CN113541166B - 一种分布式储能优化配置方法、系统、终端和存储介质 - Google Patents

一种分布式储能优化配置方法、系统、终端和存储介质 Download PDF

Info

Publication number
CN113541166B
CN113541166B CN202110855245.2A CN202110855245A CN113541166B CN 113541166 B CN113541166 B CN 113541166B CN 202110855245 A CN202110855245 A CN 202110855245A CN 113541166 B CN113541166 B CN 113541166B
Authority
CN
China
Prior art keywords
energy storage
power
node
representing
distribution network
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.)
Active
Application number
CN202110855245.2A
Other languages
English (en)
Other versions
CN113541166A (zh
Inventor
冯浩洋
潘峰
杨雨瑶
党三磊
马键
孟庆亮
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.)
Guangdong Power Grid Co Ltd
Measurement Center of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Measurement Center of Guangdong 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 Guangdong Power Grid Co Ltd, Measurement Center of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202110855245.2A priority Critical patent/CN113541166B/zh
Publication of CN113541166A publication Critical patent/CN113541166A/zh
Application granted granted Critical
Publication of CN113541166B publication Critical patent/CN113541166B/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
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Abstract

本发明公开了一种分布式储能优化配置方法、系统、终端和存储介质，包括：进行电网初始潮流计算，确定系统初始运行状态，计算节点电压综合灵敏度，并按大小进行排序；取经灵敏度指标排序后的前n％节点作为电网储能安装节点集合；构建含分布式光伏的配电网储能优化配置模型；采用场景法考虑光伏随机波动对于分布式储能优化配置结果的影响；设定储能计划安装个数，根据优化配置模型计算储能安装位置及策略，输出储能优化配置结果以及对应储能运行策略结果。本发明不仅能够在改善节点电压波动的同时降低了储能优化配置问题的求解规模，并提高了储能优化配置及运行问题的寻优速度，还能规避光伏出力不确定性对分布式储能优化配置结果带来的影响。

Description

一种分布式储能优化配置方法、系统、终端和存储介质
技术领域
本发明涉及分布式储能优化与规划技术领域，特别是涉及一种分布式储能优化配置方法、系统、终端和存储介质。
背景技术
目前，可再生能源为解决全球能源枯竭与环境污染问题、以及驱动国家能源变革提供了有效途径，但大规模可再生能源的接入对电网安全稳定运行提出了新的挑战，大容量的分布式能源(distributedgeneration，DG)接入电网将对局部电网造成冲击，影响电网运行的稳定性和可靠性。由于分布式储能(Distributed Energy Storage，DES)具有提高可再生能源的消纳率、改善用电网络的供电质量、提高系统稳定性、提高配电网经济效益等重要作用，在含DG的配电网中有很大应用前景，是保证配电网安全可靠运行的关键。目前DES制造、运行和维护等成本较昂贵，因此配电网中DES的选址合理性问题受到了广泛关注。其次，为了更有效地提高配电网的电压稳定性，亟需选择合适的DES策略配置方法，如何高效地求解DES的选址以及优化策略问题成为难题。
近年来，关于含DG的配电网分布式储能的优化配置与运行问题的研究不断加深，专利基于概率离散化的配电网分布式储能优化配置方法通过NSGA－II算法选择合适的储能容量和合适的储能选址位置(刘海涛，顾思，孙晓，孙放，许伦.基于概率离散化的配电网分布式储能优化配置方法[P].江苏省：CN110690720B，2020－10－30.)；文献含光伏的配电网分布式储能多目标优化配置与运行提出了一种含光伏的配电网中DES的多目标优化配置与运行方法(何森，林舜江，李广凯.含光伏的配电网分布式储能多目标优化配置与运行[J].电工电能新技术，2019，38(03)：18－27.)；文献考虑耐受渗透比的配电网储能优化配置分析了储能配置比与耐受渗透比提高幅度之间的灵敏度关系，进而提出了考虑耐受渗透比的分布式储能优化配置方法(肖海伟，汪平，黄娟.考虑耐受渗透比的配电网储能优化配置[J].供用电，2019，36(08)：67－72+90.)。
总的来说，关于DES优化配置求解问题主要可以从以下方面改进：(1)关于求解算法方面：有不少学者采用智能算法进行求解，但容易陷入局部最优的情况；其次，有学者关注对于DES优化求解问题寻优速度的提高，但并未同时关注解决DES求解问题规模过大的问题，亟需结合两者提出降低规模与提高寻优速度的方法；(2)关于求解问题的安全可靠性方面：灵敏度分析方法可以分析网络未来可能态，为规避系统风险提供基础，采用灵敏度分析方法考虑电压波动影响，提供更为安全可靠的分布式储能优化配置与运行方法；(3)关于方法的适用性方面：传统的分布式储能优化配置模型一般没有考虑光伏出力的随机性，所得方案适用性不够高，需要考虑光伏出力不确定性对分布式储能优化配置结果的影响。
因此，急需一种基于灵敏度分析的分布式储能优化配置及运行方法，在改善节点电压波动，降低储能优化配置问题的求解规模并提高储能优化配置及运行问题的寻优速度的同时，通过考虑光伏出力的随机波动提高方法的适用性。
发明内容
本发明的目的是：提供一种分布式储能优化配置方法、系统、终端和存储介质，本发明利用灵敏度分析方法更合理地考虑了电压波动的影响，改善节点电压波动，降低储能优化配置问题的求解规模并提高储能优化配置及运行问题的寻优速度，通过考虑光伏出力的随机波动提高了所述方法的适用性。
为了实现上述目的，本发明提供了一种分布式储能优化配置方法，包括：
S1、对目标区域电网进行初始潮流计算，并根据所述计算结果，获得目标区域电网的初始运行状态；
S2、根据所述目标区域电网的初始运行状态和灵敏度分析方法，计算所述目标区域电网中每个节点的节点电压的综合灵敏度；并将所述每个节点按照节点电压的综合灵敏度从大到小排序，构成一个排序好的节点集合；
S3、根据预设的安装比例n％，从所述节点集合中选取前n％作为配电网储能装置安装节点集合；
S4、构建含分布式光伏的配电网储能优化配置模型，并采用场景法分析光伏随机波动对所述配电网储能优化配置模型的影响；
S5、根据所述配电网储能优化配置模型，计算储能装置安装位置及策略，获得储能优化配置结果及对应储能策略结果。
进一步地，所述根据所述目标区域电网的初始运行状态和灵敏度分析方法，计算所述目标区域电网中每个节点的节点电压的综合灵敏度，包括：
根据所述目标区域电网的初始运行状态和灵敏度分析方法，分别计算目标区域电网中每个节点的功率变化和电压波动程度；
根据所述功率变化和电压波动程度，获得每个节点电压的综合灵敏度。
进一步地，所述计算目标区域电网中每个节点的功率变化，采用如下计算公式：
式中，Qi,g表示节点i功率变化对任一配电网节点电压影响程度的灵敏度指标，Pi、Qi表示节点i的有功功率和无功功率，ΔPi、ΔQi表示节点i的节点有功功率和无功功率的变化，Vg表示节点g的节点电压，E表示电网节点集合，节点g表示电网节点集合内任一电网节点；
所述计算目标区域电网中每个节点的电压波动程度，采用如下计算公式：
式中，ki为电压偏离程度指标，Vi.t表示节点i第t时刻的节点电压，Vi,ref表示节点i的基准电压；
所述根据所述功率变化和电压波动程度，获得每个节点电压的综合灵敏度，采用如下计算公式：
式中，Li为节点i的节点电压综合灵敏度指标。
进一步地，所述构建含分布式光伏的配电网储能优化配置模型，包括：
计算配电网电压波动和配电网成本，其中，所述配电网成本包括：网损成本、购电成本、储能成本；
根据所述配电网电压波动和配电网成本，构建的含光伏的分布式储能优化配置模型的目标函数。
进一步地，所述计算配电网电压波动，采用如下计算公式：
式中，fV表示配电网电压波动总和；ΔVd表示电压波动总和；
所述计算配电网成本，采用如下计算公式：
fC＝Closs+Cgrid+Cess
式中，fC为配电网总成本，Closs为网损成本，Cgrid为购电成本，Cess为储能成本；其中，
所述网损成本，采用如下计算公式：
式中，Ploss,t表示配电网在时刻t下的有功损耗，closs表示单位电量有功损耗费用；△t为时间间隔，N表示电网负荷节点集合，是电网节点集合E的子集；Pgrid,t表示时刻t上级电网注入配电网的总有功功率，对于任意(i,j)∈E，和/>分别为负荷和光伏的注入有功功率，/>表示储能充电功率和储能放电功率，SPV表示光伏安装节点的集合，SES表示储能安装节点的集合；
所述购电成本，采用如下计算公式：
式中，cgrid,t表示时刻t单位电量购电费用；
所述储能成本，采用如下计算公式：
式中，Cs、Cm分别表示储能运行成本和维护成本；cess,s、cess,m分别表示单位电量储能运行和维护费用；
所述根据所述配电网电压波动和配电网成本，构建的含光伏的分布式储能优化配置模型的目标函数，采用如下计算公式：
α+β＝1
式中，α和β表示目标函数的权重系数，fV,ini表示没有安装储能时配电网初始电压波动总和；fC,ini表示没有安装储能时配电网初始总成本总和。
进一步地，所述配电网储能优化配置模型，包括如下约束条件：功率平衡约束条件、节点电压约束条件、线路电流约束条件、分布式光伏接入配电网的有功无功运行约束条件、上级电网注入配电网的总有功功率限制约束、储能充放电功率限制约束条件、储能充放电状态约束条件、ES容量限制约束条件、储能最大安装个数约束和充放电平衡约束，其中，所述功率平衡约束条件，采用如下计算公式：
式中，对于任意(i,j)∈E，线路lij的阻抗为zij＝rij+jxij，且有yij＝1/zij＝gij-jbij；Iij为由节点i流向节点j的线路电流幅值；Vi,t为在时段t中节点i的电压幅值；；和/>分别为节点i的发电机、负荷和光伏电源的注入无功功率；Sij,t＝Pij,t+jQij,t表示在时段t中线路始端节点的复功率，且由节点i流向节点j；SGi表示储能安装位置的0－1变量，当SG,i取1时表示储能待安装节点i处需要安装储能，当SG,i取0时则表示储能待安装节点i处不需要安装储能；
所述节点电压约束条件，采用如下计算公式：
式中，Vi,min和Vi,max分别表示节点i的电压幅值下界和上界，vi,t为在时段t中节点i的电压幅值；
所线路电流约束条件，采用如下计算公式：
式中，Iij,max表示通过线路lij的电流幅值的上界。
所述分布式光伏接入配电网的有功无功运行约束条件，采用如下计算公式：
式中，为节点i的光伏有功功率预测值；/>表示光伏视在功率的上限；
所述上级电网注入配电网的总有功功率限制约束条件，采用如下计算公式：
式中，和/>分别表示上级电网注入总有功功率的下界和上界；
所述储能充放电功率限制约束条件，采用如下计算公式：
式中，表示储能设备i的充放电功率的上限；
所述储能充放电状态约束条件，采用如下计算公式：
所述ES容量限制约束条件，采用如下计算公式：
式中，表示在时段t中储能设备i的储能容量；/>表示储能设备i的充电效率系数；/>表示储能设备i的放电效率系数；/>和/>分别表示储能设备i的最小和最大储能容量；/>表示在储能设备i的初始储能容量；
所述储能最大安装个数约束条件，采用如下计算公式：
式中，SSG表示储能待安装节点集合，Nmax表示储能计划最大安装个数；
所述充放电平衡约束条件，采用如下计算公式：
进一步地，所述采用场景法分析光伏随机波动对所述配电网储能优化配置模型的影响，包括：误差场景约束条件和场景转移约束条件，其中，
所述误差场景约束条件，采用如下计算公式：
式中，x0表示预测场景下的变量；F(x0)表示预测场景下的目标函数；S表示误差场景，sc为S内任一误差场景；xsc表示误差场景sc下的变量；h(x0)、g(x0)分别表示预测场景下等式和不等式约束；hsc(xsc)、gsc(xsc)分别表示误差场景sc下等式和不等式约束；
所述场景转移约束条件，包括充放电功率转移约束和上级电网购电功率转移约束条件，其中，所述充放电功率转移约束条件，采用如下计算公式：
所述上级电网购电功率转移约束条件，采用如下计算公式：
式中，表示误差场景sc下储能充电功率和储能放电功率，/>表示在t时段内可调整的最大储能充、放电功率，Pgrid,t,sc表示误差场景sc下上级电网注入配电网的总有功功率，△Pgrid,t表示在t时段内可调整的最大上级电网注入有功功率。
本发明还提供一种分布式储能优化配置系统，包括：潮流计算模块、灵敏度分析模块、选取模块、构建模块和配置优化模块，其中，
所述潮流计算模块，用于对目标区域电网进行初始潮流计算，并根据所述计算结果，获得目标区域电网的初始运行状态；
所述灵敏度分析模块，用于根据所述目标区域电网的初始运行状态和灵敏度分析方法，计算所述目标区域电网中每个节点的节点电压的综合灵敏度；并将所述每个节点按照节点电压的综合灵敏度从大到小排序，构成一个排序好的节点集合；
所述选取模块，用于根据预设的安装比例n％，从所述节点集合中选取前n％作为配电网储能装置安装节点集合；
所述构建模块，用于构建含分布式光伏的配电网储能优化配置模型，并采用场景法分析光伏随机波动对所述配电网储能优化配置模型的影响；
所述配置优化模块，用于根据所述配电网储能优化配置模型，计算储能装置安装位置及策略，获得储能优化配置结果及对应储能策略结果。
本发明还提供一种计算机终端设备，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一项所述的分布式储能优化配置方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的分布式储能优化配置方法。
本发明实施例一种分布式储能优化配置方法、系统、终端和存储介质与现有技术相比，其有益效果在于：
本发明利用灵敏度分析方法更合理地考虑了电压波动的影响，改善节点电压波动，降低储能优化配置问题的求解规模并提高储能优化配置及运行问题的寻优速度，所提方案能够规避光伏出力不确定性对分布式储能优化配置结果带来的影响。
附图说明
图1是本发明提供的一种分布式储能优化配置方法的流程示意图；
图2是本发明提供的修改的IEEE33节点配电网系统的结构示意图；
图3是本发明提供的日负荷预测曲线和日光伏出力预测曲线示意图；
图4是本发明提供的表2中方案1最优储能充放电策略示意图。
图5是本发明提供的表2中方案7最优储能充放电策略示意图；
图6是本发明提供的分布式储能优化配置系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如图1－图5所示，本发明实施例的一种分布式储能优化配置方法，至少包括如下步骤：
S1、对目标区域电网进行初始潮流计算，并根据所述计算结果，获得目标区域电网的初始运行状态；
具体地，根据配电网典型日负荷曲线以及光伏典型日出力曲线，进行电网初始潮流计算，确定系统初始运行状态；
S2、根据所述目标区域电网的初始运行状态和灵敏度分析方法，计算所述目标区域电网中每个节点的节点电压的综合灵敏度；并将所述每个节点按照节点电压的综合灵敏度从大到小排序，构成一个排序好的节点集合；
具体地，首先，为反映功率变化对节点电压的影响，定义节点i功率变化对任一配电网节点电压影响程度的灵敏度指标Qi,g为：
式中，Qi,g表示节点i功率变化对任一配电网节点电压影响程度的灵敏度指标，Pi、Qi表示节点i的有功功率和无功功率，ΔPi、ΔQi表示节点i的节点有功功率和无功功率的变化，Vg表示节点g的节点电压，E表示电网节点集合，节点g表示电网节点集合内任一电网节点；
其次，为计入24小时内节点电压的偏离程度影响，引入电压偏离程度指标ki反映节点i的节点电压波动程度，定义为：
式中，ki为电压偏离程度指标，Vi.t表示节点i第t时刻的节点电压，Vi,ref表示节点i的基准电压；
最后，为综合反映节点功率变化对全网节点电压的影响程度，定义电网节点集合E中节点i的节点电压综合灵敏度指标Li为：
式中，Li为节点i的节点电压综合灵敏度指标。
S3、根据预设的安装比例n％，从所述节点集合中选取前n％作为配电网储能装置安装节点集合；
具体地，设定安装节点比例n％，取S2步骤排序后前n％节点作为配电网储能安装节点集合，储能待安装节点集合内节点个数可定义为NSG；
S4、构建含分布式光伏的配电网储能优化配置模型，并采用场景法分析光伏随机波动对所述配电网储能优化配置模型的影响；
具体地，所述配电网储能优化配置模型的目标函数为双目标函数，包括：配电网电压波动和配电网成本，其中，
所述配电网电压波动，采用如下计算公式
式中，fV表示配电网电压波动总和；ΔVd表示电压波动总和；
所述计算配电网成本，采用如下计算公式：
fC＝Closs+Cgrid+Cess
式中，fC为配电网总成本，Closs为网损成本，Cgrid为购电成本，Cess为储能成本；其中，
所述网损成本，采用如下计算公式：
式中，Ploss,t表示配电网在时刻t下的有功损耗，closs表示单位电量有功损耗费用(元/(kW·h))；△t为时间间隔，本文取为1h；N表示电网负荷节点集合，是电网节点集合E的子集；Pgrid,t表示时刻t上级电网注入配电网的总有功功率，对于任意(i,j)∈E，和/>分别为负荷和光伏的注入有功功率，/>表示储能充电功率和储能放电功率，SPV表示光伏安装节点的集合，SES表示储能安装节点的集合；
所述购电成本，采用如下计算公式：
式中，cgrid,t表示时刻t单位电量购电费用；
所述储能成本，采用如下计算公式：
式中，Cs、Cm分别表示储能运行成本和维护成本；cess,s、cess,m分别表示单位电量储能运行和维护费用(元/(kW·h))；
所述根据所述配电网电压波动和配电网成本，构建的含光伏的分布式储能优化配置模型的目标函数，采用如下计算公式：
α+β＝1
式中，α和β表示目标函数的权重系数，fV,ini表示没有安装储能时配电网初始电压波动总和；fC,ini表示没有安装储能时配电网初始总成本总和。
需要说明的是，所述配电网储能优化配置模型，包括如下约束条件：功率平衡约束条件、节点电压约束条件、线路电流约束条件、分布式光伏接入配电网的有功无功运行约束条件、上级电网注入配电网的总有功功率限制约束、储能充放电功率限制约束条件、储能充放电状态约束条件、ES容量限制约束条件、储能最大安装个数约束和充放电平衡约束，其中，所述功率平衡约束条件，采用如下计算公式：
式中，对于任意(i,j)∈E，线路lij的阻抗为zij＝rij+jxij，且有yij＝1/zij＝gij-jbij；Iij为由节点i流向节点j的线路电流幅值；Vi,t为在时段t中节点i的电压幅值；；和/>分别为节点i的发电机、负荷和光伏电源的注入无功功率；Sij,t＝Pij,t+jQij,t表示在时段t中线路始端节点的复功率，且由节点i流向节点j；SGi表示储能安装位置的0－1变量，当SG,i取1时表示储能待安装节点i处需要安装储能，当SG,i取0时则表示储能待安装节点i处不需要安装储能；
所述节点电压约束条件，采用如下计算公式：
式中，Vi,min和Vi,max分别表示节点i的电压幅值下界和上界，vi,t为在时段t中节点i的电压幅值；
所线路电流约束条件，采用如下计算公式：
式中，Iij,max表示通过线路lij的电流幅值的上界。
所述分布式光伏接入配电网的有功无功运行约束条件，采用如下计算公式：
式中，为节点i的光伏有功功率预测值；/>表示光伏视在功率的上限；
所述上级电网注入配电网的总有功功率限制约束条件，采用如下计算公式：
式中，和/>分别表示上级电网注入总有功功率的下界和上界；
所述储能充放电功率限制约束条件，采用如下计算公式：
式中，表示储能设备i的充放电功率的上限；
所述储能充放电状态约束条件，采用如下计算公式：
所述ES容量限制约束条件，采用如下计算公式：
式中，表示在时段t中储能设备i的储能容量；/>表示储能设备i的充电效率系数；/>表示储能设备i的放电效率系数；/>和/>分别表示储能设备i的最小和最大储能容量；/>表示在储能设备i的初始储能容量；
所述储能最大安装个数约束条件，采用如下计算公式：
式中，SSG表示储能待安装节点集合，Nmax表示储能计划最大安装个数；
所述充放电平衡约束条件，采用如下计算公式：
需要说明的是，所述采用场景法分析光伏随机波动对所述配电网储能优化配置模型的影响，包括：误差场景约束条件和场景转移约束条件，其中，
所述误差场景约束条件，采用如下计算公式：
式中，x0表示预测场景下的变量；F(x0)表示预测场景下的目标函数；S表示误差场景，sc为S内任一误差场景；xsc表示误差场景sc下的变量；h(x0)、g(x0)分别表示预测场景下等式和不等式约束；hsc(xsc)、gsc(xsc)分别表示误差场景sc下等式和不等式约束；
所述场景转移约束条件，包括充放电功率转移约束和上级电网购电功率转移约束条件，其中，所述充放电功率转移约束条件，采用如下计算公式：
所述上级电网购电功率转移约束条件，采用如下计算公式：
式中，表示误差场景sc下储能充电功率和储能放电功率，/>表示在t时段内可调整的最大储能充、放电功率，Pgrid,t,sc表示误差场景sc下上级电网注入配电网的总有功功率，△Pgrid,t表示在t时段内可调整的最大上级电网注入有功功率。
由于模型中决策变量包含储能安装位置的离散变量，所建立的考虑光伏随机波动的分布式储能优化配置模型为混合整数非线性规划模型，利用GAMS软件中的优化求解器DICOPT求解。
S5、根据所述配电网储能优化配置模型，计算储能装置安装位置及策略，获得储能优化配置结果及对应储能策略结果。
具体地，设定储能计划最大安装个数Nmax，根据优化配置模型计算储能安装位置及策略，输出储能优化配置结果及对应储能策略结果。
需要说明的是，本发明实施例基于修改的IEEE33节点系统数据建立仿真算例。修改的IEEE33节点配电网系统如图2所示；含2个光伏接入点，分别在节点18、24，功率因数为0.95，视在功率上限为0.8MVA；日负荷功率及光伏出力预测曲线如图3所示，购电电价采用分时电价制，如下表1所示，本文采用标幺值计算。
设定分布式储能接入节点位置为2－33节点，设定储能计划最大安装个数为3个，储能的充放电效率为0.9，各负荷节点的电压上下限分别为0.9pu和1.07pu，有功网损费用closs取为0.8元/(kW·h)，单位电量储能运行cess，s和维护费用cess，m分别取为0.6元/(kW·h)和0.06元/(kW·h)。设定储能待安装节点比例为20％，即取节点电压综合灵敏度指标前7个节点作为IEEE33节点配电网的储能安装节点集，本实施例中储能安装节点集为{16，17，18，30，31，32，33}。
表1分时电价
表2不同控制策略下结果
表2列出了几种不同目标函数权重系数选取的控制策略下的结果，方案1只考虑了配电网总成本为目标函数，此时配电网总成本最小，但是配电网电压波动总和较大，方案1的最优储能充放电策略图如图4所示；方案7只考虑了电压波动指标，此时配电网电压波动控制效果最好，配电网总成本有所增大，方案7的最优储能充放电策略图如图5所示。从最优充放电策略图可以看出，储能在负荷低谷时充电，负荷高峰时放电，体现了储能“低储高发”的特点，因而配电网中各支路负载的峰谷差得以减小，有利于配电网总成本的降低和电压波动的减少。
为验证所提分布式储能优化配置模型的适用性与基于综合灵敏度指标的选址方案有效性，本实施例选取以下3个场景进行比较：场景1：未安装储能；场景2：未进行选址优化的储能配置策略；场景3：基于灵敏度分析选址的储能配置策略；各场景均选取上述方案4的目标函数权重设置，不同场景的优化配置结果如下表所示。
表3不同场景下的优化配置结果
从上表优化配置结果可以看出未安装储能时配电网总成本较大且电压波动总和也很大，安装储能装置有利于节省配电网运行的费用，减少电压的波动。基于灵敏度分析进行储能装置的选址可以节省一部分配电网的成本，并且得到更优的降低电压的效果。
在本发明的某一个实施例中，所述根据所述目标区域电网的初始运行状态和灵敏度分析方法，计算所述目标区域电网中每个节点的节点电压的综合灵敏度，包括：
根据所述目标区域电网的初始运行状态和灵敏度分析方法，分别计算目标区域电网中每个节点的功率变化和电压波动程度；
根据所述功率变化和电压波动程度，获得每个节点电压的综合灵敏度。
在本发明的某一个实施例中，所述计算目标区域电网中每个节点的功率变化，采用如下计算公式：
式中，Qi,g表示节点i功率变化对任一配电网节点电压影响程度的灵敏度指标，Pi、Qi表示节点i的有功功率和无功功率，ΔPi、ΔQi表示节点i的节点有功功率和无功功率的变化，Vg表示节点g的节点电压，E表示电网节点集合，节点g表示电网节点集合内任一电网节点；
所述计算目标区域电网中每个节点的电压波动程度，采用如下计算公式：
式中，ki为电压偏离程度指标，Vi.t表示节点i第t时刻的节点电压，Vi,ref表示节点i的基准电压；
所述根据所述功率变化和电压波动程度，获得每个节点电压的综合灵敏度，采用如下计算公式：
式中，Li为节点i的节点电压综合灵敏度指标。
在本发明的某一个实施例中，所述构建含分布式光伏的配电网储能优化配置模型，包括：
计算配电网电压波动和配电网成本，其中，所述配电网成本包括：网损成本、购电成本、储能成本；
根据所述配电网电压波动和配电网成本，构建的含光伏的分布式储能优化配置模型的目标函数。
在本发明的某一个实施例中，所述计算配电网电压波动，采用如下计算公式：
式中，fV表示配电网电压波动总和；ΔVd表示电压波动总和；
所述计算配电网成本，采用如下计算公式：
fC＝Closs+Cgrid+Cess
式中，fC为配电网总成本，Closs为网损成本，Cgrid为购电成本，Cess为储能成本；其中，
所述网损成本，采用如下计算公式：
式中，Ploss,t表示配电网在时刻t下的有功损耗，closs表示单位电量有功损耗费用；△t为时间间隔，N表示电网负荷节点集合，是电网节点集合E的子集；Pgrid,t表示时刻t上级电网注入配电网的总有功功率，对于任意(i,j)∈E，和/>分别为负荷和光伏的注入有功功率，/>表示储能充电功率和储能放电功率，SPV表示光伏安装节点的集合，SES表示储能安装节点的集合；
所述购电成本，采用如下计算公式：
式中，cgrid,t表示时刻t单位电量购电费用；
所述储能成本，采用如下计算公式：
式中，，Cs、Cm分别表示储能运行成本和维护成本；cess,s、cess,m分别表示单位电量储能运行和维护费用；
所述根据所述配电网电压波动和配电网成本，构建的含光伏的分布式储能优化配置模型的目标函数，采用如下计算公式：
α+β＝1
式中，α和β表示目标函数的权重系数，fV,ini表示没有安装储能时配电网初始电压波动总和；fC,ini表示没有安装储能时配电网初始总成本总和。
在本发明的某一个实施例中，所述配电网储能优化配置模型，包括如下约束条件：功率平衡约束条件、节点电压约束条件、线路电流约束条件、分布式光伏接入配电网的有功无功运行约束条件、上级电网注入配电网的总有功功率限制约束、储能充放电功率限制约束条件、储能充放电状态约束条件、ES容量限制约束条件、储能最大安装个数约束和充放电平衡约束，其中，所述功率平衡约束条件，采用如下计算公式：
式中，对于任意(i,j)∈E，线路lij的阻抗为zij＝rij+jxij，且有yij＝1/zij＝gij-jbij；Iij为由节点i流向节点j的线路电流幅值；Vi,t为在时段t中节点i的电压幅值；；和/>分别为节点i的发电机、负荷和光伏电源的注入无功功率；Sij,t＝Pij,t+jQij,t表示在时段t中线路始端节点的复功率，且由节点i流向节点j；SGi表示储能安装位置的0－1变量，当SG,i取1时表示储能待安装节点i处需要安装储能，当SG,i取0时则表示储能待安装节点i处不需要安装储能；
所述节点电压约束条件，采用如下计算公式：
式中，Vi,min和Vi,max分别表示节点i的电压幅值下界和上界，vi,t为在时段t中节点i的电压幅值；
所线路电流约束条件，采用如下计算公式：
式中，Iij,max表示通过线路lij的电流幅值的上界。
所述分布式光伏接入配电网的有功无功运行约束条件，采用如下计算公式：
式中，为节点i的光伏有功功率预测值；/>表示光伏视在功率的上限；
所述上级电网注入配电网的总有功功率限制约束条件，采用如下计算公式：
/>
式中，和/>分别表示上级电网注入总有功功率的下界和上界；
所述储能充放电功率限制约束条件，采用如下计算公式：
式中，表示储能设备i的充放电功率的上限；
所述储能充放电状态约束条件，采用如下计算公式：
所述ES容量限制约束条件，采用如下计算公式：
式中，表示在时段t中储能设备i的储能容量；/>表示储能设备i的充电效率系数；/>表示储能设备i的放电效率系数；/>和/>分别表示储能设备i的最小和最大储能容量；/>表示在储能设备i的初始储能容量；
所述储能最大安装个数约束条件，采用如下计算公式：
式中，SSG表示储能待安装节点集合，Nmax表示储能计划最大安装个数；
所述充放电平衡约束条件，采用如下计算公式：
在本发明的某一个实施例中，所述采用场景法分析光伏随机波动对所述配电网储能优化配置模型的影响，包括：场景约束条件和场景转移约束条件，其中，
所述场景约束条件，采用如下计算公式：
式中，x0表示预测场景下的变量；F(x0)表示预测场景下的目标函数；S表示误差场景，sc为S内任一误差场景；xsc表示误差场景sc下的变量；h(x0)、g(x0)分别表示预测场景下等式和不等式约束；hsc(xsc)、gsc(xsc)分别表示误差场景sc下等式和不等式约束；
所述场景转移约束条件，包括充放电功率转移约束和上级电网购电功率转移约束条件，其中，所述充放电功率转移约束条件，采用如下计算公式：
所述上级电网购电功率转移约束条件，采用如下计算公式：
式中，表示误差场景sc下储能充电功率和储能放电功率，/>表示在t时段内可调整的最大储能充、放电功率，Pgrid,t,sc表示误差场景sc下上级电网注入配电网的总有功功率，△Pgrid,t表示在t时段内可调整的最大上级电网注入有功功率。
本发明实施例一种分布式储能优化配置方法与现有技术相比，其有益效果在于：
本发明利用灵敏度分析方法更合理地考虑了电压波动的影响，改善节点电压波动，降低储能优化配置问题的求解规模并提高储能优化配置及运行问题的寻优速度，所提方案能够规避光伏出力不确定性对分布式储能优化配置结果带来的影响。
如图3所示，本发明还提供一种分布式储能优化配置系统200，包括：潮流计算模块201、灵敏度分析模块202、选取模块203、构建模块204和配置优化模块205，其中，
所述潮流计算模块201，用于对目标区域电网进行初始潮流计算，并根据所述计算结果，获得目标区域电网的初始运行状态；
所述灵敏度分析模块202，用于根据所述目标区域电网的初始运行状态和灵敏度分析方法，计算所述目标区域电网中每个节点的节点电压的综合灵敏度；并将所述每个节点按照节点电压的综合灵敏度从大到小排序，构成一个排序好的节点集合；
所述选取模块203，用于根据预设的安装比例n％，从所述节点集合中选取前n％作为配电网储能装置安装节点集合；
所述构建模块204，用于构建含分布式光伏的配电网储能优化配置模型，并采用场景法分析光伏随机波动对所述配电网储能优化配置模型的影响；
所述配置优化模块205，用于根据所述配电网储能优化配置模型，计算储能装置安装位置及策略，获得储能优化配置结果及对应储能策略结果。
本发明还提供一种计算机终端设备，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一项所述的分布式储能优化配置方法。
需要说明的是，所述处理器可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field－ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器也可以是任何常规的处理器，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(SmartMediaCard，SMC)、安全数字(SecureDigital，SD)卡和闪存卡(FlashCard)等，或所述存储器也可以是其他易失性固态存储器件。
需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，上述终端设备仅仅是示例，并不构成对终端设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的分布式储能优化配置方法。
需要说明的是，所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序)，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种分布式储能优化配置方法，其特征在于，包括：
S1、对目标区域电网进行初始潮流计算，并根据所述计算结果，获得目标区域电网的初始运行状态；
S2、根据所述目标区域电网的初始运行状态和灵敏度分析方法，计算所述目标区域电网中每个节点的节点电压的综合灵敏度；并将所述每个节点按照节点电压的综合灵敏度从大到小排序，构成一个排序好的节点集合；
S3、根据预设的安装比例n％，从所述节点集合中选取前n％作为配电网储能装置安装节点集合；
S4、构建含分布式光伏的配电网储能优化配置模型，并采用场景法分析光伏随机波动对所述配电网储能优化配置模型的影响；所述构建含分布式光伏的配电网储能优化配置模型，包括：计算配电网电压波动和配电网成本，其中，所述配电网成本包括：网损成本、购电成本、储能成本；根据所述配电网电压波动和配电网成本，构建的含光伏的分布式储能优化配置模型的目标函数；所述计算配电网电压波动，采用如下计算公式：
式中，fV表示配电网电压波动总和；ΔVd表示电压波动总和；Vi.t表示节点i第t时刻的节点电压，Vi,ref表示节点i的基准电压；
所述计算配电网成本，采用如下计算公式：
fC＝Closs+Cgrid+Cess
式中，fC为配电网总成本，Closs为网损成本，Cgrid为购电成本，Cess为储能成本；其中，所述网损成本，采用如下计算公式：
式中，Ploss,t表示配电网在时刻t下的有功损耗，closs表示单位电量有功损耗费用；△t为时间间隔，N表示电网负荷节点集合，是电网节点集合E的子集；Ploss表示配电网的有功损耗；Pgrid,t表示时刻t上级电网注入配电网的总有功功率，对于任意(i,j)∈E，和/>分别为负荷和光伏的注入有功功率，/>表示储能充电功率和储能放电功率，SPV表示光伏安装节点的集合，SES表示储能安装节点的集合；
所述购电成本，采用如下计算公式：
式中，cgrid,t表示时刻t单位电量购电费用；
所述储能成本，采用如下计算公式：
式中，Cs、Cm分别表示储能运行成本和维护成本；cess,s、cess,m分别表示单位电量储能运行和维护费用；
所述根据所述配电网电压波动和配电网成本，构建的含光伏的分布式储能优化配置模型的目标函数，采用如下计算公式：
α+β＝1
式中，α和β表示目标函数的权重系数，fV,ini表示没有安装储能时配电网初始电压波动总和；fC,ini表示没有安装储能时配电网初始总成本总和；所述采用场景法分析光伏随机波动对所述配电网储能优化配置模型的影响，包括：误差场景约束条件和场景转移约束条件，其中，
所述误差场景约束条件采用如下计算公式：
minF(x0)
式中，x0表示预测场景下的变量；F(x0)表示预测场景下的目标函数；S表示误差场景，sc为S内任一误差场景；xsc表示误差场景sc下的变量；h0(x0)、g0(x0)分别表示预测场景下等式和不等式约束；hsc(xsc)、gsc(xsc)分别表示误差场景sc下等式和不等式约束；
所述场景转移约束条件，包括充放电功率转移约束和上级电网购电功率转移约束条件，其中，所述充放电功率转移约束条件，采用如下计算公式：
所述上级电网购电功率转移约束条件，采用如下计算公式：
式中，表示误差场景sc下储能充电功率和储能放电功率，/>表示在t时段内可调整的最大储能充、放电功率，Pgrid,t,sc表示误差场景sc下上级电网注入配电网的总有功功率，△Pgrid,t表示在t时段内可调整的最大上级电网注入有功功率；
S5、根据所述配电网储能优化配置模型，计算储能装置安装位置及策略，获得储能优化配置结果及对应储能策略结果。
2.根据权利要求1所述的分布式储能优化配置方法，其特征在于，所述根据所述目标区域电网的初始运行状态和灵敏度分析方法，计算所述目标区域电网中每个节点的节点电压的综合灵敏度，包括：
根据所述目标区域电网的初始运行状态和灵敏度分析方法，分别计算目标区域电网中每个节点的功率变化和电压波动程度；
根据所述功率变化和电压波动程度，获得每个节点电压的综合灵敏度。
3.根据权利要求2所述分布式储能优化配置方法，其特征在于，所述计算目标区域电网中每个节点的功率变化，采用如下计算公式：
式中，Qi,g表示节点i功率变化对任一配电网节点电压影响程度的灵敏度指标，Pi、Qi表示节点i的有功功率和无功功率，ΔPi、ΔQi表示节点i的节点有功功率和无功功率的变化，Vg表示节点g的节点电压，E表示电网节点集合，节点g表示电网节点集合内任一电网节点；
所述计算目标区域电网中每个节点的电压波动程度，采用如下计算公式：
式中，ki为电压偏离程度指标，Vi.t表示节点i第t时刻的节点电压，Vi,ref表示节点i的基准电压；
所述根据所述功率变化和电压波动程度，获得每个节点电压的综合灵敏度，采用如下计算公式：
式中，Li为节点i的节点电压综合灵敏度指标。
4.根据权利要求1的分布式储能优化配置方法，其特征在于，所述配电网储能优化配置模型，包括如下约束条件：功率平衡约束条件、节点电压约束条件、线路电流约束条件、分布式光伏接入配电网的有功无功运行约束条件、上级电网注入配电网的总有功功率限制约束、储能充放电功率限制约束条件、储能充放电状态约束条件、ES容量限制约束条件、储能最大安装个数约束和充放电平衡约束，其中，所述功率平衡约束条件，采用如下计算公式：
式中，对于任意(i,j)∈E，线路lij的阻抗为zij＝rij+jxij，且有yij＝1/zij＝gij-jbij；Iij为由节点i流向节点j的线路电流幅值；Vi,t为在时段t中节点i的电压幅值；Qi,t、和/>分别为节点i的发电机、负荷和光伏电源的注入无功功率；Sij,t＝Pij,t+jQij,t表示在时段t中线路始端节点的复功率，且由节点i流向节点j；SG,i表示储能安装位置的0－1变量，当SG,i取1时表示储能待安装节点i处需要安装储能，当SG,i取0时则表示储能待安装节点i处不需要安装储能；
所述节点电压约束条件，采用如下计算公式：
式中，Vi,min和Vi,max分别表示节点i的电压幅值下界和上界，vi,t为在时段t中节点i的电压幅值；
所线路电流约束条件，采用如下计算公式：
式中，Iij,max表示通过线路lij的电流幅值的上界；
所述分布式光伏接入配电网的有功无功运行约束条件，采用如下计算公式：
式中，为节点i的光伏有功功率预测值；SDG表示光伏视在功率的上限；
所述上级电网注入配电网的总有功功率限制约束条件，采用如下计算公式：
式中，和/>分别表示上级电网注入总有功功率的下界和上界；Pgrid,t表示时刻t上级电网注入配电网的总有功功率；
所述储能充放电功率限制约束条件，采用如下计算公式：
式中，表示储能设备i的充放电功率的上限；
所述储能充放电状态约束条件，采用如下计算公式：
所述ES容量限制约束条件，采用如下计算公式：
式中，表示在时段t中储能设备i的储能容量；/>表示储能设备i的充电效率系数；表示储能设备i的放电效率系数；/>和/>分别表示储能设备i的最小和最大储能容量；/>表示在储能设备i的初始储能容量；
所述储能最大安装个数约束条件，采用如下计算公式：
式中，SSG表示储能待安装节点集合，Nmax表示储能计划最大安装个数；
所述充放电平衡约束条件，采用如下计算公式：
5.一种分布式储能优化配置系统，其特征在于，包括：潮流计算模块、灵敏度分析模块、选取模块、构建模块和配置优化模块，其中，
所述潮流计算模块，用于对目标区域电网进行初始潮流计算，并根据所述计算结果，获得目标区域电网的初始运行状态；
所述灵敏度分析模块，用于根据所述目标区域电网的初始运行状态和灵敏度分析方法，计算所述目标区域电网中每个节点的节点电压的综合灵敏度；并将所述每个节点按照节点电压的综合灵敏度从大到小排序，构成一个排序好的节点集合；
所述选取模块，用于根据预设的安装比例n％，从所述节点集合中选取前n％作为配电网储能装置安装节点集合；
所述构建模块，用于构建含分布式光伏的配电网储能优化配置模型，并采用场景法分析光伏随机波动对所述配电网储能优化配置模型的影响；所述构建含分布式光伏的配电网储能优化配置模型，包括：计算配电网电压波动和配电网成本，其中，所述配电网成本包括：网损成本、购电成本、储能成本；根据所述配电网电压波动和配电网成本，构建的含光伏的分布式储能优化配置模型的目标函数；所述计算配电网电压波动，采用如下计算公式：
式中，fV表示配电网电压波动总和；ΔVd表示电压波动总和；Vi.t表示节点i第t时刻的节点电压，Vi,ref表示节点i的基准电压；
所述计算配电网成本，采用如下计算公式：
fC＝Closs+Cgrid+Cess
式中，fC为配电网总成本，Closs为网损成本，Cgrid为购电成本，Cess为储能成本；其中，所述网损成本，采用如下计算公式：
式中，Ploss,t表示配电网在时刻t下的有功损耗，closs表示单位电量有功损耗费用；△t为时间间隔，N表示电网负荷节点集合，是电网节点集合E的子集；Ploss表示配电网的有功损耗；Pgrid,t表示时刻t上级电网注入配电网的总有功功率，对于任意(i,j)∈E，和/>分别为负荷和光伏的注入有功功率，/>表示储能充电功率和储能放电功率，SPV表示光伏安装节点的集合，SES表示储能安装节点的集合；
所述购电成本，采用如下计算公式：
式中，cgrid,t表示时刻t单位电量购电费用；
所述储能成本，采用如下计算公式：
式中，Cs、Cm分别表示储能运行成本和维护成本；cess,s、cess,m分别表示单位电量储能运行和维护费用；
所述根据所述配电网电压波动和配电网成本，构建的含光伏的分布式储能优化配置模型的目标函数，采用如下计算公式：
α+β＝1
式中，α和β表示目标函数的权重系数，fV,ini表示没有安装储能时配电网初始电压波动总和；fC,ini表示没有安装储能时配电网初始总成本总和；所述采用场景法分析光伏随机波动对所述配电网储能优化配置模型的影响，包括：误差场景约束条件和场景转移约束条件，其中，
所述误差场景约束条件采用如下计算公式：
minF(x0)
式中，x0表示预测场景下的变量；F(x0)表示预测场景下的目标函数；S表示误差场景，sc为S内任一误差场景；xsc表示误差场景sc下的变量；h0(x0)、g0(x0)分别表示预测场景下等式和不等式约束；hsc(xsc)、gsc(xsc)分别表示误差场景sc下等式和不等式约束；
所述场景转移约束条件，包括充放电功率转移约束和上级电网购电功率转移约束条件，其中，所述充放电功率转移约束条件，采用如下计算公式：
所述上级电网购电功率转移约束条件，采用如下计算公式：
式中，表示误差场景sc下储能充电功率和储能放电功率，/>表示在t时段内可调整的最大储能充、放电功率，Pgrid,t,sc表示误差场景sc下上级电网注入配电网的总有功功率，△Pgrid,t表示在t时段内可调整的最大上级电网注入有功功率；
所述配置优化模块，用于根据所述配电网储能优化配置模型，计算储能装置安装位置及策略，获得储能优化配置结果及对应储能策略结果。
6.一种计算机终端设备，其特征在于，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至4任一项所述的分布式储能优化配置方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的分布式储能优化配置方法。
CN202110855245.2A 2021-07-27 2021-07-27 一种分布式储能优化配置方法、系统、终端和存储介质 Active CN113541166B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110855245.2A CN113541166B (zh) 2021-07-27 2021-07-27 一种分布式储能优化配置方法、系统、终端和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110855245.2A CN113541166B (zh) 2021-07-27 2021-07-27 一种分布式储能优化配置方法、系统、终端和存储介质

Publications (2)

Publication Number Publication Date
CN113541166A CN113541166A (zh) 2021-10-22
CN113541166B true CN113541166B (zh) 2023-09-05

Family

ID=78089368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110855245.2A Active CN113541166B (zh) 2021-07-27 2021-07-27 一种分布式储能优化配置方法、系统、终端和存储介质

Country Status (1)

Country Link
CN (1) CN113541166B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113904374A (zh) * 2021-11-19 2022-01-07 国网甘肃省电力公司电力科学研究院 一种分布式光伏储能选点布局优化方法
CN114498740B (zh) * 2022-01-26 2023-01-24 国网河南省电力公司电力科学研究院 一种面向光伏接入电网正常及故障电压波动抑制的储能配置优化方法
CN115882478B (zh) * 2022-10-13 2023-09-08 襄阳诚智电力设计有限公司 一种含光伏配电网的储能容量配置方法与系统
CN115378041B (zh) * 2022-10-25 2023-04-07 国网浙江省电力有限公司宁波市北仑区供电公司 配电网优化方法、系统、配电网、设备及介质
CN116683471A (zh) * 2023-04-28 2023-09-01 国网河北省电力有限公司电力科学研究院 无功功率补偿资源的配置方法、装置以及设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106253335A (zh) * 2016-06-16 2016-12-21 上海交通大学 一种分布式电源容量与接入位置不确定的配电网规划方法
CN107239847A (zh) * 2017-04-12 2017-10-10 广州供电局有限公司 一种主动配电网储能系统动态规划方法
CN107959301A (zh) * 2017-12-06 2018-04-24 华南理工大学 含光伏的低压配电网分布式储能优化配置与运行方法
CN108964102A (zh) * 2018-07-26 2018-12-07 华北电力大学（保定） 配电网中分布式储能的位置和容量优化配置方法
CN111799812A (zh) * 2020-07-17 2020-10-20 广东电网有限责任公司电力科学研究院 一种基于无功电压灵敏度的海上风电场无功协调控制方法
CN111799813A (zh) * 2020-07-17 2020-10-20 广东电网有限责任公司电力科学研究院 计及风电机组无功调节的海上风电场无功优化配置方法
CN112713618A (zh) * 2020-12-29 2021-04-27 天津大学合肥创新发展研究院 基于多场景技术的主动配电网源网荷储协同优化运行方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106253335A (zh) * 2016-06-16 2016-12-21 上海交通大学 一种分布式电源容量与接入位置不确定的配电网规划方法
CN107239847A (zh) * 2017-04-12 2017-10-10 广州供电局有限公司 一种主动配电网储能系统动态规划方法
CN107959301A (zh) * 2017-12-06 2018-04-24 华南理工大学 含光伏的低压配电网分布式储能优化配置与运行方法
CN108964102A (zh) * 2018-07-26 2018-12-07 华北电力大学（保定） 配电网中分布式储能的位置和容量优化配置方法
CN111799812A (zh) * 2020-07-17 2020-10-20 广东电网有限责任公司电力科学研究院 一种基于无功电压灵敏度的海上风电场无功协调控制方法
CN111799813A (zh) * 2020-07-17 2020-10-20 广东电网有限责任公司电力科学研究院 计及风电机组无功调节的海上风电场无功优化配置方法
CN112713618A (zh) * 2020-12-29 2021-04-27 天津大学合肥创新发展研究院 基于多场景技术的主动配电网源网荷储协同优化运行方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
主动配电网储能动态配置规划方法;尚龙龙;魏碧桧;王伟;熊小伏;慈海;李健;陈星田;;电力系统保护与控制(第17期);第90页-第98页 *

Also Published As

Publication number Publication date
CN113541166A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN113541166B (zh) 一种分布式储能优化配置方法、系统、终端和存储介质
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
Yang et al. Optimal sizing and placement of energy storage system in power grids: A state-of-the-art one-stop handbook
García-Triviño et al. Optimized operation combining costs, efficiency and lifetime of a hybrid renewable energy system with energy storage by battery and hydrogen in grid-connected applications
CN107832905B (zh) 一种适应分布式发电和储能站发展的配电网规划方法
Rodriguez et al. Fuzzy-based energy management system for isolated microgrids using generation and demand forecast
Elnozahy et al. Efficient metaheuristic Utopia-based multi-objective solutions of optimal battery-mix storage for microgrids
CN110808597A (zh) 主动配电网中考虑三相不平衡的分布式电源规划方法
CN112561273B (zh) 一种基于改进pso的主动配电网可再生dg规划方法
CN115841187A (zh) 柔性配电网运行策略的优化方法、装置、设备及存储介质
CN114977320A (zh) 一种配电网源网荷储多目标协同规划方法
CN115169723A (zh) 发电功率预测方法、负荷预测方法及模型训练方法
CN115759361A (zh) 基于双层规划的交通能源调度方法、系统、设备和介质
Sadeghi et al. Integrated long-term planning of conventional and renewable energy sources in Iran's off-grid networks
CN111126675A (zh) 多能互补微网系统优化方法
Pan et al. Dual-layer optimal dispatching strategy for microgrid energy management systems considering demand response
Roldán-Blay et al. Optimal sizing and design of renewable power plants in rural microgrids using multi-objective particle swarm optimization and branch and bound methods
Yin et al. Improved genetic algorithm-based optimization approach for energy management of microgrid
Saini et al. Optimum utilization of photovoltaic generation with battery storage in distribution system by utilizing genetic algorithm
CN115764936A (zh) 电网储能配置的优化方法、装置、设备及存储介质
CN115189423A (zh) 一种风火储系统的多能协调优化调度方法及装置
Bhuiyan Optimal sizing and power management strategies of islanded microgrids for remote electrification systems
Rodrigues et al. NaS battery storage system modeling and sizing for extending wind farms performance in Crete
Xu et al. Operational optimization of wind farm integrated battery/electrolyzer in electricity market considering fluctuation penalty
CN110690719B (zh) 一种微电网电池储能配置方法及可读存储介质

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
GR01 Patent grant
GR01 Patent grant