基于序优化的分布式光伏配电网储能系统容量评估

徐斌，丁然，刘康丽，徐斌，刘红新，陈娅，阮力

(1.国网六安供电公司，安徽省六安市 237006；2.国网冀北电力有限公司，北京市100053)

基于序优化的分布式光伏配电网储能系统容量评估

徐斌1，丁然2，刘康丽2，徐斌1，刘红新1，陈娅1，阮力1

(1.国网六安供电公司，安徽省六安市 237006；2.国网冀北电力有限公司，北京市100053)

我国分布式光伏发电产业近年来实现快速增长，对所在配电网的运行提出严峻挑战。由于分布式光伏发电具有随机性、波动性与不确实性，需要一定容量的储能系统来提供灵活的调节能力，以实现配电网的安全可靠运行。因此，研究针对分布式光伏配电网储能系统的容量评估具有重要意义。建立考虑分布式光伏并网的配电网运行模拟模型，利用多场景生成技术与序优化求解方法，模拟不同储能系统容量规划下的分布式光伏并网运行情况，从而得到最优配电网储能系统配套容量。结果表明，利用序优化方法可以实现快速高效求解，得到适应于配电网运行需求的储能系统容量配置方案。

配电网；分布式光伏；储能系统；运行模拟；场景生成；序优化

0 引 言

光伏出力具有波动性与不确定性[1]，对并网配电网的安全、可靠运行带来了挑战[2]，随着光伏容量的进一步增长[3]，配电网的稳定运行将更加严峻[4]。在配电网中配置储能系统，可以平抑光伏出力的不确定性[5]，是促进光伏高效消纳的有效手段，但因储能系统单位投资较高[6]，需要评估科学合理的储能系统容量，以最大限度提高储能系统的投资效率。

在储能系统容量配置研究中，文献[7]利用区间估计方法得出储能设备容量配置函数；文献[8]利用蓄电池与超级电容器之间的互补特性以及全生命周期费用理论优化储能容量；文献[9]提出了基于成本分析的超级电容器和蓄电池的混合配置方案；文献[10]以复合储能为研究对象，提出了一种基于目标函数适应度离差平均值排序方法来获取最优解；文献[11]将频谱分析和低通滤波相结合，以优化并网目标功率与储能容量。

目前，针对储能系统容量评估与优化配置的研究主要从平抑波动性、提升经济性和配合负荷特性等角度切入，但均忽略了实际的配电网运行情况，且过于简化地考虑光伏出力的随机特性。为此，本文建立考虑分布式光伏并网的配电网运行模拟模型，利用多场景生成技术充分考虑光伏出力的随机特性，并采用序优化求解方法提高模型求解效率，通过模拟不同储能系统容量规划下的分布式光伏并网运行情况，从而得到最优配电网储能系统配套容量。

1 研究框架

本文整体研究思路如图1所示。首先，基于分布式光伏的容量及其出力特性，利用多场景生成技术生成光伏发电出力多场景；其次，设置不同的储能系统容量配置方案；然后，建立考虑分布式光伏并网的配电网运行模拟模型，模拟光伏发电多场景与不同储能系统容量配置方案组合下的配电网运行情况，在模型求解时利用序优化方法提高计算效率；最后，统计分析概率性的评估结果，得到最终的储能系统最优配置容量。

图1 整体研究思路示意图Fig.1 Illustration of research framework

2 配电网运行模拟模型与求解方法

为了充分考虑分布式光伏出力对配电网运行的影响，本文建立了考虑光伏并网的配电网运行模拟模型，并利用序优化方法实现对该模型的快速求解，下面将分别详述。

2.1 考虑分布式光伏并网的配电网运行模拟模型

如图2所示，考虑分布式光伏并网的配电网运行模拟模型以调用储能、弃光伏发电惩罚、电源运行、配电网运行的综合成本最小为目标函数，以储能系统参数、负荷预测、常规机组参数、光伏出力预测、配电网参数为输入，在模型中考虑储能容量约束、储能调节速率约束、储能充放电约束，同时结合电力平衡与备用约束、电源电网运行约束等传统电力系统运行约束。

图2 考虑分布式光伏并网的配电网运行模拟模型示意图Fig.2 Illustration of distribution network operation simulation considering distributed photovoltaic

2.1.1 目标函数

该模型的目标函数数学表达式为

(1)

C2是调用储能系统的成本，即当储能系统发生充放电行为时的惩罚，可以用储能系统寿命损耗及能量损失来评估其大小，C(b,t)与D(b,t)分别为储能系统b在时刻t的充电、放电功率，kW；pc(b)与pd(b)分别为充电与放电惩罚值，元/(kW·h)。

C3表征电源运行成本；P(k,t)为电源k在时刻t的出力，kW；g(·)是电源的运行成本二次函数，元。

C4表征光伏弃电惩罚，Cr(v,t)是光伏v在时刻t的光伏发电弃电值，kW。

2.1.2 约束条件

(1)电力平衡约束为

(2)

式中：ΩB、ΩT、ΩV、ΩU、ΩL分别为储能设备集合、时段集合、光伏集合、常规机组集合与配电网节点集合； V(v,t)是光伏v在时刻t的预测出力，kW；L(n,t)是节点n在时刻t的负荷预测值，kW。

(2)光伏出力约束为

(3)

(3)常规机组出力约束为：

(4)

(5)

(6)

(4)储能系统约束为：

(7)

(8)

(9)

(10)

(5)输配电网配合约束为：

(12)

-IE(t+1)≤IB(t+1)-IB(t)≤IS(t+1),
∀t∈ΩT

(13)

(14)

(15)

2.2 序优化方法

序优化方法是由何毓琦教授等[12]于1992年提出的，是处理基于模拟仿真优化的重要方法，已成功应用到了许多实践应用当中[13-16]。序优化方法原理如图3所示，ΘN是总优化空间集合，共包含N个元素；利用特定的选择规则，从N个解中选出一个子集ΘS，其元素个数为S。ΘS应大到至少有k个解属于足够好解子集ΘG，ΘG共包含G个元素，且其概率 Pr{ΘG∩ΘS≥k}大于给定概率目标。序优化方法定义了5种排序性能曲线，如图4所示；通过粗略模型评估ΘN中N个决策解，所有优化问题均可以根据这N个解的模型目标值排序结果来确定其所属于的性能曲线类型。基于不同的性能曲线类型，序优化求解时的参数不同。

图3 序优化方法基本思想示意图Fig.3 Graphical illustration of basic idea of ordinal optimization

图4 排序性能曲线类型Fig.4 Types of ordinal performance curves

在确定性能曲线类型之后，最终估计的最优解可通过如下步骤得到：(1)给定ΘG的空间大小以及k值；(2)评估粗略模型的偏差；(3)确定ΘS的空间大小，即S值；(4)得到最终估计的最优解。

2.3 评估流程

基于分布式光伏预测出力，假定其预测误差服从正态分布，并利用场景减少技术提取出若干个典型出力曲线。因此，模型最优解应该同时适应这若干个出力曲线，且具备最小的平均目标值。为了减轻计算负担，序优化方法被用来求解得到足够好的解，因此，将式(1)—(4)与式(7)—(11)组合形成了粗略模型，且粗略模型忽略分布式光伏出力误差，即式(1)中n为1，粗略评估模型以光伏预测出力曲线来调度光伏。储能系统容量评估整体流程如图5所示。

图5 储能系统容量评估整体流程Fig.5 Framework of storage system capacity evaluation process

3 算例分析

利用图6所示的配电网系统进行算例分析，以验证所提方法的有效性。不失一般性，假定配电网中存在1台常规机组(当配电网中不存在常规机组时，只需要将配电网运行模拟模型中的式(4)—(6)去掉即可)。

图6 算例示意图Fig.6 Illustration of case

3.1 基本数据

该配电网存在60 kW分布式光伏和1套储能系统。储能系统容量配置方案设置为100～ 1 000 kW·h、步长为100 kW·h，即共10个配置方案待选。日内共24个时段。光伏预测出力与负荷预测曲线如图7所示，假定光伏出力预测误差服从正态分布，且标准差为光伏容量的10%，随机产生20条光伏出力曲线用于运行模拟，即式(1)中n为20。其他评估流程所需参数如表1所示。

图7 光伏出力与负荷预测曲线Fig.7 Photovoltaic output and load forecast curves

3.2 评估结果

在利用序优化方法求解时，通过粗略数学模型评估得到的排序性能曲线如图8所示，为Bell型。

图8 排序性能曲线计算结果Fig.8 Calculation result of ordinal performance curve

在对不同的储能容量配置方案进行评估时，可以得到适应20条光伏出力曲线的最优储能系统运行曲线。以配置方案为900 kW为例，储能系统各时刻的充电与放电行为如图9所示，各时刻所存储的能量如图10所示。储能系统在负荷较低时充电，在负荷较高时放电。

图9 储能系统充电与放电曲线Fig.9 Charging and discharging curves of energy storage system

图10 储能系统各时刻存储能量曲线Fig.10 State of charge curves of energy storage system

在对10个储能系统容量配置方案的评估全部完成后，统计得到各方案的目标函数值，如图11所示，从图中可以看出，当储能系统容量为600 kW时，具有最低的目标函数值，即在考虑光伏出力预测误差以及配电网运行情况时，配置600 kW的储能系统具有最优的可靠性与经济性。

图11 不同储能系统容量配置方案的目标函数值Fig.11 Objective value of different storage system capacity schemes.

4 结 论

本文在评估过程中充分考虑了分布式光伏出力的随机性、波动性与不确定性，并利用配电网运行模拟技术再现了考虑光伏出力的配电网运行情况，在求解过程中，在满足计算精确度的要求下，采用序优化求解方法能够得到有效解，并通过算例验证了所提方法的有效性以及序优化方法求解的高效性，为解决复杂优化模型提供了一种有效思路。

[1]吴振威, 蒋小平, 马会萌,等. 多时间尺度的光伏出力波动特性研究[J]. 现代电力, 2014, 31(1):58-61. WU Zhenwei, JIANG Xiaoping, MA Huimeng, et al. Study on fluctuations characteristics of photovoltaic power output in different time scales[J]. Modern Electric Power, 2014, 31(1):58-61.

[2]桑静静, 赵庆生, 何志方. 光伏并网对配电网电压及网损的影响[J]. 可再生能源, 2013, 31(4):11-14. SANG Jingjing, ZHAO Qingsheng, HE Zhifang. Grid-connected PV impacts on voltage and power loss indistribution network[J]. Renewable Energy Resources, 2013, 31(04):11-14.

[3]搜狐新闻.2015年我国光伏新增装机量约15 GW, 同比增长40%以上[EB/OL].(2016-07-28)[2016-02-16]. http://mt.sohu.com/20160216/n437490228.shtml.

[4]王成山, 李鹏. 分布式发电、微网与智能配电网的发展与挑战[J]. 电力系统自动化, 2010, 34(2):10-14. WANG Chengshan, LI Peng. Development and challenges of distributed generation, the micro-grid and smart distribution system[J]. Automation of Electric Power Systems，2010, 34(2):10-14.

[5]熊超, 马瑞. 考虑降损和平抑峰谷的配电网储能电池Pareto优化模型[J]. 电力建设, 2015, 36(8):34-40. XIONG Chao, MA Rui. A Pareto optimal model for energy storage battery in distribution networkconsidering network loss and peak-valley difference alleviation[J]. Electric Power Construction, 2015, 36(8):34-40.

[6]国家电网公司“电网新技术前景研究”项目咨询组. 大规模储能技术在电力系统中的应用前景分析[J]. 电力系统自动化, 2013, 37(1):3-8. Consulting Group of State Grid Corporation of China to Prospects of New Technologies in Power Systems. An analysis of prospects for application of large-scale energy storage technology in power systems[J]. Automation of Electric Power Systems, 2013, 37(1):3-8.

[7]林少伯，韩民晓，赵国鹏，等.基于随机预测误差的分布式光伏配网储能系统容量配置方法[J]. 中国电机工程学报，2013，33(4)：25-33. LIN Shaobo, HAN Minxiao, ZHAO Guopeng, et al. Capacity allocation of energy storage in distributed photovoltaic power system based on stochastic prediction error[J]. Proceedings of the CSEE，2013，33(4)：25-33.

[8]杨珺，张建成，桂勋.并网风光发电中混合储能系统容量优化配置[J].电网技术，2013，37(5)：1209-1216. YANG Jun, ZHANG Jiancheng, GUI Xun. Capacity optimization of hybrid energy storage system in grid-connected wind and PV power generation system[J]. Power System Technology，2013，37(5)：1209-1216.

[9]李成，杨秀，张美霞，等.基于成本分析的超级电容器和蓄电池混合储能优化配置方案[J].电力系统自动化，2013，37(18)：20-24. LI Cheng, YANG Xiu, ZHANG Meixia, et al. Optimal configuration scheme for hybrid energy storage system of super capacitors and batteries based on cost analysis[J]. Automation of Electric Power Systems，2013，37(18)：20-24.

[10]谭兴国，王辉，张黎，等.微电网复合储能多目标优化配置方法及评价指标[J].电力系统自动化，2014，38(8)：7-14. TAN Xingguo, WANG Hui, ZHANG Li, et al. Multi-objective optimization of hybrid energy storage and assessment indices in microgrid[J]. Automation of Electric Power Systems，2014，38(8)：7-14.

[11]桑丙玉，王德顺，杨波，等.平滑新能源输出波动的储能优化配置方法[J].中国电机工程学报，2014，34(22)：3700-3706. SANG Bingyu, WANG Deshun, YANG Bo, et al. Optimal allocation of energy storage system for smoothing the output fluctuations of new energy[J]. Proceedings of the CSEE，2014，34(22)：3700-3706.

[12]HO Y C，SREENIVAS R S，VAKILI P. Ordinal optimization of DEDS[J].Discrete Event Dynamic Systems，1992，(1)：61-88.

[13]LIN S Y，HO Y C，LIN C H.An ordinal optimization theory based algorithm for solving the optimal power flow problem with discrete control variables[J].IEEE Transactions on Power Systems，2004(1)：276-286.

[14]GUAN X, HO Y C, LAI F.An ordinal optimization based bidding strategy for electric power suppliers in the daily energy market[J].IEEE Transactions on Power Systems，2001(4)：788-797.

[15]XU Qianyao, KANG Chongqing, XIA Qing, et al.Anti-disaster transmission expansion planning considering wind power integration using ordinal optimization[C]//Proceedings of 2014 IEEE Power and Energy Society General Meeting. National Harbor，MD： IEEE，2014：1-5.

[16]XIE M, ZHONG J, WU F F. Multiyear transmission expansion planning using ordinal optimization[J]. IEEE Transactions on Power Systems, 2007, 22(4):1420-1428.

(编辑 蒋毅恒)

Storage System Capacity Evaluation for Distributed Photovoltaic Distribution Network Based on Ordinal Optimization

XU Bin1, DING Ran2, LIU Kangli2, XU Bin1, LIU Hongxin1, CHEN Ya1, RUAN Li1

(1. State Grid Lu’an Power Supply Company, Lu’an 237006,Anhui Province, China;
2.State Grid Jibei Electric Power Co., Ltd.,Beijing 100053, China)

The development of distributed photovoltaic in China is rapid in recent years, which brings great challenges to the operation of distribution network. Due to the randomness, fluctuation and uncertainty of the distributed photovoltaic, the storage system is required to supply flexible adjustment ability to meet the need of safe and reliable operation of distribution network. Therefore, it is meaningful to research the storage system capacity evaluation for the distributed photovoltaic in distribution network. This paper establishes the distribution network operation simulation model with considering the influence of the integrated distributed photovoltaic; and adopts the scenario generation technique and the ordinal optimization method to simulate the the operation situation of distributed photovoltaic with different storage system capacity schemes, in order to obtain the optimal capacity of energy storage system for distribution network. The results show that fast and efficient solution can be achieved by using ordinal optimization method, which can obtain the capacity allocation scheme of energy storage system to meet the requirements of distribution network operation.

distribution network; distributed photovoltaic; storage system; operation simulation; scenario generation; ordinal optimization

TM 615

A

1000-7229(2016)08-0122-06

10.3969/j.issn.1000-7229.2016.08.019

2016-05-25

徐斌(1970)，男，研究生，高级工程师，主要从事配电网规划和电力系统的安全稳定分析方面的工作；

丁然(1987)，男，硕士研究生，主要从事可再生能源调度与电网运行方面的工作；

刘康丽(1989)，女，硕士研究生，主要从事供应链与物流管理方面的工作；

徐斌(1987)，男，研究生，工程师，主要从事配电网规划和分布式电源接入对配电网的影响方面的工作；

刘红新(1974)，男，本科，高级工程师，主要从事电力系统可靠性评估和仿真计算方面的工作；

陈娅(1980)，女，本科，工程师，主要从事计及分布式电源接入的配电网重构方面的工作；

阮力(1979)，男，本科，高级工程师，主要从事电力系统低电压治理方案方面的工作。