配電網分布式電源和儲能協調控制方法研究

車紫瑩

（國網福建省電力有限公司 泉州供電公司，福建 泉州 362000）

0 引 言

能源的清潔高效利用離不開高水平的電氣化，技術進步和成本下降必然會導致大規模的分布式電源并網，然而分布式電源由于其自身的特性，會對電網的穩定性造成影響[1-4]。針對這些問題，提出了一種新的基于分解的多目標優化算法，基于算法對多目標協調控制策略進行求解，最后在MATLAB 平臺上驗證了本研究的可行性和有效性[5-8]。

1 基于模糊理論的分布式電源出力

本研究中考慮的是風電模型，其模型表示為

式中：Pw,random為隨機調度模型；Pw,fuzy為模糊調度模型。

Pw,random的大小主要受風速影響，風速密度均值函數可以表示為

式中：s為尺度系數；v為實際的風速大小；k為用來描述f(v)形狀的值，一般在[1.8,2.8]內取值。Pw,random的具體表達式為

式中：vi、vo、vr為切入、切出與額定風速；Pr為額定輸出功率。

在調度周期內，Pw,fuzy相對應的隸屬度函數可以表示為

隸屬度函數的形狀由隸屬度參數Pw1～Pw4決定，而參數Pw1～Pw4的取值公式為

式中：wk為比例系數，大小取決于風電出力的歷史數據；Pfc為風電出力的預測值。梯形模糊參數可被表示為

2 儲能充放電模型

充電過程為

放電過程為

式中：SOC(t)和SOC(t+Δt)分別為t、t+Δt時刻所儲存的電量；Δt為時間間隔；ε為系統的剩余損失電量率；SOCchg(t+Δt)和SOCdis(t+Δt)為電池儲能系統（Battery Energy Storage System，BESS）在t+Δt時刻的充放電功率，效率分別由α和β決定；SOCe為系統儲能容量。

3 儲能控制策略

本研究的儲能設備選定為鈉硫電池，并且考慮峰谷分時電價，儲能控制策略的流程主要針對2種情況：（1）負荷大于分布式電源出力；（2）負荷小于分布式電源出力。當負荷大于分布式電源出力時，需要分布式電源和配電網同時提供電能；當負荷小于分布式電源出力時，僅需要分布式電源提供電能。

4 多目標協調控制策略

4.1 日成本

儲能調度成本為

式中：KESS為系統單位調度成本；和為t時段內第m個系統的充放電功率。

風電發電成本為

棄風懲罰成本為

式中：Pwf(t)為系統被消納的發電總量；ec(t)為風電上網電價。

微燃機發電成本為

式中：NG為總機組數；機組啟停狀態由h1,t確定；為l機組在t時刻的有功輸出；同l機組的燃耗系數由a1、b1和c1共同確定。

微燃機啟動停止成本為

式中：B1,t為當前l機組的啟動停止成本。

4.2 日效益

電價效益為

式中：ed(t)、ew(t)分別為用戶分時電價和風電補貼電價；Pe(t)、Pd(t)、Pw(t)分別為系統上網功率、用戶負荷功率以及風機出力。

環境效益為

式中：m為風電總個數；n污染物的種類個數；HsCP、HsMG,j分別為火電機組第s項污染物排放總額和第j個風電第s項污染物的排放總額；Ve,s為第s項污染物減排價值。

節能效益為

式中：Mc為共消耗煤炭總額；pc為單價；Pw,j為第j個系統發電總量。

4.3 目標函數

本研究基于模糊理論提出了一種新的多目標協調控制策略，控制目標如下：目標函數定義為日凈利潤PPRO的最大化函數，綜合前面的日成本和日收益，PPRO最大值為

5 多目標協同控制策略求解算法

MOEA/D 算法的流程如圖1 所示。為了克服最優前沿形狀的不確定性，本研究基于切比雪夫分解法分解多目標優化問題[9,10]，其數學表達式為

圖1 MOEA/D 算法的基本流程

式中：m為目標函數數目；z*={z1*,…,zm*}T為參考點；λ={λ1,…,λm}為權重向量。

6 仿真驗證

文章選擇改進后的IEEE33 節點電力系統作為研究對象，如圖2 所示。

圖2 IEEE33 節點配單網系統

仿真后得到的并網前后負荷需求對比如圖3所示，可以清晰地看到，并網后負荷的需求、波動、峰谷差相較并網前都有明顯降低，并且有良好的削峰效果。另外，儲能并網改變了負荷峰值出現的時間，降低了配電網的備用容量。以上手段能夠降低負荷的波動性，提高經濟效益。

圖3 儲能并網前后的負荷需求

7 結 論

本研究的研究對象為風力分布式電源，將電源處理作為模糊變量并建立了相應的可信性分布函數及隸屬度函數；提出系統充放電模型并制訂了相應的儲能控制策略。另外，基于所給出的IEEE33 節點電力系統，在MATLAB 平臺上進行策略有效性驗證。