shí)。中國(guó)政府提出了2030 年前實(shí)現(xiàn)“碳達(dá)峰”、2060 年前實(shí)現(xiàn)“碳中和”的目標(biāo)[1]。大規(guī)模的可再生能源建設(shè)一方面為降低碳排放做出貢獻(xiàn)，另一方面也為電力系統(tǒng)帶來(lái)了不確定性和波動(dòng)性的挑戰(zhàn)。為解決分布式可再生能源固有的間歇性、隨機(jī)性等問(wèn)題和應(yīng)對(duì)相關(guān)的電力電子裝置帶來(lái)的控制復(fù)雜度、系統(tǒng)穩(wěn)定性等風(fēng)險(xiǎn)，建設(shè)微電網(wǎng)以消納分布式可再生能源并實(shí)現(xiàn)優(yōu)化調(diào)度成為一種可行的解決手段[2-4]。

微電網(wǎng)的優(yōu)化配置關(guān)系到微電網(wǎng)的經(jīng)濟(jì)效益、運(yùn)行功能等，是微電網(wǎng)建設(shè)中的重要課題[5]。微電網(wǎng)內(nèi)的分布式電池儲(chǔ)能系統(tǒng)作為低慣量系統(tǒng)，具備快速充放電響應(yīng)的能力，從而平抑系統(tǒng)中的功率波動(dòng)和為系統(tǒng)提供緊急備用電源，同時(shí)能通過(guò)降低線路損耗、“低充高放”套利等方式提高系統(tǒng)的經(jīng)濟(jì)性[6-7]。

儲(chǔ)能系統(tǒng)的選址定容問(wèn)題是微電網(wǎng)的優(yōu)化配置重要組成部分。文獻(xiàn)[8-9]以配電網(wǎng)中分布式儲(chǔ)能系統(tǒng)的選址定容規(guī)劃為研究對(duì)象，以提高配電網(wǎng)整體的運(yùn)行效益，但其采用了直流潮流法或PQ 分解法，未充分考慮儲(chǔ)能自身的功率數(shù)學(xué)特性與系統(tǒng)潮流方程特征的結(jié)合；文獻(xiàn)[10]建立了結(jié)合儲(chǔ)能健康狀態(tài)、壽命損耗和效率的綜合動(dòng)態(tài)模型，依此建立光儲(chǔ)充電站的混合整數(shù)非線性雙層規(guī)劃模型并采用遺傳算法求解；文獻(xiàn)[11]分析了采用儲(chǔ)能替代發(fā)輸配電設(shè)備與無(wú)功補(bǔ)償裝置的收益，并采用變異粒子群算法求解儲(chǔ)能配置雙層優(yōu)化問(wèn)題；文獻(xiàn)[12]提出了改進(jìn)鯨魚(yú)算法求解儲(chǔ)能系統(tǒng)的優(yōu)化配置模型。上述文獻(xiàn)采用的啟發(fā)式算法雖克服了局部最優(yōu)或優(yōu)化速度問(wèn)題，但卻降低了優(yōu)化結(jié)果的可解釋性。文獻(xiàn)[13]綜合考慮儲(chǔ)能的配置成本和運(yùn)行化效果，研究了混合型儲(chǔ)能的容量配置問(wèn)題并以粒子群算法求解，但研究者主要配置儲(chǔ)能的類(lèi)型和容量，未考慮其接入位置的選址問(wèn)題。微電網(wǎng)中的儲(chǔ)能系統(tǒng)通過(guò)其靈活充放電策略，平抑系統(tǒng)中可再生能源出力的隨機(jī)性和用戶(hù)負(fù)荷的波動(dòng)性[14]。為有效衡量系統(tǒng)的不確定性，國(guó)內(nèi)外學(xué)者開(kāi)展了大量研究。文獻(xiàn)[15]基于歷史數(shù)據(jù)，以蒙特卡洛方法模擬系統(tǒng)中光伏典型的接入場(chǎng)景，并在基礎(chǔ)上優(yōu)化光伏的裝機(jī)容量。文獻(xiàn)[16]采用條件風(fēng)險(xiǎn)價(jià)值衡量源-荷不確定性對(duì)系統(tǒng)調(diào)度者的決策影響，基于風(fēng)險(xiǎn)偏好得出優(yōu)化調(diào)度策略。以上方法可以有效評(píng)估系統(tǒng)內(nèi)的不確定性因素，但易忽視極端場(chǎng)景。而魯棒優(yōu)化作為涵蓋極端場(chǎng)景的隨機(jī)規(guī)劃方法，被廣泛應(yīng)用于電力系統(tǒng)的不確定性研究中[17-18]，以使系統(tǒng)的規(guī)劃配置得以在最?lèi)毫拥牟淮_定性場(chǎng)景下提供優(yōu)化的調(diào)度策略。文獻(xiàn)[19]針對(duì)主動(dòng)配電網(wǎng)內(nèi)分布式電源的不確定性問(wèn)題，分解為配電網(wǎng)側(cè)和可控資源側(cè)的分布式優(yōu)化子問(wèn)題，建立并求解了主動(dòng)配電網(wǎng)的魯棒優(yōu)化調(diào)度模型。

為此，在考慮系統(tǒng)緊急備用和可再生能源出力不確定性的條件下，本文以分布式光伏為例，推導(dǎo)了結(jié)合網(wǎng)絡(luò)潮流特征的儲(chǔ)能出力二階錐規(guī)劃模型，并采用魯棒模型描述光伏出力不確定性，建立微電網(wǎng)中分布式儲(chǔ)能系統(tǒng)選址定容的兩階段混合整數(shù)二階錐規(guī)劃問(wèn)題，提出一種結(jié)合列與約束生成算法、大M 法的求解算法，以修改后的IEEE 22 節(jié)點(diǎn)為例驗(yàn)證了本文算法的正確性和有效性。

1 微電網(wǎng)數(shù)學(xué)建模

1.1 光伏出力不確定性模型

隨著可再生能源滲透率的提高，分布式光伏陣列和分布式風(fēng)力發(fā)電成為微電網(wǎng)內(nèi)不確定性的主要來(lái)源，而本文著重考慮分布式光伏給微電網(wǎng)帶來(lái)的出力不確定性。當(dāng)光伏陣列的安裝容量固定時(shí)，若采用最大功率點(diǎn)跟蹤的控制策略，其實(shí)際出力受到光照強(qiáng)度、環(huán)境溫度等環(huán)境條件影響。在一年期的優(yōu)化問(wèn)題中，將相似的外部環(huán)境條件聚類(lèi)為若干個(gè)典型光伏運(yùn)行場(chǎng)景，并采用預(yù)測(cè)有功出力序列表征各場(chǎng)景中分布式光伏的分時(shí)輸出功率，并引入預(yù)測(cè)誤差以表征光伏實(shí)時(shí)出力相較于預(yù)測(cè)值的不確定性，即：

1.2 發(fā)電機(jī)模型

通過(guò)配置微型發(fā)電機(jī)作為微電網(wǎng)的主電源，使得微電網(wǎng)需具備一定的孤島運(yùn)行能力。微型發(fā)電機(jī)的出力范圍受其安裝容量約束，通常表示為：

1.3 支路潮流模型

類(lèi)似傳統(tǒng)的中低壓交流配電網(wǎng)，本文考慮微電網(wǎng)的結(jié)構(gòu)為輻射狀網(wǎng)絡(luò)，如圖1 所示，可采用BFM（支路潮流模型）作為微電網(wǎng)的潮流計(jì)算公式[20]，即：

圖1 輻射狀微電網(wǎng)潮流模型

式中：δ（j）為節(jié)點(diǎn)j 父節(jié)點(diǎn)的集合；π（j）為節(jié)點(diǎn)j子節(jié)點(diǎn)的集合；Pij，t，Qij，t和Iij，t分別為從節(jié)點(diǎn)i 流向j 的有功功率、無(wú)功功率和電流；Vi，t為節(jié)點(diǎn)i在t 時(shí)刻的電壓；rij和xij為線路ij 的電阻和電抗；為場(chǎng)景ξ 中節(jié)點(diǎn)j 在t 時(shí)刻的有功和無(wú)功負(fù)荷；為節(jié)點(diǎn)j 安裝儲(chǔ)能系統(tǒng)在t 時(shí)刻輸出的有功和無(wú)功功率。

為了將上述潮流計(jì)算模型表示為可采用SOCP（二階錐規(guī)劃）算法求解的數(shù)學(xué)模式，作如下等量替換：

此外，將式（9）進(jìn)行二階錐松弛，結(jié)合上述等量替換，得到符合SOCP 形式的潮流計(jì)算公式如下[21]：

1.4 四象限儲(chǔ)能系統(tǒng)模型

將儲(chǔ)能電池與雙向換流器連接，施加適當(dāng)?shù)目刂撇呗?，可?shí)現(xiàn)儲(chǔ)能系統(tǒng)的四象限運(yùn)行[22]，其拓?fù)浣Y(jié)構(gòu)如圖2 所示。

圖2 四象限運(yùn)行分布式儲(chǔ)能系統(tǒng)拓?fù)浣Y(jié)構(gòu)

儲(chǔ)能系統(tǒng)的運(yùn)行功率受該雙向換流器的容量約束，即：

根據(jù)上述對(duì)儲(chǔ)能系統(tǒng)有功無(wú)功功率的定義與分解，式（15）可以轉(zhuǎn)換為二階錐形式：

通過(guò)該二階錐模型的轉(zhuǎn)化，與系統(tǒng)二階錐潮流模型結(jié)合，避免了充放標(biāo)志電0-1 變量和功率容量線性化0-1 變量的引入，使得系統(tǒng)優(yōu)化建模更具統(tǒng)一性。

儲(chǔ)能系統(tǒng)的另一關(guān)鍵參數(shù)為儲(chǔ)能電池SOC（荷電狀態(tài)），與儲(chǔ)能的充放電功率相關(guān)，即：

式中：Si，t為節(jié)點(diǎn)i 在t 時(shí)刻的SOC；σ∈（0，1）為儲(chǔ)能電池的充放電效率；為儲(chǔ)能電池的額定電量；Δt 為調(diào)度的單位時(shí)間，通常為1 h。

在調(diào)度周期T 完成后，儲(chǔ)能的SOC 需保持與初始SOC 相等以實(shí)現(xiàn)可持續(xù)的運(yùn)行：

考慮到儲(chǔ)能電池的使用壽命，其放電深度需要加以限制，即儲(chǔ)能SOC 需滿(mǎn)足：

1.5 緊急備用約束建模

為應(yīng)對(duì)發(fā)電機(jī)脫網(wǎng)、線路損壞等嚴(yán)重系統(tǒng)故障，設(shè)置儲(chǔ)能系統(tǒng)作為系統(tǒng)的緊急備用，并以?xún)?chǔ)能SOC 量度系統(tǒng)緊急備用的大小。當(dāng)嚴(yán)重故障發(fā)生時(shí)，一定比例的重要負(fù)荷需保障其供電，因此用式（26）表示系統(tǒng)緊急備用：

式中：θ 為微電網(wǎng)系統(tǒng)中重要負(fù)荷的比例。

2 兩階段魯棒優(yōu)化模型

2.1 目標(biāo)函數(shù)

本文研究的主要問(wèn)題是：在面臨光伏出力不確定性的挑戰(zhàn)下，微電網(wǎng)中分布式儲(chǔ)能系統(tǒng)如何進(jìn)行選址定容且為系統(tǒng)提供緊急備用，并給出微電網(wǎng)系統(tǒng)的優(yōu)化調(diào)度策略。因此，本文優(yōu)化問(wèn)題的成本函數(shù)由儲(chǔ)能投資維護(hù)成本FESS、儲(chǔ)能運(yùn)行損耗成本、系統(tǒng)發(fā)電成本FGEN和線路損耗成本構(gòu)成，即：

2.1.1 儲(chǔ)能投資維護(hù)成本

通常而言，儲(chǔ)能的投資成本為一次性投入、多年使用，維護(hù)成本則按年計(jì)。因此需要將投資成本折算為單年成本，并將單年投資成本與維護(hù)成本結(jié)合后折算至研究問(wèn)題的單日成本。其中，投資成本與儲(chǔ)能電池電量和換流器容量相關(guān)，維護(hù)成本與換流器容量相關(guān)。

2.1.2 發(fā)電成本

本文采用發(fā)電成本正比于微型發(fā)電機(jī)有功出力的模型，且單位出力價(jià)格隨時(shí)間變動(dòng)，類(lèi)似電價(jià)機(jī)制，故場(chǎng)景ξ 下的發(fā)電成本為：

式中：ρg，t為微型發(fā)電機(jī)g 在t 時(shí)刻的單位出力價(jià)格。

2.1.3 線路損耗成本

由于微型發(fā)電機(jī)的單位出力價(jià)格隨時(shí)間變化，而線路上的功率損耗可視作發(fā)電機(jī)出力的抵消，因此單位線路損耗成本同樣隨時(shí)間變化，故場(chǎng)景ξ 下的線路損耗成本為：

式 中：ρij，t為線路ij 在t 時(shí)刻的單位線路損耗成本；rij為線路ij 的電阻值；Jij，t，ξ為式（10）所示場(chǎng)景ξ 下t 時(shí)刻從節(jié)點(diǎn)i 流向j 的電流的平方值。

2.1.4 儲(chǔ)能運(yùn)行損耗成本

通過(guò)雙向換流器實(shí)現(xiàn)四象限運(yùn)行的儲(chǔ)能系統(tǒng)，它在調(diào)度周期內(nèi)的運(yùn)行損耗可使用其充放電功率衡量，并認(rèn)為單位損耗成本亦與時(shí)間相關(guān)，即：

式中：ρi，t為儲(chǔ)能i 在t 時(shí)刻的單位運(yùn)行損耗成本。基于前文對(duì)儲(chǔ)能充放電功率的約束，可采用絕對(duì)值不等式將儲(chǔ)能運(yùn)行成本表示為線性化函數(shù)。

2.2 兩階段魯棒問(wèn)題建模

從儲(chǔ)能系統(tǒng)的數(shù)學(xué)模型可以看出，微電網(wǎng)系統(tǒng)的運(yùn)行調(diào)度策略受到分布式儲(chǔ)能選址定容結(jié)果的約束，同時(shí)，給出的調(diào)度策略需應(yīng)對(duì)光伏的出力波動(dòng)性帶來(lái)實(shí)際可能的最差運(yùn)行工況。故本文的優(yōu)化問(wèn)題是典型的兩階段魯棒優(yōu)化問(wèn)題，可表示為如下形式：

式中：z 為第一階段的分布式儲(chǔ)能選址定容變量；y 為第二階段的系統(tǒng)運(yùn)行狀態(tài)變量；w 為具有不確定性的光伏出力變量；W 為式（1）表示的光伏出力范圍。

該優(yōu)化問(wèn)題由第一階段的min 問(wèn)題和第二階段的max-min 問(wèn)題組成，其中第一階段問(wèn)題關(guān)注的是儲(chǔ)能選址定容的規(guī)劃成本最小化，第二階段引入魯棒優(yōu)化，以max 問(wèn)題表示“最?lèi)毫印钡墓夥鼘?shí)際出力工況，而min 問(wèn)題則為在該“最?lèi)毫印惫r下盡可能最小化由發(fā)電成本、線路損耗成本和儲(chǔ)能運(yùn)行損耗成本組成的實(shí)時(shí)運(yùn)行成本。

以緊湊矩陣形式表示該兩階段優(yōu)化問(wèn)題，即：

3 求解算法

3.1 C&CG 算法

針對(duì)式（36）表示的兩階段魯棒優(yōu)化問(wèn)題，本文使用列與C&CG（約束生成算法）進(jìn)行求解。C&CG算法將原始的兩階段問(wèn)題分解為主問(wèn)題和子問(wèn)題，通過(guò)兩者交替求解得到原始問(wèn)題的最優(yōu)解。在每次迭代求解主問(wèn)題時(shí)，C&CG 算法會(huì)根據(jù)子問(wèn)題的求解情況，為主問(wèn)題生成與子問(wèn)題相關(guān)的變量和約束，雖然可能導(dǎo)致每次迭代求解主問(wèn)題的時(shí)長(zhǎng)更長(zhǎng)，但能有效降低問(wèn)題的迭代次數(shù)[23]。

分解式（36）得到對(duì)應(yīng)的MP（主問(wèn)題）如下：

分解式（36）得到對(duì)應(yīng)的SP（子問(wèn)題）如下：

式中：各括號(hào)中π，λ，σi和μi為對(duì)應(yīng)約束的對(duì)偶乘子。

3.2 子問(wèn)題轉(zhuǎn)換：強(qiáng)對(duì)偶原理

式（38）表示的子問(wèn)題有線性的目標(biāo)函數(shù)和二階錐形式的約束，具有二階錐規(guī)劃的特征。根據(jù)強(qiáng)對(duì)偶原理，將子問(wèn)題目標(biāo)函數(shù)的內(nèi)層min 問(wèn)題轉(zhuǎn)換為對(duì)應(yīng)的對(duì)偶max 問(wèn)題，從而合并得到具有max 形式目標(biāo)函數(shù)的子問(wèn)題如下：

3.3 雙線性項(xiàng)轉(zhuǎn)換：大M 法

對(duì)偶變形之后，式（39）的目標(biāo)函數(shù)包含了（Mw）Tπ 和（Nw）Tλ 這類(lèi)的雙線性項(xiàng)，不滿(mǎn)足凸優(yōu)化的條件，無(wú)法直接求解，故采用大M 法將其轉(zhuǎn)換為可求解的形式。

不確定性變量w 所屬的集合W 為區(qū)間集合，根據(jù)優(yōu)化理論，目標(biāo)函數(shù)的最優(yōu)值在區(qū)間端點(diǎn)處取得。定義0-1 變量δs表征w 取得區(qū)間的最大值或最小值，即：

其中，當(dāng)δs=0 時(shí)，ws取得其最小值ws，min；當(dāng)δs=1時(shí)，ws取得其最大值ws，max。進(jìn)一步，定義連續(xù)變量γs=δsπs，用大M 法轉(zhuǎn)換式（40），得到：

式中：M 為足夠大的正整數(shù)。

最后，將式（41）代入對(duì)偶合并后的優(yōu)化子問(wèn)題（39），得到混合整數(shù)二階錐規(guī)劃形式的子問(wèn)題，記為Dual-SP。

3.4 C&CG 算法求解流程

基于以上變形，C&CG 算法的求解流程如下：

第1 步：初始化收斂下界LB=-∞，收斂上界UB=+∞，迭代次數(shù)k=1，輸入算法的收斂誤差ε。

第2 步：對(duì)于給定不確定性變量的取值w*，調(diào)用MISOCP 求解器求解主問(wèn)題MP，得到一組最優(yōu)解（z*，η*，yl*），l=1，2，…，k，并更新下界LB=min{LB，aTz*+η*}。

第3 步：根據(jù)第2 步求解MP 得到的z*，代入求解MISOCP 子問(wèn)題Dual-SP。

（1）若子問(wèn)題可解，則得到最優(yōu)解（w*，π*，λ*，，）和對(duì)應(yīng)的最優(yōu)目標(biāo)函數(shù)值θ（z*）。

（2）若子問(wèn)題無(wú)解，則θ（z*）=+∞，進(jìn)而更新上界如下：UB=max{UB，aTz*+θ（z*）}。

第4 步：若UB-LB≤ε，則返回最優(yōu)解與對(duì)應(yīng)的目標(biāo)函數(shù)值，否則：

（1）若子問(wèn)題可解，則生成新變量yl+1，并添加下列約束至主問(wèn)題MP：

（2）若子問(wèn)題無(wú)解，則生成新變量yl+1，并添加下列約束至主問(wèn)題MP：

第5 步：令迭代次數(shù)k=k+1，返回第2 步。

4 算例分析

4.1 算例信息

本文以修改后IEEE 22 節(jié)點(diǎn)輻射狀電網(wǎng)[24]作為微電網(wǎng)算例進(jìn)行優(yōu)化仿真驗(yàn)證，在節(jié)點(diǎn)16 處安裝容量為4.5 MW 的分布式光伏電站，如圖3所示。隨時(shí)間變化的單位功率成本列舉于表1中，表2 為仿真算例的其他關(guān)鍵參數(shù)。

表1 隨時(shí)間變化的單位功率成本參數(shù)

表2 仿真算例的關(guān)鍵參數(shù)

圖3 修改后的IEEE 22 微電網(wǎng)系統(tǒng)仿真算例

本文考慮春夏運(yùn)行場(chǎng)景和秋冬運(yùn)行場(chǎng)景這2個(gè)典型運(yùn)行場(chǎng)景以表征微電網(wǎng)系統(tǒng)調(diào)度在一年內(nèi)的運(yùn)行特征。這些運(yùn)行場(chǎng)景內(nèi)的光伏預(yù)測(cè)出力、負(fù)荷曲線以標(biāo)幺值形式如圖4 所示。

圖4 春夏、秋冬典型運(yùn)行場(chǎng)景光伏與負(fù)荷曲線

4.2 微電網(wǎng)優(yōu)化運(yùn)行結(jié)果

根據(jù)上述參數(shù)，在MATLAB 軟件中編程C&CG 算法，調(diào)用CPLEX 求解器求解第二、三章所述的兩階段魯棒優(yōu)化模型。

在表2 給出的微電網(wǎng)內(nèi)安裝的分布式儲(chǔ)能套數(shù)、容量、儲(chǔ)能電池電量的上限及其他關(guān)鍵約束下，經(jīng)迭代求解以后，得到的分布式儲(chǔ)能系統(tǒng)選址定容結(jié)果及投資維護(hù)成本如表3 所示，在不同場(chǎng)景下的系統(tǒng)運(yùn)行成本如表4 所示。

表4 第二階段各項(xiàng)運(yùn)行調(diào)度成本優(yōu)化結(jié)果

分析表3 得出的選址結(jié)果，微電網(wǎng)中共安裝了兩套分布式儲(chǔ)能系統(tǒng)，即為約束的套數(shù)上限。儲(chǔ)能系統(tǒng)的一號(hào)選址點(diǎn)節(jié)點(diǎn)16 為光伏接入點(diǎn)，微電網(wǎng)系統(tǒng)中，光伏的出力具有較大波動(dòng)性，配置儲(chǔ)能系統(tǒng)可以平抑系統(tǒng)的波動(dòng)從而平穩(wěn)運(yùn)行，相較配置儲(chǔ)能前降低了節(jié)點(diǎn)16 處約8.5%的功率波動(dòng)；儲(chǔ)能系統(tǒng)的二號(hào)選址點(diǎn)節(jié)點(diǎn)20 靠近微電網(wǎng)網(wǎng)絡(luò)末端，由于儲(chǔ)能系統(tǒng)具有四象限運(yùn)行能力，安裝于末端的儲(chǔ)能系統(tǒng)可以為系統(tǒng)提供無(wú)功支撐，穩(wěn)定系統(tǒng)末端節(jié)點(diǎn)的電壓水平。

表3 第一階段儲(chǔ)能選址定容及成本優(yōu)化結(jié)果

不同典型場(chǎng)景下微電網(wǎng)系統(tǒng)的優(yōu)化調(diào)度策略如圖5 所示。

圖5 不同典型場(chǎng)景下微電網(wǎng)系統(tǒng)的優(yōu)化調(diào)度策略

針對(duì)圖5 所示的春夏、秋冬兩類(lèi)典型場(chǎng)景微電網(wǎng)系統(tǒng)的優(yōu)化調(diào)度策略進(jìn)行分析，有如下結(jié)論：當(dāng)光伏出力抬升時(shí)，發(fā)電成本較高的微型發(fā)電機(jī)出力逐漸下降，系統(tǒng)負(fù)荷由儲(chǔ)能系統(tǒng)和光伏出力共同支撐；微電網(wǎng)配置的儲(chǔ)能系統(tǒng)均傾向于在低電價(jià)時(shí)段充電，高電價(jià)時(shí)段放電，相較配置儲(chǔ)能前，降低發(fā)電成本約5%，降低線損成本約15%；為應(yīng)對(duì)光伏或負(fù)荷的快速波動(dòng)，儲(chǔ)能需進(jìn)行大量有功充放電操作，此時(shí)儲(chǔ)能的無(wú)功功率變動(dòng)平緩，以滿(mǎn)足儲(chǔ)能的容量約束。

5 結(jié)論

分布式儲(chǔ)能系統(tǒng)可以平抑可再生能源出力的波動(dòng)并為微電網(wǎng)提供運(yùn)行輔助。本文針對(duì)微電網(wǎng)中分布式光伏的出力不確定性，圍繞微電網(wǎng)建設(shè)中關(guān)鍵的分布式儲(chǔ)能系統(tǒng)規(guī)劃配置問(wèn)題，主要有如下貢獻(xiàn)：

建立了結(jié)合系統(tǒng)支路潮流模型與儲(chǔ)能四象限運(yùn)行特點(diǎn)的二階錐規(guī)劃潮流模型，該模型對(duì)每組儲(chǔ)能設(shè)備減少了2 個(gè)充放電標(biāo)志0-1 變量和2 組以上的功率容量線性化0-1 變量，提高優(yōu)化建模統(tǒng)一性。

提出了以魯棒優(yōu)化方法尋找光伏出力波動(dòng)的最差運(yùn)行工況，從而建立應(yīng)對(duì)不確定性結(jié)合系統(tǒng)緊急備用約束下的微電網(wǎng)儲(chǔ)能系統(tǒng)選址定容的方法并基于算例求解結(jié)論，驗(yàn)證了分布式儲(chǔ)能系統(tǒng)在光伏接入點(diǎn)降低了約8.5%的功率波動(dòng)，并降低系統(tǒng)發(fā)電成本約5%，降低網(wǎng)絡(luò)線損成本約15%。

作為本文工作的補(bǔ)充，后續(xù)工作應(yīng)著重于研究考慮分布式光伏和風(fēng)電聯(lián)合優(yōu)化建模的問(wèn)題，并深入剖析優(yōu)化算法，以求提高算法求解速度和效率。