CN110943465A - 一种储能系统选址定容优化方法 - Google Patents

一种储能系统选址定容优化方法 Download PDF

Info

Publication number
CN110943465A
CN110943465A CN201911291078.2A CN201911291078A CN110943465A CN 110943465 A CN110943465 A CN 110943465A CN 201911291078 A CN201911291078 A CN 201911291078A CN 110943465 A CN110943465 A CN 110943465A
Authority
CN
China
Prior art keywords
dess
capacity
energy storage
storage system
power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911291078.2A
Other languages
English (en)
Other versions
CN110943465B (zh
Inventor
唐学用
孙斌
李庆生
黄玉辉
蒋泽甫
邓朴
高华
赵庆明
钟以林
张裕
贺墨琳
汪黔疆
刘大猛
王健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN201911291078.2A priority Critical patent/CN110943465B/zh
Publication of CN110943465A publication Critical patent/CN110943465A/zh
Application granted granted Critical
Publication of CN110943465B publication Critical patent/CN110943465B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Human Resources & Organizations (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种储能系统选址定容优化方法，该方法包括步骤：对于T时刻储能系统i，在不考虑实际潮流约束的前提下，计算最大供电能力；计算DESS对网络安全性的影响指标；DESS接入配电网后对网络经济性影响仅以其改善系统负荷特性，降低线损来表征，计算线损指标；DESS选址及定容归纳为一个多目标优化问题，建立多目标函数，综合考虑DESS对于网络安全性以及网络经济性的提升；设置约束条件。本发明现有网架上进行储能系统选址及定容优化，以实现储能系统对配网支撑作用的综合最优。通过量化分析储能系统对网络安全与经济性的影响，建立兼顾网络安全性与经济性的储能系统选址与定容的多目标优化模型。

Description

一种储能系统选址定容优化方法
技术领域
本发明涉及一种储能系统选址定容优化方法，属于综合能源系统技术领域。
背景技术
储能系统接入电网后，不仅可以实现电网削峰填谷、降低线损和减少输变配设施投资，还可以有效兼容分布式电源尤其是间歇性电源对电网的冲击，提高电网的安全稳定性和需求侧用户可靠性。储能系统的选址定容问题是智能电网兼容性研究的重要前提条件，也是智能电网建设的关键问题。
与DG的接入模型相比，储能系统的系统接入模型更为复杂，运行方式的选择也更多样化，因此，储能系统的选址定容方案的制定也较为困难，目前尚处于研究和讨论阶段，缺乏原则性指导意见。
发明内容
本发明要解决的技术问题是：提供一种储能系统选址定容优化方法，以解决现有技术中存在的问题。
本发明采取的技术方案为：一种储能系统选址定容优化方法，该方法包括以下步骤：
(1)对于T时刻储能系统i，在不考虑实际潮流约束的前提下，其最大供电能力Pi d max表示如下式：
Figure BDA0002319106160000011
其中：Eimin表示储能系统允许的最小容量，
ΔT表示需要储能系统提供最大供电能力的持续时间；
(2)考虑N-1的转供能力是评估配电网络安全性的重要指标。与传统电网相比，兼容DESS的智能配电网在发生N-1故障时，通过DESS提供短时容量支撑，其故障恢复可供转移的路径选择更加多样化，转供能力也能得到很大的提升，DESS对网络安全性的影响可表征为如下指标：
Figure BDA0002319106160000021
式中，
ΔPTrans是储能系统接入配网后对于馈线转供能力的提升；
Figure BDA0002319106160000022
表示的是DESS接入配电网后馈线的最大转供能力，此时DESS的
Figure BDA0002319106160000023
对应馈线上所有接入的储能系统的最大容量之和；
Figure BDA0002319106160000024
表示的是未接入DESS配电网馈线的最大转供能力；
(3)DESS接入配电网后依据谷时充电峰时放电的方法，获得峰谷电价差产生的收益，而且通过削峰填谷改变系统的负荷特性，从而达到降低线损的目的。但DESS接入电网也需要一定的建设成本和运行成本。在规划阶段，首先DESS的峰谷电价差产生的收益以及DESS的建设和运营成本仅与其容量有关，计算过程相对削峰填谷后的降损收益更为简单；其次DESS目前尚未大规模生产应用，其建设及运行成本难以有效测算，且国家目前尚未制定DESS的上网电价政策，因此在本文的研究领域，DESS接入配电网后对网络经济性影响仅以其改善系统负荷特性，降低线损来表征，用如下指标表示：
Figure BDA0002319106160000025
其中，
Inc为DESS接入配电网后对网络经济性影响；
Cvalley表示谷时电价；
Figure BDA0002319106160000031
对应未安装DESS时馈线在负荷低谷时候的线损功率；
Figure BDA0002319106160000032
对应DESS在负荷低谷充电时候馈线的线损功率；
Tvalley表示一天中负荷低谷时段；
同理，
Cpeak表示峰时电价；
Figure BDA0002319106160000033
表示未安装DESS时馈线在负荷高峰时期的线损功率；
Figure BDA0002319106160000034
对应DESS在负荷高峰放电时馈线的线损功率；
Tpeak表示一天中负荷高峰时刻；
由公式(0-1)和(1-2)分析可知，DESS选址及定容归纳为一个多目标优化问题，其目标函数综合考虑DESS对于网络安全性以及网络经济性的提升，表示如下：
max F(x)＝[ΔPTrans(x),Inc(x)] (0-17)
由于这两个目标不是绝对一致，无法保证所有目标同时达到最优，一般只能得到一组Pareto最优解集；
关于DESS选址及定容问题的解空间通过一个n维向量x表示：
x∈Rn x＝(x1,x2,…,xn)T (0-18)
x∈Rn x＝(x1,x2,…,xn)T (0-19)
其中n表示可供DESS选址的个数，向量x的第i个元素xi表示在第i个可供DESS选址的地点所配置DESS的容量值；根据实际情况，DESS配置的容量是一个离散值，即
xi∈{0,Ebase,2×Ebase,…N×Ebase} (0-20)
式中Ebase表示DESS可配置的基准容量，当xi取值为0时表示在第i个可供选址的地点所配置DESS的容量为0，即该选址方案未选中第i个可供选址的地点，对于解空间的如此定义，不论实际选址的地点是几个，都能以一个统一长度的向量表示，有利于智能优化算法的求解。
DESS的选址定容问题还应满足如下等式约束条件和不等式约束条件：
(1)DESS的最大安装容量约束
考虑到DESS的安装成本及其运行对电网带来的波动性影响，DESS的最大安装容量需满足如下约束：
Figure BDA0002319106160000041
式中Eimax表示的是第i个可安装节点安装的DESS容量，EMAX表示的是允许安装的最大容量；
(2)功率平衡约束
Figure BDA0002319106160000042
PT是由电源点向馈线提供的功率；Pi-DESS是第i个DESS的充电或放电功率；αi表示第i个DESS的充放电状态，1表示放电状态，-1表示充电状态； PLoad表示负荷功率，PLoss是线损功率；
(3)节点电压约束
Vmin≤Vj≤Vmax (0-23)
式中Vj表示任一节点j的节点电压；Vmin表示节点电压允许的最小值； Vmax表示节点电压允许的最大值；
(4)线路容量约束
Ij≤Imax (0-24)
式中Ij表示任一支路流过的电流；Imax是允许流过线路支路的最大电流。
多目标函数采用改进非劣排序遗传算法的优化求解算法作为储能系统选址定容问题的求解，包括以下步骤：
(1)随机产生初始种群P0，然后对种群进行非劣排序，每个个体被赋予秩；再对初始种群执行二元锦标赛选择、交叉和变异，得到新的种群Q0，令 t＝0；
(2)形成新的群体Rt＝Pt∪Qt，对种群Rt进行非劣排序，得到非劣前端 F1,F2,…；
(3)对所有非劣前端按拥挤距离排序；
(4)从排序好的Rt选择排序最前的N个个体形成种群Pt+1；
(5)对Pt+1执行复制、交叉和变异，形成种群Qt+1；
(6)若终止条件成立，则结束，否则t＝t+1，转到(2)。
对解集P进行非劣排序的具体过程如下：
(1)令每个解x∈P对支配数即支配解x的个数nx＝0.，以及解x所支配个体的集合Sx为空集；
(2)遍历P中的每个解q，若x支配q，则Sx＝Sx∪{q}，若q支配x，则 nx＝nx+1。将nx＝0的解列入到前端F1中，且置其秩rank＝1；
(3)假设i＝1；
(4)令Q为空集，对于每个解x∈Fi，执行如下操作：对于每个解q∈Sx， nq＝nq-1；若nq＝0，则q的秩加1，且Q＝Q∪{q}；
(5)若Q不为空集，则i＝i+1，Fi＝Q，转到(4)；否则，停止迭代。
在初始种群生成以及变异过程中引入安装容量约束，将非合理解排除出搜索空间，其中变异因子的生成过程如下：
(1)随机选择变异点，生成变异向量，若变异点选择个体的第i和第j 个，则变异向量可表示如下：(0,…Δxi,…Δxj,…0)T；
(2)根据变异个体的值，确定变异值的取值范围，对于第i个变异元素，Δxi的取值范围为
Figure BDA0002319106160000061
对于第j个变异元素，Δxj的取值范围为
Figure BDA0002319106160000062
若有更多变异元素，其取值范围以此类推。
另外，在求解目标函数的值时，将节点电压约束及线路容量约束作为罚函数因子，用以排除那些无法满足安全运行条件的解。对于节点电压约束而言，其罚函数因子σ1可以表示如下：
Figure BDA0002319106160000063
其中ΔV表示节点电压最大越限值，Vn代表节点额定电压；
同理对于线路容量约束，其罚函数因子σ2可以表示如下：
Figure BDA0002319106160000064
其中ΔI表示支路电流最大越限值，In表示支路容量。
本发明的有益效果：与现有技术相比，本发明现有网架上进行储能系统选址及定容优化，以实现储能系统对配网支撑作用的综合最优。通过量化分析储能系统对网络安全与经济性的影响，建立兼顾网络安全性与经济性的储能系统选址与定容的多目标优化模型，兼容DESS的智能配电网在发生N-1故障时，可以通过DESS提供短时容量支撑，其故障恢复可供转移的路径选择更加多样化，转供能力也能得到很大的提升，改进非劣排序遗传算法通过对种群P进行非劣排序和拥挤距离排序，不断进化种群，直至得到优化的满意解，改进非劣排序遗传算法得到的非劣解在目标空间分布均匀，且收敛性和鲁棒性好，算法结构简单，适于求解多目标优化问题。
具体实施方式
下面结合具体的实施例对发明进行进一步介绍。
储能系统接入及其配置原则可根据总安装容量和当地电网的实际情况选择合适的接入电压等级，具体可参考相配合的DG电压等级和容量接入原则。目前，DG接入电压等级配置原则参见表1。
表1 DG接入电压等级表
Figure BDA0002319106160000071
与DG类似，DESS接入配网时传输距离增大，将导致线损率过大。因此，在做DG/DESS布点规划时，应该尽量满足就地平衡的原则。
对于指定的储能系统i，其T时刻的容量为：
Figure BDA0002319106160000072
实施例：一种储能系统选址定容优化方法，该方法包括以下步骤：
(1)对于T时刻储能系统i，在不考虑实际潮流约束的前提下，其最大供电能力Pi d max表示如下式：
Figure BDA0002319106160000073
其中：Eimin表示储能系统允许的最小容量，
ΔT表示需要储能系统提供最大供电能力的持续时间；
(2)考虑N-1的转供能力是评估配电网络安全性的重要指标。与传统电网相比，兼容DESS的智能配电网在发生N-1故障时，通过DESS提供短时容量支撑，其故障恢复可供转移的路径选择更加多样化，转供能力也能得到很大的提升，DESS对网络安全性的影响可表征为如下指标：
Figure BDA0002319106160000081
式中，
ΔPTrans是储能系统接入配网后对于馈线转供能力的提升；
Figure BDA0002319106160000082
表示的是DESS接入配电网后馈线的最大转供能力，此时DESS的
Figure BDA0002319106160000083
对应馈线上所有接入的储能系统的最大容量之和；
Figure BDA0002319106160000084
表示的是未接入DESS配电网馈线的最大转供能力；
(3)DESS接入配电网后依据谷时充电峰时放电的方法，获得峰谷电价差产生的收益，而且通过削峰填谷改变系统的负荷特性，从而达到降低线损的目的。但DESS接入电网也需要一定的建设成本和运行成本。在规划阶段，首先DESS的峰谷电价差产生的收益以及DESS的建设和运营成本仅与其容量有关，计算过程相对削峰填谷后的降损收益更为简单；其次DESS目前尚未大规模生产应用，其建设及运行成本难以有效测算，且国家目前尚未制定DESS的上网电价政策，因此在本文的研究领域，DESS接入配电网后对网络经济性影响仅以其改善系统负荷特性，降低线损来表征，用如下指标表示：
Figure BDA0002319106160000085
其中，
Inc为DESS接入配电网后对网络经济性影响；
Cvalley表示谷时电价；
Figure BDA0002319106160000091
对应未安装DESS时馈线在负荷低谷时候的线损功率；
Figure BDA0002319106160000092
对应DESS在负荷低谷充电时候馈线的线损功率；
Tvalley表示一天中负荷低谷时段；
同理，
Cpeak表示峰时电价；
Figure BDA0002319106160000093
表示未安装DESS时馈线在负荷高峰时期的线损功率；
Figure BDA0002319106160000094
对应DESS在负荷高峰放电时馈线的线损功率；
Tpeak表示一天中负荷高峰时刻；
由公式(0-1)和(1-2)分析可知，DESS选址及定容归纳为一个多目标优化问题，其目标函数综合考虑DESS对于网络安全性以及网络经济性的提升，表示如下：
max F(x)＝[ΔPTrans(x),Inc(x)] (0-30)
由于这两个目标不是绝对一致，无法保证所有目标同时达到最优，一般只能得到一组Pareto最优解集；
关于DESS选址及定容问题的解空间通过一个n维向量x表示：
x∈Rn x＝(x1,x2,…,xn)T (0-31)
x∈Rn x＝(x1,x2,…,xn)T (0-32)
其中n表示可供DESS选址的个数，向量x的第i个元素xi表示在第i个可供DESS选址的地点所配置DESS的容量值；根据实际情况，DESS配置的容量是一个离散值，即
xi∈{0,Ebase,2×Ebase,…N×Ebase} (0-33)
式中Ebase表示DESS可配置的基准容量，当xi取值为0时表示在第i个可供选址的地点所配置DESS的容量为0，即该选址方案未选中第i个可供选址的地点，对于解空间的如此定义，不论实际选址的地点是几个，都能以一个统一长度的向量表示，有利于智能优化算法的求解。
DESS的选址定容问题还应满足如下等式约束条件和不等式约束条件：
(1)DESS的最大安装容量约束
考虑到DESS的安装成本及其运行对电网带来的波动性影响，DESS的最大安装容量需满足如下约束：
Figure BDA0002319106160000101
式中Eimax表示的是第i个可安装节点安装的DESS容量，EMAX表示的是允许安装的最大容量；
(2)功率平衡约束
Figure BDA0002319106160000102
PT是由电源点向馈线提供的功率；Pi-DESS是第i个DESS的充电或放电功率；αi表示第i个DESS的充放电状态，1表示放电状态，-1表示充电状态； PLoad表示负荷功率，PLoss是线损功率；
(3)节点电压约束
Vmin≤Vj≤Vmax (0-36)
式中Vj表示任一节点j的节点电压；Vmin表示节点电压允许的最小值； Vmax表示节点电压允许的最大值；
(4)线路容量约束
Ij≤Imax (0-37)
式中Ij表示任一支路流过的电流；Imax是允许流过线路支路的最大电流。
考虑供蓄能力的初始可行解布点原则：为了提高优化算法的效率并尽可能找到更接近实际最优解的近似解，有必要通过某些方法或手段优化初始解空间，缩小初始解的维度以及解空间的大小。一般而言，只要物理环境适宜以及空间尺寸允许，DESS允许配置在任一配电节点上，这样对于有N个配电节点的网络而言，其DESS的优化配置解空间向量会是一个N维向量，对于配电节点数目较多的配电网而言，势必引起解空间向量维数过多，不利于优化算法的寻优，算法的求解时间较长，求解效率也偏低。为了能缩减解空间向量维数，提高优化算法的求解效率，以DESS的供蓄能力指标作为依据进行初始可行解的选择是一个较好的原则，一般来说供蓄能力指标越大，在该节点配置的效果越好。对同一DESS而言，其配置在不同的网络节点，对应的供蓄能力指标有所不同，这是由该节点所受的网络拓扑约束及潮流约束所致。经过归纳总结，对于DESS初始可配置节点的选择可依据如下原则：
(1)配置在馈线的末端节点；
(2)配置在馈线的重负荷节点；
对于原则(1)，这是因为由于配网潮流一般是从电源点向负荷点单向流动，配置在馈线末端，其对前端潮流的影响最小，从而受网络拓扑约束的影响越小，相同容量配置下，其供蓄能力指标越大；对于原则(2)，这是因为节点负荷越重，在该节点配置DESS后，其等效注入网络功率越小，因而对网络支路的潮流影响也越小，相同容量配置下，其供蓄能力指标越大。
改进非劣排序遗传算法(Improved Non-dominated sorting geneticalgorithm,NSGA-II)是非劣排序遗传算法(Non-dominated sorting genetic algorithm,NSGA)的改进版本，通过对种群P进行非劣排序和拥挤距离排序，不断进化种群，直至得到优化的满意解。NSGA-II算法得到的非劣解在目标空间分布均匀，且收敛性和鲁棒性好，算法结构简单，适于求解多目标优化问题。
多目标函数采用改进非劣排序遗传算法的优化求解算法作为储能系统选址定容问题的求解，包括以下步骤：
(1)随机产生初始种群P0，然后对种群进行非劣排序，每个个体被赋予秩；再对初始种群执行二元锦标赛选择、交叉和变异，得到新的种群Q0，令 t＝0；
(2)形成新的群体Rt＝Pt∪Qt，对种群Rt进行非劣排序，得到非劣前端 F1,F2,…；
(3)对所有非劣前端按拥挤距离排序；
(4)从排序好的Rt选择排序最前的N个个体形成种群Pt+1；
(5)对Pt+1执行复制、交叉和变异，形成种群Qt+1；
(6)若终止条件成立，则结束，否则t＝t+1，转到(2)。
对解集P进行非劣排序的具体过程如下：
(1)令每个解x∈P对支配数即支配解x的个数nx＝0.，以及解x所支配个体的集合Sx为空集；
(2)遍历P中的每个解q，若x支配q，则Sx＝Sx∪{q}，若q支配x，则 nx＝nx+1。将nx＝0的解列入到前端F1中，且置其秩rank＝1；
(3)假设i＝1；
(4)令Q为空集，对于每个解x∈Fi，执行如下操作：对于每个解q∈Sx， nq＝nq-1；若nq＝0，则q的秩加1，且Q＝Q∪{q}；
(5)若Q不为空集，则i＝i+1，Fi＝Q，转到(4)；否则，停止迭代。
拥挤距离用来估计一个解周围其他解的密集程度，其定义如下：对于每个目标函数，先对非劣解集L中的解根据该目标函数值得大小进行排序，然后对每个解i计算其相邻两个解的距离，最终的平均距离就是解i的拥挤距离，若i是边界解，则认为该解的拥挤距离为无穷大。
为了收缩解的搜索空间并加快Pareto优化解集的搜索速度，在在初始种群生成以及变异过程中引入安装容量约束，将非合理解排除出搜索空间，其中变异因子的生成过程如下：
(1)随机选择变异点，生成变异向量，若变异点选择个体的第i和第j 个，则变异向量可表示如下：(0,…Δxi,…Δxj,…0)T；
(2)根据变异个体的值，确定变异值的取值范围，对于第i个变异元素，Δxi的取值范围为
Figure BDA0002319106160000131
对于第j个变异元素，Δxj的取值范围为
Figure BDA0002319106160000132
若有更多变异元素，其取值范围以此类推。
另外，在求解目标函数的值时，将节点电压约束及线路容量约束作为罚函数因子，用以排除那些无法满足安全运行条件的解。对于节点电压约束而言，其罚函数因子σ1可以表示如下：
Figure BDA0002319106160000133
其中ΔV表示节点电压最大越限值，Vn代表节点额定电压；
同理对于线路容量约束，其罚函数因子σ2可以表示如下：
Figure BDA0002319106160000134
其中ΔI表示支路电流最大越限值，In表示支路容量。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内，因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (4)

1.一种储能系统选址定容优化方法，其特征在于：该方法包括以下步骤：
(1)对于T时刻储能系统i，在不考虑实际潮流约束的前提下，其最大供电能力Pi dmax表示如下式：
Figure FDA0002319106150000011
其中：Eimin表示储能系统允许的最小容量，
ΔT表示需要储能系统提供最大供电能力的持续时间；
(2)兼容DESS的智能配电网在发生N-1故障时，通过DESS提供短时容量支撑，其故障恢复可供转移的路径选择更加多样化，转供能力也能得到很大的提升，DESS对网络安全性的影响可表征为如下指标：
Figure FDA0002319106150000012
式中，
ΔPTrans是储能系统接入配网后对于馈线转供能力的提升；
Figure FDA0002319106150000013
表示的是DESS接入配电网后馈线的最大转供能力，此时DESS的
Figure FDA0002319106150000014
对应馈线上所有接入的储能系统的最大容量之和；
Figure FDA0002319106150000015
表示的是未接入DESS配电网馈线的最大转供能力；
(3)DESS接入配电网后对网络经济性影响仅以其改善系统负荷特性，降低线损来表征，用如下指标表示：
Figure FDA0002319106150000016
其中，
Inc为DESS接入配电网后对网络经济性影响；
Cvalley表示谷时电价；
Figure FDA0002319106150000021
对应未安装DESS时馈线在负荷低谷时候的线损功率；
Figure FDA0002319106150000022
对应DESS在负荷低谷充电时候馈线的线损功率；
Tvalley表示一天中负荷低谷时段；
同理，
Cpeak表示峰时电价；
Figure FDA0002319106150000023
表示未安装DESS时馈线在负荷高峰时期的线损功率；
Figure FDA0002319106150000024
对应DESS在负荷高峰放电时馈线的线损功率；
Tpeak表示一天中负荷高峰时刻；
由公式(0-1)和(1-2)分析可知，DESS选址及定容归纳为一个多目标优化问题，其目标函数综合考虑DESS对于网络安全性以及网络经济性的提升，表示如下：
maxF(x)＝[ΔPTrans(x),Inc(x)] (0-4)；
关于DESS选址及定容问题的解空间通过一个n维向量x表示：
x∈Rn x＝(x1,x2,…,xn)T (0-5)
x∈Rn x＝(x1,x2,…,xn)T (0-6)
其中n表示可供DESS选址的个数，向量x的第i个元素xi表示在第i个可供DESS选址的地点所配置DESS的容量值；根据实际情况，DESS配置的容量是一个离散值，即
xi∈{0,Ebase,2×Ebase,…N×Ebase} (0-7)
式中Ebase表示DESS可配置的基准容量，当xi取值为0时表示在第i个可供选址的地点所配置DESS的容量为0，即该选址方案未选中第i个可供选址的地点；
DESS的选址定容问题还应满足如下等式约束条件和不等式约束条件：
(1)DESS的最大安装容量约束
DESS的最大安装容量需满足如下约束：
Figure FDA0002319106150000031
式中Eimax表示的是第i个可安装节点安装的DESS容量，EMAX表示的是允许安装的最大容量；
(2)功率平衡约束
Figure FDA0002319106150000032
PT是由电源点向馈线提供的功率；Pi-DESS是第i个DESS的充电或放电功率；αi表示第i个DESS的充放电状态，1表示放电状态，-1表示充电状态；PLoad表示负荷功率，PLoss是线损功率；
(3)节点电压约束
Vmin≤Vj≤Vmax (0-10)
式中Vj表示任一节点j的节点电压；Vmin表示节点电压允许的最小值；Vmax表示节点电压允许的最大值；
(4)线路容量约束
Ij≤Imax (0-11)
式中Ij表示任一支路流过的电流；Imax是允许流过线路支路的最大电流。
2.根据权利要求1所述的一种储能系统选址定容优化方法，其特征在于：多目标函数采用改进非劣排序遗传算法的优化求解算法作为储能系统选址定容问题的求解，包括以下步骤：
(1)随机产生初始种群P0，然后对种群进行非劣排序，每个个体被赋予秩；再对初始种群执行二元锦标赛选择、交叉和变异，得到新的种群Q0，令t＝0；
(2)形成新的群体Rt＝Pt∪Qt，对种群Rt进行非劣排序，得到非劣前端F1,F2,…；
(3)对所有非劣前端按拥挤距离排序；
(4)从排序好的Rt选择排序最前的N个个体形成种群Pt+1；
(5)对Pt+1执行复制、交叉和变异，形成种群Qt+1；
(6)若终止条件成立，则结束，否则t＝t+1，转到(2)。
3.根据权利要求2所述的一种储能系统选址定容优化方法，其特征在于：对解集P进行非劣排序的具体过程如下：
(1)令每个解x∈P对支配数即支配解x的个数nx＝0.，以及解x所支配个体的集合Sx为空集；
(2)遍历P中的每个解q，若x支配q，则Sx＝Sx∪{q}，若q支配x，则nx＝nx+1，将nx＝0的解列入到前端F1中，且置其秩rank＝1；
(3)假设i＝1；
(4)令Q为空集，对于每个解x∈Fi，执行如下操作：对于每个解q∈Sx，nq＝nq-1；若nq＝0，则q的秩加1，且Q＝Q∪{q}；
(5)若Q不为空集，则i＝i+1，Fi＝Q，转到(4)；否则，停止迭代。
4.根据权利要求2所述的一种储能系统选址定容优化方法，其特征在于：在初始种群生成以及变异过程中引入安装容量约束，将非合理解排除出搜索空间，其中变异因子的生成过程如下：
(1)随机选择变异点，生成变异向量，若变异点选择个体的第i和第j个，则变异向量表示如下：(0,…Δxi,…Δxj,…0)T；
(2)根据变异个体的值，确定变异值的取值范围，对于第i个变异元素，Δxi的取值范围为
Figure FDA0002319106150000051
对于第j个变异元素，Δxj的取值范围为
Figure FDA0002319106150000052
若有更多变异元素，其取值范围以此类推；
在求解目标函数的值时，将节点电压约束及线路容量约束作为罚函数因子，对于节点电压约束而言，其罚函数因子σ1表示如下：
Figure FDA0002319106150000053
其中ΔV表示节点电压最大越限值，Vn代表节点额定电压；
同理对于线路容量约束，其罚函数因子σ2可以表示如下：
Figure FDA0002319106150000054
其中ΔI表示支路电流最大越限值，In表示支路容量。
CN201911291078.2A 2019-12-16 2019-12-16 一种储能系统选址定容优化方法 Active CN110943465B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911291078.2A CN110943465B (zh) 2019-12-16 2019-12-16 一种储能系统选址定容优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911291078.2A CN110943465B (zh) 2019-12-16 2019-12-16 一种储能系统选址定容优化方法

Publications (2)

Publication Number Publication Date
CN110943465A true CN110943465A (zh) 2020-03-31
CN110943465B CN110943465B (zh) 2020-10-30

Family

ID=69911592

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911291078.2A Active CN110943465B (zh) 2019-12-16 2019-12-16 一种储能系统选址定容优化方法

Country Status (1)

Country Link
CN (1) CN110943465B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112909930A (zh) * 2021-01-29 2021-06-04 国网河南省电力公司经济技术研究院 一种平抑混联配电网波动的储能系统优化配置方法
CN113408886A (zh) * 2021-06-11 2021-09-17 中国能源建设集团广东省电力设计研究院有限公司 一种储能容量的配置方法及装置
CN115719967A (zh) * 2022-11-25 2023-02-28 国网上海市电力公司 一种用于提高供电可靠性的有源配电网储能装置优化配置方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012068388A1 (en) * 2010-11-18 2012-05-24 Marhoefer John J Virtual power plant system and method incorporating renewal energy, storage and scalable value-based optimization
CN103178536A (zh) * 2013-02-06 2013-06-26 上海交通大学 基于供蓄能力的配电网储能装置选址定容方法
CN105811409A (zh) * 2016-04-28 2016-07-27 上海电力学院 一种含电动汽车混合储能系统的微网多目标运行调度方法
CN105896582A (zh) * 2016-06-16 2016-08-24 南京工程学院 一种微网储能容量优化配置方法
CN106295880A (zh) * 2016-08-10 2017-01-04 广东工业大学 一种电力系统多目标无功优化的方法及系统
CN109409616A (zh) * 2018-11-22 2019-03-01 南方电网科学研究院有限责任公司 一种分布式电源选址定容方法及相关产品
CN110535129A (zh) * 2019-09-09 2019-12-03 贵州电网有限责任公司 一种能源互联网下配电网规划方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012068388A1 (en) * 2010-11-18 2012-05-24 Marhoefer John J Virtual power plant system and method incorporating renewal energy, storage and scalable value-based optimization
CN103178536A (zh) * 2013-02-06 2013-06-26 上海交通大学 基于供蓄能力的配电网储能装置选址定容方法
CN105811409A (zh) * 2016-04-28 2016-07-27 上海电力学院 一种含电动汽车混合储能系统的微网多目标运行调度方法
CN105896582A (zh) * 2016-06-16 2016-08-24 南京工程学院 一种微网储能容量优化配置方法
CN106295880A (zh) * 2016-08-10 2017-01-04 广东工业大学 一种电力系统多目标无功优化的方法及系统
CN109409616A (zh) * 2018-11-22 2019-03-01 南方电网科学研究院有限责任公司 一种分布式电源选址定容方法及相关产品
CN110535129A (zh) * 2019-09-09 2019-12-03 贵州电网有限责任公司 一种能源互联网下配电网规划方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
HUANG YUHUI: "Site and Size Selection Strategies of Energy Storage System Based on Power Supply and Storage Capability Index", 《INTERNATIONAL CONFERENCE ON RENEWABLE POWER GENERATION (RPG 2015)》 *
JIANXIN XU: "Optimization of Economic Load Dispatch for a Microgrid Using Evolutionary Computation", 《IECON 2011 - 37TH ANNUAL CONFERENCE OF THE IEEE INDUSTRIAL ELECTRONICS SOCIETY》 *
夏澍，周明: "分布式电源选址定容的多目标优化算法", 《电网技术》 *
李庆生: "主动配电网协同优化系统研究", 《南方电网技术》 *
王聪: "基于自适应多目标指数罚函数的ＮＳＧＡ－ＩＩ算法", 《山东理工大学学报（自然科学版）》 *
邹必昌: "含分布式发电的配电网重构及故障恢复算法研究", 《中国博士学位论文全文数据库》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112909930A (zh) * 2021-01-29 2021-06-04 国网河南省电力公司经济技术研究院 一种平抑混联配电网波动的储能系统优化配置方法
CN113408886A (zh) * 2021-06-11 2021-09-17 中国能源建设集团广东省电力设计研究院有限公司 一种储能容量的配置方法及装置
CN113408886B (zh) * 2021-06-11 2022-09-13 中国能源建设集团广东省电力设计研究院有限公司 一种储能容量的配置方法及装置
CN115719967A (zh) * 2022-11-25 2023-02-28 国网上海市电力公司 一种用于提高供电可靠性的有源配电网储能装置优化配置方法

Also Published As

Publication number Publication date
CN110943465B (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
CN109325608B (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN112467722B (zh) 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法
CN106972523B (zh) 有源配电网内储能电站的优化选址定容方法
CN110943465B (zh) 一种储能系统选址定容优化方法
CN110895638A (zh) 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN107590744B (zh) 考虑储能和无功补偿的主动配电网分布式电源规划方法
CN109904869A (zh) 一种微电网混合储能容量配置的优化方法
CN111244985B (zh) 基于节点综合灵敏度系数的分布式储能序次优化配置方法
CN103310065A (zh) 计及分布式发电和储能单元的智能配网重构方法
CN113541166B (zh) 一种分布式储能优化配置方法、系统、终端和存储介质
CN106159944B (zh) 低碳环境下基于二层规划模型的多阶段输电网规划方法
CN110571863A (zh) 一种考虑配电网灵活性的分布式电源最大接纳能力评估方法
CN112561273B (zh) 一种基于改进pso的主动配电网可再生dg规划方法
CN111724064B (zh) 一种基于改进免疫算法的含储能配电网规划方法
CN114448044A (zh) 一种换电站双向快充有序充放电方法及系统
CN107171339A (zh) 一种含微网的配电网电压无功优化方法
CN116402307A (zh) 考虑可调度柔性资源运行特性的电网规划容量分析方法
CN116645089A (zh) 一种考虑退役电池容量退化的储能系统双层优化配置方法
CN115764849A (zh) 一种混合储能容量优化配置方法及其配置系统
CN117955133B (zh) 一种配电网储能优化配置方法及系统
CN113690930B (zh) 基于nsga-iii算法的分布式光伏电源中长期选址定容方法
CN112117772A (zh) 一种新能源接入下计及输电阻塞的储能快速优化配置方法
CN110472841A (zh) 一种电动汽车快速充电站的储能配置方法
CN112952869B (zh) 一种计及风电接入的交直流混联系统扩展规划方法及系统
CN113904374A (zh) 一种分布式光伏储能选点布局优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Tang Xueyong

Inventor after: Zhong Yilin

Inventor after: Zhang Yu

Inventor after: Song Yankan

Inventor after: Wang Qianjiang

Inventor after: Liu Dameng

Inventor after: Sun Bin

Inventor after: Li Qingsheng

Inventor after: Huang Yuhui

Inventor after: Gu Wei

Inventor after: Deng Pu

Inventor after: Gao Hua

Inventor after: Lei Jinyong

Inventor after: Li Ye

Inventor before: Tang Xueyong

Inventor before: Zhang Yu

Inventor before: He Molin

Inventor before: Wang Qianjiang

Inventor before: Liu Dameng

Inventor before: Wang Jian

Inventor before: Sun Bin

Inventor before: Li Qingsheng

Inventor before: Huang Yuhui

Inventor before: Jiang Zefu

Inventor before: Deng Pu

Inventor before: Gao Hua

Inventor before: Zhao Qingming

Inventor before: Zhong Yilin

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant