張繼紅，冀偉成

(1.內(nèi)蒙古科技大學(xué) 內(nèi)蒙古自治區(qū)光熱與風(fēng)能發(fā)電重點(diǎn)實(shí)驗(yàn)室，內(nèi)蒙古 包頭 014010;2.內(nèi)蒙古科技大學(xué)信息工程學(xué)院，內(nèi)蒙古 包頭 014010)

0 引 言

太陽能發(fā)電具有綠色環(huán)保、永不枯竭等特點(diǎn)，是近年來發(fā)展較快的可再生能源。截止到2019年底，我國光伏發(fā)電累計(jì)裝機(jī)容量已達(dá)20 430×104kW。然而光伏發(fā)電本身的間歇性和隨機(jī)性都將產(chǎn)生出力波動(dòng)現(xiàn)象，影響電力系統(tǒng)穩(wěn)定運(yùn)行[1-2]。為此，電力系統(tǒng)必須采取更加靈活的措施以應(yīng)對這些問題。其中可行的解決辦法是引入儲(chǔ)能，可解決平滑光伏功率輸出、增強(qiáng)電能就地消納和提升發(fā)電效率等問題[3]。

目前，國內(nèi)外已有諸多關(guān)于光伏發(fā)電、儲(chǔ)能配置的相關(guān)資料報(bào)道。例如文獻(xiàn)[4-5]提出了光伏和風(fēng)電的最佳接入比以及大規(guī)模光伏系統(tǒng)的儲(chǔ)能系統(tǒng)控制策略；文獻(xiàn)[6-7]針對分布式系統(tǒng)中儲(chǔ)能的經(jīng)濟(jì)性做了詳細(xì)研究；文獻(xiàn)[8-9]針對基本負(fù)荷的實(shí)際運(yùn)行情況，提出了大規(guī)模光伏系統(tǒng)的儲(chǔ)能運(yùn)行經(jīng)濟(jì)模型，并對儲(chǔ)能容量配置和光伏傳輸通道的起點(diǎn)和終點(diǎn)選址進(jìn)行了研究。實(shí)際上，就目前常見的儲(chǔ)能方式，使用成本和造價(jià)依然較高[10]，如何科學(xué)合理選擇儲(chǔ)能類型、安裝位置、優(yōu)化容量、降低成本是其首要任務(wù)。因此本文擬采用概率潮流算法對規(guī)模化光伏系統(tǒng)的儲(chǔ)能優(yōu)化配置展開研究，預(yù)期獲得最佳的解決方案并能指導(dǎo)實(shí)踐。

概率潮流（probabilistic load flow，PLF）是將系統(tǒng)中的不確定性電源和負(fù)荷等設(shè)備的發(fā)出功率和吸收功率作為隨機(jī)變量，在全面考慮系統(tǒng)運(yùn)行狀況和概率分布特征的基礎(chǔ)上進(jìn)行的一種分析方法。該方法由Borkowaka于1974年提出，主要用于解決電力系統(tǒng)中存在的不確定性問題。文獻(xiàn)[11]重點(diǎn)考慮了配電網(wǎng)中多個(gè)光伏系統(tǒng)存在的相關(guān)性，采用概率潮流方法進(jìn)行了研究；文獻(xiàn)[12]采用光伏Beta模型和非參數(shù)核密度概率模型對光伏電能、負(fù)荷功率需求的相關(guān)性進(jìn)行了概率潮流研究；文獻(xiàn)[13]利用最優(yōu)潮流方法對微電網(wǎng)中儲(chǔ)能的運(yùn)行控制進(jìn)行了研究；文獻(xiàn)[14-15]深入探討了對含風(fēng)電系統(tǒng)中儲(chǔ)能的優(yōu)化選址和容量配置；文獻(xiàn)[16]在考慮風(fēng)電出力不確定性、波動(dòng)性的基礎(chǔ)上，優(yōu)化了儲(chǔ)能的選址問題，對實(shí)際工程有一定指導(dǎo)價(jià)值。

概率潮流算法有蒙特卡洛模擬法、拉丁超立方法、點(diǎn)估計(jì)法、半不變量法等。本文將隨機(jī)行走理論和拉丁超立方抽樣理論相結(jié)合，以隨機(jī)的光伏出力和負(fù)荷變化作為研究對象，采用RWLHS理論進(jìn)行抽樣和排序，分析概率潮流分布模型，建立優(yōu)化目標(biāo)函數(shù)，在此基礎(chǔ)上應(yīng)用改進(jìn)遺傳算法進(jìn)行測算。

1 概率潮流

潮流計(jì)算是電力系統(tǒng)分析的基礎(chǔ)，它對電力系統(tǒng)的規(guī)劃、運(yùn)行調(diào)度等發(fā)揮著重要的作用，其潮流計(jì)算公式[17]為：

式中：X——節(jié)點(diǎn)電壓向量；

Y——系統(tǒng)網(wǎng)絡(luò)參數(shù)；

H——節(jié)點(diǎn)注入功率向量；

W——支路潮流向量。

概率潮流方法是將式（1）中輸入變量X、Y的概率特性考慮在內(nèi)，通過計(jì)算得出狀態(tài)變量H、W的分布特性。相對于傳統(tǒng)方法，概率潮流的計(jì)算步驟簡單明了，主要由以下步驟構(gòu)成：建立各輸入變量的概率分布特征；對各輸入變量進(jìn)行采樣；將采樣數(shù)據(jù)代入潮流方程計(jì)算；統(tǒng)計(jì)計(jì)算結(jié)果的概率分布特征，并得出最終結(jié)果。

1.1 概率潮流中的元件模型

在概率潮流計(jì)算中，光伏、負(fù)荷與發(fā)電機(jī)都是隨機(jī)變量，應(yīng)用文獻(xiàn)[12]的計(jì)算結(jié)果，得到光伏發(fā)電的輸出功率服從Beta函數(shù)，其概率密度分布函數(shù)可表示為：

式中：r和rmax——瞬時(shí)光照強(qiáng)度和最大光照強(qiáng)度；

α和β——Beta的形狀參數(shù)；

Γ(x)——Gamma函數(shù)。

光伏發(fā)電系統(tǒng)輸出功率可表示為：

其中，A和η分別為光伏陣列面積和光電轉(zhuǎn)換效率。

通過對負(fù)荷功率的概率分布擬合，并假設(shè)負(fù)荷服從正態(tài)分布，其概率密度函數(shù)[18]可表示為：

式中：PL——負(fù)荷功率；

μL和σL2——負(fù)荷的期望和方差。

發(fā)電機(jī)的概率模型通常采用二點(diǎn)分布描述，其概率密度分布函數(shù)表示為：

式中：p——發(fā)電機(jī)正常運(yùn)行的概率；

PG——發(fā)電機(jī)的輸出功率。

當(dāng)光伏電站輸出功率較大，電網(wǎng)難以消納時(shí)，儲(chǔ)能相當(dāng)于負(fù)荷吸收過剩的功率；在負(fù)荷達(dá)到峰值時(shí)，儲(chǔ)能相當(dāng)于電源釋放功率。儲(chǔ)能的瞬時(shí)能量平衡方程[19]為：

充電時(shí)：

放電時(shí)：

約束條件為：

式中：St——儲(chǔ)能在時(shí)刻t的能量；

Pt——儲(chǔ)能的充放電功率；

SL和SG——充電和放電的能量；

ηc和ηd——充電和放電效率；

ds——儲(chǔ)能的自放電率；

T——采樣時(shí)刻t的集合。

儲(chǔ)能的工作模式參考了光伏發(fā)電情況和分時(shí)電價(jià)方案，若光伏輸出功率有余量，則儲(chǔ)能按式（6）吸收功率，相反，按式（7）釋放功率。

1.2 RWLHS理論及采樣

隨機(jī)行走[20]（random walk，RW）是一種用于描述連續(xù)的隨機(jī)步驟所形成軌跡的數(shù)學(xué)方法，RW針對隨機(jī)變量的搜索從概率上保證各變量、各方向采樣均等。因此將隨機(jī)行走理論應(yīng)用于LHS采樣，可確保采樣的隨機(jī)性、均等性和無偏好性，能夠反映樣本基本特征，因而獲得的樣本更具代表性。圖1為隨機(jī)行走理論工作流程，其計(jì)算公式為：

圖1 隨機(jī)行走理論工作流程圖

式中：Di、Dj、Dm——采樣值；

pi——概率值；

μD、μacs——期望值、標(biāo)準(zhǔn)值；

ξμ——期望與標(biāo)準(zhǔn)差值的相對值；

ρij——Dm、Dj的相關(guān)性系數(shù)。

為了驗(yàn)證RWLHS的有效性，本文將RWLHS和蒙特卡洛法模擬(Monte Carlo method simulation，MCMSL)進(jìn)行了不同采樣點(diǎn)情況下的相對差值與方差值的計(jì)算，如圖2、3所示。

圖2 MCMSL與RWLHS方式下的相對值

從圖2可以看出，RWLHS法隨著采樣數(shù)量的增加 ξμ值明顯降低；圖3中采樣數(shù)量在10～200之間兩種方法得到的結(jié)果整體趨勢是降低的，但是MCMSL方法的方差值存在明顯波動(dòng)，非常不穩(wěn)定；而RWLHS采樣法方差具有持續(xù)減小趨勢，可見后者方法優(yōu)勢明顯。

圖3 MCLHS與RWLHS的方差值

2 算例1

2.1 光伏接入對系統(tǒng)的影響

光伏電站的接入位置和容量均會(huì)對電力系統(tǒng)潮流產(chǎn)生不同的影響，因此在考慮增加儲(chǔ)能之前，首先分析光伏的接入對系統(tǒng)的影響，主要包括系統(tǒng)潮流的越限概率、電壓波動(dòng)和支路網(wǎng)損。

IEEE 24節(jié)點(diǎn)測試系統(tǒng)如圖4所示，其中1～10節(jié)點(diǎn)的電壓水平為138 kV，11～24節(jié)點(diǎn)為230 kV。將潮流計(jì)算方法應(yīng)用于該測試系統(tǒng)并對光伏接入后的電力系統(tǒng)進(jìn)行仿真分析。

圖4 IEEE 24節(jié)點(diǎn)測試系統(tǒng)示意圖

由圖5可見，光伏電站接入節(jié)點(diǎn)11、12、13、23時(shí)造成的潮流越限概率較小，因?yàn)楣?jié)點(diǎn)13為平衡節(jié)點(diǎn)，且11、12、23與其直接相連。一般選取系統(tǒng)中的主調(diào)頻發(fā)電廠為平衡節(jié)點(diǎn)比較合理。作為平衡節(jié)點(diǎn)，它對系統(tǒng)起到功率平衡的作用，既可以向系統(tǒng)提供缺損的功率，也可以吸收系統(tǒng)中多余的功率。

圖5 不同光伏接入點(diǎn)的潮流越限概率總和

圖6為考慮節(jié)點(diǎn)電壓標(biāo)準(zhǔn)差時(shí)，選取典型的節(jié)點(diǎn) 1、3、8、13、14、15、19 的電壓幅值標(biāo)準(zhǔn)差做對比。整體上，光伏接入對節(jié)點(diǎn)電壓波動(dòng)性的影響較小，光伏電站的接入易對接入點(diǎn)和附近節(jié)點(diǎn)的電壓造成較大波動(dòng)，對比不同電壓等級的同類節(jié)點(diǎn)，可見光伏電站更適于接入電壓等級較高的節(jié)點(diǎn)，有發(fā)電機(jī)或調(diào)相機(jī)支撐的節(jié)點(diǎn)受光伏接入的影響較小，處于線路電阻較大的送端節(jié)點(diǎn)受光伏電站的影響較大。

圖6 不同光伏接入點(diǎn)造成節(jié)點(diǎn)電壓波動(dòng)

圖7為不同光伏接入點(diǎn)的系統(tǒng)總網(wǎng)損，在負(fù)荷較重且沒有電源的節(jié)點(diǎn)接入光伏電站，造成的網(wǎng)損較小，節(jié)點(diǎn)21、22、23集中送出功率，在這些節(jié)點(diǎn)接入光伏電站會(huì)產(chǎn)生較大的網(wǎng)損，因此，光伏電站接入點(diǎn)選在負(fù)荷較大的節(jié)點(diǎn)有利于均衡系統(tǒng)的有功潮流分布，減小系統(tǒng)網(wǎng)損。

圖7 不同光伏接入點(diǎn)的系統(tǒng)總網(wǎng)損

綜合支路潮流越限概率、支路網(wǎng)損和節(jié)點(diǎn)電壓波動(dòng)3個(gè)因素，選取節(jié)點(diǎn)14作為接入點(diǎn)，研究不同光伏接入容量對電力系統(tǒng)的影響。

由圖8可見，隨著光伏接入容量的增加，支路有功功率的標(biāo)準(zhǔn)差增大，且兩者之間呈線性關(guān)系，除此之外，其他支路的標(biāo)準(zhǔn)差均小于5 MW且呈線性關(guān)系。光伏并網(wǎng)后更易在與光伏接入點(diǎn)或鄰近支路引起功率波動(dòng)。

圖8 不同光伏容量下支路有功標(biāo)準(zhǔn)差

圖9為不同光伏容量接入時(shí)，各支路的有功潮流越限概率，除圖中所示支路外，其他支路沒有出現(xiàn)越限或越限概率非常小。與圖8對比可見，越限概率與支路功率波動(dòng)性沒有必然聯(lián)系，波動(dòng)范圍大的線路并不一定引起線路的有功功率越限，產(chǎn)生這種現(xiàn)象的原因與光伏輸出功率的傳送方向有關(guān)，若與原支路潮流方向相同，則較小的光伏功率就會(huì)造成支路越限，若相反，則光伏功率非常大時(shí)也不會(huì)造成潮流越限。

圖9 不同光伏容量下的支路潮流越限概率

圖10中系統(tǒng)總網(wǎng)損隨光伏接入容量的增加而增大，但是光伏容量對網(wǎng)損的影響并不明顯，當(dāng)光伏容量增加70 MW，總網(wǎng)損僅僅增大0.75 MW。

圖10 不同光伏容量下系統(tǒng)總網(wǎng)損

2.2 儲(chǔ)能接入對系統(tǒng)的影響

一方面儲(chǔ)能可以有效削弱光伏出力的間歇性和隨機(jī)性，使光伏的輸出功率趨于平滑，降低對電網(wǎng)的沖擊；另一方面可以對能量進(jìn)行跨時(shí)調(diào)度，參與電力系統(tǒng)的優(yōu)化控制。以配網(wǎng)總成本最低為優(yōu)化目標(biāo)，考慮功率平衡、支路潮流約束、儲(chǔ)能的運(yùn)行效率、荷電狀態(tài)以及電壓約束等建立的模型為：

式中：FNPV——系統(tǒng)工程期內(nèi)的凈現(xiàn)值；

NCF(i)——第i年的電網(wǎng)總成本；

Fdis——貼現(xiàn)率；

CESS——儲(chǔ)能充放電解決棄光收益；

ΔCLOSS——儲(chǔ)能充放電降低系統(tǒng)網(wǎng)損收益；

CLDS——儲(chǔ)能削峰填谷的收益；

Ccap、Crep、Com、Csal——初建成本、更新成本、運(yùn)行維護(hù)費(fèi)用、殘值；

ΔEESS(i,j,k)——第i年第j天第k個(gè)小時(shí)的儲(chǔ)能充放電能量；

PPV、QPV、PBESS、PL、QL、QBESS——光伏、儲(chǔ)能、負(fù)荷的有功和無功功率；

Sijmin和Sijmax——線路ij的視在功率下上限；

Sij——注入支路ij的實(shí)際視在功率值；

NBESS——儲(chǔ)能安裝的節(jié)點(diǎn)符號；

Nnode——系統(tǒng)最大節(jié)點(diǎn)編號；

Vmin和Vmax——系統(tǒng)節(jié)點(diǎn)的最小、最大電壓值；

Vjr——節(jié)點(diǎn)j的實(shí)際電壓。

2.3 儲(chǔ)能系統(tǒng)優(yōu)化配置

2.3.1 目標(biāo)函數(shù)

為選取合適的儲(chǔ)能容量，本文以降低儲(chǔ)能投資成本、降低支路有功越限概率和減少網(wǎng)絡(luò)損耗作為目標(biāo)，構(gòu)建優(yōu)化目標(biāo)函數(shù)。由于各項(xiàng)指標(biāo)的量綱不同，首先需進(jìn)行離差標(biāo)準(zhǔn)化處理，將各種變量的觀察值規(guī)范為(0,1)之間，并考慮到實(shí)際系統(tǒng)的權(quán)重問題，所以建立的標(biāo)準(zhǔn)化模型和目標(biāo)函數(shù)如下式所示：

式中：w——待優(yōu)化指標(biāo)；

wmin、wmax——未標(biāo)準(zhǔn)化原函數(shù)的最小值與最大值。

目標(biāo)函數(shù)為：

式中：λ1～λ3——權(quán)重系數(shù)；

Eloss、pe、CESS——標(biāo)準(zhǔn)化后的支路網(wǎng)損、支路有功越限概率和儲(chǔ)能投資成本。

2.3.2 改進(jìn)遺傳算法

傳統(tǒng)遺傳算法有收斂速度慢、結(jié)果過于依賴初始值等缺陷，改進(jìn)遺傳算法是在傳統(tǒng)遺傳算法的基礎(chǔ)上對采樣策略進(jìn)行優(yōu)化，使計(jì)算效率得到提升，具體改進(jìn)方法如下：1）在初始種群中，對所有的個(gè)體按其適應(yīng)度大小進(jìn)行排序，然后計(jì)算個(gè)體的支持度和置信度；2）按一定的比例復(fù)制，即將當(dāng)前種群中適應(yīng)度最高的兩個(gè)個(gè)體結(jié)構(gòu)完整地復(fù)制到待配種群中；3）按個(gè)體所處的位置確定其變異概率并變異，按優(yōu)良個(gè)體復(fù)制4份，劣質(zhì)個(gè)體不復(fù)制的原則復(fù)制個(gè)體；4）從復(fù)制組中隨機(jī)選擇兩個(gè)個(gè)體，對其進(jìn)行多次交叉，從所得的結(jié)果中選擇一個(gè)最優(yōu)個(gè)體存入新種群；5）若滿足結(jié)束條件，停止，否則，跳轉(zhuǎn)步驟1），直至找到所有符合條件的規(guī)則。

該算法的優(yōu)點(diǎn)是在各代的每一次演化過程中子代總是保留了父代中最優(yōu)個(gè)體，以在“高適應(yīng)度模式為祖先的家族方向”搜索出更好的樣本，從而保證最終可以搜索到全局最優(yōu)解。圖11給出了算法的設(shè)計(jì)流程。

圖11 改進(jìn)算法流程圖

2.4 最優(yōu)潮流下儲(chǔ)能配置優(yōu)化

設(shè)定輸入變量為儲(chǔ)能容量、PV安裝地點(diǎn)、PV輸出的有功、無功功率。

目標(biāo)函數(shù)為：

其中λ、ε為權(quán)重因子。

儲(chǔ)能充電時(shí)滿足：

儲(chǔ)能放電時(shí)滿足：

式中：PESS（n）——儲(chǔ)能第n個(gè)序列的充放電功率；

Δt——儲(chǔ)能每次充放電的持續(xù)時(shí)間；

ηC、ηD——儲(chǔ)能充電、放電效率。

采用上述思路對光伏電站的選址和容量進(jìn)行對比分析，距離光伏電站接入點(diǎn)近的支路更易受其影響，因此本節(jié)對儲(chǔ)能的接入研究中，假設(shè)儲(chǔ)能和光伏電站接入同一節(jié)點(diǎn)。圖12～圖14為光伏接入容量為100 MW時(shí)，不考慮棄光的情況下，不同儲(chǔ)能容量下系統(tǒng)的支路潮流越限概率、有功潮流標(biāo)準(zhǔn)差和總網(wǎng)損。

由圖12可見，隨著儲(chǔ)能額定功率的增大，可以改善支路潮流的越限概率，但是對于一些易受光伏發(fā)電波動(dòng)影響的支路，需要接入很大的儲(chǔ)能，這顯然不利于系統(tǒng)的經(jīng)濟(jì)性，因此可以考慮棄掉一部分光伏發(fā)電，以提升系統(tǒng)的經(jīng)濟(jì)性。

圖12 不同儲(chǔ)能額定功率下系統(tǒng)支路潮流越限概率

圖13中，標(biāo)準(zhǔn)差隨儲(chǔ)能額定功率的增加而減小，潮流波動(dòng)越大的支路，在接入儲(chǔ)能后，抑制波動(dòng)的效果越明顯。圖14為不同儲(chǔ)能額定功率下系統(tǒng)總網(wǎng)損，儲(chǔ)能的增大可以減小系統(tǒng)網(wǎng)損，但其作用有限，儲(chǔ)能增加30 MW，系統(tǒng)的總網(wǎng)損下降0.16 MW?？梢妰?chǔ)能對光伏接入帶來的影響有抑制作用。

圖13 不同儲(chǔ)能額定功率下支路有功功率標(biāo)準(zhǔn)差

圖14 不同儲(chǔ)能額定功率下系統(tǒng)總網(wǎng)損

圖15、16指出了不同儲(chǔ)能和光伏容量下系統(tǒng)總的潮流越限概率和總網(wǎng)損，整體上，隨光伏容量的增加，系統(tǒng)受影響程度增大，隨儲(chǔ)能容量的增加，系統(tǒng)受影響程度減小。

圖15 不同儲(chǔ)能額定功率和光伏容量下系統(tǒng)總的潮流越限概率

圖16 不同儲(chǔ)能額定功率和光伏容量下系統(tǒng)總網(wǎng)損

3 算例2

采用IEEE 17節(jié)點(diǎn)配網(wǎng)作為算例進(jìn)行分析。配電網(wǎng)通過一個(gè)18 MVA變壓器與大電網(wǎng)相連，如圖17所示。節(jié)點(diǎn)6、9、13、17處安裝光伏，額定功率分別為1，2，3，4 MW。選擇一個(gè)典型日光伏發(fā)電功率與負(fù)荷曲線，如圖18所示。各節(jié)點(diǎn)負(fù)荷水平如表1所示，配網(wǎng)采用峰谷分時(shí)定價(jià)機(jī)制，定價(jià)方案如表2所示。

表1 各節(jié)點(diǎn)負(fù)荷水平

表2 分時(shí)電價(jià)方案

圖17 IEEE 17節(jié)點(diǎn)配網(wǎng)結(jié)構(gòu)圖

圖18 典型日光伏出力及負(fù)荷曲線

儲(chǔ)能設(shè)備選礬液流電池，并考慮安裝2個(gè)節(jié)點(diǎn)位置進(jìn)行優(yōu)化配置。儲(chǔ)能功率和容量的單價(jià)分別為480萬元/MW和110萬元/MWh。

分析典型日的最優(yōu)潮流并采用改進(jìn)遺傳算法求解目標(biāo)函數(shù)。設(shè)安裝點(diǎn)數(shù)為2，染色體長度為60，種群為50，迭代次數(shù)為35，運(yùn)行程序獲得儲(chǔ)能最優(yōu)配置方案為：在節(jié)點(diǎn)5接入0.7 MW/1.0 MWh，節(jié)點(diǎn)11接入0.9 MW/2.0 MWh；儲(chǔ)能的成本為1 098萬元。

儲(chǔ)能配置后，可以實(shí)現(xiàn)削峰填谷價(jià)格套利和減小網(wǎng)損收益，兩種綜合獲利238元/d，考慮儲(chǔ)能的使用壽命、日常維護(hù)費(fèi)用的條件下，安裝儲(chǔ)能可使在配網(wǎng)運(yùn)行周期內(nèi)獲利1 300萬元，凈盈利202萬元，見表3所示。

表3 不同光伏功率下儲(chǔ)能配置結(jié)果

分析不同光伏容量下儲(chǔ)能配置及電網(wǎng)成本和收益可知，隨著光伏容量增加，儲(chǔ)能安裝功率/容量呈總體下降趨勢，配置成本相對減少，而電網(wǎng)所獲收益增加，因而凈盈利增加。原因在于隨著光伏滲透率的提高，儲(chǔ)能減小網(wǎng)損能力得以明顯改善；同時(shí)，光伏發(fā)電可以提升儲(chǔ)能利用谷時(shí)電價(jià)充電的能力，增強(qiáng)削峰填谷套利。

4 結(jié)束語

本文利用概率潮流方法，分析和計(jì)算了光伏、儲(chǔ)能接入對電力系統(tǒng)的影響。主要結(jié)論如下：

1）以IEEE 24節(jié)點(diǎn)系統(tǒng)為例，綜合支路潮流越限概率、支路網(wǎng)損和節(jié)點(diǎn)電壓波動(dòng)3個(gè)因素，光伏電站接入節(jié)點(diǎn)14較為合適。

2）光伏電站接入對附近支路的潮流影響較大，有發(fā)電機(jī)或調(diào)相機(jī)支撐的節(jié)點(diǎn)受光伏接入的影響較小，更適于接入電壓等級較高的和負(fù)荷較重的節(jié)點(diǎn)。

3）儲(chǔ)能的接入對于光伏電站產(chǎn)生的影響有明顯的抑制效果。

4）將概率潮流的計(jì)算結(jié)果代入遺傳算法，令各項(xiàng)指標(biāo)的權(quán)重相同，得出了不同光伏電站對應(yīng)的最優(yōu)儲(chǔ)能配置。

5）利用IEEE 17節(jié)點(diǎn)配網(wǎng)系統(tǒng)驗(yàn)證了儲(chǔ)能優(yōu)化配置的有效性，同時(shí)表明光伏滲透率增加，有利于降低配網(wǎng)中儲(chǔ)能優(yōu)化配置成本，提高電網(wǎng)運(yùn)行凈收益。