平抑有源配电网功率波动的储能配置与控制方法研究综述

王守相，王 凯，赵 歌



平抑有源配电网功率波动的储能配置与控制方法研究综述

王守相1，王 凯1，赵 歌2

（1天津大学智能电网教育部重点实验室，天津 300072；2国网天津市电力公司，天津 300010）

分布式电源出力的间歇性、随机性以及电动汽车充放电时空分布的不确定性，使有源配电网面临严峻的功率波动问题。储能系统是平抑有源配电网功率波动的有效技术手段。分析了有源配电网的内涵及功率波动问题起源，介绍了适用于平抑功率波动的多类型储能技术特性，阐述了储能系统平抑有源配电网功率波动的技术现状，包括储能系统功率和容量配置、优化控制以及作为移动式储能装置的电动汽车调度与控制。分析表明，通过储能系统的类型选择、合理配置与优化控制，实现了有源配电网功率波动的平抑。最后在储能系统的配置方法与经济性分析、控制方法与谐波分析方面进行了展望。

有源配电网；功率波动；储能系统；平抑波动

高渗透率分布式电源和大量电动汽车不断接入配电网，已使得传统配电网发展过渡到有源配电网[1]。风速和光照强度具有天然的随机性和间歇性，直接导致了风电和光伏发电系统输出功率的波动性[2-3]。电动汽车既作为一种新兴负荷，又作为一种移动的分布式储能装置，其充放电时空分布的不确定性，一定程度上也增加了有源配电网的功率波动性[4]。有源配电网的功率波动直接影响电网运行稳定和电能质量，然而伴随着我国产业升级，先进制造、精密加工、金融系统等重要行业用户对配电网供电质量的要求和依赖性越来越高，功率波动需得到有效抑制。

有源配电网的功率波动问题主要来源于两个方面：一是风电、光伏系统输出功率的波动性，二是电动汽车充放电的无序随机性。随着物理储能、化学储能和电磁储能等多类型储能技术的发展和产业化，储能系统在平抑电力系统功率波动方面的研究和应用逐步趋于完善[5-6]。首先，针对储能系统平抑风电、光伏发电系统输出功率波动的研究工作，主要从两方面开展：一是研究储能系统的优化配置问题，对储能系统进行合理的选址和定容，在达到功率波动平抑效果的同时保证经济性最优[7-8]；二是研究储能系统的控制方法和策略，通过有效地控制实现功率波动平抑，并保持储能系统良好的运行状态，延长其使用寿命[9-11]。其次，针对大量电动汽车无序随机接入而造成的功率波动问题，相关研究工作考虑到电动汽车兼具负荷和移动式储能装置的双重特性，通过智能化充放电管理及其与分布式新能源的协同调度与控制，降低对有源配电网的不利影响，充分发挥其有利价值[12-14]。

在储能系统不同的应用场景，其配置目标和控制目标不同，适用的配置方法和控制方法也不同。在平抑有源配电网功率波动的应用领域，本文综合考虑以风电、光伏发电系统为主的分布式电源和电动汽车的影响，结合适用于平抑功率波动的多类型储能系统技术特点，重点阐述了平抑有源配电网功率波动的储能系统配置与优化控制方法研究，以及作为移动式储能装置的电动汽车调度与控制方法研究，展示了储能技术在平抑功率波动方面发挥的关键作用。

1 有源配电网功率波动

高渗透率分布式电源的接入使传统配电网成为有源配电网。与传统配电网相比，有源配电网中存在着高渗透率的分布式电源、大量的电动汽车以及储能系统等多元化个体，并且相互渗透、交叉影响，使得有源配电网成为集电能灵活生产、输送、分配与交互为一体的高维复杂电力网络[15]。图1展示了含风力发电系统、光伏发电系统、储能系统、普通用户及电动汽车的有源配电网结构简图。如图所示，有源配电网除了包含传统电力用户，还涵盖了高渗透率分布式电源和电动汽车等多元主体。首先，由于风速和光照强度天然具有的间歇性和随机性，使分布式电源出力具有强波动性；其次，在对分布式电源的出力预测中，误差在所难免；再次，网络中电动汽车的充放电具有时空分布不确定性。图1同时展示了一天内的风速波动曲线以及光照强度预测值曲线，这些不确定因素都增加了有源配电网功率波动性。通过储能系统的合理配置与有效控制，可对有源配电网功率波动起到良好的平抑效果。

图1 有源配电网结构简图

有源配电网的功率波动问题主要源于风电、光伏发电系统输出功率的随机性和间歇性，以及大规模电动汽车充放电时空分布的不确定性。首先，针对风电输出功率的随机性和间歇性，现有研究主要从两方面进行建模与不确定性分析：一是采用概率密度函数方法定量描述风电功率特性[16-17]；二是采用马尔可夫链模型等随机序列分析方法[18-19]。其次，针对光伏发电系统出力的随机性和间歇性，文献[20]定量分析了光伏出力的波动水平，拟合了不同时间尺度下光伏出力波动数据的多种概率分布函数。文献[21]建立了太阳辐射源、环境温度、光伏阵列和并网逆变器的数学模型，针对晴天条件下光伏电源对配电网电压产生的逐时影响进行了模拟。文献[22]考虑风电、光伏发电系统出力的波动性，通过不确定性潮流计算定量分析了分布式电源对配电网功率波动及电压波动的影响。大规模电动汽车的并网具有时空分布的不确定性，其充放电的随机性对电源容量、电能质量、负荷平衡、环境等均具有一定影响[23]。针对大规模电动汽车充放电时空分布的不确定性问题，作为一种新兴负荷，同时也是一种可移动的分布式微储能单元，电动汽车具有一定的可控性并能够与有源配电网形成灵活的能量交互，通过有效地调度与控制方法，大大降低其不利影响，发挥在有源配电网中的有利价值。文献[4]对电动汽车充电行为的不确定性进行了分析，通过划分充电负荷区域，建立了电动汽车充电负荷的时空分布模型，进而研究了电动汽车充电负荷对配电网电压质量的影响。文献[24]在电动汽车建模分析中，不仅考虑了电池容量、充放电效率等自身特性，还考虑了用户驾驶习惯的不确定性，包括旅程起止时间、停留时间及出行日程等。

储能技术的运用可有效地平抑有源配电网中由于风电、光伏等分布式电源以及电动汽车等造成的功率波动，通过有效的储能系统优化配置及控制方法，适时地吸收或释放功率，平抑有源配电网节点注入功率的波动性，从而提高有源配电网的安全稳定性，满足高品质供电需求。

2 适用于平抑功率波动的多类型储能技术特性

储能技术按电能转化的存储形态，可以分为物理储能、化学储能和电磁储能3类[25]。其中物理储能是机械能与电能之间的相互转化，主要有抽水储能、压缩空气储能和飞轮储能3种方式；化学储能的主要方式是电池储能，通过电池正负极的氧化还原反应充放电，实现电能和化学能的相互转化，常用的储能电池有锂电池、铅酸电池和钠硫电池等；电磁储能是将电能转化成电磁能储存在电磁场中的储能技术，主要有超导磁储能和超级电容器储能两种。同时，储能技术按功率和能量特性，可以分为功率型和能量型储能两类。其中功率型储能具有功率密度高，循环寿命长，能量密度小的特点，以超级电容器、飞轮储能等为代表；能量型储能具有能量密度大，循环寿命短，功率密度小的特点，以储能电池、抽水蓄能等为代表。各种储能技术的特性及应用场景具体见表1所示。

储能系统在平抑有源配电网功率波动的应用领域，根据其技术特性，抽水储能和压缩空气储能具有较高的能量存储能力，可以抑制长时间尺度（小时级以上）的功率波动。电池储能具有较高的能量密度，可有效抑制较长时间尺度（分钟级到小时级）的功率波动。而飞轮储能、超导磁储能和超级电容器储能具有功率密度大、响应速度快、可在短时间内频繁充放电的特性，适宜抑制短时间尺度（秒级）的功率波动。同时，依据平抑功率波动的储能系统特性需求，可以选取多类型储能进行组合，运用功能特性更加全面的混合储能系统。

3 平抑功率波动的储能配置与控制

3.1 储能系统平抑风光出力波动

3.1.1 储能系统优化配置

有源配电网中储能系统位置与容量的优化配置，直接决定功率波动的平抑效果和经济性。在储能系统优化配置方面的研究中，通常以储能系统投资成本或全寿命周期综合成本最低等经济性指标为目标，以储能的运行特性和平抑分布式电源输出功率波动指标为约束，确定储能系统位置和容量的最优配置。

储能系统的全寿命周期成本是指在储能系统的有效使用期间所发生的所有相关成本，包括投资成本、运维成本、置换成本、废弃处置成本等[29]。现假设储能系统的寿命周期为年，置换次数为，基准折现率为，建立储能系统全寿命周期的通用成本模型见式(1)

表1 多类型储能技术特性

有源配电网中储能系统优化配置的约束条件一般包含以下几点。

（1）节点功率平衡约束：

（2）储能系统安装约束：

（3）储能系统SOC约束：

（4）节点功率波动约束：

（5）节点电压约束：

（6）支路潮流约束：

（7）分布式电源出力约束：

现有研究中，文献[11]从储能系统类型选择、功率和容量配置、平抑波动控制算法和能量管理4个方面出发，对储能系统应用于平抑风电出力波动进行了总结和归纳。文献[26]通过配置混合储能系统，结合小波包分解法和模糊控制方法，实现了光伏发电系统输出功率波动的平抑，平抑效果如图2所示。傅里叶变换等频谱分析方法也成功应用到了储能系统最优功率和容量的配置中，结合储能系统SOC、充放电效率及分布式电源出力波动等约束，经验证将一风电输出功率最大波动率由61.7%减至9.9%，将一光伏输出功率波动由27.3%减至1.62%[27-28]。文献[29]以净效益最高为目标，提出了一种实时平抑风电输出功率波动的混合储能系统优化配置方法。文献[30]以储能系统总容量和波动指标为目标，综合考虑储能系统与光伏出力、负荷的时序配合，实现了储能系统最优选址和定容。储能系统的优化配置，保证了分布式电源并网功率波动的平抑效果，同时满足了经济性指标。

图2 光伏发电系统出力平抑效果

3.1.2 储能系统控制方法

高渗透率分布式电源的接入为有源配电网中储能系统的有效控制提出了更高要求，从有源配电网的角度出发，希望分布式电源能够保持最大输出功率的状态运行，使能源得到充分的消纳利用；从用户用电的角度出发，希望分布式电源输出稳定的功率，满足高品质供电的需求。通过采取有效的储能系统控制方法，来平抑分布式电源输出功率的波动性，同时满足配电网和用户用电的需求。

图3 光储系统拓扑图

混合储能系统将功率型储能和能量型储能相结合，同时满足快速响应和大容量存储的需求，已成功应用于平抑风光输出功率的波动性。在现有混合储能系统控制方法研究中，文献[36]针对风电输出功率的波动性，将蓄电池用于低频补偿，将超级电容器用于高频补偿。文献[37]将储能控制器作为控制的核心，与系统各部件实现协调统一控制，不仅实现了平抑光伏发电系统功率波动的效果，还能够按实际功率需求并网。相关研究表明，基于小波包分解的混合储能系统控制方法也成功用于平抑风光输出功率的波动性。文献[38]运用小波包分解和模糊控制相结合的控制方法，细化分解分布式电源输出功率信号，并利用模糊控制实现了功率型储能荷电状态的自适应控制，增强了混合储能系统平抑功率波动的能力。文献[39]利用小波包分解对风电输出功率信号进行了多尺度分解，结合不同类型储能的充放电特性，选择适用性储能方式组成混合储能系统来平抑风电出力的波动性。

3.2 可移动分布式储能的电动汽车调度与控制

电动汽车兼具负荷和移动的分布式储能双重特性，大量电动汽车的接入为有源配电网同时带来正面和负面的双重影响。从正面角度出发，电动汽车作为化石类燃料汽车的替代品，起到了节能减排的作用，并且能在负荷高峰期作为分布式储能装置提供电量。从负面角度出发，电动汽车的无序接入和充放电行为的随机性，加强了有源配电网的功率波动性，影响配电网的电能质量。通过电动汽车与分布式能源的协同调度与控制，能够降低电动汽车对配电网的不利影响，充分发挥其作为移动式分布式储能装置的有利价值。因此针对可移动分布式储能的电动汽车调度与控制问题，国内外学者开展了一定的研究。

作为可移动分布式储能装置，电动汽车的充放电调度问题研究需要考虑配电网运行、分布式电源出力及车主行车习惯等多元因素，具有高维非线性的特点。相关研究中，文献[40]考虑电动汽车数量、行驶里程分布、电池容量与充放电功率曲线特性以及车主驾车习惯，构建了多时间尺度的电动汽车与风电协同调度模型，分析了通过电动汽车与风电协同调度实现功率波动平抑的可行性。文献[41]构建了电动汽车与分布式能源的多目标协同优化调度模型，以平抑功率波动、减小总网损、减少用户充电成本为目标，采用基于量子粒子群优化算法进行求解。文献[42]在有源配电网新型能源和负荷的形势下，考虑电动汽车和分布式储能系统的接入，进行了储能系统、电动汽车与配电网的联合规划，实现电动汽车充电站和分布式储能系统的类型选择和优化位置。

作为可移动分布式储能装置，电动汽车的控制策略研究是多约束条件下多车辆多时段充放电问题的优化。相关研究中，文献[14]提出了基于防碰撞粒子群优化算法的电动汽车移动储能控制策略，在满足电网、电池和车主三者需求的同时，有效地平抑了分布式电源输出功率的波动。综合考虑电动汽车电池约束、电网约束和车主约束，文献[43]通过电动汽车控制中心的调度指令与状态反馈信号实行电动汽车的动态管理，包括车群管理、充放电管理及充放电切换，所提控制策略有效降低了电动汽车的充放电频率，延长了使用寿命。文献[44]基于公共连接点功率的测量数据，提出了考虑电动汽车出发与到达时间随机分布特性的实时控制策略，通过同光伏发电系统的协调控制来实现输出功率波动的平抑。

4 结 论

面临有源配电网中高渗透率分布式电源与大规模电动汽车引起的功率波动问题，重点阐述了储能系统应用于平抑功率波动的研究现状。首先，分析了适用于功率波动平抑的多类型储能系统技术特性；其次，重点归纳总结了应用于平抑有源配电网功率波动的储能系统优化配置、控制方法研究以及作为可移动分布式储能的电动汽车调度与控制研究。分析表明储能技术的运用成功达到了功率波动的平抑效果，同时满足了经济性要求。进一步的研究工作可集中在储能系统的优化配置与经济性分析、控制方法与谐波分析等方面，保证有源配电网的高品质供电。

[1] 王守相, 葛磊蛟, 王凯. 智能配电系统的内涵及其关键技术[J]. 电力自动化设备, 2016, 36(6): 1-6.

WANG Shouxiang, GE Leijiao, WANG Kai. Main contents and key technologies of smart distribution system[J]. Electric Power Automation Equipment, 2016, 36(6): 1-6.

[2] WANG S, HAN L, WU L. Uncertainty tracing of distributed generationscomplex affine arithmetic based unbalanced three-phase power flow[J]. IEEE Transactions on Power Systems, 2015, 30(6): 3053-3062.

[3] TABONE M D, CALLAWAY D S. Modeling variability and uncertainty of photovoltaic generation: A hidden state spatial statistical approach[J]. IEEE Transactions on Power Systems, 2015, 30(6): 2965-2973.

[4] 和敬涵, 谢毓毓, 张金国. 电动汽车充电负荷时空分布及其对配电网的影响[J]. 电力建设, 2015, 36(7): 83-88.

HE Jinghan, XIE Yuyu, ZHANG Jinguo. Temporal and spatial distribution research for electric vehicle charging load and the impacts on distribution network[J]. Electric Power Construction, 2015, 36(7): 83-88.

[5] KOUSKSOU T, BRUEL P, JAMIL A, et al. Energy storage: Applications and challenges[J]. Solar Energy Materials & Solar Cells, 2014, 120(1): 59-80.

[6] DÍAZ-GONZÁLEZ F, SUMPER A, GOMIS-BELLMUNT O, et al. A review of energy storage technologies for wind power applications[J]. Renewable & Sustainable Energy Reviews, 2012, 16(4): 2154-2171.

[7] UGRANLI F, ERSAVAŞ C, KARATEPE E. Neural network based distributed generation allocation for minimizing voltage fluctuation due to uncertainty of the output power[C]// International Symposium on Innovations in Intelligent Systems and Applications. IEEE, 2011: 415-419.

[8] NICK M, CHERKAOUI R, PAOLONE M. Optimal allocation of dispersed energy storage systems in active distribution networks for energy balance and grid support[J]. IEEE Transactions on Power Systems, 2014, 29(5): 2300-2310.

[9] WANG G, CIOBOTARU M, AGELIDIS V G. Power smoothing of large solar PV plant using hybrid energy storage[J]. IEEE Transactions on Sustainable Energy, 2014, 5(3): 834-842.

[10] LEE S J, KIM J H, KIM C H, et al. Coordinated control algorithm for distributed battery energy storage systems for mitigating voltage and frequency deviations[J]. IEEE Transactions on Smart Grid, 2015, 7(3): 1.

[11] 汪海蛟, 江全元. 应用于平抑风电功率波动的储能系统控制与配置综述[J]. 电力系统自动化, 2014, 38(19): 126-135.

WANG Haijiao, JIANG Quanyuan. An overview of control and configuration of energy storage system used for wind power fluctuation mitigation[J]. Automation of Electric Power Systems, 2014, 38(19): 126-135.

[12] 胡泽春, 宋永华, 徐智威, 等. 电动汽车接入电网的影响与利用[J]. 中国电机工程学报, 2012, 32(4):1-10.

HU Zechun, SONG Yonghua, XU Zhiwei, et al. Impacts and utilization of electric vehicles integration into power systems[J]. Proceedings of the CSEE, 2012, 32(4): 1-10.

[13] 赵俊华, 文福拴, 杨爱民, 等. 电动汽车对电力系统的影响及其调度与控制问题[J]. 电力系统自动化, 2011, 35(14): 2-10.

ZHAO Junhua, WEN Fushuan, YANG Aimin, et al. Impacts of electric vehicles on power systems as well as the associate dispatching and control problem[J]. Automation of Electric Power Systems, 2011, 35(14): 2-10.

[14] 鲍谚, 姜久春, 张维戈, 等. 电动汽车移动储能系统模型及控制策略[J]. 电力系统自动化, 2012, 36(22): 36-43.

BAO Yan, JIANG Jiuchun, ZHANG Weige, et al. Model and control strategy of electric vehicle mobile energy storage system[J]. Automation of Electric Power Systems, 2012, 36(22): 36-43.

[15] 徐丙垠, 李天友, 薛永端. 主动配电网还是有源配电网?[J]. 供用电, 2014, 1(4): 18-21.

XU Bingyin, LI Tianyou, XUE Yongduan. Active distribution network or not?[J]. Distribution & Utilization, 2014, 1(4): 18-21.

[16] 蔺红, 孙立成, 常喜强. 新疆风电出力波动特性的概率建模[J]. 电网技术, 2014, 38(6): 1616-1620.

LIN Hong, SUN Licheng, CHANG Xiqiang. A probabilistic model to simulate wind power output fluctuation of a certain wind farm cluster in Xinjiang region[J]. Power System Technology, 2014, 38(6): 1616-1620.

[17] 杨家豪, 欧阳森, 吴裕生, 等. 计及风-储联合系统概率模型的配电网随机潮流[J]. 电网技术, 2016, 40(1): 234-241.

YANG Jiahao, OUYANG Sen, WU Yusheng, et al. Stochastic power flow of distribution network considering probability model of wind-storage combined systems[J]. Power System Technology, 2016, 40(1): 234-241.

[18] 邹金, 赖旭, 汪宁渤. 风电随机出力的时间序列模型[J]. 电网技术, 2014, 38(9): 2416-2421.

ZOU Jin, LAI Xu, WANG Ningbo. Time series model of stochastic wind power generation[J]. Power System Technology, 2014, 38(9): 2416-2421.

[19] SHAMSHAD A, BAWADI M A, HUSSIN W M A W, et al. First and second order Markov chain models for synthetic generation of wind speed time series[J]. Energy, 2005, 30(5): 693-708.

[20] 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.

[21] 寇凤海, 朱晓荣, 段晓波, 等. 光伏电源对配电网电压影响的逐时模拟[J]. 电力科学与工程, 2011, 27(3): 5-9.

KOU Fenghai, ZHU Xiaorong, DUAN Xiaobo, et al. Hourly simulation of distribution network voltage influenced by PV power sources[J]. Electric Power Science and Engineering, 2011, 27(3): 5-9.

[22] 韩亮, 王守相. 含光伏风电的基于仿射算法的配电三相潮流计算[J]. 电网技术, 2013, 37(12): 3413-3418.

HAN Liang, WANG Shouxiang. Affine algorithm based calculation of three-phase power flow in distribution network connected with PV generation and wind generation[J]. Power System Technology, 2013, 37(12): 3413-3418.

[23] 马玲玲, 杨军, 付聪, 等. 电动汽车充放电对电网影响研究综述[J]. 电力系统保护与控制, 2013, 41(3): 140-148.

MA Lingling, YANG Jun, FU Cong, et al. Review on impact of electric car charging and discharging on power grid[J]. Power System Protection and Control, 2013, 41(3): 140-148.

[24] RASTEGAR M, SAFDARIAN A, FOTUHI-FIRUZABAD M, et al. Impacts of plug-in hybrid electric vehicle uncertainty and grid unavailability on home load management[C]// International Conference on Environment and Electrical Engineering. IEEE, 2012: 693-698.

[25] 管俊, 高赐威. 储能技术在抑制风电场功率波动方面的研究综述[J]. 电网与清洁能源, 2011, 27(4): 48-53.

GUAN Jun, GAO Ciwei. An overview on the application of energy storage technologies to damp wind power output fluctuation[J]. Power System and Clean Energy, 2011, 27(4): 48-53.

[26] 吴振威, 蒋小平, 马会萌, 等. 用于混合储能平抑光伏波动的小波包-模糊控制[J]. 中国电机工程学报, 2014, 34(3): 317-324.

WU Zhenwei, JIANG Xiaoping, MA Huimeng, et al. Wavelet packet-fuzzy control of hybrid energy storage systems for PV power smoothing[J]. Proceedings of the CSEE, 2014, 34(3): 317-324.

[27] 王成山, 于波, 肖峻, 等. 平滑可再生能源发电系统输出波动的储能系统容量优化方法[J]. 中国电机工程学报, 2012, 32(16): 1-8.

WANG Chengshan, YU Bo, XIAO Jun, et al. Sizing of energy storage systems for output smoothing of renewable energy systems[J]. Proceedings of the CSEE, 2012, 32(16): 1-8.

[28] 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.

[29] 张晴, 李欣然, 杨明,等. 净效益最大的平抑风电功率波动的混合储能容量配置方法[J]. 电工技术学报, 2016, 31(14): 40-48.

ZHANG Qing, LI Xinran, YANG Ming, et al. Capacity determination of hybrid energy storage system for smoothing wind power fluctuations with maximum net benefit[J]. Transactions of China Electrotechnical Society, 2016, 31(14): 40-48.

[30] 陶琼, 桑丙玉, 叶季蕾, 等. 高光伏渗透率配电网中分布式储能系统的优化配置方法[J]. 高电压技术, 2016, 42(7): 2158-2165.

TAO Qiong, SANG Bingyu, YE Jilei, et al. Optimal configuration method of distributed energy storage systems in distribution network with high penetration of photovoltaic[J]. High Voltage Engineering, 2016, 42(7): 2158-2165.

[31] 高志强, 孟良, 梁宾, 等. 光储联合发电系统控制策略[J]. 储能科学与技术, 2013, 2(3): 300-306.

GAO Zhiqiang, MENG Liang, LIANG Bin, et al. Control strategies for a photovoltaic-energy storage hybrid system[J]. Energy Storage Science and Technology, 2013, 2(3): 300-306.

[32] 张卫东, 刘祖明, 申兰先. 利用储能平抑波动的光伏柔性并网研究[J]. 电力自动化设备, 2013, 33(5): 106-111.

ZHANG Weidong, LIU Zuming, SHEN Lanxian. Flexible grid-connection of photovoltaic power generation system with energy storage system for fluctuation smoothing[J]. Electric Power Automation Equipment, 2013, 33(5): 106-111.

[33] 雷珽, 欧阳曾恺, 李征, 等. 平抑风能波动的储能电池SOC与滤波协调控制策略[J]. 电力自动化设备, 2015, 35(7): 126-131.

LEI Ting, OUYANG Zengkai, LI Zheng, et al. Coordinated control of battery SOC maintaining and filtering for wind power fluctuation smoothing[J]. Electric Power Automation Equipment, 2015, 35(7): 126-131.

[34] 王伟, 薛金花, 叶季蕾, 等. 基于SOC调控的用于抑制光伏波动的电池储能优化控制方法[J]. 电力系统保护与控制, 2014, 42(2): 75-80.

WANG Wei, XUE Jinhua, YE Jilei, et al. An optimization control design of battery energy storage based on SOC for leveling off the PV power fluctuation[J]. Power System Protection and Control, 2014, 42(2): 75-80.

[35] 洪海生, 江全元, 严玉婷. 实时平抑风电场功率波动的电池储能系统优化控制方法[J]. 电力系统自动化, 2013, 37(1): 103-109.

HONG Haisheng, JIANG Quanyuan, YAN Yuting. An optimization control method of battery energy storage system with wind power fluctuations smoothed in real time[J]. Automation of Electric Power Systems, 2013, 37(1): 103-109.

[36] 蒋平, 熊华川. 混合储能系统平抑风力发电输出功率波动控制方法设计[J]. 电力系统自动化, 2013, 37(1): 122-127.

JIANG Ping, XIONG Huachuan. A control scheme design for smoothing wind power fluctuation with hybrid energy storage system[J]. Automation of Electric Power Systems, 2013, 37(1): 122-127.

[37] 牛萌, 刘海军, 林培峰, 等. 一种混合储能光伏并网系统设计[J]. 储能科学与技术, 2013, 2(3): 312-315.

NIU Meng, LIU Haijun, LIN Peifeng, et al. Design of a grid-connected PV system with hybrid energy storage[J]. Energy Storage Science and Technology, 2013, 2(3): 312-315.

[38] 吴杰, 丁明. 采用自适应小波包分解的混合储能平抑风电波动控制策略[J]. 电力系统自动化, 2017, 41(3): 7-12.

WU Jie, DING Ming. Wind power fluctuation smoothing strategy of hybrid energy storage system using self-adaptive wavelet packet decomposition[J]. Automation of Electric Power Systems, 2017, 41(3): 7-12.

[39] 韩晓娟, 陈跃燕, 张浩, 等. 基于小波包分解的混合储能技术在平抑风电场功率波动中的应用[J]. 中国电机工程学报, 2013, 33(19): 8-13.

HAN Xiaojuan, CHEN Yueyan, ZHANG Hao, et al. Application of hybrid energy storage technology based on wavelet packet decomposition in smoothing the fluctuations of wind power[J]. Proceedings of the CSEE, 2013, 33(19): 8-13.

[40] 于大洋, 宋曙光, 张波,等. 区域电网电动汽车充电与风电协同调度的分析[J]. 电力系统自动化, 2011, 35(14): 24-29.

YU Dayang, SONG Shuguang, ZHANG Bo, et al. Synergistic dispatch of PEVs charging and wind power in Chinese regional power grids[J]. Automation of Electric Power Systems, 2011, 35(14): 24-29.

[41] 周杨, 王东华. 电动汽车与可再生能源的协调优化[J]. 广东电力, 2016, 29(10): 42-48.

ZHOU Yang, WANG Donghua. Coordinated optimization on electric vehicles and renewable energy[J]. Guangdong Electric Power, 2016, 29(10): 42-48.

[42] 贾龙, 胡泽春, 宋永华, 等. 储能和电动汽车充电站与配电网的联合规划研究[J]. 中国电机工程学报, 2017, 37(1): 73-83.

JIA Long, HU Zechun, SONG Yonghua, et al. Joint planning of distribution networks with distributed energy storage systems and electric vehicle charging stations[J]. Proceedings of the CSEE, 2017, 37(1): 73-83.

[43] 李志伟, 赵书强, 刘应梅. 电动汽车分布式储能控制策略及应用[J]. 电网技术, 2016, 40(2): 442-450.

LI Zhiwei, ZHAO Shuqiang, LIU Yingmei. Control strategy and application of distributed electric vehicle energy storage[J]. Power System Technology, 2016, 40(2): 442-450.

[44] NGUYEN V L, TRAN-QUOC T, BACHA S, et al. Real-time control of electric vehicles to smooth the PV production fluctuations in a distribution network[C]//IEEE International Conference on Industrial Technology, IEEE, 2015: 2761-2766.

Configuration and control of energy storage system for fluctuation mitigation in an active distribution network—A review

WANG Shouxiang1, WANG Kai1, ZHAO Ge2

(1Key Laboratory of Smart Grid of Ministry of Education, Tianjin University, Tianjin 300072, China;2State Grid Tianjin Electric Power Company, Tianjin 300010, China)

Active distribution networks often face power fluctuation due to intermittent and stochastic characteristics of distributed generations (DGs), as well as uncertainties associated with the spatial and temporal distributions of charge and discharge of electric vehicles (EVs). Energy storage systems (ESS) provide an effective mean to mitigate the power fluctuation in such distribution networks. This paper analyzes the connotation of active distribution networks and the origin of the power fluctuation, and reviews the status of ESS for mitigating the power fluctuation. This includes optimal configuration and control of ESS, and dispatch and control strategy of electric vehicles. The results indicate that the power fluctuation could be successfully mitigated through selection, optimal configuration, and effective control of ESS.

active distribution networks; power fluctuation; energy storage system; fluctuation mitigation

10.12028/j.issn.2095-4239.2017.0081

TQ 028.8

A

2095-4239（2017）06-1188-08

2017-05-31；

2017-07-31。

国家自然科学基金项目（51361135704），国家电网公司科技项目（52039916000H）。

王守相（1973—），男，博士，教授，主要研究方向为分布式发电、微电网与智能配电系统，E-mail：sxwang@tju. edu.cn。