考虑高渗透率光伏接入的分布式储能优化配置

金 迪，潘 郁，周家华，王元凯，操瑞发，张 兴，杜士平

（1.国网浙江省电力有限公司宁波供电公司，浙江 宁波 315000；2.浙江优能电力设计有限公司，浙江 宁波 315100）

0 引言

据相关研究，过去10 年间，可再生能源发电成本处于持续下降态势。2018 年，中国LCOE（太阳能光伏加权平均电力成本）为0.067 美元/kWh，已低于国内燃气成本，并将于2026 年实现与煤电成本的竞争优势。

由于光伏接入点和接入容量具有很大的随机性，且出力受光照强度和温度影响而具有较大的波动性，因此分布式光伏规模化接入对电网的安全运行带来了很大挑战[1-4]。安装适量的ESS（储能系统），利用储能、分布式光伏和负荷需求之间的时序互补特性，能显著抑制光伏出力的波动性，从而提高规划方案的经济性[5]。

国内外对分布式储能在配电网中的优化配置进行了大量深入研究，部分研究成果侧重于分布式电源与储能的联合优化规划。文献[5]提出了一种主动配电网规划运行联合优化模型，实现ESS及DG（分布式电源）的选址定容的经济调度。文献[6]基于DG 和负荷的时序特性，建立了DG 和储能选址定容的规划模型。文献[7]从经济成本、电压质量以及局部自治区域功率波动等3 个方面建立了分布式电源和储能系统的多目标协调规划模型。文献[8]首先建立分布式电源与配电网的联合扩展规划模型，其次在分布式电源规划结果的基础上，基于傅立叶频谱分析理论，建立储能规划模型。

部分研究成果从降低网损、改善电压质量、减缓配电网增容投资方面进行了储能的优化配置。文献[10]建立了以电压偏差、线路有功损耗及储能容量最小为目标的分布式储能系统选址定容优化配置模型，用来解决农村低压配电网季节性电压偏低与线路损耗等严重问题。文献[11-13]从改善电压的角度研究储能系统最佳选址及配置，其中文献[12-13]还考虑了光伏出力的影响，但都是给定光伏接入容量及接入点，没有考虑光伏接入的随机性。文献[14-15]从减小网损、节省投资角度研究了储能的优化配置，没有考虑光伏接入的影响。

以上研究成果或是未考虑光伏接入的影响；或是考虑了光伏接入，但接入容量及接入点是事先给定的；或是将光伏出力看作恒定值，导致分布式储能的优化配置研究结果带有一定的主观性。随着光伏发电成本的逐渐降低、国家能源转型改革力度的不断加大，分布式光伏并网规模、并网点随机性会越来越大，未来负荷面临很大的不确定性，储能的优化规划结果不能适应大规模光伏接入的场景。

本文基于光伏历史出力数据，分析了规模化分布式光伏的出力特性；采用蒙特卡洛模拟法随机模拟不同光伏接入场景，从而得到配电网允许接入的分布式光伏最大装机容量；基于相关土地规划，通过屋顶面积、屋顶光伏可利用面积、光伏系统表面积估算分布式光伏潜在装机容量；利用负荷曲线和光伏出力曲线，进行潮流计算，根据越限程度确定分布式储能总功率及总电量。以一个低压台区为例进行了分析、验证。

1 规模化分布式光伏出力特性

光伏实际出力受到气象条件如云层遮蔽、空气散射等随机性因素影响，在不同季节和不同时刻具有波动性。

实验表明，在众多影响因素中，太阳辐照度、温度对光伏电源出力的影响程度较大：在其他因素不变的情况下，一定范围内，光伏组件的输出功率随光照强度的增加而呈线性增加，随组件表面温度的增加而呈线性减少。

1.1 月出力特性

宁波某区域分布式光伏月出力特性见图1。

图1 宁波某区域分布式光伏月出力特性

由图1 可知，该区域分布式光伏在11 月至来年2 月平均出力最低，在6—8 月平均出力较高，表现出光伏发电受季节气候、天气变化和日照小时数等因素约束的特点。2—11 月，最大出力差不多都在装机容量的80%以上。

1.2 日出力特性

图2 为该区域分布式光伏1 年中24 个整点时刻最大出力、平均出力的统计平均值。

图2 宁波某区域分布式光伏出力时序统计

由图2 可知，分布式光伏规模较大时，出力变化较为平滑，由于夜间无光照，在19:00 至次日6:00 出力接近0；而正午阳光充足，在10:00—14:00 光伏出力最大，最大出力和平均出力的统计平均值占装机容量的91%和47%以上。

2 分布式储能优化配置方法

2.1 总体思路

分布式储能优化配置总体思路如下：

（1）基于历史负荷数据预测该区域未来最小负荷曲线，结合网架结构和分布式光伏出力特性，分析该区域最小负荷下满足潮流、电压约束的分布式光伏最大装机容量。

（2）基于相关土地规划，评估该区域分布式光伏潜在的最大装机容量及可能并网的装机容量，判断区域电网能否全部消纳可能并网的光伏装机容量，若不能全部消纳，则可考虑配置分布式储能。

（3）基于该区域净负荷曲线，对各整点时刻进行潮流计算，得出1 天24 h 中存在节点电压或线路潮流越上限的所有时刻，减小光伏出力，直至所有节点或支路不发生越限,越限时刻对应的光伏出力减小量的最大值为应安装的储能总功率，求出所有越限时刻光伏出力减小量之和，可得到储能总电量。考虑光伏消纳的分布式储能优化配置原理见图3。

图3 分布式储能优化配置原理

2.2 区域电网允许接入的光伏最大装机容量

采用蒙特卡洛模拟法随机模拟不同光伏接入场景，从而得到配电网的光伏消纳能力：针对某一时刻负荷数据，在系统中随机选取光伏接入点和接入容量，通过潮流计算得到该场景下系统各节点电压、各支路潮流的变化情况。对于不同光伏装机的情况，随机模拟多次上述场景来评估配电系统光伏消纳的能力。

对于一个有N 个负荷节点的配电网，模拟具体步骤如下：

（1）给定区域配电网年最大负荷PLmax及年最小负荷曲线，设定初始光伏容量渗透率λ=λ0=0，则光伏年最大发电功率为Pmax0=PLmax×λ0，依据本区域分布式光伏最大出力时序统计数据，给定光伏系统年最大出力曲线（考虑到实际中配电网区域面积相对较小，假定各节点相同装机的光伏出力相同）。

（2）在N 个负荷节点集合中，随机选取m0个节点用于接入光伏系统，各节点装机容量为Pi（i=1，2，…，m0），则，其中η 为光伏系统平均发电效率，参考图2 分析结果，可取η=0.91。

（3）计算系统稳态潮流，记录系统节点电压、支路潮流，判断是否越限。若不存在节点电压或支路潮流越限，则将容量渗透率增加一个固定值Δλ（Δλ＞0），即λ1=λ0+Δλ，重新计算光伏年最大发电功率Pmax1=PLmax×λ1，满足。

（4）对于每一光伏渗透率λk，重复步骤（1）—（3），直到系统电压或支路潮流越限，得到最大光伏渗透率λmax，从而得到电网允许接入的光伏最大装机容量：

2.3 区域分布式光伏最大装机潜力评估

通过估算屋顶面积、屋顶光伏可利用面积、光伏系统表面积来估算分布式光伏装机容量。估算时，一般只考虑居住、公共管理与公共服务设施、商业服务业设施、工业及物流仓储等用地性质的地块，具体方法如下。

2.3.1 屋顶总面积计算

在通常的建筑形体中，屋顶投影面积与建筑基底面积都是二维平面，假设建筑屋顶投影总面积与建筑的基底面积相等，则：

式中：Ahy·roof为建筑屋顶投影总面积；Acover为建筑基底面积；BD 为建筑密度；Aland为用地面积。

利用Ahy·roof计算真正的屋顶总面积Aroof，引入屋顶总面积利用系数ft，则：

2.3.2 屋顶光伏可利用面积计算

从屋顶的总面积得到屋顶光伏可利用面积，引入参数屋顶光伏可利用系数，其含义是指屋顶光伏可利用面积与屋顶总面积之比：

式中：Ar·pv为屋顶光伏可利用面积；fr·pv为屋顶光伏可利用系数；Aroof为屋顶总面积。

屋顶光伏可利用系数取值见表1[16]。

表1 屋顶光伏可利用系数建议值

2.3.3 光伏系统组件表面积计算

当屋顶光伏可安装面积确定后，不同倾斜角和遮阳角的选择、可以安装的光伏组件表面积也不同，只要估算出光伏板安装面积，即可估算光伏系统的发电功率。

光伏系统组件表面积计算公式为：

式中：Apv为光伏系统组件表面积；GCR 为光伏系统组件的地面占用率，即光伏系统组件的表面积与其所占用的屋顶面积之间的比例；SA 为安全通道所占面积折减系数；a 为光伏板安装后的高度；b 为光伏板之间的水平空隙间距；c 为光伏板的宽度；d 为光伏板之间的间距；α 为遮阳角；β 为倾斜角。

为了满足日常检修和防止火灾的要求，在屋顶上安装光伏需要与构件之间以及光伏组件之间保持一定的安全通道，当光伏安装倾角达到一定的角度时，可以利用光伏板之间的距离做安全通道，不用额外的占用空间；当安装角度较低时，就需要有额外的空间。相关研究根据这一导则估算了安装通道的面积比例，如表2 所示。

表2 全通道占用屋顶面积比例值[16]

得到分布式光伏最大装机潜力后，考虑经济性等多种因素的影响，乘以比例系数k，得到目标年可能并网的光伏装机容量PPVec。

相关计算公式为：

式中：PPVmax为光伏最大装机潜力；PPVa为单个光伏组件额定功率；PPVec为可能并网的光伏装机容量。

2.4 分布式储能总功率及总电量确定

计算得到区域电网允许接入的光伏最大装机容量、可能并网的光伏装机容量，依据最小负荷日负荷曲线和可能并网的光伏装机下最大出力曲线，计算最小负荷日1 天24 h 中存在节点电压或线路潮流越上限的所有时刻，减小光伏出力,直至所有节点或支路不发生越限,得到各个越限时刻光伏出力减小量的最大值，即为需配置的分布式储能总功率PCtotal。

求所有越限时刻光伏出力减小量之和，再综合考虑充电效率和充放电深度，可得出储能系统总电量：

式中：N 为1 天24 个整点时刻中发生电压或支路潮流越限的数量；Pi为某越限时刻充电功率；ηc为储能系统充电效率，假定充电效率为90%，放电深度为80%。

由以上分析可知，各个越限时刻储能系统进行充电以抵消部分光伏出力，光伏出力减小量即为该时刻储能系统的充电功率。假定储能系统采用恒功率放电策略，放电功率为额定功率PCtotal，则放电时长为：

式中：Td为储能系统每天放电时长；ηd为储能系统放电效率，假定也为90%。

放电区域的选择如下：在负荷高峰值处做直线L，并以步长ΔM 向下移动，因负荷存在多个高峰期，因此水平直线L 会与负荷曲线交于2N个交点，统计N 个区域交点间距离之和，判断是否等于放电时间Td，直到找到合理放电区域为止。

当前应用较多的磷酸铁锂储能系统一般由磷酸铁锂电池单元、PCS（储能变流器）、并网柜、BMS（电池管理系统）、电池监控系统、预装式集装箱和线缆组成，初始投资成本折算到单位容量为2 000～3 000 元/kWh。由于中国电力市场尚未完全建立，目前电网侧储能尚无成熟的商业模式，还未形成对储能功能价值认可的付费机制。

3 算例分析

3.1 相关参数

以某台区低压配电网为例进行仿真分析，该台区电网结构见图4，参数见表3。

图4 某台区电网结构

对该台区目标年最小负荷曲线进行预测，该台区目标年最大负荷为275 kW，归一化后的年最小负荷日负荷曲线见图5，且最小负荷发生在凌晨5:00，为39.5 kW，该时刻各节点负荷值见表4。假定其他时段各节点的负荷分布不变，同比例增大，则可得到最小负荷日各整点时刻各节点负荷的功率。

3.2 允许接入的最大光伏装机容量

电网基准功率为100 kVA，配电变压器两侧的电压基准值分别为10.5 kV 和400 V，并选取节点18 为平衡节点，采用表4 中的负荷值计算不同容量渗透率下的电压越限节点数百分比、潮流越限支路百分比，进行1 000 次模拟后，结果如表5 所示。

表3 支路阻抗参数

图5 台区最小负荷日负荷曲线

表4 最小负荷时刻各节点负荷值

由表5 可知，随着光伏装机容量的增大，该台区节点电压先发生越限。把电压越限节点数百分比不超过5%作为允许接入的最大光伏装机容量，则该台区允许接入的光伏容量渗透率为33%，装机容量为100 kW。

表5 电压及潮流越限统计

3.3 分布式光伏最大装机潜力

该台区供电范围内适合安装分布式光伏的屋顶资源，统计结果见表6。单个光伏组件面积取1.638 m2（0.992 m×1.652 m），功率取285 W。以2.3节所提方法评估光伏装机潜力，得到光伏最大装机潜力为534 kW，考虑经济性等多种因素的影响，假设目标年有30%的屋顶资源得到了利用，则预测可能并网的光伏装机为160 kW。

表6 台区供电范围内屋顶资源及最大光伏装机容量

3.4 分布式储能总功率及总电量

考虑光伏接入后的净负荷曲线见图6。基于该区域净负荷曲线潮流计算结果，得出1 天24 h中存在节点电压越上限的时刻为9:00—16:00，各个越限时刻需设置的储能功率见表7。

图6 台区最小负荷日负荷曲线

表7 越限时刻所需储能容量统计

由表7 得到储能总充电功率为PCtotal=65 kW，假设储能系统充电效率ηc为90%，放电深度为80%，由式（8）计算得到储能系统总电量Etotal=储能总电量为ECtotal=322 kWh。额定放电功率下的放电时长为3.6 h，由图6 可知，放电区间在19:00—23:00。初始投资成本按2 000 元/kWh 计算，则总投资为64.4 万元，当前经济性较差。

4 结语

光伏发电受季节气候、天气变化和日照小时数等因素的影响，具有很大的随机波动性。基于光伏历史出力数据，分析了规模化分布式光伏的出力特性，建立了光伏装机容量和发电出力在不同月份、一天中不同时刻的比例关系。

采用蒙特卡洛模拟法随机模拟不同光伏接入场景，从而得到配电网允许接入的分布式光伏最大装机容量；基于相关土地规划，通过屋顶面积、屋顶光伏可利用面积、光伏系统表面积估算分布式光伏潜在装机容量和可能并网的光伏装机容量。

依据最小负荷日负荷曲线和可能并网的光伏装机下最大出力曲线，计算最小负荷日1 天24 h中存在节点电压或线路潮流越上限的所有时刻，减小光伏出力，直至所有节点或支路不发生越限，得到各个越限时刻光伏出力减小量的最大值，即为需配置的分布式储能总功率。求所有越限时刻光伏出力减小量之和，再综合考虑充电效率和充放电深度，可得出储能系统总电量。

合理规划光伏的接入位置和接入容量，能够有效地改善负荷三相不平衡，提高光伏渗透率。本文在分析低压电网允许接入的光伏最大装机容量时，未考虑三相不平衡的影响，需进一步研究考虑三相不平衡的储能优化配置方法。考虑到台区负荷的不确定性，进行模块化开发设计和积木化应用的移动式电池储能系统是未来低压侧储能发展的趋势。