基于蓄电池储能的主动配电网优化配置模型研究

引言

随着能源需求与环境保护对电力系统的压力日益增大,有效协调经济发展与生态平衡显得尤为重要。在主动配电网框架下,分布式电源(DistributionGeneration,DG）凭借其优势被越来越多地接入配电网中。以光伏发电(photovo1taic,PV）、风力发电(windTurbine,wT）为代表的可再生能源发电单元,其渗透率的提高对电网的稳定安全运行带来了一系列挑战。

而利用分布式储能技术能有效实现可再生能源的平滑波动、跟踪调度输出、调峰调频等,使可再生能源发电稳定,可控输出,满足可再生能源电力的并网需求。

近年来,国内外研究人员在主动配电网中对DG的优化配置展开探索。文献构建了包含分布式可再生能源接入微网系统的随机多目标经济调度模型。文献建立了多时间尺度独立微电网能量优化模型,优化了发电单元的启停机状态及其有功出力值。文献、文献构建了分布式储能在电力系统中的优化配置模型,考虑了DG的实时出力对模型的影响。

笔者构建了主动配电网的分布式能源多时段优化配置模型,包含了光伏发电和风力发电的间歇性发电装置,并考虑了蓄电池储能的充放电切换动作,以求解网损最小为目标,利用二阶锥优化算法求解数学模型。

1分布式电源的优化配置模型

1.1目标函数

配电网中DG优化配置是在配电网满足系统安全运行约束的前提下,通过调节各个可控DG的发出功率,实现配电网在最优目标的场景下运行。DG通常就近安装于用户侧,能缓解主网的输送电压力,并在一定程度上减少网损。由此,令本文的目标函数为系统有功损耗最小:

式中,7为优化时段总数;n为系统中节点数量;Pi,t为节点i在t时段注入的有功功率。

本文求解的是多时段的网损总和,而非单一时间断面,能有效反映储能系统在含DG的配电网中的优化配置效果。

1.2约束条件

系统潮流约束:

式中,PGi,t,0Gi,t为DG在时段t节点i的有功功率;PLi,t,0Li,t为时段t节点i的负荷需求;vi,t为时段t节点i的电压水平;Gij、Bij、9ij为系统拓扑参数。

系统运行安全约束:

式中,vi,min、vi,max为节点i的电压幅值;Ⅰij,,t为时段t线路ij通过的电流幅值;Ⅰij,max为线路ij的最大允许通过电流幅值。

DG出力限制及容量限制:

式中,PGi,max、PGi,min为DG有功出力的上下限;0Gi,max、0Gi,min为DG无功出力的上下限;SGi,max为DG的容量最大值。

主动配电网能对于小幅度的负荷及间歇式功率波动做出实时响应,以修正实际负荷曲线及间歇式能源发电出力曲线与预测曲线的偏差,缓解功率波动。本文采用的间歇性DG为wT和PV,利用微型柴油发电机(MicroTurbine,MT）配合以平滑间歇性分布式电源的功率波动,减少配电网中的缺供电量。

2蓄电池储能运行策略

在本文中配置的储能装置为蓄电池单元(BAT）,由于蓄电池的性价比更高且技术发展相对成熟,可通过不同时段的充放电来实现DG在配电网中的优化配置。

蓄电池运行过程受充放电限值、电池容量、储能平衡等条件约束。在此,引入0-l变量ai,t和αi,t,分别表示时段t节点i的蓄电池的充电和放电状态,其中ai,t=l,8i,t=0表示蓄电池充电,8i,t=0,8i,t=l表示蓄电池放电,可用以下等式约束表示:

蓄电池充放电上下限值:

式中,Pc,max和Pc,min分别表示充电功率的上下限;Pd,max和Pd,min分别表示放电功率的上下限;Pci,t和Pdi,t分别表示时段t在节点i上蓄电池的充、放电功率。

电池容量极限:

式中,Ei,4为节点i的蓄电池时段4的电量:Ei,C为节点i的蓄电池的额定容量:nci和ndi分别为蓄电池的充放电效率:EsoCi,min和EsoCi,max分别为蓄电池荷电状态的上下限值。

为构建蓄电池充放电过程,引入0-l变量aP4和8P4。其中,aEQ \* jc3 \* hps10 \o\al(\s\up 3(=l,8EQ \* jc3 \* hps10 \o\al(\s\up 3(=0表示蓄电池完成一次放电过程,反之为充电过程。蓄电池的时段4充放电过程与前一时段4-l紧密相关。

为了进一步表示蓄电池的状态转换过程,引入0-l变量Fi,4以记录蓄电池的充放电过程切换,即当且仅当aEQ \* jc3 \* hps10 \o\al(\s\up 3(l=l、aEQ \* jc3 \* hps10 \o\al(\s\up 3(=0或者aEQ \* jc3 \* hps10 \o\al(\s\up 3(l=0、aEQ \* jc3 \* hps10 \o\al(\s\up 3(=l时,蓄电池才发生充放电过程的切换,则Fi,4满足以下约束条件:

3二阶锥优化模型

以上提出的数学模型含有多组连续变量及整数变量构成的等式约束或不等式约束,是一个混合整数非线性规划模型,属2P-难问题。常用方法一般为启发式算法,但不能保证能在非凸可行域中求解得到全局最优解。

二阶锥规划是在有限个二阶锥的笛卡儿乘积与仿射子空间的交集上求解一个线性目标函数的最小值问题。本文利用二阶锥优化模型求解原问题,令:

则原数学模型目标函数（1）可以转换为:

类似地,可将约束条件（2）～（6）进行转换。

二阶锥规划本质是一个凸规划,具有求取最优性解和计算高效性的优点。对于上述优化模型,原问题非凸可行域被松弛为一个凸二阶锥可行域,考虑离散控制变量时,可利用成熟算法包的分支定界和割平面方法保证解的最优性和计算效率。

4算例分析

4.1求解模型

利用运筹学建模求解软件GAMs,搭建本文所提的MI0CP模型。以修改后的西门子Benchmark低压系统作为本文的测试系统,其额定电压为0.4kV,额定基准容量为100kVA。配置的DG如图1所示,以日前24h作为算例的求解时间区间,测试系统的电源参数如表1、表2所示。

如图2所示,间歇性能源与负荷随时间而波动,二者的峰值将在不同时段出现。当负荷出现峰值而间歇性能源出力较弱时,重负荷需要通过首端配变根节点输送功率,进而拉低负荷节点电压,引起较大的网络损耗。而当间歇性能源达到峰值时,因负荷较轻而弃风、弃光。

4.2求解结果

通过求解,所提模型的求解目标值为4.54kw,相比于未接入DG的配网运行的67.52kw,降低网损效果突出。此外,合理安排蓄电池储能的充放电,能协调DG的有功出力,减少弃光、弃风,起到削峰填谷的作用。

如表3所示,①列表示利用二阶锥优化模型求解的电压分布:②列表示将首节点作为松弛节点,DG接入的节点作为恒功率输入节点求解得到的电压分布:③列表示DG并未接入配电网中,系统中的负荷是通过首节点所连主网输送计算得到的电压分布。对比①和②列,最大偏差量为0.00094。可见,二阶锥优化能够准确实现潮流求解。对比①、②和③可知,通过DG接入配电网,能就近将电能提供给负荷,减少由于长距离功率输送引起的电压降,提高了电压水平,改善了电能质量。

图3所示为DG在不同时段下的功率输出情况,图中PV和wT受不同时段的出力限制,MT为全功率输出。图4所示为蓄电池在一天24个时段的荷电状态分布,两个蓄电池相互协调,在负荷较重时放电,在负荷较轻、间歇性能源充足时充电。结合图3和图4分析可知,蓄电池储能根据主动配电网中的负荷需求及DG的出力大小做出充电/放电响应。

5结论

本文构建了一种基于蓄电池储能的主动配电网优化配置模型,能有效考虑蓄电池的充放电状态切换动作特性,利用二阶锥优化算法松弛了潮流模型。主要结论如下:

(1）所提模型准确度高,适应性好,分布式能源的配置满足主动配电网正常运行要求,符合工程实际。

(2）通过在主动配电网中合理配置分布式能源,能有效提高节点电压水平,改善电能质量,减少由于长距离输送电能产生的线路网络损耗。

(3）与传统的智能算法相比,二阶锥优化算法通过对模型松弛转化和统一求解,可以实现网络中DG的同时优化,极大地提高了计算效率,并保证得到全局最优解。