一种基于主动管理与成本效益分析的配电网储能系统配置方法

技术领域

本发明涉及主动配电网中储能系统规划领域，特别是涉及一种基于主动管理与成本效益分析的配电网储能系统配置方法。

背景技术

分布式电源(DG)并网发电被认为是21世纪电力工业的重要研究方向之一。DG未来将大规模接入配电网。然而DG渗透率的增加也将给配电网电压、电能质量、调度运行带来一系列的影响。储能系统凭借其快速功率调节以及兼具供蓄能力的特征，在平滑间歇式能源功率波动、削峰填谷、改善电压质量以及提供备用电源方面都发挥出了巨大的作用，是主动配电网实现对广泛接入的分布式能源灵活调节以及网络优化运行的关键所在，其配置将直接影响到主动配电网对于分布式能源主动管理的能力以及网络运行的经济性。

目前，储能的配置是基于储能实现某一种或多种功能(如：降低网损、平抑分布式电源功率波动、电源波动、削峰填谷等)优化储能的容量。由于配电网、分布式电源、储能、负荷共同组成了主动配电系统，主动配电系统是一个统一的整体，所以在主动配电网储能规划中仅仅考虑储能自身的作用、忽略主动配电网的系统性，忽略主动配电网的主动管理功能的传统规划方法，使模型的适应程度较差，计算结果不准确，所得的系统规划配置方案不合理。

发明内容

有鉴于此，本发明的目的是提供一种基于主动管理与成本效益分析的配电网储能系统配置方法，通过建立配电网主动管理系统发挥配电网的主动管理作用；通过储能成本效益分析系统能准确描述储能系统配置模型，给出储能系统配置的合理方案。

本发明采用以下方案实现：一种基于主动管理与成本效益分析的配电网储能系统配置方法，具体包括以下步骤：

步骤S1：建立一用以主动管理配电网的主动管理系统，所述主动管理系统包括配电系统模块、储能系统模块以及EMS模块，同时建立一用以配置储能系统模型的成本效益分析系统；

步骤S2：所述配电系统模块读取年负荷及光伏出力在每一种场景下的时序数据，记录实时的SVR/OLTC运行状态，并将SVR/OLTC的运行状态、削峰填谷信息传达到成本效益分析系统，还将实时的母线电压评估数据输送给EMS控制模块；

步骤S3：EMS模块通过比较目前电压水平数据与设定的电压指标，给储能系统模块发送充放电功率信息来控制此时的电压水平位于正常范围内，若此时母线电压越限，再通过SVR及OLTC控制电压位于正常范围内；储能系统模块评估此时的储能充放电功率以及充放电深度，并动态调整储能充放电功率；

步骤S4：所述成本效益分析系统获取储能寿命周期、SVROLTC运行状态、削峰填谷信息后，进行储能系统的成本-效益计算，不断优化储能的容量配置，至到最优配置容量。

进一步地，所述配电系统模块包括分布式光伏电源、BESS、负荷、SVR/OLTC；

所述储能系统模块用以评估BESS的SOC以及SOH寿命指标；SOC指标评估后反馈到EMS模块，EMS模块根据SOC状态向BESS发送充放电需求指令；SOH指标指示储能系统模块的剩余寿命周期；

所述EMS模块用以调整储能、光伏、负荷以及网络中的潮流达到削峰填谷和调整电压；当PV出力的不确定性引起电压过高时，EMS模块给储能系统模块发送充电需求指令；电压过低时，EMS模块给储能系统模块发送放电需求指令。

进一步地，所述成本效益分析系统的储能容量配置模型为双层模型：

所述储能容量配置模型的目标函数如下：

内层优化：

式中：Ω_BESS为储能安装节点集合；N_s为场景总数；

由于储能系统总投资成本包括电力电子变换PSC成本、储能安装容量成本及储能装置运行维护成本，储能系统总投资成本为：

$C_{{\mathrm{BESS}}_k}=\left(\right(C_{PSC}{P}_{BESS}+\frac{C_W{W}_{BESS}}{\eta }\left)n_k\right)(1+{\mathrm{Cf}}_{install})\left(\frac{r{(1+r)}^y}{{(1+r)}^y-1}\right)+C_{{\mathrm{OM}}_k}+C_{{\mathrm{life}}_k}$

式中：C_BESS为第k个节点储能折算到每年的储能总投资成本；C_PSC为储能电力电子变换器单位成本；P_BESS为单个储能装置额定功率；C_W为储能单位容量投资成本；W_BESS为单个储能装置额定容量；Cf_install为安装成本系数；r为折现率；n为规划周期，以年单位；η为储能装置转换效率；y为规划年数；为第k个节点储能的年运行成本；为第k个节点储能的寿命周期成本；

若储能设备属于电网公司，不为第三方所有则

$C_{{\mathrm{OM}}_k}=m\underset{t=1}{\overset{T}{\Sigma }}\left(c_{om}{P}_k\right(t\left)\right)$

式中：m为年天数。T为规划时段，分为24个时段；

若储能设备属于第三方储能投资商，由于分布式储能设备充放电效率不同，而且充放电时价格和资金的流向不同，所以：

$C_{OM}=m\underset{t=1}{\overset{T}{\Sigma }}\left(c_{om}^{dc}{P}_k^{dc}\right(t)-c_{om}^{ch}{P}_k^{ch}(t\left)\right)$

式中：分别为储能的放电与充电费用；分别为放电功率与充电功率；为储能装置寿命周期成本；

网络损耗成本为：

$C_{LOSS}=c_{loss}m\underset{t=1}{\overset{T}{\Sigma }}\Delta P\left(t\right)\Delta t$

式中：ΔP(t)，Δt分别为的网损功率与时间尺度；c_loss为单位网损成本；

低碳年收益为储能系统在负荷高峰时放电，从而减少了调峰机组出力，为：

$B_{{\mathrm{LC}}_k}=C_{LC}m\underset{t=1}{\overset{T}{\Sigma }}{P}_k^{PG}\left(t\right)$

式中：为储能用于调峰时的出力；C_LC为火电机组用于调峰的均化年发电成本；

储能用于低储高发年化收益为：

$B_{{\mathrm{PL}}_k}=E_k^{pl}(C_{peak}-C_{offpeak})$

式中：C_peak，C_offpeak为负荷高峰时刻与非高峰时刻的电价；为储能用于负荷高峰时刻的年放电量；

减少OLTC/SVR运维收益为：

式中：为第k个节点减少OLTC/SVR运行次数的节约年收益；C_OLTC&SVR为OLTC与SVR的运行维护费用；cf_om>saved，T_cycle分别为OLTC/SVR的节约运行次数与总周期次数，T_cycle＝150,000；为第k个节点的储能年运行次数；

所述储能容量配置模型的约束条件如下：

功率平衡的约束条件为：

$P_{is}=U_i\underset{j\in i}{\Sigma }{U}_j(G_{ij}{\mathrm{cos\theta }}_{ij}+B_{ij}{\mathrm{sin\theta }}_{ij})$

$Q_{is}=U_i\underset{j\in i}{\Sigma }{U}_j(G_{ij}{\mathrm{sin\theta }}_{ij}-B_{ij}{\mathrm{cos\theta }}_{ij})$

式中：P_is和Q_is分别为节点i的有功注入和无功注入；U_i为节点i的电压幅值；

j∈i表示节点j与节点i相连；G_ij和B_ij分别为节点导纳矩阵的实部和虚部；θ_ij为节点i，j之间的相角差。

电压约束条件为：

U_min≤U_i≤U_max

式中：U_min和U_max分别为节点i的电压幅值上下限；

储能安装个数约束条件为：

$N_{BESS}^{\min }\le N_{BESS}\le N_{BESS}^{\max }$

储能充放电功率约束条件为：

-P_kmax≤P_k(t)≤P_kmax

-Q_kmax≤Q_k(t)≤Q_kmax

$\sqrt{{\left(P_k\right(t\left)\right)}^2+{\left(Q_k\right(t\left)\right)}^2}\le S_{kmax}$

式中：P_k(t)和Q_k(t)分别为t时刻第k个换流器输出的有功和无功；S_kmax和Q_kmax分别为第k个换流器的额定容量和无功功率上限；

储能充放电状态约束条件为：

储能的充放电状态在时序上具有连续性，并且每个时间点的储能能量应满足SOC状态的上限要求，同时在一个固定周期内应该使得初始SOC和最终SOC状态保持一致，则：

$S_k^{soc}\left(t\right)-S_k^{soc}(t+\Delta t)=\frac{P_k\left(t\right)\Delta t}{C_k}$

$S_{kmin}^{soc}\le S_k^{soc}\left(t\right)\le S_{kmax}^{soc}$

$S_k^{soc}\left(0\right)=S_k^{soc}\left(T\right)$

式中：k＝1,2,....N_st；为t时刻第k个储能的SOC值；

进一步地，所述步骤S4采用遗传算法与序列二次规划算法对双层模型进行求解：通过遗传算法确定外层的储能容量，内层通过序列二次规划算法优化储能的充放电功率，优化目标为削峰填谷与电压波动。

与现有技术相比，本发明通过建立配电网主动管理系统发挥配电网的主动管理作用；通过储能成本效益分析系统能准确描述储能系统配置模型。

附图说明

图1是本发明的系统整体结构示意图。

图2是本发明中EMS控制部分储能充电控制策略图。

图3是本发明中EMS控制部分储能放电控制策略图。

图4是本发明的成本效益分析系统的算法流程图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

本实施例提供一种基于主动管理与成本效益分析的配电网储能系统配置方法，如图1所示，具体包括以下步骤：

步骤S1：建立一用以主动管理配电网的主动管理系统，所述主动管理系统包括配电系统模块、储能系统模块以及EMS模块，同时建立一用以配置储能系统模型的成本效益分析系统；

步骤S2：所述配电系统模块读取年负荷及光伏出力在每一种场景下的时序数据，记录实时的SVR/OLTC运行状态，并将SVR/OLTC的运行状态、削峰填谷信息传达到成本效益分析系统，还将实时的母线电压评估数据输送给EMS控制模块；

步骤S3：EMS模块通过比较目前电压水平数据与设定的电压指标，给储能系统模块发送充放电功率信息来控制此时的电压水平位于正常范围内，若此时母线电压越限，再通过SVR及OLTC控制电压位于正常范围内；储能系统模块评估此时的储能充放电功率以及充放电深度，并动态调整储能充放电功率；

步骤S4：所述成本效益分析系统获取储能寿命周期、SVROLTC运行状态、削峰填谷信息后，进行储能系统的成本-效益计算，不断优化储能的容量配置，至到最优配置容量。

在本实施例中，根据以上步骤的持续进行，所述储能系统模块将更新SOC状态及运行寿命状态(SOH)，直到储能的寿命状态达到运行极限。

在本实施例中，所述配电系统模块包括分布式光伏电源、BESS、负荷、SVR/OLTC；其中分布式电源出力具有不确定性，分为多个出力场景。SVR/OLTC装置用于电压调节；

所述储能系统模块用以评估BESS的SOC以及SOH寿命指标，通过SOC以及SOH的主动管理可以主动调整储能装置的充放电功率以及充放电次数等参数，使得储能能运行在正常工作状态；SOC指标评估后反馈到EMS模块，EMS模块根据SOC状态向BESS发送充放电需求指令；SOH指标指示储能系统模块的剩余寿命周期。

所述EMS模块整个主动配电系统的控制中心，用以调整储能、光伏、负荷以及网络中的潮流达到削峰填谷和调整电压，将配电系统的电压状况以及储能系统的充电功率、充放电状态与输入的控制参数进行对比，通过对比结果实时协调储能系统的充放电起始时间以及充放电功率，实现了储能对电压以及削峰填谷的主动管理；当PV出力的不确定性引起电压过高时，EMS模块给储能系统模块发送充电需求指令；电压过低时，EMS模块给储能系统模块发送放电需求指令。

在本实施例中，所述成本效益分析系统的储能容量配置模型为双层模型，在模型中涉及了储能的投资运行成本、寿命周期成本、网损成本、低碳收益、削峰填谷套利收益、减少电网中其他电压调整装置的运行收益：

所述储能容量配置模型的目标函数如下：

内层优化：

式中：Ω_BESS为储能安装节点集合；N_s为场景总数；

由于储能系统总投资成本包括电力电子变换PSC成本、储能安装容量成本及储能装置运行维护成本，储能系统总投资成本为：

$C_{{\mathrm{BESS}}_k}=\left(\right(C_{PSC}{P}_{BESS}+\frac{C_W{W}_{BESS}}{\eta }\left)n_k\right)(1+{\mathrm{Cf}}_{install})\left(\frac{r{(1+r)}^y}{{(1+r)}^y-1}\right)+C_{{\mathrm{OM}}_k}+C_{{\mathrm{life}}_k}$

式中：C_BESS为第k个节点储能折算到每年的储能总投资成本；C_PSC为储能电力电子变换器单位成本；P_BESS为单个储能装置额定功率；C_W为储能单位容量投资成本；W_BESS为单个储能装置额定容量；Cf_install为安装成本系数；r为折现率；n为规划周期，以年单位；η为储能装置转换效率；y为规划年数；为第k个节点储能的年运行成本；为第k个节点储能的寿命周期成本；

若储能设备属于电网公司，不为第三方所有则

$C_{{\mathrm{OM}}_k}=m\underset{t=1}{\overset{T}{\Sigma }}\left(c_{om}{P}_k\right(t\left)\right)$

式中：m为年天数。T为规划时段，分为24个时段；

若储能设备属于第三方储能投资商，由于分布式储能设备充放电效率不同，而且充放电时价格和资金的流向不同，所以：

$C_{OM}=m\underset{t=1}{\overset{T}{\Sigma }}\left(c_{om}^{dc}{P}_k^{dc}\right(t)-c_{om}^{ch}{P}_k^{ch}(t\left)\right)$

式中：分别为储能的放电与充电费用；分别为放电功率与充电功率；为储能装置寿命周期成本；

网络损耗成本为：

$C_{LOSS}=c_{loss}m\underset{t=1}{\overset{T}{\Sigma }}\Delta P\left(t\right)\Delta t$

式中：ΔP(t)，Δt分别为的网损功率与时间尺度；c_loss为单位网损成本；

低碳年收益为储能系统在负荷高峰时放电，从而减少了调峰机组出力，为：

$B_{{\mathrm{LC}}_k}=C_{LC}m\underset{t=1}{\overset{T}{\Sigma }}{P}_k^{PG}\left(t\right)$

式中：为储能用于调峰时的出力；C_LC为火电机组用于调峰的均化年发电成本；

储能用于低储高发年化收益为：

$B_{{\mathrm{PL}}_k}=E_k^{pl}(C_{peak}-C_{offpeak})$

式中：C_peak，C_offpeak为负荷高峰时刻与非高峰时刻的电价；为储能用于负荷高峰时刻的年放电量；

减少OLTC/SVR运维收益为：

式中：为第k个节点减少OLTC/SVR运行次数的节约年收益；C_OLTC&SVR为OLTC与SVR的运行维护费用；cf_om>saved，T_cycle分别为OLTC/SVR的节约运行次数与总周期次数，T_cycle＝150,000；为第k个节点的储能年运行次数；

所述储能容量配置模型的约束条件如下：

功率平衡的约束条件为：

$P_{is}=U_i\underset{j\in i}{\Sigma }{U}_j(G_{ij}{\mathrm{cos\theta }}_{ij}+B_{ij}{\mathrm{sin\theta }}_{ij})$

$Q_{is}=U_i\underset{j\in i}{\Sigma }{U}_j(G_{ij}{\mathrm{sin\theta }}_{ij}-B_{ij}{\mathrm{cos\theta }}_{ij})$

式中：P_is和Q_is分别为节点i的有功注入和无功注入；U_i为节点i的电压幅值；

j∈i表示节点j与节点i相连；G_ij和B_ij分别为节点导纳矩阵的实部和虚部；θ_ij为节点i，j之间的相角差。

电压约束条件为：

U_min≤U_i≤U_max

式中：U_min和U_max分别为节点i的电压幅值上下限；

储能安装个数约束条件为：

$N_{BESS}^{\min }\le N_{BESS}\le N_{BESS}^{\max }$

储能充放电功率约束条件为：

-P_kmax≤P_k(t)≤P_kmax

-Q_kmax≤Q_k(t)≤Q_kmax

$\sqrt{{\left(P_k\right(t\left)\right)}^2+{\left(Q_k\right(t\left)\right)}^2}\le S_{kmax}$

式中：P_k(t)和Q_k(t)分别为t时刻第k个换流器输出的有功和无功；S_kmax和Q_kmax分别为第k个换流器的额定容量和无功功率上限；

储能充放电状态约束条件为：

储能的充放电状态在时序上具有连续性，并且每个时间点的储能能量应满足SOC状态的上限要求，同时在一个固定周期内应该使得初始SOC和最终SOC状态保持一致，则：

$S_k^{soc}\left(t\right)-S_k^{soc}(t+\Delta t)=\frac{P_k\left(t\right)\Delta t}{C_k}$

$S_{kmin}^{soc}\le S_k^{soc}\left(t\right)\le S_{kmax}^{soc}$

$S_k^{soc}\left(0\right)=S_k^{soc}\left(T\right)$

式中：k＝1,2,....N_st；为t时刻第k个储能的SOC值。

在本实施例中，如图2所示，所述EMS模块的储能充电控制策略具体为：当电压越上限时，EMS模块将充电信号传递给储能系统，若此时充电功率小于或等于最大充电功率，则以此时的功率进行充电；若大于最大充电功率则由OLTC/SVR调整电压，并记录OLTC/SVR的运行次数。

在本实施例中，如图3所示，所述EMS模块的储能放电控制策略具体为：当电压越下限或者峰值负荷(peak load)达到预设值时，EMS将放电信号传递给储能系统，若此时放电功率小于或等于最大放电功率，则以此时的功率进行放电；若大于最大放电功率则由OLTC/SVR调整电压，并记录OLTC/SVR的运行次数。

在本实施例中，如图4所示，所述步骤S4采用遗传算法与序列二次规划算法对双层模型进行求解：通过遗传算法确定外层的储能容量，产生储能安装容量的初始种群，适应度函数为成本效益分析结果最优；内层通过序列二次规划算法优化储能的充放电功率，优化目标为削峰填谷与电压波动。其中，主动管理系统的功能通过内层优化实现。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。