CN111490554B - 分布式光伏-储能系统多目标优化配置方法 - Google Patents

Abstract

本发明公开了一种分布式光伏‑储能系统多目标优化配置方法。建立双层优化模型，上层定容，选取电力系统整体电压偏差、储能系统运维成本和弃光率分别作为电力系统稳定性、经济性和新能源利用率的评估指标，建立多目标优化函数。在运行约束条件下，利用改进粒子群算法求解模型，得到满足条件的储能总容量和总功率的最优解。下层选址，选取节点电压总偏差和有功网损分别作为安全性和经济型的评估指标，建立多目标优化函数，在运行约束条件下，利用改进粒子群算法求解模型，得到单个储能容量和功率以及安装地点。本发明从电力系统稳定性、经济性、新能源利用率和安全性多方面考虑，在保证电力系统稳定的同时，提高新能源利用率和经济。

Description

分布式光伏-储能系统多目标优化配置方法

技术领域：

本发明涉及新能源消能力的储能优化配置领域，具体涉及一种分布式光伏-储能系统多目标优化配置方法。

背景技术：

随着国家经济蓬勃发展，科学技术日益更新，能源消耗已成为我国现阶段主要问题，我国早先以煤炭、石油等化石能源作为主要供电能源，但化石燃料在消耗过程中所产生的污染物对生态环境将会造成极大破坏。为解决环境问题和能源紧缺问题，风、光等分布式能源发电事业迅速发展。但是因为风光本身具有的波动性、间歇性和不确定性等特点，所以大规模的风电、光伏发电接入电网会对电力系统的稳定性造成影响。为了解决分布式光伏并网引起的一系列问题，现阶段考虑安装储能系统，储能系统的接入可调峰调频，减少电压波动，提高电网稳定性，同时能够有效地促进新能源消纳，减少弃光现象。

在分布式光伏-储能小则无法有效的实现光伏消纳和提高电网稳定性，容量太大则投资成本太高，造成不必要的浪费。目前在储能容量配置研究中，主要以经济性为主要目标函数配置储能容量，而在经济性中考虑环境效益的也比较少。从电力系统稳定性、经济性和新能源利用率多方面考虑储能容量配置，能达到更好的效果。系统配置中，储能电池容量的大小配置是关键。容量太

发明内容

发明目的：本发明主要解决分布式光伏-储能系统的配置问题，从电力系统稳定性、经济性、新能源利用率和安全性多方面考虑，在保证电力系统稳定的同时，提高新能源利用率和经济性。

技术方案：本发明提供一种分布式光伏-储能系统多目标优化配置方法，所述分布式光伏-储能系统包括分布式光伏发电系统、配电网和储能系统，其特征在于，所述分布式光伏-储能系统多目标优化配置方法包括如下步骤：

步骤1：建立双层优化模型，上层建立储能容量配置优化模型，下层建立储能选址优化模型；

步骤2：选取电力系统整体电压偏差、储能系统运维成本和弃光率分别作为电力系统稳定性、经济性和新能源利用率的评估指标，建立储能容量配置多目标优化函数；在满足运行约束条件下，分布式光伏-储能系统上层容量配置数学模型如下：

F＝min(ω₁F_u+ω₂F_cost+ω₃F_lignt)

式中，ω₁，ω₂，ω₃分别为权重系数，F_u为无量纲化后的整体电压偏差，储能系统运维成本记为W_cost，F_cost为无量纲化后的储能系统运维成本，F_light为无量纲化后的弃光率；

步骤3：采用改进的粒子群算法计算步骤2中分布式光伏-储能系统上层容量配置数学模型，得到储能系统的总容量和总功率，以使步骤2中三个评估指标综合达到最优状态；

步骤4：选取节点电压总偏差和有功网损分别作为电力系统安全性和经济性评估指标，建立分布式光伏-储能系统下层选址的目标函数，在满足运行约束条件下，分布式光伏-储能系统下层选址数学模型如下：

Y＝min(U_dev+P_loss)

式中，Y为确定储能位置的评估指标，U_dev为无量纲化后的节点电压总偏差，有功网损记为P’_loss，P_loss为无量纲化后的有功网损；

步骤5：自定义储能个数，平均分配上层容量配置优化的结果，对储能位置的所有可安装节点进行随机组合，用改进的粒子群算法计算每种组合下的Y值，Y值最小时的节点组合情况即为储能安放的最佳选择。

进一步地，所述步骤2中的无量纲化后的整体电压偏差F_u计算公式如下：

式中，N_N为配电网的节点数；U_i，t为i节点在t时刻的电压；U_e为T时间段内节点电压额定值。

进一步地，所述步骤2中储能系统运维成本W_cost以及无量纲化后的储能系统运维成本F_cost计算公式如下：

W_cost＝W₅+W₆-W₁-W₂-W₃-W₄

式中，W₁为储能系统“峰谷套利”日运行效益(元)；W₂为储能系统提供调峰辅助服务补偿；W₃为电网侧效益；W₄为环境效益；W₅为储能建设成本；W₆为储能装置维修成本；W_cost-max，W_cost-min分别为在考虑经济情况下储能系统运维成本最大值和最小值；

其中，

W₃＝y_dQ_ess+y_loadS+Y

W₅＝β(ω_Qy_QQ_ess+ω_py_pP_ess)

式中，P_ess，t为t时刻储能的功率；T为运行周期；Δt为时间间隔；y_t为对应时段电价；η_ess为储能充放电效率；η_η为储能调峰补偿标准；ΔP_{loss_t}为储能系统在t时刻和t-1时刻的弃电量之差；y_d为配电设备单位容量造价，Q_ess为储能安装容量，y_load为每平方米土地的价格，S为扩建土地的面积，Y为电网扩建施工费；E_ej为第j项污染物的环境价值；G_ej为第j项污染物的环境治理费用，m为污染总数；V_j为第j项污染物排放量；β为等年值系数

其中，τ为年利率，y为储能寿命年限；ω_Q，ω_P为权重系数，y_Q为单位容量的建设成本；y_P为单位功率的建设成本；/>

为储能装置损耗率，y_w为单位容量维修费用。

进一步地，所述步骤2中无量纲化后的弃光率F_light计算公式如下:

式中，F_ber(x)为储能弃光布尔函数，Q_min为最低放电容量，P_V(t)为光伏t时刻功率，P_cdmax为储能最大充电功率。

进一步地，所述步骤4中无量纲化后的节点电压总偏差U_dev计算公式如下：

式中，N_N为配电网的节点数；

为节点i电压的参考值；V_i为节点i电压的实际值；

分别为节点电压幅值的最高、最低限值。

进一步地，所述步骤4中的有功网损P’_loss及无量纲化处理的有功网损P_loss计算公式如下：

式中，B为系统支路数；R_b(i，j)是连接节点i，j的第b条支路的电阻；θ_ij为节点i，j之间的电压相角差；P′_loss-max，P′_loss-min分别为有功网损的最大值和最小值。

进一步地，所述步骤2中约束条件为：

荷电状态约束

充放电功率极限约束

-min(P_Scdmax，P_v(t)≤P_s(t)≤P_Sfdmax)

能量平衡约束

功率平衡约束

P_load(t)＝P_ess(t)+P_v(t)

初始储能约束

E(0)＝0.5V

节点电压约束

其中，SOC_max，SOC_min分别为储能电池所允许的最大和最小荷电状态；E_ess(t)，E_ess分别为储能系统在t时刻的容量和额定容量；σ为单位时间内电池的自放电率；η为储能系统的充放电效率；P_s(t)为受约束之后电池的充放电功率；P_Scdmax，P_Sfdmax分别是电池自身的最大充电功率和最大放电功率；P_load(t)为t时刻负荷功率，P_ess(t)为t时刻储能系统的功率，充电时为负值，放电时为正值；P_v(t)为t时刻光伏功率；

为t时刻节点电压幅值下限，/>

为t时刻节点电压幅值上限。

进一步地，所述步骤4中约束条件为：

节点功率平衡

储能装置约束

节点电压约束

其中，P_i，Q_i分别为节点i注入有功、无功功率；U_i，U_i为节点i、j的电压，θ_i，θ_i为节点i、j的相角，G_ij，B_ij分别为节点导纳矩阵i行j列的实部和虚部，N为节点个数；

为i节点储能装置充放电功率的上下限值，/>

为节点电压幅值上下限。

进一步地，所述步骤3、步骤5中改进的粒子群算法是在基本粒子群优化算法的速度更新过程中加入动态惯性权重w，其计算公式如下：

式中，k为当前迭代次数，K为最大迭代次数。

进一步地，所述步骤2中权重系数ω₁，ω₂，ω₃采用比率标度法确定，比率标度法中的标度值β_ij取[1，10]中的所有自然数，表示各个目标之间的重要性，标度值越大，目标越重要；确定标度值后，得到矩阵H，根据矩阵H，得到目标在整个问题中的重要程度值α_i，继而求取各个目标的权重系数；

式中，n为目标数，

有益效果：

1、本发明建立双层优化数学模型，上层储能容量优化，并作为下层储能选址约束条件，最终得到最优储能容量、功率和位置。上层选取电力系统整体电压偏差、储能系统运维成本和弃光率等多个指标建立目标函数，使电力系统稳定性、经济性和新能源利用率三个方面综合达到最优状态，使储能容量配置更加安全，经济，合理。

2、本发明采用改进的粒子群算法，标准粒子群算法中粒子寻优容易陷入局部最优而达不到想要的效果，因此引入动态惯性权重w，防止种群多样性减少的同时又能在后期加快收敛速度，避免出现惯性权重过大导致无法收敛的现象，同时也避免出现惯性权重过小导致粒子陷入局部解的现象。动态惯性权重引入了具有周期振荡性的余弦函数，以总迭代次数为基础,使每个粒子在搜索时获得振荡扩大搜索空间增大种群多样性,有助于粒子跳出局部最优解。

附图说明

图1为本发明优化配置方法整体求解流程图；

图2为IEEE33节点系统图；

图3为光伏电站总输出功率与期望功率。

具体实施方案：

下面利用附图对本发明的分布式光伏-储能系统多目标优化配置方法作进一步描述。

本发明属于新能源消能力的储能优化配置领域，主要是为了从电力系统稳定性、经济性、新能源利用率和安全性多方面考虑，在保证电力系统稳定的同时，提高新能源利用率和经济性。

本发明的具体实施方式：基于IEEE33节点系统，收集某地区一年时间的光伏电站发电功率，采集储能电站的基础数据，包括单位容量安装和维修费用、单位功率安装费用、时段电价和调峰补偿等。根据电力系统稳定性、经济性和新能源利用率分别对分布式光伏-储能系统配置的重要性，计算三者权重系数分别为0.652、0.235、0.113。在此基础上对储能系统容量进行配置。在4节点，26节点放置额定功率500kW的光伏电站，在2节点至33节点中任意选择2个节点放置储能电站，在此基础上对所有选择结果优化，得到储能电站最优位置和单个储能容量和功率。

本发明提供的一种技术方案是：一种分布式光伏-储能系统多目标优化配置方法，分布式光伏-储能系统包括分布式光伏发电系统、配电网和储能系统，分布式光伏-储能系统多目标优化配置方法主要包括如下步骤：

步骤一、分布式光伏-储能系统多目标优化配置建立双层优化模型，上层建立储能容量配置优化模型，下层建立储能选址优化模型。

步骤二、选取电力系统整体电压偏差、储能系统运维成本和弃光率分别作为电力系统稳定性、经济性和新能源利用率的评估指标，建立储能容量配置多目标优化函数。在满足运行约束条件下，分布式光伏-储能系统上层容量配置数学模型如下：

F＝min(ω₁F_u+ω₂F_cost+ω₃F_lignt)

式中，ω₁，ω₂，ω₃分别为权重系数，F_u为无量纲化后的整体电压偏差，储能系统运维成本记为W_cost，F_cost为无量纲化后的储能系统运维成本，F_light为无量纲化后的弃光率。

1)上层容量配置数学模型运行约束条件如下：

荷电状态约束

充放电功率极限约束

-min(P_Scdmax，P_v(t)≤P_s(t)≤P_Sfdmax)

能量平衡约束

功率平衡约束

P_load(t)＝P_ess(t)+P_v(t)

初始储能约束

E(0)＝0.5V

节点电压约束

其中，SOC_max，SOC_min分别为储能电池所允许的最大和最小荷电状态；E_ess(t)，E_ess分别为储能系统在t时刻的容量和额定容量；σ为单位时间内电池的自放电率；η为储能系统的充放电效率；P_s(t)为受约束之后电池的充放电功率；P_Scdmax，P_Sfdmax分别是电池自身的最大充电功率和最大放电功率；P_load(t)为t时刻负荷功率，P_ess(t)为t时刻储能系统的功率，充电时为负值，放电时为正值；P_v(t)为t时刻光伏功率；

为t时刻节点电压幅值下限，/>

为t时刻节点电压幅值上限。

2)上层容量配置数学模型中储能系统运维成本W_cost以及无量纲化后的储能系统运维成本F_cost计算公式如下(无量纲化处理采用阈值法)：

W_cost＝W₅+W₆-W₁-W₂-W₃-W₄

式中，W₁为储能系统“峰谷套利”日运行效益(元)；W₂为储能系统提供调峰辅助服务补偿；W₃为电网侧效益；W₄为环境效益；W₅为储能建设成本；W₆为储能装置维修成本；W_cost-max，W_cost-min分别为在考虑经济情况下储能系统运维成本最大值和最小值；

其中，

W₃＝y_dQ_ess+y_loadS+Y

W₅＝β(ω_Qy_QQ_ess+ω_py_pP_ess)

式中，P_ess，t为t时刻储能的功率；T为运行周期；Δt为时间间隔；y_t为对应时段电价；η_ess为储能充放电效率；η_η为储能调峰补偿标准；ΔP_{loss_t}为储能系统在t时刻和t-1时刻的弃电量之差；y_d为配电设备单位容量造价，Q_ess为储能安装容量，y_load为每平方米土地的价格，S为扩建土地的面积，Y为电网扩建施工费；E_ej为第j项污染物的环境价值；G_ej为第j项污染物的环境治理费用，m为污染总数；V_j为第j项污染物排放量；β为等年值系数

其中，τ为年利率，y为储能寿命年限；ω_Q，ω_P为权重系数，y_Q为单位容量的建设成本；y_P为单位功率的建设成本；/>

为储能装置损耗率，y_w为单位容量维修费用。

3)上层容量配置数学模型中无量纲化后的弃光率F_light计算公式如下:

式中，F_ber(x)为储能弃光布尔函数，Q_min为最低放电容量，P_V(t)为光伏t时刻功率，P_cdmax为储能最大充电功率。

4)上层容量配置数学模型中的权重系数ω₁，ω₂，ω₃采用比率标度法确定，比率标度法中的标度值β_ij取[1，10]中的所有自然数，表示各个目标之间的重要性，标度值越大，目标越重要；确定标度值后，得到矩阵H，根据矩阵H，得到目标在整个问题中的重要程度值α_i，继而求取各个目标的权重系数；

式中，n为目标数，

步骤三、采用改进的粒子群算法计算上述分布式光伏-储能系统上层容量配置数学模型，得到储能系统的总容量和总功率，以使整体电压偏差、储能系统运维成本和弃光率三个评估指标综合达到最优状态。

步骤四、选取节点电压总偏差和有功网损分别作为电力系统安全性和经济性评估指标，建立分布式光伏-储能系统下层选址的目标函数，在满足运行约束条件下，分布式光伏-储能系统下层选址数学模型如下：

Y＝min(U_dev+P_loss)

式中，Y为确定储能位置的评估指标，U_dev为无量纲化后的节点电压总偏差，P_loss为无量纲化后的有功网损。

1)运行约束条件如下：

节点功率平衡：

储能装置约束：

节点电压约束：

其中，P_i，Q_i分别为节点i注入有功、无功功率；U_i，U_i为节点i、j的电压，θ_i，θ_i为节点i、j的相角，G_ij，B_ij分别为节点导纳矩阵i行j列的实部和虚部，N为节点个数；

为i节点储能装置充放电功率的上下限值，/>

为节点电压幅值上下限。

2)分布式光伏-储能系统下层选址数学模型中无量纲化后的节点电压总偏差计算公式如下：

式中，N_N为配电网的节点数；

为节点i电压的参考值；V_i为节点i电压的实际值；

分别为节点电压幅值的最高、最低限值。

3)分布式光伏-储能系统下层选址数学模型中有功网损计算公式如下：

式中，B为系统支路数；R_b(i，j)是连接节点i，j的第b条支路的电阻；θ_ij为节点i，j之间的电压相角差。

步骤五、根据实际需求自定义储能个数，平均分配上层容量配置优化的结果，对储能位置的所有可安装节点进行随机组合，用改进的粒子群算法计算每种组合下的Y值，Y值最小时的节点组合情况即为储能安放的最佳位置。

步骤三与步骤五中的改进的粒子群算法是在基本粒子群优化算法的速度更新过程中加入动态惯性权重w，计算流程与标准粒子群算法一样，首先初始化粒子速度和粒子位置，进行粒子适应度值计算，找到个体极值和群体极值，然后不断迭代求出目标函数的全局最优解。其中，动态惯性权重w计算公式如下：

式中，k为当前迭代次数，K为最大迭代次数。

本发明具体实施方式采用的IEEE33节点系统节点中，参见附图2，有32条支路，5条联络开关支路、1个电源网络首端基准电压12.66kV、三相功率准值取10MVA、网络总负荷5084.26+j2547.32kVA。节点4处的负荷大小60+j30，节点26处的负荷大小60+j25。

本发明具体实施方式中采用的IEEE33节点系统在经过分布式光伏-储能系统多目标优化配置方法配置后，配置结果参见下面两张表，表中数据即是通过多目标优化配置方法配置后的配置结果，图3为光伏电站总输出功率与期望功率，期望功率起伏更加平稳。

上层容量优化配置结果如下：

储能总容量(MW·h)	98.9108
		储能总功率(MW)	56.5493
整体电压偏差(标幺值)	0.4237
		年建设成本(元)	3.8206×107
年维修成本(元)	3.1826×107
		年峰谷套利(元)	2.5272×106
年调峰辅助(元)	5.6607×105
		年电网侧收益(元)	4.2319×105
年环境效益(元)	1.7619×106
		年弃光率(％)	3.7

下层选址优化配置结果如下：

场景1为接入光伏电站，不接入储能电站。

场景2为接入光伏电站，接入2个储能电站。

由上表可以看出，场景1中，在未加入任何补偿装置时，系统的网损和电压偏差值都较大，分别为0.8124、0.5764。场景2中当系统接入储能装置后，网损和电压波动都有了降低，储能放置在节点5和节点16时，结果最优，此时网损由0.8124降到0.6538，节点电压偏差由0.5764降到0.3165。

上述实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种分布式光伏-储能系统多目标优化配置方法，所述分布式光伏-储能系统包括分布式光伏发电系统、配电网和储能系统，其特征在于，所述分布式光伏-储能系统多目标优化配置方法包括以下步骤：

步骤1：建立双层优化模型，上层建立储能容量配置优化模型，下层建立储能选址优化模型；

步骤2：选取电力系统整体电压偏差、储能系统运维成本和弃光率分别作为电力系统稳定性、经济性和新能源利用率的评估指标，建立储能容量配置多目标优化函数；在满足运行约束条件下，分布式光伏-储能系统上层容量配置数学模型如下：

F＝min(ω₁F_u+ω₂F_cost+ω₃F_lignt)

式中，ω₁，ω₂，ω₃分别为权重系数，F_u为无量纲化后的整体电压偏差，储能系统运维成本记为W_cost，F_cost为无量纲化后的储能系统运维成本，F_light为无量纲化后的弃光率；权重系数ω₁，ω₂，ω₃采用比率标度法确定，比率标度法中的标度值β_ij取[1，10]中的所有自然数，表示各个目标之间的重要性，标度值越大，目标越重要；确定标度值后，得到矩阵H，根据矩阵H，得到目标在整个问题中的重要程度值α_i，继而求取各个目标的权重系数；

式中，n为目标数，β_ii＝1，

步骤3：采用改进的粒子群算法计算步骤2中分布式光伏-储能系统上层容量配置数学模型，得到储能系统的总容量和总功率，以使步骤2中三个评估指标综合达到最优状态；

步骤4：选取节点电压总偏差和有功网损分别作为电力系统安全性和经济性评估指标，建立分布式光伏-储能系统下层选址的目标函数，在满足运行约束条件下，分布式光伏-储能系统下层选址数学模型如下：

Y＝min(U_dev+P_loss)

式中，Y为确定储能位置的评估指标，U_dev为无量纲化后的节点电压总偏差，有功网损记为P′_loss，P_loss为无量纲化后的有功网损；

步骤5：自定义储能个数，平均分配上层容量配置优化的结果，对储能位置的所有可安装节点进行随机组合，用改进的粒子群算法计算每种组合下的Y值，Y值最小时的节点组合情况即为储能安放的最佳选择；

所述步骤3、步骤5中改进的粒子群算法是在基本粒子群优化算法的速度更新过程中加入动态惯性权重w，其计算公式如下：

式中，k为当前迭代次数，K为最大迭代次数。

2.根据权利要求1所述分布式光伏-储能系统多目标优化配置方法，其特征在于，所述步骤2中的无量纲化后的整体电压偏差F_u计算公式如下：

式中，N_N为配电网的节点数；U_i，t为i节点在t时刻的电压；U_e为T时间段内节点电压额定值。

3.根据权利要求1所述分布式光伏-储能系统多目标优化配置方法，其特征在于，所述步骤2中储能系统运维成本W_cost以及无量纲化后的储能系统运维成本F_cost计算公式如下：

W_cost＝W₅+W₆-W₁-W₂-W₃-W₄

式中，W₁为储能系统“峰谷套利”日运行效益；W₂为储能系统提供调峰辅助服务补偿；W₃为电网侧效益；W₄为环境效益；W₅为储能建设成本；W₆为储能装置维修成本；W_cost-max，W_cost-min分别为在考虑经济情况下储能系统运维成本最大值和最小值；

其中，

W₃＝y_dQ_ess+y_loadS+Y

W₅＝β(ω_Qy_QQ_ess+ω_py_pP_ess)

式中，P_ess，t为t时刻储能的功率；T为运行周期；Δt为时间间隔；y_t为对应时段电价；η_ess为储能充放电效率；η_η为储能调峰补偿标准；ΔP_{loss_t}为储能系统在t时刻和t-1时刻的弃电量之差；y_d为配电设备单位容量造价，Q_ess为储能安装容量，y_load为每平方米土地的价格，S为扩建土地的面积，Y为电网扩建施工费；E_ej为第j项污染物的环境价值；G_ej为第j项污染物的环境治理费用，m为污染总数；V_j为第j项污染物排放量；β为等年值系数

其中，τ为年利率，y为储能寿命年限；ω_Q，ω_P为权重系数，y_Q为单位容量的建设成本；y_P为单位功率的建设成本；/>

为储能装置损耗率，y_w为单位容量维修费用。

4.根据权利要求1所述分布式光伏-储能系统多目标优化配置方法，其特征在于，所述步骤2中无量纲化后的弃光率F_light计算公式如下：

式中，F_ber(x)为储能弃光布尔函数，P_V(t)为光伏t时刻功率，P_cdmax为储能最大充电功率，Q_ess为储能安装容量，Δt为时间间隔。

5.根据权利要求1所述分布式光伏-储能系统多目标优化配置方法，其特征在于，所述步骤4中无量纲化后的节点电压总偏差U_dev计算公式如下：

式中，N_N为配电网的节点数；

为节点i电压的参考值；V_i为节点i电压的实际值；

分别为节点电压幅值的最高、最低限值。

6.根据权利要求1所述分布式光伏-储能系统多目标优化配置方法，其特征在于，所述步骤4中的有功网损P′_loss及无量纲化处理的有功网损P_loss计算公式如下：

式中，B为系统支路数；R_b(i，j)是连接节点i，j的第b条支路的电阻；θ_ij为节点i，j之间的电压相角差；P′_loss-max，P′_loss-min分别为有功网损的最大值和最小值。

7.根据权利要求1所述分布式光伏-储能系统多目标优化配置方法，其特征在于，所述步骤2中约束条件为：

荷电状态约束

充放电功率极限约束

-min(P_Scdmax，P_v(t)≤P_s(t)≤P_Sfdmax)

能量平衡约束

功率平衡约束

P_load(t)＝P_ess(t)+P_v(t)

初始储能约束

E(0)＝0.5V

节点电压约束

其中，SOC_max，SOC_min分别为储能电池所允许的最大和最小荷电状态；E_ess(t)，E_ess分别为储能系统在t时刻的容量和额定容量；σ为单位时间内电池的自放电率；η为储能系统的充放电效率；P_s(t)为受约束之后电池的充放电功率；P_Scdmax，P_Sfdmax分别是电池自身的最大充电功率和最大放电功率；P_load(t)为t时刻负荷功率，P_ess(t)为t时刻储能系统的功率，充电时为负值，放电时为正值；P_v(t)为t时刻光伏功率；

为t时刻节点电压幅值下限，/>

为t时刻节点电压幅值上限。

8.根据权利要求1所述分布式光伏-储能系统多目标优化配置方法，其特征在于，所述步骤4中约束条件为：

节点功率平衡

储能装置约束

节点电压约束

其中，P_i，Q_i分别为节点i注入有功、无功功率；U_i，U_i为节点i、j的电压，θ_i，θ_i为节点i、j的相角，G_ij，B_ij分别为节点导纳矩阵i行j列的实部和虚部，N为节点个数；

为i节点储能装置充放电功率的上下限值，/>

为节点电压幅值上下限。

Images