共享儲(chǔ)能電站優(yōu)化選址定容研究

李建林 ，康靖悅 ，董子旭 ，崔宜琳 ，張國(guó)強(qiáng)

(1.儲(chǔ)能技術(shù)工程研究中心(北方工業(yè)大學(xué))，北京市 石景山區(qū) 100144;2.北京和瑞儲(chǔ)能科技有限公司，北京市 石景山區(qū) 100144)

0 引言

隨著社會(huì)的發(fā)展與科技的進(jìn)步，可再生能源的開發(fā)與利用受到廣泛重視。21世紀(jì)以來(lái)，分布式電源作為滿足特定用戶需要或支持現(xiàn)有電網(wǎng)的經(jīng)濟(jì)運(yùn)行的獨(dú)立電源，得到大量應(yīng)用。但分布式電源中的風(fēng)力發(fā)電等出力具有不確定性，會(huì)隨環(huán)境因素的改變而不斷變化，產(chǎn)生一定波動(dòng)，并且對(duì)電網(wǎng)中的電壓質(zhì)量和電能質(zhì)量造成一定干擾。而儲(chǔ)能系統(tǒng)可以在一定程度上平抑分布式電源滲透率高所帶來(lái)的不利影響，并且其自身具有良好的能量響應(yīng)能力，因此儲(chǔ)能系統(tǒng)的開發(fā)利用很有前景。共享儲(chǔ)能則是儲(chǔ)能技術(shù)與共享經(jīng)濟(jì)理念的新生結(jié)合，將儲(chǔ)能的使用權(quán)與所有權(quán)剝離，滿足各方需求，可以極大提高儲(chǔ)能的利用率，縮短成本回收的周期，有效消納棄電量、進(jìn)行電價(jià)管理、提升電能質(zhì)量等，在一定程度上也可獲取超額利潤(rùn)[1]。儲(chǔ)能造價(jià)昂貴，選用儲(chǔ)能系統(tǒng)，應(yīng)保證儲(chǔ)能系統(tǒng)的容量得到充分利用。因此，共享儲(chǔ)能系統(tǒng)的選址與容量配置是需要考慮與解決的問(wèn)題[2-8]。

配電網(wǎng)中的共享儲(chǔ)能配置對(duì)多個(gè)用戶負(fù)荷及分布式電源都有積極作用。作用包括削峰填谷、緩解分布式電源間歇性對(duì)配電網(wǎng)產(chǎn)生的不利影響，并且可以在一定程度上優(yōu)化潮流的方向與大小，降低網(wǎng)損，減少電網(wǎng)的投資等等[8]。特別的，能將電壓水平控制在很好的范圍內(nèi)，使可再生能源的利用率顯著提高。

現(xiàn)有的針對(duì)儲(chǔ)能系統(tǒng)的規(guī)劃都是采用單點(diǎn)獨(dú)立配置儲(chǔ)能的方式，并通過(guò)各種基本算法加以優(yōu)化從而得到容量配合與選址。而當(dāng)今形勢(shì)下，大規(guī)模分布式光伏大多采用直接接入配電網(wǎng)的方式，因此，對(duì)于儲(chǔ)能的研究也需考慮共享模式下的共享儲(chǔ)能來(lái)補(bǔ)償多戶分布式電源。

目前，國(guó)內(nèi)對(duì)于共享儲(chǔ)能電站的位置選取與容量配置方面的文獻(xiàn)較少，國(guó)外學(xué)者對(duì)此已展開相關(guān)研究。在國(guó)外的研究案例中，通常將網(wǎng)損最小作為目標(biāo)或以電網(wǎng)總成本為目標(biāo)。文獻(xiàn)[9]未考慮分布式電源的日發(fā)電功率波動(dòng)情況;文獻(xiàn)[10]未研究?jī)?chǔ)能在電網(wǎng)中接入不同位置及不同容量的經(jīng)濟(jì)效益影響;文獻(xiàn)[11]也并未給出接入不同位置與容量的儲(chǔ)能時(shí)的經(jīng)濟(jì)性影響;文獻(xiàn)[12]則未考慮儲(chǔ)能對(duì)電網(wǎng)電壓的改善情況。

本文首先建立多目標(biāo)的儲(chǔ)能系統(tǒng)選址定容模型;其次，針對(duì)多目標(biāo)粒子群算法存在的問(wèn)題進(jìn)行改進(jìn)，并引入經(jīng)濟(jì)成本分析，通過(guò)對(duì)比經(jīng)濟(jì)性來(lái)選取儲(chǔ)能的最優(yōu)接入個(gè)數(shù)、位置與容量;最后，以IEEE 33節(jié)點(diǎn)的配電網(wǎng)系統(tǒng)為算例進(jìn)行仿真研究，通過(guò)仿真結(jié)果驗(yàn)證本文算法的有效性。

1 共享儲(chǔ)能電站優(yōu)化選址定容模型

1.1 目標(biāo)函數(shù)

共享儲(chǔ)能電站優(yōu)化選址定容屬于多目標(biāo)優(yōu)化問(wèn)題，會(huì)受到環(huán)境因素、經(jīng)濟(jì)因素等一系列因素的影響(見圖1)。

圖1 共享儲(chǔ)能典型框架Fig.1 Typical framework of shared energy storage

儲(chǔ)能系統(tǒng)的成本相對(duì)較高，因此經(jīng)濟(jì)性是必須考慮的問(wèn)題。其次，需要考慮電壓波動(dòng)等問(wèn)題[13-16]。選取以下3個(gè)因素作為目標(biāo)函數(shù)。

(1) 配電網(wǎng)節(jié)點(diǎn)電壓。

節(jié)點(diǎn)電壓可以表現(xiàn)系統(tǒng)的穩(wěn)定性及電能質(zhì)量。系統(tǒng)的節(jié)點(diǎn)電壓波動(dòng)需控制在一定的范圍。選取節(jié)點(diǎn)電壓波動(dòng)的總和作為模型的目標(biāo)函數(shù)，其計(jì)算式為

式中:Nbus為系統(tǒng)的節(jié)點(diǎn)個(gè)數(shù);T為時(shí)刻數(shù);Ui(t)為節(jié)點(diǎn)i在t時(shí)刻的電壓值為i節(jié)點(diǎn)在考察時(shí)刻內(nèi)的平均電壓值。

(2) 負(fù)荷波動(dòng)。

由于分布式電源接入配電網(wǎng)的出力具有不穩(wěn)定性，系統(tǒng)負(fù)荷的波動(dòng)會(huì)由于分布式電源這一影響而加劇，對(duì)用戶端的使用造成不利影響。而儲(chǔ)能系統(tǒng)在一定程度上可以很好地平抑負(fù)荷波動(dòng)，其計(jì)算式為

式中:Ps(t)為t時(shí)刻的輸入功率;為選取時(shí)間內(nèi)的輸入功率的平均值。

(3) 儲(chǔ)能電站的容量。

儲(chǔ)能電站的成本相對(duì)過(guò)高，因此經(jīng)濟(jì)性是需要考慮的一個(gè)重要因素。本文將儲(chǔ)能電站的總?cè)萘孔鳛槟繕?biāo)函數(shù)輸出處理，選取一段時(shí)間內(nèi)儲(chǔ)能系統(tǒng)最大充/放電量作為額定容量處理，其計(jì)算式為

式中:t0為最大充/放電的開始時(shí)刻;t0+nΔt為最大充/放電的結(jié)束時(shí)刻;Psj(t)為t時(shí)刻的第j個(gè)儲(chǔ)能系統(tǒng)的充/放電功率;Δt為時(shí)間間隔量(時(shí)間變化時(shí)刻);NS為儲(chǔ)能電站的接入個(gè)數(shù)。

將節(jié)點(diǎn)電壓、負(fù)荷波動(dòng)以及儲(chǔ)能電站容量進(jìn)行綜合處理，得到的模型的優(yōu)化函數(shù)為

1.2 約束條件

共享儲(chǔ)能電站在進(jìn)行選址定容研究時(shí)，需要考慮運(yùn)行約束、潮流約束、荷電狀態(tài)以及系統(tǒng)的充/放電能量平衡等。

(1) 功率平衡約束。

式中:PLi為節(jié)點(diǎn)i的負(fù)荷功率;PDGj為第j個(gè)分布式電源的日出力情況;Psk為第k個(gè)儲(chǔ)能電站的日出力情況，將儲(chǔ)能放電狀態(tài)記為正;NDG為分布式電源的個(gè)數(shù)。

(2) 節(jié)點(diǎn)電壓上下限約束。

式中:Umin、Umax分別為各個(gè)節(jié)點(diǎn)電壓的下、上限。

(3) 潮流約束。

式中:Pi、Qi分別為系統(tǒng)中節(jié)點(diǎn)i的有功、無(wú)功功率;Ui、Uj分別為節(jié)點(diǎn)i、j的節(jié)點(diǎn)電壓幅值;Gij、Bij為節(jié)點(diǎn)i、j之間的支路導(dǎo)納;θij為節(jié)點(diǎn)i、j之間電壓的相角差。

(4) 儲(chǔ)能電站功率約束。

式中:Psmin、Psmax分別代表儲(chǔ)能電站功率的下、上限。

(5) 荷電狀態(tài)及儲(chǔ)能系統(tǒng)的充放電功率約束。

式中:EESS(n)為儲(chǔ)能第n個(gè)序列的電能;PESS(n)為儲(chǔ)能的第n個(gè)序列的充放電功率;Δt為每次儲(chǔ)能進(jìn)行充放電所持續(xù)的時(shí)間;ηC為儲(chǔ)能的放電效率;ηD為儲(chǔ)能的充電效率。

(6) 儲(chǔ)能電站能量平衡約束。

式中Pstore(t)表示儲(chǔ)能系統(tǒng)第t時(shí)刻的充/放電功率。

1.3 經(jīng)濟(jì)分析

規(guī)劃儲(chǔ)能電站的周期一般較長(zhǎng)，在進(jìn)行共享儲(chǔ)能電站優(yōu)化選址定容時(shí)，需考慮經(jīng)濟(jì)性問(wèn)題。將儲(chǔ)能的投資成本、儲(chǔ)能削峰填谷的收益、儲(chǔ)能網(wǎng)損收益及總成本作為考慮因素進(jìn)行求解[17-21]。

(1) 儲(chǔ)能的投資成本。

式中:CESS(i)為第i年的儲(chǔ)能投資成本;CICC(i)為第i年的儲(chǔ)能初期建設(shè)成本;CRC(i)為第i年的儲(chǔ)能更新成本;COM(i)為第i年的儲(chǔ)能運(yùn)行維護(hù)成本。

(2) 儲(chǔ)能的削峰填谷收益。

式中:CHPC(i)為第i年儲(chǔ)能削峰填谷收益;M(k)為k時(shí)刻的電價(jià);EESS(i，j，k)為第i年第j天k時(shí)刻的儲(chǔ)能充放電能量的情況。

(3) 儲(chǔ)能的網(wǎng)損收益。

式中:CLOSS(i)為第i年儲(chǔ)能的網(wǎng)損收益;ELOSS(i，j，k)為第i年第j天k時(shí)刻的隨儲(chǔ)能充放電功率改變的網(wǎng)損值。

(4) 儲(chǔ)能總成本。

式中CA為儲(chǔ)能總成本。

2 自適應(yīng)多目標(biāo)粒子群

諸多因素影響著配電網(wǎng)儲(chǔ)能電站的選址定容研究，所以將其視作多目標(biāo)優(yōu)化的問(wèn)題，采用多目標(biāo)算法中的粒子群算法進(jìn)行求解。在迭代時(shí)，需考慮速度限制并更新位置，按下式更新:

式中:vid(k+1)為k+1時(shí)刻第i個(gè)粒子到達(dá)最優(yōu)位置的第d維分量;w為慣性權(quán)重，取值一般控制在0.5～1;c1、c2為粒子的加速因子;r1、r2為(0，1)之間選取任意的隨機(jī)數(shù);pid(k)為k時(shí)刻第i個(gè)粒子到達(dá)最優(yōu)位置的第d維分量;xid(k)為k時(shí)刻第i個(gè)粒子;gd(k)為k時(shí)刻種群的位置向量中的第d維分量。

通常在利用粒子群算法對(duì)共享儲(chǔ)能電站優(yōu)化選址問(wèn)題求解時(shí)，會(huì)將Pareto排序機(jī)制與其結(jié)合，通過(guò)支配關(guān)系來(lái)確定并篩選出粒子的非劣解集以及最優(yōu)解集。在仿真求解中，常規(guī)的粒子群算法會(huì)存在以下問(wèn)題:1)慣性權(quán)重w取值具有主觀性，缺乏科學(xué)客觀指導(dǎo);2)種群全局中的最優(yōu)解選舉缺乏指導(dǎo);3)易陷入局部最優(yōu)解等?；诖?，做出如下改進(jìn)。

2.1 自適應(yīng)慣性權(quán)重

在多目標(biāo)粒子群算法中，慣性權(quán)重w的值的選取對(duì)運(yùn)算結(jié)果的收斂性有較大影響。在使用慣性權(quán)重取值時(shí)，常因忽略粒子自身特性而導(dǎo)致取值主觀，缺乏一定的科學(xué)指導(dǎo)。所以，將粒子的位置向量與選取的種群全局最優(yōu)解作差，通過(guò)所得到的差值來(lái)體現(xiàn)。當(dāng)差值較大時(shí)，則慣性權(quán)重的取值相對(duì)較大，表明此粒子與最優(yōu)粒子的差距較大;當(dāng)差值較小時(shí)，則慣性權(quán)重的取值相對(duì)較小，表明此粒子與最優(yōu)粒子的差距較小。如下式表示:

式中:D為解空間維數(shù);xmax、xmin表示粒子的位置向量的最大、最小值。

2.2 交叉變異

粒子群算法在進(jìn)行迭代尋優(yōu)時(shí)，容易陷入局部解中，通常所得解的全局性差。因此，本文引入交叉變異這一操作與粒子群算法相結(jié)合，將粒子位置向量作為切入口進(jìn)行交叉變異處理，免陷局部解，以此來(lái)提升種群的多樣性。具體步驟如下文所述。

1) 確定xmin、交叉率pc和變異率pm。

2) 判斷第i個(gè)粒子xi的大小，并與xmin做對(duì)比，如果xi＜xmin，那么針對(duì)第i個(gè)粒子做交叉變異處理，否則直接結(jié)束交叉變異。

3)對(duì)已完成變異的粒子做交叉操作，引入位置分量rid，如果rid＜pc，那么將位置向量的第d維進(jìn)行交叉，交叉對(duì)象則為全局最優(yōu)解。

4)交叉變異結(jié)束。

2.3 非劣解集更新

在利用粒子群算法進(jìn)行多目標(biāo)求解時(shí)，需要對(duì)每次得到的非劣解集進(jìn)行更新。Pareto解集需要保持分布均勻性才能使所得結(jié)果更準(zhǔn)確，基于此，需要對(duì)所得解進(jìn)行“尋優(yōu)”處理。這里引入密集距離，對(duì)比該粒子與周圍粒子的密集程度，來(lái)仿真體現(xiàn)出解分布的均勻性、有效性。

在求解Pareto解的密集距離后，需要將解集按密集距離進(jìn)行大小排序，去除掉每次密集距離最小的解，以此循環(huán)計(jì)算后得到最終的所需解。

2.4 種群的全局最優(yōu)解選取

多目標(biāo)粒子群算法中，每次得到的Pareto解均獨(dú)立、互不支配。需要考慮如何選取Pareto解中的全局最優(yōu)解，選取密集距離較大的前20%個(gè)Pareto解來(lái)指導(dǎo)種群的迭代更新尋優(yōu)。

2.5 基于優(yōu)劣解距離法的多屬性決策

多目標(biāo)粒子群算法所得到的是Pareto解集，需要進(jìn)行對(duì)比選出最優(yōu)解，對(duì)比以偏好信息作為依托來(lái)分析。因此，引入基于信息熵的優(yōu)劣解距離法(technique for order preference by similarity to an ideal solution，TOPSIS)來(lái)對(duì)得到的解集進(jìn)行“擇優(yōu)”選取。

在上述基礎(chǔ)上引入序數(shù)偏好法，構(gòu)建備選方案、理想方案、負(fù)理想方案。將備選方案與理想方案、負(fù)理想方案之間的相對(duì)距離來(lái)進(jìn)行方案決策。決策中，需要使備選方案與理想方案的距離最小，與負(fù)理想方案的距離最大。由于量綱不一，因此將不同的屬性類型轉(zhuǎn)化成無(wú)量綱屬性，進(jìn)行無(wú)量綱處理。

在一定程度上，TOPSIS法需要對(duì)各目標(biāo)值進(jìn)行權(quán)重賦值，但賦值方式又具有很大的主觀性，因此為提升科學(xué)客觀性，引入信息熵法來(lái)確定各個(gè)目標(biāo)值的權(quán)重。信息熵法的本質(zhì)就是將得到的Pareto解集于理想方案進(jìn)行對(duì)比判斷，其中以各個(gè)目標(biāo)值的差異性來(lái)確定各自的權(quán)重。如果相對(duì)第m個(gè)目標(biāo)值差異較小，則所選取的權(quán)重也應(yīng)較小。

2.6 問(wèn)題求解

本文采用的改進(jìn)粒子群算法流程如圖2所示。

圖2 配電網(wǎng)共享儲(chǔ)能選址定容流程Fig.2 Distribution grid shared energy storage plant site selection flow chart

3 算例分析

本文以IEEE 33節(jié)點(diǎn)的配電網(wǎng)系統(tǒng)[18]為例進(jìn)行理論驗(yàn)證(見圖3)。該算例中電壓基準(zhǔn)值取為12.66 kV，節(jié)點(diǎn)電壓允許范圍為0.9～1.05 pu，配電系統(tǒng)總負(fù)荷為3 715 kW+j2 300 kV·A。

仿真中，在8、21節(jié)點(diǎn)接入200 kW 光伏，在25、32節(jié)點(diǎn)接入200 kW 風(fēng)電，其結(jié)構(gòu)如圖3所示，負(fù)荷典型日特性曲線如圖4所示。設(shè)置儲(chǔ)能的規(guī)劃期為10年，初期建設(shè)成本、更新成本、每年維護(hù)成本分別為2.5，2.5，0.05 元/(MW·h)。將擬計(jì)算區(qū)域?qū)嵭邢募痉骞确謺r(shí)電價(jià)。用電高峰、低谷、平時(shí)時(shí)段及電價(jià)如表1 所示。儲(chǔ)能系統(tǒng)的允許接入節(jié)點(diǎn)為2—33，設(shè)置最多接入4個(gè)儲(chǔ)能系統(tǒng)，通過(guò)對(duì)比儲(chǔ)能投資成本、網(wǎng)損收益、削峰填谷收益及總成本確定儲(chǔ)能最優(yōu)接入個(gè)數(shù)及功率容量。計(jì)算過(guò)程中的所用參數(shù)如表2所示。

圖3 IEEE 33節(jié)點(diǎn)配電網(wǎng)系統(tǒng)Fig.3 IEEE 33 node distribution network system

圖4 負(fù)荷典型日出力曲線Fig.4 Typical daily characteristic curve of load

表1 夏季峰谷平電時(shí)段及電價(jià)Table 1 Summer peak and valley periods and tariffs

表2 仿真參數(shù)設(shè)置Table 2 Simulation parameter settings

3.1 仿真條件

在節(jié)點(diǎn)8、21接入的光伏以我國(guó)西部地區(qū)的光伏發(fā)電場(chǎng)出力特性作為輸入功率，在節(jié)點(diǎn)25、32接入的風(fēng)電以我國(guó)西部地區(qū)的風(fēng)電場(chǎng)出力特性作為輸入功率。風(fēng)電光伏日特性曲線如圖5所示?？梢钥闯?，光伏在10:00—16:00發(fā)電功率較強(qiáng)。

圖5 風(fēng)電、光伏典型日特性曲線Fig.5 Typical daily characteristic curve of wind power and photovoltaic

3.2 仿真分析

3.2.1 Pareto解集分析

由于粒子群的隨機(jī)性，本文只截取第一次運(yùn)行迭代后的Pareto解集(見圖6)?？梢钥闯隽Ｗ臃植荚谌治恢?，并沒(méi)有陷入局部解中，證明改進(jìn)方法有效。輸出目標(biāo)對(duì)比結(jié)果如表3所示，表中f1為配電網(wǎng)節(jié)點(diǎn)電壓目標(biāo)函數(shù)值，f2為負(fù)荷波動(dòng)目標(biāo)函數(shù)值，f3為儲(chǔ)能電站總?cè)萘磕繕?biāo)函數(shù)值。

圖6 接入不同數(shù)量?jī)?chǔ)能的Pareto解集Fig.6 Pareto solution set with different energy storage

表3 不同儲(chǔ)能接入個(gè)數(shù)下的優(yōu)化結(jié)果Table 3 Optimization results under different energy storage access numbers

由表3可以看出，儲(chǔ)能的接入個(gè)數(shù)對(duì)節(jié)點(diǎn)電壓及負(fù)荷波動(dòng)的影響不大，節(jié)點(diǎn)電壓隨儲(chǔ)能接入個(gè)數(shù)的增加有小幅度下降趨勢(shì)，而負(fù)荷波動(dòng)隨儲(chǔ)能個(gè)數(shù)增加有緩慢上升趨勢(shì)?？梢钥闯鰞?chǔ)能有一定的平抑作用。

3.2.2 節(jié)點(diǎn)電壓波動(dòng)分析

仿真中改變儲(chǔ)能接入個(gè)數(shù)，分別選取1、2、3、4個(gè)儲(chǔ)能接入進(jìn)行分析。首先，對(duì)比接入儲(chǔ)能前后節(jié)點(diǎn)電壓的變化情況，圖7為分別接入1、2、3、4個(gè)儲(chǔ)能的節(jié)點(diǎn)電壓變化情況。由圖7 可以看出，接入儲(chǔ)能后的整體電壓水平有了一定提升，電壓偏差進(jìn)一步縮小，在一定程度上可以有效平抑系統(tǒng)電壓偏差。

圖7 接入儲(chǔ)能前后的電壓曲面Fig.7 Voltage curve before and after connecting four energy storage devices

3.2.3 儲(chǔ)能位置、容量及經(jīng)濟(jì)性分析

通過(guò)仿真實(shí)現(xiàn)結(jié)果輸出，得到儲(chǔ)能接入最優(yōu)位置、配置容量及各個(gè)成本信息，如表4所示。

表4 儲(chǔ)能位置、容量及經(jīng)濟(jì)性分析Table 4 Comparative analysis of energy storage location,capacity and economic benefits

從表4可以看出，對(duì)比接入1、2、3、4個(gè)儲(chǔ)能的情形，儲(chǔ)能投資成本隨儲(chǔ)能接入個(gè)數(shù)的增加而增大，儲(chǔ)能削峰填谷的收益也隨儲(chǔ)能接入個(gè)數(shù)的增加而反向增大，儲(chǔ)能網(wǎng)損收益差距不大，通過(guò)總成本對(duì)比分析，接入3、4個(gè)儲(chǔ)能時(shí)，儲(chǔ)能投資成本大幅上升，實(shí)際應(yīng)用性較接入2個(gè)而言較小。由此可知接入2個(gè)儲(chǔ)能的經(jīng)濟(jì)性更好。

3.2.4 儲(chǔ)能日充放電及荷電狀態(tài)曲線

當(dāng)改變儲(chǔ)能接入個(gè)數(shù)時(shí)，儲(chǔ)能的日充放電功率、荷電狀態(tài)(state of charge，SOC)變化如圖8—11所示。當(dāng)儲(chǔ)能處于合理的運(yùn)行區(qū)間時(shí)，可以在一定程度上延緩儲(chǔ)能壽命，所以本文將SOC值約束設(shè)置在0.1～0.9內(nèi)，避免儲(chǔ)能過(guò)充電與過(guò)放電，且可以將儲(chǔ)能保證在一定的范圍調(diào)整內(nèi)。

圖8 接入1個(gè)儲(chǔ)能時(shí)的儲(chǔ)能充放電功率Fig.8 Charge and discharge power of energy storage when one energy storage is connected

由圖9可以看出，接入2個(gè)儲(chǔ)能時(shí)SOC的波動(dòng)較小，2個(gè)節(jié)點(diǎn)的系統(tǒng)越接近理想值。具體分析2個(gè)儲(chǔ)能接入情況。結(jié)果得出，安裝在節(jié)點(diǎn)17處的儲(chǔ)能主要負(fù)責(zé)在電壓超越上限時(shí)充電，而安裝在節(jié)點(diǎn)33處的儲(chǔ)能主要負(fù)責(zé)在電壓超越下限時(shí)放電。SOC曲線的變化接近上下限，在修正后儲(chǔ)能容量可以接近最小值，接近這個(gè)值時(shí)所得到的成本是最低的。

圖9 接入2個(gè)儲(chǔ)能時(shí)的儲(chǔ)能充放電功率Fig.9 Charge and discharge power of energy storage when two energy storages are connected

圖10 接入3個(gè)儲(chǔ)能時(shí)的儲(chǔ)能充放電功率Fig.10 Charge and discharge power of energy storage when three energy storages are connected

圖11 接入4個(gè)儲(chǔ)能時(shí)的儲(chǔ)能充放電功率Fig.11 Charge and discharge power of energy storage when four energy storages are connected

4 結(jié)論

本文提出一種改進(jìn)的多目標(biāo)粒子群算法對(duì)配電網(wǎng)共享儲(chǔ)能優(yōu)化選址定容進(jìn)行研究，建立共享儲(chǔ)能模型，引入成本計(jì)算，在實(shí)現(xiàn)共享儲(chǔ)能的選址及功率容量配置的基礎(chǔ)上，還能更加快速的得到解集并進(jìn)行篩選尋優(yōu)，且收斂性較常規(guī)粒子群算法更好，具有一定的全局搜索能力，在一定程度上避免陷入了局部解。通過(guò)仿真對(duì)IEEE 33節(jié)點(diǎn)分析研究得到:

(1) 當(dāng)配電網(wǎng)中接入儲(chǔ)能系統(tǒng)后，節(jié)點(diǎn)電壓水平有所提升，電壓偏差進(jìn)一步縮小，證明儲(chǔ)能系統(tǒng)在一定程度上可以有效平抑系統(tǒng)電壓偏差。

(2) 當(dāng)配電網(wǎng)中接入2個(gè)儲(chǔ)能系統(tǒng)時(shí)，能夠?qū)崿F(xiàn)經(jīng)濟(jì)效益最大化，且較單點(diǎn)儲(chǔ)能配置時(shí)的經(jīng)濟(jì)性更好。儲(chǔ)能投資成本隨接入個(gè)數(shù)的增加而增大，儲(chǔ)能削峰填谷的收益也隨儲(chǔ)能接入個(gè)數(shù)的增加而反向增大，儲(chǔ)能網(wǎng)損收益差距不大。

(3) 共享儲(chǔ)能系統(tǒng)最優(yōu)接入位置與容量配置為節(jié)點(diǎn)17配置0.5 MW，節(jié)點(diǎn)33配置0.5 MW。