一种配网自动化系统中储能系统的选址方法技术方案

本发明专利技术公开了一种配网自动化系统中储能系统的选址方法，通过对储能系统接入配网系统的影响分析，建立了一种以节点电压波动、系统负荷波动和储能系统容量最小为目标，以节点电压和功率平衡为约束的储能选址多目标优化模型。在模型求解的过程中，先对多个子目标进行目标值归一化处理、线性加权聚合和层次分析法判断权重，使之成为单目标函数，并用线性加权的粒子群算法求解，最后在IEEE14节点配电网系统中进行仿真验证。

A Location Method of Energy Storage System in Distribution Automation System

The invention discloses a location method of energy storage system in distribution automation system. By analyzing the influence of energy storage system access to distribution network system, a multi-objective optimization model of energy storage location is established, which aims at node voltage fluctuation, system load fluctuation and minimum capacity of energy storage system, and takes node voltage and power balance as constraints. In the process of solving the model, the target value normalization, linear weighted aggregation and analytic hierarchy process (AHP) are used to determine the weights of multiple sub-targets, which are transformed into a single objective function and solved by linear weighted particle swarm optimization (LWPSO). Finally, the simulation is carried out in the IEEE14-node distribution network system.

【技术实现步骤摘要】
一种配网自动化系统中储能系统的选址方法
本专利技术涉及配网自动化系统中储能系统的选址领域，尤其涉及一种配网自动化系统中储能装置的选址方法。
技术介绍
分布式电源如光伏发电系统大规模并入电网能减少路线损耗，提升节点电压水平，然而其输出功率的波动性和不确定性加剧了电网负荷和节点电压波动，降低了电力系统的质量和可靠性。而储能系统具有能量双向流动的能力、充放电的高速性和高效性，在接入配网关键节点后，能很好地平抑光伏发电系统带来的影响，起到平抑波动、削峰填谷、提高配电网的电能质量和提高系统经济性的作用，使配网运行会更具稳定性和安全性。通过对配备储能系统的选址定容方案的优化选择，可最大化利用率，提升稳定效果，其中接入位置的选择是最为关键的问题。储能系统的选址定容是一个多目标优化问题。目前常用的目标优化算法有微分进化算法、遗传算法、人工免疫算法等，然而上述几种算法在求解过程中计算效率较低、收敛速度较慢。粒子群算法采用高效的群集并行地对有效解进行搜索，并且每次迭代过程中可产生多个有效解，同时粒子群算法具有记忆功能，粒子通过跟踪自身历史最优解和种群全局最优解来进行搜索，使得粒子群算法在寻优过程中具有很好的收敛性和全局搜索能力。针对多目标优化问题，目标之间往往无法比较，甚至互相冲突，只能在各子目标之间进行协调权衡和折衷处理，使得各子目标达到尽可能最优，如可通过归一化，使各目标具有可比性和可加权性，将多目标转化为单目标，大大简化计算复杂度。
技术实现思路
针对现有技术的不足，本专利技术的目的在于提供一种配网自动化系统中储能系统的选址方法。本专利技术是通过以下技术手段实现的，实施步骤如下：步骤(1)，获取储能装置所接入的配网系统的拓扑模型；所述的拓扑模型应包括网络拓扑结构、基准电压Un、基准容量Sn、所有网络节点的功率参数S以及各条支路上的阻抗参数zi。步骤(2)确定光伏装置的接入位置，获取其出力曲线。步骤(3)，根据步骤(1)中得到的配网系统的网络拓扑结构模型和步骤(2)中得到的光伏装置的接入和出力，建立目标函数和约束条件：(3.1)建立目标函数。用节点电压波动f1、系统负荷波动f2以及储能系统容量f3三个指标组成多目标优化函数：minF(x,y)＝(f1(x,y),f2(x,y),f3(x,y))。其中，M为节点数，T表示总的时刻数，Uij表示第i个节点第j个时刻的电压值，表示第i个节点在时间T内的电压均值；表示T时间内电网输入的平均功率，Ps(j)在j时刻电网的输入功率；N为储能装置个数，Estore(k)为第k个储能装置的额定容量，单个储能装置的额定容量的选取规则为：Estore＝max{Estore,1,Estore,2}，其中，Estore,1为储能装置的最大充放电能量，Estore,2为储能装置的累积充放电能量。Estore,1和Estore,2选取规则如下：按充电和放电，将储能装置的出力曲线分为n段，使得每段都一直维持充电或放电状态，没有状态的改变。第i段内充放电能量记为Esi，则储能装置的最大充放电能量Estore,1选取Esi的最大值，算式如公式(1)所示：其中ti表示第i段的开始时刻，tie表示第i段的终止时刻，Pstore(t)表示t时刻储能装置的充放电功率，Δt表示第i段的时间间隔，即Δt＝tie-ti。在观察时间T内，将储能装置j时段内的累积充放电能量记为Eadsj，则储能装置的累积充放电能量Estore,2选取为Eadsj的最大值，算式如公式(2)所示：(3.2)构建约束条件：(3.2.1)节点电压约束：Ui,min＜＝Ui＜＝Ui,max(i＝1,2,···,M)，其中，Ui,min表示第i个节点的电压下限，Ui,max表示第i个节点的电压上限，M为节点数；(3.2.2)功率平衡约束：其中各代号表示的是同一时刻下，Ploadi表示第i个节点的负荷功率，Pstorek表示第k个储能装置的功率，Pdgj表示第j个光伏发电电源的功率，Ps表示电网输入功率，其中N为储能装置的个数，D为光伏发电系统的个数；(3.2.3)储能功率约束：Pstorek,min＜＝Pstorek＜＝Pstorek,max(k＝1,2,···,N)，其中，Pstorek,min表示第k个储能装置的储能功率下限，Pstorek,max表示第k个储能装置的储能功率上限；(3.2.4)储能能量平衡约束：；综合以上所列出的目标函数和约束条件，储能装置的选址定容多目标优化模型为：步骤(4)，求解上述多目标优化问题，分为两步：(4.1)将多目标转换为单目标，分两步进行：(4.1.1)采用离差标准化对各子目标函数值归一化处理，其步骤为：Step1在可行解范围内，对各个单目标优化问题，分别求出式(1)的解和目标函数值，表示为fi,min。minfi(x)(i＝1,2,···,m)(1)其中，自变量x表示配电网络的节点，fi(x)表示第i个目标优化函数。Step2在可行解范围内，对各个单目标优化问题，分别求出式(2)的解和目标函数值，表示为fi,max。maxfi(x)(i＝1,2,···,m)(2)Step3利用转换函数进行归一化处理：(4.1.2)线性加权法聚合多目标函数：其中，m表示目标函数的数量，取值为3，X为是满足约束条件的节点集合，即约束集，表示满足约束条件的可行解范围。λi满足用层次分析法获得λi的值。(4.2)利用线性权重的PSO算法(粒子群算法)对步骤4.1得到的单目标函数进行求解，得到单目标函数最优解，即储能装置的最优选址。本专利技术的有益效果如下：本专利技术通过对储能系统接入配网系统的影响分析，建立了一种以节点电压波动、系统负荷波动和储能系统容量最小为目标，以节点电压和功率平衡为约束的储能选址多目标优化模型。在模型求解的过程中，先对多个子目标进行目标值归一化处理、线性加权聚合和层次分析法判断权重，使之成为单目标函数，并用线性加权的粒子群算法求解，得到了储能系统的最优配置位置。附图说明图1：IEEE-14节点配网系统。图2：潮流计算递推模型。图3：光伏发电曲线。图4：最优接入位置下电压幅值图。具体实施方式步骤(1)，获取储能系统所接入的配网系统的拓扑模型。本例选取IEEE-14节点配电网络作为仿真验证对象，其参数如表(1)所示，节点功率参数和支路阻抗参数见表(2)、表(3)，其典型结构如图(1)所示。在IEEE14配网系统中，选取节点1作为PV节点，接入光伏发电系统。表(1)IEEE-14节点配电网络参数基准电压基准容量网络总负荷馈线数参数值23kV100MVA28.7+j7.75MVA3表(2)IEEE-14节点配电网络支路阻抗表(3)IEEE-14节点配电网络功率参数对IEEE14配电网络进行潮流计算得到相关参数，以节点3作为平衡节点(接入储能系统)，某一时刻光伏发电功率Ppv为例，描述潮流计算过程：Step1支路阻抗标幺值转换IEEE14配网系统中，设基准电压为Un，基准容量为Sn，第i条支路上的阻抗为R(i)+jX(i)，则支路阻抗标幺值转换如下：Step2导纳矩阵Y对于IEEE14配网系统，根据配网结构，其导纳矩阵Y如下：Step3节点电压求取在实际的运行系统中，已知的运行条件往往不是实际的节点电流而是负荷和发电机的功率，而本文档来自技高网...

【技术保护点】
1.一种配网自动化系统中储能系统的选址方法，其特征在于,该方法包括以下步骤步骤(1)，获取储能装置所接入的配网系统的拓扑模型；所述的拓扑模型应包括网络拓扑结构、基准电压Un、基准容量Sn、所有网络节点的功率参数S以及各条支路上的阻抗参数zi。步骤(2)确定光伏装置的接入位置，获取其出力曲线。步骤(3)，根据步骤(1)中得到的配网系统的网络拓扑结构模型和步骤(2)中得到的光伏装置的接入位置和出力，建立目标函数和约束条件：(3.1)建立目标函数。用节点电压波动f1、系统负荷波动f2以及储能系统容量f3三个指标组成多目标优化函数：minF(x,y)＝(f1(x,y),f2(x,y),f3(x,y))。其中，

【技术特征摘要】
1.一种配网自动化系统中储能系统的选址方法，其特征在于,该方法包括以下步骤步骤(1)，获取储能装置所接入的配网系统的拓扑模型；所述的拓扑模型应包括网络拓扑结构、基准电压Un、基准容量Sn、所有网络节点的功率参数S以及各条支路上的阻抗参数zi。步骤(2)确定光伏装置的接入位置，获取其出力曲线。步骤(3)，根据步骤(1)中得到的配网系统的网络拓扑结构模型和步骤(2)中得到的光伏装置的接入位置和出力，建立目标函数和约束条件：(3.1)建立目标函数。用节点电压波动f1、系统负荷波动f2以及储能系统容量f3三个指标组成多目标优化函数：minF(x,y)＝(f1(x,y),f2(x,y),f3(x,y))。其中，M为节点数，T表示总的时刻数，Uij表示第i个节点第j个时刻的电压值，表示第i个节点在时间T内的电压均值；表示T时间内电网输入的平均功率，Ps(j)在j时刻电网的输入功率；N为储能装置个数，Estore(k)为第k个储能装置的额定容量，单个储能装置的额定容量的选取规则为：Estore＝max{Estore,1,Estore,2}，其中，Estore,1为储能装置的最大充放电能量，Estore,2为储能装置的累积充放电能量。Estore,1和Estore,2选取规则如下：按充电和放电，将储能装置的出力曲线分为n段，使得每段都一直维持充电或放电状态，没有状态的改变。第i段内充放电能量记为Esi，则储能装置的最大充放电能量Estore,1选取Esi的最大值，算式如公式(1)所示：其中ti表示第i段的开始时刻，tie表示第i段的终止时刻，Pstore(t)表示t时刻储能装置的充放电功率，Δt表示第i段的时间间隔，即Δt＝tie-ti。在观察时间T内，将储能装置j时段内的累积充放电能量记为Eadsj，则储能装置的累积充放电能量Estore,2选取为Eadsj的最大值，算式如公式(2)所示：(3.2)构建约束条件：(3...

【专利技术属性】
技术研发人员：杨强，杨迷霞，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33