CN115912421A - 一种配电网储能选址定容多目标优化方法及系统 - Google Patents

Abstract

一种配电网储能选址定容多目标优化方法及系统，从结点电压波动、负荷波动、储能容量出发，考虑技术性指标的同时考虑储能成本，建立一种含高比例新能源的配电网储能选址定容优化方法。本发明可以充分发挥分布式储能的灵活性和价值，有效降低可再生能源渗透率增加引起的配网负荷、电压波动问题。

Description

一种配电网储能选址定容多目标优化方法及系统

技术领域

本发明属于综合能源系统储能技术领域，具体涉及一种配电网储能选址定容多目标优化方法及系统。

背景技术

近年来，伴随全球化石燃料消费增长、存量减少趋势，以及燃料燃烧导致碳排放水平升高矛盾的不断激化，世界各国聚焦于以可再生能源发电为主的分布式电源开发利用。然而，分布式电源固有的出力不确定、不稳定、易受环境因素影响等问题，导致大量接入分布式电源会显著扩大电网负荷峰谷差给配网安全运行造成严重问题。储能系统(EnergyStorage System，ESS)具备快速功率响应以及供蓄能力，能够在有效平抑分布式电源产生的影响。但如果任由储能系统随意接入自发运行，相当于在配网中接入了一大批随机性的扰动电源，无助于电能质量改善，同时也浪费了储能资源。因此，有必要对ESS选址定容问题进行研究。

ESS选址定容与分布式电源选址定容类似，本质上是一个单目标或多目标优化问题，目前已有较多学者对配网侧分布式储能规划展开研究，例如：从经济性出发，将储能设备的寿命周期纳入考虑，以全寿命周期内经济收益最大为目标，规划储能电池的配置；基于分布式电源出力不确定的特性，考虑含储能与分布式电源系统运行的经济性，研究储能参数和接入方式对系统成本的影响；计及分布式电源与电力负荷之间的耦合关系，以系统年成本最低为目标建立光储选址定容规划模型；通过计算等效网损微增率指标，确定储能选址，以网损、电压改善程度为目标确定储能容量。尽管国内外学者为提高储能系统经济性进行了大量研究，但是以提高可再生能源发电渗透率为目标，研究储能接入后电网电能质量的研究较少。

中国专利CN114861411A《一种基于多目标双层规划的分布式电源选址定容方法》公开了一种基于多目标双层规划的分布式电源选址定容方法。结合损耗灵敏度和电压稳定指标建立上层分布式电源接入节点挑选模型，以有损功耗、电压偏移指数、电压稳定指数为目标函数建立分布式电源下层容量调整模型。根据多权重法将多目标双层规划模型中的多目标优化函数转换为单目标优化函数。该发明针对的场景是“目标配电网需要升级为有源配电网或是有源配电网需要进行扩容规划”，而未来更具一般性的是随着高比例新能源发电接入而新建的有源配电网规划问题。此外，该发明提出的多目标双层规划模型未考虑节点电压波动和高比例新能源接入导致的负荷波动，同时在多目标优化函数转化为单目标优化函数时对于多目标的权重因子是根据经验赋予的固定值，模型普适性不高。

发明内容

为解决现有技术中存在的不足，本发明提供一种配电网储能选址定容多目标优化方法及系统，从节点电压波动、负荷波动、储能容量出发，考虑技术性指标的同时考虑储能成本，实现含高比例新能源的配电网储能选址定容优化，以IEEE-33节点系统进行多运行场景仿真验证模型有效性。

本发明采用如下的技术方案。

一种配电网储能选址定容多目标优化方法，包括以下步骤：

步骤1，建立多目标优化函数，选取节点电压波动大小、负荷波动大小、储能投资成本3个指标作为目标函数，利用信息熵法对各目标赋权；

步骤2，建立节点功率平衡约束、节点电压约束、储能功率约束和电池荷电状态约束；

步骤3，采用改进的多目标粒子群优化算法求解多目标优化函数。

优选地，步骤1中，赋权后的多目标优化函数定义为：

F＝min(w₁f₁+w₂f₂+w₃f₃)

其中w₁,w₂,w₃为不同目标的权重值。

所述目标函数为：

式中N表示配网节点数；T表示时间；V_ij为配网中i节点在j时刻的电压值；

表示节点i在时间周期中的平均电压值；

所述负荷波动量目标函数为：

式中P_s(j)表示j时刻输入功率；

表示时间周期T内的平均输入功率；

所述储能投资成本目标函数为：

式中N_store表示储能设备安装个数；t₀为最大放电起始时间；t₀+nΔt为最大放电中止时间；P_store,m(t)为第m个储能系统t时刻的放电功率；Δt为每个功率时刻时间间隔。

优选地，步骤2中，所述节点功率平衡约束为：

每个节点流出的功率应与流入的功率相同

式中P_s表示电网输入功率；P_DG,i为第i个分布式电源功率；N_DG表示接入配网的分布式电源数量；P_load,k表示第k个节点的负荷功率。

步骤2中，所述节点电压约束为：

系统运行时各节点电压不应超出限制范围

V_min≤V_ij≤V_max

式中V_min、V_max分别为节点电压下限与上限。

步骤2中，储能功率约束为：

P_{store_min}≤P_store≤P_{store_max}

式中P_{store_min}、P_{store_max}分别为储能工作功率下限与上限。

步骤2中，荷电状态约束为：

SOC_min≤SOC_i,t≤SOC_max

式中SOC_i,t表示第i个储能设备t时刻荷电状态，SOC_min、SOC_max表示储能荷电状态的下限和上限；η_c、η_d分别为储能设备充电和放电效率；S_i ^store为储能系统总容量；P_i,t ^store表示第i个储能设备t时刻工作功率。

优选地，步骤3中，惯性权重值由双曲正切函数定义：

式中w_k为第k次迭代时的惯性权重，w_start为第一次迭代时候惯性权重,k为迭代次数，k_max表示最大迭代次数，k_min表示最小迭代次数。

一种配电网储能选址定容多目标优化系统，包括优化函数构建模块、优化函数求解模块。

优化函数构建模块建立多目标优化函数，选取节点电压波动大小、负荷波动大小、储能投资成本3个指标作为目标函数，利用信息熵法对各目标赋权。同时为目标函数建立点功率平衡约束、节点电压约束、储能功率约束和电池荷电状态约束；

优化函数求解模块调整惯性权重，采用改进的多目标粒子群优化算法求解多目标优化函数。

本发明的有益效果在于，与现有技术相比，分布式储能在改善新能源发电出力的不确定性和波动性方面有重要意义，本发明提出的含高比例新能源的配电网储能选址定容优化方法，传统的加权是带有主观性的经验值，采用熵权法使得三个子目标的权重系数在每一次优化过程中都会根据各自信息熵进行调整，能够提高优化结果、避免优化结果偏向某一子目标。可以充分发挥分布式储能的灵活性和价值，有效降低可再生能源渗透率增加引起的配网负荷、电压波动问题，同时引入节点电压波动目标函数，使得对不同的节点的储能容量配置优化效果明显改善。

附图说明

图1是本发明一种配电网储能选址定容多目标优化方法流程图；

图2是IEEE33节点配电网系统示意图；

图3是配网典型日数据曲线；

图4是改进多目标粒子群算法求解流程示意图；

图5是本发明实施例中储能接入前后电压波动示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例，而不是全部实施例。基于本发明精神，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它实施例，都属于本发明的保护范围。

一种配电网储能选址定容多目标优化方法，如图1所示，包括以下步骤：

步骤1，建立多目标优化函数，选取节点电压波动大小、负荷波动大小、储能投资成本3个指标作为目标函数，利用信息熵法对各目标赋权。

赋权后的多目标优化函数定义为：

F＝min(w₁f₁+w₂f₂+w₃f₃) (1)

其中，

式中w1,w2,w3为不同目标的权重值，N表示配网节点数；T表示时间；V_ij为配网中i节点在j时刻的电压值；

表示节点i在时间周期中的平均电压值。

式中P_s(j)表示j时刻输入功率；

表示时间周期T内的平均输入功率。

式中N_store表示储能设备安装个数；t₀为最大放电起始时间；t₀+nΔt为最大放电中止时间；P_store,m(t)为第m个储能系统t时刻的放电功率；Δt为每个功率时刻时间间隔。

步骤2，建立节点功率平衡约束、节点电压约束、储能功率约束和电池荷电状态约束。

(1)节点功率平衡约束，即每个节点流出的功率应与流入的功率相同

式中P_s表示电网输入功率；P_DG,i为第i个分布式电源功率；N_DG表示接入配网的分布式电源数量；P_load,k表示第k个节点的负荷功率

(2)节点电压约束，系统运行时各节点电压不应超出限制范围

V_min≤V_ij≤V_max (8)

式中V min、V max分别为节点电压下限与上限。

(3)储能功率约束：

P_{store_min}≤P_store≤P_{store_max} (9)

式中P_{store_min}、P_{store_max}分别为储能工作功率下限与上限。

(4)荷电状态约束：

SOC_min≤SOC_i,t≤SOC_max (10)

式中SOC_i,t表示第i个储能设备t时刻荷电状态，SOC_min、SOC_max表示储能荷电状态的下限和上限。η_c、η_d分别为储能设备充电和放电效率；S_i ^store为储能系统总容量。P_i,t ^store表示第i个储能设备t时刻工作功率。

步骤3，采用改进的多目标粒子群优化算法求解多目标优化函数。

如图4所示，在多目标粒子群优化算法中，惯性权重的大小对收敛性能有显著影响，惯性权重大则粒子的速度比较大，更有利于全局搜索，惯性权重较小时有利于算法进行更加精确的局部搜索。

因此在迭代初期，惯性权重应较大，而在迭代后期应当使惯性权重变小，引用双曲正切函数可以使惯性权重的值满足要求，惯性权重的值由式(12)确定

式中w_k为第k次迭代时的惯性权重，w_start为第一次迭代时候惯性权重,k为迭代次数。

实施例1：

为验证提出的模型的有效性，本实施例针对以下三个不同运行场景进行算例仿真：

场景1在节点9和30接入光伏，接入储能；

场景2在节点14和20接入风电，接入储能；

场景3在节点9和30接入光伏，在节点14和20接入风电，同时接入储能。

仿真参数设置为种群个数100个，迭代次数100次，最大和最小惯性权重分别为0.9、0.4，仿真结果如下：

场景1：

f₁＝0.34932(pu)；f₂＝1.7476(pu)；f₃＝0.891(MW·h)；接入位置(16、18)；储能容量＝0.253(MW·h)、0.638(MW·h)

场景2：

f₁＝0.35806(pu)；f₂＝1.246(pu)；f₃＝0.566(MW·h)；接入位置(12、13)；储能容量＝0.366(MW·h)、0.2(MW·h)

场景3：

f₁＝0.3382(pu)；f₂＝0.9534(pu)；f₃＝0.972(MW·h)；接入位置(18、33)；储能容量＝0.422(MW·h)、0.55(MW·h)

本实施例仿真结果表明，与光储联合运行相比，风储联合运行时虽然配网电压波动略有增加，但由于风电小时出力较为稳定，用户负荷波动有所降低。上述分析表明，当配网接入分布式储能系统后，配网的节点电压与负荷波动标幺值将会显著降低，配网电能质量明显提高，验证了引入分布式储能改善电能质量的可行性。场景3储能接入前后电压波动示意如图5所示。

一种配电网储能选址定容多目标优化系统，包括优化函数构建模块、优化函数求解模块。

优化函数构建模块建立多目标优化函数，选取节点电压波动大小、负荷波动大小、储能投资成本3个指标作为目标函数，利用信息熵法对各目标赋权。同时为目标函数建立点功率平衡约束、节点电压约束、储能功率约束和电池荷电状态约束；

优化函数求解模块调整惯性权重，采用改进的多目标粒子群优化算法求解多目标优化函数。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (9)

1.一种配电网储能选址定容多目标优化方法，其特征在于，包括：

步骤1，选取并网节点的电压波动量、负荷波动量、储能投资成本构建多目标优化函数，并基于信息熵法对电压波动量、负荷波动量、储能投资成本赋权；

步骤2，建立并网节点的功率平衡约束、电压约束、储能功率约束和电池荷电状态约束；

步骤3，采用改进的多目标粒子群优化算法求解多目标优化函数，得到储能布置的配网节点编号、储能的容量、储能24小时内出力。

2.根据权利要求1所述的一种配电网储能选址定容多目标优化方法，其特征在于：

步骤1中，多目标优化函数定义为：

F＝min(w₁f₁+w₂f₂+w₃f₃)

其中w₁,w₂,w₃分别为第一权重值、第二权重值、第三权重值，f₁，f₂，f₃分别为电压波动量目标函数、负荷波动量目标函数、储能投资成本目标函数。

3.根据权利要求2所述的一种配电网储能选址定容多目标优化方法，其特征在于：

所述电压波动量目标函数为：

式中N表示配网节点数；T表示时间；V_ij为配网中i节点在j时刻的电压值；

表示节点i在时间周期中的平均电压值；

所述负荷波动量目标函数为：

式中P_s(j)表示j时刻输入功率；

表示时间周期T内的平均输入功率；

所述储能投资成本目标函数为：

式中N_store表示储能设备安装个数；t₀为最大放电起始时间；t₀+nΔt为最大放电中止时间；P_store,m(t)为第m个储能系统t时刻的放电功率；Δt为每个功率时刻时间间隔。

4.根据权利要求1所述的一种配电网储能选址定容多目标优化方法，其特征在于：

步骤2中，所述节点功率平衡约束为：

每个节点流出的功率应与流入的功率相同

式中P_s表示电网输入功率；P_DG,i为第i个分布式电源功率；N_DG表示接入配网的分布式电源数量；P_load,k表示第k个节点的负荷功率。

5.根据权利要求1所述的一种配电网储能选址定容多目标优化方法，其特征在于：

步骤2中，所述节点电压约束为：

系统运行时各节点电压不应超出限制范围

V_min≤V_ij≤V_max

式中V_min、V_max分别为节点电压下限与上限。

6.根据权利要求1所述的一种配电网储能选址定容多目标优化方法，其特征在于：

步骤2中，储能功率约束为：

P_{store_min}≤P_store≤P_{store_max}

式中P_{store_min}、P_{store_max}分别为储能工作功率下限与上限。

7.根据权利要求1所述的一种配电网储能选址定容多目标优化方法，其特征在于：

步骤2中，荷电状态约束为：

SOC_min≤SOC_i,t≤SOC_max

式中SOC_i,t表示第i个储能设备t时刻荷电状态，SOC_min、SOC_max表示储能荷电状态的下限和上限；η_c、η_d分别为储能设备充电和放电效率；S_i ^store为储能系统总容量；P_i,t ^store表示第i个储能设备t时刻工作功率。

8.根据权利要求1所述的一种配电网储能选址定容多目标优化方法，其特征在于：

步骤3中，惯性权重值由双曲正切函数定义：

式中w_k为第k次迭代时的惯性权重，w_start为第一次迭代时候惯性权重,k为迭代次数，k_max表示最大迭代次数，k_min表示最小迭代次数。

9.一种配电网储能选址定容多目标优化系统，运行根据权利要求1-8所述的一种配电网储能选址定容多目标优化方法，包括优化函数构建模块、优化函数求解模块，其特征在于：

优化函数构建模块建立多目标优化函数，选取节点电压波动大小、负荷波动大小、储能投资成本3个指标作为目标函数，利用信息熵法对各目标赋权。同时为目标函数建立点功率平衡约束、节点电压约束、储能功率约束和电池荷电状态约束；

优化函数求解模块调整惯性权重，采用改进的多目标粒子群优化算法求解多目标优化函数。

Images