余 濤, 袁 簡， 晏 陽， 趙清源

(1. 國網(wǎng)江蘇省電力公司常州供電公司, 江蘇 常州 213003；2. 中國能源建設(shè)集團(tuán)江蘇省電力設(shè)計(jì)院有限公司，江蘇 南京 211102)

有源配電網(wǎng)中儲(chǔ)能雙層精細(xì)優(yōu)化配置方法

余 濤1, 袁 簡2， 晏 陽2， 趙清源1

(1. 國網(wǎng)江蘇省電力公司常州供電公司, 江蘇 常州 213003；2. 中國能源建設(shè)集團(tuán)江蘇省電力設(shè)計(jì)院有限公司，江蘇 南京 211102)

提出了一種儲(chǔ)能的雙層精細(xì)優(yōu)化配置方法，結(jié)合運(yùn)行與規(guī)劃兩個(gè)維度，實(shí)現(xiàn)儲(chǔ)能容量和位置的精細(xì)配置；建立了雙層規(guī)劃模型，提出了對(duì)應(yīng)求解方法，優(yōu)化求解得到精細(xì)配置結(jié)果。精細(xì)配置模型以有源配電網(wǎng)成本收益為目標(biāo)，針對(duì)不同的儲(chǔ)能投資運(yùn)營主體，制定了不同的成本收益模型，形成差異化目標(biāo)優(yōu)化配置。針對(duì)高滲透率分布式電源接入的配電網(wǎng)，提出的儲(chǔ)能精細(xì)配置方法能夠解決配電網(wǎng)電壓合格率低、可再生資源浪費(fèi)等問題，從而有效提高配電網(wǎng)可靠性和電能質(zhì)量。

有源配電網(wǎng); 儲(chǔ)能配置; 精細(xì)優(yōu)化; 雙層模型；差異化目標(biāo)

0 引言

隨著清潔能源的推廣和發(fā)展，具有間歇性、波動(dòng)性特征的可再生能源在配電網(wǎng)中所占比例越來越高，帶來了一系列不確定因素，影響了配電網(wǎng)的可靠性和電能質(zhì)量。經(jīng)探索，合理配置儲(chǔ)能是目前最有效的解決方案之一，不僅能平抑可再生能源的波動(dòng)特性，還能在配電網(wǎng)中實(shí)現(xiàn)能源緩存、再分配等多種功能。

儲(chǔ)能在電力系統(tǒng)中的應(yīng)用按功能分為三大類[1]：電網(wǎng)應(yīng)用[2-4]、新能源應(yīng)用[5-9]和用戶側(cè)應(yīng)用[10，11]。文獻(xiàn)[3]以配電網(wǎng)中蓄電池儲(chǔ)能全壽命周期內(nèi)總的凈收益最大為目標(biāo)，綜合考慮了減少電能轉(zhuǎn)運(yùn)成本、政府電價(jià)補(bǔ)貼收益、儲(chǔ)能套利收益、延緩電網(wǎng)升級(jí)收益及全壽命周期成本等因素，建立蓄電池儲(chǔ)能系統(tǒng)配置的混合優(yōu)化模型。文獻(xiàn)[10]建立了主動(dòng)配電網(wǎng)中儲(chǔ)能的多目標(biāo)優(yōu)化配置模型，考慮電壓質(zhì)量、功率主動(dòng)調(diào)節(jié)和削峰填谷能力3個(gè)目標(biāo)，并使用帶權(quán)極小模理想點(diǎn)法求解了該配置模型?？梢钥吹?，儲(chǔ)能的配置研究方向正在從單點(diǎn)向多點(diǎn)、從單一功能向多功能[12-15]兼容過渡。然而，就目前儲(chǔ)能產(chǎn)業(yè)的狀況來看，仍有許多問題有待解決。

文章針對(duì)含高滲透率分布式電源的配電網(wǎng)，從兩類業(yè)主角度出發(fā)，提出一種平衡功能和經(jīng)濟(jì)效益的儲(chǔ)能精細(xì)配置方法。文章分為雙層優(yōu)化配置模型、雙層模型求解方法和算例分析3個(gè)主要章節(jié)展開討論。

1 儲(chǔ)能雙層優(yōu)化配置模型

1.1 運(yùn)行與規(guī)劃相結(jié)合的儲(chǔ)能配置模型

研究表明，儲(chǔ)能的規(guī)劃問題與運(yùn)行策略相互影響，規(guī)劃若脫離運(yùn)行，會(huì)造成投資成本過高，儲(chǔ)能設(shè)備利用率低的問題。而規(guī)劃與運(yùn)行時(shí)間尺度不同，混合考慮將導(dǎo)致建模和求解規(guī)模龐大、邏輯復(fù)雜。文章考慮將規(guī)劃問題和運(yùn)行問題分層優(yōu)化，形成結(jié)構(gòu)清晰、易于求解的雙層優(yōu)化模型。

外層模型為規(guī)劃設(shè)計(jì)模型，以年為單位，內(nèi)層模型則為運(yùn)行控制模型，以天/小時(shí)/分鐘為單位。如圖1所示，外層模型的決策變量為安裝位置X、安裝額定功率S、容量E，目標(biāo)函數(shù)為總投資費(fèi)用fp最低；內(nèi)層決策變量為影響運(yùn)行控制的變量，目標(biāo)為運(yùn)行經(jīng)濟(jì)性fc，內(nèi)層模型考慮所有特征運(yùn)行場景，每個(gè)場景含m個(gè)運(yùn)行點(diǎn)(LFn1～LFnm)。內(nèi)外層模型通過變量X，S，E關(guān)聯(lián)，求解結(jié)果滿足投資成本最低、運(yùn)行收益最高以及運(yùn)行約束。

圖1 儲(chǔ)能優(yōu)化配置雙層模型示意Fig. 1 Double- layer model of Energy storage optimization configuration

1.2 規(guī)劃設(shè)計(jì)層模型

規(guī)劃設(shè)計(jì)層模型變量為儲(chǔ)能的位置、額定容量、額定充/放電功率，目標(biāo)為規(guī)劃范圍內(nèi)儲(chǔ)能的投資成本最低，約束為儲(chǔ)能安裝約束。

1.2.1 決策變量

1.2.2 目標(biāo)函數(shù)

(1)

式中:cS，cE分別表示單位充/放電功率和單位容量成本。

1.2.3 約束條件

安裝位置限定：

xes∈Xcap

(2)

額定容量上下限：

(3)

(4)

安裝總?cè)萘肯揞~：

(5)

(6)

1.3 運(yùn)行控制層模型

運(yùn)行控制層用于對(duì)具體運(yùn)行過程建模，該層反映出儲(chǔ)能運(yùn)行策略和配電網(wǎng)控制要求，由此計(jì)算出運(yùn)行各階段的經(jīng)濟(jì)成本和收益。因此，制定運(yùn)行控制層的目標(biāo)為運(yùn)行總收益最大，變量為運(yùn)行點(diǎn)狀態(tài)變量。

1.3.1 決策變量

決策變量設(shè)計(jì)如表1所示，包含節(jié)點(diǎn)/支路、場景、運(yùn)行點(diǎn)3個(gè)維度。表中：i表示網(wǎng)絡(luò)節(jié)點(diǎn)；ij表示支路；Sc表示模擬場景；T表示總運(yùn)行點(diǎn)數(shù)；t表示運(yùn)行點(diǎn)。

表1 決策變量Table 1 Decision variable table

1.3.2 目標(biāo)函數(shù)

F(Pes,Qes,V,F,Pline,Qline,Pgrid,Pcurl,Paban)=minfc

(7)

式中：fc為成本收益函數(shù)。

此處分別針對(duì)兩類業(yè)主建立2種成本收益函數(shù)。一類業(yè)主指有投資和運(yùn)營可再生電源能力的公司，通過投資儲(chǔ)能獲取運(yùn)行服務(wù)收益；二類業(yè)主是售電公司，其投資目的是延緩電網(wǎng)升級(jí)，獲取運(yùn)行收益及其他間接收益。

(1) 一類業(yè)主經(jīng)濟(jì)目標(biāo)函數(shù)。

① 年運(yùn)行維護(hù)成本[8]：

(8)

② 儲(chǔ)能售電收益：

(9)

③ 儲(chǔ)能輔助服務(wù)收益，表示儲(chǔ)能在未滿發(fā)時(shí)備用容量可提供輔助服務(wù)，即：

(10)

綜上，針對(duì)一類業(yè)主的目標(biāo)函數(shù)表示為：

fc=w1f1-w2f2-w3f3

(11)

式中：wi為各部分成本/收益的權(quán)重系數(shù)，通過層次分析法獲得。

(2) 二類業(yè)主經(jīng)濟(jì)目標(biāo)函數(shù)。

① 運(yùn)行維護(hù)成本與一類業(yè)主相同。

② 從上級(jí)電網(wǎng)購電成本：

(12)

③ 向上級(jí)電網(wǎng)售電收益：

(13)

④ 網(wǎng)絡(luò)損耗減小收益：

(14)

⑤ 停電損失減小收益，將減少用戶停電次數(shù)和頻率折算為收益：

(15)

綜上，針對(duì)二類業(yè)主的成本收益函數(shù)為：

fc=w1f1+w4f4-w5f5-w6f6-w7f7

(16)

1.3.3 約束條件

(1) 儲(chǔ)能運(yùn)行約束：

(17)

(18)

Ees(t+1)=Ees(t)+Pes(t+1)·1

(19)

(20)

式(19)中：Emin表示儲(chǔ)能最小剩余容量的比值。

式(17)和式(18)[9]為儲(chǔ)能運(yùn)行功率限制，式(19)和式(20)為儲(chǔ)能運(yùn)行時(shí)的能量限制。

(2) 電網(wǎng)安全約束：

(21)

(22)

(23)

(24)

Vmin≤Vt≤Vmax

(25)

Fmin≤Ft≤Fmax

(26)

其中，式(21—24)為潮流方程約束，式(25，26)為節(jié)點(diǎn)電壓、線路潮流幅值約束。

(3) 其他約束：

0≤Pcur≤λPD

(27)

0≤Paban≤θPdg

(28)

式中：λ和θ分別為負(fù)荷可切除量和可再生能源可舍棄量比值。式(27，28)分別為負(fù)荷可切除量和可再生能源可舍棄量約束。

1.3.4 分布式電源和負(fù)荷數(shù)據(jù)處理

分布式電源與負(fù)荷的數(shù)據(jù)采用聚類法，將歷史數(shù)據(jù)聚類為有限個(gè)特征場景(Sc)帶入計(jì)算。

2 雙層模型求解方法

雙層模型的外層是一個(gè)典型的組合優(yōu)化問題，內(nèi)層為最優(yōu)潮流問題，擬采用啟發(fā)式算法與求解器混合的方法來求解，平衡計(jì)算精度與計(jì)算速度。

2.1 內(nèi)層模型求解方法

內(nèi)層模型求解采用MATLAB-YALMIP工具進(jìn)行模型的建立，調(diào)用GUROBI求解器[16]求解。

2.2 外層模型求解方法

外層規(guī)劃模型采用模擬退火法，是局部搜索算法的擴(kuò)展，可在多項(xiàng)式時(shí)間里給出近似最優(yōu)解。

基本計(jì)算過程是：(1) 任選一個(gè)初始解x0；xi=x0；k=0；t0=tmax。(2) 若在該溫度達(dá)到內(nèi)循環(huán)條件，則到第(3)步；否則從鄰域N(xi)中隨機(jī)選一xj，計(jì)算Δfij=f(xj)-f(xi)，若Δfij≤0，則xi=xj；否則根據(jù)Metropolis準(zhǔn)則，若e-Δfij/tk>random(0,1)時(shí)，則xi=xj；重復(fù)這一步。(3)tk+1=d(tk)；k=k+1；若滿足停止條件，終止計(jì)算；否則，回到第(2)步。

模擬退火算法的退火過程用“冷卻進(jìn)度表”表示，包括控制參數(shù)的t的初值t0，即初始溫度的選取；控制參數(shù)t的衰減函數(shù)，即溫度下降的規(guī)則；馬氏鏈的長度Lk，即每個(gè)溫度馬氏鏈的迭代長度；控制參數(shù)t的終值tf，即終止準(zhǔn)則。最終，由GUROBI求解器和模擬退火算法組成的雙層優(yōu)化配置模型求解方法，其流程如圖2所示。

圖2 儲(chǔ)能系統(tǒng)優(yōu)化配置模型求解流程Fig.2 Solving flow chart of energy storage system optimization configuration model

3 算例分析

3.1 算例

配置方法的驗(yàn)證系統(tǒng)采用IEEE 33節(jié)點(diǎn)配電系統(tǒng)，如圖3所示。隨機(jī)接入適當(dāng)容量的分布式電源，作為含分布式電源的配電網(wǎng)系統(tǒng)，驗(yàn)證提出的儲(chǔ)能配置方法。從分布式電源滲透率、儲(chǔ)能配置數(shù)量和儲(chǔ)能投資方三個(gè)維度劃分算例場景，如表2所示。利用文中的優(yōu)化配置方法對(duì)算例進(jìn)行計(jì)算分析。

圖3 33節(jié)點(diǎn)配電系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 33 node distribution network system network structure diagram

場景劃分滲透率/%配置數(shù)量投資方1501一類業(yè)主2501二類業(yè)主3505一類業(yè)主4505二類業(yè)主51001一類業(yè)主61001二類業(yè)主71005一類業(yè)主81005二類業(yè)主

3.2 配置結(jié)果分析

8個(gè)場景的儲(chǔ)能優(yōu)化配置結(jié)果如表3所示。結(jié)果表明，儲(chǔ)能主要配置在線路末端，容量隨分布式電源增加而增加，在有限的配置數(shù)量要求下，對(duì)分布式電源發(fā)出的電能實(shí)現(xiàn)了時(shí)間和空間上的遷移。

從配置位置和容量來看，配置集中式單個(gè)儲(chǔ)能時(shí)，儲(chǔ)能最優(yōu)位置在線路末端；

配置分散式多個(gè)儲(chǔ)能時(shí)，儲(chǔ)能在接入分布式電源的線路上均勻分布，安裝總?cè)萘康陀诩信渲萌萘?。分布式電源滲透率越高，分散配置比集中配置的安裝容量減少越多。因此，儲(chǔ)能小容量分散配置效率更高。

從成本收益看，對(duì)一類業(yè)主，大部分收益來源于輔助服務(wù)，且集中配置時(shí)更高，說明集中式儲(chǔ)能的容量利用率并不高，但能提供更多輔助業(yè)務(wù)，因此可根據(jù)不同場景選擇不同的配置方式。

對(duì)二類業(yè)主，儲(chǔ)能分散配置容量大于集中配置容量，而分散收益卻明顯較高，原因是其獲利渠道更多，長期運(yùn)營累積收益更高。因而，若只考慮一次性投資成本，建議配置集中式儲(chǔ)能；若考慮運(yùn)營收益則建議投入分散式儲(chǔ)能。

從表3中還可看出，配電網(wǎng)從上級(jí)電網(wǎng)的購電成本接近或等于零，說明通過儲(chǔ)能對(duì)分布式電源出力在時(shí)間和空間上進(jìn)行了遷移，已經(jīng)能夠很好地為本地負(fù)荷服務(wù)，從而減少配電網(wǎng)從上級(jí)電網(wǎng)的購電量，并將余電傳輸至上級(jí)電網(wǎng)。

表3 儲(chǔ)能優(yōu)化配置結(jié)果Table 3 Energy storage optimization configuration results

場景編號(hào)安裝位置安裝容量/MW運(yùn)維成本/萬元售電收益/萬元購電成本/萬元輔助服務(wù)收益/萬元網(wǎng)損減少收益/萬元1150.3748.0170.447—19.192—2140.1114.0571.0880.033—4.311319,25,30,32,330.1012.7580.101—4.183—47,13,18,20,300.3545.7292.0140—5.3385140.4152.9070.519—21.434—6210.0810.8494.2350—3.91673,10,18,21,320.1620.4380.172—6.966—816,21,27,32,330.4051.9194.4730—5.012

3.3 運(yùn)行結(jié)果分析

運(yùn)行結(jié)果采用分布式電源滲透率50%時(shí)，投資運(yùn)營方為二類業(yè)主的場景為例進(jìn)行分析。圖4和圖5分別表示某天充放電功率和系統(tǒng)能量曲線。圖4中Pes為正表示充電，為負(fù)表示放電?？梢钥闯鰞?chǔ)能的充放電規(guī)律，一天中00:00—07:00時(shí)和19:00—24:00時(shí)為儲(chǔ)能的充電時(shí)段，通過分布式電源或上級(jí)電網(wǎng)充電，此時(shí)負(fù)荷較小，且能保證配電網(wǎng)白天的供電質(zhì)量。在圖5中也有所體現(xiàn)。08:00—18:00時(shí)為一天中負(fù)荷的用電高峰，儲(chǔ)能基本處于放電狀態(tài)，充電或不充不放的情況表示分布式電源發(fā)電功率較大，能夠完全滿足負(fù)荷需求。運(yùn)行數(shù)據(jù)說明，儲(chǔ)能設(shè)備的利用率較高，無長期閑置或過度充放電情況，也證明通過文中優(yōu)化方法得到的儲(chǔ)能容量符合運(yùn)行需求。

圖4 滲透率為50%時(shí)的儲(chǔ)能充放電功率曲線Fig.4 Energy storage and discharge power curve when the penetration rate is 50%

圖5 滲透率為50%時(shí)的儲(chǔ)能能量曲線Fig.5 Energy storage energy curve when the penetration rate is 50%

圖6為某時(shí)刻投入儲(chǔ)能前后的節(jié)點(diǎn)電壓曲線，可以看出，儲(chǔ)能的投入將被分布式電源抬高的電壓拉回正常范圍內(nèi)，提高了電壓合格率。

圖6 某時(shí)刻投入儲(chǔ)能前后節(jié)點(diǎn)電壓曲線Fig. 6 The voltage curve of the node before and after the energy storage

4 結(jié)論

針對(duì)分布式電源對(duì)配電網(wǎng)的諸多影響，結(jié)合運(yùn)行控制與規(guī)劃設(shè)計(jì)兩個(gè)不同時(shí)間尺度的優(yōu)化配置儲(chǔ)能方法，建立了包含運(yùn)行和規(guī)劃兩個(gè)層面的精細(xì)優(yōu)化配置模型，對(duì)兩類投資主體分別建立了經(jīng)濟(jì)目標(biāo)模型。同時(shí)采用模擬退火算法和商業(yè)求解器相結(jié)合的雙層求解方法求解模型，保留了模型的雙層特征，兼顧了精度與時(shí)間的要求，適合于大規(guī)模混合整數(shù)雙層優(yōu)化模型的計(jì)算。結(jié)論如下：(1) 儲(chǔ)能分散配置較集中配置效率優(yōu)、投資省；(2) 隨著分布式電源滲透率增加，儲(chǔ)能的配置容量并未同等增加，說明儲(chǔ)能的一次投資可以應(yīng)對(duì)遠(yuǎn)景分布式電源的增加；(3) 儲(chǔ)能的運(yùn)行策略可以保證儲(chǔ)能充放有度，延長壽命。

[1] 王承民，孫偉卿，衣 濤，等. 智能電網(wǎng)中儲(chǔ)能技術(shù)應(yīng)用規(guī)劃及其效益評(píng)估方法綜述[J]. 中國電機(jī)工程學(xué)報(bào)，2013(7): 33-41.

WANG Chengmin, SUN Weiqing, YI Tao, et al. Review on energy storage application planning and benefit evaluation methods in smart grid[J]. Proceedings of the CSEE, 2013(7): 33-41.

[2] 楊玉青，牛利勇，田立亭，等. 考慮負(fù)荷優(yōu)化控制的區(qū)域配電網(wǎng)儲(chǔ)能配置[J]. 電網(wǎng)技術(shù)，2015(4): 1019-1025.

YANG Yuqing, NIU Liyong, TIAN Liting, et al. Configuration of energy storage devices in regional distribution network considering optimal load control[J]. Power System Technology, 2015(4): 1019-1025.

[3] 向育鵬，衛(wèi)志農(nóng)，孫國強(qiáng)，等. 基于全壽命周期成本的配電網(wǎng)蓄電池儲(chǔ)能系統(tǒng)的優(yōu)化配置[J]. 電網(wǎng)技術(shù)，2015(1): 264-270.

XIANG Yupeng, WEI Zhinong, SUN Guoqiang, et al. Life cycle ost based optimal configuration of battery energy storage system in distribution network[J]. Power System Technology, 2015(1): 264-270.

[4] 黎靜華，文勁宇，程時(shí)杰，等. 基于p-有效點(diǎn)理論的含大規(guī)模風(fēng)電電力系統(tǒng)最小儲(chǔ)能功率配置方法[J]. 中國電機(jī)工程學(xué)報(bào)， 2013(13): 45-52.

LI Jinghua, WEN Jinyu, CHENG Shijie, et al. Method of minimum energy storage power allocation for electric power systems with large-scale wind power based on p-efficient point theory[J]. Proceedings of the CSEE, 2013(13): 45-52.

[5] 梅生偉，王瑩瑩，劉 鋒. 風(fēng)—光—儲(chǔ)混合電力系統(tǒng)的博弈論規(guī)劃模型與分析[J]. 電力系統(tǒng)自動(dòng)化，2011(20): 13-19.

MEI Shengwei, WANG Yignying, LIU Feng. A game theory based planning model and analysis for hybrid power system with wind generators-photovoltaic panels-storage batteries[J]. Automation of Electric Power Systems, 2011(20): 13-19.

[6] 王成山，于 波，肖 峻，等. 平滑可再生能源發(fā)電系統(tǒng)輸出波動(dòng)的儲(chǔ)能系統(tǒng)容量優(yōu)化方法[J]. 中國電機(jī)工程學(xué)報(bào)， 2012, 32(16): 1-8.

WANG Chengshan, YU Bo, XIAO Jun, et al. Sizing of energy storage systems for output smoothing of renewable energy systems[J]. Proceedings of the CSEE, 2012, 32(16): 1-8.

[7] 嚴(yán)干貴，馮曉東，李軍徽，等. 用于松弛調(diào)峰瓶頸的儲(chǔ)能系統(tǒng)容量配置方法[J]. 中國電機(jī)工程學(xué)報(bào)，2012(28): 27-35.

YAN Gangui, FENG Xiaodong, LI Junhui, et al. Optimization of energy storage systems capacity for relaxing peak load regulation bottlenecks[J]. Proceedings of the CSEE, 2012(28): 27-35.

[8] 林少伯，韓民曉，趙國鵬，等. 基于隨機(jī)預(yù)測誤差的分布式光伏配網(wǎng)儲(chǔ)能系統(tǒng)容量配置方法[J]. 中國電機(jī)工程學(xué)報(bào)，2013(4): 25-33.

LIN Shaobo, HAN Minxiao, ZHAO Guopeng, et al. Capacity allocation of energy storage in distributed photovoltaic power system based on stochastic prediction error[J]. Proceedings of the CSEE, 2013(4): 25-33.

[9] 孫承晨，袁 越，San Shing Choi，等. 基于經(jīng)驗(yàn)?zāi)B(tài)分解和神經(jīng)網(wǎng)絡(luò)的微網(wǎng)混合儲(chǔ)能容量優(yōu)化配置[J]. 電力系統(tǒng)自動(dòng)化，2015(8): 19-26.

SUN Chengchen, YUAN Yue, San Shing Choi, et al. Capacity optimization of hybrid energy storage systems in Microgrid using empirical mode decomposition and neural network[J]. Automation of Electric Power Systems, 2015(8): 19-26.

[10] 尤 毅，劉 東，鐘 清，等. 主動(dòng)配電網(wǎng)儲(chǔ)能系統(tǒng)的多目標(biāo)優(yōu)化配置[J]. 電力系統(tǒng)自動(dòng)化，2014(18): 46-52.

YOU Yi, LIU Dong, ZHONG Qing, et al. Multi-objective optimal placement of energy storage systems in an active distributionnetwork[J]. Automation of Electric Power Systems, 2014, 38(18):46-52.

[11] 顏志敏，王承民，連鴻波，等. 計(jì)及缺電成本的用戶側(cè)蓄電池儲(chǔ)能系統(tǒng)容量規(guī)劃[J]. 電力系統(tǒng)自動(dòng)化， 2012(11): 50-54.

YAN Zhimin, WANG Chengmin, LIAN Hongbo, et al. Capacity plan of battery energy storage in user side considering power outage cost[J]. Automation of Electric Power Systems, 2012(11): 50-54.

[12] 李丹丹，蘇小林，閻曉霞，等. 儲(chǔ)能優(yōu)化配置關(guān)鍵問題分析[J]. 電力建設(shè)，2016, 37(9):70-78.

LI Dandan, SU Xiaolin, YAN Xiaoxia, et al. Principal problems of energy storage optimization allocation[J]. Electric Power Construction, 2016, 37(9):70-78.

[13] 潘文霞，徐才華. 孤島風(fēng)光柴蓄系統(tǒng)配置仿真及分析[J]. 江蘇電機(jī)工程，2008, 27(6):34-37.

PAN Wenxia, XU Caihua. The configuration simulation and analysis of hybrid diesel-wind-solar-battery power systems on isolated islands[J]. Jiangsu Electrical Engineering, 2008, 27(6):34-37.

[14] 張國玉，洪 超，陳杜琳，等. 面向儲(chǔ)能電站調(diào)度的光儲(chǔ)發(fā)電系統(tǒng)運(yùn)行優(yōu)化策略研究[J]. 電力工程技術(shù)，2017, 36(3)：50-56.

ZHANG Guoyu, HONG Chao, CHEN Dulin, et al. Operation optimization of photovoltaic-energy storage hybrid system based on scheduling of battery energy storage system[J]. Electric Power Engineering Technology, 2017, 36(3)：50-56.

[15] LEOU R. An economic analysis model for the energy storage system applied to a distribution substation[J]. International Journal of Electrical Power & Energy Systems. 2012, 34(1): 132-137.

[16] Gurobi Optimization，Inc. Gurobi optimizer reference manual，version 5.6[EB/OL]. [2013-01-01]. http：∥www.gurobi.com.

余 濤

余 濤(1972—)，男，江蘇常州人，高級(jí)工程師，從事電力系統(tǒng)及其自動(dòng)化系統(tǒng)生產(chǎn)技術(shù)管理工作(E-mail：yutao@js.sgcc.com.cn)；

袁 簡(1991—)，女，江蘇鎮(zhèn)江人，碩士研究生，從事配電網(wǎng)規(guī)劃研究工作(E-mail：yuanjian@jspdi.com.cn)；

晏 陽(1988—)，男，云南宣威人，工程師，從事配電網(wǎng)規(guī)劃研究工作(E-mail：yanyang@jspdi.com.cn)；

趙清源(1989—)，男，江蘇常州人，工程師，從事電力系統(tǒng)及其自動(dòng)化研究工作(E-mail：731596683@qq.com)。

(編輯江 林)

ATwo-layerDetailedOptimizationAllocationMethodofEnergyStorageinActiveDistributionNetwork

YU Tao1, YUAN Jian2，YAN Yang2，ZHAO Qingyuan1

(1. State Grid Changzhou Power Supply Company, Changzhou 213003, China；2. China Energy Engineering Group Jiangsu Power Design Institute，Nanjing 211102, China)

A two-layer detailed optimization method is proposed for the allocation of energy storage capacity and location, combining the distribution network operation and planning. A two-layer planning model is established and the corresponding solution method is proposed. The configuration results are obtained by optimizing the solution. The allocation model takes the cost of active distribution network as the goal. Different cost-economic models were made for different energy storage investors, realizing differentiation goal optimization allocation. As for the distribution network with high penetration of distributed power, the proposed method can solve problems of low qualified rate of distribution network voltages and waste of renewable resources. Therefore, the reliability and power quality of the distribution network can be improved effectively.

active distribution network; energy storage allocation; detailed optimization; two-layer model; differentiation goal

TM727

A

2096-3203(2017)06-0111-06

2017-06-21；

2017-07-27

國家電網(wǎng)公司科技項(xiàng)目(SGTYHT16-JS-198)；中國能源建設(shè)集團(tuán)科技項(xiàng)目(CEEC2015-KJ05)