田錄林，張 欣，2，侯彤暉，柴俊嶺，呂 恒，吳 瞻

(1.西安理工大學(xué)水利水電學(xué)院，西安 710048；2.中車永濟(jì)電機(jī)有限公司，山西永濟(jì) 044500)

0 前 言

環(huán)境壓力與能源危機(jī)要求新能源發(fā)電在系統(tǒng)總裝機(jī)容量中占據(jù)更大比重，隨著配電網(wǎng)中風(fēng)電滲透率不斷提高，其帶來(lái)的電壓越限、棄風(fēng)等問(wèn)題也越來(lái)越嚴(yán)峻。上述問(wèn)題主要由風(fēng)力發(fā)電的波動(dòng)性與不確定性造成[1]，電池儲(chǔ)能系統(tǒng)(battery energy storage system,BESS)作為一種快速響應(yīng)的靈活電源，可以有效解決這一問(wèn)題[2]。為應(yīng)對(duì)大量風(fēng)電分散接入配網(wǎng)帶來(lái)的負(fù)面影響，同時(shí)考慮儲(chǔ)能的高投資費(fèi)用，研究如何合理配置BESS具有現(xiàn)實(shí)意義。

儲(chǔ)能價(jià)格昂貴，經(jīng)濟(jì)性是制約其應(yīng)用的一個(gè)重要因素，文獻(xiàn)[3]在含有分布式電源的配電網(wǎng)中以配電網(wǎng)公司投資儲(chǔ)能的經(jīng)濟(jì)效益為優(yōu)化目標(biāo)，研究了儲(chǔ)能的最優(yōu)配置；文獻(xiàn)[4]考慮‘低儲(chǔ)高發(fā)’套利、政府補(bǔ)貼等因素，從長(zhǎng)遠(yuǎn)角度建立配電網(wǎng)儲(chǔ)能系統(tǒng)的全壽命周期配置模型。文獻(xiàn)[5-6]結(jié)合儲(chǔ)能的運(yùn)行環(huán)境與自身特點(diǎn)，在規(guī)劃方案中考慮了配電網(wǎng)多種不確定性和儲(chǔ)能的壽命，但是優(yōu)化結(jié)果沒(méi)有計(jì)及電壓質(zhì)量。上述文獻(xiàn)雖指明儲(chǔ)能的應(yīng)用場(chǎng)景，包含了分布式的電網(wǎng)系統(tǒng)，但并未針對(duì)新能源帶來(lái)的電壓越限等問(wèn)題采取相應(yīng)策略，不能充分發(fā)揮儲(chǔ)能的潛能，如文獻(xiàn)[3]中儲(chǔ)能的充放電策略只與電價(jià)相關(guān)，由于電價(jià)峰值時(shí)刻往往也是風(fēng)電出力高峰期，可能造成系統(tǒng)負(fù)荷峰谷差加劇，同時(shí)上述文獻(xiàn)不能兼顧對(duì)儲(chǔ)能規(guī)劃有較大影響的因素，如安裝位置、儲(chǔ)能壽命等。

儲(chǔ)能的規(guī)劃與運(yùn)行問(wèn)題相互影響，為了得到更貼近實(shí)際的規(guī)劃方案，目前關(guān)于儲(chǔ)能規(guī)劃的研究一般采用雙層決策模型(bi-level programming，BLP)，把規(guī)劃問(wèn)題分為投資層與運(yùn)行層。由此思想搭建的數(shù)學(xué)模型是一個(gè)包含整數(shù)變量的非凸非線性系統(tǒng)，多采用啟發(fā)式算法求解，如文獻(xiàn)[8-9]均用遺傳算法求解，這種方法計(jì)算量大，尋優(yōu)速度慢，不能保證最優(yōu)解。為了提高求解效率，國(guó)內(nèi)外學(xué)者做了不同方向的嘗試，文獻(xiàn)[10]在遺傳算法的求解過(guò)程中添加了壽命修正環(huán)節(jié)，加快了迭代收斂速度，文獻(xiàn)[11]試圖結(jié)合不同啟發(fā)式算法的優(yōu)勢(shì)，分別用粒子群算法與Tuba search(TS)算法求解上下層問(wèn)題。文獻(xiàn)[12]把儲(chǔ)能的容量與位置分成2部分規(guī)劃以降低求解規(guī)模與難度，先用電壓靈敏度法找到候選安裝節(jié)點(diǎn)，進(jìn)一步利用數(shù)值算法求出最合適的儲(chǔ)能容量。

儲(chǔ)能規(guī)劃模型求解的困難主要是由運(yùn)行層多時(shí)段最優(yōu)潮流問(wèn)題的強(qiáng)非凸非線性造成。由于智能算法的弊端，國(guó)外學(xué)者越來(lái)越多將目光投向與之對(duì)應(yīng)的數(shù)值分析法，近年來(lái)興起的數(shù)值分析方法如半正定松弛(semi-definite relaxation，SDR)、二階錐松弛(second order conic relaxation，SOCR)為解決這一問(wèn)題提供了新的思路，其中關(guān)于SOCR的研究最多、應(yīng)用也最廣。SOCR最先由文獻(xiàn)[13-14]提出并證明了松弛的準(zhǔn)確性，文獻(xiàn)[15-17]進(jìn)一步整理證明了松弛存在的充分條件，該方法已經(jīng)在不同的電力系統(tǒng)優(yōu)化問(wèn)題中得到應(yīng)用[18-19]，可以快速求解最優(yōu)潮流，但其對(duì)優(yōu)化模型有嚴(yán)格要求而導(dǎo)致應(yīng)用范圍有限，如目標(biāo)函數(shù)必須是支路電流增函數(shù)且為線性。

綜上，本文嘗試將啟發(fā)式算法與數(shù)值分析方法結(jié)合，求解儲(chǔ)能規(guī)劃問(wèn)題，以解決風(fēng)電接入配網(wǎng)帶來(lái)的電壓越限、棄風(fēng)等問(wèn)題。考慮計(jì)及儲(chǔ)能布局以及使用壽命等重要因素，建立了儲(chǔ)能規(guī)劃的多時(shí)段雙層優(yōu)化模型，將儲(chǔ)能規(guī)劃分為投資層與運(yùn)行層。為提高求解效率，提出了遺傳算法與二階錐松弛技術(shù)結(jié)合的求解方法。最后通過(guò)算例分析了本文模型與求解方法的有效性。

1 含風(fēng)電場(chǎng)的配電網(wǎng)儲(chǔ)能優(yōu)化建模

1.1 含風(fēng)電場(chǎng)的儲(chǔ)能優(yōu)化問(wèn)題概述

風(fēng)電具有波動(dòng)性、與負(fù)荷逆向分布等特點(diǎn)，接入配電網(wǎng)后，可能導(dǎo)致電壓越限，同時(shí)有文獻(xiàn)研究指出，高滲透率的風(fēng)電將增加系統(tǒng)所需備用容量[20]。儲(chǔ)能作為一種快速響應(yīng)的的靈活電源，可以有效解決上述問(wèn)題。本文設(shè)定配電網(wǎng)為儲(chǔ)能投資方，并且安裝儲(chǔ)能的首要目標(biāo)是保證配電網(wǎng)電壓質(zhì)量，提升新能源消納能力并針對(duì)風(fēng)電規(guī)模提供備用服務(wù)，在上述前提下，通過(guò)低儲(chǔ)高發(fā)套利與降損獲取直接經(jīng)濟(jì)效益，優(yōu)化內(nèi)容涵蓋儲(chǔ)能的位置、容量與功率等對(duì)規(guī)劃結(jié)果有較大影響的因素，為充分發(fā)揮儲(chǔ)能潛能并且更好地消納可再生能源，設(shè)立規(guī)劃愿景如下：

(1) 最小化儲(chǔ)能投資；

(2) 最小化運(yùn)行費(fèi)用；

(3) 提升系統(tǒng)電壓質(zhì)量與新能源消納能力；

(4) 提供針對(duì)風(fēng)電規(guī)模的備用支持。

根據(jù)文獻(xiàn)[21]采用雙層決策模型將問(wèn)題分解為投資層和運(yùn)行層以簡(jiǎn)化求解難度。

1.2 雙層決策模型

雙層優(yōu)化模型是一種具有雙層遞階結(jié)構(gòu)的系統(tǒng)優(yōu)化問(wèn)題[21]，該模型中內(nèi)外層有各自的目標(biāo)函數(shù)與約束條件，同時(shí)內(nèi)外層相互依賴。由于儲(chǔ)能系統(tǒng)的長(zhǎng)期規(guī)劃和短期運(yùn)行方案相互影響，形成互有聯(lián)系的投資層與運(yùn)行層，所以雙層優(yōu)化適用于解決儲(chǔ)能規(guī)劃問(wèn)題，本文雙層優(yōu)化模型如下：

(1)

一、二層規(guī)劃模型中，上層投資層以儲(chǔ)能投資費(fèi)用(包括下層運(yùn)行成本)最小為目標(biāo)函數(shù)，優(yōu)化變量包括儲(chǔ)能安裝位置、容量與功率；下層考慮運(yùn)行問(wèn)題，以配電網(wǎng)運(yùn)行收益(包括降損，套利收益)最大為目標(biāo)函數(shù)，優(yōu)化變量為儲(chǔ)能系統(tǒng)的各時(shí)段充放電功率，下層目標(biāo)優(yōu)化結(jié)果回饋到上層規(guī)劃中。本文設(shè)定消納全部風(fēng)電出力，BESS改善電壓質(zhì)量與提供備用容量的目標(biāo)以約束條件形式出現(xiàn)在運(yùn)行層。上下層具體模型見(jiàn)1.3與1.4小節(jié)。

1.3 上層問(wèn)題：儲(chǔ)能的選址與定容

投資層以安裝儲(chǔ)能的投資費(fèi)用最小為目標(biāo)函數(shù)，并采用凈現(xiàn)值作為衡量?jī)?chǔ)能投資經(jīng)濟(jì)性的指標(biāo)。凈現(xiàn)值，表示項(xiàng)目周期內(nèi)投資策略所帶來(lái)的現(xiàn)金凈流量以資本為貼現(xiàn)率折現(xiàn)之后與原始投資額現(xiàn)值的差額[8]。上層目標(biāo)函數(shù):

minF=IC-OC

(2)

(3)

蓄電池的壽命與運(yùn)行控制、工作溫度、充放電次數(shù)和深度有關(guān)，本文計(jì)及充放電次數(shù)與深度，采用雨流計(jì)數(shù)法[23]計(jì)算蓄電池壽命，蓄電池允許的循環(huán)次數(shù)與充放電深度的關(guān)系為：

(4)

式中：CF為蓄電池壽命內(nèi)循環(huán)的總次數(shù)；hDOd為蓄電池充放電深度；N為多項(xiàng)式階數(shù)；ai為根據(jù)廠家提供具體電池型號(hào)的循環(huán)次數(shù)--充放電深度實(shí)驗(yàn)數(shù)據(jù)，進(jìn)行曲線擬合后得到的常數(shù)。

儲(chǔ)能壽命為：

(5)

式中：LBESS為按年折算后的蓄電池壽命；CFi為一個(gè)仿真周期內(nèi)的第i個(gè)循環(huán)對(duì)應(yīng)的允許循環(huán)次數(shù)；Nsim為一年內(nèi)包含的仿真周期次數(shù)。

投資約束為：

(6)

1.4 下層問(wèn)題：儲(chǔ)能優(yōu)化運(yùn)行

下層優(yōu)化是在上層給定儲(chǔ)能安裝位置、容量、功率的基礎(chǔ)上，以防止電壓越限為前提、提高配電網(wǎng)運(yùn)行經(jīng)濟(jì)性為目標(biāo)，對(duì)儲(chǔ)能運(yùn)行策略的優(yōu)化。計(jì)及風(fēng)電場(chǎng)出力不確定性時(shí)，通常有2種方法：分布函數(shù)擬合與典型日。鑒于儲(chǔ)能狀態(tài)在時(shí)間上有明顯的連續(xù)性，采用更能反映時(shí)序性的典型日描述風(fēng)機(jī)出力。

1.4.1 下層目標(biāo)函數(shù)

儲(chǔ)能運(yùn)行經(jīng)濟(jì)性指標(biāo)以降損收益與套利收益最大為目標(biāo)：

(7)

1.4.2 下層約束

(1) 潮流方程約束本文采用基于Distflow為基礎(chǔ)的支路潮流模型，分時(shí)段潮流約束如下：

(8)

(9)

(2) 電壓偏差與線路載流量約束

本文中含風(fēng)電配電網(wǎng)儲(chǔ)能優(yōu)化模型中的電壓偏差約束采用國(guó)標(biāo)相關(guān)規(guī)定值，具體如下：

(10)

式中：UN為配電網(wǎng)的標(biāo)稱電壓；ε1、ε2為國(guó)標(biāo)規(guī)定的電壓允許偏差率；Imax為線路最大載流量。

(3) 蓄電運(yùn)行約束

蓄電池的荷電狀態(tài)在時(shí)間上具有連續(xù)性，與單位時(shí)間內(nèi)充放電量有關(guān)。

充電時(shí)荷電狀態(tài)計(jì)算公式如下：

(11)

放電時(shí)荷電狀態(tài)計(jì)算公式如下：

(12)

式中：SOCi(t)為節(jié)點(diǎn)i儲(chǔ)能裝置在t時(shí)刻的荷電狀態(tài)；η為充放電效率。

儲(chǔ)能通過(guò)換流器與電網(wǎng)連接，具有一定的無(wú)功能力，可以為電網(wǎng)提供無(wú)功支持。同時(shí)為了避免蓄電池過(guò)度充放電，應(yīng)控制蓄電池荷電狀態(tài)。

(13)

(4) 風(fēng)電備用容量配置

(14)

風(fēng)電間歇性備用定義為預(yù)測(cè)誤差絕對(duì)值的最大值，Rδ=max(|δPDG(t)|)。受限于容量，蓄電池可提供的備用服務(wù)時(shí)間有限?？紤]備用服務(wù)后儲(chǔ)能運(yùn)行約束：

(15)

式中：風(fēng)電間歇性備用Rδ取風(fēng)電出力峰值的20%；ρ為儲(chǔ)能提供備用服務(wù)時(shí)長(zhǎng)。

2 求解方法

本文綜合考慮儲(chǔ)能配置的多方面因素，得到的優(yōu)化模型是一個(gè)包含離散變量的非凸非線性問(wèn)題，同時(shí)由于儲(chǔ)能運(yùn)行有明顯時(shí)序性，導(dǎo)致系統(tǒng)變量維數(shù)隨時(shí)間斷面增加迅速增大。目前相關(guān)文獻(xiàn)多使用啟發(fā)式算法求解，啟發(fā)式算法雖然有適用性強(qiáng)的優(yōu)點(diǎn)，但求解速度慢，且不能保證求得最優(yōu)解。以其中運(yùn)用較為廣泛的遺傳算法為例，遺傳算法在儲(chǔ)能配置問(wèn)題的迭代過(guò)程中，為了獲取種群適應(yīng)度，需要反復(fù)解潮流方程，耗時(shí)巨大。針對(duì)以上問(wèn)題，本文采用將啟發(fā)式算法與數(shù)值分析法結(jié)合的策略對(duì)儲(chǔ)能配置問(wèn)題進(jìn)行求解。上層問(wèn)題采用遺傳算法求解，求解下層問(wèn)題時(shí)先利用松弛技術(shù)將最優(yōu)潮流模型轉(zhuǎn)換為可以用數(shù)值分析法直接求解的二階錐規(guī)劃，然后將最優(yōu)解返回上層用于計(jì)算個(gè)體適應(yīng)度，進(jìn)而避免了潮流方程的反復(fù)求解。

2.1 整體求解方案

圖1 儲(chǔ)能雙層規(guī)劃框架圖

上層問(wèn)題用遺傳算法求解，將下層給出的最優(yōu)運(yùn)行方案以及運(yùn)行費(fèi)用返回上層后，利用遺傳算法求解儲(chǔ)能配置的框架如圖1所示，整體算法步驟如下：

(1) 根據(jù)遺傳算法對(duì)上層變量進(jìn)行編碼，包括儲(chǔ)能安裝位置、容量、功率，產(chǎn)生初始種群。

(2) 進(jìn)行下層優(yōu)化，首先把潮流方程進(jìn)行二階錐松弛，然后利用商業(yè)算法包CPLEX直接求解下層問(wèn)題，得到上層給定條件下儲(chǔ)能的運(yùn)行策略以及運(yùn)行費(fèi)用。

(3) 利用下層返回的運(yùn)行信息，根據(jù)種群適應(yīng)度函數(shù)得到種群適應(yīng)度，進(jìn)行遺傳算法迭代。

(4) 采用選擇、交叉、變異遺傳操作，產(chǎn)生上層規(guī)劃新種群。

(5) 進(jìn)行遺傳代數(shù)判斷，如果達(dá)到最大遺傳代數(shù)則結(jié)束算法，否則返回(2)。

2.2 下層問(wèn)題的最優(yōu)潮流模型

通過(guò)二階錐松弛技術(shù)對(duì)最優(yōu)潮流做線性化處理，首先做變量替換，令:

(16)

(17)

原潮流方程經(jīng)過(guò)線性化處理后如下：

(18)

上式構(gòu)成了松弛后的最優(yōu)潮流基本形式。文獻(xiàn)[15，16]證明了在目標(biāo)函數(shù)為凸函數(shù)和電流增函數(shù)情況下，對(duì)大部分配電網(wǎng)絡(luò)SOCR是嚴(yán)格準(zhǔn)確的。經(jīng)松弛后，各時(shí)段支路等式約束變?yōu)槎A錐約束。至此，式(10)～(15)及(18)構(gòu)成的下層問(wèn)題實(shí)際轉(zhuǎn)化為二階錐規(guī)劃，可用商業(yè)算法包快速求解。

3 算 例

3.1 算例介紹

在IEEE 33節(jié)點(diǎn)系統(tǒng)上對(duì)所提方法進(jìn)行分析與驗(yàn)證，測(cè)試系統(tǒng)節(jié)點(diǎn)數(shù)據(jù)和支路參數(shù)見(jiàn)文獻(xiàn)[10]。其中算例系統(tǒng)基準(zhǔn)電壓12.66 kV，基準(zhǔn)容量1 MWA，分別在節(jié)點(diǎn)9、14、29、31、32節(jié)點(diǎn)加入額定功率為300、400、550、100、100 kW的風(fēng)力發(fā)電機(jī)。該區(qū)域采用峰谷電價(jià)，年平均負(fù)荷曲線與分時(shí)電價(jià)見(jiàn)圖2。儲(chǔ)能類型選鈉硫電池，結(jié)合文獻(xiàn)[24-25]，電池參數(shù)見(jiàn)表1，該型號(hào)電池的循環(huán)壽命及擬合曲線見(jiàn)圖3與表2所示，工程周期為8 a，折現(xiàn)率為9%，仿真步長(zhǎng)為1 h，風(fēng)電典型日預(yù)測(cè)功率見(jiàn)圖4。

表1 鈉硫電池參數(shù)表

表2 某型號(hào)鈉硫電池放電深度與循環(huán)壽命對(duì)應(yīng)關(guān)系表

圖2 年平均負(fù)荷曲線和分時(shí)電價(jià)圖

圖3 電池放電深度與循環(huán)壽命的關(guān)系示意圖

3.2 配置結(jié)果分析

本文用MATLAB開(kāi)發(fā)程序，遺傳算法采用GATBX工具包(英國(guó)Sheffield大學(xué)推出的遺傳算法工具箱)，設(shè)置種群規(guī)模為50，交叉概率為0.7，變異概率為0.07，最大迭代數(shù)目為50；二階錐優(yōu)化模型調(diào)用Cplex的MATLAB接口求解,安裝不同數(shù)目?jī)?chǔ)能的優(yōu)化結(jié)果如表3所示。

圖4 風(fēng)電典型日出力曲線圖

儲(chǔ)能個(gè)數(shù)位置規(guī)劃能量容量/kWh功率容量/kW壽命/a建設(shè)成本/萬(wàn)元降損及套利收益/萬(wàn)元總成本/萬(wàn)元1179726745.62356.4129.7226.72177062525.36205.4321881253.15124.5117.7212.23115173464.89220.3174712055.82136.9321821223.24117.2154.1320.3

圖5 17和32節(jié)點(diǎn)儲(chǔ)能充放電功率圖

由表3知，從經(jīng)濟(jì)上分析，配置儲(chǔ)能數(shù)目為2時(shí)總成本最低，接入位置分別為17與32節(jié)點(diǎn)，但是在此方案下8 a工程周期內(nèi)的仍無(wú)法回收儲(chǔ)能建設(shè)成本，這一方面因?yàn)樾铍姵卦靸r(jià)昂貴，使得建設(shè)成本較高，另一方面由于目前儲(chǔ)能參與風(fēng)電輔助服務(wù)的市場(chǎng)機(jī)制尚不健全，同時(shí)缺乏相應(yīng)的政策鼓勵(lì)，使得儲(chǔ)能通過(guò)高發(fā)低儲(chǔ)和提供備用服務(wù)的經(jīng)濟(jì)收益水平不高。

從儲(chǔ)能布局分析，由表3可知儲(chǔ)能傾向于安裝在線路末端(17節(jié)點(diǎn))和風(fēng)電接入較為密集的區(qū)域(32節(jié)點(diǎn))。因?yàn)樯鲜龉?jié)點(diǎn)更容易出現(xiàn)電壓越限問(wèn)題，同時(shí)這些節(jié)點(diǎn)安裝儲(chǔ)能后更有利于降低網(wǎng)損。在節(jié)點(diǎn)17和32配置儲(chǔ)能時(shí)，其充放電策略和SOC變化如圖5、6所示，安裝儲(chǔ)能前后1 d內(nèi)各節(jié)點(diǎn)電壓水平如圖7、8所示。

圖6 17和32節(jié)點(diǎn)儲(chǔ)能SOC變化圖

圖7 安裝儲(chǔ)能前各節(jié)點(diǎn)24 h電壓變化圖

圖8 安裝儲(chǔ)能后各節(jié)點(diǎn)24 h電壓變化置圖

由圖7、8可知，安裝儲(chǔ)能后由風(fēng)電引起的電壓越上限和負(fù)荷較重時(shí)引起的電壓越下限問(wèn)題均得到解決，系統(tǒng)電壓波動(dòng)明顯縮小，配電網(wǎng)電壓質(zhì)量得到改善；實(shí)現(xiàn)了風(fēng)電波動(dòng)功率消納。由圖5、6可知，其中節(jié)點(diǎn)17處儲(chǔ)能在重負(fù)荷時(shí)段充分釋放電能，使得該節(jié)點(diǎn)附近電壓水平提升，節(jié)點(diǎn)32處儲(chǔ)能主要在風(fēng)電出力高峰時(shí)段充電，吸收多余風(fēng)電功率。也可以看出各處儲(chǔ)能充放電策略是在配合風(fēng)電出力的前提下，利用分時(shí)電價(jià)差獲利，儲(chǔ)能在負(fù)荷高峰時(shí)放電，在負(fù)荷低谷時(shí)充電，在一定程度上降低了峰谷差和減少棄風(fēng)。

3.3 不同風(fēng)電滲透率對(duì)儲(chǔ)能配置結(jié)果的影響

為考察不同風(fēng)電接入比例時(shí)的蓄電池規(guī)劃結(jié)果，其他參數(shù)不變的條件下，逐步調(diào)整風(fēng)電接入容量，BESS配置情況如表4所示。

表4 不同風(fēng)電滲透率時(shí)儲(chǔ)能配置結(jié)果表

由表4知，隨風(fēng)電滲透率提高，安裝儲(chǔ)能的總成本大致呈現(xiàn)先減后增的趨勢(shì)，觀察儲(chǔ)能安裝容量變化，可以發(fā)現(xiàn)節(jié)點(diǎn)17處安裝容量隨風(fēng)電滲透率提高遞減，節(jié)點(diǎn)32處與之相反。這是因?yàn)轱L(fēng)電滲透率低時(shí)，配電網(wǎng)電壓水平較低，在重負(fù)荷時(shí)出現(xiàn)電壓越下線問(wèn)題，所以需要在節(jié)點(diǎn)17處增加容量以提高電壓；當(dāng)風(fēng)電滲透率提高時(shí)，因風(fēng)電接入可以提升配電網(wǎng)整體電壓水平，所以節(jié)點(diǎn)17處所需容量減少；隨著風(fēng)電滲透率進(jìn)一步提高，其帶來(lái)的電壓越限問(wèn)題開(kāi)始出現(xiàn)，所以需要增加節(jié)點(diǎn)32處(風(fēng)電接入較為集中的節(jié)點(diǎn))儲(chǔ)能容量以吸收多余的風(fēng)電功率?？偝杀镜男》▌?dòng)是由儲(chǔ)能容量變化帶來(lái)的降損與套利收入波動(dòng)造成的。

上述分析同時(shí)說(shuō)明含風(fēng)系統(tǒng)中儲(chǔ)能裝置接入配電網(wǎng)可以改善電壓質(zhì)量，減少網(wǎng)絡(luò)損耗。當(dāng)風(fēng)電比例較高時(shí)，完全消納其波動(dòng)功率需要的儲(chǔ)能成本太高，應(yīng)該考慮適當(dāng)棄風(fēng)以換取經(jīng)濟(jì)性。綜上，在配電網(wǎng)安裝與風(fēng)電相匹配的BESS可以有效解決棄風(fēng)以及電壓越限問(wèn)題，同時(shí)改善電壓水平并降低負(fù)荷峰谷差。

4 結(jié) 語(yǔ)

本文建立了配電網(wǎng)儲(chǔ)能優(yōu)化配置模型，以配電網(wǎng)作為投資方，綜合考慮了儲(chǔ)能安裝容量、位置和壽命等對(duì)規(guī)劃方案有較大影響的因素，針對(duì)含有連續(xù)、離散變量的非凸非線性系統(tǒng)，采用遺傳算法與二階錐松弛相結(jié)合的雙層規(guī)劃求解，算例分析得出：

(1) 本文結(jié)合啟發(fā)式算法適應(yīng)性強(qiáng)和數(shù)值分析法求解效率高的優(yōu)點(diǎn)，所得算法在雙層規(guī)劃框架下能很好地求解儲(chǔ)能規(guī)劃問(wèn)題。

(2) 在配電網(wǎng)中配置儲(chǔ)能可以解決風(fēng)電波動(dòng)性帶來(lái)的問(wèn)題，同時(shí)達(dá)到削峰填谷的作用。優(yōu)化結(jié)果表明儲(chǔ)能優(yōu)先安裝在線路末端和風(fēng)電接入密集的節(jié)點(diǎn)附近。

(3) 儲(chǔ)能造價(jià)昂貴，由配電網(wǎng)投資建設(shè)儲(chǔ)能系統(tǒng)時(shí)，其經(jīng)濟(jì)收益不明顯，其為配電網(wǎng)電壓穩(wěn)定性與優(yōu)化負(fù)荷特性帶來(lái)的益處更為重要。

本文研究可以為含風(fēng)電的主動(dòng)配電網(wǎng)BESS選址定容提供指導(dǎo)。將啟發(fā)式算法與數(shù)值分析法結(jié)合可以為配電網(wǎng)規(guī)劃問(wèn)題的求解帶來(lái)新思路。