CN106972523B - 有源配电网内储能电站的优化选址定容方法 - Google Patents

Abstract

本发明公开了一种有源配电网内储能电站的优化选址定容方法，利用时序分析法对现有的灵敏度方法进行改进，提出了计及配电网运行方式的时序综合灵敏度计算方法，以各节点时序灵敏度指标作为储能选址的依据。基于本发明所提方法对储能进行优化选址。本发明具有削弱了灵敏度较高但电压水平合格节点对选址结果的影响；保证优化节点电压时不对其他节点电压造成不利影响的特点。

Description

有源配电网内储能电站的优化选址定容方法

技术领域

本发明涉及配电网内储能优化配置领域，尤其是涉及一种含分布式能源的有源配电网内储能电站的优化选址定容方法。

背景技术

我国发电结构正从集中式大规模发电向集中式与分布式电源(DistributedGeneration，DG)并存的方向转变。分布式电源由于其发电电压等级较低，通常接入到配电网络中。DG的接入使配电网从单电源网络变为多电源网络，由于DG出力的随机性，在较高渗透率时会对系统电压产生明显的影响，极易造成系统电压越限。储能系统(Energy StorageSystem，ESS)拥有灵活的功率调节能力，其兼具供蓄的特征使储能系统成为未来配电网中一种重要的控制手段，利用储能系统可以解决配电网中高渗透率DG并网带来的一系列问题。

目前国内外学者已对配电网内储能系统的优化配置问题取得了一定的成果。例如，以储能系统削峰填谷效益、网损收益、可靠性效益三者收益之和最大为目标函数，建立配电网储能系统配置模型。例如，基于储能固定接入10kV变电站低压母线侧的假设下，研究了储能系统对于配电网内负荷曲线、DG出力的调节作用。

例如，建立了配电网储能配置的多目标优化模型，利用智能算法对配电网选址定容问题进行计算。例如，不仅考虑配电网正常运行时的收益，同时涉及故障时储能对于孤岛的支撑能力，提高了配电网可靠性。例如，充分考虑放电深度对储能寿命的影响，在每次迭代计算中对储能寿命进行修正，以修正后储能寿命周期的总成本最小对配电网公共储能进行了优化配置。

综上所述，储能系统在配电网中的应用已广泛引起各方的重视，但目前研究成果主要集中于储能系统经济效益的探讨，较少考虑储能系统对配电网的电压支撑能力，更没有从储能对配电网电压支撑的角度对储能系统在配电网内选址定容的相关理论进行深入研究。配电网的R/X值接近于1，电阻较大，有功、无功功率都会影响节点电压波动，而储能具有灵活的有功功率调节能力，因此，从节点注入有功与节点电压相关性的角度考虑储能的优化配置是一个值得研究的问题。

电力系统有功-电压灵敏度，是在给定的运行状态下，计算节点注入功率发生变化时，节点电压的变化量，其物理意义明确，计算量较小，可将灵敏度分析应用于电力系统稳定性分析方面、将灵敏度分析应用在无功补偿领域。该方法在配电网中应用较少，且目前的灵敏度计算大都是基于静态的某一运行断面的研究，而有源配电网中DG随机性、波动性较强，使得基于某一断面优化储能位置的实用性较差。

对于含有N个节点的配电网，其节点功率方程可写为：

将节点功率方程在稳态运行点按照泰勒一阶展开可得：

令ΔQ＝0，可得：

即：

ΔU＝J′_PU ^-1ΔP (5)

式中：J′_PU ^-1称为节点电压-有功灵敏度矩阵。

将ΔU＝J′_PU ^-1ΔP展开成下式。

可以看出，灵敏度矩阵中第i行中的各个元素代表相应各节点注入功率改变ΔP后节点i的电压变化情况；灵敏度矩阵中第i列中的各个元素代表节点i处注入功率发生ΔP改变后各节点电压的变化情况。

在对分布式电源并网规划的研究中，考虑到系统中某节点注入功率改变对系统各节点电压带来的影响时，以式(7)表示系统中节点j注入有功变化对系统整体电压变化的综合灵敏度。

发明内容

本发明的发明目的是为了克服现有技术中的有功-电压灵敏度计算方法适用性较差的不足，提供了一种含分布式能源的有源配电网内储能电站的优化选址定容方法。

为了实现上述目的，本发明采用以下技术方案：

一种有源配电网内储能电站的优化选址定容方法，包括如下步骤：

(1-1)从源配电网的EMS系统获取负荷数据、光伏出力数据、系统阻抗、系统的各个运行方式及天数；初始化遗传算法中的种群大小，收敛条件、交叉概率和变异概率；

(1-2)设定储能最大安装节点个数M，当前储能接入个数n＝1；

(1-3)计算节点静态综合灵敏度和节点时序综合灵敏度，以节点时序综合灵敏度最大的节点作为第n个储能接入节点；

(1-4)根据当前储能接入个数n，对储能容量、PCS额定功率进行实数编码，形成遗传算法的初代种群；

(1-5)利用最优潮流算法计算n个储能系统最优时序出力，以储能电站选址定容模型为个体适应度计算模型，计算各个体适应度；

(1-6)判断遗传算法是否收敛，收敛判据为最优个体目标函数改变量连续N次小于预设值ε，或达到最大迭代次数；

若没有收敛，则进行选择、交叉、变异操作，产生下一代种群，并返回步骤(1-5)；否则，转入步骤(1-7)；

(1-7)判断当前储能接入个数n与储能最大安装节点个数M的大小关系，若n＜M，则转入步骤(1-8)，否则转入步骤(1-9)；

(1-8)根据已接入的n个储能系统最优时序出力，更新节点负荷数据，以新的负荷数据为下一个储能系统时序综合灵敏度计算的基础数据，使n值增加1，转入步骤(1-3)；

(1-9)比较各储能配置个数下的最优值，输出最优配置结果。

公式(7)以求和的形式表示系统综合灵敏度，对不含DG的传统配电网有较好的实用性。变电站低压母线为馈线首节点，通过变电站VQC控制一般满足电压水平要求，在传统配电网中由于不含DG，各节点电压沿馈线方向逐步降低，电压分布规律较强，各越限节点对电压调整的需求基本是一致的，因此，通过对节点灵敏度求和能够表示节点注入功率改变对系统整体电压的影响。

DG的接入改变了配电网电压分布规律，馈线电压最高节点有可能是DG并网点，而不是馈线首节点，而且系统内不同节点电压存在同时有的易越上限有的易越下限的风险，相反类型的越限节点存在相反的电压调整需求，当各节点调压要求不一致时，再以上述整体求和的方式表示节点灵敏度则难以适用。

本发明旨在通过有功-电压灵敏度方法深入研究储能最佳并网点的选择，从改善电压的角度研究分析分布式电源大量接入后储能的优化选址。本发明利用时序分析法对现有的灵敏度方法进行改进，提出了计及配电网运行方式的时序综合灵敏度计算方法，以各节点时序灵敏度指标作为储能选址的依据。基于本发明所提方法对储能进行优化选址，可充分利用储能的电压支撑能力，有效提高储能对配电网内电压调节的针对性。

储能的选址定容问题为带约束的非线性规划问题。本发明以时序灵敏度作为储能的选址方法，确定储能接入位置，采用遗传算法求解多个储能接入选址需要涉及到的单个储能容量问题。当储能接入个数大于1时，本发明采用逐个并入储能系统后重新计算时序灵敏度的方法对储能系统的接入位置进行优化。

考虑到储能的容量必须计及计算周期内的时序运行状态，本发明将求解过程分为两层进行。规划层的目的是确定储能的接入容量和PCS额定功率大小，规划的目标为总建设成本最低，采用实数编码。编码染色体长度由接入的储能个数决定，总长度为2×N_ESS。每个染色体如式(18)所示，式中Ci为第i个储能的接入容量，Pi为第i个储能的PCS额定功率，N_ESS为储能接入个数。

运行层算法用于判定规划层确定的储能配置能否满足系统电压约束，存在可行解则代表当前储能配置可以满足系统电压要求。本发明将运行层的目标设定为系统内所有节点全时段电压偏移最小，但找到一个满足电压约束的可行解时就跳出运行层，并以此可行解为优化解，以加快遗传算法的求解速度。对不能满足电压要求的储能配置结果，其适应度为无穷小。

作为优选，节点静态综合灵敏度的计算过程如下：

(2-1)利用公式计算t时刻节点j的注入功率变化时，节点i电压的灵敏度Sen_ij，t：

其中，λ_ij，t为灵敏度矩阵中t时刻节点j注入功率变化时，j节点对i节点的传统电压-有功灵敏度值；w_i，t为节点权重因子，其值以节点电压偏离节点期望电压的大小衡量；V_i，t为t时段i节点电压；V_ref，i，t为i节点期望电压；

(2-2)利用公式计算t时刻节点j的注入功率变化时，节点k电压的灵敏度Sen_kj，t：

其中，λ_kj，t为灵敏度矩阵中t时刻节点j注入功率变化时，j节点对k节点的传统电压-有功灵敏度值；w_k，t为节点权重因子，其值以节点电压偏离节点期望电压的大小衡量；V_k，t为t时段k节点电压；V_ref，k，t为k节点期望电压；

(2-3)利用公式计算t时刻节点j的注入功率变化时的节点静态综合灵敏度Sen_Sj，t；

其中，Φ_H为t时段配电网中电压偏高的节点集合，Φ_L为t时段配电网中电压偏低的节点集合。

作为优选，节点时序综合灵敏度的计算过程如下：

利用公式计算节点时序灵敏度Sen_op，j；

其中，k_t为t时段权重因子，以t时段电压越限节点个数与最大节点电压偏离程度的乘积表示；max(V_j，t-V_ref，j，t)为t时段最大节点电压偏离程度；N_exceed，t为t时段系统电压越限节点个数。

作为优选，所述储能电站选址定容模型如下：

f＝C_e×E_ESS+C_p×P_ESS+N_ESS×C_install

P_DG，t+P_ESS，t+P_grid，t＝P_load，t+P_loss，t

S_ij，min≤S_ij，t≤S_ij，max

V_i，min≤V_i，t≤V_i，max

P_min≤P_ESS，t≤P_max

SOC_min≤SOC_l，t≤SOC_max

其中，C_e、C_p、C_install分别代表储能单位容量成本、储能单位功率成本及储能安装建设基本成本；E_ESS、P_ESS分别为储能系统接入容量和PCS额定功率；N_ESS为储能接入个数；P_DG，t、P_ESS，t、P_grid，t、P_load，t、P_loss，t分别为t时刻DG功率、t时刻储能功率、t时刻上级电网传输功率、t时刻配电网负荷功率和t时刻系统损耗；S_ij，max、S_ij，min、S_ij，t分别为配电网支路视在功率上限、配电网支路视在功率下限和t时刻线路视在功率；V_i，max、V_i，min、V_i，t分别为节点电压上限、节点电压下限和t时刻i节点电压；P_max、P_min为储能的最大充电功率和最小充电功率，P_max、P_min也最大放电功率和最小放电功率；SOC_min、SOC_l，t、SOC_max分别代表储能系统荷电状态最小值、t时刻第1个储能系统荷电状态、储能系统荷电状态最大值；η_c，l、η_d，l分别代表第1个储能系统充放电效率；ΔT为时段长度，以一小时作为一个时段，即ΔT＝1h。

作为优选，所述灵敏度矩阵为：

ΔP₁，ΔP₂，...，ΔP_N-1分别为各节点注入功率的改变量，灵敏度矩阵中第i列中的各个元素代表节点i处注入功率发生ΔP改变后各节点电压的变化情况。

因此，本发明具有如下有益效果：(1)引入节点电压偏移量作为灵敏度的权重因子，有效削弱灵敏度较高但电压水平合格节点对选址结果的影响；(2)考虑了有源配电网不同节点差异化的调压需求，保证了优化节点电压时不对其他节点电压造成不利影响；(3)计及了不同时段的不同波动情况，充分体现了不同时段的不同重要程度。

附图说明

图1是本发明的一种流程图；

图2是本发明的一种配电系统结构图；

图3是本发明的一种光伏、负荷时序曲线对比图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步的描述。

如图1所示的实施例是一种有源配电网内储能电站的优化选址定容方法，包括如下步骤：

(1-1)从源配电网的EMS系统获取负荷数据、光伏出力数据、系统阻抗、系统的各个运行方式及天数；初始化遗传算法中的种群大小，收敛条件、交叉概率和变异概率；

(1-2)设定储能最大安装节点个数M，当前储能接入个数n＝1；

(1-3)计算节点静态综合灵敏度和节点时序综合灵敏度，以节点时序综合灵敏度最大的节点作为第n个储能接入节点；

(1-4)根据当前储能接入个数n，对储能容量、PCS额定功率进行实数编码，形成遗传算法的初代种群；

(1-5)利用最优潮流算法计算n个储能系统最优时序出力，以储能电站选址定容模型为个体适应度计算模型，计算各个体适应度；

(1-6)判断遗传算法是否收敛，收敛判据为最优个体目标函数改变量连续N次小于预设值ε，或达到最大迭代次数；

若没有收敛，则进行选择、交叉、变异操作，产生下一代种群，并返回步骤(1-5)；否则，转入步骤(1-7)；

(1-7)判断当前储能接入个数n与储能最大安装节点个数M的大小关系，若n＜M，则转入步骤(1-8)，否则转入步骤(1-9)；

(1-8)根据已接入的n个储能系统最优时序出力，更新节点负荷数据，以新的负荷数据为下一个储能系统时序综合灵敏度计算的基础数据，使n值增加1，转入步骤(1-3)；

(1-9)比较各储能配置个数下的最优值，输出最优配置结果。

节点静态综合灵敏度的计算过程如下：

(2-1)利用公式计算t时刻节点j的注入功率变化时，节点i电压的灵敏度Sen_ij，t：

其中，λ_ij，t为灵敏度矩阵中t时刻节点j注入功率变化时，j节点对i节点的传统电压-有功灵敏度值；w_i，t为节点权重因子，其值以节点电压偏离节点期望电压的大小衡量；V_i，t为t时段i节点电压；V_ref，i，t为i节点期望电压；

(2-2)利用公式计算t时刻节点j的注入功率变化时，节点k电压的灵敏度Sen_kj，t：

其中，λ_kj，t为灵敏度矩阵中t时刻节点j注入功率变化时，j节点对k节点的传统电压-有功灵敏度值；w_k，t为节点权重因子，其值以节点电压偏离节点期望电压的大小衡量；V_k，t为t时段k节点电压；V_ref，k，t为k节点期望电压；

(2-3)利用公式计算t时刻节点j的注入功率变化时的节点静态综合灵敏度Sen_Sj，t；

其中，Φ_H为t时段配电网中电压偏高的节点集合，Φ_L为t时段配电网中电压偏低的节点集合。

节点时序综合灵敏度的计算过程如下：

利用公式计算节点时序灵敏度Sen_op，j；

其中，k_t为t时段权重因子，以t时段电压越限节点个数与最大节点电压偏离程度的乘积表示；max(V_j，t-V_ref，j，t)为t时段最大节点电压偏离程度；N_exceed，t为t时段系统电压越限节点个数。

所述储能电站选址定容模型如下：

f＝C_e×E_ESS+C_p×P_ESS+N_ESS×C_install

P_DG，t+P_ESS，t+P_grid，t＝P_load，t+P_loss，t

S_ij，min≤S_ij，t≤S_ij，max

V_i，min≤V_i，t≤V_i，max

P_min≤P_ESS，t≤P_max

SOC_min≤SOC_l，t≤SOC_max

其中，C_e、C_p、C_install分别代表储能单位容量成本、储能单位功率成本及储能安装建设基本成本；E_ESS、P_ESS分别为储能系统接入容量和PCS额定功率；N_ESS为储能接入个数；P_DG，t、P_ESS，t、P_grid，t、P_load，t、P_loss，t分别为t时刻DG功率、t时刻储能功率、t时刻上级电网传输功率、t时刻配电网负荷功率和t时刻系统损耗；S_ij，max、S_ij，min、S_ij，t分别为配电网支路视在功率上限、配电网支路视在功率下限和t时刻线路视在功率；V_i，max、V_i，min、V_i，t分别为节点电压上限、节点电压下限和t时刻i节点电压；P_max、P_min为储能的最大充电功率和最小充电功率，P_max、P_min也最大放电功率和最小放电功率；SOC_min、SOC_l，t、SOC_max分别代表储能系统荷电状态最小值、t时刻第1个储能系统荷电状态、储能系统荷电状态最大值；η_c，l、η_d，l分别代表第1个储能系统充放电效率；为时段长度，以一小时作为一个时段，即ΔT＝1h。

所述灵敏度矩阵为：

ΔP₁，ΔP₂，...，ΔP_N-1分别为各节点注入功率的改变量，灵敏度矩阵中第i列中的各个元素代表节点i处注入功率发生改变后各节点电压的变化情况。

实例分析：

如图2所示，配电系统结构共有33个节点，3处分布式光伏并网。光伏容量如表1所示，共计2.76MW；负荷情况：节点1-17为商业负荷，节点18-32为居民负荷，系统最大负荷为3.536MW。PV接入节点及功率如表1所示：

表1 PV接入节点及功率

配电系统额定电压为12.66kV，供电半径约为5km，因此各光伏电源的辐照强度基本相同，出力情况只同接入容量呈正相关关系。光伏时序出力、负荷时序波动情况如图3所示。

待配置的储能系统为蓄电池，蓄电池的成本信息为：PCS单位功率成本为1750元/kW，蓄电池单位容量成本为1300元/kW·h，基础建设成本为10万元/次。为充分利用储能系统容量，降低储能系统成本，实例中储能系统SOC最小值为0，最大值为1。

利用潮流计算可得算例各节点时序电压值，进而可得各节点电压越限情况，如表2所示：

表2 节点申压越限情况

本发明首先在单一时段的灵敏度计算中做出了改进，将节点电压偏移程度引入灵敏度计算，同时考虑了由于DG接入造成的不同类型节点的相反的电压调整需求。选取第12时段进行分析，第12时段各节点电压及节点静态灵敏度结果如表3所示。

表3 第12时段各节点电压值及各节点静态灵敏度结果

表3中第1列和第2列分别为节点编号和该节点电压水平；第3列表示该节点注入功率变化对馈线内所有电压偏高节点电压变化的灵敏度，此类节点希望该节点注入功率减小或负荷增大，降低整体电压水平；相反，第4列表示该节点注入功率变化对馈线内所有电压偏低节点电压变化的灵敏度，此类节点希望该节点注入功率增大或负荷减小，以提高整体电压水平；最后1列为公式计算所得的第3列与第4列数据之差，即该节点的静态综合灵敏度。

根据上述表格数据，将节点分为四类：

1)对电压偏高和偏低两类节点的灵敏度都比较低的，如节点1，由于其靠近母线，其注入功率的变化对系统电压影响不大，此类节点对电压影响甚微，显然不是储能的最佳配置节点，其静态综合灵敏度较小；

2)对电压偏高和偏低两类节点的灵敏度都比较高的，如节点15，由于对两类节点的灵敏度都比较高，而两类节点的调压需求又是相反的：一类希望降低电压，一类希望抬高电压，因此，若在此类节点安装储能进行调压，必然会在改善一类节点电压水平的同时，显著恶化另一类节点的电压，因此，此类节点也不是储能的最佳配置节点，而按公式(9)取差后，其综合灵敏度较小；

3)对电压偏高节点灵敏度之和较大，而对电压偏低节点灵敏度之和较小，如节点32，在通过此类节点的功率控制可有效改善此时刻电压偏高节点的电压水平，而不至于明显恶化电压偏低节点的电压水平，因此，此类节点为储能的最佳候选节点，其综合灵敏度值较大；

4)对电压偏高节点灵敏度之和较小，而对电压偏低节点灵敏度之和较大，通过此类节点的功率控制可有效改善此时刻电压偏低节点的电压水平，而不至于明显恶化电压偏高节点的电压水平，因此，此类节点为也储能的最佳候选节点，其综合灵敏度值也较大；由于表3仿真时刻为中午12:00，光伏出力较大，馈线内大部分节点电压水平偏高，因此，表3中此类节点没有出现。

由上述分析可以看出，静态综合灵敏度比较高的节点是储能配置较为合理的节点，反映了该发明的有效性。

利用本发明提出的时序灵敏度计算方法对全天24h进行分析计算，列出部分具有较高时序灵敏度的节点如表4所示。

表4 部分节点的时序综合灵敏度计算结果

表2和表4说明，第32节点的时序灵敏度最大，为0.65×10^-3，32节点应为储能的首要接入节点。可见，本发明提出的时序灵敏度计算方法，可有效根据各节点电压偏移程度的大小、对系统整体电压的影响程度找出系统最需接入储能的节点。选定节点32为储能首要接入节点后，按照本发明所述流程，计算下一个储能接入时部分节点时序灵敏度结果如表5所示。

表5 部分节点第2次时序灵敏度计算结果

由于储能固定投资成本较大，一条馈线内不可能接入过多的公共储能，因此应用实例中考虑储能系统最大接入点个数为3，不同储能接入方案对比如表6所示。

表6 储能系统位置、容量和成本对比结果

分析表6的结果，得到的最佳储能接入方案为接入两处储能：在第32节点接入510kW/1370kW·h储能，在第17节点接入90kW/160kW·h储能，此时总成本为323.9万元。这种接入方式比单独在节点32接入或在32、17、15节点接入分别节省成本26.7％、2.65％。

应理解，本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (2)

1.一种有源配电网内储能电站的优化选址定容方法，其特征是，包括如下步骤：

(1-1)从源配电网的EMS系统获取负荷数据、光伏出力数据、系统阻抗、系统的各个运行方式及天数；初始化遗传算法中的种群大小，收敛条件、交叉概率和变异概率；

(1-2)设定储能最大安装节点个数M，当前储能接入个数n＝1；

(1-3)计算节点静态综合灵敏度和节点时序综合灵敏度，以节点时序综合灵敏度最大的节点作为第n个储能接入节点；

节点静态综合灵敏度的计算过程如下：

(1-3-1)利用公式计算t时刻节点j的注入功率变化时，节点i电压的灵敏度Sen_ij，t：

其中，λ_ij，t为灵敏度矩阵中t时刻节点j注入功率变化时，j节点对i节点的传统电压-有功灵敏度值；w_i，t为节点权重因子，其值以节点电压偏离节点期望电压的大小衡量；V_i，t为t时段i节点电压；V_ref，i，t为i节点期望电压；

(1-3-2)利用公式计算t时刻节点j的注入功率变化时，节点k电压的灵敏度Sen_kj，t：

其中，λ_kj，t为灵敏度矩阵中t时刻节点j注入功率变化时，j节点对k节点的传统电压-有功灵敏度值；w_k，t为节点权重因子，其值以节点电压偏离节点期望电压的大小衡量；V_k，t为t时段k节点电压；V_ref，k，t为k节点期望电压；

(1-3-3)利用公式计算t时刻节点j的注入功率变化时的节点静态综合灵敏度Sen_Sj，t；

其中，Φ_H为t时段配电网中电压偏高的节点集合，Φ_L为t时段配电网中电压偏低的节点集合；

节点时序综合灵敏度的计算过程如下：

利用公式计算节点时序灵敏度Sen_op，j；

其中，k_t为t时段权重因子，以t时段电压越限节点个数与最大节点电压偏离程度的乘积表示；max(V_j，t-V_ref，j，t)为t时段最大节点电压偏离程度；N_exceed，t为t时段系统电压越限节点个数；

(1-4)根据当前储能接入个数n，对储能容量、PCS额定功率进行实数编码，形成遗传算法的初代种群；

(1-5)利用最优潮流算法计算n个储能系统最优时序出力，以储能电站选址定容模型为个体适应度计算模型，计算各个体适应度；

储能电站选址定容模型如下：

f＝C_e×E_ESS+C_p×P_ESS+N_ESS×C_install

P_DG，t+P_ESS，t+P_grid，t＝P_load，t+P_loss，t

S_ij，min≤S_ij，t≤S_ij，max

V_i，min≤V_i，t≤V_i，max

P_min≤P_ESS，t≤P_max

SOC_min≤SOC_l，t≤SOC_max

其中，C_e、C_p、C_install分别代表储能单位容量成本、储能单位功率成本及储能安装建设基本成本；E_ESS、P_ESS分别为储能系统接入容量和PCS额定功率；N_ESS为储能接入个数；P_DG，t、P_ESS，t、P_grid，t、P_load，t、P_loss，t分别为t时刻DG功率、t时刻储能功率、t时刻上级电网传输功率、t时刻配电网负荷功率和t时刻系统损耗；S_ij，max、S_ij，min、S_ij，t分别为配电网支路视在功率上限、配电网支路视在功率下限和t时刻线路视在功率；V_i，max、V_i，min、V_i，t分别为节点电压上限、节点电压下限和t时刻i节点电压；P_max、P_min为储能的最大充电功率和最小充电功率，P_max、P_min也最大放电功率和最小放电功率；SOC_min、SOC_l，t、SOC_max分别代表储能系统荷电状态最小值、t时刻第l个储能系统荷电状态、储能系统荷电状态最大值；η_c，t、η_d，l分别代表第l个储能系统充放电效率；ΔT为时段长度，以一小时作为一个时段，即ΔT＝1h；

(1-6)判断遗传算法是否收敛，收敛判据为最优个体目标函数改变量连续N次小于预设值ε，或达到最大迭代次数；

若没有收敛，则进行选择、交叉、变异操作，产生下一代种群，并返回步骤(1-5)；否则，转入步骤(1-7)；

(1-7)判断当前储能接入个数n与储能最大安装节点个数M的大小关系，若n＜M，则转入步骤(1-8)，否则转入步骤(1-9)；

(1-8)根据已接入的n个储能系统最优时序出力，更新节点负荷数据，以新的负荷数据为下一个储能系统时序综合灵敏度计算的基础数据，使n值增加1，转入步骤(1-3)；

(1-9)比较各储能配置个数下的最优值，输出最优配置结果。

2.根据权利要求1所述的有源配电网内储能电站的优化选址定容方法，其特征是，所述灵敏度矩阵为：

ΔP₁，ΔP₂，...，ΔP_N-1分别为各节点注入功率的改变量，灵敏度矩阵中第i列中的各个元素代表节点i处注入功率发生ΔP改变后各节点电压的变化情况。