含DG区域电网孤岛模式下储能设备容量的优化配置方法

摘要

本发明公开一种含DG区域电网孤岛模式下储能设备容量的优化配置方法，包括：监测每个时间点分布式电源出力和负荷数据并分别拟合出其概率分布函数；建立储能设备充放电的控制策略并得到其输出功率的控制规则；建立分布式电源与负荷的动态半不变量，得到储能设备的充放电功率的概率分布；建立以储存设备容量最小化为目标，储能设备的荷电状态作为不等式约束条件的配置优化模型，求解出储能设备的配置容量。本发明引入动态半不变量，将储能设备输出功率的概率分布约束在一定的置信度之下，并引入储能设备充放电功率控制策略实时使储能设备既不长时间运行于枯竭或饱和状态，又能充分利用储能设备的容量，确保区域电网孤岛模式下的电能质量与经济性。

说明书

技术领域

本发明涉及储能设备容量领域，更具体地，涉及一种含DG(分布式电源) 区域电网孤岛模式下储能设备容量的优化配置方法，该方法特别适用于故障情况 解决含分布式电源区域电网孤岛模式下稳定运行和经济性问题，避免储能设备容 量枯竭或饱和。

背景技术

永久性故障情况下，含分布式电源(Distributed Generation，DG)配网处于 孤岛运行方式时，通过对分布式电源进行调控，并在满足供电质量和负荷需求等 前提下，实现系统孤岛运行。在孤岛运行模式下，储能设备作为主控制单元，根 据光伏出力、风机出力和负荷情况进行综合调控，依靠储能设备维持微电网系统 的电压和频率。然而，由于储能设备的造价相对较高，如何经济高效地进行储 能容量的选取仍为目前工程实际的一个难点。

由于风电场、光伏电站的出力具有随机波动性，电力系统运行中负荷随时都 在变化，不可避免会突然出现大幅度的功率波动，希望通过储能装置使风电、光 伏输出完全可控，既不经济也不现实，亦即采取100％满足约束条件来配置混合 储能装置，则其成本将极大增加。此时若采取某一置信水平满足约束条件，将更 具实际应用价值。

机会约束规划的实质是在一定程度上考虑不确定因素，将传统优化中完全满 足的约束条件软化为满足约束条件的概率高于某一置信水平。如果能采用概率的 方法，就可以由给定的DG的出力和负荷的概率分布得到储能设备输出的概率分 布情况，然后以它们作为概率约束，使目标函数达到最优，得到系统最优运行方 式。现有是采用同一种概率分布特性来描述分布式电源出力和负荷变化，而实际 DG出力和负荷的波动特性会随时间动态变化，各个时刻的概率特性可能不同。

发明内容

本发明目的在于提供一种含DG(分布式电源)区域电网孤岛模式下的储能 设备容量的配置方法，用于解决永久性故障情况下区域电网孤岛模式稳定运行和 经济性问题，本发明的配置方法是以一定的置信度确保孤网运行的可靠性与经济 性，同时兼顾储能设备寿命。

本发明提供的一种含DG区域电网孤岛模式下储能设备容量的优化配置方 法，具体包括以下步骤：

1)监测各个时刻风电场的出力P_w，光伏电站的出力P_PV及负荷为P_load，并 拟合出各自的概率密度分布函数；

2)建立储能设备充放电的控制策略得到储能设备输出功率的控制规则；

3)建立DG和负荷动态半不变量，求出储能设备冲放电功率置信度；

4)建立以储能设备容量最小化为目标函数，储能设备荷电状态作为不等式 约束的优化配置模型，并求解出储能设备的容量。

风能、太阳能和电力负荷的波动具有一定的随机性，但其随机波动中蕴含有 一定的规律性，因此风电场出力P_w、光伏电站出力P_PV及负荷P_load可通过在各 种确定性规律基础上叠加相应的随机波动性来建立动态随机变量的概率模型。

其中具体的过程为：

1)监测各个时刻风电场的出力P_w，光伏电站的出力P_PV及负荷为P_load，并 拟合出它们的概率密度分布函数分别为：

由式(1)可得变速恒频风力发电机出力P_w的概率密度分布函数：

P_w(t)＝P_b(t)+Δ_b   (1)

式中：P_b(t)为基础函数，是各个时刻的风速在期望值情况下风力发电机的出力， Δ_b为变速恒频风力发电机出力中包含的随机波动成分；

由式(2)可得光伏电站出力P_PV的概率密度分布函数：

P_PV(t)＝P_sun(t)-Δ_sun   (2)

式中：P_sun(t)为基础函数，是各个时刻的太阳能在期望值情况下光伏电站的出力， 随机变量Δ_sun表示大气层对太阳光照的阻碍作用；

由式(3)可得负荷概率密度分布函数：

P_load(t)＝P_l(t)+Δ_l    (3)

式中：P_l (t)为日负荷曲线的基础函数；Δ_l为负荷的随机波动成份。

2)建立储能设备充放电的控制策略，将储能设备的能量状态划分成3个区 间，包括分非工作区间、正常工作区间以及警戒工作区间即储能设备容易进入枯 竭或饱和，其控制策略分别为：

(21)当储能设备的荷电状态在工作区时，DG与负荷的差值确定储能设备 的充放电功率；

(22)当储能设备的荷电状态枯竭状态时，引导储能设备减少放电功率；当 储能设备的荷电状态处于饱和状态，采取弃风措施，防止储能设备过冲。

3)建立DG和负荷的动态半不变量，求出储能设备冲放电功率的概率分布； 所建立DG和负荷的原点矩与半不变量的关系由式(4)获得，接着由分布式电 源与负荷的基准函数和Gram-charlier级数求出储能设备充放电功率的概率分布 由式(5)得到：

随机变量矩与半不变量的关系如式(4)：

$\left(\begin{array}{c}{K}_1={\alpha }_1\\ K_2={\alpha }_2-{\alpha }_1^2\\ K_3={\alpha }_3-3{\alpha }_1{\alpha }_2+2{\alpha }_1^2\\ K_4={\alpha }_4-3{\alpha }_2^2-4{\alpha }_1{\alpha }_3+12{\alpha }_1^2{\alpha }_3-6{\alpha }_1^4\end{array}\right)---\left(4\right)$

式中，K_m为随机变量的m阶半不变量，v＝1,2,3,4，α_i为随机变量的i阶 原点矩，i＝1,2,3,4；

由Gram-Charlier级数把随机变量的分布函数表达为由正态随机变量各阶导 数组成的级数，而其中级数的系数则由该随机变量的各阶半不变量构成，由此得 到储能设备充放电功率的概率密度分布函数可由式(5)得到：

$\left(\begin{array}{c}f\left(x\right)={\int }_x^{\infty }N\left(x\right)\mathrm{dx}+\frac{g_3}{3!}{N}^{\left(2\right)}\left(x\right)-\frac{g_4}{4!}{N}^{\left(3\right)}\left(x\right)-\frac{g_5}{5!}{N}^{\left(4\right)}\left(x\right)-\frac{g_6+10g_3^2}{6!}{N}^{\left(5\right)}\left(x\right)+\\ \frac{g_7+35g_3{g}_4}{7!}{N}^{\left(6\right)}\left(x\right)-\frac{g_8+56g_3{g}_5+35g_4^2}{8!}{N}^{\left(7\right)}\left(x\right)+...\end{array}\right)---\left(5\right)$

式中，g_m＝K_m/σ^m，m＝3、4、…、8，K_m为随机变量的m阶半不变量，σ^m为 随机变量标准差的m次幂；N^(γ)(x)(γ＝1,2,...,4)为标准正态分布函数的γ阶导数， x为随机变量。

4)建立以储能设备容量最小化为目标函数，储能设备荷电状态为不等式约 束的优化配置模型，具体由以下获得：

以设备储能容量最小化为目标函数，如式(6)：

F＝minS   (7)

式中，S分别为储能设备额定容量；

以储能设备的荷电状态作为不等式约束，如式(8)：

$\left(\begin{array}{c}\underset{‾}{\mathrm{Soc}}<\mathrm{Soct}<\overline{\mathrm{Soc}}\\ \mathrm{Soct}=\frac{E^{\mathrm{ini}}+\underset{r=1}{\overset{t-1}{\Sigma }}({\eta }_{\mathrm{ch}}{P}_{\mathrm{chr}}-\frac{1}{{\eta }_{\mathrm{dis}}}{P}_{\mathrm{disr}})\mathrm{\Delta t}}{\bar{E}}\end{array}\right)---\left(8\right)$

式中：Soc和为储能设备荷电状态的上下限；Soct为储能设备t时刻的荷电 状态；η_ch，η_dis分别为储能设备充放电效率；P_chr，P_disr分别为充放电功率；E 为储能设备额定容量Δt为储能设备充放电相邻两个时刻时间差，Eⁱⁿⁱ为储能设备 的初始容量，r为储能设备充放电的第一个时刻，t为储能设备充放电的第t个时 刻。。

与现有技术相比，本发明技术方案的有益效果是：本发明提供的含分布式电 源区域电网孤岛模式下储能设备容量的优化配置方法，是通过引入动态半不变量， 将储能设备输出功率的概率分布约束在一定的置信度之下，并且引入储能设备充 放电功率控制策略实时使得储能设备既不长时间运行于枯竭或饱和状态，又能充 分利用储能设备的容量，确保区域电网孤岛模式下的电能质量与经济性。

附图说明

图1为本发明的储能设备配置方法流程图。

图2为储能设备的控制策略图。

图3为储能设备充放电功率的概率密度。

图4为储能设备充放电功率的累积概率。

图5为储能设备充放电功率动态概率密度在XZ平面的投影。

图6为储能设备充放电功率动态累积概率在XZ平面的投影。

图7为储能设备充放电功率及荷电状态。

具体实施方式

附图仅用于示例性说明，不能理解为对本发明的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实 际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理 解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

以下对含DG的IEEE33节点储能设备配置方法进行实例分析，其中，额定 容量分别为2MW，2MW，1MW，1MW的4个风电场分别于节点13，15，29 额定容量为1.2MW的3个光伏电站分别于节点17，21，32接入，额定容量为 2MW的小水电于节点1接入。储能设备充电效率_ηch为0.95，放电效率_ηdis为0.9； 荷电状态上限为0.7，荷电状态下限SOC为0.3；储能设备的初始容量Eⁱⁿⁱ为 额定容量S的一般；

结合图1的配置流程图，含分布式电源的区域电网孤岛模型下储能设备的配 置方法包括以下步骤：

1)监测各个时刻风电场的出力P_w，光伏电站的出力P_PV及负荷为P_load，其 概率密度函数分别为：

风电场出力P_w的概率密度函数：

$f\left(v\right)=\frac{k}{c}{\left(\frac{v}{c}\right)}^{k-1}\exp [-{\left(\frac{v}{c}\right)}^k]---\left(8\right)$

式中：v为风速；k>0为形状参数；c>0为尺度参数；

工程上，风速v与风电场的出力P_w之间的关系如式

$P_w=\left(\begin{array}{cc}0& v\le v_i\\ k_{1}v+k_2& v_i\le v\le v_r\\ P_r& v_r\le v\le v_0\\ 0& v_0\le v\end{array}\right)---\left(9\right)$

由式(8)和式(9)可得出风电场有功出力的概率密度函数：

$f\left(p_w\right)=F^{\prime }\left(p_w\right)=\exp [-{\left(\frac{p_w-k_2}{k_1\beta }\right)}^{\alpha }]\frac{\alpha }{k_1\beta }{\left(\frac{p_w-k_2}{k_1\beta }\right)}^{\alpha -1}---\left(10\right)$

光伏电站的出力P_PV概率密度函数服从Beta分布如式(11)

$f\left(P_{\mathrm{PV}}\right)=\frac{\Gamma (\alpha +\beta )}{\Gamma \left(\alpha \right)\Gamma \left(\beta \right)}{\left(\frac{P_{\mathrm{PV}}}{R_m}\right)}^{\alpha -1}{(1-\frac{P_{\mathrm{PV}}}{\mathrm{Rm}})}^{\beta -1}---\left(11\right)$

式中，R_m为方阵输出功率，α和β均为Beta分布形状参数；P_PV为光伏输出 的功率；

负荷波动具有不确定性，用正态分布来描述如式(12)：

P_i∈N(μ_1i,σ_1i)   (12)

式中，P_i为节点i的随机有功负荷，μ_1i为节点i的随机有功负荷均值，σ_1i为 节点i的随机有功负荷标准方差；

2)建立储能设备充放电的控制策略，将储能设备的能量状态划分成3个区 间，包括分非工作区间、正常工作区间以及警戒工作区间即储能设备容易进入枯 竭或饱和，如附图3其控制策略分别为：

(21)当储能设备的荷电状态处于SCO2与之间为正常工作区时，DG 与负荷的差值确定储能设备的充放电功率；

(22)当储能设备的荷电状态处于SCO1与SCO2之间为枯竭状态，储能设备 减少放电功率；

(23)当储能设备的荷电状态处于与之间为饱和状态，采取弃风 措施，防止储能设备过冲。

3)建立DG和负荷的动态半不变量，并根据Gram-Charlier级数求出储能设 备冲放电功率的概率分布；

风电场出力的各阶原点矩如式(13)

${\alpha }_{\mathrm{wind}}^v=\underset{-\infty }{\overset{+\infty }{\int }}{P}_w^{v}f\left(P_w\right)d{P}_w---\left(13\right)$

光伏出力的各阶原点矩如式(14)

${\alpha }_{\mathrm{PV}}^v=\underset{-\infty }{\overset{+\infty }{\int }}{P}_{\mathrm{PV}}^{v}f\left(P_{\mathrm{PV}}\right)d{P}_{\mathrm{PV}}---\left(14\right)$

由风电场和光伏的出力的各阶原点矩求风电场和光伏出力的各阶半不变量 如式(4)：

$\left(\begin{array}{c}{K}_1={\alpha }_1\\ K_2={\alpha }_2-{\alpha }_1^2\\ K_3={\alpha }_3-3{\alpha }_1{\alpha }_2+2{\alpha }_1^2\\ K_4={\alpha }_4-3{\alpha }_2^2-4{\alpha }_1{\alpha }_3+12{\alpha }_1^2{\alpha }_3-6{\alpha }_1^4\end{array}\right)---\left(4\right)$

式中，K_v为风电场和光伏出力的v阶半不变量，v＝1,2,3,4，α_i为随机变量 的i阶原点矩，i＝1,2,3,4；

对于正态分布的注入功率，其一阶半不变量等于期望值，二阶半不变量为正态分 布的方差，三阶至七阶半不变量为0，如式(15)

γ₁＝α₁

γ₂＝σ²                            (15)

γ₃＝γ₄＝γ₅＝γ₆＝γ₇＝0

式中，γ_v为负荷的v阶半不变量；

由Gram-Charlier级数把随机变量的分布函数表达为由正态随机变量各阶导 数组成的级数，而其中级数的系数则由该随机变量的各阶半不变量构成，由此得 到储能设备充放电功率的概率密度分布函数可由式(5)得到：

$\left(\begin{array}{c}f\left(x\right)={\int }_x^{\infty }N\left(x\right)\mathrm{dx}+\frac{g_3}{3!}{N}^{\left(2\right)}\left(x\right)-\frac{g_4}{4!}{N}^{\left(3\right)}\left(x\right)-\frac{g_5}{5!}{N}^{\left(4\right)}\left(x\right)-\frac{g_6+10g_3^2}{6!}{N}^{\left(5\right)}\left(x\right)+\\ \frac{g_7+35g_3{g}_4}{7!}{N}^{\left(6\right)}\left(x\right)-\frac{g_8+56g_3{g}_5+35g_4^2}{8!}{N}^{\left(7\right)}\left(x\right)+...\end{array}\right)---\left(5\right)$

式中，g_m＝K_m/σ^m，m＝3、4、…、8，K_m为随机变量的m阶半不变量，σ^m为 随机变量标准差的m次幂；N^(γ)(x)(γ＝1,2,...,4)为标准正态分布函数的γ阶导数， x为储能设备充放电功率随机变量。

由此得到储能设备充放电功率的动态概率密度分布图如附图4和动态累积概率 分布图如附图5，由图可得到储能设备10％和90％置信度下充放电功率，将这两 个置信度下的储能充放电功率求和取均值得到储能设备各个时刻充放电功率的 期望值如表1：

表1储能设备各个时刻充放电功率的期望值

4)建立以储能设备容量最小化为目标函数，储能设备荷电状态为不等式约 束的优化配置模型，具体由以下获得：

以设备储能容量最小化为目标函数，如式(6)：

F＝minS   (6)

式中，S分别为储能设备额定容量；

以储能设备的荷电状态作为不等式约束，如式(16)：

$\left(\begin{array}{c}\underset{‾}{\mathrm{Soc}}<\mathrm{Soct}<\overline{\mathrm{Soc}}\\ \mathrm{Soct}=\frac{E^{\mathrm{ini}}+\underset{r=1}{\overset{t-1}{\Sigma }}({\eta }_{\mathrm{ch}}{P}_{\mathrm{chr}}-\frac{1}{{\eta }_{\mathrm{dis}}}{P}_{\mathrm{disr}})\mathrm{\Delta t}}{S}\end{array}\right)---\left(16\right)$

式中：Soc和为储能设备荷电状态的上下限；η_ch，η_dis分别为储能设备充放 电效率；P_chr，P_disr分别为充放电功率；

由式(6)和式(16)此求出储能设备的容量S为0.937MWh，并得到储能设备 各个时刻的充放电功率以和荷电状态如附图7。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非 是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明 的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施 方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进 等，均应包含在本发明权利要求的保护范围之内。