CN108695875B - 智能软开关和储能装置联合接入的配电网运行优化方法 - Google Patents

Abstract

一种智能软开关和储能装置联合接入的配电网运行优化方法，所述方法按以下步骤进行：a.采用背靠背VSC和蓄电池建立SNOP与储能联合接入的配电网模型；b.建立基于SNOP和储能装置的配电网日前动态优化模型；c.使用遗传算法对优化模型进行求解，得到控制参考值：流过馈线I侧VSC的有功功率P_I、流过馈线J侧VSC的有功功率P_J，馈线I侧VSC发出的无功功率Q_I、馈线J侧VSC发出的无功功率Q_J，并给出了提高储能装置使用寿命和不可控分布式电源消纳水平的两步修正策略。本发明将SNOP与储能装置结合在一起，构成高度集成的智能配电网综合调控优化装置，进一步强化了SNOP的调度控制能力，使其既具有功率传输功能，又具备能量存储功能，可有效平抑新能源接入引起的波动、提高分布式电源的消纳能力。

Description

智能软开关和储能装置联合接入的配电网运行优化方法

技术领域

本发明涉及一种配电网运行优化方法，所述方法可平抑间歇性能源功率波动、提升高渗透率分布式电源消纳水平、均衡馈线负载。

背景技术

目前，随着经济的快速发展，全球正面临着不可再生能源枯竭和环境污染严重的双重压力，电能作为当今社会不可或缺的能源形式，也正面临着生产形式的重大变革，其突出表现在可再生能源发电并网的规模逐年增大。可再生能源发电对于发展资源节约型、环境友好型社会有着重要的意义。然而，由于受气候、环境等因素的影响，可再生能源发电具有明显的随机性和波动性，大量不可控分布式电源的接入给配电网的安全、稳定带来很大的隐患，出现电压波动大、馈线负载率不均、弃风弃光现象严重等问题，难以实现大量间歇性能源的消纳。

网络重构是改变配电网运行方式的主要手段，但仍难以应对分布式电源出力的突变，且较大的合环电流可能导致合环失败甚至局部断电。因此，仅靠网络重构改变配电网的运行方式难以消纳大量的分布式电源，需增加可控设备和资源以实现网络的优化运行。

智能软开关(soft normally open point,SNOP)是在上述背景下衍生出的取代传统联络开关的电力电子装置，它能够准确控制其两侧所连馈线的有功功率，并提供一定的电压无功支撑。其具体实现装置主要有三种：背靠背VSC(Voltage Source Converter，电压源变流器)、统一潮流控制器和静止同步串联补偿器。SNOP的引入彻底改变了传统配电网闭环设计、开环运行的供电方式，大大提高了配电网的灵活性与稳定性。

目前，国内外对于SNOP的研究尚处于初级阶段，多集中在SNOP的运行控制、规划建设以及利用SNOP提高分布式电源渗透率方面。然而，单独的SNOP仅能实现对传输功率的实时调整而不能达到在一定时间周期内主动平抑新能源接入引起的波动、削峰填谷等功能。由于仅能实现断面下的潮流控制，因此在提高分布式电源渗透率方面作用有限。另外，SNOP建设及运行费用较高，其两侧的换流器利用率较低，不能达到有效复用。而储能装置具有吸收释放能量的特性，可以在一定周期内抑制间歇性能源大量接入带来的功率波动问题，二者的组合必将使SNOP的功能更加强大。现有研究大多关注SNOP单独接入的运行控制策略，只有极少部分涉及SNOP与储能联合接入的问题，且均未涉及基于二者联合接入的配电网多时间尺度运行优化方法，因此，目前急需一种考虑智能软开关和储能装置联合接入的配电网多时间尺度运行优化方法，以增强SNOP的调度控制能力。

发明内容

本发明的目的在于针对现有技术之弊端，提供一种智能软开关和储能装置联合接入的配电网运行优化方法，以优化配电网运行、平抑新能源接入引起的波动、提高分布式电源消纳能力。

本发明所述问题是以下述技术方案解决的：

一种智能软开关和储能装置联合接入的配电网运行优化方法，所述方法包括以下步骤：

a.采用背靠背VSC和蓄电池建立SNOP与储能联合接入的配电网模型：将两个VSC接成背靠背VSC，构成SNOP，用SNOP替代配电网中的联络开关，两个VSC的交流侧分别通过馈线I和馈线J与配电网连接，蓄电池经DC/DC变换器接入背靠背VSC的直流侧，VSC采用定PQ的控制方式来控制SNOP两端传输的功率，蓄电池进行充放电控制来维持直流侧的功率平衡；

b.建立基于SNOP和储能装置的配电网日前动态优化模型：

以系统T时段内的有功网损最小为优化指标，

式中：T为总时间集；t为时间段编号；n为总支路数；j为支路编号；P_j(t)、Q_j(t)、U_j(t)分别为线路j端的有功功率、无功功率和电压；r_j为线路电阻，约束条件包括：

U_imin≤U_i(t)≤U_imax

I_ij(t)²≤I_ijmax ²

SOC_min≤SOC(t)≤SOC_max

SOC_t＝0＝SOC_t＝T

P_E(t)≤P_E.max

式中：

分别为馈线I侧VSC在t时刻输出的有功功率和无功功率；P_E(t)为t时刻蓄电池的充放电功率；

分别为馈线J侧VSC在t时刻输出的有功功率和无功功率；

为馈线I、J间两个VSC的接入容量；U_i(t)、U_j(t)、θ_ij(t)分别为t时段节点i、j的电压幅值和相角差；G_ii、B_ii、G_ij、B_ij分别为节点导纳矩阵中的自电导、自电纳、互电导、互电纳；N(i)为节点i的相邻节点的集合；P_DGi(t)、Q_DGi(t)、P_SNOPi(t)、Q_SNOPi(t)、P_LDi(t)、Q_LDi(t)分别为t时段节点i上分布式电源、智能软开关装置、负荷注入的有功和无功功率；I_ij(t)、I_ijmax分别为t时段支路ij的电流幅值和电流上限值；U_imin、U_imax分别为节点i电压幅值的上、下限；SOC(t)为蓄电池荷电状态；SOC_min、SOC_max为蓄电池荷电状态限值；SOC_t＝0为初始时段蓄电池的荷电状态；SOC_t＝T为调度周期结束时蓄电池的荷电状态；P_E(t)为蓄电池的充放电功率；P_E.max为蓄电池最大充放电功率。

c.使用遗传算法对步骤b建立的优化模型进行求解，得到SNOP和蓄电池的控制参考值：流过馈线I侧VSC的有功功率P_I(t)、流过馈线J侧VSC的有功功率P_J(t)，馈线I侧VSC发出的无功功率Q_I(t)、馈线J侧VSC发出的无功功率Q_J(t)。

上述智能软开关和储能装置联合接入的配电网运行优化方法，为了延长蓄电池的使用寿命，应通过设置运行死区来减少蓄电池的充放电次数，具体措施为：

在|P_I(t)+P_J(t)|≥αP_E.max的时段，对蓄电池进行充放电控制以维持直流侧的功率平衡，其中α为控制系数。当P_E(t)＞0时，蓄电池放电补充系统的功率缺额；当P_E(t)＜0时，蓄电池充电以吸收多余的功率，两个背靠背VSC均采用定PQ的控制方式，控制的参考值即为求解配电网日前动态优化模型所产生的结果；

在|P_I(t)+P_J(t)|＜αP_E.max的时段，蓄电池不执行充放电操作，处于空闲模式，此时两背靠背VSC中的一个VSC改为定直流电压和定无功功率的方式来维持直流侧的功率平衡，另一端VSC仍采用定PQ的控制方式。

上述智能软开关和储能装置联合接入的配电网运行优化方法，为了减少弃风弃光，提高分布式电源的渗透率，以分布式电源接入点的电压U_i为观测量，当检测到电压有越限风险时，应对求解配电网日前动态优化模型所产生的结果进行修正，具体方法为：

当检测到U_i＝1.05pu时，对求解配电网日前动态优化模型所产生的P_I(t)、P_J(t)进行修正，利用蓄电池来吸收多余的功率，牺牲掉部分网损经济性以避免弃风弃光，当i为馈线I上的节点时，修正P_I(t)，当i为馈线J上的节点时，修正P_J(t)，修正的结果需保证功率平衡：

P_E(t)′＝∑P_DG(t)-P_lo_ad(t)-P_lo_ss(t)-P_E(t)

P_I(t)′＝P_I(t)-P_E(t)

P_J(t)′＝P_J(t)-P_E(t)

式中：∑P_DG(t)为接入配电网的间歇式能源在t时刻的总出力；P_load(t)为配电网在t时刻的总负荷值；P_loss(t)为配电网在t时刻的网损；P_I(t)′、P_J(t)′分别为修正后的智能软开关在馈线I、J侧的功率控制参考值，P_E(t)′为修正后的蓄电池充放电功率参考值。

上述智能软开关和储能装置联合接入的配电网运行优化方法，为了更好地平抑负荷和不可控分布式电源的功率波动，应实时计算馈线平均电压偏差，当平均电压偏差低于±5％时，控制策略及参考值不变；当平均电压偏差高于±5％时，需依据未来5min的DG和负荷的超短期预测数据对全局优化的偏差进行滚动修正，目标函数为全网所有节点的平均电压偏差最小，即

式中：U_i(t)、U_iN分别为t时刻节点i的实际电压和其额定电压，m为总节点数，i为节点编号。

本发明将SNOP与储能装置结合在一起，构成高度集成的智能配电网综合调控优化装置，进一步强化了SNOP的调度控制能力，使其既具有功率传输功能，又具备能量存储功能，因而可有效平抑新能源接入引起的波动、提高分布式电源的消纳能力。

与现有的技术方案相比，本发明有如下优点：

(1)在SNOP直流侧加入了储能装置，使其成为一种高度集成的智能配电网综合调控优化装置，进一步强化了SNOP的调度控制能力，使其在原有的功率传输功能的基础上进一步具备了能量存储功能，可以实现一定时间周期内平抑波动、削峰填谷等功能；

(2)对日前优化结果进行两次修正，达到了在有效改善系统电压水平、降低网络损耗的前提下提高蓄电池的使用寿命以及间歇性能源渗透率的效果，具有一定的现实意义；

(3)提出的多时间尺度控制策略能够有效降低功率预测偏差对系统的影响；

(4)使SNOP两侧的换流器达到有效复用，提高了设备的利用率。

下面结合附图对本发明作进一步详述。

附图说明

图1为IEEE33节点算例以及分布式电源、SNOP和储能装置接入位置图；

图2为分布式电源及负荷的功率预测曲线；

图3(a)为长时间尺度下动态潮流优化结果—有功功率优化方案；

图3(b)为长时间尺度下动态潮流优化结果—无功功率优化方案；

图4为调度时刻t＝20时原始系统与安装“SNOP+储能”后的电压分布情况；

图5(a)为节点33在原始系统与优化后的24h电压波动情况；

图5(b)为节点17在原始系统与优化后的24h电压波动情况；

图6为考虑DG消纳水平的修正策略加入前后的电压分布情况；

图7为短时间尺度下电压改善情况。

图中各标号分别表示为：WT、风机；PV、光伏系统；VSC1、第一电压源变流器；VSC2、第二电压源变流器。

文中各符号分别表示为：T为总时间集；t为时间段编号；n为总支路数；j为支路编号；P_j(t)、Q_j(t)、U_j(t)为线路j端的有功功率、无功功率和电压；r_j为线路电阻；

分别为馈线I侧VSC在t时刻输出的有功功率和无功功率；P_E(t)为t时刻蓄电池的充放电功率；

分别为馈线J侧VSC在t时刻输出的有功功率和无功功率；

为馈线I、J间两个VSC的接入容量；U_i(t)、U_j(t)、θ_ij(t)分别为t时段节点i、j的电压幅值和相角差；G_ii、B_ii、G_ij、B_ij分别为节点导纳矩阵中的自电导、自电纳、互电导、互电纳；N(i)为节点i的相邻节点的集合；P_DGi(t)、Q_DGi(t)、P_SNOPi(t)、Q_SNOPi(t)、P_LDi(t)、Q_LDi(t)分别为t时段节点i上分布式电源、智能软开关装置、负荷注入的有功和无功功率；I_ij(t)、I_ijmax分别为t时段支路ij的电流幅值和电流上限值；U_imin、U_imax分别为节点i电压幅值的上、下限；SOC(t)为蓄电池荷电状态；SOC_min、SOC_max为蓄电池荷电状态限值；SOC_t＝0为初始时段蓄电池的荷电状态；SOC_t＝T为调度周期结束时蓄电池的荷电状态；P_E(t)为蓄电池的充放电功率；P_E.max为蓄电池最大充放电功率；P_I(t)为流过馈线I侧VSC的有功功率；P_J(t)为流过馈线J侧VSC的有功功率；Q_I(t)为馈线I侧VSC发出的无功功率；Q_J(t)为馈线J侧VSC发出的无功功率；α为控制系数；U_i为分布式电源接入点的电压；∑P_DG(t)为接入配电网的间歇式能源在t时刻的总出力；P_load(t)为配电网在t时刻的总负荷值；P_loss(t)为配电网在t时刻的网损；P_I(t)′、P_J(t)′分别为修正后的智能软开关在馈线I、J侧的功率控制参考值，P_E(t)′为修正后的蓄电池充放电功率参考值；U_i(t)、U_iN分别为t时刻节点i的实际电压和其额定电压；m为总节点数。

具体实施方式

本发明针对配电网中分布式电源和负荷的随机波动导致的电压波动问题以及难以消纳大量分布式电源的现象设计了一种基于SNOP和储能装置的配电网多时间尺度运行优化控制策略，它将“SNOP+储能”的组合作为配电网的可控源、荷节点，使其成为一种高度集成的智能配电网综合调控优化装置；提出一种多时间尺度的运行优化控制策略来产生SNOP和储能装置的功率控制参考值，由智能软开关装置两侧的换流器控制交流馈线电压水平以及馈线间传输的有功功率，储能装置负责补充功率缺额或吸收多余的功率来维持SNOP直流侧的功率平衡，以达到优化配电网运行、平抑新能源接入引起的波动、提高消纳能力等目的。

本发明按如下步骤处理：

步骤(1)、采用背靠背电压源换流器(B2BVSC)和蓄电池建立SNOP与储能联合接入的配电网模型，其中VSC采用既定的控制策略(如PQ控制、U_dcQ控制、Vf控制等)，蓄电池经DC/DC变换器接入背靠背VSC的直流侧，通过既定的控制策略进行充放电控制来维持直流侧的功率平衡；

步骤(2)、用SNOP替代配电网中的联络开关，输入配电网的线路参数、负荷水平、网络拓扑连接关系，分布式电源的接入位置、容量，分布式电源及负荷的功率预测曲线，智能软开关的接入位置、容量及参数，储能装置的接入容量、参数，系统运行电压水平和支路电流限制，系统基准电压和基准功率；

步骤(3)、依据步骤(2)提供的配电网参数，同时考虑分布式电源及负荷的不确定运行特性，建立基于SNOP和储能装置的配电网日前动态优化模型，来产生SNOP和储能装置的日前功率控制参考值，包括：考虑系统T时段内的有功网损最小为目标函数，将SNOP两侧传输的有功和无功功率作为决策变量，考虑系统潮流约束、SNOP运行约束、运行电压水平约束、支路电流限制、蓄电池荷电状态及充放电功率约束；

步骤(4)、使用遗传算法对步骤(3)建立的优化模型进行求解，得到SNOP和蓄电池的控制参考值；

步骤(5)、通过设置蓄电池运行死区来对步骤(4)的运行结果进行修正，以减少蓄电池的动作次数，延长使用寿命；

步骤(6)、为了减少弃风弃光，提高分布式电源的渗透率，以分布式电源接入点的电压为观测量，当检测到电压有越限风险时，修正步骤(4)的运行结果；

步骤(7)、建立日内5min滚动优化模型，根据分布式电源和负荷的超短期预测数据对网络运行状态进行潮流分析，并依据系统电压水平判断是否需对日前优化结果进行修正；

步骤(8)、若步骤(7)中需要修正，以系统平均电压偏差最小为目标对日前优化结果进行滚动修正。短时间尺度的滚动修正不改变SNOP控制模式和蓄电池的充放电状态，且修正结果需与日前优化结果在一定偏差范围内。

本发明步骤(3)中的模型按如下步骤建立：

SNOP两侧的换流器在本发明中均采用定PQ的控制方式，该模式下，其可控变量有4个：流过SNOP的有功功率P_I、P_J，SNOP发出的无功功率Q_I、Q_J。由于SNOP本身的有功损耗相对系统损耗而言非常小，且直流侧仅含有储能装置，故直流系统损耗暂不考虑。以系统T时段内的有功网损最小为优化指标，

式中：T为总时间集；t为时间段编号；n为总支路数；j为支路编号。

约束条件考虑了SNOP运行约束(选取SNOP向电网注入功率为正方向，见式2-4)、系统潮流约束(见式5-6)、运行电压水平约束(见式7)和支路电流限制(见式8)。

U_imin≤U_i(t)≤U_imax (7)

I_ij(t)²≤I_ijmax ² (8)

式中：

分别为馈线I侧VSC在t时刻输出的有功功率和无功功率；P_E(t)为蓄电池的充放电功率。

分别为馈线J侧VSC在t时刻输出的有功功率和无功功率；

为馈线IJ间两个VSC的接入容量；U_i(t)、U_j(t)、θ_ij(t)分别为t时段节点i，j的电压幅值和相角差；G_ii、B_ii、G_ij、B_ij分别为节点导纳矩阵中的自电导、自电纳、互电导、互电纳；N(i)为节点i的相邻节点的集合；P_DGi(t)、Q_DGi(t)、P_SNOPi(t)、Q_SNOPi(t)、P_LDi(t)、Q_LDi(t)分别为t时段节点i上分布式电源、智能软开关装置、负荷注入的有功和无功功率；I_ij(t)、I_ijmax分别为t时段支路ij的电流幅值和电流上限值。

同时为了提高蓄电池寿命，避免出现深度充放电现象，蓄电池的荷电状态(stateof charge,SOC)及充放电功率需满足下式：

SOC_min≤SOC(t)≤SOC_max (9)

SOC_t＝0＝SOC_t＝T (10)

P_E(t)≤P_E.max (11)

本文步骤(5)中考虑到蓄电池的充放电次数对电池寿命有很大影响，因此通过设置运行死区来减少蓄电池的充放电次数。具体措施为：

a)在|P_I(t)+P_J(t)|≥αP_E.max的时段蓄电池进行充放电控制以维持直流侧的功率平衡。当P_E(t)＞0时，蓄电池放电补充系统的功率缺额；当P_E(t)＜0时，蓄电池充电以吸收多余的功率。SNOP两端均采用定PQ的控制方式，控制的参考值即为全局优化产生的结果。

b)在|P_I(t)+P_J(t)|＜αP_E.max时蓄电池不执行充放电操作，处于空闲模式。此时SNOP一端的VSC改为定直流电压和定无功功率的方式来维持直流侧的功率平衡，另一端VSC仍采用定PQ的控制方式。

本文步骤(6)考虑到分布式电源发出的功率过高会导致系统电压抬升，且对其接入位置处的节点电压影响最为明显。全局优化下由于限制了电压最高为1.05pu，因此若全局优化后电压仍达到限制值则需采取弃风弃光策略来维持系统的电压水平。本发明对该情况做了修正，当检测到U_i＝1.05pu时，修正全局优化产生的P_I(t)、P_J(t)和P_E(t)，利用蓄电池来吸收多余的功率，牺牲掉部分网损经济性以避免弃风弃光。当i为馈线I上的节点时，修正P_I(t)，当i为馈线J上的节点时，修正P_J(t)，修正的结果需保证式(2)的功率平衡：

P_E(t)′＝∑P_DG(t)-P_load(t)-P_loss(t)-P_E(t) (12)

P_I(t)′＝P_I(t)-P_E(t) (13)

P_J(t)′＝P_J(t)-P_E(t) (14)

式中：∑P_DG(t)为接入配电网的间歇式能源在t时刻的总出力；P_load(t)为配电网在t时刻的总负荷值；P_loss(t)为配电网在t时刻的网损；P_I(t)′、P_J(t)′分别为修正后的智能软开关在馈线I、J侧的功率控制参考值，P_E(t)′为修正后的蓄电池充放电功率参考值。

文步骤(7)由于不可控分布式电源(distributed generation,DG)和负荷功率预测数据精度较低，为了更好地平抑负荷和DG的功率波动，提出以馈线平均电压偏差为观测量的短时控制策略。根据未来5min的DG和负荷的超短期预测数据对网络运行状态进行潮流分析，并依据交流电压水平将电网的运行状态分为正常状态和风险状态。当平均电压偏差低于±5％时，系统处于正常状态，仍按全局优化给出的控制策略及参考值来调节配电网的功率流动。当平均电压偏差高于±5％时，系统处于风险状态，需依据超短期预测数据对全局优化的偏差进行滚动修正，通过调整SNOP和储能装置毫秒级的功率流动确保网络的电压水平。

步骤(8)中短时间尺度下的目标函数为全网所有节点的平均电压偏差最小，即

式中：U_i(t)、U_iN为t时刻节点i的实际电压和其额定电压，m为总节点数，i为节点编号。约束条件见式(2-11)。

下面给出具体实例的求解步骤：

对于本实施例，首先建立如图1所示的SNOP与储能联合接入的配电网模型，算例采用改进的IEEE33节点配电系统,其中第一电压源变流器VSC1和第二电压源变流器VSC2构成背靠背VSC，即SNOP，TS表示联络开关，正常情况下处于打开状态。系统电压等级为12.66kV，基准功率为1MVA。各节点电压的上下限分别为1.05和0.95。设定风机的接入位置为节点13、17、25，容量均为750kW；光伏系统的接入位置为节点7，11和27，容量为500kW。分布式电源及负荷的功率预测曲线如图2所示，取1h一个点，各子时段内DG和负荷的取值为该时段内的平均值，负荷功率因数为0.9，分布式电源只考虑有功出力。选择一组SNOP接入配电网，替换位置为18-33的联络开关，SNOP两端换流器的总容量均为1MVA。在SNOP直流侧接入额定功率为200kW的蓄电池，蓄电池的SOC上下限分别为90％和40％，SOC初始值为70％，α取20％。本实施例在matlab2015b下通过编程求解。

整个系统未接入SNOP与储能装置时一天的网损为2369.87kWh，接入后一天的网损降为1187.4kWh。可见采用本发明所提方法能够很好地降低网络损耗，这是由于SNOP的灵活控制平衡了两条馈线的负载，使两条馈线均得到充分的利用。

图3为全局优化确定的优化方案。从图3(a)可以看出，由于馈线I较馈线J接入了更多的分布式电源，因此SNOP中全天的有功功率流动一直为馈线I流向馈线J。2:00-5:00间蓄电池处于充电状态，这是由于夜间风机出力较大而负荷较低所致。9:00-17:00间光伏出力增大，蓄电池充电。17:00以后负荷增加而分布式电源出力较小，尤其是光伏出力逐渐减为0，蓄电池释放能量以维持系统的电压水平。可见，SNOP与储能装置所传输的功率能够随着负荷和分布式电源出力的波动而动态调整，既能实现传输功率的实时控制，又能实现一定周期内的削峰填谷，证明了本发明所提方法的有效性。

图4所示两条曲线为调度时刻t＝20时原始系统与安装“SNOP+储能”并进行全局优化后的节点电压。原始系统在馈线I和馈线J上的电压较低，尤其是馈线I的末端电压低至0.927，而“SNOP+储能”作用后两条馈线的电压均有明显提升。

图5(a)中节点33在原始系统下多个时刻出现电压越下限，图5(b)中节点17在原始系统下多个时刻出现电压越上限，通过本发明“SNOP+储能”作用后，节点电压越限情况有很明显的改善。仿真结果表明，配电网其余节点24h的电压也均能维持在正常水平。由此可见，该优化运行控制策略是切实可行的。

调度时刻t＝12,由图6可以看出，在没有加入考虑DG消纳水平的修正策略时，多个节点的电压维持在1.05的上限值，这是由于分布式电源出力较大，SNOP传输的功率超出其容量约束，此时需要采取弃风弃光策略来维持系统电压水平。采用本文所提修正策略后，由于SNOP和蓄电池的协调配合，电压能够维持在安全运行范围内。

图7为从14:00开始的短时优化的结果，全局优化给出的控制参考值为P_I＝-880kW，P_J＝712kW，P_E＝-168kW，Q_I＝287kVar，Q_J＝134kVar。可以看出，当超短期功率预测数据与日前预测数据存在较大偏差时，采用日前优化结果会造成节点电压越限，而通过本文的短时控制策略可以消除运行风险，使电压分布在允许波动范围内。

综上所述，采用“SNOP+储能”的一体化建设能够很好的起到改善电压分布、提高分布式电源消纳水平、削峰填谷的效果，对于配电网的发展有着重要意义。

Claims (2)

1.一种智能软开关和储能装置联合接入的配电网运行优化方法，其特征是，所述方法包括以下步骤：

a. 采用背靠背VSC和蓄电池建立SNOP与储能联合接入的配电网模型：将两个VSC接成背靠背VSC，构成SNOP，用SNOP替代配电网中的联络开关，两个VSC的交流侧分别通过馈线I和馈线J与配电网连接，蓄电池经DC/DC变换器接入背靠背VSC的直流侧，VSC采用定PQ的控制方式来控制SNOP两端传输的功率，蓄电池进行充放电控制来维持直流侧的功率平衡；

b. 建立基于SNOP和储能装置的配电网日前动态优化模型：

以系统T时段内的有功网损最小为优化指标，

式中：T为总时间集；t为时间段编号；n为总支路数；j为支路编号；

为线路j端的有功功率、无功功率和电压；

为线路电阻，约束条件包括：

式中：

分别为馈线I侧VSC在t时刻输出的有功功率和无功功率；

为t时刻蓄电池的充放电功率；

分别为馈线J侧VSC在t时刻输出的有功功率和无功功率；

为馈线I、J间两个VSC的接入容量；

分别为t时段节点i、j的电压幅值和相角差；

分别为节点导纳矩阵中的自电导、自电纳、互电导、互电纳；

为节点i的相邻节点的集合；

、

分别为t时段节点i上分布式电源、智能软开关装置、负荷注入的有功和无功功率；

分别为t时段支路ij的电流幅值和电流上限值；

分别为节点i电压幅值的上、下限；

为蓄电池荷电状态；

为蓄电池荷电状态限值；

为初始时段蓄电池的荷电状态；

为调度周期结束时蓄电池的荷电状态；

为蓄电池的充放电功率；

为蓄电池最大充放电功率；

c. 使用遗传算法对步骤b建立的优化模型进行求解，得到SNOP和蓄电池的控制参考值：流过馈线I侧VSC的有功功率

、流过馈线J侧VSC的有功功率

，馈线I侧VSC发出的无功功率

、馈线J侧VSC发出的无功功率

；

通过设置运行死区来减少蓄电池的充放电次数，具体措施为：

在

的时段，对蓄电池进行充放电控制以维持直流侧的功率平衡，其中

为控制系数；当

时，蓄电池放电补充系统的功率缺额；当

时，蓄电池充电以吸收多余的功率，两个背靠背VSC均采用定PQ的控制方式，控制的参考值即为求解配电网日前动态优化模型所产生的结果；

在

的时段，蓄电池不执行充放电操作，处于空闲模式，此时两背靠背VSC中的一个VSC改为定直流电压和定无功功率的方式来维持直流侧的功率平衡，另一端VSC仍采用定PQ的控制方式；

以分布式电源接入点的电压

为观测量，当检测到电压有越限风险时，应对求解配电网日前动态优化模型所产生的结果进行修正，具体方法为：

当检测到

时，对求解配电网日前动态优化模型所产生的

进行修正，利用蓄电池来吸收多余的功率，牺牲掉部分网损经济性以避免弃风弃光，当i为馈线I上的节点时，修正

，当i为馈线J上的节点时，修正

，修正的结果需保证功率平衡：

式中：

为接入配电网的间歇式能源在t时刻的总出力；

为配电网在t时刻的总负荷值；

为配电网在t时刻的网损；

分别为修正后的智能软开关在馈线I、J侧的功率控制参考值，

为修正后的蓄电池充放电功率参考值。

2.根据权利要求1所述的智能软开关和储能装置联合接入的配电网运行优化方法，其特征是，实时计算馈线平均电压偏差，当平均电压偏差低于±5%时，控制策略及参考值不变；当平均电压偏差高于±5%时，需依据未来5min的DG和负荷的超短期预测数据对全局优化的偏差进行滚动修正，目标函数为全网所有节点的平均电压偏差最小，即

式中：

分别为t时刻节点i的实际电压和其额定电压，m为总节点数，i为节点编号。

Images