CN107104433B - 一种光储系统参与配电网优化运行策略的获取方法 - Google Patents

Abstract

本发明公开了一种光储系统参与配电网优化运行策略的获取方法，首先建立光储系统柔性并网运行模型；然后，考虑系统网损和光储系统运行损耗，以“源‑网”损耗最小为目标函数，将功率倒送和系统安全电压加入约束条件，结合传统网络潮流约束、变电站馈线出口功率约束、线路功率约束和光储系统运行约束，建立多个光储系统参与配电网优化运行模型；最后，针对多个光储系统有功无功双决策，采用多维动态规划算法求解模型。本发明相对于传统方法，使光储系统具有较强的潮流调节能力，优化方法实现了清洁能源满额消纳、配网经济运行和电压越限治理的目标。

Description

一种光储系统参与配电网优化运行策略的获取方法

技术领域

本发明具体涉及一种光储系统参与配电网优化运行策略的获取方法。

背景技术

在能源危机和环境污染的双重压力下，清洁能源发电技术得到了空前的发展。分布式能源(distribution generator，DG)规模化接入，给配电网安全运行带来了诸多问题，其中电压越限和功率倒送尤其突出，影响了清洁能源的满额消纳。

当前，我国城市配电网电缆使用率日益提高，阻抗比R/X较大，有功/无功潮流都会对节点电压产生较大影响，高电压问题已成为近年来城市配电网安全运行的主要问题。光伏作为配电网最主要的清洁能源形式，若继续采用刚性并网(功率因数1)方式规模化接入，电网电压越限问题将更为严重。柔性并网方式下，P/Q可独立解耦控制，清洁能源除正常发电，还承担对电网的支撑、调节作用，是主动配电网的重要特征之一。

当光伏采用柔性并网方式时，若不限制光伏有功输出，仅使用逆变器剩余容量进行无功调节，则电压治理较为困难；若限制有功输出，则光伏无法满额消纳。应用储能系统(energy storage system，ESS)技术则可较好解决“过剩”有功的存储问题。

传统方法的研究对象都是独立的分布式电源和储能，储能充放电功率需要通过配网线路传输，增加了网络潮流的复杂性，限制了优化效果。动态规划是用于求解储能充放电策略的一种经典优化算法，算法流程可清晰描述储能电量的多阶段连续特性，每个阶段最优决策的选定，均从全局考虑，同时编程求解也较为方便。传统方法使用动态规划求解得到了各自模型中储能的充放电功率，实现了有功最优控制，但都未对并网逆变器剩余容量做无功优化。当考虑有功无功双决策时，传统一维动态规划算法不再适用。

发明内容

针对上述问题，本发明围绕主动配电网优化运行三大目标：分布式能源满额消纳、配网经济运行和电压越限治理，提出光伏和储能一体的光储系统(photovoltaic energystorage system，PESS)参与配电网优化运行策略的获取方法，相较于传统方法，使光储系统具有较强的潮流调节能力，优化方法实现了清洁能源满额消纳、配网经济运行和电压越限治理的目标。

实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种光储系统参与配电网优化运行策略的获取方法，包括以下步骤：

(1)建立光储系统柔性并网运行模型；

(2)以“源-网”损耗最小为目标函数，将功率倒送和系统安全电压加入约束条件，结合传统网络潮流约束、变电站馈线出口功率约束、线路功率约束和光储系统运行约束，建立多个光储系统参与配电网优化运行模型；

(3)针对多个光储系统的有功输出和无功输出双决策变量，采用多维动态规划算法求解光储系统参与配电网优化运行模型，获得光储系统参与配电网最优运行的策略。

进一步地，所述步骤(1)中的光储系统柔性并网运行模型为：

S(t+1)＝(1-σ)S(t)+P_ESS(t)Δt (1)

S_min≤S(t)≤S_max (2)

S(0)＝S(T) (3)

P_PESS(t)＝P_PV(t)+P_ESS(t) (4)

P_PV(t)＝P_MPPT(t) (5)

P_ESS(t)＝uP_cd(t),u∈{-1,0,1} (6)

式中：S(t)为t时段储能单元的剩余电量；σ为储能单元的自放电率；Δt为调度步长；P_ESS(t)为t时段储能单元的有功输出；S_min和S_max分别储能单元剩余电量的上、下限；T为调度周期；P_PESS(t)和Q_PESS(t)分别为t时段光储系统输出的有功和无功；P_PV(t)为t时段光伏单元输出有功功率；P_MPPT为光伏DC/DC变流器按照MPPT控制策略时的最大输出有功；P_cd(t)为t时段储能单元的充电或放电功率，恒为正；u为储能单元充放电标志；η_ch和η_dis分别为储能单元充放电效率；P_ch.max和P_dis.max分别为充放电功率上、下限；S_PESS.max为逆变器额定输出容量。

进一步地，所述u的取值-1、0及1，分别代表充电、空闲及放电三种状态。

进一步地，所述光储系统参与配电网优化运行模型包括：目标函数和约束条件，

所述目标函数为：

式中：N为配电网系统节点数；P_L.loss(t)为t时段配网输电线路损耗；P_PESS.loss(t)为t时段所有光储系统的运行损耗；P_i(t)为t时段节点i的注入有功功率；η_ch,i和η_dis,i分别为节点i处储能单元充放电效率；P_cd,i(t)分别为t时段节点i处储能单元充放电功率；ξ(t)为储能单元从t-1时段到t时段的充放电状态变化量纲；ΔP_ESS.loss,i为t时段节点i处储能单元在充放电状态切换时产生的损耗。

进一步地，所述ξ(t)的取值为0或1；所述ΔP_ESS.loss,i为额定容量的0.5％。

进一步地，所述约束条件包括：

(1)网络潮流约束为：

式中：i、j为配电网系统节点号；U_i(t)、U_j(t)为t时段节点i和节点j点电压幅值；G_ij、B_ij分别为节点i和节点j之间的互电导和互电纳；δ_ij(t)为t时段节点i和节点j之间的相位差；P_Ki(t)、Q_Ki(t)分别为t时段馈线出口有功和无功；P_PESS,i(t)、Q_PESS,i(t)为t时段节点i处光储系统的有功无功出力；P_Di(t)、Q_Di(t)为t时段节点i处负荷的有功和无功功率；

(2)变电站馈线出口功率约束为：

式中：变量的上标“-”和下标“_”表示变量的上限和下限；

(3)线路功率约束：

式中：P_ij(t)为t时刻节点i和节点j之间的线路功率。

(4)功率倒送约束为：

P _Ki≥0 (17)

(5)配电网节点电压约束为：

(6)光储系统运行约束，所述光储系统运行约束为步骤(1)中的光储系统柔性并网运行模型。

进一步地，所述多维动态规划算法中的采用是离散确定型模型。

进一步地，所述步骤(3)中，针对多个光储系统的有功输出和无功输出双决策变量，采用多维动态规划算法求解光储系统参与配电网优化运行模型，具体包括：

令阶段t为：将一个完整调度周期T划分为若干个时间段，记单个时间段即为阶段，阶段序号标记为t，t∈{1,2,3…T}，相邻阶段时间差为Δt；

令状态

为：选取每个光储系统中储能单元的剩余电量S作为状态

并将其离散化，相邻状态间的电量差为ΔS；选取每个光储系统的逆变器剩余无功容量作为状态

并将其离散化，相邻状态间的无功容量差为ΔQ；

令决策

为：将每个光储系统各时间段内的P_PESS(t)和Q_PESS(t)作为决策变量

和

其必须满足光储系统运行约束；

令策略为：各阶段的决策变量组成的序列；

令状态转移方程包括：

的状态转移方程和

的状态转移方程；所述

的状态转移方程为S(t+1)＝(1-σ)S(t)+P_ESS(t)Δt；所述

在相邻两阶段间不存在绝对的转移关系，其允许状态集合由当前状态S_Pt和逆变器容量决定，其状态转移方程为：

令指标函数为：将第t阶段目标函数作为阶段指标函数

则第t阶段的指标函数为：

式中：

表示第t阶段状态的允许决策集合。

进一步地，所述步骤(3)中，还包括以下步骤：

步骤3.1：将光储系统参与配电网优化运行模型转化为多维动态规划可操作模型，包括阶段t、状态

决策

策略、状态转移方程以及指标函数；

步骤3.2：初始化，输入所需的光储系统和配电网系统初始数据；

步骤3.3：确定t-1时段光储系统的允许状态集合；

步骤3.4：确定满足约束条件下t时段光储系统的允许状态集合；

步骤3.5：计算对应决策变量和指标函数值；

步骤3.6：判断指标函数是否最优，若是，则跳至步骤3.7；否则，跳至步骤3.8；

步骤3.7：保存当前状态变量、决策变量和目标函数；

步骤3.8：判断是否遍历t-1时段光储系统的允许状态集合，若是，跳至步骤3.9；否则，跳至步骤3.3；

步骤3.9：判断是否遍历t时段光储系统的允许状态集合，若是，跳至步骤3.10；若否，跳至步骤3.4；

步骤3.10：判断是否t＝T，若是，则计算完毕，输出结果；若否，则t＝t+1，并跳至步骤3.3。

本发明的有益效果：

本发明提供的一种光储系统参与配电网优化运行策略的获取方法的获取方法，相较于传统方法，使光储系统具有较强的潮流调节能力，优化方法实现了清洁能源满额消纳、配网经济运行和电压越限治理的目标。

附图说明

图1为本发明实施例一中的光储系统结构图；

图2为本发明实施例一中多维动态规划路径图；

图3为本发明实施例一中多维动态规划求解流程图；

图4为本发明实施例二中10节点配电系统结构图；

图5为本发明实施例二中负荷与分布式电源预测曲线图；

图6为本发明实施例二中储能单元充放电功率曲线图；

图7为本发明实施例二中光储系统无功功率曲线图；

图8为本发明实施例二中储能单元电量变化曲线图；

图9为本发明实施例二中三种不同运行方式下的网络损耗图；

图10为本发明实施例二中三种不同运行方式下的节点电压图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作详细的描述。

本发明中的一种光储系统参与配电网优化运行策略的获取方法，首先建立光储系统柔性并网运行模型；然后，考虑系统网损和光储系统运行损耗，以“源-网”损耗最小为目标函数，将功率倒送和系统安全电压加入约束条件，结合传统网络潮流约束、变电站馈线出口功率约束、线路功率约束和光储系统运行约束，建立多个光储系统参与配电网优化运行模型；最后，针对多个光储系统有功无功双决策，采用多维动态规划算法求解模型。本发明相对于传统方法，使光储系统具有较强的潮流调节能力，优化方法实现了清洁能源满额消纳、配网经济运行和电压越限治理的目标。

实施例一

如图1所示，本实施例中的光储系统是将现有投运的光伏系统升级改造而成的，需要增装一个储能单元、两台DC/DC变流器和一条直流母线。图1中，C1为单向DC/DC变流器，主要用于对光伏单元升压，并跟踪光伏最大功率；C2为双向DC/DC变流器，主要用于控制储能单元的充放电过程，并为直流母线提供电压支撑；C3为DC/AC逆变器，用于稳定直流母线电压和实现交直流母线之间的能量交换。光伏单元和储能单元通过各自的DC/DC变流器汇总至公共直流母线，再经公用的DC/AC逆变器连接至配电系统。

本实施例中采用的共直流母线结构形式，具有光伏单元与储能单元之间的能量交换级数少、效率高等优点，并且通过控制共用的DC/AC并网逆变器(图1中的C3)，更有利于实现本发明研究目标。光储系统交流侧可直接接入380伏电网(或经汇流箱通过10/0.4kV变压器接入10kV电网)，共直流母线直流侧电压一般设定为800伏左右。

本发明实施例中的光储系统参与配电网优化运行策略的获得方法，包括：

1、建立光储系统柔性并网运行模型

由于光储系统中的储能单元电量状态在时序上具有绝对的连续性，它严格按照时间顺序根据充放电功率大小进行累计计算，可以通过式(1)计算得到：

S(t+1)＝(1-σ)S(t)+P_ESS(t)Δt (1)

储能单元电量应满足电量上下限要求，可以通过式(2)来表示：

S_min≤S(t)≤S_max (2)

储能单元在一个固定的运行周期应该使得初始电量和最终电量状态保持一致，可以通过式(3)来表示：

S(0)＝S(T) (3)

光储系统输出有功为光伏发电单元和储能单元输出有功之和，具体如式(4)所示：

P_PESS(t)＝P_PV(t)+P_ESS(t) (4)

光伏发电单元按照MPPT策略跟踪最大功率输出，具体如式(5)所示：

P_PV(t)＝P_MPPT(t) (5)

储能单元充放电功率约束如式(6)、(7)所示：

P_ESS(t)＝uP_cd(t),u∈{-1,0,1} (6)

光储系统输出无功需要满足DC/AC逆变器(图1中的C3)的剩余容量约束，如式(8)所示：

上述(1)-(8)式中：S(t)为t时段储能单元的剩余电量；σ为储能单元的自放电率；Δt为调度步长；P_ESS(t)为t时段储能单元的有功输出；S_min和S_max分别储能单元剩余电量的上、下限；T为调度周期；P_PESS(t)和Q_PESS(t)分别为t时段光储系统输出的有功和无功；P_PV(t)为t时段光伏单元输出有功功率；P_MPPT为光伏DC/DC变流器按照MPPT控制策略时的最大输出有功；P_cd(t)为t时段储能单元的充电或放电功率，恒为正；u为储能单元充放电标志；η_ch和η_dis分别为储能单元充放电效率；P_ch.max和P_dis.max分别为充放电功率上、下限；S_PESS.max为逆变器额定输出容量。

2、考虑系统网损和光储系统运行损耗，以“源-网”损耗最小为目标函数，将功率倒送和系统安全电压加入约束条件，结合传统网络潮流约束、变电站馈线出口功率约束、线路功率约束和光储系统运行约束，建立多个光储系统参与配电网优化运行模型。

本发明实施例中以分布式能源满额消纳、配网经济运行和电压越限治理为优化目标，其中光伏发电单元按照MPPT策略跟踪最大功率输出，结合储能单元的充放电实现分布式能源的满额消纳，以“源-网”损耗最小为目标函数实现配电网的经济运行，并网逆变器通过P/Q(有功/无功)独立控制使全网节点电压满足安全约束实现电压越限治理；

本发明实施例中所提出来的光储系统参与配电网优化运行模型是以一个完整调度周期的负荷预测曲线和分布式电源出力预测曲线为基础，将一个完整调度周期划分为若干个时间段，并认为每个时间段中的各个分布式电源出力和负荷大小保持不变。

本发明实施例中选取“源-网”损耗最小作为目标函数，“源-网”损耗除输电线路的损耗(可表示为系统各节点的有功注入功率之和)，还需考虑光储系统的运行损耗(与优化策略相关的主要为储能单元的充放电效率和其充放电状态转换时的能量损耗)。目标函数如下：

式中：N为系统节点数；P_L.loss(t)为t时段配网输电线路损耗；P_PESS.loss(t)为t时段所有光储系统的运行损耗；P_i(t)为t时段节点i的注入有功功率；η_ch,i和η_dis,i分别为节点i处储能单元充放电效率；P_cd,i(t)分别为t时段节点i处储能单元充放电功率；ξ(t)为储能单元从t-1时段到t时段的充放电状态变化量纲；ΔP_ESS.loss,i为t时段节点i处储能单元在充放电状态切换时产生的损耗。

所述约束条件包括：

(1)网络潮流约束：

式中：i、j为系统节点号；U_i(t)、U_j(t)为t时段节点i和节点j点电压幅值；G_ij、B_ij分别为节点i和节点j之间的互电导和互电纳；δ_ij(t)为t时段节点i和节点j之间的相位差；P_Ki(t)、Q_Ki(t)分别为t时段馈线出口有功和无功；P_PESS,i(t)、Q_PESS,i(t)为t时段节点i处光储系统的有功无功出力；P_Di(t)、Q_Di(t)为t时段节点i处负荷的有功和无功功率；

(2)变电站馈线出口功率约束：

式中：变量的上标“-”和下标“_”表示变量的上限和下限；

(3)线路功率约束：

式中：P_ij(t)为t时刻节点i和节点j之间的线路功率。

(4)功率倒送约束：

P _Ki≥0 (17)

(5)节点电压约束：

(6)光储系统运行约束，所述光储系统运行约束为前述的式(1)-(8)。

本发明实施例中提出的光储系统参与配电网优化运行模型中涉及储能单元电量在时序上的连续性，属于典型的长时间尺度上多阶段大规模非线性规划问题，因此可采用动态规划法求解。

3、针对多个光储系统的有功输出和无功输出双决策变量，采用多维动态规划算法求解光储系统参与配电网优化运行模型，获得光储系统参与配电网最优运行的策略；

动态规划是运筹学的一个分支，是解决多阶段决策过程最优化的一种数学方法。动态规划的理论基础是最优性理论：最优策略包含的子策略一定是最优的，它在每个阶段最优决策的选定，是从全局考虑的，而不仅限于当前阶段的最优选择。

动态规划算法涉及到6个术语：阶段、状态、决策、策略、状态转移方程以及指标函数，使用动态规划算法求解本发明提出的优化运行模型时，需要将光储系统柔性并网运行模型转化为动态规划可操作的模型。

本发明实施例中的优化运行模型的决策变量为光储系统的有功出力和无功出力，因此每一个光储系统的动态规划模型都是二维的，当有多个光储系统时，则为多维动态规划。针对储能单元电量变化以及充放电动作的特点，动态规划采用离散确定型模型，根据动态规划的概念，模型转化如下：

所述阶段t为：将一个完整调度周期T划分为若干个时间段，记单个时间段即为阶段，阶段序号标记为t，t∈{1,2,3…T}，相邻阶段时间差为Δt；

所述状态

为：选取每个光储系统中储能单元的剩余电量S作为状态

并将其离散化，相邻状态间的电量差为ΔS；选取每个光储系统的逆变器剩余无功容量作为状态

并将其离散化，相邻状态间的无功容量差为ΔQ；

所述决策

为：将每个光储系统各时间段内的P_PESS(t)和Q_PESS(t)作为决策变量

和

其必须满足光储系统运行约束；

所述策略为：各阶段的决策变量组成的序列；

所述状态转移方程包括：

的状态转移方程和

的状态转移方程；所述

的状态转移方程为S(t+1)＝(1-σ)S(t)+P_ESS(t)Δt；所述

在相邻两阶段间不存在绝对的转移关系，其允许状态集合由当前状态S_Pt和逆变器容量决定，其状态转移方程为：

所述指标函数为：将第t阶段目标函数作为阶段指标函数

则第t阶段的指标函数为：

式中：

表示第t阶段状态的允许决策集合。

因此，获得光储系统参与配电网最优运行策略即为求解从储能单元当前的初始状态S(0)到第T阶段的最终状态S(T)的最优路径。图2给出了各阶段状态的可行路径，图2中，一个圆圈代表一个状态，一个箭头代表一个可行的决策(部分箭头未画出)。t时段所有的实心圆圈构成该时段的允许状态集合，沿着图上的路径走，都能满足光储系统的运行约束条件。储能单元初始电量确定了初始时刻的允许状态集合，而在确定t时段允许状态集合时，首先在t-1时段允许状态集合的基础上，根据决策u_P(t-1)约束确定t时段s_Pt的允许状态范围，然后对其中每个s_Pt根据决策u_Qt约束确定t时段s_Qt的允许状态范围，最后构成完整的t时段允许状态集合。根据两个相邻阶段间的状态和光储系统的有功无功出力即可求出该时段的阶段指标函数，结合前一时段的最优指标函数，即可求得该阶段的最优指标函数。多维动态规划求解柔性光储参与配电网优化运行模型流程图如图3所示，求解步骤如下：

步骤3.1：将光储系统参与配电网优化运行模型转化为多维动态规划可操作模型，包括阶段t、状态

决策

策略、状态转移方程以及指标函数；

步骤3.2：初始化，输入所需的光储系统和配电网系统初始数据；

步骤3.3：确定t-1时段光储系统的允许状态集合；

步骤3.4：确定满足约束条件下t时段光储系统的允许状态集合；

步骤3.5：计算对应决策变量和指标函数值；

步骤3.6：判断指标函数是否最优，若是，则跳至步骤3.7；否则，跳至步骤3.8；

步骤3.7：保存当前状态变量、决策变量和目标函数；

步骤3.8：判断是否遍历t-1时段光储系统的允许状态集合，若是，跳至步骤3.9；否则，跳至步骤3.3；

步骤3.9：判断是否遍历t时段光储系统的允许状态集合，若是，跳至步骤3.10；若否，跳至步骤3.4；

步骤3.10：判断是否t＝T，若是，则计算完毕，输出结果；若否，则t＝t+1，并跳至步骤3.3。

实施例二

本实施例在实施例一的基础上，结合具体的配电系统来验证实施例一中所提出的光储柔性并网优化运行策略的获取方法的有效性和正确性。

本实施例中采用的是经修改的10节点配电系统，系统结构如图4所示。为更接近我国实际电缆配电系统，取每条线路的并联导纳为

R和X分别为线路的电阻和电抗。该配电系统的电压等级为10kV，包含一个风电系统(WG)，最大功率为0.55MW；三个光伏系统(PV)，最大功率均为0.3MW，所连逆变器额定容量均为0.3MVA。L1-L5为负荷所在位置。

设定完整的一个调度周期为24h，调度间隔为15min，共96个时间段。系统负荷与分布式电源预测曲线如图5所示。本实施例中将PV2和PV3升级改造成光储系统PESS1和PESS2，PV2所配置ESS1容量为1.5MW·h，最低允许电量为0.2MW·h，初始电量为1MW·h，额定充放电功率为0.4MW；PV3所配置ESS2容量为1MW·h，初始电量为0.5MW·h，最低允许电量为0.1MW·h，额定功率为0.2MW。两个ESS的充放电效率均为90％，自放电率为0.05％。电量差ΔS为0.01MW×15min，无功容量差ΔQ为0.01MVar。根据本发明提出的光储系统参与配电网优化运行模型，使用多维动态规划算法进行编程求解。

光储系统运行优化结果如图6、图7和图8所示，图中的EES1、EES2分别代表PV2和PV3两个光储系统的储能单元。由图可知，从总体趋势上，储能单元的充放电功率与系统的电能供需关系一致。在01:00-04:00和11:00-14:30时段，风电和光伏出力远大于负荷需求，光储系统从电网吸收电能给储能单元进行充电；在06:00-10:00和13:00-17:30时段，负荷需求大于分布式电源出力，光储系统向电网输送电能。整个调度周期中，光储系统均从电网吸收无功，缓解因电缆线路造成的无功过剩问题。

对光伏刚性并网运行、光伏柔性并网优化运行和光储柔性并网优化运行三种方式分别进行计算。三种并网运行方式下的网损变化如图9所示，从图中可以看出，在光伏柔性并网无功调节后，网损相较光伏刚性并网有了明显的降低；光储系统参与优化运行后，在提供无功优化的同时，还根据各时段分布式电源的出力情况以及负荷的用电需求，在光储系统内部完成大部分充放电过程，充放电功率不经过网络线路，实现了削峰填谷，系统网损进一步降低。

三种并网运行方式下系统节点电压变化如图10所示。可见，光伏刚性并网时，系统高电压问题严重，数个时间段内的节点电压越限，超过了电网安全运行范围；光伏柔性并网时，在光伏逆变器的无功优化下，有效改善了系统电压，但在1:30-4:00时段，最高节点电压还是超过了电压上限，由此可见，在这种情况下，只通过逆变器的无功优化并不能使系统各节点电压均在允许范围内；光储系统柔性并网时，利用光储系统的有功调节和无功优化，有效解决了系统高电压问题，所有时段内的系统电压均在安全运行范围内，改善了整个系统的供电质量，并保证了清洁能源的满额消纳。

综上：所述的一种光储系统参与配电网优化运行策略的获取方法，相较于传统方法，使光储系统具有较强的潮流调节能力，优化方法实现了清洁能源满额消纳、配网经济运行和电压越限治理的目标。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种光储系统参与配电网优化运行策略的获取方法，其特征在于，包括以下步骤：

(1)建立光储系统柔性并网运行模型；

(2)以“源-网”损耗最小为目标函数，将功率倒送和系统安全电压加入约束条件，结合传统网络潮流约束、变电站馈线出口功率约束、线路功率约束和光储系统运行约束，建立多个光储系统参与配电网优化运行模型；

(3)针对多个光储系统的有功输出和无功输出双决策变量，采用多维动态规划算法求解光储系统参与配电网优化运行模型，获得光储系统参与配电网最优运行的策略；

所述步骤(1)中的光储系统柔性并网运行模型为：

S(t+1)＝(1-σ)S(t)+P_ESS(t)Δt (1)

S_min≤S(t)≤S_max (2)

S(0)＝S(T) (3)

P_PESS(t)＝P_PV(t)+P_ESS(t) (4)

P_PV(t)＝P_MPPT(t) (5)

P_ESS(t)＝uP_cd(t),u∈{-1,0,1} (6)

式中：S(t)为t时段储能单元的剩余电量；σ为储能单元的自放电率；Δt为调度步长；P_ESS(t)为t时段储能单元的有功输出；S_min和S_max分别储能单元剩余电量的上、下限；T为调度周期；P_PESS(t)和Q_PESS(t)分别为t时段光储系统输出的有功和无功；P_PV(t)为t时段光伏单元输出有功功率；P_MPPT为光伏DC/DC变流器按照MPPT控制策略时的最大输出有功；P_cd(t)为t时段储能单元的充电或放电功率，恒为正；u为储能单元充放电标志；η_ch和η_dis分别为储能单元充放电效率；P_ch.max和P_dis.max分别为充放电功率上、下限；S_PESS.max为逆变器额定输出容量；

所述目标函数为：

式中：N为配电网系统节点数；P_L.loss(t)为t时段配网输电线路损耗；P_PESS.loss(t)为t时段所有光储系统的运行损耗；P_i(t)为t时段节点i的注入有功功率；η_ch,i和η_dis,i分别为节点i处储能单元充放电效率；P_cd,i(t)分别为t时段节点i处储能单元充放电功率；ξ(t)为储能单元从t-1时段到t时段的充放电状态变化量纲；ΔP_ESS.loss,i为t时段节点i处储能单元在充放电状态切换时产生的损耗。

2.根据权利要求1所述的一种光储系统参与配电网优化运行策略的获取方法，其特征在于：所述u的取值-1、0及1，分别代表充电、空闲及放电三种状态。

3.根据权利要求1所述的一种光储系统参与配电网优化运行策略的获取方法，其特征在于：所述ξ(t)的取值为0或1；所述ΔP_ESS.loss,i为额定容量的0.5％。

4.根据权利要求1所述的一种光储系统参与配电网优化运行策略的获取方法，其特征在于：所述约束条件包括：

(1)网络潮流约束为：

式中：i、j为配电网系统节点号；U_i(t)、U_j(t)为t时段节点i和节点j点电压幅值；G_ij、B_ij分别为节点i和节点j之间的互电导和互电纳；δ_ij(t)为t时段节点i和节点j之间的相位差；P_Ki(t)、Q_Ki(t)分别为t时段馈线出口有功和无功；P_PESS,i(t)、Q_PESS,i(t)为t时段节点i处光储系统的有功无功出力；P_Di(t)、Q_Di(t)为t时段节点i处负荷的有功和无功功率；

(2)变电站馈线出口功率约束为：

式中：变量的上标“ˉ”和下标“_”表示变量的上限和下限；

(3)线路功率约束：

式中：P_ij(t)为t时刻节点i和节点j之间的线路功率；

(4)功率倒送约束为：

P _Ki≥0 (17)

(5)配电网节点电压约束为：

(6)光储系统运行约束，所述光储系统运行约束为步骤(1)中的光储系统柔性并网运行模型。

5.根据权利要求1所述的一种光储系统参与配电网优化运行策略的获取方法，其特征在于：所述多维动态规划算法中的采用是离散确定型模型。

6.根据权利要求5所述的一种光储系统参与配电网优化运行策略的获取方法，其特征在于：所述步骤(3)中，针对多个光储系统的有功输出和无功输出双决策变量，采用多维动态规划算法求解光储系统参与配电网优化运行模型，具体包括：

令阶段t为：将一个完整调度周期T划分为若干个时间段，记单个时间段即为阶段，阶段序号标记为t，t∈{1,2,3…T}，相邻阶段时间差为Δt；

令状态

为：选取每个光储系统中储能单元的剩余电量S作为状态

并将其离散化，相邻状态间的电量差为ΔS；选取每个光储系统的逆变器剩余无功容量作为状态

并将其离散化，相邻状态间的无功容量差为ΔQ；

令决策

为：将每个光储系统各时间段内的P_PESS(t)和Q_PESS(t)作为决策变量

和

其必须满足光储系统运行约束；

令策略为：各阶段的决策变量组成的序列；

令状态转移方程包括：

的状态转移方程和

的状态转移方程；

所述

的状态转移方程为S(t+1)＝(1-σ)S(t)+P_ESS(t)Δt；所述

在相邻两阶段间不存在绝对的转移关系，其允许状态集合由当前状态S_Pt和逆变器容量决定，其状态转移方程为：

令指标函数为：将第t阶段目标函数作为阶段指标函数

则第t阶段的指标函数为：

式中：

表示第t阶段状态的允许决策集合。

7.根据权利要求6所述的一种光储系统参与配电网优化运行策略的获取方法，其特征在于：所述步骤(3)中，还包括以下步骤：

步骤3.1：将光储系统参与配电网优化运行模型转化为多维动态规划可操作模型，包括阶段t、状态

决策

策略、状态转移方程以及指标函数；

步骤3.2：初始化，输入所需的光储系统和配电网系统初始数据；

步骤3.3：确定t-1时段光储系统的允许状态集合；

步骤3.4：确定满足约束条件下t时段光储系统的允许状态集合；

步骤3.5：计算对应决策变量和指标函数值；

步骤3.6：判断指标函数是否最优，若是，则跳至步骤3.7；否则，跳至步骤3.8；

步骤3.7：保存当前状态变量、决策变量和目标函数；

步骤3.8：判断是否遍历t-1时段光储系统的允许状态集合，若是，跳至步骤3.9；否则，跳至步骤3.3；

步骤3.9：判断是否遍历t时段光储系统的允许状态集合，若是，跳至步骤3.10；若否，跳至步骤3.4；

步骤3.10：判断是否t＝T，若是，则计算完毕，输出结果；若否，则t＝t+1，并跳至步骤3.3。

Images