周 斌，鄭云飛，靖 海，袁嘉駿

（1.國網(wǎng)湖北省電力有限公司，430077 湖北 武漢 2.湖北華中電力科技開發(fā)有限責(zé)任公司，430077 湖北 武漢）

0 引言

隨著傳統(tǒng)化石能源大量使用，造成日益嚴(yán)重的環(huán)境問題，以風(fēng)電、光伏為代表的可再生清潔能源的大力發(fā)展，逐步替代化石能源，將進(jìn)一步優(yōu)化能源結(jié)構(gòu)。為了進(jìn)一步推動分布式戶用光伏快速發(fā)展，我國政府在各個(gè)地區(qū)已推行各類光伏扶貧優(yōu)惠政策，同時(shí)也頒布國家可再生能源的交易政策，以實(shí)現(xiàn)隔墻售電。但是分布式光伏發(fā)電的隨機(jī)性、波動性特點(diǎn)，光伏只能白天發(fā)電，晚上不能發(fā)電。目前國家政策上保證分布式光伏發(fā)電量可全額上網(wǎng)，但是大量分布式光伏分散式接入配網(wǎng)后，這種全額接收手段給電網(wǎng)運(yùn)行帶來了較大壓力，如何高效、優(yōu)化消納分布式光伏發(fā)電是今后進(jìn)一步發(fā)展需解決的關(guān)鍵問題。

隨著分布式光伏、風(fēng)電等可再生能源接入，以電動汽車為代表的新負(fù)荷逐步增多，電網(wǎng)中源、荷引起的隨機(jī)性因素不斷增多，光伏、風(fēng)電的隨機(jī)性無法用確定性模型?；诜涸陔娏ξ锫?lián)網(wǎng)，可將各個(gè)分布式風(fēng)電、光伏、儲能及負(fù)荷的準(zhǔn)確信息匯集到一個(gè)平臺，實(shí)現(xiàn)平臺上電源之間互補(bǔ)聯(lián)合，源、儲、荷交互。分布式光伏、風(fēng)電接入容量一般較小，建設(shè)周期短，如不合理運(yùn)行，盲目性接入電網(wǎng)，會導(dǎo)致某些區(qū)域過剩。針對分布式新能源的隨機(jī)性特點(diǎn)，如何應(yīng)對這些運(yùn)行中的盲目性，基于風(fēng)光儲互補(bǔ)方式可有效應(yīng)對這些問題，靈活引導(dǎo)運(yùn)行時(shí)序及后續(xù)擴(kuò)展性?；陲L(fēng)光儲互補(bǔ)方式，源荷互動，可以在線感知各類源荷數(shù)據(jù)，得到源荷的時(shí)空分布隨機(jī)性數(shù)據(jù)，可得到直觀具體的動態(tài)運(yùn)行效果。基于源荷之間交互，風(fēng)光儲互補(bǔ)方式及時(shí)獲知各類分布式源荷的信息，確定源荷的優(yōu)化運(yùn)行。風(fēng)光儲互補(bǔ)方式將拓寬配電網(wǎng)中多類能源接入，有效實(shí)現(xiàn)能源互聯(lián)網(wǎng)中多元化上的優(yōu)化配置。

目前國內(nèi)外對風(fēng)光儲聯(lián)合進(jìn)行了一定的研究。文獻(xiàn)[1-2]探索建立戶用光伏智能消納的多能互補(bǔ)系統(tǒng)，積極適應(yīng)光伏產(chǎn)業(yè)發(fā)展市場化、經(jīng)濟(jì)化、普適化趨勢，實(shí)現(xiàn)全面消納優(yōu)化，更加適應(yīng)當(dāng)前我國經(jīng)濟(jì)社會由高速增長向高質(zhì)量全面發(fā)展的實(shí)際需要。文獻(xiàn)[3-5]提出一種在風(fēng)光儲機(jī)電暫態(tài)仿真過程中單機(jī)“倍乘”等值模型，也有文獻(xiàn)提出一種風(fēng)光儲聯(lián)合的有功功率動態(tài)特性分析方法。還有文獻(xiàn)[6-7]考慮氣象實(shí)時(shí)數(shù)據(jù)以及電網(wǎng)調(diào)度，建立了一種風(fēng)光儲系統(tǒng)優(yōu)化的數(shù)學(xué)模型。文獻(xiàn)[7-8]對風(fēng)能和光能進(jìn)行短期預(yù)測、蓄電池記憶效應(yīng)，在經(jīng)濟(jì)層面優(yōu)化了風(fēng)光儲發(fā)電系統(tǒng)，介紹了風(fēng)光儲輸示范工程，對四種風(fēng)光儲系統(tǒng)控制策略進(jìn)行了驗(yàn)證；建立了大規(guī)模風(fēng)光儲并網(wǎng)發(fā)電系統(tǒng)的動態(tài)分析模型，提出了一種基于功率變化率的最大功率跟蹤算法。文獻(xiàn)[9-10]利用一種基于迭代算法的最優(yōu)容量配置模型，分析了風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)的缺點(diǎn)概率和運(yùn)行經(jīng)濟(jì)性；考慮風(fēng)能和光伏發(fā)電不確定性的影響，提出了一種魯棒調(diào)度模型。文獻(xiàn)[11-12]提出了風(fēng)光儲發(fā)電系統(tǒng)準(zhǔn)入功率的極限模型，為風(fēng)能和太陽能接入電網(wǎng)提供理論基礎(chǔ)；提出將超級電容、蓄電池組合應(yīng)用在風(fēng)光儲發(fā)電系統(tǒng)中，結(jié)果表明可維持系統(tǒng)的功率平衡并提高電能質(zhì)量；基于備用容量懲罰成本，建立了風(fēng)光儲系統(tǒng)的經(jīng)濟(jì)調(diào)度動態(tài)模型。文獻(xiàn)[13-17]對多能互補(bǔ)方面進(jìn)行研究，包括多種形式能源互補(bǔ)的數(shù)學(xué)模型、分析算法及實(shí)際電力系統(tǒng)運(yùn)行中的穩(wěn)定性等。文獻(xiàn)[13-14]針對清潔能源消納的多能互補(bǔ)進(jìn)行了研究，基于同一流域下沿線風(fēng)電、光伏發(fā)電，形成風(fēng)光水多能互補(bǔ)模式，研究風(fēng)光水清潔能源之間的協(xié)同優(yōu)化調(diào)度模式與機(jī)制。文獻(xiàn)[15-17]針對區(qū)間模型的多能互補(bǔ)系統(tǒng)進(jìn)行了研究，分析了互補(bǔ)系統(tǒng)的優(yōu)化運(yùn)行模型和算法，在主動配電網(wǎng)規(guī)劃考慮了多能互補(bǔ)方式及高效Benders 求解方法，還針對多能互補(bǔ)輸出后的能源交易進(jìn)行了研究，提出了異構(gòu)能源區(qū)塊鏈的多能互補(bǔ)安全交易模型。

當(dāng)前研究大都是在考慮充分利用光伏來兼顧環(huán)境效益的同時(shí)，考慮整體經(jīng)濟(jì)性成本，但沒有考慮不同柔性負(fù)荷間優(yōu)化協(xié)調(diào)和電動汽車儲能負(fù)荷接入后綜合控制等方面。目前國家在政策上積極鼓勵(lì)光伏的開發(fā)和應(yīng)用，大力推廣以光伏為代表的清潔能源可以節(jié)省一次能源，減小環(huán)境污染問題，實(shí)現(xiàn)可持續(xù)性發(fā)展。光伏發(fā)電雖然不可控，且具有隨機(jī)性和波動性的特點(diǎn)，但供冷、供熱負(fù)荷和電動汽車都屬于可控負(fù)荷，通過一定的調(diào)控策略可以與光伏系統(tǒng)的變化特性相協(xié)調(diào)。

文中研究闡述了基于互聯(lián)網(wǎng)+風(fēng)光儲優(yōu)化協(xié)調(diào)，基于光伏、風(fēng)電的隨機(jī)不確定性，研究互聯(lián)網(wǎng)+風(fēng)光儲的運(yùn)行思路，用數(shù)據(jù)分析風(fēng)光電隨機(jī)性，建立基于互聯(lián)網(wǎng)+模式下分析模型，研究了分布式風(fēng)光儲運(yùn)行的多場景分析方法，分析風(fēng)光儲不同類型場景的聯(lián)合原則，并針對算例進(jìn)行了仿真計(jì)算。

1 風(fēng)光儲的互補(bǔ)分析模型

多點(diǎn)分散式太陽能光伏發(fā)電系統(tǒng)接入到現(xiàn)有配網(wǎng)中，光伏發(fā)電自身的隨機(jī)性波動性的不足，導(dǎo)致單一的光伏發(fā)電很難滿足用戶需求，需將光伏與其他形式能源結(jié)合。風(fēng)電也是一種可再生能源，風(fēng)光結(jié)合是一種有效形式，但風(fēng)電也具有隨機(jī)性特點(diǎn)，因此還需儲能來補(bǔ)充這些隨機(jī)性的不足。如何實(shí)現(xiàn)風(fēng)光儲的優(yōu)化組合，得到穩(wěn)定性輸出功率滿足用戶需求，需要一種有效手段實(shí)現(xiàn)風(fēng)光儲的優(yōu)化運(yùn)行?！肮夥?”手段是一種有效方式，通過“光伏+”來連接風(fēng)電和儲能，同時(shí)考慮配網(wǎng)中的柔性可控負(fù)荷，形成風(fēng)光儲互補(bǔ)的應(yīng)用模式。通過對可控負(fù)荷適當(dāng)控制，風(fēng)光的合理組合，儲能的補(bǔ)充，達(dá)到對風(fēng)光的隨機(jī)性變化適應(yīng)。

1.1 目標(biāo)函數(shù)

風(fēng)光儲系統(tǒng)運(yùn)行目標(biāo)是風(fēng)光消納最大，目標(biāo)函數(shù)如式（1）所示：

式中：PSO，i為每個(gè)光伏接入點(diǎn)的容量值；m為接入點(diǎn)數(shù)量；PW，j為每個(gè)風(fēng)電接入點(diǎn)的容量值，n為接入點(diǎn)數(shù)量。為了應(yīng)對風(fēng)光隨機(jī)性，還需接入l 個(gè)儲能單元，容量為PES，k。

風(fēng)光儲接入配網(wǎng)須滿足潮流約束，此外風(fēng)光儲出力由于其自然物理特性，還需滿足上下限的不等式約束：

光伏發(fā)電系統(tǒng)在運(yùn)行時(shí)主要考慮長期內(nèi)太陽能利用的最大化，太陽能發(fā)電功率隨機(jī)性變化，只能通過一些可控平移負(fù)荷，按照太陽能發(fā)電的變化規(guī)律，對負(fù)荷用電時(shí)段和大小進(jìn)行控制，盡量與太陽能變化特性保持一致，實(shí)現(xiàn)太陽能利用最大化這一目標(biāo)。針對短期內(nèi)可能出現(xiàn)太陽能發(fā)電與負(fù)荷用電之間的差值較大時(shí)，還可考慮配電網(wǎng)支撐，進(jìn)一步實(shí)現(xiàn)太陽能利用率的最大化。

1.2 光伏發(fā)電功率的概率性

太陽光照強(qiáng)度的隨機(jī)波動變化，導(dǎo)致其輸出功率也會隨機(jī)性波動，在一定時(shí)間內(nèi)呈Beta 分布的統(tǒng)計(jì)規(guī)律，其概率密度為：

式中：Γ為Gamma函數(shù)，E和Emax為這段時(shí)間內(nèi)的實(shí)際光照強(qiáng)度及最大值；α、β為Beta分布的形狀參數(shù)。

因此，光伏輸出功率概率密度函數(shù)如下：

1.3 風(fēng)電功率的概率性

風(fēng)電發(fā)電的輸出功率與風(fēng)速之間具有一定的近似關(guān)系，當(dāng)風(fēng)速在切入風(fēng)速與額定風(fēng)速之間變化時(shí)，輸出功率與風(fēng)速之間也可以等效近似為線性關(guān)系，可用分段函數(shù)表示：

式中：va、v、v0、vb、P0分別表示切入風(fēng)速、實(shí)時(shí)風(fēng)速、額定風(fēng)速、切出風(fēng)速、額定功率；PWT為風(fēng)機(jī)的發(fā)電功率。

一般風(fēng)速服從威布爾分布模型：

式中：v為風(fēng)速；k為風(fēng)機(jī)形狀參數(shù)；c為尺度參數(shù)，由風(fēng)機(jī)廠商提供。

1.4 儲能特性

儲能電池的響應(yīng)速度較快，能夠有效平衡風(fēng)光發(fā)電的波動性和間歇性。儲能電池的充放電模型：

式中：ηch、ηdis分別表示電池的充電效率和放電效率；Ebat表示電池容量；Pch表示充電功率，Pdis表示電池的放電功率；△t表示時(shí)間間隔。

儲能電池充放電功率約束為：

1.5 可控性負(fù)荷的概率

為了提高隨機(jī)性波動的太陽能的利用率，如不需其他電源來互補(bǔ)隨機(jī)性太陽能，還需對柔性負(fù)荷進(jìn)行一定的控制來適應(yīng)太陽能的隨機(jī)性。分布式太陽能光伏一般從家庭或建筑物接入，可控負(fù)荷PCL包括電動汽車PEV、家庭負(fù)荷Phome、其他負(fù)荷PL0。

電動汽車作為一種移動儲能系統(tǒng)，本身是一種柔性負(fù)荷，源荷一體，在電網(wǎng)中可充電，也可作放電，電動汽車也是一種空間上移動源荷。家庭用電設(shè)備中可控負(fù)荷一般包括洗衣機(jī)、空調(diào)、熱水器等，及一些戶外家用電器，這些負(fù)荷用電地點(diǎn)一般固定，但時(shí)間可進(jìn)行一定控制，如用電時(shí)段的平移，這三類負(fù)荷所占比例分別為：

一般常規(guī)用電負(fù)荷波動性變化也具有一定的規(guī)律性，通過統(tǒng)計(jì)數(shù)據(jù)分析，也可用現(xiàn)有的概率分布函數(shù)來模擬。對可控負(fù)荷的隨機(jī)波動性變化特點(diǎn)，如電動汽車時(shí)間、空間上都可隨機(jī)性變化，很難用確定性數(shù)學(xué)表達(dá)式的概率分布來模擬，文中采用經(jīng)驗(yàn)概率分布來模擬。

2 多能互補(bǔ)的分析算法

風(fēng)光儲如何組合優(yōu)化，這種組合不是單純的離散型組合優(yōu)化問題，而是連續(xù)型與離散型相結(jié)合的混合組合優(yōu)化。分布式接入光伏發(fā)電、負(fù)荷，其接入點(diǎn)較多，在同一地區(qū)范圍內(nèi)滲透率高，其隨機(jī)波動性的數(shù)學(xué)概率模型一般為微積分表達(dá)式，在計(jì)算中很難直接使用。多點(diǎn)分布式風(fēng)光點(diǎn)，具有隨機(jī)性特點(diǎn)，其變化特性呈現(xiàn)出連續(xù)性和離散型特點(diǎn)，且預(yù)測存在誤差，很難用確定性分析模型來實(shí)現(xiàn)優(yōu)化組合。將風(fēng)光的不確定性概率模型離散化，等效形成多個(gè)數(shù)學(xué)“場景”，每個(gè)場景就是一種具有一定概率大小的可行實(shí)現(xiàn)方案。進(jìn)行“場景生成”，得到大量場景，然而場景數(shù)量大造成風(fēng)光組合優(yōu)化計(jì)算量大，也不便于在實(shí)際中應(yīng)用，需要削減到少數(shù)幾個(gè)最有可能發(fā)生的場景，即“場景削減”。

在風(fēng)、光多場景模擬計(jì)算過程中，一般采用“預(yù)測箱”（forecast bin）統(tǒng)計(jì)點(diǎn)預(yù)測的預(yù)測誤差分布實(shí)現(xiàn)[18]。首先將預(yù)測值按照從大到小進(jìn)行排序，將這些預(yù)測值等分成“數(shù)值區(qū)間”，按照預(yù)測值排序大小，將預(yù)測值、實(shí)測值的數(shù)據(jù)組[預(yù)測值，實(shí)測值]放入這些數(shù)值區(qū)間中。數(shù)值區(qū)間長度定義為0.02 p.u.，得到100 個(gè)數(shù)值區(qū)間，“預(yù)測箱”就是每個(gè)數(shù)值區(qū)間內(nèi)的所有數(shù)據(jù)組。負(fù)荷概率無確定性表達(dá)式，一般根據(jù)經(jīng)驗(yàn)分布概率生成場景來模擬得到，光伏發(fā)電功率大小按照式（7）中概率分布表達(dá)式來進(jìn)行場景生成。

2.1 場景生成

實(shí)現(xiàn)風(fēng)光發(fā)電或負(fù)荷的動態(tài)場景的生成，按照如下步驟生成100個(gè)場景：

1）調(diào)用MATLAB 統(tǒng)計(jì)工具箱ecdf 函數(shù)，根據(jù)光伏、風(fēng)電歷史運(yùn)行積累的數(shù)據(jù)，估計(jì)分析每個(gè)全部100個(gè)預(yù)測箱的經(jīng)驗(yàn)概率分布。

2）估計(jì)范圍參數(shù)ε，根據(jù)源、荷功率預(yù)測數(shù)據(jù)大小，控制不同超前時(shí)間內(nèi)的源荷隨機(jī)變量的相關(guān)性。參數(shù)估計(jì)的場景規(guī)模為200 個(gè)，確定參數(shù)ε的搜索范圍為[0，400]。

3）調(diào)用MATLAB統(tǒng)計(jì)工具箱中mvnmd函數(shù)，隨機(jī)生成服從Z~N（μ0，Σ）的隨50個(gè)機(jī)向量樣本，同時(shí)計(jì)算多元標(biāo)準(zhǔn)正態(tài)隨機(jī)變量Z的48階協(xié)方差矩陣。

4）判斷超前時(shí)間功率點(diǎn)預(yù)測pt歸屬哪個(gè)預(yù)測箱，對每個(gè)超前時(shí)間t（t=1，2，…48），50個(gè)多元正態(tài)隨機(jī)向量通過場景運(yùn)算得到100個(gè)動態(tài)場景。

2.2 場景削減

根據(jù)Kantorovich 距離[19]的計(jì)算方法，可以分析計(jì)算初始場景集S0與削減后場景集Sr的距離，衡量其接近度。對于光伏或負(fù)荷的場景動態(tài)特性，Kantorovich距離明確為如下的數(shù)學(xué)表達(dá)式：

式中：ω代表某一個(gè)動態(tài)實(shí)現(xiàn)場景；p（ω）表示ω場景的概率；‖.‖2為常規(guī)歐式范數(shù)距離。通過生成多個(gè)光伏負(fù)荷的動態(tài)場景后，在場景削減后分別得到NS、NL個(gè)概率最高的光伏負(fù)荷場景。根據(jù)光伏負(fù)荷場景的‖ω‖2值計(jì)算來比較其大小，然后根據(jù)其大小進(jìn)行排序。

根據(jù)各類分布式光伏、風(fēng)電的概率特性及歷史數(shù)據(jù)，可得到各個(gè)分布式能源的功率場景，這些場景組合可模擬分布式能源接入配網(wǎng)。然而場景組合的數(shù)量很大，如何得到合理場景，以指導(dǎo)分布式能源的運(yùn)行。首先通過場景生成和削減，得到概率性大的NS類光伏、NW類風(fēng)電場景，風(fēng)光場景組合可得到NS×NW種，分別取其中最大、最小的風(fēng)光場景，得到四種邊界場景的組合。

光伏、風(fēng)電組合還不能滿足供電的需求，還需配備一定的儲能。由于儲能成本較高，如何優(yōu)化配置儲能的容量大小和位置是關(guān)鍵問題之一。可根據(jù)風(fēng)光的多場景分析，對儲能配置進(jìn)行優(yōu)化分析。風(fēng)光功率場景，每 15 min 一個(gè)點(diǎn)，24 h 共 96 個(gè)點(diǎn)，根據(jù)風(fēng)光場景的組合情況，可確定儲能容量的需求。取某一時(shí)刻ti光伏PSO（ti）max、風(fēng)電PW（ti）max功率之和的最大值：

可確定儲能的最大充電容量。

取某一時(shí)刻光伏PSO（tj）min、風(fēng)電PW（tj）min功率之和的最小值：

可確定儲能的最大放電容量。

根據(jù)風(fēng)光最大、最小等極端情況下確定的儲能容量大小為極端容量，可完全應(yīng)對光伏的所有隨機(jī)性，可覆蓋全部組合運(yùn)行場景，滿足風(fēng)光的隨機(jī)性和供電需求，但投資較大。因此還可根據(jù)風(fēng)光功率平均值確定平均儲能容量，保證儲能的使用率最高，同時(shí)經(jīng)濟(jì)性最好，雖然平均容量小于極端容量，不能完全覆蓋各個(gè)邊界場景，但可包括大部分場景。在平均儲能容量下的極端場景，可適度棄風(fēng)棄光，或通過電網(wǎng)側(cè)來支撐來緩解問題。各類典型組合場景下的所需儲能PES（i）及發(fā)生概率為pi，進(jìn)行加權(quán)求和得到NES類組合場景的加權(quán)平均儲能容量：

以上得到儲能是總體容量，實(shí)際中儲能是分布式存在，還需根據(jù)局部區(qū)域風(fēng)光分布，確定局部儲能容量。

3 算例分析

如圖1所示，該算例以IEEE33節(jié)點(diǎn)配電網(wǎng)系統(tǒng)[20]為基礎(chǔ)進(jìn)行一定的調(diào)整，IEEE33節(jié)點(diǎn)系統(tǒng)包括33個(gè)節(jié)點(diǎn)、32條支路和5條聯(lián)絡(luò)線路。假定其中5條聯(lián)絡(luò)線開關(guān)常開，其中節(jié)點(diǎn)0 為變電站節(jié)點(diǎn)，即外部電網(wǎng)點(diǎn)，以保證基準(zhǔn)負(fù)荷的供電需求。系統(tǒng)額度電壓等級設(shè)置為12.66 kV，基準(zhǔn)年負(fù)荷設(shè)定為4 094+j2 607 kVA。分布式光伏（圖中紅點(diǎn)）接入到IEEE33 系統(tǒng)中的節(jié)點(diǎn)5、11、18、19、23 中，共計(jì)210 kW，風(fēng)電接入節(jié)點(diǎn)2、9、14、28、32 中，共計(jì) 190 kW，各節(jié)點(diǎn)容量見表1。

圖1 IEEE 33 節(jié)點(diǎn)配電網(wǎng)系統(tǒng)圖

表1 風(fēng)光運(yùn)行容量 kW

1）風(fēng)光場景分析

根據(jù)預(yù)測值、概率密度函數(shù)，生成100 個(gè)動態(tài)場景，根據(jù)場景削減原則，分別得到風(fēng)光的10 個(gè)概率大的場景，可包括絕大部分場景。

根據(jù)源荷概率較高的10 種場景，組合得到四個(gè)邊界場景，如圖2到圖5所示。

圖2 風(fēng)大光大場景

圖5 風(fēng)小光小場景

2）儲能配置

根據(jù)上述四種邊界場景分析，得到計(jì)算結(jié)果如表2所示。

表2 儲能運(yùn)行結(jié)果 kW

3）結(jié)果分析

（1）如圖2、圖4 所示，對于風(fēng)大光大、風(fēng)小光小兩種邊界場景下，這兩種極端場景需要儲能配合。對于風(fēng)大光大場景，此時(shí)如沒有儲能將造成棄風(fēng)、棄光，計(jì)算得到此時(shí)所需充電容量83.73 kW。對于風(fēng)小光小場景，此時(shí)如沒有儲能支撐，電網(wǎng)將缺少電源導(dǎo)致切負(fù)荷，計(jì)算得到此時(shí)所需放電容量49.98 kW。

圖4 風(fēng)小光大場景

（2）如圖3、圖5 所示，對于風(fēng)大光大、風(fēng)小光小兩種場景，是風(fēng)光協(xié)調(diào)配合較好情況，但是光伏只能白天發(fā)電，晚上完全降至零。此時(shí)也需要儲能支撐，所需儲能容量不超過在風(fēng)大光大、風(fēng)小光小兩種場景中的需求。

圖3 風(fēng)大光小場景

（3）對風(fēng)光組合的幾類典型場景，根據(jù)其概率性，可計(jì)算得到儲能的加權(quán)平均值。儲能的布置為分布式，根據(jù)局部風(fēng)光所在區(qū)域，儲能可安裝在節(jié)點(diǎn)3、12、26中。

（4）從運(yùn)行的整體經(jīng)濟(jì)性看，儲能可安裝加權(quán)平均值來配置。至于概率極低的最大、最小發(fā)電場景，在一年中可能會發(fā)生幾天，此時(shí)可通過配網(wǎng)中其他電源來支撐，或切負(fù)荷，不必配置大容量儲能。

4 結(jié)語

針對小規(guī)模分布式風(fēng)光發(fā)電的運(yùn)行，提出“風(fēng)+光+儲能+電網(wǎng)”的體系結(jié)構(gòu)。多能互補(bǔ)手段較好解決分布式小規(guī)模風(fēng)光，提高其利用率，也為儲能的優(yōu)化配置提供指導(dǎo)。

1）建立了基于“分布式風(fēng)光+儲能”的運(yùn)行分析模型，研究了各類分布式能源的多場景描述，及多類場景的匹配方法。通過對最大概率分布式多源場景之間聯(lián)合進(jìn)行匹配比較，可確定儲能的優(yōu)化配置，結(jié)合可平移負(fù)荷的控制原則，及適當(dāng)棄風(fēng)棄光容量，引導(dǎo)不同地點(diǎn)的可用風(fēng)光容量的運(yùn)行次序。

2）基于風(fēng)光儲互補(bǔ)方式，引導(dǎo)不同地點(diǎn)各類分布式風(fēng)光能源的主動參與，各類分布式能源、儲能及負(fù)荷之間互動，實(shí)現(xiàn)運(yùn)行的有序化、后續(xù)可擴(kuò)展性，達(dá)到運(yùn)行的整體經(jīng)濟(jì)性，可大大減少棄風(fēng)棄光。風(fēng)光儲互補(bǔ)方式可較好克服傳統(tǒng)運(yùn)行中盲目性，提高分布式能源利用率，同時(shí)也為能源互聯(lián)網(wǎng)下新型配電網(wǎng)規(guī)劃提供參考。