CN105976108A - 一种配电网分布式储能规划方法 - Google Patents

Abstract

本发明公开了一种配电网分布式储能规划方法，包括：搭建包含待接入分布式储能系统的光伏配电网仿真系统；根据电化学储能方式确定分布式储能系统的储能类型；根据分布式储能系统的储能类型建立线性化模型以及寿命成本模型；构建分布式储能系统的双层规划模型，包含上层模型以及下层模型，上层模型用于求解各分布式储能的调度策略，下层模型用于求解各分布式储能的容量、功率以及接入位置；导入年负荷数据以及光伏发电数据，对分布式储能系统的双层规划模型进行求解，输出各分布式储能的容量、功率、接入位置以及调度策略。本发明针对储能类型、储能位置、储能容量、储能效率以及调度策略多个规划因素，实现了对配电网分布式储能的整体规划。

Description

一种配电网分布式储能规划方法

技术领域

本发明涉及分布式储能系统技术领域，特别是涉及一种配电网分布式储能规划方法。

背景技术

随着配电网中分布式光伏渗透率的逐步增大，系统的电压越限问题越来越严重。储能，特别是分布式储能，作为解决该问题的有效途径之一，合理规划将会改善配电网的电压状况。

分布式储能系统的规划方法中，储能单元的规划因素包括储能类型、接入位置、储能容量、储能功率和调度策略，然而现有方法多数集中于某一方面或某几方面，如求解储能系统调度策略或调度策略与储能容量的方法，缺少对五种因素的整体规划方法。在具有多目标的储能系统规划问题中，现有的求解方法并不能求解储能系统的五种规划因素。

因此，提供一种对储能类型、接入位置、储能容量、储能效率和调度策略的整体规划方法是非常有必要的。

发明内容

本发明的目的是提供一种配电网分布式储能规划方法，目的在于解决现有技术中缺少对储能单元的多个因素进行统一整体规划的缺点。

为解决上述技术问题，本发明提供一种配电网分布式储能规划方法，包括：

搭建包含待接入分布式储能系统的光伏配电网仿真系统；

根据电化学储能方式确定所述分布式储能系统的储能类型；

根据所述分布式储能系统的储能类型建立线性化模型以及寿命成本模型；

构建分布式储能系统的双层规划模型，包含上层模型以及下层模型，所述上层模型用于求解各分布式储能的调度策略，所述下层模型用于求解各分布式储能的容量、功率以及接入位置；

导入年负荷数据以及光伏发电数据，对所述分布式储能系统的双层规划模型进行求解，输出各分布式储能的容量、功率、接入位置以及调度策略。

可选地，所述根据所述分布式储能系统的储能类型建立线性化模型以及寿命成本模型包括：

第i个分布式储能的线性模型表示为：

$C_i\left(t\right)=C_i(t-1)+{\mathrm{\ΔtP}}_{des,i}^{ch}\left(t\right){\mathrm{\η}}_{ch}-\frac{{\mathrm{\ΔtP}}_{des,i}^{dis}\left(t\right)}{{\mathrm{\η}}_{dis}};$

$C_i^N{S}_{soc,min}\≤C_i\left(t\right)\≤C_i^N{S}_{soc,max};$

$0\≤P_{des,i}^{ch}\left(t\right)\≤P_i^N{B}_i^{ch}\left(t\right)$

$0\≤P_{des,i}^{dis}\left(t\right)\≤P_i^N{B}_i^{dis}\left(t\right);$

$B_i^{ch}\left(t\right)+B_i^{dis}\left(t\right)\≤1;$

式中，C_i(t)为t时段第i个分布式储能总电能；C_i(t-1)为t-1时刻第i个分布式储能总电能；Δt为时间间隔；P^ch _des,i(t)、P^dis _des,i(t)分别为第i个分布式储能在t时刻的充电和放电功率；η_ch、η_dis分别为第i个分布式储能充放电效率；C_i ^N为第i个分布式储能额定容量；S_soc,min、S_soc,max为第i个分布式储能荷电状态的最小值和最大值；P_i ^N为第i个分布式储能额定功率；B_ch(t)、B_dis(t)分别表示充电和放电状态。

可选地，所述根据所述分布式储能系统的储能类型建立线性化模型以及寿命成本模型包括：

分布式储能的寿命表示为：

$Y_i=min(\frac{E_i^{tot}}{E_i^{sim}},Y_i^{cal});$

$E_i^{tot}=C_i^N\×num\×DOD$

式中，表示第i个分布式储能的总能量吞吐量，DOD为第i个分布式储能的放电深度，num为在DOD下的第i个分布式储能循环次数；E_i ^sim为第i个分布式储能仿真消耗的能量吞吐量；Y_i ^cal为储能厂商提供的储能日历寿命。

可选地，所述根据所述分布式储能系统的储能类型建立线性化模型以及寿命成本模型包括：

各分布式储能成本费用年值表示为：

${\mathrm{Cost}}_i^{ini}=C_i^N{n}_{s,c}+P_i^N{n}_{s,p}$

式中，Cost_i为第i个分布式储能成本费用年值；Costⁱⁿⁱ _i为第i个分布式储能初始成本；Cost^O&M _i为第i个分布式储能运行维护成本；r为贴现率；n_s,c为分布式储能容量单价；n_s,p为分布式储能功率单价；x％、y％分别为分布式储能能量与功率的运行维护成本与初始投资的比值。

可选地，所述构建分布式储能系统的双层规划模型包括：

所述双层规划模型表示为：

$\left\{\begin{array}{c}\min {\mathrm{Obj}}_2(x_1,\mathrm{...},x_n,{\mathrm{Obj}}_1(x_1,\mathrm{...},x_n))\\ s.t.G(x_1,\mathrm{...},x_n,{\mathrm{Obj}}_1(x_1,\mathrm{...},x_n))\≤0\\ \left\{\begin{array}{c}\max {\mathrm{Obj}}_1(x_1,\mathrm{...},x_n)\\ s.t.g(x_1,\mathrm{...},x_n)\≤0\end{array}\right.\end{array}\right.$

式中，Obj₂为上层目标函数，Obj₁为下层目标函数，x₁,…,x_n为n个分布式储能的位置、额定功率、额定容量和调度策略向量。

可选地，所述下层模型的目标函数表示为：

$\max {\mathrm{Obj}}_1=R_{des}=\underset{d=1}{\overset{365}{\Σ}}\underset{t=1}{\overset{24}{\Σ}}\left(\underset{i=1}{\overset{n}{\Σ}}{P}_{des,i}^{dis}\right(t\left)\mathrm{\λ}\right(t)-\underset{i=1}{\overset{n}{\Σ}}{P}_{des,i}^{ch}(t\left)\mathrm{\λ}\right(t\left)\right);$

式中，R_des为分布式储能的调度收益，d为天数，t为时刻，n为分布式储能的个数，λ(t)为t时刻的电价；

所述下层模型的约束条件包括设备约束、充电约束、放电约束和配电网有功平衡约束；

所述充电约束为当P_pv(t)＞P_load(t)时，分布式储能充电且在电压越限时刻优先充电，同时充电功率受电价调节，若某天内P_pv(t)≤P_load(t)，分布式储能则在低电价时充电；

所述放电约束为以系统负荷作为分布式储能放电功率的上限，即

所述配电网有功平衡约束为：

$P_{grid}\left(t\right)+\underset{i=1}{\overset{n}{\Σ}}{P}_{des,i}^{dis}\left(t\right)+\underset{j=1}{\overset{m}{\Σ}}{P}_{pv,j}\left(t\right)=\underset{i=1}{\overset{n}{\Σ}}{P}_{des,i}^{ch}\left(t\right)+P_{load}\left(t\right)$

式中，P_grid(t)为t时刻电网注入有功功率，P_load(t)为t时刻的配电网总有功负荷。

可选地，所述上层模型的目标函数分为电压稳定目标和经济利润目标，所述电压稳定目标是分布式储能对配电网电压改善程度的技术性评价，所述经济利润目标是对分布式储能的功能收益和投资成本的经济性评价；

上层模型的目标函数表示为：

$\min {\mathrm{Obj}}_2=\[{\mathrm{Obj}}_{2,1},{\mathrm{Obj}}_{2,2}\]=\[L,\frac{1}{R-\underset{i=1}{\overset{n}{\Σ}}{\mathrm{cost}}_i}\]$

所述上层模型的约束条件包括调度约束、约束条件、配电网运行时的潮流约束以及节点电压约束；

所述潮流约束为：

$\left\{\begin{array}{c}{P}_{Gk}-P_{Lk}=V_k\underset{l=1}{\overset{B_n}{\Σ}}{V}_l(G_{kl}cos{\mathrm{\δ}}_{kl}+B_{kl}\sin {\mathrm{\δ}}_{kl})\\ Q_{Gk}-Q_{Lk}=V_k\underset{l=1}{\overset{B_n}{\Σ}}{V}_l(G_{kl}sin{\mathrm{\δ}}_{kl}-B_{kl}cos{\mathrm{\δ}}_{kl})\end{array}\right.$

式中：P_Gk和Q_Gk为节点k处的电源有功和无功输出；P_Lk和Q_Lk分别是节点k处的有功和无功负荷；V_k、V_l为节点k、l处的电压幅值；B_n为节点总数；G_kl、B_kl和δ_kl为节点k和l之间的电导、电纳和电压相角差。

可选地，所述对所述分布式储能系统的双层规划模型进行求解包括：

通过由混合整数线性规划方法、SPEA2-PSO和快速潮流计算组成的混合算法对所述双层模型进行求解。

可选地，所述通过由混合整数线性规划方法、SPEA2-PSO和快速潮流计算组成的混合算法对所述双层模型进行求解包括：

初始化内部种群速度与位置，初始化外部种群位置；

利用混合整数线性规划方法求解内部种群每个粒子的调度策略，并利用快速潮流计算方法求解对应粒子的潮流；

计算内部种群的多目标函数值，并利用SPEA2精确适应度的计算方法计算内外部种群的适应度；

根据适应度对内外部种群进行环境选择，形成新的外部种群；

更新局部极值点位置pbest和全局极值点位置gbest；

采用二元竞赛模式形成新的内部种群，并利用下式更新每个粒子的位置和速度；

$\left\{\begin{array}{c}{v}_{it+1}={\mathrm{\ω}}_{it}{v}_{it}+c_1{r}_1(p_{best}-x_{it})+c_2{r}_2(g_{best}-x_{it})\\ x_{it+1}=x_{it}+v_{it+1}\\ {\mathrm{\ω}}_{it}={\mathrm{\ω}}_{max}-\frac{{\mathrm{\ω}}_{max}-{\mathrm{\ω}}_{\min }}{it}\·it\end{array}\right.$

式中，it为迭代次数；x_it为第it次迭代时粒子的空间位置；v_it为第it次迭代时粒子的速度；ω_it为惯性权重；c₁和c₂为学习因子；r₁和r₂为(0,1)内的随机数；ω_max、ω_max分别为惯性权重最大值和最小值；

判断是否满足终止条件，若不满足，则返回求解内部种群每个粒子的调度策略的步骤。

本发明所提供的配电网分布式储能规划方法，通过搭建包含待接入分布式储能系统的光伏配电网仿真系统；根据电化学储能方式确定分布式储能系统的储能类型；根据分布式储能系统的储能类型建立线性化模型以及寿命成本模型；构建分布式储能系统的双层规划模型，包含上层模型以及下层模型；导入年负荷数据以及光伏发电数据，对分布式储能系统的双层规划模型进行求解，输出各分布式储能的容量、功率、接入位置以及调度策略。可见，本发明所提供的配电网分布式储能规划方法，针对储能类型、储能位置、储能容量、储能效率以及调度策略多个规划因素，实现了对配电网分布式储能的整体规划。

附图说明

为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所提供的配电网分布式储能规划方法的一种具体实施方式的流程图；

图2为本发明实施例所提供的建立线性化模型以及寿命成本模型的过程流程图；

图3为本发明实施例所提供的通过混合算法对所述双层模型进行求解的过程流程图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明所提供的配电网分布式储能规划方法的一种具体实施方式的流程图如图1所示，该方法包括：

步骤S101：搭建包含待接入分布式储能系统的光伏配电网仿真系统；

步骤S102：根据电化学储能方式确定所述分布式储能系统的储能类型；

具体地，可按照实际所需，选择合适的电化学储能作为分布式储能系统的类型，如锂电池等类型，这均不影响本发明的实现。

步骤S103：根据所述分布式储能系统的储能类型建立线性化模型以及寿命成本模型；

步骤S104：构建分布式储能系统的双层规划模型，包含上层模型以及下层模型，所述上层模型用于求解各分布式储能的调度策略，所述下层模型用于求解各分布式储能的容量、功率以及接入位置；

步骤S105：导入年负荷数据以及光伏发电数据，对所述分布式储能系统的双层规划模型进行求解，输出各分布式储能的容量、功率、接入位置以及调度策略。

需要指出的是，本发明所提供的方法可用于含高渗透率光伏的配电网分布式储能双层规划中，以解决大规模分布式光伏接入配电网导致的配电网过电压问题。

本发明所提供的配电网分布式储能规划方法，通过搭建包含待接入分布式储能系统的光伏配电网仿真系统；根据电化学储能方式确定分布式储能系统的储能类型；根据分布式储能系统的储能类型建立线性化模型以及寿命成本模型；构建分布式储能系统的双层规划模型，包含上层模型以及下层模型；导入年负荷数据以及光伏发电数据，对分布式储能系统的双层规划模型进行求解，输出各分布式储能的容量、功率、接入位置以及调度策略。可见，本发明所提供的配电网分布式储能规划方法，针对储能类型、储能位置、储能容量、储能效率以及调度策略多个规划因素，实现了对配电网分布式储能的整体规划。

在上述实施例的基础上，如图2本发明实施例所提供的建立线性化模型以及寿命成本模型的过程流程图所示，下面对本发明所提供的配电网分布式储能规划方法中步骤S103根据所述分布式储能系统的储能类型建立线性化模型以及寿命成本模型的过程进行进一步详细描述。

步骤S201：建立分布式储能线性模型；

分布式储能的工作状态可分为闲置、充电和放电，为了合理的区分三种工作状态，本实施例引入状态变量B_ch(t)、B_dis(t)，分别表示充电和放电状态(1为“是”，0为“非”)，忽略自放电率对模型的影响，第i个分布式储能的线性模型可用式(1)～(4)表示：

$C_i\left(t\right)=C_i(t-1)+{\mathrm{\ΔtP}}_{des,i}^{ch}\left(t\right){\mathrm{\η}}_{ch}-\frac{{\mathrm{\ΔtP}}_{des,i}^{dis}\left(t\right)}{{\mathrm{\η}}_{dis}};---\left(1\right)$

$C_i^N{S}_{soc,\min }\≤C_i\left(t\right)\≤C_i^N{S}_{soc,max};---\left(2\right)$

$0\≤P_{des,i}^{ch}\left(t\right)\≤P_i^N{B}_i^{ch}\left(t\right)$

$0\≤P_{des,i}^{dis}\left(t\right)\≤P_i^N{B}_i^{dis}\left(t\right);---\left(3\right)$

$B_i^{ch}\left(t\right)+B_i^{dis}\left(t\right)\≤1;---\left(4\right)$

其中，式(1)为t时刻分布式储能所储电能，式(2)-(4)为约束条件，式(2)为分布式储能容量约束，式(3)为充放电时的充放电功率约束，式(4)为分布式储能工作状态约束，表示闲置、充电与放电，且分布式储能只能处于其中一种状态。

式中，C_i(t)为t时段第i个分布式储能总电能；C_i(t-1)为t-1时刻第i个分布式储能总电能；Δt为时间间隔；P^ch _des,i(t)、P^dis _des,i(t)分别为第i个分布式储能在t时刻的充电和放电功率；η_ch、η_dis分别为第i个分布式储能充放电效率；C_i ^N为第i个分布式储能额定容量；S_soc,min、S_soc,max为第i个分布式储能荷电状态的最小值和最大值；P_i ^N为第i个分布式储能额定功率；B_ch(t)、B_dis(t)分别表示充电和放电状态。

步骤S202：建立分布式储能寿命模型；

本实施例采用总能量吞吐量模型，该模型假设当储能工作在标准条件下时，其寿命期限内总能量吞吐量为定值，利用储能总能量吞吐量与仿真消耗的能量吞吐量的比值来计算储能的寿命。

在标准条件下，第i个分布式储能的总能量吞吐量为：

$E_i^{tot}=C_i^N\×num\×DOD---\left(5\right)$

式中，DOD为第i个分布式储能的放电深度，num为在DOD下的第i个分布式储能循环次数。

分布式储能的寿命表示为：

$Y_i=min(\frac{E_i^{tot}}{E_i^{sim}},Y_i^{cal});---\left(6\right)$

式中，E_i ^sim为第i个分布式储能仿真消耗的能量吞吐量；Y_i ^cal为储能厂商提供的储能日历寿命。

步骤S203：建立分布式储能成本模型。

优选地，在分布式储能投入运营后，本实施例将分布式储能的初始投资和运行维护成本作为储能的经济成本，其中初始投资又包括各分布式储能功率和容量投资，运行维护成本则按初始投资的一定比率进行计算。各分布式储能成本费用年值可用式(7)-(9)表示

${\mathrm{Cost}}_i^{ini}=C_i^N{n}_{s,c}+P_i^N{n}_{s,p}---\left(8\right)$

式中，Cost_i为第i个分布式储能成本费用年值；Costⁱⁿⁱ _i为第i个分布式储能初始成本；Cost^O&M _i为第i个分布式储能运行维护成本；r为贴现率；n_s,c为分布式储能容量单价；n_s,p为分布式储能功率单价；x％、y％分别为分布式储能能量与功率的运行维护成本与初始投资的比值。

在上述实施例的基础上，下面对本发明所提供的配电网分布式储能规划方法中步骤S104构建分布式储能系统的双层规划模型的过程进行进一步详细阐述。

需要指出的是，该模型包含上层模型和下层模型，下层用于求解各分布式储能的调度策略，为在满足电压约束的条件下以分布式储能的调度收益最大为目标，上层用于求解各分布式储能的容量、功率和位置，以分布式储能的利润最大和系统的电压最稳定为目标。其数学模型可用式(10)表示。

$\left\{\begin{array}{c}\min {\mathrm{Obj}}_2(x_1,\mathrm{...},x_n,{\mathrm{Obj}}_1(x_1,\mathrm{...},x_n))\\ s.t.G(x_1,\mathrm{...},x_n,{\mathrm{Obj}}_1(x_1,\mathrm{...},x_n))\≤0\\ \left\{\begin{array}{c}\max {\mathrm{Obj}}_1(x_1,\mathrm{...},x_n)\\ s.t.g(x_1,\mathrm{...},x_n)\≤0\end{array}\right.\end{array}\right.---\left(10\right)$

式中，Obj₂为上层目标函数，Obj₁为下层目标函数，x₁,…,x_n为n个分布式储能的位置、额定功率、额定容量和调度策略向量。

构建下层模型的过程：

分布式储能的调度策略对于解决高渗透率分布式光伏引起的过电压问题至关重要。在分布式储能接入配电网后，良好的调度策略既可消除高渗透率分布式光伏带来的电压质量影响，还可获得较好的收益。

在安排分布式储能的调度策略时，应考虑配电网的电压约束，将充电过程优先安排在电压抬升时刻，且由于电力市场分时电价的存在，分布式储能还可通过低储高发获得调度收益。在本实施例中，下层模型目标函数用下式表示：

$\max {\mathrm{Obj}}_1=R_{des}=\underset{d=1}{\overset{365}{\Σ}}\underset{t=1}{\overset{24}{\Σ}}\left(\underset{i=1}{\overset{n}{\Σ}}{P}_{des,i}^{dis}\right(t\left)\mathrm{\λ}\right(t)-\underset{i=1}{\overset{n}{\Σ}}{P}_{des,i}^{ch}(t\left)\mathrm{\λ}\right(t\left)\right);---\left(11\right)$

式中，R_des为分布式储能的调度收益，d为天数，t为时刻，n为分布式储能的个数，λ(t)为t时刻的电价。

所述下层模型的约束条件g(x₁,…,x_n)包括设备约束(式(2)-(4))、充电约束、放电约束和配电网有功平衡约束；

由于光伏注入功率大于节点负荷时，会引起节点电压的抬升乃至越限。因此，所述充电约束为当P_pv(t)＞P_load(t)时，分布式储能充电且在电压越限时刻优先充电，同时充电功率受电价调节，若某天内P_pv(t)≤P_load(t)，分布式储能则在低电价时充电；

分布式储能在高电价时放电，若分布式储能的放电功率过大仍会引起电压越限。因此，所述放电约束为以系统负荷作为分布式储能放电功率的上限，即

所述配电网有功平衡约束为：

$P_{grid}\left(t\right)+\underset{i=1}{\overset{n}{\Σ}}{P}_{des,i}^{dis}\left(t\right)+\underset{j=1}{\overset{m}{\Σ}}{P}_{pv,j}\left(t\right)=\underset{i=1}{\overset{n}{\Σ}}{P}_{des,i}^{ch}\left(t\right)+P_{load}\left(t\right)---\left(12\right)$

式中，P_grid(t)为t时刻电网注入有功功率，P_load(t)为t时刻的配电网总有功负荷。

构建上层模型的过程：

上层模型是对各分布式储能的容量、功率和位置的求解，目标函数分为电压稳定目标和经济利润目标。电压稳定目标是分布式储能对配电网电压改善程度的技术性评价，经济利润目标是分布式储能的功能收益和投资成本的经济性评价。

电压稳定目标采用的是L指标。L指标反应了分布式储能接入配电网后，系统电压离电压崩溃的距离。L指标可分为局部L指标和全局L指标，局部L指标用于衡量系统各节点的电压稳定程度，而全局L指标则是衡量整个系统的电压稳定程度。本实施例选取全局L指标作为评价系统电压稳定程度的技术性指标，全局L指标可用式(13)表示。

$L=max\left(L_j\right)=|1-\frac{\underset{i\∈{\mathrm{\α}}_G}{\Σ}{F}_{ji}{V}_i}{V_j}|,j\∈{\mathrm{\α}}_L---\left(13\right)$

式中，α_G为全部发电机的节点集合，α_L为全部负荷的节点集合；L_j为第j个负荷节点的局部指标；V_i为第i个发电机节点的复电压；V_j为第j个负荷节点的复电压；F_ji为负荷参与因子。

L取值范围为[0,1]，L值越接近1，系统电压越容易崩溃；在分布式储能配置适当的情况下，配电网电压稳定性最高，L取值最小。因此，电压稳定目标Obj_2,1为：

minObj_2,1＝L (14)

分布式储能可根据主动配电网的分时电价获得低储高发套利，也可帮助分布式光伏因避免弃光而获利，还可获得电压支持、延缓输配电网扩建、减轻输电线路阻塞和需求电费管理等功能收益。对于前两种收益，在已知电价的情况下容易求得(运用式(11)和式(16))，而对于后一种收益，由于储能所处环境及服务功能的多样性，一一量化分析较为困难，本实施例以分布式储能单元成本的一定比率作为该部分收益(如式(17))。配电网运行时分布式储能单元的功能收益年值可用式(15)表示。

R＝R_des+R_pv+R_other (15)

$R_{pv}=\underset{d=1}{\overset{365}{\Σ}}\underset{t=1}{\overset{24}{\Σ}}\left(\underset{j=1}{\overset{m}{\Σ}}\right(P_{pv,j}\left(t\right)-P_{pv,j}^{cur}\left(t\right)\left)\mathrm{\λ}\right(t\left)\right)+E_{pv}{\mathrm{\λ}}_{pv}---\left(16\right)$

$R_{other}=r_R\×\underset{i=1}{\overset{n}{\Σ}}{\mathrm{Cost}}_i---\left(17\right)$

式中，R表示分布式储能单元的总收益年值，R_pv为分布式储能单元帮助光伏发电避免弃光所获收益，包含电费收益和补贴收益，m为分布式光伏的个数，Ppv,j(t)为t时刻第j个分布式光伏未弃光时的光伏功率，P^cur _pv,j(t)为t时刻第j个分布式光伏弃光后的光伏功率，E_pv为分布式光伏增加的上网电量，λ_pv为补贴电价；R_other为电压支持、延缓输配电网扩建、减轻输电线路阻塞和需求电费管理等其他功能收益，r_R为该收益与分布式储能单元的成本比率。

分布式储能单元的收益年值减去成本年值(式(7))便得到利润年值，利润目标Obj_2,2为：

$\min {\mathrm{Obj}}_{2,2}=\frac{1}{R-\underset{i=1}{\overset{n}{\Σ}}{\mathrm{Cost}}_i}---\left(18\right)$

上层模型的目标函数可以表示为：

$\min {\mathrm{Obj}}_2=\[{\mathrm{Obj}}_{2,1},{\mathrm{Obj}}_{2,2}\]=\[L,\frac{1}{R-\underset{i=1}{\overset{n}{\Σ}}{\mathrm{Cost}}_i}\]---\left(19\right)$

除了调度约束g(x₁,…,x_n)，约束条件G(x₁,…,x_n)还包括配电网运行时的潮流约束和节点电压约束，具体如下：

潮流约束：

$\left\{\begin{array}{c}{P}_{Gk}-P_{Lk}=V_k\underset{l=1}{\overset{B_n}{\Σ}}{V}_l(G_{kl}cos{\mathrm{\δ}}_{kl}+B_{kl}\sin {\mathrm{\δ}}_{kl})\\ Q_{Gk}-Q_{Lk}=V_k\underset{l=1}{\overset{B_n}{\Σ}}{V}_l(G_{kl}sin{\mathrm{\δ}}_{kl}-B_{kl}cos{\mathrm{\δ}}_{kl})\end{array}\right.---\left(20\right)$

式中：P_Gk和Q_Gk为节点k处的电源有功和无功输出；P_Lk和Q_Lk分别是节点k处的有功和无功负荷；V_k、V_l为节点k、l处的电压幅值；B_n为节点总数；G_kl、B_kl和δ_kl为节点k和l之间的电导、电纳和电压相角差。

针对现有方法中的技术型评价指标缺少对配电网电压稳定性的评价，且经济型评价指标也不完善的缺点。本实施例引入了评价配电网电压稳定性的技术型指标，并对分布式储能系统的成本、收益进行分析，构建了经济型评价指标，实现了对分布式储能接入配电网后的技术、经济性评价。

在上述任一实施例的基础上，本发明所提供的配电网分布式储能规划方法中对所述分布式储能系统的双层规划模型进行求解可以具体为：

通过由混合整数线性规划方法、SPEA2-PSO和快速潮流计算组成的混合算法对所述双层模型进行求解。

混合整数线性规划方法用于求解下层模型，SPEA2-PSO用于求解上层模型。PSO算法简单、效率高，但对于多目标问题的求解存在一定的困难，而SPEA2在迭代过程中保留了精英个体，其提出的适应度计算方法可用于求解多目标问题。SPEA2-PSO是以PSO为基础，将PSO改造成可保留精英个体、适用于多目标求解的高效快速智能算法。

混合算法由混合整数线性规划方法、SPEA2-PSO算法和快速潮流计算方法组成，如图3所示，本发明实施例所提供的通过由混合整数线性规划方法、SPEA2-PSO和快速潮流计算组成的混合算法对所述双层模型进行求解的步骤如下：

步骤S301：初始化内部种群速度与位置，初始化外部种群位置；

步骤S302：利用混合整数线性规划方法求解内部种群每个粒子的调度策略，并利用快速潮流计算方法求解对应粒子的潮流；

步骤S303：计算内部种群的多目标函数值，并利用SPEA2精确适应度的计算方法计算内外部种群的适应度；

步骤S304：根据适应度对内外部种群进行环境选择，形成新的外部种群；

步骤S305：更新局部极值点位置pbest和全局极值点位置gbest；

步骤S306：采用二元竞赛模式形成新的内部种群，并利用下式更新每个粒子的位置和速度；

$\left\{\begin{array}{c}{v}_{it+1}={\mathrm{\ω}}_{it}{v}_{it}+c_1{r}_1(p_{best}-x_{it})+c_2{r}_2(g_{best}-x_{it})\\ x_{it+1}=x_{it}+v_{it+1}\\ {\mathrm{\ω}}_{it}={\mathrm{\ω}}_{max}-\frac{{\mathrm{\ω}}_{max}-{\mathrm{\ω}}_{\min }}{it}\·it\end{array}\right.$

式中，it为迭代次数；x_it为第it次迭代时粒子的空间位置；v_it为第it次迭代时粒子的速度；ω_it为惯性权重；c₁和c₂为学习因子；r₁和r₂为(0,1)内的随机数；ω_max、ω_max分别为惯性权重最大值和最小值；

步骤S307：判断是否满足终止条件，若不满足，则返回步骤S302。

综上所述，针对储能系统的储能类型、储能容量、储能功率、储能位置和调度策略等五种规划因素，本发明所提供的配电网分布式储能规划方法在对储能单元选型和完善其成本寿命模型的基础上，构建了下层求解调度策略，上层求解容量、功率及位置的双层规划模型，并提出了一种由混合整数线性规划方法、SPEA2-PSO和快速潮流计算组成的混合算法对模型进行求解。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的配电网分布式储能规划方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (9)

1.一种配电网分布式储能规划方法，其特征在于，包括：

搭建包含待接入分布式储能系统的光伏配电网仿真系统；

根据电化学储能方式确定所述分布式储能系统的储能类型；

根据所述分布式储能系统的储能类型建立线性化模型以及寿命成本模型；

构建分布式储能系统的双层规划模型，包含上层模型以及下层模型，所述上层模型用于求解各分布式储能的调度策略，所述下层模型用于求解各分布式储能的容量、功率以及接入位置；

导入年负荷数据以及光伏发电数据，对所述分布式储能系统的双层规划模型进行求解，输出各分布式储能的容量、功率、接入位置以及调度策略。

2.如权利要求1所述的配电网分布式储能规划方法，其特征在于，所述根据所述分布式储能系统的储能类型建立线性化模型以及寿命成本模型包括：

第i个分布式储能的线性模型表示为：

$C_i\left(t\right)=C_i(t-1)+{\mathrm{\ΔtP}}_{des,i}^{ch}\left(t\right){\mathrm{\η}}_{ch}-\frac{{\mathrm{\ΔtP}}_{des,i}^{dis}\left(t\right)}{{\mathrm{\η}}_{dis}};$

$C_i^N{S}_{soc,min}\≤C_i\left(t\right)\≤C_i^N{S}_{soc,max};$

$0\≤P_{des,i}^{ch}\left(t\right)\≤P_i^N{B}_i^{ch}\left(t\right)$

$0\≤P_{des,i}^{dis}\left(t\right)\≤P_i^N{B}_i^{dis}\left(t\right);$

$B_i^{ch}\left(t\right)+B_i^{dis}\left(t\right)\≤1;$

式中，C_i(t)为t时段第i个分布式储能总电能；C_i(t-1)为t-1时刻第i个分布式储能总电能；Δt为时间间隔；P^ch _des,i(t)、P^dis _des,i(t)分别为第i个分布式储能在t时刻的充电和放电功率；η_ch、η_dis分别为第i个分布式储能充放电效率；C_i ^N为第i个分布式储能额定容量；S_soc,min、S_soc,max为第i个分布式储能荷电状态的最小值和最大值；P_i ^N为第i个分布式储能额定功率；B_ch(t)、B_dis(t)分别表示充电和放电状态。

3.如权利要求2所述的配电网分布式储能规划方法，其特征在于，所述根据所述分布式储能系统的储能类型建立线性化模型以及寿命成本模型包括：

分布式储能的寿命表示为：

$Y_i=min(\frac{E_i^{tot}}{E_i^{sim}},Y_i^{cal});$

$E_i^{tot}=C_i^N\×num\×DOD$

式中，表示第i个分布式储能的总能量吞吐量，DOD为第i个分布式储能的放电深度，num为在DOD下的第i个分布式储能循环次数；E_i ^sim为第i个分布式储能仿真消耗的能量吞吐量；Y_i ^cal为储能厂商提供的储能日历寿命。

4.如权利要求3所述的配电网分布式储能规划方法，其特征在于，所述根据所述分布式储能系统的储能类型建立线性化模型以及寿命成本模型包括：

各分布式储能成本费用年值表示为：

$Cos{t}_i^{ini}=C_i^N{n}_{s,c}+P_i^N{n}_{s,p}$

式中，Cost_i为第i个分布式储能成本费用年值；Costⁱⁿⁱ _i为第i个分布式储能初始成本；Cost^O&M _i为第i个分布式储能运行维护成本；r为贴现率；n_s,c为分布式储能容量单价；n_s,p为分布式储能功率单价；x％、y％分别为分布式储能能量与功率的运行维护成本与初始投资的比值。

5.如权利要求4所述的配电网分布式储能规划方法，其特征在于，所述构建分布式储能系统的双层规划模型包括：

所述双层规划模型表示为：

$\left\{\begin{array}{c}\min {\mathrm{Obj}}_2(x_1,\mathrm{...},x_n,{\mathrm{Obj}}_1(x_1,\mathrm{...},x_n))\\ s.t.G(x_1,\mathrm{...},x_n,{\mathrm{Obj}}_1(x_1,\mathrm{...},x_n))\≤0\\ \left\{\begin{array}{c}\max {\mathrm{Obj}}_1(x_1,\mathrm{...},x_n)\\ s.t.g(x_1,\mathrm{...},x_n)\≤0\end{array}\right.\end{array}\right.$

式中，Obj₂为上层目标函数，Obj₁为下层目标函数，x₁,…,x_n为n个分布式储能的位置、额定功率、额定容量和调度策略向量。

6.如权利要求5所述的配电网分布式储能规划方法，其特征在于，所述下层模型的目标函数表示为：

$\max {\mathrm{Obj}}_1=R_{des}=\underset{d=1}{\overset{365}{\Σ}}\underset{t=1}{\overset{24}{\Σ}}\left(\underset{i=1}{\overset{n}{\Σ}}{P}_{des,i}^{dis}\right(t\left)\mathrm{\λ}\right(t)-\underset{i=1}{\overset{n}{\Σ}}{P}_{des,i}^{ch}(t\left)\mathrm{\λ}\right(t\left)\right);$

式中，R_des为分布式储能的调度收益，d为天数，t为时刻，n为分布式储能的个数，λ(t)为t时刻的电价；

所述下层模型的约束条件包括设备约束、充电约束、放电约束和配电网有功平衡约束；

所述充电约束为当P_pv(t)＞P_load(t)时，分布式储能充电且在电压越限时刻优先充电，同时充电功率受电价调节，若某天内P_pv(t)≤P_load(t)，分布式储能则在低电价时充电；

所述放电约束为以系统负荷作为分布式储能放电功率的上限，即

所述配电网有功平衡约束为：

$P_{grid}\left(t\right)+\underset{i=1}{\overset{n}{\Σ}}{P}_{des,i}^{dis}\left(t\right)+\underset{j=1}{\overset{m}{\Σ}}{P}_{pv,j}\left(t\right)=\underset{i=1}{\overset{n}{\Σ}}{P}_{des,i}^{ch}\left(t\right)+P_{load}\left(t\right)$

式中，P_grid(t)为t时刻电网注入有功功率，P_load(t)为t时刻的配电网总有功负荷。

7.如权利要求5所述的配电网分布式储能规划方法，其特征在于，所述上层模型的目标函数分为电压稳定目标和经济利润目标，所述电压稳定目标是分布式储能对配电网电压改善程度的技术性评价，所述经济利润目标是对分布式储能的功能收益和投资成本的经济性评价；

上层模型的目标函数表示为：

$\min {\mathrm{Obj}}_2=\[{\mathrm{Obj}}_{2,1},{\mathrm{Obj}}_{2,2}\]=\[L,\frac{1}{R-\underset{i=1}{\overset{n}{\Σ}}Cos{t}_i}\]$

所述上层模型的约束条件包括调度约束、约束条件、配电网运行时的潮流约束以及节点电压约束；

所述潮流约束为：

$\left\{\begin{array}{c}{P}_{Gk}-P_{Lk}=V_k\underset{l=1}{\overset{B_n}{\Σ}}{V}_l(G_{kl}cos{\mathrm{\δ}}_{kl}+B_{kl}\sin {\mathrm{\δ}}_{kl})\\ Q_{Gk}-Q_{Lk}=V_k\underset{l=1}{\overset{B_n}{\Σ}}{V}_l(G_{kl}sin{\mathrm{\δ}}_{kl}-B_{kl}cos{\mathrm{\δ}}_{kl})\end{array}\right.$

式中：P_Gk和Q_Gk为节点k处的电源有功和无功输出；P_Lk和Q_Lk分别是节点k处的有功和无功负荷；V_k、V_l为节点k、l处的电压幅值；B_n为节点总数；G_kl、B_kl和δ_kl为节点k和l之间的电导、电纳和电压相角差。

8.如权利要求1至7任一项所述的配电网分布式储能规划方法，其特征在于，所述对所述分布式储能系统的双层规划模型进行求解包括：

通过由混合整数线性规划方法、SPEA2-PSO和快速潮流计算组成的混合算法对所述双层模型进行求解。

9.如权利要求8所述的配电网分布式储能规划方法，其特征在于，所述通过由混合整数线性规划方法、SPEA2-PSO和快速潮流计算组成的混合算法对所述双层模型进行求解包括：

初始化内部种群速度与位置，初始化外部种群位置；

利用混合整数线性规划方法求解内部种群每个粒子的调度策略，并利用快速潮流计算方法求解对应粒子的潮流；

计算内部种群的多目标函数值，并利用SPEA2精确适应度的计算方法计算内外部种群的适应度；

根据适应度对内外部种群进行环境选择，形成新的外部种群；

更新局部极值点位置pbest和全局极值点位置gbest；

采用二元竞赛模式形成新的内部种群，并利用下式更新每个粒子的位置和速度；

$\left\{\begin{array}{c}{v}_{it+1}={\mathrm{\ω}}_{it}{v}_{it}+c_1{r}_1(p_{best}-x_{it})+c_2{r}_2(g_{best}-x_{it})\\ x_{it+1}=x_{it}+v_{it+1}\\ {\mathrm{\ω}}_{it}={\mathrm{\ω}}_{max}-\frac{{\mathrm{\ω}}_{max}-{\mathrm{\ω}}_{\min }}{{\mathrm{it}}_{\max }}\·it\end{array}\right.$

式中，it为迭代次数；x_it为第it次迭代时粒子的空间位置；v_it为第it次迭代时粒子的速度；ω_it为惯性权重；c₁和c₂为学习因子；r₁和r₂为(0,1)内的随机数；ω_max、ω_max分别为惯性权重最大值和最小值；

判断是否满足终止条件，若不满足，则返回求解内部种群每个粒子的调度策略的步骤。