CN109245141B - 一种配电网自动化系统中复合储能装置的容量优化配置方法 - Google Patents

Abstract

本发明公开了一种配电网自动化系统中复合储能装置的容量优化配置方法。该方法通过建立储能装置荷电状态况的计算模型，提出一种合理配置复合储能容量的能量调度策略，确定了以年成本最小为目标的优化目标函数，考虑瞬时功率平衡、负荷状态、负荷缺电率和能量溢出比等约束条件，建立负荷储能容量配置的优化模型，并采用模拟退火粒子群优化算法求解此优化问题，从而可以节省复合储能容量配置的成本，为配电网自动化系统中储能装置的容量配置问题提供更为经济有效的解决方案。

Description

一种配电网自动化系统中复合储能装置的容量优化配置方法

技术领域

本发明涉及配电网自动化系统中储能装置的容量配置问题，尤其涉及一种配电网自动化系统中复合储能装置的容量优化配置方法。

背景技术

在实际运行中，储能装置往往需要极强的灵活性和快速性，可以快速应对工况变化，另外为了降低运营成本，储能装置也需要具备较长的使用寿命。然而对于微电网的这些需求，单一的储能技术往往无法满足，而改善储能自身性能的研究也一直没有取得较大的突破和进展。随着储能需求越来越高，复合储能系统开始得到研究和应用。复合储能是将差异特点优势互补的单种储能聚合而成，具有明显的优势：i)复合储能装置可以实现不同储能的优势互补，发挥各自特点，使不同储能装置发挥自身优势的空间得到拓展。ii)可实现功率和能量特性的结合互补，使电网多重需求得到满足，提升供电可靠性。iii)可通过调控手段使得不同的储能装置在自己的优化工作区间运行，优化各装置的充放电状态，延长使用周期和循环寿命。iiii)在合理配置下，降低储能装置的运营成本，优化利用率，扩大工业市场，获得较大收益。而在能量调度管理和微电网集成控制中，储能容量优化配置是一个关键问题，配置的合理性直接影响着对分布式电源的利用率及微电网系统的经济性和稳定性。因此，复合储能系统的容量配置是目前必须解决的问题。

发明内容

针对现有的配电网自动化系统中储能装置的容量配置方法的不足，本发明的目的在于提出了一种配电网自动化系统中复合储能装置的容量优化配置方法。

本发明的目的是通过以下技术手段实现的，一种配电网自动化系统中复合储能装置的容量优化配置方法，该方法包括以下步骤：

步骤(1)，获取蓄电池和超级电容的相关参数，包括：蓄电池荷电状态最大值SOC_bat,max和最小值SOC_bat,min、额定功率P_bat,N、运行系数γ_bat,p、维护系数γ_bat,o、折旧系数γ_uc,m、放电效率η_bat,d、充电效率η_bat,c、单价C_bat；超级电容荷电状态最大值SOC_uc,max和最小值SOC_uc,min、额定功率P_uc,N、运行系数γ_uc,p、维护系数γ_uc,o、折旧系数γ_bat,m、放电效率η_bat/uc,d、充电效率η_uc,c、单价C_uc；能量溢出比最大值δ_smax、负荷失电率最大值δ_lmax；以及获取独立微网系统的负荷值；

步骤(2)，构建储能装置荷电状态SOC的计算模型：

当储能系统为充电状态，针对蓄电池，

其中，SOC_bat,t表示在t时段结束时蓄电池的荷电状态值，ω_bat表示蓄电池的自动放电损失率；P_bat,t表示在t时间段内，蓄电池的充放电功率，为正值时表示放电，负值时表示充电；Δt表示采样周期；η_bat,c表示蓄电池充电效率；E_bat表示蓄电池的容量，单位为kwh。针对超级电容，

其中SOC_uc,t表示在t时段结束时超级电容的荷电状态值，ω_uc表示超级电容的自动放电损失率；P_uc,t表示在t时间段内，超级电容的充放电功率，为正值时表示放电，负值时表示充电；η_uc,c表示超级电容充电效率；E_uc表示超级电容的容量，单位为kwh；

当储能系统为放电状态，针对蓄电池

其中，η_bat,d表示蓄电池放电效率；针对超级电容

其中，η_uc,d表示超级电容放电效率

步骤(3),建立目标函数minf＝γ_batC_batE_bat+γ_ucC_ucE_uc，其中，f表示年均成本，C_bat表示蓄电池的单价($/kwh)，C_uc表示超级电容的单价($/kwh)，γ_bat、γ_uc表示蓄电池和超级电容的投资成本系数，γ_bat＝γ_bat,p+γ_bat,o+γ_bat,m，γ_uc＝γ_uc,p+γ_uc,o+γ_uc,m，其中，γ_bat,p和γ_uc,p分别表示蓄电池和超级电容的运行系数，γ_bat,o和γ_uc,o分别表示蓄电池和超级电容的维护系数，γ_bat,m和γ_uc,m分别表示蓄电池和超级电容的折旧系数；

步骤(4)，建立目标函数的约束条件，包括：

(4.1)，瞬时功率平衡约束：P_pv,t+P”_bat,t+P”_uc,t+λP_lack,t＝P_load,t+(1-λ)P_waste,t，其中λ表示系统状态取值，只有0或者1两个取值，当系统处于盈余状态时，取值为0，当系统处于缺电状态时，取值为1；P_waste,t表示发电系统盈余功率，P_lack,t表示发电系统缺额功率；

(4.2)，荷电状态约束：SOC_bat,min≤SOC”_bat,t≤SOC_bat,max，SOC_uc,min≤SOC”_uc,t≤SOC_uc,max，其中，SOC_bat,min和SOC_bat,max分别表示蓄电池荷电状态的最小值和最大值，SOC_uc,min和SOC_uc,max分别表示超级电容荷电状态的最小值和最大值；

(4.3)，能量溢出比约束：

其中，δ_s表示能量溢出比，δ_smax为能量溢出比最大值；

(4.4)，负荷失电率约束：

其中，δ_l表示负荷失电率，δ_lmax表示负荷失电率最大值；

其中，P”_uc,t为超级电容在第t时时间段内的充放电实际功率；P”_bat,t为蓄电池在第t时时间段内的充放电实际功率；上述两个修正值通过基于低通滤波原理的能量分配策略得到，具体如下：

(a)，复合储能装置理想的功率补偿值的获取：假设第t个采样时段内，光伏发电功率为P_pv,t，且光伏发电功率在该时段内为恒值，负荷功率为P_load,t，复合储能装置的理想功率补偿值为

放电时为正值，充电时为负值，则

(b)，对复合储能装置的理想功率补偿值

进行修正，其修正过程为七个步骤，以复合储能装置放电为例，其具体步骤如下：

(b1)，获取蓄电池的充放电理想功率

首先对理想功率补偿值

进行频谱分析，得到超级电容和蓄电池的分界补偿频率f_L，0～f_L范围内的波动分量由蓄电池补偿，超级电容则承担高于f_L的频段分量；然后通过低通滤波获取蓄电池的充放电理想功率

(b2)，对蓄电池充放电理想功率

进行一次修正。

若

则

若

则

其中，P_bat,N表示蓄电池的额定功率，P'_bat,t表示蓄电池充放电理想功率的一次修正后的修正值。

(b3)，蓄电池功率二次修正。通过判断蓄电池一次修正的补偿能量后的荷电状态是否低于荷电状态限定值，对蓄电池理想充放电功率进行二次修正：

通过一次修正的补偿能量后蓄电池的荷电状态表示为：

若

则令

若

则令

P”_bat,t＝P'_bat,t

其中，SOC_bat,min表示蓄电池荷电状态最小值；

(b4)，计算超级电容器的充放电理想功率

其为在第t时间段内储能装置所需的理想充放电功率和蓄电池在第t时间段内的充放电实际功率之差，即

(b5)，对超级电容充放电理想功率

进行一次修正。

若

则令P'_uc,t＝P_uc,N，若

则令

其中，P_uc,N表示超级电容的额定功率，P'_uc,t表示超级电容充放电理想功率的一次修正后的修正值。

(b6)，超级电容功率二次修正。通过判断超级电容一次修正的补偿能量后的荷电状态是否低于荷电状态限定值，对超级电容理想充放电功率进行二次修正：

通过一次修正的补偿能量后超级电容的荷电状态表示为：

若

则令

若

则令

P”_uc,t＝P'_uc,t

其中，SOC_uc,min表示超级电容荷电状态最小值；

荷电状态值SOC”_bat,t和SOC”_uc,t根据修正后的蓄电池和超级电容的充放电实际功率计算获得。

步骤(5)，运用模拟退火粒子群算法，求解步骤(3)、(4)所构造的优化问题，得到优化后的蓄电池容量、超级电容容量以及年均成本。

本发明的有益效果在于：本发明通过建立储能装置荷电状态况的计算模型，提出一种合理配置复合储能容量的能量调度策略，确定了以年成本最小为目标的优化目标函数，考虑瞬时功率平衡、负荷状态、负荷缺电率和能量溢出比等约束条件，建立负荷储能容量配置的优化模型，并采用模拟退火粒子群优化算法求解此优化问题，从而可以节省复合储能容量配置的成本，为配电网自动化系统中储能装置的容量配置问题提供更为经济有效的解决方案。

附图说明

图1：光伏出力曲线。

图2：理想功率补偿值。

图3：频谱分析结果。

图4：充放电功率图。

具体实施方案

下面结合实例对本发明做进一步详述：

步骤(1)：获取蓄电池和超级电容的相关参数，包括：蓄电池荷电状态最大值SOC_bat,max和最小值SOC_bat,min、额定功率P_bat,N、运行系数γ_bat,p、维护系数γ_bat,o、折旧系数γ_uc,m、放电效率η_bat,d、充电效率η_bat,c、单价C_bat；超级电容荷电状态最大值SOC_uc,max和最小值SOC_uc,min、额定功率P_uc,N、运行系数γ_uc,p、维护系数γ_uc,o、折旧系数γ_bat,m、放电效率η_bat/uc,d、充电效率η_uc,c、单价C_uc；能量溢出比最大值δ_smax、负荷失电率最大值δ_lmax，取值如表1所示

表1蓄电池和超级电容的相关参数

以及获取独立微网系统的负荷值，本例中选取对象为南通某独立微网系统。南通诚利钢结构公司拥有302.1kw的光伏组件，其2018年5月16号的负荷曲线如图(1)所示(以五分钟为一个时间段，共288个间隔点)，此外选取负荷功率为0.95倍光伏功率的平均值；

步骤(2)，构建储能装置荷电状态SOC的计算模型：

当储能系统为充电状态，针对蓄电池，

其中，SOC_bat,t表示在t时段结束时蓄电池的荷电状态值，ω_bat表示蓄电池的自动放电损失率，可直接取值0.83％/h；P_bat,t表示在t时间段内，蓄电池的充放电功率，为正值时表示放电，负值时表示充电；Δt表示采样周期；η_bat,c表示蓄电池充电效率；E_bat表示蓄电池的容量，单位为kwh。针对超级电容，

其中SOC_uc,t表示在t时段结束时超级电容的荷电状态值，ω_uc表示超级电容的自动放电损失率，在调度周期为短时间时，可取为0；P_uc,t表示在t时间段内，超级电容的充放电功率，为正值时表示放电，负值时表示充电；η_uc,c表示超级电容充电效率；E_uc表示超级电容的容量，单位为kwh；

当储能系统为放电状态，针对蓄电池

其中，η_bat,d表示蓄电池放电效率；针对超级电容

其中，η_uc,d表示超级电容放电效率；

步骤(3),建立目标函数minf＝γ_batC_batE_bat+γ_ucC_ucE_uc，其中，f表示年均成本，C_bat表示蓄电池的单价($/kwh)，C_uc表示超级电容的单价($/kwh)，γ_bat、γ_uc表示蓄电池和超级电容的投资成本系数，γ_bat＝γ_bat,p+γ_bat,o+γ_bat,m，γ_uc＝γ_uc,p+γ_uc,o+γ_uc,m，其中，γ_bat,p和γ_uc,p分别表示蓄电池和超级电容的运行系数，γ_bat,o和γ_uc,o分别表示蓄电池和超级电容的维护系数，γ_bat,m和γ_uc,m分别表示蓄电池和超级电容的折旧系数；

步骤(4)，建立目标函数的约束条件，包括：

(4.1)，瞬时功率平衡约束：P_pv,t+P”_bat,t+P”_uc,t+λP_lack,t＝P_load,t+(1-λ)P_waste,t，其中λ表示系统状态取值，只有0或者1两个取值，当系统处于盈余状态时，取值为0，当系统处于缺电状态时，取值为1；P_waste,t表示发电系统盈余功率，P_lack,t表示发电系统缺额功率；

(4.2)，荷电状态约束：SOC_bat,min≤SOC”_bat,t≤SOC_bat,max，SOC_uc,min≤SOC”_uc,t≤SOC_uc,max，其中，SOC_bat,min和SOC_bat,max分别表示蓄电池荷电状态的最小值和最大值，SOC_uc,min和SOC_uc,max分别表示超级电容荷电状态的最小值和最大值；

(4.3)，能量溢出比约束：

其中，δ_s表示能量溢出比，δ_smax为能量溢出比最大值；

(4.4)，负荷失电率约束：

其中，δ_l表示负荷失电率，δ_lmax表示负荷失电率最大值；

其中，P”_uc,t为超级电容在第t时时间段内的充放电实际功率；P”_bat,t为蓄电池在第t时时间段内的充放电实际功率；上述两个修正值通过基于低通滤波原理的能量分配策略得到，这种基于低通滤波原理的能量分配策略，可以合理调度两种储能的能量：拥有功率密度大和响应速度快的特质的超级电容，用于补偿缺额功率中的高频分量；能量型的蓄电池用于补偿剰余的低频分量。具体如下：

(a)，复合储能装置理想的功率补偿值的获取：假设第t个采样时段内，光伏发电功率为P_pv,t，且光伏发电功率在该时段内为恒值，负荷功率为P_load,t，复合储能装置的理想功率补偿值为

放电时为正值，充电时为负值，则

如图(2)所示；

(b)，对复合储能装置的理想功率补偿值

进行修正，其修正过程为七个步骤，以复合储能装置放电为例，其具体步骤如下：

(b1)，获取蓄电池的充放电理想功率

首先对理想功率补偿值

进行频谱分析，得到其频谱如图(3)所示，从图中可以看出，高频部分功率幅值较小，与之相对的低频部分功率幅值较大，且在频率0.00000526处出现高峰，因此，将0.00000526作为超级电容和蓄电池的分界补偿频率f_L，0～0.00000526范围内的波动分量由蓄电池补偿，超级电容则承担高于0.00000526的频段分量；然后通过低通滤波获取蓄电池的充放电理想功率

在低通滤波的过程中选用切比雪夫滤波器，其参数选择：

Wp＝2*π*0.000001/f_s

Ws＝2*π*0.0000023/f_s

其中通带截至频率f₁取为0.000001，是取自频率响应第一个极小值，阻带截止频率f₂取为0.0000023，是取自：

f₁f₂＝f_s ²

通带内衰减不超过rp＝0.2dB

阻带内衰减不超过rp＝30dB

(b2)，对蓄电池充放电理想功率

进行一次修正。

若

则P'_bat,t＝P_bat,N，若

则

其中，P_bat,N表示蓄电池的额定功率，P'_bat,t表示蓄电池充放电理想功率的一次修正后的修正值。

(b3)，蓄电池功率二次修正。通过判断蓄电池一次修正的补偿能量后的荷电状态是否低于荷电状态限定值，对蓄电池理想充放电功率进行二次修正：

通过一次修正的补偿能量后蓄电池的荷电状态表示为：

若

则令

若

则令

其中，SOC_bat,min表示蓄电池荷电状态最小值；

(b4)，计算超级电容器的充放电理想功率

其为在第t时间段内储能装置所需的理想充放电功率和蓄电池在第t时间段内的充放电实际功率之差，即

(b5)，对超级电容充放电理想功率

进行一次修正。

若

则令P'_uc,t＝P_uc,N，若

则令

其中，P_uc,N表示超级电容的额定功率，P'_uc,t表示超级电容充放电理想功率的一次修正后的修正值。

(b6)，超级电容功率二次修正。通过判断蓄电池一次修正的补偿能量后的荷电状态是否低于荷电状态限定值，对蓄电池理想充放电功率进行二次修正：

通过一次修正的补偿能量后超级电容的荷电状态表示为：

若

则令

若

则令

P”_uc,t＝P'_uc,t

其中，SOC_uc,min表示超级电容荷电状态最小值；

荷电状态值SOC”_bat,t和SOC”_uc,t根据修正后的蓄电池和超级电容的充放电实际功率计算获得。

步骤(5)，运用模拟退火粒子群算法，求解步骤(4)、(5)所构造的优化问题，得到蓄电池容量为365.73kwh，超级电容容量为78.51kwh，年均成本为9.56*10^4$，进一步得到蓄电池与超级电容的充放电功率如图(4)所示。

Claims (1)

1.一种配电网自动化系统中复合储能装置的容量优化配置方法，其特征在于,该方法包括以下步骤：

步骤(1)，获取蓄电池和超级电容的相关参数，包括：蓄电池荷电状态最大值SOC_bat,max和最小值SOC_bat,min、额定功率P_bat,N、运行系数γ_bat,p、维护系数γ_bat,o、折旧系数γ_uc,m、放电效率η_bat,d、充电效率η_bat,c、单价C_bat；超级电容荷电状态最大值SOC_uc,max和最小值SOC_uc,min、额定功率P_uc,N、运行系数γ_uc,p、维护系数γ_uc,o、折旧系数γ_bat,m、放电效率η_bat/uc,d、充电效率η_uc,c、单价C_uc；能量溢出比最大值δ_smax、负荷失电率最大值δ_lmax；以及获取独立微网系统的负荷值；

步骤(2)，构建储能装置荷电状态SOC的计算模型：

当储能系统为充电状态，针对蓄电池，

其中，SOC_bat,t表示在t时段结束时蓄电池的荷电状态值，ω_bat表示蓄电池的自动放电损失率；P_bat,t表示在t时间段内，蓄电池的充放电功率，为正值时表示放电，负值时表示充电；Δt表示采样周期；η_bat,c表示蓄电池充电效率；E_bat表示蓄电池的容量，单位为kwh；针对超级电容，

其中SOC_uc,t表示在t时段结束时超级电容的荷电状态值，ω_uc表示超级电容的自动放电损失率；P_uc,t表示在t时间段内，超级电容的充放电功率，为正值时表示放电，负值时表示充电；η_uc,c表示超级电容充电效率；E_uc表示超级电容的容量，单位为kwh；

当储能系统为放电状态，针对蓄电池

其中，η_bat,d表示蓄电池放电效率；针对超级电容

其中，η_uc,d表示超级电容放电效率；

步骤(3),建立目标函数minf＝γ_batC_batE_bat+γ_ucC_ucE_uc，其中，f表示年均成本，C_bat表示蓄电池的单价($/kwh)，C_uc表示超级电容的单价($/kwh)，γ_bat、γ_uc表示蓄电池和超级电容的投资成本系数，γ_bat＝γ_bat,p+γ_bat,o+γ_bat,m，γ_uc＝γ_uc,p+γ_uc,o+γ_uc,m，其中，γ_bat,p和γ_uc,p分别表示蓄电池和超级电容的运行系数，γ_bat,o和γ_uc,o分别表示蓄电池和超级电容的维护系数，γ_bat,m和γ_uc,m分别表示蓄电池和超级电容的折旧系数；

步骤(4)，建立目标函数的约束条件，包括：

(4.1)，瞬时功率平衡约束：P_pv,t+P″_bat,t+P″_uc,t+λP_lack,t＝P_load,t+(1-λ)P_waste,t，其中λ表示系统状态取值，只有0或者1两个取值，当系统处于盈余状态时，取值为0，当系统处于缺电状态时，取值为1；P_waste,t表示发电系统盈余功率，P_lack,t表示发电系统缺额功率；

(4.2)，荷电状态约束：SOC_bat,min≤SOC″_bat,t≤SOC_bat,max，SOC_uc,min≤SOC″_uc,t≤SOC_uc,max，其中，SOC_bat,min和SOC_bat,max分别表示蓄电池荷电状态的最小值和最大值，SOC_uc,min和SOC_uc,max分别表示超级电容荷电状态的最小值和最大值；

(4.3)，能量溢出比约束：

其中，δ_s表示能量溢出比，δ_smax为能量溢出比最大值；

(4.4)，负荷失电率约束：

其中，δ_l表示负荷失电率，δ_lmax表示负荷失电率最大值；

其中，P″_uc,t为超级电容在第t时时间段内的充放电实际功率；P″_bat,t为蓄电池在第t时时间段内的充放电实际功率；上述两个修正值通过基于低通滤波原理的能量分配策略得到，具体如下：

(a)，复合储能装置理想的功率补偿值的获取：假设第t个采样时段内，光伏发电功率为P_pv,t，且光伏发电功率在该时段内为恒值，负荷功率为P_load,t，复合储能装置的理想功率补偿值为P_t ^*，放电时为正值，充电时为负值，则P_t ^*＝P_load,t-P_pv,t；

(b)，对复合储能装置的理想功率补偿值P_t ^*进行修正，其修正过程为七个步骤，以复合储能装置放电为例，其具体步骤如下：

(b1)，获取蓄电池的充放电理想功率

首先对理想功率补偿值P_t ^*进行频谱分析，得到超级电容和蓄电池的分界补偿频率f_L，0～f_L范围内的波动分量由蓄电池补偿，超级电容则承担高于f_L的频段分量；然后通过切比雪夫滤波器获取蓄电池的充放电理想功率

所述切比雪夫滤波器的参数选择为：

Wp＝2*π*0.000001/f_s

Ws＝2*π*0.0000023/f_s

其中通带截至频率f₁取为0.000001，是取自频率响应第一个极小值，阻带截止频率f₂取为0.0000023，是取自：

f₁f₂＝f_s ²

通带内衰减不超过rp＝0.2dB

阻带内衰减不超过rp＝30dB

(b2)，对蓄电池充放电理想功率

进行一次修正：

若

则P′_bat,t＝P_bat,N，若

则

其中，P_bat,N表示蓄电池的额定功率，P′_bat,t表示蓄电池充放电理想功率的一次修正后的修正值；

(b3)，蓄电池功率二次修正：通过判断蓄电池一次修正的补偿能量后的荷电状态是否低于荷电状态限定值，对蓄电池理想充放电功率进行二次修正：

通过一次修正的补偿能量后蓄电池的荷电状态表示为：

若

则令

若

则令

P″_bat,t＝P′_bat,t

其中，SOC_bat,min表示蓄电池荷电状态最小值；

(b4)，计算超级电容器的充放电理想功率

其为在第t时间段内储能装置所需的理想充放电功率和蓄电池在第t时间段内的充放电实际功率之差，即

(b5)，对超级电容充放电理想功率

进行一次修正：

若

则令P′_uc,t＝P_uc,N，若

则令

其中，P_uc,N表示超级电容的额定功率，P_u'_c,t表示超级电容充放电理想功率的一次修正后的修正值；

(b6)，超级电容功率二次修正；通过判断超级电容一次修正的补偿能量后的荷电状态是否低于荷电状态限定值，对超级电容理想充放电功率进行二次修正：

通过一次修正的补偿能量后超级电容的荷电状态表示为：

若

则令

若

则令

P″_uc,t＝P′_uc,t

其中，SOC_uc,min表示超级电容荷电状态最小值；

荷电状态值SOC″_bat,t和SOC″_uc,t根据修正后的蓄电池和超级电容的充放电实际功率计算获得；

步骤(5)，运用模拟退火粒子群算法，求解步骤(3)、(4)所构造的优化问题，得到优化后的蓄电池容量、超级电容容量以及年均成本。

Images