基于聯(lián)合時序場景和源網(wǎng)荷協(xié)同的分布式光伏與儲能優(yōu)化配置

李 勇 姚天宇 喬學博 肖娟霞 曹一家

基于聯(lián)合時序場景和源網(wǎng)荷協(xié)同的分布式光伏與儲能優(yōu)化配置

李 勇 姚天宇 喬學博 肖娟霞 曹一家

（湖南大學電氣與信息工程學院 長沙 410082）

主動配電網(wǎng)可通過協(xié)同調度靈活性資源促進分布式光伏（DPV）電量消納，為此提出基于聯(lián)合時序場景和源-網(wǎng)-荷協(xié)同的DPV與儲能系統(tǒng)（ESS）聯(lián)合優(yōu)化配置方法?；趧討B(tài)彎曲時間特性提出光-荷聯(lián)合時序場景生成方法，處理源-荷不確定性和時序相關性；建立源、網(wǎng)、荷、儲靈活性資源數(shù)學模型；以DPV全年總發(fā)電量最大為目標，兼顧配電網(wǎng)經濟性，建立DPV與ESS聯(lián)合優(yōu)化配置的混合整數(shù)線性規(guī)劃模型。以某51節(jié)點標準測試系統(tǒng)為例驗證所提方法的有效性，量化分析不同靈活性資源對DPV消納的提升效果。

儲能 分布式光伏 源網(wǎng)荷協(xié)同 聯(lián)合時序場景 聯(lián)合規(guī)劃

0 引言

為擺脫對化石能源的過度依賴，加快能源轉型，我國提出碳達峰、碳中和目標[1]。提升光伏發(fā)電在電網(wǎng)中的占比是重要解決手段。然而，由于分布式光伏（Distributed Photovoltaic, DPV）和負荷的錯峰出力、DPV出力間歇性致使配電網(wǎng)對DPV的消納能力較弱[2]。而儲能系統(tǒng)（Energy Storage System, ESS）可用于平抑功率波動、負荷削峰填谷，成為配電系統(tǒng)保持源-荷平衡不可或缺的組成部分[3-4]。國務院印發(fā)的《2030年前碳達峰行動方案的通知》明確指出：積極發(fā)展“新能源+儲能”、源網(wǎng)荷儲一體化和多能互補，支持分布式新能源合理配置儲能系統(tǒng)。

近年來，許多學者已在光伏儲能并網(wǎng)的協(xié)同規(guī)劃方面做了相關研究。文獻[5-6]重點研究城市/農村地區(qū)DPV與ESS的協(xié)同規(guī)劃，建立混合整數(shù)二階錐模型，提升光伏滲透率；文獻[7]提出一種基于經濟性的互聯(lián)網(wǎng)數(shù)據(jù)DPV和ESS協(xié)同優(yōu)化配置模型；文獻[8]提出考慮需求側響應和轉移負荷的DPV與ESS優(yōu)化配置模型，最大化電網(wǎng)收益及可靠性；文獻[9]考慮碳排放成本，對多種能源和ESS進行優(yōu)化配置；文獻[10]提出一種基于源網(wǎng)荷協(xié)同優(yōu)化的配電網(wǎng)光儲聯(lián)合系統(tǒng)規(guī)劃方法，提升區(qū)域能源投資商收益；文獻[11]提出一種考慮源網(wǎng)荷靈活性資源的配電網(wǎng)儲能優(yōu)化配置魯棒模型。上述文獻均從配電網(wǎng)規(guī)劃成本分析驗證了DPV與ESS聯(lián)合規(guī)劃的有效性，但未充分發(fā)揮源網(wǎng)荷協(xié)同優(yōu)勢，提升配電網(wǎng)DPV消納能力，且模型均為非線性或二階錐形式。

此外，DPV與ESS優(yōu)化配置問題需充分考慮負荷以及DPV出力的間歇和不確定性，已有研究采用典型場景分析法[12]，在保留DPV及負荷出力特性的同時提高求解效率。在典型場景生成方面， k-means聚類[13]、模糊C-means聚類[14]、層次聚類[15]算法等場景生成方法已得到廣泛應用。但上述方法在處理高維數(shù)組時，由于初始聚類中心難以選取、相似度衡量方法存在偏差，導致聚類質量低下[16]。目前主流的相似度衡量手段是歐式距離，但歐氏距離只考慮曲線點的分布特性，不適用于連續(xù)時間曲線的聚類。近年來，動態(tài)彎曲距離（Dynamic Time Warping, DTW）被應用于相似性度量中[17]。文獻[18]提出一種基于歐式距離與DTW的日負荷曲線聚類方法，該方法在聚類質量、魯棒性方面具有一定的優(yōu)越性，但在配電網(wǎng)規(guī)劃中忽略了DPV和負荷的時序相關性。

綜上所述，本文在進行配電網(wǎng)源荷不確定性和相關性建模時，考慮DTW動態(tài)時間特性，提出了光-荷聯(lián)合時序場景生成方法；建立考慮源-網(wǎng)-荷儲靈活性資源協(xié)同的DPV與ESS聯(lián)合優(yōu)化配置模型，并采用線性化近似將模型線性化；算例驗證了DPV與ESS聯(lián)合配置模型的有效性，提升DPV消納能力的同時保證了配電網(wǎng)經濟性。

1 基于DTW動態(tài)時間特性的光-荷聯(lián)合時序場景生成方法

1.1 聯(lián)合曲線相似性度量方法

1.1.1 DTW算法

原始數(shù)據(jù)在時間線上未對齊時無法使用傳統(tǒng)的全局匹配度量法，而DTW能夠更好地刻畫時間序列的整體動態(tài)特性，辨別曲線間的相似度。因此，引入DTW可彌補傳統(tǒng)聚類方法對整體時序特性描述的不足。DTW區(qū)別于歐式距離，運用動態(tài)規(guī)劃思想，通過對時間序列的延伸和縮短，調整不同曲線上時間點的對應關系，從而獲取一條最優(yōu)彎曲路徑，使時間序列間沿該路徑的計算距離最小[18]。

同時，動態(tài)彎曲曲線選擇需滿足：累計失真度最?。黄瘘c與終點位置需滿足從點(1,1)出發(fā)到點(,)結束；還需滿足路徑的連續(xù)性及單調性，即

1.1.2 歐式距離

式中，為歐式距離。

1.1.3 光-荷相關性距離

再引入指標評價兩場景內光-荷相似度，則

1.2 場景間相似性指標

針對上文描述的歐式距離、DTW距離及光-荷相關性距離，提出一種考慮光伏/負荷的整體分布特性、光伏/負荷的時序相關性以及整體動態(tài)特性的度量指標，即

圖1 考慮指標Y聚類結果

1.3 算法實現(xiàn)過程

本文算法基于簇內誤差二次方和（SSE）、輪廓系數(shù)（SE）及場景間相似性指標的計算，將簇內誤差二次方和小而輪廓系數(shù)大對應的聚類數(shù)目設置為最優(yōu)聚類數(shù)，再根據(jù)相似性指標對各場景進行劃分，流程圖如附圖2所示。具體步驟如下：

（2）根據(jù)式（3）、式（7）、式（9）分別計算光伏、負荷的DTW距離、歐式距離及相關性距離。利用式（11）將各個指標標準化，再利用主成分分析法衡量各個成分對應權重大小。

2 源-網(wǎng)-荷-儲靈活性資源數(shù)學模型

對于配電網(wǎng)而言，其網(wǎng)架結構復雜，包含節(jié)點較多，DPV、有載調壓變壓器（On-Load Tap Changer, OLTC）、靜止無功補償裝置（Switching Virtual Circuit, SVC）、并聯(lián)電容器組（Shunt Capacitor Bank, SCB）、智能軟開關（Soft Open Point, SOP）、柔性負荷、ESS等靈活性資源分散分布在網(wǎng)絡中。此外，不同的靈活性資源具有明顯的時空分布特性，配電運營商可通過協(xié)調源-網(wǎng)-荷-儲靈活性資源確保系統(tǒng)安全經濟運行。

2.1 DPV有功削減/無功調節(jié)

文獻[19]已驗證可通過適當削減某些特定時刻DPV有功出力，提升一段時間內的DPV電量消納。此外，DPV逆變器具有一定的無功支撐能力參與配電網(wǎng)無功調節(jié)。DPV有功削減、無功調節(jié)數(shù)學模型為[20]

2.2 OLTC調節(jié)

OLTC所在支路不僅要滿足潮流等式約束，還需滿足電壓變換約束。

2.3 無功補償

2.4 SOP優(yōu)化

SOP主要安裝于聯(lián)絡開關處，能快速準確地控制自身有功/無功功率流動，改善配電網(wǎng)潮流和電壓分布。SOP數(shù)學模型為[21]

2.5 柔性負荷響應

通過負荷的主動響應也可改善配電網(wǎng)潮流分布。針對柔性負荷，過大的用電功率和過多的用電時段調整會影響電力客戶的用電體驗舒適度，從而降低用戶需求側響應的積極性。因此，需要對響應時段和時長等進行必要的約束。本文重點以可削減負荷為研究對象，約束條件包括可削減時段，削減速率、削減時長和功率平衡，表示為

2.6 ESS并網(wǎng)優(yōu)化運行

本文以電儲能為例展開研究，其并網(wǎng)運行需滿足條件如式（25）～ 式（30）所示[22]。其中，式（25）和式（26）限制了ESS的有功、無功出力范圍；式（27）給出了ESS剩余電量的變化范圍；式（28）給出了ESS充放電狀態(tài)約束；式（29）給出了ESS輸出功率和電量的關系；式（30）表示ESS全天充放電量相等。

3 DPV與ESS聯(lián)合優(yōu)化配置模型

本文將DPV的安裝容量、ESS安裝位置以及ESS的安裝容量作為決策變量，考慮DPV有功削減、無功補償、OLTC調節(jié)、SOP優(yōu)化、柔性負荷調節(jié)等約束，提出了以DPV全年總發(fā)電量最大為目標的DPV與ESS聯(lián)合優(yōu)化配置模型。

3.1 目標函數(shù)

本文目標函數(shù)為DPV全年總發(fā)電量最大，即

3.2 約束條件

1）投資建設約束

（1）DPV容量約束

（2）ESS功率和容量約束

（3）配電網(wǎng)成本約束

2）運行約束

（1）潮流約束

采用支路潮流模型來描述系統(tǒng)潮流，即[23]

（2）安全約束

為保證系統(tǒng)的安全性以及電能質量，各支路電流以及各節(jié)點電壓應滿足

（3）倒送功率約束

（4）其他運行約束，見2.1～2.6節(jié)。

3.3 模型線性化

上述模型中，式（13）、式（14）～式（16）、式（21）、式（22）、式（25）、式（28）、式（39）～式（43）等非線性約束導致該模型難以求得最優(yōu)解。本節(jié)對上述公式進行線性化轉換。

1）OLTC線性化[24]

將式（46）代入式（15）中，可得

2）DPV有功削減線性化

添加約束

3）儲能并網(wǎng)約束線性化

4）潮流等式及二次型等式線性化：SOP運行約束式（21）、式（22）、儲能運行約束式（25）以及潮流約束式（43）都為二次型約束，采用文獻[25]的線性化方法處理，具體過程見附錄。

4 算例驗證

以改進的51節(jié)點某農村配電系統(tǒng)進行仿真分析，系統(tǒng)如附圖3所示，算例數(shù)據(jù)見文獻[26]。系統(tǒng)基準電壓為10kV，基準功率為1MV?A。系統(tǒng)中總負荷為(6 875+j2 440)kV?A，共三條饋線。

4.1 光-荷聯(lián)合時序場景驗證

根據(jù)本文所提的光-荷聯(lián)合時序場景生成方法，將原始數(shù)據(jù)處理為365天的聯(lián)合場景，基于DTW相似性指標將原始數(shù)據(jù)劃分為9個典型日場景，如附圖5所示。根據(jù)文獻[18]所述方法，對原始數(shù)據(jù)進行k-means與DTW相結合的典型日場景生成，同樣獲得9個場景，兩種方法對比結果見附表3。對照附表3可知，聚類結果存在些許差異。在歐式DTW法中，其算法將原始場景7與291劃分為同一類，而本文算法則將其劃分為不同類。場景7與291的負荷曲線對比如圖2所示。由圖2可知，兩場景在形狀與時間分布上具有明顯差別，應劃分為不同的類。由于歐式DTW法未考慮光伏與負荷的相關性，其聚類結果具有一定偏差，而本文聯(lián)合聚類算法可避免該問題。

圖2 場景7與291對比

通過DPV單獨規(guī)劃對比分析歐式DTW法與本文方法對規(guī)劃結果的影響。利用歐式DTW法分別處理負荷與光伏的歷史數(shù)據(jù)，再排列組合形成新的典型日場景，共計25個。將兩類場景放入DPV規(guī)劃模型中進行求解，配置結果見表1。

表1 各場景生成方法下的DPV優(yōu)化配置結果

由表1可知，采用本文場景生成方法得到的DPV規(guī)劃結果小于歐式DTW法。由于本文方法考慮了DPV與負荷間的時序相關特性，其曲線更接近真實的出力曲線，而對比方法會生成較多無效場景，且不能有效反映DPV與負荷時序相關性，導致規(guī)劃結果偏大。本文所提方法能用更少的場景來描述DPV與負荷的不確定性/時序相關性，且本文方法使場景數(shù)量大幅減少，有利于提升計算效率。

4.2 DPV與ESS聯(lián)合規(guī)劃

本部分主要研究DPV與ESS聯(lián)合規(guī)劃及考慮儲能后的配電網(wǎng)經濟性分析。僅考慮DPV規(guī)劃和考慮儲能聯(lián)合的DPV規(guī)劃結果見表2，儲能配置結果見表3，系統(tǒng)各成本對比見表4。需要說明的是，DPV和ESS聯(lián)合規(guī)劃分析時將配電網(wǎng)綜合成本上限設置為DPV單獨規(guī)劃的年綜合成本。

表2 DPV/ESS協(xié)同優(yōu)化配置方案對比

表3 ESS優(yōu)化配置結果

表4 成本對比

從表2中可知，相較于DPV規(guī)劃，DPV與ESS聯(lián)合規(guī)劃提升DPV的安裝容量約14.0%。由表4可知，配電網(wǎng)系統(tǒng)中DPV的總發(fā)電量增加約13.96%。由棄光成本可知，聯(lián)合規(guī)劃的棄光量相對DPV單獨規(guī)劃較高，這是由DPV安裝容量提升導致的。計算單位容量DPV的平均發(fā)電量，聯(lián)合規(guī)劃方案的平均發(fā)電量為88.36kW/h，而DPV單獨規(guī)劃為88.38kW/h。顯然，聯(lián)合規(guī)劃在略微增加DPV削減量的條件下明顯提升了DPV安裝容量。

由表4可知，聯(lián)合規(guī)劃方案的成本明顯低于DPV單獨規(guī)劃的成本，減少了約26.1%。聯(lián)合規(guī)劃雖增加了ESS建設/運維成本，棄光成本與柔性負荷補償成本相較于DPV單獨規(guī)劃方案也略有提升，但聯(lián)合規(guī)劃通過對DPV電量消納的提升大幅減少了主網(wǎng)購電成本，提升了配電網(wǎng)經濟性。

此外，為了說明本文方法的適用性，隨機選取不同ESS待選位置進行DPV與ESS聯(lián)合規(guī)劃。其中，四種不同ESS待選位置和其優(yōu)化配置結果見附表4。由結果可知，ESS待選位置變化會影響DPV與ESS規(guī)劃結果，某些待選節(jié)點甚至不需要安裝ESS。此外，儲能配置節(jié)點一般應靠近DPV接入點。需要說明的是，實際規(guī)劃中可根據(jù)具體情況確定ESS待選位置后再進行規(guī)劃研究。

4.3 源-網(wǎng)-荷協(xié)同分析

為研究源-網(wǎng)-荷協(xié)同對配電網(wǎng)DPV消納的影響，本文設置附表5中的8種方案進行分析，優(yōu)化結果見表5和圖3。需要說明的是，由于各個方案中考慮的因素不同，該小節(jié)設置所有方案不考慮成本約束式（34）對DPV與ESS優(yōu)化配置。

對比方案1～方案8，DPV規(guī)劃容量總和逐步增長，方案8規(guī)劃結果最佳，較方案1增長了43.12%。考慮網(wǎng)側（SOP與OLTC）、源側（DPV削減）、荷側（ESS與響應負荷）中的一類進行DPV接入容量規(guī)劃時（對應方案2、3、4），其DPV容量結果較方案1分別提升12.98%、15.92%和16.89%，其中ESS接入配電網(wǎng)可較大幅度提升配電網(wǎng)DPV的接入容量。方案5、6、7，其DPV接入容量結果相較方案1分別提升了25.56%、28.82%和36.45%，可知DPV削減、響應負荷及ESS協(xié)同規(guī)劃，能動態(tài)調整源-荷出力曲線，從而促進配電網(wǎng)DPV消納。

表5 各靈活資源配置方案下的DPV配置結果

圖3 配電網(wǎng)綜合成本與DPV總發(fā)電量

由圖3分析可知，方案1～方案8的DPV的總發(fā)電量逐漸增大，而配電網(wǎng)總成本波動變化。方案2、方案3以及方案5中，考慮SOP與OLTC、DPV削減手段導致配電網(wǎng)綜合成本提升，分析其原因是由于OLTC及SOP可以調整系統(tǒng)電壓，改變潮流分布使DPV被更好地消納，但其網(wǎng)損也隨之增加。另外，DPV削減費用也使配電網(wǎng)綜合成本進一步增加。方案4、方案6～8中，其配電網(wǎng)綜合成本較方案1分別減少了15.94%、20.62%、16.82%和21.80%。由于ESS的接入可動態(tài)調整系統(tǒng)功率分配，大幅提升配電網(wǎng)DPV消納并具有較高的經濟性。

此外，將方案8與4.2節(jié)的DPV聯(lián)合規(guī)劃結果比較，兩方案DPV優(yōu)化容量均為13.942MW，但兩方案總發(fā)電量分別為10 791.7MW?h和10 792.3MW?h，配電網(wǎng)綜合成本分別為1 022.68萬元和1 292.1萬元。由于方案8未考慮配電網(wǎng)綜合成本約束，其儲能配置容量遠大于DPV聯(lián)合規(guī)劃方案，而DPV的規(guī)劃容量并未提升，其DPV總電量僅增加了0.6MW·h。上述結果表明此時繼續(xù)增加儲能容量配置并不能提升DPV規(guī)劃容量，且系統(tǒng)經濟性也會降低。

4.4 DPV削減率靈敏度分析

為研究DPV削減率對DPV消納與ESS聯(lián)合規(guī)劃的影響，設置光伏的最大削減率從1%～10%變化，進行DPV削減率靈敏度分析。DPV容量配置、ESS配置結果見附表6和附表7，ESS安裝總容量變化趨勢如圖4所示，配電網(wǎng)成本對比如圖5所示。

圖4 ESS安裝總容量

圖5 配電網(wǎng)成本對比

由附表6可知，隨光伏最大削減率的增大，DPV的安裝容量不斷增加，允許DPV適當削減有助于提升配電網(wǎng)DPV的接入容量。由圖4可知，隨DPV削減量的變化，ESS安裝總容量呈現(xiàn)先下降后上升趨勢。DPV削減量較小時，配電網(wǎng)DPV規(guī)劃容量相對較小，為保證DPV高效消納，ESS的安裝容量較大。隨DPV削減量的增加，DPV在削減后可有效消納，因此ESS安裝容量隨之降低。DPV削減達到5%時，ESS安裝容量最小。DPV削減率繼續(xù)增加時，由于配電網(wǎng)DPV接入容量變大，對DPV削減并不能有效消納DPV電量，而ESS安裝容量又呈現(xiàn)上升趨勢，即需要增加ESS促進DPV消納。

由圖5可知，配電網(wǎng)綜合成本隨DPV削減率呈先減少后增加趨勢，在削減率為5%時，達到最小值，此時配電網(wǎng)運行經濟性最高。DPV削減量為1%～5%時，由于ESS安裝容量的減少以及DPV接入容量的增加，使配電網(wǎng)綜合成本呈下降趨勢；而DPV削減量大于5%后，由于DPV接入容量、削減成本、ESS安裝成本均增加，使綜合成本呈現(xiàn)上升趨勢。

對比DPV削減率為5%和10%兩種情況，DPV接入配電網(wǎng)的總容量分別為13.208MW、13.942MW，容量提升了5.56%。而配電網(wǎng)成本分別為979.41萬元、1 022.67萬元，成本相對增加了4.41%。綜上所述，若配電網(wǎng)運行重點為經濟性，DPV最大削減率選擇5%更加合適；若為提升配電網(wǎng)DPV消納能力，選擇10%更加合適，且DPV最大削減率為10%時配電網(wǎng)綜合成本仍然低于削減率為1%的年綜合成本，該方案可兼顧配電網(wǎng)經濟性與DPV消納能力。

5 結論

本文綜合考慮DPV和負荷的不確定性及時序相關性，通過分析源-網(wǎng)-荷-儲靈活性資源特性，建立了兼顧配電網(wǎng)經濟性的DPV與ESS聯(lián)合優(yōu)化配置模型，并基于某農網(wǎng)51節(jié)點系統(tǒng)得到規(guī)劃結果。通過仿真分析，得到以下主要結論：

1）基于DTW動態(tài)時間特性的光-荷聯(lián)合時序場景方法將年歷史數(shù)據(jù)削減為9個典型日場景，能利用較少場景描述DPV和負荷的不確定性及時序相關性，且保證了計算效率。

2）DPV與ESS聯(lián)合規(guī)劃可顯著提升配電網(wǎng)DPV消納。相較于DPV單獨規(guī)劃，DPV安裝容量提升14%，且降低配電網(wǎng)總成本約26.1%。儲能配置位置一般應靠近DPV接入點。

3）源-網(wǎng)-荷協(xié)同規(guī)劃時，通過ESS接入調節(jié)系統(tǒng)功率時空分布，從而提升配電網(wǎng)DPV消納。相較于無靈活性資源的方案，DPV規(guī)劃容量提升約43.12%，成本降低約21.8%，大幅提升配電網(wǎng)經濟性。

4）隨DPV削減率增加，DPV規(guī)劃容量會隨之提升，而ESS規(guī)劃結果先減少后增加。若以配電網(wǎng)經濟性為目標，則選擇DPV最大削減率5%最佳；若以DPV電量消納最大為目標，則選擇DPV最大削減率為10%更佳，該方案可兼顧配電網(wǎng)經濟性。

1. 潮流等式線性化

OLTC運行約束轉變?yōu)?/p>

其他支路約束式（42）、式（43）轉變?yōu)?/p>

2. 二次型約束線性化

以SOP線性化為例說明如何將二次型約束線性化，儲能二次型約束對應線性化方法類似，這里不再贅述。將SOP的運行約束式（21）進行變換，可得

再將式（A11）進行松弛，得到

對潮流約束（A6）進行松弛得

經過松弛后，式（A12）、式（A13）及儲能運行約束式（25）具有相同的形式，即

將形如式（A14）的公式進行統(tǒng)一的線性化處理，則

附圖1 不考慮指標聚類結果

App.Fig.1 Clustering results without index

附表1 儲能運行參數(shù)

App.Tab.1 Parameters of ESS operating

參數(shù)數(shù)值 最大充電功率/kW300 最大放電功率/kW300 最大安裝容量/（kW?h）1 000 最大安裝視在功率/（kV?A）1 000 儲能充電效率（%）70 儲能放電效率（%）70 儲能放電深度（%）90 儲能安裝單位容量/(組/kW)100

附圖2 本文所提算法流程

App.Fig.2 Algorithm flow chart

附圖3 改進51農網(wǎng)算例

App.Fig.3 Improved 51 rural grid

附表2 系統(tǒng)價格參數(shù)

App.Tab.2 Parameters of system price

參數(shù)數(shù)值 儲能運行維修系數(shù)0.1 折舊率0.08 運行壽命10 儲能容量投資成本/[元/(kW?h)]1 270 儲能單位功率投資成本/[元/(kV?A)]1 650 主網(wǎng)購電成本/[元/(kW?h)]0.6 可控負荷補償價格/[元/(kW?h)]0.6 棄光懲罰成本/[元/(kW?h)]3.6

附圖4 某地一年歷史數(shù)據(jù)

App.Fig.4 One year's historical data of a certain place

附表3 典型場景對比

App.Tab.3 Comparison of typical scenes

典型場景DTW聯(lián)合歐式DTW 聚類中心場景概率(%)聚類中心場景概率(%) 場景169.3267.94 場景2275.75276.85

（續(xù)）

典型場景DTW聯(lián)合歐式DTW 聚類中心場景概率(%)聚類中心場景概率(%) 場景3579.86577.95 場景48714.798718.08 場景529114.52291(7)18.36 場景675.21325.21 場景7223(32/206)8.77206(223)4.93 場景8250(64/116)25.2164(246/250)21.64 場景92466.571169.04

注：1～365為原始數(shù)據(jù)各天數(shù)的編號，DTW聯(lián)合和歐式DTW下方的數(shù)字表示聚類中心所在天數(shù)的編號，括號內的數(shù)字表示該場景與括號外的典型場景相似，但區(qū)別與另一方法的結果。

附圖5 DTW動態(tài)時間聯(lián)合聚類場景

App.Fig.5 DTW dynamic time joint clustering scene

附表4 儲能不同待選位置配置結果

App.Tab.4 ESS configuration in different positions

方案ESS待選位置安裝視在功率/kW安裝容量/(kW?h)DPV規(guī)劃總容量/MW配網(wǎng)綜合成本/萬元 1節(jié)點1040060013.514972.29 節(jié)點23300600 節(jié)點4600 節(jié)點48300400 2節(jié)點70013.0861 005.89 節(jié)點800 節(jié)點23400500 節(jié)點481 0001 300 3節(jié)點40013.5141 000.78 節(jié)點30400500 節(jié)點35300400 節(jié)點489001 200 4節(jié)點2360080013.9421 022.68 節(jié)點30400500 節(jié)點42500700 節(jié)點48400500

附表5 算例設置

App.Tab.5 Settings of case study

方案DPV削減SOP與OLTCBES與響應負荷 1———

（續(xù)）

方案DPV削減SOP與OLTCBES與響應負荷 2—√— 3√—— 4——√ 5√√— 6—√√ 7√—√ 8√√√

附表6 DPV優(yōu)化配置結果

App.Tab.6 Optimized configuration results of DPV

DPV最大削減率（%）DPV準入容量/MW 節(jié)點32節(jié)點34節(jié)點43節(jié)點47總和 12.9643.2305.01.48012.774 23.0863.1775.01.54112.804 32.4443.7925.01.69912.935 42.5693.7425.01.76013.071 52.6164.1355.01.45713.208 62.5473.4475.02.35513.349 72.7281.6065.04.15813.492 83.0223.5345.02.08313.639 92.5952.2625.01.93213.789 102.8483.8995.02.19513.942

附表7 BES優(yōu)化配置結果

App.Tab.7 Optimize configuration results of BES

DPV最大削減率（%）節(jié)點23節(jié)點30節(jié)點42節(jié)點48 安裝視在功率/kW安裝容量/(kW?h)安裝視在功率/kW安裝容量/(kW?h)安裝視在功率/kW安裝容量/(kW?h)安裝視在功率/kW安裝容量/(kW?h) 12003003004008001 000400500 2400500500700400500400500 3400600200300300400600800 4300400400500400500400500 5200300400500400500300400 6400500400500400500300400 7400500400600400500500700 8500700500700300400400500 9500700400500500700400500 10600800400500500700400500

[1] 陳德榮. 堅定不移走綠色發(fā)展道路，率先實現(xiàn)碳達峰、碳中和目標[N]. 人民日報, 2021-04-02(010).

[2] Confrey J, Etemadi Amir H, Stuban Steven M F, et al. Energy storage systems architecture optimization for grid resilience with high penetration of distributed photovoltaic generation[J]. IEEE Systems Journal, 2020, 14(1): 1135-1146.

[3] 袁立強, 陸子賢, 孫建寧, 等. 電能路由器設計自動化綜述—設計流程架構和遺傳算法[J]. 電工技術學報, 2020, 35(18): 3878-3893.

Yuan Liqiang, Lu Zixian, Sun Jianning, et al. Design automation for electrical energy router-design workflow framework and genetic algorithm: a review[J]. Transactions of China Electrotechnical Society, 2020, 35(18): 3878-3893.

[4] Ranamuka D, Muttaqi K M, Sutanto D. Flexible AC power flow control in distribution systems by coordinated control of distributed solar-PV and battery energy storage units[J]. IEEE Transactions on Sustainable Energy, 2020, 11(4): 2054-2062.

[5] Vai V, Gladkikh E, Alvarez-Herault M, et al. Study of low-voltage distribution system with integration of PV-battery energy storage for urban area in developing country[C]//2017 IEEE International Conference on Environment and Electrical Engineering and 2017 IEEE Industrial and Commercial Power Systems, Europe, 2017: 1-6.

[6] Vai V, Alvarez-Herault M, Raison B, et al. Study of low-voltage distribution system with decentralized PV-BES and centralized BES for rural village in developing country[C]//2017 International Electrical Engineering Congress, Pattaya, Thailand, 2017: 1-4.

[7] 桑丙玉, 王德順, 楊波, 等. 基于經濟性的互聯(lián)網(wǎng)數(shù)據(jù)中心光-儲協(xié)同優(yōu)化配置[J]. 電力系統(tǒng)保護與控制, 2020, 48(17): 131-138.

Sang Bingyu, Wang Deshun, Yang Bo, et al. Collaborative optimization configuration of photovoltaic-energy storage based on economy in an internet data center[J]. Power System Protection and Control, 2020, 48(17): 131-138.

[8] 王樹東, 杜巍, 林莉, 等. 基于合作博弈的需求側響應下光儲微電網(wǎng)優(yōu)化配置[J]. 電力系統(tǒng)保護與控制, 2018, 46(1): 129-137.

Wang Shudong, Du Wei, Lin Li, et al. Optimal allocation of photovoltaic energy storage microgrid under the demand side response based on cooperative game[J]. Power System Protection and Control, 2018, 46(1): 129-137.

[9] 馮奕, 應展烽, 顏建虎. 考慮碳排放成本的多能互補微能源網(wǎng)儲能裝置優(yōu)化運行[J]. 電力系統(tǒng)保護與控制, 2021, 49(8): 92-99.

Feng Yi, Ying Zhanfeng, Yan Jianhu. Optimized operation of energy storage in a multi-energy complementary micro-energy network considering carbon emission cost[J]. Power System Protection and Control, 2021, 49(8): 92-99.

[10] 彭春華, 余愿, 孫惠娟. 基于源網(wǎng)荷協(xié)同優(yōu)化的配電網(wǎng)光儲聯(lián)合系統(tǒng)規(guī)劃[J]. 電網(wǎng)技術, 2019, 43(11): 3944-3951.

Peng Chunhua, Yu Yuan, Sun Huijuan. Planning of combined PV-ESS system for distribution network based on source-network-load collaborative optimization[J]. Power System Technology, 2019, 43(11): 3944-3951.

[11] 朱曉榮, 鹿國微, 謝婉瑩. 考慮源網(wǎng)荷靈活性資源的配電網(wǎng)儲能魯棒規(guī)劃[J]. 電力自動化設備, 2021, 41(8): 8-16, 40.

Zhu Xiaorong, Lu Guowei, Xie Wanying. Robust planning of energy storage in distribution network considering source-network-load flexible resources[J]. Electric Power Automation Equipment, 2021, 41(8): 8-16, 40.

[12] 刁涵彬, 李培強, 呂小秀, 等. 考慮多元儲能差異性的區(qū)域綜合能源系統(tǒng)儲能協(xié)同優(yōu)化配置[J]. 電工技術學報, 2021, 36(1): 151-165.

Diao Hanbin, Li Peiqiang, Lü Xiaoxiu, et al. Coordinated optimal allocation of energy storage in regional integrated energy system considering the diversity of multi-energy storage[J]. Transactions of China Electrotechnical Society, 2021, 36(1): 151-165.

[13] 謝樺, 任超宇, 郭志星, 等. 基于聚類抽樣的隨機潮流計算[J]. 電工技術學報, 2020, 35(23): 4940-4948.

Xie Hua, Ren Chaoyu, Guo Zhixing, et al. Stochastic load flow calculation method based on clustering and sampling[J]. Transactions of China Electrotechnical Society, 2020, 35(23): 4940-4948.

[14] 鄒陽, 何倩玲, 蔡金錠. 基于組合賦權-雙基點法的變壓器油紙絕緣狀態(tài)綜合評估[J]. 電工技術學報, 2019, 34(20): 4400-4408.

Zou Yang, He Qiangling, Cai Jinding. Comprehensive evaluation of transformer oil-paper state based on combined weight-double base point method[J]. Transactions of China Electrotechnical Society, 2019, 34(20): 4400-4408.

[15] Chen Shiming, Xia Zhengang, Li Haiying, et al. Controllable containment control of multi-agent systems based on hierarchical clustering[J]. International Journal of Control, 2021, 94(3): 653-662.

[16] Ramos S, Duarte J M M, Soares J, et al. Typical load profiles in the smart grid context — a clustering methods comparison[C]//2012 IEEE Power and Energy Society General Meeting, San Diego, CA, USA, 2012: 1-8.

[17] Sharabiani A, Darabi H, Rezaei A, et al. Efficient classification of long time series by 3-D dynamic time warping[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2017, 47(10): 2688-2703.

[18] 宋軍英, 崔益?zhèn)? 李欣然, 等. 基于歐氏動態(tài)時間彎曲距離與熵權法的負荷曲線聚類方法[J]. 電力系統(tǒng)自動化, 2020, 44(15): 87-94.

Song Junying, Cui Yiwei, Li Xinran, et al. Load curve clustering method based on euclidean dynamic time warping distanceand entropy weight[J]. Automation of Electric Power Systems, 2020, 44(15): 87-94.

[19] Tonkoski R, Lopes L A C, El-Fouly T H M. Coordinated active power curtailment of grid connected PV inverters for overvoltage prevention[J]. IEEE Transactions on Sustainable Energy, 2011, 2(2): 139-147.

[20] 張迪, 苗世洪, 周寧, 等. 分布式發(fā)電市場化環(huán)境下各交易主體響應行為模型[J]. 電工技術學報, 2020, 35(15): 3327-3340.

Zhang Di, Miao Shihong, Zhou Ning, et al. Research on response behavior model of trading entities considering the marketization environment of distributed generation[J]. Transactions of China Electrotechnical Society, 2020, 35(15): 3327-3240.

[21] Wang Jian, Zhou Niancheng, Chung C Y, et al. Coordinated planning of converter-based DG units and soft open points incorporating active management in unbalanced distribution networks[J]. IEEE Transactions on Sustainable Energy, 2020, 11(3): 2015-2027.

[22] 賈兆昊, 張峰, 丁磊. 考慮功率四象限輸出的配電網(wǎng)儲能優(yōu)化配置策略[J]. 電力系統(tǒng)自動化, 2020, 44(2): 105-113.

Jia Zhaohao, Zhang Feng, Ding Lei. Optimal allocation strategy of energy storage in distribution network considering power four-quadrant output[J]. Automation of Electric Power Systems, 2020, 44(2): 105-113.

[23] Xiao Juanxia, Li Yong, Qiao Xuebo, et al. Enhancing hosting capacity of uncertain and correlated wind power in distribution network with ANM strategies[J]. IEEE Access, 2020, 8: 189115-189128.

[24] Macedo L H, Franco J F, Rider M J, et al. Optimal operation of distribution networks considering energy storage devices[J]. IEEE Transactions on Smart Grid, 2015, 6(6): 2825-2836.

[25] 賀帥佳, 高紅均, 劉俊勇, 等. 計及需求響應柔性調節(jié)的分布魯棒DG優(yōu)化配置[J]. 中國電機工程學報, 2019, 39(8): 2253-2264.

He Shuaijia, Gao Hongjun, Liu Junyong, et al. Distributionally robust optimal DG allocation model considering flexible adjustment of demand response[J]. Proceedings of the CSEE, 2019, 39(8): 2253-2264.

[26] 孫充勃, 李敬如, 羅鳳章, 等. 考慮分布式電源接入的配電系統(tǒng)典型算例設計[J]. 電力建設, 2020, 41(10): 47-62.

Sun Chongbo, Li Jingru, Luo Fengzhang, et al. Typical case design of distribution system considering DG integration[J]. Electric Power Construction, 2020, 41(10): 47-62.

[27] 孫充勃, 李敬如, 原凱, 等. 基于區(qū)間優(yōu)化的配電網(wǎng)智能軟開關與儲能系統(tǒng)聯(lián)合優(yōu)化方法[J]. 高電壓技術, 2021, 47(1): 45-54.

Sun Chongbo, Li Jingru, Yuan Kai, et al. Two-stage optimization method of soft open point and energy storage system in distribution network based on interval optimization[J]. High Voltage Engineering, 2021, 47(1): 45-54.

Optimal Configuration of Distributed Photovoltaic and Energy Storage System Based on Joint Sequential Scenario and Source-Network-Load Coordination

Li Yong Yao Tianyu Qiao Xuebo Xiao Juanxia Cao Yijia

（College of Electrical and Information Engineering Hunan University Changsha 410082 China）

Active distribution network can promote distributed photovoltaic (DPV) energy consumption through optimal scheduling of flexible resources. Therefore, this paper proposes a joint optimal configuration method of DPV and energy storage (ESS) based on joint sequential scenario and source-network-load coordination. An DPV- load joint temporal scene generation method is proposed to handle the source-load uncertainty and temporal correlation based on the characteristics of dynamic time warping. And it establishes the mathematical model of source-network-load-ESS resources. Then, it presents the mixed integer linear programming model of DPV and ESS joint optimal configuration, and the goal is to maximize the annual total power generation of DPV with the consideration of the distribution network economy. And it takes the 51-node standard test system as an example to analyze the correctness and effectiveness of the proposed method. And the effect on DPV consumption improvement of different flexible resources is quantitatively analyzed.

Energy storage system, distributed photovoltaic, source-network-load coordination, joint sequential scenario, joint planning

10.19595/j.cnki.1000-6753.tces.210712

TM715

國家重點研發(fā)計劃政府間國際科技創(chuàng)新合作重點項目（2018YFE0125300）、國家自然科學基金項目（52061130217）、湖湘高層次人才聚集工程項目（2019RS1016）、長沙市杰出創(chuàng)新青年計劃（KQ2009037）、湖南省研究生科研創(chuàng)新項目（CX20200429）資助。

2021-05-19

2021-11-30

李 勇 男，1982年生，教授，博士生導師，研究方向為能源/電力系統(tǒng)優(yōu)化運行與控制、電能變換系統(tǒng)與裝備。E-mail：yongli@hnu.edu.cn

喬學博 男，1992年生，博士研究生，研究方向為配電網(wǎng)/綜合能源系統(tǒng)優(yōu)化。E-mail：xbq1992@hnu.edu.cn（通信作者）

（編輯 赫蕾）