CN114498740A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN114498740A
CN114498740A CN202210094560.2A CN202210094560A CN114498740A CN 114498740 A CN114498740 A CN 114498740A CN 202210094560 A CN202210094560 A CN 202210094560A CN 114498740 A CN114498740 A CN 114498740A
Authority
CN
China
Prior art keywords
energy storage
node
voltage
power
photovoltaic
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
CN202210094560.2A
Other languages
English (en)
Other versions
CN114498740B (zh
Inventor
李强
黄正勇
肖寒
张洋
赵健
张振安
李朝晖
杨海晶
滕卫军
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.)
Chongqing University
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
Chongqing University
Electric Power Research Institute of State Grid Henan Electric Power 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 Chongqing University, Electric Power Research Institute of State Grid Henan Electric Power Co Ltd filed Critical Chongqing University
Priority to CN202210094560.2A priority Critical patent/CN114498740B/zh
Publication of CN114498740A publication Critical patent/CN114498740A/zh
Application granted granted Critical
Publication of CN114498740B publication Critical patent/CN114498740B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J3/38—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
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0073—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source when the main path fails, e.g. transformers, busbars
    • 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
    • H02J3/12—Circuit arrangements for AC mains or AC distribution networks for adjusting voltage in AC networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for AC mains or AC distribution networks for adjusting voltage in AC networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Control Of Electrical Variables (AREA)

Abstract

本发明公开了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，包括步骤S1、对含光伏与储能的电网电压分布进行分析；步骤S2、建立以调压为目标的储能选址优化模型；步骤S3、采用广义简约梯度算法对所述步骤S2中的模型进行求解，确定储能接入电网的最佳位置和容量。本发明通过建立以调压为目标的电网储能选址优化模型，确定储能接入的最佳位置和容量，改善配电网电力系统节点电压水平，提高配电网电力系统在故障状态下的紧急功率支撑能力。

Description

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
技术领域
本发明属于电力调控技术领域，具体涉及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。
背景技术
由于风力、光伏等可再生能源自身具有较强的随机性和波动性，当大规模可再生能源接入电力系统时，系统节点电压波动较为剧烈，严重影响电力系统的电能损耗以及电能质量。因此研究可再生能源接入地区电网的电压问题显得十分重要。
电化学储能技术发展迅速，电池储能技术的成熟度及技术经济性不断得到提升。在电力系统中引入储能系统，可以有效提升电网对可再生能源的消纳能力以及可再生能源渗透率过高所带来的电压越限等问题，同时可在电网故障时提供紧急功率支撑，减少严重故障造成的功率冲击。
在现有技术中，有的研究者通过采用改变变压器分接头的方法来进行电压调节，但系统中有载调压变压器数量有限、且调节速度较慢，因此全局来看效果一般；有的研究者以有功网损最小为优化目标，利用锥松弛等原理构造了含分布式能源的配电网无功优化模型，保证了新能源消纳能力的同时保证配电网的网损最小；还有的研究者提出了探索电网节点发生电压越限时利用削减光伏电源出力改善电压越限，但光伏停发不利于光能的最大利用。因此，目前针对风电、光伏等新能源发电技术渗透率提高所带来的节点电压越限问题，很多都是从传统的无功补偿装置角度以及储能出力角度来进行调节，很少有考虑到优化储能系统的安装地点和容量来进行电压调节的。所以，当风力、光伏等可再生能源大规模接入配电网电力系统时，如何保证电力系统的电压稳定性是目前亟待解决的问题。
发明内容
为了解决现有技术中存在的不足，本发明的目的是提供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。该方法可得到最优布局点与最优配置容量，最大限度实现储能调压功能，并且在线路故障情况下提供一定的功率支撑。
为了达到上述目的，本发明采用如下技术方案：
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，包括以下步骤：
步骤S1、对含光伏与储能的电网电压分布进行分析；
步骤S2、建立以调压为目标的储能选址优化模型；
步骤S3、采用广义简约梯度算法对所述步骤S2中的模型进行求解，确定储能接入电网的最佳位置和容量。
进一步的，所述步骤S1中对含光伏与储能的电网电压分布进行分析具体包括以下步骤：
(1)通过光伏-储能并网发电系统模型，对储能及光伏运行特性进行分析；
(2)分析储能系统对电压分布的影响：在电网中选择一条线路作为研究电压分布的分析对象，所选择的线路上分布了n个集中负荷，每个负荷看作一个节点，从变电所沿线路方向依次编号为0，1，…，n；储能对电压分布的影响分为以下两种情况：
第一种情况：当电网中未加入储能系统时，所选择的线路电压分布如计算式(1)所示：
Figure BDA0003490518410000031
其中，Um为线路中第m个节点的电压；U0为线路始端节点0的电压幅值；ΔUp为节点p-1与节点p之间的电压降落；Up是节点p的电压幅值；Rp和Xp分别为节点p-1和节点p间线路的电阻和电抗；Pn和Qn分别为节点n的有功负荷与无功负荷；N为线路节点总数；
第二种情况：当电网中加入储能系统时，考虑储能系统接入节点i，当节点m位于节点i上游时,有1≤m≤i≤N，则此时线路中节点m处的电压如计算式(2)表示：
Figure BDA0003490518410000032
其中，Um为线路中第m个节点的电压；Pess为储能系统的有功出力；Qess为储能系统的无功出力；
当节点m位于节点i下游时，有1≤i≤m≤N，此时线路中节点m处的电压如计算式(3)表示：
Figure BDA0003490518410000041
进一步的，所述步骤(1)中光伏-储能并网发电系统模型主要包括光伏阵列、单向变换器、并网逆变器、蓄电池储能系统和双向变换器；所述光伏阵列和单向变换器与所述蓄电池储能系统和双向变换器通过所述的并网逆变器进行并联连接，所述光伏阵列和单向变换器串联连接，所述蓄电池储能系统和双向变换器串联连接；所述光伏阵列是将太阳能转化为电能的能量转化单元；所述电池储能系统是所述光伏-储能并网发电系的调节、控制环节，在光照良好发电充足时将部分电能储存起来，再根据需要在适当时候释放这部分电能；所述并网逆变器和单、双向变换器四将所述光伏阵列发出的电压较低的直流电转化为电压等级适合的交流电。
进一步的，所述步骤S2中以调压为目标的储能选址优化模型为含光伏和储能联合发电系统的电网电压优化模型。
进一步的，所述含光伏和储能联合发电系统的电网电压优化模型包括如下：
f＝min(αf1+βf2) (4)
Figure BDA0003490518410000042
f2＝ETC (6)
Figure BDA0003490518410000051
其中，Vi(t)第t时刻节点i的电压幅值；V0为电压目标值，N表示系统节点数量；ETC表示系统配置储能的总容量；f1、f2分别为电压偏差与储能容量子目标；fi为归一化后的子目标函数；α、β分别为权重系数。
进一步的，求解所述含光伏和储能联合发电系统的电网电压优化模型需要满足以下约束条件：
1)运行约束：包括系统功率平衡约束、系统节点电压约束、常规机组爬坡约束和常规机组出力约束；
a、系统功率平衡约束：
Figure BDA0003490518410000052
其中，PGi(t)、QGi(t)分别为第t时刻、第i节点常规发电机组的有功、无功出力；PRESi(t)为第t时刻、第i节点接入的可再生能源发电功率；PLi(t)、QLi(t)分别为第t时刻、第i节点的有功、无功负荷；PEi(t)、QEi(t)分别为第t时刻、第i节点储能设备的有功功率与无功功率；ΔPi(t)、ΔPi(t)分别为第t时刻、第i节点从与其所连接线路获得的有功、无功功率，其具体计算公式如式(9)所示：
Figure BDA0003490518410000061
其中，Vi(t)为t时刻节点i电压幅值；θij为该时刻节点i电压相角角度减去节点j的电压相角角度；Gij和Bij分别为支路i-j的电导与电纳；
b、系统节点电压约束：
Figure BDA0003490518410000062
其中，Vi(t)为第t时刻，第i节点的电压，V i为节点i电压允许值的下限；Vi为节点i电压允许值的上限；
c、常规机组爬坡约束：
Figure BDA0003490518410000063
其中，RUi、RDi分别表示第i节点常规机组的爬坡上下限值；
d、常规机组出力约束：
Figure BDA0003490518410000064
其中，PGimax、PGimin分别表示第i节点常规机组的有功出力上下限值；QGimax、QGimin分别表示第i台常规机组的无功出力上下限值；
2)储能布置约束：包括储能布局点约束、储能容量与功率约束和储能运行约束；
e、储能布局点约束：
EBCNmax≤ETC (13)
Figure BDA0003490518410000071
0≤NESS(i)≤NPmax (15)
其中，ETC表示系统配置储能的总容量；EBC表示配置储能的容量基准值，或理解为配置储能的单位容量；Nmax表示按储能容量基准进行分配的最大数量；NESS(i)为整数变量，表示在i节点接入单位储能容量的数量；NPmax表示每个节点可接入的单位储能容量的最大数量；
f、储能容量与功率约束：
Esto(i)＝EBCNESS(i) (16)
Figure BDA0003490518410000072
Figure BDA0003490518410000073
Figure BDA0003490518410000074
其中，Esto(i)表示节点i配置的储能容量；PC Ei(t)表示第t时刻、第i节点上储能的充电功率；PD Ei(t)表示第t时刻、第i节点上储能的放电功率；PC Eimax表示第i节点上储能的充电功率的上限；PD Eimax表示第i节点上储能的放电功率的上限；Smaxi表示第i节点上储能换流器的额定容量；QEimax表示第i节点上储能换流器的无功功率上限；
g、储能运行约束：
Figure BDA0003490518410000081
Figure BDA0003490518410000082
其中，Ei(t)表示第t时刻、第i节点上储能设备储存的电量；Eimax、Eimin分别表示储能中允许电量的上、下限；Ei0表示节点i上储能设备储存的初始电量。
进一步的，所述步骤S3中采用广义简约梯度算法对所述步骤S2中的模型进行求解，具体方法为：基于GAMS优化软件构建含光伏和储能联合发电系统的电网电压优化模型，并应用所述GAMS优化软件内置的广义简约梯度算法对所述含光伏和储能联合发电系统的电网电压优化模型进行求解；所述广义简约梯度算法对所述含光伏和储能联合发电系统的电网电压优化模型进行求解的具体过程如下：
将所述含光伏和储能联合发电系统的电网电压优化模型自变量x的全部分量分为两部分，即x＝[xb,xn]T,其中xb为基向量，m维；xn为非基向量，(n-m)维；由隐函数存在定理可知，存在连续映射如下式：
xb＝f(xn)
将基向量xb由非基向量xn表示，从而将原n个变量的目标函数f(x)变为(n-m)个变量的函数f(xn)，然后根据求解的广义简约梯度判断是否最优解，即为广义简约梯度算法的基本原理；
A、将所述光伏和储能联合发电系统的电网电压优化模型式(4)进行初始化，找到可行解；
B、计算所述光伏和储能联合发电系统的电网电压优化模型约束的雅克比矩阵J；
C、取所述雅克比矩阵J中的一个非奇异子雅克比矩阵B，所述非奇异子雅克比矩阵B中含有n个基本变量xb，所述雅克比矩阵J的其他变量为非基本变量xn；
D、为将基本变量xb用非基本变量xn表示，降低所述模型的维数，故根据广义简约梯度算法的运算法则，计算BTu＝df/dxb，从而将中间变量u代入步骤E中的广义简约梯度计算公式中，其中BT为步骤C中雅克比矩阵J中的一个非奇异子雅克比矩阵B的转置，df/dxb表示目标函数对基本变量xb的梯度；
E、计算广义简约梯度r＝df/dx-JTu，其中df/dx为目标函数对非基本变量xn的梯度，JT为步骤B中所获得的联合发电系统的雅克比矩阵J的转置矩阵；
F、将所述广义简约梯度r投影到所述可行解的边界内，计算得到所述广义简约梯度r的模；若所得到的广义简约梯度r的模足够小，则输出最优解；若所得到的广义简约梯度r的模没有足够小，则从所述非基本变量xn中选取一个子集xs，将所述子集xs作为一组超基本变量，根据二阶导数找到搜索方向ds，沿所述搜索方向ds改变所述子集xs，利用拟牛顿法调整所述非奇异子矩阵B中的基本变量xb，使g(xb，xs)＝b，然后再重复步骤C-F，直至输出最优解。
进一步的，所述最优解为储能接入电网的最佳位置和容量。
与现有技术相比，本发明具备的积极有益效果在于：
(1)本发明通过建立以调压为目标的电网储能选址优化模型，确定储能接入的最佳位置和容量，改善配电网电力系统节点电压水平，提高配电网电力系统在故障状态下的紧急功率支撑能力。
(2)本发明通过选取特高压直流接入区域电网的负荷母线节点作为最佳储能接入位置，能够充分发挥储能系统的调压功能，可以有效对再生能源/负荷波动导致的系统节点功率波动，改善了配电网电力系统的电压质量。
附图说明
图1是本发明中光伏-储能并网发电系统模型示意图；
图2是本发明中电网电压分析等值结构示意图；
图3是本发明中广义简约梯度算法流程图；
图4是本发明实施例中IEEE-24节点系统网络结构示意图；
图5是本发明负荷低谷时段配置储能前后各节点电压示意图；
图6是本发明负荷高峰时段配置储能前后各节点电压示意图；
图7是本发明负荷低谷时段不同储能配置方法对应的各节点电压示意图；
图8是本发明负荷高峰时段不同储能配置方法对应的各节点电压示意图；
图9是本发明电网系统故障时段配置储能前后各节点电压示意图；
图10是本发明电网系统故障时段储能系统充放电功率以及故障前一时段电网系统机组出力情况示意图。
具体实施方式
为了更好地理解本发明，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
实施例
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，包括以下步骤：
步骤S1、对含光伏与储能的电网电压分布进行分析，具体方法如下：
(1)通过建立光伏-储能并网发电系统模型，对储能及光伏运行特性进行分析；所述光伏-储能并网发电系统模型，如图1所示，主要包括光伏阵列、单向变换器、并网逆变器、蓄电池储能系统和双向变换器；所述光伏阵列和单向变换器与所述蓄电池储能系统和双向变换器通过所述的并网逆变器进行并联连接，所述光伏阵列和单向变换器串联连接，所述蓄电池储能系统和双向变换器串联连接；所述光伏阵列是将太阳能转化为电能的能量转化单元；所述电池储能系统是所述光伏-储能并网发电系的调节、控制环节，在光照良好发电充足时将部分电能储存起来，再根据需要在适当时候释放这部分电能；所述并网逆变器和单、双向变换器四将所述光伏阵列发出的电压较低的直流电转化为电压等级适合的交流电；
(2)分析储能系统对电压分布的影响：虑到无论何种电网网架结构，在分析电压分布时总能等值为如图2所示的的电网结构，在电网中选择一条线路作为研究电压分布的分析对象，所选择的线路上分布了n个集中负荷，每个负荷看作一个节点，从变电所沿线路方向依次编号为0，1，…，n；储能对电压分布的影响分为以下两种情况：
第一种情况：当电网中未加入储能系统时，所选择的线路电压分布如计算式(1)所示：
Figure BDA0003490518410000121
其中，Um为线路中第m个节点的电压；U0为线路始端节点0的电压幅值；ΔUp为节点p-1与节点p之间的电压降落；Up是节点p的电压幅值；Rp和Xp分别为节点p-1和节点p间线路的电阻和电抗；Pn和Qn分别为节点n的有功负荷与无功负荷；N为线路节点总数；
第二种情况：当电网中加入储能系统时，考虑储能系统接入节点i，当节点m位于节点i上游时,有1≤m≤i≤N，则此时线路中节点m处的电压如计算式(2)表示：
Figure BDA0003490518410000122
其中，Um为线路中第m个节点的电压；Pess为储能系统的有功出力；Qess为储能系统的无功出力；
当节点m位于节点i下游时，有1≤i≤m≤N，此时线路中节点m处的电压如计算式(3)表示：
Figure BDA0003490518410000131
步骤S2、建立以调压为目标的储能选址优化模型，所述以调压为目标的储能选址优化模型为含光伏和储能联合发电系统的电网电压优化模型；所述含光伏和储能联合发电系统的电网电压优化模型包括如下：
f＝min(αf1+βf2) (4)
Figure BDA0003490518410000132
f2＝ETC (6)
Figure BDA0003490518410000133
其中，Vi(t)第t时刻节点i的电压幅值；V0为电压目标值，N表示系统节点数量；ETC表示系统配置储能的总容量；f1、f2分别为电压偏差与储能容量子目标；fi为归一化后的子目标函数；α、β分别为权重系数；
求解所述含光伏和储能联合发电系统的电网电压优化模型需要满足以下约束条件：
1)运行约束：包括系统功率平衡约束、系统节点电压约束、常规机组爬坡约束和常规机组出力约束；
a、系统功率平衡约束：
Figure BDA0003490518410000141
其中，PGi(t)、QGi(t)分别为第t时刻、第i节点常规发电机组的有功、无功出力；PRESi(t)为第t时刻、第i节点接入的可再生能源发电功率；PLi(t)、QLi(t)分别为第t时刻、第i节点的有功、无功负荷；PEi(t)、QEi(t)分别为第t时刻、第i节点储能设备的有功功率与无功功率；ΔPi(t)、ΔPi(t)分别为第t时刻、第i节点从与其所连接线路获得的有功、无功功率，其具体计算公式如式(9)所示：
Figure BDA0003490518410000142
其中，Vi(t)为t时刻节点i电压幅值；θij为该时刻节点i电压相角角度减去节点j的电压相角角度；Gij和Bij分别为支路i-j的电导与电纳；
b、系统节点电压约束：
Figure BDA0003490518410000143
其中，Vi(t)为第t时刻，第i节点的电压，V i为节点i电压允许值的下限；Vi为节点i电压允许值的上限；
c、常规机组爬坡约束：
Figure BDA0003490518410000151
其中，RUi、RDi分别表示第i节点常规机组的爬坡上下限值；
d、常规机组出力约束：
Figure BDA0003490518410000152
其中，PGimax、PGimin分别表示第i节点常规机组的有功出力上下限值；QGimax、QGimin分别表示第i台常规机组的无功出力上下限值；
2)储能布置约束：包括储能布局点约束、储能容量与功率约束和储能运行约束；
e、储能布局点约束：
EBCNmax≤ETC (13)
Figure BDA0003490518410000153
0≤NESS(i)≤NPmax (15)
其中，ETC表示系统配置储能的总容量；EBC表示配置储能的容量基准值，或理解为配置储能的单位容量；Nmax表示按储能容量基准进行分配的最大数量；NESS(i)为整数变量，表示在i节点接入单位储能容量的数量；NPmax表示每个节点可接入的单位储能容量的最大数量；
f、储能容量与功率约束：
Esto(i)＝EBCNESS(i) (16)
Figure BDA0003490518410000154
Figure BDA0003490518410000161
Figure BDA0003490518410000162
其中，Esto(i)表示节点i配置的储能容量；PC Ei(t)表示第t时刻、第i节点上储能的充电功率；PD Ei(t)表示第t时刻、第i节点上储能的放电功率；PC Eimax表示第i节点上储能的充电功率的上限；PD Eimax表示第i节点上储能的放电功率的上限；Smaxi表示第i节点上储能换流器的额定容量；QEimax表示第i节点上储能换流器的无功功率上限；
g、储能运行约束：
Figure BDA0003490518410000163
Figure BDA0003490518410000164
其中，Ei(t)表示第t时刻、第i节点上储能设备储存的电量；Eimax、Eimin分别表示储能中允许电量的上、下限；Ei0表示节点i上储能设备储存的初始电量。
步骤S3、采用广义简约梯度算法对所述步骤S2中含光伏和储能联合发电系统的电网电压优化模型进行求解，确定储能接入电网的最佳位置和容量；所述采用广义简约梯度算法对所述含光伏和储能联合发电系统的电网电压优化模型进行求解，具体方法为：基于GAMS优化软件构建含光伏和储能联合发电系统的电网电压优化模型，并应用所述GAMS优化软件内置的广义简约梯度算法对所述含光伏和储能联合发电系统的电网电压优化模型进行求解；所述广义简约梯度算法对所述含光伏和储能联合发电系统的电网电压优化模型进行求解的流程图如图3所示，其具体过程如下，
将所述含光伏和储能联合发电系统的电网电压优化模型自变量x的全部分量分为两部分，即x＝[xb,xn]T,其中xb为基向量，m维；xn为非基向量，(n-m)维；由隐函数存在定理可知，存在连续映射如下式：
xb＝f(xn)
将基向量xb由非基向量xn表示，从而将原n个变量的目标函数f(x)变为(n-m)个变量的函数f(xn)，然后根据求解的广义简约梯度判断是否最优解，即为广义简约梯度算法的基本原理；
A、将所述光伏和储能联合发电系统的电网电压优化模型式(4)进行初始化，找到可行解；
B、计算所述光伏和储能联合发电系统的电网电压优化模型约束的雅克比矩阵J；
C、取所述雅克比矩阵J中的一个非奇异子雅克比矩阵B，所述非奇异子雅克比矩阵B中含有n个基本变量xb，所述雅克比矩阵J的其他变量为非基本变量xn；
D、为将基本变量xb用非基本变量xn表示，降低所述模型的维数，故根据广义简约梯度算法的运算法则，计算BTu＝df/dxb，从而将中间变量u代入步骤E中广义简约梯度计算公式中，其中BT为步骤C中雅克比矩阵J中的一个非奇异子雅克比矩阵B的转置，df/dxb表示目标函数对基本变量xb的梯度；
E、计算广义简约梯度r＝df/dx-JTu，其中df/dx为目标函数对非基本变量xn的梯度，JT为步骤B中所获得的联合发电系统的雅克比矩阵J的转置矩阵；
F、将所述广义简约梯度r投影到所述可行解的边界内，计算得到所述广义简约梯度r的模；若所得到的广义简约梯度r的模足够小，则输出最优解；若所得到的广义简约梯度r的模没有足够小，则从所述非基本变量xn中选取一个子集xs，将所述子集xs作为一组超基本变量，根据二阶导数找到搜索方向ds，沿所述搜索方向ds改变所述子集xs，利用拟牛顿法调整所述非奇异子矩阵B中的基本变量xb，使g(xb，xs)＝b，然后再重复步骤C-F，直至输出最优解。
本实施例以基于IEEE24节点系统进行仿真实验，其典型系统网络结构如图4所示，系统的相关参数如表1所示，总网络负荷为2850MW+j580 Mvar，其额定电压为12.66kV。仿真实验采用的系统中的相关网络拓扑参数(例如线路参数和节点负载功率)与标准计算示例参数一致。
表1 IEEE24节点仿真系统参数
参数名称 节点数/支路数 基准容量 总负荷 机组最大容量 可再生能源渗透率
参数值 24/38 100MVA (28.5+j5.8)MVA 30.75MVA 28％
为分析光伏接入对上述系统各节点电压的影响，可在电网中任意选择四个点分别接入额定功率均为400MW的光伏电源。本文选择图4中的节点2，9，17，21作为四个光伏电源接入点。为分析光伏供电接入系统对电压稳定的影响，本节光伏输出功率采用典型晴天光伏输出数据。在没有任何控制手段的情况下，上述四个光伏接入点的节点17和21超出允许电压的上限，其中节点17具有最大的电压偏差，最大电压幅度达到1.093(单位值)，并且在24小时内存在超过电压上限和下限的情况。光伏接入点的电压偏差主要是由于功率反向引起，这使得节点电压升高，所以光伏接入点的电压容易超限。当不采用调压控制时，分布式电源的接入点容易超过电压限制，威胁电网的安全运行。因此，在电网系统中引入储能系统，来调节电网中电压，或者当电网出现故障时，储能系统能够及时对故障点的功率起到支撑作用。为了验证所提方法的有效性，本文选取以下四个场景进行比较，研究不同场景下系统节点的电压波动情况：
场景1：电网不接入储能系统，只研究光伏输出波动下系统的节点电压波动。
场景2：采用传统遗传算法优化配置储能系统，研究系统节点电压波动。
场景3：采用广义简约梯度算法对储能系统的位置进行优化。
场景4：研究故障时段储能系统的紧急功率支撑作用与电压调节效果。
通过场景1和场景3进行对比分析，表2为求解得到的储能选址优化配置结果，给出了优化计算得到的储能布局点以及各布局点接入的储能容量大小。
表2选址优化配置结果
序号 储能接入节点 储能额定功率(MW) 储能额定容量(MW·h)
储能系统1 4 8.62 20
储能系统2 6 43.08 100
储能系统3 10 43.08 100
由表2中结果可知，储能配置总容量为94.78MW/220MW·h，单点接入最大容量为43.08MW/100MW·h，单点接入最小容量为8.62MW/20MW·h，分别接入3个节点，分别为节点4、6和10，其接入储能的节点主要集中在特高压直流接入的区域，分布在重要负荷母线节点。
为分析储能作为调压手段的有效性，对接入储能与未接入储能的系统电压情况进行比较。表4统计了接入储能前后系统电压变化情况，由表4中数据可知，接入储能前，系统电压最大值高于电压限值，系统电压最小值小于电压限值，节点电压出现越限的数量占总电压样本数的17.40％；在合理的位置接入储能后，系统电压最大、最小值均未越限，相比于接入储能前电压偏差减小30.32％，有效改善了电压越限情况，减小电压波动。
Figure BDA0003490518410000201
为进一步分析储能改善系统电压的情况，选取负荷曲线中系统负荷较小时间段(时段52)以及负荷较大时间段(时段72)为典型研究对象，比较接入储能前后的系统电压情况，电压结果分别如图5、图6所示。
由图5、6可知，未配置储能时由于常规机组调节受爬坡限值与出力限值的影响，并且常规机组只分布于部分特定节点，无法有效地应对负荷、新能源发电功率波动的情况，负荷低谷时节点1～4、14～16、19～24电压偏差较大，无法满足系统电压要求水平。在节点4、6、10配置储能后，释放的有功功率对系统潮流起到整体调节作用，减小电压偏差。由图7可知负荷高峰时段，接入储能可为高峰负荷时期的系统提供有功支撑，同时缓解特高压线路接入节点的功率波动情况，提高电压稳定性。
为分析储能选址优化配置方法的优越性，考虑使用不同的选址方法配置储能，将场景2和场景3进行对比，对比不同方法的调压效果，分别设置为广义简约梯度算法选址优化方法与遗传算法优化方法。广义简约梯度优化方法分别在4、6、10节点配置储能；遗传算法优化方法分别在3、20、21节点配置储能。按传统遗传算法选址优化的方法接入储能后，电压偏差相比于未配置储能时虽有所减小，但电压最大值、最小值均超出电压限值，且仍存在较多电压越限的情况；广义简约梯度算法相比于传统遗传算法，有效减小了电压偏差，改善电压越限情况，调压效果更显著。为进一步分析不同储能配置方法改善系统电压的情况，选取负荷曲线中系统负荷较小时间点(时段52)以及负荷较大时间点(时段72)为典型研究点，比较接入储能前后的系统电压情况，电压结果分别如图7、图8所示。由图7、8可知，由于储能接入不同位置时，其充放电对系统潮流的调节作用不同，采用广义梯度简化算法进行选址优化能够减小电压波动，提高系统的电压稳定性。
为了使配置得到的储能系统在发挥调压功能的同时，具有一定功率支撑作用，将时段52(随机)特高压送电功率均设为0，模拟特高压线路故障情况，分析故障时刻储能功率支撑情况。表5、图9分别给出了故障时段储能总放电功率与该故障时段系统各节点电压。由表5中数据可知，故障时段损失240.6MW功率，储能在故障时刻提供86.16MW功率支撑。
表5接入储能后故障时刻储能系统对电网功率支撑情况
故障时刻 未故障时特高压线路功率 故障时特高压线路功率 故障时储能总放电功率
t＝52 240.6MW 0 86.16MW
当电网系统出现故障后，节点6出现较大功率缺额，与之直接或间接相连的节点2、4、1、3均受到了一定影响，对应节点上出现较大的功率波动。因此研究节点6发生故障时储能系统的功率支撑作用具有现实意义。配置储能后，节点4、节点6上的储能提供有功支撑，释放的有功功率有效降低功率变化对系统潮流分布造成的影响，改善系统电压波动情况。
图10给出了故障时段储能充放电功率以及故障前一时段系统机组出力情况。由图10可知，故障前一时段，为维持系统正常运行，满足储能充电需求，机组出力均保持在较高水平，其中节点1、2、15、16的常规机组已达出力上限，若出现功率缺额时，该节点上的机组已无调节能力。特高压线路出现故障后，节点6、节点17注入功率波动较大，对与之相连线路的功率产生一定影响。由于具有调节能力的常规机组位于特定节点，仅靠常规机组调节无法在故障时段满足系统电压要求；节点6、10储能按额定功率放电，提供功率支撑，节点4储能进行充电，减小因线路功率波动引起的电压波动，提高电压稳定性。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.一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，其特征在于，包括以下步骤：
步骤S1、对含光伏与储能的电网电压分布进行分析；
步骤S2、建立以调压为目标的储能选址优化模型；
步骤S3、采用广义简约梯度算法对所述步骤S2中的模型进行求解，确定储能接入电网的最佳位置和容量。
2.根据权利要求1所述的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，其特征在于，所述步骤S1中对含光伏与储能的电网电压分布进行分析具体包括以下步骤：
(1)通过光伏-储能并网发电系统模型，对储能及光伏运行特性进行分析；
(2)分析储能系统对电压分布的影响：在电网中选择一条线路作为研究电压分布的分析对象，所选择的线路上分布了n个集中负荷，每个负荷看作一个节点，从变电所沿线路方向依次编号为0，1，…，n；储能对电压分布的影响分为以下两种情况：
第一种情况：当电网中未加入储能系统时，所选择的线路电压分布如计算式(1)所示：
Figure FDA0003490518400000011
其中，Um为线路中第m个节点的电压；U0为线路始端节点0的电压幅值；ΔUp为节点p-1与节点p之间的电压降落；Up是节点p的电压幅值；Rp和Xp分别为节点p-1和节点p间线路的电阻和电抗；Pn和Qn分别为节点n的有功负荷与无功负荷；N为线路节点总数；
第二种情况：当电网中加入储能系统时，考虑储能系统接入节点i，当节点m位于节点i上游时,有1≤m≤i≤N，则此时线路中节点m处的电压如计算式(2)表示：
Figure FDA0003490518400000021
其中，Um为线路中第m个节点的电压；Pess为储能系统的有功出力；Qess为储能系统的无功出力；
当节点m位于节点i下游时，有1≤i≤m≤N，此时线路中节点m处的电压如计算式(3)表示：
Figure FDA0003490518400000022
3.根据权利要求2所述的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，其特征在于，所述步骤(1)中光伏-储能并网发电系统模型主要包括光伏阵列、单向变换器、并网逆变器、蓄电池储能系统和双向变换器；所述光伏阵列和单向变换器与所述蓄电池储能系统和双向变换器通过所述的并网逆变器进行并联连接，所述光伏阵列和单向变换器串联连接，所述蓄电池储能系统和双向变换器串联连接；所述光伏阵列是将太阳能转化为电能的能量转化单元；所述电池储能系统是所述光伏-储能并网发电系的调节、控制环节，在光照良好发电充足时将部分电能储存起来，再根据需要在适当时候释放这部分电能；所述并网逆变器和单、双向变换器四将所述光伏阵列发出的电压较低的直流电转化为电压等级适合的交流电。
4.根据权利要求1所述的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，其特征在于，所述步骤S2中以调压为目标的储能选址优化模型为含光伏和储能联合发电系统的电网电压优化模型。
5.根据权利要求4所述的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，其特征在于，所述含光伏和储能联合发电系统的电网电压优化模型包括如下：
f＝min(αf1+βf2) (4)
Figure FDA0003490518400000031
f2＝ETC (6)
Figure FDA0003490518400000032
其中，Vi(t)第t时刻节点i的电压幅值；V0为电压目标值，N表示系统节点数量；ETC表示系统配置储能的总容量；f1、f2分别为电压偏差与储能容量子目标；fi为归一化后的子目标函数；α、β分别为权重系数。
6.根据权利要求5所述的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，其特征在于，求解所述含光伏和储能联合发电系统的电网电压优化模型需要满足以下约束条件：
1)运行约束：包括系统功率平衡约束、系统节点电压约束、常规机组爬坡约束和常规机组出力约束；
a、系统功率平衡约束：
Figure FDA0003490518400000041
其中，PGi(t)、QGi(t)分别为第t时刻、第i节点常规发电机组的有功、无功出力；PRESi(t)为第t时刻、第i节点接入的可再生能源发电功率；PLi(t)、QLi(t)分别为第t时刻、第i节点的有功、无功负荷；PEi(t)、QEi(t)分别为第t时刻、第i节点储能设备的有功功率与无功功率；ΔPi(t)、ΔPi(t)分别为第t时刻、第i节点从与其所连接线路获得的有功、无功功率，其具体计算公式如式(9)所示：
Figure FDA0003490518400000042
其中，Vi(t)为t时刻节点i电压幅值；θij为该时刻节点i电压相角角度减去节点j的电压相角角度；Gij和Bij分别为支路i-j的电导与电纳；
b、系统节点电压约束：
Figure FDA0003490518400000043
其中，Vi(t)为第t时刻，第i节点的电压，V i为节点i电压允许值的下限；Vi为节点i电压允许值的上限；
c、常规机组爬坡约束：
Figure FDA0003490518400000051
其中，RUi、RDi分别表示第i节点常规机组的爬坡上下限值；
d、常规机组出力约束：
Figure FDA0003490518400000052
其中，PGimax、PGimin分别表示第i节点常规机组的有功出力上下限值；QGimax、QGimin分别表示第i台常规机组的无功出力上下限值；
2)储能布置约束：包括储能布局点约束、储能容量与功率约束和储能运行约束；
e、储能布局点约束：
EBCNmax≤ETC (13)
Figure FDA0003490518400000053
0≤NESS(i)≤NPmax (15)
其中，ETC表示系统配置储能的总容量；EBC表示配置储能的容量基准值，或理解为配置储能的单位容量；Nmax表示按储能容量基准进行分配的最大数量；NESS(i)为整数变量，表示在i节点接入单位储能容量的数量；NPmax表示每个节点可接入的单位储能容量的最大数量；
f、储能容量与功率约束：
Esto(i)＝EBCNESS(i) (16)
Figure FDA0003490518400000061
Figure FDA0003490518400000062
Figure FDA0003490518400000063
其中，Esto(i)表示节点i配置的储能容量；PC Ei(t)表示第t时刻、第i节点上储能的充电功率；PD Ei(t)表示第t时刻、第i节点上储能的放电功率；PC Eimax表示第i节点上储能的充电功率的上限；PD Eimax表示第i节点上储能的放电功率的上限；Smaxi表示第i节点上储能换流器的额定容量；QEimax表示第i节点上储能换流器的无功功率上限；
g、储能运行约束：
Figure FDA0003490518400000064
Figure FDA0003490518400000065
其中，Ei(t)表示第t时刻、第i节点上储能设备储存的电量；Eimax、Eimin分别表示储能中允许电量的上、下限；Ei0表示节点i上储能设备储存的初始电量。
7.根据权利要求6所述的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，其特征在于，所述步骤S3中采用广义简约梯度算法对所述步骤S2中的模型进行求解的具体过程如下：
将所述含光伏和储能联合发电系统的电网电压优化模型自变量x的全部分量分为两部分，即x＝[xb,xn]T,其中xb为基向量，m维；xn为非基向量，(n-m)维；由隐函数存在定理可知，存在连续映射如下式：
xb＝f(xn)
将基向量xb由非基向量xn表示，从而将原n个变量的目标函数f(x)变为(n-m)个变量的函数f(xn)，然后根据求解的广义简约梯度判断是否最优解，即为广义简约梯度算法的基本原理；
A、将所述光伏和储能联合发电系统的电网电压优化模型式(4)进行初始化，找到可行解；
B、计算所述光伏和储能联合发电系统的电网电压优化模型约束的雅克比矩阵J；
C、取所述雅克比矩阵J中的一个非奇异子雅克比矩阵B，所述非奇异子雅克比矩阵B中含有n个基本变量xb，所述雅克比矩阵J的其他变量为非基本变量xn；
D、为将基本变量xb用非基本变量xn表示，降低所述模型的维数，故根据广义简约梯度算法的运算法则，计算BTu＝df/dxb，其中BT为步骤C中雅克比矩阵J中的一个非奇异子雅克比矩阵B的转置，df/dxb表示目标函数对基本变量xb的梯度；
E、计算广义简约梯度r＝df/dx-JTu，其中df/dx为目标函数对非基本变量xn的梯度，JT为步骤B中所获得的联合发电系统的雅克比矩阵J的转置矩阵；
F、将所述广义简约梯度r投影到所述可行解的边界内，计算得到所述广义简约梯度r的模；若所得到的广义简约梯度r的模足够小，则输出最优解；若所得到的广义简约梯度r的模没有足够小，则从所述非基本变量xn中选取一个子集xs，将所述子集xs作为一组超基本变量，根据二阶导数找到搜索方向ds，沿所述搜索方向ds改变所述子集xs，利用拟牛顿法调整所述非奇异子矩阵B中的基本变量xb，使g(xb，xs)＝b，然后再重复步骤C-F，直至输出最优解。
8.根据权利要求7所述的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，其特征在于，所述最优解为储能接入电网的最佳位置和容量。
CN202210094560.2A 2022-01-26 2022-01-26 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 Active CN114498740B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210094560.2A CN114498740B (zh) 2022-01-26 2022-01-26 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210094560.2A CN114498740B (zh) 2022-01-26 2022-01-26 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

Publications (2)

Publication Number Publication Date
CN114498740A true CN114498740A (zh) 2022-05-13
CN114498740B CN114498740B (zh) 2023-01-24

Family

ID=81475985

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210094560.2A Active CN114498740B (zh) 2022-01-26 2022-01-26 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

Country Status (1)

Country Link
CN (1) CN114498740B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115395547A (zh) * 2022-08-31 2022-11-25 国网河南省电力公司南阳供电公司 基于整县光伏推进下的灵活储能系统优化配置方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103199554A (zh) * 2013-03-15 2013-07-10 国家电网公司 一种实现电网光储系统容量配置及优化分布的方法
CN107194521A (zh) * 2017-06-28 2017-09-22 国网山东省电力公司经济技术研究院 一种基于电网综合效益最优的无功接入系统模型
CN107846040A (zh) * 2017-11-02 2018-03-27 国网重庆市电力公司电力科学研究院 基于二阶锥松弛的分布式光伏与储能协调规划方法及系统
CN109193729A (zh) * 2018-11-12 2019-01-11 浙江大学 一种配网自动化系统中储能系统的选址方法
US20210155111A1 (en) * 2019-11-22 2021-05-27 State Grid Fujian Electric Power Co., Ltd. Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station
CN113541166A (zh) * 2021-07-27 2021-10-22 广东电网有限责任公司 一种分布式储能优化配置方法、系统、终端和存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103199554A (zh) * 2013-03-15 2013-07-10 国家电网公司 一种实现电网光储系统容量配置及优化分布的方法
CN107194521A (zh) * 2017-06-28 2017-09-22 国网山东省电力公司经济技术研究院 一种基于电网综合效益最优的无功接入系统模型
CN107846040A (zh) * 2017-11-02 2018-03-27 国网重庆市电力公司电力科学研究院 基于二阶锥松弛的分布式光伏与储能协调规划方法及系统
CN109193729A (zh) * 2018-11-12 2019-01-11 浙江大学 一种配网自动化系统中储能系统的选址方法
US20210155111A1 (en) * 2019-11-22 2021-05-27 State Grid Fujian Electric Power Co., Ltd. Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station
CN113541166A (zh) * 2021-07-27 2021-10-22 广东电网有限责任公司 一种分布式储能优化配置方法、系统、终端和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙鑫等: "基于线性化最优潮流的电网可用输电能力计算", 《电力自动化设备》 *
朱革兰等: "抑制光伏并网电压扰动的配电网储能配置方法", 《华南理工大学学报（自然科学版）》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115395547A (zh) * 2022-08-31 2022-11-25 国网河南省电力公司南阳供电公司 基于整县光伏推进下的灵活储能系统优化配置方法
CN115395547B (zh) * 2022-08-31 2024-05-07 国网河南省电力公司南阳供电公司 基于整县光伏推进下的灵活储能系统优化配置方法

Also Published As

Publication number Publication date
CN114498740B (zh) 2023-01-24

Similar Documents

Publication Publication Date Title
CN113595158B (zh) 配售电竞争态势下区域配电网的供电能力评估方法
CN109830976B (zh) 一种交直流混合配电网弹性运行调控方法
CN109873447B (zh) 一种多源协同主动配电网多时间级有功-无功调控方法
Li et al. Control strategy of battery state of charge for wind/battery hybrid power system
Singh et al. Frequency regulation of an isolated hybrid power system with battery energy storage system
CN112103941A (zh) 考虑电网灵活性的储能配置双层优化方法
CN115549216A (zh) 一种风光储场站有功-无功协调控制方法及系统
CN111614110B (zh) 一种基于改进多目标粒子群算法的受端电网储能优化配置方法
CN114498740B (zh) 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
Wang et al. Energy storage control for the Photovoltaic generation system in a micro-grid
Chamana et al. Dynamic ramp rate control for voltage regulation in distribution systems with high penetration photovoltaic power generations
Suyono et al. Optimization of the reactive power injection to control voltage profile by using artificial bee colony algorithm
Wang et al. The design of battery energy storage system in a unified power-flow control scheme
CN111600315B (zh) 一种配电网无功优化方法
Abuagreb et al. Energy management of a battery combined with PV generation
Pippi et al. Assessing the provision of ancillary services considering BES capacity degradation
Wen et al. Control and protection of dc microgird with battery energy storage system
Wang et al. Studies of multi-type composite energy storage for the photovoltaic generation system in a micro-grid
CN115392565A (zh) 一种多能园区低碳运行优化方法及装置
Hamzah et al. Optimization Modeling for Offshore Wind Farms
Hans et al. Implementation of Hybrid STATCOM System for Power System Performance Enhancement
Behera et al. Supervisory Power Management Scheme of a Laboratory Scale Wind-PV Based LVDC Microgrid Integrated With Hybrid Energy Storage System
CN112952869A (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
CN114142496B (zh) 基于微电网的电力储能设备与方法
Fan et al. Coordinated constant voltage control strategies of a battery‐free medium‐voltage direct current system incorporating distributed photovoltaic generation units

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